不同氮肥处理下小麦冠层和叶片光谱特征及产量分析
耿石英, 孙华林, 王小燕*, 熊勤学*, 张景霖
长江大学农学院/主要粮食作物产业化湖北省协同创新中心, 湖北 荆州 434025
*通讯联系人 e-mail: wamail_wang@163.com; 17646838@qq.com

作者简介: 耿石英, 女, 1993年生, 长江大学农学院硕士研究生 e-mail: 1353681060@qq.com

摘要

利用遥感光谱无损、 快速分析出氮肥的施用时期和施用模式, 对于保护环境、 产量及氮肥利用率的提高具有重要意义。 利用FieldSpec 4 Wide-Res Field Spectrum radiometer便携式地物光谱仪, 测定了不同氮水平下小麦冠层和叶片两种模式光谱特征及红边参数变化规律; 提出一个新指数——归一化差异最大指数(normalized difference maximum index, NDMI), 并分析其与叶面积指数(leaf area index, LAI)、 SPAD(soil and plant analyzer development)值、 MDA(malondialdehyde)含量、 旗叶氮含量和产量的相关性。 结果表明, 小麦叶片原始光谱在开花后26 d起800~1 330 nm区间的光谱反射率以N3(1/3底施+1/3冬前追肥+1/3拔节期追肥)处理为最高, N1处理(1/2底施+1/2冬前追肥)次之。 主要原因是由冬前和拔节期两个时期均施三分之一氮肥, 增强了叶片光合能力。 小麦冠层原始光谱, 在400~700 nm波段, N2(1/2底施+1/2拔节期追肥)处理最低; 在760~1 368 nm波段区间, 由于群体结构不同, 在开花期至灌浆中期N1处理的光谱反射率最高, N3处理次之; N3处理的冠层光谱反射率在开花后26和33 d最高。 建议用400~700和760~1 368 nm波段的冠层原始光谱数据, 分别来辨别小麦旗叶含氮量的高低及施肥模式。 叶片模式下一阶微分光谱在500~750 nm区间出现两个“峰”, 通过峰的位置偏移程度和偏移时期来估测施氮的模式。 在670~740 nm区间冠层一阶微分光谱值在开花期最高, 开花后10 d的一阶微分光谱值最低。 在开花期至开花后10 d N1处理的一阶微分光谱值高于N3处理; 灌浆中期至开花后33 d N3处理的一阶微分光谱值高于N1处理。 可以通过一阶微分最大值来推测小麦所处的生育期和施肥的方式及施肥时期。 在开花期至灌浆中期, 冠层反射率一阶导数最大值(FD-Max)N1处理最高, N3处理次之; 在开花后26~33 d, N3处理的群体结构较其他处理密, 导致其一阶导数最大值一直最高。 四个处理叶片一阶导数最大值变化趋势不如冠层显著。 四个处理的反射率一阶导数最大值对应的红边位置(REPFD-Max)中, N1和N3冠层REPFD-Max在灌浆中期后偏移显著; 在开花后26~33 d, N3处理的群体上层结构密, 叶片宽且厚, 冬前追施氮肥影响REPFD-Max偏移程度。 基于NDVI基础上, 筛选出一个新指数——归一化差异最大指数。 冠层归一化差异最大指数(CNDMI)与农化参数的相关系数高于叶片归一化差异最大指数(LNDMI), 且CNDMI与产量的相关性比LNDMI显著。 冠层归一化差异最大指数与旗叶氮含量、 SPAD值和MDA含量有着显著的相关性, 相关系数 r分别为0.812 88, 0.928 21和-0.722 17。 综上所述, 借助光谱数据和红边参数可以推测小麦含氮量的高低, 所处的生育期和施氮肥的模式, 进而为田间施肥管理及施肥诊断提供依据。 CNDMI与小麦产量有着更好的相关性, 符合我国资源卫星的光谱波段范围, 具有可实际操作性。

关键词: 小麦; 氮肥处理; 光谱特征; 归一化差异最大指数; 产量
中图分类号:O657.3 文献标志码:A
Relationships between Characteristics of Wheat Canopy and Leaf Spectral Reflectance and Yield under Different Nitrogen Treatments
GENG Shi-ying, SUN Hua-lin, WANG Xiao-yan*, XIONG Qin-xue*, ZHANG Jing-lin
Agricultrual College of Yangtze University/Hubei Collaborative Innovation Center for Grain Industry, Jingzhou 434025, China
Abstract

The use of remote sensing spectroscopy in predicting the application of nitrogen fertilizer is of great importance in protecting the environment and improving fertilizer use efficiency and grain yiled. In this study, we used the FieldSpec 4 Wide-Res Field Spectrum radiometer to measure the spectral characteristics and red-edge parameters of wheat canopies and leaves under different nitrogen applications. We proposed a new spectral index - the Normalized Difference Maximum Index. We analyzed the correlations between Normalized Difference Maximum Index and leaf area index (LAI), SPAD (Soil and Plant Analyzer Development) value, MDA (Malondialdehyde) content, nitrogen content in flag leaf and yield. Twenty six days after flowering, the original spectrum of the spectral reflectance of leaves was the highest in the range of 800~1 330 nm for the N3 (1/3 starter fertilizer+1/3 pre-winter topdressing + 1/3 jointing stage topdressing) treatment, followed by the N1 treatment (1/2 starter fertilizer+1/2 pre-winter topdressing). The application of one-third of nitrogen fertilizer in both pre-winter and jointing stages enhanced the photosynthetic capacity of the leaves. The original spectrum of the spectral reflectance of canopies in the range of 400~700 nm was the lowest for the N2 (1/2 starter fertilizer+1/2 jointing stage topdressing) treatment. The spectral reflectance of the N1 treatment was the highest in the range of 760~1 368 nm followed by the N3 freatment. The canopy spectral reflectance of the N3 treatment was the highest at 26 d and 33 d after flowering. It is recommended to use the canopy raw spectral data in the ranges of 400~700 nm and 760~1 368 nm to measure flag leaf nitrogen content and to decide fertilizer application model. Two peaks were found in the range of 500~750 nm in the first-order differential spectrum of the leaf. The model of nitrogen application could be estimated by the degree of positional shift of the peaks and the offset periods. Of the canopy, the first-order differential spectral value in the range of 670~740 nm was the highest in flowering stage, and the lowest at 10th day after flowering. The first-order differential spectral value of the N1 treatment was higher than that of the N3 treatment for the first 10 days after flowering, but lower than the N3 treatment at late grain filling stage. Our results indicated that the first-order differential maximum value can be used to predict the growth stages and efficient fertilizer application. From flowering stage to mid-grain-filling stage, the highest first-order derivative (FD-Max) of canopy reflectance was the highest in the N1 treatment, followed by the N3 treatment 26 to 33d after flowering, the population structure of the N3 treatment is denser than the other treatments, resulting in the highest first-order derivation maximum. Less differences among different treatments were found on the maximum value of the first derivative of leaves. The red boundary position (REPFD-Max) of the N1, N3 canopy shifted significantly after the mid-grain-filling stage. 26 d to 33 d after flowering, the N3 treatment ended up with a dense upper structure and wide and thick leaves. Applying nitrogen fertilizer before winter affected the REPFD-Max migration. Based on the NDVI, we have developed a new index-the Normalized Difference Maximum Index (NDMI). The maximum canopy normalized index (CNDMI) showed a better correlation with agrochemical parameters than the leaf maximum normalized index (LNDMI). Similarly, a better correlation was also found between CNDMI and yiled. The maximum index of normalized canopy differences was significantly correlated with nitrogen content ( r=0.81), SPAD value ( r=0.92) and MDA content ( r=-0.72) in flag leaves. In summary, the spectral data and red edge parameters can be used to predict nitrogen levels in leaves, growth stages and the model of nitrogen fertilizer application. It provides a basis for filed fertilization management and fertilization diagnosis. CNDMI has a better correlation with wheat yiled. CNDMI with a spectrum band falling into China’s resource satellites can be practically used in the diagnosis and management of fertilizer application.

Keyword: Wheat; N fertilizer treatments; Spectral characteristics; Normalized difference maximum index; Grain yield
引 言

氮肥合理的施用对提高小麦产量和环境保护有重要的意义。 设置不同氮肥处理, 通过对小麦冠层和叶片两种模式的光谱测定, 达到利用光谱数据快速分析出施氮时期和模式目的, 同时筛选出新的指数。

开花期是小麦生长发育的转折点, 是其生殖生长阶段的最关键时期。 开花期的土壤营养状况决定了小麦穗粒数的多少和千粒重大小。 合理的施用肥料, 尤其是氮肥可提高产量。 用光谱仪对开花期小麦的光谱特征进行观测, 以期在无损条件下快速掌握小麦植株氮素营养状况, 并分析其与产量的相关性。

利用遥感光谱监测农作物一直很重要[1, 2]。 快速评估植物生长发育时期的生理状态参数对提高小麦产量非常重要。 这些参数包括了SPAD值、 MDA含量、 旗叶氮含量、 LAI等。 利用最小二乘支持向量机方法, 高光谱指数OSAVI, 优化光谱指数Rλ 796/Rλ 760-1等对小麦LAI和冠层含氮量进行反演。 采用作物光谱数据能够准确的识别健康作物和不同类型的病害[3]。 前人[4]利用遥感光谱红边参数与小麦农学组分进行相关分析, 结果表明可以通过红边参数对小麦农学组分进行预测和估算。

Pradhan等[5]利用冠层光谱指数RNDVI, GNDVI, SR, WI四种光谱指数对小麦产量进行相关分析, 结果发现RNDVI, GNDVI, SR与产量呈显著相关。 利用冠层光谱测定小麦可以减少筛选新基因型小麦品种的时间[6]。 将叶片氮含量与冠层光谱指数进行回归分析, 冠层模式下的光谱指数中的NDVI和红边位置均可反演不同品质类型的小麦叶片氮含量。

综上所述, 前人大都是单一的研究小麦冠层光谱, 且多数利用NDVI等光谱指数与氮含量和产量等方面的相关关系, 对小麦含氮量等进行预测和估算。 近几年对冠层与叶片两种模式光谱与小麦产量的相关关系及提出新指数的研究文章非常鲜见。 本研究的特别之处在于通过叶片和冠层两种模式对小麦进行实时监测; 利用光谱数据提出新指数即归一化差异最大指数(NDMI), 符合我国资源卫星红外和近红外波段范围, 具有实际应用性; 利用归一化差异最大指数(NDMI)探讨其与农学组分间的关系, 能对小麦田间氮肥施用模式和更好的预测产量提供依据, 为提高江汉平原小麦产量奠定基础, 为利用光谱遥感实时快捷、 无损监测小麦的生长状况及其氮肥营养诊断提供依据。

1 实验部分
1.1 试验设计

试验在长江大学农业科技产业园(太湖农场)进行。 供试小麦品种为郑麦9023。 播种时间2016年11月5日, 2017年4月2日开花。 试验设4个处理: N0(不施氮)、 N1(1/2基施+1/2冬前追施)、 N2(1/2基施+1/2拔节期追施)、 N3(1/3基施+1/3冬前追施+1/3拔节期追施), 4次重复, 随机排列。 N1处理是当地农户常用施用氮肥模式, N2和N3均为在N1模式基础上的优化氮肥运筹模式, 但追肥次数即底追比例不同。 氮、 磷、 钾肥分别为尿素(含N 46%)、 过磷酸钙(含P2O5 12%)和氯化钾(含K2O 60%), 全生育期氮肥用量180 kg N· hm-2, 磷肥用量105 kg P2O5· hm-2, 钾肥用量105 kg K2O· hm-2, 磷钾肥均作为底肥一次性施入, 氮肥按行均匀施肥。

1.2 方法

1.2.1 光谱测定

开花期小麦旗叶光合能力影响着籽粒灌浆。 每7 d测定一次光谱, 在天气晴朗、 少云或无云、 无风或微风时进行测定, 时间9:30— 12:30, 阴雨天顺延。 因此在开花期(4月2日)、 开花后10 d(4月12日)、 开花后13 d(4月15日)、 开花后26 d(4月28日)、 开花后33 d(5月5日), 采用FieldSpec 4 Wide-Res Field Spectrum radiometer便携式地物光谱仪(美国ASD公司生产)测定。 光谱观测范围为350~2 500 nm, 其中300~700 nm波段区间波谱间隔1 nm(记为1 nm@300/700 nm), 700~1 400 nm波段区间波谱间隔3 nm(记为3 nm@700/1 400 nm), 1 400~2 100 nm波段区间波谱间隔30 nm(记为30 nm@1 400/2 100 nm)。 叶片光谱观测采用ASD自带的植物探头, 选择旗叶观测, 采用挂牌定点式观测。 冠层光谱探头垂直向下, 视场角45° , 光谱仪到小麦冠层高度为30 cm。 运用ViewSpecPro软件取其平均值作为该观测点的光谱反射值, 采用微分技术消除部分低频噪音对光谱的影响, 提高其准确性。

1.2.2 生物参数

取各个时期的小麦旗叶15片, 烘干后粉碎混匀供试, 采用半微量凯式定氮法测定旗叶含氮量; SPAD采用KONICA MINOLTA SPAD仪测定; LAI利用LP-80植物冠层分析仪测定; MDA含量采用硫代巴比妥酸(TBA)法测定; 成熟期各处理除取样小区外每个小区收获1 m2的小麦, 籽粒风干后称重计算产量。

1.2.3 光谱值的测定

(1) 将相邻7个光谱值进行一阶求导得出一阶微分光谱, 计算公式如下

R'=R(λi+3)-R(λi-3)/(λi+3+λi-3)(1)

式中, R'为反射光谱的一阶导数光谱, R为反射率, λ 为波长, i为光谱通道。

(2) 归一化差异最大指数— NDMI(normalized difference maximum index)的原理和计算公式。

NDMI原理: NDMI固定了波段具体范围, 从而减少了选取波段的误差, 并节省了选取波段所消耗的时间。

NDMI计算公式

NDMI=(R780-900-Rmin)/(R780-900+Rmin)(2)

式中, R780-900为780~900 nm之间的光谱反射率均值, Rmin为650~680 nm之间的光谱反射率最小值。

1.3 数据处理

光谱数据预处理运用ViewSpecPro软件一次性导入一个小区的观测数据, 运用statistic功能对剩余光谱曲线进行均值处理后得到的均值代表该小区的光谱数据, 并将此光谱数据导为ASCII格式供分析。 利用EXCEL和SAS软件进行数据处理工作。

2 结果与讨论

由图1可知, 开花期至灌浆中期各处理SPAD值变化趋势平稳, 开花期N1和N3处理SPAD值差异显著, 开花后33 d N1, N2和N3处理SPAD值差异显著, N3处理的SPAD值最高。 开花26 d后SPAD急剧下降。 SPAD值与光谱数据密切相关, 因此光谱图选用开花后26 d时期为例。

图1 不同氮肥处理SPAD值随生育期变化Fig.1 SPAD value at different growth stages under different nitrogen fertilizer treatments
Notes: letter a, b, c and d significant differences at the 0.05 probability level

2.1 小麦冠层与叶片两种模式下原始光谱特征分析

2.1.1 小麦叶片原始光谱特征分析

开花期至灌浆中期所获得光谱数据显示小麦叶片模式下光谱变化趋势基本一致, 而在开花后26 d起测得光谱因氮肥处理的不同呈现出较明显的差异。

如图2所示, 550~1 330 nm波段之间叶片模式下不同氮肥处理光谱反射率差异较为显著。 在550~760 nm波段N1处理叶片光谱反射率高于N2处理, 相同施肥量冬前追肥的光谱反射率高于拔节期追肥处理的反射率, 冬前追施氮肥促进了小麦叶片的生长。 N3处理在800~1 330 nm区间光谱反射率最高, 这是由于施肥时期和不同施氮量导致的。 在灌浆中期之后, 叶绿素含量下降, 由于冬前和拔节期追施氮肥, 延缓叶绿素降解速度, 其反射率最高。 综上所述, 通过光谱反射率数据可以辨别施氮肥的时期和模式, 因此建议用550~760和800~1 330 nm波段来辨别小麦施肥时期和施肥模式。

图2 开花后26 d小麦叶片原始光谱变化Fig.2 Changes in original leaf spectra of the wheat at 26 days after flowering

2.1.2 不同氮肥处理小麦冠层原始特征分析

图3中的光谱拼接缝是大气、 水气吸收带。 由图3可知, 在400~700 nm波段, N0的反射率最高, 原因是N0处理叶片叶绿素含量低, 吸收蓝色和红色光少。 N1处理的冠层光谱反射率在开花期至灌浆中期的760~1 368 nm波段区间最高, N3次之; 因此可以利用小麦冠层反射在400~700和760~1 368 nm等波段处的差异显著性来区分氮素差异, 为小麦氮素营养状况监测及施肥诊断提供依据。

图3 开花后26 d小麦冠层原始光谱Fig.3 Changes in original canopy spectra of the wheat at 26 days after flowering

2.2 小麦一阶微分光谱及红边参数分析

2.2.1 两种模式下小麦一阶微分光谱特征分析

利用式(1)将相邻7个点的原始光谱数据进行一阶求导, 得出图4、 图5一阶微分光谱图。

图4 开花后26 d小麦叶片一阶微分光谱Fig.4 Changes in the first-order derivative spectra of wheat leaf at 26 days after flowering

图5 开花后26 d小麦冠层一阶微分光谱Fig.5 Changes in the first-order derivative spectra of wheat canopy at 26 days after flowering

如图4所示, 叶片模式下一阶微分在500~750 nm区间出现两个“ 峰” , 灌浆中期之后4个处理的第一个高峰位置向短波方向发生偏移。 N1, N2和N3处理第二个高峰在704~750 nm波段之间微分光谱值出现差异, N2和N3处理叶片一阶微分光谱差异不显著, N1处理一阶微分光谱最低。 这是由于拔节期施肥导致一阶微分光谱在704~750 nm波段区间高。 这些都是由于氮肥施用时期不同导致的。 综上所述, 通过500~750 nm波段区间的一阶微分光谱可以预测小麦氮肥施用方式, 并为利用叶片一阶微分光谱建立模型提供参考。

在670~740 nm区间的一阶微分光谱值在开花期最高, 开花后10 d的一阶微分光谱值最低。 在开花期至开花后10 d N1处理的一阶微分光谱值高于N3处理。 四个处理的变化趋势是N1> N3> N2> N0。 灌浆中期至开花后26 d N3处理的一阶微分光谱值高于N1处理, 如图5所示, 开花后26 d的一阶微分光谱变化趋势是N3> N2> N1> N0。 因此, 可以通过一阶微分值来推测小麦所处的生育期和施肥的方式及施肥时期, 进而为田间施肥管理提供依据。

光谱仪测得的小麦原始光谱受多种环境背景作用, 外界环境因素对敏感波段的差异显著性存在一定的影响。 为减少这些影响, 对原始光谱进行了一阶求导处理。 对光谱波段相邻7个点的数据进行求导, 显著改善光谱与氮素水平的相关性, 进一步提高了光谱波段的准确性。

2.2.2 两种模式下小麦红边参数变化规律

如图6所示, 在开花期至灌浆中期, 冠层反射率一阶导数最大值(FD-Max)N1处理最高, N3处理次之, 这是因为N1处理(冬前追施)群体结构较其他处理叶片稍宽。 在开花后26~33 d, N3处理的群体上层结构密, 叶片宽且厚, 因此N3处理FD-Max值最高。 由图6可看出四个处理叶片FD-Max变化趋势不如冠层FD-Max明显, 因此建议选用冠层FD-Max值估计施氮肥的时期。

图6 小麦光谱FD-Max随生育期的变化Fig.6 Changes in FD-Max of wheat spectra with the growth stages under different nitrogen fertilizer treatments

如图7所示, N0, N1, N2和N3的冠层反射率一阶导数最大值对应的红边位置(REPFD-Max)在开花期和开花后10 d分别是718和717 nm, 737和737 nm, 734和732 nm, 737和737 nm。 N1和N3处理在灌浆中期之后, 红边位置偏移幅度显著, 三个处理在灌浆中期和开花后26 d REP对应的波段分别是737和730nm, 737和730 nm; N2处理在开花后26 d至开花后33 d反射率一阶导数最大值对应的红边位置偏移幅度显著。 在开花期至开花后10 d, 四个处理的叶片反射率一阶导数最大值对应的红边位置向长波方向发生短距离偏移, 在开花后10 d以后, 所有处理向短波方向发生偏移, 在灌浆中期以后N2和N3处理的REPFD-Max偏移显著。 在开花期至开花后33 d N0和N1处理的REPFD-Max所在的波段低于N2和N3处理。 N1与N3处理的冠层REPFD-Max差异不显著, 因此, 建议选用叶片的REPFD-Max来估计施氮肥的时期。

图7 小麦冠层REPFD-Max和叶片REPFD-Max随生育期的变化Fig.7 Changes in REPFD-Max and REPFD-Max with the growth stages under different nitrogen fertilizer treatments

2.3 新指数(归一化差异最大指数)随生育期变化规律分析

我们国家资源卫星中心高分四号、 环境一号A/B星、 实践9号A/B星等卫星近红外波段范围是0.76~0.9 μ m, 红光波段范围是0.63~0.69 μ m。 基于NDVI基础上, 利用式(2), 筛选出780~900 nm波段的平均值与675 nm波段附近最低值之差与之和的比值— — 归一化差异最大指数(normalized difference maximum index, NDMI)。 归一化差异最大指数(NDMI)正是固定的选取了这个波段范围的光谱值, 具有可操作和实际应用性, 归一化差异最大指数(NDMI)能更好的估计产量的高低, 为田间管理和增产提供理论依据。

如图8所示, 因分次施氮, 在前期先施氮肥处理N1和N3相对于较晚施氮肥的N2处理冠层归一化差异最大指数(CNDMI)稍大一些, 在灌浆中期之后, 由于N3和N2处理小麦贪青冠层归一化差异最大指数(CNDMI)要比N1处理大; 同样在拔节期追肥, N3处理冠层归一化差异最大指数(CNDMI)下降速度小于N2处理, 且归一化差异最大指数比N2大10%; 在灌浆中期至开花后33 d, N0, N1和N2处理的叶片归一化差异最大指数(LNDMI)一直降低, 在开花后26~33 d, N3处理的叶片归一化差异最大指数(LNDMI)升高, 说明分次施肥对小麦生长发育有一定影响, 在冬前和拔节期各施一些氮肥可以延长小麦生育期。 因此, 可以借助遥感数据通过归一化差异最大指数可以针对性的为施肥等田间管理提供数据。

图8 不同氮肥处理下CNDMI和LNDMI随生育期变化Fig.8 Changes in CNDMI and LNDMI with growth stages under different nitrogen fertilizer treatments

2.4 归一化差异最大值与农化参数及产量相关性分析

CNDMI比LNDMI与LAI、 旗叶N含量、 SPAD、 MDA含量等相关性更高(如表1所示)。 由表1看出, CNDMI与旗叶N含量、 SPAD值、 MDA含量相关性极显著; LNDMI与旗叶N含量、 SPAD、 MDA有着极显著的相关关系, 与LAI的相关性不显著。

表1 光谱参数与农化参数的相关系数 Table 1 Correlation coefficients between spectral parameters and agronomy parameters

为验证冠层和叶片模式下归一化差异最大指数(CNDMI, LNDMI)可以估计产量的高低的假设, 进行了归一化差异最大指数(CNDMI, LNDMI)与产量的相关分析。 通过相关分析可知(表2), 产量与各个生育时期冠层模式下归一化差异最大指数CNDMI均呈显著或极显著相关, 相关系数在0.973 96以上; 产量与开花期至开花后26 d的叶片模式下归一化差异最大指数LNDMI呈正相关, 但未达显著水平, 仅在开花后33呈显著正相关性, 相关系数r=0.966 09。

表2 各个生育时期归一化差异最大值与产量的相关系数 Table 2 Correlation coefficients between NDMI of every growth stage and grain yield

高空遥感受大气效应、 下垫面等影响较大; 地面高光谱遥感则能够消除或削弱这些因素的干扰, 但利用该方法的作物估产研究却鲜见报道[7]

尽管对红边特征参数与农学组分的关系的研究已有很多, 但从叶片和冠层两种模式下研究鲜为报道, 且基本大多数是在NDVI方面进行研究。 本研究提出归一化差异最大指数, 固定了选取波段的范围, 符合我国资源卫星的光谱波段范围, 避免了人为选取波段的误差, 同时考虑了旗叶氮含量、 旗叶SPAD值、 旗叶MDA含量等个体的生物参数和叶面积指数等群体参数结合, 研究了归一化差异最大指数与与农化参数和产量的相关关系。 归一化差异最大指数(NDMI)能更好的估计产量的高低, 为田间管理和增产提供理论依据。

3 结 论

建议用550~760和800~1 330 nm波段的叶片原始光谱数据, 400~700和760~1 368 nm波段的冠层原始光谱数据, 分别来辨别小麦旗叶含氮量的高低及施肥模式为小麦氮素营养状况监测及施肥诊断提供依据。 建议利用500~730 nm波段区间的叶片一阶微分光谱预测小麦氮肥施用方式和冠层一阶微分光谱最大值来推测小麦所处的生育期和施肥的模式, 进而为田间施肥管理提供依据。 在冠层和叶片两种模式下, 冠层FD-Max和叶片的REPFD-Max估计施氮肥的时期, 冠层归一化差异最大指数能更好的反映小麦的生长状况, 且产量与冠层归一化差异最大指数有着极显著的相关性。

The authors have declared that no competing interests exist.

参考文献
[1] Gajjar R B, Shekh A M, Dave A J, et al. Indian Soc. Remote Sens, 2005, 33(1): 147. [本文引用:1]
[2] Shapira H U, Karnieli K A, Bonfil D J. Precision Agric, 2013, 14: 637. [本文引用:1]
[3] LU Jun-jing, HUANG Wen-jiang, ZHANG Jing-cheng, et al(鲁军景, 黄文江, 张竞成, ). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2016, 36(6): 1854. [本文引用:1]
[4] HU Hao, BAI You-lu, YANG Li-ping, et al(胡昊, 白由路, 杨俐苹, ). Plant Nutrition and Fertilizer Science(植物营养与肥料学报), 2009, 15(6): 1317. [本文引用:1]
[5] Pradhan S, Band yopadhyay K K, Sahoo R N, et al. Journal of the Indian Society of Remote Sensing, 2014, 42(4): 711. [本文引用:1]
[6] Bowman B C, Chen J, Zhang J, et al. Crop Science, 2015, 55: 1881. [本文引用:1]
[7] ZHANG Wei, PAN Jian-jun, LI Yong, et al(张威, 潘剑君, 李勇, ). Chinese Journal of Soil Science(土壤通报), 2015, 46(1): 169. [本文引用:1]