小麦苗情诊断指标及其监测方法研究进展

武　威，刘　涛，陈瑛瑛，孙成明，陈　雯，杨秉臻

(扬州大学 江苏省作物遗传生理国家重点实验室培育点/粮食作物现代产业技术协同创新中心,江苏 扬州　225009)



小麦苗情诊断指标及其监测方法研究进展

武威，刘涛，陈瑛瑛，孙成明，陈雯，杨秉臻

(扬州大学 江苏省作物遗传生理国家重点实验室培育点/粮食作物现代产业技术协同创新中心,江苏 扬州225009)

摘要：小麦是我国主要的粮食作物之一，及时了解小麦苗期生长状态对稳产增收有着重要的意义。为此，在综述叶面积指数、生物量、叶绿素及氮含量等与苗情相关指标的基础上，总结了不同指标的诊断监测进展，并对干旱和冻害等两种自然灾害环境影响下小麦的生长状态进行了描述。研究结果可为快速准确开展小麦苗情诊断提供依据。

关键词：小麦苗情；诊断指标；灾害；监测；进展

0引言

小麦是中国最重要的粮食作物之一，种植面积大、分布区域广，其播种面积、单产和总产量仅次于水稻和玉米，占全国粮食消费总额的20%左右。因此，保障小麦稳产、高产对于保证我国粮食供给、促进农民增收、粮食增产、维护社会稳定和促进经济发展有着重要作用。

小麦苗情一般指小麦的长势，即小麦生长的状态和趋势，是小麦生长发育的表现，其好坏程度一般可通过叶面积、株高、根茎的粗细来表征。目前，通常研究的对作物长势监测是对作物的生长情况、生长环境及相关变化在宏观上的观察。在小麦生产上，麦苗管理起到重要的调控作用。通过长期的生产实践，人们积累了丰富的查苗管理经验和技术，许多科研单位也相继提出了关于冬小麦长相、形态及营养方面的诊断指标[1]，将这种指标称为壮苗指标。

不同学者对小麦壮苗提出了各自见解，如叶宽色深、主茎粗短、长相墩实等[2]；笔者认为壮苗的标准较为复杂。众所周知，小麦的生长受各种因素的影响，简单地通过查苗经验与技术是不能全面的评价小麦的状况。所以，本文主要通过综述影响小麦苗情的指标，如叶面积指数、生物量、叶绿素含量及氮含量等指标，间接地对小麦苗情做出诊断。同时，考虑到干旱、冻害等不同灾害环境下小麦的苗情状况及对小麦稳产高产具有重要意义。

1苗情诊断指标及其监测

小麦在生长发育阶段不仅需要适宜的土壤温度、光照强度和水分等外界因素，还会受到品种和种子的质量等因素的影响，小麦苗情诊断是一个复杂的过程，可供参考的指标有很多。目前，小麦苗情重点监测的指标主要有叶面积指数、生物量、叶绿素含量和氮含量等。

1.1叶面积指数

叶面积指数(LAI)是由Balls于1917年提出，是指单位面积土地上小麦的叶片总面积占土地面积的倍数，可以用于明确小麦产量发展的动态[3]。它不仅能够作为判断小麦冠层结构和长势的依据，同时也是影响小麦生物量和产量的重要指标[4-5]。作为小麦冠层生态系统的标准参数，叶面积指数的大小对系统上、下的小气候形成起决定作用，可以较好地描述小麦冠层的光合作用、蒸腾作用及光辐射等生理生长过程[6]。因此，叶面积指数经常被应用到小麦生长模型及气候模型等各种模型上，是非常重要的生物学指标[7]。

在叶面积指数的获取方面，普通的测量方法有直接测量法、比叶重法、照相法及SUNSCAN测量法。其中，直接测量法得到的测量值是真实叶面积指数，通过与真实值相比，照相法的精度最高，其次是比叶重法[8]。照相法主要基于图像处理技术，通过图像叶面积指数(ILAI)，建立与小麦叶面积指数的关系模型，可以提高在获取上的工作效率[9]。对于不同复杂背景的影响，通过图像处理所得的数据与实际测量的叶面积指数数据进行对比拟合建立新的模型，可以提高小麦冠层叶面积指数的测量精度[10]。相关研究表明：通过处理图像所获取植株的冠层体积可以计算出LAI，该方法可靠易行[11]。利用比叶重法测量叶面积指数时，以地上部干重和绿叶分配指数作为基础，动态模拟研究小麦叶面积指数的变化规律，可以避免在叶面积定量计算时产生的误差[12]。在结合光照、品种、叶型和种植模式等多种因素时，通过建立小麦最适叶面积指数动态模型，也可为小麦生产提供科学的决策支持[13]。

近年来，由于遥感影像技术广泛地应用于农业生产，加快了我国农业现代化的进程，通过遥感对叶面积指数进行监测已成为一种趋势。叶面积指数的遥感估算方法一般运用统计法和反演法建立模型。统计模型法中最典型的是植被指数法，通过建立叶面积指数与植被指数的关系来反演叶面积指数[14-15]；通过分析叶面积指数与植被指数之间的敏感性，找到对叶面积指数影响最大的植被指数，建立经验统计模型，并通过科学的方法分析反演模型的精度，有利于实现对真实叶面积指数的计算[16]。相关研究表明：小麦冠层反射光谱会受到土壤背景信息的影响，利用小波除噪并结合一阶导数的方法可以去除这种影响从而提高模型的精确度，在建立叶面积指数测量的模型时，选择LS-SVR算法能够解决模型构建的精准问题[17]。

1.2生物量

生物量是指特定时间单位面积内存活生物的有机物质(干重)总量，是小麦籽粒产量形成的物质基础。不同时期的生物量动态变化与小麦产量的形成有着密切关系，是小麦生长过程中重要的苗情诊断指标。因此，及时、准确地获取小麦生物量信息对于开展小麦田间长势分析诊断和进行精确小麦籽粒产量估算都具有重要作用和应用价值。

影响小麦生物量的因素有很多，例如施肥量，N、P、K比例，水分，遮光度，重金属，以及气候变化等因素。一般研究表明：施用有机肥能够明显提高小麦的生物量，若要精确地进行N、P、K配置则可以对不同生育期小麦生物量产生作用，各主要生育期小麦生物量生产所需的N、P、K配置存在着差异[18]。在土壤氮含量充足的情况下，集中于0～30cm土层追施氮肥对生物量的形成具有抑制作用，而均匀施在0～90cm土层则可以促进生物量的形成，在上层表现干旱胁迫时，这种趋势更加明显[19]。水分对小麦生物量的影响主要表现在氮素的吸收能力上，在正常供水下施氮能够提高小麦对氮素的吸收和利用能力，增加小麦地上部生物量，而在控水条件下小麦不宜追施氮肥[20]。在不同遮光条件下，小麦地上、地下部分及全植株干物质从拔节期到完熟期总体呈增加趋势，所截获的光量与生物量呈较强的正相关性，且不同时期生物量与截获光量之间的紧密性存在明显差异；其中，相关性最紧密的是灌浆期[21]。对于有些特殊地区的小麦而言，还有可能受到重金属的影响，随着小麦的生长，重金属Pb、Cr会从根系逐步影响到地上部分，且Cr对小麦的生态毒性要强于Pb[22]。CO2肥效作用是指CO2浓度增加对植物生长的助长作用，可以弥补由于温度升高而使小麦生物量减少的问题，且补偿作用随温度的上升而增加[23]。

生物量的影响因子有很多，这使小麦生物量的监测成为一道难题，科技的发展以及学者们的研究结果，为我们提供了一些有效的估测方法。例如，通过研究小麦茎秆回弹力与生物量之间的相关性，采用线性回归法建立两者之间的回归模型，可以实现力学原理的小麦生物量监测[24]。而一般的监测研究是通过数码相片提取植被的覆盖度进而推算出小麦生物量，运用数字图像技术还可以分析群体有效生物量的垂直分布，敏感地反映生物量的实时变化规律[25]。与对数回归模型相比较，基于BP神经网络技术可以显著地提高小麦生物量诊断的准确性，是一种实时高效的生物量高光谱遥感诊断方法[26]。有相关研究提出了红边三角植被指数(red-edge triangular vegetation index, RTVI)，该指数在较高生物量条件下仍能保持对生物量变化的高度敏感，与生物量间的决定系数高达0.96，是较好的冠层生物量估测指数[27]。将遥感瞬时捕获的信息与小麦生长模型结合起来，构建冬小麦生物量的估测模型，是对现有小麦生物量估测模型的发展和完善。

1.3叶绿素含量

叶绿素作为光合作用过程中最主要的色素，也是小麦在光合作用阶段的主要色素。其可以将来自太阳辐射的光能转化为生物体内的化学能，使植物能够不断的合成和积累有机物质，光合作用越强，植物积累的有机物质就越多。叶绿素含量与植物的氮素含量也有着紧密的关系[28]，在一定程度上能够用来掌握小麦的氮素缺乏状况[29]，从而指导科学施肥，达到提高小麦产量和品质的目的。叶绿素也是作物生理状态的指示器，是作物与外界发生物质能量交换的重要条件。因此，叶绿素含量直接影响到作物光合作用的效率和有机物质的积累，进而影响到作物产量。叶绿素含量作为植被发育阶段光合作用能力与氮素亏缺的指示器[30]，对物质积累能力具有重要的影响，通过检测叶绿素含量的变化能够获取植物光合作用能力、营养和环境胁迫、净生产力及生长发育情况等重要信息[31]。可见，及时、准确地监测小麦叶绿素含量有利于小麦苗情监测、生产管理和产量估计。因而，叶绿素含量是小麦生长发育阶段十分重要的监测指标。

影响叶绿素含量的因素有很多，像酸雨、磷水平、氮含量、水分胁迫及病害等。近年来，酸雨程度加重，酸雨中的SO2对叶绿素的含量有着很大的影响，特别是对叶绿素b含量的影响。按不同的磷水平处理不同磷效率的小麦也会影响到叶绿素的含量[32]，而在追施氮肥的情况下，小麦叶绿素含量有明显的提高[33]。也有研究表明，水分胁迫对小麦叶绿素含量具有一定影响，在条锈病的影响下小麦叶绿素含量具有不稳定性[34]。

测定叶绿素含量的方法一般有分光光度计法和活体叶绿素仪法两种[35]。其中，应用最广泛的是分光光度计法，在失水情况下，此方法一样适用于小麦叶片叶绿素含量的测量[36]。在测量方法比较成熟的基础下，快捷智能的监测手段也孕育而出，利用数字图像处理技术基于各种颜色特征检测叶绿素含量，与传统方法相比有较高准确率[37]。由于叶绿素含量和叶片光谱特性两者之间存在着较强的相关性[38]，通过Offner田野成像光谱仪并运用高光谱成像技术对叶绿素进行无损检测[39]，有利于建立高精度的估算模型。实验研究表明：基于多角度观测的新型植被指数 HD-TCARI能够减小叶面积指数对叶绿素估算的影响[40]，而通过高光谱指数REP建立的模型也可以提高叶绿素含量估测的准确度[41]。对于复杂背景下小麦叠加叶片的识别，可以利用光谱参数TCARI实现，因为参数TCARI不仅对单层叶片有较好的预测能力，对不同叠加层数的叶片也有很好的估测能力，可以利用其对小麦叶绿素含量进行光谱反演[42]。近年来，基于叶绿素荧光原理，通过LED辐照检测叶绿素含量的手段孕育而出，实现了实时监测的目的[43]。

1.4氮含量

氮含量是对小麦生长发育、产量及品质形成影响最为显著的元素，是反映小麦营养状况的重要指标。适量增施氮肥可以促进小麦开花，并使光合产物从营养器官运输到籽粒中去，从而提高粒重增加产量。增施氮肥则对小麦的营养品质和加工品质具有调控作用，但过量施用氮素会给小麦带来负面影响，并且导致环境污染。因此，实时监测小麦的氮素状况，对于指导小麦氮素营养的精确诊断及科学的管理决策具有十分重要的意义，同时也实现了对小麦产量和品质的预测。

一般的小麦氮素监测方法主要通过田间取样与室内分析测试，得到的结果比较精确；但是效率低下，无法满足实时、快速、无损的氮素诊断要求[44-45]。因此，笔者总结了一些能够快速准确高效获取田间氮素营养信息的技术：如根据小麦全氮含量与叶片SPAD值之间的关系，有利于提高小麦氮含量的估算效率[46]；基于多光谱图像技术，调整叶片近红外灰度值，可实现氮含量的快速估测[47]。由于不同叶位间小麦叶片氮含量的分布有所不同，并且施氮水平增加，氮含量也相应增加，生育期延长，氮含量降低[48]，通过叶位差的关系建立小麦植株氮含量的荧光估算模型，更好地用于评估不同情况的小麦氮含量的变化[49]。近年来，遥感技术在作物生长监测和营养诊断中表现出良好的应用前景[50-52]，为小麦氮含量的实时精准监测提供新的方法和手段。在单波段610、660、680 nm处，小麦的叶片氮含量与其冠层光谱反射率均呈现较高的相关性，通过统一的波段和光谱指数可以监测叶片的氮含量[53]，也可加入新高光谱指数—微分归一化氮指数(FD-NDNI)作为小麦冠层氮含量估测的优选指数[54]。对于在不同的小麦品种、生育时期和施氮水平等情况下，要确定小麦冠层反射光谱与叶片氮含量的定量关系，可构建植被指数和氮含量的监测模型，并通过精细采样法确定最佳波段，提高模型的精确度和可靠性[55]。当然，在缺氮的情况下，通过建立小麦变量施肥模型，考虑到大气、地力和作物长势等因素，能够实现小田的变量施氮，对推进精准农业的发展具有一定的意义[56]。

2不同灾害环境下的苗情监测与应对措施

近年来，由于各种自然灾害的频发使小麦很难安全度过苗期，最终导致小麦减产。因此，及时了解不同灾害环境下小麦的苗情状况以及找到科学的应对措施极为重要。下面将以干旱和冻害对小麦苗情的影响为例，探讨小麦如何避祸免灾。

2.1干旱环境

干旱有不同的类型，大致分为气象干旱、水文干旱、农业干旱和社会经济干旱4大类；而本文的干旱环境主要指农业干旱，即在农作物生长发育过程中，大气降水少、土壤水分缺乏，作物不能得到适宜的灌溉，导致吸收的水分不能满足农作物的正常生理需求，最终造成减产[57]。冬小麦生长发育阶段对光照、温度、水分依赖性极强，而干旱造成冬小麦生长发育期需水量的供给不足，影响幼苗的生长发育，进而影响到产量，因此干旱也是苗情诊断的重要因素。

为预防和减轻旱灾对冬小麦的影响，应及时开展针对冬小麦旱灾发生时空分布规律的监测、旱灾风险分析和应对干旱的对策研究。传统的监测方法步骤繁杂，无法达到及时预警的效果，因此可以通过数字图像处理技术定量估算干旱对小麦群体的影响程度，实现智能监测手段，也可依靠光谱成像技术反映小麦在干旱胁迫下的长势状况[58]，通过参考《小麦干旱灾害等级》(气象行业标准)，评价水分亏缺率对冬小麦造成的损失[59]。由于小麦干旱具有地域性，所以在综合防御小麦干旱的问题上，应分区、分时讨论各个地区适宜的风险防范措施[60]。 为了增强小麦的抗旱能力，可运用深耕、秸秆覆盖、秸秆翻压还田、药剂拌种、有限灌溉、喷施防旱剂和小麦干热风制剂等技术，保障小麦稳产[61]。

2.2冻害环境

在小麦的生产过程中，冻害是最常见的灾害，美国[62]、俄罗斯[63]和加拿大[64]等国均经历了严重的冻害，导致小麦产量遭受巨大的损失。小麦冻害主要分为冬季冻害、早春冻害和低温冻害。由于我国小麦品种以春性、半春性为主，容易受到低温冻害的困扰，在播期不好的情况下，会造成更大程度的减产甚至绝收[65]。因此，要做好防冻抗冻的准备，及时监测小麦冻害并提出应对方案对小麦稳产增收具有重大意义。

冻害的发生取决于降温幅度、低温到达的早晚及低温持续的时间，主要受到温度、品种抗性、土壤质地、土壤墒情和栽培管理方式的影响[66]。为了避免冻害对小麦产量的影响，通过结合气象资料，利用 NOAA 数据的植被指数对山东省冬小麦晚春冻害[67]和河南地区的冬小麦冻害[68]进行了遥感监测研究。然而，由于遥感数据空间分辨率较低的局限性，导致实际监测效果不佳，急需研究出能够快速、无损诊断小麦低温胁迫的方法。

为防止小麦冻害的发生，应做好预防工作以及灾后管理工作[69]。首先选择适宜当地气候的抗冻耐冻品种，科学确定播期，然后采取合理的耕作方式，提高播种质量。生长期间要适时浇好越冬水，中耕除草保持土壤疏松，及时施肥追肥；后期追施氮肥促进小分蘖生长，为防止麦苗早衰，加强田间肥水管理。

3总结与展望

小麦的重要性要求我们必须注重壮苗的培育，不同学者对小麦壮苗提出了不同的见解，笔者认为壮苗的标准较为具体，但是缺乏一种体系。因为影响壮苗的因素有很多，如小麦品种、积温、播种密度和深度等，不同的因素导致壮苗的标准有所差异。目前，用于推广的小麦品种不是很多，可以针对这些品种基于不同积温和不同播种条件构建一个体系，方便人们辨识壮苗与弱苗，找到及时的应对措施。另外，大多数学者判断壮苗主要依靠人力，在智能化识别的研究上少有文章，所以可以考虑通过智能化识别来判断壮苗，如通过图像处理技术或高光谱技术等，以节省人力物力，达到高效识别的目的。

本文主要综述了对叶面积指数、生物量、叶绿素含量和氮含量等指标的监测来反映小麦苗情的状况，有许多的实用方法，但也存在改进的地方。在进行叶面积指数监测方面，有精度很高的传统监测方法，还有利用图像处理技术和遥感技术监测的快捷方法；但对于监测后如何调控叶面积指数并获得良好苗情方面暂无相关研究，希望能给学者提供一个研究方向。生物量与叶绿素含量的影响因素有很多，虽已有很多精确快捷的监测方法，但要找到具体的影响因子都较为困难，若出现问题也是无从下手，这使生物量与叶绿素含量在监测小麦苗情上更为艰难。因此，对于两者的研究应更为细致，应把得到的结果与影响它的因素准确对位，实现科学精确提高小麦生物量和保持较好叶绿素含量提高光合能力。对于含氮量的监测应及时准确，做到提前预测，可通过增施氮肥弥补氮含量的状况；但施肥不能过量，以免造成负面影响以及环境污染。

防灾减灾对小麦尤为重要，本文以干旱和冻害两个重点灾害环境为例，阐述了一般情况下的防灾减灾工作。干旱胁迫主要导致小麦因缺水而无法正常生长发育，应提前做好预防干旱的栽培措施，通过及时的监测了解干旱程度，适宜灌溉减小损失。为防止冻害的影响，应确保小麦播期适宜，过冬时搞好田间管理，后期适量追肥。

文章对诊断小麦苗情状况进行综述，结合各种影响小麦苗情的因素，实现监测与应对措施为一体的全方位体系理论，对小麦稳产增收具有一定的参考价值。在一些关键指标的监测上，已有很好的监测方法，但还存在瑕疵，希望文中提到的问题对以后的研究有所帮助，加快改进并完善小麦苗情诊断的大体系。

参考文献：

[1]张锦熙，刘锡山，诸德辉，等.小麦“叶龄指标促控法”的研究[J].中国农业科学, 1981(2): 1-13.

[2]杜建伟.小麦冬前管理与壮苗培育技术[J].现代农业科技, 2010(17): 99.

[3]王希群，马履一，贾忠奎，等.叶面积指数的研究和应用进展[J].生态学杂志, 2005, 24(5): 537-541.

[4]陈雪洋，蒙继华，朱建军，等.冬小麦叶面积指数的高光谱估算模型研究[J].测绘科学, 2012, 37(5): 141-144.

[5]赵聪慧，张淑娟，王凤花，等.春大豆叶面积指数与产量的空间变异性及相关分析[J].农机化研究, 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]孙晓，谭炳香.基于CASI高光谱遥感数据的森林叶面积指数反演[J].广东农业科学, 2012, 39(14): 189-193.

[8]刘镕源，王纪华，杨贵军，等.冬小麦叶面积指数地面测量方法的比较[J].农业工程学报, 2011, 27(3): 220-224.

[9]王桂琴，郑丽敏，朱虹，等.图像处理技术在冬小麦叶面积指数测定中的应用[J].麦类作物学报, 2004(4): 108-112.

[10]李明，张长利，房俊龙.基于图像处理技术的小麦叶面积指数的提取[J].农业工程学报, 2010(1): 205-209.

[11]王磊，马英杰，赵经华，等.基于图像上冠层体积的叶面积指数测算方法[J].农机化研究, 2013, 35(12): 70-73.

[12]刘铁梅，曹卫星，罗卫红，等.小麦叶面积指数的模拟模型研究[J].麦类作物学报, 2001(2): 38-41.

[13]曹宏鑫，董玉红，王旭清，等.不同产量水平小麦最适叶面积指数动态模拟模型研究[J].麦类作物学报, 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]李子扬，钱永刚，申庆丰，等.基于高光谱数据的叶面积指数遥感反演[J].红外与激光工程, 2014, 43(3): 944-949.

[17]梁亮，杨敏华，臧卓.利用可见/近红外光谱测定小麦叶面积指数的改进研究[J].激光与红外, 2010(11): 1205-1210.

[18]潘大伟，周春燕，杜立宇，等.施用有机肥对小麦吸钾量及生物量的影响[J].沈阳农业大学学报, 2005(1): 49-52.

[19]沈玉芳，李世清，邵明安.水肥空间组合对冬小麦生物学性状及生物量的影响[J].中国农业科学, 2007(8): 1822-1829.

[20]张慧娜，王志强，林同保.不同水分条件下追施氮肥对小麦生物量及氮素利用的影响[J].麦类作物学报, 2010(6): 1104-1109.

[21]陈振江，李芳东，王保平，等.平原区农田林网内光量分布及对小麦生物量的影响[J].山东农业科学, 2012, 44(10): 40-43.

[22]谢影，鲁先文，卜利波.重金属Pb、Cr对小麦种子萌发和幼苗生物量的影响[J].天津农业科学, 2009, 15(1): 22-24.

[23]刘玉洁，陶福禄.气候变化对小麦生物量影响的概率预测和不确定性分析[J].地理学报, 2012(3): 337-345.

[24]郑玲，朱大洲，王成，等.基于LabVIEW的小麦生物量检测系统[J].农业机械学报, 2013(9): 214-218.

[25]单成钢，廖树华，龚宇，等.应用数字图像技术估测冬小麦冠层生物量垂直分布特征的研究[J].作物学报, 2007, 33(3): 419-424.

[26]王大成，王纪华，靳宁，等.用神经网络和高光谱植被指数估算小麦生物量[Z].北京: 2008：196-201.

[27]陈鹏飞，Nicolas Tremblay，王纪华，等.估测作物冠层生物量的新植被指数的研究[J].光谱学与光谱分析, 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.磷水平对不同磷效率小麦叶绿素荧光参数的影响[J].植物营养与肥料学报, 2010(3): 758-762.

[33]杨靖东，石小东，关雅楠，等.栽培措施对小麦叶绿素含量及光合速率的影响[J].安徽农业大学学报, 2013(4): 580-584.

[34]江道辉，李章成，周清波，等.条锈病影响下冬小麦叶绿素含量的高光谱估计[J].中国农学通报, 2007, 23(1): 376-380.

[35]苏正淑，张宪政.几种测定植物叶绿素含量的方法比较[J]. 植物生理学通讯, 1989(5): 77-78.

[36]崔勤，李新丽，翟淑芝.小麦叶片叶绿素含量测定的分光光度计法[J].安徽农业科学, 2006(10): 2063.

[37]孙文辉，马明建.基于数字图像处理技术的叶绿素含量检测系统[J].农机化研究, 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.田野成像光谱仪中小麦叶绿素含量模型研究[D].合肥：中国科学技术大学, 2011.

[40]廖钦洪，张东彦，王纪华，等.基于多角度成像数据的新型植被指数构建与叶绿素含量估算[J].光谱学与光谱分析, 2014, 34(6): 1599-1604.

[41]梁亮，杨敏华，张连蓬，等.基于SVR算法的小麦冠层叶绿素含量高光谱反演[J].农业工程学报, 2012, 28(20): 162-171.

[42]鞠昌华，田永超，朱艳，等.小麦叠加叶片的叶绿素含量光谱反演研究[J].麦类作物学报, 2008(6): 1068-1074.

[43]刘源，纪建伟. 一种叶绿素实时检测的新方法[J].农机化研究, 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]朱新开，盛海君，顾晶，等.应用SPAD值预测小麦叶片叶绿素和氮含量的初步研究[J].麦类作物学报, 2005(2): 46-50.

[47]郭威，张彦娥，朱景福，等.玉米冠层叶片氮素营养估测研究[J].农机化研究, 2011,33(10): 31-34.

[48]秦晓东，戴廷波，荆奇，等.冬小麦叶片氮含量时空分布及其与植株氮营养状况的关系[J].作物学报, 2006, 32(11): 1717-1722.

[49]冯伟，李晓，王永华，等.小麦叶绿素荧光参数叶位差异及其与植株氮含量的关系[J].作物学报, 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, østergaard 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]朱艳，李映雪，周冬琴，等.稻麦叶片氮含量与冠层反射光谱的定量关系[J].生态学报, 2006, 26(10): 3463-3469.

[54]梁亮，杨敏华，邓凯东，等.一种估测小麦冠层氮含量的新高光谱指数[J].生态学报, 2011(21): 6594-6605.

[55]姚霞，朱艳，田永超，等.小麦叶层氮含量估测的最佳高光谱参数研究[J].中国农业科学, 2009, 42(8): 2716-2725.

[56]马新明，张娟娟，席磊，等.基于叶面积指数(LAI)的小麦变量施氮模型研究[J].农业工程学报, 2008(2): 22-26.

[57]张俊，陈桂亚，杨文发.国内外干旱研究进展综述[J].人民长江, 2011, 42(10): 65-69.

[58]李艳梅，李广.图像分割技术在小麦干旱监测系统中的应用[J].自动化与仪器仪表, 2012(6): 117-119.

[59]成兆金.气象行业标准《小麦干旱灾害等级》在莒县实际生产中的订正应用[J].干旱地区农业研究, 2014(2): 7-13, 39.

[60]申海风.冬小麦干旱风险分时分区研究——以河北省邢台市为例[D].石家庄：河北师范大学, 2014.

[61]邹俊丽，王升国，崔兆韵，等.小麦干旱综合防御技术应用效果分析[J].山东气象, 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]赵敬领，梁大保，任德超，等.小麦冻害的发生规律及防御与补救措施[J].农业灾害研究, 2012, 2(6): 15-17.

[67]杨邦杰，王茂新，裴志远.冬小麦冻害遥感监测[J].农业工程学报, 2002(2): 136-140.

[68]张雪芬，陈怀亮，郑有飞，等.冬小麦冻害遥感监测应用研究[J].南京气象学院学报, 2006(1): 94-100.

[69]翟冷楚，梁建娥.小麦冻害成因分析及预防措施[J].农业技术与装备, 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

文章编号：1003-188X(2016)01-0006-06

中图分类号：S512；S126

文献标识码：A

作者简介：武威(1992-)，男，江苏徐州人，硕士研究生，(E-mail) 435208450@qq.com。通讯作者：孙成明(1973-)，男，江苏宿迁人，副教授，硕士生导师，(E-mail) cmsun@yzu.edu.cn。

基金项目：江苏高校优势学科建设工程资助项目(2014-2017)；国家自然科学基金项目(41271415)

收稿日期：2015-03-04