施氮水平对多花黑麦草植株氮含量及反射光谱特征的影响

杨红丽,陈功,吴建付

(云南农业大学动物科技学院,云南昆明 650201)

光谱分析技术的发展为快速准确地监测植物长势、估测产量以及确定最佳施肥量提供了条件。目前,国内外学者对草坪草、农作物的反射光谱特征进行了深入的研究探讨。张文等[1,2]报道,施用氮肥能够明显提高草坪叶绿素密度,降低可见光区域光谱反射率,多种植被指数与草坪叶绿素含量之间存在显著相关关系。T homas和Oerther[3]研究发现,氮素营养水平对甜椒(Capsicum annuum)叶片在550和670 nm波段反射率的影响最大,并利用这2个波段建立了估算氮素含量的相关模型,其精度达90%。Walburg等[4]对玉米(Zea mays)的研究表明,近红外反射率和红光反射率的比值与单一波段的反射率相比较,能更好地区分氮的不同处理。Osborne等[5]利用反射光谱诊断玉米氮营养时指出,植物体内氮含量的预测应在红光和绿光波段,但具体波段随生育期的不同而改变。Shibayama和Remote[6]在水稻(Oryza sativa)上的研究表明,单位土地面积上的叶片氮含量与R620和R760的线性组合,以及与R400、R620和R880的线性组合均存在较好的回归关系,预测值和实测值线性相关,且不受品种类型的影响。赵德华和李建龙[7]通过研究棉花(Gossypium arboreum)在不同氮水平下群体反射光谱,结果表明,通过光谱测定及其变量的运算,如近红外与红外(NIR/Red)的比值,可以区分不同氮素营养水平。吴华兵等[8]、朱艳等[9,10],秦晓东等[11]、李映雪等[12]分析了不同施肥水平下小麦(Triticum aestivum)叶片氮含量及叶片氮积累与冠层光谱反射特征的关系,并建立了小麦叶片氮素诊断模型。唐万龙等[13]应用光谱特性建立冬小麦氮、磷元素丰缺的最佳模型。谭昌伟等[14]探讨了夏玉米叶片全氮光谱响应,并建立了相关估测模型。张金恒和王珂[15]对水稻叶片反射光谱的研究表明,可以通过叶片反射光谱来诊断氮素营养的敏感波段。王纪华等[16]通过分层光谱分析,利用作物垂直冠层光谱匹配方法,初步实现了作物中下层叶绿素和氮素的遥感反演。

施氮水平与黑麦草的产草量、生物学特性、营养成分等密切相关[17],但利用光谱分析法对黑麦草植株氮含量的研究在国内还鲜见报道。本研究以多花黑麦草(Lolium multiflorum)为对象,分析不同施氮水平条件下牧草冠层反射光谱特征和植株氮含量的相关性,探讨与植株氮含量密切相关的敏感波段及植被指数,并确定植株氮含量的定量估测模型,从而为利用光谱技术进行大区域、无破坏、实时监测牧草生长状况以及确定最佳施肥量提供技术依据。

1 材料与方法

1.1 试验地概况

试验地位于云南省曲靖市沾益县西平镇,地处北纬25°35′,东经103°50′,海拔1 900 m。前茬作物为蚕豆(Viciafaba),土壤为水稻土,pH 值7.67,有机质33.86 g/kg,全氮1.78 g/kg,全磷0.657 g/kg,全钾18.04 g/kg,水解氮158 mg/kg,有效磷17.38 mg/kg,速效钾 124 mg/kg。

1.2 试验材料

供试材料为多花黑麦草特高(L.multiflorum cv.Tetragold)和多花黑麦草杰威(L.multif lorum cv.Splendor),具有品质优良,生长快,产量高,质量好,生育期短等特点,适宜在云南亚热带地区生长。

1.3 试验设计

采用随机区组设计,5个施氮水平,3次重复,小区面积2.0 m×1.5 m,小区间距0.5 m,区组间距0.8 m。2008年2月下旬播种,撒播用种量4.05 g/m2。播种同时施入种肥(钙镁磷肥167 kg/hm2,硫酸钾84 kg/hm2,硫酸铜,硫酸锌,硼酸各 4.1 kg/hm2)。氮肥(尿素)水平分别为0(N0),100(N1),200(N2),300(N3)和400 kg/hm2(N4),在牧草分蘖前期、拔节前期各按1/2均匀施入各小区。

1.4 反射光谱数据和植株氮含量的测定

选用美国Ocean公司生产的H R2000光谱仪,波长范围为200～1 100 nm,分辨率约1 nm,采样间隔0.45～0.46 nm。冠层光谱测定选择天气晴朗、无风或风速很小的天气进行,测定时间为北京时间10:30-14:00,测量时固定光谱仪探头垂直向下,距离冠层50cm。每小区重复5～10次,取平均值作为该小区的光谱反射率值。测定过程中及时进行标准白板校正。

在分蘖期(2008年5月2日)、拔节期(2008年5月23日)反射光谱测定之后,取草样装入密闭自封袋,带回室内,105℃杀青,然后75℃烘干,粉碎,采用微量凯氏定氮法[18]测定植株氮含量。通过下列公式计算牧草植株氮含量(%):

式中,C为滴定时的盐酸标准溶液浓度(0.01 mol/L);A为滴定样品所耗用的盐酸标准溶液的平均量(mL);B为滴定空白样品所耗用的盐酸标准溶液的平均量(mL);W为样品质量(g);VT为消化液总体积(mL);VS为测定时取用的消化液体积(mL)。

1.5 统计分析

基于冠层光谱反射率与多花黑麦草植株氮含量的相关性分析结果,筛选敏感波段,进而由敏感波段组成多种植被指数(比值植被指数,ratio vegetation index,RVI;差值植被指数,differential vegetation index,DVI;归一化差值植被指数,normalized vegetation index,NDVI)。通过分析植被指数与植株氮含量的相关关系,筛选出对植株氮含量敏感的最佳植被指数,然后建立多元回归估测模型。在采集的样品中,一部分用来建立统计回归模型,另一部分用来检验所建立模型的精确度。使用SPSS 13.0和SigmaPlot 10.0软件分别进行数据统计分析和作图。

2 结果与分析

2.1 植株氮含量

品种杰威的植株氮含量在分蘖期、拔节期均随着施氮水平的增加而极显著升高(P<0.01),分蘖期处理N2与N3之间、拔节期处理N1与N2之间差异均不显著。品种特高植株氮含量在分蘖期随施氮水平的增加而显著升高(P<0.05),处理N2与N3之间差异不显著;拔节期处理N3极显著高于其余各处理(P<0.01),处理N1与N2之间差异不显著(表1)。

2.2 冠层光谱反射率

品种特高分蘖期可见光区反射率随施氮水平增加而逐渐降低(图1A),处理N4在560 nm的反射率极显著低于N0、N1(P<0.01),与N2、N3之间无显著差异;近红外区处理N4的反射率显著低于N0、N1(P<0.01)和N2(P<0.05),与N3之间无显著差异。拔节期,处理N3在560 nm的反射率最低(图1B),且各处理之间差异极显著(P<0.01);在近红外区域,处理N3的反射率最低,N0、N1和N4三种处理之间无显著差异,但均极显著高于N2、N3两种处理(P<0.01)。

品种杰威在分蘖期,处理N4在560 nm的反射率极显著低于其他处理(P<0.01),N2和N3之间无显著差异;近红外区各处理之间均存在显著差异(P<0.05)(图1C)。拔节期,处理N4在560 nm的反射率显著低于其他处理(P<0.05),N1、N2、N3三种处理之间的差异不显著;在近红外区域,除N1显著低于N0之外(P<0.05),其余各处理之间差异不显著(图1D)。

图1 不同施氮水平下多花黑麦草的冠层反射光谱特征Fig.1 Reflectance of annual ryegrass under different nitrogen fertilization rate

2.3 冠层反射率与植株氮含量之间的相关性

在450～900 nm范围内,牧草植株氮含量与单波段反射率呈负相关关系。在487～718 nm范围内,相关系数绝对值都大于0.5(图2)。经过多波段逐步回归分析,得到估测多花黑麦草植株氮含量的最优回归模型:y=4.362-0.754x579+0.351x700(R2=0.588,P<0.01,n=20),可以看出,采用多波段回归模型预测多花黑麦草植株氮含量优于单波段模型。

为了检验此回归模型的可靠性和普适性,将校验样本579,700 nm的光谱反射率分别代入上述回归模型方程,得到多花黑麦草植株氮含量估测值,再将模型估测值和实测值进行相关性分析。结果表明,多波段回归模型预测值与实测值之间相关性达到了极显著水平(P<0.01)(图3)。

2.4 植被指数与植株氮含量的相关性

利用敏感波段构建3种高光谱植被指数,并分析它们与植株氮含量之间的相关性,结果表明,植被指数NDVI、RVI、D VI与植株氮含量之间呈显著(P<0.05)或极显著(P<0.01)相关关系(表2)。其中,NDVI(700,579)、DVI(610,487)、RVI(700,579)与植株氮含量之间的相关性最高,相关系数R分别为0.739,-0.750,0.721(P<0.01)。

从表2中选择相关系数绝对值大于0.7的植被指数为自变量进行逐步回归分析,建立多花黑麦草植株

氮含量最优回归模型:y=3.026-0.670DVI(610,487)+4.997NDVI(700,579)(R2=0.705,P<0.01)。选用波段610,487,700和579 nm分别建立植被指数DVI、NDVI值,代入上式得到植株氮含量的预测值。将实测值和预测值进行相关性分析,结果表明,植株氮含量的预测值与实测值相关性都达到了极显著水平(P<0.01)(图4)。与单波段回归模型、多波段回归模型相比较,利用植被指数回归模型估测植株氮含量效果更加理想。

图2 多花黑麦草植株氮含量与光谱反射率的相关性分析Fig.2 Correlation analysis between the reflectance and the plant nitrogen content

图3 多波段反射光谱回归模型监测植株氮含量的预测值和实测值的相关性分析(n=46)Fig.3 Correlation analysis between true value and estimative value of plant nitrogen content with many wavelength reflectance

表2 多花黑麦草植株氮含量与植被指数 NDVI、DVI、RVI之间的相关性分析(n=20)Table 2 Correlation analysis between the plant nitrogen content and vegetation index NDVI、DVI、RVI

3 讨论

图4 植株氮含量的预测值和实测值之间的相关性分析(n=45)Fig.4 The correlation analysis between the estimated value and the true value of plant nitrogen content

施氮水平对多花黑麦草2个品种的植株氮含量具有显著影响。分蘖期,植株氮含量随施氮水平增加而显著升高。拔节期,品种杰威植株氮含量随施氮水平增加而显著升高,但品种特高植株氮含量表现出先升高后降低的趋势,在300 kg/hm2处理小区达到最高,并显著高于其余各处理。田间观测结果显示,在拔节期,试验区气温明显升高,降水充沛,品种特高在400 kg/hm2处理小区中植株密度过大,草层下部部分叶片变黄,导致植株氮含量降低。在试验区条件下,综合分析牧草长势和草层植株氮含量,分蘖前期和拔节前期多花黑麦草施用氮肥应以300 kg/hm2为适宜水平。

施氮水平对分蘖期、拔节期多花黑麦草2个品种的反射光谱特征具有显著影响。随施氮水平增加,450～900 nm范围内冠层光谱反射率呈逐渐降低的趋势,部分处理之间达到显著(P<0.05)或极显著(P<0.01)水平。杨红丽等[19]在同一试验地点的研究结果表明,施氮水平显著影响多花黑麦草冠层叶绿素含量。张文等[20]报道了叶面施肥对4种草坪草[高羊茅(Festuca arundinacea)、草地早熟禾(Poa pratensis)、狗牙根(Cynodon dactylon)、匍匐翦股颖(Agrostisstoloni fera)]叶绿素密度及反射光谱的影响,施用氮肥或氮肥+铁肥能够显著提高草坪叶绿素密度降低可见光区域的光谱反射率。钱育蓉等[21]比较分析了高羊茅光合色素与其原始光谱、光谱一阶导数和倒数对数一阶导数3种光谱形式之间的相关性,发现光谱一阶导数在700 nm附近与光合色素存在显著的相关关系。本试验结果也与在水稻、小麦、棉花等作物上的研究报道相一致[22-25]。因此可以推断,不同施氮水平明显改变了冠层叶绿素含量或叶绿素密度,进而引起光谱反射率发生显著变化。

利用单波段或多波段模型均可精确估测多花黑麦草2个品种的植株氮含量,但多波段反射光谱模型估测效果更优,这可能是由于多波段所包含的反射光谱信息要多于单一波段的反射光谱信息。试验结果表明,在487～718 nm范围内,多花黑麦草植株氮含量与反射率之间相关系数绝对值都大于0.5。朱艳等[9,10]对稻麦的研究表明,在波段610,660,680 nm处,叶片氮含量与冠层反射光谱相关性最好。张金恒和王珂[15]报道,在500～720 nm范围内,水稻叶片氮含量和冠层反射光谱相关性最好。上述结论与本试验结果相一致,证明绿光和红光是植株氮含量的敏感波段。本研究结果也表明,植被指数NDVI、RVI、DVI与植株氮含量之间存在显著的相关关系,利用回归模型得出的植株氮含量预测值与实测值之间的相关性达到极显著水平(P<0.01)。因此,在筛选敏感波段和植被指数的基础上构建反演模型,能够精确估测多花黑麦草植株氮含量,也能够为利用光谱分析方法快速、准确地估测牧草长势和营养状况提供技术依据。

[1］张文,陈功,龙光强,等.利用高光谱参数评价单播草坪色泽[J].草原与草坪,2007,(5):6-10.

[2］张文,张建利,陈功.以高光谱植被指数研究草坪色泽[J].草地学报,2008,16(5):530-535.

[3］Thomas J R,Oerther G F.Estimating nitorgen content of sweet pepper leaves by reflectance measurements[J].Agronomy Journal,1972,64:11-13.

[4］Walburg G,Bauer M E,Daughtry C S,et al.Effects of nitrogen on the growth,yield,and reflectanc characteristics of COrl1[J].Agronomy Journal,1982,74:677-683.

[5］Osborne S L,Schepers J S,Francis D D,et al.Detection of phosphorus and nitrogen deficiencies in corn using spectral radiance measurements[J].Agronomy Journal,2002,94:1215-1221.

[6］Shibayama M,Remote A.Seasonal visible,near-infrared and mid-infrared spectra of rice canopies in relation to LAI and aboveground dry phytomass[J].Remote Sensing Environment,1986,27:119-127.

[7］赵德华,李建龙.不同施氮水平下棉花群体反射光谱德差异性分析[J].作物学报,2004,30(11):1169-1172.

[8］吴华兵,朱艳,田永超,等.棉花冠层高光谱指数与叶片氮积累量的定量关系[J].作物学报,2007,33(3):518-522.

[9］朱艳,姚霞,田永超,等.稻麦叶片氮积累量与冠层反射光谱的定量关系[J].植物生态学报,2006,30(6):983-990.

[10］朱艳,李映雪,周冬琴,等.稻麦叶片氮含量与冠层反射光谱的定量关系[J].生态学报,2006,26(10):3463-3469.

[11］秦晓东,戴廷波,荆奇,等.冬小麦叶片氮含量时空分布及其与植株氮营养状况的关系[J].作物学报,2006,32(11):1717-1722.

[12］李映雪,朱艳,曹卫星.不同施氮条件下小麦冠层的高光谱和多光谱反射特征[J].麦类作物学报,2006,26(2):103-108.

[13］唐万龙,杨相桓,雷浣群.应用光谱特性建立冬小麦氮磷元素丰缺和产量预报模型的研究[J].遥感技术与应用,1993,8(3):8-14.

[14］谭昌伟,王纪华,黄文江,等.夏玉米叶片全氮、叶绿素及叶面积指数的光谱响应研究[J].西北植物学报,2004,24(6):1041-1046.

[15］张金恒,王珂.水稻叶片反射光谱诊断氮素营养敏感波段的研究[J].浙江大学学报(农业与生命科学版),2004,30(3):340-346.

[16］王纪华,王之杰,黄文江,等.冬小麦冠层氮素的垂直分布及光谱响应[J].遥感学报,2004,8(4):309-316.

[17］黄勤楼,钟珍梅,陈恩,等.施氮水平与方式对黑麦草生物学特性和硝酸盐含量的影响[J].草业学报,2010,19(1):103-112.

[18］王学奎.植物生理生化实验原理和技术(第2版)[M].北京:高等教育出版社,2006.

[19］杨红丽,陈功,吴建付.氮肥水平对多花黑麦草叶绿素及高光谱反射特征的影响[J].云南农业大学学报,2009,24(4):534-538

[20］张文,张建利,陈功.叶面施肥对草坪高光谱反射率及色泽的影响[J].草业学报,2009,18(2):115-121.

[21］钱育蓉,杨峰,李建龙,等.利用高光谱数据快速估算高羊茅牧草光合色素的研究[J].草业学报,2009,18(4):94-102.

[22］郭曼,常庆瑞,张连民,等.关中地区不同营养状况冬小麦光谱特性初探[J].干旱地区农业研究,2006,24(3):49-53.

[23］孙雪梅.利用高光谱参数预测水稻氮素状况、色素含量和籽粒蛋白含量的研究[D].杭州:浙江大学,2005.

[24］Hansena 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 of Environment,2003,86:542-553.

[25］代辉,胡春胜,程一松,等.不同氮水平下冬小麦农学参数与光谱植被指数的相关性[J].干旱地区农业研究,2005,23(4):16-21.