基于高分一號影像數據的水稻定量施肥可視化

李新偉， 陶新宇， 馬露露， 張官進

(1.安徽科技學院資源與環境學院，滁州 233100；2.新疆生產建設兵團綠洲生態農業重點實驗室，石河子 832003)

隨著農業生產精準管理技術的成熟[1-2]，農作物施肥經歷了傳統定性施肥、機械半定量施肥、滴灌半定量施肥和智能機械定量施肥的過程[3-4]。而氮肥作為水稻施肥中最重要的肥料之一[5]，也是高產的重要因素[6]，氮肥管理經歷了由定性、半定量向精準變量，由傳統實驗室化驗向便捷化監測方向發展[7-8]。定量的施肥有利于作物的生長，實現了“需多少，施多少”的精準施肥管理目標。同時，減少了肥料的浪費，節約生產成本和勞動力，也實現了環境友好的農業可持續發展目標。

衛星遙感技術目前已具有“高空間分辨率、高時間分辨率和高光譜分辨率”的技術特點[9-10]，遙感技術優勢在于對地表資源便捷、精準的觀測，提取海量的地理信息數據，用于各行各業的研究[11]。衛星遙感技術在農業上的廣泛應用，為農業的直觀、可視化表達提供了有力支撐[12-14]，其技術核心在于：衛星遙感數據在氮素營養診斷的基礎上，建立農作物關鍵生育時期追肥推薦模型，以此利用遙感反演技術實現定量施肥可視化表達。現利用GF-1 WMV數據，對水稻定量施肥可視化研究，滿足了實時、便捷、精準施肥科學管理的需求。

1 材料與方法

1.1 試驗設計

以安徽省當涂縣盛農丹陽湖農場(31°30′25″N，118°40′42″E)為研究區域，如圖1所示。研究區屬北亞熱帶季風氣候，日照時數2 235 h，無霜期233 d。本試驗小區試驗：采用氮素單因素120 kg·hm-2的梯度試驗，3 次重復，每個梯度設3個試驗小區，45 個小區隨機排列，另外有27 個驗證試驗小區，磷、鉀肥全部作為基肥施用。

圖1 研究區區位圖Fig.1 Study area map

1.2 數據獲取與處理

從地理空間數據云下載2016年水稻分蘗期(6月28日)、拔節期(7月13日)和抽穗期(8月20日)等關鍵生育期時期GF-1 WFV遙感影像(多光譜波段包括R、G、B和NIR四個波段，空間分辨率16 m)。邊界矢量數據為RTK實地獲取后再ArcGIS中矢量化編輯。獲取72個小區植株樣品，每個時期獲取植株樣本216個，如圖2所示。

圖2 研究區采樣點Fig.2 Sampling point of study area

2 結果與分析

2.1 水稻氮素營養診斷可視化表達

通過ENVI _IDL二次開發植被提取工具對水稻關鍵生育期GF-1影像進行植被指數提取，計算了歸一化植被指數(NDVI)、近紅外指數(NIR)、綠度比值植被指數(GRVI)、綠度差值植被指數(GDVI)、綠度歸一化差值植被指數(GNDVI)、GOW DRVI、葉綠素指數(CI)、植被指數(DVI)和綠度優化土壤調節植被指數(GSAVI)等9種與綠色植物氮營養狀況密切相關的植被指數值，并與反映水稻氮素營養狀況的農學參數植株氮濃度進行相關分析，以期得到水稻氮素營養診斷的指標，如表1所示。結果表明，分蘗期水稻氮營養與GWDRVI相關性最好(R2=0.755 4)，這可能是GWDRVI計算中利用近紅外與綠光波段反射率的比值計算弱化了分蘗期水稻土壤背景值，增強了氮水稻植株氮營養的表達；拔節期水稻氮營養與GDVI相關性最好(R2=0.720 4)，這可能是拔節期是水稻需求養分的敏感時期，GDVI中突出了近紅外光譜反映植被冠層健康狀況形成了較好的“紅邊”現象；抽穗期水稻氮素營養與DVI相關性最好(R2=0.638 6)，這可能是由于抽穗期水稻營養生長轉向生殖生長的關鍵時期，同時受土壤背景變化影響不大，DVI對氮營養變化敏感。因此，選擇GWDRVI、GDVI、DVI作為水稻分蘗期、拔節期和抽穗期氮素營養診斷指標。

表1 植被指數與水稻植株氮濃度的相關關系

依據氮素營養診斷模型，在ENVI 5.1中對研究區域GF-1影像進行波段提取與模型反演，制作水稻關鍵生育期氮素營養診斷反演圖(圖3)。

圖3 水稻關鍵生育期氮素營養診斷反演圖Fig.3 Inversion map of nitrogen nutrition diagnosis in keygrowth period of rice

2.2 水稻氮肥效應曲線建立

通過不同氮素梯度處理的水稻總施氮量與對應處理水稻產量的分析，建立了氮肥效應回歸模型：y=-0.077 5x2+46.257x+4 266.2，如圖4所示。通過對擬合方程的分析，得到水稻施肥總量298.4 kg·hm-2和最高產量11 168.5 kg·hm-2。結合水稻和氮肥商品價格，對氮肥效應曲線求偏導得到最佳經濟施肥量285.5 kg·hm-2，對應產量11 155.6 kg·hm-2為最佳經濟產量，以此得到分蘗期、拔節期和抽穗期的氮素營養診斷臨界值(表2)，以此判斷是否施肥。

圖4 水稻施肥效應曲線Fig.4 Effect curve of Fertilization on Rice

2.3 水稻關鍵生育期施肥處方圖制作

依據施氮總量、診斷指數、產量和施肥量等相互關系，通過式(1)、式(2)結合和建立水稻分蘗期、拔節期和抽穗期關鍵生育時期的定量施肥模型(表2)。

表2 水稻推薦施肥模型

N1=aX+b

(1)

N2=N0-N1

(2)

將式(1)代入式(2),得到追肥模型:

N2=N0-aX-b

(3)

式中:X為實測診斷指數；a為施氮量與診斷指數的線性方程的截距；b為施氮量與診斷指數的線性方程的回歸系數；N0為施肥總量；N1為前一次的施肥量；N2為追肥量。

在ENVI 5.1中運用波段運算，通過R、G、B和NIR四個波段的反射率計算GWDRVI(0.12NIR-G)/(0.12NIR+G)、GDVI(NIR-G)和DVI(NIR-R)，再利用水稻分蘗期、拔節期和抽穗期追肥模型計算區域條田每個像素點的施肥量，從而實現施肥量的定量可視化表達，如圖5所示。

圖5 水稻關鍵生育期推薦施肥處方Fig.5 Recommended fertilization prescription in key growth period of rice

3 結論

通過以上研究，得到以下結論。

(1)建立以多種典型植被指數的水稻關鍵生育時期氮素營養診斷的最優植被指數(分蘗期、拔節期和抽穗期分別為GWDRVI、GDVI和DVI)，其診斷指標的建立為構建基于光譜診斷的追肥推薦模型奠定了理論基礎。

(2)根據水稻氮肥效應曲線的分析，可得水稻總施氮量(298.4 kg/hm2)，作為追肥總量的參考。通過施肥量、產量和邊際產量效應計算的最佳經濟施肥量(285.5 kg/hm2)，得到水稻各關鍵生育時期的臨界診斷值，為診斷冬小麥關鍵生育期是否補充氮肥提供依據。

(3)綜合水稻關鍵生育時期的施氮總量與最優植被指數值線性關系、最佳施肥量、最高施肥量可得基于植被指數值的定量追肥模型：分蘗期y=-26.74x-10.27，拔節期y=-38.42x+19.21，抽穗期y=-148.32x+115.99。最終結合遙感反演和地理信息系統實現施肥的可視化表達。