李嘉琦[1]（2020）在《基于ORYZA20000模型的沈阳地区水稻生产适应气候变化调整策略研究》文中研究说明水稻是我国重要的粮食作物,东北地区是我国主要的水稻种植区之一,近些年来,农民施用肥料用量逐渐增多,然而过量的施入氮肥会导致一系列生态环境问题,这对我国的农业生产以及农业可持续发展有着重大的威胁。本研究利用ORYZA2000模型探究沈阳地区适宜的施肥措施,并基于此模型评价在未来气候条件下水稻产量的变化,并提出适应性调整方案,为农业产业结构调整提供参考,对保障农业可持续发展具有重大意义。通过实际田间数据对ORYZA2000水稻模型进行校准,模型模拟出9036、9035、9023、沈农263、盐丰47、铁粳12、铁粳11沈阳地区7个水稻品种的生物量以及产量,并进行水稻模型的验证。利用订正后的ORYZA2000模型探究过去沈阳地区不同施肥对水稻产量、碳效率和氮肥利用效率的影响,进而推荐出适宜沈阳地区的施肥方案。并利用订正后的水稻模型与CMIP5未来气候模式数据相结合的方式,分析未来沈阳地区9036、9035、9023、沈农263、盐丰47、铁粳12、铁粳11七个水稻品种产量的变化,并在改变播期、改变施氮量总量和选择熟型品种三方面探究适应性策略,得出结论如下:（1）ORYZA2000水稻模型对地上总生物量模拟效果最好,大部分品种茎生物量的模拟效果比穗生物量稍差,模拟绿叶生物量效果最差,模型能够较好地模拟出各个品种的叶面积指数和产量,可用于沈阳地区未来水稻产量的预测。（2）通过氮肥施用量和基蘖肥（前期）与穗肥（后期）氮施用比例对水稻产量、碳效率和氮肥利用效率的影响分析,发现水稻产量随着施氮量的增加而增加,但当施氮量达到一定程度时产量增加不明显。而氮肥利用效率随施氮量的增加不断降低,碳效率的变化呈先增加后降低的趋势。不同品种适宜的施肥管理方案:9035、沈农263适宜的施氮量为180kg/ha,9023、盐丰47适宜的施氮量为210kg/ha,铁粳12、铁粳11的施氮量为120kg/ha,所有品种前后期适宜的施肥比例皆为4:6。（3）通过ORYZA2000水稻模型与未来气候模式相结合的方式,探究出在未来气候情景下,中熟偏晚品种（9036）呈现增产趋势,而中熟品种（9035）和中熟偏早（9023）呈减产趋势,不同熟期的水稻品种生育期均缩短。对于其他水稻品种而言,沈农263、盐丰47、铁粳12、铁粳11产量较基准年（1991-2000年）均有不同幅度的减产,并且生育期天数均缩短。水稻生育期平均将缩短23周。21世纪末期较21世纪中期水稻减产幅度更加明显、生育期缩短程度更大。（4）综合考虑播期调整、氮肥施用总量和品种熟型的优化得到两种调整策略方案:9035品种播期推迟30天,施氮量为280kg/ha;9036品种播期推迟30天,施氮量为240kg/ha。这两种策略方案都有利于未来气候条件下沈阳地区水稻产量的提高,并且两个品种相较基准期均呈现增产趋势,其中9036品种增产率高达11.09%13.88%。而其他品种经自适应调整后,未来气候条件下依旧呈现减产趋势。因此,在未来,沈阳地区适合种植的品种为比当前主栽品种偏晚熟的9035、9036。
韩焕豪[2]（2019）在《稻田-生态沟-塘堰湿地系统氮素迁移转化规律及机理研究》文中提出稻田面源污染由于其发生面广、影响程度大的特点已成为当今研究热点。稻田面源污染治理研究可主要分为稻田源头控制、生态沟拦截去除及塘堰湿地净化三部分。然而,稻田面源污染（特别是氮素污染）在稻田、生态沟、塘堰湿地及它们组成的稻田-生态沟-塘堰湿地系统中的迁移转化规律及机理并不完全明确。模型可以模拟氮素不同迁移转化过程,克服田间试验中的诸多缺点,而现有的稻田水氮平衡模型对稻田氮素迁移转化过程的模拟并不全面且系统氮素迁移转化过程模拟模型还未构建。综合上述稻田-生态沟-塘堰湿地系统氮素迁移转化研究中存在的不足和需要解决的问题,本文于2016～2019年在滇中高原洱海灌区开展了稻田、生态沟、塘堰湿地及其组成的系统氮素迁移转化规律及机理试验研究。主要研究内容及结论如下:（1）为了探明稻田氮素迁移转化规律及机理,连续开展了4个稻季的稻田水氮综合调控模式试验。研究结果表明,间歇灌溉模式、减量施肥及增加施肥次数均可减少稻田排水、淋溶、表层土、耕作层土氮素损失。间歇灌溉还可抑制浮萍的生长,减少微生物固氮量,增加土壤矿化量及氮素反硝化量。增加施肥次数也可减少稻田氮素淋溶及排水损失,但会增加氨挥发损失。（2）基于田间试验结果构建了较为全面的稻田日尺度水氮平衡模型,该模型可有效模拟不同水氮处理下包括尿素水解、灌水带入氮素、微生物固氮、湿沉降、土壤有机氮矿化、田面排水、淋溶、氨挥发、硝化、反硝化、植株吸收及浮萍氮素吸收与释放等12个环节的氮素迁移转化过程。验证结果显示除反硝化外其余氮素模拟值与实测值无显着性差异,相关性较高。较全面地揭示了不同水氮调控模式下稻田氮素迁移转化规律及机理。（3）为了研究不同水力条件及植物类型下生态沟对稻田排水中氮素去除规律及机理,于梭鱼草、美人蕉及茭白三条生态沟内分别开展了不同流态氮素去除及示踪试验。研究表明,在生态沟静态和动态过流下梭鱼草沟对稻田面源污染氮素去除效果均最好。不同植物生态沟静态情境下的氮素去除率普遍比动态的高。动态过流下氨氮NH4+-N和总氮TN的去除率随着水位的增加而显着减小,硝氮NO3--N的去除率随着水位的增加而增加,综合来看低水位低流量低进水总氮浓度处理下TN去除率较大。生态沟氮素的去除是传质系数Vf和流速水位组合u*h共同作用的结果,u*h一定的情况下,Vf越大吸收长度Sw越小,去除率越高。生态沟氮素去除率受水力停留时间、侧向补给及暂态存储区大小的影响。生态沟内的水力停留时间主要来自其主渠道流动水体而非暂态存储区。（4）为了研究不同植物类型及运行方式下塘堰湿地氮素去除规律及机理,于梭鱼草塘、再力花塘及水葱塘内分别开展了水力性能及主要影响因素试验。研究表明,塘堰湿地对TN的去除在水力停滞一周左右即可达到满意的效果。连续进水方式下梭鱼草塘去除效果最好,再力花塘最差。塘堰湿地氮素去除效果受水体溶解氧（dissolved oxygen,DO）的影响且可反映在不同深度水体pH变化上,DO及pH均随着湿地水体深度的增加而减小,且它们的变化可作为硝化反硝化作用的有力证据。梭鱼草塘对氮素去除效果最好是其最大根长、地下生物量及根孔隙度综合作用的结果。浮萍的腐解后氮素释放量最大且最快,茭白因其生长过程中对氮素吸收量较大且腐解后氮素释放缓慢的特点可作为生态沟或湿地氮素去除优选植物。水葱、梭鱼草与再力花的腐解是一个长期过程。（5）基于稻田、生态沟及塘堰湿地氮素去除试验及模型模拟结果,构建了稻田-生态沟-塘堰湿地系统氮素去除组合模拟模型并分析了系统氮素去除协同策略。研究表明,系统模型对氮素去除效果的模拟较好,其中生态沟及塘堰湿地的模拟效果要好于稻田径流。稻田采用W1N1F2处理可获得系统氮素协同去除的源头优势,使得整个系统的氮素去除率较高。增加生态沟及塘堰湿地的水力停留时间也是增强系统氮素去除率的重要举措。稻田-生态沟-塘堰湿地氮素协同去除策略的关键可总结为:稻田采用采用节水灌溉+减量施氮肥+适当多次施肥,通过设计及管理措施延长生态沟及塘堰湿地水力停留时间。
武辉[3]（2018）在《籼粳杂交稻花后物质生产与碳氮转运特征研究》文中研究指明籼粳亚种间的杂种优势利用一直被认为是进一步提高水稻产量的有效途径。与其它类型水稻相比,籼粳杂交稻具有灌浆期超长、花后光合生产优势明显、灌浆期氮素需求相对较大、增量潜力巨大等特点,已在多省广泛推广。然而,花后氮素在籼粳杂交稻维持叶片高效光合功能和超长灌浆期、碳氮物质转运和“流”的通畅、籽粒灌浆和产量形成等方面的影响机理还不明确,而作为关键增产手段的穗肥氮在穗分化—开花和开花—成熟两阶段的积累和转运特征还需进一步研究。为此,本研究选用籼粳杂交稻代表品种甬优12（YY12）和籼型杂交稻代表品种中浙优1号（ZZY1）为试验材料,通过大田不同施氮量、15N穗肥标记、花后土壤减氮等手段展开试验,旨在明确籼粳杂交稻花后氮素吸收特征及对叶氮输出、超长灌浆期和高效光合功能维持、碳氮物质生产及转运、籽粒灌浆及产量形成的影响,拟为籼粳杂交稻氮素栽培调控和氮肥合理施用提供理论依据。主要研究结果如下:（1）水稻花后叶氮输出伴随光合功能的快速衰退、干物质及糖的过量转运,导致叶片衰老加剧。增施氮肥可显着提高籼粳杂交稻YY12叶片氮同化酶活性和花后氮吸收量,其对籽粒氮贡献率可达15.0%27.6%,显着高于ZZY1（8.5%14.8%）。籼粳杂交稻在维持花后叶片高氮水平的同时,也对高效光合功能和叶片长期持绿产生明显促进作用,进而提高花后碳氮物质积累及对籽粒贡献率,最终产量较ZZY1提高12.7%21.8%（P<0.05）。（2）两类型水稻的群体籽粒灌浆具有明显差异:ZZY群体籽粒增重主要依赖于前、中期,前期灌浆充实则依赖于较高的灌浆速率,籽粒N积累速率以及前期N积累量对前期灌浆具有明显的促进作用;YY12群体籽粒增重主要依赖中、后期灌浆,中、后期籽粒充实则主要依赖于较长的灌浆天数,而籽粒N积累在调节各阶段灌浆天数和中、后期灌浆积累量中发挥重要作用。籽粒氮积累量（x）和施氮量（y）与单丛粒重增长动态（z）的关系可用z=-0.172+0.103 x-0.013 y-1.067×10-5x2+2.931×10-55 y2-5.524×10-55 xy描述;籽粒氮积累量（x）和灌浆天数（y）与单丛粒重增长动态（z）的关系可用z=0.679+0.062 x+0.688 y-9.917×10-6 x2-4.390×10-3y2-7.512×10-66 xy描述;施氮量（x）和灌浆天数（y）与单丛粒重增长动态（z）的关系可用z=2.272+0.074 x+2.003 y-2.145×10-4 x2-1.739×10-2 y2+7.526×10-44 xy描述。（3）增施氮素后,籼粳杂交稻YY12的穗颈节间大维管束数量、面积显着提高,穗颈节间伤流强度、伤流液中游离氨基酸、铵态氮、硝态氮等含氮化合物和蔗糖、可溶性糖的转运速率显着增加,加速了糖、氮物质向籽粒的转运。较慢的叶氮输出速率可维持高效光合功能,促使叶片蔗糖长期合成旺盛且转运量增加,不仅籽粒淀粉合成底物供应充足,而且促进了植株花后的N同化。（4）花后土壤供氮不足导致YY12叶片氮同化酶活性和光合功能显着降低,花前积累干物质转运量降低,叶片抗氧化酶活性降低的同时也加速了叶衰老,缩短绿叶期,导致花后干物质积累量下降,籽粒充实不足,产量降低。YY12土壤速效氮含量在灌浆期显着降低,植株花后氮吸收量可达ZZY1的2.03.4倍,花后叶片氮同化酶和抗氧化酶活性、灌浆期光合速率和干物质积累量均显着高于ZZY1。（5）通过15N标记穗肥的方法,将花前、花后阶段吸收的穗肥N区分开来。结果表明,植株吸收的穗肥N中,ZZY1和YY12分别有75.3%75.8%和77.5%83.6%在花前吸收,不足25%在花后吸收。花前吸收的穗肥N主要贮存于叶片,其次为茎鞘,花后吸收的穗肥N则相反。穗肥N向籽粒的转运以花前吸收的穗肥为主,且以叶片N的输出为主,花后阶段则以茎鞘N输出为主。同时,穗肥15N有52.9%76.1%被植株吸收,10.1%18.5%残留于土壤中,13.8%28.6%的穗肥通过各种途径损失。籼粳杂交稻YY12穗肥N利用率、花后阶段吸收的15N穗肥量在叶片的分配量和分配比例均高于ZZY1,因此更应注意花后阶段氮素的供应。综上所述,以YY12为代表的籼粳杂交稻在花后较高的氮同化能力有利于维持叶片高氮水平,促进超长灌浆期内高效光合功能、碳氮物质积累。增施氮素在提高穗颈节间维管束数量、面积等性状的同时,加速了茎叶碳氮物质的转运量。超长灌浆期、高效光合碳同化、通畅的碳氮物质转运共同满足较高群体颖花量和库容量对碳氮物质的巨大需求,更易发挥其增产潜力。穗肥氮在保证籼粳杂交稻花后高氮吸收、减缓叶氮输出等方面发挥重要作用。因此,在减少穗肥损耗的基础上,更应加大对籼粳杂交稻花后阶段的氮素供应。
常瑞佳[4]（2015）在《水稻土壤—植株氮素模拟及氮肥情景模拟研究》文中进行了进一步梳理水稻（Oryza sativa L.）是我国最重要的粮食作物之一。近年来为了提高水稻产量,氮肥的使用量大幅度增加,导致氮肥利用率低并带来了一系列环境问题。为了降低农业生产对环境的影响,保证国家粮食安全,本研究通过实施不同氮肥水平、基追比处理的水稻大田试验,测试分析了稻田氮素的动态变化,对已有的水稻生长模型RiceGrow的土壤氮素循环模块进行改进,并应用改进前后的RiceGrow和CERES-Rice进行模拟比较;然后基于已建立的最大、最小、临界氮浓度稀释曲线,构建植株氮素吸收与分配模型,模拟植株和器官氮素动态变化;最后基于三个水稻生长模型,设置不同氮肥情景模拟水稻产量,分析不同氮肥情景对水稻产量、收入以及氮肥利用效率的影响,提出合理的氮肥管理方案。研究结果将为水稻生产的氮素管理提供基础。土壤中硝态氮和铵态氮的变化是影响水稻产量的重要因素,通过实施不同施氮水平的田间试验,连续测定表面水及土壤剖面中硝态氮、铵态氮的含量,分析不同施氮水平下氮素的动态变化,对RiceGrow模型的土壤氮素循环模块进行改进,并对改进前后的RiceGrow以及CERES-Rice模型进行比较检验。结果显示,在不同氮肥水平处理下,表面水中铵态氮、硝态氮浓度在施肥后2-3天内量迅速上升达到最高值,一周后与对照组无差异。而土壤剖面中的氮素变化与表面水中的变化相比变化不显着。模型检验结果说明改进后的模型能很好地模拟出不同施氮水平下硝态氮和铵态氮的动态变化趋势,而改进之前的RiceGrow和CERES-Rice没有考虑到按在土壤中的固定作用,对土壤中铵态氮的模拟存在较大的偏差。通过不同年份、施氮水平的水稻田间试验,基于不同器官的氮素供求关系,构建水稻植株和器官氮素吸收与分配模型。首先,通过植株的临界氮浓度和最大氮浓度,计算植株的潜在需氮量和最大需氮量;再根据土壤的供氮量以及植株的最大需氮量确定植株实际的吸氮量;最后计算氮素在各器官之间的分配,在穗分化之前植株吸收的氮在各器官之间进行分配,在穗分化之后,基于植株的吸氮量、各器官的最小氮浓度和穗的需氮量,各器官氮素向穗转运。利用独立的试验数据对模型进行校准与验证。结果表明,对植株和各器官的干物重和氮积累量的模拟值与实测值较为吻合。植株和各器官的干物重与氮累积量模拟值和实测值的拟合斜率为0.82-1.069,相关系数达0.83-0.99,NRMSE为8-29%,平均为18.8%。说明模型能较好的模拟植株和器官氮素的吸收与分配过程。在对模型进行改进与验证的基础上,选取江苏省如皋市单季稻区进行氮肥情景模拟研究,根据水稻稻的需肥特点与生育期长短设定氮肥情景;然后利用三个水稻生长模型（ORYZA2000、RiceGrow、CERES-Rice）模拟不同氮肥情景下的水稻产量变化,同时结合水稻价格、肥料价格以及人工费用等,分析施氮量、基追比、施肥次数对产量、收入以及氮肥利用率的影响,提出合理的施肥方案,以提高肥料利用率、增加农民收入。研究结果表明产量随施氮量的增加而增加,产量的增加量逐渐减小,而且农民收入随施氮量的增加而略降低,氮肥利用率随施氮量的增加也呈明显降低趋势。基追比对产量和氮肥利用率的影响相似,主要表现为适当氮肥后移可以提高产量和氮肥利用率,同时不同施肥次数间施肥次数较高的产量略高。因此,适当降低施氮量,氮肥后移,提高施肥次数能在保证产量的基础上增加农民收益并提高氮肥利用率。
曹建刚[5]（2013）在《氮肥运筹对水稻生长影响的模拟研究》文中研究指明水稻（Oryza sativa L.）是我国最重要的粮食作物之一。为了提高水稻单产,大量氮肥被投入到稻田中,氮肥利用率低及其带来的环境危害成为了我国水稻生产中的突出问题。合理施用氮肥对提高水稻产量,保障我国粮食安全和促进农业可持续发展具有重要的现实意义。本研究通过不同氮肥处理的水稻田间试验,系统分析了氮肥运筹对水稻生长的影响,并分析比较了国内外具有代表性的3个水稻氮素平衡模型。研究成果将对水稻生产的氮肥管理、水稻生长模型的改进等具有重要意义。通过不同品种、施氮量和基追比的试验分析了氮肥运筹对水稻茎蘖动态、叶面积指数动态、干物质和氮素积累动态与分配、产量及其构成因素等指标的影响。结果表明,氮肥运筹对这些指标均有显着的影响。提高施氮量可以提高水稻单位面积的有效穗数、穗粒数、叶面积、干物质积累量和产量等,但同时会降低水稻的千粒重和氮肥利用率等。提高追肥的施用比例,可以提高水稻单位面积有效穗数和氮肥利用率,但会降低每穗粒数和千粒重。两个施氮水平下,均以R3（6：4）处理的干物质量和产量最高,过高或过低的基肥比例都不利于水稻获得较高的干物质量和产量。综合结果表明,唯有合理的氮肥运筹才有助于提高水稻产量和氮肥利用率,减少氮素损失及其对环境的危害。通过高氮处理的氮浓度测定数据构建了基于生理发育时间（PDT）的水稻各器官和植株地上部临界氮浓度模型。叶片、茎和地上部的临界氮浓度模型均符合幂函数关系,而穗的临界氮浓度模型则符合线性函数关系。以CERES-Rice、ORYZA2000、RiceGrow模型中的氮素平衡模型为研究对象,从过程划分、参数设置、模型算法和模拟效果等方面对其进行分析比较,揭示3个氮素平衡模型的异同点。结果表明,在模拟过程的划分上,CERES-Rice和RiceGrow均详细的描述了土壤中的氮素平衡和作物中的氮素平衡过程,而ORYZA2000则主要关注对作物中氮素平衡的模拟。模型算法上,CERES-Rice和RiceGrow模型在矿化与生物固持、反硝化和淋洗等过程中采用的算法类似,而在尿素水解、硝化作用与氨挥发中区别较大。三个模型对作物中的氮素平衡过程的算法相似,差异主要存在于最小氮浓度、最大氮浓度等的计算上。参数设置上,RiceGrow和ORYZA2000模型所设置关于氮素平衡的参数较CERES-Rice模型多,但大多作为经验型参数,因此三个模型实际需要调试的参数均较少。利用不同施氮量和氮肥基追比处理的试验资料对上述3个模型进行较准和检验,结果发现三个模型均能较好地模拟成熟期地上部干物质量、氮累积量和产量。对于全生育期,RiceGrow模型对穗重和地上部氮积累量模拟效果较好,而对茎重、叶片和茎氮累积量模拟效果较差。ORYZA2000模型对地上部和穗的干物质重模拟效果较好,对LAI、叶片和茎氮累积量模拟效果较差。CERES-Rice模型对全生育期各指标的模拟效果均较差。三个模型模拟水稻各器官和地上部氮累积量的NRMSE均大于15%,模型均存在进一步改进的空间和必要性。
姜继萍[6]（2012）在《水稻冠层叶片SPAD数值变化特征及其在氮素营养诊断中的应用》文中研究说明氮素是水稻生长发育的重要限制因子,施氮能有效提高水稻产量。而水稻种植中过度施用氮肥会导致氮素损失,不仅污染了环境,还增加了成本,减少了产量。为此,国内外学者开展了许多相关的研究,探寻提高水稻氮肥利用率的途径。实时、实地氮肥管理模式便是其中一种既保证水稻产量又提高氮肥利用率的田间管理技术,其主要手段是利用叶绿素计对水稻氮素营养状况进行诊断。本研究通过大田试验,主要研究了6个施氮水平和3种不同施肥方案下,水稻生育期内不同施氮量、不同叶位叶片的SPAD数值特征,及其在氮素营养诊断中的应用。研究主要得到以下结论：通过对水稻植株整个生长周期叶绿素计读数（SPAD值）的变化情况以及水稻分蘖、孕穗和抽穗3个重要时期主茎顶1叶至顶4叶的SPAD值分布变化特征的研究,结果表明,水稻整个生长期叶色呈现“黑黄”交替的变化规律,且主茎顶4叶对氮素供应丰缺的反应最为敏感,可作为诊断水稻N素营养状况的理想指示叶；此外,对水稻主茎上各个相邻叶位的SPAD差值与施氮水平之间的相关性进行比较,发现顶4叶和顶3叶的SPAD差值（SPADL4-L3）与施氮水平之间存在明显相关性,随着施氮水平的提高,顶4叶与顶3叶间的SPAD值差异逐渐缩小,且这一结果不受施肥条件和水稻生长时期的影响,因此,也可以利用SPADL4-L3值作为水稻整个生育期N营养状况实时诊断的指标。通过对水稻叶片SPAD值与单位质量氮含量（Nw）、单位面积氮含量（Na）之间的关系的研究,结果表明,无论在水稻生长的哪个阶段,叶片的SPAD值与Nw、Na之间均存在显着或极显着的线性相关,并且SPAD值与Nw的相关性要高于SPAD值与N。的相关性。此外,还研究了不同叶位叶片SPAD值与Nw的关系之间的差异,发现分蘖期以水稻主茎功能叶中的顶3叶的SPAD值与Nw的相关性最高,适宜作为该时期的氮营养诊断指示叶；而孕穗期和抽穗期则以顶4叶对N素的反应最为敏感,且SPAD值与Nw的相关性最高,因此在这两个时期可选取顶4叶作为水稻N营养诊断的指示叶。并在上述研究结果的基础上初步确定了水稻不同生育期,氮素营养诊断的SPAD标准值范围,也建立了SPAD值与追肥量之间的关系,为诊断水稻氮素营养状况、指导精确施肥提供了重要的应用依据。
刘海龙[7]（2011）在《作物生产系统水分和氮素管理的DSSAT模型模拟与评价》文中研究指明氮素是作物生产的主要养分限制因子,不合理的灌溉和施肥造成资源浪费、产量和品质下降,同时还引起环境污染。因此,探讨不同水分管理和不同施氮水平对作物生长的影响,实现合理施肥,对于提高作物产量和保护生态环境具有重要理论意义和应用价值。本研究基于田间试验数据,应用农业技术转移决策支持系统（Decision Support System for Agrotechnology Transfer,简称DSSAT模型）对不同田间试验进行模拟,评估了该模型的性能和地区适用性,主要研究结果如下:1. 1959～2008年,在加拿大安大略省南部进行50年肥料效应长期定位试验,包括春玉米连作施肥处理（CC-F）和不施肥处理（CC-NF）。通过对模型需要输入的玉米遗传特性参数的校验研究,引入了不同玉米品种的光能利用效率（RUE）作为模型中玉米的遗传参数,以适应不同试验、不同地区的模拟状况。本研究在模拟50年的玉米产量时,把50年的玉米品种遗传参数划分为了4个阶段,每个阶段都有相应的一套玉米遗传特性参数代表不同时期的玉米遗传特性。结果表明,相比50年用一套玉米参数,用4套参数能够更好地模拟CC-F和CC-NF处理的玉米产量。DSSAT模型模拟的CC-F处理的产量比模拟CC-NF处理的产量更精确,CC-F处理模拟产量与实测产量之间的标准化均方根误差（n-RMSE）是39%,决定系数（R2）为0.36;CC-NF处理的n-RMSE值为82%,R2为0.40。虽然DSSAT模型不能精确地模拟玉米的逐年产量,但是该模型可以较好地模拟产量变化趋势。模型模拟的2008年土壤表层（0～15 cm和15～30 cm）矿质氮（NH4-N和NO3-N）的含量与实测值也有较大差异,CC-F处理相应分析的n-RMSE值的范围是58～60%,CC-NF处理为64～89%。模型模拟的CC-F处理的1998～2000年的累计硝态氮淋失量与测量值比较一致,相应统计值n-RMSE为29%,预测效率（EF）为0.63;而对于CC-NF处理,DSSAT模型过高地估计了累计硝态氮淋失,相应的n-RMSE统计值为160%,EF为0.04。表明模型不能很好模拟长期不施肥导致土壤退化条件下氮素的状态。2.在加拿大安大略省西南部实施了5年（2000～2004）的玉米-大豆轮作田间试验,处理包括自由地下暗管排水（TD）和控制的地下暗管排水-地下灌溉（CDS）。模拟结果显示,DSSAT模型可以很好地模拟CDS和TD条件下玉米和大豆的产量（n-RMSE:4.3%～14.0%,d:0.985～0.998）,较好地模拟0～30 cm根域土壤水含量（n-RMSE:9.9%～14.8%,d: 0.724～0.831）,模拟地下暗管排水的硝态氮淋失（n-RMSE: 17.8%～25.2%,d: 0.529～0.979）效果尚可。因此,DSSAT可以作为一个很好的工具来模拟在试验所在地区或相同条件下CDS和TD处理对环境质量、作物生产力和土壤氮循环过程的短期影响（5-8年）。3. 2006年和2007年在中国吉林省进行了不同氮素对玉米生长、氮素吸收和产量影响的田间试验。模拟结果表明,在中国东北的黑土区雨养条件下,通过校验DSSAT模型中的玉米品种参数、RUE和土壤肥料参数（SLPF）,该模型可以很好地模拟地上部生物量（如校验年份d = 0.95～0.98）和籽粒产量（n-RMSE = 4.6%～9.0%;d = 0.68～0.95）,但不能精确地模拟玉米氮素吸收。通过对模型中氮胁迫参数相关的氮含量参数b的敏感性分析表明,调节b值大小可以提高玉米氮素吸收的模拟精度。校验后的DSSAT模型可以作为一个很好的决策支持工具,有助于协助决策者、研究人员和生产者优化玉米的生产管理。
王一凡,孙成明,高威,刘涛[8]（2011）在《基于FACE的水稻氮素动态模拟系统设计研究》文中进行了进一步梳理借助农田开放式空气CO2浓度增高（FACE）技术平台,研究大气CO2浓度比对照高200μmol/mol的FACE处理对氮素动态影响的模拟模型,利用面向对象的程序设计设计语言Visual Basic以及相应的数据库技术,对上述模型进行数字化处理和系统设计,并通过实时数据链接和可视化图形处理技术,最终实现了一套基于FACE的水稻氮素动态模拟系统。
杨杰[9]（2009）在《基于叶片高光谱指数的水稻氮素及色素含量监测研究》文中认为作物生长光谱监测的主要任务是要确立能够反映作物生长状态的敏感波段和特征指数,并建立光谱指数与农学参数之间的定量关系。高光谱遥感波谱具有连续、精细的特点,可显着增强对植株生物理化参数的探测手段和能力,为定量估测植株单一生化组分状况提供了有效途径。本研究以水稻为对象,以系列田间试验为依托,综合运用高光谱信息分析、生理生化测试及数理统计建模等技术手段,分析不同氮素水平和品种条件下水稻叶片高光谱反射特征与叶片和群体氮素及色素之间的定量关系,进而确立基于叶片高光谱监测水稻单叶和群体氮素及色素之间的适宜光谱指数及相应监测模型,从而为水稻氮素营养的无损监测和精确诊断提供理论基础和关键技术。首先分析了不同施氮量和不同氮含量水平下水稻叶片光谱反射特征的变化模式。结果表明,随着土壤施氮量和叶片氮含量水平的提高,叶片反射光谱在可见光区的反射率下降,负相关显着；而近红外波段反射率则小幅上升,但相关性不高。叶片氮含量与一阶导数的相关关系表明在可见光至红边区众多波段均达到极显着相关水平,相关系数呈明显的峰谷特征。可见,不同试验条件下水稻叶片的氮素状况和反射光谱特征呈现了明显的动态变化模式,为进一步定量解析叶片反射光谱与氮素营养状况的关系提供了丰富的信息基础。基于叶片高光谱特征,系统分析了水稻叶片氮素组分与叶片反射光谱、一阶导数光谱、两波段组合的比值（SR）、归一化（ND）及差值（SD）等光谱指数的相关关系。叶片全氮和蛋白氮含量的敏感波段主要位于可见光绿光区520-590 nm及红边区域695-715 nm,其中红边区域表现最为显着。通过比较不同波段组合的不同形式光谱参数发现,以700-702 nm附近波段与近红外短波段的比值组合估算水稻上部叶片的全氮和蛋白氮含量的效果最好,其次为黄光区583-587 nm左右波段与近红外短波段的比值组合。其中,窄波段比值指数SR（R780, R702）和SR（R770, R700）分别为估算水稻叶片全氮和蛋白氮含量的最佳光谱变量,而基于有效组合区域内光谱指数敏感性的宽波段比值指数SR[AR（763-860）, AR（697-707）]和SR[AR（746-815）, AR（697-705）]分别用于全氮和蛋白氮含量估算,表现出与窄波段组合相似的敏感性和预测力,表明在此敏感组合区域内带宽选择对反演结果的准确度影响不大。最佳差值和归一化差值指数仅出现在740-755 nm小范围内,组合波段邻近,且与最佳一阶导数波段相近,但总体表现均不及比值组合优秀。系统分析了已有叶绿素敏感光谱指数及新型两波段组合的比值和归一化光谱指数与叶片叶绿素含量的关系,提出了水稻叶片不同组分叶绿素含量的敏感光谱指数及预测方程。发现红边波段构成的比值或归一化光谱指数均可较好地指示水稻上部4叶的叶绿素含量。估算叶绿素a（Chla）和叶绿素总量（Ch1a+b）的敏感区域一致,最佳比值指数均为SR（R730, R710）,最佳归一化指数分别为ND（R780, R710）和ND（R780, R712）;估算叶绿素b （Ch1b）的最佳比值和归一化光谱指数分别为SR（R780, R725）和ND（R780, R725）。此外,引入445 nm波段反射率对上述光谱指数进行修正,可以降低模型的预测误差,提高模型的稳定性。当宽波段比值指数SR[AR（720-740）,AR（705-715）]用于叶片Ch1a和Cb1a+b含量估算,SR[AR（750-850）, AR（715-735）]用于叶片Chlb含量估算,以及宽波段归一化指数ND[AR（750-850）, AR（705-715）]、ND[AR（750-850）, AR（706-718）]和ND[AR（750-850）, AR（715-735）]分别用于Ch1a、Cb1a+b和Ch1b含量的估算时,均表现出敏感度和稳定性的统一,且波段选择较灵活,从而有助于指导便携式叶绿素监测仪的研制开发。进一步分析了不同叶位叶片光谱或单叶光谱组合与水稻群体叶片氮素组分的关系,明确了基于叶片尺度光谱监测群体叶片全氮和蛋白氮含量的适宜取样叶位、敏感波段及光谱指数,并建立了相应的监测模型。基于叶片光谱监测群体叶片全氮含量和蛋白氮含量时,顶2叶和顶3叶为适宜取样叶位,而顶2叶和顶3叶的光谱平均值（L23）为最理想的叶片光谱形式；敏感波段主要位于可见光绿光及红边区；可见光580 nm附近波段及红边702 nm附近波段与近红外短波段的比值组合和群体叶片全氮及蛋白氮含量关系最为密切。估算全氮含量以绿光窄波段指数SR（R780, R580）和宽波段指数SR[AR（750-850）, AR（568-588）表现最好；而估算蛋白氮含量则以红边窄波段指数SR（R780, R701）和宽波段指数SR[AR（750-850）, AR（697-706）]表现最好。利用叶片特征光谱指数可以对群体叶片全氮和蛋白氮含量进行准确可靠的监测。基于不同生态点、年份、品种和施氮水平下4个大田试验资料,通过比较不同叶位（组合）叶片光谱指数与群体叶片Ch1a和Ch1a+b含量的关系,确立了适宜于监测群体叶片Ch1a和Ch1a+b含量的关键叶位、敏感光谱指数及监测方程。不同叶位叶片光谱对群体叶片叶绿素含量的估算效果存在明显差异,基于顶2叶和顶3叶平均光谱构建的敏感光谱指数和监测方程表现较好。比值和归一化指数均可较好的估算群体叶片叶绿素含量,但最佳组合的中心波段有所差别,归一化组合以560±10 nm vs. NIR和710±6 nm vs. NIR表现较好,比值组合以554±10 nm vs. NIR和718±6 nm vs. NIR表现较好。由此,提出绿光归一化指数ND（R776, R560）、和ND[R（750-850）, R（550-850）]、绿光比值指数SR（R554, R776）和SR[R（544-564）, R（750-850）]、红边归一化指数ND（R780, R710）和ND[R（750-850）, R（704-716）]、以及红边比值指数SR（R718, R780）和SR[R（712-724）, R（750-850）]可用于水稻群体叶片Ch1a和Ch1a+b含量的估算,模型校正及检验结果均显示了各参数的可靠性和适用性,尤以红边组合指数的敏感性表现最好。通过分析水稻单叶类胡萝卜素（Car）含量和类胡萝卜素/叶绿素比值（Car/Ch1）与不同波段组合的多种类型光谱指数的相关性,构建了适于水稻单叶Car含量和Car/Ch1比值监测的敏感光谱指数及监测方程。结果显示,723 nm附近波段与近红外波段的比值组合及713 nn附近波段与近红外波段的归一化组合可以较好地监测水稻单叶Car含量,基于窄波段组合SR（R723, R770）和ND（R770, R713）及宽波段组合SR[AR（715-729）, AR（750-820）]和ND[AR（740-840）, AR（707-719）]的监测方程线性拟合效果较好,独立资料的检验亦表明各方程稳定性高,可以对不同条件下水稻单叶Car含量进行可靠的监测。由于水稻叶片Car/Ch1比值的变化与叶片衰老或胁迫程度的关系密切,因而提出SR（R698,R712）、ND（R716, R695）、SR（R615, R713）和ND（R737, R622）用于灌浆中后期衰老叶片Car/Ch1比值的监测,线性拟合关系良好。进一步分析水稻不同叶位叶片光谱指数与群体叶片Car含量间的关系,同样发现以顶2叶和顶3叶的平均光谱表现较好,不同波段组合的光谱指数中,以蓝光比值指数SR（R466, R496）和蓝光归一化指数ND（R466, R496）建立的监测方程表现最好,可用于不同生育期水稻群体叶片类胡萝卜素含量的定量监测。
谢文霞,赵全升,王光火[10]（2009）在《水稻生长氮肥模拟模型的研究进展》文中研究指明在查阅了国内外水稻氮肥吸收利用模拟研究领域文献的基础上,对水稻生长氮肥管理模型的研究动态以及氮肥管理中应用比较广泛、综合性比较强的几个模型进行了综述;并对几个主要模型的优缺点进行了对比,指出了水稻氮肥管理模型今后的发展方向。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1 研究的背景及意义 |
| 1.2 水稻氮肥管理现状 |
| 1.3 氮肥管理对水稻生长的影响 |
| 1.4 氮肥管理情景模拟研究 |
| 1.5 气候变化对水稻生产的影响 |
| 1.6 气候变化对水稻产量影响的评估方法 |
| 1.7 适应气候变化调整策略研究 |
| 1.8 主要研究内容和技术路线 |
| 2 ORYZA2000 模型介绍及参数本地化 |
| 2.1 ORYZA2000 模型介绍 |
| 2.1.1 模型输入数据 |
| 2.1.2 模型参数化 |
| 2.2 材料和方法 |
| 2.2.1 实验材料与设计 |
| 2.2.2 作物数据的测定 |
| 2.2.3 模型检验指标 |
| 2.2.4 水稻各生物量动态变化 |
| 2.3 ORYZA2000 模型参数本地化及模型效果分析 |
| 2.3.1 ORYZA2000 模型参数本地化 |
| 2.3.2 ORYZA2000 模型效果分析 |
| 2.4 小结与讨论 |
| 3 过去30年沈阳地区水稻施氮模式的优化 |
| 3.1 实验设计 |
| 3.1.1 氮肥情景设置 |
| 3.1.2 数据处理 |
| 3.2 不同氮肥情景对产量的影响 |
| 3.2.1 氮肥水平对产量的影响 |
| 3.2.2 前后期氮肥施用比例对产量的影响 |
| 3.3 不同氮肥情景对碳效率的影响 |
| 3.3.1 氮肥水平对碳效率的影响 |
| 3.4 不同氮肥情景对ANUE的影响 |
| 3.4.1 氮肥水平对ANUE的影响 |
| 3.4.2 前后期氮肥施用比例对ANUE的影响 |
| 3.5 不同品种适宜的氮肥管理方案 |
| 3.6 小结与讨论 |
| 4 气候情景数据的获取及评价 |
| 4.1 气候情景介绍 |
| 4.2 质量控制 |
| 4.2.1 最高温度和最低温度 |
| 4.2.2 降水 |
| 4.2.3 太阳辐射 |
| 4.3 多模式集合对沈阳地区21 世纪中期、末期气候变化情景预估 |
| 4.4 小结与讨论 |
| 5 未来气候变化对沈阳地区水稻生产的影响评价 |
| 5.1 材料与方法 |
| 5.1.1 数据来源 |
| 5.1.2 稳产性指标 |
| 5.1.3 水稻经济系数 |
| 5.2 未来气候变化对沈阳地区水稻生产的影响 |
| 5.2.1 气候变化对不同熟期水稻产量和生育期的影响 |
| 5.2.2 气候变化对其他水稻品种产量和生育期的影响 |
| 5.2.3 气候变化对水稻稳产性的影响 |
| 5.2.4 未来气候情景下水稻产量变化的成因分析 |
| 5.2.5 气候变化对不同品种水稻氮肥利用率和碳效率的影响 |
| 5.3 小结与讨论 |
| 6 适应性调整的水稻生产对未来气候变化的响应 |
| 6.1 材料与方法 |
| 6.2 未来气候情景下沈阳地区水稻播期适应性调整 |
| 6.3 未来气候情景下沈阳地区播期后移的原因分析 |
| 6.4 未来气候情景下沈阳地区水稻施氮量的适应性调整 |
| 6.5 未来气候情景下沈阳地区适应调整后水稻产量变化情况 |
| 6.6 小结与讨论 |
| 7 结论与讨论 |
| 7.1 主要结论 |
| 7.2 讨论 |
| 参考文献 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 稻田水氮管理对氮素迁移转化及其流失规律影响 |
| 1.2.2 稻田氮素迁移转化过程观测及模拟 |
| 1.2.3 稻田水氮平衡模型 |
| 1.2.4 生态沟中氮素迁移转化规律及机理 |
| 1.2.5 塘堰湿地中氮素去除规律及机理 |
| 1.2.6 稻田-生态沟-塘堰湿地系统中氮素去除效果 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 第二章 试验区概况及田间试验设计 |
| 2.1 试验区概况 |
| 2.2 试区布置 |
| 2.3 田间处理设计 |
| 2.4 田间试验观测内容与方法 |
| 2.4.1 物候及气象要素观测 |
| 2.4.2 水平衡要素观测 |
| 2.4.3 氮平衡要素观测 |
| 2.5 本章小结 |
| 第三章 不同水氮调控模式下稻田水氮迁移转化规律 |
| 3.1 水稻干物质量及产量 |
| 3.1.1 水稻干物质量 |
| 3.1.2 水稻产量 |
| 3.2 稻田水量平衡 |
| 3.3 稻田氮平衡要素迁移转化 |
| 3.3.1 氮素湿沉降 |
| 3.3.2 田面水氮素浓度变化 |
| 3.3.3 氮素田面排水损失 |
| 3.3.4 氮素淋溶损失 |
| 3.3.5 稻田氨挥发 |
| 3.3.6 稻田土壤氮素矿化 |
| 3.3.7 稻田反硝化 |
| 3.3.8 稻田微生物固氮 |
| 3.3.9 水稻植株吸氮量 |
| 3.3.10 浮萍氮素吸收与释放 |
| 3.4 稻田氮平衡 |
| 3.5 讨论 |
| 3.6 本章小结 |
| 第四章 稻田水氮平衡模型构建 |
| 4.1 水平衡模型 |
| 4.2 水平衡模型要素确定 |
| 4.2.1 田间水深、灌水量及土壤含水率 |
| 4.2.2 排水量 |
| 4.2.3 渗漏量 |
| 4.2.4 需水量 |
| 4.3 氮平衡模型要素确定 |
| 4.3.1 尿素水解 |
| 4.3.2 氮素湿沉降 |
| 4.3.3 灌水带入的氮素 |
| 4.3.4 土壤氮素矿化 |
| 4.3.5 稻田微生物固氮 |
| 4.3.6 田面水氨氮硝化 |
| 4.3.7 田面排水损失 |
| 4.3.8 稻田氨挥发 |
| 4.3.9 氮素淋溶损失 |
| 4.3.10 稻田反硝化 |
| 4.3.11 水稻氮素吸收 |
| 4.3.12 浮萍氮素吸收及释放 |
| 4.4 氮平衡模型率定及验证 |
| 4.4.1 氮平衡模型率定 |
| 4.4.2 氮平衡模型验证 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 第五章 生态沟氮素去除规律及机理 |
| 5.1 不同过流状态生态沟氮素去除规律 |
| 5.1.1 处理设计 |
| 5.1.2 氮素去除率计算 |
| 5.1.3 生态沟氮素去除规律 |
| 5.2 生态沟氮素去除示踪试验 |
| 5.2.1 生态沟水力示踪试验 |
| 5.2.2 处理设计 |
| 5.2.3 生态沟示踪试验结果分析 |
| 5.3 生态沟氮素去除模型及量化参数 |
| 5.3.1 生态沟氮素去除模型 |
| 5.3.2 氮素吸收长度S_w |
| 5.3.3 生态沟传质系数V_f |
| 5.4 讨论 |
| 5.5 本章小结 |
| 第六章 塘堰湿地氮素去除规律及机理 |
| 6.1 不同水力停滞时间下湿地氮素去除规律 |
| 6.1.1 处理设计 |
| 6.1.2 观测内容与方法 |
| 6.1.3 氮素去除率计算方法 |
| 6.1.4 结果与分析 |
| 6.2 水力停滞下湿地氮素去除主要影响因素 |
| 6.2.1 处理设计 |
| 6.2.2 观测内容与方法 |
| 6.2.3 结果与分析 |
| 6.3 连续进出水方式氮素去除规律 |
| 6.3.1 处理设计 |
| 6.3.2 观测内容与方法 |
| 6.3.3 氮素去除率计算方法 |
| 6.3.4 结果与分析 |
| 6.4 植物腐解氮素释放试验 |
| 6.4.1 试验方法 |
| 6.4.2 观测内容与方法 |
| 6.4.3 腐解率计算方法 |
| 6.4.4 结果与分析 |
| 6.5 塘堰湿地氮素去除模型及参数率定 |
| 6.5.1 氮素去除模型 |
| 6.5.2 氮素去除模型参数率定 |
| 6.6 讨论 |
| 6.7 本章小结 |
| 第七章 稻田-生态沟-塘堰湿地系统氮素协同去除效果 |
| 7.1 稻田-生态沟-塘堰湿地系统氮素去除组合模拟模型构建 |
| 7.2 稻田-生态沟-塘堰湿地系统氮素去除效果实测与模拟 |
| 7.2.1 试验观测及模型模拟 |
| 7.2.2 试验观测及模型模拟结果 |
| 7.2.3 稻田-生态沟-塘堰湿地氮素协同去除策略 |
| 7.3 讨论 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 主要结论 |
| 8.1.1 稻田水氮综合调控模式试验研究及水氮平衡模型构建 |
| 8.1.2 生态沟氮素去除规律及机理 |
| 8.1.3 塘堰湿地氮素去除规律及机理 |
| 8.1.4 稻田-生态沟-塘堰湿地系统氮素协同去除效果 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 攻博期间发表的科研成果目录 |
| 致谢 |
| 摘要 |
| Abstract |
| 缩略词表 |
| 1 前言 |
| 1.1 超高产水稻籽粒灌浆特性 |
| 1.1.1 籽粒灌浆特性及问题 |
| 1.1.2 弱势粒灌浆障碍 |
| 1.2 水稻维管束特性与籽粒灌浆 |
| 1.2.1 维管束功能及限制 |
| 1.2.2 维管束性状与穗部发育 |
| 1.2.3 维管束与籽粒灌浆 |
| 1.3 花后干物质积累及转运 |
| 1.3.1 花后光合物质生产 |
| 1.3.2 花后干物质积累 |
| 1.3.3 花后干物质转运 |
| 1.3.4 茎鞘花后干物质输出 |
| 1.4 花后氮同化物代谢及转运 |
| 1.4.1 花后氮同化物积累 |
| 1.4.2 花后氮同化物转运 |
| 1.5 小结 |
| 1.6 研究的目的与意义 |
| 2 施氮量对水稻花后叶氮输出、碳氮转运及产量的影响 |
| 2.1 前言 |
| 2.2 材料与方法 |
| 2.2.1 试验设计 |
| 2.2.2 测定项目与方法 |
| 2.2.3 数据统计 |
| 2.3 结果 |
| 2.3.1 产量及产量构成因素 |
| 2.3.2 叶片氮素输出 |
| 2.3.3 叶片SPAD值 |
| 2.3.4 叶片光合功能 |
| 2.3.5 叶片氮代谢酶活性 |
| 2.3.6 单丛叶片糖转运 |
| 2.3.7 水稻花后干物质积累与转运 |
| 2.3.8 水稻花后氮素吸收与转运 |
| 2.4 讨论 |
| 2.4.1 叶氮输出与碳氮转运 |
| 2.4.2 叶氮输出与水稻产量 |
| 2.5 小结 |
| 3 施氮量对水稻花后群体籽粒灌浆及氮积累的影响 |
| 3.1 前言 |
| 3.2 材料与方法 |
| 3.2.1 试验设计 |
| 3.2.2 测定项目与方法 |
| 3.2.3 数据分析 |
| 3.3 结果 |
| 3.3.1 籽粒灌浆动态 |
| 3.3.2 籽粒灌浆阶段特征分析 |
| 3.3.3 籽粒N积累动态 |
| 3.3.4 籽粒氮积累阶段特征分析 |
| 3.3.5 籽粒灌浆及氮积累相关性分析 |
| 3.3.6 籽粒灌浆与氮积累关系 |
| 3.4 讨论 |
| 3.4.1 群体籽粒灌浆代表性 |
| 3.4.2 不同类型水稻群体灌浆差异 |
| 3.4.3 籽粒氮积累与群体粒重增长 |
| 3.5 小结 |
| 4 施氮量对水稻花后糖、氮代谢及维管束特征的影响 |
| 4.1 前言 |
| 4.2 材料与方法 |
| 4.2.1 试验设计 |
| 4.2.2 测定项目与方法 |
| 4.2.3 数据统计 |
| 4.3 结果 |
| 4.3.1 穗颈节维管束性状 |
| 4.3.2 穗颈节间伤流强度 |
| 4.3.3 伤流液糖氮物质转运 |
| 4.3.4 籽粒含氮化合物浓度及氮代谢酶活性 |
| 4.3.5 籽粒蔗糖代谢相关酶活性 |
| 4.4 讨论 |
| 4.4.1 施氮量对穗颈节间维管束性状的影响 |
| 4.4.2 水稻花后糖、氮代谢与“流” |
| 4.4.3 花后氮同化差异与“流” |
| 4.5 小结 |
| 5 水稻花后氮吸收和转运对光合物质生产和产量形成的影响 |
| 5.1 前言 |
| 5.2 材料与方法 |
| 5.2.1 材料培养 |
| 5.2.2 试验设计 |
| 5.2.3 测定项目与方法 |
| 5.2.4 数据统计 |
| 5.3 结果 |
| 5.3.1 土壤和植株氮素含量动态变化 |
| 5.3.2 籽粒产量及构成因素 |
| 5.3.3 叶片氮代谢及抗氧化酶活性 |
| 5.3.4 剑叶光合功能差异 |
| 5.3.5 花后碳氮积累和转运特征 |
| 5.4 讨论 |
| 5.4.1 花后氮吸收差异 |
| 5.4.2 花后氮吸收与叶片持绿期 |
| 5.4.3 花后氮吸收与碳氮转运 |
| 5.5 小结 |
| 6 水稻花前、花后阶段穗肥氮的吸收、分配及利用 |
| 6.1 前言 |
| 6.2 材料与方法 |
| 6.2.1 试验设计 |
| 6.2.2 测定项目与方法 |
| 6.2.3 数据统计 |
| 6.3 结果 |
| 6.3.1 植株各部位干物质积累量 |
| 6.3.2 ~(15)N穗肥在植株花前、花后的积累及分配 |
| 6.3.3 植株N分别来自花前、花后吸收的 ~(15)N穗肥的比例(Ndff) |
| 6.3.4 植株花前、花后吸收的 ~(15)N穗肥在灌浆不同阶段的转运及贡献 |
| 6.3.5 水稻对 ~(15)N穗肥的利用、土壤残留及损失 |
| 6.4 讨论 |
| 6.4.1 花前、花后阶段穗肥氮的积累和转运 |
| 6.4.2 花前、花后阶段穗肥氮的利用 |
| 6.5 小结 |
| 7 主要结论与创新点 |
| 7.1 主要结论 |
| 7.2 论文特色与创新 |
| 参考文献 |
| 攻读博士学位期间论文发表情况 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 文献综述 |
| 1 水稻氮肥管理现状及氮肥损失 |
| 1.1 氮肥管理现状 |
| 1.2 氮肥使用过量带来的危害 |
| 2 水稻生长模型研究进展 |
| 2.1 作物生长模型研究进展 |
| 2.2 国内外水稻生长模型研究进展 |
| 2.3 作物氮素平衡模型研究进展 |
| 2.4 土壤中氮素转化过程模拟 |
| 2.5 作物对氮素的吸收与分配 |
| 3 氮肥管理情景模拟研究进展 |
| 4 研究目的意义 |
| 参考文献 |
| 第二章 研究思路与材料方法 |
| 1 研究思路和技术路线 |
| 1.1 研究思路 |
| 1.2 技术路线 |
| 2 田间试验资料获取与收集 |
| 2.1 田间试验 |
| 2.2 数据获取及主要测定内容 |
| 2.3 历史气象数据 |
| 2.4 数据处理与分析 |
| 3 水稻生长模拟模型简介 |
| 3.1 RiceGrow水稻生长模型 |
| 3.2 CERES-Rice模型 |
| 3.3 ORYZA2000模型 |
| 4 模型的检验与评价 |
| 参考文献 |
| 第三章 稻田氮素动态模拟 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 土壤氮素循环模型 |
| 1.3 RiceGrow中土壤氮素的改进 |
| 2 结果与分析 |
| 2.1 土壤氮素动态 |
| 2.2 稻田土壤氮素运移的模拟分析 |
| 3 结论与讨论 |
| 3.1 稻田氮素的动态变化 |
| 3.2 稻田氮素变化动态模拟比较 |
| 参考文献 |
| 第四章 水稻植株和器官氮素吸收与分配模型的构建 |
| 1 材料与方法 |
| 1.1 资料获取 |
| 1.2 植株和器官氮素吸收与分配模型的构建 |
| 2 模型评价 |
| 2.1 氮浓度稀释曲线 |
| 2.2 模型校准 |
| 2.3 模型检验 |
| 3 结论与讨论 |
| 参考文献 |
| 第五章 基于情景模拟的水稻氮肥情景模拟研究 |
| 1 材料与方法 |
| 1.1 资料获取 |
| 1.2 氮肥情景设置 |
| 1.3 数据处理 |
| 2 结果分析 |
| 2.1 历史气象要素的变化特征 |
| 2.2 模型参数校准 |
| 2.3 氮肥情景对产量、收益及AE的影响 |
| 2.4 推荐氮肥管理方案 |
| 3 结论与讨论 |
| 参考文献 |
| 第六章 讨论与结论 |
| 1 讨论 |
| 1.1 土壤氮素循环模型的改进与验证 |
| 1.2 水稻植株和器官氮素吸收与分配模型的构建 |
| 1.3 氮肥情景对水稻产量、收入和氮肥利用率的影响研究 |
| 1.4 本研究的创新与特色 |
| 1.5 今后的研究设想 |
| 2 结论 |
| 参考文献 |
| 在学期间发表或拟投稿论文和专利 |
| 在学期间参加的研究课题 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 文献综述与研究目的 |
| 摘要 |
| 1 研究背景 |
| 1.1 我国水稻氮肥施用状况 |
| 1.2 稻田氮素损失对环境的影响和危害 |
| 2 稻田氮素损失的主要途径及控制措施 |
| 2.1 稻田氮素损失的主要途径 |
| 2.2 控制稻田氮素损失、提高氮素利用效率的主要控制措施 |
| 3 水稻氮素平衡模型 |
| 3.1 水稻氮素平衡模型的研究进展 |
| 3.2 水稻氮素平衡模型的不足及发展趋势 |
| 4 本研究的目的与意义 |
| 参考文献 |
| 第二章 研究思路与方法 |
| 摘要 |
| 1 研究思路与技术路线 |
| 1.1 研究思路 |
| 1.2 技术路线 |
| 2 资料来源 |
| 2.1 田间试验 |
| 2.2 数据获取及主要测定内容 |
| 3 水稻生长模拟模型简介 |
| 3.1 CERES-Rice模型 |
| 3.2 ORYZA2000模型 |
| 3.3 RiceGrow模型 |
| 4 模型的检验与评价 |
| 参考文献 |
| 第三章 氮肥运筹对水稻生长及产量形成的影响 |
| 摘要 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 测试项目和方法 |
| 2 结果与分析 |
| 2.1 氮肥运筹对水稻分蘖与成穗的影响 |
| 2.2 氮肥运筹对水稻叶面积指数和比叶面积的影响 |
| 2.3 氮肥运筹对水稻地上部干物质积累与分配的影响 |
| 2.4 氮肥运筹对水稻地上部氮素积累与分配的影响 |
| 2.5 水稻临界氮浓度模型 |
| 2.6 氮肥运筹对水稻产量及产量构成要素的影响 |
| 2.7 氮肥运筹对水稻氮肥利用率的影响 |
| 3 讨论与小结 |
| 参考文献 |
| 第四章 水稻氮素平衡模型的比较与检验 |
| 摘要 |
| 1 材料与方法 |
| 1.1 主要水稻模型简介 |
| 1.2 试验设计 |
| 1.3 测试项目与数据处理 |
| 2 结果与分析 |
| 2.1 模型模拟过程和算法的比较 |
| 2.2 模型参数的比较 |
| 2.3 模拟效果的比较 |
| 3 讨论与结论 |
| 参考文献 |
| 第五章 讨论与结论 |
| 摘要 |
| 1 讨论 |
| 1.1 氮肥运筹对水稻生长的影响 |
| 1.2 不同水稻氮素平衡模型的比较 |
| 2 本研究的创新及今后的研究设想 |
| 2.1 创新与特色 |
| 2.2 不足之处与进一步研究设想 |
| 3 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
| 致谢 |
| 摘要 |
| Abstract |
| 1 文献综述 |
| 1.1 引言 |
| 1.2 稻田氮肥利用现状分析 |
| 1.2.1 稻田氮肥施用量和氮肥利用率现状 |
| 1.2.2 稻田氮肥利用率低的原因分析 |
| 1.2.3 提高水稻氮肥利用率的新途径 |
| 1.3 水稻氮素营养诊断的方法 |
| 1.3.1 传统水稻氮营养诊断方法 |
| 1.3.2 现代水稻氮营养诊断技术 |
| 1.4 叶绿素计在作物氮营养诊断中的应用研究现状 |
| 1.4.1 叶绿素计诊断氮素营养应用中的影响因素 |
| 1.4.2 校正影响因素、提高叶绿素计诊断精确性的途径 |
| 1.5 论文选题思路与主要研究内容 |
| 1.5.1 研究目的和意义 |
| 1.5.2 主要研究内容 |
| 2 材料与方法 |
| 2.1 大田试验设计、材料及方法 |
| 2.1.1 大田试验地点概况 |
| 2.1.2 大田试验设计方案 |
| 2.1.3 大田采样方法 |
| 2.2 试验分析项目及测定方法 |
| 2.2.1 水稻整个生长期生物量变化情况 |
| 2.2.2 水稻产量分析 |
| 2.2.3 水稻叶片SPAD值测定 |
| 2.2.4 叶片面积的测定 |
| 2.2.5 水稻叶片总氮含量分析 |
| 2.2.6 叶片叶绿素(Chlorophyll)含量的测定 |
| 2.3 数据处理分析工具 |
| 3 结果与讨论 |
| 3.1 不同施氮条件下水稻生长期生物量变化规律及产量情况 |
| 3.1.1 水稻生长周期中生物量变化情况 |
| 3.1.2 不同氮素水平下水稻产量情况分析 |
| 3.1.3 本节结论与讨论 |
| 3.2 不同氮素水平下水稻冠层SPAD值分布变化特征及其与氮素营养诊断的关系 |
| 3.2.1 水稻整个生长期植株SPAD值变化情况 |
| 3.2.2 不同施氮处理下水稻不同叶位叶片的SPAD值分布特征 |
| 3.2.3 水稻上、下叶位叶片SPAD差值与施氮水平的关系 |
| 3.2.4 本节结论与讨论 |
| 3.3 水稻叶片SPAD值与单位质量氮含量(N_w)、单位面积氮含量(N_a)之间的关系及其在氮素营养诊断用的应用 |
| 3.3.1 不同时期水稻叶片SPAD值与N_w、N_a的关系 |
| 3.3.2 水稻不同时期、不同叶位叶片的SPAD值与N_w的关系 |
| 3.3.3 选定指示叶的SPAD值与N_w的关系在氮营养诊断中的应用 |
| 3.3.4 以指示叶SPAD值与标准值之间的差值为指导推荐追肥量 |
| 3.3.5 本节结论与讨论 |
| 3.4 水稻冠层不同叶位叶片叶绿素a/b的特征 |
| 3.4.1 水稻不同时期、不同叶位叶片叶绿素a/b的特征 |
| 3.4.2 水稻冠层不同时期叶绿素a/b特征 |
| 3.4.3 本节结论与讨论 |
| 4 研究总结与展望 |
| 4.1 研究主要结论 |
| 4.1.1 施氮对水稻生物量及产量的影响 |
| 4.1.2 不同施氮处理下水稻不同叶位叶片的SPAD值分布特征 |
| 4.1.3 水稻上、下叶位叶片SPAD差值与施氮水平的关系 |
| 4.1.4 水稻叶片的SPAD值与单位质量氮含量(N_w)、单位面积氮含量(N_a)的关 |
| 4.1.5 不同时期水稻不同叶位叶片SPAD值与N_w之间的关系 |
| 4.2 本文创新点 |
| 4.2.1 确定各个时期适宜的指示叶 |
| 4.2.2 确定各个指标的具体判断标准 |
| 4.2.3 根据判断标准初步确定氮肥追肥量 |
| 4.3 研究展望 |
| 4.3.1 关于SPAD值与Nw、N_a的相关性的验证 |
| 4.3.2 利用上、下叶位的SPAD差值来诊断水稻氮素营养 |
| 4.3.3 推荐施肥量的确定有待更进一步的研究 |
| 参考文献 |
| 附录 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 作物模型 |
| 1.2.2 作物模型优点 |
| 1.2.3 作物模型分类 |
| 1.2.4 作物模型在国际上的研究进展 |
| 1.2.5 作物模型国内研究进展 |
| 1.2.6 存在问题与前景 |
| 1.3 DSSAT 模型 |
| 1.3.1 DSSAT 模型的发展 |
| 1.3.2 DSSAT 模型的构成 |
| 1.3.3 DSSAT 作物系统模型 |
| 1.3.4 DSSAT 水分平衡模型 |
| 1.3.5 DSSAT 碳氮模型 |
| 1.4 DSSAT 输入、输出和试验性能数据文件 |
| 1.4.1 输入文件 |
| 1.4.2 输出文件 |
| 1.4.3 田间试验性能数据文件 |
| 1.5 DSSAT 模型研究进展 |
| 1.5.1 DSSAT 在国外的应用研究 |
| 1.5.2 DSSAT 在我国的应用研究 |
| 1.6 研究契机和技术路线 |
| 1.6.1 研究契机 |
| 1.6.2 技术路线 |
| 第二章 材料与方法 |
| 2.1 模型选定 |
| 2.2 田间试验 |
| 2.2.1 加拿大长期定位试验 |
| 2.2.2 加拿大水分管理试验 |
| 2.2.3 中国吉林公主岭施肥试验 |
| 2.3 模型输入数据构建 |
| 2.3.1 试验数据文件 |
| 2.3.2 土壤数据 |
| 2.3.3 气象数据 |
| 2.3.4 作物品种遗传特性参数 |
| 2.4 模拟性能评价方法 |
| 第三章 应用DSSAT 模拟长期定位试验单作玉米的产量和土壤氮素循环 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 田间试验数据 |
| 3.2.2 模型的输入/输出和评估数据 |
| 3.3 结果与讨论 |
| 3.3.1 品种参数校验 |
| 3.3.2 产量评估 |
| 3.3.3 土壤矿质N 模拟 |
| 3.4 小结 |
| 第四章 应用DSSAT 模拟地下排水与控制的地下排水-地下灌溉作物系统 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 试验地点与设计 |
| 4.2.2 模型描述 |
| 4.2.3 模型输入 |
| 4.2.4 模型性能指标 |
| 4.3 结果与讨论 |
| 4.3.1 土壤水含量 |
| 4.3.2 作物产量 |
| 4.3.3 地下暗管排水中的硝态氮淋失 |
| 4.4 小结 |
| 第五章 基于DSSAT 模型中国东北地区玉米肥料管理的研究 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.2.1 田间试验设计 |
| 5.2.2 校验和评估数据 |
| 5.2.3 CERES-Maize 模型描述 |
| 5.2.4 模型输入 |
| 5.2.5 模型模拟性能指标 |
| 5.3 结果与讨论 |
| 5.3.1 模型校验 |
| 5.3.2 模型评估 |
| 5.3.3 植物氮和地上氮吸收评估 |
| 5.3.4 氮素吸收的敏感性分析 |
| 5.4 小结 |
| 第六章 全文结论与展望 |
| 6.1 全文结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
| 1 材料与方法 |
| 1.1 试验数据 |
| 1.2 系统设计方法 |
| 2 模型描述 |
| 2.1 FACE水稻氮素累积量模型[19] |
| 2.1.1 水稻氮素累积量常规模型 |
| 2.1.2 FACE对水稻氮素累积量的影响 |
| 2.1.3 施氮量对水稻氮素累积量的影响 |
| 2.2 FACE水稻含氮率模型[19] |
| 2.3 模型参数 |
| 3 系统的主要内容 |
| 3.1 模型的入库与数字化 |
| 3.2 实时数据链接 |
| 3.3 可视化 (图形) 结果处理 |
| 3.4 模拟结果的直观验证 |
| 4 系统的功能与应用 |
| 4.1 用户管理 |
| 4.2 氮素动态模拟 |
| 4.3 模拟结果验证 |
| 5 结语 |
| 摘要 |
| ABSTRACT |
| 第一章 文献综述 |
| 1 作物氮素营养监测的意义及方法 |
| 1.1 作物氮素营养监测的重要意义 |
| 1.2 作物氮素营养监测的常规方法 |
| 1.2.1 形态诊断 |
| 1.2.2 化学诊断 |
| 1.2.3 叶色诊断 |
| 1.3 作物氮素营养监测的现代方法 |
| 1.3.1 叶绿素计诊断 |
| 1.3.2 叶绿素荧光法 |
| 1.3.3 图象识别技术 |
| 1.3.4 光谱遥感监测技术 |
| 2 高光谱遥感技术的发展动态 |
| 2.1 高光谱遥感的技术特点 |
| 2.2 作物生长光谱监测的基本原理 |
| 2.3 植被叶片的光谱特性 |
| 3 作物叶片氮素组分的光谱监测进展 |
| 3.1 作物叶片氮素的光谱监测 |
| 3.2 作物叶片色素的光谱监测 |
| 3.3 作物氮素营养监测存在的问题 |
| 4 本研究的目的及意义 |
| 参考文献 |
| 第二章 技术路线与研究方法 |
| 1 研究思路与技术路线 |
| 2 材料与方法 |
| 2.1 试验设计 |
| 2.2 资料获取方法 |
| 2.2.1 光谱信息获取 |
| 2.2.2 农学参数测定 |
| 2.3 数据分析与利用 |
| 2.3.1 高光谱特征参数及提取 |
| 2.3.1.1 基于原始反射率的参数 |
| 2.3.1.2 导数技术及"三边"参数 |
| 2.3.1.3 高光谱植被指数 |
| 2.3.2 回归分析与建模 |
| 参考文献 |
| 第三章 基于叶片高光谱指数的水稻单叶氮素组分含量监测 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 叶片取样及光谱测定 |
| 1.3 氮素营养指标测定 |
| 1.4 数据分析与利用 |
| 2 结果与分析 |
| 2.1 水稻叶片全氮及蛋白氮含量的变化特征 |
| 2.2 水稻叶片光谱反射率的变化特征 |
| 2.3 水稻叶片全氮及蛋白氮含量与原始光谱及一阶导数的相关性 |
| 2.4 水稻叶片氮素组分与比值光谱指数的定量关系 |
| 2.4.1 水稻叶片全氮含量与比值光谱指数的定量关系 |
| 2.4.2 水稻叶片蛋白氮含量与比值光谱指数的定量关系 |
| 2.5 水稻叶片氮素组分与差值及归一化差值光谱指数的定量关系 |
| 2.6 模型的测试与检验 |
| 3 小结与讨论 |
| 参考文献 |
| 第四章 基于叶片高光谱指数的水稻单叶叶绿素含量监测 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 叶片取样及光谱测定 |
| 1.3 叶片叶绿素含量测定 |
| 1.4 数据分析与利用 |
| 2 结果与分析 |
| 2.1 水稻叶片叶绿素含量的变化特征 |
| 2.2 叶片叶绿素含量与原始光谱及一阶导数的相关性 |
| 2.3 叶片叶绿素含量与已有高光谱指数的定量关系 |
| 2.4 叶片叶绿素含量与新型高光谱指数的定量关系 |
| 2.5 叶片叶绿素含量与修正型光谱指数的定量关系 |
| 2.6 模型的测试与检验 |
| 3 小结与讨论 |
| 参考文献 |
| 第五章 基于叶片高光谱指数的水稻群体叶片氮素组分含量监测 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 叶片取样及光谱测定 |
| 1.3 氮素营养指标测定 |
| 1.4 数据分析与利用 |
| 2 结果与分析 |
| 2.1 水稻群体叶片全氮及蛋白氮含量的变化特征 |
| 2.2 水稻群体叶片全氮及蛋白氮含量与不同叶位原始光谱及一阶导数的相关性 |
| 2.3 已有光谱指数在不同叶位层次上的估测能力 |
| 2.4 估算水稻群体叶片全氮及蛋白氮含量的敏感光谱指数 |
| 2.5 模型的测试与检验 |
| 3 小结与讨论 |
| 参考文献 |
| 第六章 基于叶片高光谱指数的水稻群体叶片叶绿素含量监测 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 叶片取样及光谱测定 |
| 1.3 叶绿素含量测定 |
| 1.4 数据分析与利用 |
| 2 结果与分析 |
| 2.1 水稻群体叶片叶绿素含量的变化特征 |
| 2.2 水稻群体叶片叶绿素含量与不同叶位原始光谱及一阶导数的相关性 |
| 2.3 估算水稻群体叶片叶绿素含量的适宜叶位 |
| 2.4 估算水稻群体叶片叶绿素含量的适宜叶片光谱指数及模型构建 |
| 2.5 模型的测试与检验 |
| 3 小结与讨论 |
| 参考文献 |
| 第七章 基于叶片高光谱指数的水稻类胡萝卜素状况监测 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 叶片取样及光谱测定 |
| 1.3 类胡萝卜素指标测定 |
| 1.4 数据分析与利用 |
| 2 结果与分析 |
| 2.1 水稻叶片类胡萝卜素状况的变化特征 |
| 2.2 水稻叶片类胡萝卜素含量与叶片原始光谱及一阶导数的相关性 |
| 2.3 估算水稻叶片类胡萝卜素含量的敏感光谱指数 |
| 2.4 估算水稻叶片类胡萝卜素/叶绿素比的敏感光谱指数 |
| 2.5 估算水稻群体叶片类胡萝卜素含量的敏感光谱指数 |
| 3 小结与讨论 |
| 参考文献 |
| 第八章 讨论与结论 |
| 1 讨论 |
| 1.1 高光谱分析与农学参数反演 |
| 1.2 水稻叶片氮素状况的定量监测 |
| 1.3 水稻叶片色素状况的定量监测 |
| 1.4 水稻群体氮素组分的定量监测 |
| 1.5 本研究的特色与创新 |
| 1.6 今后的研究设想 |
| 2 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
| 1 氮肥吸收利用的模拟 |
| 1.1几个模型的概述 |
| 1.1.1 ORYZA-0模型 |
| 1.1.2氮肥管理优化系统MANAGE-N |
| 1.1.3 ORYZA2000模型 |
| 1.1.4 CERES-Rice模型 |
| 1.1.5 QUEFTS模型 |
| 2 模型的对比 |
| 3 展望 |
