馬巖川，劉 浩，陳智芳，張 凱，王景雷，孫景生

（中國(guó)農(nóng)業(yè)科學(xué)院 農(nóng)田灌溉研究所/農(nóng)業(yè)部作物需水與調(diào)控重點(diǎn)開(kāi)放實(shí)驗(yàn)室，河南 新鄉(xiāng) 453002）

0 引 言

合理的氮素施用對(duì)保持土壤肥力以及提升作物產(chǎn)量和品質(zhì)均有至關(guān)重要的作用，土壤中氮素不足會(huì)影響作物發(fā)育，而過(guò)量的氮素施用不但可能造成減產(chǎn)，且未能被作物利用的氮肥將以亞硝酸鹽（NO3-N）的形式進(jìn)入地下水或通過(guò)分解成N2O 等溫室氣體等途徑對(duì)生態(tài)環(huán)境造成污染[1-2]。因此如何在保證作物健康生長(zhǎng)的同時(shí)減少氮肥的使用，已成為學(xué)者們研究的熱點(diǎn)問(wèn)題。對(duì)作物氮素狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)是一個(gè)有效的途徑。隨著遙感技術(shù)被廣泛地應(yīng)用于農(nóng)業(yè)領(lǐng)域，特別是近年來(lái)高分辨率遙感技術(shù)的迅速發(fā)展，學(xué)者們?cè)诶酶吖庾V遙感技術(shù)對(duì)農(nóng)作物氮素營(yíng)養(yǎng)狀況監(jiān)測(cè)方面進(jìn)行了大量研究。姚霞等[3]提出的高光譜指數(shù)RSI（990，720）對(duì)小麥葉片氮積累量估算精度較高，監(jiān)測(cè)模型決定系數(shù)達(dá)到0.81。梁亮等[4]提出的微分歸一化氮指數(shù)（FD-NDNI）可以有效估算拔節(jié)后至孕穗前小麥的冠層含氮量（R2=0.81）；Inoue 等[5]在不同尺度進(jìn)行水稻氮素狀況監(jiān)測(cè)時(shí)發(fā)現(xiàn)，比值光譜指數(shù)RSI（D740，D522）在機(jī)載設(shè)備通道數(shù)較多時(shí)對(duì)CNC 估算精度最好，而RSI（825，735）則是通道數(shù)受限時(shí)的最佳光譜指數(shù)選擇；王爍等[6]研究發(fā)現(xiàn)在花鈴期比值光譜指數(shù)RSI（500，563）與棉花葉片SPAD 存在很強(qiáng)的相關(guān)性；Singh 等[7]研究發(fā)現(xiàn)簡(jiǎn)單比值光譜指數(shù)R595/R1676和R595/R508對(duì)高粱葉片氮濃度的估算效果最佳；Zhao 等[8]提出的植被指數(shù)NDSI（710，512）與SAVI（710，512）（L=0.05）對(duì)玉米氮素監(jiān)測(cè)精度較高，RRMSE 在11.4%和13.1%之間；洪帥等[9]研究發(fā)現(xiàn)不同生育期棉花冠層葉片葉綠素量與紅邊指數(shù)的相關(guān)性均較高（r＞0.89）；Duan 等[10]研究表明，考慮氮素垂直分布后使用不同植被指數(shù)監(jiān)測(cè)小麥葉片含氮量的模型精度更高。

前人在不同尺度對(duì)多種作物的氮素監(jiān)測(cè)已有了深入研究，所提出的多種植被指數(shù)在農(nóng)田肥料管理中已有廣泛應(yīng)用。作物吸氮能力受根區(qū)生物量以及根系活力等因素限制，不同生育期的干旱將影響作物根系發(fā)育與分布，減低土壤內(nèi)氮素的有效性，進(jìn)而影響作物對(duì)氮素養(yǎng)分吸收、轉(zhuǎn)化和同化[28-29]。另一方面，蕾期及花鈴前期的水分脅迫會(huì)抑制棉花的營(yíng)養(yǎng)生長(zhǎng)，影響棉花的冠層結(jié)構(gòu)，在近紅外波段棉花冠層光譜反射率隨灌溉量的增加而提升[30-31]。因此水分盈虧不僅會(huì)影響作物對(duì)氮素的吸收，亦對(duì)作物的冠層光譜造成影響；另一方面，植被反射光譜呈現(xiàn)出對(duì)水分的強(qiáng)吸收特性會(huì)影響其對(duì)氮素的弱吸收特性，目前缺乏考慮不同水分下的棉花冠層含氮量監(jiān)測(cè)的研究。本研究通過(guò)設(shè)計(jì)不同灌溉、施肥梯度的水肥試驗(yàn)，以麥后移栽棉為研究對(duì)象，分析不同水分狀況對(duì)棉花CNC 估算的影響，提出一種適用于不同水肥條件下估算棉花CNC的水分鈍感植被指數(shù)并構(gòu)建監(jiān)測(cè)模型，為快速、無(wú)損地監(jiān)測(cè)棉田氮肥狀況提供一定理論依據(jù)和方法。

1 材料與方法

1.1 研究區(qū)概況

試驗(yàn)于2018 年4—10 月在中國(guó)農(nóng)業(yè)科學(xué)院新鄉(xiāng)綜合試驗(yàn)基地（35°18'N，113°54'E）的大田中進(jìn)行，試驗(yàn)地位于黃淮海中部人民勝利渠灌區(qū)內(nèi)，年平均氣溫14 ℃，蒸發(fā)量2 000 mm（直徑20 cm 蒸發(fā)皿值），日照時(shí)間為2 399 h，光熱資源豐富，屬暖溫帶大陸性季風(fēng)氣候，耕作制度以1 年2 熟為主，前茬作物為冬小麥。田間土質(zhì)為砂壤土，1 m 土層平均體積質(zhì)量為1.51 g/cm3，田間持水量為20.60 %（質(zhì)量含水率），地下水埋深大于5 m，0～100 cm 土層平均土壤速效氮、速效磷、速效鉀量分別為21.62、4.96、79.24 mg/kg，土壤有機(jī)質(zhì)量為7.80 g/kg。

表1 生育期內(nèi)各處理施氮量 Table 1 Amount of nitrogen application of each treatment during the different growth period kg/hm2

1.2 試驗(yàn)設(shè)計(jì)

供試品種為‘魯棉54’，采用基質(zhì)育苗，于2018年6 月1 日選長(zhǎng)勢(shì)一致的棉株由苗床移植至大田。棉花移栽前結(jié)合耕地施P、K 分別為75、54 kg/hm2作為基肥，在花鈴期隨灌溉水追施K 為45 kg/hm2。試驗(yàn)在全生育期內(nèi)設(shè)置4 種施氮水平：0（N0）、75（N1）、150（N2）、225（N3），設(shè)置2 種灌溉梯度：15（50%ET，W1）、30（100%ET，W2），不同生育階段施氮量如表1 所示，完全組合共8 個(gè)處理，每個(gè)處理重復(fù)3 次。每個(gè)處理小區(qū)規(guī)格為9.6 m×50 m，移栽行距70 cm，株距20 cm，采用地表滴灌的灌水方式，每行棉花鋪設(shè)一根滴灌帶，滴頭間距20 cm，流量為2.2 L/h，工作壓力0.1 MPa。依據(jù)累積潛在蒸散發(fā)ETc控制灌溉，其中ETc根據(jù)作物系數(shù)法確定。式中：ETc為作物蒸散發(fā)量（mm/d）；Kc為作物系數(shù)，由本課題組多年田間試驗(yàn)回歸得到[11]；ET0為參考蒸散發(fā)量（mm/d），依據(jù)試驗(yàn)距小區(qū)50 m 處田間小型氣象站提供的氣象數(shù)據(jù)，根據(jù)Penman-Monteith 公式計(jì)算[12]。

1.3 測(cè)定方法

本試驗(yàn)使用ASD HH2 便攜式光譜儀（Analytical Spectral Devices，Boulder，CO，USA）測(cè)定棉花冠層高光譜數(shù)據(jù)，波長(zhǎng)范圍為325～1 075 nm，采樣間隔為1.4 nm，光譜分辨率為3 nm。選擇在天氣晴朗、無(wú)風(fēng)或風(fēng)速很小的10:00—14:00 之間測(cè)定，測(cè)量時(shí)傳感器探頭垂直向下，光譜儀視場(chǎng)角為25°，距冠層頂垂直高度約1.0 m[13]。每個(gè)小區(qū)設(shè)置3 個(gè)觀測(cè)點(diǎn)，在每個(gè)觀測(cè)點(diǎn)連續(xù)采集10 個(gè)冠層光譜信息，取小區(qū)內(nèi)各觀測(cè)點(diǎn)冠層光譜反射率的平均值作為該小區(qū)冠層光譜反射值。棉花冠層光譜測(cè)定完成后立刻在各小區(qū)光譜測(cè)定位置對(duì)應(yīng)選取1～2 株棉花，剪取其地上部分帶回實(shí)驗(yàn)室分離各器官，并稱取鮮質(zhì)量，105 ℃殺青后75 ℃烘干至恒質(zhì)量，稱取干質(zhì)量后磨碎并采用凱氏定氮法測(cè)定各器官含氮率。本研究以冠層含氮量[14-15]（CNC）及冠層等效水厚度[16]（CEWT）作為表征棉花冠層氮素、水分量的指標(biāo)。試驗(yàn)在蕾期和花鈴期共采集104 個(gè)樣本，以其中70 個(gè)作為訓(xùn)練集，剩余34 個(gè)作為測(cè)試集。

1.4 數(shù)據(jù)分析方法

利用SPSS21 進(jìn)行CNC 的統(tǒng)計(jì)學(xué)分析，使用Matlab2016b 進(jìn)行CNC 與冠層光譜反射率相關(guān)分析。本文選取的光譜指標(biāo)分別是歸一化差分光譜指數(shù)NDSI 和比值光譜指數(shù)RSI，采用相關(guān)系數(shù)r、標(biāo)準(zhǔn)誤差RMSE、相對(duì)均方根誤差RRMSE 作為評(píng)價(jià)最優(yōu)特征波段的標(biāo)準(zhǔn)[17]。

式中：Rλi為i 波長(zhǎng)處的光譜反射率，在325～1 075 nm范圍內(nèi)每隔1 nm 讀取光譜反射率數(shù)據(jù)，采用矩陣的形式將所有可能波段兩兩組合構(gòu)建光譜指數(shù)，然后與相應(yīng)的CNC 的觀測(cè)值進(jìn)行相關(guān)分析，計(jì)算相關(guān)系數(shù)r 并繪制r2等勢(shì)圖，最后基于r2、RMSE、RRMSE 及光譜學(xué)原理選取最優(yōu)光譜指數(shù)。本研究涉及的光譜指數(shù)矩陣構(gòu)建、相關(guān)系數(shù)計(jì)算、r2等高線圖繪制等工作均在Matlab2016b 中通過(guò)自編程序?qū)崿F(xiàn)。

2 結(jié)果與分析

2.1 棉花冠層含氮量的統(tǒng)計(jì)分析

從整個(gè)生育期內(nèi)在大田獲取的104 個(gè)樣本中隨機(jī)選取2/3 作為全生育期的建模樣本，剩余1/3 作為 檢驗(yàn)樣本。從表2 可知，蕾期CNC 最大值為85.71 kg/hm2，最小值為29.46 kg/hm2；花鈴期CNC 最大值為294.20 kg/hm2，最小值為65.08 kg/hm2，分布區(qū)間均較大，滿足建模需求。

表2 冠層含氮量（CNC）統(tǒng)計(jì)描述 Table 2 Statistical description of canopy nitrogen content

2.2 棉花冠層含氮量與光譜反射率相關(guān)性分析

根據(jù)表2 全生育期內(nèi)的觀測(cè)數(shù)據(jù)（n=104），確定了CNC 與棉花冠層光譜的相關(guān)性，如圖1 所示。CNC 與冠層光譜反射率在 525～590、655～685、700～780 nm 可見(jiàn)光波段附近均出現(xiàn)連續(xù)的敏感區(qū)域，都達(dá)到了0.01 顯著相關(guān)水平（|r|＞0.254）；其最大相關(guān)系數(shù)|r|max為0.53，位于718 nm，而在550 nm附近|r|也達(dá)到了0.52。

圖1 CNC、CEWT 與冠層光譜反射率的相關(guān)性 Fig.1 Correlationship of CNC and CEWT with canopy reflectance

2.3 光譜指數(shù)與棉花CNC 的定量關(guān)系

2.3.1 不考慮CEWT的影響時(shí)光譜指數(shù)對(duì)棉花CNC的估算

使用表2 訓(xùn)練數(shù)據(jù)集（n=70），利用冠層光譜反射率構(gòu)建的光譜指數(shù)，并與對(duì)應(yīng)的冠層含氮量進(jìn)行相關(guān)分析，繪制棉花CNC 與NDSI、RSI 相關(guān)系數(shù)等高線圖。由圖2 可以看出，NDSI 相關(guān)系數(shù)較高（r2＞0.6）的波段組合主要在λ1=500～575 nm 及775～925 nm，λ2=425～525 nm及725～875 nm附近，r2最大值為0.76；RSI 與NDSI 等高線圖相似，其中RSI 與CNC 相關(guān)系數(shù)的平方r2最大值為0.72。以相關(guān)系數(shù)最高為原則，選取NDSI（800，770）進(jìn)行建模和檢驗(yàn)。如圖3 所示，盡管NDSI（800，770）建模時(shí)的效果較好，但當(dāng)棉花含水量較高時(shí)（CEWT＞0.6 mm），其對(duì)CNC的估算效果較差（r2＜0.65）。這說(shuō)明在進(jìn)入花鈴期后，基于NDSI（800，770）的模型精度將有大幅度降低。為了改善這一現(xiàn)象，本文針對(duì)水分對(duì)氮素反演精度的影響做了進(jìn)一步分析。

2.3.2 考慮CEWT的影響時(shí)光譜指數(shù)對(duì)棉花CNC估算

本研究繼續(xù)分析了冠層光譜反射率與棉花CEWT 的相關(guān)性，如圖3 所示，NDSI（800，770）包含的770 nm 與CEWT 呈顯著相關(guān)，這說(shuō)明該波段附近的光譜反射率可能對(duì)冠層水分變化較為敏感，通過(guò)分析CEWT 與光譜指數(shù)的關(guān)系時(shí)。從圖3 可以看出，光譜指數(shù)NDSI（800，770）恰好落在光譜指數(shù)NDSI對(duì)CEWT 較為敏感區(qū)域內(nèi)（r2＞0.4）。為了降低可能由于水分的影響而造成含氮量低估現(xiàn)象，本研究在λ1=500～575 nm，λ2=425～525 nm 區(qū)域中選取對(duì)CEWT鈍感（r2＜0.1），且對(duì)CNC 敏感的（r2max）的NDSI（570，500）作為反演CNC 最佳的光譜指數(shù)，進(jìn)行建模與驗(yàn)證。如圖4 所示，盡管NDSI（570，500）建模效果較NDSI（800，770）有所降低（r2=0.67），但模型驗(yàn)證時(shí)地對(duì)CNC 的預(yù)測(cè)精度有明顯的增強(qiáng)，尤其在含水量較高（CEWT＞0.6 mm）時(shí)，原有監(jiān)測(cè)模型（NDSI（800，770））對(duì)CNC 低估的現(xiàn)象得到一定改善。

圖2 CNC 與光譜指數(shù)決定系數(shù)(r2)等高線圖 Fig.2 Correlation coefficient contour map between CNC and spectral index

圖3 NDSI（800，770）建模與檢驗(yàn)表現(xiàn) Fig.3 Calibration and validation performance of NDSI(800,770)

圖4 NDSI（570，500）建模與檢驗(yàn)表現(xiàn) Fig.4 Calibration and validation performance of NDSI(800,770)

表3 各植被指數(shù)的CNC 估測(cè)模型及其評(píng)價(jià)指標(biāo) Table 3 CNC estimation model and evaluation index of differemt vegetation index

圖5 CEWT 與NDSI 決定系數(shù)（r2）等高線圖 Fig.5 Correlation coefficient contour map between CNC and NDSI

3 討 論

CNC 與株高、莖密度、葉綠素量等農(nóng)藝指標(biāo)具有密切的線性關(guān)系[5,7]，利用遙感技術(shù)估算棉花CNC有助于高效、精確地進(jìn)行棉田肥料管理。CNC 監(jiān)測(cè)模型可以與作物生長(zhǎng)模型相結(jié)合，對(duì)產(chǎn)量和糧食品質(zhì)進(jìn)行動(dòng)態(tài)評(píng)估或預(yù)測(cè)。

然而棉花在整個(gè)生育期內(nèi)，由于自身生長(zhǎng)發(fā)育以及降雨量和灌溉量等外界環(huán)境的影響，植株體內(nèi) 含水量變化顯著。已有研究表明，對(duì)于群落內(nèi)生長(zhǎng)旺盛的作物，其冠層光譜的“紅邊”位置會(huì)往長(zhǎng)波方向“紅移”；而對(duì)于干旱缺水或受漬害的作物，“紅邊”位置會(huì)向短波方向“藍(lán)移”[18,32]。在近紅外波段，植株體內(nèi)水分變化會(huì)迅速改變對(duì)其冠層光譜反射率，進(jìn)而干擾目前常用植被指數(shù)對(duì)氮素狀況的監(jiān)測(cè)精度。本研究在未考慮作物水分差異時(shí)利用指數(shù)NDSI（800，770）對(duì)棉花冠層含氮量的監(jiān)測(cè)效果并不理想,尤其是當(dāng)棉株生長(zhǎng)旺盛后，模型的估計(jì)值偏低，且800 nm與770 nm 處在紅邊附近，很容易受棉花冠層水分變化、長(zhǎng)勢(shì)等因素的影響。在選擇了對(duì)水分鈍感波段組合570 nm、500 nm 后，所建立的線性模型在棉花全生育期內(nèi)均較NDSI（800，770）擁有更高的預(yù)測(cè)精度。本研究中11 種已經(jīng)發(fā)表的光譜指數(shù)中，mSR705 的表現(xiàn)最好，其RRMSE 為0.39；VOGI1 表現(xiàn)最差，RRMSE 達(dá)到0.8，這可能是由于其適宜作物范圍相對(duì)局限且形式較為簡(jiǎn)單等原因造成的。相比于以上各種光譜指數(shù)，本研究提出的NDSI（570，500）表現(xiàn)最佳。

4 結(jié) 論

冠層光譜與CNC 的最大相關(guān)系數(shù)|r|max為0.53，位于718 nm，550 nm 波段附近|r|也達(dá)到了0.52。不考慮水分量的影響時(shí)，NDSI（800，770）的建模效果最佳，R2為0.76，但當(dāng)棉花進(jìn)入生育后期，模型精度會(huì)大幅降低；考慮到水分變化對(duì)CNC 估算影響時(shí)，提出的NDSI（570，500）作為本研究最優(yōu)光譜指數(shù)，有效提升了監(jiān)測(cè)模型的預(yù)測(cè)精度，RRMSE 為0.18。