• ISSN 1008-505X
  • CN 11-3996/S
Volume 27 Issue 10
Oct.  2021
Article Contents

Citation:

Construction of critical nitrogen concentration model based on canopy coverage and the accuracy in yield prediction of maize

  •   【Objectives】  The critical nitrogen concentration dilution curve of irrigated maize based on canopy coverage was constructed. Then, the nitrogen in maize was assessed by nitrogen nutrient index and nitrogen accumulation deficit model for predicting maize yield.  【Methods】  Field trials with four nitrogen fertilizer rates (0, 120, 240 and 360 kg/hm2) were conducted in Ningxia Yellow River Irrigation Area of China from 2019 to 2020. Water and fertilizer integration technology of drip irrigation was adopted. Nitrogen top-dressing was divided into eight times with irrigation according to the proportion of 10% at seedling stage, 45% at jointing to flare opening stage, 20% at tasseling to silking stage, and 25% at grain-filling stage. Aboveground biomass, plant nitrogen concentration and yield were measured during the critical growth stages of maize, and the empirical model of maize critical nitrogen concentration based on canopy coverage was established and verified.   【Results】  The R2 values of maize critical N concentration, maximum N concentration and minimum N concentration based on canopy coverage were 0.917, 0.843 and 0.873, respectively. RMSE and n-RMSE of critical nitrogen concentration model were 0.242 and 11.753%, respectively. Based on N nutrient index and N accumulation deficit, the optimal N application treatment for maize was 240 kg/hm2. The relationships between N nutrient index, N accumulation deficit and relative yield were strongly significant at different growth stages, with R2 not less than 0.922, and the R2 values were the highest at trumpet and tasseling stages. The independent test results showed that the model performance was stable at the flaring stage and tasseling stage, with R2 value greater than 0.944 and n-RMSE less than 9.089%. At the trumpet stage and tasseling stage, the N nutrient index and N accumulation deficit were significantly correlated with the relative yield, which could accurately explain the change of relative yield under the growth conditions of nitrogen restriction and no nitrogen restriction.  【Conclusions】  The critical nitrogen concentration dilution curve constructed based on the canopy coverage can accurately judge and evaluate the N nutrition status from the jointing stage to the silking stage of maize. The relationship model constructed based on the N nutrition index, N accumulation deficit and relative yield can more accurately predict the yield at the large bell-opening and tasseling stages. This study provides a simple and new method for precise management of nitrogen fertilizer and yield prediction during crop growth.
  • 加载中
  • [1] Greenwood D J, Lemaire G, Gosse G, et al. Decline in percentage N of C3 and C4 crops with increasing plant mass[J]. Annals of Botany, 1990, 66(4): 425–436. doi:  10.1093/oxfordjournals.aob.a088044
    [2] 吕茹洁, 商庆银, 陈乐, 等. 水稻基于临界氮浓度的水稻氮素营养诊断研究[J]. 植物营养与肥料学报, 2018, 24(5): 1396–1405. Lü R J, Shang Q Y, Chen L, et al. Diagnosis of rice N nutrition based on critical N concentration[J]. Journal of Plant Nutrition and Fertilizers, 2018, 24(5): 1396–1405. doi:  10.11674/zwyf.17294
    [3] 石小虎, 蔡焕杰. 基于叶片SPAD估算不同水氮处理下温室番茄氮营养指数[J]. 农业工程学报, 2018, 34(17): 124–134. Shi X H, Cai H J. Estimation of nitrogen nutrition index of tomato in greenhouse under different water and nitrogen treatment based on leaf SPAD[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(17): 124–134.
    [4] 刘秋霞, 任涛, 张亚伟, 等. 华中区域直播冬油菜临界氮浓度稀释曲线的建立与应用[J]. 中国农业科学, 2019, 52(16): 2835–2844. Liu Q X, Ren T, Zhang Y W, et al. Establishment and application of critical nitrogen concentration dilution curve of direct seeding winter rapeseed in central China[J]. Scientia Agricultura Sinica, 2019, 52(16): 2835–2844. doi:  10.3864/j.issn.0578-1752.2019.16.009
    [5] 安志超, 黄玉芳, 汪洋, 等. 不同氮效率夏玉米临界氮浓度稀释模型与氮营养诊断[J]. 植物营养与肥料学报, 2019, 25(1): 123–133. An Z C, Huang Y F, Wang Y, et al. Critical N concentration dilution model and N nutrition diagnosis of summer maize with different N efficiency[J]. Journal of Plant Nutrition and Fertilizers, 2019, 25(1): 123–133. doi:  10.11674/zwyf.18020
    [6] 杜宇笑, 李鑫格, 张羽, 等. 不同产量水平下稻茬小麦的氮素营养指标特征[J]. 植物营养与肥料学报, 2020, 26(8): 1420–1429. Du Y X, Li X G, Zhang Y, et al. Characteristics of nitrogen nutrient index in wheat with rice stubble at different yield levels[J]. Journal of Plant Nutrition and Fertilizers, 2020, 26(8): 1420–1429. doi:  10.11674/zwyf.19498
    [7] 张加康, 李斐, 李跃进, 等. 基于全株生物量和全株氮浓度的马铃薯氮临界浓度稀释模型的构建及验证[J]. 植物营养与肥料学报, 2020, 26(9): 1691–1701. Zhang J K, Li F, Li Y J, et al. Construction and verification of potato nitrogen critical concentration dilution model based on biomass and nitrogen concentration of whole plant[J]. Journal of Plant Nutrition and Fertilizers, 2020, 26(9): 1691–1701. doi:  10.11674/zwyf.20040
    [8] Yao X, Zhao B, Tian Y C, et al. Using leaf dry matter to quantify the critical nitrogen dilution curve for winter wheat cultivated in eastern China[J]. Field Crops Research, 2014, 159: 33–42. doi:  10.1016/j.fcr.2013.12.007
    [9] Zhao B, Ata-Ul-Karim S T, Liu Z D, et al. Development of a critical nitrogen dilution curve based on leaf dry matter for summer maize[J]. Field Crops Research, 2017, 208: 60–68. doi:  10.1016/j.fcr.2017.03.010
    [10] Yao X, Ata-Ul-Karim S T, Zhu Y, et al. Development of critical nitrogen dilution curve in rice based on leaf dry matter[J]. European Journal of Agronomy, 2014, 55: 20–28. doi:  10.1016/j.eja.2013.12.004
    [11] Zhao B, Yao X, Tian Y C, et al. New critical nitrogen curve based on leaf area index for winter wheat[J]. Agronomy Journal, 2014, 106(2): 379–383. doi:  10.2134/agronj2013.0213
    [12] Ata-Ul-Karim S T, Zhu Y, Yao X, et al. Determination of critical nitrogen dilution curve based on leaf area index in rice[J]. Field Crops Research, 2014, 167: 76–85. doi:  10.1016/j.fcr.2014.07.010
    [13] Zhao B, Ata-Ul-Karim S T, Duan A W, et al. Determination of critical nitrogen concentration and dilution curve based on leaf area index for summer maize[J]. Field Crops Research, 2018, 228: 195–203. doi:  10.1016/j.fcr.2018.09.005
    [14] Lemaire G, Marie-Hélène J, Grancois F. Diagnosis tool for plant and crop N status in vegetative stage: Theory and practices for crop N management[J]. European Journal of Agronomy, 2008, 28(4): 614–624. doi:  10.1016/j.eja.2008.01.005
    [15] 张智韬, 许崇豪, 谭丞轩, 等. 覆盖度对无人机热红外遥感反演玉米土壤含水率的影响[J]. 农业机械学报, 2019, 50(8): 213–225. Zhang Z T, Xu C H, Tan C X, et al. Influence of coverage on soil moisture content of maize by UAV thermal infrared remote sensing[J]. Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(8): 213–225. doi:  10.6041/j.issn.1000-1298.2019.08.023
    [16] 贾彪, 贺正. 基于手机图像反演的滴灌玉米光响应曲线特征参数研究[J]. 农业机械学报, 2019, 50(7): 229–236. Jia B, He Z. Study on characteristic parameters of light response curve of drip irrigation maize based on mobile phone image inversion[J]. Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(7): 229–236. doi:  10.6041/j.issn.1000-1298.2019.07.025
    [17] Wang Y, Wang D, Zhang G, et al. Estimating nitrogen status of rice using the image segmentation of G–R thresholding method[J]. Field Crops Research, 2013, 149: 33–39.
    [18] Wang Y, Shi P H, Zhang G, et al. A critical nitrogen dilution curve for japonica rice based on canopy images[J]. Field Crops Research, 2016, 198: 93–100. doi:  10.1016/j.fcr.2016.08.032
    [19] 魏全全, 李岚涛, 任涛, 等. 基于数字图像技术的冬油菜氮素营养诊断[J]. 中国农业科学, 2015, 48(19): 3877–3886. Wei Q Q, Li L T, Ren T, et al. Nitrogen nutrition diagnosis of winter rape based on digital image technology[J]. Scientia Agricultura Sinica, 2015, 48(19): 3877–3886. doi:  10.3864/j.issn.0578-1752.2015.19.010
    [20] 李岚涛, 张萌, 任涛, 等. 应用数字图像技术进行水稻氮素营养诊断[J]. 植物营养与肥料学报, 2015, 21(1): 259–268. Li L T, Zhang M, Ren T, et al. Diagnosis of nitrogen nutrition in rice by digital image technology[J]. Journal of Plant Nutrition and Fertilizers, 2015, 21(1): 259–268. doi:  10.11674/zwyf.2015.0129
    [21] Justes E, Mary B, Meynard J M. Determination of a critical nitrogen dilution curve for winter wheat crops[J]. Annals of Botany, 1994, 74(4): 397–407. doi:  10.1006/anbo.1994.1133
    [22] Jamieson P D, Porter J R, Wilson D R. A test of the computer simulation model ARCWHEAT1 on wheat crops grown in New Zealand[J]. Field Crops Research, 1991, 27(4): 337–350. doi:  10.1016/0378-4290(91)90040-3
    [23] 史培华, 王远, 袁政奇, 等. 基于冠层RGB图像的冬小麦氮素营养指标监测[J]. 南京农业大学学报, 2020, 43(5): 829–837. Shi P H, Wang Y, Yuan Z Q, et al. Monitoring of nitrogen nutrition in winter wheat based on canopy RGB images[J]. Journal of Nanjing Agricultural University, 2020, 43(5): 829–837. doi:  10.7685/jnau.202001020
    [24] Gayler S, Wang E, Priesack E, et al. Modeling biomass growth, N–uptake and phenological development of potato crop[J]. Geoderma, 2002, 105: 367–383. doi:  10.1016/S0016-7061(01)00113-6
    [25] Meng Q F, Yue S C, Hou P, et al. Improving yield and nitrogen use efficiency simultaneously for maize and wheat in China: A review[J]. Pedosphere, 2016, 26(2): 137–147. doi:  10.1016/S1002-0160(15)60030-3
    [26] 陈曦, 白倩倩, 史桂清, 等. 氮磷钾配施对超高产夏玉米养分吸收和产量性状的影响[J]. 中国农学通报, 2019, 35(10): 7–14. Chen X, Bai Q Q, Shi G Q, et al. Effects of nitrogen, phosphorus and potassium combined application on nutrient uptake and yield traits of super high yield summer maize[J]. Chinese Agricultural Science Bulletin, 2019, 35(10): 7–14. doi:  10.11924/j.issn.1000-6850.casb17120070
  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(7) / Tables(4)

Article Metrics

Article views(298) PDF downloads(33) Cited by()

Related
Proportional views

Construction of critical nitrogen concentration model based on canopy coverage and the accuracy in yield prediction of maize

    Corresponding author: JIA Biao, jiabiao2008@163.com
  • 1. School of Agriculture, Ningxia University, Yinchuan, Ningxia 750021, China
  • 2. Pingliang Academy of Agricultural Sciences, Pingliang, Gansu 744000, China

Abstract:   【Objectives】  The critical nitrogen concentration dilution curve of irrigated maize based on canopy coverage was constructed. Then, the nitrogen in maize was assessed by nitrogen nutrient index and nitrogen accumulation deficit model for predicting maize yield.  【Methods】  Field trials with four nitrogen fertilizer rates (0, 120, 240 and 360 kg/hm2) were conducted in Ningxia Yellow River Irrigation Area of China from 2019 to 2020. Water and fertilizer integration technology of drip irrigation was adopted. Nitrogen top-dressing was divided into eight times with irrigation according to the proportion of 10% at seedling stage, 45% at jointing to flare opening stage, 20% at tasseling to silking stage, and 25% at grain-filling stage. Aboveground biomass, plant nitrogen concentration and yield were measured during the critical growth stages of maize, and the empirical model of maize critical nitrogen concentration based on canopy coverage was established and verified.   【Results】  The R2 values of maize critical N concentration, maximum N concentration and minimum N concentration based on canopy coverage were 0.917, 0.843 and 0.873, respectively. RMSE and n-RMSE of critical nitrogen concentration model were 0.242 and 11.753%, respectively. Based on N nutrient index and N accumulation deficit, the optimal N application treatment for maize was 240 kg/hm2. The relationships between N nutrient index, N accumulation deficit and relative yield were strongly significant at different growth stages, with R2 not less than 0.922, and the R2 values were the highest at trumpet and tasseling stages. The independent test results showed that the model performance was stable at the flaring stage and tasseling stage, with R2 value greater than 0.944 and n-RMSE less than 9.089%. At the trumpet stage and tasseling stage, the N nutrient index and N accumulation deficit were significantly correlated with the relative yield, which could accurately explain the change of relative yield under the growth conditions of nitrogen restriction and no nitrogen restriction.  【Conclusions】  The critical nitrogen concentration dilution curve constructed based on the canopy coverage can accurately judge and evaluate the N nutrition status from the jointing stage to the silking stage of maize. The relationship model constructed based on the N nutrition index, N accumulation deficit and relative yield can more accurately predict the yield at the large bell-opening and tasseling stages. This study provides a simple and new method for precise management of nitrogen fertilizer and yield prediction during crop growth.

    HTML

  • 作物临界氮浓度(critical nitrogen concentration, Nc)被定义为获得作物最大生长所需的最小氮浓度[1],可用于估算农作物对氮肥的需求,以获得可靠的施肥策略。近年来,国内外诸多学者相继构建了基于地上部生物量[1-7]、各器官干物质[8-10]、叶面积指数[11-13]等农学参数的作物临界氮浓度模型,其主要作物包括水稻[2,10,12]、番茄[3]、油菜[4]、玉米[5,9,13]、马铃薯[7]和小麦[6,8,11]等,这些模型很好地预测了所在研究区域作物的氮含量,但由于模型参数受品种差异和环境条件的影响,故需构建不同作物在不同生长状况下的临界氮浓度模型。在作物生长季节,使用农学参数构建的Nc曲线需要实际测定干物质量和氮浓度数据,实际生产中推广应用难度大[14]。冠层覆盖度定义为作物冠层的垂直数字化投影所覆盖的土地比例[15],既能反映作物整个生长期内的动态变化,又能间接说明作物的蒸腾和光合作用[16]。研究表明,植株群体冠层覆盖度随着作物氮素施用量的增加先增加[17],氮肥供应量达到一定界限后,冠层覆盖度不再增加而是趋于平稳状态,且冠层覆盖度和植株氮浓度的关系可以用异速函数来描述[17]。根据这一思路,前人在长江中下游平原建立了基于水稻冠层覆盖度的临界氮浓度模型[18]。而运用冠层覆盖度参数构建玉米临界氮浓度模型的研究尚未见报道,尤其在水肥一体化条件下暂未构建其模型。本研究利用单反数码相机获取不同施氮处理玉米冠层动态图像,建立基于冠层覆盖度的玉米临界氮浓度稀释曲线,并与其农学参数模型进行比较,评估诊断氮营养状况的可靠性,同时构建玉米不同生长阶段籽粒产量与氮营养指数、氮累积亏缺量之间关系,并根据临界氮浓度稀释曲线建立覆膜滴灌玉米产量潜力预测模型,为宁夏引黄灌区覆膜滴灌玉米氮肥精准管理和产量估计提供一种有效的方法。

  • 1.   材料与方法

      1.1.   研究区概况

    • 本研究于2019—2020年的4—9月分别在宁夏农垦平吉堡农场(E106°0′22′′,N38°26′10′′)和宁夏原种场(E106°23′12′′,N38°35′23′′)进行,海拔为1155 m,前茬作物均为玉米。试验田初始土壤理化性质详见表1。2019和2020年玉米生长季日平均温度分别在9.5℃~28.5℃和11.0℃~27.5℃范围变化,降水总量分别为203.4、223.6 mm (图1)。

      年份
      Year
      地点
      Site
      pH有机质
      Organic matter
      (g/kg)
      全氮
      Total N
      (g/kg)
      全磷
      Total P
      (g/kg)
      碱解氮
      Avail. N
      (mg/kg)
      速效磷
      Avail. P
      (mg/kg)
      速效钾
      Avail. K
      (mg/kg)
      2019平吉堡农场
      Pingjibao farm
      8.1216.710.780.4436.6414.36115.32
      2020宁夏原种场
      Ningxia breeding farm
      8.9412.970.800.6742.9219.27123.66

      Table 1.  Soil physical and chemical properties in 0–20 cm layer

      Figure 1.  Average daily temperature and precipitation in the growing season of maize in 2019 and 2020

    • 1.2.   试验设计

    • 玉米品种均为中晚熟杂交种‘宁吉198’,试验设 0、120、240、360 kg/hm2 4个施氮水平,分别记为 N0、N120、N240、N360。试验小区长15 m、宽3.3 m,面积为49.5 m2,随机区组排列,3次重复,株距20 cm,种植密度为 9万株/hm2。采用宽窄行膜下滴灌栽培模式(宽行为70 cm、窄行为 40 cm)。玉米全生育期采用水肥一体化滴灌施肥技术。滴灌带布设在窄行中间,即一条滴灌带控制 2 行玉米。滴灌带滴头间距为 30 cm,滴头流量 2.5 L/h,滴头工作压力0.1 MPa,为保证灌水与施肥的均匀性,采用横向供水方式。灌水总量为290 mm,苗期、拔节—大喇叭口期、抽雄—吐丝期、灌浆期和成熟期灌水量分别为20、60、100、90和20 mm,灌水次数分别为1、3、2、3、1次。供试氮肥为尿素(总氮≥46.4%),磷肥为磷酸一铵(P含量≥61%、氮含量≥12%),钾肥为硫酸钾(K2O含量≥52%),均为水溶性肥料。整个生育期共施肥 8 次,分别为苗期1次、拔节—大喇叭口期3次、抽雄—吐丝期1次、灌浆期3次,每次施肥量占总施肥量的比例分别为苗期10%、拔节期—大喇叭口期45%、抽雄—吐丝期20%和灌浆期25%。磷钾肥均为常规用量,分别为138、120 kg/hm2,也是分次随水施入。生物降解膜主要成分为聚乳酸(polylactic acid, PLA),由宁夏中原塑业科技有限公司生产,膜宽均为80 cm、厚度0.012 mm。2019年4月22日播种,9月18日收获。2020年4月27日播种,9月15日收获。

    • 1.3.   农学参数获取

    • 在玉米四叶期(V4)、拔节期(V6)、小喇叭口期(V9)、大喇叭口期(V12)、抽雄期(VT)、吐丝期(R1)和成熟期(R6),每个小区分别选取长势一致的玉米3株,带回实验室采用干燥法对各器官干物质量进行测定,将各处理干样粉碎、研磨和过筛,采用微量凯氏定氮法测定各器官全氮含量。植株氮浓度(%)=植株氮累积量(kg/hm2)/植株干物质量(kg/hm2)。

      玉米收获期在考虑边际效应的情况下,每试验小区随机选取植株完整的3个长方形地块(4 m×2.2 m),调查取样面积内的总株数、穗数、空秆数、倒伏数、实际株数、总穗数,并实际收获计产。然后每试验小区随机选取10个果穗带回实验室自然风干,人工脱粒考种测定百粒重等指标,最后玉米籽粒折合14%的含水量进行产量计算。相对产量是将各施氮处理籽粒实际产量除以所有施氮处理产量的最大值计算所得。

    • 1.4.   冠层图像参数获取及提取过程

    • 玉米植株冠层图像获取时间与农学参数基础数据同步。采用佳能(Canon) EOS 6D Mark II单反相机,每个试验小区定位4行长势均匀的区域进行拍摄,相机固定于自制的铝合金三脚支架上垂直向下,相机高度固定在距离冠层顶部1 m的位置,三脚架安置在70 cm的宽行玉米中间。每个小区定点获取5张图片,每个氮肥处理共计15张图像,每个生育时期可获取共60张图像。数字图像采集过程中难免会受到气象因素和环境条件的影响。为此,本研究选取在太阳光照相对比较稳定的中午时间段(11:00—12:00)对玉米关键生育时期的冠层图像进行拍摄[19-20]。由于图像采集是对玉米生育时期进行动态监测,故对相机参数设置了统一标准,拍摄模式为光圈优先自动曝光,光圈大小为F8,ISO感光度为100,曝光时间为2s,图像分辨率为4160×2768,图片格式为JPEG。

      将数码相机获取的图片传送至笔记本电脑,使用MATLAB编写代码开发的数字图像识别系统,将玉米冠层图像(图2a)分割为冠层和土壤层2层,提取去除土壤背景图像的R、G、B值和H、I、S值(图2b),运用数字图像识别系统软件将玉米图像分割为光照冠层(绿)、阴影土壤层(暗绿)、阴影冠层(蓝)和土壤背景层(黑) 4层(图2c),并显示图片提取冠层覆盖度结果(图2d)。

      Figure 2.  Extraction of normalized canopy cover factor of maize

    • 1.5.   临界氮浓度模型构建

    • 根据Justes等[21]提出的Nc计算方法,结合国内外众多学者针对玉米作物的建模思路[5,9,13],本研究建模步骤为:1)采用统计分析方法对不同施氮处理下的玉米冠层覆盖度进行方差分析,将其分为氮素限制处理和非氮素限制处理两类,其氮素限制处理是指增施氮肥导致冠层覆盖度显著增加的处理,非氮素限制处理定义为增施氮肥不会导致冠层覆盖度的增加,然而器官氮浓度将显著增加的处理;2)对于玉米生长受氮素影响的氮素水平,将其冠层覆盖度与对应的氮浓度值进行线性拟合;3)对于玉米生长不受氮素影响的氮素水平,其冠层覆盖度的均值代表最大冠层覆盖度;4)采样日的临界氮浓度值由以上线性曲线与以最大冠层覆盖度为横坐标的垂线的交点的纵坐标决定。覆膜滴灌玉米临界氮浓度模型可以描述为:

      式中,Nc代表临界氮浓度值(%);CC代表冠层覆盖度的最大值;ab均为模型的参数;a 代表玉米地上部单位生物量的临界氮浓度值;b 为控制临界氮浓度稀释曲线斜率的统计参数。

    • 1.6.   模型验证

    • 本研究中选取施氮量最多的N360处理来建立最大氮浓度稀释曲线(Nmax),选取无氮肥施入的N0处理建立最小氮浓度稀释曲线(Nmin)[9-13]。采用国际通用的方法均方根误差RMSE (root mean square error)和标准化均方根误差(n-RMSE)来验证模型的精度[21],并用模拟值与观测值的 1∶1 线来直观显示模型的拟合度和可靠性。

      式中,Mi、Si分别为临界氮实测值和模拟值;n为样本量;A为实测数据的平均值。参照Jamieson等[22]提出的标准来衡量模型稳定性,n-RMSE < 10%,模型稳定性极好;10%≤n-RMSE < 20%,模型稳定性较好;20%≤n-RMSE < 30%,模型稳定性一般;n-RMSE > 30%,模型稳定性较差。

    • 1.7.   玉米氮营养指数、氮累积亏缺量推导

    • 基于Nc模型,分别推算了玉米不同生长阶段氮营养指数(nitrogen nutrition index, NNI)和氮累积亏缺量(nitrogen accumulated deficit, NAD)[9-13],其模型表达式、参数说明、评价标准详见表2

      氮参数
      N parameter
      方程式
      Equation
      参数说明
      Parameter specification
      评价标准
      Evaluation criterion
      氮营养指数
      Nitrogen nutrition index
      (NNI)
      NNI=Na/NcNa,实测氮浓度 Measured N content (%)
      Nc,临界氮浓度 Critical N concentration (%)
      NNI<1,氮素不足 N deficit
      NNI=1,氮素适量 N moderate
      NNI>1,氮素过剩 N excess
      氮累积亏缺量
      Nitrogen accumulative deficit (NAD)
      NAD=Ncna−NnaNcna,临界氮浓度下植株氮积累量 (kg/hm2)
      Plant N accumulation under critical N concentration
      Nna,植株实际氮素积累量 (kg/hm2)
      Actual N accumulation in plant
      NAD=0,氮素最佳 N optimum
      NAD>0,氮素不足 N deficit
      NAD<0,氮素剩余 N excess

      Table 2.  Nitrogen diagnostic parameters derived from the Nc model

    • 1.8.   产量模型的建立和验证

    • 利用2019年试验数据建立回归模型,进行籽粒产量预测;利用2020年试验数据对模型进行验证。利用决定系数R2RMSEn-RMSE检验NNI与相对产量(relative yield, RY)、NAD与RY之间的回归模型拟合度,R2的最高值、RMSEn-RMSE的最低值表示模型预测玉米产量潜力的精度和准确性。

    • 1.9.   数据统计与分析

    • 采用Microsoft Excel 2010进行数据整理和分析,采用SPSS Statistics 22.0对不同施氮处理下的冠层覆盖度进行单因素方差分析,采用最小显著性差异(LSD)检验处理间的显著性(P < 0.05);采用Origin 2018软件进行绘图。采用2019年获得试验数据构建玉米Nc稀释曲线,利用2020年获得试验数据验证Nc稀释曲线。

    2.   结果与分析

      2.1.   玉米冠层覆盖度和植株氮浓度动态变化规律

    • 图3所示,施氮肥显著提高玉米冠层覆盖度(canopy coverage, CC)和植株氮浓度(plant nitrogen concentration, PNC)。不同施氮处理下,玉米生长期PNC随着生育进程的推进和CC的逐渐增加呈下降趋势,说明存在氮稀释现象。玉米四叶期至吐丝期,植株叶片面积不断增大,群体生物量快速积累,自身遮荫程度显著加剧,导致CC在吐丝期达到饱和状态。两年玉米生长季CC在0.12~0.85范围内变化,而PNC的变化范围为0.85%~3.32%。从整个生育期来看,2019年N240和N360处理间CC差异不显著,但显著大于N0和N120处理,2020年表现出类似的趋势。由此可见,一定范围内增加施氮量有显著增加CC的效应,而施氮量增加到一定量(240 kg/hm2)再继续增加施氮量时,CC在统计学上趋于无显著差异。

      Figure 3.  Changes of maize canopy coverage and plant nitrogen concentration under different N fertilizer rates in 2019–2020

    • 2.2.   基于冠层覆盖度的临界氮稀释曲线建立及验证

    • 2019年获取的30组试验数据中,冠层覆盖度(CC)的变化范围为0.143~0.828,相对应的植株氮浓度(PNC)变化范围为3.32%~1.45%。依据前人针对地上部生物量、叶片干物质量和叶面积指数的模型构建数据筛选规则,本研究筛选出适宜模型构建的CC介于0.324~0.828,其相对应的PNC变化范围在3.051~2.243。由于玉米四叶期获取的冠层图像提取的CC值较小,在0.143~0.276,导致CC和PNC之间无显著关系,故在这一取样时期无法进行回归分析拟合。基于不同部位器官干物质还是基于图像特征参数CC建立的稀释曲线模型,在干物质或CC值较小的变化范围内都不适合回归分析。在玉米生长前期,叶片数量少,通风透光且遮蔽程度低,生物量积累速率慢,导致PNC下降较慢,则此取样时期采用固定植株氮浓度常数代替[9-13]。Nc常数为受氮素制约组的最小氮浓度(3.06%)和不受氮素制约组的最大氮浓度(3.32%)的平均值[9-13]。经计算玉米四叶期植株氮浓度常数为3.19%,对应的CC为0.32。

      本研究中利用拔节期至吐丝期的数据构建了基于CC的临界氮稀释模型(图4)。因此,基于CC构建的玉米Nc稀释曲线完整模型由两部分组成,具体可用公式(4)来描述。

      Figure 4.  Determination of critical nitrogen concentration model based on canopy coverage of maize

      由于施氮量不同,PNC存在很大的变异性。因此,基于冠层覆盖度(CC)构建了最大(Nmax)和最小(Nmin)氮浓度极限曲线(图4)。Nmax和Nmin曲线方程分别为式(5)和(6)。

      利用2020年获取的独立试验资料对受氮素限制和不受氮素限制条件下的数据集进行了区分检验(图5)。结果表明,构建的临界氮稀释曲线很好的区分了受氮素限制和不受氮素限制生长条件下的数据点。总体来说,受氮素限制生长条件下的数据点均接近或低于Nc稀释曲线,而不受氮素限制生长条件下的数据点均接近或高于Nc稀释曲线(图5a)。根据公式(2)和(3)分别求得RMSE=0.242,n-RMSE=11.753%,得出模型稳定度极好(图5b)。说明基于CC构建的Nc稀释曲线模型可用于覆膜滴灌玉米氮营养诊断。

      Figure 5.  Validation of critical nitrogen concentration model based on canopy coverage of maize

    • 2.3.   氮营养指数和氮累积亏缺量动态变化

    • 图6所示,随着施氮水平的提高,氮营养指数(NNI)不断增加,氮累积亏缺量(NAD)不断下降。两年玉米拔节期至吐丝期的NNI和NAD分别在0.567~1.103、–6.997~31.085范围变化。在整个生育期内,N0和N120处理NNI和NAD均分别小于 1和大于0,表明植株氮浓度偏低,氮营养亏缺,玉米植株的生长受氮肥的限制;N360处理NNI和NAD均分别大于1和小于0,表明玉米植株存在氮奢侈消费现象,即过多的氮储存于植株体内造成氮营养过盛,使玉米的生长受到氮肥的抑制;N240处理NNI和NAD均分别在1或0附近变化,表明适宜的氮营养指数可以满足玉米植株生长的基本营养需求,促进玉米正常生长。

      Figure 6.  Changes of N nutrition index (NNI) and N accumulated deficit (NAD) based on canopy coverage of maize

    • 2.4.   氮营养指数和氮累积亏缺量与相对产量的关系

    • 利用2019年数据,建立NNI、NAD与相对产量(RY)关系(图7),在玉米不同生长阶段,NNI、NAD与RY表现为线性加平台的关系,RY可表达为各生长阶段NNI和NAD的函数。RY与NNI、NAD的关系在拔节期(V6)、小喇叭口期(V9)、大喇叭口期(V12)、抽雄期(VT)和吐丝期(R1)均呈极显著相关,R2值均大于等于0.927和0.922。其中在大喇叭口期、抽雄期的相关性最显著,NNI-RY关系的R2值分别为0.975、0.974,NAD-RY关系的R2值分别为0.973、0.989。在V12、VT的极显著稳定关系准确地解释了氮素限制和非氮素限制生长条件下RY的变化。因此,V12和VT两个生育时期可作为玉米产量预测模型构建的最佳时期。

      Figure 7.  Relationships between relative grain yield and N nutrition index (NNI) and accumulated N deficit (NAD) at different growing stages of maize

    • 2.5.   模型验证及产量估测

    • 利用2020年独立试验数据对NNI、NAD与RY之间的关系模型进行验证。由表3可知,NNI与RY关系的均方根误差(RMSE)值变化范围为0.075~0.177,标准化均方根误差(n-RMSE)值变化范围为8.395~20.187,R2范围为0.736~0.947;NAD与RY关系的RMSE值变化范围为0.043~0.200,n-RMSE值变化范围为5.478~18.152,R2范围为0.865~0.967。NNI和NAD与RY之间的关系在大喇叭口期和抽雄期的RMSEn-RMSE值较小,表明实测值与模拟值偏差范围小,预测值的准确性较高。而在拔节期、小喇叭口期和吐丝期也观察到较低的R2值,但是RMSEn-RMSE值均高于大喇叭口期和抽雄期。相比之下,在大喇叭口期和抽雄期NNI和NAD与RY关系模型的精确度更高,因此,对V12和VT 两个时期建立相对产量模型(表4)。

      氮素诊断指标
      N diagnostic index
      参数
      Parameter
      拔节期
      V6
      小喇叭口期
      V9
      大喇叭口期
      V12
      抽雄期
      VT
      吐丝期
      R1
      氮营养指数
      NNI
      RMSE0.1150.0900.0750.0810.177
      n-RMSE13.54810.1798.3959.08920.187
      R20.7360.8890.9470.9440.859
      氮累积亏缺量
      NAD
      RMSE0.2000.0680.0430.0580.062
      n-RMSE18.1527.2585.4786.3606.511
      R20.8650.9400.9670.9470.944

      Table 3.  Prediction accuracy of relative yield of models established by nitrogen nutrient index (NNI) and nitrogen cumulative deficit (NAD) at different growing stages

      氮素诊断指标
      Nitrogen diagnostic index
      生育时期
      Growth stage
      回归方程
      Regression equation
      R2
      氮营养指数
      NNI
      V12RY=−0.189+1.235NNI (NNI<0.96);RY=1 (NNI≥0.96)0.963
      VTRY=−0.213+1.251NNI (NNI<0.97);RY=1 (NNI≥0.97)0.969
      V12+VTRY=−0.196+1.243NNI (NNI<0.96);RY=1 (NNI≥0.96)0.968
      氮累积亏缺量
      NAD
      V12RY=1.158–0.030NAD (NAD≥5.26);RY=1 (NAD<5.26)0.936
      VTRY=1.186–0.026NAD (NAD≥7.22);RY=1 (NAD<7.22)0.952
      V12+VTRY=1.175–0.029NAD (NAD≥5.92);RY=1 (NAD<5.92)0.885
      注(Note):氮营养指数、氮累积亏缺量与相对产量的关系符合线性+平台模型,为此分成了 2 段来拟合 The relationship of NNI and NAD with relative yield was fitted by linear (expressed by regression equation) and constant (RY=1).

      Table 4.  The relationship between relative yield (RY) and nitrogen nutrient index (NNI) and cumulative nitrogen deficit (NAD) during the large bell-opening and tasseling stages

      利用2019—2020年获得的试验数据进行汇总,建立基于CC推算的NNI和NAD与RY之间关系的最终产量预测模型(表4)。利用NNI和NAD预测的籽粒产量模型的R2均大于等于0.885,说明在当前试验条件下,NNI、NAD与RY之间都有较强的相关性。

    3.   讨论
    • 基于数码相机影像相关图像参数与作物生长指标之间有不同的相关性,可为作物生长田间指标的实时监测与获取提供有效的参考手段[23]。本研究利用数码相机获取的玉米冠层覆盖度(CC)在吐丝期出现了饱和现象(图3),主要是由于玉米生长前中期群体叶面积增长速度快,绿叶面积快速增加,与作物生长发育时间呈直线增加趋势,而玉米生长后期田间郁闭现象明显,通风透光性差,冠层结构大,导致植株下部的叶片开始衰老死亡,退绿和黄化现象缓慢加剧,绿叶面积迅速减少,CC开始逐渐下降。同时,作物植株体内的氮浓度随着生物量和CC的不断增加而下降,说明有氮稀释现象存在,为构建植株临界氮浓度稀释曲线模型奠定了基础[1]。为此,本研究基于CC建立并验证了玉米的植株临界氮浓度模型,与前人基于地上部生物量(AGB)等不同生长指标的植株临界氮浓度模型的研究结果相比[5],本研究模型参数a值较低,b值较高,说明同一作物的植株临界氮浓度模型的参数并不同,主要是由于CC的取值范围为0~1,而CC的上升和下降主要与作物冠层的颜色有关,植株氮浓度的高低往往导致冠层颜色的不同,从而造成不同的CC值。本研究进一步构建了氮素稀释边界模型(Nmax和Nmin)来探索膜下滴灌玉米生长发育所需的最小植株氮含量,以及最大的植株贮氮能力。Nmax曲线代表玉米植株最大的氮累积能力,它是由与生长直接或间接相关的氮代谢机制调节的[24]。本研究确定的Nmax值可能低于实际值[图5和式(5)],因为玉米生育后期土壤中氮素逐渐消耗以及降雨引起的氮淋失现象,导致玉米植株的氮吸收量减小。除此之外,本试验设置的氮素水平,尤其是高氮处理,尚不足以使PNC达到极限值。本研究确定的Nmax曲线表明,N360处理氮积累量过高,过多的氮储存在植株中,造成氮奢侈吸收。当PNC高于Nc稀释曲线时,再增加施氮量,CC基本维持在统计学意义上相等的范围内。对于Nc曲线以上的区域,植株氮吸收与植株生长的速率没有明显关系,而是在一定程度上依赖于土壤中矿物氮的有效性;对于Nc曲线以下的区域,植株氮吸收受土壤中矿物氮含量有效性的限制,从而决定了玉米的生长速率[21]。Nmin曲线被定义为氮素低至作物新陈代谢将要停止时的PNC[18]。本研究中以 N0 处理建立Nmin曲线(图5和式(6)],其确定的Nmin值可能高于实测值。主要原因是:1)由于N0处理未考虑到土壤本身氮残留、氮素沉降和土壤氮的矿化等因素;2)玉米生长过程中,植株下部叶片的衰老死亡会促使老叶的氮素营养向上部的新叶转移,从而使PNC有所增加。如式(5,6)所示,Nmax曲线参数b值(0.437)明显小于Nmin曲线b值(0.491),这意味着Nmax曲线氮稀释过程显著低于Nmin曲线。因为在玉米需氮量较大的大喇叭口期和抽雄期,N0的供氮能力远低于N360,从而导致Nmax曲线稀释过程缓慢,而Nmin曲线后期氮素亏缺明显,从而导致稀释过程加快。

      作物氮素状况是提高作物生产力的重要手段,也是产量预测的关键因子,NNI和NAD诊断工具被用于估测作物生长季的氮素需求和产量水平[9-13]。本研究建立了NNI、NAD与RY的关系模型(图7)。在玉米生长早期,RMSEn-RMSE较高,R2较低,表明模型稳定性较差,预测产量准确度不高,这可能与玉米生长早期氮素吸收量过低引起的干物质积累较少和群体间互不遮荫,便于光照在作物冠层内的均匀分布有关;而生长后期RMSEn-RMSE较低,R2值较高是由于氮素积累与植株生长速率密切相关。本研究建立的NNI-RY、NAD-RY关系模型得出玉米V12和VT相关性极强,很好地解释了玉米V12和VT时期氮素限制和非氮素限制生长条件下RY的变化,V12和VT可作为氮素营养诊断的关键时期,这与玉米生产中追施氮肥的时间相吻合。因此,冠层覆盖度在吐丝期出现饱和现象不影响氮营养诊断的有效性。相关研究表明,玉米拔节期至吐丝期是氮素吸收的最快阶段[25-26]。本研究得出玉米大喇叭口期和抽雄期对产量预测的稳定性较高,解释了玉米大喇叭口期和抽雄期的关系可以用来关联NNI和NAD。本研究融合数字图像和模型建立技术,建立的NNI-RY和NAD-RY关系模型有效的实现了玉米生长季产量的动态预测,且该方法可以进一步帮助制定不同施氮量的产量目标,有效避免氮过剩或不足的问题。

    4.   结论
    • 利用冠层覆盖度(CC)在玉米营养生长期建立并验证的植株临界氮浓度稀释曲线模型(Nc=1.535CC−0.537)决定系数达统计学显著水平,稳定性较高。依据氮营养指数、氮累积亏缺量与相对产量所构建的关系模型能够准确地解释氮素限制和非氮素限制条件下相对产量的变化,特别是与大喇叭口期和抽雄期的关系较为密切和稳定。冠层图像特征参数的获取在手机等智能设备上即可完成,其为玉米生长过程中氮肥精确管理和产量预测提供了一种简便的新方法。

Reference (26)

Catalog

/

DownLoad:  Full-Size Img  PowerPoint
Return
Return