李志博，李亞芹，趙浣旻，王俊發(fā)，葛宜元，邱新偉

(佳木斯大學(xué)，黑龍江佳木斯，154007)

0 引言

水稻的氮元素含量是影響其生長發(fā)育與產(chǎn)量的重要因素之一。水稻莖稈和葉片氮素含量占比1%～4%，稻穗占比1%～2%。研究發(fā)現(xiàn)每千克氮元素可使水稻增產(chǎn)75～250 kg[1]。而當(dāng)?shù)睾窟_(dá)到一定水平后產(chǎn)量反而會(huì)呈現(xiàn)下降趨勢。氮素是檢測土壤養(yǎng)分的有效指標(biāo)，農(nóng)田土壤中往往存在一定量的氮素，但無法滿足水稻增產(chǎn)要求[2-4]。氮素在土壤中的含量不穩(wěn)定，易受土壤水熱條件和生物活動(dòng)的影響，因此在水稻生長中施加適量的氮肥可促進(jìn)水稻增產(chǎn)增收[5-6]。

李克亮[7]利用遙感技術(shù)與農(nóng)作物種植結(jié)合的形式優(yōu)選出NDVI指數(shù)，并通過建立相應(yīng)的比值關(guān)系構(gòu)建了氮素診斷模型與施氮決策模型；焦亞鵬[8]對氮肥磷肥進(jìn)行實(shí)驗(yàn)設(shè)計(jì)，分析了環(huán)境因子對氮、磷等養(yǎng)分的影響；蘆俊俊[9]利用冠層傳感器RapidSCAN與多光譜相機(jī)構(gòu)建了水稻生育期的氮素營養(yǎng)診斷并對不同地區(qū)建立相應(yīng)的管理策略；趙劉[10]提出了一種總氮高光譜數(shù)據(jù)分析系統(tǒng)，對土壤中總氮光譜特征波長的提取及光譜檢測最優(yōu)模型提出了解決方法；孫楠[11]通過整合分析總氮、氮素與氮肥利用率對不同施肥的響應(yīng)特征，預(yù)測了我國北方地區(qū)不同施氮水平下的總氮及氮平衡特征；張雨[12]以遙感技術(shù)與地面測量值相結(jié)合來探尋水稻冠層的光譜特性并構(gòu)建了水稻冠層生理參數(shù)的反演模型。

現(xiàn)有利用遙感信息與田間水稻長勢結(jié)合推演水稻氮素含量的研究，也有構(gòu)建施氮決策的研究，但相關(guān)研究未將土壤中氮素含量與水稻植株氮素含量相結(jié)合，施氮模型決策方案仍然需要進(jìn)一步探索。文章通過檢測土壤中氮素含量并構(gòu)造變量施氮模型對水稻冠層含氮量的診斷提出變量施氮決策方案，可有效提高氮肥利用率，提高作物產(chǎn)量同時(shí)避免水稻出現(xiàn)貪青、倒伏現(xiàn)象，該模型法所建立的施氮決策方案可為氮肥的精準(zhǔn)變量投放提供理論依據(jù)。

1 材料與方法

目標(biāo)地塊位于黑龍江省佳木斯市樺川縣江川農(nóng)場十五作業(yè)站，目標(biāo)地塊面積為300 m×350 m，該地區(qū)處于中溫帶大陸性季風(fēng)氣候，≥10 ℃的積溫為2 881.2 ℃，初霜期10月1日，無霜期155 d，2020年3月至2020年10月降雨量為730 mm。

1.1 土壤測定法與信息采集

利用大疆MINI搭載多光譜傳感器Micasense RedEdge3采集田間水稻冠層的多光譜圖像。多光譜影像使用軟件Pix4Dmapper進(jìn)行拼接。利用軟件ENDVI5.3及SPSS對試驗(yàn)數(shù)據(jù)進(jìn)行提取和處理。

1.2 氮素含量模型構(gòu)建

作為確定光譜圖像中水稻氮素含量的方法，植被指數(shù)可表征水稻植被特征，且干擾因素影響少[14]。據(jù)張雨等的研究水稻葉片氮含量與SPAD之間的相關(guān)性可達(dá)99.9%且水稻植株的顏色特性穩(wěn)定，魯棒性強(qiáng)，可作為冠層信息的表現(xiàn)形式[15-17]。利用無人機(jī)搭載光譜相機(jī)采集水稻冠層光譜圖像信息。

1.2.1 SPAD值及產(chǎn)量測定

利用SPAD-502儀器對目標(biāo)地塊隨機(jī)且均勻選取水稻植株樣本進(jìn)行葉片SPAD值測定，每個(gè)網(wǎng)格單元隨機(jī)取一株水稻不同葉片位置分別測量4次，取平均值。計(jì)算出植被指數(shù)，將其與SPAD值進(jìn)行相關(guān)性分析，求得SPAD值與植被指數(shù)的回歸方程及決定系數(shù)，用R2表示，SPAD測量在航測同日進(jìn)行。在目標(biāo)地塊每年水稻收獲前進(jìn)行產(chǎn)量測定，采集成穗數(shù)、穗粒數(shù)、千粒重，根據(jù)采樣結(jié)果平均值計(jì)算水稻單產(chǎn)，記錄水稻總產(chǎn)量。

1.2.2 模型構(gòu)建

利用多光譜影像分析求得光譜指數(shù)，可得到目標(biāo)地塊的植被指數(shù)，將DVI、RVI、NDVI、GNDVI、SAVI、OSAVI等指數(shù)與SPAD值進(jìn)行回歸分析[18-19]，通過決定系數(shù)判斷分析結(jié)果，從而選擇合理的植被指數(shù)來表征SPAD值。具體如表1所示。

表1 植被指數(shù)及公式Tab. 1 Vegetation index and formula

將目標(biāo)地塊的光譜植被指數(shù)代入公式可計(jì)算出氮素含量與推薦量的差值，利用Pycharm軟件求得氮肥施用量的推薦值。

1.2.3 模型精確度檢驗(yàn)

為驗(yàn)證所構(gòu)建模型的精確性及可靠性，按照常用的模型評價(jià)法對回歸模型的精度進(jìn)行評價(jià)，在SPSS25中將水稻冠層的數(shù)碼顏色特征參量與水稻葉片對應(yīng)的SPAD值進(jìn)行相關(guān)性分析，計(jì)算得到線性回歸方程和回歸方程的決定系數(shù)R2，即

(1)

式中：yi——真實(shí)數(shù)據(jù)；

fi——估算數(shù)據(jù)。

R2值越高則代表水稻SPAD模型精度越高。

2 試驗(yàn)過程及結(jié)果分析

為便于對目標(biāo)地塊所收集的多種數(shù)據(jù)進(jìn)行分析處理，試驗(yàn)擬將目標(biāo)地塊劃分為如圖1所示5×6共計(jì)30個(gè)網(wǎng)格單元。

圖1 單元地塊劃分Fig. 1 Unit plot division

選擇該地塊進(jìn)行試驗(yàn)是因?yàn)?016—2020年對該地塊進(jìn)行了施氮量統(tǒng)計(jì)與產(chǎn)量測定。在水稻生長期內(nèi)除底肥外，其余施加氮肥方式為植保無人機(jī)混合肥料或農(nóng)藥以液體形式施加，后續(xù)將推薦施氮量與PWM信號進(jìn)行耦合利用植保無人機(jī)進(jìn)行變量施氮。

試驗(yàn)時(shí)為避免誤差按照劃分網(wǎng)格并依據(jù)施氮決策方案進(jìn)行氮肥投放，利用植保無人機(jī)進(jìn)行信息采集與施肥不受到地塊形狀的限制，通過對氮肥推薦施氮量與PWM的耦合方式不斷優(yōu)化可以更加有效地驗(yàn)證實(shí)驗(yàn)結(jié)果。

2.1 土壤氮素測量

ΔA=A210-A275

(2)

A210——波長210 nm處吸光值；

A275——波長275 nm處吸光值。

土壤氮素的含量由式(3)求得。

(3)

式中：Q——土壤氮素含量，mg/kg;

ρ——測定液中氮素含量，μg/mL；

V——浸提劑體積，mL；

D——浸提劑稀釋倍數(shù)；

m——烘干后土壤樣品的質(zhì)量，g。

目標(biāo)地塊自2016—2020年土壤氮素含量如圖2所示，由于多年粗放式投放氮肥導(dǎo)致目標(biāo)地塊各網(wǎng)格單元中氮素含量具有差異性，氮素含量在159～162 mg/kg。

檢測發(fā)現(xiàn)2020年目標(biāo)地塊的氮素含量均值為160.563 mg/kg，最接近適宜水稻生長的土壤條件。選取圖3所示2020年各網(wǎng)格單元氮素含量與圖4所示2021年測得土壤氮素含量對比，分析發(fā)現(xiàn)利用所構(gòu)建的變量施氮決策方案后土壤中氮素含量較2020年下降約3.3195%，因而該決策方案可為調(diào)控土壤氮素含量提供理論依據(jù)。

圖3 2020年土壤氮素含量Fig. 3 Soil nitrogen content in 2020

圖4 2021年土壤氮素含量Fig. 4 Soil nitrogen content in 2021

2.2 SPAD與光譜指數(shù)相關(guān)性判析

為探求SPAD值與光譜指數(shù)的相關(guān)性，首先采集目標(biāo)地塊各網(wǎng)格單元內(nèi)水稻葉片的SPAD值，再將其與處理后的水稻冠層光譜指數(shù)信息進(jìn)行相關(guān)性評判。

2.2.1 SPAD值測量

利用SPAD-502儀器對目標(biāo)地塊各網(wǎng)格單元分別進(jìn)行采樣，取平均值得到如圖5所示SPAD含量關(guān)系圖。目標(biāo)各地塊之間SPAD值略有不同，其中地塊3、4與地塊11中測量結(jié)果最高，其SPAD為45；地塊29測量值最低，SPAD為34。目標(biāo)地塊SPAD均值為39.833，符合水稻生長標(biāo)準(zhǔn)。由于各地塊土壤中氮素含量及水稻長勢存在差異，故各地塊測得的SPAD值會(huì)存在微小誤差。SPAD的值反映出不同地塊水稻對氮肥的吸收效果，可作為測量水稻冠層氮素含量的衡量指標(biāo)。

圖5 SPAD測量值Fig. 5 SPAD measurements

2.2.2 植被指數(shù)選擇

圖像信息采集時(shí)間為2021年7月20日，晴，無風(fēng)。提取處理采集的田間水稻冠層的多光譜圖像，并將其與測得的葉片SPAD值進(jìn)行相關(guān)性校驗(yàn)，求得SPAD值與植被指數(shù)的回歸方程及決定系數(shù)如表2所示。

表2 SPAD與光譜指數(shù)的回歸方程Tab. 2 Regression equation between SPAD and spectral index

由表2分析發(fā)現(xiàn)目標(biāo)地塊水稻冠層光譜指數(shù)信息與水稻葉片的SPAD值的精確度較高，且不同葉片部位的SPAD值與光譜指數(shù)相關(guān)性略顯差異。其中綠色歸一化植被指數(shù)GNDVI決定系數(shù)為0.903 3，與SPAD的相關(guān)性最強(qiáng)；比值植被指數(shù)RVI的決定系數(shù)為0.756 4，相關(guān)性最弱。由此可知水稻長勢信息與其葉片的光譜指數(shù)具有一定的相關(guān)性，光譜指數(shù)能較好地體現(xiàn)水稻長勢，能為構(gòu)造水稻氮素模型提供依據(jù)，因此可將冠層中的GNDVI信息作為水稻植株氮素含量評價(jià)指標(biāo)，采用GNDVI構(gòu)造SPAD反演模型。

2.3 SPAD模型構(gòu)建及精度評價(jià)

通過表1的植被指數(shù)計(jì)算公式結(jié)合實(shí)測數(shù)據(jù)得到表2，在表2中通過決定系數(shù)R2判斷GNDVI指數(shù)與SPAD相關(guān)性最強(qiáng)，構(gòu)建多個(gè)GNDVI指數(shù)模型，篩選出GNDVI指數(shù)的最優(yōu)表達(dá)模型。

表3 SPAD構(gòu)建多種模型Tab. 3 Various models built by SPAD

由表3可知GNDVI與SPAD值相關(guān)性顯著，其中二次方程為y=-139.98x2+237.6x-39.539，R2為0.840最優(yōu)。表明通過水稻冠層光譜數(shù)據(jù)提取的GNDVI可以較好地表征水稻氮素含量，較其他光譜指數(shù)更為合適。試驗(yàn)結(jié)果分析發(fā)現(xiàn)不同氮素下的光譜參數(shù)與水稻養(yǎng)分氮素含量在線性關(guān)系上為顯著，為評估水稻冠層提供可靠依據(jù)，故將植被指數(shù)GNDVI用于水稻氮素含量測定，將其作為氮素含量評價(jià)模型。

2.4 氮肥推薦施用量

未采用推薦施肥決策方案前各地塊氮素含量如圖6所示，其中單元地塊12、14、15與單元地塊18、19氮素含量相對較高，地塊1、3、4、5與單元地塊21、23氮素含量較少。若采用常規(guī)粗放式施用氮肥不僅會(huì)使得作物營養(yǎng)不均衡，還會(huì)對農(nóng)田周圍造成污染。

圖6 未施加氮肥前氮素含量Fig. 6 Nitrogen content before applying nitrogen fertilizer

根據(jù)測量的水稻冠層中氮素含量將目標(biāo)地塊各網(wǎng)格單元所需氮素劃分為五個(gè)等級。網(wǎng)格單元所需施氮量在0～9 kg為等級一，網(wǎng)格單元需施氮量在10～18 kg為等級二，網(wǎng)格單元所需施氮量在19～27 kg為等級三，網(wǎng)格單元所需施氮量在28～36 kg為等級四，網(wǎng)格單元所需施氮量在37～45 kg為等級五。

利用PyCharm軟件得到了如圖7所示的氮肥施用推薦量，在目標(biāo)地塊根據(jù)推薦值施用氮肥。分析發(fā)現(xiàn)靠近目標(biāo)地塊東北側(cè)的3、4、5網(wǎng)格單元所需施氮量較多，西南地側(cè)16、17、21、22、23以及26、27、28等網(wǎng)格單元需要大面積施加少量氮肥，而10、18、19以及24網(wǎng)格單元?jiǎng)t不需要施加氮肥。利用變量施氮模型式y(tǒng)=-139.98x2+237.6x-39.539可準(zhǔn)確獲取水稻植株中氮素的含量，得出如圖7所示氮肥推薦施用量，為氮肥投放提供合理的理論指導(dǎo)。

圖7 氮肥施用量推薦圖Fig. 7 Recommended application amount

2.5 產(chǎn)量分析

如表4所示，2016年至2020年間目標(biāo)地塊平均產(chǎn)量分別為9.27 t/hm2、9.32 t/hm2、9.21 t/hm2、9.23 t/hm2、9.05 t/hm2，在2021年依據(jù)變量施氮決策方案后目標(biāo)地塊平均產(chǎn)量為9.73 t/hm2，目標(biāo)地塊水稻總產(chǎn)量為97.7 t，該地塊前五年水稻總產(chǎn)量平均值提升5.54 t，較2020年增長約7.2 t，經(jīng)濟(jì)效益提高約18 720元，同比增長8.39%。

表4 水稻產(chǎn)量測定Tab. 4 Determination of rice yield

3 結(jié)論

利用無人機(jī)采集了田間水稻冠層圖像信息，使用地面實(shí)測儀器對水稻葉片SPAD進(jìn)行了測量，通過對土壤養(yǎng)分及水稻氮素含量的測定并結(jié)合光譜信息，建立了水稻氮素含量測量模型，從而構(gòu)建了氮肥施用量與植被指數(shù)GNDVI關(guān)系模型，確定了水稻變量施氮最優(yōu)決策方案，在目標(biāo)地塊采用該決策方案，精準(zhǔn)變量施氮同時(shí)提高了經(jīng)濟(jì)效益和社會(huì)效益。

1) 利用紫外分光光度計(jì)法對目標(biāo)地塊各網(wǎng)格單元的土壤樣本中氮素含量進(jìn)行了測量，結(jié)合2016—2020年目標(biāo)地塊水稻產(chǎn)量，構(gòu)建了產(chǎn)量與施氮量模型，為搭建適宜水稻秧苗生長的農(nóng)田環(huán)境提供了參考，為使用遙感技術(shù)監(jiān)測水稻養(yǎng)分含量提供了一種有效降低誤差的方法。

2) 通過使用多光譜相機(jī)采集目標(biāo)地塊水稻冠層光譜信息，運(yùn)用SPAD—502對目標(biāo)地塊各網(wǎng)格單元樣本葉片SPAD進(jìn)行測定，優(yōu)選出最佳植被指數(shù)GNDVI反演葉片SPAD，構(gòu)造了SPAD模型及氮素含量模型，從而構(gòu)造施氮模型并利用PyCharm得到氮肥推薦施用量，為氮肥的精準(zhǔn)變量投放提供了一種決策方案。

3) 依據(jù)變量施氮決策方案施加氮肥后目標(biāo)地塊總增產(chǎn)7.2 t，經(jīng)濟(jì)效益提高了8.39%，為調(diào)控土壤中氮素含量、減小因使用遙感技術(shù)檢測水稻冠層信息出現(xiàn)的誤差提供了參考依據(jù)。