張 玲，陳新平*，賈良良

（1 農(nóng)業(yè)部土壤與作物相互作用實驗室/中國農(nóng)業(yè)大學(xué)資源環(huán)境與糧食安全中心/中國農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，北京 100193；2 河北省農(nóng)林科學(xué)院農(nóng)業(yè)資源環(huán)境研究所，河北石家莊 050051）

玉米產(chǎn)量占我國谷物產(chǎn)量的三分之一以上，已成為我國第一大糧食作物[1]。在當(dāng)前以小農(nóng)戶為主的玉米生產(chǎn)中，不合理施用氮肥、氮肥利用率低、環(huán)境污染嚴(yán)重等問題突出[2-3]。傳統(tǒng)的氮素營養(yǎng)診斷以實驗室分析和破壞性取樣為主，時效性和便捷性低[4]，難以滿足以小農(nóng)戶為主體的生產(chǎn)條件下的技術(shù)需求，迫切需要發(fā)展便捷的新方法、新手段來滿足對一定區(qū)域作物營養(yǎng)的動態(tài)監(jiān)測和管理。

無人機(jī)遙感作為一種新型的遙感技術(shù)，以其獨特的優(yōu)勢近年來在農(nóng)業(yè)領(lǐng)域受到高度關(guān)注。無人機(jī)遙感技術(shù)以無人機(jī)飛行器為平臺，搭載多傳感器，快速獲取田間作物冠層的高分辨率影像信息，經(jīng)過遙感數(shù)據(jù)的處理后用于田間作物冠層信息的解析[5]。無人機(jī)遙感平臺的傳感器受其載荷能力的限制，在精度、質(zhì)量和尺寸上需滿足一定的要求，目前無人機(jī)遙感普遍采用的傳感器主要為數(shù)碼相機(jī)[6-7]、多光譜相機(jī)[8-9]、高光譜相機(jī)[10]、熱像儀[10-11]和激光雷達(dá)[12]等。無人機(jī)搭載多傳感器平臺的遙感技術(shù)具有其特有的優(yōu)勢，如效率高、成本低、高度的靈活性，具有極高的時空分辨率，適合復(fù)雜農(nóng)田環(huán)境[13]，對比衛(wèi)星遙感，不受大氣和云層的干擾，不存在訪問周期長的問題[14-16]。目前，已開展了無人機(jī)遙感在解析作物株高信息、倒伏狀況、生物量、葉綠素含量、葉面積指數(shù)、水分狀態(tài)、氮素狀況和產(chǎn)量等信息方面的研究工作[7,11,17-23]。

作為可見光遙感最便捷的工具之一，數(shù)碼相機(jī)以其無損、準(zhǔn)確、快速的特點在小麥[24]、夏玉米[25-26]、水稻[4,27]、棉花[28]、冬油菜[29]等各種作物中得到廣泛研究，可見光光譜參數(shù)被認(rèn)為可以作為診斷氮素狀況的良好指標(biāo)。植物冠層的綠色狀況受葉片葉綠素含量的影響，而葉綠素與植株的全氮含量有顯著的相關(guān)關(guān)系[30]，由于葉綠素對可見光的有效吸收，在可見光波段 (400～700 nm)，作物冠層的光反射會隨著缺氮程度的增加而增強(qiáng)[31-33]，這可作為可見光光譜參數(shù)用于作物氮素診斷的依據(jù)。研究發(fā)現(xiàn)，綠光標(biāo)準(zhǔn)化值[G/(R + G + B)]是較好地表征冬小麥拔節(jié)期氮營養(yǎng)狀況的指標(biāo)[24]，也可作為盛花期棉花氮素營養(yǎng)診斷的指標(biāo)[28]；藍(lán)光標(biāo)準(zhǔn)化值[B/(R + G + B)]可作為進(jìn)行夏玉米六葉期氮素營養(yǎng)診斷的最佳冠層圖像色彩參數(shù)指標(biāo)[25-26]；紅光標(biāo)準(zhǔn)化值[R/(R + G + B)]可作為水稻[4,27]和冬油菜[29]氮素營養(yǎng)診斷的最佳冠層圖像色彩參數(shù)指標(biāo)。這些基于陸地地表的可見光光譜參數(shù)研究為發(fā)展無人機(jī)可見光譜遙感奠定了一定的基礎(chǔ)。

綜合前人在可見光譜進(jìn)行作物氮營養(yǎng)診斷方面的研究進(jìn)展，已有的研究以作物單一生育期為主，系統(tǒng)研究全生育期冠層可見光譜參數(shù)動態(tài)變化的較少；以陸地地表獲取小面積光譜參數(shù)為主，無人機(jī)低空獲取較大面積作物冠層與氮營養(yǎng)相關(guān)的光譜參數(shù)很少。為此，本研究應(yīng)用無人機(jī)遙感平臺搭載數(shù)碼相機(jī)組成的可見光遙感系統(tǒng)，系統(tǒng)探究夏玉米生長發(fā)育的5個重要生育時期中12個可見光光譜參數(shù)的動態(tài)變化，旨在篩選穩(wěn)定且一致的光譜參數(shù)，為夏玉米不同生育時期無損快速氮營養(yǎng)診斷提供依據(jù)。

1 材料與方法

1.1 試驗材料

試驗于2015年在位于河北省曲周縣的中國農(nóng)業(yè)大學(xué)曲周試驗基地進(jìn)行，土壤為壤質(zhì)潮土，種植體系為冬小麥-夏玉米輪作。夏玉米生育期從6月10日到10月3日，品種為華北地區(qū)種植較為廣泛的夏玉米品種鄭單958，種植密度為9萬株/hm2，在夏玉米的整個生長季節(jié)內(nèi)沒有明顯的干旱脅迫和病蟲草害。

氮肥試驗設(shè)5個氮水平，分別為：1) 不施氮對照 (CK)；2) 農(nóng)民傳統(tǒng)施肥處理 (ConN)；3) 基于根層氮肥實時監(jiān)控的優(yōu)化施氮處理 (OptN)；4) 優(yōu)化施氮上調(diào)30%處理 (130%OptN)；5) 優(yōu)化施氮下調(diào)30%處理 (70%OptN)。其中優(yōu)化施氮處理采用以根層養(yǎng)分調(diào)控為核心的氮素實時監(jiān)控技術(shù)，根據(jù)作物在不同生育階段的氮素需求等確定氮素供應(yīng)的目標(biāo)值，結(jié)合土壤無機(jī)氮測試來確定不同時期的氮肥用量，以達(dá)到土壤和肥料的氮素供應(yīng)與作物氮素需求同步的目的[34]。試驗中所用氮肥為尿素，分為基肥(播前) 和追肥 (六葉期V6、吐絲期VT) 三次施用，具體氮肥用量見表1。各處理磷鉀肥用量相同，磷肥用量為P2O545 kg/hm2，鉀肥用量為K2O 90 kg/hm2，全部作為基肥施入。每個處理設(shè)4次重復(fù)，隨機(jī)區(qū)組排列，每個小區(qū)的面積為300 m2(20 m × 15 m)，整個試驗用地面積7500 m2。

表1 不同處理施氮量 (N kg/hm2)Table 1 N fertilization rate of different treatments

1.2 樣品測試與分析

在夏玉米六葉期 (V6)、十葉期 (V10)、吐絲期(VT)、籽粒建成期 (R2)、乳熟期 (R4) 和完熟期(R6，收獲期) 進(jìn)行地上部生物量取樣，取樣時在每個小區(qū)中部連續(xù)取6株玉米，烘箱105℃下殺青30 min后烘干至恒重計算地上部生物量，同時采用H2SO4-H2O2法消化，凱氏定氮法測定植株氮濃度，并計算相應(yīng)的植株地上部吸氮量。

1.3 數(shù)字圖像數(shù)據(jù)的獲取與處理

采用大疆精靈2代無人機(jī)作為遙感平臺，搭載Canon Powershot S110數(shù)碼相機(jī) (最大像素1600萬)，在夏玉米生長發(fā)育的5個主要時期，即：六葉期 (V6)、十葉期 (V10)、吐絲期 (VT)、籽粒建成期 (R2)、乳熟期 (R4)，選擇晴天光線較強(qiáng)的時間上午9:00—10:00無人機(jī)飛行高度約為120 m，相機(jī)調(diào)至TV模式下，設(shè)置為連拍模式，時間間隔為1 s，獲取夏玉米整塊試驗田冠層圖像。數(shù)碼相機(jī)得到的圖像為RGB真彩色圖像，圖像以JPEG無損壓縮格式轉(zhuǎn)存入計算機(jī)。圖像的處理采用Adobe Photoshop，在連拍模式獲得的圖像中，選取一張最大程度全部包括試驗田的圖像，裁剪去掉試驗田之外的部分，并進(jìn)行輕微的幾何矯正保證最終的試驗田部分的實際形狀，選擇小區(qū)處理時，人為去掉小區(qū)邊界四個方向各一行的玉米，以排除邊行長勢不均的干擾。各時期冠層航拍圖像利用“直方圖程序(Histogram procedure)”來獲得數(shù)字圖像的紅光值R(redness intensity)、綠光值 G (greenness intensity) 和藍(lán)光值B (blueness intensity) 和亮度值L (lightness intensity)，在數(shù)據(jù)獲取時均選取中間值，六葉期由于未封壟，為剔除土壤背景的干擾，先利用其“色彩選擇程序 (Colour selection)”選擇數(shù)字圖像中植物冠層部分，再進(jìn)行上述操作[4]。為更好地描述色彩參數(shù)與植株營養(yǎng)參數(shù)之間的相關(guān)關(guān)系，對色彩參數(shù)絕對值進(jìn)行處理，獲取綠光與紅光比值 (G/R)、綠光與藍(lán)光比值 (G/B)、紅光與藍(lán)光比值 (R/B)、綠光與亮度比值 (G/L)、紅光標(biāo)準(zhǔn)化值[R/(R + G + B)](normalized redness intensity)、綠光標(biāo)準(zhǔn)化值[G/(R + G +B)](normalized greenness intensity)、藍(lán)光標(biāo)準(zhǔn)化值[B/(R + G + B)] (normalized blueness intensity)[27]、紅綠藍(lán)植被指數(shù) RGBVI [RGBVI = (G × G-R × B)/(G ×G + R × B)][35]。

將各生育時期獲取的光譜參數(shù)與當(dāng)前常規(guī)的氮營養(yǎng)診斷指標(biāo) (氮濃度、生物量和吸氮量) 進(jìn)行相關(guān)性分析，并分析不同生育時期光譜參數(shù)的變異系數(shù)，選取相關(guān)性高且變異系數(shù)小的光譜參數(shù)作為最佳診斷參數(shù)。試驗數(shù)據(jù)用Microsoft Excel 2010和SAS統(tǒng)計軟件進(jìn)行分析。

2 結(jié)果與分析

2.1 不同氮肥用量對玉米各生育期氮濃度、生物量和吸氮量的影響

隨著植株的生長，植株氮濃度呈現(xiàn)降低的趨勢，即植株氮濃度在植株生長過程中存在稀釋效應(yīng)(表2)。在所有生育時期，不施氮處理 (CK) 的植株氮濃度都是最低的，顯著低于其他四個處理，除十葉期CK外的四個處理70%OptN、OptN、130%OptN、ConN沒有差異外，其他時期70%OptN處理顯著低于OptN、130%OptN、ConN處理，而OptN、130%OptN、ConN三個處理間沒有顯著性差異。在V6、V10、VT、R2、R4、R6生育期，OptN處理較CK處理植株氮濃度分別提高27.0%、59.6%、68.0%、92.6%、73.0%、49.3%。

表2 不同氮肥管理下夏玉米各生育期植株氮濃度 (%)Table 2 Maize plant N concentrations at different growth stages affected by N treatments

從圖1可以看出，CK處理的生物量累積和吸氮量在整個生育期都要顯著低于其他四個處理。對于70%OptN和OptN處理，70%OptN處理的生物量累積和吸氮量在整個生育期都要顯著低于OptN處理，從六葉期到吐絲期，OptN處理的生物量累積和吸氮量分別增加7 t/hm2和116 kg/hm2，分別比70%OptN處理高出31.5%和11%。從吐絲期到完熟期，OptN處理的生物量累積增加12 t/hm2，比70%OptN處理高出9%，而吸氮量增加為63 kg/hm2，比70%OptN處理低2 kg/hm2，但完熟期，OptN處理的吸氮量比70%OptN處理高18%。在整個生育期，OptN和130%OptN及ConN處理的生物量累積和吸氮量均沒有顯著性差異。

圖1 不同氮肥處理夏玉米生物量和氮素累積動態(tài)Fig. 1 Accumulation of biomass and nitrogen of maize through the growing season as affected by N treatments

2.2 不同生育時期冠層圖像色彩參數(shù)與植株氮素狀況的關(guān)系

2.2.1 不同生育時期冠層圖像色彩參數(shù)與植株氮濃度的關(guān)系 表3結(jié)果表明，除B、R/(R + G + B)、R/B外，R、G、L、G/(R + G + B)、B/(R + G + B)、G/R、G/B、G/L、RGBVI均在各生育期V6、V10、VT、R2、R4與夏玉米植株氮濃度有顯著或極顯著的相關(guān)性。其中參數(shù)R、G、L在各生育期與植株氮濃度都有極顯著的負(fù)相關(guān)關(guān)系，而參數(shù)B相關(guān)性并不穩(wěn)定。參數(shù)G/(R + G + B)、G/R、G/L、RGBVI在V6、V10期與植株氮濃度呈顯著正相關(guān)，而抽雄吐絲后呈顯著負(fù)相關(guān)，且V6、V10期相關(guān)性不及抽雄吐絲后。參數(shù)B/(R + G + B) 在V6期與植株氮濃度有顯著負(fù)相關(guān)關(guān)系，而V10期以后呈現(xiàn)極顯著正相關(guān)關(guān)系且相關(guān)性高于V6期，參數(shù)G/B在V6期與植株氮濃度有顯著正相關(guān)關(guān)系，而V10期以后呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系且相關(guān)性高于V6期。參數(shù)R/(R + G + B)與植株氮濃度在V6、V10期呈顯著負(fù)相關(guān)，而抽雄吐絲后與植株氮濃度無相關(guān)性。參數(shù)R/B在V6期與植株氮濃度無相關(guān)性，而V10期以后呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系。

表3 玉米不同生育時期冠層圖像色彩參數(shù)與氮濃度之間的相關(guān)關(guān)系 (n = 20)Table 3 Correlation coefficients between indexes of canopy image color parameter and N concentrations of maize at different growth stages

2.2.2 不同生育時期冠層圖像色彩參數(shù)與生物量的關(guān)系 表4結(jié)果表明，除參數(shù)B、R/(R + G + B)、R/B外，其他冠層圖像色彩參數(shù)均與各時期夏玉米植株生物量有顯著或極顯著的相關(guān)關(guān)系。其中參數(shù)R、G、L在各時期與生物量都有極顯著的負(fù)相關(guān)關(guān)系，而參數(shù)B與生物量的相關(guān)關(guān)系并不穩(wěn)定。參數(shù)G/(R + G + B)、G/R、G/L、RGBVI在 V6、V10 期與生物量呈顯著正相關(guān)，而抽雄吐絲后呈顯著負(fù)相關(guān)，且V6、V10期相關(guān)性不及抽雄吐絲后。參數(shù)B/(R + G + B) 在V6期與生物量有顯著負(fù)相關(guān)關(guān)系，而V10期以后呈現(xiàn)極顯著正相關(guān)關(guān)系且相關(guān)性高于V6期。參數(shù)G/B在V6期與生物量有顯著正相關(guān)關(guān)系，而V10期以后呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系且相關(guān)性高于V6期。參數(shù)R/(R + G + B) 與生物量在V6、V10期呈顯著負(fù)相關(guān)，而抽雄吐絲后與生物量無相關(guān)性。參數(shù)R/B在V6期與生物量無相關(guān)性，而V10期以后呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系。

2.2.3 不同生育時期冠層圖像色彩參數(shù)與植株吸氮量的關(guān)系 由表5可以發(fā)現(xiàn)，與植株氮濃度和生物量結(jié)果相一致，除參數(shù)B、R/(R + G + B)、R/B外，其他冠層圖像色彩參數(shù)均與各時期夏玉米植株吸氮量有顯著或極顯著的相關(guān)關(guān)系。其中參數(shù)R、G、L在各時期與植株吸氮量都有極顯著的負(fù)相關(guān)關(guān)系，而參數(shù)B與吸氮量的相關(guān)性并不穩(wěn)定。參數(shù)G/(R + G +B)、G/R、G/L、RGBVI在V6、V10期與植株吸氮量呈顯著正相關(guān)，而抽雄吐絲后呈顯著負(fù)相關(guān)，且在V6、V10期相關(guān)性不及抽雄吐絲后。參數(shù)B/(R + G + B) 在V6生育期與植株吸氮量有顯著負(fù)相關(guān)關(guān)系，而V10期以后呈現(xiàn)極顯著正相關(guān)關(guān)系且相關(guān)性高于V6期，參數(shù)G/B在V6期與植株吸氮量有顯著正相關(guān)關(guān)系，而V10期以后呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系且相關(guān)性高于V6期。參數(shù)R/(R + G + B) 與植株吸氮量在V6、V10期呈顯著負(fù)相關(guān)，而抽雄吐絲后與植株吸氮量無相關(guān)性。參數(shù)R/B在V6期與植株吸氮量無相關(guān)性，而V10期以后呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系。

表4 玉米不同生育時期冠層圖像色彩參數(shù)與生物量之間的相關(guān)關(guān)系 (n = 20)Table 4 Correlation coefficients between indexes of canopy image color parameter and maize biomass at different growth stages

表5 玉米不同生育時期冠層圖像色彩參數(shù)與吸氮量之間的相關(guān)關(guān)系Table 5 Correlation coefficients between indexes of canopy image color parameter and N uptake of maize at different growth stages

綜上所述，參數(shù)R、G、L、G/(R + G + B)、G/R、G/B、G/L、RGBVI均在各生育期V6、V10、VT、R2、R4與夏玉米常規(guī)的氮營養(yǎng)診斷指標(biāo) (氮濃度、生物量和吸氮量) 有極顯著的相關(guān)性 (P ＜ 0.01)，可作為氮素營養(yǎng)診斷的參數(shù)。

2.3 不同生育時期冠層圖像色彩參數(shù)變異系數(shù)

表6結(jié)果表明，各生育期內(nèi)圖像色彩參數(shù)的變異系數(shù)有較大的差異，范圍在0.93%～35.54%之間。其中參數(shù)R、G、L和RGBVI的變異系數(shù)在各時期都較大，介于7.14%～35.54%之間；參數(shù)B、R/(R + G + B)、B/(R + G + B)、G/R、G/B、R/B 在各時期的變異系數(shù)不穩(wěn)定，介于1.03%～9.89%之間；參數(shù)G/(R + G + B)、G/L的變異系數(shù)在各時期都較小，介于0.93%～4.30%之間。各生育期內(nèi)圖像色彩參數(shù)與夏玉米常規(guī)的氮營養(yǎng)診斷指標(biāo) (氮濃度、生物量和吸氮量) 的相關(guān)性研究表明，參數(shù)R、G、L、G/(R + G + B)、G/R、G/B、G/L、RGBVI均在各時期與夏玉米常規(guī)的氮營養(yǎng)診斷指標(biāo)有極顯著的相關(guān)性 (P ＜ 0.01)，結(jié)合圖像色彩參數(shù)的變異系數(shù)綜合分析，參數(shù)G/(R + G + B)、G/L與氮素狀況的相關(guān)性高且變異系數(shù)小而穩(wěn)定，可作為基于無人機(jī)可見光遙感各時期氮素營養(yǎng)動態(tài)診斷的最佳色彩參數(shù)。

表6 不同生育時期玉米冠層圖像色彩參數(shù)的變異系數(shù) (%, n = 20)Table 6 Coefficient of variation (%) about indexes of canopy image color parameter at different growth stages

3 討論

研究表明，玉米產(chǎn)量的形成依賴于高的干物質(zhì)累積和氮素吸收[36]，六葉期后干物質(zhì)和氮素吸收呈快速增長的趨勢，六葉期至吐絲期是氮素吸收最快的生長階段。隨著玉米產(chǎn)量的提高，花后氮吸收的重要性也隨之增加，玉米高產(chǎn)的實現(xiàn)需要花后高的干物質(zhì)累積和氮吸收[36-37]，因此對于玉米全生育期的氮素吸收和干物質(zhì)累積進(jìn)行診斷對于玉米實現(xiàn)高產(chǎn)和氮肥高效利用具有重要意義。長期以來，我國玉米生產(chǎn)習(xí)慣在大喇叭口期追肥；近年來，在機(jī)械化玉米生產(chǎn)中，為滿足夏玉米六葉期后氮素的快速積累，推薦施氮選擇在六葉期[38]；在高產(chǎn)超高產(chǎn)條件下，優(yōu)化施肥技術(shù)需要在抽雄吐絲期進(jìn)行第二次追肥，以滿足高產(chǎn)超高產(chǎn)水平玉米對花后氮素需求的增加，因此對玉米花后灌漿期氮素診斷以保證高產(chǎn)的實現(xiàn)是很有必要的[39]。當(dāng)前盡管花后施肥難度較大，通過抽雄吐絲期追肥的方式滿足，但相信隨著精準(zhǔn)農(nóng)業(yè)和先進(jìn)農(nóng)業(yè)機(jī)械的快速發(fā)展，花后施肥調(diào)控會為產(chǎn)量的提高提供可行的手段。在前人研究中，利用可見光遙感進(jìn)行作物氮素營養(yǎng)診斷主要以花前單一生育期為主[25-29]，本文應(yīng)用無人機(jī)可見光遙感系統(tǒng)研究了花前花后冠層圖像色彩參數(shù)的動態(tài)變化并篩選出了適宜不同生育期氮素診斷的參數(shù)，隨著精準(zhǔn)農(nóng)業(yè)和先進(jìn)農(nóng)業(yè)機(jī)械的快速發(fā)展，相信該技術(shù)的應(yīng)用將是作物無損營養(yǎng)診斷與推薦施肥的重要發(fā)展方向。

本文應(yīng)用無人機(jī)可見光遙感系統(tǒng)，通過對夏玉米冠層圖像色彩參數(shù)指標(biāo)與傳統(tǒng)氮素營養(yǎng)診斷參數(shù)的相關(guān)性分析，并比較色彩參數(shù)指標(biāo)的穩(wěn)定性，篩選出了不同生育時期相對穩(wěn)定一致的色彩參數(shù)指標(biāo)。結(jié)果表明，色彩參數(shù)R、G、L、G/(R + G + B)、G/R、G/B、G/L、RGBVI均在各生育期V6、V10、VT、R2、R4與夏玉米常規(guī)的氮營養(yǎng)診斷指標(biāo) (氮濃度、生物量和吸氮量) 有極顯著的相關(guān)性，色彩參數(shù)G/(R + G + B)、G/L與氮素狀況的相關(guān)性高 (0.641 ＜r ＜ 0.944) 且變異系數(shù)小而穩(wěn)定，介于0.93%～4.30%之間，優(yōu)于其他色彩參數(shù)指標(biāo)，可作為各時期氮素營養(yǎng)動態(tài)診斷的最佳色彩參數(shù)。在前人的研究結(jié)果中，孫欽平等[26]認(rèn)為在夏玉米V10期，參數(shù)G/(R + G + B) 和B/(R + G + B) 可作為最佳色彩參數(shù)指標(biāo)，在本研究中，V10期參數(shù)G/(R + G + B) 和B/(R + G + B) 與傳統(tǒng)氮素營養(yǎng)診斷參數(shù)也呈極顯著相關(guān)關(guān)系，只不過B/(R + G + B) 在V6期與氮素狀況的相關(guān)性不及其他色彩參數(shù)指標(biāo)，綜合全生育期的動態(tài)診斷，故文中沒有強(qiáng)調(diào)B/(R + G + B)。而張立周等[25]認(rèn)為夏玉米的最佳診斷時期是V6期，其效果好于V10期，相應(yīng)最佳色彩參數(shù)為B/(R + G + B)，這與本研究結(jié)果存在差異，這可能是由于無人機(jī)可見光遙感系統(tǒng)的大面積垂直航拍圖像獲取方式造成的。綜合來看，G/(R + G + B)、G/L可作為全生育期氮素營養(yǎng)動態(tài)診斷的最佳色彩參數(shù)指標(biāo)。

無人機(jī)搭載傳感器平臺的遙感技術(shù)以其較高的工作效率和靈活性、較高時空分辨率、工作周期短且受云層等天氣因素影響較小等特有的優(yōu)勢，在獲取作物的株高信息、倒伏信息、生物量、葉面積指數(shù)、氮素狀況等多個方面得到廣泛的研究與應(yīng)用[17-23]。在本研究中，運用無人機(jī)遙感平臺結(jié)合數(shù)碼相機(jī)組成的遙感系統(tǒng)，對比近地面遙感應(yīng)用數(shù)碼相機(jī)獲取作物圖像信息同樣具有很大的優(yōu)勢：近地面應(yīng)用數(shù)碼相機(jī)只能在小范圍內(nèi)獲取作物圖像，要想完成大面積作物氮素診斷需要多次圖像獲取，工作量大且工作效率低；而運用無人機(jī)遙感平臺可以在短時間內(nèi)獲取大面積的圖像信息，具有很高的工作效率，因此基于無人機(jī)遙感平臺的遙感手段更適用于較大區(qū)域的氮素快速診斷，特別是為較大規(guī)模農(nóng)業(yè)經(jīng)營主體 (合作社、家庭農(nóng)場) 和整鄉(xiāng)整村提供技術(shù)服務(wù)，符合當(dāng)前農(nóng)業(yè)的發(fā)展方向。

無人機(jī)可見光遙感對比近地遙感具有更大的靈活性和活動空間，極大地減少了工作量，提高了工作效率，節(jié)省了成本，這也為作物多生育時期的氮素營養(yǎng)診斷提供了可能性。但基于無人機(jī)遙感平臺的數(shù)字圖像技術(shù)還不夠成熟，大量圖像需要進(jìn)行人工處理，且圖像中作物葉片的重疊和土壤背景對光譜參數(shù)存在影響等是普遍存在問題，作物品種間冠層圖像色彩參數(shù)是否存在差異仍需進(jìn)一步研究。因此，在以后的研究中，應(yīng)盡量減小各方面的誤差，使無人機(jī)遙感技術(shù)在發(fā)揮其優(yōu)勢的同時更加準(zhǔn)確，以更好地應(yīng)用于作物氮素診斷。

參 考 文 獻(xiàn)：

[1]FAO. FAOSTAT-Agriculture database[DB/OL].http://faostat.fao.org/, 2016.

[2]Cui Z, Zhang F, Chen X, et al. On-farm evaluation of an in-season nitrogen management strategy based on soil Nmin test[J]. Field Crops Research, 2008, 105(1/2): 48-55.

[3]Meng Q, Peng H, Wu L, et al. Understanding production potentials and yield gaps in intensive maize production in China[J]. Field Crops Research, 2013, 143(1): 91-97.

[4]賈良良, 范明生, 張福鎖, 等. 應(yīng)用數(shù)碼相機(jī)進(jìn)行水稻氮素營養(yǎng)診斷[J]. 光譜學(xué)與光譜分析, 2009, 29(8): 2176-2179.Jia L L, Fan M S, Zhang F S, et al. Nitrogen status diagnosis of rice by using a digital camera[J]. Spectroscopy and Spectral Analysis,2009, 29(8): 2176-2179.

[5]劉建剛, 趙春江, 楊貴軍, 等. 無人機(jī)遙感解析田間作物表型信息研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報, 2016, 32(24): 98-106.Liu J G, Zhao C J, Yang G J, et al. Review of field-based phenotyping by unmanned aerial vehicle remote sensing platform[J].Transactions of the Chinese Society of Agricultural Engineering,2016, 32(24): 98-106.

[6]Guo W, Fukatsu T, Ninomiya S. Automated characterization of flowering dynamics in rice using field-acquired time-series RGB images[J]. Plant Methods, 2015, 11(1): 1-15.

[7]Bendig J, Bolten A, Bennertz S, et al. Estimating biomass of barley using crop surface models (CSMs) derived from UAV-based RGB imaging[J]. Remote Sensing, 2014, 6(11): 10395-10412.

[8]Zaman-Allah M, Vergara O, Araus J L, et al. Unmanned aerial platform-based multi-spectral imaging for field phenotyping of maize[J]. Plant Methods, 2015, 11(1): 1-10.

[9]Ballesteros R, Ortega J F, Hernandez D, et al. Applications of georeferenced high-resolution images obtained with unmanned aerial vehicles. Part II: Application to maize and onion crops of a semi-arid region in Spain[J]. Precision Agriculture, 2014, 15(6): 593-614.

[10]Gonzalez-Dugo V, Hernandez P, Solis I, et al. Using high-resolution hyperspectral and thermal airborne imagery to assess physiological condition in the context of wheat phenotyping[J]. Remote Sensing,2015, 7(10): 13586-13605.

[11]Berni J A J, Zarco-Tejada P J, Suarez L, et al. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle[J]. Transactions on Geoscience and Remote Sensing, 2009, 47(3): 722-738.

[12]Deery D, Jimenez-Berni J, Jones H, et al. Proximal remote sensing buggies and potential applications for field-based phenotyping[J].Agronomy, 2014, 4(3): 34-379.

[13]趙春江. 農(nóng)業(yè)遙感研究與應(yīng)用進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2014, 45(12):277-293.Zhao C J. The development of agricultural remote sensing research and application[J]. Journal of Agricultural Machinery, 2014, 45(12):277-293.

[14]Li J, Zhang F, Qian X, et al. Quantification of rice canopy nitrogen balance index with digital imagery from unmanned aerial vehicle[J].Remote Sensing Letters, 2015, 6: 183-189.

[15]王峰, 吳云東. 無人機(jī)遙感平臺技術(shù)研究與應(yīng)用[J]. 遙感信息,2010, (2): 114-118.Wang F, Wu Y D. Research and application of UAS borne remote sensing[J]. Remote Sensing Information, 2010, (2): 114-118.

[16]金偉, 葛宏立, 杜華強(qiáng), 等. 無人機(jī)遙感發(fā)展與應(yīng)用概況[J]. 遙感信息, 2009, (1): 88-92.Jin W, Ge H L, Du H Q, et al. A review on unmanned aerial vehicle remote sensing and its application[J]. Remote Sensing Information,2009, (1): 88-92.

[17]Zhang C H, Walters D, Kovacs J M. Applications of low altitude remote sensing in agriculture upon farmers’ requests: A case study in Northeastern Ontario, Canada[J]. PloS One, 2014, 9(11):112894-112894.

[18]李宗南, 陳仲新, 王利民, 等. 基于小型無人機(jī)遙感的玉米倒伏面積提取[J]. 農(nóng)業(yè)工程學(xué)報, 2014, 30(19): 207-213.Li Z N, Chen Z X, Wang L M, et al. Area extraction of maize lodging based on remote sensing by small unmanned aerial vehicle[J].Transactions of the Chinese Society of Agricultural Engineering,2014, 30(19): 207-213.

[19]Geipel J, Link J, Claupein W. Combined spectral and spatial modeling of corn yield based on aerial images and crop surface models acquired with an unmanned aircraft system[J]. Remote Sensing, 2014, 6(11): 10335-10355.

[20]Verger A, Vigneau N, Chéron C, et al. Green area index from an unmanned aerial system over wheat and rapeseed crops[J]. Remote Sensing of Environment, 2014, 152: 654-664.

[21]Aasen H, Burkart A, Bolten A, et al. Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: From camera calibration to quality assurance[J]. Isprs Journal of Photogrammetry and Remote Sensing, 2015, 108(5):251-254.

[22]Brocks S, Bendig J, Bareth G. Toward an automated low-cost threedimensional crop surface monitoring system using oblique stereo imagery from consumer-grade smart cameras[J]. Journal of Applied Remote Sensing, 2016, 10(4): 1-19.

[23]王利民, 劉佳, 楊玲波, 等. 基于無人機(jī)影像的農(nóng)情遙感監(jiān)測應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報, 2013, 29(18): 136-145.Wang L M, Liu J, Yang L B, et al. Applications of unmanned aerial vehicle images on agricultural remote sensing monitoring[J].Transactions of the Chinese Society of Agricultural Engineering,2013, 29(18): 136-145.

[24]張立周, 侯曉宇, 張玉銘, 等. 數(shù)字圖像診斷技術(shù)在冬小麥氮素營養(yǎng)診斷中的應(yīng)用[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2011, 19(5): 1168-1170.Zhang L Z, Hou X Y, Zhang Y M, et al. Diagnosis of the state of N in wheat via digital image processing technique[J]. Chinese Journal of Eco-Agriculture, 2011, 19(5): 1168-1170.

[25]張立周, 王殿武, 張玉銘, 等. 數(shù)字圖像技術(shù)在夏玉米氮素營養(yǎng)診斷中的應(yīng)用[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2010, 18(6): 1340-1344.Zhang L Z, Wang D W, Zhang Y M, et al. Diagnosis of N nutrient status of corn using digital image processing technique[J]. Chinese Journal of Eco-Agriculture, 2010, 18(6): 1340-1344.

[26]孫欽平, 賈良良, 芮玉奎, 等. 應(yīng)用可見光光譜進(jìn)行夏玉米氮營養(yǎng)診斷[J]. 光譜學(xué)與光譜分析, 2009, 29(2): 432-435.Sun Q P, Jia L L, Rui Y K, et al. Nitrogen status diagnosis of summer maize by using visible spectral analysis technology[J]. Spectroscopy and Spectral Analysis, 2009, 29(2): 432-435.

[27]李嵐?jié)? 張萌, 任濤, 等. 應(yīng)用數(shù)字圖像技術(shù)進(jìn)行水稻氮素營養(yǎng)診斷[J]. 植物營養(yǎng)與肥料學(xué)報, 2015, 21(1): 259-268.Li L T, Zhang M, Ren T, et al. Diagnosis of N nutrition of rice using digital image processing technique[J]. Journal of Plant Nutrition and Fertilizer , 2015, 21(1): 259-268.

[28]王娟, 雷詠雯, 張永帥, 等. 應(yīng)用數(shù)字圖像分析技術(shù)進(jìn)行棉花氮素營養(yǎng)診斷的研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2008, 16(1): 145-149.Wang J, Lei Y W, Zhang Y S, et al. Diagnosis of cotton N status using digital image analysis technique[J]. Chinese Journal of Eco-Agriculture, 2008, 16(1): 145-149.

[29]魏全全, 李嵐?jié)? 任濤, 等. 基于數(shù)字圖像技術(shù)的冬油菜氮素營養(yǎng)診斷[J]. 中國農(nóng)業(yè)科學(xué), 2015, 48(19): 3877-3886.Wei Q Q, Li L T, Ren T, et al. Diagnosing nitrogen nutrition status of winter rapeseed via digital image processing[J]. Scientia Agricultura Sinica, 2015, 48(19): 3877-3886.

[30]Wolf D W, Henderson D W, Hsiao T, et al. Interactive water and nitrogen effects on senescences of maize. Ⅱ. Photosynthetic decline and longevity of individual leaves[J]. Agronomy Journal, 1988,80(6): 865-870.

[31]Walburg G, Bauer M E, Doughty C, et al. Effect of nitrogen on the growth, yield, and reflectance characteristics of corn canopies[J].Agronomy Journal, 1982, 74: 677-683.

[32]Hinzman L, Bauer M, Daughtry C. Effects of nitrogen fertilization on growth and reflectance characteristics of winter wheat[J]. Remote Sensing of Environment, 1986, 19(1): 47-61.

[33]Blackmer T, Schepers J, Varvel G. Light reflectance compared with other nitrogen stress measurements in corn leaves[J]. Agronomy Journal, 1994, 86(6): 934-938.

[34]Yan P, Yue S, Qiu M, et al. Using maize hybrids and in-season nitrogen management to improve grain yield and grain nitrogen concentrations[J]. Field Crop Research, 2014, 166(9): 38-45.

[35]Bendig J, Yu K, Aasen H, et al. Combining UAV-based plant height from crop surface models, visible, and near infrared vegetation indices for biomass monitoring in barley[J]. International Journal of Applied Earth Observation and Geoinformation, 2015, 39: 79-87.

[36]Echarte L, Rothstein S, Tollenaar M. The response of leaf photosynthesis and dry matter accumulation to nitrogen supply in an older and a newer maize hybrid[J]. Crop Science, 2008, 48(2):656-665.

[37]孟慶峰. 玉米和小麥高產(chǎn)與養(yǎng)分高效協(xié)同實現(xiàn)的技術(shù)途徑研究[D]. 北京: 中國農(nóng)業(yè)大學(xué)博士學(xué)位論文, 2012.Meng Q F. Strategies for achieving high yieid and high nutrient use efficiency simultaneously for maize and wheat [D]. Beijing: PhD Dissertation of China Agriculture University, 2012.

[38]陳新平, 崔振嶺, 張宏彥, 等. 玉米施肥技術(shù)與機(jī)械化[J]. 農(nóng)業(yè)技術(shù)與裝備, 2011, (17): 22-24.Chen X P, Cui Z L, Zhang H Y, et al. Technique of fertilization and mechanization for maize[J]. Agricultural Technology Equipment,2011, (17): 22-24.

[39]Meng Q F, Yue S C, Hou P, et al. Improving yield and nitrogen use efficiency simultaneously for maize and wheat in China: A review[J].Pedosphere, 2016, 26(2): 137-147.