近日，华中农业大学资源与环境学院作物养分管理研究团队在利用遥感技术实时、无损、准确估测油菜氮素营养状况的方法上取得新进展，相关成果以“Remote estimation of leaf nitrogen concentration in winter oilseed rape across growth stages and seasons by correcting for the canopy structural effect” 题发表在遥感领域期刊Remote Sensing of Environment 上。
在农业生产中，通常通过测定农田土壤中的养分含量来判断土壤养分供应状况进而制定科学的施肥方案。然而作物在田间生长过程中受到各种环境因素及农事操作的影响，土壤的养分供应并非一成不变，导致作物的营养状况随之变化，在测土配方施肥的基础上结合作物植株养分丰缺状况诊断，在作物生长过程中进行精准追肥是确保作物高产稳产和养分高效的重要手段。传统的作物养分丰缺状况诊断主要依靠采集作物地上部植株或叶片在实验室进行化学分析测定，该方法测定的是作物体内养分含量的真实值，但存在采样和测试耗时长、测定的空间范围小等缺陷，从而导致指导追肥的时效性不强和应用面积有限。随着遥感技术的快速发展，测定植物冠层光谱反射率、建立相应的模型来估测作物养分状况成为一种快速实时、无损高效的养分丰缺诊断方法，尤其是在氮营养诊断研究方面应用前景广阔。但是，冠层光谱反射率是植物冠层结构、叶片生理生化性质与入射光交互作用的综合体现，在不同的生长状态和氮素营养状况下冠层结构会存在很大的差异，目前氮素养分遥感估测模型的准确率往往受到作物不同品种、种植方式和生育期的影响，即使是对同一种作物也很难建立统一的估测模型，影响了作物营养遥感估测技术在农业生产中的实际应用。
针对上述问题，华中农业大学作物养分管理研究团队在前期研究基础上，以油菜氮素营养状况丰缺快速精准诊断为研究目标，提出了利用近红外反射率植被指数解耦冠层结构和冠层反射率，利用解耦后生成的冠层散射系数结合机器学习模型的建模方法，构建了适用于油菜不同品种、种植方式、生育期的氮含量估测通用模型，并利用团队2015-2022年在多地、多点、多品种田间试验和实际生产的不同种植方式及不同生育期的相关数据对该方法进行检验。
检验结果表明：近红外反射率植被指数与油菜叶面积指数有很强的线性相关性（R2=0.79**），能够代表冠层结构的变化，从理论上证明了方法的可行性；与原始冠层反射率相比，由近红外反射率植被指数解耦后得到的冠层散射系数对油菜冠层结构的变化不敏感（图1），表明该方法能够有效抑制冠层结构的复杂影响；由冠层散射系数构建的油菜叶片氮含量估测模型比传统的基于反射率的模型具有更高的准确性和可迁移性（图2），并在近地冠层高光谱数据和无人机多光谱影像上均得到了验证。该研究为抑制冠层结构对作物叶片氮含量遥感估测的影响提供了新的思路和方法。目前，多种卫星、无人机、以及近地遥感数据都可以计算得到近红外反射率植被指数，因此该研究提出的作物叶片氮含量估测模型改进方法有助于实现不同尺度下的作物氮养分状况无损诊断，对作物生长过程中的氮素营养丰缺快速、实时、无损诊断和预警预报提供了新技术，尤其是对我国油菜生产的精准高效氮素养分管理提供了直接工具。
资源与环境学院刘诗诗副教授为该成果第一作者，鲁剑巍教授为通讯作者，我校本科生白晓慧（已毕业）、博士研究生朱格格、硕士研究生张宇、博士研究生李岚涛（已毕业）和任涛教授也参与了该项研究。该研究得到了国家自然科学基金、国家重点研发计划、国家油菜产业技术体系的资助。
论文链接：https://doi.org/10.1016/j.rse.2022.113348
