基于冠层高光谱遥感的杂交水稻植被指数氮素营养诊断模型

doi:10.3969/j.issn.1006-8082.2021.03.005

中国稻米 ›› 2021, Vol. 27 ›› Issue (3): 21-29.DOI: 10.3969/j.issn.1006-8082.2021.03.005

基于冠层高光谱遥感的杂交水稻植被指数氮素营养诊断模型

王晓珂¹(), 刘婷婷², 许桂玲¹, 冯跃华^1,^3,^*(), 彭金凤¹, 李杰¹, 罗强鑫¹, 韩志丽¹, 卢苇¹, PHONENASAY Somsana¹

¹贵州大学农学院,贵阳 550025
²黔西南州农业农村局,贵州兴义 562400
³贵州大学/山地植物资源保护与种质创新教育部重点实验室,贵阳550025

收稿日期:2021-02-22 出版日期:2021-05-20 发布日期:2021-05-20
通讯作者: 冯跃华
作者简介:
第一作者：411282a22he.cdb@sina.cn
基金资助:
国家自然科学基金（31360311;31160263）;公益性行业（农业）科研专项子项目（201503118-03）;贵州省农业科技攻关项目（黔科合支撑[2019]2303号;黔科合支撑[2016]2563号;黔科合NY[2013]3005号;黔科合NY[2011]3085号）;贵州省特色粮油作物栽培与生理生态研究科技创新人才团队（黔科合平台人才[2019]5613号）;贵州省高层次创新型人才项目（黔科合平台人才[2018]5632）;贵州省普通高等学校粮油作物遗传改良与生理生态特色重点实验室项目（黔教合KY字[2015]333）;贵州省生物学一流学科建设项目（GNYL[2017]009）

Nitrogen Diagnosis Model of Vegetation Indices Based on Canopy Hyperspectral Remote Sensing for Hybrid Rice

Xiaoke WANG¹(), Tingting LIU², Guiling XU¹, Yuehua FENG^1,^3,^*(), Jinfeng PENG¹, Jie LI¹, Qiangxin LUO¹, Zhili HAN¹, Wei LU¹, Somsana PHONENASAY¹

¹College of Agronomy, Guizhou University, Guiyang 550025, China
²Qianxinanzhou Agriculture and Rural Affarirs Bureau, Xingyi, Guizhou 562400, China
³Laboratory of Plant Resource Conservation and Germplasm Innovation in Mountainous Region of （Ministry of Education）, Guiyang 550025, China

Received:2021-02-22 Online:2021-05-20 Published:2021-05-20
Contact: Yuehua FENG
About author:
1st author: 411282a22he.cdb@sina.cn

摘要/Abstract

摘要：

以杂交水稻为研究对象,进行两因素裂区试验,主区为品种,副区为施氮水平,分析了4个植被指数（VIs）分别与叶片氮素含量（LNC）、叶片氮素积累量（LNA）和地上部氮素积累量（APNA）之间的相关性,并建立了以VIs为自变量的氮素营养诊断模型。结果表明,4个VIs和LNC、LNA之间均存在决定系数大于0.7的波段区域且波段区域一致,4个VIs和APNA之间的决定系数均较低,仅在0.2左右;比值植被指数（RVI）和LNC之间的决定系数最大值为0.886,对应的波段组合为 694 nm和763 nm;垂直植被指数（PVI）和LNC之间的决定系数最大值为0.869,对应的波段组合为 864 nm和483 nm;差值植被指数（DVI）和LNC之间的决定系数最大值为0.883,对应的波段组合为1 292 nm和1 258 nm;归一化植被指数（NDVI）和LNC之间的决定系数最大值为0.881,对应的波段组合为1 296 nm和1 220 nm。最佳的氮素营养诊断模型为叶片氮素含量诊断模型,其模型表达式为LNC=1E+03NDVI²- 132.55NDVI+3.72,建模集R²、RMSE和RE分别为0.879、0.357%和16.267%,测试集R²、RMSE和RE分别为0.895、0.331%和15.136%。

关键词: 杂交水稻, 氮素营养, 高光谱遥感, 植被指数, 诊断模型

Abstract:

A split plot experiment of hybrid rice with two factors was carried out. There were two cultivars in the main plot and five nitrogen application levels in the sub plot. The correlation between four vegetation indices （VIs） and leaf nitrogen content（LNC）, leaf nitrogen accumulation（LNA） and aerial part nitrogen accumulation （APNA） were analyzed respectively, and nitrogen diagnosis models with VIs as the independent variable were established. The results showed that there were band regions with coefficient of determination （r²） greater than 0.7 between the four VIs and LNC and LNA, respectively, and the band regions are consistent. The r² between the four VIs and APNA were low, only about 0.2; the maximum r² between ratio vegetation index （RVI） and LNC was 0.886, and the corresponding band combination is 694 nm and 763 nm. The maximum r² between perpendicular vegetation index（PVI） and LNC is 0.869 and the corresponding band combination was 864 nm and 483 nm, the maximum r² between difference vegetation index （DVI） and LNC was 0.883 and the corresponding band combination was 1 292 nm and 1 258 nm, the maximum r² of normalized vegetation index （NDVI） and LNC was 0.881 and the corresponding band combination was 1 296 nm and 1 220 nm. The optimal nitrogen diagnosis model was LNC diagnosis model, and the model expression was LNC = 1E+03NDVI²-132.55NDVI+3.72; the correlation index（R²）, RMSE and RE of training set were 0.879, 0.357% and 16.267%, respectively; the R², RMSE and RE of test set were 0.895, 0.331% and 15.136%, respectively.

Key words: hybrid rice, nitrogen nutrition, hyperspectral remote sensing, vegetation indices, diagnosis model

中图分类号:

S511

王晓珂, 刘婷婷, 许桂玲, 冯跃华, 彭金凤, 李杰, 罗强鑫, 韩志丽, 卢苇, PHONENASAY Somsana. 基于冠层高光谱遥感的杂交水稻植被指数氮素营养诊断模型[J]. 中国稻米, 2021, 27(3): 21-29.

Xiaoke WANG, Tingting LIU, Guiling XU, Yuehua FENG, Jinfeng PENG, Jie LI, Qiangxin LUO, Zhili HAN, Wei LU, Somsana PHONENASAY. Nitrogen Diagnosis Model of Vegetation Indices Based on Canopy Hyperspectral Remote Sensing for Hybrid Rice[J]. China Rice, 2021, 27(3): 21-29.

图/表 13

表1 植被指数计算公式

图2 水稻冠层原始光谱反射率与LNA的相关系数图（n=90）

图1 水稻冠层原始光谱反射率与LNC的相关系数图（n=90）

图3 水稻冠层原始光谱反射率与APNA的相关系数图（n=90）

图4 4个植被指数和水稻叶片氮素含量的决定系数矩阵图（n=90）

图5 4个植被指数和水稻叶片氮素积累量的决定系数矩阵图（n=90）

图6 4个植被指数和水稻地上部氮素积累量的决定系数矩阵图（n=90）

表2 叶片氮素含量的估算模型

表3 叶片氮素积累量的估算模型

表4 地上部氮素积累量的估算模型

表5 氮素营养指标对氮素营养诊断模型的影响

表6 植被指数对氮素营养诊断模型的影响

表7 回归方程对氮素营养诊断模型的影响

参考文献 26

[1]	周毅,郭世伟,宋娜,等. 供氮形态和水分胁迫对苗期—分蘖期水稻光合与水分利用效率的影响[J]. 植物营养与肥料学报,2006,12(3):334-339.
[2]	RICHARDSON M D, CABRERA R I, MURPHY J A, et al.Nitrogen-form and endophyte-Infection effects on growth, nitrogen uptake, and alkaloid content of chewings fescue turf grass[J]. Journal of Plant Nutrition, 1999, 22(1): 67-79.
[3]	于飞,施卫明. 近10年中国大陆主要粮食作物氮肥利用率分析[J]. 土壤学报,2015,52(6):1 311-1 324.
[4]	王寅,冯国忠,张天山,等. 控释氮肥与尿素混施对连作春玉米产量、氮素吸收和氮素平衡的影响[J]. 中国农业科学,2016,49(3):518-528.
[5]	田永超,杨杰,姚霞,等. 水稻高光谱红边位置与叶层氮浓度的关系[J]. 作物学报, 2009,35(9):1 681-1 690.
[6]	RANJAN R, CHOPRA U K, SAHOO R N, et al.Assessment of plant nitrogen stress in wheat (Triticum aestivum L.) through hyperspectral indices[J]. International Journal of Remote Sensing, 2012, 33(20): 6 342-6 360.
[7]	FITZGERALD G, RODRIGUEZ D O, LEARY G.Measuring and predicting canopy nitrogen nutrition in wheat using a spectral index-The canopy chlorophyll content index (CCCI)[J]. Field Crop Research, 2010, 116(3): 318-324.
[8]	XUE L H, CAO W X, LUO W H, et al.Monitoring leaf nitrogen status in rice with canopy spectral reflectance[J]. Agronomy Journal, 2004, 96(1): 135.
[9]	ZHAO C J, WANG Z J, WANG J H, et al.Relationships of leaf nitrogen concentration and canopy nitrogen density with spectral features parameters and narrow-band spectral indices calculated from field winter wheat (Triticum aestivum L.) spectra[J]. International Journal of Remote Sensing, 2012, 33(11): 3 472-3 491.
[10]	秦占飞,申健,谢宝妮,等. 引黄灌区水稻叶面积指数的高光谱估测模型[J]. 武汉大学学报(信息科学版),2017,42(8):1 159-1 166.
[11]	PEARSON R L, MILLER L D.Remote mapping of standing crop biomass for estimation of productivity of the shortgrass prairie[C]. Proceedings of the Eighth International Symposium on Remote Sensing of Environment, Fort Collins, Colorado: Colorado University, 1972.
[12]	RICHARDSON A J, WIEGAND C L. Distinguishing vegetation from soil background information[J]. Photogrammetric Engineering Remote Sensing, 1977, 43(2): 5 411 552.
[13]	ROUSE J W, HAAS R H, SCHELL J A.Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation[M].USA: Texas A&M University College Station, 1974.
[14]	吴静珠,王一鸣,张小超,等. 近红外光谱分析中定标集样品挑选方法研究[J]. 农业机械学报,2006,37(4):80-82.
[15]	赵小敏,孙小香,王芳东,等. 水稻高光谱遥感监测研究综述[J]. 江西农业大学学报,2019,41(1): 1-12.
[16]	秦占飞,常庆瑞,谢宝妮,等. 基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测[J]. 农业工程学报,2016,32(23):77-85.
[17]	王人潮,陈铭臻,蒋亨显. 水稻遥感估产的农学机理研究—Ⅰ.不同氮素水平的水稻光谱特征及其敏感波段的选择[J]. 浙江农业大学学报,1993(Suppl1):9-16.
[18]	王忠. 植物生理学[M]. 北京:中国农业出版社,2009.
[19]	GABORCIK N.Relationship between contents of chlorophyll (a+b) (SPAD values) and nitrogen of some temperate grasses[J]. Photosynthetica, 2003, 41(2): 285-287.
[20]	童庆禧,张兵,郑兰芬. 高光谱遥感原理、技术与应用[M]. 北京:高等教育出版社,2006.
[21]	韩吉梅,张旺锋,熊栋梁,等. 植物光合作用叶肉导度及主要限制因素研究进展[J]. 植物生态学报,2017,41(8):914-924.
[22]	王莉雯,卫亚星. 植被氮素浓度高光谱遥感反演研究进展[J]. 光谱学与光谱分析,2013,33(10):2 823-2 827.
[23]	TIAN Y C, GU K J, CHU X, et al.Comparison of different hyperspectral vegetation indices for canopy leaf nitrogen concentration estimation in rice[J]. Plant and Soil, 2014, 376(1-2): 193-209.
[24]	刘科,陆键,高梦涛,等. 施氮量对杂交水稻叶片光谱特征、SPAD值和光能拦截率关系的影响[J]. 核农学报,2018,32(2):362-369.
[25]	CHU X, GUO Y J, HE J Y, et al.Comparison of different hyperspectral vegetation indices for estimating canopy leaf nitrogen accumulation in rice[J]. Agronomy Journal, 2014, 106(5): 1 911-1 920.
[26]	王仁红,宋晓宇,李振海,等. 基于高光谱的冬小麦氮素营养指数估测[J]. 农业工程学报,2014,30(19):191-198.

基于冠层高光谱遥感的杂交水稻植被指数氮素营养诊断模型

Nitrogen Diagnosis Model of Vegetation Indices Based on Canopy Hyperspectral Remote Sensing for Hybrid Rice

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 26

相关文章 15

编辑推荐

Metrics

[1]	王丰. 华南优质杂交水稻品种选育与发展[J]. 中国稻米, 2022, 28(5): 107-116.
[2]	唐文帮, 陈晓军, 张桂莲, 邓化冰, 胡远艺, 田妍. 杂交水稻机械化制种现状与技术突破[J]. 中国稻米, 2022, 28(5): 20-27.
[3]	杨远柱, 王凯, 符辰建, 符星学, 吴亚先, 孙毛山, 谢志梅. 实用籼型水稻温敏核不育系种质创制进展及未来主攻方向[J]. 中国稻米, 2022, 28(5): 28-38.
[4]	赵健, 尹合兴, 朱承祺, 刘定富, 方福平, 沈志成, 应继锋. 中国水稻百年育种的一些标志性品种[J]. 中国稻米, 2022, 28(5): 66-73.
[5]	王慧, 张从合, 严志, 申广勒, 周桂香, 杨韦, 方玉, 黄艳玲, 庞战士, 李方宝. 荃两优系列杂交稻品种耐热性与稻米品质的相关性研究[J]. 中国稻米, 2022, 28(4): 79-83.
[6]	从夕汉, 阮新民, 施伏芝, 杜弘杨, 罗玉祥, 罗志祥. 高配合力优质籼型两系不育系504S的选育与应用[J]. 中国稻米, 2022, 28(3): 106-108.
[7]	卢春玲, 周洪友, 胡跃翠, 王志万. 杂交水稻覆膜旱作节水栽培技术在文山州的应用表现及栽培要点[J]. 中国稻米, 2021, 27(6): 128-129.
[8]	张琴. 杂交水稻种业“走出去”的成功探索与发展趋势[J]. 中国稻米, 2021, 27(4): 104-106.
[9]	徐富贤, 张林, 熊洪, 周兴兵, 朱永川, 蒋鹏, 刘茂, 郭晓艺. 高温和肥水调控对川东南杂交水稻结实率的影响[J]. 中国稻米, 2021, 27(2): 44-46.
[10]	张习春, 孙建华, 王倩, 王洪亮, 李佳丽, 张大双, 朱速松. 抗稻瘟病恢复系黔恢101选育及安优101的应用[J]. 中国稻米, 2021, 27(2): 108-110.
[11]	杨红云1,2,周琼2,3,杨珺1*,孙玉婷2,3,路艳2,3. 水稻氮素营养诊断方法研究进展[J]. 中国稻米, 2020, 26(2): 5-8.
[12]	王慧1,2,方玉1,2,黄艳玲1,冯冲1,杨力1,周桂香1,张从合1*. 稻米主要食味品质基因型与环境互作分析及其相关性研究[J]. 中国稻米, 2020, 26(2): 23-26.
[13]	孙统庆,陈斌,汤义华,邵培珺,陈永梅,吴连勇,喻俊杰. 浅谈江苏杂交水稻种子纯度海南田间种植鉴定[J]. 中国稻米, 2020, 26(2): 60-62.
[14]	谭宏1,周锡跃2*,方福平2,舒小丽1,张宁1,吴殿星1. 鱼塘专用杂交水稻新品种安粳优1号选育及特征特性[J]. 中国稻米, 2020, 26(2): 77-79.
[15]	谢华安. 杂交水稻抗病虫育种实践与思考[J]. 中国稻米, 2020, 26(1): 1-5.