李鑫格 高 楊 劉小軍 田永超 朱 艷 曹衛(wèi)星 曹 強(qiáng)

播期播量及施氮量對冬小麥生長及光譜指標(biāo)的影響

李鑫格 高 楊 劉小軍 田永超 朱 艷 曹衛(wèi)星 曹 強(qiáng)*

南京農(nóng)業(yè)大學(xué)國家信息農(nóng)業(yè)工程技術(shù)中心 / 智慧農(nóng)業(yè)教育部工程研究中心 / 農(nóng)業(yè)農(nóng)村部農(nóng)作物系統(tǒng)分析與決策重點(diǎn)試驗(yàn)室 / 江蘇省信息農(nóng)業(yè)重點(diǎn)試驗(yàn)室/ 現(xiàn)代作物生產(chǎn)省部共建協(xié)同創(chuàng)新中心, 江蘇南京 210095

為闡明播期、播量及施氮量對冬小麥生長與光譜指標(biāo)的影響規(guī)律, 本研究通過開展連續(xù)兩年不同播期、播量及施氮量的冬小麥田間試驗(yàn), 系統(tǒng)地研究了三因素及其互作對冬小麥產(chǎn)量、關(guān)鍵生育時期葉面積指數(shù)(leaf area index, LAI)和歸一化紅邊指數(shù)(normalized difference red edge, NDRE)的影響, 并進(jìn)一步分析了三因素對冬小麥冠層NDRE時序曲線的影響。另一方面建立了不同產(chǎn)量水平下冬小麥冠層NDRE適宜時序曲線, 以便于實(shí)時監(jiān)測不同產(chǎn)量水平下冬小麥長勢動態(tài)。結(jié)果表明, 冬小麥冠層NDRE與LAI隨關(guān)鍵生育期的變化相似, 且三因素對關(guān)鍵生育時期2個指標(biāo)的影響規(guī)律基本一致。2018—2019年冬小麥產(chǎn)量、不同生育時期LAI和冠層NDRE均隨播期推遲而下降; 2019—2020年除灌漿期外, 晚播冬小麥產(chǎn)量、LAI及冠層NDRE峰值最大。2年冬小麥不同生育時期LAI、冠層NDRE隨施氮量增加而增加; 而不同播量間無明顯差異。三因素中播期、施氮量對冬小麥冠層NDRE時序曲線有顯著影響。冬小麥冠層NDRE時序曲線隨施氮量增加被縱向拉長; 曲線下降部分隨播期推遲向左平移, 同時2018—2019年隨播期推遲曲線峰值下降, 2019—2020年晚播、過晚播冬小麥曲線峰值高于適播期冬小麥。將2個年份數(shù)據(jù)融合在一起建立了3個產(chǎn)量水平下冬小麥冠層NDRE適宜時序曲線(產(chǎn)量水平分別為: 小于6.75、6.75～8.25、大于8.25 t hm–2); 發(fā)現(xiàn)隨產(chǎn)量水平升高, NDRE時序曲線峰值及幅寬均增大。綜上所述, 冬小麥應(yīng)適期早播, 但若冬前積溫較高, 應(yīng)適當(dāng)推遲播期; 且可通過增加一定播量和施氮量來改善晚播冬小麥群體長勢。研究結(jié)果可為不同播期及不同產(chǎn)量水平下冬小麥長勢監(jiān)測提供技術(shù)支撐。

播期; 播量; 施氮量; LAI; NDRE

播期、播量及施氮量是影響小麥群體性狀和產(chǎn)量形成的重要因素[1]。有關(guān)三因素對小麥群體性狀及產(chǎn)量影響的研究較多, 比較一致的觀點(diǎn)是: 葉面積指數(shù)(leaf area index, LAI)和產(chǎn)量均隨播期推遲、播量減少或施氮量水平降低而變小, 但不同品種或地區(qū)的適宜播期、播量及施氮量不一致[2-5], 且三因素間的互作效應(yīng)對群體性狀及產(chǎn)量的影響規(guī)律也不相同。如有研究認(rèn)為播期推遲2周以內(nèi), 增加一定播量有利于提高產(chǎn)量[5-6], 有研究則認(rèn)為晚播條件下播量對小麥產(chǎn)量的影響不顯著[7-8]; 有研究認(rèn)為播期推遲后增大播量對LAI影響不大[9], 有研究則認(rèn)為晚播條件下可以通過增加播量來提高LAI[10]。另外, 隨著全球氣候變暖, 適期播種小麥冬前易旺長, 一旦遇冷會遭受嚴(yán)重凍害而影響小麥生長發(fā)育[11], 在此氣候環(huán)境下, 適當(dāng)推遲播期有利于冬小麥產(chǎn)量的提高[12]。由于不同氣候條件下播期對冬小麥生長發(fā)育的影響規(guī)律不同, 因而分析三因素對不同年份冬小麥群體性狀及產(chǎn)量的影響時應(yīng)根據(jù)具體年份具體分析。隨著遙感技術(shù)的快速發(fā)展, 研究者越來越多地選擇利用光譜指標(biāo)實(shí)時監(jiān)測作物群體長勢[13-17], 且發(fā)現(xiàn)歸一化紅邊指數(shù)(normalized difference red edge, NDRE)與LAI的相關(guān)關(guān)系較好[18-19], 可作為實(shí)時、無損監(jiān)測作物長勢的指標(biāo), 但三因素對光譜指標(biāo)的影響規(guī)律與LAI是否一致尚不清晰。另外已有研究通過建立不同群體下適宜光譜指標(biāo)動態(tài)來實(shí)時監(jiān)測作物全生育期的長勢變化[20-22], 但播期、播量及施氮量對冬小麥冠層光譜指標(biāo)時序曲線影響規(guī)律的研究較少。江蘇省以稻麥兩熟制為主體種植模式, 受水稻收獲時間和播種季氣候影響, 冬小麥晚播、過晚播面積有所擴(kuò)大。本研究擬開展不同播期、播量及施氮量小麥試驗(yàn), 明確三因素及其互作對冬小麥不同生育時期生長指標(biāo)(LAI)、光譜指標(biāo)(NDRE)及光譜指標(biāo)時序動態(tài)的影響規(guī)律, 并構(gòu)建低產(chǎn)、中產(chǎn)、高產(chǎn)水平下冬小麥冠層NDRE適宜時序曲線, 為不同播期及不同產(chǎn)量水平下冬小麥長勢監(jiān)測提供技術(shù)支撐。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)于江蘇省興化市萬畝糧食產(chǎn)業(yè)園(33°48′N, 119°53′E)進(jìn)行, 前茬作物為水稻。試驗(yàn)田耕層土壤養(yǎng)分狀況: 有機(jī)質(zhì)18.68 g kg–1, 全氮1.37 g kg–1, 有效磷28.88 mg kg–1, 速效鉀120.59 mg kg–1。品種選用揚(yáng)麥23, 設(shè)置播期、播量及施氮量3個試驗(yàn)因素, 采用裂區(qū)試驗(yàn)設(shè)計(jì), 具體如下: 播期作為主區(qū), 播量和施氮量處理組合為副區(qū), 隨機(jī)排列。2018年播期設(shè)置為: 適播(S1, 11月1日)、晚播(S2, 11月24日)、過晚播(S3, 12月1日); 播量設(shè)置為: D1 (180×104株hm–2)、D2 (270×104株hm–2)、D3 (360×104株hm–2); 施氮量水平設(shè)置為: N0、N1 (180 kghm–2)、N2 (240 kghm–2)、N3 (300 kghm–2), 其中N0不設(shè)重復(fù), 其余處理組合重復(fù)3次, 共90個試驗(yàn)小區(qū)。2019年由于茬口和播種期氣候的限制, 具體播期為: 適播(S1, 11月1日)、晚播(S2, 11月15日)、過晚播(S3, 12月4日), 其余因素處理水平與2018年一致。

以上每個試驗(yàn)小區(qū)均劃分為兩半, 一半為光譜測試區(qū), 一半為植株取樣區(qū)。氮、鉀肥基追比均設(shè)置為5︰5, 拔節(jié)前進(jìn)行追肥; 磷肥作為基肥一次性施入, 施用量為105 kghm–2P2O5, 鉀肥施用量為120 kghm–2K2O, 其余栽培管理措施同一般高產(chǎn)田。

1.2 葉面積指數(shù)測定

于冬小麥拔節(jié)期、孕穗期、抽穗期、開花期、灌漿期分別進(jìn)行破壞性植株取樣, 每個小區(qū)選取20株代表性的小麥植株, 先數(shù)其莖蘗數(shù), 再用LAI- 3000C型葉面積儀測定其綠色葉片面積, 并根據(jù)取樣前數(shù)的單位面積莖蘗數(shù), 折算出單位土地面積的葉面積(葉面積指數(shù), LAI)。

1.3 光譜指標(biāo)測定

本研究應(yīng)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, 670 nm)、紅邊(RE, 730 nm)、近紅外(NIR, 780 nm) 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(biāo)數(shù)據(jù), 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(shù)據(jù)可以通過PC軟件導(dǎo)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, 較方便輕巧的特點(diǎn)有利于測試。每次破壞性取樣時同步進(jìn)行光譜測試, 獲取關(guān)鍵生育期冬小麥冠層光譜指標(biāo)數(shù)據(jù), 用于三因素對冬小麥關(guān)鍵生育時期冠層光譜指標(biāo)的影響分析; 另外冬小麥返青以后, 每5～7 d測試一次, 獲取冬小麥冠層光譜指標(biāo)時序數(shù)據(jù), 用其構(gòu)建冠層光譜指標(biāo)時序動態(tài)。測定時在每個待測小區(qū)選擇中間2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(diǎn), 用每個小區(qū)測定的平均值代表該小區(qū)的測試值, 本研究所選用的NDRE計(jì)算公式如下:

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 植被指數(shù)時序動態(tài)模型構(gòu)建

累積生長度日(accumulated growing degree days, AGDD)是一種包含溫度參數(shù)的時間因子, 是由從播種至測試日期生長度日數(shù)值累加而成[23], 公式如下所示:

式中,為冬小麥播種至測試當(dāng)日的天數(shù),max和min分別為測試當(dāng)日的最高溫和最低溫,base為冬小麥生長發(fā)育的基點(diǎn)溫度, 本研究設(shè)為0℃[24],up為冬小麥生長發(fā)育的最高溫度, 本研究設(shè)為30℃[21]。本研究采用雙Logistic函數(shù)來建立AGDD與NDRE的定量關(guān)系。參照Fisher[25]模型, 計(jì)算公式如下:

式中, 函數(shù)分為兩部分, 左半部分代表冬小麥的生長過程, 右半部分代表衰老過程。為擬合后的植被指數(shù)值,max為冬小麥生長過程中植被指數(shù)最大值(曲線的峰值),g和s分別表示生長和衰老過程中拐點(diǎn)的斜率, 即植被指數(shù)增長或下降的最大速率,g、s分別為生長和衰老拐點(diǎn)所對應(yīng)的時間。

1.5 數(shù)據(jù)處理

利用IBM SPSS Statistic 25.0軟件進(jìn)行方差分析, 利用Origin 2017軟件進(jìn)行雙Logistic函數(shù)的擬合及繪圖。利用決定系數(shù)(2)和均方根誤差(RMSE) 2個指標(biāo)來評價曲線擬合效果。RMSE計(jì)算公式如下:

式中,為樣本容量,為NDRE實(shí)際值,y為NDRE預(yù)測值。

2 結(jié)果與分析

2.1 播期播量及施氮量對冬小麥產(chǎn)量的影響

通過冬小麥產(chǎn)量方差分析結(jié)果發(fā)現(xiàn)不同年份三因素對產(chǎn)量的影響規(guī)律不一致(表1)。2018—2019年除播期×播量處理組合外, 其余處理水平間產(chǎn)量均存在顯著差異; 2019—2020年播量、播量×施氮量、播期×播量×施氮量處理水平下產(chǎn)量無顯著差異。不同播期間冬小麥產(chǎn)量關(guān)系: 2018—2019年為S1>S2> S3, 2019—2020年為S2>S1、S3。2年不同施氮量間的產(chǎn)量關(guān)系均表現(xiàn)為N3、N2>N1>N0。不同播量間冬小麥產(chǎn)量關(guān)系: 2018—2019年為D3≥D2≥D1, 2019—2020年不同播量間產(chǎn)量無顯著差異。

表1 冬小麥產(chǎn)量的方差分析

***、**、*表示顯著性分別在0.001、0.01、0.05概率水平; ns表示處理間不存在顯著性差異, 表中小寫字母(a、b、c、d)表示處理間有顯著差異(< 0.05)。S1: 11月1日; S2: 11月24日; S3: 12月1日; D1: 180×104株hm–2; D2: 270×104株hm–2; D3: 360×104株hm–2; N0: 不施氮; N1: 180 kghm–2; N2: 240 kghm–2; N3: 300 kghm–2。

***, **, and * denote significance at the 0.001, 0.01, 0.05 probability levels, respectively. ns indicates that there is no significant difference between treatments. The different lowercase letters (a, b, c, d) in the table represent that there was significant difference among treatments at< 0.05. S1: Nov. 1; S2: Nov. 24; S3: Dec. 1; D1: 180×104plants hm–2; D2: 270×104plants hm–2; D3: 360×104plants hm–2; N0: no N added treatment; N1: 180 kghm–2; N2: 240 kghm–2; N3: 300 kghm–2.

2.2 播期播量及施氮量對冬小麥關(guān)鍵生育期葉面積指數(shù)的影響

通過冬小麥關(guān)鍵生育時期LAI方差分析結(jié)果(表2)發(fā)現(xiàn), 不同年份、播期、施氮量、年份×播期、年份×施氮量、播期×施氮量、年份×播期×施氮量、年份×播期×播量×施氮量處理下冬小麥LAI不同生育時期均存在顯著或極顯著差異。

冬小麥LAI隨生育進(jìn)程的推進(jìn)呈先上升后下降的趨勢(圖1), 2年冬小麥LAI最大值分別出現(xiàn)在抽穗期、孕穗期。2019—2020年冬小麥LAI整體上要高于2018—2019年, 主要是2019—2020年小麥季有效生長積溫要高于2018—2019年。2年不同播量下各生育時期冬小麥LAI無顯著差異。2年不同施氮量下各生育時期冬小麥LAI均存在顯著性差異, 且N0水平LAI顯著最低; 2018—2019年N1、N2、N3水平下冬小麥LAI在孕穗—開花期無顯著性差異; 2019—2020年冬小麥LAI在拔節(jié)—抽穗期均為N3>N2>N1>N0, 在開花—灌漿期為N3、N2>N1>N0。不同播期下各生育時期冬小麥LAI差異性規(guī)律不同, 2018—2019年S1冬小麥LAI在各生育時期均顯著最高, 開花期前S2冬小麥LAI顯著高于S3, 即播期越早, 冬小麥長勢越好; 2019—2020年S1播期早, 冬前積溫較高, 越冬前小麥苗又高又旺, 遇冷遭受凍害, 致使適期播種冬小麥長勢變?nèi)? 除灌漿期外S2冬小麥LAI在各生育時期均顯著最高,拔節(jié)—孕穗期S1、S3不存在顯著性差異, 抽穗期后S3冬小麥LAI顯著最低, 即在冬前積溫高的年份, 適當(dāng)推遲播期有利于冬小麥的生長發(fā)育。由于年際間氣候差異大, 播期對冬小麥LAI的影響并不一致, 需根據(jù)具體年份情況具體分析。

因素互作效應(yīng)對不同生育時期冬小麥LAI的影響不同(圖2)。2018—2019年除拔節(jié)期外, S1冬小麥LAI顯著最高, 晚播冬小麥LAI隨播量增加而增加, S3冬小麥LAI隨播量增加無顯著變化; S3D2處理組合冬小麥LAI隨施氮量水平增加而增加, 即在過晚播及適宜播量條件下增加施氮量有利于冬小麥的生長發(fā)育。相較于2018—2019年小麥季, 2019—2020年不同播期冬小麥LAI間差異較小, 整體上S1、S2冬小麥LAI稍高于S3; 過晚播條件下, 在D1基礎(chǔ)上增加播量至D2, 冬小麥LAI有顯著提升, 但繼續(xù)增加播量至D3水平, 冬小麥LAI增幅變小甚至下降;過晚播條件下, 同一播量不同施氮量間冬小麥LAI差異明顯, 且整體上隨施氮量增加而增加。

2.3 播期播量及施氮量對關(guān)鍵生育期冬小麥冠層NDRE的影響

通過冬小麥冠層NDRE方差分析結(jié)果(表2)發(fā)現(xiàn), 除年份×播量處理組合冬小麥冠層NDRE在開花—灌漿期不存在顯著差異, 播期×播量處理在開花期不存在顯著差異, 年份×播量×施氮量處理在抽穗期不存在顯著性差異外, 其余處理不同生育時期冬小麥冠層NDRE均存在顯著或極顯著差異。

冬小麥冠層NDRE隨生育進(jìn)程的推進(jìn)呈先上升后下降的趨勢, 與LAI的變化相似(圖1)。相較于LAI, 冠層NDRE變化幅度較小, 甚至在孕穗—開花期存在一個平臺期。不同施氮量下冬小麥各生育時期冠層NDRE存在顯著性差異, 2018—2019年表現(xiàn)為N3>N2>N1>N0, 2019—2020年表現(xiàn)為N3、N2>N1>N0, 即冬小麥冠層NDRE隨施氮量增加而顯著增加。不同播期下冬小麥各生育時期冠層NDRE存在顯著性差異, 2018—2019年除灌漿期外均表現(xiàn)為S1>S2>S3, 即隨著播期推遲, 冠層NDRE顯著下降; 2019—2020年不同播期下冬小麥冠層NDRE在孕穗期無顯著性差異, 在拔節(jié)、抽穗、開花期S2、S3無顯著差異, 但均顯著高于S1, 與LAI的規(guī)律不一致, 主要原因是2019—2020年適播期冬小麥在返青拔節(jié)后存在嚴(yán)重的倒伏現(xiàn)象, 導(dǎo)致冬小麥冠層光譜指標(biāo)的測定存在嚴(yán)重偏差, 而LAI指標(biāo)沒有受到很大影響。

表2 冬小麥LAI及冠層NDRE的方差分析

表中***、**、*表示顯著性分別在0.001、0.01、0.05概率水平; ns表示處理間不存在顯著性差異。LAI: 葉面積指數(shù); NDRE: 歸一化紅邊指數(shù)。

***, **, and * denote significance at the 0.001, 0.01, and 0.05 probability levels, respectively. Ns indicates that there is no significant difference between treatments. LAI: leaf area index; NDRE: normalized difference red edge.

圖中不同小寫字母(a、b、c、d)代表處理間有差異(< 0.05)。

The different lowercase letters (a, b, c, d) in the figure represent that there was significant difference among treatments at< 0.05.

圖2 因素互作對冬小麥不同生育時期LAI的影響

相較于LAI, 不同處理間冬小麥冠層NDRE差異較小(圖3)。2018—2019年除灌漿期外S1冬小麥冠層NDRE顯著最高, 2019—2020年不同播期冬小麥冠層NDRE差異不明顯, 整體上2019—2020年不同生育時期冬小麥冠層NDRE大于2018—2019年小麥季。2018—2019年晚播冬小麥增加一定播量至D2水平, NDRE隨之增加, 但當(dāng)繼續(xù)增加播量時, 冬小麥冠層NDRE無響應(yīng); 即在晚播條件下增加一定播量有利于冬小麥的生長發(fā)育。在過晚播條件下增加施氮量冬小麥冠層NDRE隨之增加, 但增幅較小。2019—2020年不同播量間冬小麥冠層NDRE差異不明顯, 而過晚播條件下, 增加播量冬小麥冠層NDRE隨之增加, 但增幅較小; 適播期冬小麥冠層NDRE略小于晚播和過晚播; 除N0外不同施氮量間NDRE差異也不明顯。

2.4 播期播量及施氮量對冬小麥冠層NDRE時序曲線的影響

冬小麥冠層NDRE隨AGDD增加呈先上升后下降的趨勢(圖4)。2018—2019年冬小麥冠層NDRE在拔節(jié)前增長速率最快, 在抽穗期達(dá)到最大值, 灌漿期衰老速率達(dá)到最大; 除N0水平外, S1冬小麥冠層NDRE時序曲線峰值最高, 且生長和衰老拐點(diǎn)距離時間最長, 即有較長時間的快速增長期, 長勢最好; 衰老過程中隨播期推遲NDRE時序曲線向左平移, 即播期越晚, 衰老越早。不同施氮量冬小麥冠層NDRE時序曲線峰值關(guān)系為N0

圖3 因素互作對冬小麥不同生育時期NDRE的影響

圖4 不同處理下冬小麥冠層NDRE時序動態(tài)

通過分析三因素對2018—2019年冬小麥冠層NDRE時序曲線特征參數(shù)的影響(表3)發(fā)現(xiàn), 播量對冠層NDRE時序曲線特征參數(shù)無顯著影響; 播期對生長拐點(diǎn)的位置、速率及衰老拐點(diǎn)的位置有顯著影響, 且S2最快最早到達(dá)生長拐點(diǎn), 衰老拐點(diǎn)的時間處于S1、S3中間; 施氮量對冬小麥冠層NDRE時序曲線的峰值、生長拐點(diǎn)的位置及衰老拐點(diǎn)的速率有顯著影響, 其中g(shù)、s兩個參數(shù), 不同施氮量間的差異表現(xiàn)為N0

按照3種方式建立2018—2019年冬小麥冠層NDRE適宜時序曲線(圖5), 發(fā)現(xiàn)冬小麥冠層NDRE時序曲線隨施氮量水平增加被縱向拉長, 不同播期下NDRE時序曲線除縱向拉長外, 曲線下降部分隨播期推遲向左平移, 在生長過程中S2增速最快, 且最早到達(dá)峰值, S1冬小麥冠層NDRE時序曲線峰值較S2稍高, 同時峰值位置右移, S3冬小麥冠層NDRE時序曲線峰值最低, 且生長發(fā)育時間最短。其中按照不同播期建立冬小麥冠層NDRE時序曲線精度最高; 按照不同施氮量建立的冠層NDRE適宜時序曲線擬合精度不高, N0水平數(shù)據(jù)擬合效果最差; 去除N0數(shù)據(jù)建立一條時序曲線, 其擬合精度并未下降。但整體上去除N0水平數(shù)據(jù)按照播期建立冬小麥冠層NDRE適宜時序曲線的效果最好, 即播期對2018—2019年冬小麥冠層NDRE時序曲線影響最大。

通過分析三因素對2019—2020年冬小麥冠層NDRE時序曲線特征參數(shù)的影響(表3)發(fā)現(xiàn), 播期對曲線生長和衰老過程中拐點(diǎn)的位置有顯著影響, S1生長拐點(diǎn)要顯著晚于S2、S3, 同時衰老拐點(diǎn)也顯著最晚, S2生長與衰老拐點(diǎn)距離最長, 即快速生長期最長; 播量對冬小麥冠層NDRE時序曲線無顯著影響; 施氮量對生長和衰老過程中拐點(diǎn)的速率有顯著影響, 且差異主要來源于N0處理。因而同樣按照2018—2019年3種方式建立冬小麥冠層NDRE適宜時序曲線。

表3 三因素對冬小麥冠層NDRE時序曲線特征參數(shù)的影響

ns表示處理間不存在顯著性差異, 表中小寫字母(a、b、c、d)表示處理間有顯著差異(< 0.05)。max表示曲線最大值，g和s分別表示生長過程和衰老過程中拐點(diǎn)的速率，g和s分別表示對應(yīng)生長和衰老過程中拐點(diǎn)的位置。

ns indicates that there is no significant difference between treatments. The different lowercase letters (a, b, c, d) in the table represent that there was significant difference among treatments at< 0.05.maxrepresents the maximum value of the curve,gandsrepresent the rate of inflection point in the growth and senescence process respectively, whilegandscorrespond to the position of inflection point in the growth and senescence process.

圖5 不同處理下冬小麥冠層NDRE適宜時序動態(tài)

按照3種方式建立2019—2020年冬小麥冠層NDRE適宜時序曲線(圖5), 發(fā)現(xiàn)冬小麥冠層NDRE時序曲線隨施氮量增加被縱向拉長, 但除N0外其余施氮量水平間冬小麥冠層NDRE時序曲線除峰值附近外無明顯差異; 不同播期下曲線既有縱向拉長又有橫向平移的跡象。S1冬小麥冠層NDRE時序曲線峰值最低, 且到達(dá)峰值時間最長; 隨播期推遲, 曲線下降部分向左平移, S2、S3冬小麥冠層NDRE時序曲線峰值無明顯差異, 但S3生長發(fā)育時間較短。按照播期建立冬小麥冠層NDRE時序曲線, 其擬合精度最高; 按照施氮量水平建立冬小麥冠層NDRE時序曲線, 擬合精度下降, 其中N0水平擬合效果最差; 去除N0數(shù)據(jù)建立一條冠層NDRE時序曲線其擬合精度稍微降低, 整體上仍然是去除N0數(shù)據(jù)按照不同播期建立冬小麥冠層NDRE適宜時序曲線的效果最優(yōu), 即播期對2019—2020年三因素試驗(yàn)下冬小麥冠層NDRE時序曲線影響最大。由于播期對2年冬小麥生長指標(biāo)及冠層NDRE的影響規(guī)律不一致, 因此以上研究均分年份討論三因素對冬小麥生長指標(biāo)及光譜指標(biāo)的影響; 將三因素處理組合按照不同產(chǎn)量水平來劃分, 可以實(shí)現(xiàn)2個年份數(shù)據(jù)的融合。

2.5 不同產(chǎn)量水平冬小麥冠層NDRE時序曲線的構(gòu)建

本研究將冬小麥實(shí)際產(chǎn)量分為3個不同的產(chǎn)量水平(表4)。實(shí)際生產(chǎn)中很少有不施肥處理, 且加入不施肥處理會影響模型在實(shí)際應(yīng)用中的精度, 因此在劃分產(chǎn)量水平時剔除了N0數(shù)據(jù), 一共剩余54個樣本數(shù)。其中19個處理的產(chǎn)量低于6.75 t hm–2, 為低產(chǎn)水平, 21個處理的產(chǎn)量在6.75～8.25 t hm–2范圍內(nèi), 為中產(chǎn)水平, 14個處理的產(chǎn)量高于8.25 t hm–2, 為高產(chǎn)水平, 其中最大值為8.63 t hm–2。

以AGDD為時間驅(qū)動因子, 利用雙Logistic函數(shù)構(gòu)建了3個產(chǎn)量水平下冬小麥冠層NDRE適宜時序曲線(圖6)。整體上隨產(chǎn)量水平升高, 冬小麥冠層NDRE時序曲線峰值和幅寬均增加。在冬小麥生長發(fā)育前期, 高產(chǎn)水平冬小麥冠層NDRE增速最快, 其次是中產(chǎn)水平, 低產(chǎn)水平冠層NDRE增速最慢; 而隨著冬小麥逐漸進(jìn)入衰老過程, 低產(chǎn)小麥冠層NDRE下降速度最快。而中產(chǎn)和高產(chǎn)水平冬小麥冠層NDRE時序曲線幾乎完全重合。

表4 產(chǎn)量水平劃分

進(jìn)一步對不同產(chǎn)量水平下冬小麥冠層NDRE適宜時序曲線進(jìn)行檢驗(yàn)(圖7)。整體上不同產(chǎn)量水平冬小麥冠層NDRE時序曲線的擬合效果均較好, 模擬值和真實(shí)值之間的斜率均為1.0左右,2在0.81以上, RMSE低于0.0400。相較于低產(chǎn)和高產(chǎn), 中產(chǎn)水平冬小麥冠層NDRE時序曲線擬合效果最差, 其主要原因是中產(chǎn)水平包含的數(shù)據(jù)較為復(fù)雜多樣, 既有非常接近但高于低產(chǎn)水平的數(shù)據(jù), 又有接近但低于高產(chǎn)水平的數(shù)據(jù), 因而擬合效果相對較差。綜上, 利用不同產(chǎn)量水平冬小麥冠層NDRE時序曲線能夠?qū)崿F(xiàn)實(shí)時、無損地監(jiān)測不同產(chǎn)量水平冬小麥長勢動態(tài)。

圖6 不同產(chǎn)量水平冬小麥冠層NDRE適宜時序動態(tài)

圖7 不同產(chǎn)量水平冬小麥冠層NDRE時序曲線模擬值與實(shí)際值間的關(guān)系

3 討論

3.1 播期播量及施氮量對冬小麥產(chǎn)量的影響

播期、播量及施氮量是影響小麥群體性狀和產(chǎn)量形成的重要因素。研究表明播期每推遲1 d, 產(chǎn)量下降1%, 且推遲時間在1周以內(nèi), 完全可以通過增加播量來補(bǔ)償產(chǎn)量損失; 推遲2周以內(nèi), 通過增加播量能夠部分補(bǔ)償產(chǎn)量損失; 而推遲播期2周以上, 通過增加播量將無法補(bǔ)償產(chǎn)量損失[5]。也有研究表明, 晚播條件下, 產(chǎn)量對播量的變化無響應(yīng)[7]。本研究中, 2019—2020年晚播冬小麥產(chǎn)量最高, 與前人研究中隨播期推遲產(chǎn)量下降的結(jié)果并不一致, 其主要原因是2019年屬于暖冬年, 適期播種小麥冬前長勢過旺, 遇冷受到凍害, 長勢變?nèi)? 產(chǎn)量降低; 而晚播和過晚播小麥則因播種晚冬前麥苗較小甚至不出苗, 所以避開冷空氣襲擊, 生長發(fā)育中后期氣溫較高, 長勢較好, 產(chǎn)量升高。

3.2 播期播量及施氮量對冬小麥LAI的影響

前人關(guān)于播期、播量及施氮量對冬小麥葉面積指數(shù)影響的研究較多。大部分研究[1,26-27]表明冬小麥LAI孕穗期達(dá)到最大值后迅速下降, 也有研究[28-29]發(fā)現(xiàn)LAI最大值出現(xiàn)在開花期, 而本研究2年冬小麥分別在抽穗期和孕穗期達(dá)到最大值; 由于冬小麥LAI最大值出現(xiàn)的時間受品種遺傳特性、播期及栽培管理措施等因素的影響, 因而LAI最大值出現(xiàn)的時期并不穩(wěn)定。前人研究表明, 葉面積指數(shù)最大值隨播期推遲會下降[30], 且相較于適播和晚播, 早播冬小麥LAI達(dá)到孕穗后下降速度最快[1]; 也有研究認(rèn)為適期播種有利于提高葉面積指數(shù), 適當(dāng)晚播會減少無效葉面積[9], 而本研究中2019—2020年晚播冬小麥LAI顯著高于適播, 其原因是暖冬年份適當(dāng)推遲播期有利于作物生長發(fā)育[12]。前人研究表明不同播期要求的最適播量不同, 早播應(yīng)減少播量, 晚播則應(yīng)加大播量, 但晚播增大播量對群體的補(bǔ)償能力是有限的[5,9], 本研究中不同播量冬小麥LAI無差異, 但在過晚播條件下對播量有響應(yīng), 即播量是在特定播期范圍內(nèi)發(fā)揮作用[5]。有研究指出灌漿期前冬小麥LAI隨施氮量的增加而增加[28,31], 本研究過晚播條件下增加施氮量冬小麥LAI增加, 但增幅較小, 相較于施氮量, 播期對冬小麥生長發(fā)育的影響更大。本研究發(fā)現(xiàn)不同處理下冬小麥LAI均值間差異規(guī)律明顯, 如2018—2019年冬小麥各生育時期LAI隨播期推遲均下降, 隨施氮量增加均上升。但同一處理內(nèi)部數(shù)據(jù)差異較大(標(biāo)準(zhǔn)差), 其主要原因是分析某一因素對冬小麥LAI的影響規(guī)律時(如播期), 實(shí)際上同一播期內(nèi)包含了所有的播量和施氮量處理,因而同一播期數(shù)據(jù)差異較大, 同時表明該數(shù)據(jù)能夠較好地覆蓋同一播期下冬小麥的各種生長情況。

3.3 播期播量及施氮量對冬小麥冠層NDRE的影響

前人研究發(fā)現(xiàn)植被指數(shù)NDRE隨生育期的變化與LAI相似, 且相關(guān)性較好[19,32], 本研究中冬小麥冠層NDRE與LAI變化動態(tài)整體相似, 但2019—2020年冬小麥冠層NDRE和LAI最大峰值對應(yīng)的播期不一致, 主要原因是適播期冬小麥出現(xiàn)倒伏現(xiàn)象, 致使在測定光譜指標(biāo)時存在一定偏差, 而LAI的測定所受影響較小。前人研究表明不同播期冬小麥冠層NDRE時序曲線存在左右平移的現(xiàn)象[33], 而本研究發(fā)現(xiàn)播期不但影響曲線下降部分的左右平移, 還對曲線峰值有顯著影響, 其主要原因是播期推遲, 群體莖蘗數(shù)下降[9], 進(jìn)而導(dǎo)致LAI及冠層NDRE峰值下降。另一方面, 冬小麥播期雖不一致, 但收獲時間基本一致, 因而晚播或過晚播冬小麥生育期縮短, 衰老過程加速, 使得曲線向左平移。前人研究還發(fā)現(xiàn)植被指數(shù)時序曲線隨施氮量增加被縱向拉長[33], 本研究中冠層NDRE時序曲線隨施氮量增加峰值變大, 同時當(dāng)施氮量從240 kg hm–2增加至300 kg hm–2時, 增幅變小, 這與肥料與產(chǎn)量效應(yīng)函數(shù)是一致的[34]。前人研究發(fā)現(xiàn)不同播量間冬小麥冠層植被指數(shù)時序曲線無顯著差異[33], 本研究結(jié)果與其結(jié)論一致, 即播量對冬小麥冠層植被指數(shù)曲線無顯著影響。冬小麥冠層NDRE值在0～0.5范圍內(nèi), 其值較小, 各處理冬小麥冠層NDRE值標(biāo)準(zhǔn)差均在0.2以下。不同播期冬小麥冠層NDRE均值除灌漿期外差異規(guī)律均一致, 如2018—2019年冬小麥冠層NDRE在灌漿前均表現(xiàn)為: S1>S2>S3, 灌漿期卻表現(xiàn)為: S2>S1>S3; 主要原因是相較于晚播, 開花期以后適期播種冬小麥冠層NDRE下降速率太快, 與此時期適期播種冬小麥LAI下降速率最快是一致的, 但其均值差異規(guī)律不一致, 表明灌漿期冬小麥冠層NDRE與LAI的相關(guān)性較差。

3.4 冬小麥冠層NDRE適宜時序曲線的構(gòu)建

冬小麥冠層NDRE時序動態(tài)能夠很好地監(jiān)測作物全生育時期長勢狀況。有研究通過比較時序曲線的構(gòu)建方法最終選用雙Logistic函數(shù)來擬合時序RNDVI數(shù)據(jù), 建立了高產(chǎn)群體下水稻RNDVI的適宜時序動態(tài)模型, 發(fā)現(xiàn)其能夠準(zhǔn)確地模擬高產(chǎn)水稻群體的長勢動態(tài)[22]。也有研究以DOY為時間驅(qū)動因子, 利用Logistic函數(shù)對高產(chǎn)群體歸一化SPAD時序值進(jìn)行擬合, 構(gòu)建了高產(chǎn)水稻群體的歸一化SPAD值適宜時序動態(tài)[35]。前人比較了時序植被指數(shù)重構(gòu)方法的效果, 研究發(fā)現(xiàn)非對稱高斯函數(shù)和雙Logistic函數(shù)的重構(gòu)效果相似且均優(yōu)于Savitzky- Golay濾波法[36-37]。植被指數(shù)時序曲線常用的時間驅(qū)動因子有DOY (一年中的天數(shù))、DAS (播種后天數(shù))、AGDD、APTT (累積光熱時間)等, 其中DOY、DAS均是以天數(shù)為計(jì)量單位, 簡單易用; AGDD同時包含時間和溫度兩因子, 能更好地描述作物的生長發(fā)育動態(tài)[38-40], APTT包含了溫度函數(shù)和光照函數(shù)兩部分, 計(jì)算復(fù)雜[41]。本研究以AGDD為時間驅(qū)動因子, 利用雙Logistic函數(shù)構(gòu)建了不同產(chǎn)量水平下冬小麥冠層NDRE時序動態(tài)模型, 發(fā)現(xiàn)擬合效果較好,2在0.81以上; 可以準(zhǔn)確地模擬不同產(chǎn)量水平下冬小麥長勢動態(tài)。

4 結(jié)論

本研究發(fā)現(xiàn)播期、播量及施氮量對關(guān)鍵生育期冬小麥冠層NDRE的影響規(guī)律與LAI基本一致。對于過晚播, 增加一定播量或增施氮肥有利于植株群體生長發(fā)育及產(chǎn)量的提高, 但增加播量的補(bǔ)償作用有限, 增施氮肥的作用隨著施氮量增加而減弱。播期、施氮量會顯著影響冬小麥冠層NDRE時序曲線, 而播量對冠層NDRE時序曲線無顯著影響。2018—2019年冬小麥冠層NDRE峰值隨播期推遲而降低, 但2019—2020年冬小麥NDRE最高峰值為晚播冬小麥。隨播期推遲曲線下降部分會向左平移; 隨施氮量增加, 冬小麥冠層NDRE時序曲線被縱向拉長。建立了3個產(chǎn)量水平下冬小麥冠層NDRE適宜時序曲線(低產(chǎn)<6.75 t hm–2、中產(chǎn)為6.75～8.25 thm–2、高產(chǎn)大于8.25 t hm–2), 能夠?qū)崟r、無損監(jiān)測3個產(chǎn)量水平下冬小麥的長勢動態(tài)。依據(jù)播期、播量及施氮量對冬小麥農(nóng)學(xué)指標(biāo)及光譜指標(biāo)的影響規(guī)律及不同產(chǎn)量水平冬小麥冠層NDRE時序曲線, 可以為不同播期及不同產(chǎn)量水平下冬小麥長勢監(jiān)測提供技術(shù)支撐。

[1] 劉萬代, 陳現(xiàn)勇, 尹鈞, 杜沛鑫. 播期和密度對冬小麥豫麥49-198群體性狀和產(chǎn)量的影響. 麥類作物學(xué)報(bào), 2009, 29: 464–469.

Liu W D, Chen X Y, Yin J, Du P X. Effect of sowing date and planting density on population trait and grain yield of winter wheat cultivar yumai 49-198., 2009, 29: 464–469 (in Chinese with English abstract).

[2] 趙雪飛, 王麗金, 李瑞奇, 李雁鳴. 不同灌水次數(shù)和施氮量對冬小麥群體動態(tài)和產(chǎn)量的影響. 麥類作物學(xué)報(bào), 2009, 29: 1004–1009.

Zhao X F, Wang L J, Li R Q, Li Y M. Effect of irrigation times and nitrogen application rate on population dynamics and grain yield of winter wheat., 2009, 29: 1004–1009 (in Chinese with English abstract).

[3] 胡煥煥, 劉麗平, 李瑞奇, 李慧玲, 李雁鳴. 播種期和密度對冬小麥品種河農(nóng)822產(chǎn)量形成的影響. 麥類作物學(xué)報(bào), 2008, 28: 490–495.

Hu H H, Liu L P, Li R Q, Li H L, Li Y M. Effect of sowing date and planting density on the yield formation of a winter wheat cultivar Henong 822., 2008, 28: 490–495 (in Chinese with English abstract).

[4] 劉萍, 郭文善, 徐月明, 封超年, 朱新開, 彭永欣. 種植密度對中、弱筋小麥籽粒產(chǎn)量和品質(zhì)的影響. 麥類作物學(xué)報(bào), 2006, 26: 117–121.

Liu P, Guo W S, Xu Y M, Feng C N, Zhu X K, Peng Y X. Effect of planting density on grain yield and quality of weak-gluten and medium-gluten wheat., 2006, 26: 117–121 (in Chinese with English abstract).

[5] Shah F, Coulter J A, Ye C, Wu W. Yield penalty due to delayed sowing of winter wheat and the mitigatory role of increased seeding rate., 2020, 119: 126120.

[6] 李東升, 溫明星, 蔡金華, 曲朝喜, 陳愛大. 播期和密氮組合對鎮(zhèn)麥10號干物質(zhì)積累及產(chǎn)量的調(diào)控效應(yīng). 麥類作物學(xué)報(bào), 2015, 35: 1426–1432.

Li D S, Wen M X, Cai J H, Qu C X, Chen A D. Effect of sowing date and the combination of planting density and nitrogen application on yield and dry matter accumulation of Zhenmai 10., 2015, 35: 1426–1432 (in Chinese with English abstract).

[7] 胡文靜, 程順和, 高致富, 吳榮林, 陸成彬. 晚播條件下小麥籽粒產(chǎn)量、硬度與蛋白質(zhì)含量對品種、施氮量和密度的響應(yīng). 江蘇農(nóng)業(yè)學(xué)報(bào), 2018, 34: 245–250.

Hu W J, Cheng H S, Gao Z F, Wu R L, Lu R L. Response of grain yield, hardness and protein content to cultivar, nitrogen fertilizer rate and plant density under late sowing condition., 2018, 34: 245–250 (in Chinese with English abstract).

[8] 簡大為, 祁軍, 張燕, 蘇甫熱木, 張喜琴. 播種期和密度對冬小麥新冬29號產(chǎn)量形成的影響. 西北農(nóng)業(yè)學(xué)報(bào), 2011, 20(11): 47–51.

Jian D W, Qi J, Zhang Y, Su Fu R M, Zhang X Q. Effect of sowing date and planting density on the yield formation of a winter wheat culticar Xindong 29., 2011, 20(11): 47–51 (in Chinese with English abstract).

[9] 王夏, 胡新, 孫忠富, 杜克明, 宋廣樹, 任德超. 不同播期和播量對小麥群體性狀和產(chǎn)量的影響. 中國農(nóng)學(xué)通報(bào), 2011, 27(21): 170–176.

Wang X, Hu X, Sun Z F, Du K M, Song G S, Ren D C. Effect of different sowing dates and planting density on group characters and yield of wheat., 2011, 27(21): 170–176 (in Chinese with English abstract).

[10] 劉芳亮, 任益鋒, 王衛(wèi)東, 黨忠, 張保軍. 播期和密度對冬小麥普冰151籽粒灌漿特性及產(chǎn)量的影響. 山東農(nóng)業(yè)科學(xué), 2017, 49(6): 41–47.

Liu F L, Ren Y F, Wang W D, Dang Z, Zhang B J. Effect of sowing date and planting density on grain-filling characteristics and yield of winter wheat cultivar pubing 151., 2017, 49(6): 41–47 (in Chinese with English abstract).

[11] 王惠芳, 張青珍, 張明捷, 朱騰冉. 豫東北氣溫變化趨勢及對冬小麥生長發(fā)育的影響. 中國農(nóng)學(xué)通報(bào), 2010, 26(11): 341–345.

Wang H F, Zhang Q Z, Zhang M J, Zhu T R. Yu-northeast trend temperature changing on winter wheat growth and development., 2010, 26: 341–345 (in Chinese with English abstract).

[12] 陳英慧. 氣候變化對河南南部冬小麥播種期的影響. 氣象, 2005, 31(10): 83–85.

Chen Y H. Impact of climate change on the seedtime of winter wheat in the southern area of Henan province., 2005, 31(10): 83–85 (in Chinese with English abstract).

[13] Aranguren M, Castellón A, Aizpurua A. Crop sensor based non-destructive estimation of nitrogen nutritional status, yield, and grain protein content in wheat., 2020, 10: 148.

[14] Mistele B, Schmidhalter U. Estimating the nitrogen nutrition index using spectral canopy reflectance measurements., 2008, 29: 184–190.

[15] Cao Q, Miao Y, Wang H, Huang S, Cheng S, Khosla R, Jiang R. Non-destructive estimation of rice plant nitrogen status with crop circle multispectral active canopy sensor., 2013, 154: 133–144.

[16] Prost L, Jeuffroy M. Replacing the nitrogen nutrition index by the chlorophyll meter to assess wheat N status., 2007, 27: 321–330.

[17] 項(xiàng)方林, 李鑫格, 馬吉鋒, 劉小軍, 田永超, 朱艷, 曹衛(wèi)星, 曹強(qiáng). 基于冠層時序植被指數(shù)的冬小麥單產(chǎn)預(yù)測. 中國農(nóng)業(yè)科學(xué), 2020, 53: 3679–3692.

Xiang F L, Li X G, Ma J F, Liu X J, Tian Y C, Zhu Y, Cao W X, Cao Q. Using canopy time-series vegetation index to predict yield of winter wheat., 2020, 53: 3679–3692 (in Chinese with English abstract).

[18] Kanke Y, Tuba?a B, Dalen M, Harrell D. Evaluation of red and red-edge reflectance-based vegetation indices for rice biomass and grain yield prediction models in paddy fields., 2016, 17: 507–530.

[19] Zhang K, Ge X, Shen P, Li W, Liu X, Cao Q, Zhu Y, Cao W, Tian Y. Predicting rice grain yield based on dynamic changes in vegetation indexes during early to mid-growth stages.(Basel, Switzerland), 2019, 11: 387.

[20] Sakamoto T, Yokozawa M, Toritani H, Shibayama M, Ishitsuka N, Ohno H. A crop phenology detection method using time-series MODIS data., 2005, 96: 366–374.

[21] Zhou M, Ma X, Wang K, Cheng T, Tian Y, Wang J, Zhu Y, Hu Y, Niu Q, Gui L, Yue C, Yao X. Detection of phenology using an improved shape model on time-series vegetation index in wheat., 2020, 173: 105398.

[22] Liu X, Ferguson R, Zheng H, Cao Q, Tian Y, Cao W, Zhu Y. Using an active-optical sensor to develop an optimal NDVI dynamic model for high-yield rice production (Yangtze, China)., 2017, 17: 672.

[23] Franch B, Vermote E F, Becker-Reshef I, Claverie M, Huang J, Zhang J, Justice C, Sobrino J A. Improving the timeliness of winter wheat production forecast in the United States of America, Ukraine and China using MODIS data and NCAR Growing Degree Day information., 2015, 161: 131–148.

[24] Mcmaster G S, Smika D E. Estimation and evaluation of winter wheat phenology in the central Great Plains., 1988, 43: 1–18.

[25] Fischer A. A model for the seasonal variations of vegetation indices in coarse resolution data and its inversion to extract crop parameters., 1994, 48: 220–230.

[26] 高聚林, 劉克禮, 劉瑞香, 張永平, 張鐵山, 白立華, 杜瑞霞. 不同栽培條件對春小麥葉面積指數(shù)的影響. 麥類作物學(xué)報(bào), 2003, 23: 85–89.

Gao J L, Liu K L, Liu R X, Zhang Y P, Zhang T S, Bai L H, Du R X. Effects of different cultivation conditions on leaf area index of spring wheat., 2003, 23: 85–89 (in Chinese with English abstract).

[27] 胡霞. 氮素供應(yīng)對弱筋小麥產(chǎn)量及品質(zhì)性狀影響的研究. 安徽農(nóng)業(yè)大學(xué)碩士學(xué)位論文, 安徽合肥, 2005.

Hu X. Studies on Yield and Quality of Weak Gluten Wheat under the Nitrogen Application. MS Thesis of Anhui Agricultural University, Hefei, Anhui, China, 2005 (in Chinese with English abstract).

[28] 任書杰, 李世清, 王全九, 李生秀. 栽培模式、施氮和品種對冬小麥冠層結(jié)構(gòu)和產(chǎn)量的影響. 生態(tài)學(xué)雜志, 2006, 25: 1449–1454.

Ren S J, Li S Q, Wang Q J, Li S X. Effects of cultivation mode, nitrogen fertilization, and cultivar on winter wheat canopy parameters and grain yields in sub-humid area., 2006, 25: 1449–1454 (in Chinese with English abstract).

[29] 王之杰, 郭天財(cái), 朱云集, 王紀(jì)華, 趙明. 超高產(chǎn)小麥冠層光輻射特征的研究. 西北植物學(xué)報(bào), 2003, 23: 1657–1662.

Wang Z J, Guo T C, Zhu Y J, Wang J H, Zhao M. Study on character of light radiation in canopy of super-high-yielding winter wheat., 2003, 23: 1657–1662 (in Chinese with English abstract).

[30] 劉萍, 魏建軍, 張東升, 王寶駒, 劉軍, 劉建國. 播期和播量對滴灌冬小麥群體性狀及產(chǎn)量的影響. 麥類作物學(xué)報(bào), 2013, 23: 1202–1207.

Liu P, Wei J J, Zhang D S, Wang B J, Liu J, Liu J G. Effect of seeding rate and sowing date on population traits and grain yield of drip irrigated winter wheat., 2013, 23: 1202–1207 (in Chinese with English abstract).

[31] 張娜, 仵妮平, 徐文修, 吳培杰, 程雪峰. 不同施氮水平對滴灌冬小麥干物質(zhì)生產(chǎn)及產(chǎn)量的影響. 中國農(nóng)學(xué)通報(bào), 2015, 31(33): 21–26.

Zhang N, Wu N P, Xu W X, Wu P J, Cheng X F. Effect of nitrogen levels on dry matter and yield of winter wheat under drip irrigation., 2015, 31(33): 21–26 (in Chinese with English abstract).

[32] Thenkabail P S, Smith R B, De Pauw E. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics., 2000, 71: 158–182.

[33] 姚鑫鋒. 小麥植株氮素營養(yǎng)無損監(jiān)測與精確調(diào)控研究. 南京農(nóng)業(yè)大學(xué)博士學(xué)位論文, 江蘇南京, 2012.

Yao X F. Non-destructive Monitoring and Precise Regulation of Plant Nitrogen Nutrition in Wheat. PhD Dissertation of Nanjing Agricultural University, Nanjing, Jiangsu, China, 2012 (in Chinese with English abstract).

[34] 賈可, 劉建玲, 沈兵. 近14年北方冬小麥肥料產(chǎn)量效應(yīng)變化及優(yōu)化施肥方案. 植物營養(yǎng)與肥料學(xué)報(bào), 2020, 26: 2032–2042.

Jia K, Liu J L, Shen B. Yield effect change of fertilizers in the past 14 years and optimized fertilization of winter wheat in north of China., 2020, 26: 2032–2042 (in Chinese with English abstract).

[35] Zhang K, Liu X, Tahir Ata-Ul-Karim S, Lu J, Krienke B, Li S, Cao Q, Zhu Y, Cao W, Tian Y. Development of chlorophyll- meter-index-based dynamic models for evaluation of high-yieldrice production in Yangtze River Reaches., 2019, 9: 106.

[36] 衛(wèi)煒, 吳文斌, 李正國, 楊鵬, 胡瓊, 周清波. 時間序列植被指數(shù)重構(gòu)方法比對研究. 中國農(nóng)業(yè)資源與區(qū)劃, 2014, 35(1): 34–43.

Wei W, Wu W B, Li Z G, Yang P, Hu Q, Zhou Q B. Comparison of three methods for reconstructing time series vegetation index., 2014, 35(1): 34–43 (in Chinese with English abstract).

[37] 曹云鋒, 王正興, 鄧芳萍. 3種濾波算法對NDVI高質(zhì)量數(shù)據(jù)保真性研究. 遙感技術(shù)與應(yīng)用, 2010, 25: 118–125.

Cao Y F, Wang Z X, Deng F P. Fidelity performance of three filters for high quality NDVI time-series analysis., 2010, 25: 118–125 (in Chinese with English abstract).

[38] Lim C H, Jung S H, Kim N S, Lee C S. Deduction of a meteorological phenology indicator from reconstructed MODIS LST imagery., 2020, 31: 2205–2216.

[39] Calvache I, Balocchi O, Alonso M, Keim J P, López I F. Thermal time as a parameter to determine optimal defoliation frequency of perennial ryegrass (L.) and pasture brome (Phil.)., 2020, 10: 620.

[40] B?hler J E, Schaepman M E, Kneubühler M. Optimal timing assessment for crop separation using multispectral unmanned aerial vehicle (UAV) data and textural features., 2019, 11: 1780.

[41] 譚文, 楊再強(qiáng), 李軍. 基于溫光效應(yīng)的小白菜營養(yǎng)品質(zhì)模擬模型研究. 中國農(nóng)業(yè)氣象, 2016, 37: 59–67.

Tan W, Yang Z Q, Li J. Simulation of nutrient quality of pakchoi based on temperature-light function., 2016, 37: 59–67 (in Chinese with English abstract).

Effects of sowing dates, sowing rates, and nitrogen rates on growth and spectral indices in winter wheat

LI Xin-Ge, GAO Yang, LIU Xiao-Jun, TIAN Yong-Chao, ZHU Yan, CAO Wei-Xing, and CAO Qiang*

National Engineering and Technology Center for Information Agriculture, Nanjing Agricultural University / Engineering and Research Center for Smart Agriculture, Ministry of Education / Key Laboratory for Crop System Analysis and Decision Making, Ministry of Agriculture and Rural Affairs / Jiangsu Key Laboratory for Information Agriculture / Collaborative Innovation Center for Modern Crop Production co-sponsored by Province and Ministry, Nanjing 210095, Jiangsu, China

To clarify the effects of sowing dates, sowing rates, and nitrogen rates on growth and spectral indices in winter wheat, a two-year winter wheat field experiment under different sowing dates, sowing rates, and nitrogen rates was conducted. We studied systematically the effects of three factors and their interactions on yield, leaf area index (LAI), and normalized difference red edge (NDRE) of winter wheat at critical growth stages. Furthermore, to facilitate real-time monitoring of winter wheat growth dynamics, we also established the appropriate time-series curves of winter wheat canopy NDRE under different yield levels. The results indicated that the change patterns of NDRE and LAI at critical growth stages were very consistent, and the response of three factors to the two indices at critical growth stages was basically the same in winter wheat. In 2018 and 2019, the yield, LAI, and NDRE of winter wheat at each growth stages decreased with the delay of sowing date. In 2019 and 2020, the yield, peaks of LAI and NDRE under late sowing date were the largest except for the filling stage. The LAI and NDRE of winter wheat at different growth stages in the two years increased with the increase of nitrogen rates. However, there was basically no significant difference among sowing rates. Among the three factors, the sowing dates and nitrogen rates had a significant influence on the time-series curves of winter wheat canopy NDRE. The NDRE time series curves of winter wheat were stretched with the increase of nitrogen rates, the descending part of NDRE time series curve shifted to the left with the delay of the sowing date. In 2018 and 2019, the peak values of NDRE time series curves of winter wheat were declined with the delay of the sowing date. In 2019 and 2020, the peak values of the NDRE time series curves of late sowing and over-late sowing winter wheat were higher than that of suitable sowing wheat. The data of two years were merged to establish suitable time-series curves of winter wheat canopy NDRE under three yield levels, and the yield levels were less than 6.75 t hm–2, 6.75–8.25 t hm–2,and higher than 8.25 t hm–2, respectively. The peak values and width of the NDRE time-series curves increased with the increase of yield level. In summary, winter wheat should be sown early at an appropriate date, but if the accumulated temperature before winter was higher, the sowing date should be postponed appropriately. And the growth of late sowing winter wheat could be improved by increasing a certain amount of sowing rates and nitrogen rates. At the same time, these results could provide a technical support for monitoring the growth of winter wheat under different sowing dates and different yield levels.

sowing date; sowing rate; nitrogen rate; LAI; NDRE

2021-03-25;

2021-07-12;

(網(wǎng)絡(luò)出版日期): 2021-08-04.

10.3724/SP.J.1006.2022.11033

通信作者(Corresponding author): 曹強(qiáng), E-mail: qiangcao@njau.edu.cn, Tel: 025-84399050

E-mail: 2018101002@njau.edu.cn, Tel: 025-84396265

本研究由國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目(31601222), 江蘇現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)(JATS[2020]135, JATS[2020]415)和江蘇省信息農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室自主課題基金項(xiàng)目(KLIAKF1602)資助。

This study was supported by the National Natural Science Foundation of China (31601222), the Earmarked Fund for Jiangsu Agricultural Industry Technology System (JATS[2020]135, JATS[2020]415), and the Independent Project of Jiangsu Key Laboratory of Information Agriculture (KLIAKF1602).

URL:https://kns.cnki.net/kcms/detail/11.1809.S.20210803.1546.004.html