冬油菜氮素营养高光谱特异性及定量诊断模型构建与推荐追肥研究
发布时间:2020-07-13 21:07
【摘要】:氮素实时和精准管理是以作物高产、养分高效为目标的冬油菜生产实际中最为关键的养分管理措施之一;利用油菜的高光谱特异性对其氮营养状况进行快速监测和精确诊断一直是精准农业和实时实地养分集成管理与应用中的研究热点。基于此,本文以冬油菜为研究对象,以氮素营养特性为根本出发点,以氮肥田间试验为测试平台,综合利用多年(2012-2017)、多点(湖北省武汉市、武穴市和沙洋县)、多品种(华油杂9号、华油杂62号和中油杂12号)、多栽培模式(移栽和直播)、多生育期(苗期~角果期)和多氮肥梯度(0~360 kg N/hm~2)的冬油菜高光谱测试数据并同步结合氮营养生化分析,分别从群体(冠层)、个体(叶片)、氮营养高光谱内在诊断机制、氮营养高光谱诊断专一性和基于高光谱的氮肥实时追施与推广应用等五个方面较为全面地探究了高光谱技术在冬油菜氮营养诊断的可行性与精准性,获得了相对理想的研究结果。主要结论如下:(1)在群体尺度上:利用冬油菜冠层高光谱数据确定了其群体氮营养指标植株氮素积累量和叶绿素密度的最佳光谱参数;明晰了基于角果期冠层高光谱的冬油菜产量提早预测的最优诊断因子与有效波段;构建了高光谱定量诊断模型。对于植株氮素积累量,利用植被指数的光谱分析技术,确定由一阶微分光谱参数FD742和自身所构建比值光谱参数R1259/R492而确立的指数方程来定量诊断该指标,决定系数(r~2)分别为0.98和0.98,相对分析误差(MRE)则分别为14.42和10.31%;对于叶绿素密度,基于本试验条件新构建光谱红边面积参数,DIDRmid(红边右峰与左峰一阶微分之和差值)为最优指标。独立试验验证精度显示,苗期、蕾薹期、花期和全生育期基于该参数的冬油菜叶绿素密度预测精度MRE分别为7.93、6.06、7.52和7.22%,效果较为理想。对于产量效应,利用偏最小二乘回归(PLS)的整体光谱分析方法,确定基于全波段的一阶微分变换光谱-PLS(FDR-PLS)回归模型定量预测冬油菜产量和角果数精确性整体优于原初光谱-PLS模型(R-PLS),验证集r~2_(val)分别为0.90和0.91,相对分析误差(RPD_(val))分别为3.11和3.12;并由此确定冬油菜产量高光谱监测有效波段分别为628、753、882、935、1061和1224 nm;角果数有效波段分别为628、758、935、1063、1457和1600 nm。此外,基于上述有效波段新构建FDR-PLS模型同样获得了较理想的预测精度,r~2_(val)分别为0.91和0.87,RPD_(val)分别为2.34和2.52。(2)在个体尺度上:首先明确了基于叶绿素计SPAD仪的冬油菜氮营养诊断最佳叶位和叶片部位;此后,进一步阐明了基于上述敏感叶位的冬油菜叶片氮含量(g m~(-2))高光谱特异性。综合各生育期分析结果,不同叶位间,油菜主茎顶4叶与冬油菜各氮素营养参数(叶绿素浓度、叶片氮浓度、植株氮浓度)相关性最高,可作为敏感叶位选择;同一叶片不同部位间,叶片中部则可较为准确反映植株氮营养丰缺状况,为敏感部位选择。该叶位高光谱氮营养特性方面,随施氮量增加,可见光波段(350~720 nm)光谱反射率逐步下降,近红外(720~1300 nm)则与此相反;此外,基于全波段的FDR-PLS定量反演油菜LNC精度整体上优于R-PLS、倒数之对数变换光谱(Log(1/R))-PLS和连续统去除变换光谱(CR)-PLS监测模型,其验证集r~2_(val)为0.97,RPD_(val)为5.49;最后,确定油菜LNC有效波段分别为432、467、519、614、772、912和1072 nm。同时,基于上述有效波段的油菜LNC模型检验同样获得了较好的预测精度,r~2_(val)和RPD_(val)分别为0.88和2.97。(3)在氮营养高光谱内在诊断机制方面:明晰了冬油菜叶片氮浓度(LNC,%)空间垂向异质性分布规律及冠层高光谱诊断内在机制,确定了不同叶层LNC(%)有效波段分布异同性,构建了符合氮营养特性的高光谱诊断模型。苗期~蕾薹期,冬油菜LNC冠层空间分布具有典型的垂向异质性变化规律,即上层最高,下层最低,且中上层LNC为冠层高光谱监测的有效叶层;综合两两相关性(LL r~2)、PLS和支持向量机(SVM)光谱分析技术,确定冬油菜上层LNC有效波段为437、565、667、724、993、1084、1189 nm,中层为423、570、598、659、725、877 nm,下层为420、573、597、667、718 nm,基于该有效波段的独立验证精度RPD_(val)分别为2.36、2.56和2.03。蕾薹期~花期,冬油菜不同叶层LNC及其相应群体光谱反射率均具有显著的空间异质性分布特征,且第二层和第三层为光谱监测的有效叶层;随叶层下移,各叶层LNC有效波段呈现显著的“蓝移”现象;此后,构建基于各叶层LNC有效波段的定量监测模型,RPD_(val)分别为1.64、1.61、1.88和1.05,表明利用分层光谱测试技术定量监测中下层(非底层)LNC是可行的。(4)在冬油菜氮营养冠层高光谱诊断专一性方面:阐明了冬油菜氮磷营养高光谱异同性,确定了能稳定指示冬油菜叶片氮浓度(%)和叶片磷浓度(%)营养特性的有效波段,构建了专一性定量诊断模型。冬油菜氮磷营养冠层高光谱具有较大差异性,随施氮量增加,可见光波段反射率逐步下降,磷素营养则无明显且规律性变化;近红外区两者变化规律相同,均随用量增加而明显提升;根据FDR-PLS模型分析结果,确定油菜叶片氮浓度有效波段分别为445、556、657、764、985、1082和1194 nm,叶片磷浓度则分别为755、832、891、999、1196和1267 nm,实现了营养专属诊断和简化分析的目的。同时,基于上述有效波段的油菜LNC及LPC模型检验同样获得了较好的预测精度,r~2_(val)分别为0.85与0.78,RPD_(val)分别为2.10和1.94。(5)在基于冠层高光谱指导冬油菜氮肥实时追施与调控推广应用性研究方面:构建了基于“叶片氮浓度-冠层高光谱”的冬油菜氮肥实时追施与调控模型,同时以田间试验方式开展了基于冠层高光谱的实时实地的油菜氮肥追施与精准调控研究,获得了较好的独立试验验证精度。在获得冬油菜叶片氮浓度(%)有效波段基础上,确定基于FDR光谱764和657 nm双波段构成的比植被指数RVI(764,657)为定量监测冬油菜LNC的最佳光谱参数;此后,根据RVI(764,657)-相对产量(%)拟合关系,确定六叶期、八叶期、十叶/越冬期、越冬期、蕾薹期和花期临界RVI(764,657)分别为4.340、6.781、4.400、3.792、5.493和1.379;在此基础上,再次利用氮肥用量-RVI(764,657)和氮肥用量-产量效应拟合关系,构建了冬油菜氮肥实时追施与调控模型。最后,通过布置54种融合不同氮肥实时追施可能性的光谱追氮调控方案试验,结果表明冠层高光谱技术在指导氮肥施用中具有极强的应用性及稳定性;具体的,移栽后30天(六叶期)是氮营养缺乏油菜进行氮肥光谱调控与追施的首个关键临界期;移栽后120天(蕾薹期)是光谱氮诊断及追肥调控的另一个关键临界期。油菜与此时期前进行有效追氮对成熟期产量提高影响显著。反之,则影响甚微。
【学位授予单位】:华中农业大学
【学位级别】:博士
【学位授予年份】:2018
【分类号】:S565.4
【图文】:
图1-1植株氮素营养诊断技术分类示意图Fig. 1-1 Methods for plant nitrogen nutrition sensing1.2.1 常规诊断技术1.2.1.1 土壤化学诊断法土壤化学诊断是应用最早且十分普遍的作物氮素营养诊断方法。该技术通过分析耕层土壤氮素丰缺水平,继而评估作物氮素吸收利用及生长发育状况。目前,土壤氮营养丰缺状况的主要评价指标有全氮、有效氮和无机态氮(铵态氮和硝态氮)(魏全全,2016)(图 1.2)。耕作方式、水氮运筹、季节变化以及秸秆还田等因素均可显著影响土壤全氮含量,进而直接影响作物生长发育、产量和品质形成。姜丽娜等(2012)以土壤全氮为分级测试指标,成功构建了缺氮处理冬油菜相对产量的回归指数方程和经济施氮量的对数方程。江明艳等(2011)研究指出,土壤全氮含量与慈竹壁厚、竿高以及竹竿灰分含量相关性均达到显著水平。土壤有效氮主要包括以铵态氮和硝态氮形式存在的无机态氮以及容易分解成有机质、微生物躯体和腐殖
图1.3开氏法植株全氮测试流程图Fig. 1-3 Kjeldahl wet digestion procedure叶片作为植株首要的光合物质储存、转化与运移的关键营养器官,其氮素时空变化是判断植株氮素利用及氮营养特性的首要因素。因此,以叶片全氮含量作为氮素丰缺状况的参考依据是植株氮诊断中十分成熟的方法。秦晓东等(2006)通过研究冬小麦不同叶位氮的时空分布特征及其与植株氮含量的关系,结果表明不同时期叶片氮含量与植株氮含量大都呈显著或极显著正相关,且顶 4 叶与顶 1 叶或顶 2 叶的差值可以较可靠的预测小麦植株氮素营养状况。王绍华等(2002)研究表明,利用水稻上下部叶片氮浓度差值来评估其氮营养丰缺水平,稳定性和精准性相对较高。总体上,虽然植株全氮含量诊断法是一个较为精准反映作物氮指标的技术,但由于在操作过程中程序繁琐、工作量较大且充满一定的危险性,需要专业人员进行系统操作,因此在快速推广应用中还有很大的困难。1.2.1.4 肥料窗口法
冬油菜氮素营养高光谱特异性及定量诊断模型构建与推荐追肥研究控波段范围内,不同氮素处理间可见光区域(350~730 nm)光谱反射率整体偏随氮素用量增加而降低,短波近红外波段(750~1350 nm)变化趋势则与此相李岚涛等,2015;Li et al., 2016)。此外,国内外大量研究结果表明,无论是冠谱亦或叶片光谱(植被冠层光谱特性是单叶光谱特性的综合反映,如叶片倾角布、冠层结构和阴影等),其可见光区域光谱反射率主要受叶片各种色素吸收而外区域则受冠层和叶片内部结构等因素影响(田永超等,2009;Slaton et al., 200astro and Sanchez-Azofeifa, 2008; Li et al., 2015)。
本文编号:2753978
【学位授予单位】:华中农业大学
【学位级别】:博士
【学位授予年份】:2018
【分类号】:S565.4
【图文】:
图1-1植株氮素营养诊断技术分类示意图Fig. 1-1 Methods for plant nitrogen nutrition sensing1.2.1 常规诊断技术1.2.1.1 土壤化学诊断法土壤化学诊断是应用最早且十分普遍的作物氮素营养诊断方法。该技术通过分析耕层土壤氮素丰缺水平,继而评估作物氮素吸收利用及生长发育状况。目前,土壤氮营养丰缺状况的主要评价指标有全氮、有效氮和无机态氮(铵态氮和硝态氮)(魏全全,2016)(图 1.2)。耕作方式、水氮运筹、季节变化以及秸秆还田等因素均可显著影响土壤全氮含量,进而直接影响作物生长发育、产量和品质形成。姜丽娜等(2012)以土壤全氮为分级测试指标,成功构建了缺氮处理冬油菜相对产量的回归指数方程和经济施氮量的对数方程。江明艳等(2011)研究指出,土壤全氮含量与慈竹壁厚、竿高以及竹竿灰分含量相关性均达到显著水平。土壤有效氮主要包括以铵态氮和硝态氮形式存在的无机态氮以及容易分解成有机质、微生物躯体和腐殖
图1.3开氏法植株全氮测试流程图Fig. 1-3 Kjeldahl wet digestion procedure叶片作为植株首要的光合物质储存、转化与运移的关键营养器官,其氮素时空变化是判断植株氮素利用及氮营养特性的首要因素。因此,以叶片全氮含量作为氮素丰缺状况的参考依据是植株氮诊断中十分成熟的方法。秦晓东等(2006)通过研究冬小麦不同叶位氮的时空分布特征及其与植株氮含量的关系,结果表明不同时期叶片氮含量与植株氮含量大都呈显著或极显著正相关,且顶 4 叶与顶 1 叶或顶 2 叶的差值可以较可靠的预测小麦植株氮素营养状况。王绍华等(2002)研究表明,利用水稻上下部叶片氮浓度差值来评估其氮营养丰缺水平,稳定性和精准性相对较高。总体上,虽然植株全氮含量诊断法是一个较为精准反映作物氮指标的技术,但由于在操作过程中程序繁琐、工作量较大且充满一定的危险性,需要专业人员进行系统操作,因此在快速推广应用中还有很大的困难。1.2.1.4 肥料窗口法
冬油菜氮素营养高光谱特异性及定量诊断模型构建与推荐追肥研究控波段范围内,不同氮素处理间可见光区域(350~730 nm)光谱反射率整体偏随氮素用量增加而降低,短波近红外波段(750~1350 nm)变化趋势则与此相李岚涛等,2015;Li et al., 2016)。此外,国内外大量研究结果表明,无论是冠谱亦或叶片光谱(植被冠层光谱特性是单叶光谱特性的综合反映,如叶片倾角布、冠层结构和阴影等),其可见光区域光谱反射率主要受叶片各种色素吸收而外区域则受冠层和叶片内部结构等因素影响(田永超等,2009;Slaton et al., 200astro and Sanchez-Azofeifa, 2008; Li et al., 2015)。
本文编号:2753978
本文链接:https://www.wllwen.com/nykjlw/nzwlw/2753978.html
最近更新
教材专著