氮素营养诊断技术的发展及其在花生上的应用

韩 宁史普想金 振张 宇蔡立夫陆 岩王海新

(辽宁省沙地治理与利用研究所,辽宁 阜新 123000)

氮是包括花生在内各种农作物必需的3大营养元素之一[1],同时,它还是植株体内氨基酸、核苷酸和辅酶等的重要组成元素,此外,植株中的叶绿素、维生素和生物碱等也含有氮[2],作物产量和品质的形成以及其正常的生长发育均离不开氮素营养的充足供应[1]。自20世纪50年代以来,氮肥施肥技术水平的提高极大地促进了中国农业的快速发展[3],但过量以及不科学的使用氮肥,不仅会使氮肥的利用率降低,且易使氮素流失,进而导致一系列的环境污染等问题。

氮素既是农作物关键的营养要素,又是影响环境污染的重要因素。因此,学习并掌握氮素诊断的方法和技术,进而指导氮肥合理精准的施用[4]。这对提升氮肥的利用率,减少生产成本以及环境污染的风险均具有重要的实际意义。本文综述了国内外氮素营养诊断技术的研究成果,并介绍了近年来氮素营养诊断技术在花生中的应用现状和前景,以期更好地指导花生的生产和施肥。

1 传统氮素营养诊断技术

1.1 外观诊断

作物的外观氮素营养诊断主要是从其茎、叶的形态、颜色与生长速率等各方面进行观察,从而对作物的氮营养状态做出相应的判断。

1.1.1 颜色诊断

依据植株的颜色来判断是否需要追肥的事例在明代末年撰写的《沈氏丛书》中已有记载[5]。20世纪50年代,陈永康根据水稻的叶色变化总结出了“肥田黄透再施,瘦田见黄既施,一般田不黄不施”的水稻追肥方法[6]。陶勤南等依据色差公式原理和均匀Lab色度空间,进而研发出了叶色卡诊断技术,且研究证明该叶色卡可以判断水稻氮素营养的丰缺情况[7]。叶色卡诊断技术具有快捷、简单和半定量化等诸多优点,这种诊断方法深受广大农民的喜爱,但其受品种、种植密度和土壤氮素营养状况等因素的影响较大,因此在实际的研究应用中,叶色卡诊断技术存在着一定的局限性。

1.1.2 长势诊断

依据植株特定叶位之间的节间长度和其长势长相,进而对作物不同生育时期的氮素营养丰缺状况进行判断的氮素营养诊断方法被称为长势诊断[8]。杨邦杰等将长势定义为植株生长的趋势与状况,其涵盖了传统看苗诊断的所有指标。作物氮素的长势诊断可以用作物个体和群体的特点来表达[9]。例如,油菜缺氮时主茎细小,株型松散;水稻缺氮时叶片直立,植株矮小;小麦缺氮时次生根少,分蘖发生慢且缺位[10]。这种方法能够很好地诊断出作物即时的氮素营养状况,并且这种诊断方法从20世纪60年代后期开始在我国大范围推广应用,但由于近些年来种植环境的不断变化以及品种的频繁更新,作物的长势长相也随之发生了很大的变化且无固定规律可循,这也限制了该诊断方法在生产上的应用[11]。

1.2 化学诊断

1.2.1 植株全氮诊断

全氮诊断是通过化学实验对植物组织进行分析,进而对植物氮营养做出诊断和判定。全氮诊断主要有凯氏定氮法和靛酚兰比色法,后者较前者更加方便和快速,但两者的结果相近[12]。植株的全氮含量可以较好地反映作物的氮营养状况[13],在一定范围内,叶片的全氮含量与产量呈正相关,且相对稳定[14]。不过虽然植株全氮测定的结果精确度较高,但其主要在实验室中测定,在测定时还需要进行田间的植株取样和大量测定数据的分析,过程较为复杂和繁琐,并且具有延迟和破坏性[15],此外,实验室检测需要专业的分析人员和大量的化学试剂以及专业的设备,这些因素都限制了该方法在实际生产过程中大范围的应用。

1.2.2 植株硝酸盐诊断

在植株的全氮含量超过了某一阈值时,植物就会立即开始累积硝态氮,在植物的根、茎和叶中也存在着类似的趋势[16]。硝态氮属于非代谢物质,它以半储备的形式存在于植物中,其浓度的相对变化远大于全氮。因此,硝态氮比全氮更适合作为估测作物氮素丰缺的诊断指标。利用硝酸盐评估作物氮素营养丰缺的方法在国外已经被普遍使用,并且已成功用于指导玉米、棉花、小麦等多种作物的氮素营养诊断[17～19]。在我国,早在20世纪70年代,科研工作者就已开始研究作物氮素营养的硝酸盐诊断方法,并成功确定了小麦、马铃薯、甘蓝等多种作物的硝酸盐氮素营养诊断方法和硝酸盐临界值,并建立了相应的追肥推荐体系[20～22]。但植株硝酸盐诊断施肥在应用时易受诸如气候、土壤状况和植株基因型等诸多因素的影响,这些因素在一定程度上限制了该方法在实际生产过程中的应用。

1.2.3 土壤诊断

通过测定土壤中有效氮素的含量,来判定土壤的肥力情况,进而间接地反映作物的氮素营养状态的方法被称为土壤氮素诊断[4]。土壤氮素的诊断方法主要有全氮诊断、有效氮诊断和无机氮(Nmin)诊断[23]。

土壤的全氮可以反映出土壤中总氮的供应情况,是评价土壤基础氮素供应肥力的重要指标。土壤的全氮含量相对稳定,其波动的范围较小,此外,土壤全氮的测定方法相对成熟,其测定结果也较为可靠[4]。

土壤的有效氮主要包括一些较易水解、结构相对简单的有机态氮和无机的矿物态氮,其含量可以很好地反映土壤的供氮情况。中外科研工作者在中国的31个省(直辖市、自治区)合作进行了大量深入、系统性的研究,共同建立了水稻土壤有效氮的丰缺指标,指导水稻的生产和施肥[24]。邵华等对水稻目标产量下的氮肥用量调整系数和江西省不同稻田土壤氮素状况进行了研究,最终明确了不同碱解氮含量下对于水稻最佳的施肥量[25]。但是土壤的有效氮的测定至今还没有可靠通用的方法,碱解扩散法是目前应用最多的测定方法。

土壤的无机氮测定(Nmin)是最常用的土壤诊断方法,目前,这种方法已在多个国家得到了应用。该方法是在基肥施用之前进行采集土样,分析测定土壤的无机氮含量[26],根据作物对氮的需求量量来确定适宜的施氮量,作为推荐氮素施肥的依据[4]。

在我国,基于土壤无机氮含量的氮素施肥推荐方法在小麦、玉米等多种作物的氮素施肥推荐中已被广泛应用。陈新平等基于大量的氮肥田间试验,建立了冬小麦以土壤无机氮含量为评价指标的施肥推荐体系,并成功的在大田实践中得到了应用[27]。陈世勇等建立了青贮玉米以农田土壤的无机氮含量为指标的氮素施肥推荐体系,并提出了优化氮素管理的方法[28]。

土壤无机氮测定(Nmin)能够依据不同土壤的供氮能力分别做出精准的施肥推荐,这是该方法被广泛应用的原因,其适合于对土壤氮含量差异相对较大的地区进行氮素施肥推荐。但该方法也存在一些不足之处,首先,该方法只能应用于土壤氮素损失较少、土壤相对单一并且变化程度较小的区域;此外,土壤测定易受土壤取样点位置、数量、时间和深度等因素的影响,测定费时费力且操作繁琐,因而其应用受到限制。

2 无损伤测试技术

在不破坏植物组织结构的前提下,利用各种技术手段监测作物的生长发育和营养丰缺情况的测试技术被称为无损伤测试技术。无损测试技术能够快速、准确地估测农作物植株内氮素营养的丰缺程度,及时地反馈农作物是否需要供氮的信息,确保农作物氮素营养的补充,从而实现施肥平衡的目的,该技术也将成为农作物氮素营养诊断技术在未来的发展走向[29]。无损测试技术主要包括肥料窗口法、叶绿素仪法、数字图像技术、高光谱遥感技术、无人机遥感技术、电子鼻和分光测色仪技术。

2.1 肥料窗口法

肥料窗口法是一种肥料调控的方法,其操作步骤为在田间试验中选定一块微小区域作为标记区域,标记区域中的氮肥施用量稍低于田间试验的施氮量,在作物生长发育过程中,当标记区域的作物出现氮素缺乏症状,如叶色变浅时,说明田间试验区的其余种植区域的作物正处于缺氮的临界点,需要补充适当的氮肥。虽然这种方法简单易行,但该方法只能在土壤营养水平差异不大的区域评估作物是否需要追肥,并且追肥的用量也不能具体量化[30]。

2.2 叶绿素仪法

有相关研究报道了植株叶片的叶绿素含量与叶片的氮含量呈正相关的关系[31],因此,可以通过测定叶片的叶绿素含量来评估作物的氮素营养状况。叶绿素仪可以根据叶片的叶绿素a和叶绿素b各自对不同波段光的吸收特性,用一个具体的数值(即SPAD值)表示叶片的绿色程度[32],由于叶片的绿色程度与叶绿素含量呈正相关的关系,因此,可以通过叶片颜色的深浅判断叶片叶绿素含量的变化,进而评估作物的氮素营养状况。

Follett等对使用叶绿素仪诊断小麦的氮素营养状况进行了研究,结果显示,在拔节期时叶绿素仪的SPAD值与叶片的全氮、土壤的无机氮含量以及产量均有良好的相关性[33];李岚涛等研究了冬油菜叶片SPAD值的时空分布,试验结果最终明确了冬油菜的最佳的诊断叶位为第4片完全展开叶的中部[34]。

使用叶绿素仪能够对不同的作物进行氮素诊断,但是在进行测试时,测定的结果易受土壤氮素的有效性、土壤水分的状况以及作物的品种、生育期和生长环境等因素的影响[35],此外叶绿素仪的测定面积也较小,测定时需进行多点随机测定以降低变异度[36]; 另外,当作物的含氮量接近或者高于最佳施氮量时,叶绿素仪不能准确地表征作物的叶绿素含量[37],这些因素均限制了叶绿素仪法的应用。

2.3 数字图像技术

在植株的外观诊断中,作物的氮素营养状况可以根据叶色的深浅来判断,因为植株叶片的颜色主要受叶绿素的影响,而叶绿素的含量会显著影响作物的冠层叶片对光的吸收和反射[38],另外植株叶片的叶绿素含量和叶片的氮含量之间也呈现出显著的相关性[31],所以叶片的含氮量是影响作物叶片对光的反射和吸收的主要物质,而作物对光的反射和吸收,能够反映作物内部组成物质的特征,这是计算机图像处理技术对作物进行氮素营养诊断的主要依据。

Jia等通过数字图像技术获得了冬小麦冠层不同时期的数字图像信息,研究结果发现拔节和开花期的绿光值(G)与地上部生物量有显著负相关的关系[39]; 李岚涛等通过数字图像技术诊断水稻的氮素营养状况的研究结果显示,红光标准化值NRI(R/(R+G+B))与水稻的产量以及水稻的生物量、叶片氮含量等氮素指标之间都表现出了良好的相关性,这表明数字图像技术可以用于水稻氮素营养的无损诊断。然而,虽然数字图像技术可以对作物的氮素营养进行快速诊断,但是该技术也会受到气象因素和相机的拍摄参数等多方面影响[40]。

2.4 高光谱遥感技术

高光谱遥感技术的光谱分辨率达到纳米数量级的范围[41],近年来,该技术已经在作物的长势监测、品质监测和产量估计等方面被广泛应用[42]。GreenSeeker光谱仪是世界上目前较为先进的便携式氮素施肥推荐仪器之一[43],该仪器是一种以作物叶片对红光吸收和红外光反射的原理为基础的主动光源光谱仪,在测量过程中,内部传感器直接将采集到的信息传输给光谱仪自身所携带的掌上电脑,从而完成对作物氮素营养的实时监测和诊断。据报道,在墨西哥、澳大利亚、美国、西班牙等国GreenSeeker光谱仪已被广泛应用于农业管理[44],其可根据不同作物的类型更换相应的遥感头,进而可以对多种作物的氮素营养进行诊断,利用装配有GreenSeeker传感器的施肥机,能够实现米级超高分辨率的变量施肥,从而达成农业的精准化管理[45]。

郭建华等利用GreenSeeker光谱仪和叶绿素仪测试了不同氮素水平下玉米各生育时期的NDVI值和SPAD值,研究发现NDVI值与SPAD值在一定的范围内变化趋势一致,与产量、叶绿素含量呈正相关的关系,结果表明GreenSeeker光谱仪可用于诊断玉米的氮素营养状况[46];王磊等利用GreenSeeker光谱仪获取了小麦冠层的NDVI值,并对NDVI值与产量进行了相关性定量分析,基于2007～2009年的田间试验数据,结果表明灌浆初期和末期的NDVI值可以预测冬小麦产量[47]。

高光谱遥感技术能够实时监测和诊断作物的氮素营养状况,其具有光谱信息量大、光谱分辨率高、波段连续性强的优点。但是GreenSeeker价格昂贵,需要安装在移动设备上进行连续数据采集。此外,它测量的作物冠层面积相对较小,这些因素都限制了其在农业上的应用。

2.5 无人机遥感技术

随着遥感技术、通信技术和卫星定位系统的不断发展,微小型无人机遥感技术也取得了长足的进步,这为精准化农业管理的进一步实施和推广提供了有力的理论与技术支撑[48]。无人机遥感技术具有重量轻、体积小、灵活性高、操作简单、工作周期短、运行维护成本低、测定面积大、测量速度快等优点,且该技术还易于构建平台。因此,将高光谱技术与数字图像技术结合的无人机低空遥感技术在作物的氮素营养诊断方面将会有更深远的应用前景[49]。

2.6 电子鼻和分光测色仪技术

电子鼻是一种模拟动物嗅觉系统的智能电子仪器,可以识别多种物质的气味。目前,该仪器已被被广泛应用于茶叶、梨和苹果等农产品的品质评价研究中[50～52]。分光测色仪应用分光原理测量出物体的光谱分布,再经过计算进而求出物体色的三刺激值等色度参数[53],该仪器具有检测快速和精度高等优点,适用于实验室的操作环境和生产上的离线操作环境[54]。茶树生长过程中,氮素会影响挥发性化合物关键前体的合成[55～56],氮肥过少或者不施则会影响前体物向芳香成分的转化,从而导致芳香族物质含量降低[57～59]。傅嘉敏等以电子鼻和分光测色仪技术测量茶树的氮素含量,准确率达到了90%[54]。结果表明,利用电子鼻和分光测色仪技术对茶叶的氮素含量进行诊断是可行的,但气敏传感器的响应受挥发性物质的浓度、成分和压强的影响较大,此外该技术对于叶片不产生挥发性物质的植物并不适用,因而其应用受到了很大限制。

3 氮素营养诊断在花生上的应用及展望

花生是中国最为重要的经济和油料作物之一,年产量可达1 700万t以上,其总产值居油料作物的第一位[60～62]。花生不仅含有大量的脂肪,同时还含有人体所必需的氨基酸和微量功能营养元素[63]。有研究报道称花生还具有抗癌、抗衰老和促进生长发育等功能,因此花生也被誉为“长生果”[64～65]。

氮素是花生最重要的营养元素之一 ,是影响花生的生长发育和花生产量以及品质形成的重要因素[1]。合理地施加氮肥,花生的株高、叶面积、侧枝长和光合作用等指标均会有所增加,如果氮素的供应不足,花生的这些指标均会降低,使得花生生长发育不良,进而导致花生的产量降低[66],而氮肥的过量施用则会导致花生根、茎、叶的徒长,从而降低花生的经济系数。王艳莹等的研究结果报道了在合理的氮肥施用范围内,花生的荚果产量随着施氮量的增加而增加,但过量的施用氮肥,会造成花生营养器官的徒长,在花生的生育后期抑制营养器官中的养分向荚果中转移,从而导致花生荚果产量的下降[67]。此外,张智猛等研究发现适当的施加氮肥能够增加花生根、茎、叶和荚果各器官中可溶性蛋白质和游离氨基酸的含量[68]。张翔等发现适当的氮素水平可以提高籽仁中饱和脂肪酸和单不饱和脂肪酸的含量,降低亚油酸等多不饱和脂肪酸的含量,从而提高花生油制品的耐贮性[69]。综上所述,合理的施加氮肥有利于花生的生长发育,并能提高花生的产量和品质。氮营养供应不足不利于花生的生长发育,同时也会降低花生的产量和品质。而过量的使用氮肥,则会使花生的经济系数降低,此外,氮肥的过量使用,不仅氮肥的利用率较低,而且易使氮肥流失,造成地下水硝酸盐超标等一系列环境污染问题。因此,掌握氮素营养诊断的方法和技术,进而指导氮肥合理精准地施用,对花生的高产、优质和肥料的高效利用均具有重要的实际意义。

作物氮素营养诊断技术在花生中的应用较少,而无损诊断技术在花生的氮素诊断中的研究也是从近几年才开始。20世纪80年代,余美炎利用土壤诊断的方法对花生土壤中的无机氮含量进行了测定,并分析了不同生育时期土壤中无机氮含量和产量之间的相关性,结果表明在花生的苗期和开花下针期,土壤中无机氮含量和产量之间呈线性正相关关系[70]。近年来,科研工作者也开始逐步研究无损诊断技术在花生氮素营养诊断中的应用。张晓艳等对高光谱遥感技术在花生氮素营养诊断中的应用做了相关的研究,研究分析了花生叶片氮积累量与冠层高光谱参数之间的定量关系,研究结果发现以红边振幅为自变量建立的模型能够更好地评估不同条件下叶片的氮素积累状况[71]。李丹等对数字图像技术诊断花生氮素营养状况展开了研究,试验测定了多个花生冠层的图像数字化指标,其中蓝光标准化值(B/(G+R+B))的数值变化可以最好地体现出花生的氮素含量变化[72]。 邱才飞等探究了不同的预设SPAD阈值氮素管理方案对花生的自身固氮力、氮素利用效率和产量的影响效果,并从中筛选出了在花生栽培过程中各生育时段最合适的表示氮素丰缺的SPAD阈值[73]。上述研究结果为氮素的无损诊断技术在花生中的应用及推广奠定了良好的研究基础。

在之前的研究中,利用叶绿素仪SPAD、数字图像技术和高光谱遥感技术对花生氮素营养进行诊断,均能得到较为理想的诊断结果。但无损诊断技术在花生氮素营养诊断中的应用往往会受到土壤、天气和种植密度等多方面的干扰,因此经常需要对氮素营养诊断的方程进行修正或者去除干扰; 同时,一些年限较少的方程诊断模型易受多方面的影响,对此则需要建设涵盖尽可能多的土壤和气候等因素的诊断数据库,从而进一步完善方程模型。因此,科研工作者们还需要进行大量多年多点的田间试验,并进行综合统计分析,从而建立系统的数据库。