全 文 ：中国生态农业学报 2013年 6月 第 21卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2013, 21(6): 752−757


* 中国科学院重点部署项目课题(CXJQ120108)资助
** 通讯作者: 刘金铜(1965—), 男, 博士, 研究员, 主要从事生态系统可持续管理与生态工程研究。E-mail: jtliu@sjziam.ac.cn
高会(1989—), 女, 硕士研究生, 主要从事农业资源与生态工程研究。E-mail: cankubingleng123@163.com
收稿日期: 2012-10-09 接受日期: 2013-03-05
DOI: 10.3724/SP.J.1011.2013.00752
基于高光谱的鲁西北平原土壤有效磷含量
快速检测研究*
高 会1,2 陈红艳3 刘慧涛1 谭莉梅1 刘金铜1**
(1. 中国科学院遗传与发育生物学研究所农业资源研究中心 石家庄 050022; 2. 中国科学院大学 北京 100049;
3. 山东农业大学资源与环境学院 泰安 271018)
摘 要 土壤有效磷含量是农田土地评价的指标, 也是农作物施肥的基本指标, 快速准确测量土壤有效磷含
量是土壤信息化管理和资源评价的前提条件。高光谱技术的发展为快速有效监测土壤有效磷含量提供了新的
途径。本文对 466 个样点的土壤有机质、碱解氮、有效磷和速效钾含量进行了测定, 通过聚类分析和方差分
析选取 48 个有机质、碱解氮、速效钾含量相近而有效磷差别较大的样点作为研究样点 , 采用美国 ASD
Fieldspec3 光谱仪, 对不同有效磷含量的土壤样本高光谱反射率进行测量, 并对反射率进行倒数、对数、平方
根、对数的倒数、倒数的对数的变换及其各自相应的一阶导数变换, 将每个土样测定的有效磷含量值与 350~
2 500 nm 光谱范围的反射率数据及反射率的 9 种变换形式逐一逐波段地进行单相关分析, 筛选出对有效磷敏
感的光谱波段。将所选取的显著相关波段反射率或变换形式作为自变量, 与土壤中有效磷含量进行一元线性
回归方程拟合, 对所建立的回归方程进行优选和检验。研究得出: 采用相关分析方法得出土壤有效磷含量的敏
感波段为 711 nm, 利用一元线性回归方法, 基于该波段的估算模型为最佳估算有效磷含量模型, 该模型的拟
合优度 R2 达 0.822 1, 验证决定系数 R2 达 0.959 1。由此说明, 利用单个敏感波段建立土壤有效磷的反演模型,
可作为快速测量土壤有效磷含量的一种简单而可靠的方法。
关键词 高光谱 反射率变换 敏感波段 土壤有效磷含量 估算模型
中图分类号: S127 文献标识码: A 文章编号: 1671-3990(2013)06-0752-06
Spontaneous determination of soil available phosphorus using high
spectrum in the Northwest Plain of Shandong Province
GAO Hui1,2, CHEN Hong-Yan3, LIU Hui-Tao1, TAN Li-Mei1, LIU Jin-Tong1
(1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences,
Shijiazhuang 050022, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. College of Resources and
Environment, Shandong Agricultural University, Tai’an 271018, China)
Abstract Soil available phosphorus is a critical index for evaluating farm land quality and forms the basis for crop fertilization. It
is essential to spontaneously and accurately determine soil available phosphorus for soil management and resources evaluation,
which condition is met by using high spectrum technology. This paper selected 466 soil samples in the Northwest Plain of Shandong
Province to determine organic matter, available nitrogen, available phosphorus and available potassium contents in the soil. Through
cluster and variance analyses, 48 soil samples were used to determine the relationship between soil available phosphorus and high
spectrum reflectivity. All 48 samples were characterized by approximate contents of organic matter, available nitrogen and available
potassium, but significantly different contents of available phosphorus. High spectrum reflectivity of each soil sample was measured
by ASD Fieldspec3 spectrometer. The reflectivity was then transformed into reciprocal, logarithm, square root, reciprocal of
logarithmic, logarithm of reciprocal and their first order derivatives. Single correlation between soil available phosphorus content and
第 6期 高 会等: 基于高光谱的鲁西北平原土壤有效磷含量快速检测研究 753


high spectrum reflectivity in 350~2 500 nm as well as its every transformations was analyzed, and sensitive high spectrum band to
available phosphorus selected. The established simple linear regressions between reflectivity or its transformations in sensitive high
spectrum bands (as the independent variable) and available phosphorus content were optimized and verified. The results showed that
711 nm high spectrum was the sensitive band. The simulation model based the 711 nm spectrum provided the best estimation of soil
available phosphorus with fit index (R2) of 0.822 1 and correlation coefficient (R2) of 0.959 1. Modeling based on a single sensitive
band of high spectrum was a spontaneous, simple and reliable approach for determining soil available phosphorus.
Key words High spectrum, Reflectivity transformation, Sensitive band, Soil available phosphorus, Simulation model
(Received Oct. 9, 2012; accepted Mar. 5, 2013)
土壤养分含量是农田土地评价的重要指标, 也
是作物施肥的基本指标, 快速准确测量土壤养分含
量是土壤信息化管理和资源评价的前提条件, 其测
量方法已从传统的地球化学方法发展到光谱分析
法[1−2]。传统测定土壤养分含量的地球化学方法周期
长、成本高, 不能满足快速有效监测土壤中养分含
量的需求。由于土壤中各养分含量具有独特的光谱
响应特征, 为解决土壤有效磷的快速测定开辟了新
途径。对土壤中的有机质、钾、氮、磷的高光谱分
析 , 国内外学者已经做了大量研究 , 如刘磊等 [3]对
土壤反射率进行了一阶微分、倒数的对数变换, 分
别提取 2 个和 3 个特征波段, 利用多元逐步线性回
归法和偏最小二乘回归法, 建立了相应的土壤有机
质估算模型; 陈红艳等 [4]通过对鲁西北平原的山东
省齐河县土壤的反射率进行了对数的一阶导数变化,
提取了多个敏感波段, 运用小波分析方法, 建立了
土壤速效钾含量高光谱估算模型; 张娟娟等 [5]基于
反射率的一阶导数的高光谱数据, 提取了 2 个敏感
波段, 基于偏最小二乘法、BP神经网络和特征光谱
指数 , 构建了土壤全氮含量估算模型; 陈鹏飞等 [6]
针对不同土地利用类型, 利用傅里叶变换光谱技术
和偏最小二乘回归法, 建立了土壤总磷的近红外光
谱校正模型。土壤光谱反射率是土壤内在理化特性
光谱行为的综合反映 [7], 因此 , 构建高精度的土壤
有效磷含量高光谱估算模型, 应从土壤高光谱中提
取反映土壤有效磷含量的特征光谱。以上土壤养分
含量的研究方法对于高光谱反射率选用数学变换方
法进行处理, 提取了多个敏感波段, 基于敏感波段
选用了复杂的多元线性回归方法或模型进行土壤养
分含量的估算, 由于所选多个波段的相关性有时较
大, 不能确定所研究物质的最敏感波段, 且多个波
段所建立的模型较复杂。本文对高光谱反射率采
用数学变换方法提取单一的敏感波段 , 利用单一
线性回归方法建立土壤有效磷的估算模型, 旨在利
用高光谱反射率建立简单、精确的土壤有效磷估算
模型。
1 材料与方法
1.1 研究区概况
研究区地处鲁西北平原的山东省齐河县。地形以平
原为主, 土壤类型为潮土, 质地以中、轻壤为主; 气候
适宜, 光照充足, 年平均气温 13.5 ℃, 日照 2 678.9 h,
无霜期 217 d, 适宜各种农作物生长; 水资源充裕, 水
质好, 地下水年可利用量平均 2.97亿 m3, 年平均降雨
量 622 mm左右; 土地肥沃, 是全国大型商品粮基地、
优质棉生产及出口基地。
1.2 样本采集与制备
土样于 2009年 9月采集。在试验区内首先根据
土壤质地、肥力等级划分采样单元, 平均每个采样
单元面积为 6.67 hm2, 采用网格布点方式, 每个采
样单元采用 10点混合的方式采集 1个混合土样, 采
样深度为 0~20 cm, 取土 1 kg左右, 共采集混合土样
466个, 测定土壤有机质、碱解氮、有效磷、速效钾
含量。为突出土壤有效磷的光谱差异, 将原始所有
样本先通过聚类分析对土壤有机质、碱解氮、速效
钾含量聚类为若干组别, 然后采用方差分析计算各
组有效磷含量的标准差, 根据组内标准差和样点数
目, 多次进行聚类方差分析, 最终选取有机质、碱解
氮、速效钾含量相近而有效磷差别较大的 48个样点
作为研究样点(见表 1)。将所选定的样点样品自然风
干、敲碎, 剔除土壤以外的侵入体, 用 2 mm孔径的
筛子过筛后, 混合均匀, 用四分法取样 200 g, 装于
盛样皿(直径 10 cm, 深 2 cm)中, 稍稍压平, 使其表
面尽量平整, 用于高光谱数据采集。将选定样品随
机分为两组, 一组(34 个)用于试验与建模, 另一组
(14个)用于模型验证。
1.3 高光谱测定
土壤高光谱数据用美国 ASD Fieldspec3光谱仪
采集, 光谱范围为 350~2 500 nm。测定时, 在等同于
暗室的实验室内, 将装满土样的盛样皿放在 3 cm

754 中国生态农业学报 2013 第 21卷


表 1 样本土壤的属性
Table 1 Properties of the soil samples mg·kg−1
最小值 Minimum 最大值 Maximum 均值 Mean 标准差 Standard deviation
项目 Item 选定样点
Selected sites
全部样点
All sites
选定样点
Selected sites
全部样点
All sites
选定样点
Selected sites
全部样点
All sites
选定样点
Selected sites
全部样点
All sites
有效磷 Available P 3.9 1.0 121.6 148.3 23.6 19.1 20.9 13.6
有机质 Organic matter 960.7 650.4 1 940.5 1 950.7 1 361.4 1 283.6 2 065.5 2 215.7
碱解氮 Available N 63.0 53.0 144.0 179.0 114.8 104.2 8.0 13.9
速效钾 Available K 170.0 50.0 430.0 430.0 240.0 130.0 36.8 50.6

厚、反射率近似为 0 的黑色橡胶上, 采用功率为 50
W 标准直流钨丝石英卤素灯作为光源, 探头视场角
25°, 光源入射角度 45°, 光源距离 30 cm, 探头距离
15 cm。为降低土样光谱各向异性的影响, 测量时转
动盛样皿 3次, 每次转动约 90°, 获取土样 4个方向
的光谱曲线 , 每个方向采集 5 条样本线 , 每个样
品共采集 20 条样本线, 算术平均后得到该土样的
反射光谱数据。测定过程中 , 及时进行标准白板
校正。光谱输出时, 重采样间隔 1 nm, 共输出波段
2 151个。
1.4 光谱变换
研究发现原始光谱不能够反映有效磷含量不同
而导致的反射光谱差异, 为了能够实现有效磷反射
光谱与其他土壤物质反射光谱的差别, 学者们通常
采用将原始光谱进行数学转换的方法来达到这个目
的[8]。光谱反射率经数学变换后, 不仅能增强可见光
区的光谱差异 (可见光区的原始光谱值一般偏低 ),
减少因光照条件变化引起的乘性因素影响, 而且有
助于限制低频噪声对目标光谱的影响。借鉴相关研
究对土壤中其他物质含量光谱所做的数学变换[9−11],
本文对光谱数据(反射率, R)进行 9 种变换: 反射率
的一阶导数(R′)、反射率的倒数(1/R)、反射率倒数的
一阶导数[(1/R)′]、反射率的对数(lnR)、反射率对数
的一阶导数[(lnR)′]、反射率的平方根( R )、反射率
平方根的一阶导数 [( R )′]、反射率倒数的对数
[ln(1/R)] 、 反 射 率 倒 数 的 对 数 的 一 阶 导 数
{[ln(1/R)]′}、反射率对数的倒数(1/lnR)、反射率对数
的倒数的一阶导数[(1/lnR)′]。
2 结果与分析
2.1 样品土壤有效磷含量状况
利用统计方法分析用于有效磷敏感波段提取和
估测模型构建的 48个样本数据, 与全部样本数据相
比, 选取样本土壤有效磷含量的标准差增大, 土壤
有机质、碱解氮、速效钾含量的标准差减少(见表 1)。
表明选取样点有效磷含量的差异较大, 而有机质、
氮、钾含量差异较小。
2.2 敏感波段提取
为了提取与有效磷含量显著相关的波段, 将每
个土样测定的有效磷含量值与 350~2 500 nm光谱范
围的反射率数据及反射率的 9 种变换形式逐一逐波
段地进行单相关分析, 结果表明, 经过一阶导数变
化后的有效磷含量值与光谱的反射率数据相关系数
显著提高。
由图 1 可知, 反射率的一阶导数、对数倒数的
一阶导数这两种变换形式的相关系数都在 2 094 nm
达到最大值, 反射率的一阶导数相关系数最大值为
−0.660, 对数的倒数的一阶导数相关系数最大值为
0.577。反射率经过对数与倒数的对数的变换后的一
阶导数的相关系数均在 711 nm处出现了最大值, 分
别为 0.671与−0.671。反射率的平方根的一阶导数的
相关系数在 719 nm达到最大, 为 0.702, 是所有相关
系数中最大的。
2.3 模型建立
将所选取的显著相关波段反射率及其不同变换
形式作为自变量, 与土壤有效磷含量进行一元线性
回归方程的拟合 , 通过样本数据建立回归方程后 ,
对回归方程的拟合优度检验指标采用决定系数 R2,
估算土壤有效磷的模型如表 2所示。
2.4 模型优选与检验
由表 2 可见, 所有变换形式中(lnR)′和[ln(1/R)]′
对有效磷的估算效果最佳 , 且(lnR)′计算过程简单 ,
便于应用, 因此选择由 711 nm 构成方程为最佳模
型。为了检验模型的预测效果, 利用 14个样本对模
型进行了验证, 如图 2 所示, 有效磷的光谱预测值
与其实侧值之间具有很好的相关性(R2=0.959 1)。
3 讨论与结论
本研究对室内条件下获取的土壤样品高光谱反
射率, 通过数学方法进行预处理, 突出了有效磷含
量变化而引起的光谱反射率的影响, 确定了估算土
壤有效磷含量的敏感波段为 711 nm, 建立了土壤有
效磷含量反演模型, 即: y=15 411 553 125 616.00x3–
26 230 997 840.40x2+13 977 745.61x–2 203.83(x为反
第 6期 高 会等: 基于高光谱的鲁西北平原土壤有效磷含量快速检测研究 755



图 1 反射率(R)及其各种变换形式与土壤有效磷含量的相关系数
Fig. 1 Correlation between reflectivity (R) or its transformations and soil available phosphorus content
R′、(1/R)′、(lnR)′、( R )′、[ln(1/R)] ′、(1/lnR)′分别表示反射率的一阶导数、倒数的一阶导数、对数的一阶导数、平方根的一阶导数、对
数的倒数的一阶导数、倒数的对数的一阶导数。下同。R′, (1/R)′, (lnR)′, ( R )′, [ln(1/R)]′, (1/lnR)′ show reciprocal first derivative, logarithmic first
derivative, square root first derivative, reciprocal of logarithmic first derivative, logarithmic of reciprocal first derivative of reflectivity, respectively.
The same below.
756 中国生态农业学报 2013 第 21卷


表 2 反射率及其不同变换形式与土壤有效磷含量的回归分析结果
Table 2 Regression between reflectivity (R) or its transformations and soil available phosphorus content
数学变换
Mathematical
transformation
波段
Band
(nm)
回归方程
Regression equation
决定系数(R2)
Determination
coefficient
R′ 2 094 y=−4 060 232 666 109 820.00x3+1 159 890 082 136.84x2−110 518 457.245x+3 534.72 0.699 4
(1/R)′ 411 y=29 193 203 293 805.50x3+35 443 832 648.10x2+14 240 734.65x+1 914.94 0.663 3
(lnR)′ 711 y=15 411 553 125 616.00x3–26 230 997 840.40x2+13 977 745.61x–2 203.83 0.822 1
( R )′ 719 y=1 146 782 933 858 560.00x3–645 856 177 909.10x2+120 712 400.39x–7 467.20 0.719 2
[ln(1/R)] ′ 711 y=−15 411 553 125 599.00x3–26 230 997 840.37x2–13 977 745.61x– 2 203.83 0.822 1
(1/lnR)′ 2 094 y=54 889 460 395 684.20x3+69 311 338 271.40x2+29 121 429.81x+ 4 092.63 0.678 1


图 2 土壤有效磷含量预测值与实测值的比较
Fig. 2 Comparison of predicted and measured values of soil
available phosphorus matter content

射率对数的一阶导数值), 建模拟合优度检验指标 R2
达到 0.822 1, 模型验证决定系数 R2达到 0.959 1, 说
明模型对土壤有效磷含量具有较高的预测精度。徐
丽华等 [12]在对 118 个土壤样本室内反射光谱进行
预处理的基础上, 提取了 4个敏感波段(2 342 nm、
1 092 nm、639 nm、2 262 nm), 用偏最小二乘方法建
立了土壤磷的高光谱模型, 模型验证决定系数 R2为
0.622。本研究结果与前人研究有所不同, 是因为土
壤反射光谱深受土壤自身理化性质差异影响, 不同
研究区域的土壤自身理化性质不同。在室内对土壤
样本进行研磨、风干等处理, 可部分消除非有效磷
特性对土壤光谱的影响[13], 但土壤理化性质多因子
相关关系需要进一步尝试试验研究, 从而确定更具
实际意义的土壤有效磷含量估算模型, 为土壤光谱
分析技术实用化奠定基础。
对于构建的最佳模型, 比较 14个样本所构建的
最佳模型的验证结果可见, 模型对于其余样本的预
测精度低于选定样本的预测精度, 模型对其余 418
个样本中随机选取的 123 个样品预测的决定系数为
0.617 4, 说明该模型也可用于全部样本土壤有效磷
的检测, 但本研究的土壤样本取自鲁西北平原的山
东省齐河县, 土壤类型为潮土, 土壤质地以中、轻壤
为主 , 所建立的土壤有效磷的估算模型对其他地
区、其他类型土壤是否适用, 有待于进一步研究。
参考文献
[1] 宋春雨 , 韩俊杰 , 高崇升 . 土壤有效磷及其化学测试方法
研究进展 [J]. 农业系统科学与综合研究 , 2010, 26(3):
283–287
Song C Y, Han J J, Gao C S. Soil available P and its chemical
test methods: A review[J]. System Sciences and Comprehen-
sive Studies in Agriculture, 2010, 26(3): 283–287
[2] 杜昌文 , 周健民 . 傅里叶变换红外光声光谱法测定土壤中
有效磷[J]. 分析化学, 2007, 35(1): 119–122
Du C W, Zhou J M. Prediction of soil available phosphorus
using fourier transform infrared-photoacoustic spectros-
copy[J]. Chinese Journal of Analytical Chemistry, 2007,
35(1): 119–122
[3] 刘磊 , 沈润平 , 丁国香 . 基于高光谱的土壤有机质含量估
算研究[J]. 光谱学与光谱分析, 2011, 31(3): 762–766
Liu L, Shen R P, Ding G X. Studies on the estimation of soil
organic matter content based on hyper-spectrum[J]. Spec-
troscopy and Spectral Analysis, 2011, 31(3): 762–766
[4] 陈红艳, 赵庚星, 李希灿, 等. 小波分析用于土壤速效钾含量
高光谱估测研究[J]. 中国农业科学, 2012, 45(7): 1425–1431
Chen H Y, Zhao G X, Li X C, et al. Application of wavelet
analysis for estimation of soil available potassium content
with hyperspectral reflectance[J]. Scientia Agricultura Sinica,
2012, 45(7): 1425–1431
[5] 张娟娟, 田永超, 姚霞, 等. 基于高光谱的土壤全氮含量估
测[J]. 自然资源学报, 2011, 26(5): 881–890
Zhang J J, Tian Y C, Yao X, et al. Estimating soil total nitro-
gen content based on hyperspectral analysis technology[J].
Journal of Natural Resources, 2011, 26(5): 881–890
[6] 陈鹏飞, 刘良云, 王纪华, 等. 近红外光谱技术实时测定土
壤中总氮及磷含量的初步研究 [J]. 光谱学与光谱分析 ,
2008, 28(2): 295–298
Chen P F, Liu L Y, Wang J H, et al. Real-time analysis of soil
N and P with near infrared diffuse reflectance spectroscopy[J].
Spectroscopy and Spectral Analysis, 2008, 28(2): 295–298
[7] 彭杰, 张杨珠, 周清, 等. 土壤理化特性与土壤光谱特征关
系的研究进展[J]. 土壤通报, 2009, 40(5): 1204–1208
Peng J, Zhang Y Z, Zhou Q, et al. The progress on the rela-
tionship physics-chemistry properties with spectrum charac-
teristic of the soil[J]. Chinese Journal of Soil Science, 2009,
第 6期 高 会等: 基于高光谱的鲁西北平原土壤有效磷含量快速检测研究 757


40(5): 1204–1208
[8] 苏红军 , 杜培军 , 盛业华 . 高光谱遥感数据光谱特征提取
算法与分类研究[J]. 计算机应用研究, 2008, 25(2): 390–394
Su H J, Du P J, Sheng Y H. Study on feature extraction and
experiment of hyperspectral data[J]. Application Research of
Computers, 2008, 25(2): 390–394
[9] 何挺, 王静, 林宗坚, 等. 土壤有机质光谱特征研究[J]. 武
汉大学学报: 信息科学版, 2006, 31(11): 975–979
He T, Wang J, Lin Z J, et al. Spectral features of soil organic
matter[J]. Geomatics and Information Science of Wuhan
University, 2006, 31(11): 975–979
[10] 张娟娟, 田永超, 朱艳, 等. 不同类型土壤的光谱特征及其
有机质含量预测[J]. 中国农业科学, 2009, 42(9): 3154–3163
Zhang J J, Tian Y C, Zhu Y, et al. Spectral characteristics and
estimation of organic matter contents of different soil types[J].
Scientia Agricultura Sinica, 2009, 42(9): 3154–3163
[11] Krishnan P, Alexander J D, Butler B J, et al. Reflectance
technique for predicting soil organic matter[J]. Soil Science
Society of America Journal, 1980, 44(6): 1282–1285
[12] 徐丽华 , 谢德体 . 土壤总氮和总磷含量的高光谱遥感预测
[J]. 农机化研究, 2012, 4(4): 119–122
Xu L H, Xie D T. Prediction for total nitrogen and total
phosphorus concentrations using hyper-spectral remote sens-
ing[J]. Journal of Agricultural Mechanization Research, 2012,
4(4): 119–122
[13] 周清, 张杨珠, 周斌, 等. 室内几何条件对土壤高光谱数据
波动性的影响[J]. 湖南农业大学学报: 自然科学版 , 2004,
30(1): 29–32
Zhou Q, Zhang Y Z, Zhou B, et al. Effect of geometric condi-
tions on soil hyperspectral data fluctuate characteristic in
laboratory test[J]. Journal of Hunan Agricultural University:
Natural Sciences, 2004, 30(1): 29–32

JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ

Faculty positions: Center for Agricultural Resource Research,
Chinese Academy of Sciences

The Center for Agricultural Resource Research (CARR), the Institute of Genetics and Developmental Biology (IGDB), Chi-
nese Academy of Sciences, invites applicants for several research group leader positions.
CARR is one of the research organizations in Chinese Academy of Sciences (CAS). We seek nominations and applications
from individuals who have expertise and a record of accomplishment in research areas related to ecology, agro-hydrology,
agro-biology, crop genetics and breeding, and agro-informatics. The successful candidates for the research group leader posi-
tions will be expected particularly to farmland water transfer and development of water saving technologies, farmland related
groundwater management and hydrochemistry, hydrology, agricultural water resource management, remote sensing application
in agriculture, soil microbiology, agro-ecosystems, plant physiology of drought tolerance, and molecular genetics and breeding
to address fundamental and application agricultural questions.
The appointment of all positions will be at Principal Investigator (full professor) level. Candidates are expected to hold a Ph.D.
degree and postdoctoral experience. Start-up package will be accompanied by either the “One-Hundred Talents Program of
CAS” (minimal four-year postdoctoral required) or the “One-Thousand Youth Talents Program of China” (three-year postdoc-
toral required). Very compatible salary, benefits, and research funding will be provided based on the qualifications of selected
candidates. More information about CARR can be found at http://www.sjziam.cas.cn.
Interested candidates should submit a cover letter, curriculum vitae, representative publications, a statement of research ex-
periences and interests as well as the names and contact information of two referees to:

Dr. Yibo Han, or Chunsheng Hu, Co-Chair of the Research Committee
Center for Agricultural Resource Research
Institute of Genetics and Developmental Biology
Chinese Academy of Sciences
Shijiazhuang, Hebei 050022, China
E-mail: ybhan@genetics.ac.cn or cshu@sjziam.ac.cn