基于高分一號影像數(shù)據(jù)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(huán)境學院，滁州 233100；2.新疆生產(chǎn)建設兵團綠洲生態(tài)農(nóng)業(yè)重點實驗室，石河子 832003)

隨著農(nóng)業(yè)生產(chǎn)精準管理技術(shù)的成熟[1-2]，農(nóng)作物施肥經(jīng)歷了傳統(tǒng)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(chǎn)的重要因素[6]，氮肥管理經(jīng)歷了由定性、半定量向精準變量，由傳統(tǒng)實驗室化驗向便捷化監(jiān)測方向發(fā)展[7-8]。定量的施肥有利于作物的生長，實現(xiàn)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(jié)約生產(chǎn)成本和勞動力，也實現(xiàn)了環(huán)境友好的農(nóng)業(yè)可持續(xù)發(fā)展目標。

衛(wèi)星遙感技術(shù)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(shù)特點[9-10]，遙感技術(shù)優(yōu)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(shù)據(jù)，用于各行各業(yè)的研究[11]。衛(wèi)星遙感技術(shù)在農(nóng)業(yè)上的廣泛應用，為農(nóng)業(yè)的直觀、可視化表達提供了有力支撐[12-14]，其技術(shù)核心在于：衛(wèi)星遙感數(shù)據(jù)在氮素營養(yǎng)診斷的基礎上，建立農(nóng)作物關(guān)鍵生育時期追肥推薦模型，以此利用遙感反演技術(shù)實現(xiàn)定量施肥可視化表達?，F(xiàn)利用GF-1 WMV數(shù)據(jù)，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(nóng)丹陽湖農(nóng)場(31°30′25″N，118°40′42″E)為研究區(qū)域，如圖1所示。研究區(qū)屬北亞熱帶季風氣候，日照時數(shù)2 235 h，無霜期233 d。本試驗小區(qū)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(qū)，45 個小區(qū)隨機排列，另外有27 個驗證試驗小區(qū)，磷、鉀肥全部作為基肥施用。

圖1 研究區(qū)區(qū)位圖Fig.1 Study area map

1.2 數(shù)據(jù)獲取與處理

從地理空間數(shù)據(jù)云下載2016年水稻分蘗期(6月28日)、拔節(jié)期(7月13日)和抽穗期(8月20日)等關(guān)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(shù)據(jù)為RTK實地獲取后再ArcGIS中矢量化編輯。獲取72個小區(qū)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(qū)采樣點Fig.2 Sampling point of study area

2 結(jié)果與分析

2.1 水稻氮素營養(yǎng)診斷可視化表達

通過ENVI _IDL二次開發(fā)植被提取工具對水稻關(guān)鍵生育期GF-1影像進行植被指數(shù)提取，計算了歸一化植被指數(shù)(NDVI)、近紅外指數(shù)(NIR)、綠度比值植被指數(shù)(GRVI)、綠度差值植被指數(shù)(GDVI)、綠度歸一化差值植被指數(shù)(GNDVI)、GOW DRVI、葉綠素指數(shù)(CI)、植被指數(shù)(DVI)和綠度優(yōu)化土壤調(diào)節(jié)植被指數(shù)(GSAVI)等9種與綠色植物氮營養(yǎng)狀況密切相關(guān)的植被指數(shù)值，并與反映水稻氮素營養(yǎng)狀況的農(nóng)學參數(shù)植株氮濃度進行相關(guān)分析，以期得到水稻氮素營養(yǎng)診斷的指標，如表1所示。結(jié)果表明，分蘗期水稻氮營養(yǎng)與GWDRVI相關(guān)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(yǎng)的表達；拔節(jié)期水稻氮營養(yǎng)與GDVI相關(guān)性最好(R2=0.720 4)，這可能是拔節(jié)期是水稻需求養(yǎng)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(xiàn)象；抽穗期水稻氮素營養(yǎng)與DVI相關(guān)性最好(R2=0.638 6)，這可能是由于抽穗期水稻營養(yǎng)生長轉(zhuǎn)向生殖生長的關(guān)鍵時期，同時受土壤背景變化影響不大，DVI對氮營養(yǎng)變化敏感。因此，選擇GWDRVI、GDVI、DVI作為水稻分蘗期、拔節(jié)期和抽穗期氮素營養(yǎng)診斷指標。

表1 植被指數(shù)與水稻植株氮濃度的相關(guān)關(guān)系

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

圖3 水稻關(guān)鍵生育期氮素營養(yǎng)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(chǎn)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(chǎn)量11 168.5 kg·hm-2。結(jié)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(jīng)濟施肥量285.5 kg·hm-2，對應產(chǎn)量11 155.6 kg·hm-2為最佳經(jīng)濟產(chǎn)量，以此得到分蘗期、拔節(jié)期和抽穗期的氮素營養(yǎng)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(guān)鍵生育期施肥處方圖制作

依據(jù)施氮總量、診斷指數(shù)、產(chǎn)量和施肥量等相互關(guān)系，通過式(1)、式(2)結(jié)合和建立水稻分蘗期、拔節(jié)期和抽穗期關(guān)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(shù)；a為施氮量與診斷指數(shù)的線性方程的截距；b為施氮量與診斷指數(shù)的線性方程的回歸系數(shù)；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(jié)期和抽穗期追肥模型計算區(qū)域條田每個像素點的施肥量，從而實現(xiàn)施肥量的定量可視化表達，如圖5所示。

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

3 結(jié)論

通過以上研究，得到以下結(jié)論。

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

(2)根據(jù)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(chǎn)量和邊際產(chǎn)量效應計算的最佳經(jīng)濟施肥量(285.5 kg/hm2)，得到水稻各關(guān)鍵生育時期的臨界診斷值，為診斷冬小麥關(guān)鍵生育期是否補充氮肥提供依據(jù)。

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