变量施肥对春玉米生长和土壤硝态氮淋溶的影响

卢闯 周颖俊 胡海棠 程成 淮贺举 李存军

摘要：以黑龙江省北安市赵光农场春玉米为研究对象，利用追肥前的玉米无人机多光谱影像，基于归一化植被指数和施肥模型进行变量施肥管理，通过网格法采样验证，以常规均一施肥处理为对照，分析玉米长势、产量和土壤溶液硝态氮含量的处理间差异和处理内变异。结果表明，在抽雄期，变量施肥处理玉米的平均SPAD值、LAI、地上部干质量较对照显著提高，变量施肥处理玉米株高、茎粗、LAI和生物量的变异系数在5.74%～11.21%，常规施肥玉米长势变异范围9.94%～16.39%;成熟期变量施肥处理玉米百粒质量和穗粒数提高，秃尖率降低，产量增加5.99%，处理内的产量变异性较对照降低36.30%;变量施肥降低了0～100 cm各层次土壤溶液中硝态氮含量，拔节期、抽雄期和成熟期1 m土体土壤硝态氮含量均值分别较均一施肥区降低20.10%、34.02%、26.56%。

关键词：变量施肥;玉米;产量;硝态氮

中图分类号：S513.06   文献标志码： A

文章编号：1002-1302（2021）18-0090-05

收稿日期：2020-12-30

基金项目：国家重点研发计划（编号：2016YFD0700303）。

作者简介：卢 闯（1991—），男，河南新乡人，硕士，主要从事农田生态环境研究。E-mail： lupeichuang@163.com。

通信作者：李存军，研究员，主要从事农林遥感研究。 E-mail： licj@ nercita.org.cn。

玉米是黑龙江地区主要的粮食作物之一，在维系国家粮食安全方面具有举足轻重的地位[1]。据统计，2018年黑龙江省玉米播种面积达到631.8万hm2，总产量3 982.2万t，占全国玉米总产量的15.48%[2]，同时有研究发现，黑龙江氮肥总投入量和玉米种植面积之间存在显著的正相关关系，单位面积的施氮强度长期保持在4%左右的增加率，现今一些地区施氮强度已高达300  kg/hm2，而当季肥料利用率只有约35%[3]。在高施用强度下，氮肥的边缘效应日益呈现，若继续进一步加大施氮量不仅会影响籽粒品质甚至减产，而且还会造成资源浪费、硝酸盐污染、水体富营养化等问题，严重影响粮食生产和农业环境的可持续性[4]，相关问题同时引起了国家有关部门的高度重视，农业农村部化肥施用量零增长行动方案指出，将减少化肥用量、降低面源污染作为农业生产和农村污染防治工作的重点[5]，因此，如何统筹兼顾粮食安全和生态环境是当地农业发展面临的重要课题。

变量施肥技术能够根据田间具体情况因地制宜地调整施肥量，在减少用肥、提高肥料利用率方面具有重大潜力。安晓飞等研究表明，在黑龙江垦区进行4要素变量施肥管理，尿素和磷酸二铵施用量分别减少30.88%、13.79%，钾肥施用量增加36.70%，玉米增产217 kg/hm2[6];陈静等通过部分预算法对东北玉米田变量施肥的经济效益进行分析，计算得出变量施肥技术净收益较常规施肥技术提高383.23元/hm2[7]。在华北冬小麦研究中，基于土壤肥力和目标产量的变量施肥方法可以在氮肥用量减少30.2%～44.8%的情况下，使小麦籽粒产量增加 7.9%～11.6%[8];在棉花田进行变量施肥减少了氮肥消耗10.3%～16.9%，并使氮肥利用率提高了8.3%～11.0%[9]。目前关于变量施肥技术的研究多集中于经济效益评价和粮食增产等方面，关于变量施肥对东北玉米田土壤硝态氮淋溶的影响研究鲜有报道，此外，在田间信息获取方面，目前施肥处方较多基于农田土壤养分制图，土壤样点多且样品分析费用昂贵，耗时较长缺乏实时性。近年来随着无人机技术的发展，低成本的近地多光谱遥感影像能够被方便、快捷地获取，为农业应用研究提供了新的数据源。Maestrini等认为，在田块尺度内遥感影像处方图较产量图能够更好地指导农业资源投入[10]，影像的光谱特征可表征作物长势，进而为变量施肥提供决策，基于此，本试验利用无人机获取春玉米追肥前的田间影像，基于归一化植被指数NDVI进行变量施肥，对玉米生长和氮素淋溶特征进行分析研究，以期为该地区制定作物持续高产及环境可持续的施肥方式提供理论依据。

1 材料与方法

1.1 试验区概况

试验于2018年在黑龙江省北安市赵光农场科学园区（48°02′05″ N，126°44′01″ E）进行，属于寒温带季风气候，年均气温-0.5 ℃，无霜期120 d，年均降水量670 mm，年均日照时数2 700 h，主要农作物为玉米、大豆、高粱和马铃薯，2018年玉米生长季内平均气温18.71 ℃，大于10 ℃的有效积温为 1 234.9 ℃·d，日照时数共1 000.4 h，共降水 643.1 mm。试验区土壤类型为粉沙壤土，试验田块高差3.6 m，土壤铵态氮含量为1.50 mg/kg，硝态氮含量为4.22 mg/kg，有效磷含量为40.75 mg/kg，速效钾含量为138.56 mg/kg，土壤有机质含量为 66.61 mg/kg。拔节期0～20、20～40、40～60、60～80、80～100 cm土层土壤含水率分别为23.83%、26.72%、28.92%、28.19%、27.54%，收获期各土层土壤含水率分别为25.37%、28.63%、32.25%、31.74%、30.69%。

1.2 试验设计及变量施肥

1.2.1 试验设计 采用大区试验，设置常规均一施氮（CF）和变量施氮（VF）2个处理，每个大区占地0.132 hm2，长150.0 m，宽8.8 m，大区之间设置 2.2 m 保护行。

玉米品種为德美亚1号，播种时间为2018年5月11日，种植方式为大垄双行栽培，垄距 110 cm，垄上行间距44 cm，株距20 cm，播种密度90 000株/hm2。底肥一次性施入纯N 60 kg/hm2、P2O5 80 kg/hm2、K2O 60 kg/hm2，底肥肥料分别为尿素、磷酸二铵、氯化钾。2018年6月18日追施尿素，VF处理采用国家农业信息化工程技术研究中心变量施肥机在垄上中间开沟施肥。2018年9月23日收获测产，玉米生育期内其他管理措施与当地农户一致。

1.2.2 基于无人机影像进行春玉米追肥计算 在追肥前，于2018年6月17日进行无人机影像获取试验，采用大疆 S1000+八旋翼无人机，搭载Parrot Sequoia多光谱相机，下架三轴自适应稳定云台，可以保障无人机在高速飞行的状态下获取稳定的遥感数据。Sequoia传感器共可获取4个波段的信息：绿光（green，G）波长550 nm，带宽40 nm;红光（red，R）波长660 nm，帶宽400 nm;红边光（red edge，RE）波长735 nm，带宽10 nm;近红外光 （near infrared，NIR）波长790 nm，带宽40 nm。试验过程中，多光谱相机固定到无人机悬挂的自适应云台上，使得传感器镜头保持地面90°垂直，保证获得多光谱正射影像的质量，辐射传感器（sunshine sensor）固定于无人机顶部，与无人机飞行方向相同，在飞行过程中将辐射校正数据写入影像。无人机影像获取试验时，天气晴朗无云、风力较小，获取影响时间为 10：00—11：00，此时太阳高度角较高，可减少光源对拍摄数据的影响。为保证无人机遥感影像获取的准确性，起飞前同时对Sequoia多光谱传感器和辐射传感器进行校准，多光谱传感器采集标准地面白板影像，同时，研究区内放置6个正方行铁框，用于影像配准。设置飞行航线为“S”形，共计2条航线，单条航线长度180 m，幅宽10 m，高度为50 m。

在无人机采集完成后，将影像数据导入Pix4D Mapper进行拼接处理，根据公式（1）计算归一化植被指数NDVI，试验区NDVI见图1。

结合公式（2）～（4）计算追肥量[11]：

NDVI=（NIR-R）/（NIR+R）;（1）

追肥量（N）=（Nx-Nz）/0.35;（2）

Nx=0.06/NDVI × [2 485 830（NDVI/D）2]-99 728（NDVI/45）+2 940.4;（3）

Nz=255.7（NDVI）0.593 6。（4）

式中：0.35为氮肥利用效率，Nx为玉米氮肥总需求量，Nz为追肥时期玉米氮含量，D为玉米播种到获取影像之间日均温度高于 0 ℃的天数。

由图2可见，VF处理最终确定11个施肥小区，平均施纯N为140 kg/hm2，为保证试验的一致性，CF处理亦施纯N 140 kg/hm2，均匀施用。

1.3 样品采集及测定方法

1.3.1 玉米长势及产量测定 将每个大区划分为

20个15 m × 4.4 m的网格单元，于春玉米追肥前（2018年6月16日）在每个单元格内随机选取3株玉米测定株高、茎粗，烘干法测定地上植株干质量;采用日本美能达公司产手持式 SPAD-502 型叶绿素计测定穗位叶至上位展开叶所有叶片的叶绿素相对含量SPAD值，每个单元格测取10株取平均值;用LAI-2200冠层分析仪测定冠层叶面积指数。追肥前植被指数和长势统计结果见表1，其中NDVI、株高和植株干质量具有较高程度的变异性，具有变量管理的必要性。

在抽雄期（2018年7月27日），同样采样方法获取春玉米长势信息，以验证变量施肥效果;玉米成熟后（2018年9月23日），在每个网格单元收获2.2 m×1.0 m面积玉米，装入尼龙网袋晒干脱粒称质量，折算单元格产量;另取5穗玉米考种，调查穗长、穗粗、穗粒数、秃尖长和百粒质量等。

1.3.2 土壤淋溶液的采集及测定 追肥前，选用丹麦PRENART土壤溶液取样探头（采用特氟隆和石英粉制成），VF处理在变量小区内将探头安装在垄上中间位置，CF处理依照地势排布监测5个点位。安装土层为0～20、>20～40、>40～60、>60～80、>80～100 cm。降雨后用真空泵（-850 mbar）提取土壤溶液，当土壤太干时不能获得提取液，生育期内分别于2018年6月25日、2018年7月24日、2018年9月13日各采集1次，共3次。采集的土壤溶液带回实验室用连续流动分析仪测定液体硝态氮的浓度。

1.4 数据处理

用Microsoft Excel 2013对各单元格数据进行统计，利用变异系数CV衡量变量施肥和常规均一施肥对玉米长势以及产量变异性的影响。

2 结果与分析

2.1 作物长势及产量

在春玉米抽雄期获取无人机遥感影像，NDVI值见图3，对栅格数据进行统计，CF和VF处理NDVI均值分别为0.78、0.87（表2），变异系数则分别为18.27%、13.89%，可见在变量施肥措施下春玉米长势变异性降低。同时采集该时期地面数据进行统计分析，VF处理SPAD均值较CF显著提高6.80%（P<0.05），VF处理内SPAD值的变异性明显小于CF处理;从春玉米生长状况来看，VF处理叶面积指数、株高、茎粗和地上生物量干质量的均值分别较CF处理提高6.08%、2.11%、1.43%、8.27%，其中叶面积指数和地上干质量差异达到显著水平（P<0.05）。2种栽培措施下玉米长势的变异系数不尽相同，CF处理各农艺性状的变异系数在9.94%～16.39%之间，高于VF处理的5.74%～11.21%。

从表3可以看出，VF处理的玉米产量较CF处理高5.99%，但差异不显著（P>0.05），从变异系数来看VF处理较CF大幅降低36.30%，说明变量施肥措施降低了玉米产量的处理内差异。比较作物产量构成要素发现，变量施肥主要通过提高百粒质量、穗粒数，并降低秃尖率。

2.2 土壤溶液硝态氮含量

春玉米不同生育期土壤溶液硝态氮含量见表4。在拔节期，随着土层深度的增加，CF处理、VF处理土壤溶液硝态氮分布均呈现先增大后减小的趋势，在 20～40 cm土层浓度最大，此时期VF处理由于各分区施肥量不同，各层次硝态氮浓度的变异系数较大，但从均值来看，VF处理各层次硝态氮浓度均小于CF处理，0～100 cm整个土体均值较CF降低20.10%。随着玉米生育期的推进，土壤硝态氮浓度逐渐降低，在抽雄期和成熟期VF处理各层次硝态氮浓度仍较低，0～100 cm土体浓度均值分别较CF处理降低34.02%、26.56%，表明变量施肥整体上具有降低土壤硝态氮积累的潜力。

3 结论与讨论

土壤在空间上具有很大的变异性，黑土区田块面积大且地形波状起伏，呈现“漫川漫岗”特点，进一步增大了土壤的空间变异程度[12]，作物生长也会在长势和产量上表现出空间差异，不利于田间管理和采收工作。在田块尺度内，均一的施肥量可能在肥力较低、作物长势较差的地块因供肥不足而不能满足作物生长需求，而在肥力较高、作物长势较好的地块则施肥过多造成浪费[13]。张云贵等研究表明，基于土壤养分的变量施肥方法提高了烤烟的整齐度，株高变异系数下降了29.6%，上等烟率和下等烟率同步减少[14]。李升东等研究表明，变量施肥显著提高了冬小麦叶面积指数，促进了作物生长[8]。玉米抽雄期叶片SPAD 值与叶片氮浓度之间有很好的相关性[15]，本研究结果表明，变量施肥措施下玉米SPAD总体均值较常规施肥显著提高6.80%，此外，变量施肥处理SPAD变异系数的降低说明各变量区在合适的氮素供应下达到了较为一致的群体长势，而常规的均一施肥方法没有充分考虑玉米对氮肥的需求，因此各区域长势差异比较明显。变量施肥处理下玉米地上生物量干质量显著提高8.27%。变量施肥通过促进玉米对氮素的吸收利用，进而促进了物质积累。

研究表明，变量施肥对作物产量可能提高、降低或没有影响，这种差异可能和田间信息获取、施肥量、变量施肥年限等多种因素有关。张书慧等根据土壤养分平衡原理进行变量施肥，第1年变量施肥处理增施肥料27.5 kg/hm2，玉米增产7.2%，第2年变量施肥处理减施肥料111.5 kg/hm2，玉米增产11%[16]。美国有研究表明，通过生物模型拟合的施氮量较均一施氮量减少13%且不影响玉米产量[17]。崔贝等研究认为，基于光谱指数和作物生长模型相结合的算法进行施肥后冬小麦长势最佳[18]。本研究采用的无人机多光谱影像克服了传统方法以点带面以及忽略作物长势差异的误差，将玉米生长与氮肥需求特征相结合，产量增加了544.05 kg/hm2，较常规施肥提高5.99%，但未达到显著差异水平，可能是本试验为保证一致性设置了相同的施肥总量，玉米群体在后期籽粒形成过程中未表现出明显的差异，但从区内变异性来看变量施肥减小了产量变异系数。在本试验条件下变量施肥技术的节肥潜力还有待进一步研究，此外，本研究中基于NDVI的施肥模型参考了刘洪利研究的总体框架[11]，该施肥模型对不同地区、不同玉米品种的适用性还有待多年试验的验证。

不合理施氮会显著增加土壤硝态氮含量，引起硝态氮在土壤中的积累[19]。变量施肥的环境效益主要来自于2个方面，一是通过减少化肥需求而减少其淋溶与径流量，二是提高作物的肥料利用率进而减少无效损失[20]。Godwin等认为，减少化肥过量施用可以使氮素淋溶量减少33%[21]。Bruno等研究表明，分区管理施肥降低了0～30 cm土壤氮含量[22]。在总施肥量和常规区相同的条件下，蒋阿宁等研究表明，变量施肥减少了冬小麦田0～60 cm土壤的硝态氮含量和变异系数，氮肥利用率提高了34.56%[23]。本研究结果表明，变量施肥后0～100 cm 土壤溶液中的硝态氮含量均值低于均一施肥区，说明根据作物需求进行的氮肥管理措施有利于减少作物-土壤系统的氮盈余量，进而降低氮肥淋失造成的环境风险。

参考文献：

[1]Lu L P，Yang S，Liu Z Q，et al. Consideration for the construction of golden maize belt in the northeast [J]. Journal of Maize Sciences，2008，16（3）：134-136.

[2]黑龙江省统计局，国家统计局黑龙江调查总队. 黑龙江统计年鉴：2019[M]. 北京：中国统计出版社，2019.

[3]闫 平.黑龙江省玉米种植变化原因及利弊分析[D]. 哈尔滨：东北农业大学，2015.

[4]张亦涛，刘宏斌，王洪媛，等. 农田施氮对水质和氮素流失的影响[J]. 生态学报，2016，36（20）：6664-6676.

[5]中华人共和国农业农村部. 农业部关于印发《到2020年化肥使用零增長行动方案》和《到2020年农药使用零增长行动方案》的通知[EB/OL]. （2017-11-29）[2020-11-30]. http：//www.moa.gov.cn/nybgb/2015/san/201711/t20171129_5923401.htm.

[6]安晓飞，付卫强，魏学礼，等. 基于处方图的垄作玉米四要素变量施肥机作业效果评价[J]. 农业机械学报，2017，48（增刊1）：66-70.

[7]陈 静，吴永常，陈立平，等. 基于部分预算法的玉米大田变量施肥经济效益分析[J]. 农业工程学报，2017，33（19）：141-146.

[8]李升东，毕香君，韩 伟，等. 氮素精准管理对小麦产量和氮素利用的影响[J]. 麦类作物学报，2020，40（2）：195-201.

[9]Yu J M，Yin X H，Raper T B，et al.Nitrogen consumption and productivity of cotton under sensor-based variable-rate nitrogen fertilization[J]. Agronomy Journal，2019，111（6）：3320-3328.

[10]Maestrini B，Basso B.Predicting spatial patterns of within-field crop yield variability[J]. Field Crops Research，2018，219：106-112.

[11]刘洪利.玉米冠层NDVI实时检测及智能施肥分区方法的研究[D]. 大庆：黑龙江八一农垦大学，2019.

[12]郭文义.规模经营农田养分空间变异与精准管理[D]. 北京：中国农业科学院，2011.

[13]Diacono M，Rubino P，Montemurro F.Precision nitrogen management of wheat.A review[J]. Agronomy for Sustainable Development，2013，33（1）：219-241.

[14]张云贵，邱建军，李志宏，等. 基于施肥处方的烤烟变量施肥机设计及应用[J]. 植物营养与肥料学报，2014，20（3）：726-736.

[15]Blackmer T M，Schepers J S.Techniques for monitoring crop nitrogen status in corn[J]. Communications in Soil Science and Plant Analysis，1994，25（9/10）：1791-1800.

[16]张书慧，马成林，李 伟，等. 变量施肥对玉米产量及土壤养分影响的试验[J]. 农业工程学报，2006，22（8）：64-67.

[17]Sela S，van Es H M，Moebius-Clune B N，et al.Dynamic model-based recommendations increase the precision and sustainability of N fertilization in Midwestern US maize production[J]. Computers and Electronics in Agriculture，2018，153：256-265.

[18]崔 贝，黄文江，杨武德，等. 不同施肥决策对冬小麦生长影响的高光谱监测及对比分析[J]. 植物营养与肥料学报，2013，19（1）：11-19.

[19]董 环，娄春荣，王秀娟，等. 氮、钾运筹对设施番茄产量、果实硝酸盐含量及土壤硝态氮含量的影响[J]. 江苏农业学报，2019，35（2）：378-383.

[20]王永生，陈 静，陶 欢，等. 精准农业技术对生态环境的影响评价研究进展[J]. 中国农业科技导报，2016，18（4）：73-78.

[21]Godwin R J，Wood G A，Taylor J C，et al.Precision farming of cereal crops：a review of a six year experiment to develop management guidelines[J]. Biosystems Engineering，2003，84（4）：375-391.

[22]Basso B，Dumont B，de Cammarano D，et al.Environmental and economic benefits of variable rate nitrogen fertilization in a nitrate vulnerable zone[J]. Science of the Total Environment，2016，545-546：227-235.

[23]蔣阿宁，黄文江，赵春江，等. 基于光谱指数的冬小麦变量施肥效应研究[J]. 中国农业科学，2007，40（9）：1907-1913.