馬紅雨,李仙岳*,孫亞楠,胡琦,辛懋鑫,池利剛,張俊

(1. 內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院, 內(nèi)蒙古 呼和浩特 010018; 2. 內(nèi)蒙古河套灌區(qū)水利發(fā)展中心烏蘭布和分中心,內(nèi)蒙古 巴彥淖爾015000)

近年來,由于缺乏科學(xué)有效的田間管理手段,人們?yōu)榱颂岣哂衩桩a(chǎn)量會(huì)過量施用氮肥,而傳統(tǒng)氮肥快速轉(zhuǎn)化導(dǎo)致農(nóng)田氮素流失現(xiàn)象嚴(yán)重,氮肥平均有效利用率僅約為30%[1],極易造成農(nóng)田面源污染.因此,夏玉米栽培實(shí)現(xiàn)“高產(chǎn)、增效、輕簡、環(huán)?！笔菚r(shí)代提出的新要求[2],控釋肥是滿足新要求的有效肥料.控釋肥通常采用聚合物包衣封裝氮,并利用膜的滲透壓將氮素排到膜外,解決了傳統(tǒng)肥料施入土壤后,由于氮素前期釋放過快導(dǎo)致施肥過量而后期又出現(xiàn)缺氮現(xiàn)象的問題[3].目前,國內(nèi)外學(xué)者在控釋肥對(duì)作物生長發(fā)育影響方面的研究較多,李仙岳等[4]研究發(fā)現(xiàn),與傳統(tǒng)肥料相比,控釋肥處理的產(chǎn)量、氮肥農(nóng)學(xué)利用率分別增加了13.89%和46.42%,這表明控釋肥能夠明顯促進(jìn)作物生長.

葉綠素是夏玉米進(jìn)行光合作用非常重要的色素,其含量的高低反映夏玉米光合作用的強(qiáng)弱和營養(yǎng)生理狀況的好壞,是評(píng)價(jià)夏玉米長勢(shì)的重要指標(biāo)[5].研究發(fā)現(xiàn),SPAD值與葉綠素含量具有較好的相關(guān)性[6],SPAD可以很好地反映植物葉片葉綠素含量.而人工監(jiān)測作物冠層SPAD費(fèi)時(shí)費(fèi)力,很難實(shí)現(xiàn)區(qū)域測量,存在一定的局限性,也很難滿足區(qū)域農(nóng)田的精準(zhǔn)化管理需求[7].但遙感技術(shù)能夠快速、便捷、無損地獲取作物冠層信息,近年來,隨著無人機(jī)低空遙感技術(shù)的發(fā)展,無人機(jī)多光譜平臺(tái)因其操作靈活方便、成本低、時(shí)空分辨率高等優(yōu)勢(shì)在作物生長狀況評(píng)估中受到廣泛關(guān)注[8-9],越來越多學(xué)者基于無人機(jī)對(duì)作物生長信息進(jìn)行遙感監(jiān)測.毛智慧等[10]以玉米花期的SPAD為例,分析反射率與SPAD之間的相關(guān)性、不同植被指數(shù)預(yù)測SPAD的穩(wěn)定性,系統(tǒng)地研究了無人機(jī)多光譜遙感技術(shù)在大田玉米冠層葉綠素含量預(yù)測方面的能力;周敏姑等[11]利用無人機(jī)獲得的5個(gè)單波段光譜反射率,構(gòu)建小麥的SPAD反演模型,為無人機(jī)多光譜遙感監(jiān)測小麥長勢(shì)提供了技術(shù)依據(jù).盡管在無人機(jī)平臺(tái)監(jiān)測作物SPAD方面研究較多,但多數(shù)研究只針對(duì)單一生育期,忽視了不同生育期葉綠素含量的差異性,另外現(xiàn)有研究主要在尿素、二氨等傳統(tǒng)施肥條件下進(jìn)行氮素反演,與傳統(tǒng)肥料相比,控釋肥農(nóng)田由于氮素緩慢長效釋放,在生育后期土壤氮素含量較高,使得冠層SPAD與傳統(tǒng)肥料施用下的SPAD存在明顯差異.

文中以河套灌區(qū)的夏玉米為研究對(duì)象,分析不同控釋肥用量對(duì)夏玉米冠層SPAD的影響,并基于無人機(jī)遙感光譜指數(shù)構(gòu)建夏玉米SPAD逐步回歸模型,計(jì)算不同控釋肥用量下SPAD預(yù)測值并分析其分布特征,揭示玉米冠層光譜變量對(duì)不同控釋肥用量的響應(yīng),最終篩選最優(yōu)施氮方案,為河套灌區(qū)控釋肥農(nóng)田夏玉米SPAD的遙感監(jiān)測提供理論依據(jù).該研究對(duì)于高效應(yīng)用控釋肥、優(yōu)化施氮方案以及合理控制面源污染具有重要意義.

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于內(nèi)蒙古自治區(qū)巴彥淖爾市臨河區(qū)九莊農(nóng)業(yè)綜合節(jié)水試驗(yàn)站(107°19′E,40°41′N),該地區(qū)屬中溫帶半干旱大陸性季風(fēng)氣候,多年平均降雨量約為138 mm,年均氣溫6.8 ℃.供試作物為玉米,品種為德單1403,種植方式為機(jī)械播種,玉米種植密度為66 670株/hm2.

試驗(yàn)共設(shè)5個(gè)處理,包括不施肥(N0)、傳統(tǒng)中氮225 kg/hm2(N1)、控釋肥低氮150 kg/hm2(N2)、控釋肥中氮225 kg/hm2(N3)和控釋肥高氮300 kg/hm2(N4).每個(gè)處理重復(fù)3次,共15個(gè)小區(qū),每個(gè)小區(qū)規(guī)格為5 m×11 m.控釋肥處理選用一次性基施聚合物包膜尿素在播前機(jī)械覆膜時(shí)施入農(nóng)田.傳統(tǒng)肥料處理選用磷酸二銨作為基肥在覆膜時(shí)施入農(nóng)田,追肥施用尿素,在拔節(jié)末期灌水前進(jìn)行人工施撒,施肥位置均為距地表(5±0.5) cm.所有小區(qū)灌溉方式均為膜下滴灌,灌水定額為22.5 mm,整個(gè)生育期共灌水8次.研究區(qū)位置及試驗(yàn)處理布置如圖1所示,圖中DEM為高程.

圖1 研究區(qū)位置及試驗(yàn)處理布置圖

1.2 葉片SPAD值數(shù)據(jù)采集

在每個(gè)小區(qū)前、中、后3個(gè)位置各選取9株能代表該小區(qū)長勢(shì)狀況的玉米植株,對(duì)玉米冠層最上面3層葉子進(jìn)行SPAD值測定,在每株玉米完全展開葉的上部中離頂端1/3處、中部和下部中離底端1/3處選擇測定點(diǎn),每個(gè)測點(diǎn)使用SPAD-502手持式葉綠素儀(北京金科利達(dá))測定3次[11],取平均值.

1.3 無人機(jī)多光譜數(shù)據(jù)采集與處理

1.3.1 無人機(jī)數(shù)據(jù)采集

選用大疆公司生產(chǎn)的四旋翼無人機(jī)(精靈4 Pro,中國深圳),配備6個(gè)2.9英寸CMOS影像傳感器,其中包括1個(gè)可見光相機(jī)(RGB成像)和5個(gè)多光譜相機(jī)(藍(lán)光、綠光、紅光、紅邊和近紅外波段的光譜),共同組成無人機(jī)多光譜信息采集系統(tǒng).選擇晴朗無風(fēng)的天氣進(jìn)行數(shù)據(jù)采集,采集時(shí)間為11:00—15:00,無人機(jī)飛行高度為20 m,飛行速度為5 m/s,航向和旁向重疊率均為80%,地面分辨率為1.1 cm/pixel,拍攝時(shí)鏡頭垂直地面進(jìn)行采集波段影像.在飛機(jī)飛行前,首先在飛行區(qū)域內(nèi)布置黑白標(biāo)靶布,對(duì)其進(jìn)行拍照,用于之后的多光譜影像的輻射定標(biāo).

1.3.2 無人機(jī)數(shù)據(jù)處理

采用瑞士Pix4D公司開發(fā)的Pix4D mapper 4.5.6軟件對(duì)獲取的無人機(jī)多光譜影像進(jìn)行拼接等處理.首先利用對(duì)應(yīng)地面控制點(diǎn)數(shù)據(jù)對(duì)多光譜影像進(jìn)行校正,生成數(shù)字正射影像圖,再利用灰板對(duì)多光譜影像進(jìn)行反射率校正,獲取試驗(yàn)地反射率影像,然后利用ENVI 5.3軟件進(jìn)行輻射校正、波段融合,并設(shè)置藍(lán)、綠、紅、紅邊、近紅外波段的中心波長,合成真彩色影像(true color)后進(jìn)行快速大氣算法,最后利用ENVI 5.3對(duì)無人機(jī)真彩色影像進(jìn)行反射率提取,得到45個(gè)采樣點(diǎn)的反射率值.

1.4 植被指數(shù)的選取及計(jì)算

文中選取了與玉米冠層SPAD相關(guān)的10個(gè)植被指數(shù)和5個(gè)光譜波段的反射率(B,G,R,RE,NIR分別為藍(lán)光波段、綠光波段、紅光波段、紅邊波段、近紅外波段的光譜反射率),共計(jì)15個(gè)光譜變量進(jìn)行分析,各個(gè)植被指數(shù)的公式如表1所示.

表1 植被指數(shù)及計(jì)算公式

1.5 數(shù)據(jù)分析

對(duì)夏玉米拔節(jié)期、抽雄期和灌漿期的玉米冠層多光譜反射率數(shù)據(jù)進(jìn)行提取,并結(jié)合地面同步實(shí)測的玉米冠層SPAD值數(shù)據(jù)構(gòu)成樣本數(shù)據(jù)集,每個(gè)小區(qū)前、中、后3個(gè)位置各選取9株均勻分布且長勢(shì)狀況能代表整個(gè)小區(qū)的玉米植株,計(jì)算每個(gè)位置實(shí)測值的平均值作為該小區(qū)的3組數(shù)據(jù),共計(jì)45組數(shù)據(jù).每個(gè)時(shí)期均獲得45組樣本數(shù)據(jù),隨機(jī)選取2/3的樣本數(shù)據(jù)(30組)作為建模集,構(gòu)建SPAD值估算模型,其余1/3的樣本數(shù)據(jù)(15組)作為驗(yàn)證集,檢驗(yàn)?zāi)Ｐ偷墓罍y能力.文中基于逐步回歸方法構(gòu)建回歸模型,并以樣本數(shù)據(jù)顯著性水平和回歸參數(shù)的顯著性水平相結(jié)合為準(zhǔn)則,對(duì)自變量進(jìn)行篩選,構(gòu)建最優(yōu)回歸模型,實(shí)現(xiàn)對(duì)夏玉米SPAD的高精度估測.

1.6 模型評(píng)價(jià)指標(biāo)

采用決定系數(shù)R2、均方根誤差RMSE和歸一化均方根誤差nRMSE評(píng)價(jià)模型精度.當(dāng)R2越大,同時(shí)RMSE和nRMSE越小,則表明模型效果越好.

2 結(jié)果與分析

2.1 不同施肥處理對(duì)夏玉米葉綠素的影響

隨著生育期推進(jìn),夏玉米的SPAD隨時(shí)間總體呈上升趨勢(shì),如圖2所示,不同處理間的差異也逐漸增大.

注:圖中不同小寫字母表示處理間在0.05水平上差異具有統(tǒng)計(jì)意義

在拔節(jié)期,除了施氮量為300 kg/hm2的處理,其他不同施氮量處理均無顯著差異.在抽雄期,N0—N4處理的夏玉米SPAD較拔節(jié)期呈顯著增加趨勢(shì),各處理間具有統(tǒng)計(jì)學(xué)意義(P<0.05),且控釋肥高氮(N4)的SPAD最高.在灌漿期,控釋肥中氮(N3)和高氮處理(N4)對(duì)其余處理(N0—N2)具有統(tǒng)計(jì)學(xué)意義(P<0.05).控釋肥處理N2,N3和N4較傳統(tǒng)肥料處理(N1)的SPAD分別增加7.61%,14.19%和12.63%.

2.2 夏玉米葉片SPAD與光譜變量相關(guān)性分析

將夏玉米3個(gè)主要生育期的SPAD與15個(gè)光譜變量的反射率分別進(jìn)行相關(guān)性分析,得到了各自的相關(guān)系數(shù).在拔節(jié)期,除了RE和NIR,其余光譜變量與SPAD均在0.01水平上顯著相關(guān),GNDVI的反射率與SPAD的相關(guān)系數(shù)絕對(duì)值最大,為0.641;在抽雄期,RE,NIR與SPAD的相關(guān)性不顯著,其余光譜變量均在0.01水平上顯著,NDVI與SPAD的相關(guān)系數(shù)絕對(duì)值最大,為0.715;在灌漿期,除RE,NIR與SPAD相關(guān)關(guān)系不顯著,其余光譜變量均與SPAD顯著相關(guān),RVI與SPAD相關(guān)系數(shù)絕對(duì)值最大,為0.633.總體上,玉米冠層植被指數(shù)兩個(gè)指標(biāo)的相關(guān)性優(yōu)于單波段光譜,用植被指數(shù)與SPAD的相關(guān)性能實(shí)現(xiàn)顯著相關(guān)[11].

2.3 基于逐步回歸的夏玉米葉片SPAD無人機(jī)遙感模型的建立與驗(yàn)證

對(duì)各光譜變量與SPAD進(jìn)行相關(guān)分析后,按照其相關(guān)系數(shù)的大小進(jìn)行排序,將排序的15個(gè)光譜變量依次減少光譜變量的個(gè)數(shù)作為輸入因子進(jìn)行向后逐步回歸分析,建立不同生育期特征光譜變量的夏玉米SPAD的多光譜估算模型,將模型建立的調(diào)整后的R2和變量個(gè)數(shù)綜合分析[12],如表2所示,表中R為相關(guān)系數(shù),并以決定系數(shù)R2最大和均方根誤差RMSE最小確定最優(yōu)模型,如表3所示.在拔節(jié)期、抽雄期和灌漿期分別選擇與SPAD相關(guān)性最好的前7個(gè)、前5個(gè)和前6個(gè)光譜變量作為自變量時(shí),所建模型的R2最高,此時(shí)效果最好.各生育期SPAD估算模型R2平均值為0.61,RMSE平均值為4.60,nRMSE平均值為7.60%,說明利用無人機(jī)多光譜構(gòu)建的SPAD估算模型精度較高,模型較精確且具有穩(wěn)定性.因此,基于無人機(jī)多光譜影像構(gòu)建逐步回歸模型能較好地反演夏玉米的SPAD.

表2 光譜變量與SPAD逐步回歸分析結(jié)果

表3 不同生育期光譜變量與夏玉米SPAD逐步回歸模型

利用夏玉米實(shí)測SPAD值對(duì)構(gòu)建的無人機(jī)多光譜遙感模型進(jìn)行驗(yàn)證,不同生育期夏玉米葉片SPAD無人機(jī)遙感模型預(yù)測值與實(shí)測值的相關(guān)性如圖3所示,圖中SPADm為SPAD實(shí)測值;SPADp為SPAD預(yù)測值.由圖3可知,各生育期SPAD估算模型驗(yàn)證值R2均不低于0.60,平均值為0.65;RMSE平均值為4.48;nRMSE平均值為7.14%.拔節(jié)期的SPAD驗(yàn)證集精度高于抽雄期和灌漿期,R2平均值比拔節(jié)期和抽雄期分別提高了9.20%,14.94%,平均提高了12.07%,并且有95%的預(yù)測值落在50.8～54.2.綜上,基于SPAD估算模型計(jì)算出的SPAD的預(yù)測值與實(shí)測數(shù)據(jù)吻合度較高,具有實(shí)際參考意義.

圖3 不同生育期夏玉米葉片SPAD無人機(jī)遙感模型預(yù)測值與實(shí)測值的相關(guān)性

2.4 夏玉米葉片SPAD不同生育期分布特征

利用構(gòu)建的無人機(jī)多光譜估算模型,將得到的45組SPAD的預(yù)測值數(shù)據(jù)按小區(qū)劃分,并取每個(gè)小區(qū)的平均值制作2021年玉米3個(gè)生育期的SPAD的分布圖進(jìn)行分析,基于無人機(jī)多光譜影像的SPAD分布如圖4所示.

圖4 基于無人機(jī)多光譜影像的SPAD分布圖

在拔節(jié)期,玉米SPAD按處理排序由小到大依次為N0,N1,N2,N3,N4,且使用控釋肥處理的小區(qū)SPAD明顯高于施用傳統(tǒng)肥料和無肥對(duì)照的小區(qū),SPAD值主要在48.0～56.0.在抽雄期,玉米SPAD分布的大小整體要高于拔節(jié)期,且控釋肥處理的3個(gè)小區(qū)SPAD均大于傳統(tǒng)肥料和無肥處理的小區(qū),SPAD值主要在56.0～64.0.在灌漿期,不同處理的SPAD按處理排序由小到大依次為N0,N1,N2,N4,N3,且SPAD值主要分布在60.0～72.0.從拔節(jié)期—灌漿期,各處理小區(qū)夏玉米SPAD隨生育期的推移呈明顯增大趨勢(shì),在施氮量為225 kg/hm2(N3)達(dá)到峰值.

3 討 論

選用高效的控釋肥料不僅能增加玉米冠層葉綠素含量,而且能提高玉米光合作用的效率,并省去多次追肥的時(shí)間和人力成本.采用無人機(jī)平臺(tái)快速確定作物需氮情況,利用光譜反射率實(shí)時(shí)診斷作物氮虧缺情況,從而進(jìn)行針對(duì)性追肥是提高氮肥利用效率的有效途徑[13].對(duì)比施用控釋肥與施用傳統(tǒng)肥料的夏玉米葉綠素含量發(fā)現(xiàn),相同灌溉條件下,與傳統(tǒng)肥料相比,控釋肥可以顯著提高夏玉米SPAD,主要由于控釋肥養(yǎng)分釋放規(guī)律與玉米各階段養(yǎng)分需求規(guī)律基本一致,這有助于氮素的吸收和營養(yǎng)物質(zhì)向玉米營養(yǎng)器官轉(zhuǎn)運(yùn).此外,陳浩等[14]發(fā)現(xiàn)過量施氮肥不能持續(xù)提高葉綠素含量,這與文中研究結(jié)果一致,從拔節(jié)期—灌漿期,各處理小區(qū)夏玉米SPAD隨生育期的推移呈明顯增大趨勢(shì),在施氮量為225 kg/hm2(N3)達(dá)到峰值,但繼續(xù)增大施氮量,玉米SPAD增加不明顯甚至?xí)霈F(xiàn)降低的情況,說明玉米葉綠素含量受氮肥脅迫而呈降低趨勢(shì).

在選用合適的光譜變量作為建模參數(shù)時(shí),有研究表明僅以單一波段建立作物氮素反演模型易存在過飽和或精度低的情況[15],基于植被指數(shù)構(gòu)建的模型能夠在一定程度提高模型的精度,然而當(dāng)變量過多時(shí)也會(huì)使得模型受到多重共線性的影響.文中在此基礎(chǔ)上分析了植被指數(shù)與玉米SPAD的相關(guān)性,發(fā)現(xiàn)植被指數(shù)GNDVI,B,NDVI與SPAD相關(guān)系數(shù)絕對(duì)值較大,分別達(dá)到0.641,0.630和0.606.可以發(fā)現(xiàn)由綠波段組合的光譜指數(shù)能很好地反演夏玉米氮素營養(yǎng)參數(shù)[16].所以,選取植被指數(shù)能夠提高光譜變量與實(shí)測值的相關(guān)性,并能進(jìn)一步提高模型的精度.此外,理論上夏玉米SPAD各個(gè)時(shí)期的預(yù)測值和實(shí)測值的所處水平應(yīng)該是一致的,但由于各時(shí)期所獲取的無人機(jī)多光譜影像受太陽輻射、氣候溫度和植被覆蓋率影響而會(huì)有所不同[17].抽雄期作為夏玉米生育中期,所受太陽輻射最強(qiáng),日夜溫差最小,受外界影響最小,因此預(yù)測值和實(shí)測值基本一致.

文中利用無人機(jī)多光譜影像估算玉米SPAD僅限于1 a數(shù)據(jù),為提高模型精度和確立最優(yōu)施肥方案,在試驗(yàn)方面,可增加更多控釋肥處理水平、處理小區(qū)數(shù)和估算參數(shù)(株高、冠層覆蓋度、葉面積指數(shù)、氮營養(yǎng)指數(shù)等),且要充分考慮田塊尺度問題;在圖像處理方面,可去除土壤背景[18]以改進(jìn)模型精度,利用紋理或多角度信息改進(jìn)無人機(jī)圖像的氮營養(yǎng)參數(shù)估算方法.

4 結(jié) 論

1) 不同施氮處理的夏玉米冠層SPAD存在差異性,與傳統(tǒng)肥料相比,施用控釋肥對(duì)提高作物SPAD有著明顯作用,拔節(jié)期、抽雄期和灌漿期施用控釋肥處理的玉米SPAD較傳統(tǒng)肥料處理平均提高2.26%,10.12%,11.48%.

2) 不同生育期,與夏玉米SPAD相關(guān)性最顯著的植被指數(shù)不同.在拔節(jié)期,植被指數(shù)GNDVI與SPAD相關(guān)性最強(qiáng);在抽雄期,植被指數(shù)NDVI與SPAD的相關(guān)性最強(qiáng);在灌漿期,植被指數(shù)RVI與SPAD的相關(guān)性最強(qiáng).

3) 基于不同控釋肥處理的3個(gè)生育期夏玉米SPAD多光譜估算模型R2均值為0.61,RMSE均值為4.60,nRMSE均值為7.60%,達(dá)到模型精度要求.

4) 根據(jù)夏玉米SPAD實(shí)測值的顯著性差異分析和無人機(jī)多光譜估算模型的預(yù)測值可以得出,在控制水分的條件下,文中試驗(yàn)最佳施氮處理為控釋肥中氮225 kg/hm2(N3),到達(dá)一定施氮量后,繼續(xù)增加施氮量,夏玉米SPAD受氮素脅迫會(huì)出現(xiàn)降低的趨勢(shì).