在田间规模玉米种植中,利用卫星引导的施肥技术优化生长季氮素管理

《Computers and Electronics in Agriculture》:Optimizing in-season nitrogen management through satellite-guided fertigation in field-scale maize production

【字体: 大 中 小 】 时间:2025年12月07日 来源:Computers and Electronics in Agriculture 10.3

编辑推荐:

  Precious N. Amori|Derek M. Heeren|Guillermo R. Balboa|Laila A. Puntel|Yeyin Shi|Daran Rudnick|Joe Luck|Eric Wilkening|Kuan Zhang美国内布拉斯加大学林肯分

  Precious N. Amori|Derek M. Heeren|Guillermo R. Balboa|Laila A. Puntel|Yeyin Shi|Daran Rudnick|Joe Luck|Eric Wilkening|Kuan Zhang美国内布拉斯加大学林肯分校生物系统工程系摘要在商业化玉米种植中,提高氮素利用效率仍是一项长期面临的挑战。其中一个主要障碍是缺乏简单、基于遥感的决策支持框架,无法实现季节性、针对特定地块的氮素管理方法的大范围应用。本研究开发并评估了一种实用框架,该框架结合PlanetScope卫星图像,运用Holland–Schepers传感器算法,为通过流量比例灌溉系统与变量灌溉中心支轴系统相结合的方式实施多轮季节性变量施肥提供指导。2023年和2024年期间,该框架在四个不同氮肥施用水平(0-N、低氮、施肥、全氮)和三种灌溉处理方式(全量灌溉、缺水灌溉50%BMP、雨养)的田间试验中得到了应用。归一化差分红边指数衍生的充足度指数值用于确定氮肥的施用量、施用时间以及空间分布。2024年,基于PlanetScope数据的施肥处理所获得的产量与全氮处理相当,同时氮肥总投入减少了23%。氮素利用效率也有显著提升,施肥处理的农艺效率比全氮处理高12%,氮素部分因子生产率则高26%。卫星数据衍生的充足度指数值与MicaSense Altum和RedEdge-3传感器所获取的无人机数据高度相关(相关系数为0.82–0.95)。不过,与无人机数据相比,PlanetScope数据对归一化差分红边指数的估算值往往偏高,尤其是在氮素不足的情况下,这凸显出进行本地校准和偏差修正的必要性。为提高诊断的准确性,本研究还开发了一种基于生物学原理的规则型胁迫分类框架,以归一化差分红边指数和土壤水分消耗量为诊断变量,区分氮素胁迫与水分胁迫。通过回顾性分析产量和管理数据,确定了在关键的季节性施肥期(V10–R2阶段)具有生理学意义的归一化差分红边指数–土壤水分消耗量阈值。在归一化差分红边指数为0.78、土壤水分消耗量为64毫米时,全产量地块的产量可达约12,000公斤/公顷。这些归一化差分红边指数–土壤水分消耗量–产量之间的关系表明,在商业化种植条件下区分不同类型的胁迫是可行的。不过,还需要在不同季节和不同环境中进行进一步验证,同时引入冠层水分或温度指标,以提高水分胁迫的检测能力,实现实时决策。总体而言,这些研究结果为商业化规模上的卫星引导施肥提供了可操作的指导。所开发的框架能够提供可扩展的、基于数据的氮肥施用建议,有助于提升盈利能力,同时实现环境友好的玉米种植。此外,它也为未来将卫星遥感技术转化为针对特定地块的氮素管理实用工具的研究和推广工作提供了参考。引言在商业化玉米种植中,高效的氮素管理始终是一个重要课题。虽然氮肥施用量增加通常会提高玉米产量(Cai等人,2019;Stone等人,2010),但随着氮肥施用量的增加,氮素利用效率却会下降(Ferguson,2015;Irmak和Mohammed,2024;Wortmann等人,2011)。如何在提高产量的同时减少投入浪费和环境影响,这一矛盾至今仍未解决,尽管相关研究已持续数十年(Cassman等人,2003)。为了防止潜在的产量损失,农民们常常过量施用氮肥作为“保险”(Cai等人,2019),但实际上,仅有不到一半的施用氮肥能够最终体现在玉米产量中(Cassman等人,2002;Omara等人,2019)。其余的氮肥则通过淋溶、挥发或反硝化作用流失,导致地下水硝酸盐污染、空气质量恶化以及温室气体排放。这类损失往往超过饮用水的监管标准(Dubrovsky等人,2010),这凸显出亟需找到能够在不降低产量的前提下提高氮素利用效率的管理策略。遥感技术作为一种有效的诊断工具,已被用于监测作物的氮素状况,并为季节性管理提供指导(Cai等人,2019;Cross,2023;Duan等人,2024)。随着光谱感应和反演技术的进步,现在可以通过量化叶绿素含量、生物量以及叶面积指数等冠层特征,来检测作物对胁迫的生理反应,包括氮素缺乏现象(Berger等人,2022)。在各种植被指数中,归一化差分红边指数被证明尤其有效,它是一种无需破坏作物即可检测冠层叶绿素含量的指标,对该指标的变化十分敏感,且与作物的氮素状况密切相关(Teten,2021;Thompson和Puntel,2020)。将归一化差分红边指数值与高氮含量对照区的数据进行对比,就可以得出充足度指数,这一指标具有生物学意义,可用于评估作物的氮素状况(Holland和Schepers,2013;Holland和Schepers,2010)。近年来,越来越多的研究致力于将基于充足度指数的氮素诊断方法应用于田间实际生产。Bausch & Khosla(2010)的早期研究表明,QuickBird多光谱数据能够生成可靠的灌溉玉米田氮素充足度地图,其结果与地面Exotech传感器测量的数据高度一致。不过,该卫星已于2015年停止运行,而且当时它无法频繁获取高质量的低角度观测图像,这限制了及时进行季节性监测。而像PlanetScope这样的立方星星座的出现,由于具备较高的重访频率和精细的空间分辨率,大大降低了上述限制,从而提升了卫星引导氮素管理的可行性。Cai等人(2019)发现,立方星与无人机获取的植被指数在不同氮肥处理组之间的相关性很高(相关系数大于0.9),这证明了立方星在季节性胁迫检测方面的可靠性,同时也凸显了无人机作为高分辨率基准数据的价值。在此基础上,Johansen等人(2022)进一步整合了立方星、Sentinel-2以及Landsat-8卫星的图像数据,生成了每日更新的、经过辐射校正的3米分辨率叶面积指数时间序列,成功掌握了灌溉和雨养条件下的玉米物候期及田间差异。从研究走向实践,Mizuta等人(2022)在明尼苏达州和印第安纳州的农户管理的玉米田中测试了基于PlanetScope的精准氮素管理框架。他们采用校准带和立方星获取的归一化差分红边指数图像,不仅提高了产量和盈利能力,还减少了氮肥总投入,提升了氮素部分因子生产率。类似地,Cummings等人(2021)发现,无人机、航空遥感以及PlanetScope获取的氮肥施用建议在多个商业化玉米田中具有较高的一致性,不同地块的最佳氮肥施用量在各个平台之间的差异通常在±10公斤/公顷以内。他们还发现,图像获取的时间比空间分辨率更为重要,这体现了立方星数据在及时制定氮肥施用决策方面的价值。综上所述,这些研究都表明,现代立方星图像具备足够的分辨率、重访频率以及诊断精度,足以在商业化规模上指导季节性氮素管理。尽管取得了这些进展,但基于遥感的氮素管理系统在商业化玉米种植中的应用仍然不够广泛。大多数种植者仍然依赖固定施用量的播前施肥方式(Crowther等人,2023;Thompson和Puntel,2020),而实际上,现有的灌溉设施往往可以改造为能够在多个生长季节阶段实施变量施肥的系统(Stone等人,2010)。一个主要的障碍是缺乏简化且标准化的决策支持系统,无法将基于遥感的诊断结果转化为可在田间实际应用的氮肥施用建议。虽然已有不少研究试图填补这一空白,但依然存在诸多挑战。例如Jin等人(2017)提出的模型驱动型决策支持系统,将卫星图像与APSIM模拟模型相结合,用于估算土壤中的氮素动态以及作物的氮素吸收情况。虽然该方法能够以较高的空间分辨率生成追肥建议,但由于依赖于复杂的建模过程和大量的校准工作,可能在商业化生产中的推广力度有限。Dahal等人(2020)则采用k均值聚类算法将归一化植被指数值分为五类,对归一化植被指数较低的区域建议施用更高量的氮肥。然而,这种方法没有考虑水分胁迫的干扰效应,容易导致将受水分限制的区域误判为氮素缺乏区域。Thompson和Puntel(2020)则将无人机获取的反射率数据与简化的Holland–Schepers氮素模型相结合,但他们的方法仅适用于一次中期施肥,且似乎缺乏灵活调整氮肥施用量的能力。即便是一些基于无人机的遥感平台,尽管具备极高的空间分辨率,但也面临着监管限制、覆盖范围有限以及需要复杂的后期处理等问题,这些因素都限制了它们在大规模农业生产中的应用(Zhang和Kovacs,2012)。因此,目前仍然不存在一种透明且经过同行评审的框架,能够全面地将卫星图像应用于商业化条件下的多轮施肥管理。在商业化农业领域,Cross(2023)评估了基于N-Time?传感器以及卫星数据的施肥管理系统的性能,发现其在多个农户管理的玉米田中能够提高氮素利用效率和盈利能力。该系统的底层框架是由Stansell(2021)开发和自动化的,他將无人机获取的归一化差分红边指数图像与充足度指数方法相结合,从而生成多轮施肥建议。N-Time?系统旨在自动化基于传感器的施肥管理分析及决策流程,目前已商业化,可在农户管理的玉米田中结合卫星数据使用。不过,其具体的方法论以及氮肥施用量计算方式尚未在同行评审的文献中得到详细阐述。因此,目前仍需要有关基于卫星技术的季节性氮素管理框架的透明且经过同行评审的指导意见。现有针对特定地块的氮素管理系统的另一个局限性在于其时间上的灵活性不足。大多数系统依赖低高度或中等高度的施肥设备,这就使得氮肥施用只能集中在抽雄前的狭窄时间段内(Cai等人,2019;Holland和Schepers,2010;Maresma等人,2018)。虽然这些方法已经取得了显著进展,但其时间上的限制影响了管理效果,因为现代玉米品种在R1生长阶段之后仍需要吸收其总氮需求量的25%到42%(Thompson和Puntel,2020)。像Hagie STS12这类高高度施肥设备(网址:www.hagie.com)虽然可以将氮肥施用时间延长到生殖期早期,但由于成本和设备供应的限制,其应用仍然较为有限。这就迫切需要能够在整个生长季节内灵活施用氮肥的系统。通过农田灌溉系统施用氮肥的施肥技术正好解决了这一问题,它能够在整个生长季节内实现精确的氮肥施用。当这种施肥技术与配备变量灌溉技术的中心支轴灌溉系统或线性移动灌溉系统相结合时,就能够将基于遥感的诊断结果融入到季节性的多轮氮素管理过程中(Stone等人,2010)。最后,诊断的准确性也是一个需要解决的问题。氮素胁迫和水分胁迫都会导致冠层叶绿素含量下降以及生长受阻,从而产生相似的光谱特征(Lo等人,2019;Tilling等人,2007)。虽然将归一化差分红边指数与基于温度的指标,如作物水分胁迫指数或经过冠层温度调整后的充足度指数相结合,可以提高诊断的准确性,但由于这两者都属于效应变量,将其综合起来解读会更为复杂。此外,温度响应属于滞后型,只有在作物已经出现高温状况时才能反映胁迫情况。因此,需要建立能够将土壤水分状况与归一化差分红边指数相结合的实用框架,从而明确因果关系,提高诊断的可靠性,为商业化农业中的管理决策提供有力支持。为了解决这些问题,我们开发并应用了一种新的框架(见图1),该框架以内布拉斯加大学林肯分校关于估算季节性最佳氮肥施用量的建议公式为基础(公式1),并结合Holland–Schepers传感器算法,用于估算季节性的氮肥施用量(公式4)。该框架通过整合卫星获取的归一化差分红边指数数据、施肥建议图以及实际的氮肥施用记录,为在变量灌溉系统中实现及时施肥提供指导。为进一步提高诊断的准确性,我们还开发了一种基于生物学原理的规则型胁迫分类系统,该系统以归一化差分红边指数和土壤水分消耗量为主要诊断变量,用于区分氮素胁迫与水分胁迫。通过回顾性分析产量和管理数据,我们确定了在关键的V10–R2施肥期具有生理学意义的归一化差分红边指数–土壤水分消耗量阈值。本研究旨在解答以下科学问题:(1)结合Holland–Schepers传感器算法的PlanetScope卫星获取的归一化差分红边指数,是否能够可靠地指导商业化规模上的多轮施肥计划制定?(2)PlanetScope系统的诊断结果与作为季节性氮素管理地面参考标准的高分辨率无人机测量数据相比,一致性如何?(3)一种将归一化差分红边指数与土壤水分数据相结合的规则型框架,是否能够通过区分氮素缺乏与水分胁迫,提高诊断的准确性?研究区域与田间布局本研究于2023年和2024年的生长季节,在内布拉斯加州米德附近的内布拉斯加东部研究、推广和教育中心的一块面积为53公顷、配备变量灌溉系统的试验田中进行。该地区属于湿润大陆性气候,夏季温暖,冬季寒冷且多雪(Peel等人,2007),因此每年只适合种植一季作物。根据内布拉斯加州米德6S站1991–2020年的气候平均值,该地区的平均氮肥施用量和灌溉水量因处理方式和年份的不同而有所差异(见图4a),这反映了种植者为适应环境和具体田间条件而采取的灵活管理措施。2024年的平均氮肥施用量分别为:低氮处理为59.6 ± 4.2公斤/公顷,施肥处理为104.8 ± 9.6公斤/公顷,全氮处理为139.9 ± 1.0公斤/公顷,高氮处理为171.7 ± 2.3公斤/公顷。0-N处理组则不施用氮肥。2023年的氮肥施用量普遍更高:低氮处理组的施用量为96.7 ± 1.7公斤/公顷,施肥处理组的施用量为186.6 ± 5.5公斤/公顷。研究局限性首先,2023年和2024年研究方法上的一个区别在于,2023年没有设置分区试验块,仅使用了西北象限中的一个对照地块。这种设计导致了更高的氮肥施用量,同时也限制了分析田间空间异质性的能力。由于在商业化玉米种植体系中,土壤特性和作物的反应存在很大差异,不设置重复分区试验的设计更有可能掩盖真正的处理效果或夸大表面上的效果。据我们所知,这是首次有同行评审的案例表明,可通过遥感引导的精准施肥技术,将卫星监测结果与安装在变量灌溉系统中的按流量比例调控的施肥装置相结合。这种基于卫星监测的季内精准施肥技术所实现的产量与传统全量施肥法相当,同时能将氮肥使用量减少约23%。此外,该精准施肥技术还能提高氮素利用效率,使农业生产效率提升12%。

作者贡献说明:
Precious N. Amori:写作——审稿与编辑、写作——初稿撰写、可视化、验证、方法论、研究设计、正式分析、概念构建。
Derek M. Heeren:写作——审稿与编辑、监督、概念构建。
Guillermo R. Balboa:写作——审稿与编辑。
Laila A. Puntel:写作——审稿与编辑。
Yeyin Shi:写作——审稿与编辑、资金获取、概念构建。
Daran Rudnick:写作——审稿与编辑。
Joe Luck:写作——审稿与编辑。

资金支持:本研究得到了美国农业部-NIFA/NSF的CPS-Enabled Variable Rate Technology项目资助(资助编号:2021-67021-34417)。

利益冲突声明:作者们声明以下可能被视为潜在利益冲突的财务利益或个人关系:Yeyin Shi表示获得了美国国家食品与农业研究所的财政支持。其他作者则声明没有已知的可能影响本文研究结果的财务利益或个人关系。

致谢:作者们衷心感谢那些为这项研究的开展提供关键支持与协作的人士。我们特别感谢内布拉斯加大学林肯分校生物系统工程系的Alan Boldt先生和David Heeren先生,他们在田间数据收集和技术操作方面给予了大力协助。同时,我们也感谢东内布拉斯加研究、推广和教育中心的Tyler Smith先生、Tyler Frederick先生以及该中心的所有工作人员。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号