劉煥軍，武丹茜，孟令華，Susan Ustin，崔 楊，楊昊軒，張新樂

基于NDVI時(shí)間序列數(shù)據(jù)的施肥方式遙感識(shí)別方法

劉煥軍1,2，武丹茜1，孟令華2，Susan Ustin3，崔 楊1，楊昊軒1，張新樂1※

（1. 東北農(nóng)業(yè)大學(xué)公共管理與法學(xué)院，哈爾濱 150030；2. 中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，長(zhǎng)春 130102；3. Center for Spatial Technologies and Remote Sensing(CSTARS), Department for Land, AIR, and Water Resources, University of California, Davis, United States 95616）

農(nóng)產(chǎn)品生產(chǎn)過程時(shí)空動(dòng)態(tài)監(jiān)測(cè)是有機(jī)/綠色農(nóng)產(chǎn)品認(rèn)證亟待解決的問題，不同施肥方式的時(shí)空精準(zhǔn)識(shí)別是解決該問題的關(guān)鍵。本文以美國(guó)加州大學(xué)戴維斯分校長(zhǎng)期定位實(shí)驗(yàn)為基本材料，利用時(shí)間序列Landsat 8和Sentinel-2影像研究長(zhǎng)期施肥實(shí)驗(yàn)下不同施肥處理輪作地塊的植被指數(shù)時(shí)間序列，對(duì)比分析不同施肥處理NDVI的差異以及NDVI與產(chǎn)量的相關(guān)性。結(jié)果表明：1）不同施肥處理下的NDVI時(shí)間序列曲線總體趨勢(shì)相似，有機(jī)肥與化肥處理NDVI時(shí)間序列曲線差異較大；2）不同施肥處理NDVI隨作物生長(zhǎng)期呈現(xiàn)規(guī)律變化，生長(zhǎng)初期和后期有機(jī)肥處理NDVI均值高于化肥處理，生長(zhǎng)中期化肥處理高于有機(jī)肥處理；3）不同施肥處理下的NDVI與產(chǎn)量之間相關(guān)系數(shù)隨作物生長(zhǎng)期有規(guī)律變化，應(yīng)用植被指數(shù)進(jìn)行遙感估產(chǎn)需要考慮不同施肥處理的影響。研究成果初步探討了利用不同施肥處理NDVI時(shí)間序列差異、NDVI與產(chǎn)量相關(guān)性差異區(qū)分有機(jī)肥與其他施肥方式，有望為有機(jī)/綠色農(nóng)業(yè)的時(shí)空動(dòng)態(tài)監(jiān)測(cè)與認(rèn)證提供遙感技術(shù)支持，深化遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用。

施肥，遙感，施肥方式，作物，時(shí)間序列，NDVI

0 引 言

隨著以綠色發(fā)展為導(dǎo)向的農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的推進(jìn)，綠色、優(yōu)質(zhì)、安全的理念越來越深入人心，發(fā)展有機(jī)農(nóng)業(yè)成為堅(jiān)持可持續(xù)發(fā)展、保護(hù)環(huán)境的需要。2016年農(nóng)業(yè)部與財(cái)政部聯(lián)合印發(fā)了《建立以綠色生態(tài)為導(dǎo)向的農(nóng)業(yè)補(bǔ)貼制度改革方案》建立以綠色生態(tài)為導(dǎo)向的農(nóng)業(yè)補(bǔ)貼，隨之開展了減化肥、減農(nóng)藥、減除草劑“三減”行動(dòng)，以促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展。綠色/有機(jī)農(nóng)業(yè)作為可持續(xù)農(nóng)業(yè)的必經(jīng)之路，目前在生產(chǎn)過程監(jiān)控、產(chǎn)品認(rèn)證等方面仍存在很多問題。遙感技術(shù)作為目前唯一能夠在大范圍內(nèi)實(shí)現(xiàn)快速獲取時(shí)空動(dòng)態(tài)地表信息的手段，對(duì)于發(fā)展高產(chǎn)高效和環(huán)境友好型現(xiàn)代農(nóng)業(yè)的重要性已被普遍認(rèn)可[1-2]。但是現(xiàn)階段遙感技術(shù)只能輔助進(jìn)行小范圍農(nóng)產(chǎn)品質(zhì)量監(jiān)測(cè)，而對(duì)于有機(jī)農(nóng)產(chǎn)品生產(chǎn)過程中大范圍施肥方式進(jìn)行精準(zhǔn)識(shí)別方面的研究仍缺失[3-5]。

受有機(jī)肥和化肥肥效釋放速率、不同肥料對(duì)土壤理化性質(zhì)的影響，農(nóng)作物在生長(zhǎng)過程中對(duì)水肥存在響應(yīng)差異，因而需利用時(shí)間序列遙感監(jiān)測(cè)以實(shí)現(xiàn)不同施肥處理的時(shí)空動(dòng)態(tài)監(jiān)測(cè)。但由于受單一傳感器回訪周期及天氣狀況等限制，難以實(shí)現(xiàn)對(duì)同一區(qū)域的持續(xù)監(jiān)測(cè)。Landsat 8與Sentinel-2是常用的中等分辨率衛(wèi)星遙感影像，針對(duì)兩種傳感器間的差異，各國(guó)學(xué)者開展了廣泛研究，認(rèn)為大氣校正后二者影像間輻射一致性有所提高，利用Sentinel-2A影像“8a”波段進(jìn)行NDVI計(jì)算能有效減少傳感器間差異[6-7]。植被指數(shù)時(shí)間序列分析方法被廣泛利用于作物分類及農(nóng)作物種植結(jié)構(gòu)提取，而針對(duì)農(nóng)產(chǎn)品質(zhì)量的應(yīng)用存在缺失[8-12]。已有的不同肥料試驗(yàn)小區(qū)一般較小，導(dǎo)致中等空間分辨率遙感影像難以對(duì)其監(jiān)測(cè)，受云雨影響時(shí)間分辨率較低，時(shí)間序列遙感影像獲取困難。本文研究區(qū)內(nèi)的試驗(yàn)小區(qū)各自獨(dú)立且面積較大（0.4 hm2），為利用遙感影像監(jiān)測(cè)作物生長(zhǎng)情況提供了監(jiān)測(cè)條件，且研究區(qū)地處美國(guó)地中海氣候帶，為獲取整個(gè)生長(zhǎng)期的時(shí)間序列遙感影像提供了良好的氣候條件。

本研究以不同施肥處理長(zhǎng)期定位試驗(yàn)下，玉米和番茄在化肥、化肥+綠肥、有機(jī)肥+綠肥3種不同處理中的歸一化植被指數(shù)（normalized differential vegetation index，NDVI）時(shí)間序列為研究對(duì)象[13]，從高分辨率時(shí)間序列遙感數(shù)據(jù)集構(gòu)建、不同施肥方式的時(shí)間序列遙感數(shù)據(jù)特征分析、不同施肥方式的作物長(zhǎng)勢(shì)差異及其產(chǎn)量的影響3個(gè)子目標(biāo)出發(fā)，探索時(shí)間序列遙感數(shù)據(jù)對(duì)作物不同施肥方式的表達(dá)潛力，進(jìn)一步為有機(jī)/綠色農(nóng)業(yè)的認(rèn)定、重要生產(chǎn)過程的監(jiān)測(cè)以及農(nóng)作物估產(chǎn)提供理論依據(jù)與技術(shù)支持。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況與數(shù)據(jù)獲取

1.1.1 研究區(qū)概況

研究區(qū)Russell Ranch Sustainable Agriculture Facility（RRSAF）位于美國(guó)加利福尼亞州中央山谷（圖1），為美國(guó)加州大學(xué)戴維斯分校的可持續(xù)農(nóng)業(yè)設(shè)施世紀(jì)試驗(yàn)區(qū)。RRSAF位于Putah河流的沖積平原上，土壤類型為粉質(zhì)壤土和粉質(zhì)黏土壤土，水源為Clear湖和Cache Creek 引水大壩。RRSAF為地中海氣候，冬季溫和多雨，夏季炎熱干燥，最低溫出現(xiàn)在12月，最高溫出現(xiàn)在7月，冬季最低月平均氣溫為2.9℃，夏季最高月平均氣溫為33.7 ℃，平均年降水量440 mm。多數(shù)研究小區(qū)種植一年一季的作物，部分小區(qū)冬季種植冬小麥。

圖1 研究地塊位置與影像

1.1.2 試驗(yàn)設(shè)計(jì)

為了區(qū)分作物產(chǎn)量在長(zhǎng)期不同施肥模式下的響應(yīng)，了解長(zhǎng)期施肥模式下不同施肥處理的作物長(zhǎng)勢(shì)差異，故設(shè)計(jì)該試驗(yàn)。試驗(yàn)始自1994年，為分區(qū)塊狀設(shè)計(jì)，包括72個(gè)空間獨(dú)立的地塊（圖1），獨(dú)立面積約為0.4 hm2。在試驗(yàn)開始前進(jìn)行了激光平整，為防止地塊之間的地表徑流和侵蝕，地塊周圍設(shè)置了凸起的護(hù)堤。研究區(qū)包含了12種不同種植制度的輪作試驗(yàn)，隨機(jī)分配在不同地塊，輪作作物包括玉米、番茄、小麥、豆科作物、蘇丹草等，每2～3年更換1次輪作作物，地塊施肥及灌溉方式不變。本研究選取2016—2017年的玉米（maize）-番茄（tomato）輪作地塊作為研究重點(diǎn)，每年共3個(gè)處理，分別為CMT（全灌溉＋化肥）、LMT（全灌溉＋化肥＋綠肥）、OMT（全灌溉＋有機(jī)肥＋綠肥），詳見表1，每種處理共3次重復(fù)，其中A輪作制度偶數(shù)年（2016）種植玉米奇數(shù)年（2017）種植番茄，B輪作制度偶數(shù)年（2016）種植番茄奇數(shù)年（2017）種植玉米。

表1 輪作處理方式

注：CMT管理方式為全灌溉＋化肥、LMT為全灌溉＋化肥＋綠肥、OMT為全灌溉＋有機(jī)肥＋綠肥；OMT處理的農(nóng)產(chǎn)品已獲取有機(jī)認(rèn)證。

Note: The management mode of CMT is total irrigation + chemical fertilizer, LMT is total irrigation + chemical fertilizer + green manure, and OMT is total irrigation + organic fertilizer + green manure. Agricultural products processed by OMT have been certified organic.

供試驗(yàn)化肥為NPK復(fù)合肥，含15%N、15%P2O5、15% K2O，肥料為水溶肥，平均肥效10～15d，CMT與LMT施肥量及施肥日期相同；有機(jī)肥為雞糞堆肥，在種植前一天一次性投入，生長(zhǎng)期不再加施有機(jī)肥。LMT與OMT處理在冬季增施綠肥（WCC），每0.4hm2土地施綠肥（WCC）組合為90 kg/hm2的蠶豆、22.5 kg/hm2長(zhǎng)毛豬籠草和22.5 kg/hm2燕麥。綠肥于11月10日左右種植，次年3月左右收割。3種處理的玉米品種為ST7570RR，番茄品種為Heinz 8504，conventional。

受氣候原因影響，生長(zhǎng)期降水量少，因而3種輪作處理均在生長(zhǎng)期進(jìn)行全灌溉，灌溉日期與灌溉量相同（圖 2）。2016年玉米在4月8日種植，9月14日收獲；2017年番茄4月17日種植，8月20日收獲。

圖2 灌溉量及化肥處理的施肥量

1.2 資料數(shù)據(jù)

1.2.1 產(chǎn)量數(shù)據(jù)

2016年玉米為機(jī)器收割（型號(hào)JD9600），每個(gè)地塊選取712 m2范圍收獲產(chǎn)量作為地塊代表產(chǎn)量，其中CMT處理3次重復(fù)平均產(chǎn)量為1 023.3 kg，LMT處理3次重復(fù)平均產(chǎn)量為967.4 kg，OMT處理3次重復(fù)平均產(chǎn)量為685.9 kg。

1.2.2 遙感影像數(shù)據(jù)獲取

根據(jù)研究區(qū)玉米生長(zhǎng)期特點(diǎn)，選取2016年3—9月及2017年4—9月的Landsat 8 OLI及Sentinel-2A的時(shí)間序列遙感影像，2016年共14幅，2017年共16幅（表2）。

表2 遙感影像獲取時(shí)間

1.2.3 遙感數(shù)據(jù)預(yù)處理

利用研究區(qū)矢量圖裁剪，得到研究區(qū)范圍的影像數(shù)據(jù)。為驗(yàn)證Sentinel-2A及Landsat 8 OLI傳感器之間的相關(guān)性，本研究選取2016年6月25日的Sentinel-2A及2016年6月27日的Landsat 8 OLI2種傳感器影像，比較其在3×3像元范圍內(nèi)不同長(zhǎng)勢(shì)的NDVI，對(duì)2種傳感器進(jìn)行交叉驗(yàn)證[14]。對(duì)Sentinel-2A影像及Landsat 8 OLI影像分別進(jìn)行輻射定標(biāo)、大氣校正，利用ENVI 5.1將Landsat 8 OLI影像重采樣為10 m。

1.2.4 植被指數(shù)計(jì)算

本文采用應(yīng)用最為廣泛的歸一化植被指數(shù)研究。運(yùn)用ENVI 5.1通過波段運(yùn)算得到2年影像的植被指數(shù)，Landsat 8 OLI使用B4、B5波段，Sentinel-2A使用B4、B8a波段。由于地塊邊界存在混合像元，為保證像元內(nèi)地物類型精確、同時(shí)可代表地物特征，通過建立漁網(wǎng)從每種處理的每個(gè)地塊選取中心6個(gè)純像元提取NDVI值，各處理共得18個(gè)點(diǎn)，對(duì)其取平均值作為該種處理的NDVI值。

1.3 研究方法

不同施肥方式使得作物在生長(zhǎng)過程中對(duì)肥料的響應(yīng)存在差異，反映在作物長(zhǎng)勢(shì)的優(yōu)劣，利用遙感影像獲取與作物生長(zhǎng)密切相關(guān)的植被指數(shù)，建立植被指數(shù)與長(zhǎng)勢(shì)之間的相互關(guān)系[15]，監(jiān)測(cè)不同施肥方式下的作物生長(zhǎng)狀況，從而為利用遙感技術(shù)辨別不同施肥方式提供思路。本文對(duì)長(zhǎng)期施肥條件下進(jìn)行3種施肥處理作物的植被指數(shù)進(jìn)行時(shí)間序列分析，以及對(duì)NDVI差異較大的時(shí)相進(jìn)行顯著性差異分析，利用NDVI與實(shí)測(cè)產(chǎn)量進(jìn)行相關(guān)分析，以期通過不同施肥處理植被指數(shù)時(shí)間序列曲線表現(xiàn)的差異，并結(jié)合具有顯著差異的關(guān)鍵時(shí)相及不同施肥處理NDVI與產(chǎn)量之間的相關(guān)關(guān)系，進(jìn)而分辨在長(zhǎng)期施肥試驗(yàn)條件下的不同施肥處理，并找尋最適應(yīng)該試驗(yàn)區(qū)的最優(yōu)施肥管理模式。數(shù)理統(tǒng)計(jì)分析利用SPSS 19.0軟件實(shí)現(xiàn)。

2 結(jié)果與分析

2.1 Landsat 8與Sentinel-2交叉驗(yàn)證結(jié)果

通過對(duì)2種傳感器進(jìn)行交叉認(rèn)證，發(fā)現(xiàn)單個(gè)像元的NDVI變化差異在0.03范圍內(nèi)，3×3像元范圍的NDVI變化差異大部分在0.05范圍內(nèi)（圖3），差異較小，說明兩種傳感器獲取的影像可以作為互補(bǔ)使用，有利于對(duì)時(shí)間序列進(jìn)行深入研究分析。

圖3 Landsat_8_OLI與Sentinel_2A2種傳感器植被指數(shù)變化差異

2.2 不同施肥處理下NDVI時(shí)間序列特征分析

圖4a、4b分別為玉米和番茄3種處理NDVI平均值時(shí)間序列圖。由圖4a可以看出：玉米3種處理總體NDVI曲線趨勢(shì)一致，可區(qū)分玉米出苗期（100～131 d）、拔節(jié)期（131～177 d）、吐絲期（177～195 d）、灌漿乳熟期（197～219 d）、植株成熟（219～250 d）等不同生長(zhǎng)階段。對(duì)不同處理的NDVI時(shí)間序列曲線分別研究，發(fā)現(xiàn)OMT處理與CMT、LMT有較大差異，在201～227 d OMT處理的地塊NDVI值明顯高于其他2種處理，之后3種處理的NDVI又趨向一致。將3種處理兩兩對(duì)比發(fā)現(xiàn)，在均種植冬季綠肥時(shí)，OMT地塊在131～177 d之間及201 d之后NDVI值均高于LMT地塊，特別在131 d和201 d表現(xiàn)明顯，而吐絲期則LMT處理NDVI高；在均施化肥的情況下，是否種植冬季綠肥對(duì)NDVI影響不大，對(duì)玉米長(zhǎng)勢(shì)無明顯影響。玉米不同處理的NDVI時(shí)間序列表現(xiàn)為：出苗期、拔節(jié)期及進(jìn)入灌漿乳熟期后OMT處理NDVI值高于CMT和LMT處理，長(zhǎng)勢(shì)更好；吐絲期OMT長(zhǎng)勢(shì)劣于CMT和LMT。植株成熟期OMT處理NDVI高的原因是停止灌溉后3種施肥方式的土壤保水能力不同，導(dǎo)致植株變黃速度存在差異。

從圖4b中可以看出：番茄不同處理的NDVI曲線之間波動(dòng)差異大，可區(qū)分番茄幼苗期（108～170 d）、開花坐果期（170～190 d）、快速結(jié)果期（190～210 d）、果實(shí)膨大期（210～230 d）、果實(shí)著色成熟（230～250 d）等不同生長(zhǎng)階段。針對(duì)不同處理曲線規(guī)律分析，發(fā)現(xiàn)3種處理曲線總體呈現(xiàn)先上升后下降的趨勢(shì)，CMT和LMT處理的植被指數(shù)在190 d達(dá)到頂峰，而OMT處理最高點(diǎn)出現(xiàn)在181 d，相比較另2個(gè)化肥處理，NDVI峰值提前1周出現(xiàn)，表明OMT處理的地塊更早進(jìn)入開花期。之后3種處理NDVI曲線一直保持下降趨勢(shì)，直至果實(shí)成熟。對(duì)不同處理進(jìn)行兩兩對(duì)比，發(fā)現(xiàn)在均種植冬季綠肥的情況下，從108～170 d及230 d之后，OMT處理的地塊總體NDVI值略高于LMT地塊，長(zhǎng)勢(shì)較好；170～210 d番茄開始結(jié)果并逐漸進(jìn)入膨大階段，兩種處理NDVI曲線變動(dòng)較大。在均施化肥的條件下，種植綠肥對(duì)NDVI的影響表現(xiàn)為：前期與后期LMT地塊NDVI值略高，這表明增施冬季綠肥的番茄植株長(zhǎng)勢(shì)更好。番茄不同處理的NDVI時(shí)間序列表現(xiàn)為，從開始播種到181 d、以及番茄果實(shí)成熟后，OMT處理NDVI值高于其他地塊，中期CMT和LMT處理NDVI超過OMT處理。

綜合2種作物不同施肥處理的NDVI時(shí)間序列曲線可以發(fā)現(xiàn)，在相同地塊2年輪作不同作物，有機(jī)肥和化肥處理的NDVI時(shí)間序列均有相似表現(xiàn)，即作物生長(zhǎng)前期（開始播種～180 d）及后期（200～240 d）有機(jī)肥處理的地塊NDVI值偏高，而生長(zhǎng)中期（180～200 d）則化肥處理的地塊NDVI值較高。

a. 玉米

a. Maize

b. 番茄

2.3 不同處理NDVI平均值顯著性差異分析

通過上文對(duì)3種處理NDVI進(jìn)行分析，可以看出玉米與番茄3種處理的NDVI具有一定差異。通過對(duì)NDVI進(jìn)行均值處理后，發(fā)現(xiàn)玉米131和201 d的OMT處理的NDVI均值明顯高于CMT處理與LMT處理，對(duì)這2個(gè)關(guān)鍵時(shí)相的NDVI值進(jìn)行顯著性差異分析發(fā)現(xiàn)，OMT分別與CMT和LMT處理存在顯著性差異，而CMT和LMT處理間無顯著性差異；番茄種植149 d時(shí)3種處理間差異性較明顯（表3）。

結(jié)合2016年玉米產(chǎn)量分析，發(fā)現(xiàn)OMT、CMT、LMT處理3次重復(fù)平均產(chǎn)量分別為685.9 kg、1 023.3 kg、967.4 kg，OMT處理的產(chǎn)量明顯低于另2種處理，而CMT和LMT間產(chǎn)量相差不大，這與上述玉米3種處理間顯著性差異結(jié)果一致。

表3 131 d與201 d不同處理NDVI平均值

注：同行數(shù)字后標(biāo)不同小寫字母者表示差異達(dá)顯著水平（＜0.05）。

Note: Significant differences were found in the same row of numerals with different lower-case letters（＜0.05）.

2.4 NDVI時(shí)間序列與產(chǎn)量相關(guān)性分析

從2016年玉米NDVI與產(chǎn)量相關(guān)系數(shù)時(shí)間序列圖（圖5）可以看出，當(dāng)有機(jī)肥處理NDVI低于化肥處理時(shí)，玉米處于吐絲期，NDVI與產(chǎn)量呈正相關(guān)；當(dāng)玉米處于出苗期、拔節(jié)期、灌漿乳熟期及植株成熟幾個(gè)生長(zhǎng)階段時(shí)，有機(jī)肥處理NDVI高于化肥處理，此時(shí)NDVI與產(chǎn)量為負(fù)相關(guān)。負(fù)相關(guān)性最高的點(diǎn)出現(xiàn)在131和201 d，相關(guān)系數(shù)分別為-0.87和-0.91，此時(shí)可以看出有機(jī)肥NDVI曲線遠(yuǎn)高于化肥處理，差值約為7%～8%。131 d時(shí)玉米由出苗期進(jìn)入拔節(jié)期，OMT處理的地塊因連續(xù)多年施用有機(jī)肥，土壤內(nèi)有機(jī)質(zhì)含量較多，因而植株生長(zhǎng)速度快于另兩種處理，綜合產(chǎn)量數(shù)據(jù)分析，2種化肥處理的產(chǎn)量均高于有機(jī)肥處理，產(chǎn)量和NDVI相關(guān)系數(shù)與植被指數(shù)呈此消彼長(zhǎng)的態(tài)勢(shì)，因而在131 d時(shí)NDVI與產(chǎn)量呈現(xiàn)顯著負(fù)相關(guān)；在201 d時(shí)，玉米進(jìn)入灌漿乳熟階段，因有機(jī)肥肥效長(zhǎng)于化肥的原因，NDVI表現(xiàn)為OMT處理高于兩種化肥處理，但OMT處理的最終產(chǎn)量低于CMT和LMT處理，所以產(chǎn)量與NDVI出現(xiàn)負(fù)相關(guān)現(xiàn)象。

當(dāng)化肥NDVI高于有機(jī)肥處理時(shí)NDVI與產(chǎn)量之間為正相關(guān)，在179 d二者NDVI差值最大，此時(shí)相關(guān)系數(shù)為0.69，相關(guān)性較高。此時(shí)玉米正值吐絲期，該時(shí)期是提高產(chǎn)量、改善品質(zhì)的重要階段，對(duì)營(yíng)養(yǎng)物質(zhì)需求旺盛。CMT及LMT處理的玉米在120～166 d經(jīng)過了5次施肥，養(yǎng)分得到了充足的積累，而OMT處理因施用有機(jī)肥肥力較低導(dǎo)致生長(zhǎng)中期養(yǎng)分不足，因此出現(xiàn)OMT處理的NDVI低于CMT和LMT處理，且兩個(gè)化肥處理的產(chǎn)量均高于有機(jī)肥處理，所以表現(xiàn)為產(chǎn)量與NDVI呈顯著正相關(guān)。

當(dāng)3種處理NDVI值接近時(shí)，表明3種處理下的玉米長(zhǎng)勢(shì)接近，因而與產(chǎn)量的相關(guān)系數(shù)變小。

玉米不同生長(zhǎng)階段的NDVI對(duì)產(chǎn)量的相關(guān)性存在不同表現(xiàn)。玉米處于出苗期時(shí)為正相關(guān)且相關(guān)性較低；從出苗期進(jìn)入拔節(jié)期時(shí)，相關(guān)系數(shù)為極顯著負(fù)相關(guān)，之后隨著玉米植株生長(zhǎng)而逐漸變低，并由負(fù)相關(guān)轉(zhuǎn)為正相關(guān)；當(dāng)玉米處于吐絲期，這一階段相關(guān)系數(shù)為正，并在179 d達(dá)到0.69；灌漿乳熟期時(shí)，NDVI與產(chǎn)量的相關(guān)性為負(fù)，在201 d時(shí)相關(guān)系數(shù)為-0.91達(dá)到最高；植株成熟階段NDVI與產(chǎn)量相關(guān)系數(shù)再次轉(zhuǎn)為正相關(guān)。

注：**代表在0.01水平上顯著相關(guān)， *代表在0.05水平上顯著相關(guān)。

3 討 論

本研究證明了遙感技術(shù)在不同施肥處理時(shí)空動(dòng)態(tài)監(jiān)測(cè)、有機(jī)農(nóng)產(chǎn)品認(rèn)證方面的潛力，深化了遙感在農(nóng)業(yè)領(lǐng)域的應(yīng)用。針對(duì)不同施肥處理的長(zhǎng)期定位試驗(yàn)，各國(guó)學(xué)者都開展了廣泛的研究[16-20]，但尚未有研究說明遙感監(jiān)測(cè)的植被指數(shù)與長(zhǎng)期施肥試驗(yàn)中不同施肥處理之間的相關(guān)性。本研究區(qū)位于美國(guó)加州，不同施肥試驗(yàn)已持續(xù)20年以上，該地區(qū)因氣候原因夏季降水少、云量小，在作物生長(zhǎng)期可以獲取時(shí)間序列的遙感影像，因而對(duì)于利用遙感手段研究地中海氣候下不同施肥處理的影響具有較強(qiáng)代表性，結(jié)合時(shí)間序列分析方法可以更直接的監(jiān)測(cè)作物生長(zhǎng)期的長(zhǎng)勢(shì)狀況，揭示不同施肥處理作物響應(yīng)時(shí)空變化規(guī)律。

不同作物在不同施肥處理下植被指數(shù)時(shí)間序列呈現(xiàn)規(guī)律性變化。通過對(duì)相同地塊2016年和2017年不同作物3種施肥處理NDVI時(shí)間序列的對(duì)比結(jié)果可以看出，玉米與番茄NDVI時(shí)間序列曲線隨時(shí)間變化差異較大。表現(xiàn)為玉米與番茄的總體NDVI曲線都呈現(xiàn)先上升后下降的拋物線趨勢(shì)，玉米3種處理間NDVI曲線差異不大，有機(jī)肥處理的地塊在生長(zhǎng)前期和后期NDVI值高于化肥處理的地塊，表明20余年長(zhǎng)期施用有機(jī)肥的地塊長(zhǎng)勢(shì)更好，且有機(jī)肥肥效持續(xù)時(shí)間優(yōu)于化肥，因而在種植后期有機(jī)肥處理的地塊NDVI值高于化肥處理地塊，在生長(zhǎng)中期化肥處理的地塊NDVI值高于有機(jī)肥處理地塊，原因是在這一時(shí)期化肥處理地塊進(jìn)行了多次追肥，且肥效釋放較快，對(duì)玉米長(zhǎng)勢(shì)產(chǎn)生較大影響；番茄不同處理的NDVI時(shí)間序列曲線前期和后期差別較小，在中期波動(dòng)幅度最大，表現(xiàn)為前期有機(jī)肥處理的NDVI值高于化肥處理，中期化肥處理的NDVI值較高，這種表現(xiàn)的原因是不同施肥處理導(dǎo)致番茄開花結(jié)果的時(shí)間先后不同，果實(shí)生長(zhǎng)速度有異，因而在NDVI曲線上顯示出較大的波動(dòng)變化，而后期所有處理中番茄均到達(dá)成熟期，NDVI值在此時(shí)又逐漸趨向一致。

不同施肥處理植被指數(shù)與產(chǎn)量的相關(guān)系數(shù)隨時(shí)間呈顯著的正、負(fù)相關(guān)變化。玉米的不同生長(zhǎng)階段NDVI與產(chǎn)量的相關(guān)系數(shù)存在不同表現(xiàn)，吐絲期時(shí)呈正相關(guān)，而出苗期、拔節(jié)期、灌漿乳熟期及植株成熟幾個(gè)生長(zhǎng)階段時(shí)，NDVI與產(chǎn)量為負(fù)相關(guān)。已有研究發(fā)現(xiàn)作物生長(zhǎng)初期和后期產(chǎn)量與植被指數(shù)的相關(guān)性很小，作物生長(zhǎng)中期植被指數(shù)與產(chǎn)量一般呈正相關(guān)[21]。與已有研究的結(jié)論不同，本研究發(fā)現(xiàn)不同施肥處理時(shí)，NDVI與產(chǎn)量的相關(guān)系數(shù)隨時(shí)間的變化是復(fù)雜的，表現(xiàn)為：當(dāng)有機(jī)肥處理NDVI高于化肥處理時(shí)為負(fù)相關(guān)，NDVI差值與負(fù)相關(guān)系數(shù)呈同向變動(dòng)；在化肥NDVI高于有機(jī)肥處理時(shí)與產(chǎn)量的相關(guān)性為正相關(guān)，NDVI差值最大時(shí)與產(chǎn)量的正相關(guān)性最大。另研究發(fā)現(xiàn)，產(chǎn)量與NDVI相關(guān)系數(shù)為負(fù)且絕對(duì)值越大的幾個(gè)時(shí)期（出苗期、拔節(jié)期、灌漿乳熟期），有機(jī)肥處理的NDVI值明顯高于其他兩個(gè)施化肥處理，因而筆者認(rèn)為可以將生長(zhǎng)期內(nèi)NDVI與產(chǎn)量呈現(xiàn)極顯著負(fù)相關(guān)的幾個(gè)關(guān)鍵時(shí)相，作為利用遙感手段區(qū)分施用有機(jī)肥處理的主要時(shí)期，從而發(fā)揮遙感技術(shù)對(duì)于在長(zhǎng)期定位施肥的條件下區(qū)分不同施肥方式的積極作用，為監(jiān)測(cè)有機(jī)農(nóng)業(yè)生產(chǎn)過程及有機(jī)認(rèn)證提供技術(shù)支持。

玉米不同施肥處理的最終產(chǎn)量存在差異，結(jié)合植被指數(shù)時(shí)間序列曲線可以看出，3種處理的玉米長(zhǎng)勢(shì)總體優(yōu)劣順序?yàn)镺MT、CMT、LMT，而最終產(chǎn)量則為CMT> LMT>OMT。長(zhǎng)勢(shì)與產(chǎn)量2種指標(biāo)可以在一定程度上反映該試驗(yàn)中不同施肥方式的優(yōu)劣，CMT處理的產(chǎn)量盡管最高，但單一施用化肥會(huì)對(duì)土壤性狀產(chǎn)生不利影響，造成土壤營(yíng)養(yǎng)物質(zhì)流失、肥力下降、土壤板結(jié)，影響該地區(qū)農(nóng)業(yè)生產(chǎn)；OMT處理使用了有機(jī)方式種植，雖對(duì)保護(hù)土壤具有積極意義，但有限的好處不足以彌補(bǔ)產(chǎn)量的下降，有機(jī)肥處理仍不是最優(yōu)的施肥方式；LMT處理的地塊雖長(zhǎng)勢(shì)相較于另2種略差，但產(chǎn)量卻與CMT處理相差不大，且綠肥可以有效儲(chǔ)存土壤水分，有助于保水固土、減少水土流失、改善土壤肥力，對(duì)于農(nóng)業(yè)生產(chǎn)具有積極作用，是3種施肥處理中最適應(yīng)該地區(qū)農(nóng)業(yè)可持續(xù)發(fā)展的施肥方式。

本研究是利用地中海氣候下連續(xù)20年以上不同施肥處理試驗(yàn)地塊的植被指數(shù)，從中分析得到植被指數(shù)與施肥方式的規(guī)律。而在長(zhǎng)期輪作施肥試驗(yàn)的初始時(shí)期、其他不同氣候條件下的地區(qū)的NDVI與產(chǎn)量之間的相關(guān)性規(guī)律仍有待討論。

4 結(jié) 論

本文利用10 m空間分辨率的時(shí)間序列遙感影像，基于植被指數(shù)時(shí)間序列的方法，對(duì)長(zhǎng)期定位試驗(yàn)中不同施肥處理下作物在生長(zhǎng)期中的表現(xiàn)進(jìn)行研究，得出如下結(jié)論：

1）遙感技術(shù)可以用于不同施肥處理的監(jiān)測(cè)與識(shí)別，為有機(jī)農(nóng)產(chǎn)品生產(chǎn)過程的時(shí)空動(dòng)態(tài)監(jiān)測(cè)提供技術(shù)支持。

2）不同施肥處理作物植被指數(shù)時(shí)間序列呈現(xiàn)規(guī)律性變化，一般作物生長(zhǎng)前期（出苗期、拔節(jié)期）、后期（灌漿乳熟期、植株成熟）有機(jī)肥處理植被指數(shù)高，中期（吐絲期）化肥處理植被指數(shù)高，指示了施肥措施差異及其導(dǎo)致的土壤理化性質(zhì)與作物生理參數(shù)時(shí)序變化。

3）不同施肥處理植被指數(shù)與產(chǎn)量的相關(guān)系數(shù)隨時(shí)間呈現(xiàn)規(guī)律性變化，并不是單調(diào)的正相關(guān)關(guān)系。應(yīng)用植被指數(shù)進(jìn)行遙感估產(chǎn)時(shí)，需要考慮時(shí)相以及不同施肥處理（尤其是有機(jī)肥）的影響。

4）化肥+冬季綠肥的施肥方式在保障農(nóng)業(yè)可持續(xù)的同時(shí)獲得較多產(chǎn)量，此種施肥方式更適合該地區(qū)的農(nóng)業(yè)生產(chǎn)。

[1] Xue L, Dai T, Cao W, et al. Monitoring Leaf Nitrogen Status in Rice with Canopy Spectral Reflectance[J]. Agronomy Journal, 2004, 96(1): 135－142.

[2] Gianquinto G, Orsini F, Fecondini M, et al. A methodological approach for defining spectral indices for assessing tomatonitrogen status and yield[J]. European Journal of Agronomy, 2011, 35(3): 135－143.

[3] 黃玉萍，Renfu Lu，戚超，陳坤杰. 波長(zhǎng)比和近紅外光譜的番茄品質(zhì)檢測(cè)方法[J]. 光譜學(xué)與光譜分析，2018，38(8)：2362－2368. Huang Yuping, Renfu Lu, Qi Chao, Chen Kunjie. Measurement of tomato quality attributes based on wavelength ratio and near-infrared spectroscopy[J]. Spectroscopy and Spectral Analysis, 2018, 38(8): 2362－2368. (in Chinese with English abstract)

[4] 楊小玲. 高光譜圖像技術(shù)檢測(cè)玉米種子品質(zhì)研究[D]. 杭州：浙江大學(xué)，2016. Yang Xiaoling. Detection of Maize Seed Quality Using Hyperspectral Imaging[D]. Hangzhou: Zhejiang University, 2016. (in Chinese with English abstract)

[5] 張新玉，王穎杰，劉若西，等. 近紅外光譜技術(shù)應(yīng)用于玉米單籽粒蛋白質(zhì)含量檢測(cè)分析的初步研究[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，22(5)：25－31. Zhang Xinyu, Wang Yingjie, Liu Ruoxi, et al. Application of near-infrared spectroscopy technology to analyze protein content in single kenel maize seed[J]. Journal of China Agricultural University, 2017, 22(5): 25－31. (in Chinese with English abstract)

[6] 鐘函笑，邊金虎，李愛農(nóng). Landsat-8 OLI與Sentinel-2A MSI山區(qū)遙感影像輻射一致性研究[J]. 遙感技術(shù)與應(yīng)用，2018，33(03)：428－438. Zhong Hanxiao, Bian Jinhu, Li Ainong. Radiometric consistency between Landsat-8 OLI and Sentia-2 MSI imagery in mountainous terrain[J]. Remote Sensing Technology and Application, 2018, 33(3): 428－438. (in Chinese with English abstract)

[7] Feng Chen. A Preliminary investigation on comparison and transformation of Sentinel-2A MSI and Landsat-8 OLI[C]. ISPRS Technical Commission III on Remote Sensing. Proceedings of the ISPRS Technical Commission III midterm symposium on "Developments, technologies and applications in remote sensing". ISPRS Technical Commission III on Remote Sensing, 2018: 6.

[8] 郭昱杉，劉慶生，劉高煥，等. 基于MODIS時(shí)序NDVI主要農(nóng)作物種植信息提取研究[J]. 自然資源學(xué)報(bào)，2017，32(10)：1808－1818. Guo Yushan, Liu Qingsheng, Liu Gaohuan, et al. Extraction of main crops in yellow river delta based on MODIS NDVI time series[J]. Journal of Natural Resources, 2017, 32(10): 1808－1818. (in Chinese with English abstract)

[9] 王文靜，張霞，趙銀娣，等. 綜合多特征的Landsat-8時(shí)序遙感圖像棉花分類方法[J]. 遙感學(xué)報(bào)，2017，21(1)：115－124. Wang Wenjing, Zhang Xia, Zhao Yindi, et al. Cotton extraction method of integrated multi-features based on multitemporal Landsat-8 images[J]. Journal of Remote Sensing, 2017, 21(1): 115－124. (in Chinese with English abstract)

[10] 韓衍欣，蒙繼華，徐晉. 基于NDVI與物候修正的大豆長(zhǎng)勢(shì)評(píng)價(jià)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(2)：177－182. Han Yanxin, Meng Jihua, Xu Jin. Soybean growth assessment method based on NDVI and phenological calibration[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 177－182. (in Chinese with English abstract)

[11] 平躍鵬，臧淑英. 基于MODIS時(shí)間序列及物候特征的農(nóng)作物分類[J]. 自然資源學(xué)報(bào)，2016，31(3)：503－513. Ping Yuepeng, Zang Shuying. Crop identification based on MODIS NDVI time-series data and phenological characteristics[J]. Journal of Natural Resources, 2016, 31(3): 503－513. (in Chinese with English abstract)

[12] 楊閆君，占玉林，田慶久，等. 基于GF-1/WFVNDVI時(shí)間序列數(shù)據(jù)的作物分類[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(24)：155－161. Yang Yanjun, Zhan Yulin, Tian Qingjiu, et al. Crop classification based on GF-1/WFV NDVI time series[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(24): 155－161. (in Chinese with English abstract)

[13] Schell J A. Monitoring Vegetation Systems in the Great Plains with ERTS[J]. Nasa Special Publication, 1973, 351: 309.

[14] 劉煥軍，孟令華，張新樂，等. 基于時(shí)間序列Landsat影像的棉花估產(chǎn)模型[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(17)：215－220. Liu Huanjun, Meng Linghua, Zhang Xinle, et al. Estimation model of cotton yield with time series Landsat images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(17): 215－220. (in Chinese with English abstract)

[15] 王利民，楊玲波，劉佳，等. GF-1和MODIS影像冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)指標(biāo)NDVI的對(duì)比[J]. 作物學(xué)報(bào)，2018，44(7)：1043－1054. Wang Limin, Yang Lingbo, Liu Jia, et al. Comparison of growth monitoring index NDVI between GF-1 and MODIS images in winter wheat[J]. Acta Agronomica Sinica, 2018, 44(7): 1043－1054. (in Chinese with English abstract)

[16] 趙秉強(qiáng)，張夫道. 我國(guó)的長(zhǎng)期肥料定位實(shí)驗(yàn)研究[J]. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2002，8(增刊)：3－8. Zhao Bingqiang, Zhang Fudao. Long-term fertilizer location test in China[J]. Plant Nutrition and Fertilizer Science, 2002, 8(Supplement): 3－8. (in Chinese with English abstract)

[17] 沈善敏. 長(zhǎng)期土壤肥力實(shí)驗(yàn)的科學(xué)價(jià)值[J]. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，1995，1(1)：1－9. Shen Shanmin. The scientific value of long-term fertility experiment[J]. Plant Nutrition and Fertilizer Science, 1995, 1(1): 1－9.

[18] Yang Z C, Zhao N, Huang F, et al. Long-term effects of different organic and inorganic fertilizer treatments on soil organic carbon sequestration and crop yields on the North China Plain[J]. Soil & Tillage Research, 2015, 146: 47－52.

[19] Yaduvanshi N P S. Effect of five years of rice-wheat cropping and NPK fertilizer use with and without organic and green manures on soil properties and crop yields in a reclaimed sodic soil[J]. Journal of the Indian Society of Soil Science, 2001, 49: 714－719.

[20] 溫延臣，李燕青，袁亮，等. 長(zhǎng)期不同施肥制度土壤肥力特征綜合評(píng)價(jià)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(7)：91－99. Wen Tingchen, Li Yanqing, Yuan Liang, et al. Comprehensive assessment methodology of characteristics of soil fertility under different fertilization regimes in North China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(7): 91－99. (in Chinese with English abstract)

[21] 焦險(xiǎn)峰，楊邦杰，裴志遠(yuǎn)，等. 基于植被指數(shù)的作物產(chǎn)量監(jiān)測(cè)方法研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2005，21(4)：104－108. Jiao Xianfeng, Yang Bangjie, Pei Zhiyuan, et al. Monitoring crop yield using NOAA/AVHRR-based vegetation indices[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(4): 104－108. (in Chinese with English abstract)

Remote sensing recognition method of different fertilization methods in NDVI time series

Liu Huanjun1,2,Wu Danqian1, Meng Linghua2, Susan Ustin3, Cui Yang1, Yang Haoxuan1, Zhang Xinle1※

(1.,,150030,;2.,,130102,;(),,,,,, 95616)

Due to the effects of organic fertilizer and chemical fertilizer release rate and different fertilizers on soil physical and chemical properties, there are differences in response of crops to water and fertilizer in the process of growth. Therefore, time series remote sensing monitoring is needed to realize dynamic monitoring of space-time in different fertilization treatments. Remote sensing technology, as a means to rapidly acquire spatial and temporal dynamic surface information in a wide range, has been widely recognized as important for the development of modern agriculture with high yield, high efficiency and environmental friendliness. However, at present, remote sensing technology can only assist in monitoring the quality of small-scale agricultural products, while in the production process of organic agricultural products. The research on accurate identification of large-scale fertilization methods is still lacking. Spatio-temporal dynamic monitoring of agricultural production process is an urgent problem to be solved in organic/green agricultural product certification. Spatio-temporal accurate identification of different fertilization methods is the key to solve this problem. California Central Valley has Mediterranean climate, hot summer and little rain. Its unique climate conditions provide a good climate condition for acquiring remote sensing images of the whole growth period. The experimental plots in this area are independent and large in area (0.4 hm2). This provides a reference for monitoring crop growth using remote sensing images. Taking the long-term positioning experiment of University of California at Davis as the basic material and maize and tomato as the research objects under the long-term positioning experiment of different fertilization treatments, this paper uses Landsat 8 and Soleno-2 image of time series to study the rotation of fertilizer, fertilizer + green manure, organic manure + green manure in three different treatments. The time series of vegetation index in the plot is used to compare and analyze the difference of NDVI among different fertilization treatments and the correlation between NDVI and yield. The results show that: 1) the general trends of NDVI time series curves under different fertilization treatments are similar, and the difference between organic fertilizer and chemical fertilizer treatment NDVI time series curve is obvious; 2) the NDVI of different fertilization treatments changes regularly with crop growth period. The mean value of NDVI in organic fertilizer treatment is higher than that in chemical fertilizer treatment at the initial and late growth stage, and lower than that in chemical fertilizer treatment in the middle growth stage; 3) the correlations coefficients between NDVI and yield change regularly with crop growth period under different fertilization treatments, and the effects of different fertilization treatments should be considered when applying vegetation index to estimating yield by remote sensing; 4) Fertilizer + green manure application methods can ensure agricultural sustainability while obtaining more. The difference of NDVI time series in different fertilization treatments has been proved in the research, in which we can also know the correlation difference of NDVI and yield. The results of research could provide remote sensing technology support for spatio-temporal dynamic monitoring and certification of organic/green agriculture, which could be used to distinguish organic fertilizer from other fertilization methods, and could deepen the application of remote sensing in agriculture.

fertilization; remote sensing; fertilization methods; crops; time series; NDVI

2019-05-07

2019-08-25

國(guó)家自然科學(xué)基金（41671438）；吉林省科技發(fā)展計(jì)劃項(xiàng)目（20170301001NY）；中國(guó)科學(xué)院科技服務(wù)網(wǎng)絡(luò)計(jì)劃（KFJ-STS-ZDTP-048-04-02）

劉煥軍，副教授，博士。主要研究方向：地物高光譜遙感。Email：huanjunliu@yeah.net.

張新樂，副教授，博士。主要研究方向：生態(tài)遙感。Email：zhangxinle@gmail.com.

10.11975/j.issn.1002-6819.2019.17.020

S513，S506

A

1002-6819(2019)-17-0162-07

劉煥軍，武丹茜，孟令華，Susan Ustin，崔 楊，楊昊軒，張新樂. 基于NDVI時(shí)間序列數(shù)據(jù)的施肥方式遙感識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(17)：162－168. doi：10.11975/j.issn.1002-6819.2019.17.020 http://www.tcsae.org

Liu Huanjun,Wu Danqian, Meng Linghua, Susan Ustin, Cui Yang, Yang Haoxuan, Zhang Xinle. Remote sensing recognition method of different fertilization methods in NDVI time series[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(17): 162－168. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.17.020 http://www.tcsae.org