楊海波 張加康 楊 柳 賈禹澤 劉 楠 李 斐

品種和生育時期對冠層光譜指數(shù)(NDVI)估測馬鈴薯植株氮素濃度的影響

楊海波 張加康 楊 柳 賈禹澤 劉 楠 李 斐*

內(nèi)蒙古農(nóng)業(yè)大學草原與資源環(huán)境學院/ 內(nèi)蒙古自治區(qū)土壤質(zhì)量與養(yǎng)分資源重點實驗室, 內(nèi)蒙古呼和浩特 010018

NDVI是反映作物葉綠素相對含量及氮素水平的重要參數(shù), 但是作物品種和生育時期的變化對NDVI估測氮素營養(yǎng)的能力有重要影響。本研究在內(nèi)蒙古陰山北麓馬鈴薯主產(chǎn)區(qū)進行了多年多品種田間試驗, 于2014—2016年7月上旬至8月中旬馬鈴薯關(guān)鍵生育時期, 利用便攜式主動作物傳感器GreenSeeker獲取馬鈴薯冠層光譜指數(shù)NDVI, 對比了品種和生育時期對NDVI估測結(jié)果的影響。結(jié)果表明, 塊莖形成期NDVI與馬鈴薯植株氮素濃度相關(guān)性較差, 隨著生育時期的推進, NDVI與植株氮素濃度的線性相關(guān)性增強, 塊莖膨大期與淀粉積累期組合會顯著提高NDVI與植株氮素濃度的線性建模效果。品種混合會降低NDVI的靈敏性, 增加數(shù)據(jù)的離散性, 基于時間序列歸一化的光譜指數(shù)TNDVI能夠克服這些問題, 尤其是在塊莖膨大期TNDVI與植株氮素濃度的擬合決定系數(shù)(2)能夠由原來的0.13提高到0.47。TNDVI對塊莖形成期、塊莖膨大期和淀粉積累期組合的線性估測建模2為0.76, 顯著高于NDVI。株型展開型的品種在塊莖膨大期和淀粉積累期更具線性擬合趨勢。研究表明, 馬鈴薯生育時期和品種對NDVI估測植株氮素濃度有顯著影響, 且生育時期的影響更大。構(gòu)建的TNDVI光譜指數(shù)能夠克服品種差異導致的塊莖膨大期、淀粉積累期數(shù)據(jù)分異及飽和現(xiàn)象, 為NDVI在馬鈴薯植株氮素濃度診斷應(yīng)用的普適性上提供了理論依據(jù)與方法。

馬鈴薯; 品種; 生育時期; 主動作物傳感器; 歸一化光譜指數(shù); 植株氮素濃度

我國是世界上馬鈴薯種植面積和產(chǎn)量最多的國家, 但是由于施肥管理水平粗放, 馬鈴薯單產(chǎn)普遍較低。氮肥是保證馬鈴薯產(chǎn)量和品質(zhì)的重要營養(yǎng)元素, 合理的氮肥供應(yīng)不僅能夠滿足作物的生長需求, 還能降低氮素損失帶來的環(huán)境風險。了解作物的氮素營養(yǎng)狀況是合理施肥的前提, 尤其是對于生育期內(nèi)多次追肥的作物。前人研究表明, 作物冠層、葉片光譜反射率及其衍生參數(shù)能夠反映作物長勢及氮素營養(yǎng)狀況, 并為農(nóng)田氮素養(yǎng)分管理提供理論指導[1]。其中利用植被近紅外高反射率和紅光強吸收特征計算的歸一化光譜指數(shù)NDVI (Normalized difference vegetation index)對作物生物化學特性敏感, 被廣泛應(yīng)用于作物長勢監(jiān)測和氮素營養(yǎng)診斷[2]。其中植株氮素濃度是判斷作物氮素營養(yǎng)豐缺的重要指標, 追肥前實時、快速獲取植株氮素營養(yǎng)狀況就顯得尤為重要[3-4]。

GreenSeeker是典型的主動作物傳感器, 內(nèi)置的發(fā)光二極管能夠發(fā)射近紅外(770±15) nm和紅光(660±10) nm波段, 其輸出參數(shù)NDVI在小麥、玉米、水稻、馬鈴薯等多種作物的氮素營養(yǎng)診斷及推薦施肥上都有應(yīng)用[5-10]。然而有研究表明, NDVI對作物的某些物理、化學及生理指標的估測具有“飽和現(xiàn)象”[11-12]。其中玉米上的研究發(fā)現(xiàn), 當葉面積指數(shù)大于2, 生物量高于3 t hm-2, 或者植株吸氮量超過80 kg hm-2時, NDVI出現(xiàn)飽和[13]。而水稻的“飽和現(xiàn)象”則出現(xiàn)在生物量達到4 t hm-2或者吸氮量高于100 kg hm-2時[14]。同樣在馬鈴薯植株氮素營養(yǎng)診斷的研究中也發(fā)現(xiàn)一定生育時期和氮素濃度時指數(shù)敏感性顯著降低的問題[15-16]。有研究指出植株生物量和葉面積指數(shù)達到一定值時, 紅光反射率趨近于飽和是導致NDVI趨于飽和的根本原因[17]。而同一作物的不同品種在整個生育時期內(nèi)冠層結(jié)構(gòu)和生物量會有明顯的不同[18-19], 這必然會導致NDVI的差異。那么如何克服作物品種和生育時期對NDVI診斷植株生理生化參數(shù)的影響就成了亟待解決的問題。為提高NDVI估測的精度, 前人做了大量研究, Raun等[20]利用NDVI除以CGDD (累計生長度日)得到的INSEY對冬小麥的產(chǎn)量估測精度可達83%, 提高了NDVI估測作物產(chǎn)量的準確度。將玉米高度參數(shù)引入氮肥施用算法, 得到估產(chǎn)系數(shù)INSEYH, 估產(chǎn)精度也得到大幅度提高[21]。同樣在小麥上的研究也發(fā)現(xiàn)考慮土壤中的含水量可以提高預產(chǎn)的準確性, 尤其是在Feekes5階段利用NDVI乘以種植時地表5 cm處體積含水量預產(chǎn)效果更佳[22]。這些研究結(jié)果表明, 利用NDVI結(jié)合其他參數(shù)對提高產(chǎn)量的估測能力有很好的效果。那么這種方法是否能改善NDVI估測不同馬鈴薯植株氮素濃度上存在的品種和生育時期影響？我們需要進一步探究。

植株氮素濃度是反應(yīng)作物氮素營養(yǎng)狀況的有效指標, 快速準確地獲得植株氮素濃度對施肥指導有重要價值。馬鈴薯是典型的多次追肥作物, 實時獲取植株氮素營養(yǎng)狀況就顯的尤為重要。前人的研究指出以NDVI估測馬鈴薯植株氮素濃度和吸氮量時受生育時期的嚴重影響[15]。然而前人的研究多注重生育時期而忽略了馬鈴薯品種的影響, 馬鈴薯品種是否也具有相同的變化規(guī)律以及NDVI對不同馬鈴薯品種的適用性是否有差異, 我們不得而知。所以本研究通過多年多點的田間試驗, 針對不同馬鈴薯品種通過手持式光譜儀GreenSeeker獲取關(guān)鍵生育時期的冠層NDVI, 分析不同馬鈴薯品種在塊莖形成期、塊莖膨大期、淀粉積累期以及不同時期組合時NDVI對馬鈴薯植株氮素濃度估測的差異, 目的是探究馬鈴薯品種和生育時期對NDVI估測植株氮素濃度的影響, 并尋找降低這種影響的方法, 為基于NDVI光譜指數(shù)的馬鈴薯氮素營養(yǎng)診斷及推薦施肥量提供理論依據(jù)。

1 材料與方法

1.1 試驗設(shè)計

在內(nèi)蒙古馬鈴薯主產(chǎn)區(qū)進行試驗, 供試馬鈴薯品種為當?shù)刂髟云贩N。其中2014年在武川縣, 選用克新1號, 試驗設(shè)7個氮肥梯度, 分別為0、83、135、165、180、210、252 kg N hm-2; 2016年在武川縣, 選用夏坡蒂, 設(shè)6個氮肥梯度, 分別為0、90、144、180、270、425 kg N hm-2; 2017年在四子王旗, 選用荷蘭14號, 設(shè)4個氮肥處理, 分別為0、90、190、320 kg N hm-2。每個處理設(shè)4次重復, 各小區(qū)隨機排列。

1.2 光譜數(shù)據(jù)獲取

用美國俄克拉荷馬州立大學和Ntech公司共同研發(fā)的便攜式主動作物冠層傳感器GreenSeeker獲得NDVI。NDVI = (RNIR-RRED)/(RNIR+RRED)。采集NDVI光譜數(shù)據(jù)時隨機選取各小區(qū)長勢均勻的馬鈴薯樣段兩壟, 每壟長6 m, 使GreenSeeker探頭與馬鈴薯冠層垂直, 高度控制在60~80 cm, 扣動扳機勻速掃過采樣區(qū)域。與手持式主動作物冠層傳感器GreenSeeker不同, 便攜式GreenSeeker更加小巧輕便, 在掃描每個6 m樣段過程中會以0.1秒間隔獲取75~100個NDVI值, 并在掃描完成后輸出測量區(qū)域平均NDVI, 然后手動記錄平均NDVI。

圖1 試驗地位置及試驗小區(qū)分布

T1~T7分別代表由低到高的氮肥用量處理; a、b、c、d為4次重復。

T1–T7 represents the treatment of nitrogen fertilizer from low to high; a, b, c, and d are four replicated.

1.3 植株樣品采集及農(nóng)學參數(shù)的測定

采集完GreenSeeker數(shù)據(jù)后, 選取采樣區(qū)域1 m樣段, 采集地下部塊莖和地上部植株分別稱取鮮重, 切碎混勻后取400~600 g亞樣品帶回試驗室于105℃下殺青后調(diào)至70℃條件下烘至恒重。然后將樣品粉碎混勻, 經(jīng)H2SO4-H2O2消煮后通過凱氏定氮法測定全氮。

2 結(jié)果與分析

2.1 NDVI與馬鈴薯植株氮素濃度的相關(guān)性分析

馬鈴薯植株氮素濃度是表現(xiàn)當前植株氮素養(yǎng)分狀況的重要指標。苗期馬鈴薯植株氮素吸收來源主要是土壤氮素, 而且該生育時期植株矮小, 地表裸露, NDVI受土壤背景影響較大, 因此本研究選擇馬鈴薯關(guān)鍵生育時期塊莖形成期、塊莖膨大期及淀粉積累期進行研究。從表1可以看出, NDVI與塊莖形成期植株氮素濃度相關(guān)性很差, 隨著馬鈴薯地上部冠層結(jié)構(gòu)逐漸穩(wěn)定, NDVI與塊莖膨大期和淀粉積累期的相關(guān)性明顯提高。此外, NDVI對連續(xù)生育時期診斷的響應(yīng)不同。整體來看, 塊莖膨大期與淀粉積累期組合時表現(xiàn)出較高的相關(guān)性。因此生育時期顯著影響NDVI與馬鈴薯植株氮素濃度的關(guān)系。此外, 對馬鈴薯品種進行混合時, 塊莖膨大期植株氮素濃度與NDVI的相關(guān)性與單一品種相比明顯降低, 這說明利用NDVI對馬鈴薯植株氮素濃度進行估測時受品種影響較大。

2.2 生育時期對NDVI估測馬鈴薯植株氮素濃度的影響

塊莖形成期、塊莖膨大期和淀粉積累期是馬鈴薯生長的關(guān)鍵生育時期。整體來看, 隨著生育時期的推移, NDVI與植株氮素濃度的線性建模趨勢增強,且無品種差異。其中塊莖形成期NDVI與馬鈴薯植株氮素濃度相關(guān)性很低, 圖中的數(shù)據(jù)點離散度很大, 不具備建立模型的條件(圖2-a, d, g)。塊莖膨大期NDVI與植株氮素濃度存在指數(shù)飽和現(xiàn)象, 估測模型對氮素濃度的診斷靈敏性顯著降低(圖2-b, e, h)。淀粉積累期NDVI與馬鈴薯植株氮素濃度的估測建模更具線性擬合趨勢, 估測模型的決定系數(shù)在0.36~0.52之間, 且達到極顯著水平。

表1 NDVI與馬鈴薯植株氮素濃度的相關(guān)性(R2)

“全部”代表3個馬鈴薯品種克新1號、夏坡蒂和荷蘭14號;*表示< 5%,**表示< 1%。

“All” stands for the three potato varieties of Kexin 1, Xiapodi and Holland 14;*means< 5%, and**means< 1%. LF: linear function; QF: quadratic function; PF: power function; EF: exponential function.

(圖2)

圖2 馬鈴薯塊莖形成期、塊莖膨大期、淀粉積累期NDVI與植株氮素濃度的估測模型

馬鈴薯氮素營養(yǎng)需求貫穿于整個營養(yǎng)生長與生殖生長期, 為進一步研究生育時期對NDVI估測植株氮素濃度的影響, 本研究將馬鈴薯關(guān)鍵生育時期塊莖形成期、塊莖膨大期和淀粉積累期進行了組合(圖3)。從建模效果來看, NDVI與馬鈴薯植株氮素濃度的最佳估測組合生育時期是塊莖膨大期和淀粉積累期(圖3-b, e, h), 具備明顯的線性擬合趨勢, 擬合決定系數(shù)在0.52~0.85之間; 塊莖形成期與塊莖膨大期的組合效果最差, 尤其是夏坡蒂和荷蘭14號馬鈴薯品種(圖3-d, g), 數(shù)據(jù)點分布混亂; 同時對馬鈴薯塊莖形成期、塊莖膨大期和淀粉積累期估測時, 最佳的擬合趨勢為非線性擬合, 但存在明顯的NDVI飽和現(xiàn)象, 致使NDVI對較高植株氮素濃度反應(yīng)靈敏度喪失(圖3-c, f, i)。生育時期對NDVI估測馬鈴薯植株氮素濃度的能力有顯著影響, 而導致生育時期估測效果差異的原因可能是植株冠層結(jié)構(gòu)的變化。

圖3 馬鈴薯組合生育時期NDVI與植株氮素濃度的估測模型

A, B和C分別代表馬鈴薯塊莖形成期、塊莖膨大期和淀粉積累期。

A, B, and C represent potato tuber initiation stage, tuber bulking stage and starch accumulation stage respectively.

2.3 馬鈴薯品種對NDVI估測植株氮素濃度的影響

圖4為同一生育時期或組合生育時期條件下不同馬鈴薯品種混合時NDVI與馬鈴薯植株氮素濃度的估測模型。從NDVI的數(shù)值來看, 克新1號和荷蘭14號馬鈴薯品種的NDVI值較為接近, 且明顯高于夏坡蒂品種, 因此馬鈴薯品種的差異會導致NDVI值大小的不同。從單獨生育時期來看, 塊莖形成期不同馬鈴薯品種混合后, NDVI與植株氮素濃度不具備建模效果(圖4-a), 這可能是由于該生育時期同時受到品種、冠層結(jié)構(gòu)及土壤背景的多重因素影響。塊莖膨大期時馬鈴薯已經(jīng)封壟, 冠層結(jié)構(gòu)變化與土壤背景影響較小, 但是由于馬鈴薯品種的差異, 混合后NDVI與植株氮素濃度數(shù)據(jù)點存在明顯的分異現(xiàn)象(圖4-b), 雖然3個馬鈴薯品種混合后NDVI與馬鈴薯植株氮素濃度差異能夠達到顯著水平, 但2很低, 僅為0.13, 這嚴重影響了模型在實際應(yīng)用中的價值。淀粉積累期品種的混合與單獨馬鈴薯品種相比, 混合后NDVI與植株氮素濃度的建模更具非線性擬合趨勢, 這說明馬鈴薯品種的混合改變了單一品種時的線性擬合趨勢, 增加了指數(shù)的飽和性, 降低了估測的靈敏性。從組合生育時期來看, 品種混合會增加指數(shù)飽和的風險(圖4-e, f), 雖然塊莖膨大期和淀粉積累期組合后數(shù)據(jù)離散度較小(圖4-e), 但是與圖3相比, 品種混合導致了NDVI指數(shù)飽和。

2.4 基于TNDVI指數(shù)的馬鈴薯植株氮素濃度估測

馬鈴薯品種及生育時期的差異表現(xiàn)在隨著時間變化的整個生長過程中。因此為克服馬鈴薯品種和生育時期對NDVI估測植株氮素濃度的影響, 本研究對NDVI進行時間序列上的歸一化, 得到TNDVI, TNDVI = NDVI (GreenSeeker在某個時間的測定值)/T(播種到測定的生長天數(shù))。從圖5可看出, 塊莖膨大期和淀粉積累期馬鈴薯植株氮素濃度與TNDVI具有較好的線性擬合趨勢, 擬合方程的2分別為0.47和0.58。TNDVI不僅克服了馬鈴薯在塊莖膨大期和淀粉積累期估測建模時的品種差異, 而且明顯降低了指數(shù)的飽和性, 提高了線性建模效果(圖5-a, b)。

圖4 馬鈴薯品種混合條件下NDVI和植株氮素濃度估測模型的構(gòu)建

A, B和C分別代表馬鈴薯塊莖形成期、塊莖膨大期和淀粉積累期。

A, B, and C represent potato tuber initiation stage, tuber bulking stage and starch accumulation stage respectively.

從圖6可看出, 利用TNDVI對混合馬鈴薯品種進行關(guān)鍵生育時期塊莖形成期、塊莖膨大期和淀粉積累期的估測建模時, 仍然可以得到不錯的線性估測模型。TNDVI與塊莖膨大期和淀粉積累期的估測模型為= 0.0026+0.0016, 擬合方程的決定系數(shù)為0.56; 與塊莖形成期、塊莖膨大期和淀粉積累期的估測模型為= 0.0031+0.0003, 擬合方程的決定系數(shù)為0.76, 明顯高于NDVI直接與馬鈴薯植株氮素濃度建立估測模型。但從數(shù)據(jù)點的分布來看, 生育時期的影響依然較大, 這可能是GreenSeeker固定的紅光和近紅外波段本身對馬鈴薯植株氮素濃度的敏感性差異所致。

圖5 品種混合時馬鈴薯塊莖膨大期和淀粉積累期TNDVI與植株氮素濃度估測模型的構(gòu)建

圖6 品種混合時馬鈴薯組合生育時期TNDVI與植株氮素濃度估測模型的構(gòu)建

2.5 TNDVI光譜指數(shù)的敏感性分析

為對比NDVI和TNDVI對馬鈴薯植株氮素濃度的響應(yīng)程度, 采用Vine等提出的Noise Equivalent (NE)算法對估測模型的敏感性進行分析[23]。敏感性分析選擇NDVI直接估測建模的圖4 (b, c, e, f)與TNDVI估測建模的圖5 (a, b)和圖6 (a, b)進行對比, NE越小, 說明光譜指數(shù)對估測參數(shù)的敏感性越高。從圖7可以看出, NDVI隨著馬鈴薯植株氮素濃度的增加, 敏感性顯著降低, 而TNDVI無論是在單獨的生育時期, 還是在組合生育時期, 都表現(xiàn)出相對較高的敏感性, 尤其是在品種影響較大的塊莖膨大期。淀粉積累期雖然NDVI受品種影響相對較小, 但是當馬鈴薯植株氮素含量大于2.4%時, 相對于TNDVI, NDVI的靈敏性顯著降低。此外, 雖然TNDVI無法顯著降低生育時期的影響, 但是與NDVI估測連續(xù)生育時期塊莖形成期(A)、塊莖膨大期(B)、淀粉積累期(C)相比, TNDVI對馬鈴薯植株氮素濃度的敏感性也遠高于NDVI。

圖7 NDVI和TNDVI估測建模的敏感性分析

A、B、C分別代表塊莖形成期、塊莖膨大期和淀粉積累期。

A, B, and C represent potato tuber initiation stage, tuber bulking stage and starch accumulation stage, respectively.

3 討論

利用NDVI對馬鈴薯進行植株氮素營養(yǎng)診斷時要考慮生育時期的影響。前人研究表明, 當作物覆蓋度低于15%時, NDVI很難與植株生物量建立關(guān)系[24]。馬鈴薯塊莖形成期NDVI仍然在一定程度上受到土壤背景和冠層結(jié)構(gòu)的干擾, 而且此時伴隨著馬鈴薯開花, 冠層的白色、紫色等不同花色會影響冠層光譜的反射率[16], 導致NDVI與馬鈴薯植株氮素濃度的相關(guān)性差, 這與前人的研究結(jié)果一致[15]。隨著馬鈴薯開花后, 塊莖膨大期和淀粉積累期植株封壟, 冠層結(jié)構(gòu)穩(wěn)定, NDVI對馬鈴薯植株氮素濃度的診斷能力也逐漸提高。而且同一品種間生育時期顯著影響NDVI對馬鈴薯植株氮素濃度的估測能力, 其中以塊莖膨大期和淀粉積累期組合效果最佳, 因此在田間利用NDVI估測植株氮素濃度時, 為提高估測的可行性與精度, 應(yīng)該選擇花后冠層結(jié)構(gòu)穩(wěn)定的生育時期進行診斷。

不同馬鈴薯品種的植株形態(tài)不同, 冠層光譜反射率也存在差異。在馬鈴薯塊莖膨大期和淀粉積累期進行品種混合估測建模時(圖4-b, c), 存在明顯的數(shù)據(jù)點分異現(xiàn)象, 尤其是在塊莖膨大期更明顯。通過田間觀察發(fā)現(xiàn), 克新1號和荷蘭14號的株型直立、莖葉濃綠, 而夏坡蒂株型開展、分支較多, 莖葉呈黃綠色。因此分異的原因很可能是不同馬鈴薯品種在生長過程中的冠層結(jié)構(gòu)、葉片顏色不同, 而隨著生育時期的推移, 這種分異現(xiàn)象有所減弱。此外品種間的混合會增加NDVI估測馬鈴薯植株氮素濃度時的指數(shù)飽和現(xiàn)象(圖4-e, f)。為消除這種分異與飽和現(xiàn)象, 本研究對NDVI進行時間序列上的歸一化, 得到TNDVI指數(shù), 建立其與馬鈴薯植株氮素濃度的關(guān)系(圖6和圖7)。本研究發(fā)現(xiàn), 與NDVI相比, 通過時間序列上的歸一化后, 不同馬鈴薯品種在塊莖膨大期的數(shù)據(jù)分異現(xiàn)象基本消除, 而淀粉積累期數(shù)據(jù)點的緊密度更高, TNDVI使估測模型更具線性擬合趨勢, 降低了品種混合時的指數(shù)飽和現(xiàn)象。這為NDVI對不同馬鈴薯品種進行植株氮素濃度診斷,克服品種差異帶來的數(shù)據(jù)分異及飽和現(xiàn)象提供了改進方法。但值得注意的是, TNDVI光譜指數(shù)受生育時期的影響仍然十分顯著, 說明生育時期對NDVI估測馬鈴薯植株氮素的影響要大于品種之間的差異。

利用NDVI診斷馬鈴薯植株氮素濃度時存在指數(shù)飽和現(xiàn)象, 而TNDVI對馬鈴薯關(guān)鍵生育時期進行植株氮素濃度估測建模時, 不同生育時期雖然具有分異現(xiàn)象, 但是不同生育時期數(shù)據(jù)點的分布具有相同趨勢(圖6-b), 因此要想解決馬鈴薯品種和生育時期同時帶來的影響, 改變指數(shù)構(gòu)建形式及算法優(yōu)化是有效的途徑之一, 所以基于波段優(yōu)化算法的光譜指數(shù)研究是非常有必要的。構(gòu)建新的指數(shù)算法, 綜合考慮不同品種不同生育時期的最佳敏感波段, 不僅會在作物生理生化指標的估測中展現(xiàn)出更佳的優(yōu)勢, 也為便攜式作物傳感器的制作提供了理論依據(jù)。

4 結(jié)論

以NDVI估測馬鈴薯植株氮素濃度受生育時期和品種的影響。單一品種時冠層結(jié)構(gòu)相對穩(wěn)定的塊莖膨大期和淀粉積累期是以NDVI診斷植株氮素濃度的最佳時期, 但是在塊莖膨大期仍然存在指數(shù)飽和現(xiàn)象, 而兩生育時期的組合能明顯提高估測建模效果。多品種混合時NDVI存在數(shù)據(jù)分異和指數(shù)飽和性增加的問題, 顯著降低了NDVI對馬鈴薯植株氮素濃度的估測能力, 而TNDVI能夠克服品種間混合建模時的數(shù)據(jù)點分異和飽和現(xiàn)象, 且估測模型的敏感性遠高于NDVI。

[1] 張晗, 趙小敏, 郭熙, 張佳佳, 葉春, 葉英聰, 李小毛. 基于冠層高光譜信息的水稻生長監(jiān)測應(yīng)用研究進展. 江蘇農(nóng)業(yè)科學, 2018, 46(12): 1–9. Zhang H, Zhao X M, Guo X, Zhang J J, Ye C, Ye Y C, Li X M.Advances in application of rice growth monitoring based on canopy layer spectral information,, 2018, 46(12): 1–9 (in Chinese).

[2] 張衛(wèi)峰, 馬林, 黃高強, 武良, 陳新平, 張福鎖. 中國氮肥發(fā)展貢獻和挑戰(zhàn). 中國農(nóng)業(yè)科學, 2013, 46: 3161–3171. Zhang W F, Ma L, Huang G Q, Wu L, Chen X P, Zhang F S. The development and contribution of nitrogenous fertilizer in China and challenges faced by the country., 2013, 46: 3161–3171 (in Chinese with English abstract).

[3] 魏全全, 李嵐?jié)? 任濤, 王振, 王少華, 李小坤, 魯劍巍. 基于數(shù)字圖像技術(shù)的冬油菜氮素營養(yǎng)診斷. 中國農(nóng)業(yè)科學, 2015, 48: 3877–3886. Wei Q Q, Li F T, Ren T, Wang Z, Wang S H, Li X K, Lu J W. Diagnosing nitrogen nutrition status of winter rapeseeddigital Image processing technique., 2015, 48: 3877–3886 (in Chinese with English abstract).

[4] Nigon T J, Mulla D J, Rosen C J, Cohen Y, Alchanatis V, Rud R. Evaluation of the nitrogen sufficiency index for use with high resolution, broadband aerial imagery in a commercial potato field., 2014, 15: 202–226.

[5] Wei W, Xia Y, Tian Y C, Liu X J, Jun N I, Cao W X, Yan Z H. Common spectral bands and optimum vegetation indices for monitoring leaf nitrogen accumulation in rice and wheat., 2012, 11: 2001–2012.

[6] 盧艷麗, 白由路, 楊俐蘋, 王磊. N利用GreenSeeker法診斷春玉米氮素營養(yǎng)狀況的研究. 玉米科學, 2008, 16(1): 111–115. Lu Y L, Bai Y L, Yang L P, Wang L. Diagnos is on nitrogen status using GreenSeeker in spring maize., 2008, 16(1): 111–115 (in Chinese with English abstract).

[7] 郭建華, 王秀, 孟志軍, 趙春江, 宇振榮, 陳立平. 主動遙感光譜儀 Greenseeker與 SPAD 對玉米氮素營養(yǎng)診斷的研究. 植物營養(yǎng)與肥料學報, 2008, 14(1): 43–47. Guo J H, Wang X, Meng Z J, Zhao C J, Yu Z R, Chen L P. Study on diagnosing nitrogen nutrition status of corn using GreenSeeker and SPAD meter., 2008, 14(1): 43–47 (in Chinese with English abstract).

[8] 張俊華, 張佳寶, 李立平. 基于冬小麥植被指數(shù)的氮肥調(diào)控技術(shù)研究. 土壤學報, 2007, 44: 550–555. Zhang J H, Zhang J B, Li L P. Nitrogen regulation technology based on canopy spectral property of winter wheat., 2007, 44: 550–555 (in Chinese with English abstract).

[9] Raun W R, Solie J B, Johnson G V, Stone M L, Lukina E V, Thomason W E, Schepers J S. In-season prediction of potential grain yield in winter wheat using canopy reflectance., 2001, 93: 131–138.

[10] Franzen D W. Nitrogen management in sugar beet using remote sensing and GIS. In: Francis J P, David C, eds. GIS Applications in AgricultureNew York:Taylor and Francis Group, 2007. pp 35–39.

[11] Li F, Gnyp M L, Jia L L, Miao Y X, Yu Z H, Koppe W, Chen X P, Zhang F S. Estimating N status of winter wheat using a handheld spectrometer in the North China Plain., 2008, 106: 77–85.

[12] Gnyp M L, Miao Y X, Yuan F, Ustin S L, Yu K, Yao Y K, Bareth G. Hyperspectral canopy sensing ofpaddy rice aboveground biomass at different growth stages., 2014, 155: 42–55.

[13] Xia T T, Miao Y X, Wu D L, Shao H. Active optical sensing of spring maize for in-season diagnosis of nitrogen status based on nitrogen nutrition index., 2016, 8: 605.

[14] Yao Y K, Miao Y X, Cao Q, Wang H Y. In-season estimation of rice nitrogen status with an active crop canopy sensor., 2014, 7: 4403–4413.

[15] 于靜, 李斐, 秦永林, 樊明壽. 應(yīng)用主動作物冠層傳感器對馬鈴薯氮素營養(yǎng)診斷. 光譜學與光譜分析, 2013, 33: 3092–3097. Yu J, Li F, Qin Y L, Fan M S. Active crop canopy sensor-based nitrogen diagnosis for potato., 2013, 33: 3092–3097 (in Chinese with English abstract).

[16] 高興, 李斐, 楊海波, 黃紹福, 張加康, 苗杰, 黃偉杰. 基于紅邊位置的馬鈴薯植株氮濃度估測方法研究. 植物營養(yǎng)與肥料學報, 2019, 25: 296–310. Gao X, Li F, Yang H B, Huang S F, Zhang J K, Miao J, Huang W J. Appropriate calculation method for the use of red edge position to estimate potato nitrogen concentration., 2019, 25: 296–310 (in Chinese with English abstract).

[17] Wang W, Yao X, Yao X F, Tian Y C, Liu X J, Ni J, Cao W X, Zhu Y. Estimating leaf nitrogen concentration with three-band vegetation indices in rice and wheat., 2012, 129: 90–98.

[18] Mistele B, Schmidhalter U. Spectral measurements of the total aerial N and biomass dry weight in maize using a quadrilateral-view optic., 2008, 106: 94–103.

[19] 楊貴軍, 邢著榮, 黃文江, 齊臘, 李偉國. 不同株型冬小麥冠層結(jié)構(gòu)特征多時相分析. 農(nóng)業(yè)工程學報, 2010, 26(7): 227–234. Yang G J, Xing Z R, Huang W J, Qi L, Li W G. Analysis of winter canopy structure for different plant types of growth period., 2010, 26(7): 227–234 (in Chinese with English abstract).

[20] Raun W R, Solie J B, Johnson G V, Stone M L, Lukina E V, Thomason W E, Schepers J S. In-season prediction of potential grain yield in winter wheat using canopy reflectance., 2001, 93: 131–138.

[21] Sharma L K, Franzen D W. Use of corn height to improve the relationship between active optical sensor readings and yield estimates., 2014, 15: 331–345.

[22] Walsh O S, Klatt A R, Solie J B, Godsey C B, Raun W R. Use of soil moisture data for refined GreenSeeker sensor based on nitrogen recommendations in winter wheat (L.)., 2013, 14: 343–356.

[23] Vi?a A, Gitelson A A, Nguy-Robertson A L, Peng Y. Comparison of different vegetation indices for the remote assessment of green leaf area index of crops., 2011, 115: 3468–3478.

[24] 任建強, 陳仲新, 周清波, 唐華俊. 基于葉面積指數(shù)反演的區(qū)域冬小麥單產(chǎn)遙感估測. 應(yīng)用生態(tài)學報, 2010, 21: 2883–2888.Ren J Q, Chen Z X, Zhou Q B, Tang J H. LAI-based regional winter wheat yield estimation by remote sensing., 2010, 21: 2883–2888 (in Chinese with English abstract).

Effect of variety and growth period on NDVI estimation of nitrogen concentration in potato plants

YANG Hai-Bo, ZHANG Jia-Kang, YANG Liu, JIA Yu-Ze, LIU-Nan, and LI Fei*

Inner Mongolia Key Laboratory of Soil Quality and Nutrient Resource / College of Grassland, Resources and Environment, Inner Mongolia Agricultural University, Hohhot 010018, Inner Mongolia, China

The normalized difference vegetation index (NDVI) is an important parameter to reflect relative chlorophyll content and nitrogen level of crops, but NDVI’s ability to estimate nitrogen nutrition is affected by varieties and growth period. The field experiments using several varieties were conducted in the main potato producing areas at the north foot of Yinshan mountain, Inner Mongolia. From early July to mid-august in 2014 to 2016, the canopy spectral index NDVI was measured by using the pocket active crop sensor GreenSeeker during potato critical growth period. The effects of cultivars and growth stages on NDVI estimation of nitrogen concentration in potato plants were compared. The linear correlation between NDVI and plant nitrogen concentration (PNC) was poor in tuber initiation, but increased in process of growth period. The combination of tuber bulking period and starch accumulation period significantly improved the linear modeling effect of NDVI and PNC. Variety combination reduced the sensitivity of NDVI and increased the discreteness of data, which could be offset by NDVI time series normalization (TNDVI), especially the fitting coefficient of determination (2) of TNDVI and PNC increased from 0.13 to 0.47 in the tuber bulking period. The2of linear estimation model of TNDVI for the combination of tuber initiation, tuber bulking and starch accumulation period was 0.76, which was significantly higher than that of NDVI. Plant-expanded varieties had a more linear fitting trend during tuber bulking and starch accumulation. The growth period and potato varieties had significant effects on NDVI estimation of PNC, and growth period had a greater effect. The established TNDVI spectral index overcame the data differentiation and saturation phenomenon during tuber bulking and starch accumulation caused by variety difference, which provides a theoretical basis and method for the application of NDVI in the diagnosis of nitrogen concentration in potato plants.

potato; varieties ; growth stage ; active crop sensor; NDVI; PNC

10.3724/SP.J.1006.2020.94121

本研究由2018年內(nèi)蒙古自治區(qū)高等學校“青年科技英才支持計劃”(NJYT-18-A08)和國家自然科學基金項目(41361079)資助。

This study was supported by the “Youth Science and Technology Talents Support Program” (NJYT-18-A08) of Colleges and Universities of Inner Mongolia Autonomous Region in 2018 and the National Natural Science Foundation of China (41361079).

李斐, E-mail: feili72@163.com

E-mail: hbyang93@163.com

2019-08-17;

2019-12-26;

2020-01-14.

URL: http://kns.cnki.net/kcms/detail/11.1809.S.20200114.1708.002.html