李永梅 張學(xué)儉 張立根

摘要：以寧夏引黃灌區(qū)水稻為研究對象，將各生育期水稻冠層原始光譜反射率、一階微分光譜及高光譜變量與氮素進(jìn)行相關(guān)性分析，構(gòu)建了分蘗盛期、孕穗期、齊穗期和灌漿期水稻氮素高光譜遙感估測線性及非線性模型，并對模型進(jìn)行驗證，結(jié)果表明：齊穗期所有的氮素估測模型均優(yōu)于其他生育期；基于一階微分光譜構(gòu)建的模型擬合效果及精度優(yōu)于原始光譜和高光譜變量構(gòu)建的模型；線性回歸模型與非線性模型的決定系數(shù)差異均不大，擬合效果接近；最終確定各生育期的最優(yōu)模型是基于一階微分光譜構(gòu)建的線性模型：分蘗盛期y=12.54x+3.202（r=0.877），孕穗期y=16.88x+1.224（r=0.893），齊穗期y=1.197x+2.049（r=0.958），灌漿期y=-6.974x+1.467（r=-0.802），其中齊穗期估測效果最佳。

關(guān)鍵詞：水稻；氮素；高光譜遙感；估測模型

中圖分類號： S127；TP79文獻(xiàn)標(biāo)志碼：

文章編號：1002-1302（2016）08-0435-05

作物氮素含量成為評價其長勢、產(chǎn)量及品質(zhì)的重要指標(biāo)，是科學(xué)施肥的重要依據(jù)。對作物氮的管理一直是農(nóng)業(yè)生產(chǎn)中的重要環(huán)節(jié)，如何準(zhǔn)確、迅速、經(jīng)濟(jì)地判斷植物的氮素狀況，進(jìn)而確定作物的氮肥需求量并采取有效的氮肥管理措施，成為精準(zhǔn)農(nóng)業(yè)養(yǎng)分管理的研究熱點(diǎn)，具有重要的經(jīng)濟(jì)意義和生態(tài)意義。傳統(tǒng)的作物氮素診斷主要是實(shí)驗室化學(xué)分析方法，這些方法通常需要破壞性采樣，時效性差、主觀性強(qiáng)。高光譜遙感技術(shù)具有獲取信息量大、光譜分辨率高、波段連續(xù)性強(qiáng)等優(yōu)勢，為作物營養(yǎng)狀況監(jiān)測提供了新方法，已成為診斷作物氮素的新手段，在農(nóng)業(yè)養(yǎng)分管理中具有極高的應(yīng)用價值和應(yīng)用前景[1-2]。

國內(nèi)外對水稻光譜特征及其營養(yǎng)遙感監(jiān)測進(jìn)行了相關(guān)研究。王人潮等最早開創(chuàng)了國內(nèi)水稻高光譜遙感研究，探討了不同施氮水平下水稻光譜變化規(guī)律，并采用t檢驗法篩選出水稻氮素診斷的敏感波段[3]。之后，有學(xué)者進(jìn)一步對水稻高光譜一階微分及“三邊”參數(shù)等進(jìn)行了研究，并在構(gòu)建水稻氮素診斷遙感模型方面做了嘗試。Ryu等利用機(jī)載遙感數(shù)據(jù)構(gòu)建了水稻含氮量的高光譜預(yù)測模型[4]。Shibayama等將水稻高光譜反射率與葉片氮含量進(jìn)行了相關(guān)性研究，發(fā)現(xiàn)400、620、760、880 nm的波長與葉片氮素相關(guān)性最好，可作為水稻氮素高光譜診斷的特征波長[5]。目前對水稻氮素的遙感診斷與監(jiān)測已有較多的研究，但綜合多種高光譜數(shù)據(jù)對水稻各生育期的氮素含量分別進(jìn)行估測的相關(guān)研究并不多見。本研究以不同施氮水平試驗田為依托，首次在高海拔、高緯度的寧夏引黃灌區(qū)開展水稻高光譜特征及氮素遙感估測研究，采用統(tǒng)計分析方法按生育期將水稻冠層原始光譜、一階微分光譜及“三邊”高光譜變量與水稻冠層氮濃度進(jìn)行相關(guān)性分析，篩選出水稻氮素診斷的光譜參數(shù)，據(jù)此構(gòu)建水稻氮素的高光譜遙感估測模型，為寧夏水稻氮素實(shí)施大范圍無損遙感監(jiān)測提供科學(xué)依據(jù)及技術(shù)支撐。

1材料與方法

1.1試驗與方法

試驗在靈武市梧桐樹鄉(xiāng)陶家圈村和楊洪橋村2個點(diǎn)進(jìn)行，供試水稻品種為長粒優(yōu)，前茬種植作物均為玉米。采取單因素肥效進(jìn)行試驗設(shè)計，共設(shè)3個氮肥水平，每小區(qū)面積為65 m2（5 m×13 m），重復(fù)3次。

1.2光譜信息采集

利用美國SVC GER1500光譜儀，波段范圍350～1 096 nm。采樣間隔為1.5 nm，光譜分辨率為3 nm，視場角25°。在分蘗盛期、孕穗期、齊穗期及灌漿期4個生育期，晴朗無風(fēng)天氣、北京時間10：30—14：30進(jìn)行水稻光譜采集。采集光譜時探頭垂直向下，距冠層0.7 m。每小區(qū)選取長勢中等、無病蟲害的健康水稻作為光譜測定對象，同時每小區(qū)選擇3個點(diǎn)分別測定5次，取均值。

1.3農(nóng)學(xué)參數(shù)測定

光譜測定范圍內(nèi)，同步取樣3～5穴，進(jìn)行葉面積指數(shù)、葉片氮含量及冠層氮密度的測定與計算，其中楊洪橋村數(shù)據(jù)用于模型構(gòu)建，陶家圈村數(shù)據(jù)用于模型檢驗。

率作為自變量，以氮含量作為因變量，擬合了氮濃度與特征波長處高光譜之間的線性回歸、指數(shù)回歸和對數(shù)回歸模型（表3）。由表3可見，孕穗期和齊穗期氮濃度與原始光譜間相關(guān)程度最好，擬合效果較好；分蘗盛期和灌漿期的擬合效果較差。根據(jù)相關(guān)系數(shù)r，各生育期中3個模型的擬合程度基本接近，說明利用水稻冠層原始光譜采用線性、指數(shù)和對數(shù)模型對其氮素進(jìn)行估測是可行的，其中線性模型更為簡潔。

3結(jié)論與討論

通過將原始高光譜反射率及多種光譜變換形式與冠層氮濃度進(jìn)行相關(guān)性分析，篩選相關(guān)性最顯著的波段構(gòu)建水稻氮

素估測模型，對各生育期的模型進(jìn)行對比及驗證，得出如下結(jié)論：（1）基于一階微分高光譜反射率構(gòu)建的水稻氮素估測模型優(yōu)于基于原始光譜和高光譜變量構(gòu)建的模型。（2）從生育期來看，齊穗期水稻氮素估測模型的擬合效果最佳，齊穗期為水稻氮素診斷的最佳時期。（3）從模型類型上，線性模型與非線性模型在擬合效果及精度上差異不大，由于線性模型簡單，故最優(yōu)模型確定為線性函數(shù)模型。

以寧夏引黃灌區(qū)水稻為研究對象，水稻氮素估測模型覆蓋了水稻主要生育期，拓寬了目前高光譜遙感診斷水稻氮素的研究區(qū)域，為寧夏水稻氮素?zé)o損診斷奠定了一定的基礎(chǔ)。今后如何采用高光譜變換技術(shù)降低下墊面對水稻冠層光譜的干擾，并嘗試人工智能算法構(gòu)建多變量的氮素診斷模型，進(jìn)一步提高水稻氮素估測模型的精度及普適性，并指導(dǎo)科學(xué)施肥仍需深入研究。

參考文獻(xiàn)：

[1]陳志強(qiáng). 不同氮素水平下玉米葉片的高光譜響應(yīng)及其診斷[D]. 杭州：浙江大學(xué)，2008：1-5.

[2]楊娜. 便捷式光譜儀測量軟件開發(fā)及農(nóng)學(xué)參數(shù)光譜分析方法[D]. 北京：北京工業(yè)大學(xué)，2011：1-5.

[3]王人潮，陳銘臻，蔣亨顯. 水稻遙感估產(chǎn)的農(nóng)學(xué)機(jī)理研究——Ⅰ.不同氮素水平的水稻光譜特征及其敏感波段的選擇[J]. 浙江農(nóng)業(yè)大學(xué)學(xué)報，1993，19（增刊1）：7-14.

[4]Ryu C，Suguri M，Umeda M.Model for predicting the nitrogen content of rice at panicle initiation stage using data from airborne hyperspectral remote sensing[J]. Biosystems Engineering，2009，104（4）：465-475.

[5]Shibayama M，Akiyama T A.Canopy water deficit detection in paddy rice using a high resolution field spectroradiometer[J]. Remote Sensing of Environment，1993（45）：117-126.

[6]郁進(jìn)元，何巖，趙忠福，等. 長寬法測定作物葉面積的校正系數(shù)研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2007（2）：37-39.

[7]譚昌偉，周清波，齊臘，等. 水稻氮素營養(yǎng)高光譜遙感診斷模型[J]. 應(yīng)用生態(tài)學(xué)報，2008，19（6）：1261-1268.

[8]易秋香. 不同遙感水平水稻氮素信息提取研究[D]. 杭州：浙江大學(xué)，2008：1-5.

[9]王仁紅，宋曉宇，李振海，等. 基于高光譜的冬小麥氮素營養(yǎng)指數(shù)估測[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（19）：191-198.