氮磷互作对水稻冠层光谱的影响及其PNN识别

• 作者: 李颖 杨林章 潘复燕 薛利红
• 来源期刊: 中国农业科学
• 关键词: 氮磷互作 冠层光谱 PNN 营养诊断 水稻
• 年，卷（期）: 2014,（14）
• 所属期刊栏目: 耕作栽培?生理生化?农业信息技术
• 页码范围: 2742-2750
• 页数: 9页
• 语种: 中文
• DOI: 10.3864/j.issn.0578-1752.2014.14.005

摘要

氮、磷均为作物必需的大量营养元素，其丰缺诊断直接关系到合理科学施肥，进而影响产量、效益以及环境。本文旨在研究准确、快捷、无损地区分水稻缺氮和缺磷信息的光谱识别方法，从而指导田间施肥决策，精确作物管理、节约种植成本并控制农田面源污染。基于水稻6个氮素及两个磷素营养水平交互下的盆栽试验，分别在分蘖、拔节和抽穗期测定水稻冠层的可见近红外反射光谱（350-1330 nm）及植株全氮（TN）和全磷（TP）含量等数据，分析氮磷互作对水稻植株体内TN和TP含量以及冠层反射光谱的影响，并运用概率神经网络(PNN)分别对不同生育时期的冠层光谱进行氮水平、磷水平、氮磷交互水平和缺素水平4个尺度下的分类识别。为避免光谱测量时仪器误差和光照、风力、温度、水分等环境条件所造成光谱数据批次间的差异，PNN 分类识别前对光谱数据进行标准化处理，并将其中2/3作为训练集，另外1/3作为测试集。植株全氮含量受氮肥、磷肥和氮磷交互作用的影响显著；植株全磷含量则主要受磷肥和氮肥水平的双重影响，但不存在氮磷交互作用。水稻冠层光谱对氮肥的响应规律不受磷肥水平的影响，缺氮使可见光区反射率升高，近红外区反射率下降。缺磷使近红外区反射率下降，但可见光区的响应则受氮肥水平的影响，施氮处理呈上升趋势，氮胁迫处理则呈现分蘖期下降、拔节期上升、抽穗期下降的趋势。利用冠层光谱PNN模型可以对各个生育时期氮水平、磷水平、氮磷交互水平和缺素水平等不同施肥尺度进行识别，拔节期分类精度最高，抽穗期分类精度相对最低。4种分类尺度下PNN模型对磷素水平的分类精度最高，分蘖期和拔节期分别为83%和94%；其次是缺素水平，分别为78%和88%；对氮素水平以及氮磷交互水平等有较多个分类输出的识别精度较低，为61%-75%。值得一提的是，PNN模型对水稻施肥关键生育时期分蘖期和拔节期水稻植株缺氮缺磷、缺氮不缺磷、缺磷不缺氮、不缺氮不缺磷等4种缺素水平的分类中，所有只缺氮处理没有被预测为只缺磷处理，所有只缺磷处理也没有被误判为只缺氮处理，表明冠层光谱PNN模型能有效区分开氮磷胁迫。水稻的冠层光谱受到氮、磷水平的共同影响，利用水稻冠层光谱建立的PNN模型不仅能分别辨识各氮素、磷素施肥水平，并且能有效地区分开水稻缺磷和缺氮处理，避免混淆，对有目的性的指导施肥具有重要的意义和价值，可避免不恰当的施肥策略造成的环境、产量和经济损失。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李颖	中国科学院南京土壤研究所	190	2089	24.0	39.0
2	薛利红		20	123	7.0	11.0
3	潘复燕	中国科学院南京土壤研究所	3	49	3.0	3.0
4	杨林章		33	446	10.0	21.0