基于SPAD值的水稻施氮叶值模型构建及应用效果

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-26

李杰, 冯跃华, 牟桂婷, 许桂玲, 罗强鑫, 罗康杰, 黄世凤, 石欣, 管正策, 叶勇, 黄佑岗. 基于SPAD值的水稻施氮叶值模型构建及应用效果[J]. 中国农业科学, 2017, 50(24): 4714-4724 https://doi.org/10.3864/j.issn.0578-1752.2017.24.005
LI Jie, FENG YueHua, MOU GuiTing, XU GuiLing, LUO QiangXin, LUO KangJie, HUANG ShiFeng, SHI Xin, GUAN ZhengCe, YE Yong, HUANG YouGang. Construction and Application Effect of the Leaf Value Model Based on SPAD Value in Rice[J]. Scientia Acricultura Sinica, 2017, 50(24): 4714-4724 https://doi.org/10.3864/j.issn.0578-1752.2017.24.005

0 引言

【研究意义】施肥模型可通过作物营养需求、生长环境及营养诊断结果,确定作物肥料需求数量及其生育期中的分配^[1],是施肥技术的核心内容和重要基石^[2],对解决过量施氮造成的资源浪费以及一系列的生态环境问题具有重要的现实意义^[3,4,5]。【前人研究进展】经多年研究和实践,在农作物种植上构建了60多种施肥模型用于推荐施肥,这些模型可归结于测土施肥法、肥料效应函数法和营养诊断法三大系统^[2]。较早得到广泛应用的是肥料效应函数模型^[6,7,8]和目标产量模型^[9,10],两者呈相互渗透的趋势,相辅成配方施肥的主要方法^[11]。此外,研究者基于通用施肥模型构建了生态平衡施肥模型^[12,13],生态平衡施肥模型具有测土施肥模型和肥料效应函数模型的双重功能^[14],肥料效应函数模型是生态平衡施肥模型在不考虑土壤养分有效因素下的特例^[15]。另外,中国科学家结合中国水稻生产特点,将国际水稻研究所实时实地施肥管理模式^[16]发展为以水稻氮肥管理为中心的实时实地氮肥管理技术（RTNM and SSNM）^[17]。实时氮肥管理（RTNM）在秧苗移栽返青后至抽穗期,间隔一定时间测定水稻主茎最上一片全展叶片的SPAD值或LCC值,将其与预先设定的SPAD或LCC阈值进行比较,以此确定每次测定时是否施用氮肥;而实地氮肥管理（SSNM）则主要是根据施肥田块地力基础产量和目标产量,预先估算总需肥量,再根据不同地区水稻高产施肥模式,分配基肥和各时期追肥比例,而在追施氮肥时再根据实测SPAD值或LCC值调节施肥量^[18]。实时实地氮肥管理技术主要以叶绿素测定仪（SPAD仪）或叶色卡为主要操作工具,SPAD仪具有简便、快速、无损估计叶片含氮量的特点^[19],可应用于作物氮素营养快速诊断^[20]。研究表明,水稻实时实地氮肥管理模式在增加产量、减少氮肥投入、提高氮素利用效率等方面取得了很好的效果^{[21,22,23,24,25,26]}。【本研究切入点】基于SPAD仪,研究者在氮素营养诊断和推荐施肥方面进行了大量的研究^[27],而目前报道的基于SPAD值的施氮模型多处于阈值模型,鲜见线性或曲线施氮模型的报道。【拟解决的关键问题】本研究在前人大量研究的基础上,继续探索了水稻冠层SPAD值、施氮量、田块土壤养分、产量之间的关系,并进一步分析和构建了一种基于SPAD值的线性施氮模型——叶值模型,旨在为基于SPAD值的水稻氮肥推荐和模型构建提供新的方法。

1 材料与方法

1.1 试验设计

1.1.1 试验材料及试验地试验于2015—2016年在贵州省安顺市西秀区旧州镇文星村进行,试验田土壤肥力状况见表1。供试水稻品种为杂交籼稻Q优6号（重庆市种子公司）。
Table 1
表1
表1试验田基础肥力状况
Table 1The condition of basic fertility of experimental plots

编号 Number	pH	有机质 Organic matter (g∙kg^-1)	速效氮 Available N (mg∙kg^-1)	速效磷 Available P (mg∙kg^-1)	速效钾 Available K (mg∙kg^-1)	全氮 Total N (g∙kg^-1)	全磷 Total P (g∙kg^-1)	全钾 Total K (g∙kg^-1)
D1	6.16	38.87	184.00	4.99	77.93	3.41	1.03	10.71
D2	6.25	29.90	157.53	3.83	69.20	2.66	0.58	12.03
D3	6.30	35.90	144.87	8.83	56.19	2.46	0.83	9.51
D4	6.63	30.94	139.98	8.16	54.83	2.70	1.18	11.65
D5	5.96	32.94	151.32	4.78	59.21	2.88	0.43	10.67
D6	6.33	28.40	123.33	6.71	55.05	2.36	0.78	7.75
D7	6.11	35.45	159.34	6.36	80.87	3.17	0.69	10.49

新窗口打开
1.1.2 栽培概况试验Ⅰ于2015年在田块D1、D2、D3、D4进行,以供模型构建所需数据。每个田块采用随机区组设计,设4个施氮水平,分别为N0（0）、N1（75 kg∙hm^-2）、N2（150 kg∙hm^-2）、N3（225 kg∙hm^-2）。每种施氮量处理采用分次施肥法,基肥（5月31日）、分蘖肥（6月10日）、促花肥（7月15日）、保花肥（8月2月）的施氮量分别占总施氮量的35%、20%、30%、15%。磷肥、钾肥各处理施肥情况一致,磷肥作基肥一次性施用,施用量为96 kg P₂O₅∙hm^-2,钾肥基肥和穗肥各施一半,总施用量为135 kg K₂O∙hm^-2。氮、磷、钾肥分别采用尿素、过磷酸钙和氯化钾。每个处理2次重复,小区面积为15 m²,每小区四周做高30 cm,宽20 cm的田埂包膜,包膜压深至地下30 cm,防止水肥渗透,重复间留50 cm走道,以便田间操作及调查。水稻于2015年4月10日育秧,6月1日移栽,行株距均为30 cm×16.5 cm,每穴1苗。
试验Ⅱ于2016年在田块D5、D6、D7进行,以
考察2015年试验结果的重演性,每个田块设计同试验Ⅰ。水稻于2016年4月5日育秧,5月24日至26日移栽,行株距均为30 cm×16.5 cm,每穴1苗。
试验Ⅲ于2016年在面积较大的田块D7内划区进行,以考察基于变量施肥的模型应用效果,田块内设变量组和对照组两种不同施肥方式,变量组每小区穗肥追肥采用叶值模型进行指导,对照组每小区穗肥追肥为变量组平均追肥量,其他条件相同。每组各设5个小区,每小区面积16 m²,每小区氮肥分基肥、分蘖肥、穗肥3次施入,基肥、分蘖肥按当地常规施氮量150 kg∙hm^-2的35%、20%施入,磷、钾肥同试验Ⅰ,小区田埂做高20 cm,组与组之间间隔40 cm。

1.2 测定项目与方法

1.2.1 土壤氮素测定试验田土壤全氮、碱解氮分别采用凯氏定氮法、碱解扩散法进行测定。
1.2.2 SPAD值测定采用SPAD-502叶绿素计于拔节期（2015年7月12日至13日,2016年7月10日至12日）,抽穗期（2015年8月18日至19日,2016年8月2日）,每小区随机测定5株主茎冠层顶1叶、顶2叶、顶3叶和顶4叶4张叶片,每张叶片3个测定位点,测定时选择水稻全展或半展叶片测定叶长1/2处及其上下3 cm,叶宽1/4或3/4的位置。每小区对应叶位SPAD值的平均值作为该小区该叶位的SPAD值,每株测定叶位SPAD值的平均值作为该稻株的SPAD值,每小区5株稻株SPAD值的平均值作为该小区的SPAD值。
1.2.3 产量及产量构成测定成熟期每小区选定5 m²作为测产小区,单打单收,晒干后测定稻谷质量和含水量,然后折算成含水量13.5%,计为实收产量。
1.2.4 田块表观供氮量田块表观供氮量=土壤表观供氮量+人工已施氮量,土壤表观供氮量用土壤速效氮含量与土壤重量（2.25×10⁶kg∙hm^-2）之积计算。
1.2.5 表观总吸氮量表观总吸氮量为可达到目标产量的抽穗期田块表观供氮量。
1.2.6 SPAD值衍生指标由水稻冠层4张叶片的SPAD值通过某种数学关系处理而得,除单张叶片SPAD值和叶片平均SPAD值外,本文采用了4种SPAD值衍生指标,分别为：SPAD_L4-L3=顶4叶SPAD值-顶3叶SPAD值;SPAD_(L3-L4)/L3=（顶3叶SPAD值-顶4叶SPAD值）/顶3叶SPAD值;SPAD_{(L2-L1)/(L2+L1)}=（顶2叶SPAD值-顶1叶SPAD值）/（顶2叶SPAD值+顶1叶SPAD值）;SPAD_L3×L4/mean=顶3叶SPAD值×顶4叶SPAD值/4张叶片平均SPAD值。
1.2.7 氮素利用率氮素农学利用率=（施氮区产量-空白区产量）/施氮量;氮素偏生产力=施氮区产量/施氮量;氮素贡献率=（施氮区产量-空白区产量）/施氮区产量×100;计算时空白区产量采用试验Ⅱ中田块D7的N0产量。

1.3 数据分析

试验数据采用DPS v7.05和Microsoft Excel 2003进行分析。

2 结果

2.1 产量与抽穗期田块表观供氮量的关系

由图1可知,两年结果均显示,抽穗期田块表观供氮量与产量之间具有极显著的一元二次拟合关系,2015年的拟合度R²为0.5523,2016年为0.7148。由曲线关系可得,Q优6号2015年的最高产量为9 264.93 kg∙hm^-2,此时对应的表观总吸氮量为575.27 kg∙hm^-2,而2016年的最高产量为11 167.97 kg∙hm^-2,表观总吸氮量为546.71 kg∙hm^-2。两年最高产量相差1 903.14 kg∙hm^-2,同比增加20.54%,但达到最高产量的表观总吸氮量比较接近,只相差28.56 kg∙hm^-2,同比减少4.96%,表明对于Q优6号,虽然年份间的光照等气候条件会造成其产量上的差异,但是达到其最高产量时所需的表观总吸氮量比较稳定。

显示原图|下载原图ZIP|生成PPT
图1抽穗期田块表观供氮量与产量的曲线拟合
-->Fig. 1Curve fitting between apparent nitrogen supply and yield at heading stage
-->

2.2 水稻拔节期、抽穗期SPAD值衍生指标与田块表观供氮量的关系

由表2可知,选用的SPAD值衍生指标与抽穗期田块表观供氮量的线性拟合度高于与拔节期田块表观供氮量拟合度,且除2016年的SPAD_{(L2-L1)/(L2+L1)}外,各SPAD值衍生指标与田块表观供氮量的线性拟合均达到极显著相关关系。从水稻冠层4张叶片的拟合情况来看,下部叶片（L3、L4）的SPAD值与田块表观供氮量的关系较上部叶片（L1、L2）紧密,拔节期达到显著或极显著水平,抽穗期均达到极显著水平。另外,水稻冠层4片叶片的平均SPAD值与田块表观供氮量均达显著或极显著的正相关关系。2015年SPAD值衍生指标SPAD_L4-L3、SPAD_(L3-L4)/L3、SPAD_L3×L4/mean与田块表观供氮量均存极显著线性相关,但2016年3种SPAD值衍生指标中,只有SPAD_L3×L4/mean与田块表观供氮量存在显著线性相关。
从线性拟合的参数来看,拔节期L3的系数相对变化较小,两年依次为0.0156,0.0154,且其b值变化亦不大,两年依次为33.8790,33.0660;抽穗期时各SPAD值衍生指标与田块表观供氮量年份间的相对变化不是很大,但单张叶片中L1的系数相对变化最小,其次是L2、L4,L3的系数相对变化较大。2016年SPAD_L3×L4/mean的系数和b值相对2015年拔节期依次增加了-28.70%,17.41%;抽穗期依次增加了-15.34%,56.11%
Table 2
表2
表2水稻拔节期、抽穗期时田块表观供氮量与SPAD值衍生指标的线性拟合关系
Table 2Linear fitting relationship between apparent nitrogen supply and SPAD value derivative index at jointing stage and heading stage in rice

年度 Year	衍生指标 Derivative index	拟合方程 Fitting equation
年度 Year	衍生指标 Derivative index	拔节期 Jointing stage		抽穗期 Heading stage
2015	SPAD_L1	y =0.0041x+31.2470	R²=0.0384	y =0.0172x+35.4230	R²=0.6187**
	SPAD_L2	y =0.0188x+29.7650	R²=0.3246*	y =0.0252x+30.2600	R²=0.6852**
	SPAD_L3	y =0.0156x+33.8790	R²=0.2895*	y =0.0363x+22.7570	R²=0.8478**
	SPAD_L4	y =0.0346x+24.0000	R²=0.6546**	y =0.0494x+14.0600	R²=0.8198**
	SPAD_mean	y =0.0183x+29.7230	R²=0.5076**	y =0.0320x+25.6250	R²=0.8251**
	SPAD_L4-L3	y =0.0190x-9.8792	R²=0.6266**	y =0.0131x-8.6964	R²=0.4815**
	SPAD_(L3-L4)/L3	y =-0.0005x+0.5750	R²=0.6453**	y =-0.0004x+0.2617	R²=0.5316**
	SPAD_{(L2-L1)/(L2+L1)}	y =0.0002x-0.0121	R²=0.2397	y =0.0001x-0.0668	R²=0.4525**
	SPAD_L3×L4/mean	y =0.0331x+27.7680	R²=0.4743**	y =0.0528x+11.6810	R²=0.8344**
2016	SPAD_L1	y =0.0148x+27.7160	R²=0.3344*	y =0.0173x+33.0300	R²=0.5283**
	SPAD_L2	y =0.0078x+34.4460	R²=0.1641	y =0.0241x+30.0840	R²=0.6722**
	SPAD_L3	y =0.0154x+34.0660	R²=0.4780*	y =0.0271x+28.1690	R²=0.7803**
	SPAD_L4	y =0.0231x+30.2120	R²=0.4336*	y =0.0459x+17.3800	R²=0.7795**
	SPAD_mean	y =0.0153x+31.6100	R²=0.4492*	y =0.0286x+27.1660	R²=0.7688**
	SPAD_L4-L3	y =0.0077x-3.8538	R²=0.1664	y =0.0187x-10.7900	R²=0.6078**
	SPAD_(L3-L4)/L3	y =-0.0002x+0.0978	R²=0.1662	y =-0.0005x+0.3011	R²=0.6306**
	SPAD_{(L2-L1)/(L2+L1)}	y =-0.0001x-0.1025	R²=0.1808	y =0.00008x-0.0364	R²=0.2450
	SPAD_L3×L4/mean	y =0.0236x+32.6030	R²=0.4470*	y =0.0447x+18.2350	R²=0.7850**

y is SPAD value derivative index, x is apparent nitrogen supply of field. * and ** represent significantly different at 0.05 and 0.01 levely为SPAD值衍生指标,x为田块表观供氮量。* P<0.05,** P<0.01

新窗口打开

2.3 叶值模型表达式

由产量与抽穗期田块表观供氮量的关系可以确定获得目标产量相应的表观总吸氮量,而施氮量为表观总吸氮量与土壤表观供氮量之差,土壤表观供氮量通过田块表观供氮量与SAPD值衍生指标的关系,由实测SPAD值进行估算。通过以上关系,确定了基于SPAD值的水稻施氮模型的一般数学表达式,并命名为叶值模型。叶值模型的表达式为：
Nw=Nz-[(Ys-b)/k-Ng] （1）
式中,Nw表示施氮总量（kg∙hm^-2）,Nz表示水稻品种表观总吸氮量（kg∙hm^-2）,Ys表示叶片SPAD值衍生指标,Ng表示追肥之前已经施入的氮量（kg∙hm^-2）,k、b是田块表观供氮量（Nx）与叶片SPAD值衍生指标线性关系中的斜率和截距,而田块表观供氮量等于土壤表观供氮量（Nt）（kg∙hm^-2）与人工已施氮量（Ng）之和。即：
Ys=k·Nx+b （2）
Nx=Nt+Ng （3）
由于抽穗期田块表观供氮量与SPAD值衍生指标具有极显著的拟合关系,采用抽穗期时的叶值模型估算施氮总量,推荐下季种植时基肥和分蘖肥的施氮量。本文基于2015的数据,同时采用SPAD_L3×L4/mean作为SPAD值衍生指标的形式参与建模,确定Q优6号拔节期和抽穗期时的叶值模型表达式为：
拔节期：Nw=575.27-[(Ys-27.768)/0.0331-Ng] （4）
抽穗期：Nw=575.27-[(Ys-11.681)/0.0528-Ng] （5）

2.4 基于叶值模型的变量施氮

表3是由上述叶值模型（SPAD值衍生指标采用SPAD_L3×L4/mean）对Q优6号进行变量施氮的最终施氮量、产量和氮素利用率的情况。从表3可知,基于叶值模型的变量区产量高出对照区820.68 kg∙hm^-2,t检验两者差异未达显著水平（P=0.2047）,变量区产量最值相差仅708.33 kg∙hm^-2,而对照区相差 2 867.33 kg∙hm^-2。进一步分析表明,变量区的产量标准差、变异系数分别为305.59、0.03;对照区的依次分别为1 200.79、0.12,变量区小区间的产量标准差和变异系数明显小于对照区。此外,变量区的氮素偏生产力、农学利用率和贡献率均明显高于对照区,分别高出13.74%,103.45%,104.12%。变量区的平均产量接近Q优6号2016年的目标产量11 167.97 kg∙hm^-2,仅相差338.76 kg∙hm^-2。说明基于叶值模型的变量施氮在减少小区间的产量差时,亦可以使得推荐的施氮量满足目标产量的需求。
Table 3
表3
表3对照区与变量区的施氮量、产量以及氮素利用率
Table 3Nitrogen application amount, yield and nitrogen use efficiency in CK treatment and variable-rate

小区编号 Plot number	施氮量 Nitrogen application amount (kg∙hm^-2)		产量 Yield (kg∙hm^-2)		氮素偏生长力 Nitrogen partial productivity (kg∙kg^-1)		氮素农学利用率 Nitrogen agronomic efficiency (kg∙kg^-1)		氮素贡献率 Nitrogen contribution rate (%)
小区编号 Plot number	对照区 CK	变量区 Variable-rate	对照区 CK	变量区 Variable-rate	对照区 CK	变量区 Variable-rate	对照区 CK	变量区 Variable-rate	对照区 CK	变量区 Variable-rate
1	155.56	183.41	10528.11	10310.19	67.68	56.21	9.14	6.57	13.51	11.68
2	155.56	204.07	10679.20	11017.82	68.65	53.99	10.12	9.37	14.74	17.36
3	155.56	116.07	10767.12	11006.51	69.22	94.83	10.68	16.38	15.43	17.27
4	155.56	150.91	7899.79	10793.00	50.78	71.52	-7.75	11.18	-15.26	15.63
5	155.56	123.33	10168.41	11018.52	65.37	89.34	6.83	15.51	10.45	17.36
平均值 Mean	155.56	155.56	10008.53	10829.21	64.34	73.18	5.80	11.80	7.77	15.86

Yield in N-unfertilized condition was 9 105.60 kg∙hm^-2空白区产量为9 105.60 kg∙hm^-2

新窗口打开

2.5 不同SPAD值衍生指标叶值模型推荐施氮量的差异

结果2.2表明,SPAD值衍生指标SPAD_L3、SPAD_L4、SPAD_mean以及SPAD_L3×L4/mean与拔节期田块表观供氮量的拟合关系较为显著,将其作为参数,基于2015年和2016年的数据构建叶值模型比较变量区平均推荐施氮量的差异,结果见表4。表4显示,2015年拔节期时SPAD_L4、SPAD_L3×L4/mean估测推荐的施氮总量较为接近,而SPAD_L3、SPAD_mean之间估测的施氮总量较为接近,且SPAD_L4、SPAD_L3×L4/mean估测的施氮量高出SPAD_L3、SPAD_mean50%左右。2016年情况与之相似。不考虑Q优6号年份间达到最高产量所需田块表观供氮量的差别,2016年的施氮总量略高于2015年,考虑到年份间的表观总吸氮量的差异,则2016年略低于2015年,但各SPAD值衍生指标拔节期估测的施氮量在年份间的变化均不明显。表4中SPAD值衍生指标（SPAD_L3、SPAD_L4、SPAD_mean、SPAD_L3×L4/mean）估测的施氮量2016年相对2015年分别只提高了4.87%、10.66%、14.14%、1.74%,其中以SPAD_L3×L4/mean、SPAD_L3变化较小。
Table 4
表4
表44种SPAD值衍生指标估测变量区平均施氮总量的情况
Table 4Condition of average total nitrogen application rate by four SPAD value derivative indexes to assess in variable area

年度 Year	SPAD值衍生指标 SPAD value derivative index	小区编号Plot number					平均值 Mean
年度 Year	SPAD值衍生指标 SPAD value derivative index	1	2	3	4	5	平均值 Mean
2015	SPAD_L3	188.05	163.69	52.58	42.32	57.71	100.87
	SPAD_L4	162.20	180.51	131.57	142.74	131.18	149.64
	SPAD_mean	150.56	130.16	95.64	51.38	87.44	103.03
	SPAD_L3×L4/mean	183.41	204.07	116.07	150.91	123.33	155.56
2016	SPAD_L3	194.09	169.42	56.86	46.47	62.06	105.78
	SPAD_L4	184.41	211.82	138.52	155.26	137.94	165.59
	SPAD_mean	174.44	150.04	108.75	55.81	98.95	117.60
	SPAD_L3×L4/mean	197.34	226.32	102.88	151.75	113.07	158.27

新窗口打开

3 讨论

3.1 叶值模型中SPAD值衍生指标

基于SPAD值的氮素营养诊断及推荐施肥,需确定适宜的SPAD值衍生指标。王绍华等^[28]研究表明, SPAD_{(L3-L4)×100/L3}与稻株（全叶）氮含量关系显著;李刚华等^[29]研究表明,穗分化期、齐穗期、成熟期水稻冠层4片叶中与总叶片及植株含氮率相关系数最高者为顶3叶;姜继萍^[30]与何俊俊^[31]等研究表明,水稻SPAD_L4-L3与施氮水平间存在明显的相关关系;陈晓阳等^[32]研究表明,孕穗期、抽穗期水稻冠层4片叶与施氮量的相关性顺序分别为顶4叶>顶3叶>顶2叶,顶1叶>顶3叶>顶2叶>顶4叶;李杰等^[33]研究表明,SPAD_L3×L4/mean与施氮量具有较好的拟合关系。在小麦方面,蒋阿宁等^[34]研究表明,SPAD_{(L2-L1)/(L2+L1)}较SPAD值更能反映氮素在植株体内的时空分布特征。本研究2年数据表明,水稻冠层单张叶片的SPAD值以及SPAD_mean、SPAD_L4-L3、SPAD_(L3-L4)/L3、SPAD_L3×L4/mean4种SPAD值衍生指标与抽穗期田块表观供氮量之间均具有极显著的相关关系,SPAD_L3、SPAD_L4、SPAD_mean、SPAD_L3×L4/mean与拔节期田块表观供氮量具有较好的线性拟合关系,其他几种参考SPAD值衍生指标拟合不显著,这极可能与水稻品种、叶片测定位点以及顶1叶的选择有关,如王绍华等^[28]测定时测定位点为叶片上部1/3处,本研究测定时为叶片叶长1/2处。采用不同的SPAD值衍生指标,叶值模型估测的施氮总量不同,其中SPAD_L3在年份间的变化较小,且决策施氮总量较低。不同SPAD值衍生指标各具优势,具体选择上可依测定的简便性、相关系数的高低、推荐施氮量的大小以及参模系数的稳定性等方面的偏好进行综合判断。

3.2 叶值模型中的表观总吸氮量

叶值模型的应用需要知道水稻品种的表观总吸氮量。在意义上,表观总吸氮量表示某一水稻品种达到其目标产量（本文所指为最高产量）时所需的土壤表观供氮量和人工已施氮量;在数值上,表观总吸氮量等于土壤碱解氮含量折算土壤容重后的值与人工施氮量数值之和;在关系上,表观总吸氮量由产量和抽穗期田块表观供氮量的曲线关系来反映。众所周知,肥料效应函数模型即是产量与施氮量直接的拟合关系,叶值模型中表观总吸氮量的确定与基于肥料效应函数模型中施氮量的确定实质相同,与倒线性模型^[35]以及氮肥实时监控技术^[36,37]的考虑相同。此外,目标产量模型中的参数涉及了土壤养分校正系数、单位产量养分吸收量以及肥料利用率,而叶值模型的表观总吸氮量则考虑较为简单。本研究2年数据表明,Q优6号年份间的产量达显著差异,但其表观总吸氮量相差不大,至于Q优6号及其他水稻品种是否存在稳定的表观总吸氮量,以及品种间表观总吸氮量的差别需要进一步的研究。

3.3 叶值模型中b值的意义

在SAPD值衍生指标与田块表观供氮量的线性拟合中,当田块表观供氮量为0时,SPAD值衍生指标不为零,如本试验采用的拔节期叶值模型中,当田块表观供氮量为0时,SPAD_L3×L4/mean为27.768。通用施肥模型根据质量守恒定律将多种有效养分的来源和去向联系了起来,涉及到土壤上下层的转化,种子、灌溉、降雨等带来的养分以及生物作用造成的养分转化等多种特征参数^[38]。同样考虑到氮素的多种来源,对氮素和SPAD值衍生指标进行数理上的关系构建,其合理的关系式可以表示为：
Ys=k₁×(Nt+Ng+Nq) （6）
式中,Nq表示除测定计算的土壤表观供氮量以及人工
施入氮量外所有其他氮素来源提供的氮量。当总氮素为零时,作物无法生长,也就不存在叶绿素,即SPAD值衍生指标Ys为零（不考虑SPAD_L3×L4/mean的数学形式）,由于式（2）和式（6）中Ys为同一个,由式（2）、（3）、（6）整合可得：b=(k₁-k)×Nx+k₁×Nq。当Nx为0时,有Ys=b=k₁×Nq。其意义为b值表示了除测定计算的土壤供氮量以及人工施入氮量外所有其他氮素来源提供的氮素对作物叶片的SPAD值衍生指标的影响。当然这只是极端情况假设,作物真实所获得的土壤供给和人工施入的氮素也并不是两者试验数据的简单相加。施入到土壤中的氮素,与其他所有的氮素所参与的“土壤-作物-环境气候”转化既是复杂的也是无重复的。而基于大量SPAD值衍生指标与田块表观供氮量线性拟合的k值、特别是b值的资料与气候因素间的分析及其意义亦需进一步的研究和探索。

3.4 叶值模型的应用

与传统均匀施氮不同,变量施肥注重单位地块土壤养分间的差异,可以避免养分丰富区施肥过多,养分贫乏区施肥不足^[39]。基于叶值模型的变量施氮效果表明,变量区保证了每个小区供氮量为目标产量需求量,能减少产量差,产量也明显高于对照区,同时提高了氮素的农学利用率、偏生产力和贡献率。但SPAD值的测定受多种因素的影响^[40],在应用叶值模型时,应考虑到这些因素。本文表3中变量区1的产量及氮素利用率低于对照区1,以及变量区2的氮素利用率低于对照区2极有可能受外界因素的影响导致叶片失绿,从而导致叶值模型估测的施氮量偏高。另外,本研究选用的试验田背景氮偏高,结果或规律能否在含氮量低的田块实现,需要进一步的验证。叶值模型提供了一种新的基于SPAD值的水稻施氮管理方法,叶值模型中施氮总量由产量和SPAD值衍生指标与田块表观供氮量的关系决定,实测SPAD值通过SPAD值衍生指标与田块表观供氮量的关系估测土壤表观供氮量,再由产量与抽穗期田块表观供氮量的关系确定目标产量的表观总吸氮量,表观总吸氮量与土壤表观供氮量之差即为施氮总量。应用时,拔节期的叶值模型用于穗肥（促花肥、保花肥）的追氮量,抽穗期的叶值模型用于下一季基肥、分蘖肥的推荐。叶值模型带统计性质,其本身的完善需进行多年多点多品种的研究,其应用实效亦需进行更多研究之后加以更全面的评价。

4 结论

不同年份间Q优6号目标产量下的表观总吸氮量较为稳定,SPAD值衍生指标SPAD_L3、SPAD_L4、SPAD_mean、SPAD_L3×L4/mean与田块表观供氮量之间具有显著或极显著的线性关系,不受年份和生育时期的影响。本研究提供了一种新的基于SPAD值的水稻施氮模型——叶值模型,其施氮总量为水稻品种表观总吸氮量与土壤表观供氮量之差,而土壤表观供氮量可由SPAD值衍生指标进行估测。基于叶值模型的水稻变量施氮可减少产量差,提高产量以及氮素的农学利用率、偏生产力和贡献率。
The authors have declared that no competing interests exist.