李艷大，舒時(shí)富，陳立才，葉 春，黃俊寶，孫濱峰，王康軍，曹中盛

?

基于便攜式作物生長監(jiān)測診斷儀的江西雙季稻氮肥調(diào)控研究

李艷大，舒時(shí)富，陳立才，葉 春，黃俊寶，孫濱峰，王康軍，曹中盛

（江西省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)工程研究所/江西省農(nóng)業(yè)信息化工程技術(shù)研究中心，南昌 330200）

建立基于便攜式作物生長監(jiān)測診斷儀的江西雙季稻氮肥調(diào)控模型，利用模型推薦穗肥追氮量，實(shí)現(xiàn)江西雙季稻氮肥追施的精確管理?；诓煌晷推贩N和氮肥處理的田間試驗(yàn)資料，構(gòu)建了雙季稻葉面積指數(shù)光譜監(jiān)測模型，利用拔節(jié)期的差值植被指數(shù)實(shí)時(shí)估測葉面積指數(shù)，進(jìn)而結(jié)合江西雙季稻高產(chǎn)栽培經(jīng)驗(yàn)和建立的氮肥調(diào)控模型，對雙季稻穗肥追氮量進(jìn)行實(shí)時(shí)推薦，并和當(dāng)?shù)剞r(nóng)戶施肥方案和產(chǎn)量進(jìn)行比較。雙季稻關(guān)鍵生育期（分蘗期、拔節(jié)期、孕穗期、抽穗期和灌漿期）的冠層差值植被指數(shù)DVI (810，720)與葉面積指數(shù)均呈顯著正相關(guān)，線性函數(shù)擬合效果優(yōu)于其他函數(shù)。利用獨(dú)立試驗(yàn)資料對所建模型進(jìn)行了檢驗(yàn)，單生育期的模型預(yù)測效果優(yōu)于全生育期模型；其中，拔節(jié)期的光譜監(jiān)測模型表現(xiàn)最佳，早稻和晚稻葉面積指數(shù)的光譜監(jiān)測模型的2分別為0.880 6和0.878 8，模型預(yù)測早稻和晚稻葉面積指數(shù)的均方根誤差、相對均方根誤差、相關(guān)系數(shù)分別為0.30和0.25、7.28%和6.18%、0.923 2和0.926 9。氮肥調(diào)控模型推薦施肥應(yīng)用表明，緊湊型品種的穗肥用量高于松散型品種；與農(nóng)戶方案相比，氮肥調(diào)控模型推薦施肥的調(diào)控方案在產(chǎn)量不降低的情況下減少氮肥用量6.58 kg/hm2，提高氮肥農(nóng)學(xué)利用率0.82個(gè)百分點(diǎn)、凈收益103元/hm2和產(chǎn)投比0.9，而產(chǎn)量比農(nóng)戶方案略高或持平。與傳統(tǒng)非定量農(nóng)戶施肥法相比，基于便攜式作物生長監(jiān)測診斷儀的雙季稻氮肥調(diào)控方法可在保證產(chǎn)量的情況下，減少施氮量，提高氮肥農(nóng)學(xué)利用率，獲得更高經(jīng)濟(jì)效益，在江西雙季稻生產(chǎn)中具有推廣應(yīng)用價(jià)值。

氮；肥料；作物；便攜式作物生長監(jiān)測診斷儀；雙季稻；差值植被指數(shù)；氮肥調(diào)控；葉面積指數(shù)；產(chǎn)量

0 引 言

中國是水稻生產(chǎn)大國，其種植面積約占世界的20%，而水稻氮肥施用量約占世界的37%[1]。氮肥盈虧直接影響水稻產(chǎn)量高低和品質(zhì)優(yōu)劣，同時(shí)過量施用氮肥易造成生產(chǎn)成本上升、環(huán)境污染和土地可持續(xù)生產(chǎn)能力下降[2-3]。因此，水稻氮肥的科學(xué)運(yùn)籌和精確調(diào)控，對于發(fā)展高產(chǎn)、優(yōu)質(zhì)、高效、生態(tài)、安全的水稻生產(chǎn)具有重要的現(xiàn)實(shí)意義。要達(dá)到水稻生產(chǎn)精確施肥的目的，首先要對水稻的長勢及植株氮素營養(yǎng)狀況進(jìn)行監(jiān)測診斷。水稻氮素營養(yǎng)監(jiān)測診斷的常規(guī)方法，主要有室內(nèi)化學(xué)分析法、葉色卡法和便攜式葉綠素計(jì)法等[4-6]。室內(nèi)化學(xué)分析法直觀可靠，但需破壞性采樣、費(fèi)時(shí)耗工、分析成本高難以實(shí)時(shí)應(yīng)用；葉色卡法直觀快捷，但缺乏量化指標(biāo)、經(jīng)驗(yàn)性較強(qiáng)不便于精確推薦氮肥用量；便攜式葉綠素計(jì)法只能采集單個(gè)葉片信息，且對測定部位和經(jīng)驗(yàn)要求較高難以反映群體特征。近年來，具有實(shí)時(shí)、快速、無損、信息量大的光譜遙感技術(shù)發(fā)展迅速，已廣泛應(yīng)用于作物長勢及生化組分指標(biāo)的定量監(jiān)測診斷。國內(nèi)外許多學(xué)者利用冠層反射光譜建立了作物葉片含氮量、葉面積指數(shù)、葉綠素含量等生長指標(biāo)光譜監(jiān)測模型[7-11]。也有許多學(xué)者利用光譜植被指數(shù)構(gòu)建了作物氮素營養(yǎng)診斷調(diào)控模型[1,12-16]，進(jìn)而實(shí)時(shí)推薦氮肥追施量，實(shí)現(xiàn)氮肥的高效利用。盡管在基于光譜的作物長勢及氮素營養(yǎng)無損監(jiān)測與定量診斷調(diào)控方面已有較多研究，建立了許多氮素營養(yǎng)光譜監(jiān)測與診斷調(diào)控模型，具有一定的應(yīng)用價(jià)值，但由于研究方法不同，所建模型形式、模型中的參數(shù)個(gè)數(shù)及其數(shù)值等均存在一定差異，且有關(guān)基于光譜的江西雙季稻長勢監(jiān)測及實(shí)時(shí)精確追氮調(diào)控的研究鮮有報(bào)道。因此，建立一個(gè)簡單實(shí)用、能夠準(zhǔn)確推薦雙季稻穗肥追氮量的光譜監(jiān)測與診斷調(diào)控模型顯得尤為必要。為此，本研究在綜合利用江西雙季稻高產(chǎn)栽培經(jīng)驗(yàn)基礎(chǔ)上，建立基于冠層光譜植被指數(shù)的雙季稻氮肥調(diào)控模型，利用模型推薦穗肥追氮量，從而實(shí)現(xiàn)雙季稻氮肥追施的按需定量投入，以期為江西雙季稻豐產(chǎn)、增效生產(chǎn)提供技術(shù)支持。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)I：于2013年和2014年3—11月在江西省南昌縣八一鄉(xiāng)進(jìn)行不同早、晚稻株型品種與不同施氮水平的田間試驗(yàn)。2013年試驗(yàn)數(shù)據(jù)用于建立葉面積指數(shù)光譜監(jiān)測模型，2014年試驗(yàn)數(shù)據(jù)用于葉面積指數(shù)光譜監(jiān)測模型的檢驗(yàn)。試驗(yàn)點(diǎn)耕作層土壤含有機(jī)質(zhì)27.60 g/kg、全氮2.02 g/kg、堿解氮156.00 mg/kg、速效磷135.44 mg/kg、速效鉀102.50 mg/kg。采用裂區(qū)設(shè)計(jì)，主區(qū)為品種，副區(qū)為氮肥。早、晚稻均設(shè)2個(gè)品種和4個(gè)施氮水平，重復(fù)3次，株行距為14 cm×24 cm，每穴栽3苗，南北行向，小區(qū)之間以埂相隔，埂上覆膜，獨(dú)立排灌，小區(qū)面積30 m2。早稻4個(gè)施氮水平分別為純氮0、75、150和225 kg/hm2，供試早稻品種為中嘉早17（ZJZ17，緊湊型）和潭兩優(yōu)83（TLY83，松散型），3月25日播種，4月24日移栽，7月20日收獲；晚稻4個(gè)施氮水平分別為純氮0、90、180和270 kg/hm2，供試晚稻品種為天優(yōu)華占（TYHZ，緊湊型）和岳優(yōu)9113（YY9113，松散型），6月28日播種，7月27日移栽，10月30日收獲。早、晚稻磷、鉀肥用量各小區(qū)相同，磷肥用鈣鎂磷肥，用量（P2O5）為75 kg/hm2；鉀肥用氯化鉀，用量（K2O）為150 kg/hm2，氮肥用尿素，其中磷肥全部作基肥，鉀肥和氮肥分3 次施用（基肥40%，分蘗肥30%，穗肥30%）。其他管理措施同當(dāng)?shù)馗弋a(chǎn)栽培。

試驗(yàn)II：于2014年3—11月在江西省新干縣溧江鎮(zhèn)進(jìn)行不同早、晚稻株型品種與不同穗肥追氮量的田間試驗(yàn)。試驗(yàn)點(diǎn)耕作層土壤含有機(jī)質(zhì)25.61 g/kg、全氮1.82 g/kg、堿解氮136.55 mg/kg、速效磷15.56 mg/kg、速效鉀92.60 mg/kg。采用裂區(qū)設(shè)計(jì)，主區(qū)為品種，早、晚稻均設(shè)2個(gè)品種，副區(qū)為穗肥追氮量，設(shè)3個(gè)水平，重復(fù)3次，株行距為14 cm × 24 cm，每穴栽3苗，南北行向，小區(qū)之間以埂相隔，埂上覆膜，獨(dú)立排灌，小區(qū)面積60 m2。早稻3個(gè)穗肥追氮水平分別為純氮0 kg/hm2（T0，不施肥方案）、45.00 kg/hm2（T1，農(nóng)戶方案）和模型推薦追氮量（T2，調(diào)控方案），供試早稻品種為株兩優(yōu)1號(hào)（ZLY1，緊湊型）和株兩優(yōu)3號(hào)（ZLY3，松散型），3月27日播種，4月25日移栽，7月18日收獲。晚稻3個(gè)穗肥追氮水平分別為純氮0 kg/hm2（T0，不施肥方案）、54.00 kg/hm2（T1，農(nóng)戶方案）和模型推薦追氮量（T2，調(diào)控方案），供試晚稻品種為五豐優(yōu)T025（WFYT025，緊湊型）和淦鑫600（GX600，松散型），7月2日播種，7月31日移栽，10月30日收獲。早、晚稻T0處理小區(qū)不施肥；T1和T2處理小區(qū)氮肥的基肥和分蘗肥用量，早稻分別為純氮60.00和45.00 kg/hm2，晚稻分別為純氮72.00和54.00 kg/hm2，磷、鉀肥種類及用量均相同，與試驗(yàn)I一致。其他管理措施同當(dāng)?shù)馗弋a(chǎn)栽培。

試驗(yàn)III：于2014年3—11月在江西省余江縣平定鄉(xiāng)進(jìn)行不同早、晚稻株型品種與不同穗肥追氮量的田間試驗(yàn)。試驗(yàn)點(diǎn)耕作層土壤含有機(jī)質(zhì)30.50 g/kg、全氮1.70 g/kg、堿解氮144.00 mg/kg、速效磷15.77 mg/kg、速效鉀105.15 mg/kg。采用裂區(qū)設(shè)計(jì)，主區(qū)為品種，早、晚稻均設(shè)2個(gè)品種，副區(qū)為穗肥追氮量，設(shè)3個(gè)水平，重復(fù)3次，株行距為14 cm × 24 cm，每穴栽3苗，南北行向，小區(qū)之間以埂相隔，埂上覆膜，獨(dú)立排灌，小區(qū)面積60 m2。早稻3個(gè)穗肥追氮水平分別為純氮0 kg/hm2（T0，不施肥方案）、45.00 kg/hm2（T1，農(nóng)戶方案）和模型推薦追氮量（T2，調(diào)控方案），供試早稻品種為中嘉早17（ZJZ17，緊湊型）和淦鑫203（GX203，松散型），3月28日播種，4月27日移栽，7月15日收獲。晚稻3個(gè)穗肥追氮水平分別為純氮0 kg/hm2（T0，不施肥方案）、54.00 kg/hm2（T1，農(nóng)戶方案）和模型推薦追氮量（T2，調(diào)控方案），供試晚稻品種為黃莉占（HLZ，緊湊型）和五優(yōu)308（WY308，松散型），6月30日播種，7月29日移栽，10月28日收獲。早、晚稻T0處理小區(qū)不施肥；T1和T2處理小區(qū)氮肥的基肥和分蘗肥用量，早稻分別為純氮60.00和45.00 kg/hm2，晚稻分別為純氮72.00和54.00 kg/hm2，磷、鉀肥種類及用量均相同，與試驗(yàn)I一致。其他管理措施同當(dāng)?shù)馗弋a(chǎn)栽培。

1.2　測定項(xiàng)目與方法

1.2.1 冠層光譜反射率測定及光譜植被指數(shù)計(jì)算

早、晚稻冠層光譜反射率采用南京農(nóng)業(yè)大學(xué)國家信息農(nóng)業(yè)工程技術(shù)中心研發(fā)的便攜式作物生長監(jiān)測診斷儀[17]進(jìn)行測量。該儀器為被動(dòng)遙感，多光譜傳感器由720和810 nm 2種探測鏡頭組成，視場角27°。測量時(shí)間均選擇晴朗、無云或少云、無風(fēng)或微風(fēng)天氣進(jìn)行，時(shí)間范圍為10:00－14:00，將傳感器垂直向下，距早、晚稻冠層1 m左右，每個(gè)小區(qū)測量3點(diǎn)，每點(diǎn)重復(fù)測量5次，對所采集的數(shù)據(jù)進(jìn)行差異顯著性分析后，取平均值作為該小區(qū)測量值。試驗(yàn)I兩年的觀測時(shí)間一樣，于早、晚稻分蘗期、拔節(jié)期、孕穗期、抽穗期和灌漿期進(jìn)行測量。試驗(yàn)II和試驗(yàn)III均在早、晚稻拔節(jié)期進(jìn)行測量。利用冠層810和720 nm的光譜反射率計(jì)算差值植被指數(shù)（differential vegetation index，DVI）、歸一化植被指數(shù)（normalized difference vegetation index，NDVI）和比值植被指數(shù)（ratio vegetation index，RVI），具體算法如下

DVI=810–720（1）

NDVI=(810–720)/(810+720) （2）

RVI=810/720（3）

式中810和720分別為冠層810和720 nm的光譜反射率，可由便攜式作物生長監(jiān)測診斷儀獲得。

1.2.2農(nóng)學(xué)參數(shù)測定及氮肥農(nóng)學(xué)利用率計(jì)算

與冠層光譜反射率測定同步，每個(gè)小區(qū)通過測定植株莖蘗數(shù)、株高等方式選取平均大小的代表性稻株4穴，根據(jù)植株器官發(fā)育情況，將樣品植株分離為葉、莖鞘和穗，在105 ℃殺青30 min，80 ℃烘干48 h至恒量后稱量，采用比葉重法計(jì)算葉面積，進(jìn)而得到葉面積指數(shù)。樣品粉碎后采用凱氏定氮法測定植株各器官含氮量[18]。成熟期每處理調(diào)查20穴莖蘗數(shù)，算出有效穗數(shù)，取樣5穴測定穗粒數(shù)、結(jié)實(shí)率、千粒質(zhì)量；各小區(qū)收割中心4 m2測產(chǎn)，單獨(dú)脫粒曬干并風(fēng)選后，稱干谷質(zhì)量，同時(shí)測定干谷水分含量，然后計(jì)算折合含水率為14%的稻谷產(chǎn)量。氮肥農(nóng)學(xué)利用率（nitrogen agronomic efficiency，NAE）計(jì)算如下

NAE=(施氮區(qū)產(chǎn)量–不施氮區(qū)產(chǎn)量)/施氮量×100%（4）

1.3　氮肥調(diào)控模型算法

在早、晚稻穗肥施用的關(guān)鍵期（拔節(jié)期），通過采集冠層光譜數(shù)據(jù)無損估算實(shí)時(shí)葉面積指數(shù)（LAI），在綜合考慮早、晚稻目標(biāo)產(chǎn)量下的最大葉面積指數(shù)（LAImax）、總需氮量（TND，kg/hm2）和單位葉面積指數(shù)需氮量（LNDDLAI，kg/hm2）的基礎(chǔ)上，按照如下計(jì)算方法得到穗肥追氮量（PN，kg/hm2）。

PN=(LAImax–LAI)×LNDDLAI（5）

式中LAImax為目標(biāo)產(chǎn)量下的最大葉面積指數(shù)，可以通過當(dāng)?shù)馗弋a(chǎn)條件下的歷史數(shù)據(jù)獲得[19]，特定土壤及環(huán)境條件下，獲得目標(biāo)產(chǎn)量的LAImax相對穩(wěn)定，根據(jù)本試驗(yàn)研究結(jié)果表明，供試早、晚稻品種的LAImax的值分別介于6.0～6.4和6.4～6.7，為便于大田生產(chǎn)應(yīng)用及比較分析，本文早、晚稻LAImax分別取值6.2和6.5；LAI為拔節(jié)期實(shí)時(shí)葉面積指數(shù)，可以根據(jù)拔節(jié)期獲得的冠層差值植被指數(shù)無損估算求得，其計(jì)算見公式（6）；LNDDLAI為目標(biāo)產(chǎn)量下的單位葉面積指數(shù)需氮量（kg/hm2），其計(jì)算見公式（7）。

LAI=×DVI+（6）

式中、為方程系數(shù)，由試驗(yàn)I 2013年試驗(yàn)數(shù)據(jù)擬合而得，早稻、值分別為10.928、2.7723，晚稻、值分別為10.75、2.842；DVI為拔節(jié)期的冠層差值植被指數(shù)，其計(jì)算見公式（1）。

LNDDLAI=TND/LAImax（7）

式中TND為獲得目標(biāo)產(chǎn)量的總需氮量，kg/hm2，其計(jì)算見公式（8）。

TND=GYT×ND （8）

式中GYT為目標(biāo)產(chǎn)量，kg/hm2，可以通過當(dāng)?shù)馗弋a(chǎn)條件下的歷史數(shù)據(jù)獲得[20]，特定土壤及環(huán)境條件下，GYT相對穩(wěn)定，為便于大田生產(chǎn)應(yīng)用及比較分析，本文早、晚稻GYT分別取值7 500和9 000 kg/hm2；ND為單位籽粒吸氮量（kg/kg），根據(jù)試驗(yàn)I 2013年試驗(yàn)結(jié)果確定，本文早、晚稻ND均取值0.02 kg/kg。

1.4　模型檢驗(yàn)

采用國際上常用的均方根誤差RMSE（root mean square error）、相對均方根誤差RRMSE（relative root mean square error）和相關(guān)系數(shù)來分析模擬值與觀測值之間的符合度，并繪制模擬值與觀測值之間的1:1關(guān)系圖，以直觀地展示模型的擬合度和可靠性。RMSE、RRMSE和的計(jì)算公式如下

2 結(jié)果與分析

2.1 早、晚稻葉面積指數(shù)光譜監(jiān)測模型的構(gòu)建

將早、晚稻各生育期的冠層差值植被指數(shù)（DVI）、歸一化植被指數(shù)（NDVI）和比值植被指數(shù)（RVI）分別與葉面積指數(shù)（LAI）進(jìn)行線性、對數(shù)、多項(xiàng)式、冪函數(shù)和指數(shù)的擬合分析。結(jié)果表明，早、晚稻葉面積指數(shù)均與DVI的線性擬合相關(guān)性最好（表1），決定系數(shù)2介于0.7447～0.8806。早、晚稻拔節(jié)期和抽穗期的相關(guān)性最高。進(jìn)一步分析早、晚稻全生育期的數(shù)據(jù)，顯示全生育期的DVI與LAI的擬合效果較拔節(jié)期差，其線性方程的決定系數(shù)2低于0.85。

表1 不同生育期的早、晚稻葉面積指數(shù)與冠層DVI間的回歸方程

注：方程中LAIearly和LAIlate分別表示早稻LAI和晚稻LAI，下同。

Note: LAIearlyand LAIlatein the equation represented early rice LAI and late rice LAI, respectively, the same as below.

2.2　早、晚稻葉面積指數(shù)光譜監(jiān)測模型的檢驗(yàn)

為了檢驗(yàn)早、晚稻葉面積指數(shù)光譜監(jiān)測模型的可靠性，用試驗(yàn)I 2014年的試驗(yàn)數(shù)據(jù)對構(gòu)建的葉面積指數(shù)光譜監(jiān)測模型進(jìn)行了檢驗(yàn)。采用國際上常用的均方根誤差RMSE、相對均方根誤差RRMSE和相關(guān)系數(shù)來分析早、晚稻葉面積指數(shù)模擬值與觀測值之間的符合度。結(jié)果表明，早、晚稻各個(gè)生育期回歸方程的預(yù)測效果都較好，RMSE介于0.22～0.77，RRMSE介于6.18%～16.78%，介于0.882 2～0.944（圖1）。單生育期的光譜監(jiān)測模型預(yù)測效果明顯優(yōu)于全生育期光譜監(jiān)測模型。其中，早、晚稻穗肥施用關(guān)鍵期（拔節(jié)期）的光譜監(jiān)測模型對葉面積指數(shù)的預(yù)測效果非常理想。從圖1可以看出，早、晚稻各個(gè)生育期葉面積指數(shù)的模擬值與觀測值之間具有較好的一致性，如模型對早、晚稻拔節(jié)期葉面積指數(shù)進(jìn)行預(yù)測的RMSE分別為0.30和0.25，RRMSE分別為7.28%和6.18%，分別為0.923 2和0.926 9。因此，選用拔節(jié)期的光譜監(jiān)測模型來實(shí)時(shí)診斷穗肥推薦時(shí)的葉面積指數(shù)（式（6））。

圖1　早晚稻葉面積指數(shù)觀測值與模擬值的比較

2.3　氮肥調(diào)控模型的應(yīng)用

利用試驗(yàn)I 2013年試驗(yàn)數(shù)據(jù)建立的氮肥調(diào)控模型及相關(guān)參數(shù)對試驗(yàn)II和試驗(yàn)III不同供試早、晚稻株型品種進(jìn)行了推薦施肥（調(diào)控方案）。結(jié)果表明，不同供試早、晚稻株型品種的推薦施肥量有所不同，緊湊型品種的穗肥用量高于松散型品種。如緊湊型早稻品種中嘉早17（ZJZ17）的穗肥用量為41.15 kg/hm2，而松散型早稻品種淦鑫203（GX203）的穗肥用量為39.24 kg/hm2，兩者相差1.91 kg/hm2（表2）。這主要是由于生長前期（拔節(jié)期）松散型品種葉傾角小、葉片平展、封行早，其葉面積指數(shù)和冠層DVI均比緊湊型品種大的緣故。

由表3可知，與農(nóng)戶方案（T1）相比，氮肥調(diào)控模型推薦施肥的調(diào)控方案（T2）的氮肥用量顯著低于農(nóng)戶方案，產(chǎn)量比農(nóng)戶方案略高或持平，調(diào)控方案的氮肥農(nóng)學(xué)利用率（NAE）顯著高于農(nóng)戶方案。早、晚稻調(diào)控方案的氮肥用量平均比農(nóng)戶方案低6.58 kg/hm2，而調(diào)控方案的產(chǎn)量和氮肥農(nóng)學(xué)利用率均分別比農(nóng)戶方案高27.43 kg/hm2和0.82個(gè)百分點(diǎn)。這說明調(diào)控方案提高了氮肥利用率，減少了氮肥在土壤中的殘留，降低了氮肥的損失風(fēng)險(xiǎn)，具有良好的生態(tài)效益。按照氮肥（尿素）2.6元/kg和稻谷售價(jià)2.4元/kg，計(jì)算了各處理的經(jīng)濟(jì)效益。結(jié)果表明，調(diào)控方案的凈收益和產(chǎn)投比均顯著高于農(nóng)戶方案。早、晚稻調(diào)控方案的凈收益和產(chǎn)投比分別平均比農(nóng)戶方案高103元/hm2和0.9。說明調(diào)控方案能顯著提高氮肥利用率、減少氮肥用量、降低生產(chǎn)成本及增加早、晚稻的凈收益和產(chǎn)投比。

表2 基于氮肥調(diào)控模型的早、晚稻穗肥施氮量

表3 不同早、晚稻氮肥調(diào)控方案的產(chǎn)量、氮肥農(nóng)學(xué)利用率及經(jīng)濟(jì)效益比較

注：表中T1和T2分別表示農(nóng)戶方案和調(diào)控方案，相同品種的不同施肥方案間，標(biāo)以不同字母表示在0.05水平上差異顯著。

Note: T1and T2 in the table represented farmers plan and regulation plan, respectively. Values followed by different letters for different nitrogen application treatments within the same cultivar are significantly different at 0.05 probability level.

3　討 論

水稻是中國最重要和廣泛種植的糧食作物之一。江西是中國水稻主產(chǎn)省，常年水稻種植面積約340萬hm2，其中，雙季稻占比約89%，比例全國居首。因此，發(fā)展江西雙季稻生產(chǎn)對于中國糧食安全與社會(huì)穩(wěn)定具有重要的保障作用。近年來，隨著中國水稻產(chǎn)量水平的不斷提高，化肥特別是氮肥的施用量持續(xù)增加，導(dǎo)致肥料利用率低及土壤酸化[3,21]。因此，如何根據(jù)雙季稻苗情來實(shí)時(shí)無損精確調(diào)控氮肥施用，確保高產(chǎn)的同時(shí)克服以往過量的氮肥投入導(dǎo)致氮肥利用率低、生產(chǎn)成本上升和環(huán)境污染問題成為江西雙季稻生產(chǎn)的研究重點(diǎn)。

本研究基于不同早、晚稻品種與施氮水平的田間試驗(yàn)資料，利用便攜式作物生長監(jiān)測診斷儀，構(gòu)建了基于差值植被指數(shù)DVI (810，720)的早、晚稻葉面積指數(shù)光譜監(jiān)測模型。利用獨(dú)立的田間試驗(yàn)資料，對模型進(jìn)行了初步檢驗(yàn)。結(jié)果表明，單生育期的模型預(yù)測效果優(yōu)于全生育期，其中，拔節(jié)期的葉面積指數(shù)光譜監(jiān)測模型表現(xiàn)最佳，模擬值與觀測值之間具有較好的一致性，預(yù)測早稻和晚稻葉面積指數(shù)的均方根誤差、相對均方根誤差、相關(guān)系數(shù)分別為0.30和0.25、7.28%和6.18%、0.9232和0.9269，與基于比值植被指數(shù)RVI (810，560)的水稻葉面積指數(shù)預(yù)測效果[22]基本相當(dāng)，但優(yōu)于差值植被指數(shù)DVI (854，760)對水稻葉面積指數(shù)的預(yù)測效果[23]。與常規(guī)破壞性取樣估測葉面積指數(shù)法[24]相比，本研究采用便攜式作物生長監(jiān)測診斷儀獲取光譜數(shù)據(jù)建立葉面積指數(shù)監(jiān)測模型，進(jìn)而估算雙季稻葉面積指數(shù)，具有數(shù)據(jù)獲取快捷、實(shí)時(shí)、無損等特點(diǎn)，能在一定程度上克服常規(guī)方法“以點(diǎn)帶面”的取樣誤差。

本研究在綜合考慮江西雙季稻高產(chǎn)栽培經(jīng)驗(yàn)的基礎(chǔ)上，建立了基于便攜式作物生長監(jiān)測診斷儀的江西雙季稻氮肥調(diào)控模型。該模型利用拔節(jié)期的冠層差值植被指數(shù)DVI實(shí)時(shí)估測葉面積指數(shù)，進(jìn)而對雙季稻穗肥追氮量進(jìn)行實(shí)時(shí)推薦；模型具有參數(shù)少、計(jì)算簡單實(shí)用、準(zhǔn)確等特點(diǎn)，是對前人研究[14]的進(jìn)一步改進(jìn)和本地化應(yīng)用，使其能更加符合江西雙季稻生產(chǎn)的實(shí)際需要。同時(shí)，一定程度上克服了前人[25]基于全生育期設(shè)計(jì)需氮量，而不能根據(jù)作物苗情來實(shí)時(shí)調(diào)控追氮量的不足。利用該模型及相關(guān)參數(shù)對不同供試早、晚稻株型品種進(jìn)行了推薦施肥，結(jié)果表明，緊湊型品種的穗肥用量高于松散型品種。其原因是拔節(jié)期松散型品種葉傾角小、葉片平展、封行早，葉面積指數(shù)和冠層差值植被指數(shù)DVI均比緊湊型品種大的緣故。這說明拔節(jié)期是利用光譜遙感進(jìn)行株型識(shí)別，進(jìn)而指導(dǎo)雙季稻精確施肥的最佳時(shí)期，這與前人的研究結(jié)論一致[26]。本研究還表明，該模型能較準(zhǔn)確的估算早、晚稻穗肥需氮量，進(jìn)而按需推薦施肥；在保證產(chǎn)量的前提下，顯著提高氮肥利用率、減少氮肥用量、增加雙季稻凈收益和產(chǎn)投比。

當(dāng)然，本研究建立的氮肥調(diào)控模型僅適用于江西及相似土壤和環(huán)境條件的雙季稻區(qū)，模型尚未考慮土壤供氮量和植株氮積累量等因素的影響，以及不同株型品種間的最大葉面積指數(shù)和目標(biāo)產(chǎn)量差異可能會(huì)導(dǎo)致模型的實(shí)用性不廣泛。因此，今后應(yīng)該在江西及相似雙季稻主產(chǎn)區(qū)采用多年多點(diǎn)試驗(yàn)資料對模型進(jìn)行本地化應(yīng)用測驗(yàn)與完善，并對不同區(qū)域不同株型品種的土壤供氮量、植株氮積累量和最大葉面積指數(shù)等指標(biāo)進(jìn)行更深入的研究。

4 結(jié) 論

江西雙季稻關(guān)鍵生育期的冠層差值植被指數(shù)與葉面積指數(shù)呈顯著線性相關(guān)，拔節(jié)期的葉面積指數(shù)光譜監(jiān)測模型表現(xiàn)最佳，模型預(yù)測早稻和晚稻葉面積指數(shù)的均方根誤差、相對均方根誤差、相關(guān)系數(shù)分別為0.30和0.25、7.28%和6.18%、0.923 2和0.926 9。在綜合考慮江西雙季稻高產(chǎn)栽培經(jīng)驗(yàn)的基礎(chǔ)上，構(gòu)建與應(yīng)用驗(yàn)證了基于便攜式作物生長監(jiān)測診斷儀的氮肥調(diào)控模型。結(jié)果表明，緊湊型品種的穗肥用量高于松散型品種；與農(nóng)戶方案相比，氮肥調(diào)控模型推薦施肥的調(diào)控方案可在保證高產(chǎn)的同時(shí)，減少氮肥用量6.58 kg/hm2，提高氮肥農(nóng)學(xué)利用率0.82個(gè)百分點(diǎn)，凈收益103元/hm2，在江西雙季稻生產(chǎn)中具有推廣應(yīng)用價(jià)值。

[1] 覃夏，王紹華，薛利紅. 江西鷹潭地區(qū)早稻氮素營養(yǎng)光譜診斷模型的構(gòu)建與應(yīng)用[J]. 中國農(nóng)業(yè)科學(xué)，2011，44(4)：691－698.

Qin Xia, Wang Shaohua, Xue Lihong. Nitrogen nutrition diagnosis of early rice with NDVI and its application for nitrogen topdressing recommendation at Yingtan, Jiangxi province[J]. Scientia Agricultura Sinica, 2011, 44(4): 691－698. (in Chinese with English abstract)

[2] 曾建敏. 水稻氮效率評(píng)價(jià)系統(tǒng)的建立與氮高效形成機(jī)理的研究[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2006.

Zeng Jianmin. Establishment of Evaluation System for Nitrogen Use Efficiency (NUE) and Study on the Mechanisms of High-NUE in Rice[D]. Wuhan: Huazhong Agricultural University, 2006. (in Chinese with English abstract)

[3] Guo Jingheng, Liu Xuejun, Zhang Yang, et al. Significant acidification in major Chinese croplands[J]. Science, 2010, 327: 1008－1010.

[4] Singh B, Singh Y, Ladha J K, et al. Chlorophyll meter and leaf color chart-based nitrogen management for rice and wheat in northwestern Indian[J]. Agronomy Journal, 2002, 94: 821－929.

[5] 王紹華，曹衛(wèi)星，王強(qiáng)盛，等. 水稻葉色分布特點(diǎn)與氮素營養(yǎng)診斷[J]. 中國農(nóng)業(yè)科學(xué)，2002，35(12)：1461－1466.

Wang Shaohua, Cao Weixing, Wang Qiangsheng, et al. Positional distribution of leaf color and diagnosis of nitrogen nutrition in rice plant[J]. Scientia Agricultura Sinica, 2002, 35(12): 1461－1466. (in Chinese with English abstract)

[6] Peng Shaobing, Garcia F V, Laza R C, et al. Adjustment for specific leaf weight improves chlorophyll meter’s estimate of rice leaf nitrogen concentration[J]. Agronomy Journal, 1993, 85: 987－990.

[7] 張瀟元，張立福，張霞，等. 不同光譜植被指數(shù)反演冬小麥葉氮含量的敏感性研究[J]. 中國農(nóng)業(yè)科學(xué)，2017，50(3)：474－485.

Zhang Xiaoyuan, Zhang Lifu, Zhang Xia, et al. Sensitivity of different spectral vegetation index for estimating winter wheat leaf nitrogen[J]. Scientia Agricultura Sinica, 2017, 50(3): 474－485. (in Chinese with English abstract)

[8] Tian Yongchao, Gu Kaijian, Chu Xu, et al. Comparison of different hyperspectral vegetation indices for canopy leaf nitrogen concentration estimation in rice[J]. Plant Soil, 2014, 376: 193－209.

[9] Broge N H, Mortensen J V. Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data[J]. Remote Sensing of Environment, 2002, 81: 45－57.

[10] Xue Lihong, Cao Weixing, Luo Weihong, et al. Monitoring leaf nitrogen status in rice with canopy spectral reflectance[J]. Agronomy Journal, 2004, 96: 135－142.

[11] Zhang Jinheng, Wang Ke, Bailey J S, et al. Predicting nitrogen status of rice using multispectral data at canopy scale[J]. Pedosphere, 2006, 16: 108－117.

[12] 陳青春，田永超，姚霞，等. 基于冠層反射光譜的水稻追氮調(diào)控效應(yīng)研究[J]. 中國農(nóng)業(yè)科學(xué)，2010，43(20)：4149－4157.

Chen Qingchun, Tian Yongchao, Yao Xia, et al. Effects of nitrogen fertilizer top-dressing based on canopy reflectance spectra in rice[J]. Scientia Agricultura Sinica, 2010, 43(20): 4149－4157. (in Chinese with English abstract)

[13] Raun W R, Solie J B, Stone M L, et al. Optical sensor-based algorithm for crop nitrogen fertilization[J]. Communications in Soil Science and Plant Analysis, 2005, 36: 2759－2781.

[14] Wood G A, Welsh J P, Godwin R J, et al. Real-time measures of canopy size as a basis for spatially varying nitrogen applications to winter wheat sown at different seed rates[J]. Biosystems Engineering, 2003, 84: 513－531.

[15] Xue Lihong, Yang Linzhang. Recommendations for nitrogen fertilizer topdressing rates in rice using canopy reflectance spectra[J]. Biosystems Engineering, 2008, 100: 524－534.

[16] 蔣阿寧，黃文江，趙春江，等. 基于光譜指數(shù)的冬小麥變量施肥效應(yīng)研究[J]. 中國農(nóng)業(yè)科學(xué)，2007，40(9)：1907－1913.

Jiang Aning, Huang Wenjiang, Zhao Chunjiang, et al. Effects of variable nitrogen application based on characteristics of canopy light reflectance in wheat[J]. Scientia Agricultura Sinica, 2007, 40(9): 1907－1913. (in Chinese with English abstract)

[17] 倪軍，姚霞，田永超，等. 便攜式作物生長監(jiān)測診斷儀的設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(6)：150－156.

Ni Jun, Yao Xia, Tian Yongchao, et al. Design and experiments of portable apparatus for plant growth monitoring and diagnosis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(6): 150－156. (in Chinese with English abstract)

[18] 張志良，瞿偉菁，李小方. 植物生理學(xué)實(shí)驗(yàn)指導(dǎo)[M]. 北京：高等教育出版社，2009：48－50.

[19] 李艷大，舒時(shí)富，陳立才，等. 基于歸一化法的雙季稻葉面積指數(shù)動(dòng)態(tài)預(yù)測模型[J]. 中國農(nóng)學(xué)通報(bào)，2017，33(29)：77－84.

Li Yanda, Shu Shifu, Chen Licai, et al. A predict model of dynamic leaf area index of double cropping rice based on normalized method[J]. Chinese Agricultural Science Bulletin, 2017, 33(29): 77－84. (in Chinese with English abstract)

[20] 鄒應(yīng)斌. 長江流域雙季稻栽培技術(shù)發(fā)展[J]. 中國農(nóng)業(yè)科學(xué)，2011，44(2)：254－262.

Zou Yingbin. Development of cultivation technology for double cropping rice along the Changjiang river valley[J]. Scientia Agricultura Sinica, 2011, 44(2): 254－262. (in Chinese with English abstract)

[21] Ju Xiaotang, Xing Guangxi, Chen Xinping, et al. Reducing environment risk by improving N management in intensive Chinese agricultural systems[J]. Proceedings of the National Academy of Sciences of the USA, 2009, 106(9): 1－6.

[22] 薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 光譜植被指數(shù)與水稻葉面積指數(shù)相關(guān)性的研究[J]. 植物生態(tài)學(xué)報(bào)，2004，28(1)：47－52.

Xue Lihong, Cao Weixing, Luo Weihong, et al. Relationship between spectral vegetation indices and LAI in rice[J]. Acta Phytoecologica Sinica, 2004, 28(1): 47－52. (in Chinese with English abstract)

[23] 田永超，楊杰，姚霞，等. 高光譜植被指數(shù)與水稻葉面積指數(shù)的定量關(guān)系[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2009，20(7)：1685－1690.

Tian Yongchao, Yang Jie, Yao Xia, et al. Quantitative relationship between hyper-spectra vegetation indices and leaf area index of rice[J]. Chinese Journal of Applied Ecology, 2009, 20(7): 1685－1690. (in Chinese with English abstract)

[24] 張厚瑄. 作物群體結(jié)構(gòu)的概念與測定方法[J]. 中國農(nóng)業(yè)氣象，1984，5(3)：51－55.

[25] 候彥林. “生態(tài)平衡施肥”的理論基礎(chǔ)和技術(shù)體系[J]. 生態(tài)學(xué)報(bào)，2000，20(4)：653－658.

Hou Yanlin. Theory and technological system of ecological balanced fertilization[J]. Acta Ecologica Sinica, 2000, 20(4): 653－658. (in Chinese with English abstract)

[26] 盧艷麗，李少昆，王紀(jì)華，等. 冬小麥不同株型品種光譜響應(yīng)及株型識(shí)別方法研究[J]. 作物學(xué)報(bào)，2005，31(10)：1333－1339.

Lu Yanli, Li Shaokun, Wang Jihua, et al. Spectra and recognized method for different plant type wheat cultivars[J]. Acta Agronomica Sinica, 2005, 31(10): 1333－1339. (in Chinese with English abstract)

Regulation of nitrogen fertilizer based on portable apparatus for crop growth monitoring and diagnosis in Jiangxi double cropping rice

Li Yanda, Shu Shifu, Chen Licai, Ye Chun, Huang Junbao, Sun Binfeng, Wang Kangjun, Cao Zhongsheng

(,/330200,)

The fast, real-time, non-destructive and quantitative monitoring of plant nitrogen status and precise regulation of nitrogen fertilizer has important practical significance for the development of double cropping rice production with higher yield, better grain quality, higher economic efficiency and more ecological safety. The objective of this study was to establish regulation model of nitrogen fertilizer for double cropping rice based on the portable apparatus for crop growth monitoring and diagnosis, which was a multi-spectral sensor containing 810 and 720 nm detection lens and structurally was divided into up-sensor and down-sensor, then recommend nitrogen topdressing rate, so as to achieve precise management of nitrogen topdressing. The spectra monitoring model of leaf area index (LAI) was established based on the datasets of field experiment with different plant type cultivars and nitrogen application rates. The nitrogen topdressing rate were calculated with the newly developed regulation of nitrogen fertilizer model and high yield cultivation experience with LAI, which was real-time estimated from the differential vegetation index (DVI) at jointing stage. Then the recommend nitrogen topdressing rate and grain yield were compared with those of farmer’s nitrogen management treatment. Canopy DVI (810, 720) was well positive correlated with LAI at key development stages (tillering stage, jointing stage, booting stage, heading stage and filling stage) of the double cropping rice, and the linear function better fitted the relation than other functions. The models were validated using independent field experiment datasets, involving different plant type cultivars and nitrogen application rates, the prediction effect of model for single stage was better than the whole stage, especially at jointing stage. The coefficient of determination (2) of spectral monitoring model for LAI in early rice and late rice was 0.880 6 and 0.878 8, respectively. The root mean square error (RMSE), relative root mean square error (RRMSE), correlation coefficient () of prediction of LAI in early rice and late rice was 0.30 and 0.25, 7.28% and 6.18%, 0.923 2 and 0.926 9, respectively. The results of recommend nitrogen topdressing based on regulation model of nitrogen fertilizer indicated that the panicle nitrogen rate of compact plant type cultivar was higher than that of loose plant type cultivar. Compared with the farmer’s nitrogen management treatment, the regulation treatments based on regulation model of nitrogen fertilizer obtained equivalent or high grain yield with reduced nitrogen application rate 6.58 kg/hm2, while nitrogen agronomic efficiency, net income and yield-cost ratio was improved 0.82 percent point, 103 yuan/hm2and 0.9, respectively. Compared with the normal method, the real-time topdressing regulation method based on portable apparatus for crop growth monitoring and diagnosis can reduce nitrogen application rate, raise nitrogen agronomic efficiency and higher economic benefits are also achieved on the premise of grain yield, which has a potential to be widely applied for precise nitrogen management and high yield cultivation in double cropping rice production.

nitrogen; fertilizers; crops; portable apparatus for crop growth monitoring and diagnosis; double cropping rice; differential vegetation index; regulation of nitrogen fertilizer; leaf area index; grain yield

10.11975/j.issn.1002-6819.2019.02.013

S31

A

1002-6819(2019)-02-0100-07

2018-05-03

2018-11-22

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2016YFD0300608）；國家青年拔尖人才支持計(jì)劃項(xiàng)目；江西省科技計(jì)劃項(xiàng)目（20161BBI90012、20182BCB22015）；公益性行業(yè)（農(nóng)業(yè)）科研專項(xiàng)（201303109-4）和江西省農(nóng)業(yè)科學(xué)院科技創(chuàng)新及成果轉(zhuǎn)化基金項(xiàng)目（2016CJJ001）聯(lián)合資助

李艷大，研究員，博士，主要從事信息農(nóng)學(xué)與農(nóng)機(jī)化技術(shù)研究。Email：liyanda2008@126.com

李艷大，舒時(shí)富，陳立才，葉 春，黃俊寶，孫濱峰，王康軍，曹中盛. 基于便攜式作物生長監(jiān)測診斷儀的江西雙季稻氮肥調(diào)控研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(2)：100－106. doi：10.11975/j.issn.1002-6819.2019.02.013 http://www.tcsae.org

Li Yanda, Shu Shifu, Chen Licai, Ye Chun, Huang Junbao, Sun Binfeng, Wang Kangjun, Cao Zhongsheng. Regulation of nitrogen fertilizer based on portable apparatus for crop growth monitoring and diagnosis in Jiangxi double cropping rice[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(2): 100－106. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.02.013 http://www.tcsae.org