楊海波 張加康 楊 柳 賈禹澤 劉 楠 李 斐
品種和生育時(shí)期對(duì)冠層光譜指數(shù)(NDVI)估測(cè)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(xué)草原與資源環(huán)境學(xué)院/ 內(nèi)蒙古自治區(qū)土壤質(zhì)量與養(yǎng)分資源重點(diǎn)實(shí)驗(yàn)室, 內(nèi)蒙古呼和浩特 010018
NDVI是反映作物葉綠素相對(duì)含量及氮素水平的重要參數(shù), 但是作物品種和生育時(shí)期的變化對(duì)NDVI估測(cè)氮素營(yíng)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(jìn)行了多年多品種田間試驗(yàn), 于2014—2016年7月上旬至8月中旬馬鈴薯關(guān)鍵生育時(shí)期, 利用便攜式主動(dòng)作物傳感器GreenSeeker獲取馬鈴薯冠層光譜指數(shù)NDVI, 對(duì)比了品種和生育時(shí)期對(duì)NDVI估測(cè)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(shí)期的推進(jìn), NDVI與植株氮素濃度的線性相關(guān)性增強(qiáng), 塊莖膨大期與淀粉積累期組合會(huì)顯著提高NDVI與植株氮素濃度的線性建模效果。品種混合會(huì)降低NDVI的靈敏性, 增加數(shù)據(jù)的離散性, 基于時(shí)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(duì)塊莖形成期、塊莖膨大期和淀粉積累期組合的線性估測(cè)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(shì)。研究表明, 馬鈴薯生育時(shí)期和品種對(duì)NDVI估測(cè)植株氮素濃度有顯著影響, 且生育時(shí)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(dǎo)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(shí)期; 主動(dòng)作物傳感器; 歸一化光譜指數(shù); 植株氮素濃度
我國(guó)是世界上馬鈴薯種植面積和產(chǎn)量最多的國(guó)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(yíng)養(yǎng)元素, 合理的氮肥供應(yīng)不僅能夠滿足作物的生長(zhǎng)需求, 還能降低氮素?fù)p失帶來的環(huán)境風(fēng)險(xiǎn)。了解作物的氮素營(yíng)養(yǎng)狀況是合理施肥的前提, 尤其是對(duì)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(zhǎng)勢(shì)及氮素營(yíng)養(yǎng)狀況, 并為農(nóng)田氮素養(yǎng)分管理提供理論指導(dǎo)[1]。其中利用植被近紅外高反射率和紅光強(qiáng)吸收特征計(jì)算的歸一化光譜指數(shù)NDVI (Normalized difference vegetation index)對(duì)作物生物化學(xué)特性敏感, 被廣泛應(yīng)用于作物長(zhǎng)勢(shì)監(jiān)測(cè)和氮素營(yíng)養(yǎng)診斷[2]。其中植株氮素濃度是判斷作物氮素營(yíng)養(yǎng)豐缺的重要指標(biāo), 追肥前實(shí)時(shí)、快速獲取植株氮素營(yíng)養(yǎng)狀況就顯得尤為重要[3-4]。
GreenSeeker是典型的主動(dòng)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(yíng)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(duì)作物的某些物理、化學(xué)及生理指標(biāo)的估測(cè)具有“飽和現(xiàn)象”[11-12]。其中玉米上的研究發(fā)現(xiàn), 當(dāng)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(shí), 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(dá)到4 t hm-2或者吸氮量高于100 kg hm-2時(shí)[14]。同樣在馬鈴薯植株氮素營(yíng)養(yǎng)診斷的研究中也發(fā)現(xiàn)一定生育時(shí)期和氮素濃度時(shí)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(dá)到一定值時(shí), 紅光反射率趨近于飽和是導(dǎo)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(gè)生育時(shí)期內(nèi)冠層結(jié)構(gòu)和生物量會(huì)有明顯的不同[18-19], 這必然會(huì)導(dǎo)致NDVI的差異。那么如何克服作物品種和生育時(shí)期對(duì)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(cè)的精度, 前人做了大量研究, Raun等[20]利用NDVI除以CGDD (累計(jì)生長(zhǎng)度日)得到的INSEY對(duì)冬小麥的產(chǎn)量估測(cè)精度可達(dá)83%, 提高了NDVI估測(cè)作物產(chǎn)量的準(zhǔn)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(yù)產(chǎn)的準(zhǔn)確性, 尤其是在Feekes5階段利用NDVI乘以種植時(shí)地表5 cm處體積含水量預(yù)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(duì)提高產(chǎn)量的估測(cè)能力有很好的效果。那么這種方法是否能改善NDVI估測(cè)不同馬鈴薯植株氮素濃度上存在的品種和生育時(shí)期影響?我們需要進(jìn)一步探究。
植株氮素濃度是反應(yīng)作物氮素營(yíng)養(yǎng)狀況的有效指標(biāo), 快速準(zhǔn)確地獲得植株氮素濃度對(duì)施肥指導(dǎo)有重要價(jià)值。馬鈴薯是典型的多次追肥作物, 實(shí)時(shí)獲取植株氮素營(yíng)養(yǎng)狀況就顯的尤為重要。前人的研究指出以NDVI估測(cè)馬鈴薯植株氮素濃度和吸氮量時(shí)受生育時(shí)期的嚴(yán)重影響[15]。然而前人的研究多注重生育時(shí)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(duì)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(diǎn)的田間試驗(yàn), 針對(duì)不同馬鈴薯品種通過手持式光譜儀GreenSeeker獲取關(guān)鍵生育時(shí)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(shí)期組合時(shí)NDVI對(duì)馬鈴薯植株氮素濃度估測(cè)的差異, 目的是探究馬鈴薯品種和生育時(shí)期對(duì)NDVI估測(cè)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(yíng)養(yǎng)診斷及推薦施肥量提供理論依據(jù)。
在內(nèi)蒙古馬鈴薯主產(chǎn)區(qū)進(jìn)行試驗(yàn), 供試馬鈴薯品種為當(dāng)?shù)刂髟云贩N。其中2014年在武川縣, 選用克新1號(hào), 試驗(yàn)設(shè)7個(gè)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(gè)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(hào), 設(shè)4個(gè)氮肥處理, 分別為0、90、190、320 kg N hm-2。每個(gè)處理設(shè)4次重復(fù), 各小區(qū)隨機(jī)排列。
用美國(guó)俄克拉荷馬州立大學(xué)和Ntech公司共同研發(fā)的便攜式主動(dòng)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(shí)隨機(jī)選取各小區(qū)長(zhǎng)勢(shì)均勻的馬鈴薯樣段兩壟, 每壟長(zhǎng)6 m, 使GreenSeeker探頭與馬鈴薯冠層垂直, 高度控制在60~80 cm, 扣動(dòng)扳機(jī)勻速掃過采樣區(qū)域。與手持式主動(dòng)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(gè)6 m樣段過程中會(huì)以0.1秒間隔獲取75~100個(gè)NDVI值, 并在掃描完成后輸出測(cè)量區(qū)域平均NDVI, 然后手動(dòng)記錄平均NDVI。
圖1 試驗(yàn)地位置及試驗(yàn)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(fù)。
T1–T7 represents the treatment of nitrogen fertilizer from low to high; a, b, c, and d are four replicated.
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(yàn)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(cè)定全氮。
馬鈴薯植株氮素濃度是表現(xiàn)當(dāng)前植株氮素養(yǎng)分狀況的重要指標(biāo)。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(shí)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(shí)期塊莖形成期、塊莖膨大期及淀粉積累期進(jìn)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(duì)連續(xù)生育時(shí)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(shí)表現(xiàn)出較高的相關(guān)性。因此生育時(shí)期顯著影響NDVI與馬鈴薯植株氮素濃度的關(guān)系。此外, 對(duì)馬鈴薯品種進(jìn)行混合時(shí), 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(duì)馬鈴薯植株氮素濃度進(jìn)行估測(cè)時(shí)受品種影響較大。
塊莖形成期、塊莖膨大期和淀粉積累期是馬鈴薯生長(zhǎng)的關(guān)鍵生育時(shí)期。整體來看, 隨著生育時(shí)期的推移, NDVI與植株氮素濃度的線性建模趨勢(shì)增強(qiáng),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(diǎn)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(cè)模型對(duì)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(cè)建模更具線性擬合趨勢(shì), 估測(cè)模型的決定系數(shù)在0.36~0.52之間, 且達(dá)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(gè)馬鈴薯品種克新1號(hào)、夏坡蒂和荷蘭14號(hào);*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(cè)模型
馬鈴薯氮素營(yíng)養(yǎng)需求貫穿于整個(gè)營(yíng)養(yǎng)生長(zhǎng)與生殖生長(zhǎng)期, 為進(jìn)一步研究生育時(shí)期對(duì)NDVI估測(cè)植株氮素濃度的影響, 本研究將馬鈴薯關(guān)鍵生育時(shí)期塊莖形成期、塊莖膨大期和淀粉積累期進(jìn)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(cè)組合生育時(shí)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(shì), 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(hào)馬鈴薯品種(圖3-d, g), 數(shù)據(jù)點(diǎn)分布混亂; 同時(shí)對(duì)馬鈴薯塊莖形成期、塊莖膨大期和淀粉積累期估測(cè)時(shí), 最佳的擬合趨勢(shì)為非線性擬合, 但存在明顯的NDVI飽和現(xiàn)象, 致使NDVI對(duì)較高植株氮素濃度反應(yīng)靈敏度喪失(圖3-c, f, i)。生育時(shí)期對(duì)NDVI估測(cè)馬鈴薯植株氮素濃度的能力有顯著影響, 而導(dǎo)致生育時(shí)期估測(cè)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(shí)期NDVI與植株氮素濃度的估測(cè)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.
圖4為同一生育時(shí)期或組合生育時(shí)期條件下不同馬鈴薯品種混合時(shí)NDVI與馬鈴薯植株氮素濃度的估測(cè)模型。從NDVI的數(shù)值來看, 克新1號(hào)和荷蘭14號(hào)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(huì)導(dǎo)致NDVI值大小的不同。從單獨(dú)生育時(shí)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(shí)期同時(shí)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(shí)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(diǎn)存在明顯的分異現(xiàn)象(圖4-b), 雖然3個(gè)馬鈴薯品種混合后NDVI與馬鈴薯植株氮素濃度差異能夠達(dá)到顯著水平, 但2很低, 僅為0.13, 這嚴(yán)重影響了模型在實(shí)際應(yīng)用中的價(jià)值。淀粉積累期品種的混合與單獨(dú)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(shì), 這說明馬鈴薯品種的混合改變了單一品種時(shí)的線性擬合趨勢(shì), 增加了指數(shù)的飽和性, 降低了估測(cè)的靈敏性。從組合生育時(shí)期來看, 品種混合會(huì)增加指數(shù)飽和的風(fēng)險(xiǎn)(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(dǎo)致了NDVI指數(shù)飽和。
馬鈴薯品種及生育時(shí)期的差異表現(xiàn)在隨著時(shí)間變化的整個(gè)生長(zhǎng)過程中。因此為克服馬鈴薯品種和生育時(shí)期對(duì)NDVI估測(cè)植株氮素濃度的影響, 本研究對(duì)NDVI進(jìn)行時(shí)間序列上的歸一化, 得到TNDVI, TNDVI = NDVI (GreenSeeker在某個(gè)時(shí)間的測(cè)定值)/T(播種到測(cè)定的生長(zhǎng)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(shì), 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(cè)建模時(shí)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(cè)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(duì)混合馬鈴薯品種進(jìn)行關(guān)鍵生育時(shí)期塊莖形成期、塊莖膨大期和淀粉積累期的估測(cè)建模時(shí), 仍然可以得到不錯(cuò)的線性估測(cè)模型。TNDVI與塊莖膨大期和淀粉積累期的估測(cè)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(cè)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(cè)模型。但從數(shù)據(jù)點(diǎn)的分布來看, 生育時(shí)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(duì)馬鈴薯植株氮素濃度的敏感性差異所致。
圖5 品種混合時(shí)馬鈴薯塊莖膨大期和淀粉積累期TNDVI與植株氮素濃度估測(cè)模型的構(gòu)建
圖6 品種混合時(shí)馬鈴薯組合生育時(shí)期TNDVI與植株氮素濃度估測(cè)模型的構(gòu)建
為對(duì)比NDVI和TNDVI對(duì)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(duì)估測(cè)模型的敏感性進(jìn)行分析[23]。敏感性分析選擇NDVI直接估測(cè)建模的圖4 (b, c, e, f)與TNDVI估測(cè)建模的圖5 (a, b)和圖6 (a, b)進(jìn)行對(duì)比, NE越小, 說明光譜指數(shù)對(duì)估測(cè)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(dú)的生育時(shí)期, 還是在組合生育時(shí)期, 都表現(xiàn)出相對(duì)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(duì)較小, 但是當(dāng)馬鈴薯植株氮素含量大于2.4%時(shí), 相對(duì)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(shí)期的影響, 但是與NDVI估測(cè)連續(xù)生育時(shí)期塊莖形成期(A)、塊莖膨大期(B)、淀粉積累期(C)相比, TNDVI對(duì)馬鈴薯植株氮素濃度的敏感性也遠(yuǎn)高于NDVI。
圖7 NDVI和TNDVI估測(cè)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.
利用NDVI對(duì)馬鈴薯進(jìn)行植株氮素營(yíng)養(yǎng)診斷時(shí)要考慮生育時(shí)期的影響。前人研究表明, 當(dāng)作物覆蓋度低于15%時(shí), 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(shí)伴隨著馬鈴薯開花, 冠層的白色、紫色等不同花色會(huì)影響冠層光譜的反射率[16], 導(dǎo)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(duì)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(shí)期顯著影響NDVI對(duì)馬鈴薯植株氮素濃度的估測(cè)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(cè)植株氮素濃度時(shí), 為提高估測(cè)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(shí)期進(jìn)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(jìn)行品種混合估測(cè)建模時(shí)(圖4-b, c), 存在明顯的數(shù)據(jù)點(diǎn)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(hào)和荷蘭14號(hào)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(zhǎng)過程中的冠層結(jié)構(gòu)、葉片顏色不同, 而隨著生育時(shí)期的推移, 這種分異現(xiàn)象有所減弱。此外品種間的混合會(huì)增加NDVI估測(cè)馬鈴薯植株氮素濃度時(shí)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(duì)NDVI進(jìn)行時(shí)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(shí)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(diǎn)的緊密度更高, TNDVI使估測(cè)模型更具線性擬合趨勢(shì), 降低了品種混合時(shí)的指數(shù)飽和現(xiàn)象。這為NDVI對(duì)不同馬鈴薯品種進(jìn)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(jìn)方法。但值得注意的是, TNDVI光譜指數(shù)受生育時(shí)期的影響仍然十分顯著, 說明生育時(shí)期對(duì)NDVI估測(cè)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(shí)存在指數(shù)飽和現(xiàn)象, 而TNDVI對(duì)馬鈴薯關(guān)鍵生育時(shí)期進(jìn)行植株氮素濃度估測(cè)建模時(shí), 不同生育時(shí)期雖然具有分異現(xiàn)象, 但是不同生育時(shí)期數(shù)據(jù)點(diǎn)的分布具有相同趨勢(shì)(圖6-b), 因此要想解決馬鈴薯品種和生育時(shí)期同時(shí)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(shí)期的最佳敏感波段, 不僅會(huì)在作物生理生化指標(biāo)的估測(cè)中展現(xiàn)出更佳的優(yōu)勢(shì), 也為便攜式作物傳感器的制作提供了理論依據(jù)。
以NDVI估測(cè)馬鈴薯植株氮素濃度受生育時(shí)期和品種的影響。單一品種時(shí)冠層結(jié)構(gòu)相對(duì)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(shí)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(shí)期的組合能明顯提高估測(cè)建模效果。多品種混合時(shí)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(duì)馬鈴薯植株氮素濃度的估測(cè)能力, 而TNDVI能夠克服品種間混合建模時(shí)的數(shù)據(jù)點(diǎn)分異和飽和現(xiàn)象, 且估測(cè)模型的敏感性遠(yuǎn)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(zhǎng)監(jiān)測(cè)應(yīng)用研究進(jìn)展. 江蘇農(nóng)業(yè)科學(xué), 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(qiáng), 武良, 陳新平, 張福鎖. 中國(guó)氮肥發(fā)展貢獻(xiàn)和挑戰(zhàn). 中國(guó)農(nóng)業(yè)科學(xué), 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(yíng)養(yǎng)診斷. 中國(guó)農(nóng)業(yè)科學(xué), 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(yíng)養(yǎng)狀況的研究. 玉米科學(xué), 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(dòng)遙感光譜儀 Greenseeker與 SPAD 對(duì)玉米氮素營(yíng)養(yǎng)診斷的研究. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào), 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(xué)報(bào), 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(dòng)作物冠層傳感器對(duì)馬鈴薯氮素營(yíng)養(yǎng)診斷. 光譜學(xué)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(cè)方法研究. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào), 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(guó). 不同株型冬小麥冠層結(jié)構(gòu)特征多時(shí)相分析. 農(nóng)業(yè)工程學(xué)報(bào), 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(qiáng), 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(cè). 應(yīng)用生態(tài)學(xué)報(bào), 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(xué)?!扒嗄昕萍加⒉胖С钟?jì)劃”(NJYT-18-A08)和國(guó)家自然科學(xué)基金項(xiàng)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