滴灌棉田植株氮营养指数的高光谱诊断研究

2020-10-10张泽马露露洪帅林皎张立福吕新

棉花学报 2020年5期

张泽，马露露，洪帅，林皎，张立福,2，吕新*

（1.石河子大学农学院/ 新疆生产建设兵团绿洲生态农业重点实验室，新疆石河子832003；

2.中国科学院遥感与数字地球研究所，北京100080）

氮素是干旱区作物提高产量和经济效益的主要限制因素之一，国内外相关学者在滴灌作物氮素的吸收与分配、施肥制度和优化管理等方面开展了相关研究[1-6]，但对滴灌棉田棉花各生长发育时期对氮素需求及施氮量之间的关注较少，这也是滴灌棉花氮肥利用率偏低的重要原因之一。氮营养指数（Nitrogen nutrition index，NNI）能够有效地判断作物各生育时期的氮营养丰缺情况[7]。运用高光谱遥感技术，快速、准确诊断滴灌棉田的氮素营养状况，进而优化作物各生育时期的供氮量是提高作物的氮肥利用效率、改善土壤环境的关键措施[8]。

随着高光谱技术的成熟，应用高光谱技术和算法反演作物叶片氮素含量、叶绿素浓度、叶面积、生物量等生理生化参数是目前研究棉花氮素营养状况的主要手段。但这些参数会因生育期、冠层密度、植株形态、气候和光照等几方面的不同而产生差异。另外以上所述参数只能对棉花的养分状况有相对大致了解，对于其养分亏缺及营养过剩的程度无法给予定性判断。植被指数对于氮素的敏感性较高，受其他因素的干扰较小，因此植被指数的变动可以用来推测氮素的变动，而氮营养指数与氮素含量结合更加紧密，所以监测氮营养指数的变动能够精准监测植株氮素营养状况。基于氮营养指数的作物氮素监测研究学者进行了大量研究探索，并取得了一定成果。其中薛晓萍等[9]研究表明施氮量对棉花地上部总生物量和氮素积累有显著影响，且棉花地上部氮素浓度随施氮量的增加而增加，并在生育期逐渐降低；赵犇等[10]研究确定了中国东部冬小麦2009―2011 年营养期氮营养指数在0.37～1.28 之间；马露露等[11]通过临界氮浓度模型所建立的氮素营养指数得出了棉花最佳施肥量在240～360 kg·hm－2；彭新新等[12]研究运用氮营养指数能很好判断滴灌春小麦各生育时期的氮素养分丰缺状况。

前人研究虽有棉花这一作物，但关于利用氮营养指数进行光谱诊断的研究却极少，不同株型、叶色棉花品种之间的比较更是稀少的，将氮营养指数与高光谱营养诊断技术相结合，建立基于临界氮营养与高光谱的滴灌棉花氮素耦合模型，可能是准确、快速获取滴灌棉花各生育时期氮营养状况的关键技术。本研究以新疆北部地区种植的新陆早45、新陆早62、新陆早50、新陆早58 和鲁棉研24 号品种为研究对象，利用高光谱数据进行相关分析，研究冠层高光谱数据与植株氮营养指数的关系，利用其相关性构建高光谱诊断模型，判别作物体内养分丰缺状况，以期为大规模滴灌棉花种植下的精准施肥提供理论依据和方法。

1 材料和方法

1.1 试验材料和试验地点

试验于2017―2018 年在新疆玛纳斯县六户地镇（棉花高产区）进行，试验地为中壤土，2017年棉田耕作层有机质含量19.89 g·kg－1，全氮1.96 g·kg－1，碱解氮70.28 mg·kg－1；2018 年棉田耕作层有机质含量19.13 g·kg－1，全氮1.57 g·kg－1，碱解氮65.78 mg·kg－1。 2017 年前茬作物为棉花。

1.2 试验设计

采用松散型且叶色偏淡的新陆早45、松散型的新陆早50、紧凑型的新陆早62、叶色偏深的新陆早58、杂交棉系列中的鲁棉研24 为供试品种，新陆早系列生育期为125 d 左右，鲁棉研24 的生育期在136 d。氮素水平设置为0（N0）、120（N1）、240（N2）、360（N3）、480 kg·hm－2（N4），新陆早50号、新陆早58 号以及鲁棉研24 没有N4 处理，2017 年和2018 年氮素水平设置和种植品种一致，氮肥采用尿素（含氮量46%）在棉花生育时期随水滴灌施入。完全随机区组设计，重复3 次，品种间设隔离带。小区面积为75 m2（10 m×2.5 m），膜宽2.05 m，行距配置为10 cm＋66 cm，化控等田间管理与当地同步进行。2017 年播种日期4 月22 日，2018 年播种日期4 月18 日。

1.3 测定内容与方法

2017 年采样7 次，分别为6 月22 日、6 月29日、7 月7 日、7 月16 日、7 月26 日、8 月15 日、8月22 日；2018 年采样共计7 次，分别为6 月9日、6 月22 日、7 月15 日、7 月27 日、8 月6 日、8月16 日、8 月26 日。每个小区采3 株具有代表性的棉花植株，按茎、叶和蕾铃器官分开，称取各器官鲜物质质量后在105 ℃下杀青30 min，调至80 ℃烘至恒重，称取其干物质质量，计算棉花地上部生物量。粉碎后经浓H2SO4-H2O2法消煮后使用K9840-自动凯氏定氮仪测定氮浓度，然后计算其地上部氮浓度。

1.4 光谱数据获取

仪器使用美国ASD 公司FieldSpec Pro FR2500 型背挂式野外高光谱辐射仪（Analytical Spectral Devices）获取棉花冠层高光谱数据。该光谱仪波长范围为350～2 500 nm，采样间隔为1 nm，光谱仪前视场角为25°。各采样日期光谱采集选择在晴朗无云、风速≤2 级的天气进行，测定时间在12∶00－14∶00。测量时传感器探头在棉花冠层上部约0.5 m 处，顶垂向下。每个小区采集3 个点，每个点采集5 条光谱数据，最后用15 条数据的平均值作为该小区的光谱值。为减小云层及太阳高度变化等对光谱反射率的影响，每组目标的测量前后均进行标准白板校正，以保证光谱反射率的精确。

1.5 临界氮浓度稀释模型与氮营养指数计算

1.5.1 临界氮浓度稀释曲线。结合棉花地上部生物量与氮浓度的关系，根据前人[9]提出的临界氮浓度稀释模型的确定方法，其模型公式为：

式中，Nc 为临界氮浓度（质量分数, 下同）值[g·（100 g）－1]。作物各生育期地上生物量达到最大值时所需要的最低氮浓度；Wmax为干物质最大值（t·hm－2），a、b 为模型参数。

1.5.2 氮营养指数的计算。氮营养指数（NNI）是指地上部氮浓度实测值与临界氮浓度的比值，用来诊断作物地上部氮营养状况，公式如下所示：

式中：Ni 为地上部氮浓度[g·（100 g）－1]。若NNI＝1，表明作物氮素含量为最适水平，NNI＞1为氮营养过剩，NNI＜1 则氮营养亏缺。

1.6 光谱指数的选择

光谱指数是指不同波段反射率的某种组合，多与叶片色素或光合作用以及植物的水、营养状态等有关。波段组合的选取要具有植被遥感监测的物理基础，以此消除部分环境背景的影响，提高研究目标的敏感性。本实验根据棉花冠层叶片的光谱特征，结合前人归纳研究选取了对氮素含量响应敏感的波段构成的17 种指数进行分析，具体计算公式见表1。

表1 指数计算公式Table 1 Formulas for calculating spectral indices

表1 （续）Table 1 (Continued)

1.7 数据处理

分析2018 年5 个品种滴灌棉花的光谱反射率和氮营养指数的相关规律；将地物点在不同波段的反射率数据进行线性或非线性地组合计算可以得出各种光谱指数，筛选出对氮营养指数反应较为敏感的光谱指数，通过回归分析建立棉花氮营养指数的光谱模型，采用均方根误差（Root mean square error,RMSE）和决定系数（R2）检验建立的指数优选估测模型，R2越接近1，RMSE 越小，说明模型拟合度越高。运用建立的模型，采用2017 年的氮营养指数实测值与估测值之间1∶1散点图对筛选出的模型进行验证。数据分析在软件SPSS 19.0 中完成，采用Origin 8.0 软件进行图像绘制。

2 结果与分析

2.1 施氮对不同品种棉花生物量的影响

图1 为2018 年间不同品种滴灌棉花地上部生物量动态变化规律。可以看出，在5 个品种中，新陆早4 个品种生物量累积趋势基本一致，且最终累积的最高生物量均出现在N3 施氮水平下，所以认为N3 施氮水平为最佳施肥量；鲁棉研24为杂交品种，可以观察到它的生物量累积明显区别其他品种，此品种在生育后期（8 月26 日）各施氮水平的生物量均呈现下降现象。

在图1 中我们可以发现，5 个品种的生物量均在7 月15 日至8 月16 日之间出现不规律的动态变化，其中新陆早62 生物量在7 月27 日呈现出下降趋势；鲁棉研24 品种在8 月6 日出现异常，其生物量快速下降。针对7 月4 日至8月16 日出现的现象，对比查找大田资料发现，在7 月全月出现大规模较为严重的蚜虫为害，此时期下生物量出现下降表现最明显的为新陆早62 品种。

图1 不同棉花品种全生育期生物量动态Fig. 1 Dynamic change of total growth biomass of different cotton varieties

2.2 不同品种滴灌棉花临界氮浓度模型的建立

结合公式（1）和薛晓萍等[9]临界氮浓度建立方法，以2018 年试验数据建立不同品种滴灌棉花临界氮浓度模型，模型参数见表2，新陆早系列的模型参数b 值一致，参数a 值不同，表明棉花品种是影响临界氮浓度的稀释模型的因素之一。

表2 滴灌棉花临界氮浓度稀释模型Table 2 Critical nitrogen concentration dilution model of drip irrigation cotton

2.3 全生育期不同品种棉花氮营养指数的动态变化

结合公式（2）得出2018 年滴灌棉花各生育时期的氮营养指数，由图2 可以看出，氮营养指数随着生育进程在7 月27 日之前呈现迅速下降的趋势。新陆早系列的4 个品种在8 月6 日至16日再次出现下降趋势，此时期棉花主要进行生殖生长，说明应调整棉花各生育时期的施肥比例，满足棉花后期的营养需求；新陆早62 品种的氮营养指数同时期高于其他品种，说明现有施肥水平相对此品种来说是高肥水平；新陆早58 的氮营养指数总体走势都呈现出由高到低的变化趋势。从5 个品种的氮营养指数的变化可以发现，新陆早45、新陆早62 和新陆早50 的NNI 动态变化趋势表现基本一致，在8 月6 日和8 月26日出现上升，其余日期均表现下降趋势；而鲁棉研24 杂交棉在7 月27 日之前却有所区别，总体呈现出快速降低趋势。对比图1 和图2，认为新陆早62 品种同新陆早45、新陆早50、新陆早58 这3 个品种差异较大；鲁棉研24 品种作为杂交棉，经过图1 和图2 的对比，可以很清晰的观察到其与新陆早品种存在不同，在8 月16 日其NNI值出现上升，这可能与鲁棉研24 的生育期较长有关。

2.4 不同品种滴灌棉花氮营养指数与高光谱指数的相关性

以2018 年光谱数据计算每个氮素处理的氮营养指数，得到与滴灌棉花各处理所计算的氮营养指数相对应的光谱指数，并进行相关分析。由表3 可知，新陆早45、新陆早50 和鲁棉研24 中均有通过0.01 水平显著性检验的指数，3 个品种相关性最高的指数依次是Dr、Rg/Rr、REPLI；新陆早62 和新陆早58 中所有的指数均没有通过0.01 水平显著性检验，均只有两个指数通过了0.05 水平显著性检验。

2.5 不同品种滴灌棉花氮营养指数与高光谱指数估测模型构建

临界氮浓度公式在地上部生物量大于1 t·hm－2时能够构建公式，进而求得氮营养指数[11]，因此模型的构建采用的是出苗后（6 月22 日）的数据；新陆早62 品种在7 月15 日处采集的数据损毁，故采用了5 次数据，其他品种均采用6 次数据进行建模。以2018 年棉花氮营养指数各小区平均值为因变量，选用线性回归方法构建多元回归模型。经多次检验，采用R2越接近1，均方根误差（Root mean square error，RMSE）越小的评判标准来认定模型精度越好。表4 是构建的多元回归模型，可以看出鲁棉研24 品种的诊断模型R2是最高的，达到0.80 以上；新陆早62 和58 两个品种虽然R2均达到0.50 以上，但是其RMSE 值相对较大，模型精度有待确定。

2.6 模型验证

因天气等原因，无法做到两年采样天数一致，采用2017 年6 月29 日、7 月16 日、7 月26日、8 月15 日、8 月22 日5 次和2018 年数据采集生育天数相近的采样数据进行模型的验证。模型验证依旧采用各试验小区的平均值进行运算，

图2 不同品种棉花氮营养指数的动态（2018 年）Fig. 2 Dynamic changes of nitrogen Nutrition Index of different cotton varieties（2018）

表3 不同品种滴灌棉花氮营养指数和光谱指数的相关系数Table 3 Correlation coefficient of nitrogen nutrition index and spectral index of different varieties of cotton under drip irrigation

表4 构建的模型方程Table 4 Model equations

其中新陆早45 和62 各有25 条平均值数据带入模型进行运算，其余3 个品种各有20 条平均值数据。图3 是试验数据验证的估算值与实测值之间1:1 散点图。从图3 模型验证的散点图中可以看出鲁棉研24 号品种验证的结果是最好的，R2高达0.868，RMSE 等于0.059。新陆早58 品种，虽然其模型验证R2＝0.702，但是RMSE 值是5个品种中最大的，为0.319；新陆早62 和新陆早58 的验证结果R2均小于0.5，而在新陆早45、新陆早50 两个品种中，虽然R2都是0.5 以上，但是结合RMSE 值来看，鲁棉研24 的模型更加稳定。

图3 模型验证预测值与实际值之间散点图Fig. 3 The 1:1 scatter plot between the estimated and measured values of model validation

3 讨论

目前，研究学者利用高光谱技术获得的用以反演作物生理生化指标的经验模型已经得到认可。本文分析了滴灌棉花生物量的变化规律，建立了临界氮浓度稀释模型，分析了不同品种棉花稀释模型的差异，结果表明模型的a 值与品种有关，b 值在同一系列品种中无差异；结合薛晓萍等[21]、王子胜等[22]、马露露等[11]的研究结果表明，临界氮浓度稀释模型在不同品种、不同生态区域、不同种植密度条件下其模型参数都存在一定的差异。

本研究运用高光谱指数建立棉花氮营养指数估测模型，进而对棉花的氮营养状况进行诊断研究。文中用17 个光谱指数和氮营养指数做了相关性分析，5 个品种中鲁棉研24 的氮营养指数与光谱指数的相关性较好。梁惠平等[23]分析了6个光谱指数与玉米的氮营养指数的相关性，认为NIR/G、NIR/NIR 和REIP 光谱参数与玉米NNI相关。王仁红等[24]以4 个小麦品种为研究对象，分析了11 个光谱指数与小麦不同生育期的氮营养指数的相关性；REPLI、mSR705、RI-1dB、SRPI、VOG 5 个光谱指数的相关性相对较好，表明运用光谱指数估测棉花氮营养指数需要针对作物的品系选择合适的光谱指数进行分析，这可能与光谱和氮浓度、生物量的关系有关。

本试验为2 年试验，以2018 年数据进行建模，2017 年数据进行验证。在不同品种棉花氮营养指数的动态变化图中（图2）可以看出，整个生育时期中，除新陆早45 外，其余品种在整个生育时期氮营养指数均大于1。基于氮营养指数的评判标准，当数值大于1 时，养分处于过剩阶段；在8 月26 日棉花生长发育末期，植株氮营养指数数值均高于1，并且曲线趋势呈现上升趋势，说明此时棉田土壤中养分处于过剩阶段。在棉花苗期时，氮营养指数的值远远高于1，说明土壤中残留的氮素养分处于极度过剩阶段。即使在蕾期、花铃期所需养分极大的时期，除新陆早45 外，其余棉花品种的氮营养指数值也大于1 之上，说明其余4 个品种对于棉花生长发育的植株氮素吸收存在奢侈营养的现象。

在建模过程中，发现病虫害发生时期的数据呈现出规律较差、与高光谱和光谱指数相关性低的现象。猜测病虫害影响光谱反射率[25]，5 个品种受到侵害程度不同，也比较过光谱原始反射率图，发现不同受害程度光谱反射率呈现的规律亦是不同的，受限于本次实验内容，本次研究没有涉及到虫害对光谱反射率和氮营养指数的影响的相关研究，有心进一步详细研究。