作物无损检测论文

作物无损检测论文（精选9篇）

作物无损检测论文 篇1

氮素是作物体内质量分数最高, 需要量最多的营养元素之一, 对作物的生长发育以及最终的产量和品质形成起着极为重要的影响[1,2], 所以合理的氮肥施用措施管理是充分发挥作物产量潜力, 促进光合产物向籽粒转移的重要大田管理措施, 而简便、快速、精确的植株氮素营养状况诊断及土壤供氮能力评价方法是进行科学氮肥管理的前提, 这也是当前精确农业的热点研究内容。但目前我国各地氮肥过量施用情况较普遍, 使我国农业生产面临着土壤养分由大面积缺乏向过量累积的方向转变, 增肥不增产, 肥料养分利用率下降等重大问题, 并进一步对环境造成了巨大的压力, 如土壤氮残留增加、土壤酸化、水体富营养化、饮用水污染及温室气体排放等[3,4,5,6]。此外, 氮肥的过量施用还提高了农业生产成本, 增加了农民经济负担。所以, 紧密结合我国农业生产实际, 在保障粮食安全的前提下, 实现对氮肥的高效管理已成为我国农业可持续发展的必然要求[7]。因此, 建立一种快速、经济、实时的田间作物氮营养状况诊断方法, 并据此确定科学的施肥管理措施, 对提高氮肥利用效率, 合理利用资源, 提高作物产量、改善作物品质、增加农民收入以及对环境的保护都有重要意义。

1 作物外观诊断方法

氮是细胞中蛋白质的主要组成物质, 也是叶绿素的主要成分。玉米在生长发育过程中如果氮素供应不足, 在外部形态上常表现为植株矮小瘦弱, 地上部生长缓慢, 根、茎、叶、籽粒等重量的明显降低。在植株缺氮情况下, 蛋白质及叶绿素合成受阻, 叶片呈浅绿或黄绿, 表皮细胞和叶肉细胞脱水收缩干枯在一起, 叶片边缘常常首先枯萎, 导致叶片逐渐失去正常光合作用的能力。在营养生长过程中如果缺氮, 往往老叶中的氮素会向幼嫩组织中转移, 以维持植株的正常生长, 所以整个植株先从老叶开始表现出缺氮症状, 老叶外观症状呈现倒“v”字型, 叶尖端枯黄, 逐渐从叶中脉向叶鞘发展, 从下叶位向上叶位渐变成黄褐色, 严重时导致植株枯死。其次, 缺氮时玉米根系发育与正常植株也有明显差异, 主要表现为根表面洁白细长, 且根量小, 根尖端无侧根和根毛[8,9,10]。氮素供应过多也会对玉米的生长发育造成不良影响, 这时会导致植株徒长, 节间伸长, 分蘖增多, 贪青晚熟, 直至产生少苗现象。

叶色是作物氮营养状况的最直接外在表现, 用叶色卡设置的叶色级别做参比, 与作物叶片颜色作比较, 可以定性地判定作物氮营养状况。通过田间试验, 可以确定不同作物品种的标准叶色级别范围, 当田间实测叶色级别超过设定的标准叶色级别时, 说明植株氮营养过剩;当叶色级别小于设定的标准叶色级别时, 则表明植株氮素营养缺乏。叶色诊断方法简单易行, 但是只能定性的作出氮营养状况判断, 而且容易与其他导致作物失绿的因素产生混淆, 这些都制约着叶色诊断方法对作物氮营养状况诊断的应用和精度。

根据外观特征作出的氮营养状况诊断一般只在植株仅缺一种元素的情况下才有效, 如果植株同时缺乏两种或两种以上营养元素时, 或者出现由病虫害、药害、生理病害等非营养元素引起的与缺氮时类似外观症状时, 容易造成误判。此外, 外观缺氮诊断方法的时效性太差, 当植株出现缺氮症状时, 表明缺氮状况已经相当严重, 此时再采取追施氮肥等补救措施时, 往往已于事无补。总之, 外观症状诊断的诊断结果不易量化, 时效性较差[11,12]等缺点使得这一技术在实际应用中存在明显的局限性。

2 SPAD叶绿素仪诊断方法

叶绿素含量的高低, 直接影响着作物光合作用的大小, 是作物健康生长的重要指标。便携式叶绿素仪所测SPAD (Specialty Products Agricultural Division) 值可以直接用来反应叶绿素含量的大小[14], 该仪器根据叶片叶绿素对可见光的吸收特性, 通过测量一定波长的光强和透过叶片的光强对叶片叶绿素含量进行测定。就SPAD-502型叶绿素仪而言, 该仪器有2个发射光源, 分别发射波长为650 nm红光和波长为940 nm的红外光, 叶绿素吸收650 nm的红光, 对940 nm的红外光并不吸收, 940 nm波长的红外光的发射和接收的目的主要是为了消除叶片厚度对测量结果的影响。红光一部分被叶片的叶绿素吸收。另一部分透过叶片被接收器转换成为电信号, 通过接收器接收到的光强和发射的光强比较, 即SPAD读数, 确定叶片叶绿素的含量。大量研究表明, 许多作物的叶绿素仪读数和植株全氮或叶片全氮之间有很好的相关性[13,15,16,17,18,19], 该仪器已经被用于部分作物的大田植株氮营养诊断和施氮量推荐。

蔡红光等[20]对两种土壤肥力条件下的4个春玉米品种SPAD值分析比较表明, 叶片的SPAD值与吸氮量、生物量及产量呈显著相关, SPAD值受氮肥施用水平影响较大, 随土壤肥力变化的变异较小, 该值从大口期至灌浆期的平均变异幅度为17.7%, 品种间变异不显著, 仅为4.3%, 说明在建立玉米氮营养状况诊断SPAD值指标时, 不需要因品种不同而做调整, 但在不同肥力条件下需要进行适当调整。Hussain[21]用SPAD值构建水稻充足SI指数 (充足氮肥供应时水稻叶片SPAD读数的90%) , 当水稻叶片SPAD值低于SI指数时就需要适当追施氮肥, SI指数可以减少因生育期、品种等差异对SPAD读数影响, 但该方法在实际推广应用中的一个局限是必须设置一个充足氮肥供应的处理作为参照。罗新宁等[22]对棉花氮素随叶位的空间分布特征, 及不同叶位叶片的含氮率、SPAD值之间, SPAD值与总叶片含氮率、植株含氮率间的相关性作了分析, 结果表明各生育期倒4叶的SPAD值对氮营养亏缺的敏感性最高, 所以倒4叶是利用SPAD值诊断棉花氮营养状况的理想叶位。李志宏等[23]利用叶绿素仪进行了冬小麦氮营养田间快速测定, 并成功地进行了氮肥施用量推荐, 结果表明将冬小麦最上部完全展开叶的中部作为氮营养状况的测定部位, 测得的SPAD值与冬小麦全氮、施氮量及作物产量之间都有较好的相关性, 但不同冬小麦品种对SPAD值的测定结果影响较大, 需要构建相对SPAD读数对其进行校正, 以消除冬小麦品种间的SPAD值差异。

由于SPAD值能间接反应作物叶片叶绿素含量及含氮量, 并且在测定SPAD值时, 操作简便、快速、不受光照条件限制, 对所测叶片无破坏性, 现在已是理想的作物叶绿素和氮营养快速诊断方法, 对指导作物的氮肥施用管理有着极大的实际应用价值。

3 数字图像诊断方法

植株含氮量是反映作物氮营养状况的最直接、最可靠指标, 由于叶片含氮量和叶绿素浓度之间的相关性较好, 所以可以通过测定叶片叶绿素浓度来监测植株氮营养状况[24], 而叶绿素浓度是影响叶片外观颜色特征的内在因素, 由于植株氮营养不良引起的叶片叶绿素浓度降低也必然会反映在叶片对可见光的反射特性上, 尤其是对绿光波段的反射特征影响, 这就为利用植株或叶片数字图像颜色特征进行氮营养状况诊断提供了科学依据和理论基础。

叶片对红光和蓝光吸收最多, 对绿光吸收最少, 此外叶片结构特点及水分状况等对可见光中不同光质的吸收和反射也有较大的影响。用数码相机或扫描仪采集叶片数字图像可以反映叶片对可见光的吸收和反射的情况。综合运用数字图像处理、模式识别等技术对获取的作物叶片数字图作分析处理, 从图像中获取与作物氮营养相关的有效特征信息, 这些特征信息能够反映人眼难以识别的颜色差异, 使利用作物叶色进行氮营养定量诊断成为可能。

刘颖等[25]采集了不同氮肥用量大田玉米拔节期冠层彩色图像, 分析数字图像指标:绿光绝对值 (G) 、绿光标准化值[G/ (R+G+B) ]、绿光与图像亮度比值 (G/L) 、绿光与红光比值 (G/R) 与氮营养指标的相关性, 结果表明利用数字图像技术可以对玉米氮素营养状况做出较精确的诊断。祝锦霞等[26]运用数字图像处理技术提取了水稻叶片数字图像中不同氮营养水平水稻的叶色、纹理和形态特征, 并建立了基于叶色、形态特征和纹理的水稻氮素营养诊断模型。Blackmer等[27]从航空拍摄玉米的冠层图像中提取的红、绿、蓝三色光均与玉米产量达到了极显著的正相关关系。孙钦平等[28]的研究表明, 夏玉米数字图像颜色参数绿光值、蓝光值、红光标准化值、绿光标准化值和蓝光标准化值与夏玉米植株全氮含量有着显著的线性关系, 为应用数字图像技术自动化检测农作物的生长发育提供了技术依据。

4 高光谱遥感诊断方法

高光谱遥感技术是利用作物冠层反射光谱数据分析研究作物的生长发育、生物量、营养状况的无损监测技术, 该技术也是当前作物氮营养无损检测的研究热点。作物叶片中的含水率、叶绿素含量、含氮量以及其他生理化学成分的不同, 导致了作物反射光谱在不同波段里会出现不同特征的反射光谱曲线:绿色作物叶片在可见光350~700 mn有强吸收, 反射和透射都较低, 特别是受到叶绿素a、b的强吸收, 导致在蓝光和红光区域形成两个吸收谷, 在绿光处形成一个反射峰;780~1350 nm的反射光谱特性与叶片内部结构有关系, 一般认为细胞层数越多, 则细胞形状、成分的各向异性及差异越明显, 光谱反射率就越高;由于水分在1450 nm及1940nm的强吸收特征, 使得1350~2500 nn的光谱特征受叶片含水率影响显著。

已有大量关于近红外光谱技术用于对作物氮营养状况监测的相关报道[29,30]。唐延林等[31]分析了不同氮素水平、不同生育期大麦冠层反射光谱特性及一阶导数光谱、红边参数与氮营养水平之间的相关性, 表明大麦冠层光谱及其一阶导数光谱和红边参数与氮营养水平存在显著相关性。刘宏斌等[32]通过连续三年的田间冬小麦冠层光谱反射率分析表明, 冬小麦冠层的红光波段和近红外波段受氮营养水平的显著影响, 可作为冬小麦氮营养诊断的敏感波段, 进一步利用红光波段和近红外波段导出的比值植被指数RVI能敏感地反映冬小麦氮营养水平。王渊等[33]认为反射光谱的一阶微分是预测油菜氮含量的理想指标, 用短波红外光波段能较好地预测氮含量, 但相关性较好的短波红外区域一般都较窄。杨玮等[34]研究表明, 采用氮肥优化算法的氮肥变量施用精准管理区的NDVI指数空间变异小于常规氮肥施用管理区, 表明采用光谱检测技术结合改进的氮肥施用量优化算法进行的变量施肥可以提高农田的氮肥利用率。陈青春等[35]利用水稻拔节期的DVI指数估测植株氮积累量, 并构建了追氮调控模型对穗肥施用量作了较精确的估算, 与传统的农户经验氮肥施用方法比较, 基于反射光谱的水稻氮肥追施调控技术可以通过预测植株氮积累量和土壤供氮量对氮肥追施量作推荐。覃夏等[36]将水稻冠层NDVI指数和植株吸氮量两者建立了定量关系, 筛选出最佳的氮营养光谱诊断模型, 并结合水稻高产栽培经验, 实现了早稻的氮肥追施用量实时推荐, 与当地农户经验施肥模式对比, 所建立的NDVI指数推荐施肥方法能在保证不减产的情况下, 降低氮肥施用量, 并且提高氮肥农学利用率。

目前已有用于农作物氮营养状况监测和氮肥施用量推荐的近红外光谱仪用于大田的实践中, 例如美国开发的Green Seeker光谱仪, 该仪器为一例地面主动遥感光谱仪, 克服了传统诊断方法的时效性差、破坏植株等缺点, 由于采用了主动光源, 对外界干扰因素的抵抗能力也相应增加, 利用采集的冠层NDVI指数分析作物的长势, 可以实现作物的氮营养实时诊断, 并提供最终的优化氮肥施用量管理决策。

5 小结

作物氮营养状况诊断是田间作物生长发育化学调控和生产管理的中心内容, 是农业技术指导部门和生产者制定生产管理决策的主要依据, 所以作物氮营养状况诊断一直是作物栽培和植物营养研究领域中被广泛研究的方向之一[37]。植株含氮量是反映作物氮营养状况的最直接评价指标, 与作物产量也有很好的相关性[38]。现在对大多数作物在不同生育期或不同器官的氮临界浓度已基本划定清楚, 但含氮量的化学检验方法需要破坏植株, 操作过程繁琐耗时间, 费用高, 且专业性较强, 难以实时做出氮营养状况的诊断结论[39,40]。外观诊断速度虽然快速, 但受操作者的主观评价差异影响较大, 往往只能作出定性判别, 难以对诊断结果做出量化分析, 更难以达到进一步指导精准施肥的目的。寻求一种快速、经济、可靠的氮营养状况诊断技术己成为实现田间氮肥智能化和科学化管理的当务之急。近红外光谱检测技术的出现使作物氮营养状况的快速、准确诊断成为可能, 该技术已经逐渐成为田间定量获取农作物生长发育信息的一种重要手段[41,42,43,44]。

作物无损检测论文 篇2

1、热带雨林气候：终年高温潮湿，适宜热带经济作物生长。

代表性经济农作物：【橡胶、金鸡纳、可可、胡椒、油棕等，粮食作物：水稻】

2、热带草原气候：热带草原气候的特点就是干湿季分明，降水集中在湿季，旱季是无法进行农业耕作的，因此农业也随着雨带迁移，只适合原始迁移农业，无经济作物。

3、热带季风气候：终年高温，年平均气温在22℃以上；年降水量大，旱雨季明显，降水集中在夏季；【水稻种植业、黄麻、橡胶、茶叶、咖啡、可可。还有各种水果】。

4、热带沙漠气候：因为经常无云、风大、日照强、气温高、相对湿度小，因此蒸发力非常旺盛。只适合发展灌溉农业，绿洲农业中代表农作物：【枣椰树】

5、亚热带季风和季风性湿润气候：：亚热带季风气候适宜种的经济作物是【甘蔗、橡胶】粮食作物为【水稻】

6、地中海气候：农作物以耐旱的品系为特征。【在农作物中，主要是小麦和大麦，其次是燕麦和玉米。葡萄、木本作物油橄榄，以及无花果是该地区广为种植的经济作物。饲养的牲畜有绵羊、山羊和猪。所以耐旱的农作物、木本经济作物与饲养牲畜相结合是地中海地区农业。】

7、温带海洋性气候：温带海洋性气候，纬度较高，阴雨天气多，热量和光照条件一般不太适合发展种植业（巴黎盆地热量条件较好，有种植业分布），一般以【畜牧业】（如苏格兰北部），【花卉种植业】（如荷兰）等对热量要求较小的农业类型为主。

8、温带季风气候：夏季高温多雨，雨热同期，有利于【小麦、棉花】等农作物的生长;夏季昼较长，光照时间长，光合作用的时间长;夏季晴天多，气温的日较差较大，有利于农作物的生长。

9、温带大陆性气候：夏季高温冬季寒冷降水总量少并且降水主要集中在夏季降水对农业的影响很大。种植的农作物可以选择的品种就很少只能种【马铃薯、甜菜】等

作物植株全钾检测方法比较研究 篇3

关键词：作物,植株全钾,重量法,原子吸收分光光度法,火焰分光光度法,测定,比较

目前, 作物植株全钾的检测方法没有国标、行标, 在广西地区甚至尚无地标, 钾的检测方法主要有四苯基合硼酸钾重量法、火焰分光光度法、原子吸收分光光度法等[1,2]。因此, 在日常检测工作中, 笔者对作物植株全钾的检测方法进行比较探讨, 现将结果报告如下。

1 材料与方法

1.1 试验材料

供试材料:2011年灵川县各种小区试验的大米、黄豆、圆白菜植株样及生物成分分析标准物质。

主要仪器设备:真空泵、4号玻璃坩埚、干燥箱 (能维持120℃±5℃) , 火焰分光光度计, 原子吸收机。

主要试剂:15 g/L四苯硼酸钠溶液、40 g/L乙二胺四乙酸二钠盐、400 g/L氢氧化钠溶液、溴水溶液、硫酸、30%过氧化氢、钾标准贮备溶液。

1.2 测试方法

1.2.1 试样溶液制备。

(1) 重量法。称取过35目的风干试样5 g, 置于250 m L锥形瓶中, 加约150 m L水加热煮沸30 min, 冷却, 定量转移到250 m L量瓶中, 用水稀释至刻度, 混匀, 干过滤, 弃去最初50 m L滤液, 得滤液a, 备用。 (2) 原子吸收分光光度法、火焰分光光度法。称取过35目的风干试样0.5 g, 置于凯氏烧瓶底部, 用少量水冲洗沾附在瓶壁上的试样, 加硫酸5.0 m L和过氧化氢1.5 m L, 小心摇匀, 瓶口放一弯颈小漏斗, 放置过夜。在可调电炉上缓慢升温至硫酸冒烟, 取下, 稍冷后加15滴过氧化氢, 轻轻摇动凯氏烧瓶, 加热10 min, 取下, 稍冷后分次加5~10滴过氧化氢并分次消煮, 直至溶液呈无色或淡黄色清液后, 继续加热10 min, 除尽剩余的过氧化氢。取下稍冷, 小心加水至20~30 m L, 加热至沸。取下冷却, 用少量水冲洗弯颈小漏斗, 洗液收入原凯氏烧瓶中。将消煮液移入100 m L容量瓶中, 加水定容, 静置澄清或用滤纸过滤到具塞三角瓶中, 得到滤液b, 备用。

1.2.2 测定。

(1) 重量法。吸取1.2.1中滤液a 25 m L, 置于200 m L烧杯中, 加EDTA溶液20 m L, 加酚酞溶液2~3滴, 滴加氢氧化钠溶液至红色出现时, 再过量1 m L, 在良好的通风柜内缓慢加热煮沸15 min, 然后放置冷却或用水冷却至室温, 若红色消失, 再用氢氧化钠溶液调至红色。在不断搅拌下, 于试样溶液中逐滴加入四苯硼酸钠溶液, 加入量为每含1 mg氧化钾加四苯硼酸钠溶液0.5 m L, 并过量约7 m L, 继续搅拌1 min静置15 min以上, 用倾滤法将沉淀于120℃下预先恒重的4号玻璃坩埚式滤器内, 将盛有沉淀的坩埚置入120℃±5℃干燥箱中, 干燥1.5 h, 然后放在干燥器内冷却, 称重。 (2) 原子吸收分光光度法、火焰分光光度法。测定不同的稀释倍数用同一条曲线对测试结果的影响, 吸取1.2.1中滤液b 5.00 m L分别于50、250、500 m L容量瓶中, 用水定容 (或另按要求吸取、定容) , 上机测试。原子吸收机测试所用的曲线浓度是0、2.00、4.00、6.00、8.00、10.00μg/m L。火焰分光光度计测试所用的曲线浓度是0、5.00、10.00、15.00、20.00μg/m L。测定不同稀释倍数用不同曲线对测试结果的影响, 分别吸取1.2.1中滤液b 5.00 m L分别于50、100、250 m L容量瓶中, 用水定容;上机测试。原子吸分光光度法测试所用的曲线浓度分别是:0、5.00、10.00、15.00、20.00μg/m L;0、2.00、4.00、6.00、8.00μg/m L;0、1.00、2.00、3.00、4.00μg/m L。火焰分光光度计测试所用的曲线浓度是:0、5.00、10.00、15.00、20.00μg/m L;0、3.00、6.00、9.00、12.00μg/m L;0、1.00、2.00、3.00、4.00μg/m L。

2 结果与分析

2.1 不同测试方法对植株全钾检测结果的影响

从表1可以看出, 重量法检测的结果严重超过允许误差;测定值偏离实际值不可避免, 该方法不适用于作物植株全钾检测。原子吸收分光光度法和火焰分光光度法的检测结果的误差都较小, 都在允许误差内, 均可以用于植株全钾检测。

2.2 不同稀释倍数用同一条曲线对植株全钾检测结果的影响

从表2可以看出, 不同的稀释倍数用同一条曲线对测试结果的影响是:稀释倍数越大检测结果越高, 原子吸收分光光度法稀释倍数增大, 检测结果增高更加明显。由于稀释倍数加大, 吸光度值变小, 但使校正值加大, 从而使计算结果偏高[3,4]。

2.3 不同稀释倍数用不同曲线对植株全钾检测结果的影响

从表3可以看出, 随着稀释倍数的加大, 测定所用的曲线浓度也相应减小, 使待测溶液的浓度保持在标准曲线的中部, 测定的结果都比较准确, 都在允许误差范围内。

3 结论与讨论

通过分别用重量法、原子吸收分光光度法和火焰分光光度法来测定作物植株的全钾, 探讨了不同稀释倍数和不同曲线浓度对测定结果的影响, 旨在找出这3种测定方法中日常测试最适合用来测定植株全钾的方法。测试结果表明, 重量法检测的结果严重超过允许误差, 不适合用于植株全钾测定;原子吸收分光光度法、火焰分光光度法检测结果与原结果偏差均在允许范围内, 结果较为准确、灵敏度较高、重现性好、可靠, 都能用于植株的全钾检测, 但是火焰分光光度法更为优越, 因为火焰分光光度法的操作简便、分析速度快、试样处理好后数分钟可完成测定, 并且火焰分光光度法对操作费用和技术要求不太高, 测定结果稳定, 可节省成本和减轻化验工作人员的劳动强度。在用火焰分光光度法测定植株全钾时, 为了减少样品、试剂的浪费, 同时又能保证检测结果的准确[5,6], 检测植株所用的稀释倍数以10倍为佳, 曲线浓度以0、5.00、10.00、15.00、20.00μg/m L为宜, 该结果可为同行在测定作物植株全钾时提供参考。

参考文献

[1]GB/T 8574-2010复混肥料中钾含量的测定四苯硼酸钾重量法[S].北京:中国质检出版社, 2010.

[2]NY/T 87-1988土壤全钾测定法[S].北京:中国标准出版社, 1988.

[3]全国农业技术推广服务中心.土壤分析技术规范[S].2版.北京:中国农业出版社, 2009:75-77.

[4]北京农业大学.农业化学[M].2版.北京:农业出版社, 2003.

[5]焦桂珍, 张凤侠, 赵云强, 等.烟叶中氯和钾常规法测定前处理改进初探[J].河南农业科学, 2008 (8) :150-151.

蔬菜作物教案 篇4

蔬菜作物

教材分析：

《蔬菜作物》是冀教版七年级上册第一单元第二章第三节第一课时，是本章的重点内容。它以绿色植物和人类的关系为主线，以学生常见的菜豆为研究对象，认识蔬菜的根、叶、花等特点。能够对常见蔬菜植物进行分类，进一步理解双子叶植物的特征。学生分析：

1、七年级学生好奇心和参与的意识较强。

2、对生物学的认识还处在初级阶段，缺乏知识底蕴，观察周边事物的意识还很淡薄。

3、在探究花的结构时，可能会出现困难。教学目标：

知识性目标

1、识别蔬菜作物举例说明蔬菜作物的分类。

2、说明双子叶植物的特征，并区别双子叶植物与单子叶植物的异同。

3、列举蔬菜作物的功能评价多种多样的蔬菜。能力性目标

1、运用已有观察探究植物的技能，小组合作完成探究菜豆植物的任务。

2、尝试交流探究结果。

3、运用所学知识技能，分辨周围植物。情感性目标

1、体验丰富多彩的蔬菜作物，关注科学技术发展状况，建立献身科学的意识。

2、体验与人合作、交流及成功的情感。教学重点：

说明双子叶植物的基本特征。教学难点：

探究花的结构

教学方法：观察法、实验法、比较法、自学法 教学手段：

1、利用多媒体课件展示菜豆的各部分结构图片，利于学生观察。

2、准备菜豆的花、镊子、放大镜、解剖针等实验器材来探究化的结构。教学过程：

导入：展示，各种各样蔬菜图片。

教师：同学们！我们每天都要吃大量的食物，在我们吃的食物当中，有馒头、米饭、肉类和蔬菜等等，其中蔬菜不仅味道鲜美，还含有丰富的人体不可缺少的维生素及其他营养物质。那么，谁知道蔬菜作物是怎么定义的？

学生：蔬菜作物是可供人们佐餐的草本植物的总称。

教师：同学们，上节课我们学习了植物体有六大器官构成，谁知道是哪六大器官呢？

学生：根、茎、叶、花、果实、种子

教师：同学们说得非常好。教师展示各种蔬菜的图片，请同学们说出分别吃的是什么部位。

学生：总结，根据蔬菜所吃器官的不同，可把蔬菜作物分为：根菜类、茎菜类、叶菜类、花菜类、果菜类等。

教师：学习生物学的基本方法是什么？ 学生：观察和实验

教师：同学们，今天我们就用着两种方法来学习蔬菜的代表植物———菜豆

探究活动一：观察菜的根系、叶形、叶脉分别属于什么类型？ 教师：展示，菜豆的根、叶形、叶脉。引导学生观察菜豆的外形，让其辨认菜豆的根系、叶形、叶脉分别属于什么类型。重点应放在根和叶脉上。

学生：通过观察总结：根系为直根系、叶形为心形、叶脉为网状脉。

探究活动二：观察菜豆的花，找出花萼、花冠、雄蕊、雌蕊等部分。数一数各部分的数目。

教师：教师讲解探究花的结构的实验中注意的事项，降低实验的难度。

学生：小组合作完成探究菜豆化的结构的任务，记录探究结果。学生：小组探究过程：此过程期间，教师巡视，个别问题个别讲解，共同问题，间断实验精细讲解。此任务在探究花的结构时可能出现困难，教师可共同指导：先观察外部形态，再解剖内部结构。解剖时，由外到内，花萼、花冠、雄蕊、雌蕊四部分先观察特点再数数目。

学生：小组结果交流。为了节约时间，小组之间纠正、补充即可,不必一一表达。（5瓣萼片、花冠5片、雄蕊10枚、雌蕊1枚、花的各部分基数为5）。

教师：交流完毕，抓住闪光点给予表扬。最后，补充完整。探究活动三：观察菜豆的果实，根据小辞典判断它属于何种果实类型。

学生：自学小词典的知识，然后讨论菜豆的果实类型。类型为：荚果

教师：展示各种果实的图片，同学们分析果实的类型。探究活动四：观察的菜豆种子，数一数子叶数目？ 学生：通过观察知道种子的胚中有两片。教师：像菜豆这样的植物叫做双子叶植物。学生：总结，菜豆的特点

教师：很多植物都有菜豆的特点，把他们统称为双子叶植物。学生：说出双子叶植物的特征

教师：你们知道的属于双子叶植物的蔬菜还有哪些？ 学生：白菜、萝卜、黄瓜、茄子、番茄等。

教师：蔬菜除了吃起来美味，含有丰富的营养外，同学们还知道他们有什么用处吗？

学生：自学课本知识链的内容，组间交流、总结。学生：师生以快问快答的方式完成老师出的题目。教师活动：请同学和大家分享你在本节课的收获。学生活动：互相交流对本节课的收获 教师活动：对整节课作出评价。学生：完成当堂的练习

课后推荐拓展学习：随着科学技术的不断发展，农业科技人员已经培育出许多产量高、品质好的蔬菜新品种。由于新的栽培方法和技

术的兴起，人们一年四季都可以吃到各种新鲜的蔬菜。比如太空蔬菜：我国从1987年至1999年，曾先后8次利用返回式卫星搭载种子，培育出青椒、番茄、黄瓜等许多蔬菜新品种。其中太空青椒增产效果非常突出，种植后接出的果实像茄子那么大，每个青椒都在250g以上，有的达到400～450g，每公顷产量60000～70000㎏，比普通青椒增产30～50，维生素含量提高了25。预计在不久的将来，太空蔬菜将成为寻常百姓的盘中餐。

教师：布置作业

板书设计

一、蔬菜作物的概念

蔬菜作物是可供人们佐餐的草本植物的总称。

二、蔬菜的分类 根据食用部位不同可分为 1.根菜类 2.茎菜类 3.果菜类 4.叶菜类 5.花菜类

三、双子叶植物的特征

直根系、网状叶、花的各部分基数为

作物无损检测论文 篇5

无损测试技术,即在不破坏作物组织结构的基础上,利用各种手段,对作物的生长、营养状况进行检测,传统的无损测试技术从颜色来表征植株氮素营养状况,20世纪60年代初,崔继林等用比色卡目力比色测定水稻叶色级实现水稻量化[8],后又有利用电子计算机控制下的电子分色仪制作标准比色卡[9]。近年来,随着相关领域科技水平的不断提高,氮素营养诊断的无损测试技术正由定性或半定量向精确定量的方向发展,由手工测试向智能化测试方向发展。本文介绍几种应用于作物氮素营养诊断的无损测试技术。

1 利用便携式叶绿素仪进行氮素营养诊断

便携式叶绿素仪是在20世纪80年代原产于日本的氮素营养诊断仪器,先后推出SPAD-501和SPAD-502两种型号,其工作原理是:基于叶绿素a和叶绿素b在可见光波段的红光区都有最大吸收峰,而在红外区则几乎没有,叶绿素仪采用双波长LED光源,一为650 nm红光LED,一为940 nm红外光LED,分别照射植物叶片表面,通过光电信号转换,比较通过叶片的透射光的光密度差异而得出SPAD值。因而,SPAD值是一个无量纲的比值,SPAD值只能相对的反映作物叶片叶绿素的含量,而不是真实值。

目前,对叶绿素仪在氮素营养诊断上的应用研究国内外已经广泛开展,但大多数应用于大田作物,如小麦[10],水稻[11],玉米[12],大麦[13]等,认为叶绿素仪测得值能够作为以上几种大田作物的氮素营养诊断指标。在蔬菜上目前在番茄、油菜、洋葱、胡萝卜及白菜上开始了研究,认为番茄[14]、油菜[15]和白菜[16]上SPAD值与室内实验硝酸盐含量测得值存在极显著相关,而在洋葱、胡萝卜上SPAD值与室内分析的硝酸盐值不相关[16],由此说明,叶绿素仪的应用推广只能针对部分作物。

目前,叶绿素仪应用的研究中,各研究者所采用的测定部位都基本上相同,即作物生长前期取新展开的第一片完全展开叶,生长后期则取功能叶作为测定部位。虽然叶绿素仪能用于大多数作物的氮营养诊断,但它仍有一些缺陷: 测得值变异度非常大,因此通过多点(至少30点)的随机测试才能降低测定的变异,这就意味着要花费较多的时间,并且要严格掌握测定的技术。测定结果受品种、耕作、环境等因素的影响很大,必须对偶测试指标进行相应调整。在小麦玉米大豆棉花等作物上,SPAD读数在一定施氮量范围内随着施氮量的增加而增加,但施氮量超过一定范围后,SPAD读数则相对稳定,因此,便携式叶绿素仪可能在某些作物上不能反映过量施氮问题。

2 利用遥感技术进行氮素营养诊断

高光谱遥感是对地观测的重要手段,利用野外光谱仪在地面的实测工作为精准农业等方面的应用进行有益的尝试,可以提高作物营养诊断的精度。

各种植物胁迫如缺氮、干旱等都会使作物叶片的光反射特性发生改变,通过检测植物冠层光化学反射特性可以了解作物的营养状况,影响叶片中对光吸收和光反射的主要物质是叶绿素、蛋白质、水分和含碳化合物,其中影响最大的是叶绿素含量,遥感技术就是通过检测作物冠层的光反射和光吸收性质来检测作物营养状况,特别是氮素营养状况。

通常使用高光谱分辨率遥感数据估计作物农学参数主要有两类方法:一是通过多元回归方法建立光谱数据或由此衍生的植被指数与作物农学参量之间的关系[17,18],二是通过作物的红边参数描述作物的物候变化及其农学参数[19,20,21,22]。

目前,国内外对高光谱在氮素营养诊断的研究已很广泛。国外学者早在20世纪80年代开始了大量研究[23,24]。我国起步较晚,2001年,程一松等对冬小麦氮素胁迫下的高光谱特征进行了提取和分析,认为对叶绿素密度、叶绿素含量、叶面积指数均可用高光谱遥感特征曲线中包含的近红外反射峰值、绿峰和红端位移等信息和参量来模拟[25]。薛利红等认为冠层反射光谱与水稻叶片含氮量的相关不显著,而与叶片氮积累量显著相关[26]。1972年Thorn等通过甜椒叶片的反射率估计含氮量,认为氮素营养水平对甜椒叶片在550 nm和667 nm波段的光谱反射率的影响最大,并利用这两个波段建立了氮素含量的数学模型[27]。

但与此同时,植物冠层光谱反射还受到地面土壤的背景、以及太阳高度角、空气折射率、风速、冠层结构等因素的影响,与植物本身的叶片结构、构成叶片的细胞数量和细胞壁排列方向等都有关系,且设备昂贵,技术复杂。因此,高光谱要应用于生产应该在分析手段和检测指标的确立方面需要一段时间的研究。

3 利用荧光诊断法进行氮营养诊断

近几年,有些学者开始研究利用叶绿素荧光法对作物进行营养诊断,聂磊通过对沙田叶绿素荧光特性与叶片矿质元素含量的关系研究发现[27],叶绿素荧光参数光化学效率(Fv/Fm)与叶片N含量呈极显著正相关。范燕萍采用水培方法对氮素营养胁迫与匙叶天南星生长及光合特性的研究发现,匙叶天南星叶片叶绿素荧光诱导动力学参数可以为植物对氮素营养环境适宜度的灵敏指标[28]。所以,叶绿素荧光技术也可以作为氮素营养诊断的一个方法加以研究。

4 利用冠层色彩分析进行氮营养诊断

近年来,通过判断作物冠层颜色深浅了解作物的氮素营养状况,或者进行施肥推荐、产量预测的研究逐渐增多,摄影技术开始应用于作物的氮素营养诊断的研究。其原理为:作物的冠层颜色受营养状况的变化的直接影响,即缺氮植物叶色颜色变浅,冠层颜色偏黄绿色,这样获得的冠层图象经计算机程序处理后,能精确定量植物冠层反射的红光(R)、绿光(G)、蓝光(B)值,用于氮素营养诊断。

在这些研究中,研究者多采用冠层图像色彩的相对值,或冠层绿光反射与红光反射的比值G/R来进行氮素营养诊断。除此之外,是否还有其他的图象色彩参数能够用来描述作物的氮素营养状况尚没有报道。Blackmer[29]等报道应用航空摄影技术获取了玉米的冠层图像,发现红、绿、蓝三色光与玉米产量间都达到了极显著的线性正相关关系。Adamsen等应用数码相机获取了冬小麦的冠层图像,并分析了冠层图像绿光(G)与红光(R)的比值G/R,认为G/R与叶绿素仪读数有极显著的相关关系[30]。Scharpf和Lory通过分析航空摄影,得到的玉米冠层图像对玉米的追肥施用量进行了预测与分析,结果发现在玉米生长6叶期到7叶期的冠层图像相对绿色与蓝色深度值与经济最佳施氮量间有良好的线性正相关关系[31]。由此可以判断随着相对绿色深度和蓝色深度与土壤供氮量间为线性反相关关系。但目前对这方面的研究还较少,没有建立一致的图象获取及处理标准,因此利用冠层色彩分析进行氮素营养诊断还有待进一步研究。

作物无损检测论文 篇6

关键词：种子,样品,检验检测,水平,仪器设备,国家标准,综合素质

室内检验就是通过对农作物种子的纯度、净度、发芽率、水份等质量特性进行室内检验和测定, 评定种子的种用价值, 以指导农业生产、商品交换和经济贸易活动, 并及时打击假劣种子的生产经营行为, 把假劣种子给农业生产带来的损失降到最低程度, 充分发挥优良栽培品种的丰产性, 确保农业生产安全。种子检测检验结果是否准确, 直接关系到种子生产者、经营者和使用者的切身利益。作为种子检验员, 要担负起自己神圣的职责, 客观、公正、准确地出具种子检验结果报告。现就如何提高农作物种子的室内检验检测水平, 本人以微薄的自身经验提出自己的几点看法, 以供同行者探讨。

1 配备先进的符合要求的检验仪器设备

检验仪器设备是从事种子检验工作的硬件设施, 是进行种子检验的先决条件。仪器设备的先进与陈旧, 直接影响到检测结果的准确性, 其量值范围、精确度必须符合国家标准。有了先进的检验仪器, 并按要求正确进行操作, 是提高检验检测水平的基础。

2 严格按照国家标准《农作物种子检验规程》进行检验

《农作物种子检验规程》 (以下简称《规程》) 是检验工作必须遵循的, 是规范检验员检验行为的标准, 是提高检验检测水平的重要保证。在种子检验的各个环节都要严格执行《规程》, 确保检验结果准确可靠。

2.1 扦样

扦样是种子检验的第一步, 在确定被扦种子批均匀一致 (通过了正常的精选和加工操作) 的前提下, 扦样员必须按《规程》规定扦取一定数量的有代表性的供检样品。当被扦种子批超过规定数量 (其允许差距为5﹪) 时, 则须分成若干个种子批, 分别给予不同的批号以便标识, 并分别扦样。样品必须封缄与标志, 能溯源到种子批, 否则检验结果只能代表样品, 不能代表种子批。在分取规定数量的送验样品的同时, 还要分取同样数量的备份样品, 用于在必要时进行检测。供水分测定的样品必须采用防湿密封容器包装, 以防样品水分随外界环境变化而变化, 影响测定结果。

2.2 检测

当供检样品送到检验室后, 检验员要从具有代表性的供检样品中分取试样, 按照《规程》规定的程序和方法对纯度、净度、发芽率、水分等种子质量特性进行测定, 并将检测结果与规定要求进行比较。在检测过程中, 样品大小以及试验条件和试验方法不同对检测结果影响较大, 要严格按照规定要求进行操作控制。

2.2.1 使检测样品标准化。

检测样品大小对检测结果影响较大, 随着样品大小的增加, 误差减小, 结果越可靠。《规程》明确规定了测定水分、净度、纯度以及发芽率等特性的试样数量 (重量) , 如规定发芽试验、纯度测定各需400粒, 净度测定至少含有2 500个种子单位的重量或GB/T3543.2-1995表1规定的重量。要严格按规定分取试样, 不能为减少工作量而随意减少数量 (重量) , 保证检测样品标准化。

2.2.2 使检测方法标准化。

种子检验检测方法很多, 如水分测定就有低恒温烘干法、高恒温烘干法、高水分预先烘干法以及水分快速测定法等, 发芽试验的发芽床有纸床、砂床和土壤床, 还有温度的不同等方法。要根据作物种类特性和特定需要选择最适宜的测定方法, 使测定方法标准化。

2.2.3 严格控制试验条件。

在发芽试验以及纯度的幼苗和植株形态测定时, 根据不同作物种类, 按《规程》规定严格控制温度、水分、光照等条件, 使温度保持在规定的温度范围内 (±2℃) , 湿度保持在60%～80%;要每天浇一次水, 使发芽床保持湿润。纯度测定必须保证足够的光照强度, 否则导致幼苗色素差异不明显, 测定结果不准确。在水分测定时, 不同作物对温度和时间要求不同, 如含油分高的大豆、亚麻、向日葵等农作物种子, 一定将样品放置在 (103±2) ℃的烘箱内烘干8小时, 而其它禾谷类、瓜菜及豆类种子的样品须放置在130～133℃的条件下烘干1小时;当需磨碎的禾谷类种子水分超过18﹪、豆类和油料作物种子水分超过16%时, 必须将样品放置在 (103±2) ℃烘箱中预烘30 min (油料种子在70℃预烘1 h) 后再测定。只有按规定严格控制试验条件, 才能使检验结果准确可靠。

2.3 检验结果填报

填报检验结果是检验工作的最后一步, 不能马虎行事, 必须严谨认真, 按规定的要求填写检验报告。检验内容填写要完整, 检验数据填写要真实、准确, 数字修约要按规定进行, 一份规范真实的检验报告是检验检测水平提高的具体体现。

3 提高检验员综合素质

种子检验员的综合素质直接关系到农作物种子检验检测水平, 是提高检验检测水平的主观因素, 主要从以下两方面来提高检验员的素质。

3.1 加强职业道德教育

种子检验职业道德是种子检验员在种子检验工作中必须遵循的行为准则。种子检验职业道德要求种子质量检验人员从事检验活动时忠于职守, 求真务实, 客观公正, 在工作岗位上要有强烈的社会责任感和高度的法律意识。如果一名种子检验员职业道德观念淡薄, 就算拥有扎实的理论功底和较高的专业技能, 也不可能尊重事实, 得出准确可靠的检验结果。通过一定形式的有组织的培训和自我教育, 使检验员熟悉掌握《中华人民共和国种子法》等有关法律法规, 提高法律意识, 增强职业道德观念, 为提高检验检测水平提供思想保证。

3.2 加强业务学习, 提高专业技能

种子检验技术专业性很强, 而且是不断发展变化的, 必须不间断地学习、研究、充实和提高, 才能适应形势的需要。

首先, 种子检验员要有不断提高专业技能的意识和愿望。

要主动学习国内外先进的检验技术, 熟悉掌握植物学、育种学、生物化学等与种子检验息息相关的学科知识和检验标准, 不断提高理论水平, 以打下坚实的检验理论基础。

其次, 在加强理论学习的同时, 要坚持理论联系实际。

作物无损检测论文 篇7

检测转基因作物的实质是利用现代基因工程技术, 把从植物、微生物及动物中分离到的目的基因转移到作物基因组中, 使之稳定遗传并赋予作物新的遗传性状。这样能大大提高农作物的产量, 但随着转基因技术的发展及转基因作物商业化的扩大, 转基因作物的安全性成为人们关注的目标和话题, 一些组织对转基因植物是否安全有着不同的说法, 世界各国也制订了相应的管理制度, 为了从科学的角度研究转基因植物安全性, 转基因检测技术是安全性评价的关键, 应加大对转基因种子监测技术的研究力度。

1开展转基因作物种子检测技术研究的必要性和可行性

1.1转基因技术是当前人类基因工程当中的重要工具

其可以通过人工干预的方式实现基因组的改造和重组, 并利用载体将改造后的基因组进行转移, 这就突破了以往物种隔离间基因组无法转移的问题, 进而提升了人类对于基因组的认知和操控能力。随着生物技术的日趋成熟, 转基因育种技术已成为农作物育种的重要组成部分。转基因技术自诞生以来得到迅速发展, 根据统计显示, 当前全球范围内的转基因技术主要应用在了7种农作物当中。在今后世界科学技术发展中, 分子生物学、基因学等技术必然会掀起新一番的技术革命, 而随着当前各国转基因技术发展完善, 以农作物为核心的转基因植物开发必然会更加成熟。转基因农作物的最大优势在于其高产量、抗病性、抗虫性等特点, 能够使传统的种植业收益进一步提升, 一些欧盟国家很早就设立专项基金进行研究, 并且大多数生物公司均开始投入人力、财力以及物理等对转基因检验技术进行研究, 从而确保转基因农作物食用的安全性。我国也需要进一步扩展转基因技术的研究和应用范围, 并且重点对转基因检测技术进行开发, 并实现标准化检测, 这样就能够有效保证种子生产、种植、加工到农作物食用等各方面人群的切身利益, 同时也能够保障国内农业的良性发展。

1.2转基因技术给人类和环境带来了相当大的益处

转基因作物本身的化学成分并没有发生变化, 和普通的植物没什么区别, 与同样会被人体消化和吸收。转基因技术的问题往往是过量地控制蛋白质, 我国一直在强化转基因植物的管理, 保证转基因作物的健康生产和发展, 在转基因植物上市之前, 专业部门会对转基因作物进行检测, 观察转基因植物在成分上与普通的作物相比的变化, 同时研究这种变化对人体是否会造成伤害。

2转基因作物种子检测技术研究的现状与影响

2.1我国的转基因技术在近几年也得到了迅速的发展

转基因技术的出现使得农作物的产量大幅度提高, 许多转基因食品也在市场中大量流通, 在一定程度解决了世界范围内的粮食短缺问题, 给处于饥饿和贫困中的人民带来了生存旳希望。然而, 我国对于转基因食品安全的管理却不完善, 也不够系统, 转基因食品是存在潜在风险的, 这种危险的潜伏期可能会长达数年。在新的发展时期, 转基因食品安全已经成为影响我国粮食安全的一大问题。

2.2转基因食品对人类和环境存在潜在风险是毋庸置疑的

转基因食品风险的认定不能简单地用化学组成成分来分析, 生物是复杂的个体, 基因的改变必定会带来性状上的改变, 并且有可能会发生基因突变, 这些都是无法控制的, 世界万物的存在都有其合理性, 经过10000a的生物进化、优胜劣汰存留下来的已经是最优良的, 人为地对其作出改变会打破整个生态平衡, 对人类自身也存在巨大的风险。例如:一些转基因植物在研究过程中必须喷洒专用的除草剂, 防止植物发生杂交, 生成抗多种除草剂的杂种, 这种除草剂的毒素能够快速地渗透到土壤里, 再加上这种除草剂的毒素非常不容易降解, 很容易造成土壤中动物死亡, 在转基因植物中, 经过基因转换的遗传因子经常保持活跃状态, 缺少长期的稳定性, 在繁殖时期遗传DNA容易丢失。所以对待转基因食品必须持谨慎严格的态度, 对转基因食品进行严格的审核, 这样才能保证自身的利益。

3转基因作物种子检测技术的监管

作物无损检测论文 篇8

转基因作物的出现造成了公众关于转基因产品知情权的激烈讨论。为了防止转基因生物对环境及人类产生危害, 维护消费者的知情权和选择权, 超过40个国家和地区颁布法令, 要求对转基因产品进行标识。例如, 欧盟设立了对转基因食品进行标识的最低含量阈值, 即当食品中某一成分的转基因含量超过该成分的转基因产品含量0.9%时, 需进行标识[2];我国规定了17种转基因产品只要含有转基因成分就要求加贴标识, 包括玉米种子、玉米油、马铃薯种子、大豆种子、豆油、棉花种子、油菜种子以及番茄酱等[3]。

为了对转基因产品进行安全性检验和标识管理, 转基因检测技术逐步得到了发展。目前转基因作物检测技术主要有蛋白质检测法和核酸检测方法两大类。蛋白质检测方法往往不能检测加工食品, 而且受目的蛋白质在转基因作物中的表达部位、表达时间及环境等的影响, 限制了其应用;而核酸, 尤其是DNA, 因其稳定性好, 在加工过程中不易降解, 故基于DNA水平的检测技术已成为转基因生物的主要检测方法。该研究主要以核酸检测法为重点, 介绍转基因检测技术的研究进展。

1 基因芯片技术

基因芯片技术是将大量探针分子固定在支持物上, 与标记的样品分子进行杂交, 通过检测每个探针分子的杂交信号强度获取样品分子的数量和序列信息[4]。基因芯片不仅具有对转基因样品进行精确的定性检测的优点, 而且能够一次单独分析样品中大量的、不同种类的转基因成分, 具有高通量、集成化和自动化的特点。黄文胜等[5]利用基因芯片技术同时检测出油菜样品中所含的外源基因CaMV35S启动子、Fmv35S启动子、Nos终止子、Banase基因、Barstar基因、CP4-Epsps基因、Gox基因、Pat基因和内源基因Fab。Bai S等[6]利用该技术检测出6种转基因玉米品系 (Bt11, Bt176, GA21, MON810, NK603, T25) 。另外, 基因芯片技术具有灵活性, 当有新的转基因生物 (GMO) 出现时, 在阵列增加布点, 可将新的基因序列包含在筛查程序中[7]。但是基因芯片设备造价高, 商品化试剂盒非常少, 目前没有适用的标准, 使得基因芯片检测法应用范围不广[8]。

2 PCR技术

PCR技术已经成为转基因作物及产品日常检测工作中应用最广泛的技术, 国内以及国际发布的食品和饲料中转基因产品的检测标准方法大都采用的PCR技术原理, 应用实时荧光定量PCR或普通PCR方法可以对检测样品进行定性和定量检测[9,10,11,12], 但是这些标准方法1次只能检测转基因作物及加工产品中的1种转基因成分, 因而很多学者也对多重PCR检测方法开展了研究。

2.1 定性PCR检测

定性PCR检测转基因成分是应用最为广泛的一种方法, 主要包括筛选检测和鉴定检测。筛选检测的主要筛选基因包括启动子、终止子、遗传标记基因和目的基因。1998年, Shirai等[13]利用定性PCR筛选检测方法对抗草甘膦大豆Roundup-Ready中Camv35s启动子和Nos终止子进行了检测, Michael等[14]也通过此方法检测了转基因大豆、抗虫Bt玉米种子及深加产品中Camv35s、Nos终止子及NptII基因, 并利用Southernblot和酶切鉴定试验对结果进行了验证。

此外, 定性PCR还可以对转基因产品进行品系鉴定。2002年, Matsuoka等[15]通过分析7种转基因玉米Event176、Bt11、T25、MON810、GA21、DLL25和MON802的外源基因序列, 设计了14对检测启动子、终止子和结构基因的特异性引物, 快速有效地检测了转基因玉米品种。曹际娟等[16]对转基因玉米及其粗加工食品, 如爆米花、熟玉米棒及速溶玉米片进行了PCR定性检测, 检测灵敏度达0.1%。

2.2 定量PCR检测

定量PCR检测可用来检测样品中GMO的百分比。目前定量PCR方法主要有竞争性定量PCR方法 (QC-PCR) 和荧光定量PCR方法 (realtime PCR) 。2002年, Song等[17]利用竞争性定量PCR定量检测了转基因玉米MON810和E-vent176中的转基因成分, 最低检测0.01%。Real-time PCR是通过连续检测荧光信号的强弱来测定未知模板扩增产物的量的方法[18]。目前, 荧光定量PCR方法被普遍用于转基因作物及其加工产品的转基因成分定量检测, 检测灵敏度可达到0.01%[19]~0.10% (W/W) [20,21,22]。

2.3 多重PCR检测

多重PCR是在普通PCR基础上的改进, 通过在一个PCR反应体系中加入多对特异性引物, 以多个DNA模板或同一模板的不同区域扩增多个目的片段[23]。多重PCR具有节省时间、降低成本和提高效率等优点, 因此一经提出便得到众多研究者的青睐, 发展迅速。

随着研究的深入, 多重PCR已在植物分子育种、基因表达研究、种质纯度鉴定以及病虫害检测等方面得到广泛应用[24]。在大豆、玉米、水稻、小麦和油菜等转基因植物以及相关产品的转基因成分检测中均已建立了有效可靠的多重PCR检测方法。Permingeat等[25]利用多重PCR同时检测转基因玉米Bt176、MON810、Bt11和T25的CryIA (B) 和Pat基因。2011年, 白月和栾凤侠[26]对转基因小麦品系B73-6-1建立了五重PCR检测体系, 同时检测了转基因小麦中的内源基因Wx012, 外源基因Ubiquitin、Bar、Nos和UidA, 灵敏度达1ng·μL-1, 并用建立的多重PCR方法检测非转基因小麦京花1号籽粒、大豆籽粒、麦片以及转基因小麦B73-6-1加工成的油炸制品检测效果良好。2012年, 陶然等[27]建立了六重PCR反应体系, 确立了转基因大豆GT-40-3-2、Mon89788、A5704-12三个品系同时筛选检测的方法, 检测灵敏度为0.078ng·μL-1, 质粒检测灵敏度为1×103拷贝·μL-1, 通过已知转基因阳性样品进行验证, 效果良好。

此外, 多重PCR在医学和遗传学上也具有非常重要的作用, 可以同时检测乙肝病毒与丙肝病毒, 对防治肝炎具有重要意义[28]。况少青等[29]以Taq Start TM抗体作为Taq酶保护剂, 建立了多重PCR同时扩增多个微卫星位点, 该方法产量高且成本低, 在人类基因组计划中的基因作图、基因定位及人类进化等方面有重要作用。多重PCR在生命科学的各个领域已经成为一项成熟而重要的研究手段。

由于多重PCR在加入多对引物的同时, 容易产生非特异性扩增, 因此建立多重PCR检测方法的难点在于PCR引物的设计和PCR反应条件的优化[30]。

3 变性高效液相色谱技术

1995年, Oefner及Underhill[31]等提出了变性高效液相色谱, 又称核酸片段分析仪 (DHPLC) 技术, 它是一种快速、自动和高通量检测核酸的技术平台。DHPLC可以在不变性、充分变性及部分变性的温度条件下对样品进行分析, 主要应用于基因突变的检测、未知SNPs筛查、微卫星分析、mRNA定量分析和引物纯度检测等。它具有自动化程度高、高通量、灵敏度和特异性高以及快速等优点, 也得到了广泛的应用。2010年, Mounier J[32]用DHPLC进行了奶酪表面常见酵母品种的鉴别, 2011年, Le Fresne S等[33]利用DHPLC快速有效地鉴别含有多种鱼类成分的热加工鱼产品。

利用高效变性液相色谱结合多重PCR技术, 可以对多重PCR产物进行快速分析, 具有高通量、快速、简便、灵敏的特点。有研究报道, MPCR-DHPLC技术被应用在医学领域, 例如Suwannasri P[34]用多重PCR-DHPLC的方法对泰国人的细胞色素CYP2D6基因进行分型测定;Zou HQ等[35]利用MPCR-DHPLC的方法研究肌肉萎缩症 (DMD) 和脊髓性肌萎缩 (SMA) 基因的重复与缺失。同时, MPCR-DHPLC方法也被用于食品致病菌的快速检测[36]。

利用MPCR-DHPLC方法也是快速、高通量检测转基因食品的很好的选择。在实际检测工作中, 转基因食品往往成分复杂, 例如麦片牛奶或奶米粉除含牛奶成份外, 分别添加有大米粉、小麦粉、玉米粉 (油) 、大豆粉或卵磷脂 (油) 等多种成分, 检测一份样品至少要检测多种内源基因 (按照食品所含有的成分检验) 和十几种外源基因, 而使用现有的检验标准方法 (主要是荧光PCR技术或普通PCR技术) 来检测多组分多基因复杂成分的转基因食品, 操作太繁琐, 工作量大, 通量低。因此, 利用DHPLC能够区分不同长度DNA片段且特异性强的特点, 将多重PCR技术与DHPLC技术相结合, 检测转基因食品具有实际意义和应用价值。白月, 栾凤侠等[37,38,39,40]建立的多重PCR-DHPLC方法, 对玉米、番茄、小麦、马铃薯以及大米中转基因成分开展多组分多基因同时检测的研究, 达到高通量、快速、准确检测转基因食品的目的。2012年, 研究人员根据转基因玉米外源和内源基因 (CaMV35S, NOS, Cry1Ac, Bar, Xa21和PEPCex) 设计6对引物, 通过优化多重PCR和DHPLC的反应条件, 建立一套同时快速筛选检测转基因大米中多种转基因成分 (Bt 63、抗优97、科丰6号、Llrice62) 的6重PCR-DHPLC检测方法, 该方法的检测灵敏度能够达到0.15ng·mL-1[41]。

4 环介导等温扩增 (LAMP) 技术

2000年, 日本学者Notomi在Nucleic Acids Res杂志上提出了一种新的基因诊断技术, 即环介导等温扩增法 (LAMP) [42], 其基本原理是针对待测基因靶序列的6个特异性区域设计2对引物, 利用一种具有链置换活性的DNA聚合酶 (Bst DNA polymerase) 在恒温条件 (65℃左右) 保温30~60min, 可实现核酸的大量扩增。LAMP法是一种简便、快速、高特异的基因扩增法, 不需要特殊的试剂和仪器设备。

LAMP方法除了应用在病毒、细菌和寄生虫等引起的疾病检测[43]、食品致病菌检测[44]和物种鉴定[45,46]中, 在转基因作物及产品检测方面的应用也被广泛的报道。2004年, Shiro Fukuta[47]利用LAMP方法通过CaMV-35S启动子来检测转基因大豆;Chen X等[48]建立了可以同时检测3种转基因水稻品系 (KMD1、TT51-1和KF6) 的LAMP方法;Chen L等[49]利用LAMP方法检测建立了7种转基因玉米品系 (DAS-59122-7、T25、BT176、TC1507、Mon810、BT11和MON863) 的检测方法;Liu M等[50]用LAMP方法检测了转基因大豆RRS品系;2012年, 叶蕾等[51]设计转基因大豆内源基因 (Lectin) 、外源基因 (NOS) 和2个转基因大豆品系 (GTS 40-3-2, Mon89788) 特异性LAMP引物, 建立了快速检测转基因大豆以及鉴定转基因大豆品系的LAMP体系, 检测底限最低可达到0.01%。LAMP技术因其成本低、耗时短、效率高、操作简单的优点, 更适宜于基层检测单位或现场快速检测工作, 应用LAMP技术对转基因作物筛选检测和品系鉴定的SN/T系列标准即将出台, 具有广泛的应用前景。

5 结论

农业生物技术已为全球农业生产带来革命性的变化, 今后将会有更多的转基因作物和新的作物品系出现并投入商业化生产。为了应对未来转基因作物的挑战, 应以完善的转基因食品检测技术来健全检测标准方法, 普及转基因检测的应用, 从而对转基因食品进行有效的监管。适用于成分复杂的深加工产品, 快速、高通量、精准的转基因检测方法和标准物质的研究将是今后研究工作的重点。

摘要：为了规范管理转基因产品, 以建立转基因产品的检测技术标准为前提, 通过分析转基因作物商业化的18a中转基因作物种植面积持续增长的态势, 以核酸检测方法为主, 介绍了基因芯片、PCR技术、变性高效液相色谱和环介导等温扩增技术在转基因检测领域的研究进展, 并对今后转基因检测技术标准的发展进行了展望。

作物无损检测论文 篇9

作物病害是指作物受到其它生物的侵染或由不适宜的环境条件而引起的正常生理机能的破坏。作物病害有侵染性病害和非侵染性病害两类:前者是由病原微生物侵染而引起的, 如作物的锈病;后者是由于不适宜的环境条件引起的, 如由营养物质缺乏而引起的缺素症、由环境中的有害气体而引起的污染性病害和由杂草的疯长而引起的杂草病害等。作物的病害绝大部分可引起全身症状, 但是由于其致病的病原物不同, 使得其对作物的主要危害部位也不尽相同。尽管症状多种多样, 但是绝大多数的病害症状或多或少都会在作物的叶子上表现出来, 使叶子的颜色、形状、纹理发生变化, 出现病斑、斑纹分布。因此, 这就为采用计算机视觉技术对作物病害进行无损检测以及诊断提供了可能。另外, 作物遭受病害后, 在外部形态和生理机能发生变化的同时, 作物的光谱特性也会发生变异。因此, 研究和利用受害作物光谱特性的变异信息, 可为大规模监测作物病害提供依据[1]。

1 国内外研究进展

1.1 国外研究进展

安冈善文[1]等对作物叶片受有害气体SO2污染的红外图像进行了研究, 结果表明作物的染病情况是可以通过作物的病叶来判断的。穗波信雄[2,3,4]等分别对缺乏Ca, Mg, Fe营养元素的茨菇叶子进行了缺素症研究, 将病态叶子去除背景后, 利用RGB颜色直方图波峰分布位置来提取正常与病态部分的颜色特征进行对比。结果表明:茨菇叶子正常部分的R值在23～25, 而病态部分的在26～31, 两者差异较大。当缺乏Ca, Mg元素时, 病态部分的G值略小于正常部分, 而缺Fe时两者基本相同, 但离散程度不同;缺Mg时, 正常和病态部分的B值差异很大。另外, 穗波信雄还进一步提取了缺少各种元素的叶子正常和病态部分的面积, 在此基础上进行了叶片上病态面积的计算, 把病态部分的面积百分比作为特征, 以区别缺素种类。但是由于其抽取阈值的选取没有进行优化, 致使抽取的病态面积过大。Seginer[4]等发现完全成型的番茄叶子的叶尖运动与缺水情况及CO2的吸收率几乎成线性相关, 并利用该技术对植株叶子的生长状况进行监测, 其结果用来作为灌溉系统的控制信号。Yoichi SHIBATA[5]等针对杂草与蔬菜在生长过程中形状上出现的差异对蔬菜和杂草进行了识别。Chaisattapagon和Zhang N[6]利用CCD摄像机和图像采集卡获得小麦田里常见的杂草的图像, 从颜色、纹理、形状3方面综合识别杂草与小麦。Yoichi SHIBATA 和Zhang N 的两项研究的共同缺点是:当杂草与研究对象的生长状态相类似时, 难以将二者区别开。Filella[7]等通过研究小麦冠层反射率估计小麦中氮的分布。Kurata[8]利用计算机图像处理技术实时采集番茄图像, 通过阈值法滤去叶子和背景, 再利用细化算法使图像中只剩下已细化成线的叶柄, 最后计算叶柄的斜率来估计作物需水信息, 研究发现番茄叶柄的倾斜角度与需水信息有一定的相关性。Ahmad[9]等利用彩色图像信息评价缺水和缺氮对玉米生长的影响以及由此而造成的植株颜色变化, 通过交互采集玉米植株的RGB色彩特征, 建立了R, G, B值与色调 (H) 、饱和度 (S) 及亮度 (I) 之间的色度坐标变换关系。研究发现:与R, G, B值相比, H, I, S值能够更清晰地表征玉米植株中的颜色变化, 并表明色调是识别植株和叶子的一个有效特征值, 可供灌溉和施氮肥时参考。Casady W.W.等[10,11]研究了利用机器视觉测定水稻冠层尺寸和面积的技术, 建立水稻中期氮肥管理系统, 利用所测定的稻冠尺寸判断水稻的生长情况, 并建立了中期氮肥施用量和中期水稻生长情况 (稻冠尺寸和叶绿素) 预测水稻产量的数学模型, 预测结果与实测结果的相关系数为0.846, 为水稻中期需氮情况分析和确定最佳中期施氮量提供了一种客观的方法。Yutaka[12]等利用计算机视觉技术对一种有病害斑点的作物叶子进行反射光谱特性研究, 发现叶片正常和病斑部分反射率差值较大的光波长为500, 600, 650, 700nm, 并把这些波长的滤波片安装在镜头上, 采集图像, 发现其成像较好, 易于分割和判别。Michael[13]等通过研究冬小麦的遥感冠层图像来估计早期氮的使用情况, 并且研究了利用冠层航拍图像对植物的生长状况进行无损检测的技术。

1.2 国内研究进展

在国内, 计算机视觉与光谱技术在农业植保和农产品检测等方面也有研究, 虽然起步较晚, 与国外相比还存在着一定的差距, 但已迅速发展起来, 并取得了一定成效, 现在大多还处于试验理论和仿真研究阶段。利用计算机视觉与光谱技术进行农作物病害检测和识别的研究还处于试验阶段。

方如明[14]利用直方图傅立叶系数判别法、直方图波峰检验法及灰度突变法, 对大米爆腰情况进行了检测。赵杰文[15]等针对水分子对960mm附近的红外光有较强的吸收这一特性, 采用图像处理技术中纹理分析的灰度-梯度共生矩阵法分别对两种作物叶片的近红外图像求出各自的特征量。结果表明:特征量与叶片干基含水率之间的线性关系不仅与特征量有关, 而且与拍摄图像时的实验因素有关, 另外还取决于梯度图像的灰度级的数目。陈佳娟[16]采用计算机图像处理技术, 根据棉花叶片的孔洞及叶片边缘的残缺测定棉花虫害的受害程度。该研究用局部门限法进行图像与背景的分割;用高斯拉普拉斯算子进行棉花图像的边缘检测;用边缘跟踪算法确定棉叶中的孔洞;用膨胀算法确定叶片边缘的残缺。结果表明:该方法可以有效地测定棉花虫害的受害程度, 测定误差小于0.05。于新文、沈佐锐[17,18]等在作物病虫图像特征提取自动识别研究中对昆虫图像的分割和边缘检测算法进行研究, 利用昆虫的数学形态学特征, 提取目标轮廓, 如作物叶形轮廓和昆虫体形轮廓, 实现了棉铃虫等3种昆虫的自动鉴别, 准确率达到90%以上。纪寿文[19]等利用计算机视觉技术识别玉米苗期田间杂草, 研究中采用双峰法滤除土壤背景, 根据投影面积、叶长、叶宽识别杂草, 并根据杂草投影面积确定出杂草密度。毛罕平[20,21,22,23,24,25]等建立了基于计算机视觉的番茄缺素模式识别系统, 并进行了识别测试。结果认为, 对不易肉眼判别的番茄缺氮和缺钾初期叶片的识别准确率在85%以上, 能够满足生产要求, 取得了较满意的效果。张彦娥[26]等以黄瓜为对象, 应用计算机视觉技术研究了诊断温室作物营养状态的方法。结果表明:同一光照条件下, 叶片绿色分量G和色度H分量与氮含量线性相关, 可用于利用机器视觉快速诊断作物长势的指标。任杰[27]等在对蔬菜叶片病害图像进行分割并转变为分布概率的灰度矢量的基础上, 利用数据挖掘技术建立决策树模型, 并引入元挖掘算法Bagging与决策树模型综合使用对未分级叶片的级别进行预测。实验表明, 这一蔬菜病害等级自动分类方法准确度较高, 具有较好的实用价值。王艳平[28]等应用数学形态学理论, 提出了一种提取番茄不同病害果特征参数的快速算法, 并运用计算机视觉技术和神经网络技术对番茄病害果进行识别, 识别率较高。田有文[29]等针对日光温室黄瓜病害彩色纹理的特点, 提出利用色度矩提取黄瓜病害叶片的彩色特征向量分类效果好, 然后利用支持向量机分类法进行病害识别, 具有良好的分类能力和泛化能力。不同分类核函数的相互比较分析表明, 线性核函数最适合黄瓜病害的分类识别。郑世茶、毛罕平[30]等首次利用数学形态学, 提取棉花炭疽病和黑斑病叶片的4个特征参数:孔洞个数与叶片面积之比、孔洞面积与叶片面积之比、细化程度与叶片面积之比、腐蚀次数与叶片面积之比, 以区分棉花病害叶片和正常叶片识别的有效性, 准确率达到了76.3%以上。任东[31]等把支持向量机的径向基核函数的SVM 分类方法应用于黄瓜霜霉病、白粉病和角斑病的病害诊断, 其总体识别率达90%以上, 该结果与人类病理专家的诊断精度相当接近, 可用于黄瓜其它病害的诊断。赵玉霞、李少昆[32]等利用朴素贝叶斯分类器的统计学习方法, 对锈病、灰斑病、小斑病等5种玉米病斑图像进行分类识别。结果表明:贝叶斯分类器具有网络结构简单、易于扩展等特点, 对玉米5种叶部病害的分类识别效果较好, 精确度在83%以上, 可为其它作物病害图像识别的研究提高借鉴。丁浩、艾矫燕[33]利用图像处理技术, 根据病斑形状提取植物黑腐病病斑的几何特征, 基于HSV空间提取病斑颜色矩结合红绿颜色特征作为病斑的颜色特征, 利用神经网络加以识别, 从而判断病斑所处的生长周期, 获得了较为理想的检测效果。马晓丹、祁广云[34]综合运用计算机数字图像处理技术与人工神经网络技术, 实现了大豆叶片中病斑的自动识别与特征计算。姜淑华、田有文等[35]利用分形理论对农作物病变叶片自然纹理图像进行了处理, 利用BP网络来实现自然纹理图像的分类问题, 同时分析了各种不同的特征在分类器中的性能, 提出了一种纹理特征性能的比较方法。结果表明:适当选取分形维数的不同计算方法互相组合, 可以提高分类器的性能。陈刚[36]等在对Pa1.King模糊边缘检测算法进行分析的基础上, 提出了一种新的模糊边缘检测算法。该算法重新定义了隶属度函数, 简化了复杂的变换运算, 并提出了确定模糊增强变换中最佳隶属度阈值的算法。仿真结果表明, 该算法提高了整个图像识别系统的效率, 且提取的边缘比较精细, 具有较好的边缘检测及轮廓提取效果。

吴曙雯[37]等研究稻叶瘟对水稻光谱特性的影响, 发现绿光区、红光区和近红外区的水稻冠层光谱反射率随病情程度的加重分别呈现下降、上升和下降的趋势。张喜杰、李民赞等[38,39]分别研究了温室黄瓜和大田小麦两种作物的反射光光谱, 确定了其特征波长, 以此为依据开发了两种作物长势监测仪, 并进行了田间实验。结果显示, 温室监测仪能对作物长势做出较理想的综合判断。何国金等[40]分析叶绿素含量与麦蚜量间的动态关系, 提出基于地面光谱测试的麦蚜虫情预报、虫害监测的方法。冯雷[41]等利用光谱技术分析不同养分水平的油菜在生长过程中的光谱反射特征, 通过试验建立了叶绿素仪数值和全氮含量在油菜中的数学关系模型。结果显示, 利用绿、红和近红外3通道图像灰度和反射率关系的经验线性标定模型分析得到的油菜植被指数与叶绿素仪数值间的线性相关系数可达到0.927。王海光[42]等以88个小麦叶片为试验材料, 其中条锈病叶按严重度分为8级, 健康小麦叶片为对照, 由光谱仪和外置积分球获取高光谱数据, 采用SVM 算法对不同严重度的小麦条锈病病叶进行判别分析;按1∶1比例随机划分样品集, 校正集的44个样品建立模型, 对预测集的44个样品的严重度进行预测识别, 总体正确识别率达97%, 表明SVM算法用于小麦条锈病严重度分级识别是可行的。蔡成静、马占鸿等[43]利用手持光谱仪和热气球在近地与高空研究了发病小麦冠层的高光谱遥感数据特征, 获得了近地和对应高空2个不同平台光谱数据。经比较分析, 高空获得的光谱反射率在可见光谱区域明显大于近地获得的光谱反射率。进一步对差异最显著的绿峰580nm 和黄边610nm 处数据进行回归分析, 获得了高空光谱反射率值与近地光谱反射率值之间的回归模型, 为进一步研究利用高平台遥感监测小麦条锈病奠定了一定的理论基础。吴迪等[44,45,46]对感染灰霉病的番茄和茄子叶片的近红外光谱特性进行了初步研究, 进行了病害程度的识别和病害感染的早期预测, 表明近红外光谱技术能较好地检测植物的染病情况, 多光谱成像技术结合图像处理技术能较好地分离背景与植物, 并能对发病部位进行识别。因此, 建立光谱和多光谱成像技术的植物病害检测是可行的。

2 研究中存在的问题

1) 现有研究大多数在可见光范围内识别病害, 参数提取大多基于颜色和纹理特征, 此方法往往算法复杂, 运行时间长, 且识别率不高。同时, 较多的模式识别方法 (包括人工神经网络) 不能很好地应用于植物病斑的纹理识别, 从而影响了病害诊断的准确性。因此, 需要寻求较简单、快速且识别率高的算法, 用于提取识别植物不同病害的特征参数。

2) 由于作物病害种类多, 且发病时间、发病部位、发病程度不同而具有复杂性和多变性, 因此目前植物病害识别的全面性差, 一些研究方法在其他作物和病害上的拓展应用尚待进一步研究。

3) 植物病害诊断系统智能化程度低。生产中使用的植物病害诊断系统仍依赖于输入人员的专业知识、技术和经验, 诊断的可靠度和效率有限, 就大部分现代生产用户而言, 专家系统还不能理想地解决病虫害诊断问题。因此, 研究基于专家知识的、包含多种主要作物的高智能化植物病害识别系统也是当前需要研究的热点之一。

4) 光谱分辨率不高。现有数据光谱分辨率多在100nm左右, 很难区别生长期相同、外形相差不大、品质相近的混作作物, 应大力发展高光谱技术。

5) 光谱模型不够完善。农业遥感图像数据的精确解译和应用是建立在光谱反演基础上的, 水分监测、营养诊断及产量估测等方面都已建立了大量模型, 但是模型不够完善、精度不高。如何发展更好的光谱反演模型, 统一模型尺度, 解决不同模型的转移问题, 还有待进一步研究。

6) 影响因子甚多, 应用尺度不统一。作物冠层并非光滑平面体, 其光谱受众多影响因子的干扰, 叶面积、叶片分布等为主要决定因素, 叶龄、老化现象及叶片组织的差异也是重要影响因素, 太阳角度及仪器观测角度也造成反射与穿透的复杂化。此外, 作物冠层下土壤水分、有机质含量及残叶的覆盖等也增加了测定、分析与判别的难度, 需要积累丰富经验, 建立大量的资料库, 才能广泛推广应用。不同类型、不同波段的光谱特征和反映的地物信息都不一样, 需依具体情况选择恰当的仪器与技术进行测定和分析。

3 前景展望

计算机视觉技术主要应用于工厂化高农业生产的病害实时诊断、测报、防治与环境调控, 可提高病害诊断或测报的可靠度、自动化及智能化程度, 缩短诊断时间, 以利于适时防治, 保障设施农业生产的低耗、优质、高效、高产;还可用于开发各种用途的机器视觉植物病虫害诊断报警仪, 使病原鉴定由人工显微观测诊断改进为机器视觉自动化诊断, 推广到所有农业植物病虫害检测, 促进农业科研和生产的发展, 为农业产业化和绿色化提供技术准备。