光譜儀在作物施氮推薦中的應用研究進展
——以GreenSeeker光譜儀為例

紀榮婷， 閔 炬， 黃程鵬， 施衛明

(1.中國科學院南京土壤研究所/土壤與農業可持續發展國家重點實驗室，江蘇南京 210008；2.中國科學院大學，北京 100049； 3.浙江農林大學，浙江臨安 311300)

光譜儀在作物施氮推薦中的應用研究進展
——以GreenSeeker光譜儀為例

紀榮婷1，2， 閔 炬1， 黃程鵬3， 施衛明1

(1.中國科學院南京土壤研究所/土壤與農業可持續發展國家重點實驗室，江蘇南京 210008；2.中國科學院大學，北京 100049； 3.浙江農林大學，浙江臨安 311300)

隨著光譜技術的發展，利用光譜儀進行作物的氮素營養診斷得到普遍研究應用。GreenSeeker光譜儀是近年來在美國興起的一種新型便攜式氮肥推薦儀器，該儀器以其快速、無損、準確、非接觸的特點為作物的氮素診斷和施肥推薦提供了一種新的方法思路，并在國內外開始研究應用。以GreenSeeker光譜儀為例，對光譜儀在作物氮肥推薦中的研究進展進行綜述，旨在讓大家通過該儀器更好地了解光譜儀氮肥推薦的工作原理、研究進展，同時在使用中盡可能地避免影響該光譜儀測定值準確性的因素，使此技術更快地應用于生產實踐，推動我國氮素診斷和推薦施肥技術的進步。

GreenSeeker光譜儀；氮素診斷；產量預測；作物；推薦施肥

國內外關于作物氮素診斷方面已做了大量研究，傳統的作物氮素診斷方法為樣品分析法，但其依賴于田間取樣及實驗室分析，該工作費時費力，同時會對植株產生破壞性傷害，且土壤和植株測試需要一定的時間，結果反饋滯后，失去了氮素診斷的實時性[1]。為避免氮素診斷的繁雜性和滯后性，發展了根據葉色進行作物診斷的葉色比對法、氮素窗口法等方法，主要依據作物氮素缺乏時，葉綠素合成受阻，作物葉色發生變化。相對于傳統的土壤植株測試方法，根據葉色診斷在速度上有很大改善，但其葉色現象易與藥害和生理毒害現象混淆，預測準確性有待加強[2]。

隨著光譜技術的發展，利用光譜儀進行作物的氮素營養診斷逐步得到應用[3]。相比傳統氮素診斷方法，光譜診斷可快速獲得作物大量光譜數據，且實時性強，操作方便，準確性高。光譜診斷技術主要基于不同生長狀況下作物光譜反射數據的差異來進行作物氮素診斷，其理論基礎是植物葉片在紅外波段的強烈反射和可見光部分的吸收[4]。目前，常見氮素診斷光譜儀有作物葉片光譜儀、作物冠層光譜儀、近地面高光譜儀等。葉片氮素光譜儀主要包括SPAD-502、Hydro N Tester等，作物冠層光譜儀主要包括GreenSeeker、Yara passive N-Sensor/Field Scan、Crop Circle ACS-210等，近地面高光譜儀包括LI-1800、GER2600和GER3700、ASD Field Spec等[5]。其中，GreenSeeker光譜儀是20世紀90年代中后期美國Oklahoma州立大學和N-tech公司開發研制的一種主動光源光譜儀，是目前國際上最先進的氮素診斷冠層光譜儀之一，和其他高光譜遙感技術相比，它基本不受大氣狀況和天氣狀況的影響，分辨率高，可實現米級測量，和一般主動光源傳感器相比，它具有操作便捷、數據獲取快等優點，可進行大田尺度的氮素診斷和作物產量預測[6]。

目前，國內外對光譜儀在作物氮素診斷中的應用以及GreenSeeker光譜儀的氮肥推薦和產量預測方面都做了一定的研究，但仍缺乏對其全面的了解，其應用推廣還需進一步擴大。本文以GreenSeeker光譜儀為例，對光譜儀在作物氮素推薦中的研究進展進行闡述，以GreenSeeker光譜儀在作物氮肥推薦中的研究進展為契機，對該光譜儀進行全面的介紹，旨在讓大家更好地了解光譜施肥技術和這種新型氮素營養診斷儀器，推動我國氮肥推薦工作進展。

1 GreenSeeker光譜儀的工作原理

1.1 GreenSeeker光譜儀的測定原理

GreenSeeker光譜儀是一種典型的便攜式主動光源作物冠層光譜傳感器，通過自身攜帶的高強度發光二極管發出紅光(671±6 nm)和近紅外光(780±6 nm)，當扣動扳機時，傳感器導通，發射的紅光和紅外光短暫突發，接收器測量其反射回傳感器的每個類型光的量，并將這些信息傳遞給光譜儀自身攜帶的掌上電腦，通過軟件計算出NDVI值(normalized vegetation index，歸一化植被指數)和RVI值(ratio vegetation index，比值植被指數)[7]。其中，NDVI=(NIRref-Rref)/(NIRref+Rref)，RVI=NIRref/Rref(Rref為紅光敏感波段的反射率，NIRref為近紅外敏感波段的反射率)。

GreenSeeker光譜儀最顯著的優點在于操作的簡便性，測量時選取有代表性的掃描區，光譜儀距離作物冠層的最佳距離在71～112 cm范圍內[8]，在勻速行進的同時按下扳機，使傳感器均勻掃過測定作物冠層，即可獲取掃描區冠層NDVI值，每次光掃描面積為0.60 m×0.01 m。NDVI讀數的范圍從0至0.99，讀出的數值越高，表示植株越健康。GreenSeeker光譜儀能提供高分辨率、低干擾的NDVI數據，且獲取速度快，數據量大，可實現對作物生長實時監測和氮素的實時診斷[9-10]。

本方法是一種簡單、快捷、無損、高精度、非接觸性、操作性好的田間實時氮素診斷技術，同時，GreenSeeker光譜儀可單獨使用或與變量施肥機聯用，實現基于作物生長狀況的變量施肥。

1.2 利用GreenSeeker光譜儀進行氮肥推薦的原理

光譜診斷作物氮素狀況的方法是基于植物化學分子中的化學鍵在一定頻率光源的照射下，化學鍵結構發生震動，引起某些波長的光譜發射和吸收的變化而產生不同的反射率[11]。光譜反射率和作物生長狀況顯著相關，作物在可見光區域的反射率主要取決于葉柵欄層中葉綠素含量，與葉片氮含量負相關；在近紅外區域的反射率取決于葉肉細胞結構以及細胞間的空腔，與葉片氮含量以及生物量正相關[12]。

利用GreenSeeker光譜儀進行氮肥推薦的理論基礎是作物冠層NDVI值是植被光譜指數中應用最為廣泛的一種，與作物生長狀態密切相關。研究表明，冠層NDVI值和作物產量、生物量有較好的相關性[13-15]，具有預測產量的能力[16-17]。當作物氮素狀況發生變化時，不僅使葉綠素分子數量變化而引起葉片的顏色發生變化，而且葉面形狀、厚度、結構等性狀都會發生變化，導致作物對特定波段光的吸收和反射特性也會發生變化[18]。因此，與僅測定作物葉片的光譜反射率相比，冠層NDVI值更能反映作物整體氮素水平。Blackmer等研究表明，缺氮植物對可見光的反射率要比施氮植物高很多，作物氮素越充足，冠層NDVI值就越大，缺氮區NDVI值遠小于氮素充足區[19-20]。郭建華等研究表明，NDVI值和施肥量之間存在線性加平臺關系，當玉米氮肥施用量為 300 kg/hm2時，NDVI值達到最高，施肥量繼續增加時，NDVI值趨于穩定[21]。生育期內，NDVI值隨生育期的推進而逐漸增加，后期下降并趨于穩定。因此，可利用NDVI測定值來反演作物生長狀況，計算作物缺氮量。利用GreenSeeker光譜儀進行作物施氮推薦的一般步驟為：(1)建立一個高氮區，觀察作物產量的氮素效應；(2)選擇合適生育期，在作物生長關鍵期利用GreenSeeker光譜儀測定作物冠層NDVI值；(3)建立基于目標產量的追氮模型；(4)對追氮模型進行評價。

2 GreenSeeker光譜儀在國外的應用推廣

GreenSeeker光譜儀在美國、澳大利亞、法國、西班牙、厄瓜多爾、墨西哥、印度、加拿大等國家都有應用，已建立多套基于GreenSeeker光譜儀的不同國家地區作物施氮算法。在美國，約有20個州出售該儀器并進行精準施肥管理。據目前報道，該儀器在小麥、玉米、水稻、棉花、水果蔬菜、高粱、牧草、甘蔗等作物上都進行了一定研究，在小麥、玉米等大田作物上應用最為廣泛。

2.1 基于GreenSeeker光譜儀的施肥算法

自20世紀90年代GreenSeeker光譜儀問世以來，Oklahoma大學的研究者和其他研究者一直致力于基于GreenSeeker光譜儀診斷施氮算法模型的研究，并建立了小麥施氮優化算法。Raun等研究表明，利用冬小麥生長階段Feekes4(葉鞘伸長期)-Feekes6(莖間可見第一生長點階段)的冠層光譜值變化可預測作物產量，利用當季估產系數INSEY=NDVI/CGDD(CGDD表示累積生長度日)算法得出的INSEY值預產精度可達83%[22]。在此基礎上，Lukina等利用GreenSeeker光譜儀在冬小麥生長階段Feekes4-Feekes6時期測定值的變化，開發了基于NDVI值的施氮優化算法NFOA，該算法有預測作物當季產量的潛力，可根據預計產量進行追肥推薦[23]。該算法包括以下內容：(1)預測產量潛力PGY=0.740 76+0.102 10e577.66INSEY；(2)籽粒含氮百分比Ngrain=0.0703PGY2-0.529 8PGY+3.106；(3)預計作物早期吸氮量Ntake=14.76+0.775 8e5.468NDVI；(4)作物追肥量N追=(NTake-Ntake)/λ(NTake表示預計產量下的N吸收量，λ表示氮肥利用率)。此后，一些研究者就NFOA算法進行了修正。Johnson等在研究中引入了變量施氮響應指數RIHarvest，并計算得出當季施氮響應指數RINDVI，利用RINDVI值修正NDVI測定值，得出RINDVI=NDVINRich/NDVIFieldRate，從而可以利用RI值快速判斷作物需氮迫切性[24]。研究表明，小麥的RI值在1.1～4.1范圍內，玉米的RI值在1.1～3.5范圍內，RI值越小，越不需要追施氮肥；RI值越大，追氮需求越迫切。此后，Raun等就追氮算法的計算方法進行了改進，提出RI-NFOA算法，利用R=23.9(YPN-YP0)/η來計算氮肥需要量FNP，該算法中，YP0=0.359e324.4INSEY，YPN=YP0×RINDVI，其中23.9為小麥的籽粒含氮量，YP0表示常規施肥條件下的產量潛力，YPN表示充分施肥條件下的產量潛力[25]。此外，基于上述氮肥優化推薦算法，Raun等還引入了CV(變異系數)，利用NDVI測定值在每 0.4 m2面積的CV值來表示作物的生長狀況，CV值越低則表示作物的長勢越一致，產量潛力越大。

近年來，利用作物生長狀況指數和土壤性質指數改進作物的施肥算法也得到研究。Sharma等在2011—2012年美國North Dakota東南部的玉米氮素試驗中，利用玉米生長的V6階段(拔節期)和V12階段(大喇叭口期)的INSEYH值取代INSEY進行施肥算法計算，其中INSEYH=(NDVI×H)/GDD(H表示測定時玉米高度，GDD表示生長度日)，結果發現其預測產量精度提高，產量和INSEYH相關性提高，尤以V6階段效果較好(表1)[26]。此外，利用土壤性質指數校正也可提高產量預測和氮肥算法的精度。Walsh等通過Oklahoma的冬小麥試驗表明，考慮土壤各深度水分含量可以提高作物中期預產的準確性，利用Feekes5階段(假莖直立期)的NDVI值乘以種植時土壤地下5 cm處體積含水量預產效果最好，y=3.80x0.98(R2=0.93)[27]。

2.2 基于GreenSeeker光譜儀的作物產量預測和氮肥推薦

基于GreenSeeker光譜儀的產量預測和施肥推薦具有較大優越性。Alia等在印度西北部Ludhiana的旱直播水稻試驗結果表明，與LCC(葉色卡)和SPAD儀(葉綠素儀)相比，GreenSeeker光譜儀對于旱直播水稻產量有更好的預測結果[28]。水稻幼穗分化期的NDVI測定值對產量的預測結果較好，可解釋水稻產量變異的63%。GreenSeeker光譜儀在糧食作物上研究較多，Moges等2004—2005年在美國Oklahoma的研究結果表明，利用GreenSeeker光譜儀測定的GNDVI(greenNDVI)值對高粱的產量有很好的預測效果，以生長階段3(生長點分化階段)效果較好，y=10.6x+1.19(R2=0.77)[29]。Scharf等2004—2008年在美國Missouri的玉米試驗表明，與農民傳統施氮方法相比，基于GreenSeeker光譜儀的施氮推薦措施可增加農業利潤42美元/hm2，同時增產 110 kg/hm2，減少氮肥(以N計，下同)投入16 kg/hm2[30]。GreenSeeker光譜儀在蔬菜上也有少量研究，Sanderson等2005—2007年在加拿大東部Prince Edward Island胡蘿卜緩控釋肥試驗中利用GreenSeeker光譜儀來評價作物的生長狀況，結果表明，GreenSeeker光譜儀可評價胡蘿卜的健康狀況，但氮素追肥模型仍需要進行進一步驗證和研究[31]。

表1 基于INSEY算法和INSEYH算法的玉米產量預測結果

注：表中資料引自文獻[26]。sig表示顯著性，“***”表示0.001水平上顯著；“**”表示0.01水平上顯著；“*”表示0.05水平上顯著；NS表示無顯著關系。

2.3 GreenSeeker光譜儀在其他方面的研究應用

GreenSeeker光譜儀在植保方面也有一定的應用潛力，可用于病菌檢測。Calcante等在意大利利用GreenSeeker光譜儀對葡萄園中的感染葡萄霜霉病葉片的NDVI值進行測定，結果表明，NDVI值與有癥狀葉面積百分比具有較好的線性關系(R2=0.71)[32]。此外，GreenSeeker光譜儀還可輔助雜草控制，Merotto等2008—2009年在巴西Rio Grande do Sul利用GreenSeeker光譜儀測定大豆和玉米行間NDVI值，結果表明NDVI值與雜草干物質量顯著正相關(R2=0.44)，NDVI值可實現作物雜草定量化，輔助制定雜草控制程序[33]。

3 GreenSeeker光譜儀在國內的應用推廣

我國基于GreenSeeker光譜儀的氮素推薦施肥研究較國外起步晚，由2003年中國科學院欒城生態農業試驗站首家引進，并開展了基于該設備的小麥、玉米氮素診斷和估產的研究工作[34]。目前我國已開展了大量關于GreenSeeker光譜儀估產潛力和氮肥推薦的研究，主要集中在小麥、水稻、玉米等大田糧食作物氮素管理研究上，在棉花、馬鈴薯、大豆等其他作物上也有少量研究。

3.1 基于GreenSeeker光譜儀的氮素評估及氮肥追施方程

目前基于GreenSeeker光譜儀的氮肥追施方程研究較少，馮宗會在河北省辛集市科技示范農場進行不同水氮管理下小麥NDVI值監測及優化施氮研究中，利用施氮量和NDVI關系方程，建立了小麥的追氮模型N追=N總-NDVI/a+b/a(a為各重要生育期NDVI值與氮肥施用量之間擬合的線性方程的回歸系數，b為截距)[35]。Xue等在我國南方基于主動遙感的早稻N肥追肥推薦研究中，引入SI值(缺乏指數)來校正NDVI測定值，減少了環境效應對NDVI值的影響，并利用分蘗期和幼穗分化期NDVI測定值建立水稻PNU(植株吸氮量)-NDVI模型，從而利用該模型進行追氮量的計算[36]。經檢驗，該模型的精密度在0.767～0.947范圍內，準確度在 0.945～1.059范圍內[37]。但該方程仍需利用土壤測試結果輔助計算，并不能完全實現氮肥快速推薦。

此外，一些研究建立了基于NDVI值和施氮量、植株吸氮量、作物產量等變量關系方程，利用GreenSeeker光譜儀測定結果來估測作物氮素狀況(表2)。

3.2 基于GreenSeeker光譜儀的作物產量預測和氮肥推薦可行性研究

我國研究者就GreenSeeker光譜儀預測作物產量及氮肥推薦可行性方面做了大量研究。胡昊基于可見光-近紅外光譜的冬小麥氮素營養診斷與生長監測的研究表明，NDVI值可考察作物的群體指標和生長長勢，對作物葉片氮含量有很好的診斷效果[7]。王桂良在焦作市和開封市利用不同的氮素診斷儀器進行超高產小麥干物質積累、氮素營養與診斷研究中發現，GreenSeeker光譜儀可反映高產小麥的氮素營養狀況[45]。此外，一些研究結果表明，基于GreenSeeker光譜儀的氮肥推薦可以減少氮投入，提高氮肥利用率。Li等評價了中國北部平原基于GreenSeeker光譜儀的冬小麥的N素管理，結果表明，和農民經驗施肥相比，達到相同產量農民經驗施N量為372 kg/hm2，基于GreenSeeker光譜儀的施N量僅為 67 kg/hm2，氮肥利用率由13.1%提高到61.3%；同時基于農民經驗施肥量的土壤殘留N量和表觀N流失量分別為 208 kg/hm2和205 kg/hm2，而基于GreenSeeker光譜儀施肥的殘留N量和表觀N流失量僅為 115 kg/hm2和4 kg/hm2[46]。Cao等2006—2007年在中國農業大學河北曲周實驗站小規模農場試驗結果表明，和傳統的農民經驗施肥相比，利用GreenSeeker光譜儀推薦施肥在試驗地塊可減少氮肥施用量達128 kg/hm2[47]。

表2 國內基于GreenSeeker光譜儀預測作物生長狀況研究結果

3.3 GreenSeeker光譜儀在其他方面的研究應用

除預測產量指導施肥外，GreenSeeker光譜儀在其他方面也得到了一些研究。合理利用GreenSeeker光譜儀預測產量可加快育種進程。張寧在黃淮海地區利用GreenSeeker光譜儀測定的NDVI和RVI值進行雜交系大豆產量預測，結果發現基于3個生育期的冠層植被指數預產效果較好，可用于檢驗大豆育種品系和重組自交家系群體(NJRIKY)的產量潛能[38]。此外，GreenSeeker光譜儀在植保方面也得到了一定研究。張國龍等在新疆石河子總場的研究表明，利用棉花花鈴期的GreenSeeker光譜儀冠層光譜信息可預測棉蚜發生量，對百株有翅蚜的數量預測準確率高達92%，提高了棉蚜監測預警的時效性[48]。

4 影響GreenSeeker光譜儀測定的因素

土壤背景反射值是影響GreenSeeker光譜儀測定值的重要因素[49]。當作物處于生長早期，葉面積指數很小時，該問題更加嚴重。Gnyp等研究指出，對于水稻作物，通過作物冠層GreenSeeker光譜儀測定值可無損快速地獲取作物的生長參數，但其測定值在作物生長前期易受土壤和稻田水層背景值影響[50]。因此在利用GreenSeeker光譜儀進行作物氮素診斷時應盡量避免前期干擾。

NDVI值飽和是影響測定的另一因素。Li等在冬小麥中的研究結果表明，GreenSeeker光譜儀測定的NDVI值在Feeks4-Feeks10階段(葉鞘開始伸長-旗葉葉鞘完全長出階段)和冬小麥的生物量顯著相關，但在冬小麥的成熟期或生物量達3 746 kg/hm2時，NDVI面臨值飽和問題，相關性顯著下降[51]。于靜等研究也表明，當馬鈴薯地上部生物量達到一定值時會發生封行現象，NDVI值飽和，影響了馬鈴薯產量預測和氮素診斷的可行性[52]。

因此，利用GreenSeeker光譜儀進行氮素診斷和氮肥推薦時應注意時期的選擇。研究表明，小麥的最佳診斷時期為Feekes4-Feekes6階段[53]；玉米的最佳診斷時期為8葉期，或生長度日(GDD)在800～1 000 h[16]；甘蔗的最佳診斷時期為累積生長度日(CGDD)在601～750 h[54]；水稻的最佳診斷時期為生長度日(GDD)在1 501～1 700 h或1 701～1 900 h，尤以1 701～1 900 h診斷效果較好[17]。此外，在考慮用 GreenSeeker 光譜儀完全取代土壤、植物測試進行氮肥推薦時，還應綜合考慮耕作方式、作物品種、雜草干擾、養分交互作用等其他因素的影響。

5 結論

光譜診斷作為一項快速診斷方法，在作物氮素營養診斷及施氮推薦中發揮著重要作用。GreenSeeker光譜儀以其快速、無損、準確、非接觸等特點在多種作物上得到廣泛研究應用，目前國內外基于GreenSeeker光譜儀施氮推薦的研究應用主要集中在大田糧食作物(如水稻、小麥、玉米等)上，在其他作物(蔬菜、果樹、花卉等)上的研究應用還有待加強。主要是由于其他作物測定時NDVI值易飽和、作物生長周期較短、作物種植面積分布較分散、冠層長勢不均一等原因。因此，在今后的研究中，應有針對性地開展多種作物的GreenSeeker光譜儀施氮推薦研究，擴大GreenSeeker光譜儀的應用范圍，建立具有普適性的作物施氮推薦模型，推進作物氮素診斷和施氮推薦研究。

[1]宋文沖，胡春勝，程一松，等. 作物氮素營養診斷方法研究進展[J]. 土壤通報，2006，37(2)：369-372.

[2]郭建華，趙春江，王 秀，等. 作物氮素營養診斷方法的研究現狀及進展[J]. 中國土壤與肥料，2008(4)：10-14.

[3]薛利紅，羅衛紅，曹衛星，等. 作物水分和氮素光譜診斷研究進展[J]. 遙感學報，2003，7(1)：73-80.

[4]賈良良，壽麗娜，李 斐，等. 遙感技術在植物氮營養診斷和推薦施肥中的應用之研究進展[J]. 中國農學通報，2007，23(12)：396-401.

[5]曹 強. 基于主動作物冠層傳感器的冬小麥、水稻精準氮素管理[D]. 北京：中國農業大學，2014.

[6]馮 偉，王永華，謝迎新，等. 作物氮素診斷技術的研究綜述[J]. 中國農學通報，2008，24(11)：179-185.

[7]胡 昊. 基于可見光-近紅外光譜的冬小麥氮素營養診斷與生長監測[D]. 北京：中國農業科學院，2009.

[8]Raper T B，Varco J J，Hubbard K J. Canopy-based normalized difference vegetation index sensors for monitoring cotton nitrogen status[J]. Agron，2013，105(5)：1345-1354.

[9]Solie J B，Raun W R，Whitney R W，et al. Optical sensor based field element size and sensing strategy for nitrogen application[J]. Transactions of the ASAE，1996，39(6)：1983-1992.

[10]Filella I，Serrano L，Serra J，et al. Evaluating wheat nitrogen status with canopy reflectance indexes and discriminant analysis[J]. Crop Sci，1995，35(5)：1400-1405.

[11]李衛國，李秉柏，王志明，等. 作物長勢遙感監測應用研究現狀和展望[J]. 江蘇農業科學，2006(3)：12-15.

[12]Campbell J B. Introduction to remote sensing[M]. New York：The Guilford Press，2002.

[13]Tucker C J. Red and photographic infrared linear combinations for monitoring vegetation[J]. Remote Sens Environ，1979，8(2)：127-150.

[14]Raun W R，Solie J B，Johnson G V，et al. Improving nitrogen use efficiency in cereal grain production with optical sensing and variable rate applications[J]. Agron，2002，94(4)：815-820.

[15]Zhao D，Reddy K R，Kakani V G，et al. Corn (ZeamaysL.) growth，leaf pigment concentration，photosynthesis，and leaf hyperspectral reflectance properties as affected by nitrogen supply[J]. Plant Soil，2003，257(1)：205-218.

[16]Teal R K，Tubana B S，Girma K，et al. In-season prediction of corn grain yield potential using normalized difference vegetation index[J]. Agron，2006，98(6)：1488-1494.

[17]Harrell D L，Tubana B S，Walker T W，et al. Estimating rice grain yield potential using normalized difference vegetation index[J]. Agron，2011，103(6)：1717-1723.

[18]Olfs H W，Blankenau K，Brantrup F，et al. Soil-and plant-based nitrogen-fertilizer recommendations in arable farming[J]. Plant Nutr and Soil Sci，2005，168(4)：414-431.

[19]Blackmer T M，Schepers J S，Varel G E. Light reflectance compared with other nitrogen stress measurements in corn leaves[J]. Agro，1994，86(6)：934-938.

[20]Al-Abbas A H，Barr R，Hall J D，et al. Spectra of normal and nutrient-deficient maize leaves[J]. Agron，1974，66(1)：16-20.

[21]郭建華，王 秀，孟志軍，等. 主動遙感光譜儀GreenSeeker與SPAD對玉米氮素營養診斷的研究[J]. 植物營養與肥料學報，2008，14(1)：43-47.

[22]Raun W R，Solie J B，Johnson G V，et al. In-season prediction of potential grain yield in winter wheat using canopy reflectance [J]. Agron，2001，93(1)：131-138.

[23]Lukina E V，Freeman K W，Wynn K J，et al. Nitrongen fertilization optimization algorithm based on in-season estimates of yield and plant nitrogen uptake[J]. Journal of Plant Nutrition，2001，24(6)：885-898.

[24]Johnson G V，Raun W R. Nitrogen response index as a guide to fertilizer management[J]. Journal of Plant Nutrition，2003，26(2)：249-262.

[25]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(19/20)：2759-2781.

[26]Sharma L K，Franzen D W. Use of corn height to improve the relationship between active optical sensor readings and yield estimates[J]. Precision Agric，2014，15(3)：331-345.

[27]Walsh O S，Klatt A R，Solie J B，et al. Use of soil moisture data for refined GreenSeeker sensor based nitrogen recommendations in winter wheat (TriticumaestivumL.)[J]. Precision Agric，2013，14(3)：343-356.

[28]Alia A M，Thinda H S，Sharma S，et al. Prediction of dry direct-seeded rice yields using chlorophyll meter，leaf color chart and GreenSeeker optical sensor in northwestern India[J]. Field Crops Research，2014，161：11-15.

[29]Moges S M，Girma K，Teal R K，et al. In-season estimation of grain sorghum yield potential using a hand-held optical sensor[J]. Arch Agron Soil Sci，2007，53(6)：617-628.

[30]Scharf P C，Shannon D K，Palm H L，et al. Sensor-based nitrogen applications out-performed producer-chosen rates for corn in on-farm demonstrations[J]. Agron，2011，103(6)：1683-1691.

[31]Sanderson K R，Fillmore S A E. Slow-release nitrogen fertilizer in carrot production on Prince Edward Island[J]. Canada Journal of Plant Science，2012，92(6)：1223-1228.

[32]Calcante A，Mena A，Mazzetto F. Evaluation of “ground sensing” optical sensors for diagnosis ofPlasmoparaviticolaon vines[J]. Spanish Journal of Agricultural Research，2012，10(3)：619-630.

[33]Merotto A，Bredemeier C，Vidal C，et al. Reflectance indices as a diagnostic tool for weed control performed by multipurpose equipment in precision agriculture[J]. Planta Daninha，2012，30(2)：437-447.

[34]宋文沖. 基于GreenSeeker遙感技術的小麥-玉米估產模型及推薦施肥研究[D]. 北京：中國科學院，2005.

[35]馮宗會. 不同水氮管理下NDVI監測及優化施氮研究[D]. 北京：首都師范大學，2012.

[36]Xue L H，Li G H，Qin X，et al. Top dressing nitrogen recommendation for early rice with an active sensor in south China[J]. Precision Agric，2014，15(1)：95-110.

[37]覃 夏，王紹華，薛利紅. 江西鷹潭地區早稻氮素營養光譜診斷模型的構建與應用[J]. 中國農業科學，2011，44(4)：691-698.

[38]張 寧. 基于GreenSeeker主動遙感的大豆NDVI/RVI分析與籽粒產量估測的初步研究[D]. 南京：南京農業大學，2013.

[39]盧艷麗，白由路，楊俐蘋，等. 利用GreenSeeker法診斷春玉米氮素營養狀況的研究[J]. 玉米科學，2008，16(1)：111-114.

[40]李新偉，余炳鳳，呂 新，等. 不同氮水平下棉花冠層NDVI分析與產量估測[J]. 農業機械學報，2014，45(7)：231-236.

[41]于 靜，李 斐，秦永林，等. 應用主動作物冠層傳感器對馬鈴薯氮素營養診斷[J]. 光譜學與光譜分析，2013，33(11)：3092-3097.

[42]王 磊，白由路，盧艷麗，等. 基于GreenSeeker的冬小麥NDVI分析與產量估算[J]. 作物學報，2012，38(4)：747-753.

[43]李立平，張佳寶，邢維芹，等. 手持式植物冠層光譜測定儀在黃淮海平原地區冬小麥氮肥精準管理中應用的初步研究[J]. 麥類作物學報，2006，26(4)：85-92.

[44]王明亞，毛培勝. 施氮、磷肥對老芒麥種子產量、產量組分及成熟期冠層NDVI值的影響[J]. 草業科學，2014，31(4)：683-688.

[45]王桂良. 超高產小麥干物質累積、氮素營養及診斷研究[D]. 鄭州：河南農業大學，2009.

[46]Li F，Miao Y，Zhang F，et al. In-season optical sensing improves nitrogen use efficiency for winter wheat[J]. Soil Science Society of America Journal，2008，73(5)：1566-1574.

[47]Cao Q，Cui Z L，Chen X P，et al. Quantifying spatial variability of indigenous nitrogen supply for precision nitrogen management in small scale farming[J]. Precision Agric，2012，13(1)：45-61.

[48]張國龍，陳 劍，李文平，等. 利用GreenSeeker與SPAD值監測棉蚜發生量[J]. 西北農業學報，2014，23(5)：171-176.

[49]Daughtry C S，Walthall C L，Kim M S，et al. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J]. Remote Sens Environ，2000，74(2)：229-239.

[50]Gnyp M L，Miao Y X，Yuan F，et al. Hyperspectral canopy sensing of paddy rice aboveground biomass at different growth stages[J]. Field Crops Research，2014，155：42-55.

[51]Li F，Miao Y，Chen X，et al. Estimating winter wheat biomass and nitrogen status using an active crop sensor[J]. Intell Autom Soft Comput，2010，16(6)，1221-1230.

[52]于 靜，李 斐，樊明壽. 主動作物冠層傳感器GreenSeeker在馬鈴薯氮素營養診斷中應用的可行性分析[J]. 中國蔬菜，2012(8)：20-25.

[53]Lukina E V，Raun W R，Stone M L，et al. Effect of row spacing，growth stages，and nitrogen rate on spectral irradiance in inter wheat[J]. Plant Nutr，2000，23(1)：103-122.

[54]Lofton J，Tubana B S，Kanke Y，et al. Estimating sugarcane yield potential using an in-season determination of normalized difference vegetative index[J]. Sensors，2012，12(6)：7529-7547.

10.15889/j.issn.1002-1302.2017.02.003

2015-11-26

國家自然科學基金青年科學基金(編號：31201686)；環保公益性行業科研專項(編號：201309035)；江蘇省農業科技自主創新資金[編號：CX(14)2050]。

紀榮婷(1992—)，女，安徽池州人，碩士研究生，主要從事蔬菜氮素營養與環境效應的研究。E-mail：rtji@issas.ac.cn。

施衛明，研究員，主要從事植物營養分子生物學及農業面源污染研究。E-mail：wmshi@issas.ac.cn。

S158；S127

A

1002-1302(2017)02-0009-05

紀榮婷，閔 炬，黃程鵬，等. 光譜儀在作物施氮推薦中的應用研究進展——以GreenSeeker光譜儀為例[J]. 江蘇農業科學，2017，45(2)：9-13.