鄭華斌 陳燦 傅志強(qiáng) 黃璜

（湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院/農(nóng)業(yè)部華中地區(qū)作物栽培科學(xué)觀測實驗站，長沙410128；第一作者：hbzheng@hunau.edu.cn；*通訊作者：hh863@126.com）

有機(jī)肥化肥配施的雙季晚稻群體冠層光譜特征研究

鄭華斌 陳燦 傅志強(qiáng) 黃璜*

（湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院/農(nóng)業(yè)部華中地區(qū)作物栽培科學(xué)觀測實驗站，長沙410128；第一作者：hbzheng@hunau.edu.cn；*通訊作者：hh863@126.com）

以不同施肥模式為基礎(chǔ)，分析了晚稻群體冠層光譜反射率、一階微分光譜和歸一化光譜特征，并對葉片氮含量、氮積累量、產(chǎn)量、葉面積指數(shù)和葉干物質(zhì)積累進(jìn)行了相關(guān)性分析，構(gòu)建了以高光譜特征參數(shù)為自變量的水稻氮素營養(yǎng)診斷模型。結(jié)果表明，葉片氮素含量與665 nm處冠層光譜反射率呈極顯著相關(guān)性（p<0.001），與554 nm和672 nm處的一階微分光譜也呈極顯著相關(guān)性（p<0.001）；以λr構(gòu)建的指數(shù)函數(shù)y=684.91e0.028x，決定系數(shù)（R2）為0.90、（SDr-SDb）/（SDr+SDb）構(gòu)建的指數(shù)函數(shù)y=0.66e0.11x，決定系數(shù)（R2）為0.88，均能很好地診斷在有機(jī)肥和無機(jī)肥配施模式下的水稻氮素營養(yǎng)。

水稻；有機(jī)肥化肥配施；氮素營養(yǎng)；冠層反射光譜；高光譜參數(shù)；診斷模型

隨著植物遙感技術(shù)的快速發(fā)展，以光譜技術(shù)為核心的無損測試技術(shù)成為研究的熱點[1]，國內(nèi)外學(xué)者對水稻[2-3]、小麥[4]、玉米[5]、棉花[6]、油菜[7]等不同作物基于光譜技術(shù)的氮素營養(yǎng)診斷已經(jīng)進(jìn)行了深入的研究。張玉森等[8]應(yīng)用近紅外光譜（NIRS）技術(shù)預(yù)測了水稻葉片氮含量。譚昌偉等[9]通過設(shè)置4個氮肥水平，研究最適診斷水稻氮素營養(yǎng)的模型指出，以歸一化變量（SDr-SDb）/（SDr+SDb）構(gòu)建的線性函數(shù)擬合模型，可以定量診斷水稻氮素營養(yǎng)。薛利紅等[10]設(shè)置4個氮肥水平研究基于冠層反射光譜的水稻群體葉片氮素狀況指出，水稻冠層光譜反射率與葉片氮積累量顯著相關(guān)，尤其是近紅外與綠光波段的比值（R810/R560）與葉片氮積累量（LNA）呈顯著線性關(guān)系，不受氮肥水平和生育時期的影響。

前人的研究集中在無機(jī)肥及其施肥水平上，而有機(jī)肥化肥配施的氮素營養(yǎng)診斷模型的研究鮮有報道。本文以施肥模式長期定位試驗為基礎(chǔ)，以雙季晚稻孕穗期間葉片氮含量、氮積累量和冠層光譜特征為數(shù)據(jù)資料，分析孕穗期群體冠層光譜特征、葉片氮含量與冠層光譜反射率和冠層光譜一階光譜反射率的相關(guān)性，并建立與氮素營養(yǎng)呈極顯著相關(guān)性的高光譜參數(shù)為自變量，以葉片氮含量為因變量的高光譜參數(shù)模型，完善和豐富水稻生產(chǎn)中的無損實時生長診斷模型。

1 材料與方法

1.1 試驗地點

表1 土壤理化特性（2014年）

試驗設(shè)在湖南寧鄉(xiāng)土壤肥料工作站 （28'07°N，112'18°E；海拔36.0 m）的長期施肥模式田間定位試驗田（1987-至今），試驗田進(jìn)行早稻-晚稻輪作。供試田塊土壤為第四紀(jì)紅粘土發(fā)育成的水稻土，亞熱帶季風(fēng)氣候，年平均氣溫17.4℃，年降水量1 488 mm，無霜期280 d。各處理土壤基本理化性狀見表1。

1.2 試驗設(shè)計

隨機(jī)區(qū)組設(shè)計，設(shè)5個不同施肥模式：CK，無肥區(qū)；FM，化肥區(qū)；SRM，秸稈還田區(qū)；30%OM，30%有機(jī)肥+70%化肥區(qū)；60%OM，60%有機(jī)肥+40%化肥區(qū)。施肥水平詳見表2。無機(jī)N、P2O5、K2O以單質(zhì)肥定量施入、有機(jī)肥以豬糞肥施入。其中P2O5、K2O和有機(jī)肥以基肥形式一次性施入，N肥中40%為基肥、50%為分蘗肥、10%為穗肥。所有處理除施肥模式不同外，其他栽培管理措施均一致。3次重復(fù)，小區(qū)面積為60 m2，行株距23 cm×20 cm。參試品種為金優(yōu)207。

圖1 晚稻孕穗期不同階段的冠層反射率（a，9月10日；b，9月16日；c，9月21日）

表2 不同肥料處理的施肥量

1.3 測定方法

1.3.1 群體冠層光譜特征

采用ASD FieldSpec Pro－FRTM光譜儀（美國ASD公司）測定水稻冠層光譜特征，于11∶00－13∶00，選擇無風(fēng)、天氣晴朗的時間，分別在晚稻不同階段孕穗期，即9月10日、9月16日和9月21日測定水稻冠層光譜反射率。ASD FieldSpec Pro－FRTM光譜儀，波段為350～2500 nm，350～1 000 nm光譜采樣間隔為1.4 nm，分辨率為3 nm；1 000～2 500 nm光譜采樣間隔為2 nm，分辨率為10 nm。光譜儀、控制計算機(jī)間采用無線傳輸，并由UPS提供電能。數(shù)據(jù)采集前采用標(biāo)準(zhǔn)白板校正（標(biāo)準(zhǔn)白板反射率視為1，所測得的目標(biāo)物光譜是無量綱的相對反射率和相對透射率），光譜采樣樣本為30個/小區(qū)，然后取平均值。

1.3.2 葉干物質(zhì)積累動態(tài)及其N含量

選取長勢均勻的植株6株，連根拔出，清理泥土后帶回室內(nèi)測定綠葉葉面積和植株干物質(zhì)量。其中綠葉葉面積采用Licor－3100結(jié)合比葉重測定，計算葉面積指數(shù)（LAI）；干物質(zhì)量按葉片、莖鞘、穗分別測定。干物質(zhì)經(jīng)粉碎后過60目篩，用H2SO4－H2O2消化[11]，用AA3型流動分析儀測定葉片氮含量[12]。

1.3.3 產(chǎn)量

于成熟期每小區(qū)中心選取5 m2作為測產(chǎn)區(qū)，人工收割和脫粒，采用網(wǎng)袋單獨(dú)曬干、風(fēng)選稱重，測定稻谷質(zhì)量和含水量，再折算成含水量14%的實際產(chǎn)量。

1.4 數(shù)據(jù)處理與分析

產(chǎn)量、干物質(zhì)、群體光譜特性等均值在Excel 2003軟件平臺下實現(xiàn)；基于ASD viewspec－pro、Matlab7.0軟件平臺下進(jìn)行光譜的數(shù)值提取和歸一化處理；基于Statistix 8.0軟件平臺下進(jìn)行處理間差異的方差分析，采用“最小顯著差法（LSD）”進(jìn)行顯著性檢驗。數(shù)據(jù)處理用Statistical 7.0。

2 結(jié)果與分析

2.1 晚稻群體冠層光譜特性

2.1.1 相對反射率

由圖1（a）可知，400～660 nm的CK的相對反射率要高于施肥模式，660～680 nm附近（葉綠素吸收區(qū)），CK的冠層光譜反射率最大，其次是30%OM的處理，大于700 nm時，處理之間冠層光譜反射率差異明顯，以30%OM處理的冠層光譜反射率最高，其次是FM、SRM和60%OM處理；由圖1（b）可知，400～660 nm的冠層光譜反射率依次為CK＞SRM＞30%OM＞60%OM＞FM，660～680 nm的趨勢與400～660 nm一致，大于700 nm時，處理間分化較為明顯，F(xiàn)M、SRM和30%OM處理的冠層光譜反射率最低，其次是60%OM處理，CK的冠層光譜反射率最小；由圖1（c）可知，同樣表現(xiàn)出大于700 nm波段時，各處理的冠層光譜反射率差異明顯，SRM的冠層光譜反射率最大，其次是30%OM和FM處理，最后是CK和60%OM處理。由此可見，隨著孕穗期生育進(jìn)程的推進(jìn)，大于700 nm不同施肥處理的變化規(guī)律不一。60%OM處理的冠層光譜反射率呈先增加后降低的趨勢，F(xiàn)M和30%OM處理的變化趨勢不明顯，SRM處理的冠層光譜反射率逐漸增加。

圖2 晚稻孕穗期不同階段的冠層一階導(dǎo)數(shù)光譜特征曲線（a，9月10日；b，9月16日；c，9月21日）

圖3 晚稻孕穗期不同階段的冠層歸一化光譜特征曲線（a，9月10日；b，9月16日；c，9月21日）

2.1.2 紅邊一階導(dǎo)數(shù)光譜特征

紅邊是植物在680～750 nm一階導(dǎo)數(shù)光譜最大值對應(yīng)波長，即紅光到近紅外區(qū)光譜曲線的變形點。紅邊位置是葉綠素強(qiáng)烈吸收和葉片內(nèi)在散射共同作用的結(jié)果，對“紅邊”位移監(jiān)測可獲得有關(guān)環(huán)境脅迫的信息。一般認(rèn)為，光譜導(dǎo)數(shù)可以增強(qiáng)光譜曲線在坡度上的細(xì)微變化，對植被來說這種變化與植被的生物化學(xué)吸收特性相關(guān)。采用光譜導(dǎo)數(shù)分析模型具有一系列的優(yōu)越性，主要有部分消除大氣效應(yīng)，可能消除植被光譜中土壤成分的影響，能反映植被的本質(zhì)特征等。本文一階導(dǎo)數(shù)Dλ采用下式差分計算：Dλ=（Ri+1-Ri-1）/（λi+1-λi-1）。式中，Ri表示波長i處的相對反射率；λi為波長i處的波長值[13]。

由圖2可知，水稻冠層紅邊具有多峰現(xiàn)象，吸收峰出現(xiàn)在695～700 nm、715～720 nm、720～725 nm、725～ 730 nm和730～735 nm處。9月10日和16日的測定結(jié)果表明，一階導(dǎo)數(shù)光譜曲線分為明顯的2組，CK的一階微分光譜最?。欢?月21日，一階微分光譜曲線很分散，差異明顯，SRM處理的一階導(dǎo)數(shù)光譜最大，其次是30%OM、FM和60%OM處理。孕穗期的不同階段，各處理的吸收峰并沒有發(fā)生推移現(xiàn)象，這可能是由于葉片生物量、葉面積指數(shù)、土壤背景等變化不顯著的緣故。

2.1.3 歸一化光譜特征

為了清晰區(qū)分不同施肥方式的水稻冠層光譜特征，采用包絡(luò)線去除法對光譜進(jìn)行再處理，能夠突出原始光譜曲率和吸收深度等特征。包絡(luò)線去除法通過將反射光譜吸收強(qiáng)烈部分的波段特征進(jìn)行轉(zhuǎn)換，放大并形成一種歸一化的吸收光譜，從而進(jìn)行光譜吸收特征分析和光譜特征波段選擇。包絡(luò)線是指一條連接光譜上選取波段間吸收起點和吸收終點的線，也叫“外殼”。當(dāng)外殼確定之后，包絡(luò)線去除值可根據(jù)下式進(jìn)行計算：Rcj=Ri/RHi，式中，Rcj為波段i處對應(yīng)的包絡(luò)線去除值；Ri為波段i處的光譜反射率；RHi為波段i對應(yīng)的“外殼”值[13]。

圖4 晚稻孕穗期不同階段干物質(zhì)（a）、葉面積指數(shù)（b）、葉片氮含量（c）和氮積累量（d）的變化

表3 葉片相關(guān)指標(biāo)和產(chǎn)量的相關(guān)性分析

由圖3可知，晚稻孕穗期光譜相對反射率曲線在440～550 nm、560～730 nm、920～1 065 nm、1 090～1 260 nm內(nèi)具有明顯的吸收谷，選取吸收強(qiáng)度最大的560～730 nm波段，通過包絡(luò)線去除法將該波段的光譜反射率進(jìn)行歸一化處理，深入分析反射光譜的吸收特征。圖3（a）中，處理間的歸一化光譜曲線分為2組，CK的歸一化的吸收深度最小、光譜反射率最大，其他處理較CK的歸一化吸收深度大、光譜反射率小；由圖3（b）可知，同樣，CK的歸一化的吸收深度最小、光譜反射率最大，F(xiàn)M處理的歸一化的吸收深度最大、光譜反射率最??；由圖3（c）也可知，CK的歸一化的吸收深度最小、光譜反射率最大，30%OM和60%OM處理的歸一化的吸收深度最大、光譜反射率最小?？偟膩碚f，在孕穗后期各處理的歸一化光譜差異最為明顯。

2.2 葉片干物質(zhì)積累及其N含量動態(tài)

隨著水稻生育進(jìn)程的推進(jìn)，葉干物質(zhì)積累量（圖4a）和葉片含氮量（圖4c）不斷下降，其中CK、FM、SRM處理均有持續(xù)下降的趨勢，有機(jī)肥無機(jī)配施的葉干物質(zhì)量有所增加；而葉片氮積累量也呈下降趨勢，變化規(guī)律與葉片干物質(zhì)積累量一致。相關(guān)性分析也表明，葉片干物質(zhì)積累和含氮量、葉片氮積累量間為極顯著相關(guān)（表3）；葉面積指數(shù)（LAI）最大的是30%OM處理（圖4b），其次是處理SRM、FM、60%OM處理，最小的是CK。因此，適量的有機(jī)肥和無機(jī)肥配施有利于水稻氮素營養(yǎng)的積累，同時，配施有機(jī)肥能夠延長水稻葉片功能期，減緩葉片衰老，為水稻后期產(chǎn)量形成提供充足的庫源[20]。

2.3 晚稻群體冠層光譜特性與葉片特性的相關(guān)性分析

圖5 665 nm處冠層光譜反射率與葉片全氮含量的曲線模型

圖6 554 nm和672 nm處冠層一階導(dǎo)數(shù)光譜反射率與葉片全氮含量的曲線模型

葉片含氮量與350～717 nm波段光譜反射率表現(xiàn)出極顯著負(fù)相關(guān)（p<0.05），與可見光波段466～705 nm呈極顯著負(fù)相關(guān)（p<0.001），決定系數(shù)（R2）達(dá)到0.7以上的波段是483～696 nm，相關(guān)性系數(shù)最高的單波段是665 nm；與近紅外波段747～949 nm呈極顯著正相關(guān)（p<0.05）。選取相關(guān)性系數(shù)最好的665 nm為變量，與葉片氮含量做線性回歸方程（圖5），其模型函數(shù)是y= 0.14x2-2.13x+6.06，決定系數(shù)（R2）為0.78。

葉片含氮量與一階微分光譜反射率也表現(xiàn)出極顯著的相關(guān)性。與可見光波段547～556 nm以及單波段489 nm、630 nm，表現(xiàn)出極顯著負(fù)相關(guān)（p<0.05）；在550～555 nm及489 nm處呈極顯著負(fù)相關(guān)（p<0.001），相關(guān)性系數(shù)最高的單波段是554 nm；在659～660 nm、666～667 nm、670～672 nm波段內(nèi)表現(xiàn)出極顯著負(fù)相關(guān)（p<0.05），在667 nm、671～672 nm處呈極顯著負(fù)相關(guān)（p<0.001），相關(guān)性系數(shù)最高的單波段是672 nm。選取相關(guān)性系數(shù)最好的554 nm和672 nm為變量，與葉片氮含量做線性回歸方程（圖6）。554 nm和672 nm處的線性模型函數(shù)分別為y=-0.27x2-0.51x+2.17和y=-0.39x2-0.060x+2.41，決定系數(shù)（R2）分別為0.84和0.82。

2.4 不同施肥模式的晚稻群體冠層高光譜預(yù)測與評價

常用的高光譜遙感特征變量包括從原始光譜、一階微分光譜提取的基于光譜位置的特征變量、基于高光譜的特征變量和基于高光譜植被指數(shù)的特征變量，共3種類型18種參數(shù)[9]（表4）。

由表5可見，在基于光譜位置的特征變量高光譜參數(shù)中紅邊位置（λr）、黃邊內(nèi)最大一階微分值（Dy）、綠峰反射率（Rg）、綠峰反射率對應(yīng)的波長位置（λg）、紅谷反射率（Ro）與水稻葉片氮含量呈極顯著正（負(fù)）相關(guān)；基于光譜面積的特征變量的3個參數(shù)與水稻葉片氮含量未表現(xiàn)出相關(guān)性；在基于植被指數(shù)的特征變量中除（SDr/SDy）和（SDr-SDy）/（SDr+SDy）外均呈極顯著正相關(guān)。因此可篩選出用作診斷水稻氮素營養(yǎng)狀況的高光譜遙感特征變量，其中以λr和（SDr-SDb）/（SDr+SDb）最為理想。

為了更精確地診斷這些參數(shù)，選取與氮素含量呈極顯著相關(guān)的高光譜參數(shù)為自變量、以葉片氮含量為因變量，分析高光譜參數(shù)（x）與氮素含量（y）的相關(guān)性，采用以下5種函數(shù)模式構(gòu)建診斷模型：1）線性函數(shù)：y= a+bx；2）指數(shù)函數(shù)：y=a×exp（bx）；3）對數(shù)函數(shù)：y=a+lnx；4）拋物線函數(shù)：y=ax2+bx+c；5）冪函數(shù)：y=axb；4）多項式函數(shù)：y=ax3+bx2+cx+d。式中：y為氮素營養(yǎng)的診斷值；x為高光譜參數(shù)，a、b、c、d為診斷模型的常數(shù)，篩選出最佳診斷模型（表6）。

由表6可知，篩選的高光譜參數(shù)與水稻葉片氮含量之間都存在很好的相關(guān)性，其中以λr構(gòu)建的指數(shù)函數(shù)的決定系數(shù)（R2）最大，其模型函數(shù)為y= 684.91e0.0281x；其次是以（SDr-SDb）/（SDr+SDb）構(gòu)建的指數(shù)函數(shù)，決定系數(shù)（R2）為0.883，其模型函數(shù)為y= 0.6614e0.1139x。因此，可以選擇以λr和（SDr-SDb）/（SDr+ SDb）為自變量構(gòu)建水稻孕穗期葉片氮素營養(yǎng)的診斷模型。

3 討論

3.1 有機(jī)肥化肥配施對水稻生長發(fā)育的影響

有機(jī)肥的施用是循環(huán)農(nóng)業(yè)的重要環(huán)節(jié)，以農(nóng)作物秸稈、畜禽糞便等有機(jī)肥料與化肥配施不僅能提高水稻產(chǎn)量和品質(zhì)[14]，提高氮肥利用率[15]，增加水稻的干物質(zhì)積累量[16]，而且能促進(jìn)植物葉綠素的合成[17-20]，延長水稻葉片功能期，減緩葉片衰老，為水稻后期產(chǎn)量形成提供充足的庫源。但不同學(xué)者對有機(jī)肥和無機(jī)肥的配比上存在分歧，王昌全等[21]研究認(rèn)為，葉綠素含量隨著有機(jī)肥料（豬糞、雞糞和油枯）的增加而增加；而陳星峰等[22]對不同種類有機(jī)肥和無機(jī)肥配施的研究中表明，配施雞糞和稻草的煙葉光合色素含量隨有機(jī)氮比例增加而增加，而餅肥、牛糞和豬糞則相反。本研究發(fā)現(xiàn)，這種優(yōu)勢在處理30%OM更加明顯，優(yōu)于處理SRM和60%OM，在葉片氮含量、葉片氮積累量、葉干物質(zhì)量和葉面積指數(shù)等指標(biāo)上都占有顯著的優(yōu)勢。

表4 高光譜遙感特征變量的定義（引自譚昌偉等[9]）

表5 水稻氮素含量與各類高光譜參數(shù)的相關(guān)系數(shù)

3.2 有機(jī)肥化肥配施下水稻群體光譜特征及其預(yù)測模型

利用光譜技術(shù)監(jiān)測水稻氮素營養(yǎng)是為了快速準(zhǔn)確無損地把握作物生長發(fā)育狀況、土壤肥力情況和作物產(chǎn)量及品質(zhì)，指導(dǎo)農(nóng)業(yè)生產(chǎn)，為相似施肥模式下水稻氮素營養(yǎng)診斷提供理論和依據(jù)。本研究基于25 a的田間試驗，以晚稻孕穗前期、中期和后期葉片氮素含量、氮積累量和冠層反射光譜為數(shù)據(jù)資料，降低了土壤背景值和取樣時期對研究結(jié)果的干擾，因此，本研究利用高光譜特征參數(shù)預(yù)測水稻氮素營養(yǎng)具有很高的可靠性。同時，本研究以不施肥為對照，選取單一施化肥、秸稈還田、30%有機(jī)肥+70%無機(jī)肥配施和60%有機(jī)肥+40%無機(jī)肥配施4種典型的施肥模式為試驗組，更具有實際應(yīng)用價值，并確立了水稻葉片氮含量與冠層高光譜特征參數(shù)的定量關(guān)系，發(fā)現(xiàn)λr、Dy、Rg、λg、Ro、SDr/SDb、Rg/ Ro、（SDr-SDb）/（SDr+SDb）和（Rg-Ro）/（Rg+Ro）等光譜參數(shù)均可以較好的監(jiān)測水稻氮素營養(yǎng)狀況，其中λr和（SDr-SDb）/（SDr+SDb）構(gòu)建的指數(shù)監(jiān)測模型更為準(zhǔn)確可靠。而譚昌偉等[9]在4個無機(jī)氮肥水平下篩選出的最佳模型是以（SDr-SDb）/（SDr+SDb）構(gòu)建的線性監(jiān)測模型。本研究在利用水稻葉片氮含量和水稻冠層光譜反射率與一階導(dǎo)數(shù)光譜反射率相關(guān)性分析中，篩選出了與冠層光譜反射率相關(guān)性較好的波段350～717 nm、466～705 nm和747～949 nm，相關(guān)性最高的單波段是665 nm；與一階導(dǎo)數(shù)光譜反射率相關(guān)性較好的波段是489 nm、547～556 nm、630 nm、659～660 nm、666～667 nm、671～672 nm，相關(guān)性最好的是554 nm和672 nm。這一研究結(jié)果與譚昌偉等[9]有差別，但與周啟發(fā)等[23]和潘星哲[24]篩選出的波段有重疊，但最佳波段又不同。與其他研究產(chǎn)生差異的主要原因可能是由于施肥模式的不同造成的，另外，采樣點生態(tài)環(huán)境的差異也是不可忽略的因素。

表6 水稻全氮含量與高光譜特征參數(shù)的回歸分析

4 結(jié)論

基于有機(jī)肥化肥配施，665 nm處冠層光譜反射率與葉片氮素含量呈極顯著相關(guān)性（p<0.001），554 nm和672 nm處的一階微分光譜與葉片氮素含量也呈極顯著相關(guān)性（p<0.001）；以λr構(gòu)建的指數(shù)函數(shù)y= 684.91e0.028x，決定系數(shù)（R2）為0.90、以（SDr-SDb）/（SDr+ SDb）構(gòu)建的指數(shù)函數(shù)y=0.66e0.11x，R2為0.88，均能很好地診斷在有機(jī)肥化肥配施下的水稻氮素營養(yǎng)。但是，本研究只基于1個生態(tài)點的數(shù)據(jù)，還需要在不同生態(tài)點做進(jìn)一步的試驗和檢驗，進(jìn)而完善預(yù)測模型的精準(zhǔn)性。

[1]Sun Q P,Jia L L,Rui Y K,et al.Nitrogen status diagnosis of summer maize by using visible spectral analysis technology[J].Spectrosc Spectral Anal,2009,29（2）:432-435.

[2] Yao Y,Miao Y,Jiang R,et al.Evaluating different active crop canopy sensors for estimating rice yield potential（Agro-Geoinformatics）[A].2013 Second International Conference on.IEEE,2013: 538-542.

[3]徐新剛，趙春江，王紀(jì)華，等.新型光譜曲線特征參數(shù)與水稻葉綠素含量間的關(guān)系研究[J].光譜學(xué)與光譜分析，2011，31（1）：188.

[4] Li F,Mistele B,Hu Y,et al.Reflectance estimation of canopy nitrogen content in winter wheat using optimised hyperspectral spectral indices and partial least squares regression[J].Eur J Agron,2014, 52:198-209.

[5] Chen P,Haboudane D,Tremblay N,et al.New spectral indicator assessing the efficiency of crop nitrogen treatment in corn and wheat[J]. Remote Sens Environ，2010,114（9）:1 987-1 997.

[6] Yi Q X,Bao A M,Luo Y,et al.Measuring cotton water status using water-related vegetation indices at leaf and canopy levels[J].J Arid Land,2012,4（3）:310-319.

[7]孔汶汶，劉飛，鄒強(qiáng)，等.基于近紅外光譜技術(shù)的油菜葉片丙二醛含量快速檢測方法研究 [J].光譜學(xué)與光譜分析，2011，31（4）：988-991.

[8]張玉森，姚霞，田永超，等.應(yīng)用近紅外光譜預(yù)測水稻葉片氮含量[J].植物生態(tài)學(xué)報，2010，34（6）：704-712.

[9] 譚昌偉，周清波，齊臘，等.水稻氮素營養(yǎng)高光譜遙感診斷模型[J].應(yīng)用生態(tài)學(xué)報，2008，19（6）：1 261-1 268.

[10]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等.小麥葉片氮素狀況與光譜特性的相關(guān)性研究[J].植物生態(tài)學(xué)報，2004，28（2）：172-177.

[11]田永超，楊杰，姚霞，等.利用葉片高光譜指數(shù)預(yù)測水稻群體葉層全氮含量[J].作物學(xué)報，2010，36（9）：1 529-1 537.

[12]貝美容，羅雪華，楊紅竹.AA3型連續(xù)流動分析儀（CFA）同時測定橡膠葉全氮、全磷、全鉀的方法研究 [J].熱帶作物學(xué)報，2011，32（7）：1 258-1 264.

[13]仲曉春，戴其根，何理，等.不同濃度鎘脅迫下水稻冠層光譜特征及其預(yù)測評價[J].農(nóng)業(yè)環(huán)境科學(xué)學(xué)報，2012，31（3）：448-454.

[14]周江明.有機(jī)-無機(jī)肥配施對水稻產(chǎn)量、品質(zhì)及氮素吸收的影響[J].植物營養(yǎng)與肥料學(xué)報，2011，18（1）：234-240.

[15]歐楊虹，徐陽春，沈其榮.有機(jī)氮部分替代無機(jī)氮對水稻產(chǎn)量和氮素利用率的影響[J].江蘇農(nóng)業(yè)學(xué)報，2009，25（1）：106-111.

[16]胡星.秸稈全量還田與有機(jī)無機(jī)肥配施對水稻產(chǎn)量形成的影響[D].揚(yáng)州：揚(yáng)州大學(xué)，2008.

[17]Zlatev Z,Popov V.Effect of organic fertilizers on photosynthesis of young tomato plants（Lycopersicon escuentum Mill.）[J].Agric SciTechn,2013,5（1）:1 313－1 320.

[18]Singh B,Singh Y,Sodhi G S,et al.Chlorophyll meter－based N management for rice grown in soils amended with organic manure[J].Int Rice Res Notes,2011,28（1）:63－65.

[19]周莉華，李維炯，倪永珍.長期施用EM生物有機(jī)肥對冬小麥生產(chǎn)的影響[J].農(nóng)業(yè)工程學(xué)報，2005，21（S1）：221－224.

[20]沈德龍，曹鳳明，李力.我國生物有機(jī)肥的發(fā)展現(xiàn)狀及展望[J].中國土壤與肥料，2007（6）：1－4.

[21]王昌全，謝德體，李冰，等.不同有機(jī)肥種類及用量對芹菜產(chǎn)量和品質(zhì)的影響[J].中國農(nóng)學(xué)通報，2005，21（1）：192－195.

[22]陳星峰，陳朝陽，陳巧萍，等.配施不同種類有機(jī)肥對烤煙若干生理指標(biāo)的影響[J].中國農(nóng)學(xué)通報，2009，25（22）：178－181.

[23]周啟發(fā)，王人潮.水稻氮素營養(yǎng)水平與光譜特性的關(guān)系[J].浙江農(nóng)業(yè)大學(xué)學(xué)報，1993，19（S1）：40－45.

[24]潘星哲.基于不同施氮量水平下水稻高光譜特征分析[D].南昌：江西農(nóng)業(yè)大學(xué)，2013.

Research of Canopy Spectral Characteristics of the Late Rice Populations with Organic Manure and Chemical Fertilizers

ZHENG Huabin,CHEN Can,FU Zhiqiang,HUANG Huang
（College of Agronomy,Hunan Agricultural University/Observation station of Crop Cultivation Science in Central China,Ministry of agriculture, Changsha 410128,China;1st author:hbzheng＠hunau.edu.cn;*Corresponding author:hh863＠126.com）

Based on different fertilization patterns,the canopy spectral reflectance,the first derivative spectra and normalized spectral characteristics of late rice,and a correlation among leaf nitrogen content,nitrogen accumulation,yield,leaf area index and leaf dry matter accumulation were analyzed.Then the rice nitrogen nutrition diagnosis model with high spectral characteristic parameters as independent variables was constructed.The results showed that:there has a great relevance between leaf nitrogen content with canopy spectral reflectance at 665 nm（p＜0.001）,the same with the first derivative spectra at 554 nm and 672 nm（p＜0.001）;There has an exponential function by λr:y=684.91e0.028x,the coefficient of determination（R2）was 0.90,and an exponential function by（SDr－SDb）/（SDr+SDb）：y=0.66e0.11x,the coefficient of determination（R2）was 0.88,these two model could diagnose the late rice nitrogen nutrition well under the conditions of organic manure and chemical fertilizers.

rice;organic manure;chemical fertilizers;nitrogen nutrition;canopy reflectance spectroscopy;high spectral parameters; diagnostic model

S511.062

A

1006-8082（2017）04-0006-08

2017－06－25

湖南雙季稻區(qū)水稻生長指標(biāo)光譜監(jiān)測技術(shù)體系的施肥應(yīng)用（201303109-3）；國家水稻豐產(chǎn)科技工程“長江中游南部（湖南）水稻豐產(chǎn)節(jié)水節(jié)肥技術(shù)集成與示范”（2013BAD07B11）