基于植被指數時序動態的冬小麥氮素營養診斷方法

李鑫格，項方林，吳思雨，劉小軍，田永超，朱 艷，曹衛星，曹 強

(南京農業大學國家信息農業工程技術中心/智慧農業教育部工程研究中心/農業農村部農作物系統分析與決策重點試驗室/江蘇省信息農業重點試驗室/現代作物生產省部共建協同創新中心，江蘇南京 210095)

氮素是作物生長發育所必需的大量營養元素之一，對作物產量和品質形成至關重要。生產上通過增施氮肥來滿足作物生長發育對氮素的需求，但不合理的氮肥投入不僅會降低經濟效益，還會污染田間生態環境。因此，實時、準確診斷作物氮素營養狀況，能夠為田間精準氮肥管理提供可靠的理論基礎。氮營養指數(nitrogen nutrition index,NNI)是作物氮素營養診斷的常用指標，可直接或間接用于估測作物關鍵生育時期的氮素營養狀況，為作物生長發育實時調控提供依據。史力超等以播種后天數為時間驅動因子，通過構建二次函數建立臨界植株氮積累模型，植株體內氮素是一個逐漸累積的過程，因此用二次函數可描述植株氮積累量隨時間的推移不斷增加的時序過程。但作物生長和衰老過程并不完全對稱，因而雙Logistic函數能更好地描述作物的生長和衰老過程，可以適宜生長指標或光譜指標為參數用于作物田間長勢的時序動態曲模擬。前人通常利用NNI、臨界氮濃度或臨界植株氮積累等指標進行氮素營養診斷，但利用植被指數數據構建臨界植被指數時序曲線，并進行實時、無損氮素營養診斷的研究鮮有報道。鑒于此，本研究基于冬小麥不同生育時期NNI與相對產量、歸一化紅邊植被指數(normalized difference red edge，NDRE)的關系分別確定NNI和NDRE臨界值，進而以累積生長度日為時間驅動因子，利用雙Logistic函數構建臨界NDRE時序模型，并用于氮素營養診斷，且對診斷結果進行了驗證，以期為田間精確氮肥管理提供可靠的技術方法。

1 材料與方法

1.1 試驗地概況

試驗于江蘇省興化市萬畝糧食產業園(119°53′ E,33°48′ N)進行，前茬作物為水稻。2017-2019年在同一塊試驗田開展品種、施氮量二因素試驗(試驗1)，試驗地耕層土壤有機質、有效磷、速效鉀和全氮含量分別為26.5 g·kg、2.07 g·kg、52.54 mg·kg和93.66 mg·kg。2018-2019年在單獨試驗田塊開展不同播期、種植密度、施氮量的三因素試驗(試驗2)，試驗地耕層土壤有機質、有效磷、速效鉀和全氮含量分別為18.68 g·kg、1.37 g·kg、28.88 mg·kg和120.59 mg·kg。

1.2 試驗設計

試驗1采用隨機區組設計，供試品種為鎮麥12(中蛋白含量)和揚麥23(中蛋白含量)、寧麥13(低蛋白含量)，設置0 kg·hm(N0)、90 kg·hm(N90)、180 kg·hm(N180)、270 kg·hm(N270)和360 kg·hm(N360)5個施氮水平，小區面積為63 m，3次重復。

試驗2采用裂區設計。播期作為主區，設置2018年11月4日(S1，適期播)和12月1日(S2，過晚播)兩個播期。種植密度和施氮量組合為副區。種植密度設180×10株·hm(D1)、270×10株·hm(D2)、360×10株·hm(D3)三個水平。施氮量設0 kg·hm(N0)、180 kg·hm(N180)、240 kg·hm(N240)和300 kg·hm(N300)4個水平。小區面積為30 m，除N0不設重復外，其余處理均設3次重復。

每個小區均劃分為兩半，一半為測試區，另一半為取樣區。氮肥、鉀肥基追比均為5∶5，拔節前進行追肥；磷肥全部基施。磷肥施用量為105 kg PO·hm，鉀肥施用量為120 kg KO·hm，其余栽培管理措施同一般高產田。

1.3 光譜指標測定

本研究應用主動冠層傳感器RapidSCAN CS-45(Holland Scientific Inc.,Lincoln,USA)獲取冬小麥冠層光譜，其包括紅光(R，670nm)、紅邊(RE，730nm)、近紅外(NIR，780nm)3個波段，可以自動收集每個波段的光譜反射率和地理坐標數據，并以2.5 Hz(每0.4 s讀取一次)的頻率將其記錄在傳感器的存儲模塊中，最終數據可以通過PC軟件導出為.csv文件。該儀器的視場角為橫向45°，縱向10°，儀器自帶光源，不受天氣條件的影響，其較方便輕巧的特點有利于測試。測定時在每個待測小區選擇中間兩行手持傳感器勻速前行，傳感器距離冬小麥冠層約100 cm，且與地面保持平行，每行約20～30個測試點，用每個小區測定的平均值代表該小區的測試值，并計算歸一化紅邊植被指數(normalized difference red edge，NDRE)。

式中NIR表示近紅外波段反射率，RE表示紅邊波段反射率。

1.4 生物量、植株氮含量、相對產量、氮營養指數的測定

分別于在冬小麥拔節前期、拔節后期、孕穗期、開花期、灌漿期進行破壞性植株取樣，每個小區選取20株有代表性的冬小麥植株，將其分為莖、葉和穗并單獨裝袋，在105 ℃條件下殺青30 min后，80 ℃烘干至恒重后稱重。樣品粉碎后使用半微量凱式定氮法測定植株氮含量。

冬小麥成熟時，每個小區單獨收割3個1 m樣方，進行晾曬、脫粒并稱重，并用實際產量比上該品種當季最高產量計算出相對產量。

臨界氮濃度是達到最大生物量所需的最小氮濃度，根據趙犇等提出的公式計算：

中蛋白品種：PDM≥1.7 t·hm時，Nc=4.65×PDM；PDM<1.7 t·hm時，Nc = 3.73%

低蛋白品種：PDM≥1.7 t·hm時，Nc=4.3×PDM;PDM<1.7 t·hm時，Nc = 3.47%

式中Nc代表臨界氮濃度(%)，PDM代表植株干物重(t·hm)。

氮營養指數是實際氮濃度與臨界氮濃度的比值，根據Lemaire等提出的公式計算：

NNI=Na/Nc

式中Na為實際氮濃度(%)。

1.5 植被指數時序動態模型構建

AGDD是一種包含溫度參數的時間因子，是由從播種到測試日期生長度日數值累加而成，公式如下所示：

=(-)/2

GDD=0 若≤

GDD=-若<<

GDD=-若≥

式中為冬小麥從播種至測試當日的天數；和分別為測試當日的最高溫和最低溫；為冬小麥生長發育的基點溫度，本研究設為0 ℃；為冬小麥生長發育的最高溫度，本研究設為30 ℃。

本研究中參照Fisher模型采用雙Logistic函數來建立AGDD與NDRE的定量關系。計算公式如下：

式中函數分為兩部分，一部分代表冬小麥的生長過程，另一部分代表衰老過程。為擬合后的植被指數值，為冬小麥生長過程中植被指數最大值，和分別表示生長和衰老過程中拐點的斜率，即植被指數增長或下降的最大速度，、分別為拐點對應的時間。

1.6 數據處理

利用試驗1關鍵生育時期植被指數數據構建臨界植被指數模型，再分別驗證關鍵生育時期及全生育期模型的診斷結果，利用Kappa系數及正確率來檢驗模型診斷精度。試驗2數據集作為獨立試驗數據進行模型的驗證。利用IBM SPSS Statistic 25軟件進行線性加平臺模型的構建及統計分析，利用Origin 2017軟件進行繪圖。

2 結果與分析

2.1 氮營養指數(NNI)與冬小麥相對產量(RY)的關系

冬小麥各生育時期NNI與RY呈線性加平臺關系，即當NNI小于臨界值時，RY與NNI呈線性正相關；當NNI超過臨界值后，RY則會圍繞平臺值上下波動(圖1)。同一生育時期不同年際間NNI臨界值相近；整體上2017-2018年小麥季NNI值要大于2018-2019年。同時2017-2018年小麥季數據點分布較散，擬合效果較差，各生育時期均低于2018-2019年。

和分別為2017-2018年和2018-2019年的決定系數。

不同年際間冬小麥NNI臨界值隨生育進程的推進呈先升后降趨勢(表1)。2017-2018、2018-2019年小麥季最大NNI臨界值分別出現在拔節后期、孕穗期，其值分別為1.068、0.928，對應的95%置信區間分別為0.959～1.177、 0.871～0.985。兩個生長季的最小NNI臨界值均出現在灌漿期，分別為0.806、0.800，95%置信區間分別為0.746～0.867、0.757～0.843。

表1 冬小麥各關鍵生育期NNI臨界值及95%置信區間Table 1 NNI critical value and 95% confidence interval of winter wheat at each key growth stage

2.2 氮營養指數與NDRE的相關關系

NDRE與NNI間呈穩定的指數函數關系，在0.76以上(表2)，因此可以根據NNI臨界值以及NDRE與NNI的關系確定冬小麥各關鍵生育時期NDRE臨界值。2018-2019年冬小麥關鍵生育時期NDRE臨界值(0.287～0.410)低于2017-2018年(0.338～0.460)。2017-2018和2018-2019年冬小麥關鍵生育時期NDRE臨界值的下限范圍分別為0.326～0.436、0.269～ 0.392，上限范圍分別為0.348～0.481、0.303～0.427。

表2 NDRE與NNI的定量關系及NDRE臨界值及其95%置信區間Table 2 Quantitative relationship between NDRE and NNI and the corresponding NDRE critical value and its 95% confidence interval

2.3 臨界NDRE時序診斷模型的構建

通過簡單分組線性回歸發現，2017-2018、2018-2019年生長季間冬小麥NDRE臨界值無顯著性差異(=0.329>0.05)，因而將兩個生長季數據合并建立診斷模型(圖2)。隨著冬小麥生育進程的推進，NDRE臨界值先增后降；拔節前(AGDD為540 ℃·d左右)NDRE臨界值增速最快，抽穗開花期(AGDD約為1 200 ℃·d)NDRE臨界值達到最大，之后開始降低，灌漿后期(AGDD為1 840 ℃·d左右)下降速度最快。NDRE臨界值時序動態與冬小麥長勢變化趨勢一致，即冬小麥群體長勢旺盛時養分需求和消耗量大，對應的NDRE臨界值也高。本研究建立的時序診斷模型圖中，臨界上限值曲線與臨界下限值曲線之間的區域為氮適宜狀態，高于曲線為氮過量狀態，低于為氮虧缺狀態(圖2)。

圖中上虛線為臨界上限值曲線ymax，下虛線為下限值曲線ymin。

2.4 基于臨界NDRE時序曲線的氮素營養診斷

利用時序診斷模型進行關鍵生育時期的氮素營養診斷，結果(圖3a～圖3f)表明，2017-2018年冬小麥生長季不同施氮水平下NDRE值均大于2018-2019年，主要原因是2018年播種質量較差，造成作物長勢較弱，氮肥效應也未充分發揮。2017-2018年生長季在N0水平下冬小麥一直處于氮虧缺狀態，N90水平下冬小麥除開花期和灌漿期外其余時期基本處于氮適宜狀態，N180、N270、N360水平下冬小麥在各關鍵生育時期均處于氮過量或適宜狀態。2018-2019年生長季冬小麥除N270、N360水平下處于氮適宜狀態外，其余施氮水平下冬小麥各生育時期基本上均處于氮虧缺狀態。

a、d：鎮麥12；b、e：揚麥23；c、f：寧麥13。數據點從左往右依次對應拔節前期、拔節后期、孕穗期、開花期、灌漿期。

為了評價基于臨界植被指數時序模型診斷不同生育時期氮素營養結果的準確性，本研究根據NNI與RY線性加平臺關系得到的NNI臨界值將各處理劃分為三類：氮虧缺、氮適宜和氮過量；并與臨界時序模型的診斷結果進行Kappa一致性檢驗分析。根據Kappa值可以將診斷結果的一致性分為極低、一般、中等、高度和幾乎完全一致，對應的Kappa值依次為0～0.20、0.21～ 0.40、0.41～0.60、0.61～0.80、0.81～1.00。結果(表3)表明，2017-2018年生長季診斷結果的一致性和正確率要高于2018-2019年生長季。2017-2018年生長季拔節前期與開花期診斷結果具有高度一致性，拔節后期和孕穗期具有幾乎完全一致性，而灌漿期具有中等一致性；2018-2019年生長季隨著生育期的推進，診斷結果的一致性越來越高，灌漿期達到幾乎完全一致。

表3 基于臨界NDRE時序模型的氮素營養診斷結果的Kappa一致性檢驗分析Table 3 Kappa consistency test analysis of nitrogen nutrition diagnosis results based on critical NDRE time-series model

利用時序診斷模型對2018-2019年獨立試驗的冬小麥關鍵生育時期進行氮素營養診斷。結果(圖4a～圖4f)表明，過晚播條件下，提高施氮量冬小麥的缺氮狀況并沒有得到完全改善，說明在過晚播條件下播期是限制作物生長的關鍵因素。適播期N0、N180水平下冬小麥在不同生育期均處于氮虧缺狀態，N240、N300水平下冬小麥在孕穗、開花期處于氮適宜狀態，在拔節前期、拔節后期、灌漿期處于氮虧缺狀態。

a、d：180×104株·hm-2；b、e：270×104株·hm-2；d、f：360×104株·hm-2。數據點從左往右依次對應拔節前期、拔節后期、孕穗期、開花期、灌漿期。

為了評價基于臨界植被指數時序模型診斷冬小麥不同生育時期氮素營養結果的準確性，進一步對獨立試驗數據進行了Kappa一致性檢驗分析。結果(表4)表明，適期播種時冬小麥拔節前期和過晚播時灌漿期Kappa值均為0，主要是由于拔節前期與灌漿期所有處理均為氮虧缺狀態，其中一個處理卻被誤判為氮適宜狀態，造成Kappa值計算為0。適期播種的冬小麥在拔節后期至開花期診斷結果具有高度一致性，灌漿期具有中等一致性。而過晚播種時冬小麥除灌漿期外均處于氮虧缺狀態，診斷結果具有幾乎完全的一致性(Kappa值為1，正確率為100%)，表明過晚播種時冬小麥的氮虧缺狀況能夠通過臨界時序模型準確診斷。

表4 基于臨界NDRE時序模型的氮素營養診斷結果的Kappa一致性檢驗分析Table 4 Kappa consistency test analysis of nitrogen nutrition diagnosis results based on critical NDRE time-series model

利用臨界NDRE時序曲線對冬小麥不同生育時期的氮素營養狀況進行診斷后，進一步通過曲線積分法來對不同施氮水平下冬小麥全生育期的氮素營養狀況進行整體判斷，若某處理的時序曲線積分值大于臨界上限曲線積分值，則該處理全生育期整體上處于氮過量狀態；若小于臨界下限曲線積分值，則處于氮虧缺狀態；若在臨界值95%置信范圍內，則處于氮適宜狀態。結果(圖5)表明，試驗1中N270、N360水平下冬小麥全生育期處于氮適宜甚至過量狀態；而N0、N90水平下冬小麥全生育期整體上均處于氮虧缺狀態；N180水平下冬小麥全生育期基本上處于輕微氮虧缺狀態，僅有少數數據處于氮適宜狀態。而試驗2是涉及播期、播量和施氮量的三因素試驗，由于過晚播生長導致小麥長勢整體較差，不能充分發揮氮肥的潛力，因而只有N240、N300水平下個別數據點位于臨界范圍內，處于氮適宜狀態，其余均處于氮虧缺狀態。

A：試驗1；B：試驗2。

2.5 臨界NDRE時序曲線的應用

在實際應用中，要實現對冬小麥生長發育過程實時的氮素營養診斷，需借助傳感器獲取當日田塊冬小麥冠層NDRE值，并由中國天氣網(http://www.weather.com.cn/)獲取當季小麥從播種至測試當日的溫度信息，計算累積生長度日，將其作為橫坐標代入所構建的臨界值95%置信區間上下限曲線方程得到NDRE臨界值。若實際NDRE值小于臨界值下限，則屬于氮虧缺，若大于臨界值上限，則屬于氮過量狀態，若介于最大值與最小值之間，則屬于氮適宜狀態。具體流程圖如圖6所示。

圖6 應用NDRE臨界值時序模型進行

3 討 論

3.1 氮營養指數與相對產量的相關關系及氮營養指數臨界值的確定

前人在臨界氮濃度模型的基礎上提出了氮營養指數概念。NNI與RY的關系主要有兩種，一種是線性加平臺，另一種是二次函數，利用這兩種關系均可得到NNI臨界值。如Ziadi等在玉米大喇叭口期通過建立RY與NNI的線性加平臺模型，得到此時期NNI臨界值為0.88。史力超等通過模擬臨界氮濃度概念建立各生育期植株氮積累量(plant nitrogen accumulation，PNA)與RY的線性加平臺關系來確定PNA臨界值，進一步以播種后天數為時間因子建立PNA臨界時序模型。本研究是以AGDD為時間驅動因子，利用雙Logistic函數構建了臨界NDRE時序曲線；因為作物本身生長和衰老過程并不是完全對稱的，相較于二次函數(對稱函數)，雙Logistic函數更符合作物的生長發育規律。

NNI臨界值即為氮適宜狀態下所對應的NNI閾值，其會隨作物種類、品種、生態條件、年份等發生變化，并不是一個固定范圍。如Huang等研究中指出，NNI<0.95時，水稻處于氮虧缺狀態；NNI在0.95～1.05范圍內時，水稻處于氮適宜狀態；NNI>1.05時，水稻則處于氮過量狀態。本研究中2017-2018年與2018-2019年冬小麥關鍵生育時期NNI臨界值范圍為0.806～ 1.068、0.800～0.928，除灌漿期外與前人研究中NNI臨界值在0.90以上的結論基本是一致的；由于不同生育時期作物長勢存在差異，因而不同生育時期NNI臨界值不同，但均在一個合理的范圍內。

3.2 植被指數與氮營養指數間的相關關系

NNI是氮素營養診斷的關鍵指標，已經廣泛應用于水稻、小麥、春玉米、棉花、甘薯等作物的氮素營養狀況診斷及進一步的施肥指導。NNI的獲取有兩種方式：一是破壞性取樣，二是遙感估測。遙感估測一方面是用傳感器獲取的光譜指標來代替植株干物重和植株氮濃度來建立臨界氮濃度稀釋模型，實現間接估測NNI；另一方面是用傳感器獲取的光譜指標直接估測NNI。研究者針對不同傳感器采用不同指標來估測NNI，如Zhang等利用葉綠素儀讀數估測NNI；Cao等發現，通過冠層傳感器獲取的歸一化植被指數(normalized difference vegetation index，NDVI)與NNI呈二次函數關系，而NDRE與NNI呈冪函數關系。但不同的植被指數監測作物長勢和氮素營養狀況的效果存在差異，Zhang等指出，NDVI本身帶有紅光波段的特性，使其在植被群體或者覆蓋度達到某一水平時會出現嚴重的飽和現象。因此，本研究選用相對穩定的NDRE與各生育時期NNI建立指數函數關系，除拔節前期為0.76以外，其余時期均在0.84以上，因此可利用兩者在不同生育時期穩定的相關關系及NNI臨界值確定冬小麥冠層NDRE臨界值，即冬小麥處于氮適宜狀態時所對應的NDRE值。

3.3 臨界NDRE時序曲線的構建

從時序角度出發，研究作物生長指標和植被指數的動態變化能夠監測冬小麥全生育期的長勢及氮素營養狀況。有國外學者以一年中的天數(day of year，DOY)為時間因子，建立了增強型植被指數的動態曲線。張 勇等研究發現，玉米株高隨播種后天數的變化(day after seeding，DAS)符合Logistic生長模型。Zhou等研究認為，AGDD相較于DAS和累積光熱時間(accumulated photothermal time，APTT)建立的形狀模型，監測關鍵物候期的準確性更高。以DAS、DOY為時間因子建立時序曲線更加簡單直觀，但作物的生長發育往往受溫度的影響，因而AGDD、APTT更適于描述作物的生長發育過程。但APTT的計算過于復雜，因而以AGDD為時間因子建立生長模型更適用。本研究選用AGDD來明確量化溫度和時間，并利用雙Logistic函數構建冬小麥冠層臨界NDRE時序曲線，其曲線擬合在0.90左右；進一步將各處理時序曲線積分值與臨界NDRE時序曲線積分值的大小作比較來對冬小麥全生育期的氮素營養狀況進行整體 診斷。

3.4 基于臨界NDRE時序曲線的氮素營養診斷

本研究通過臨界時序模型對不同生育時期氮素營養狀況進行診斷，發現整體上拔節后期、孕穗期、開花期診斷精度較高，與前人研究結果基本一致。如趙滿興等發現，拔節期是西北旱地冬小麥氮素營養診斷的適宜時期；田興帥等研究表明，開花期氮素診斷精度最高。本研究2018-2019年冬小麥拔節前期Kappa系數為0.10，診斷精度較差，這主要是2018-2019年冬小麥生長發育較慢，對應的冠層NDRE值偏低，造成在利用臨界NDRE時序曲線進行診斷時出現了誤判。

本研究通過臨界時序模型對不同氮肥處理冬小麥全生育期氮素營養狀況進行診斷，結果表明，當施氮量為180 kg·hm時冬小麥全生育期均處于氮適宜或輕微氮虧缺狀態，該施氮量為最優施氮量，與前人研究結果基本一致。如趙 犇等表明，施氮量為150、225 kg·hm時小麥整個生育進程氮虧缺值均在0附近波動，處于氮適宜狀態；田興帥等研究表明，江蘇地區平均最優施氮量為150 kg·hm；也有研究認為，施氮量為180 kg·hm時，小麥能保持穩產，且有較高的氮肥利用率。適宜播期下冬小麥氮素營養狀況主要受施肥水平影響，過晚播冬小麥的長勢及氮素營養狀況則受到播期的嚴重制約。綜上所述，在冬小麥實際生產中，由于影響小麥生長發育的因素很多，諸如年份、品種、播期、播量、栽培條件、土壤背景、氣候因素和生態點等，在未來研究中，建立本地化時序植被指數模型應考慮這些因素對模型的影響，對模型進一步修正以提高其準確性和精度。

4 結 論

本研究通過構建不同生育時期NNI與RY的線性加平臺關系確定NNI臨界值，并利用NNI與NDRE的定量關系確定不同生育時期NDRE的臨界值，從而構建臨界NDRE時序曲線。發現在拔節后期、孕穗期、開花期利用臨界NDRE時序曲線診斷精度較高，180 kg·hm施氮水平下冬小麥時序曲線積分值最接近臨界時序積分值，小麥均處于輕微氮虧缺或氮適宜狀態，為最優施氮量。本研究所構建的臨界NDRE時序模型能夠用于實時、無損、快速診斷冬小麥的氮素營養狀況，為精確氮肥管理提供技術方法。