论文部分内容阅读
摘 要 为快速便携诊断冬小麦氮营养状况，概述了氮营养诊断的方法，着重介绍了冬小麦氮素光谱诊断技术原理及方法，提出光谱诊断冬小麦氮素营养具有无损快速便携的优势，有着广泛的研究和应用前景。
关键词 冬小麦;光谱诊断;氮素
中图分类号：S513 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2021.21.006
冬小麦作为我国北方地区的主要粮食作物，其种植面积、产量关系国家粮食安全、长远发展大计。做好冬小麦施肥、灌溉、病虫害防治等田间管理对确保粮食稳产、高产尤为重要。氮肥在农业中的作用非常重要，用途非常普遍，然而因过量使用、利用效能低而造成农田土壤、灌溉水系的污染。因此国家开展了以测土配方技术为技术支撑的精准农业，以便准确快速地获取土壤养分状况，特别是氮素水平。精准农业是未来农业的方向，其关键点是快速、便捷、精准地获得农田作物信息。通过介绍冬小麦氮素光谱诊断技术，掌握作物生长周期内氮素需求信息，开展农田精细化管理，从而提高氮素利用水平，降低投入成本，提高作物产量[1]。
1 冬小麦氮营养传统诊断技术
1.1 冬小麦缺氮外观诊断
外观诊断包括对植株的叶色诊断、长势诊断和症状诊断3个方面。植物叶片颜色能够直观地表征植株体内的氮素水平，不同的营养物质对植物的作用是不同的。外观诊断通常只适用于缺乏营养元素的植物。随着作物品种的频繁升级和颜色视觉感知的差异，外观诊断的准确性下降，从而使其在生产应用过程中受到限制。
1）观察症状的诊断方式。主要是根据小麦出现的某种特定症状，确定小麦中缺少某种元素的一种诊断方式。冬小麦缺氮的症状主要会表现出植物生产不良、茎秆矮小、单株叶片狭小等基本特点，并且会对冬小麦的产量造成影响。冬小麦氮素过多的症状主要表现为小麦容易倒伏、病虫为害较为严重、晚熟等。冬小麦缺氮的症状诊断技术，主要针对小麦缺少1种营养元素的情况下有效，如果小麦同时缺少2种或者更多的影响元素，或者出现病虫害、药害等因素引起的症状时，症状诊断技术将难以发挥出自身的作用，且容易导致混淆而出现误诊。此外，冬小麦出现缺氮素的情况，表明植物缺氮素的情况已经十分严重，这个时候采用补救措施已经毫无用处，因此症状诊断技术具有严重的局限性。
2）观察冬小麦生长的诊断方式。对冬小麦生产趋势进行观察，是农民根据自身丰富的工作经验而总结出的一种诊断方式，主要是对水稻、小麦等一些农作物的生长进行观察，从而判断农作物是否存在病害的一种诊断方式。长势长相诊断技术在一定程度上，可以对植物氮素营养情况进行判断，但是近年来我国农作物品种不断地更新，长势长相诊断技术在应用过程中受到一定的限制。
3）叶色诊断方式。在多数农作物缺氮素的情况下，经常会出现一些肉眼可见的症状问题。在缺氮素的情况下，农作物的叶片会呈现焦黄色，相反如果氮素超标，叶片呈现深绿色，并且会出现延緩衰老的情况。通过叶色来判断植物氮素营养情况主要有4个步骤：测定光的不同特性;使用常规浸泡提取方法对叶绿素含量进行测定;利用标准比色卡与叶色进行对比;通过测定光来对叶色的深浅程度进行判断。但是这样的诊断方式过于繁琐，且受到光线影响较为严重，因此不能很好地在生产中应用。
1.2 冬小麦氮素化学诊断
1）植株全氮诊断方式。化学诊断方法是测定植物氮含量，并与不同的植物标本进行比较，进而判断植物氮的丰度和缺度。利用作物化学分析确定植株的氮素情况，指导氮肥在田间的应用，使作物产量最大化，取得更大的经济效益。根据氮素在作物体内存在的不同形态，氮素营养化学诊断可分为植株全氮诊断、硝酸盐快速诊断和氨基态氮诊断。植株的全氮含量可以很好地反映出植株的氮素营养状况，因为植株的全氮含量与作物产量具有一定的相关性，通过植株的全氮含量可以反映出作物的产量。但由于植株的全氮诊断方法需要对植株进行破坏性取样，工作繁琐，在生产过程中难以推广。硝酸盐诊断和氨基态氮诊断同样存在上述问题[2]。
2）硝酸盐诊断。硝态氮是一种不能被植物新陈代谢的物质，多数会在植物体内进行存储，因此当植物出现缺氮的情况下，植物就会对硝态氮的需求明显上升，而在这个过程中植物不会产生明显的变化，而如果当植物所需要的氮元素超出植物原有的储备量，那么硝态氮也会有明显增长，植物组织中硝态氮的含量也会比全氮含量有着明显增加，这样的情况能够更好地将农作物和植物对氮元素的需求进行明显的反馈。因此在诊断过程中，也可以使用硝态氮来进行诊断，以此作为冬小麦氮素含量诊断的基本标准，对植株中氮素营养的实际情况进行反映，并且对追肥进行推荐。国内外对冬小麦氮素情况的诊断方式有许多，近年来能够对冬小麦氮素情况诊断的方式也在不断创新，促进了更多价格低廉、操作简单的诊断方式在基层冬小麦生产中发广泛应用，但是也只能对氮素水平不高的植株进行诊断。
2 现代光谱诊断技术
光谱诊断技术是利用不同物质对光谱的差异性吸收、反射和透射进行定性或定量分析的技术方法。植物光谱吸收、透射和反射特征波段主要分布在可见、近红外区域。作物因叶片叶绿素含量等生物特性的差异，导致了每种作物的光特征不同。与传统的作物营养诊断方法相比，光谱遥感技术具有面积大、无损、快速、准确的优点。目前已成为作物营养诊断在农业生产应用中的研究热点，对农业氮肥的准确施用起着重要作用。
2.1 光谱与冬小麦氮素的关系
在作物氮营养遥感技术诊断中，可以利用氮/叶绿素浓度、氮/叶绿素积累、叶面积指数（LAI）等参数确定作物氮素状况，指导田间施肥管理。但以上参数会因生育期、冠层结构、田间小气候等方面的差异而产生误差，难以准确地监测作物氮素水平。随着作物氮素光谱诊断技术的不断发展，有研究人员提出了通过结合植株氮素水平和生物量2个指标，能够较为准确地判断作物不同生长期内的氮素需求水平。 2.2 叶绿素相对含量诊断
植物的色素影响着自身的光谱特性，主要是叶绿素，其对蓝光和红光有较强地吸收。薛利红等研究表明，冬小麦冠层可见光区的反射率随着施氮量的增加而降低，而近光区的反射率随着施氮量的增加显著增加[3]，这是因为提高土壤氮素水平，可有效增加作物叶片叶绿素含量，增加叶片面积，从而提升作物叶片对可见光区的吸收，增加近红外区的反射率。
2.3 植被指数诊断
1）比值植被指数（NDVI）
比值植被指数计算方式为RVI=NIR/R。研究表明，RVI与叶绿素含量、叶面积指数有较高的相关性，常用来测算作物生物量。RVI受植被覆盖率、大气效应等因素影响较大，RVI随着植被覆盖度的提高，检测的敏感度提高，反之亦然;而大气效应能降低植被的检测敏感度。叶晓青等研究表明，RVI能够较为准确地反演烤烟的氮素积累量[4]。
2）差值植被指数（DVI）
差值植被指数计算方式为DVI=NIR-R。植被覆盖度对DVI的影响较大，较低的植被覆盖度可以提高DVI的敏感度。此外相比于RVI，DVI对土壤背景的变化更为敏感。
3）归一化植被指数（NDVI）
歸一化植被指数计算方式为NDVI=（NIR-R）/（NIR+R）。NDVI能反应植被生长状态和植物冠层背景对光谱特性的影响，可用于检测植被覆盖度，与植物分布密度呈线性关系。NDVI随着植被的覆盖率增加，敏感性降低。王树文等研究表明，NDVI能够较为准确地估测玉米苗期冠层氮含量[5]。
2.4 模型构建方法
1）多元线性逐步回归（MLSR）
多元线性逐步回归是一种从许多自变量中依次选取对因变量影响最大并通过检验移除影响最小变量的统计方法。
2）偏最小二乘回归（PLSR）
偏最小二乘回归是一种新型的多元统计数据分析方法，它主要研究的是多因变量对多自变量的回归建模，特别是当变量线性程度较高时，偏最小二乘回归方法效率更高。另外，偏最小二乘回归较好地解决了样本个数少于变量个数等问题。
3）随机森林回归（RFR）
随机森林回归是基于统计学理论对样本进行训练并预测的一种机器学习算法，能有效解决非线性问题，具有很强的抗干扰能力。
3 结语
基于光谱遥感分析的作物氮素营养无损检测技术具有较强的光谱学和生物物理学理论基础，它已成为现阶段作物氮素营养诊断和施氮精确调控的关键技术，也是精确农业和数字农业发展的重要研究前沿。近年来一些航空、航天高光谱传感器的应用也为大规模的作物精确监测研究提供了有效途径，遥感影像的大规模、标准化在准确监测大田作物营养状况方面已成为可能。
参考文献：
[1] 宋丽娟，叶万军，郑妍妍，等.作物氮素无损快速营养诊断研究进展[J].中国稻米，2017，23（6）：19-22.
[2] 刘茂成.玉米光谱氮营养诊断技术研究进展[J].农业与技术，2016，36（5）：30-31.
[3] 薛利红，曹卫星，罗卫红，等.小麦叶片氮素状况与光谱特性的相关性研究[J].植物生态学报，2004（2）：172-177.
[4] 叶晓青，邹勇，余志虹，等.烤烟氮素积累时空分布及其与植株氮素营养的关系[J].烟草科技，2013（11）：78-81.
[5] 王树文，赵珊，张长利，等.基于成像光谱技术的寒地玉米苗期冠层氮含量预测模型[J].农业工程学报，2016，32（13）：149-154.
（责任编辑：刘宁宁）
关键词 冬小麦;光谱诊断;氮素
中图分类号：S513 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2021.21.006
冬小麦作为我国北方地区的主要粮食作物，其种植面积、产量关系国家粮食安全、长远发展大计。做好冬小麦施肥、灌溉、病虫害防治等田间管理对确保粮食稳产、高产尤为重要。氮肥在农业中的作用非常重要，用途非常普遍，然而因过量使用、利用效能低而造成农田土壤、灌溉水系的污染。因此国家开展了以测土配方技术为技术支撑的精准农业，以便准确快速地获取土壤养分状况，特别是氮素水平。精准农业是未来农业的方向，其关键点是快速、便捷、精准地获得农田作物信息。通过介绍冬小麦氮素光谱诊断技术，掌握作物生长周期内氮素需求信息，开展农田精细化管理，从而提高氮素利用水平，降低投入成本，提高作物产量[1]。
1 冬小麦氮营养传统诊断技术
1.1 冬小麦缺氮外观诊断
外观诊断包括对植株的叶色诊断、长势诊断和症状诊断3个方面。植物叶片颜色能够直观地表征植株体内的氮素水平，不同的营养物质对植物的作用是不同的。外观诊断通常只适用于缺乏营养元素的植物。随着作物品种的频繁升级和颜色视觉感知的差异，外观诊断的准确性下降，从而使其在生产应用过程中受到限制。
1）观察症状的诊断方式。主要是根据小麦出现的某种特定症状，确定小麦中缺少某种元素的一种诊断方式。冬小麦缺氮的症状主要会表现出植物生产不良、茎秆矮小、单株叶片狭小等基本特点，并且会对冬小麦的产量造成影响。冬小麦氮素过多的症状主要表现为小麦容易倒伏、病虫为害较为严重、晚熟等。冬小麦缺氮的症状诊断技术，主要针对小麦缺少1种营养元素的情况下有效，如果小麦同时缺少2种或者更多的影响元素，或者出现病虫害、药害等因素引起的症状时，症状诊断技术将难以发挥出自身的作用，且容易导致混淆而出现误诊。此外，冬小麦出现缺氮素的情况，表明植物缺氮素的情况已经十分严重，这个时候采用补救措施已经毫无用处，因此症状诊断技术具有严重的局限性。
2）观察冬小麦生长的诊断方式。对冬小麦生产趋势进行观察，是农民根据自身丰富的工作经验而总结出的一种诊断方式，主要是对水稻、小麦等一些农作物的生长进行观察，从而判断农作物是否存在病害的一种诊断方式。长势长相诊断技术在一定程度上，可以对植物氮素营养情况进行判断，但是近年来我国农作物品种不断地更新，长势长相诊断技术在应用过程中受到一定的限制。
3）叶色诊断方式。在多数农作物缺氮素的情况下，经常会出现一些肉眼可见的症状问题。在缺氮素的情况下，农作物的叶片会呈现焦黄色，相反如果氮素超标，叶片呈现深绿色，并且会出现延緩衰老的情况。通过叶色来判断植物氮素营养情况主要有4个步骤：测定光的不同特性;使用常规浸泡提取方法对叶绿素含量进行测定;利用标准比色卡与叶色进行对比;通过测定光来对叶色的深浅程度进行判断。但是这样的诊断方式过于繁琐，且受到光线影响较为严重，因此不能很好地在生产中应用。
1.2 冬小麦氮素化学诊断
1）植株全氮诊断方式。化学诊断方法是测定植物氮含量，并与不同的植物标本进行比较，进而判断植物氮的丰度和缺度。利用作物化学分析确定植株的氮素情况，指导氮肥在田间的应用，使作物产量最大化，取得更大的经济效益。根据氮素在作物体内存在的不同形态，氮素营养化学诊断可分为植株全氮诊断、硝酸盐快速诊断和氨基态氮诊断。植株的全氮含量可以很好地反映出植株的氮素营养状况，因为植株的全氮含量与作物产量具有一定的相关性，通过植株的全氮含量可以反映出作物的产量。但由于植株的全氮诊断方法需要对植株进行破坏性取样，工作繁琐，在生产过程中难以推广。硝酸盐诊断和氨基态氮诊断同样存在上述问题[2]。
2）硝酸盐诊断。硝态氮是一种不能被植物新陈代谢的物质，多数会在植物体内进行存储，因此当植物出现缺氮的情况下，植物就会对硝态氮的需求明显上升，而在这个过程中植物不会产生明显的变化，而如果当植物所需要的氮元素超出植物原有的储备量，那么硝态氮也会有明显增长，植物组织中硝态氮的含量也会比全氮含量有着明显增加，这样的情况能够更好地将农作物和植物对氮元素的需求进行明显的反馈。因此在诊断过程中，也可以使用硝态氮来进行诊断，以此作为冬小麦氮素含量诊断的基本标准，对植株中氮素营养的实际情况进行反映，并且对追肥进行推荐。国内外对冬小麦氮素情况的诊断方式有许多，近年来能够对冬小麦氮素情况诊断的方式也在不断创新，促进了更多价格低廉、操作简单的诊断方式在基层冬小麦生产中发广泛应用，但是也只能对氮素水平不高的植株进行诊断。
2 现代光谱诊断技术
光谱诊断技术是利用不同物质对光谱的差异性吸收、反射和透射进行定性或定量分析的技术方法。植物光谱吸收、透射和反射特征波段主要分布在可见、近红外区域。作物因叶片叶绿素含量等生物特性的差异，导致了每种作物的光特征不同。与传统的作物营养诊断方法相比，光谱遥感技术具有面积大、无损、快速、准确的优点。目前已成为作物营养诊断在农业生产应用中的研究热点，对农业氮肥的准确施用起着重要作用。
2.1 光谱与冬小麦氮素的关系
在作物氮营养遥感技术诊断中，可以利用氮/叶绿素浓度、氮/叶绿素积累、叶面积指数（LAI）等参数确定作物氮素状况，指导田间施肥管理。但以上参数会因生育期、冠层结构、田间小气候等方面的差异而产生误差，难以准确地监测作物氮素水平。随着作物氮素光谱诊断技术的不断发展，有研究人员提出了通过结合植株氮素水平和生物量2个指标，能够较为准确地判断作物不同生长期内的氮素需求水平。 2.2 叶绿素相对含量诊断
植物的色素影响着自身的光谱特性，主要是叶绿素，其对蓝光和红光有较强地吸收。薛利红等研究表明，冬小麦冠层可见光区的反射率随着施氮量的增加而降低，而近光区的反射率随着施氮量的增加显著增加[3]，这是因为提高土壤氮素水平，可有效增加作物叶片叶绿素含量，增加叶片面积，从而提升作物叶片对可见光区的吸收，增加近红外区的反射率。
2.3 植被指数诊断
1）比值植被指数（NDVI）
比值植被指数计算方式为RVI=NIR/R。研究表明，RVI与叶绿素含量、叶面积指数有较高的相关性，常用来测算作物生物量。RVI受植被覆盖率、大气效应等因素影响较大，RVI随着植被覆盖度的提高，检测的敏感度提高，反之亦然;而大气效应能降低植被的检测敏感度。叶晓青等研究表明，RVI能够较为准确地反演烤烟的氮素积累量[4]。
2）差值植被指数（DVI）
差值植被指数计算方式为DVI=NIR-R。植被覆盖度对DVI的影响较大，较低的植被覆盖度可以提高DVI的敏感度。此外相比于RVI，DVI对土壤背景的变化更为敏感。
3）归一化植被指数（NDVI）
歸一化植被指数计算方式为NDVI=（NIR-R）/（NIR+R）。NDVI能反应植被生长状态和植物冠层背景对光谱特性的影响，可用于检测植被覆盖度，与植物分布密度呈线性关系。NDVI随着植被的覆盖率增加，敏感性降低。王树文等研究表明，NDVI能够较为准确地估测玉米苗期冠层氮含量[5]。
2.4 模型构建方法
1）多元线性逐步回归（MLSR）
多元线性逐步回归是一种从许多自变量中依次选取对因变量影响最大并通过检验移除影响最小变量的统计方法。
2）偏最小二乘回归（PLSR）
偏最小二乘回归是一种新型的多元统计数据分析方法，它主要研究的是多因变量对多自变量的回归建模，特别是当变量线性程度较高时，偏最小二乘回归方法效率更高。另外，偏最小二乘回归较好地解决了样本个数少于变量个数等问题。
3）随机森林回归（RFR）
随机森林回归是基于统计学理论对样本进行训练并预测的一种机器学习算法，能有效解决非线性问题，具有很强的抗干扰能力。
3 结语
基于光谱遥感分析的作物氮素营养无损检测技术具有较强的光谱学和生物物理学理论基础，它已成为现阶段作物氮素营养诊断和施氮精确调控的关键技术，也是精确农业和数字农业发展的重要研究前沿。近年来一些航空、航天高光谱传感器的应用也为大规模的作物精确监测研究提供了有效途径，遥感影像的大规模、标准化在准确监测大田作物营养状况方面已成为可能。
参考文献：
[1] 宋丽娟，叶万军，郑妍妍，等.作物氮素无损快速营养诊断研究进展[J].中国稻米，2017，23（6）：19-22.
[2] 刘茂成.玉米光谱氮营养诊断技术研究进展[J].农业与技术，2016，36（5）：30-31.
[3] 薛利红，曹卫星，罗卫红，等.小麦叶片氮素状况与光谱特性的相关性研究[J].植物生态学报，2004（2）：172-177.
[4] 叶晓青，邹勇，余志虹，等.烤烟氮素积累时空分布及其与植株氮素营养的关系[J].烟草科技，2013（11）：78-81.
[5] 王树文，赵珊，张长利，等.基于成像光谱技术的寒地玉米苗期冠层氮含量预测模型[J].农业工程学报，2016，32（13）：149-154.
（责任编辑：刘宁宁）