论文部分内容阅读
摘要 通过对小麦不同施氮量、不同时期的光谱观察和苗情考察，验证差值植被指数和归一化植被指数的敏感性，建立本地化应用模型，为在小麦生产上应用光谱监测调控技术提供技术支持。
关键词 光谱监测调控技术；小麦；应用；差值植被指数；归一化植被指数；模型
中图分类号 S512.1 文献标识码 A 文章编号 1007-5739（2014）23-0293-03
Abstract Through the spectral observation and investigation on wheat seedling in the different nitrogen amount and different growth periods，sensitivity of difference vegetation index and normalized difference vegetation index were validated，a local application model was establish，so as to provide technical support for the application of spectrum monitoring and control technology in wheat production.
Key words spectrum monitoring and control technology；wheat；application；Difference Vegetation Index；Normalized Difference Vegetation Index；model
国家信息农业工程技术中心就光谱技术应用于小麦生长诊断调控进行了深入的研究，筛选了灵敏度较高的波长为810 nm和720 nm的2个波段作为监测光谱，并研制开发了CGMD302作物生长监测诊断仪进行示范应用[1-3]。为促进该技术的本地化示范应用，笔者设计了小麦不同施氮量试验进行光谱监测调控应用试验，以验证其在如皋市小麦生产中的敏感性，并建立本地化应用模型，为大面积生产应用提供支撑。
1 材料与方法
1.1 试验概况
供试小麦品种为扬麦20。试验地土壤为夹缠土，质地砂壤，耕层含有机质24.425 g/kg、全氮1.445 g/kg、有效磷13.0 mg/kg、速效钾66.0 mg/kg，pH值8.0。
1.2 试验设计
在满足磷钾等营养元素的条件下，开展氮肥单因子试验，试验设7个处理，各处理施氮量分别为0、6、10、14、18、22 kg/667 m2。各处理重复3次（处理1的重复3缺失），随机排列。基肥、蘖肥、拔节肥用量比为5.0∶1.5∶3.5，分蘖肥在三叶一心期施用，拔节肥在叶龄余数3.0时施用，磷肥及钾肥均基施。各处理肥料用量见表1。
1.3 试验方法
试验田于2013年11月1日播种。苗情考察于2014年1月1日至5月13日进行11次，从而获取各处理茎蘖动态（小麦茎蘖消长由3个部分构成：一是基本量，即由播种量和出苗情况所决定的基本苗，二是在分蘖期的分蘖发生所导致的总苗数增加量，三是分蘖退化消亡所产生的总苗数的减少量）；用CGMD302作物生长监测诊断仪在2014年3月15日至5月30日进行光谱监测11次，从而获取差值植被指数（DVI）和归一化植被指数（NDVI）；植株分析在2014年3月21日至5月30日完成6次，每次在每个小区采集20枝（主茎 分蘖），首先对茎叶分离，使用LI3000C叶面积测定仪测量（茎蘖）叶面积，再将分离后的叶片和茎秆在105 ℃下杀青30 min，然后在80 ℃下烘干，称重后用高速粉碎机粉碎，测定其氮含量，从而获得其叶面积指数、干物质积累量、氮含量和氮积累量。成熟期分小区测产[4-6]。
2 结果与分析
2.1 茎蘖动态
由表2可知，小麦不同施氮量处理在不同时期茎蘖动态差异明显，但消长动态趋势一致。
2.2 干物质积累量
由表3可知，小麦不同施氮量处理干物质积累量有显著差异，但其动态趋势基本一致。
2.3 叶面积指数（LAI）动态
通过对LAI（表4）进行双向分组资料方差分析，以叶面积测量日期为主因子，以不同施氮量处理为次因子，其不同时期间F=34.116，达到极显著水平。其不同施氮量处理间F=40.658，也达到极显著水平（表5）。
2.4 差值植被指数（DVI）动态
对表6中DVI进行双向分组资料方差分析，以观测时间为主因子，以施氮处理为次因子，结果见表7。由表7可知，主因子间、次因子间差异均达到极显著水平（F主=109.014，F次=85.777）。
用Q检验法对试验主、次因子DVI数据进行多重比较，结果表明，试验重复间差异不显著，说明该试验区组控制效果较好。同时，试验处理间差异达到极显著水平，说明DVI观测指标可以用作小麦不同施氮水平下的监测诊断与调控参数；在不同时期的观测结果间的差异也达到极显著水平，说明DVI观测指标可以用作小麦不同生育进程的监测诊断与调控参数。
2.5 归一化植被指数（NDVI）
对各处理小麦NDVI（表8）进行双向分组资料分析，结果见表9。由表9可知，NDVI分析结果与DVI基本一致，均达到极显著水平（F主=99.951，F次=26.950）。
用Q检验对试验主、次因子NDVI数据进行多重比较，结果得出各试验处理间差异达到极显著水平，说明NDVI对小麦施氮量差异反应敏感；在不同时期的观测结果间的差异也达到极显著水平，说明NDVI对小麦生育进程反应敏感。基于NDVI的这个特征指标的灵敏性，可以将NDVI指标用于在小麦生长发育进程中对小麦的生长状态进行诊断。 2.6 DVI与LAI回归关系
经对表4中LAI数据与表6中DVI数据制作成的散点图（图1）进行观察分析，选用直线回归模型拟合，其回归关系（Y=0.092 5 0.041X）达到极显著水平（F=141.144），说明通过对DVI观测可无损监测小麦LAI动态。
2.7 NDVI与LAI回归关系
经对表4中LAI数据与表8中NDVI数据制作成的散点图（图2）进行观察分析，选用直线回归模型拟合，其回归关系（Y=0.195 3 0.026 5X）达到极显著水平（F=25.726），说明通过对DVI进行观测可动态监测小麦LAI动态。
2.8 DVI与干物质重（W）回归关系
经对表3中干物质重（W）与表6中DVI数据制作散点图（图3）进行观察分析，应用二次回归曲线模型进行拟合，其回归关系（F=45.065）达到极显著水平，方程为Y=0.060 3 0.001X-0.000 001X2，偏回归系数b1、b2的F测验均达极显著水平（F1=52.443，F2=36.069），说明采用该模型，可使用DVI观测结果无损获取小麦干物质积累量。
2.9 NDVI与干物质重（W）回归关系
经对表3中干物质重（W）与表8中NDVI数据制作散点图进行观察分析，应用二次回归曲线模型进行拟合，其回归关系（F=32.658）达到极显著水平，回归方程为Y=0.158 00 0.000 624 24X-0.000 000 486 63X2，偏回归系数F测验也达到
观测结果来无损获取小麦干物质积累状态。
3 结论
通过对小麦不同施氮水平、不同生育进程的光谱观测，以CGMD302作物生长监测诊断仪获取小麦DVI和NDVI参数，验证了DVI和NDVI参数对小麦生长指标叶面积指数、干物质积累等的灵敏性，通过苗情考察获取LAI和干物质积累量，并运用统计方法建立了本地化应用的回归模型，从而为应用光谱监测调控技术在本地指导小麦生产提供技术支持。
4 参考文献
[1] 庄森.基于光谱的小麦氮素营养监测与追肥调控研究[D].南京：南京农业大学，2009.
[2] 冯伟，朱艳，姚霞，等.小麦叶片色素含量的高光谱监测[J].应用生态学报，2008，19（5）：992-999.
[3] 冯伟，朱艳，姚霞，等.基于高光谱遥感的小麦叶干重和叶面积指数监测[J].植物生态学报，2009，33（1）：34-44.
[4] 冯伟，朱艳，姚霞，等.小麦氮素积累动态的高光谱监测[J].中国农业科学，2008，41（7）：1937-1946.
[5] 周冬琴，朱艳，田永超，等.以冠层反射光谱监测水稻叶片氮积累量的研究[J].作物学报，2006（9）：1316-1322.
[6] 张霞，张兵，卫征，等.MODIS光谱指数监测小麦长势变化研究[J].中国图象图形学报：A辑，2005（4）：420-424.
关键词 光谱监测调控技术；小麦；应用；差值植被指数；归一化植被指数；模型
中图分类号 S512.1 文献标识码 A 文章编号 1007-5739（2014）23-0293-03
Abstract Through the spectral observation and investigation on wheat seedling in the different nitrogen amount and different growth periods，sensitivity of difference vegetation index and normalized difference vegetation index were validated，a local application model was establish，so as to provide technical support for the application of spectrum monitoring and control technology in wheat production.
Key words spectrum monitoring and control technology；wheat；application；Difference Vegetation Index；Normalized Difference Vegetation Index；model
国家信息农业工程技术中心就光谱技术应用于小麦生长诊断调控进行了深入的研究，筛选了灵敏度较高的波长为810 nm和720 nm的2个波段作为监测光谱，并研制开发了CGMD302作物生长监测诊断仪进行示范应用[1-3]。为促进该技术的本地化示范应用，笔者设计了小麦不同施氮量试验进行光谱监测调控应用试验，以验证其在如皋市小麦生产中的敏感性，并建立本地化应用模型，为大面积生产应用提供支撑。
1 材料与方法
1.1 试验概况
供试小麦品种为扬麦20。试验地土壤为夹缠土，质地砂壤，耕层含有机质24.425 g/kg、全氮1.445 g/kg、有效磷13.0 mg/kg、速效钾66.0 mg/kg，pH值8.0。
1.2 试验设计
在满足磷钾等营养元素的条件下，开展氮肥单因子试验，试验设7个处理，各处理施氮量分别为0、6、10、14、18、22 kg/667 m2。各处理重复3次（处理1的重复3缺失），随机排列。基肥、蘖肥、拔节肥用量比为5.0∶1.5∶3.5，分蘖肥在三叶一心期施用，拔节肥在叶龄余数3.0时施用，磷肥及钾肥均基施。各处理肥料用量见表1。
1.3 试验方法
试验田于2013年11月1日播种。苗情考察于2014年1月1日至5月13日进行11次，从而获取各处理茎蘖动态（小麦茎蘖消长由3个部分构成：一是基本量，即由播种量和出苗情况所决定的基本苗，二是在分蘖期的分蘖发生所导致的总苗数增加量，三是分蘖退化消亡所产生的总苗数的减少量）；用CGMD302作物生长监测诊断仪在2014年3月15日至5月30日进行光谱监测11次，从而获取差值植被指数（DVI）和归一化植被指数（NDVI）；植株分析在2014年3月21日至5月30日完成6次，每次在每个小区采集20枝（主茎 分蘖），首先对茎叶分离，使用LI3000C叶面积测定仪测量（茎蘖）叶面积，再将分离后的叶片和茎秆在105 ℃下杀青30 min，然后在80 ℃下烘干，称重后用高速粉碎机粉碎，测定其氮含量，从而获得其叶面积指数、干物质积累量、氮含量和氮积累量。成熟期分小区测产[4-6]。
2 结果与分析
2.1 茎蘖动态
由表2可知，小麦不同施氮量处理在不同时期茎蘖动态差异明显，但消长动态趋势一致。
2.2 干物质积累量
由表3可知，小麦不同施氮量处理干物质积累量有显著差异，但其动态趋势基本一致。
2.3 叶面积指数（LAI）动态
通过对LAI（表4）进行双向分组资料方差分析，以叶面积测量日期为主因子，以不同施氮量处理为次因子，其不同时期间F=34.116，达到极显著水平。其不同施氮量处理间F=40.658，也达到极显著水平（表5）。
2.4 差值植被指数（DVI）动态
对表6中DVI进行双向分组资料方差分析，以观测时间为主因子，以施氮处理为次因子，结果见表7。由表7可知，主因子间、次因子间差异均达到极显著水平（F主=109.014，F次=85.777）。
用Q检验法对试验主、次因子DVI数据进行多重比较，结果表明，试验重复间差异不显著，说明该试验区组控制效果较好。同时，试验处理间差异达到极显著水平，说明DVI观测指标可以用作小麦不同施氮水平下的监测诊断与调控参数；在不同时期的观测结果间的差异也达到极显著水平，说明DVI观测指标可以用作小麦不同生育进程的监测诊断与调控参数。
2.5 归一化植被指数（NDVI）
对各处理小麦NDVI（表8）进行双向分组资料分析，结果见表9。由表9可知，NDVI分析结果与DVI基本一致，均达到极显著水平（F主=99.951，F次=26.950）。
用Q检验对试验主、次因子NDVI数据进行多重比较，结果得出各试验处理间差异达到极显著水平，说明NDVI对小麦施氮量差异反应敏感；在不同时期的观测结果间的差异也达到极显著水平，说明NDVI对小麦生育进程反应敏感。基于NDVI的这个特征指标的灵敏性，可以将NDVI指标用于在小麦生长发育进程中对小麦的生长状态进行诊断。 2.6 DVI与LAI回归关系
经对表4中LAI数据与表6中DVI数据制作成的散点图（图1）进行观察分析，选用直线回归模型拟合，其回归关系（Y=0.092 5 0.041X）达到极显著水平（F=141.144），说明通过对DVI观测可无损监测小麦LAI动态。
2.7 NDVI与LAI回归关系
经对表4中LAI数据与表8中NDVI数据制作成的散点图（图2）进行观察分析，选用直线回归模型拟合，其回归关系（Y=0.195 3 0.026 5X）达到极显著水平（F=25.726），说明通过对DVI进行观测可动态监测小麦LAI动态。
2.8 DVI与干物质重（W）回归关系
经对表3中干物质重（W）与表6中DVI数据制作散点图（图3）进行观察分析，应用二次回归曲线模型进行拟合，其回归关系（F=45.065）达到极显著水平，方程为Y=0.060 3 0.001X-0.000 001X2，偏回归系数b1、b2的F测验均达极显著水平（F1=52.443，F2=36.069），说明采用该模型，可使用DVI观测结果无损获取小麦干物质积累量。
2.9 NDVI与干物质重（W）回归关系
经对表3中干物质重（W）与表8中NDVI数据制作散点图进行观察分析，应用二次回归曲线模型进行拟合，其回归关系（F=32.658）达到极显著水平，回归方程为Y=0.158 00 0.000 624 24X-0.000 000 486 63X2，偏回归系数F测验也达到
观测结果来无损获取小麦干物质积累状态。
3 结论
通过对小麦不同施氮水平、不同生育进程的光谱观测，以CGMD302作物生长监测诊断仪获取小麦DVI和NDVI参数，验证了DVI和NDVI参数对小麦生长指标叶面积指数、干物质积累等的灵敏性，通过苗情考察获取LAI和干物质积累量，并运用统计方法建立了本地化应用的回归模型，从而为应用光谱监测调控技术在本地指导小麦生产提供技术支持。
4 参考文献
[1] 庄森.基于光谱的小麦氮素营养监测与追肥调控研究[D].南京：南京农业大学，2009.
[2] 冯伟，朱艳，姚霞，等.小麦叶片色素含量的高光谱监测[J].应用生态学报，2008，19（5）：992-999.
[3] 冯伟，朱艳，姚霞，等.基于高光谱遥感的小麦叶干重和叶面积指数监测[J].植物生态学报，2009，33（1）：34-44.
[4] 冯伟，朱艳，姚霞，等.小麦氮素积累动态的高光谱监测[J].中国农业科学，2008，41（7）：1937-1946.
[5] 周冬琴，朱艳，田永超，等.以冠层反射光谱监测水稻叶片氮积累量的研究[J].作物学报，2006（9）：1316-1322.
[6] 张霞，张兵，卫征，等.MODIS光谱指数监测小麦长势变化研究[J].中国图象图形学报：A辑，2005（4）：420-424.