基于多源遙感數(shù)據(jù)的河套灌區(qū)玉米植株氮素濃度診斷及污染風(fēng)險(xiǎn)評(píng)估

林人財(cái)，陳 鶴*，張寶忠，魏 征，李益農(nóng)，桑紅輝

基于多源遙感數(shù)據(jù)的河套灌區(qū)玉米植株氮素濃度診斷及污染風(fēng)險(xiǎn)評(píng)估

林人財(cái)1，陳 鶴1*，張寶忠1，魏 征1，李益農(nóng)1，桑紅輝2

（1.中國(guó)水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038；2.南昌工程學(xué)院，南昌 330029）

【目的】利用多源遙感數(shù)據(jù)對(duì)河套灌區(qū)玉米生育期氮素濃度進(jìn)行診斷并進(jìn)行氮素污染風(fēng)險(xiǎn)評(píng)估，為施肥決策及農(nóng)業(yè)面源污染溯源提供參考?！痉椒ā炕跓o(wú)人機(jī)多光譜遙感數(shù)據(jù)和實(shí)測(cè)玉米植株氮素濃度數(shù)據(jù)，利用多種植被指數(shù)量化玉米植株氮素濃度，建立玉米生育期氮素濃度診斷模型。對(duì)玉米不同生育階段的植被指數(shù)診斷模型進(jìn)行評(píng)價(jià)，得到臨界氮素濃度，并對(duì)玉米各生育階段的氮素污染風(fēng)險(xiǎn)進(jìn)行評(píng)估。【結(jié)果】2020年河套灌區(qū)玉米種植面積最大，為27.5萬(wàn)hm2，在玉米各生育階段中，拔節(jié)期、小喇叭口期、大喇叭口期和花粒期分別以、、、建立的氮素濃度診斷模型為最優(yōu)模型；基于氮素濃度診斷模型的遙感監(jiān)測(cè)發(fā)現(xiàn)，小喇叭口期、花粒期植株氮素濃度較低，拔節(jié)期、大喇叭口期植株氮素濃度較高；玉米氮素污染風(fēng)險(xiǎn)主要發(fā)生在拔節(jié)期、大喇叭口期，小喇叭口期存在少量的Ⅳ級(jí)污染風(fēng)險(xiǎn)，花粒期不存在氮素污染風(fēng)險(xiǎn)?！窘Y(jié)論】根據(jù)玉米植株氮素濃度診斷模型得到的氮素濃度值，獲得以灌溉單元為基礎(chǔ)的氮素污染風(fēng)險(xiǎn)等級(jí)分布，可為施肥決策和農(nóng)業(yè)面源污染溯源提供合理參考。

氮素濃度；玉米；遙感；污染風(fēng)險(xiǎn)；河套灌區(qū)

0 引 言

【研究意義】氮素是構(gòu)成作物最基本的化學(xué)元素之一，在作物生長(zhǎng)過(guò)程中具有重要作用[1]。氮素的合理施用可及時(shí)為作物光合作用提供營(yíng)養(yǎng)成分，達(dá)到增產(chǎn)提質(zhì)的效果；而不科學(xué)的氮素施用，不僅會(huì)造成資源浪費(fèi)，還會(huì)加劇農(nóng)業(yè)面源污染[2]。因此，精準(zhǔn)定量施用氮肥有利于提升農(nóng)業(yè)經(jīng)濟(jì)效益和生態(tài)效益。區(qū)域作物氮素濃度快速診斷是精準(zhǔn)定量施肥的前提。在此基礎(chǔ)上，對(duì)氮素進(jìn)行污染風(fēng)險(xiǎn)評(píng)估，可為施肥決策及農(nóng)業(yè)面源污染溯源提供依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

河套灌區(qū)位于內(nèi)蒙古自治區(qū)西部，北抵陰山山脈的狼山及烏拉山，南鄰黃河，東與包頭市接壤，西與烏蘭布和沙漠相鄰，橫跨巴彥淖爾市的烏拉特前旗、五原縣、臨河市、杭錦后旗、瞪口縣，東西長(zhǎng)250 km，南北寬50 km。灌區(qū)由烏蘭布和、解放閘、永濟(jì)、義長(zhǎng)、烏拉特灌域5個(gè)灌域組成（圖1）。灌區(qū)屬中溫帶大陸性季風(fēng)氣候區(qū)，降水量少、蒸發(fā)量大。年平均降水量為130～250 mm，年最大降水量為432.6 mm；年平均蒸發(fā)量為2 000～2 400 mm。

圖1 河套灌區(qū)地理位置

1.2 試驗(yàn)及數(shù)據(jù)來(lái)源

1.2.1 玉米植株氮素濃度

于2019年在內(nèi)蒙古巴彥淖爾市杭錦后旗聯(lián)增村核心區(qū)科技試驗(yàn)田內(nèi)進(jìn)行玉米植株氮素濃度測(cè)定，氮素濃度的實(shí)測(cè)數(shù)據(jù)主要用于氮素濃度診斷模型的構(gòu)建與驗(yàn)證。在玉米播種30 d后，每10天開(kāi)展1次氮素濃度監(jiān)測(cè)，直至玉米生育期結(jié)束。玉米生育期共劃分為4個(gè)生育階段，分別為：拔節(jié)期（7月1—20日）、小喇叭口期（7月21—28日）、大喇叭口期（7月29日—8月6日）和花粒期（8月7日—9月31日）。于每個(gè)小區(qū)取3株代表性玉米植株，將植株樣本在恒溫105 ℃條件下殺青1 h，置于恒溫75 ℃環(huán)境下烘干至恒質(zhì)量，測(cè)量干物質(zhì)量。將烘干后的干物質(zhì)粉碎過(guò)篩，稱取1 g樣本粉末裝入消化管，加入2片催化劑，然后加入濃硫酸12 mL，置于420 ℃消化池內(nèi)進(jìn)行消化，冷卻后將消煮液轉(zhuǎn)移至凱氏定氮儀中測(cè)定植株氮素濃度。臨界氮素濃度計(jì)算式為：

1.2.2 施肥設(shè)計(jì)

施肥分為施底肥（“科霸”復(fù)混肥料）和追肥（尿素）。試驗(yàn)設(shè)置5個(gè)施氮處理，N3為當(dāng)?shù)貥?biāo)準(zhǔn)施氮量，在N3的基礎(chǔ)上分別設(shè)置增加50%和減少25%、50%的施氮量處理。5個(gè)施氮處理分別為N0（不施氮）、N1（施氮225 kg/hm2）、N2（施氮337.5 kg/hm2）、N3（施氮450 kg/hm2）和N4（施氮675 kg/hm2），每個(gè)處理設(shè)置3個(gè)重復(fù)。

1.2.3 冠層多光譜數(shù)據(jù)

無(wú)人機(jī)試驗(yàn)借助的平臺(tái)是開(kāi)源飛控Pixhawk控制的經(jīng)緯M600型六旋翼無(wú)人機(jī)系統(tǒng)，搭載的遙感傳感器為RedEdge。相機(jī)焦距為5.5 mm，相機(jī)設(shè)有5個(gè)光譜通道，中心波長(zhǎng)分別為475 nm（藍(lán)）、560 nm（綠）、668 nm（紅）、840 nm（近紅外）和717 nm（紅邊），相機(jī)同時(shí)配備1塊30 cm×30 cm的灰板和光強(qiáng)傳感器。光強(qiáng)傳感器可校正拍攝過(guò)程中外界光線的影像，灰板具有固定的反射率，無(wú)人機(jī)測(cè)量前后均進(jìn)行灰板校正。

12月13日，由中國(guó)家用電器協(xié)會(huì)指導(dǎo)、紅頂獎(jiǎng)組委會(huì)主辦的“第10屆中國(guó)高端家電趨勢(shì)發(fā)布暨紅頂獎(jiǎng)?lì)C獎(jiǎng)盛典”在京舉行。50多家國(guó)內(nèi)外知名家電、科技品牌企業(yè)，獨(dú)家渠道協(xié)辦單位京東家電，數(shù)據(jù)支持機(jī)構(gòu)國(guó)家信息中心信息化和產(chǎn)業(yè)發(fā)展部、中怡康時(shí)代、京東排行榜以及上百家媒體，共同見(jiàn)證了紅頂獎(jiǎng)獲獎(jiǎng)產(chǎn)品的揭曉和高端家電消費(fèi)趨勢(shì)的發(fā)布。

無(wú)人機(jī)影像于2019年7—9月獲取，與地面數(shù)據(jù)采集時(shí)間同步，共采集7次。每次拍攝時(shí)間為10:00—12:00，飛行高度為60 m，飛行時(shí)固定航線，航向和旁向重疊度為80%，地面分辨率為4.09 cm，飛行速度為3 m/s，將飛行后采集的335景影像導(dǎo)入Pix4Dmapper軟件進(jìn)行拼接，經(jīng)過(guò)灰板反射率校正后獲取研究區(qū)的反射率影像和正射影像。

1.2.4 Sentinel-2影像

Sentinel-2是歐洲航天局倡議的全球環(huán)境與安全監(jiān)測(cè)系統(tǒng)（GMES）的重要組成部分。Sentinel-2數(shù)據(jù)中的多光譜包含13個(gè)波段，不同波段的空間分辨率不同（表1）。為定量表征灌區(qū)玉米植株氮素濃度，選取玉米生育期內(nèi)云量小于10%且質(zhì)量較好的影像用于后續(xù)研究。所有數(shù)據(jù)均為幾何校正處理后的L1C大氣頂層反射率數(shù)據(jù)。因此，只需利用SNAP軟件進(jìn)行大氣校正，得到地表反射率。同時(shí)，使用最鄰近插值法，將處理后的波段重采樣為10 m精度，通過(guò)波段運(yùn)算工具計(jì)算得到植被指數(shù)，用于量化玉米植株氮素濃度。

表1 Sentinel-2衛(wèi)星參數(shù)信息

1.3 研究方法

1.3.1植被指數(shù)

植被指數(shù)可用于定量表征植株氮素濃度。由于植株在不同生育階段的生長(zhǎng)狀況不同，各波段對(duì)植株生長(zhǎng)敏感性亦不相同。灌區(qū)玉米各生育階段氮素濃度診斷模型采用植被指數(shù)有歸一化植被指數(shù)（）[9]、藍(lán)邊歸一化植被指數(shù)（）[10]、綠藍(lán)邊歸一化植被指數(shù)（）[10]、綠紅邊歸一化植被指數(shù)（）[10]、標(biāo)準(zhǔn)葉綠素指數(shù)（）[11]、比植被指數(shù)（）[12]、作物氮反應(yīng)指數(shù)（）[13]和差值植被指數(shù)（）[14]，計(jì)算式分別為：

1.3.2 氮素污染風(fēng)險(xiǎn)評(píng)估

氮素污染風(fēng)險(xiǎn)等級(jí)劃分的依據(jù)是低于臨界氮素濃度的區(qū)域?yàn)闊o(wú)污染風(fēng)險(xiǎn)區(qū)，在污染風(fēng)險(xiǎn)圖中以無(wú)顏色表示，若部分超過(guò)臨界氮素濃度時(shí)，氮素濃度每上升0.5%，劃分一個(gè)污染風(fēng)險(xiǎn)等級(jí)，等級(jí)越高，風(fēng)險(xiǎn)越大，共分為4個(gè)風(fēng)險(xiǎn)等級(jí)，超出臨界氮素濃度2%的部分全部劃分到Ⅳ級(jí)污染風(fēng)險(xiǎn)區(qū)；若氮素濃度均大于臨界氮素濃度，則平均劃分為4個(gè)污染風(fēng)險(xiǎn)等級(jí)。

1.3.3 評(píng)價(jià)指標(biāo)

為優(yōu)選各生育階段的氮素診斷模型，選擇決定系數(shù)（2）和均方根誤差（）對(duì)模型進(jìn)行評(píng)價(jià)。2表示模型的擬合程度，2越大則模型擬合效果越好；表示模型的預(yù)測(cè)精度，越小則模型的預(yù)測(cè)精度越高。計(jì)算式為：

2 結(jié)果與分析

2.1 灌區(qū)作物空間分布

2020年，河套灌區(qū)內(nèi)種植的主要作物有玉米、向日葵、小麥。通過(guò)遙感方法[15]對(duì)作物進(jìn)行識(shí)別，得到2020年河套灌區(qū)作物空間分布狀況（圖2）。玉米、向日葵、小麥及其他作物的種植面積分別為27.5萬(wàn)、21.1萬(wàn)、1.7萬(wàn)、7.4萬(wàn)hm2，其種植面積占作物總種植面積的比例分別為47.64%、36.58%、2.98%、12.80%。相較于灌區(qū)內(nèi)向日葵、小麥和其他作物，玉米的種植面積最大，種植密度相對(duì)均勻，且基本覆蓋全灌區(qū)。因此，重點(diǎn)選取玉米為研究對(duì)象，在玉米各生育階段建立氮素濃度診斷模型，并進(jìn)行氮素污染風(fēng)險(xiǎn)評(píng)估。

圖2 2020年河套灌區(qū)作物空間分布

2.2 灌區(qū)玉米生育階段氮素濃度診斷模型優(yōu)選

玉米各生育階段氮素濃度診斷模型以植被指數(shù)為自變量（），植株氮素濃度為因變量（），采用線性及非線性回歸相結(jié)合的方法，分析各生育期植被指數(shù)與植株氮素濃度之間的關(guān)系，并得到模型評(píng)價(jià)結(jié)果（表2）。在拔節(jié)期，、、對(duì)應(yīng)的氮素診斷模型2分別為0.79、0.83、0.84，分別為0.28%、0.26%、0.31%，綜合考慮模型擬合優(yōu)度及預(yù)測(cè)精度，以建立的模型為最優(yōu)診斷模型；在小喇叭口期，、、對(duì)應(yīng)的氮素診斷模型2分別為0.21、0.27、0.25，分別為0.04%、0.06%、0.04%，綜合考慮模型擬合優(yōu)度及預(yù)測(cè)精度，以建立的模型為最優(yōu)診斷模型；在大喇叭口期，、、對(duì)應(yīng)的氮素診斷模型2分別為0.61、0.14、0.22，分別為0.31%、0.48%、0.40%，綜合考慮模型擬合優(yōu)度及預(yù)測(cè)精度，以建立的模型為最優(yōu)診斷模型；在花粒期，、、對(duì)應(yīng)的氮素診斷模型2分別為0.33、0.39、0.16，分別為0.22%、0.15%、0.68%，綜合考慮模型擬合優(yōu)度及預(yù)測(cè)精度，以建立的模型為最優(yōu)診斷模型。由模型評(píng)價(jià)結(jié)果及計(jì)算得到的玉米各生育階段植株臨界氮素濃度可知，拔節(jié)期、小喇叭口期、大喇叭口期、花粒期的臨界氮素濃度分別為3.52%、2.69%、2.50%、1.5%。

表2 玉米植株氮素濃度診斷模型及評(píng)價(jià)結(jié)果

2.3 灌區(qū)玉米生育階段氮素濃度診段

基于2.2節(jié)確定的各生育階段最優(yōu)植株氮素濃度診斷模型，反演得到玉米各生育階段植株氮素濃度空間分布（圖3）。不同生育階段植株氮素濃度差異較大，玉米拔節(jié)期、大喇叭口期植株氮素濃度較高，分別介于0～24.11%、0～10.25%之間，且全區(qū)玉米植株氮素濃度總體呈正態(tài)分布，2個(gè)生育階段氮素濃度主要介于3.12%～4.53%、2.53%～5.34%之間，標(biāo)準(zhǔn)差分別為0.56%、0.60%；小喇叭口期、花粒期植株氮素濃度相對(duì)較低，分別介于0～3.24%、0～2.00%之間，2個(gè)生育階段氮素濃度主要介于0.40%～2.66%和0.09%～1.73%之間，標(biāo)準(zhǔn)差分別為0.51%和0.46%。

圖3 各生育階段玉米植株氮素濃度空間分布

2.4 灌區(qū)玉米生育期內(nèi)氮素污染風(fēng)險(xiǎn)評(píng)估

根據(jù)河套灌區(qū)主要灌溉渠道及排水溝道的分布現(xiàn)狀，將灌區(qū)劃分為62個(gè)灌溉單元，分別對(duì)玉米4個(gè)生育階段各灌溉單元內(nèi)的植株氮素濃度進(jìn)行統(tǒng)計(jì)分析，得到62個(gè)灌溉單元玉米植株氮素濃度平均值，進(jìn)而得到各生育階段氮素污染風(fēng)險(xiǎn)等級(jí)分布（圖4）。由玉米植株氮素濃度診斷模型及評(píng)價(jià)結(jié)果可知，拔節(jié)期臨界氮素濃度為3.52%，各灌溉單元玉米植株氮素濃度均大于臨界氮素濃度，氮素濃度平均值為3.64%，由氮素污染風(fēng)險(xiǎn)等級(jí)劃分原則，將其劃分為4個(gè)氮素污染風(fēng)險(xiǎn)等級(jí)，Ⅰ～Ⅳ級(jí)氮素污染風(fēng)險(xiǎn)區(qū)的氮素濃度取值范圍分別為3.59%～3.73%、3.73%～3.80%、3.80%～3.88%、3.88%～4.18%，大多灌溉單元在Ⅰ、Ⅱ級(jí)污染風(fēng)險(xiǎn)區(qū)范圍內(nèi)。玉米小喇叭口期臨界氮素濃度為2.69%，植株氮素濃度平均值為1.95%，該生育階段僅有少量灌溉單元植株氮素濃度大于3.69%，處于Ⅳ級(jí)污染風(fēng)險(xiǎn)區(qū)，大部分灌溉單元無(wú)氮素污染風(fēng)險(xiǎn)。玉米大喇叭口期臨界氮素濃度為2.5%，植株氮素濃度均值為3.77%，位于灌區(qū)東南部的少量區(qū)域無(wú)氮素污染風(fēng)險(xiǎn)，其他區(qū)域處于Ⅱ～Ⅳ級(jí)污染風(fēng)險(xiǎn)區(qū)，氮素濃度取值范圍分別為3%～3.5%、3.5%～4%、4%～4.2%，大部分灌溉單元處于Ⅳ級(jí)污染風(fēng)險(xiǎn)區(qū)。玉米花粒期灌溉單元氮素濃度介于0.73%～1.29%之間。由玉米植株氮素濃度診斷模型及評(píng)價(jià)結(jié)果，玉米花粒期臨界氮素濃度為1.5%，花粒期各灌溉單元植株氮素濃度均低于臨界氮素濃度，氮素濃度平均值為1.09%，故花粒期不存在氮素污染風(fēng)險(xiǎn)。

圖4 玉米各生育階段植株氮素濃度與污染風(fēng)險(xiǎn)等級(jí)分布

3 討 論

相比灌區(qū)內(nèi)向日葵、小麥和其他作物，玉米種植面積最大，種植密度相對(duì)均勻，基本覆蓋全灌區(qū)，故本研究選取玉米為研究對(duì)象。然而，高永道等[16]基于MODIS數(shù)據(jù)分析2000—2018年河套灌區(qū)主要農(nóng)作物種植結(jié)構(gòu)變化，發(fā)現(xiàn)不同年份灌區(qū)作物種植面積變化較大，2000年小麥種植面積約占灌區(qū)總種植面積的50%。因此，下一步可針對(duì)其他主要作物（小麥、向日葵）或綜合考慮所有作物開(kāi)展氮素濃度診斷研究。

河套灌區(qū)玉米拔節(jié)期、小喇叭口期、大喇叭口期、花粒期分別以、、、建立的氮素濃度診斷模型為最優(yōu)模型?？梢?jiàn)，不同生育階段表征植株氮素濃度的最優(yōu)植被指數(shù)不同，這主要是由于作物在不同生育階段長(zhǎng)勢(shì)變化明顯，光譜波段在不同生育階段對(duì)作物生長(zhǎng)的敏感性不同造成的[17]。本研究使用8種植被指數(shù)進(jìn)行玉米生育階段氮素濃度診斷模型建立。目前，高達(dá)30種以上植被指數(shù)用于植被氮素濃度估測(cè)，如葉綠素吸收率指數(shù)（Modified Chlorophyll Absorption Ratio Index，）[18]、冠層葉綠素濃度指數(shù)（Canopy Chlorophyll Concentration Index，）[19]、改進(jìn)的轉(zhuǎn)換型葉綠素吸收率指數(shù)（Modified Transformed Chlorophyll Absorption Reflectance Index，）[20]、歸一化紅邊指數(shù)（Normalized Difference Red Edge Index，）[21]等。不同植被指數(shù)可能會(huì)因區(qū)域、氣候不同而導(dǎo)致氮素濃度估測(cè)的有效性或精度存在差異。在不同區(qū)域或氣候區(qū)，太陽(yáng)輻射存在差異，各氣象因子間的相互影響機(jī)制亦不一致，而氣象因子會(huì)影響可見(jiàn)光的反射與吸收[22]。

2020年灌區(qū)玉米植株氮素濃度診斷結(jié)果顯示，小喇叭口期、花粒期氮素濃度較低，拔節(jié)期、大喇叭口期氮素濃度較高，這可能與2個(gè)方面原因有關(guān)：一是施肥管理憑借主觀經(jīng)驗(yàn)，容易對(duì)植株氮素濃度產(chǎn)生影響；二是玉米自身生長(zhǎng)特性對(duì)氮素濃度產(chǎn)生影響，不同生育階段植株體內(nèi)的生物、化學(xué)作用不同，所需的營(yíng)養(yǎng)物質(zhì)亦不同[23]。此外，目前關(guān)于氮素污染風(fēng)險(xiǎn)等級(jí)劃分的研究鮮見(jiàn)報(bào)道，基于統(tǒng)計(jì)學(xué)方法和大量的樣本（像元）值，本研究提出了污染風(fēng)險(xiǎn)等級(jí)劃分方法，以期為區(qū)域尺度氮素污染風(fēng)險(xiǎn)等級(jí)劃分提供科學(xué)依據(jù)。研究發(fā)現(xiàn)，2020年河套灌區(qū)玉米氮素污染風(fēng)險(xiǎn)主要發(fā)生在拔節(jié)期、大喇叭口期，小喇叭口期存在少量Ⅳ級(jí)污染風(fēng)險(xiǎn)區(qū)，表明在拔節(jié)期、大喇叭口期氮肥施用不科學(xué)，造成資源浪費(fèi)和農(nóng)業(yè)面源污染。未來(lái)將開(kāi)展河套灌區(qū)面源污染分布式模擬評(píng)估，綜合考慮植物生長(zhǎng)、地表徑流、溶質(zhì)運(yùn)移、蒸散發(fā)等因素，重點(diǎn)分析施肥方式對(duì)作物產(chǎn)量及農(nóng)業(yè)面源污染的影響，為灌區(qū)合理施肥提供科學(xué)參考。

4 結(jié) 論

1）河套灌區(qū)玉米拔節(jié)期、小喇叭口期、大喇叭口期、花粒期分別以、、、建立的氮素診斷模型為最優(yōu)模型，2介于0.25～0.83之間，介于0.04%～0.31%之間。

2）河套灌區(qū)玉米拔節(jié)期、小喇叭口期、大喇叭口期、花粒期最優(yōu)氮素診斷模型能較好地反演玉米植株氮素濃度，并獲得空間分布信息，不同生育階段玉米植株氮素濃度差異較大。

3）由最優(yōu)氮素診斷模型得到的氮素濃度值，可為施肥決策和農(nóng)業(yè)面源污染溯源研究提供科學(xué)參考。

[1] GUO B B, QI S L, HENG Y R, et al. Remotely assessing leaf N uptake in winter wheat based on canopy hyperspectral red-edge absorption[J]. European Journal of Agronomy, 2017, 82: 113-124.

[2] 薛利紅, 羅衛(wèi)紅, 曹衛(wèi)星, 等. 作物水分和氮素光譜診斷研究進(jìn)展[J]. 遙感學(xué)報(bào), 2003, 7(1): 73-80.

XUE Lihong, LUO Weihong, CAO Weixing, et al. Research progress on the water and nitrogen detection using spectral reflectance[J]. Journal of Remote Sensing, 2003, 7(1): 73-80.

[3] 曹洪生, 黃德明, 俞仲林, 等. 小麥追施氮肥的快速營(yíng)養(yǎng)診斷技術(shù)研究[J].南京農(nóng)業(yè)大學(xué)學(xué)報(bào), 1990, 13(1): 8-13.

CAO Hongsheng, HUANG Deming, YU Zhonglin, et al. Studies on the technics of nutrient diagnosis for nitrogen top dressing in winter wheat[J]. Journal of Nanjing Agricultural University, 1990, 13(1): 8-13.

[4] HANSEN P M, SCHJOERRING J K. Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J]. Remote Sensing of Environment, 2003, 86(4): 542-553.

[5] LI H, XIAO S, WEI F, et al. Improved remote sensing of leaf nitrogen concentration in winter wheat using multi-angular hyperspectral data[J]. Remote Sensing of Environment, 2016, 174: 122-133.

[6] 高開(kāi)秀, 高雯晗, 明金, 等. 無(wú)人機(jī)載多光譜遙感監(jiān)測(cè)冬油菜氮素營(yíng)養(yǎng)研究[J]. 中國(guó)油料作物學(xué)報(bào), 2019, 41(2): 232-242.

GAO Kaixiu, GAO Wenhan, MING Jin, et al. Monitoring of nitrogen nutrition in winter rapeseed using UAV-borne multispectral data[J]. Chinese Journal of Oil Crop Sciences, 2019, 41(2): 232-242.

[7] 高金龍, 孟寶平, 楊淑霞, 等. HJ-1A衛(wèi)星數(shù)據(jù)的高寒草地氮素評(píng)估：以青海省貴南縣及瑪沁縣高寒草地為例[J]. 草業(yè)學(xué)報(bào), 2016, 25(10): 11-20.

GAO Jinlong, MENG Baoping, YANG Shuxia, et al. Estimation of nitrogen content of alpine grassland in Maqin and Guinan Counties, Qinghai Province, using remote sensing[J]. Acta Prataculturae Sinica, 2016, 25(10): 11-20.

[8] HAN N N, ZHANG B Z, LIU Y, et al. Rapid diagnosis of nitrogen nutrition status in summer maize over its life cycle by a Multi-Index synergy model using ground hyperspectral and UAV multispectral sensor data[J]. Atmosphere, 2022, 13(1): 122.

[9] 劉瑩, 朱秀芳, 徐昆. 用于灌溉耕地制圖的特征變量?jī)?yōu)選[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2022, 38(3): 119-127.

LIU Ying, ZHU Xiufang, XU Kun. Optimizing the feature variables for irrigated farmland mapping[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(3): 119-127.

[10] 王福民, 黃敬峰, 唐延林, 等. 新型植被指數(shù)及其在水稻葉面積指數(shù)估算上的應(yīng)用[J]. 中國(guó)水稻科學(xué), 2007, 21(2): 159-166.

WANG Fumin, HUANG Jingfeng, TANG Yanlin, et al. New vegetation index and its application in estimating leaf area index of rice[J]. Chinese Journal of Rice Science, 2007, 21(2): 159-166.

[11] PEUELAS J, GAMON J A, FREDEEN A L, et al. Reflectance indices associated with physiological changes in nitrogen- and water-limited sunflower leaves[J]. Remote Sensing of Environment, 1994, 48(2): 135-146.

[12] 張悅琦, 李榮平, 穆西晗, 等. 基于多時(shí)相GF-6遙感影像的水稻種植面積提取[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2021, 37(17): 189-196.

ZHANG Yueqi, LI Rongping, MU Xihan, et al. Extraction of paddy rice planting areas based on multi-temporal GF-6 remote sensing images[J].Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(17): 189-196.

[13] KAWASHIMA S, NAKATANI M. An algorithm for estimating chlorophyll content in leaves using a video camera[J]. Annals of Botany, 1998, 81: 49-54.

[14] 王方永, 王克如, 李少昆, 等. 利用數(shù)碼相機(jī)和成像光譜儀估測(cè)棉花葉片葉綠素和氮素含量[J]. 作物學(xué)報(bào), 2010, 36(11): 1 981-1 989.

WANG Fangyong, WANG Keru, LI Shaokun, et al. Estimation of chlorophyll and nitrogen contents in cotton leaves using digital camera and imaging spectrometer[J].Acta Agronomica Sinica, 2010, 36(11): 1 981-1 989.

[15] 劉昊. 基于Sentinel-2影像的河套灌區(qū)作物種植結(jié)構(gòu)提取[J]. 干旱區(qū)資源與環(huán)境, 2021, 32(2): 88-95.

LIU Hao.Extraction of crop planting structure in Hetao irrigated area based on Sentinel-2[J].Journal of Arid Land Resources and Environment, 2021, 32(2): 88-95.

[16] 高永道, 喬榮榮, 季樹(shù)新, 等. 內(nèi)蒙古河套灌區(qū)作物種植結(jié)構(gòu)變化及其驅(qū)動(dòng)因素[J]. 中國(guó)沙漠, 2021, 41(3): 110-117.

GAO Yongdao, QIAO Rongrong, JI Shuxin, et al. Changes and driving factors of crops planting structure in Hetao Irrigation Region in Inner Mongolia[J]. Journal of Desert Research, 2021, 41(3): 110-117.

[17] SUN H R, WANG L, LIN R C. et al. Mapping plastic greenhouses with two-temporal Sentinel-2 images and 1D-CNN deep learning[J]. Remote Sensing, 2021, 13(14): 2 820.

[18] 努熱曼古麗·托乎提, 聶臣巍, 余汛, 等. 基于高光譜指數(shù)的葉片尺度葉綠素?zé)晒鈪?shù)反演[J]. 玉米科學(xué), 2021, 29(5): 73-80.

NUREMANGULI·Tuohuti, NIE Chenwei, YU Xun, et al.Retrieval of leaf-scale chlorophyll fluorescence parameters based on hyperspectral index[J].Journal of Maize Sciences, 2021, 29(5): 73-80.

[19] 牛魯燕, 蔣風(fēng)偉, 張俊麗, 等. 基于無(wú)人機(jī)多光譜遙感的小麥長(zhǎng)勢(shì)監(jiān)測(cè)研究[J]. 山東農(nóng)業(yè)科學(xué), 2021, 53(3): 139-145.

NIU Luyan, JIANG Fengwei, ZHANG Junli, et al.Study on wheat growth monitoring based on UAV multi-spectrum[J].Shandong Agricultural Sciences, 2021, 53(3): 139-145.

[20] 孟慶野, 董恒, 秦其明, 等. 基于高光譜遙感監(jiān)測(cè)植被葉綠含量的一種植被指數(shù)MTCARI[J]. 光譜學(xué)與光譜分析, 2012, 32(8): 2 218-2 222.

MENG Qingye, DONG Heng, QIN Qiming, et al.MTCARI: A kind of vegetation index monitoring vegetation leaf chlorophyll content based on hyperspectral remote sensing[J].Spectroscopy and Spectral Analysis, 2012, 32(8): 2 218-2 222.

[21] 李鑫格, 項(xiàng)方林, 吳思雨, 等. 基于植被指數(shù)時(shí)序動(dòng)態(tài)的冬小麥氮素營(yíng)養(yǎng)診斷方法[J]. 麥類作物學(xué)報(bào), 2021, 41(8): 1-11.

LI Xin’ge, XIANG Fanglin, WU Siyu, et al.Diagnosis methods for nitrogen status based on the time-series vegetation index in winter wheat online first[J].Spectroscopy and Spectral Analysis, 2021, 41(8): 1-11.

[22] 陳向紅. 地面反射率與若干氣象因子關(guān)系的初步分析[J]. 成都?xì)庀髮W(xué)院學(xué)報(bào), 1999, 14(3): 233-238.

CHEN Xianghong.Relationship between surface albedo and some meteorological factors[J].Journal of Chengdu Institute of Meteorology, 1999, 14(3): 233-238.

[23] 范震, 趙有欣, 陳鈺蓉, 等. 不同類型緩/控釋氮肥對(duì)夏玉米生長(zhǎng)及產(chǎn)量的影響[J]. 山東農(nóng)業(yè)科學(xué), 2022, 54(3): 79-83.

FAN Zhen, ZHAO Youxin, CHEN Yurong, et al.Effects of different types of slow/controlled-release nitrogen fertilizers on growth and yield of summer maize[J].Shandong Agricultural Sciences, 2022, 54(3): 79-83.

Diagnosing Nitrogen Content in Maize Canopy in Hetao Irrigation District Using Multi-source Remote Sensing Data

LIN Rencai1, CHEN He1*, ZHANG Baozhong1, WEI Zheng1, LI Yinong1, SANG Honghui2

(1. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China; 2. Nanchang Institute of Technology, Nanchang 330029, China)

【Objective】Precision agriculture needs a rapid diagnosis of water and nutrient deficits, which is challenging at large scales in the field. Taking maize as an example, this paper proposes to estimate nitrogen content in maize canopy using remote sensing data.【Method】The study was carried out at Hetao Irrigation District using UAV multi-spectral imagery data measured in 2020. A variety of vegetation indices extracted from the imageries were used to calculate nitrogen content in the canopy when the crop grew to different stages. The model was validated against ground-truth data and was then used to evaluate critical nitrogen concentration and potential nitrogen pollution at different growth stages.【Result】The planted area of maize in Hetao Irrigated District in 2020 was 275 000 hm2. The suitable vegetation indices for calculating canopy nitrogen varied with growing stages; the canopy nitrogen at elongation, early and late tasseling stage and flowering stage was best estimated by,,, and, respectively. It was found that nitrogen concentration in the canopy was low at the flowering stage, and high at the elongation and later tasseling stage, during which nitrogen pollution could occur. Analysis showed that the risk of nitrogen pollution was Grade 4 in early tasseling stage and zero in flowering stage.【Conclusion】The UAV multispectral image data can be used to estimate nitrogen content in plant and assess the potential of nitrogen pollution at different growing stages at large scales in the field. It can help improve fertilization and reduce the potential of non-point source pollution.

nitrogen concentration; maize; remote sensing; pollution risk; the Hetao Irrigation District

1672 - 3317（2023）02 - 0066 - 07

S271

A

10.13522/j.cnki.ggps.2022349

林人財(cái), 陳鶴, 張寶忠, 等. 基于多源遙感數(shù)據(jù)的河套灌區(qū)玉米植株氮素濃度診斷及污染風(fēng)險(xiǎn)評(píng)估[J]. 灌溉排水學(xué)報(bào), 2023, 42(2): 66-72.

LIN Rencai, CHEN He, ZHANG Baozhong, et al. Diagnosing Nitrogen Content in Maize Canopy in Hetao Irrigation District Using Multi-source Remote Sensing Data[J]. Journal of Irrigation and Drainage, 2023, 42(2): 66-72.

2022-07-11

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2019YFC0409203）；中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室自主研究課題（SKL2022TS13）；中國(guó)水科院基本科研業(yè)務(wù)費(fèi)專項(xiàng)項(xiàng)目（ID0145B022021，ID0145B052021）

林人財(cái)（1995-），男。博士研究生，主要從事農(nóng)業(yè)遙感研究。E-mail:rencaihrs@iwhr.com

陳鶴（1986-），女。高級(jí)工程師，主要從事農(nóng)業(yè)遙感研究。 E-mail: chenhe@iwhr.com

責(zé)任編輯：韓 洋