北京市两种沉积物和一种代表性土壤的氮素矿化特征及其预测

在淹水条件下,采用间歇淋洗法研究了北京市2种沉积物和一种代表性土壤的氮素矿化过程,得到了各自的氮素矿化参数K,n和预测方程,结果表明其矿化潜力顺序为HH>TR>HK。3个处理的矿化速率在培养的前11d迅速增大,达到最大值后逐渐降低,最后趋于0;HH矿化速率峰值出现时间比HK和TR要早。矿化出来的氨氮高峰都出现在淋洗的第11天,之后逐渐降低,最后趋于一个较低的水平;相同时间内HH的矿化量要远远大于HK和TR。培养结束时各处理各层次有机质、总氮和固定态铵含量都表现为降低的趋势。矿化量中有一小部分来自固定态铵的释放,但由于所占比例较小可以忽略不计。

不同尺度冬小麦氮素遥感监测方法及其应用研究

该文以航空影像、地面冠层光谱数据及同步观测的植被生化数据为基础,探讨了冬小麦冠层氮素监测的遥感方法。该方法应用于Lukina变量施肥模型,研究了基于遥感影像变量施肥量的计算方法。为实现以上目标,首先采用矩匹配和反射率转换方法,对获取的机载实用模块化成像光谱仪(OMIS)影像进行辐射校正;然后结合航拍相片及地面高精度差分GPS定位点坐标对高光谱影像进行几何校正。以预处理后的反射率影像和冠层光谱数据为数据源,采用倒高斯模型拟合冬小麦红边光谱曲线,并构建红谷位置、红边位置和红边宽度等光谱特征参量。通过对红边光谱特征量和实测氮素进行统计分析,寻找相关性显著、拟合误差小的最佳光谱特征量,并用于预测冬小麦冠层的氮素含量。统计相关分析结果表明:拟合曲线和图像反射率曲线面积差和实测的氮素含量有最高的相关性,且相关性达到极显著。最后,把该氮素预测方法集成到Lukina变量施肥模型中,结合反射率影像数据生成变量施肥处方图。文中探讨的最佳氮素预测方法改善了氮素预测的精度;基于影像的面状信息获取技术克服了点状信息的不足,使变量施肥技术更利于实用和推广。

基于主动冠层光谱仪的莴苣生物量及氮素营养状况估测

【目的】研究冠层光谱技术在蔬菜氮素营养诊断中应用的可行性和提高其准确性的方法,为推进蔬菜氮素营养管理与施肥推荐提供快速无损检测技术。【方法】以茎菜类蔬菜—莴苣(Lactuca sativa L.)为研究对象进行田间试验。设置5个化肥年施用梯度:0、108、162、216、270 kg/hm2,在莴苣幼苗期、莲座期、茎形成期和收获期,利用GreenSeeker冠层光谱仪获取冠层光谱特征值—植被归一化指数(NDVI)和比值植被指数(RVI),并测定植株生物量和含氮量。评估用生育期NDVI和RVI值预测蔬菜生物量和氮素营养的可行性与准确性,并验证用移栽天数校正提高全生育期光谱值预测精度的可行性。【结果】NDVI和RVI与莴苣地上部生物量(AGB)、根冠比(RTS)、植株吸氮量(PNU)和植株氮浓度(PNC)等指标间均存在显著相关关系,尤其以NDVI相关性更高。相关性分析结果表明,NDVI与AGB和PNU呈正相关,相关系数分别介于0.779~0.945和0.819~0.938;与RTS和PNC呈负相关,相关性系数介于–0.367~–0.844和–0.328~–0.732。对比不同时期,莲座期和茎形成期的NDVI值对莴苣生物量和氮素营养指标预测的准确性较高,对AGB、RTS、PNU和PNC预测准确性分别为0.76~0.92、0.37~0.71、0.77~0.88和0.34~0.54。利用两年NDVI值建立各时期莴苣生物量和氮素营养状况统一预测方程,莲座期方程最为准确,对AGB、RTS、PNU、PNC预测准确性分别为73%、48%、52%、31%。综合全生育预测方程,冠层光谱仪测定的NDVI值对莴苣生物量和氮素营养预测指标的准确性较高,基于NDVI值的AGB、RTS、PNU和PNC预测方程准确度分别为54%、43%、57%和26%。引入移栽天数(DAT)对该预测方程进行校正后,AGB、PNU和PNC预测方程的准确度分别提高至62%、71%和34%。【结论】基于冠层光谱仪测定的各生育期的植被归一化指数(NDVI)可准确预测莴苣的生物量和氮素营养状况,尤以莲座期的预测结果最为准确。经移栽天数(DAT)校正后,基于全生育期的NDVI值建立的预测方程对AGB、PNU的预测准确度可分别提高到62%和71%,基本满足莴苣类低覆盖度蔬菜作物的氮素营养管理。