[发明专利]一种基于叶片紧张度在线监测的变量灌水节点预测方法有效
申请号: | 201910266312.X | 申请日: | 2019-04-03 |
公开(公告)号: | CN110162830B | 公开(公告)日: | 2023-03-21 |
发明(设计)人: | 邢德科;徐小健;吴沿友;陈晓乐;陈倩;李美清;付为国 | 申请(专利权)人: | 江苏大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06Q10/04;G06Q50/02 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 叶片 紧张 在线 监测 变量 灌水 节点 预测 方法 | ||
本发明公开一种基于叶片紧张度在线监测的变量灌水节点预测方法,属于节水灌溉领域。建立叶面积、生物量估算模型,利用直角双曲线方程构建生物量与叶片紧张度关系模型。基于最大叶长、叶宽与株高的无损测量,在线监测生物量。利用Logistic方程对生物量随时间的增长曲线进行拟合,对拟合方程求导,计算生物量增长速率。以对照水平下生物量的增长速率为参照,计算不同干旱水平下生物量增长速率为参照值某固定比例时所对应的生长时间,即为灌水节点。依据Logistic方程和生物量与叶片紧张度关系模型计算对应叶片紧张度的值,从而通过叶片紧张度的在线监测对变量灌水节点进行预测。本发明克服了现有技术不能及时预测植物生理需水节点的不足,为变量灌溉提供依据。
技术领域
本发明涉及到一种基于叶片紧张度在线监测的变量灌水节点预测方法,属于农作物信息检测和节水灌溉技术领域。
背景技术
传统上,作物水分需求关键期和临界期、农田土壤水分消耗或者冠层温度等信息通常被作为制定灌水时间和灌水量的依据。但这些方法易受环境、地理等因素的限制,或者主要依靠经验,无法充分考虑到作物自身水分利用状况,容易导致灌溉过量或供水不足。植物在生长期并不总是需要充足的水分,干旱缺水也不总是降低产量。节水灌溉是在保障作物产量的基础上利用最少的水分消耗获取最高的经济收益。作物对干旱的生理响应信息在精确灌溉中应用的研究逐渐引起重视,精确灌溉的顺利实施在于对干旱下植物需水节点的实时监测。然而,现有技术仍无法实现基于植物生理响应的灌水节点的在线预测。
作物产量和生物量呈正相关,生物量的研究对作物产量的预测具有重要作用,生物量的在线估算及其变化规律的解析有助于植物灌水节点的提前预测。在大多数研究中,生物量的测定都建立在植物局部或整体遭受破坏的基础上,植物生物量的直接获得比较困难,为建立生物量的非破坏性在线测定方法,亟需采用一些直接易测的指标来表达估算。
此外,叶片水分状况的直接快速测定及其与生物量之间关系的建立则可为灌水节点的在线预测提供有力保障。在作物遭受干旱胁迫的情况下,体内碳酸酐酶受刺激而活性升高,催化胞内HCO3-转化为H2O,改变细胞水分状况和光合作用的变化趋势,延缓作物对水分的迫切需求。该水分调控过程能够在一定程度上改变叶片水势或气孔导度等指标的变化规律,该过程的效果具有延迟性,不容易被仪器即时监测出来,影响人们依据叶片水势、气孔导度等传统指标对作物水分亏缺状况的精确分析及判断。叶片紧张度可表示细胞液浓度和细胞体积的变化,能更好更直接地反映植物的水分状况,叶片紧张度与生物量直接关系的构建则有助于将灌水的及时实施建立在叶片紧张度的在线监测上。
发明内容
本发明要解决的技术问题是,提供一种基于叶片紧张度在线监测的变量灌水节点预测方法,可以通过电生理参数及生物量的在线监测,结合生物量估算模型以及生物量与叶片紧张度之间的关系模型,实现植物变量灌水节点的及时预测,简便快捷,精确度高,为植物生理信息检测及节水灌溉技术提供科学支撑。
一种基于叶片紧张度在线监测的变量灌水节点预测方法,包括以下步骤:
步骤一,实验室培养模型植物幼苗,选取被考察植物的模型植物;
步骤二,设置不同干旱胁迫水平对模型植物进行培养;
步骤三,对模型植物进行指标测定;
步骤四,利用叶面积回归方程对叶面积与最大叶长最大叶宽的乘积进行拟合,得出叶面积的估算模型;利用生物量模型对生物量与株高、叶面积之间关系进行拟合,得出生物量的估算模型;利用直角双曲线方程构建生物量与叶片紧张度的关系模型;
步骤五,选取不同干旱水平下的被考察植物,间隔相同时间于步骤三中相同时段测定其最大叶长、最大叶宽和株高;
步骤六,依据最大叶长、最大叶宽和株高,利用叶面积估算模型、生物量估算模型,计算生物量随时间的增长曲线;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910266312.X/2.html,转载请声明来源钻瓜专利网。