利用SIF估算小麦叶片含氮量和光合氮利用率


发布时间:

2020-12-04

来源:

本站

作者:

PhenoTrait

叶片含氮量(LNC)是反映光合蛋白含量的指标,对了解植物的功能和状态具有重要意义。在以往的研究中,已证明植被指数(VIs)可对LNC进行无损监测,但受背景的影响,对氮胁迫缺乏特异性。本研究提出了一种与植物生理状态相关的新技术——日光诱导叶绿素荧光(SIF),用于估算叶片和冠层尺度的LNC。此外,根据叶片经济生理的重要性状:光合氮利用效率(PNUE)与SIF、光合作用以及LNC之间的关系,对SIF指标进行了评价。

 

试验2测定了冬小麦的太阳辐射光谱、叶片反射光光谱和SIF(A)光谱和叶片/冠层反射率(B)

 

2017-2018年叶尺度光谱指数(SIF687产量、SIF761产量、SIF687、SIF761、SIFR、SIFN、CIred edge和NDRE)和生化参数(LCCmass、LCCarea、LNCmass和LNCarea)的季节变化
 

在江苏如皋,以2016-2017年和2017-2018年两个生长季节不同氮肥施用量的冬小麦为材料,进行了田间试验。分别在叶片和冠层尺度测量了SIF、反射率、生化和生长结构参数。使用ASD和QEpro光谱仪在两个观测尺度分别采集SIF信号,FWHM分别为1.4 nm和0.13 nm。根据两个氧吸收带提取的SIF信号计算SIF指数。结果表明,基于面积的LNC比基于mass的LNC与SIF指数和VIs具有更强的相关性。SIF比率指数(SIFR)和归一化SIF指数(SIFN)分别定义为SIF761/SIF687和(SIF761-SIF687)/(SIF761+SIF687)。在两种观察尺度下,在两个观察尺度上对基于面积的LNC监视效果均优于CIred Edge,在VI组中表现最好。与CIred edge相比,在叶和冠层尺度上,基于面积的LNC的SIF指数的最佳估计精度分别提高了0.08和0.02。而采用SIFR和SIFN对基于面积的LNC进行监测时,不会出现传统VIs方法所出现的饱和现象。从整个数据范围来看,基于面积的LNC与几种植物性状(叶:基于面积的叶绿素含量(LCCarea)、单位面积叶质量(LMA);冠层:基于面积的冠层LCC(CCCarea)、叶面积指数(LAI)、单位土壤叶干重(LDW)和LMA)密切相关,与之前的研究一致。然而,在固定面积LCC值的特定群体中,尽管基于面积的LNC与这些性状几乎没有显著相关性,但SIFR和SIFN在两个观察尺度(叶尺度:R2>0.50,R2>0.46;冠层尺度:R2>0.41,R2>0.42)上始终与基于面积的LNC高度相关。因此,SIFR和SIFN对基于面积的LNC估算的贡献不仅在于所列出的植株性状,还包括其它内部性状,如氮素分配和比例。此外,SIFR和SIFN被证明是潜在的检测PNUE的方法。

 

LNCarea与叶尺度光谱指数之间的关系

 

叶片尺度下LNCmass与小麦光谱指数之间的相关性

 

综上所述,该研究结果将为我们从遥感观测中了解植物氮素状况、检测植物功能和精确农业管理提供一个新的视角。

 

来源:

Jia M, Colombo R, Rossini M, et al. Estimation of leaf nitrogen content and photosynthetic nitrogen use efficiency in wheat using sun-induced chlorophyll fluorescence at the leaf and canopy scales. European Journal of Agronomy Volume 122, January 2021, 126192. https://doi.org/10.1016/j.eja.2020.126192.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。