基于主動冠層光譜儀的萵苣生物量及氮素營養(yǎng)狀況估測

紀榮婷，閔 炬，王 遠，陸志新，路 廣，施衛(wèi)明*

（1 生態(tài)環(huán)境部南京環(huán)境科學研究所，江蘇南京 210042；2 中國科學院南京土壤研究所土壤與農業(yè)可持續(xù)發(fā)展國家重點實驗室，江蘇南京 210008；3 宜興市蔬菜辦公室，江蘇宜興 214206）

萵苣 (Lactuca sativaL.) 屬一年生或二年生草本菊科，是一種重要的蔬菜作物，栽培萵苣起源于西南亞地區(qū)，目前已在全世界廣泛種植[1]。萵苣是我國常見的蔬菜種植類型，味道鮮美，富含多種礦質元素，在太湖地區(qū)秋冬季廣泛種植。因其產量和經(jīng)濟效益較高，且氮素需求量較大，在現(xiàn)實生產中人們通常投入大量肥料，特別是氮肥以達到高產目的[2]。充足的氮素供應可提高萵苣中礦質養(yǎng)分含量，改善碳水化合物和糖類的比例，提高維生素C和胡蘿卜素含量[3]，但過量氮肥施用不僅不能顯著增產，且易造成植株硝酸鹽過量累積，對水環(huán)境和大氣環(huán)境也會造成負面影響[4-6]。因此，在保證產量的同時確定合理的化肥氮用量是萵苣生產中亟需解決的問題，如何在生長期內快速、準確、無損地監(jiān)測萵苣的氮素營養(yǎng)狀況對氮肥合理施用具有重要意義。

傳統(tǒng)的氮素營養(yǎng)診斷方法有土壤測試、植株外部形態(tài)觀測、化學成分分析法等[7-8]，但其測試過程較為復雜，耗時較長，且需要破壞性采樣，不適合在生產中快速診斷作物氮素營養(yǎng)狀況。近年來，隨著遙感技術的發(fā)展，多種光譜儀逐漸應用于作物氮素營養(yǎng)診斷與施肥推薦[9]。其中，GreenSeeker光譜儀因其具有主動光源，不易受外界環(huán)境干擾，精確性和靈敏性較高而備受關注，可進行大田尺度的作物氮素營養(yǎng)診斷和產量預測[10]。研究表明，作物冠層在可見光波段的反射率主要取決于葉柵欄層中的葉綠素含量，與葉片氮素營養(yǎng)狀況及氮含量呈負相關；在近紅外區(qū)域的反射率主要取決于葉肉細胞及細胞間空腔的結構，與葉片氮素營養(yǎng)狀況及氮含量呈正相關[11]。因此，利用GreenSeeker冠層光譜儀可監(jiān)測作物的氮素營養(yǎng)狀況并進行進一步的氮素營養(yǎng)管理。目前，國內外研究已利用GreenSeeker冠層光譜儀進行小麥、玉米、水稻等大田作物的生物量和氮素營養(yǎng)狀況預測[12-14]。Li等[15]研究表明，利用GreenSeeker冠層光譜儀測定的植被歸一化指數(shù)(normalized difference vegetation index, NDVI) 和比值植被指數(shù) (ratio vegetation index, RVI) 與冬小麥生物量和植株吸氮量間決定系數(shù)分別為0.805～0.819和0.508～0.659。在春玉米中，GreenSeeker冠層光譜儀測定的光譜指數(shù)對氮營養(yǎng)指數(shù) (NNI) 預測的準確性為33%～55%[14]。但由于蔬菜冠層結構的特殊性、品種的多樣性和施肥制度的特殊性，目前GreenSeeker冠層光譜儀在蔬菜作物生物量和氮素營養(yǎng)預測方面研究較少。部分研究報道，GreenSeeker冠層光譜儀可用于監(jiān)測胡蘿卜健康狀況，并可在盆栽試驗中監(jiān)測包心菜的氮素營養(yǎng)狀況[16-17]。但上述研究未建立定量預測關系或研究尺度較小，無法代表實際生產情況。因此，在田間尺度下，GreenSeeker冠層光譜儀能否應用于萵苣及其他蔬菜作物生物量和氮素營養(yǎng)實時監(jiān)測，其預測準確性如何仍有待明確。

因此，以太湖地區(qū)常見的莖菜類蔬菜—萵苣為研究對象，利用兩年不同施氮水平下的田間試驗為基礎，利用GreenSeeker光譜儀獲取不同生長期 (幼苗期、蓮座期、莖形成期、收獲期) 的冠層植被指數(shù)：植被歸一化指數(shù) (normalized difference vegetation index, NDVI) 和比值植被指數(shù) (ratio vegetation index,RVI)，分析不同植被指數(shù)與萵苣地上部生物量(aboveground biomass, AGB)、根冠比 (root to shoot ratio, RTS)、植株吸氮量 (plant N uptake, PNU)、植株氮濃度 (plant N concentration, PNC) 等指標間的相關和回歸分析關系，以期為萵苣提供一種快速、實時、原位的生物量和氮素營養(yǎng)狀況估測方法，并為GreenSeeker光譜儀更好的應用于蔬菜氮素營養(yǎng)管理與推薦施肥提供科學依據(jù)。

1 材料與方法

1.1 試驗設計

試驗地點位于宜興市丁蜀鎮(zhèn)農業(yè)科技示范園(31°14′N、119°53′E)，該地區(qū)屬于亞熱帶季風性氣候，年平均氣溫和降雨量分別為15.7℃和1177 mm。供試土壤 (0—20 cm)理化性質為：pH 5.69，EC值0.28 mS/cm，土壤有機質、總氮、硝態(tài)氮、速效磷、速效鉀含量分別為24.9 g/kg、1.04 g/kg、42 mg/kg、64 mg/kg 和 63 mg/kg。試驗設 5 個施氮處理，3 次重復，小區(qū)面積為 8.75 m2(3.5 m × 2.5 m)，隨機區(qū)組排列。N1～N5處理化肥氮施用量分別為N 0、108、162、216、270 kg/hm2，各處理氮肥在移栽時和幼苗期分別施用50%，除N0外，其余各小區(qū)氮投入量中的有機N肥用量均為78 kg/hm2，磷鉀肥施用量分別為 P2O5120 kg/hm2和 K2O 150 kg/hm2。種植方式采用大棚種植，供試萵苣品種為宜興地區(qū)常見的大紫葉萵筍，試驗于 2016 年 (Year I) 和 2017 年(Year II) 秋季至冬季進行。

1.2 數(shù)據(jù)采集和樣品分析

萵苣冠層光譜特征值 (NDVI和RVI) 通過手持式冠層光譜儀 GreenSeekerTM(Trimble Inc., Sunnyvale,CA, USA) 測定。兩種冠層光譜特征值計算方式如下：

式中，ρNIR和ρRed分別代表光譜儀在近紅外波段和紅光波段的光譜反射率。

各小區(qū)NDVI和RVI測定時間為上午9:00—10:00，測定時光譜儀垂直放置于作物冠層上方60 cm處。測定時手持光譜儀以勻速行進，各小區(qū)獲取4個測定值并以其平均值作為小區(qū)測定結果[18]。各小區(qū)萵苣冠層光譜測定示意圖如圖1所示。

圖1 小區(qū)布置圖及萵苣冠層光譜測定示意圖Fig. 1 Plot layout and canopy spectrum sensing diagram

各小區(qū)光譜值測定及采樣日期和相應生長階段如表1所示。測定光譜值后立即采集各小區(qū)植物樣品進行進一步分析。各小區(qū)采集3株萵苣，每個時期各采集1組植株樣，生育期內共采集4組植株樣品。將萵苣整株從土壤中挖出，分為地上部和根系兩個部分。稱取地上部生物量 (AGB) 和根重并計算根冠比 (RTS)，然后在105℃下殺青30 min，繼續(xù)在75℃下烘干72 h至恒重。隨后用植物粉碎機將樣品粉碎，濃H2SO4-H2O2消煮并通過凱氏定氮法[19]測定植株氮濃度 (PNC) 并計算植株吸氮量 (PNU)。

表1 Year I和Year II萵苣移栽、收獲日期及各生長發(fā)育時期具體采樣日期 (mm-dd)Table 1 Detailed transplanting, harvesting and sensing date in each growth stage of lettuces in year I and year II

1.3 數(shù)據(jù)統(tǒng)計

運用 SPSS 軟件 (ver. 20.0 for Windows, Chicago,IL, USA)、Pearson進行相關性分析。利用Matlab(The MathWorks Inc., Natick, MA, USA) 軟件進行回歸分析。圖形采用 Origin 8.5 (OriginLab Corporation,Northampton, MA, USA) 繪制。

2 結果與分析

2.1 光譜測定值與生物量和氮素營養(yǎng)指標相關性分析

Pearson相關分析可衡量定距變量間的線性關系，其計算出的相關性系數(shù)絕對值越接近1，表明變量間的相關性越強。冠層光譜測定值與生物量、氮素營養(yǎng)指標的相關性分析結果(表2）表明，除部分時期 (生長后期) 外，植被歸一化指數(shù) (NDVI) 和比值植被指數(shù) (RVI) 測定值在生育期內與地上部生物量(AGB) 和植株吸氮量 (PNU) 均極顯著正相關，與根冠比 (RTS) 和植株氮濃度 (PNC) 均呈顯著負相關。

表2 2016和2017年萵苣不同生長期冠層光譜儀測定的NDVI及RVI與植株生長和氮素利用指標間的相關系數(shù) (r)Table 2 Correlation coefficients (r) of the sensed NDVI and RVI with plant growth and nitrogen use index of lettuce in 2016 and 2017

在4個采樣時期，冠層光譜儀測定值 (NDVI和RVI) 與AGB和PNU指標間均呈顯著正相關。不同生長期NDVI測定值與AGB和PNU的相關系數(shù)介于0.779～0.945，RVI測定值與AGB和PNU的相關系數(shù)介于0.774～0.953。RTS與冠層光譜儀測定值呈顯著負相關，與NDVI的相關系數(shù)介于–0.367～–0.844，與RVI的相關系數(shù)介于–0.361～–0.852。PNC與冠層光譜儀測定值NDVI的相關系數(shù)介于–0.328～–0.732，與RVI的相關系數(shù)介于–0.495～–0.771。綜合4個采樣時期，冠層光譜儀測定值與AGB和PNU的相關系數(shù)較各單一時期雖略有下降，仍極顯著相關 (P＜0.01)，相關系數(shù)r介于0.729～0.918；光譜測定值與RTS和PNC間相關性較各單一時期明顯上升，綜合4個采樣時期數(shù)據(jù)后，相關性數(shù)r分別介于–0.558～–0.674 和–0.538～–0.736。綜上，冠層光譜儀測定的NDVI值和RVI值與萵苣各生長期AGB和PNU顯著正相關，與RTS和PNC顯著負相關，因此，冠層光譜儀可用于萵苣氮素營養(yǎng)狀況預測。

2.2 各時期光譜測定值與生物量和氮素營養(yǎng)指標回歸分析

為定量評估各生長階段GreenSeeker光譜測定值與萵苣生物量和氮素營養(yǎng)指標間的關系，進一步利用冠層光譜儀進行不同時期氮素營養(yǎng)指標的預測。本研究選擇3種不同類型的回歸方程 (線性方程、指數(shù)方程和冪函數(shù)方程) 來分析各時期光譜測定值與生物量和氮素營養(yǎng)指標間的關系，并通過F檢驗和決定系數(shù)的大小來評估預測方程的準確性，不同類型方程擬合結果如表3所示。對比不同類型預測方程結果表明，方程類型對預測結果無顯著影響，預測方程的決定系數(shù)以指數(shù)方程和冪函數(shù)方程較高。本研究中以決定系數(shù)最高的方程類型作為各指標的預測方程，并通過兩年測定結果建立各時期生物量和氮素營養(yǎng)狀況預測方程(表4)。

表3 不同時期萵苣冠層NDVI和RVI值與其生長和氮素營養(yǎng)指標間3 種回歸方程的決定系數(shù)Table 3 The correlation coefficients (R2) between canopy indexes (NDVI and RVI) and plant growth and nitrogen status indexes of lettuce using three equations at different growth stages

表4 不同時期萵苣冠層植被指數(shù)(NDVI和RVI) 與植物生長和氮素營養(yǎng)指標間預測方程及決定系數(shù)Table 4 The prediction equation andcoefficients of determinationbetween canopy indexes (NDVI andRVI) andbiomass andnitrogenstatus indexes (AGB, RTS, PNUand PNC)of lettuce using three equations at different growth stages

回歸分析結果表明，在2016年，RVI值在幼苗期和莖形成期對氮素營養(yǎng)指標的預測準確性較高，基于RVI測定值的AGB、RTS、PNU、PNC預測方程的R2分別為基于NDVI值的1～1.03、0.97～1.03、0.99～1.03和1.15～1.16倍；在蓮座期和收獲期，基于NDVI值的AGB、RTS、PNU、PNC預測方程的準確性分別比基于RVI值的預測方程高0～1.33%、1.75%～8.00%、0和0～3.85%。在2017年，除收獲期，NDVI值對AGB預測的準確性較RVI值提高26.23%外，其余時期兩種植被指數(shù)預測準確性差異不大；對于RTS，NDVI值預測的準確性顯著優(yōu)于RVI值，尤其在蓮座期，基于NDVI值預測方程的準確性為基于RVI值預測方程的1.11倍；對于PNU，兩指標預測準確性無明顯差異；對于PNC，基于RVI值的預測方程準確性優(yōu)于基于NDVI值的預測方程，基于RVI值的預測方程準確性為基于NDVI值預測方程的1～2.18倍。綜上，對于各時期氮素營養(yǎng)指標預測，NDVI值和

RVI值預測準確性差異不大，尤以NDVI值預測準確性較高。對比不同生長期冠層光譜儀對萵苣生物量和氮素營養(yǎng)指標的預測方程結果及準確性可知，蓮座期和莖形成期預測準確性較高，尤其以蓮座期最佳，蓮座期和莖形成期，冠層NDVI測定值對AGB、RTS、PNU、PNC預測準確性分別為0.76～0.92、0.37～0.71、0.77～0.88 和 0.34～0.54。而幼苗期和收獲期預測準確性相對較低，該時期對AGB、RTS、PNU和PNC的預測準確性分別比蓮座期和莖形成期低13.48%、38.03%、15.91%和29.63%。從利用兩年光譜測定數(shù)據(jù)建立的萵苣產量和氮素營養(yǎng)狀況統(tǒng)一預測方程結果來看，蓮座期為最佳預測時期，NDVI值對AGB、RTS、PNU、PNC預測準確性分別為73%、48%、52%、31% (表4)，因此，可利用冠層光譜儀進行不同年份萵苣產量和氮素營養(yǎng)狀況估測分析。

2.3 全生育期氮素營養(yǎng)指標預測結果分析

為提高預測結果的科學性和實際應用的便利性，在實際生產中更好的實時預測整個生長期萵苣的氮素營養(yǎng)狀況，有必要建立全生育期氮素營養(yǎng)指標預測方程來預測不同年份和不同生長期萵苣的氮素營養(yǎng)狀況。

在全生育期預測方程中，NDVI值和RVI值均與AGB成正相關 (圖2)。對比兩種冠層植被指數(shù)，基于NDVI的線性方程預測效果較好，而冪函數(shù)方程更加適用于RVI-AGB的預測?；贜DVI值預測方程的準確性和RMSE值分別比基于RVI值預測方程高22.73%和低9.16%。因此，NDVI值更適合于全生育期AGB的預測。整個生育期，冠層光譜儀測定的植被指數(shù) (NDVI和 RVI) 與 RTS 呈負相關 (圖 3)?；趦煞N植被指數(shù)的冪函數(shù)方程的預測準確性較高，兩個預測方程的R2值分別為0.43和0.36。對比兩種冠層植被指數(shù)，基于NDVI值預測方程的準確性和RMSE值分別比基于RVI值預測方程高19.44%和低7.41%。因此，NDVI值對全生育期RTS的預測準確性更高。同樣，基于冠層光譜儀的植被指數(shù)與全生育期PNU均顯著正相關，基于線性方程的NDVIPNU和冪函數(shù)方程的RVI-PNU預測方程的R2值分別為0.57和0.47 (圖4)?；贜DVI測定值的PNU預測方程的準確度和RMSE值分別比基于RVI值高21.28%和低10.34%。從全生育期結果來看，整個生育期冠層光譜儀測定的植被指數(shù) (NDVI和RVI) 與PNC呈負相關 (圖5)，基于兩種植被指數(shù)的冪函數(shù)方程的預測準確性較高，兩個預測方程的R2值分別為0.26和0.17，基于NDVI值的方程準確性較RVI值高52.94%，因此，NDVI值對全生育期PNC的預測準確性更高。因此，綜合不同氮素營養(yǎng)指標，NDVI值的預測準確性優(yōu)于RVI值，且AGB和PNU預測方程以線性方程為佳，RTS和PNC預測方程以冪函數(shù)方程準確性較高。

圖2 冠層植被指數(shù)NDVI和RVI 與2016和2017年萵苣地上部生物量 (AGB) 全生育期預測結果分析 (n=120)Fig. 2 Relationships between active canopy sensor-based normalized difference vegetation index (NDVI) and ratio vegetation index (RVI) and the aboveground biomass (AGB) of lettuce at all growth stages in 2016 and 2017

圖3 冠層植被指數(shù)NDVI 和RVI與2016和2017年萵苣根冠比 (RTS) 全生育期預測結果分析 (n=120)Fig. 3 Relationships between active canopy sensor-based normalized difference vegetation index (NDVI) and ratio vegetation index (RVI) and the root to shoot ratio (RTS) of lettuce at all growth stages in 2016 and 2017

圖4 冠層植被指數(shù)NDVI 和RVI 與2016和2017年萵苣植株吸氮量 (PNU) 全生育期預測結果分析 (n=120)Fig. 4 Relationships between active canopy sensor-based normalized difference vegetation index (NDVI) and ratio vegetation index (RVI) and the plant N uptake (PNU) of lettuce at all growth stages in 2016 and 2017

圖5 冠層植被指數(shù)NDVI 和RVI與2016和2017萵苣植株氮濃度 (PNC) 全生育期預測結果分析 (n=120)Fig. 5 Relationships between active canopy sensor-based normalized difference vegetation index (NDVI) (a) and ratio vegetation index (RVI) (b) and the plant N concentration (PNC) of lettuce at all growth stages in 2016 and 2017

2.4 方程校正

值得注意的是，盡管基于冠層光譜儀的全生育期氮素營養(yǎng)診斷方程可為實際應用提供有力的支撐。但與各生長時期預測方程相比，全生育期預測方程的準確性明顯下降。此外，由于部分時期惡劣天氣的干擾和其他農事操作的影響，很難確保各年份間采樣時期的一致性。因此，我們嘗試在全生育期預測方程中引入移栽后天數(shù) (DAT) 來提高預測方程的準確性 (表5)。研究表明，引入DAT并采用二元線性回歸分析，光譜測定值與氮素營養(yǎng)狀況指標間擬合準確性明顯提高 (表6)，尤其是地上部生物量(AGB) 和植株吸氮量 (PNU)。光譜測定值 (NDVI和RVI) 對AGB和PNU預測準確度提高了14.81%～40.43%，均方根誤差 (RMSE) 值降低了10.09%～20.69%。同時，基于NDVI值的校正方程準確性最高，對AGB和PNU預測的準確性分別達到62%和71%。但校正方程對RTS的預測準確性未見明顯變化，校正后方程準確性下降13.95%～22.22%。對于植株氮濃度 (PNC)，基于NDVI的預測方程準確性較高，校正后方程準確性提升至0.34，較校正前方程準確性提升了30.77%，RMSE值下降了6.25%。

表5 引入移栽后天數(shù) (DAT) 與冠層植被指數(shù) (NDVI和RVI) 估測萵苣地上部生物量 (AGB)、根冠比 (RTS)、植株吸氮量 (PNU) 和植株氮濃度 (PNC) 的預測方程Table 5 Equations for estimating aboveground biomass (AGB), root to shoot ratio (RTS), plant nitrogen uptake (PNU) and plant nitrogen concentration (PNC) using sensor-based measured normalized difference vegetation index (NDVI) and ratio vegetation index (RVI) and days after transplanting (DAT)

表6 引入移栽天數(shù) (DAT) 校正后萵苣生物量和氮素營養(yǎng)狀況預測方程參數(shù)變化Table 6 Change of the regression parameters in the model for lettuce biomass and N status predictions before and after modified with days after transplanting (DAT)

3 討論

研究表明，多種方法可用于監(jiān)測蔬菜作物的氮素營養(yǎng)狀況，如葉片氮濃度測定、組織硝酸鹽含量測試、SPAD儀和冠層光譜儀等[20]。在這些方法中，冠層光譜儀因其成本較低、無需破壞性采樣、準確性和可操作性較高而備受關注[10,21]。但因蔬菜品種多樣、冠層結構相對復雜、生育期相對較短，目前利用冠層光譜儀進行萵苣作物氮素營養(yǎng)診斷的研究較少，冠層光譜儀能否在田間尺度下進行萵苣等蔬菜作物生物量及氮素營養(yǎng)狀況的準確性預測仍有待研究[18]。本研究通過相關性分析和回歸分析表明，GreenSeeker測定的NDVI值和RVI值均與AGB、PNU極顯著正相關，與RTS和PNC呈顯著負相關。不同生長期冠層植被指數(shù)與AGB和PNU指標間的相關系數(shù)介于0.774～0.953；RTS和PNC與冠層植被指數(shù)的相關系數(shù)分別介于–0.361～–0.852和–0.328～–0.771 (表 2)。在以往研究中，SPAD 葉綠素儀對春黃瓜和秋黃瓜產量預測的準確性分別為55%和83%[22]。在馬鈴薯中，于靜等[23]研究發(fā)現(xiàn)，在塊莖形成期、塊莖膨大期和淀粉積累期，馬鈴薯冠層NDVI測定值與植株吸氮量呈顯著相關關系，y=0.397x0.15(R2= 0.57)。與 Xia 等[14]研究結果一致，在作物冠層封閉前的生長階段，作物生物量的增長速度快于植物對氮素的吸收，并主導了作物的冠層反射率，因此冠層光譜值與AGB間的相關性較PNC更好。此外，氮素營養(yǎng)供應狀況對作物根冠生長有明顯的調節(jié)作用，隨施氮水平的提高，根冠比降低[24]。目前，國內外未見對作物根冠比與NDVI測定值之間的相關關系進行研究，本試驗從蔬菜作物的根冠比與NDVI測定值的相關性角度進行分析，在一定程度上反映GreenSeeker光譜儀可表征蔬菜作物的氮素狀況，利用NDVI值進行萵苣的氮素營養(yǎng)診斷是可行的。綜上，冠層光譜儀對萵苣氮素營養(yǎng)指標預測的準確性與其他儀器基本一致甚至更好，因此，冠層光譜儀可用于萵苣氮素營養(yǎng)診斷。

本研究中對比分析了GreenSeeker冠層光譜儀測定的兩種植被指數(shù) (NDVI值和RVI值) 對萵苣氮素營養(yǎng)狀況預測的準確性。研究表明，進行各時期氮素營養(yǎng)指標預測時，不同時期和不同指標預測兩植被指數(shù)表現(xiàn)不同 (表3、表4)。在全生育期預測方程中，NDVI值對AGB、RTS、PNU、PNC的預測準確性分別較RVI值高22.73%、19.44%、21.28%和52.94% (圖2～圖5)。綜上，NDVI值對萵苣氮素營養(yǎng)狀況預測的準確性優(yōu)于RVI值。該結果與Cao等[21]研究結果一致，當作物生物量低于2 m2/m2時，NDVI對冬小麥葉面積指數(shù)預測的準確性更高。但Yao等[13]的研究結果表明，RVI值對高產水稻產量的預測效果較NDVI值更加敏感。這主要由兩種植被指數(shù)的內在特征決定。由于NDVI值的準確性和靈敏性，其對低地表覆蓋度下植被指數(shù)預測更加敏感，但當?shù)乇砀采w度超過80%或者飽和時，NDVI值易發(fā)生飽和，因而會造成當作物葉面積指數(shù)較高時產量等指標估測結果偏低[25-26]。本研究中選取的作物為萵苣，其種植密度低于一般的水稻、小麥等大田作物，因此，當作物植被覆蓋度相對較低時，NDVI值測定的準確性更高。

已有研究結果表明，不同生長時期會顯著影響光譜測定值對作物氮素營養(yǎng)狀況的預測效果[27-28]。對比4個不同生長期，幼苗期和收獲期預測準確性相對較低，蓮座期和莖形成期，冠層光譜測定值對AGB、RTS、PNU和PNC預測準確性分別為0.75～0.93、0.36～0.73和 0.77～0.88和 0.34～0.60 (表4)。從利用兩年測定數(shù)據(jù)建立萵苣產量和氮素營養(yǎng)狀況統(tǒng)一預測方程結果來看，蓮座期為最佳預測時期，NDVI值對AGB、RTS、PNU、PNC預測準確性分別為73%、48%、52%、31% (表4)。該結果與水稻等大田作物中研究結果類似，生長早期冠層光譜測定值易受土壤背景值影響，而生育后期，光譜測定值飽和等情況會影響預測準確性[10,29]。因此，蓮座期和莖形成期為萵苣生物量和氮素營養(yǎng)指標預測的較適宜時期。基于冠層光譜指數(shù)的萵苣全生育期預測方程對AGB、RTS、PNU、PNC的預測準確性分別為44%～54%、36%～43%、47%～57%和17%～26%，明顯低于各時期方程的準確性(圖 2～圖 5)。Liu 等[30]、Xue 等[31]水稻研究中，也發(fā)現(xiàn)全生育期產量預測方程較各生育時期預測方程的精度顯著下降，其原因可能是作物需氮量隨著生長階段的變化而不斷變化，而且基于光譜儀的植被指數(shù)在各生長階段受到的環(huán)境和植物等外界條件影響顯著不同。但從實際應用考慮，全生育期方程較各生長時期預測方程更加便捷，因此，本研究通過引入移栽后天數(shù)DAT對萵苣全生育期氮素營養(yǎng)預測方程進行校正。表5和表6結果表明，引入DAT后，萵苣氮素營養(yǎng)診斷方程的準確性顯著提高，尤其是AGB和PNU預測準確性，分別提高至62%和71%，該結果也與水稻中結論類似，引入DAT參數(shù)可提高水稻全生育期SPAD測定值對葉片N濃度預測的精度[32]，因此可考慮利用DAT進行氮素營養(yǎng)預測的校正，但DAT校正后RTS預測準確性無顯著變化，需進一步考慮采用其他方法進行RTS的預測校正。

4 結論

冠層光譜儀測定的NDVI值和RVI值均可預測萵苣的地上部生物量 (AGB)、根冠比 (RTS)、植株氮吸收量 (PNU) 和植株氮含量 (PNC)，尤以蓮座期和莖形成期預測準確性更佳。采用全生育期預測方程，基于NDVI的預測方程對AGB、RTS、PNU和PNC的預測精度分別為54%、43%、57%和26%，高于基于RVI的預測精度。在全生育期預測方程中引入移栽后天數(shù) (DAT) 進行校正可進一步提高預測的準確性，使AGB和PNU預測的準確性提高到62%和71%，基本滿足萵苣類低地表覆蓋度蔬菜的氮素營養(yǎng)管理及施氮推薦。