基于便攜式作物生長監測診斷儀的江西雙季稻氮肥調控研究

李艷大，舒時富，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測診斷儀的江西雙季稻氮肥調控研究

李艷大，舒時富，陳立才，葉 春，黃俊寶，孫濱峰，王康軍，曹中盛

（江西省農業科學院農業工程研究所/江西省農業信息化工程技術研究中心，南昌 330200）

建立基于便攜式作物生長監測診斷儀的江西雙季稻氮肥調控模型，利用模型推薦穗肥追氮量，實現江西雙季稻氮肥追施的精確管理。基于不同株型品種和氮肥處理的田間試驗資料，構建了雙季稻葉面積指數光譜監測模型，利用拔節期的差值植被指數實時估測葉面積指數，進而結合江西雙季稻高產栽培經驗和建立的氮肥調控模型，對雙季稻穗肥追氮量進行實時推薦，并和當地農戶施肥方案和產量進行比較。雙季稻關鍵生育期（分蘗期、拔節期、孕穗期、抽穗期和灌漿期）的冠層差值植被指數DVI (810，720)與葉面積指數均呈顯著正相關，線性函數擬合效果優于其他函數。利用獨立試驗資料對所建模型進行了檢驗，單生育期的模型預測效果優于全生育期模型；其中，拔節期的光譜監測模型表現最佳，早稻和晚稻葉面積指數的光譜監測模型的2分別為0.880 6和0.878 8，模型預測早稻和晚稻葉面積指數的均方根誤差、相對均方根誤差、相關系數分別為0.30和0.25、7.28%和6.18%、0.923 2和0.926 9。氮肥調控模型推薦施肥應用表明，緊湊型品種的穗肥用量高于松散型品種；與農戶方案相比，氮肥調控模型推薦施肥的調控方案在產量不降低的情況下減少氮肥用量6.58 kg/hm2，提高氮肥農學利用率0.82個百分點、凈收益103元/hm2和產投比0.9，而產量比農戶方案略高或持平。與傳統非定量農戶施肥法相比，基于便攜式作物生長監測診斷儀的雙季稻氮肥調控方法可在保證產量的情況下，減少施氮量，提高氮肥農學利用率，獲得更高經濟效益，在江西雙季稻生產中具有推廣應用價值。

氮；肥料；作物；便攜式作物生長監測診斷儀；雙季稻；差值植被指數；氮肥調控；葉面積指數；產量

0 引 言

中國是水稻生產大國，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量高低和品質優劣，同時過量施用氮肥易造成生產成本上升、環境污染和土地可持續生產能力下降[2-3]。因此，水稻氮肥的科學運籌和精確調控，對于發展高產、優質、高效、生態、安全的水稻生產具有重要的現實意義。要達到水稻生產精確施肥的目的，首先要對水稻的長勢及植株氮素營養狀況進行監測診斷。水稻氮素營養監測診斷的常規方法，主要有室內化學分析法、葉色卡法和便攜式葉綠素計法等[4-6]。室內化學分析法直觀可靠，但需破壞性采樣、費時耗工、分析成本高難以實時應用；葉色卡法直觀快捷，但缺乏量化指標、經驗性較強不便于精確推薦氮肥用量；便攜式葉綠素計法只能采集單個葉片信息，且對測定部位和經驗要求較高難以反映群體特征。近年來，具有實時、快速、無損、信息量大的光譜遙感技術發展迅速，已廣泛應用于作物長勢及生化組分指標的定量監測診斷。國內外許多學者利用冠層反射光譜建立了作物葉片含氮量、葉面積指數、葉綠素含量等生長指標光譜監測模型[7-11]。也有許多學者利用光譜植被指數構建了作物氮素營養診斷調控模型[1,12-16]，進而實時推薦氮肥追施量，實現氮肥的高效利用。盡管在基于光譜的作物長勢及氮素營養無損監測與定量診斷調控方面已有較多研究，建立了許多氮素營養光譜監測與診斷調控模型，具有一定的應用價值，但由于研究方法不同，所建模型形式、模型中的參數個數及其數值等均存在一定差異，且有關基于光譜的江西雙季稻長勢監測及實時精確追氮調控的研究鮮有報道。因此，建立一個簡單實用、能夠準確推薦雙季稻穗肥追氮量的光譜監測與診斷調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栽培經驗基礎上，建立基于冠層光譜植被指數的雙季稻氮肥調控模型，利用模型推薦穗肥追氮量，從而實現雙季稻氮肥追施的按需定量投入，以期為江西雙季稻豐產、增效生產提供技術支持。

1 材料與方法

1.1 試驗設計

試驗I：于2013年和2014年3—11月在江西省南昌縣八一鄉進行不同早、晚稻株型品種與不同施氮水平的田間試驗。2013年試驗數據用于建立葉面積指數光譜監測模型，2014年試驗數據用于葉面積指數光譜監測模型的檢驗。試驗點耕作層土壤含有機質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。采用裂區設計，主區為品種，副區為氮肥。早、晚稻均設2個品種和4個施氮水平，重復3次，株行距為14 cm×24 cm，每穴栽3苗，南北行向，小區之間以埂相隔，埂上覆膜，獨立排灌，小區面積30 m2。早稻4個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華占（TYHZ，緊湊型）和岳優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%）。其他管理措施同當地高產栽培。

試驗II：于2014年3—11月在江西省新干縣溧江鎮進行不同早、晚稻株型品種與不同穗肥追氮量的田間試驗。試驗點耕作層土壤含有機質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。采用裂區設計，主區為品種，早、晚稻均設2個品種，副區為穗肥追氮量，設3個水平，重復3次，株行距為14 cm × 24 cm，每穴栽3苗，南北行向，小區之間以埂相隔，埂上覆膜，獨立排灌，小區面積60 m2。早稻3個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，農戶方案）和模型推薦追氮量（T2，調控方案），供試早稻品種為株兩優1號（ZLY1，緊湊型）和株兩優3號（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，農戶方案）和模型推薦追氮量（T2，調控方案），供試晚稻品種為五豐優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處理小區不施肥；T1和T2處理小區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I一致。其他管理措施同當地高產栽培。

試驗III：于2014年3—11月在江西省余江縣平定鄉進行不同早、晚稻株型品種與不同穗肥追氮量的田間試驗。試驗點耕作層土壤含有機質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。采用裂區設計，主區為品種，早、晚稻均設2個品種，副區為穗肥追氮量，設3個水平，重復3次，株行距為14 cm × 24 cm，每穴栽3苗，南北行向，小區之間以埂相隔，埂上覆膜，獨立排灌，小區面積60 m2。早稻3個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，農戶方案）和模型推薦追氮量（T2，調控方案），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，農戶方案）和模型推薦追氮量（T2，調控方案），供試晚稻品種為黃莉占（HLZ，緊湊型）和五優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處理小區不施肥；T1和T2處理小區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I一致。其他管理措施同當地高產栽培。

1.2　測定項目與方法

1.2.1 冠層光譜反射率測定及光譜植被指數計算

早、晚稻冠層光譜反射率采用南京農業大學國家信息農業工程技術中心研發的便攜式作物生長監測診斷儀[17]進行測量。該儀器為被動遙感，多光譜傳感器由720和810 nm 2種探測鏡頭組成，視場角27°。測量時間均選擇晴朗、無云或少云、無風或微風天氣進行，時間范圍為10:00－14:00，將傳感器垂直向下，距早、晚稻冠層1 m左右，每個小區測量3點，每點重復測量5次，對所采集的數據進行差異顯著性分析后，取平均值作為該小區測量值。試驗I兩年的觀測時間一樣，于早、晚稻分蘗期、拔節期、孕穗期、抽穗期和灌漿期進行測量。試驗II和試驗III均在早、晚稻拔節期進行測量。利用冠層810和720 nm的光譜反射率計算差值植被指數（differential vegetation index，DVI）、歸一化植被指數（normalized difference vegetation index，NDVI）和比值植被指數（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測診斷儀獲得。

1.2.2農學參數測定及氮肥農學利用率計算

與冠層光譜反射率測定同步，每個小區通過測定植株莖蘗數、株高等方式選取平均大小的代表性稻株4穴，根據植株器官發育情況，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，采用比葉重法計算葉面積，進而得到葉面積指數。樣品粉碎后采用凱氏定氮法測定植株各器官含氮量[18]。成熟期每處理調查20穴莖蘗數，算出有效穗數，取樣5穴測定穗粒數、結實率、千粒質量；各小區收割中心4 m2測產，單獨脫粒曬干并風選后，稱干谷質量，同時測定干谷水分含量，然后計算折合含水率為14%的稻谷產量。氮肥農學利用率（nitrogen agronomic efficiency，NAE）計算如下

NAE=(施氮區產量–不施氮區產量)/施氮量×100%（4）

1.3　氮肥調控模型算法

在早、晚稻穗肥施用的關鍵期（拔節期），通過采集冠層光譜數據無損估算實時葉面積指數（LAI），在綜合考慮早、晚稻目標產量下的最大葉面積指數（LAImax）、總需氮量（TND，kg/hm2）和單位葉面積指數需氮量（LNDDLAI，kg/hm2）的基礎上，按照如下計算方法得到穗肥追氮量（PN，kg/hm2）。

PN=(LAImax–LAI)×LNDDLAI（5）

式中LAImax為目標產量下的最大葉面積指數，可以通過當地高產條件下的歷史數據獲得[19]，特定土壤及環境條件下，獲得目標產量的LAImax相對穩定，根據本試驗研究結果表明，供試早、晚稻品種的LAImax的值分別介于6.0～6.4和6.4～6.7，為便于大田生產應用及比較分析，本文早、晚稻LAImax分別取值6.2和6.5；LAI為拔節期實時葉面積指數，可以根據拔節期獲得的冠層差值植被指數無損估算求得，其計算見公式（6）；LNDDLAI為目標產量下的單位葉面積指數需氮量（kg/hm2），其計算見公式（7）。

LAI=×DVI+（6）

式中、為方程系數，由試驗I 2013年試驗數據擬合而得，早稻、值分別為10.928、2.7723，晚稻、值分別為10.75、2.842；DVI為拔節期的冠層差值植被指數，其計算見公式（1）。

LNDDLAI=TND/LAImax（7）

式中TND為獲得目標產量的總需氮量，kg/hm2，其計算見公式（8）。

TND=GYT×ND （8）

式中GYT為目標產量，kg/hm2，可以通過當地高產條件下的歷史數據獲得[20]，特定土壤及環境條件下，GYT相對穩定，為便于大田生產應用及比較分析，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），根據試驗I 2013年試驗結果確定，本文早、晚稻ND均取值0.02 kg/kg。

1.4　模型檢驗

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）和相關系數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關系圖，以直觀地展示模型的擬合度和可靠性。RMSE、RRMSE和的計算公式如下

2 結果與分析

2.1 早、晚稻葉面積指數光譜監測模型的構建

將早、晚稻各生育期的冠層差值植被指數（DVI）、歸一化植被指數（NDVI）和比值植被指數（RVI）分別與葉面積指數（LAI）進行線性、對數、多項式、冪函數和指數的擬合分析。結果表明，早、晚稻葉面積指數均與DVI的線性擬合相關性最好（表1），決定系數2介于0.7447～0.8806。早、晚稻拔節期和抽穗期的相關性最高。進一步分析早、晚稻全生育期的數據，顯示全生育期的DVI與LAI的擬合效果較拔節期差，其線性方程的決定系數2低于0.85。

表1 不同生育期的早、晚稻葉面積指數與冠層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、晚稻葉面積指數光譜監測模型的檢驗

為了檢驗早、晚稻葉面積指數光譜監測模型的可靠性，用試驗I 2014年的試驗數據對構建的葉面積指數光譜監測模型進行了檢驗。采用國際上常用的均方根誤差RMSE、相對均方根誤差RRMSE和相關系數來分析早、晚稻葉面積指數模擬值與觀測值之間的符合度。結果表明，早、晚稻各個生育期回歸方程的預測效果都較好，RMSE介于0.22～0.77，RRMSE介于6.18%～16.78%，介于0.882 2～0.944（圖1）。單生育期的光譜監測模型預測效果明顯優于全生育期光譜監測模型。其中，早、晚稻穗肥施用關鍵期（拔節期）的光譜監測模型對葉面積指數的預測效果非常理想。從圖1可以看出，早、晚稻各個生育期葉面積指數的模擬值與觀測值之間具有較好的一致性，如模型對早、晚稻拔節期葉面積指數進行預測的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，選用拔節期的光譜監測模型來實時診斷穗肥推薦時的葉面積指數（式（6））。

圖1　早晚稻葉面積指數觀測值與模擬值的比較

2.3　氮肥調控模型的應用

利用試驗I 2013年試驗數據建立的氮肥調控模型及相關參數對試驗II和試驗III不同供試早、晚稻株型品種進行了推薦施肥（調控方案）。結果表明，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（拔節期）松散型品種葉傾角小、葉片平展、封行早，其葉面積指數和冠層DVI均比緊湊型品種大的緣故。

由表3可知，與農戶方案（T1）相比，氮肥調控模型推薦施肥的調控方案（T2）的氮肥用量顯著低于農戶方案，產量比農戶方案略高或持平，調控方案的氮肥農學利用率（NAE）顯著高于農戶方案。早、晚稻調控方案的氮肥用量平均比農戶方案低6.58 kg/hm2，而調控方案的產量和氮肥農學利用率均分別比農戶方案高27.43 kg/hm2和0.82個百分點。這說明調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險，具有良好的生態效益。按照氮肥（尿素）2.6元/kg和稻谷售價2.4元/kg，計算了各處理的經濟效益。結果表明，調控方案的凈收益和產投比均顯著高于農戶方案。早、晚稻調控方案的凈收益和產投比分別平均比農戶方案高103元/hm2和0.9。說明調控方案能顯著提高氮肥利用率、減少氮肥用量、降低生產成本及增加早、晚稻的凈收益和產投比。

表2 基于氮肥調控模型的早、晚稻穗肥施氮量

表3 不同早、晚稻氮肥調控方案的產量、氮肥農學利用率及經濟效益比較

注：表中T1和T2分別表示農戶方案和調控方案，相同品種的不同施肥方案間，標以不同字母表示在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，發展江西雙季稻生產對于中國糧食安全與社會穩定具有重要的保障作用。近年來，隨著中國水稻產量水平的不斷提高，化肥特別是氮肥的施用量持續增加，導致肥料利用率低及土壤酸化[3,21]。因此，如何根據雙季稻苗情來實時無損精確調控氮肥施用，確保高產的同時克服以往過量的氮肥投入導致氮肥利用率低、生產成本上升和環境污染問題成為江西雙季稻生產的研究重點。

本研究基于不同早、晚稻品種與施氮水平的田間試驗資料，利用便攜式作物生長監測診斷儀，構建了基于差值植被指數DVI (810，720)的早、晚稻葉面積指數光譜監測模型。利用獨立的田間試驗資料，對模型進行了初步檢驗。結果表明，單生育期的模型預測效果優于全生育期，其中，拔節期的葉面積指數光譜監測模型表現最佳，模擬值與觀測值之間具有較好的一致性，預測早稻和晚稻葉面積指數的均方根誤差、相對均方根誤差、相關系數分別為0.30和0.25、7.28%和6.18%、0.9232和0.9269，與基于比值植被指數RVI (810，560)的水稻葉面積指數預測效果[22]基本相當，但優于差值植被指數DVI (854，760)對水稻葉面積指數的預測效果[23]。與常規破壞性取樣估測葉面積指數法[24]相比，本研究采用便攜式作物生長監測診斷儀獲取光譜數據建立葉面積指數監測模型，進而估算雙季稻葉面積指數，具有數據獲取快捷、實時、無損等特點，能在一定程度上克服常規方法“以點帶面”的取樣誤差。

本研究在綜合考慮江西雙季稻高產栽培經驗的基礎上，建立了基于便攜式作物生長監測診斷儀的江西雙季稻氮肥調控模型。該模型利用拔節期的冠層差值植被指數DVI實時估測葉面積指數，進而對雙季稻穗肥追氮量進行實時推薦；模型具有參數少、計算簡單實用、準確等特點，是對前人研究[14]的進一步改進和本地化應用，使其能更加符合江西雙季稻生產的實際需要。同時，一定程度上克服了前人[25]基于全生育期設計需氮量，而不能根據作物苗情來實時調控追氮量的不足。利用該模型及相關參數對不同供試早、晚稻株型品種進行了推薦施肥，結果表明，緊湊型品種的穗肥用量高于松散型品種。其原因是拔節期松散型品種葉傾角小、葉片平展、封行早，葉面積指數和冠層差值植被指數DVI均比緊湊型品種大的緣故。這說明拔節期是利用光譜遙感進行株型識別，進而指導雙季稻精確施肥的最佳時期，這與前人的研究結論一致[26]。本研究還表明，該模型能較準確的估算早、晚稻穗肥需氮量，進而按需推薦施肥；在保證產量的前提下，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投比。

當然，本研究建立的氮肥調控模型僅適用于江西及相似土壤和環境條件的雙季稻區，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和目標產量差異可能會導致模型的實用性不廣泛。因此，今后應該在江西及相似雙季稻主產區采用多年多點試驗資料對模型進行本地化應用測驗與完善，并對不同區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等指標進行更深入的研究。

4 結 論

江西雙季稻關鍵生育期的冠層差值植被指數與葉面積指數呈顯著線性相關，拔節期的葉面積指數光譜監測模型表現最佳，模型預測早稻和晚稻葉面積指數的均方根誤差、相對均方根誤差、相關系數分別為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栽培經驗的基礎上，構建與應用驗證了基于便攜式作物生長監測診斷儀的氮肥調控模型。結果表明，緊湊型品種的穗肥用量高于松散型品種；與農戶方案相比，氮肥調控模型推薦施肥的調控方案可在保證高產的同時，減少氮肥用量6.58 kg/hm2，提高氮肥農學利用率0.82個百分點，凈收益103元/hm2，在江西雙季稻生產中具有推廣應用價值。

[1] 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.

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. 水稻氮效率評價系統的建立與氮高效形成機理的研究[D]. 武漢：華中農業大學，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，曹衛星，王強盛，等. 水稻葉色分布特點與氮素營養診斷[J]. 中國農業科學，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. 不同光譜植被指數反演冬小麥葉氮含量的敏感性研究[J]. 中國農業科學，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控效應研究[J]. 中國農業科學，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. 基于光譜指數的冬小麥變量施肥效應研究[J]. 中國農業科學，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. 便攜式作物生長監測診斷儀的設計與試驗[J]. 農業工程學報，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. 植物生理學實驗指導[M]. 北京：高等教育出版社，2009：48－50.

[19] 李艷大，舒時富，陳立才，等. 基于歸一化法的雙季稻葉面積指數動態預測模型[J]. 中國農學通報，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] 鄒應斌. 長江流域雙季稻栽培技術發展[J]. 中國農業科學，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，曹衛星，羅衛紅，等. 光譜植被指數與水稻葉面積指數相關性的研究[J]. 植物生態學報，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. 高光譜植被指數與水稻葉面積指數的定量關系[J]. 應用生態學報，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. 作物群體結構的概念與測定方法[J]. 中國農業氣象，1984，5(3)：51－55.

[25] 候彥林. “生態平衡施肥”的理論基礎和技術體系[J]. 生態學報，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，王紀華，等. 冬小麥不同株型品種光譜響應及株型識別方法研究[J]. 作物學報，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

國家重點研發計劃項目（2016YFD0300608）；國家青年拔尖人才支持計劃項目；江西省科技計劃項目（20161BBI90012、20182BCB22015）；公益性行業（農業）科研專項（201303109-4）和江西省農業科學院科技創新及成果轉化基金項目（2016CJJ001）聯合資助

李艷大，研究員，博士，主要從事信息農學與農機化技術研究。Email：liyanda2008@126.com

李艷大，舒時富，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測診斷儀的江西雙季稻氮肥調控研究[J]. 農業工程學報，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