武　威，劉　濤，陳瑛瑛，孫成明，陳　雯，楊秉臻

(揚(yáng)州大學(xué) 江蘇省作物遺傳生理國(guó)家重點(diǎn)實(shí)驗(yàn)室培育點(diǎn)/糧食作物現(xiàn)代產(chǎn)業(yè)技術(shù)協(xié)同創(chuàng)新中心,江蘇 揚(yáng)州　225009)

?

小麥苗情診斷指標(biāo)及其監(jiān)測(cè)方法研究進(jìn)展

武威，劉濤，陳瑛瑛，孫成明，陳雯，楊秉臻

(揚(yáng)州大學(xué) 江蘇省作物遺傳生理國(guó)家重點(diǎn)實(shí)驗(yàn)室培育點(diǎn)/糧食作物現(xiàn)代產(chǎn)業(yè)技術(shù)協(xié)同創(chuàng)新中心,江蘇 揚(yáng)州225009)

摘要：小麥?zhǔn)俏覈?guó)主要的糧食作物之一，及時(shí)了解小麥苗期生長(zhǎng)狀態(tài)對(duì)穩(wěn)產(chǎn)增收有著重要的意義。為此，在綜述葉面積指數(shù)、生物量、葉綠素及氮含量等與苗情相關(guān)指標(biāo)的基礎(chǔ)上，總結(jié)了不同指標(biāo)的診斷監(jiān)測(cè)進(jìn)展，并對(duì)干旱和凍害等兩種自然災(zāi)害環(huán)境影響下小麥的生長(zhǎng)狀態(tài)進(jìn)行了描述。研究結(jié)果可為快速準(zhǔn)確開(kāi)展小麥苗情診斷提供依據(jù)。

關(guān)鍵詞：小麥苗情；診斷指標(biāo)；災(zāi)害；監(jiān)測(cè)；進(jìn)展

0引言

小麥?zhǔn)侵袊?guó)最重要的糧食作物之一，種植面積大、分布區(qū)域廣，其播種面積、單產(chǎn)和總產(chǎn)量?jī)H次于水稻和玉米，占全國(guó)糧食消費(fèi)總額的20%左右。因此，保障小麥穩(wěn)產(chǎn)、高產(chǎn)對(duì)于保證我國(guó)糧食供給、促進(jìn)農(nóng)民增收、糧食增產(chǎn)、維護(hù)社會(huì)穩(wěn)定和促進(jìn)經(jīng)濟(jì)發(fā)展有著重要作用。

小麥苗情一般指小麥的長(zhǎng)勢(shì)，即小麥生長(zhǎng)的狀態(tài)和趨勢(shì)，是小麥生長(zhǎng)發(fā)育的表現(xiàn)，其好壞程度一般可通過(guò)葉面積、株高、根莖的粗細(xì)來(lái)表征。目前，通常研究的對(duì)作物長(zhǎng)勢(shì)監(jiān)測(cè)是對(duì)作物的生長(zhǎng)情況、生長(zhǎng)環(huán)境及相關(guān)變化在宏觀上的觀察。在小麥生產(chǎn)上，麥苗管理起到重要的調(diào)控作用。通過(guò)長(zhǎng)期的生產(chǎn)實(shí)踐，人們積累了豐富的查苗管理經(jīng)驗(yàn)和技術(shù)，許多科研單位也相繼提出了關(guān)于冬小麥長(zhǎng)相、形態(tài)及營(yíng)養(yǎng)方面的診斷指標(biāo)[1]，將這種指標(biāo)稱為壯苗指標(biāo)。

不同學(xué)者對(duì)小麥壯苗提出了各自見(jiàn)解，如葉寬色深、主莖粗短、長(zhǎng)相墩實(shí)等[2]；筆者認(rèn)為壯苗的標(biāo)準(zhǔn)較為復(fù)雜。眾所周知，小麥的生長(zhǎng)受各種因素的影響，簡(jiǎn)單地通過(guò)查苗經(jīng)驗(yàn)與技術(shù)是不能全面的評(píng)價(jià)小麥的狀況。所以，本文主要通過(guò)綜述影響小麥苗情的指標(biāo)，如葉面積指數(shù)、生物量、葉綠素含量及氮含量等指標(biāo)，間接地對(duì)小麥苗情做出診斷。同時(shí)，考慮到干旱、凍害等不同災(zāi)害環(huán)境下小麥的苗情狀況及對(duì)小麥穩(wěn)產(chǎn)高產(chǎn)具有重要意義。

1苗情診斷指標(biāo)及其監(jiān)測(cè)

小麥在生長(zhǎng)發(fā)育階段不僅需要適宜的土壤溫度、光照強(qiáng)度和水分等外界因素，還會(huì)受到品種和種子的質(zhì)量等因素的影響，小麥苗情診斷是一個(gè)復(fù)雜的過(guò)程，可供參考的指標(biāo)有很多。目前，小麥苗情重點(diǎn)監(jiān)測(cè)的指標(biāo)主要有葉面積指數(shù)、生物量、葉綠素含量和氮含量等。

1.1葉面積指數(shù)

葉面積指數(shù)(LAI)是由Balls于1917年提出，是指單位面積土地上小麥的葉片總面積占土地面積的倍數(shù)，可以用于明確小麥產(chǎn)量發(fā)展的動(dòng)態(tài)[3]。它不僅能夠作為判斷小麥冠層結(jié)構(gòu)和長(zhǎng)勢(shì)的依據(jù)，同時(shí)也是影響小麥生物量和產(chǎn)量的重要指標(biāo)[4-5]。作為小麥冠層生態(tài)系統(tǒng)的標(biāo)準(zhǔn)參數(shù)，葉面積指數(shù)的大小對(duì)系統(tǒng)上、下的小氣候形成起決定作用，可以較好地描述小麥冠層的光合作用、蒸騰作用及光輻射等生理生長(zhǎng)過(guò)程[6]。因此，葉面積指數(shù)經(jīng)常被應(yīng)用到小麥生長(zhǎng)模型及氣候模型等各種模型上，是非常重要的生物學(xué)指標(biāo)[7]。

在葉面積指數(shù)的獲取方面，普通的測(cè)量方法有直接測(cè)量法、比葉重法、照相法及SUNSCAN測(cè)量法。其中，直接測(cè)量法得到的測(cè)量值是真實(shí)葉面積指數(shù)，通過(guò)與真實(shí)值相比，照相法的精度最高，其次是比葉重法[8]。照相法主要基于圖像處理技術(shù)，通過(guò)圖像葉面積指數(shù)(ILAI)，建立與小麥葉面積指數(shù)的關(guān)系模型，可以提高在獲取上的工作效率[9]。對(duì)于不同復(fù)雜背景的影響，通過(guò)圖像處理所得的數(shù)據(jù)與實(shí)際測(cè)量的葉面積指數(shù)數(shù)據(jù)進(jìn)行對(duì)比擬合建立新的模型，可以提高小麥冠層葉面積指數(shù)的測(cè)量精度[10]。相關(guān)研究表明：通過(guò)處理圖像所獲取植株的冠層體積可以計(jì)算出LAI，該方法可靠易行[11]。利用比葉重法測(cè)量葉面積指數(shù)時(shí)，以地上部干重和綠葉分配指數(shù)作為基礎(chǔ)，動(dòng)態(tài)模擬研究小麥葉面積指數(shù)的變化規(guī)律，可以避免在葉面積定量計(jì)算時(shí)產(chǎn)生的誤差[12]。在結(jié)合光照、品種、葉型和種植模式等多種因素時(shí)，通過(guò)建立小麥最適葉面積指數(shù)動(dòng)態(tài)模型，也可為小麥生產(chǎn)提供科學(xué)的決策支持[13]。

近年來(lái)，由于遙感影像技術(shù)廣泛地應(yīng)用于農(nóng)業(yè)生產(chǎn)，加快了我國(guó)農(nóng)業(yè)現(xiàn)代化的進(jìn)程，通過(guò)遙感對(duì)葉面積指數(shù)進(jìn)行監(jiān)測(cè)已成為一種趨勢(shì)。葉面積指數(shù)的遙感估算方法一般運(yùn)用統(tǒng)計(jì)法和反演法建立模型。統(tǒng)計(jì)模型法中最典型的是植被指數(shù)法，通過(guò)建立葉面積指數(shù)與植被指數(shù)的關(guān)系來(lái)反演葉面積指數(shù)[14-15]；通過(guò)分析葉面積指數(shù)與植被指數(shù)之間的敏感性，找到對(duì)葉面積指數(shù)影響最大的植被指數(shù)，建立經(jīng)驗(yàn)統(tǒng)計(jì)模型，并通過(guò)科學(xué)的方法分析反演模型的精度，有利于實(shí)現(xiàn)對(duì)真實(shí)葉面積指數(shù)的計(jì)算[16]。相關(guān)研究表明：小麥冠層反射光譜會(huì)受到土壤背景信息的影響，利用小波除噪并結(jié)合一階導(dǎo)數(shù)的方法可以去除這種影響從而提高模型的精確度，在建立葉面積指數(shù)測(cè)量的模型時(shí)，選擇LS-SVR算法能夠解決模型構(gòu)建的精準(zhǔn)問(wèn)題[17]。

1.2生物量

生物量是指特定時(shí)間單位面積內(nèi)存活生物的有機(jī)物質(zhì)(干重)總量，是小麥籽粒產(chǎn)量形成的物質(zhì)基礎(chǔ)。不同時(shí)期的生物量動(dòng)態(tài)變化與小麥產(chǎn)量的形成有著密切關(guān)系，是小麥生長(zhǎng)過(guò)程中重要的苗情診斷指標(biāo)。因此，及時(shí)、準(zhǔn)確地獲取小麥生物量信息對(duì)于開(kāi)展小麥田間長(zhǎng)勢(shì)分析診斷和進(jìn)行精確小麥籽粒產(chǎn)量估算都具有重要作用和應(yīng)用價(jià)值。

影響小麥生物量的因素有很多，例如施肥量，N、P、K比例，水分，遮光度，重金屬，以及氣候變化等因素。一般研究表明：施用有機(jī)肥能夠明顯提高小麥的生物量，若要精確地進(jìn)行N、P、K配置則可以對(duì)不同生育期小麥生物量產(chǎn)生作用，各主要生育期小麥生物量生產(chǎn)所需的N、P、K配置存在著差異[18]。在土壤氮含量充足的情況下，集中于0～30cm土層追施氮肥對(duì)生物量的形成具有抑制作用，而均勻施在0～90cm土層則可以促進(jìn)生物量的形成，在上層表現(xiàn)干旱脅迫時(shí)，這種趨勢(shì)更加明顯[19]。水分對(duì)小麥生物量的影響主要表現(xiàn)在氮素的吸收能力上，在正常供水下施氮能夠提高小麥對(duì)氮素的吸收和利用能力，增加小麥地上部生物量，而在控水條件下小麥不宜追施氮肥[20]。在不同遮光條件下，小麥地上、地下部分及全植株干物質(zhì)從拔節(jié)期到完熟期總體呈增加趨勢(shì)，所截獲的光量與生物量呈較強(qiáng)的正相關(guān)性，且不同時(shí)期生物量與截獲光量之間的緊密性存在明顯差異；其中，相關(guān)性最緊密的是灌漿期[21]。對(duì)于有些特殊地區(qū)的小麥而言，還有可能受到重金屬的影響，隨著小麥的生長(zhǎng)，重金屬Pb、Cr會(huì)從根系逐步影響到地上部分，且Cr對(duì)小麥的生態(tài)毒性要強(qiáng)于Pb[22]。CO2肥效作用是指CO2濃度增加對(duì)植物生長(zhǎng)的助長(zhǎng)作用，可以彌補(bǔ)由于溫度升高而使小麥生物量減少的問(wèn)題，且補(bǔ)償作用隨溫度的上升而增加[23]。

生物量的影響因子有很多，這使小麥生物量的監(jiān)測(cè)成為一道難題，科技的發(fā)展以及學(xué)者們的研究結(jié)果，為我們提供了一些有效的估測(cè)方法。例如，通過(guò)研究小麥莖稈回彈力與生物量之間的相關(guān)性，采用線性回歸法建立兩者之間的回歸模型，可以實(shí)現(xiàn)力學(xué)原理的小麥生物量監(jiān)測(cè)[24]。而一般的監(jiān)測(cè)研究是通過(guò)數(shù)碼相片提取植被的覆蓋度進(jìn)而推算出小麥生物量，運(yùn)用數(shù)字圖像技術(shù)還可以分析群體有效生物量的垂直分布，敏感地反映生物量的實(shí)時(shí)變化規(guī)律[25]。與對(duì)數(shù)回歸模型相比較，基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)可以顯著地提高小麥生物量診斷的準(zhǔn)確性，是一種實(shí)時(shí)高效的生物量高光譜遙感診斷方法[26]。有相關(guān)研究提出了紅邊三角植被指數(shù)(red-edge triangular vegetation index, RTVI)，該指數(shù)在較高生物量條件下仍能保持對(duì)生物量變化的高度敏感，與生物量間的決定系數(shù)高達(dá)0.96，是較好的冠層生物量估測(cè)指數(shù)[27]。將遙感瞬時(shí)捕獲的信息與小麥生長(zhǎng)模型結(jié)合起來(lái)，構(gòu)建冬小麥生物量的估測(cè)模型，是對(duì)現(xiàn)有小麥生物量估測(cè)模型的發(fā)展和完善。

1.3葉綠素含量

葉綠素作為光合作用過(guò)程中最主要的色素，也是小麥在光合作用階段的主要色素。其可以將來(lái)自太陽(yáng)輻射的光能轉(zhuǎn)化為生物體內(nèi)的化學(xué)能，使植物能夠不斷的合成和積累有機(jī)物質(zhì)，光合作用越強(qiáng)，植物積累的有機(jī)物質(zhì)就越多。葉綠素含量與植物的氮素含量也有著緊密的關(guān)系[28]，在一定程度上能夠用來(lái)掌握小麥的氮素缺乏狀況[29]，從而指導(dǎo)科學(xué)施肥，達(dá)到提高小麥產(chǎn)量和品質(zhì)的目的。葉綠素也是作物生理狀態(tài)的指示器，是作物與外界發(fā)生物質(zhì)能量交換的重要條件。因此，葉綠素含量直接影響到作物光合作用的效率和有機(jī)物質(zhì)的積累，進(jìn)而影響到作物產(chǎn)量。葉綠素含量作為植被發(fā)育階段光合作用能力與氮素虧缺的指示器[30]，對(duì)物質(zhì)積累能力具有重要的影響，通過(guò)檢測(cè)葉綠素含量的變化能夠獲取植物光合作用能力、營(yíng)養(yǎng)和環(huán)境脅迫、凈生產(chǎn)力及生長(zhǎng)發(fā)育情況等重要信息[31]?？梢?jiàn)，及時(shí)、準(zhǔn)確地監(jiān)測(cè)小麥葉綠素含量有利于小麥苗情監(jiān)測(cè)、生產(chǎn)管理和產(chǎn)量估計(jì)。因而，葉綠素含量是小麥生長(zhǎng)發(fā)育階段十分重要的監(jiān)測(cè)指標(biāo)。

影響葉綠素含量的因素有很多，像酸雨、磷水平、氮含量、水分脅迫及病害等。近年來(lái)，酸雨程度加重，酸雨中的SO2對(duì)葉綠素的含量有著很大的影響，特別是對(duì)葉綠素b含量的影響。按不同的磷水平處理不同磷效率的小麥也會(huì)影響到葉綠素的含量[32]，而在追施氮肥的情況下，小麥葉綠素含量有明顯的提高[33]。也有研究表明，水分脅迫對(duì)小麥葉綠素含量具有一定影響，在條銹病的影響下小麥葉綠素含量具有不穩(wěn)定性[34]。

測(cè)定葉綠素含量的方法一般有分光光度計(jì)法和活體葉綠素儀法兩種[35]。其中，應(yīng)用最廣泛的是分光光度計(jì)法，在失水情況下，此方法一樣適用于小麥葉片葉綠素含量的測(cè)量[36]。在測(cè)量方法比較成熟的基礎(chǔ)下，快捷智能的監(jiān)測(cè)手段也孕育而出，利用數(shù)字圖像處理技術(shù)基于各種顏色特征檢測(cè)葉綠素含量，與傳統(tǒng)方法相比有較高準(zhǔn)確率[37]。由于葉綠素含量和葉片光譜特性兩者之間存在著較強(qiáng)的相關(guān)性[38]，通過(guò)Offner田野成像光譜儀并運(yùn)用高光譜成像技術(shù)對(duì)葉綠素進(jìn)行無(wú)損檢測(cè)[39]，有利于建立高精度的估算模型。實(shí)驗(yàn)研究表明：基于多角度觀測(cè)的新型植被指數(shù) HD-TCARI能夠減小葉面積指數(shù)對(duì)葉綠素估算的影響[40]，而通過(guò)高光譜指數(shù)REP建立的模型也可以提高葉綠素含量估測(cè)的準(zhǔn)確度[41]。對(duì)于復(fù)雜背景下小麥疊加葉片的識(shí)別，可以利用光譜參數(shù)TCARI實(shí)現(xiàn)，因?yàn)閰?shù)TCARI不僅對(duì)單層葉片有較好的預(yù)測(cè)能力，對(duì)不同疊加層數(shù)的葉片也有很好的估測(cè)能力，可以利用其對(duì)小麥葉綠素含量進(jìn)行光譜反演[42]。近年來(lái)，基于葉綠素?zé)晒庠恚ㄟ^(guò)LED輻照檢測(cè)葉綠素含量的手段孕育而出，實(shí)現(xiàn)了實(shí)時(shí)監(jiān)測(cè)的目的[43]。

1.4氮含量

氮含量是對(duì)小麥生長(zhǎng)發(fā)育、產(chǎn)量及品質(zhì)形成影響最為顯著的元素，是反映小麥營(yíng)養(yǎng)狀況的重要指標(biāo)。適量增施氮肥可以促進(jìn)小麥開(kāi)花，并使光合產(chǎn)物從營(yíng)養(yǎng)器官運(yùn)輸?shù)阶蚜Ｖ腥?，從而提高粒重增加產(chǎn)量。增施氮肥則對(duì)小麥的營(yíng)養(yǎng)品質(zhì)和加工品質(zhì)具有調(diào)控作用，但過(guò)量施用氮素會(huì)給小麥帶來(lái)負(fù)面影響，并且導(dǎo)致環(huán)境污染。因此，實(shí)時(shí)監(jiān)測(cè)小麥的氮素狀況，對(duì)于指導(dǎo)小麥氮素營(yíng)養(yǎng)的精確診斷及科學(xué)的管理決策具有十分重要的意義，同時(shí)也實(shí)現(xiàn)了對(duì)小麥產(chǎn)量和品質(zhì)的預(yù)測(cè)。

一般的小麥氮素監(jiān)測(cè)方法主要通過(guò)田間取樣與室內(nèi)分析測(cè)試，得到的結(jié)果比較精確；但是效率低下，無(wú)法滿足實(shí)時(shí)、快速、無(wú)損的氮素診斷要求[44-45]。因此，筆者總結(jié)了一些能夠快速準(zhǔn)確高效獲取田間氮素營(yíng)養(yǎng)信息的技術(shù)：如根據(jù)小麥全氮含量與葉片SPAD值之間的關(guān)系，有利于提高小麥氮含量的估算效率[46]；基于多光譜圖像技術(shù)，調(diào)整葉片近紅外灰度值，可實(shí)現(xiàn)氮含量的快速估測(cè)[47]。由于不同葉位間小麥葉片氮含量的分布有所不同，并且施氮水平增加，氮含量也相應(yīng)增加，生育期延長(zhǎng)，氮含量降低[48]，通過(guò)葉位差的關(guān)系建立小麥植株氮含量的熒光估算模型，更好地用于評(píng)估不同情況的小麥氮含量的變化[49]。近年來(lái)，遙感技術(shù)在作物生長(zhǎng)監(jiān)測(cè)和營(yíng)養(yǎng)診斷中表現(xiàn)出良好的應(yīng)用前景[50-52]，為小麥氮含量的實(shí)時(shí)精準(zhǔn)監(jiān)測(cè)提供新的方法和手段。在單波段610、660、680 nm處，小麥的葉片氮含量與其冠層光譜反射率均呈現(xiàn)較高的相關(guān)性，通過(guò)統(tǒng)一的波段和光譜指數(shù)可以監(jiān)測(cè)葉片的氮含量[53]，也可加入新高光譜指數(shù)—微分歸一化氮指數(shù)(FD-NDNI)作為小麥冠層氮含量估測(cè)的優(yōu)選指數(shù)[54]。對(duì)于在不同的小麥品種、生育時(shí)期和施氮水平等情況下，要確定小麥冠層反射光譜與葉片氮含量的定量關(guān)系，可構(gòu)建植被指數(shù)和氮含量的監(jiān)測(cè)模型，并通過(guò)精細(xì)采樣法確定最佳波段，提高模型的精確度和可靠性[55]。當(dāng)然，在缺氮的情況下，通過(guò)建立小麥變量施肥模型，考慮到大氣、地力和作物長(zhǎng)勢(shì)等因素，能夠?qū)崿F(xiàn)小田的變量施氮，對(duì)推進(jìn)精準(zhǔn)農(nóng)業(yè)的發(fā)展具有一定的意義[56]。

2不同災(zāi)害環(huán)境下的苗情監(jiān)測(cè)與應(yīng)對(duì)措施

近年來(lái)，由于各種自然災(zāi)害的頻發(fā)使小麥很難安全度過(guò)苗期，最終導(dǎo)致小麥減產(chǎn)。因此，及時(shí)了解不同災(zāi)害環(huán)境下小麥的苗情狀況以及找到科學(xué)的應(yīng)對(duì)措施極為重要。下面將以干旱和凍害對(duì)小麥苗情的影響為例，探討小麥如何避禍免災(zāi)。

2.1干旱環(huán)境

干旱有不同的類型，大致分為氣象干旱、水文干旱、農(nóng)業(yè)干旱和社會(huì)經(jīng)濟(jì)干旱4大類；而本文的干旱環(huán)境主要指農(nóng)業(yè)干旱，即在農(nóng)作物生長(zhǎng)發(fā)育過(guò)程中，大氣降水少、土壤水分缺乏，作物不能得到適宜的灌溉，導(dǎo)致吸收的水分不能滿足農(nóng)作物的正常生理需求，最終造成減產(chǎn)[57]。冬小麥生長(zhǎng)發(fā)育階段對(duì)光照、溫度、水分依賴性極強(qiáng)，而干旱造成冬小麥生長(zhǎng)發(fā)育期需水量的供給不足，影響幼苗的生長(zhǎng)發(fā)育，進(jìn)而影響到產(chǎn)量，因此干旱也是苗情診斷的重要因素。

為預(yù)防和減輕旱災(zāi)對(duì)冬小麥的影響，應(yīng)及時(shí)開(kāi)展針對(duì)冬小麥旱災(zāi)發(fā)生時(shí)空分布規(guī)律的監(jiān)測(cè)、旱災(zāi)風(fēng)險(xiǎn)分析和應(yīng)對(duì)干旱的對(duì)策研究。傳統(tǒng)的監(jiān)測(cè)方法步驟繁雜，無(wú)法達(dá)到及時(shí)預(yù)警的效果，因此可以通過(guò)數(shù)字圖像處理技術(shù)定量估算干旱對(duì)小麥群體的影響程度，實(shí)現(xiàn)智能監(jiān)測(cè)手段，也可依靠光譜成像技術(shù)反映小麥在干旱脅迫下的長(zhǎng)勢(shì)狀況[58]，通過(guò)參考《小麥干旱災(zāi)害等級(jí)》(氣象行業(yè)標(biāo)準(zhǔn))，評(píng)價(jià)水分虧缺率對(duì)冬小麥造成的損失[59]。由于小麥干旱具有地域性，所以在綜合防御小麥干旱的問(wèn)題上，應(yīng)分區(qū)、分時(shí)討論各個(gè)地區(qū)適宜的風(fēng)險(xiǎn)防范措施[60]。 為了增強(qiáng)小麥的抗旱能力，可運(yùn)用深耕、秸稈覆蓋、秸稈翻壓還田、藥劑拌種、有限灌溉、噴施防旱劑和小麥干熱風(fēng)制劑等技術(shù)，保障小麥穩(wěn)產(chǎn)[61]。

2.2凍害環(huán)境

在小麥的生產(chǎn)過(guò)程中，凍害是最常見(jiàn)的災(zāi)害，美國(guó)[62]、俄羅斯[63]和加拿大[64]等國(guó)均經(jīng)歷了嚴(yán)重的凍害，導(dǎo)致小麥產(chǎn)量遭受巨大的損失。小麥凍害主要分為冬季凍害、早春凍害和低溫凍害。由于我國(guó)小麥品種以春性、半春性為主，容易受到低溫凍害的困擾，在播期不好的情況下，會(huì)造成更大程度的減產(chǎn)甚至絕收[65]。因此，要做好防凍抗凍的準(zhǔn)備，及時(shí)監(jiān)測(cè)小麥凍害并提出應(yīng)對(duì)方案對(duì)小麥穩(wěn)產(chǎn)增收具有重大意義。

凍害的發(fā)生取決于降溫幅度、低溫到達(dá)的早晚及低溫持續(xù)的時(shí)間，主要受到溫度、品種抗性、土壤質(zhì)地、土壤墑情和栽培管理方式的影響[66]。為了避免凍害對(duì)小麥產(chǎn)量的影響，通過(guò)結(jié)合氣象資料，利用 NOAA 數(shù)據(jù)的植被指數(shù)對(duì)山東省冬小麥晚春凍害[67]和河南地區(qū)的冬小麥凍害[68]進(jìn)行了遙感監(jiān)測(cè)研究。然而，由于遙感數(shù)據(jù)空間分辨率較低的局限性，導(dǎo)致實(shí)際監(jiān)測(cè)效果不佳，急需研究出能夠快速、無(wú)損診斷小麥低溫脅迫的方法。

為防止小麥凍害的發(fā)生，應(yīng)做好預(yù)防工作以及災(zāi)后管理工作[69]。首先選擇適宜當(dāng)?shù)貧夂虻目箖瞿蛢銎贩N，科學(xué)確定播期，然后采取合理的耕作方式，提高播種質(zhì)量。生長(zhǎng)期間要適時(shí)澆好越冬水，中耕除草保持土壤疏松，及時(shí)施肥追肥；后期追施氮肥促進(jìn)小分蘗生長(zhǎng)，為防止麥苗早衰，加強(qiáng)田間肥水管理。

3總結(jié)與展望

小麥的重要性要求我們必須注重壯苗的培育，不同學(xué)者對(duì)小麥壯苗提出了不同的見(jiàn)解，筆者認(rèn)為壯苗的標(biāo)準(zhǔn)較為具體，但是缺乏一種體系。因?yàn)橛绊憠衙绲囊蛩赜泻芏?，如小麥品種、積溫、播種密度和深度等，不同的因素導(dǎo)致壯苗的標(biāo)準(zhǔn)有所差異。目前，用于推廣的小麥品種不是很多，可以針對(duì)這些品種基于不同積溫和不同播種條件構(gòu)建一個(gè)體系，方便人們辨識(shí)壯苗與弱苗，找到及時(shí)的應(yīng)對(duì)措施。另外，大多數(shù)學(xué)者判斷壯苗主要依靠人力，在智能化識(shí)別的研究上少有文章，所以可以考慮通過(guò)智能化識(shí)別來(lái)判斷壯苗，如通過(guò)圖像處理技術(shù)或高光譜技術(shù)等，以節(jié)省人力物力，達(dá)到高效識(shí)別的目的。

本文主要綜述了對(duì)葉面積指數(shù)、生物量、葉綠素含量和氮含量等指標(biāo)的監(jiān)測(cè)來(lái)反映小麥苗情的狀況，有許多的實(shí)用方法，但也存在改進(jìn)的地方。在進(jìn)行葉面積指數(shù)監(jiān)測(cè)方面，有精度很高的傳統(tǒng)監(jiān)測(cè)方法，還有利用圖像處理技術(shù)和遙感技術(shù)監(jiān)測(cè)的快捷方法；但對(duì)于監(jiān)測(cè)后如何調(diào)控葉面積指數(shù)并獲得良好苗情方面暫無(wú)相關(guān)研究，希望能給學(xué)者提供一個(gè)研究方向。生物量與葉綠素含量的影響因素有很多，雖已有很多精確快捷的監(jiān)測(cè)方法，但要找到具體的影響因子都較為困難，若出現(xiàn)問(wèn)題也是無(wú)從下手，這使生物量與葉綠素含量在監(jiān)測(cè)小麥苗情上更為艱難。因此，對(duì)于兩者的研究應(yīng)更為細(xì)致，應(yīng)把得到的結(jié)果與影響它的因素準(zhǔn)確對(duì)位，實(shí)現(xiàn)科學(xué)精確提高小麥生物量和保持較好葉綠素含量提高光合能力。對(duì)于含氮量的監(jiān)測(cè)應(yīng)及時(shí)準(zhǔn)確，做到提前預(yù)測(cè)，可通過(guò)增施氮肥彌補(bǔ)氮含量的狀況；但施肥不能過(guò)量，以免造成負(fù)面影響以及環(huán)境污染。

防災(zāi)減災(zāi)對(duì)小麥尤為重要，本文以干旱和凍害兩個(gè)重點(diǎn)災(zāi)害環(huán)境為例，闡述了一般情況下的防災(zāi)減災(zāi)工作。干旱脅迫主要導(dǎo)致小麥因缺水而無(wú)法正常生長(zhǎng)發(fā)育，應(yīng)提前做好預(yù)防干旱的栽培措施，通過(guò)及時(shí)的監(jiān)測(cè)了解干旱程度，適宜灌溉減小損失。為防止凍害的影響，應(yīng)確保小麥播期適宜，過(guò)冬時(shí)搞好田間管理，后期適量追肥。

文章對(duì)診斷小麥苗情狀況進(jìn)行綜述，結(jié)合各種影響小麥苗情的因素，實(shí)現(xiàn)監(jiān)測(cè)與應(yīng)對(duì)措施為一體的全方位體系理論，對(duì)小麥穩(wěn)產(chǎn)增收具有一定的參考價(jià)值。在一些關(guān)鍵指標(biāo)的監(jiān)測(cè)上，已有很好的監(jiān)測(cè)方法，但還存在瑕疵，希望文中提到的問(wèn)題對(duì)以后的研究有所幫助，加快改進(jìn)并完善小麥苗情診斷的大體系。

參考文獻(xiàn)：

[1]張錦熙，劉錫山，諸德輝，等.小麥“葉齡指標(biāo)促控法”的研究[J].中國(guó)農(nóng)業(yè)科學(xué), 1981(2): 1-13.

[2]杜建偉.小麥冬前管理與壯苗培育技術(shù)[J].現(xiàn)代農(nóng)業(yè)科技, 2010(17): 99.

[3]王希群，馬履一，賈忠奎，等.葉面積指數(shù)的研究和應(yīng)用進(jìn)展[J].生態(tài)學(xué)雜志, 2005, 24(5): 537-541.

[4]陳雪洋，蒙繼華，朱建軍，等.冬小麥葉面積指數(shù)的高光譜估算模型研究[J].測(cè)繪科學(xué), 2012, 37(5): 141-144.

[5]趙聰慧，張淑娟，王鳳花，等.春大豆葉面積指數(shù)與產(chǎn)量的空間變異性及相關(guān)分析[J].農(nóng)機(jī)化研究, 2010, 32(9): 162-165.

[6]Breda N J J.Ground-based measurements of leaf area index: a review of methods, instruments and current controversies[J].Journal of Experimental Botany, 2003, 54(392): 2403-2417.

[7]孫曉，譚炳香.基于CASI高光譜遙感數(shù)據(jù)的森林葉面積指數(shù)反演[J].廣東農(nóng)業(yè)科學(xué), 2012, 39(14): 189-193.

[8]劉镕源，王紀(jì)華，楊貴軍，等.冬小麥葉面積指數(shù)地面測(cè)量方法的比較[J].農(nóng)業(yè)工程學(xué)報(bào), 2011, 27(3): 220-224.

[9]王桂琴，鄭麗敏，朱虹，等.圖像處理技術(shù)在冬小麥葉面積指數(shù)測(cè)定中的應(yīng)用[J].麥類作物學(xué)報(bào), 2004(4): 108-112.

[10]李明，張長(zhǎng)利，房俊龍.基于圖像處理技術(shù)的小麥葉面積指數(shù)的提取[J].農(nóng)業(yè)工程學(xué)報(bào), 2010(1): 205-209.

[11]王磊，馬英杰，趙經(jīng)華，等.基于圖像上冠層體積的葉面積指數(shù)測(cè)算方法[J].農(nóng)機(jī)化研究, 2013, 35(12): 70-73.

[12]劉鐵梅，曹衛(wèi)星，羅衛(wèi)紅，等.小麥葉面積指數(shù)的模擬模型研究[J].麥類作物學(xué)報(bào), 2001(2): 38-41.

[13]曹宏鑫，董玉紅，王旭清，等.不同產(chǎn)量水平小麥最適葉面積指數(shù)動(dòng)態(tài)模擬模型研究[J].麥類作物學(xué)報(bào), 2006, 26(3): 128-131.

[14]Darvishzadeh R, Atzberger C, Skidmore A K, et al.Leaf Area Index derivation from hyperspectral vegetation indices and the red edge position[J].International Journal of Remote Sensing, 2009, 30(23): 6199-6218.

[15]Zhao D, Yang T, An S.Effects of crop residue cover resulting from tillage practices on LAI estimation of wheat canopies using remote sensing[J].International Journal of Applied Earth Observation and Geoinformation, 2012, 14(1): 169-177.

[16]李子揚(yáng)，錢永剛，申慶豐，等.基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演[J].紅外與激光工程, 2014, 43(3): 944-949.

[17]梁亮，楊敏華，臧卓.利用可見(jiàn)/近紅外光譜測(cè)定小麥葉面積指數(shù)的改進(jìn)研究[J].激光與紅外, 2010(11): 1205-1210.

[18]潘大偉，周春燕，杜立宇，等.施用有機(jī)肥對(duì)小麥吸鉀量及生物量的影響[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2005(1): 49-52.

[19]沈玉芳，李世清，邵明安.水肥空間組合對(duì)冬小麥生物學(xué)性狀及生物量的影響[J].中國(guó)農(nóng)業(yè)科學(xué), 2007(8): 1822-1829.

[20]張慧娜，王志強(qiáng)，林同保.不同水分條件下追施氮肥對(duì)小麥生物量及氮素利用的影響[J].麥類作物學(xué)報(bào), 2010(6): 1104-1109.

[21]陳振江，李芳東，王保平，等.平原區(qū)農(nóng)田林網(wǎng)內(nèi)光量分布及對(duì)小麥生物量的影響[J].山東農(nóng)業(yè)科學(xué), 2012, 44(10): 40-43.

[22]謝影，魯先文，卜利波.重金屬Pb、Cr對(duì)小麥種子萌發(fā)和幼苗生物量的影響[J].天津農(nóng)業(yè)科學(xué), 2009, 15(1): 22-24.

[23]劉玉潔，陶福祿.氣候變化對(duì)小麥生物量影響的概率預(yù)測(cè)和不確定性分析[J].地理學(xué)報(bào), 2012(3): 337-345.

[24]鄭玲，朱大洲，王成，等.基于LabVIEW的小麥生物量檢測(cè)系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013(9): 214-218.

[25]單成鋼，廖樹(shù)華，龔宇，等.應(yīng)用數(shù)字圖像技術(shù)估測(cè)冬小麥冠層生物量垂直分布特征的研究[J].作物學(xué)報(bào), 2007, 33(3): 419-424.

[26]王大成，王紀(jì)華，靳寧，等.用神經(jīng)網(wǎng)絡(luò)和高光譜植被指數(shù)估算小麥生物量[Z].北京: 2008：196-201.

[27]陳鵬飛，Nicolas Tremblay，王紀(jì)華，等.估測(cè)作物冠層生物量的新植被指數(shù)的研究[J].光譜學(xué)與光譜分析, 2010(2): 512-517.

[28]Daughtry C S T, Walthall C L, Kim M S, et al.Estimating Corn Leaf Chlorophyll Concentration from Leaf and Canopy Reflectance[J].Remote Sensing of Environment, 2000, 74(2): 229-239.

[29]Gitelson A A, Gritz Y, Merzlyak M N. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves[J].J Plant Physiol, 2003, 160(3): 271-282.

[30]Markwell J, Osterman J C, Mitchell J L.Calibration of the Minolta SPAD-502 leaf chlorophyll meter[J].Photosynth Res, 1995, 46(3): 467-472.

[31]Datt B.Visible/near infrared reflectance and chlorophyll content in Eucalyptus leaves[J].International Journal of Remote Sensing, 1999, 20(14): 2741-2759.

[32]王菲，曹翠玲.磷水平對(duì)不同磷效率小麥葉綠素?zé)晒鈪?shù)的影響[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào), 2010(3): 758-762.

[33]楊靖東，石小東，關(guān)雅楠，等.栽培措施對(duì)小麥葉綠素含量及光合速率的影響[J].安徽農(nóng)業(yè)大學(xué)學(xué)報(bào), 2013(4): 580-584.

[34]江道輝，李章成，周清波，等.條銹病影響下冬小麥葉綠素含量的高光譜估計(jì)[J].中國(guó)農(nóng)學(xué)通報(bào), 2007, 23(1): 376-380.

[35]蘇正淑，張憲政.幾種測(cè)定植物葉綠素含量的方法比較[J]. 植物生理學(xué)通訊, 1989(5): 77-78.

[36]崔勤，李新麗，翟淑芝.小麥葉片葉綠素含量測(cè)定的分光光度計(jì)法[J].安徽農(nóng)業(yè)科學(xué), 2006(10): 2063.

[37]孫文輝，馬明建.基于數(shù)字圖像處理技術(shù)的葉綠素含量檢測(cè)系統(tǒng)[J].農(nóng)機(jī)化研究, 2012，33(2)：160-163.

[38]Madeira A C, Mendona A, Ferreira M E, et al.Relationship between spectroradionetric and chlorophyll measurements in green beans[J].Communications in soil science and plant analysis, 2000, 31(5/6): 631-643.

[39]王劼.田野成像光譜儀中小麥葉綠素含量模型研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué), 2011.

[40]廖欽洪，張東彥，王紀(jì)華，等.基于多角度成像數(shù)據(jù)的新型植被指數(shù)構(gòu)建與葉綠素含量估算[J].光譜學(xué)與光譜分析, 2014, 34(6): 1599-1604.

[41]梁亮，楊敏華，張連蓬，等.基于SVR算法的小麥冠層葉綠素含量高光譜反演[J].農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(20): 162-171.

[42]鞠昌華，田永超，朱艷，等.小麥疊加葉片的葉綠素含量光譜反演研究[J].麥類作物學(xué)報(bào), 2008(6): 1068-1074.

[43]劉源，紀(jì)建偉. 一種葉綠素實(shí)時(shí)檢測(cè)的新方法[J].農(nóng)機(jī)化研究, 2011, 33(12): 143-146.

[44]Roth G W. Plant Tissue Tests for Predicting Nitrogen Fertilizer Requirements of Winter Wheat[J].Agronomy Journal, 1989, 81(3): 502.

[45]Li J, Dong Z, Zhu J.Present application and outlook for method of nitrogen nutrition diagnosis[J].Journal of Shihezi University (Natural Science), 2003, 7(1): 80-83.

[46]朱新開(kāi)，盛海君，顧晶，等.應(yīng)用SPAD值預(yù)測(cè)小麥葉片葉綠素和氮含量的初步研究[J].麥類作物學(xué)報(bào), 2005(2): 46-50.

[47]郭威，張彥娥，朱景福，等.玉米冠層葉片氮素營(yíng)養(yǎng)估測(cè)研究[J].農(nóng)機(jī)化研究, 2011,33(10): 31-34.

[48]秦曉東，戴廷波，荊奇，等.冬小麥葉片氮含量時(shí)空分布及其與植株氮營(yíng)養(yǎng)狀況的關(guān)系[J].作物學(xué)報(bào), 2006, 32(11): 1717-1722.

[49]馮偉，李曉，王永華，等.小麥葉綠素?zé)晒鈪?shù)葉位差異及其與植株氮含量的關(guān)系[J].作物學(xué)報(bào), 2012(4): 657-664.

[50]Filella I, Serrano L, Serra J, et al.Evaluating Wheat Nitrogen Status with Canopy Reflectance Indices and Discriminant Analysis[J].Crop Science, 1995, 35(5): 1400.

[51]Thenkabail P S, Smith R B, De Pauw E.Hyperspectral Vegetation Indices and Their Relationships with Agricultural Crop Characteristics[J].Remote Sensing of Environment, 2000, 71(2): 158-182.

[52]Jensen A, Lorenzen B, ?stergaard H S, et al.Radiometric estimation of biomass and nitrogen content of barley grown at different nitrogen levels[J].International Journal of Remote Sensing, 1990, 11(10): 1809-1820.

[53]朱艷，李映雪，周冬琴，等.稻麥葉片氮含量與冠層反射光譜的定量關(guān)系[J].生態(tài)學(xué)報(bào), 2006, 26(10): 3463-3469.

[54]梁亮，楊敏華，鄧凱東，等.一種估測(cè)小麥冠層氮含量的新高光譜指數(shù)[J].生態(tài)學(xué)報(bào), 2011(21): 6594-6605.

[55]姚霞，朱艷，田永超，等.小麥葉層氮含量估測(cè)的最佳高光譜參數(shù)研究[J].中國(guó)農(nóng)業(yè)科學(xué), 2009, 42(8): 2716-2725.

[56]馬新明，張娟娟，席磊，等.基于葉面積指數(shù)(LAI)的小麥變量施氮模型研究[J].農(nóng)業(yè)工程學(xué)報(bào), 2008(2): 22-26.

[57]張俊，陳桂亞，楊文發(fā).國(guó)內(nèi)外干旱研究進(jìn)展綜述[J].人民長(zhǎng)江, 2011, 42(10): 65-69.

[58]李艷梅，李廣.圖像分割技術(shù)在小麥干旱監(jiān)測(cè)系統(tǒng)中的應(yīng)用[J].自動(dòng)化與儀器儀表, 2012(6): 117-119.

[59]成兆金.氣象行業(yè)標(biāo)準(zhǔn)《小麥干旱災(zāi)害等級(jí)》在莒縣實(shí)際生產(chǎn)中的訂正應(yīng)用[J].干旱地區(qū)農(nóng)業(yè)研究, 2014(2): 7-13, 39.

[60]申海風(fēng).冬小麥干旱風(fēng)險(xiǎn)分時(shí)分區(qū)研究——以河北省邢臺(tái)市為例[D].石家莊：河北師范大學(xué), 2014.

[61]鄒俊麗，王升國(guó)，崔兆韻，等.小麥干旱綜合防御技術(shù)應(yīng)用效果分析[J].山東氣象, 2010, 30(4): 18-20.

[62]Skinner D Z, Mackey B.Freezing tolerance of winter wheat plants frozen in saturated soil[J].Field Crops Research, 2009, 113(3): 335-341.

[63]Kolesnichenko A V, Pobezhimova T P, Grabelnych O I, et al.Difference between the temperature of non-hardened and hardened winter wheat seedling shoots during cold stress[J].Journal of Thermal Biology, 2003, 28(3): 235-244.

[64]Nemeth L J, Paulley F G, Preston K R.Effects of ingredients and processing conditions on the frozen dough bread quality of a Canada Western Red Spring wheat flour during prolonged storage[J].Food Research International, 1996, 29(7): 609-616.

[65]Bjarko M E, Line R F.Heritability and number of genes controlling leaf rust resistance in four cultivars of wheat[J].Phytopathology, 1988, 78: 457-461.

[66]趙敬領(lǐng)，梁大保，任德超，等.小麥凍害的發(fā)生規(guī)律及防御與補(bǔ)救措施[J].農(nóng)業(yè)災(zāi)害研究, 2012, 2(6): 15-17.

[67]楊邦杰，王茂新，裴志遠(yuǎn).冬小麥凍害遙感監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào), 2002(2): 136-140.

[68]張雪芬，陳懷亮，鄭有飛，等.冬小麥凍害遙感監(jiān)測(cè)應(yīng)用研究[J].南京氣象學(xué)院學(xué)報(bào), 2006(1): 94-100.

[69]翟冷楚，梁建娥.小麥凍害成因分析及預(yù)防措施[J].農(nóng)業(yè)技術(shù)與裝備, 2014(8): 56-58.

Abstract ID:1003-188X(2016)01-0006-EA

Research Progress of Diagnostic Indicator and Monitoring Method in Wheat Seedlings

Wu Wei,Liu Tao, Chen Yingying, Sun Chengming, Chen Wen, Yang Bingzhen

(Jiangsu Key Laboratory of Crop Genetics and Physiology/Co-Innovation Center for Modern Production Technology of Grain Crops, Yangzhou University, Yangzhou 225009, China)

Abstract：Wheat is one of the main food crops in China.It is important for stable income to inform the wheat seedling stage growth state in time. This paper summarized the diagnostic monitoring progress of different indexes by summarizing the leaf area index, biomass, chlorophyll and nitrogen content which related with seedlings’ indicators. And we described the growth state of wheat under the influence of the different natural disasters environment, like drought and cold. The above results could provide the basis for quick accurate diagnosis in wheat seedlings.

Key words：wheat seedling; diagnostic indicator; disaster; monitor; progress

文章編號(hào)：1003-188X(2016)01-0006-06

中圖分類號(hào)：S512；S126

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：武威(1992-)，男，江蘇徐州人，碩士研究生，(E-mail) 435208450@qq.com。通訊作者：孫成明(1973-)，男，江蘇宿遷人，副教授，碩士生導(dǎo)師，(E-mail) cmsun@yzu.edu.cn。

基金項(xiàng)目：江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目(2014-2017)；國(guó)家自然科學(xué)基金項(xiàng)目(41271415)

收稿日期：2015-03-04