作物氮素营养诊断方法综述

二、主要的氮素营养诊断方法
肥料窗口法
肥料窗口法:在大田中留出施氮水平稍低的微区, 当微区中作物表现缺氮时,即表明大田处在缺氮边 缘。 优点：简单实用,可对土壤变异不明显的区域的下 一次追肥做出判断。 缺点：不能量化追肥量,还需进行常规测试
二、主要的氮素营养诊断方法
症状诊断 症状诊断:根据作物表现出来的特定的症 状,确定其可能缺乏某种营养元素的方法。 优点：直观明了、判断快速。 缺点：通常只在植株缺乏一种营养元素 的状况下有效、无法量化。
四、基于Green Seeker的高光 谱氮素营养诊研究现状
GreenSeeker主动遥感光谱仪法特点及其使用
3、利用GreenSeeker如何获取NDVI？ GreenSeeker通过其前端的传感头中的高强度的发光二极管发射的 红光、绿光和近红外光,作为自身光源。这些光经作物反射后再被遥感 头前部的光敏二极管所接收和测量,并通过一个电子滤波器消除所有的 背景光。所采集的信息经过滤后传递给GreenSeeker所携带的掌上电脑, 并通过专用的软件由其计算出NDVI值及冠层反射系数(NIR/R)等并予以 储存。由此即可根据其所采集的NDVI及NIR/R数据来分析作物的氮素状 况,指导施肥。
四、基于Green Seeker的高光 谱氮素营养诊研究现状
国内外的应用现状及其前景（国内现状）
目前基于主动遥感的GreenSeeker技术的作物诊断研究在
我国还未见报道。中国科学院栾城农业生态系统试验站于 2003年引进了美国Oklahoma州立大学开发的GreenSeeker光
谱仪(主动光源),与俄克拉荷马州立大学和美国农业部水土保
决定的。用高光谱数据能够估计叶片化学成分。叶片及冠层
光谱反射率或透射率对光合色素含量的响应可能作为一种监 测光合作用、氮素状况和水、病害与污染等胁迫的有力手段。
三、高光谱遥感测定
高光谱遥感诊断的类型：
卫星高光谱遥感
其光谱分辨率比普通遥感更高,一般星载的高谱传
感器光谱分辨率小于10nm信息量大大增加,可获得海量 数据,能够在区域和全球尺度上从高空监测作物长势。
四、基于Green Seeker的高光 四、基于Green Seeker的高光 谱氮素营养诊研究现状 谱氮素营养诊研究现状
国内外的应用现状及其前景（国际现状）
GreenSeeker主动遥感光谱仪法在美国、澳大利亚、法国、 西班牙、厄瓜多尔、墨西哥、阿根廷、印度、加拿大等国应用。 在美国有 约20个州使用该仪器研究氮素利用效率和精准农业管理。 利用安装有GreenSeeker传感器的施肥机实现了米级超高分 辨率的变量施肥,并可监测作物长势,预测产量,得出变量处方图用 于精准农业管理。俄克拉荷马州立大学在此方面的研究工作做 得较多,并已建立了基于GreenSeeker的估产模型。
二、主要的氮素营养诊断方法
叶色卡法
叶色卡法：将作物正常叶色做成标准比色卡，将作物的实 时叶色与其进行对比，判断作物是否缺素。 优点：法简单易行,半定量化,如标准液色级确定合适,诊断 可取得良好的结果。 缺点：不能区分作物失绿是由于缺氮引起的还是由其它因 素引起的。 受作物品种、植被密度、导致土壤氮素状况和叶绿素 含量变化的作物胁迫因素的影响
率的变化对该化学组分的多少非常敏感。 植物化学组分光谱诊断的实现是以植物化学组分敏感光谱的反
射率与该组分含量或浓度的相互关系为基础的。
四、基于Green Seeker的高光 谱氮素营养诊研究现状
GreenSeeker主动遥感光谱仪法特点及其使用
2、归一化植被指数NDVI 近红外波段(NIR)可见光波段(R) 数值之差和这两波段数值之和 的比值称为归一化植被指数NDVI(Normalized difference vegetable index———归一化植被指数),NDVI是使用最为广泛的植被指数,是植 物生长状态及植被空间分布密度的最佳指示因子。 GreenSeeker分别借助红光和近红外两个波段的光来计算RNDVI, 绿光和近红外光计算GNDVI。
传感器的施肥机已实现1m超高分辨率的变量施肥。
四、基于Green Seeker的高光 谱氮素营养诊研究现状
GreenSeeker主动遥感光谱仪法特点及其使用
GreenSeeker光谱仪能提供高解析度,低大气干扰的NDVI数 据,获取数据快捷数据量大,能够将所获取的植被信息直接转换 成NDVI数值予以存取,实现对作物长势的实时监测和作物氮素 亏缺的实时诊断。该仪器使用方便,易于操作,既可单独使用,又 可与施肥机具相结合,且可以根据作物类型的不同更换遥感头, 实现对多种作物的氮素诊断,对指导实际生产极为方便。 因此, GreenSeeker主动遥感光谱仪法是一种简单、快速、 可靠、非接触性、操作性好的氮素营养水平田间诊断方法。
三、高光谱遥感测定
高光谱遥感的概念和特点：
概念：国际遥感界将光谱分辨率达纳米(nm)数量级范围内的 遥感技术称之为高光谱(Hyper spectral)遥感。
特点：光谱分辨率高,波段连续性强,光谱信息量大,允许对目
标物进行直接识别和微弱光谱差异分析。 原理：植被的光谱反射或发射特性是由其化学和形态学特征
持研究所的科学家联合开展了应用GreenSeeker技术的小麦玉米两熟下作物氮素亏缺诊断和估产模型研究,将为我国变量
施肥机具的实时光学诊断技术提供技术参数。
四、基于Green Seeker的高光 谱氮素营养诊研究现状
国内外的应用现状及其前景（应用前景）
使用GreenSeeker可方便快速的、非损伤性的对作物氮素丰缺 状况进行动态监测,如与施肥机具相结合,可在行进过程中诊断养 分亏缺并进行变量施肥,合理的使用氮素资源,保证作物的产量和 品质,减少氮源污染的发生。结合我们的国情,研制基于 GreenSeeker的变量施肥机及相应的软件,开发基于GreenSeeker的 估产模型,或者研制性能相仿或更加优越的同类产品,实现国产化
四、基于Green Seeker的高光 谱氮素营养诊研究现状
GreenSeeker的出现
GreenSeeker主动遥感光谱仪法特点及其使用
国内外的应用现状及其前景
四、基于Green Seeker的高光 谱氮素营养诊研究现状
GreenSeeker的出现
GreenSeeker光谱仪是上世纪90年代 中后期美国Okahomla州立大学开发的目 前国际上最先进的一种地面主动遥感高 光谱仪器,它通过观测NDVI数据可分析作 物长势,进行氮素的实时诊断,提供最优施 肥方案。
作物 氮素营养诊断方法
石宏刚
内容提要
一、氮素营养诊断的必要性 二、主要的氮素营养诊断方 法
三、高光谱遥感测定
四、基于Green Seeker的高光 谱氮素营养诊研究现状
一、氮素营养诊断的必要性
1、氮素对作物产量和收益的影响重大。
2、氮素的污染严重影响生态环境和人类健康。
3、我国的氮素利用效率低下。
二、主要的氮素营养诊断方法
多光谱反射数据和激光
多光谱反射数据和激光：包括叶绿素荧光特性 拟合各种模型 优点：精度高，准确性高。 缺点：此法须精密昂贵的仪器,并要求实验者具 备一定的 经验。
二、主要的氮素营养诊断方法
叶绿素计法
叶绿素计法：目前多使用日本产叶绿素计(SPAD502),其读数是基于
测定特定光谱波段的叶绿素对光的吸收而获得的。 优点：简单方便,可原位测定。 缺点：易受各种环境胁迫、植株密度及营养状态等因素影响。 SPAD值只能确定特定生长阶段的氮素需求水平。 SPAD读数受光辐 射照度的影响,且该方法有必须接触测定和大范围测定工作量较大 的缺点。
和规模化生产,降低成本并推广应用,将是我们今后研究工作的重
点。如能成功,将在我国的农业生产中发挥重要的作用。
四、基于Green Seeker的高光 谱氮素营养诊研究现状
GreenSeeker主动遥感光谱仪法特点及其使用
4、GreenSeeker法优点:
GreenSeeker法既克服了传统方法时效性差,对作物产生伤害、
叶绿素计法的必须接触测定和大范围测量工作量较大的缺点,也摆脱 了被动高光谱遥感对外界光源的需求,而且利用安装有GreenSeeker
Hale Waihona Puke Baidu
四、基于Green Seeker的高光 谱氮素营养诊研究现状
GreenSeeker主动遥感光谱仪法特点及其使用
1、GreenSeeker基本工作原理: 植物叶片的光谱诊断原理是植物中某些化学组分分子结构中的 化学键在一定辐射水平的照射下发生振动,引起某些波长的光谱发射
和吸收产生差异,从而产生了不同的光谱反射率,且该波长处光谱反射
4、我国单一传统的施肥模式严重影响农作物
品质和地下水质。
二、主要的氮素营养诊断方法
传统方法 肥料窗口法
症状诊断
叶色卡法 多光谱反射数据和激光 叶绿素计法
二、主要的氮素营养诊断方法
传统的氮素营养诊断和评价植物氮素的方法主要 是基于土壤和植物组织的实验室分析。 优点：分析结果准确。 缺点：破坏土壤和植物样本、操作繁琐、耗时较 长、 分析结果适时性差。
但卫星数据价格昂贵,数据获取易受云雨等天气因素干
扰,有时不能及时获得所需数据。
三、高光谱遥感测定
• 便携式高光谱仪诊断 便携式高广谱仪诊断法是一种简便快速、非损伤性的测定叶绿素的 方法,它是通过测定绿色植物叶片的反射率、透射率和吸收率来测定叶绿 素含量的。用于野外的便携式高光谱仪具有更多的波段数和更高的光谱 分辨率。 便携式高光谱仪诊断法主要包括：被动遥感光谱仪法、主动遥感光 谱仪诊断- GreenSeeker法。 GreenSeeker法是一种新兴的研究方法, 主动遥感高光GreenSeeker, 采用自身光源,不受太阳高度角及云层等外界条件影响,因此能在包括从 白天到黑夜的几乎所有光照条件下保持所测数据的一致性,是一种很好的 大田尺度的推荐施肥工具。