為提高水稻施肥便捷和精準(zhǔn)的生產(chǎn)管理能力,實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)和決策一體的可視化定量施肥,利用高分一號(hào)衛(wèi)星遙感（GF-1）影像數(shù)據(jù),研究了以多種典型植被指數(shù)的水稻分蘗期、拔節(jié)期和抽穗期等關(guān)鍵生育時(shí)期的氮素營(yíng)養(yǎng)診斷模型,臨界診斷植被指數(shù)值和定量追肥模型,并實(shí)現(xiàn)了氮素營(yíng)養(yǎng)診斷和定量施肥推薦的可視化表達(dá)。研究結(jié)果表明:建立的水稻關(guān)鍵生育時(shí)期分蘗期、拔節(jié)期和抽穗期的最優(yōu)植被指數(shù)臨界診斷值分別為-0.384、0.658和0.782;根據(jù)水稻氮肥效應(yīng)曲線的分析得到的總施氮量（298.4 kg/hm²）和最佳經(jīng)濟(jì)施肥量（285.5 kg/hm²）;綜合水稻施氮總量與最優(yōu)植被指數(shù)值線性關(guān)系、最佳施肥量、最高施肥量可得定量追肥模型。水稻關(guān)鍵生育時(shí)期的氮素營(yíng)養(yǎng)診斷和定量模型的建立,實(shí)現(xiàn)了定量施肥可視化表達(dá)。 

【文章來(lái)源】：科學(xué)技術(shù)與工程. 2020,20(19)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

研究區(qū)區(qū)位圖

從地理空間數(shù)據(jù)云下載2016年水稻分蘗期(6月28日)、拔節(jié)期(7月13日)和抽穗期(8月20日)等關(guān)鍵生育期時(shí)期GF-1 WFV遙感影像(多光譜波段包括R、G、B和NIR四個(gè)波段,空間分辨率16 m)。邊界矢量數(shù)據(jù)為RTK實(shí)地獲取后再ArcGIS中矢量化編輯。獲取72個(gè)小區(qū)植株樣品,每個(gè)時(shí)期獲取植株樣本216個(gè),如圖2所示。2 結(jié)果與分析

表1 植被指數(shù)與水稻植株氮濃度的相關(guān)關(guān)系Table 1 Correlation between vegetation index and nitrogen concentration of rice plants 植被指數(shù) 分蘗期 拔節(jié)期 抽穗期 回歸方程 R2 回歸方程 R2 回歸方程 R2 NDVI y=-0.502 4x2+0.924 2x+0.377 2 0.554 9 y=-0.502 4x2+0.924 2x+0.377 2 0.554 9 y=-0.257 7x2 + 0.594x+0.594 3 0.381 0 NIR y=70.989x2+1 021.3x+1 130.2 0.749 7 y=3×10-7x2-0.001 2x+1.465 9 0.718 9 y=-1 377.5x2+3 207.7x+1 428.7 0.574 0 GRVI y=-0.441 5x2+3.014 4x+1.065 2 0.750 8 y=0.061 4x2-0.308 6x+0.584 2 0.651 3 y=-2.528 7x2+8.114 3x+3.366 7 0.501 4 GDVI y=-202.99x2+1 594.3x+228 0.736 1 y=2×10-7x2-0.000 6x+0.604 1 0.720 4 y=-1 367.3x2+3 290.9x+966.08 0.569 6 GNDVI y=-0.285x2+0.765 1x+0.093 5 0.746 9 y=-0.392 8x2+0.728 4x+0.371 1 0.564 1 y=-0.250 9x2+0.567 4x+0.494 9 0.401 3 GOWDRVI y=-0.128 5x2+0.503 1x-0.767 0.755 4 y=4.999 6x2+5.3103 x+1.592 2 0.635 5 y=-0.306 5x2+0.795 4x-0.445 7 0.465 6 CI y=-0.4415x2+3.014 4x+0.065 2 0.750 8 y=0.061 4x2-0.185 8x+0.337 0.651 3 y=-2.528 7x2+8.114 3x+2.366 7 0.501 4 DVI y=8×10-8x2+0.0003x+0.065 0.746 5 y=2×10-7x2-0.000 5x+0.544 6 0.716 7 y=2×10-7x2-0.000 5x+0.433 3 0.638 6 GSAVI y=-0.427 4x2+1.147 4x+0.140 2 0.746 9 y=-0.589 2x2+1.092 5x+0.556 6 0.564 1 y=-0.376 3x2+0.851 1x+0.742 2 0.401 4圖4 水稻施肥效應(yīng)曲線

【參考文獻(xiàn)】：
期刊論文
[1]基于無(wú)人機(jī)影像的滑坡地質(zhì)災(zāi)害解譯與穩(wěn)定性評(píng)價(jià)——以秭歸縣鹽關(guān)滑坡為例[J]. 余宏明,栗志斌,邸同宇,李原.  科學(xué)技術(shù)與工程. 2019(32)
[2]水稻氮肥精準(zhǔn)管理技術(shù)研究進(jìn)展[J]. 李克亮,周志艷.  江蘇農(nóng)業(yè)科學(xué). 2019(12)
[3]基于無(wú)人機(jī)遙感技術(shù)的黃華占水稻施肥決策模型研究[J]. 臧英,侯曉博,汪沛,周志艷,姜銳,李克亮.  沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2019(03)
[4]冬小麥雙變量施肥控制策略研究[J]. 陳滿,施印炎,汪小旵,孫國(guó)祥,魯偉.  江蘇農(nóng)業(yè)科學(xué). 2018(11)
[5]基于高分一號(hào)WFV影像的隨機(jī)森林算法反演水稻LAI[J]. 劉振波,鄒嫻,葛云健,陳健,曹雨濛.  遙感技術(shù)與應(yīng)用. 2018(03)
[6]數(shù)字農(nóng)業(yè)的發(fā)展現(xiàn)狀及展望[J]. 葛佳琨,劉淑霞.  東北農(nóng)業(yè)科學(xué). 2017(03)
[7]光譜儀在作物施氮推薦中的應(yīng)用研究進(jìn)展——以GreenSeeker光譜儀為例[J]. 紀(jì)榮婷,閔炬,黃程鵬,施衛(wèi)明.  江蘇農(nóng)業(yè)科學(xué). 2017(02)
[8]氮素管理的指標(biāo)[J]. 巨曉棠,谷保靜.  土壤學(xué)報(bào). 2017(02)
[9]水稻氮素吸收利用研究進(jìn)展[J]. 張曉果,王丹英,計(jì)成林,徐春梅,陳松,章秀福.  中國(guó)稻米. 2015(05)
[10]農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J]. 史舟,梁宗正,楊媛媛,郭燕.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(02)

碩士論文
[1]基于衛(wèi)星遙感的水稻生長(zhǎng)監(jiān)測(cè)與氮素營(yíng)養(yǎng)診斷系統(tǒng)[D]. 查海涅.安徽科技學(xué)院 2016



本文編號(hào)：3283625