李国强，王 猛，胡 峰，张建涛，吴士文，陈丹丹，郑国清

（1．河南省农业科学院农业经济与信息研究所，河南郑州450008；2．中国科学院土壤环境与污染修复重点实验室，江苏南京210008）

基于GIS的夏玉米氮肥精确管理系统设计与实现

李国强1，王 猛1，胡 峰1，张建涛1，吴士文2，陈丹丹1，郑国清1

（1．河南省农业科学院农业经济与信息研究所，河南郑州450008；2．中国科学院土壤环境与污染修复重点实验室，江苏南京210008）

为推动夏玉米精确施肥，以遥感监测技术为智能决策支撑，基于系统工程思想，在Microsoft．NET平台上，将GIS和夏玉米生长监测模型耦合与集成，建立氮肥精确管理系统。系统具有土壤肥力查询、作物长势反演、氮肥播前和追肥决策、专家知识咨询、系统帮助等功能。对系统功能在河南省延津县的测试与检验结果表明，与传统施肥区相比，变量施肥区植株氮积累量提高2．67%、平均产量提高67．53kg／hm2，经济收入提高148．6元／hm2。系统界面友好，易于使用，是集夏玉米生长监测和氮肥精确管理调控的决策平台。

夏玉米；光谱监测；氮肥精确管理；决策支持系统

玉米是我国重要的粮食作物，播种面积和产量在我国农作物中分别位列第1和第2［1］。施用氮肥是确保玉米稳产高产的必要条件和重要前提［2］。长期以来，人们为追求高产大量施用氮肥，过量施氮引起作物产量和氮肥利用率降低的负效应［3］，并导致一系列的环境问题［4］。建立一套夏玉米氮素营养诊断与调控技术，能够实时监测植株氮素营养状况，动态调控氮肥追施量，对于保障粮食安全和提高农民收益有重要意义。近些年来，遥感技术的发展为作物氮素营养诊断提供了新的方法。国内外学者先后在小麦［5－7］、水稻［8］、玉米［9－11］、马铃薯［12］等作物上建立了氮素营养诊断与调控技术。Teal等［9］和Tubana等［13］先后利用NFOA算法，实现玉米生育中期追氮量的估算。赵泽英等［14］基于平衡施肥原理建立贵州喀斯特岩溶山区玉米推荐施肥模型。赵福刚等［10］基于NFOA算法建立吉林省玉米氮营养诊断追肥模型。Dellinger等［11］基于主动式光谱监测数据，利用相对反射率算法和二次加平台模型，实现玉米拔节期变量追氮管理。笔者等所在的课题组基于养分平衡原理，已先后建立了夏玉米氮素诊断及氮素调控模型，根据土壤供氮量、目标产量需氮量和植株实时氮积累量三者的差值，实现夏玉米苗期和大喇叭口期施氮量的估算，该调控模型量化了夏玉米生育后期土壤的供氮量，提高了模型机理性，进一步缩小了施氮量的估算偏差。为方便该技术的使用与推广，利用软件工程、GIS等技术，构建夏玉米氮肥精确管理系统，实现光谱数据的自动处理，决策分析、处方生成等功能，为夏玉米生长监测和精确管理调控提供决策支持。

1基于光谱指数的夏玉米氮素营养诊断与调控技术

针对不同品种、不同氮素水平、不同生育期夏玉米的生物量、叶面积指数、叶绿素、氮素等参数监测的基础性问题，解决夏玉米光谱监测的一系列关键问题，构建一套较为完备的夏玉米光谱监测与氮素调控体系。

该调控技术主要包括：1）建立参数较为完备的夏玉米波谱数据库，确定夏玉米生物量、叶面积指数、色素含量、氮素含量等参数光谱监测的敏感波段。2）构建用于夏玉米地上部干物质重［15］、叶面积指数［15－16］、叶片色素含量［17］、叶片碳氮比［18］、叶片氮积累量［19］、地上部植株氮积累量等参数的估算模型。3）基于养分平衡原理，根据土壤供氮量、目标产量需氮量和植株实时氮积累量，构建夏玉米氮肥调控模型。施氮方法综合考虑了植株实时生长状况和土壤供氮状况等因素，利用遥感技术建立适合夏玉米氮肥精准管理技术体系，实现由适时获得的光谱数据代替传统繁琐的实验室养分测定数据对施肥进行调控，实现氮肥施用量的实时、实地化管理。氮素诊断及调控流程见图1。

图1 夏玉米氮素营养诊断与调控流程Fig．1 Nitrogen nutrition diagnosis and regulation flow of summer maize

2系统的设计与实现

2．1系统结构设计

2．1．1数据库 主要用于存储和管理土壤养分、光谱反射率等数据，保存反演的作物长势参数及估算的施氮量。

1）空间数据库。基础地理信息空间数据库，包括县级行政区划图、镇级行政区划图、村级行政区划图、水系分布图、道路分布图等。土壤养分数据库用于存储地块基础信息，包括地块名称，地块地址，有机质（g／kg），全氮（g／kg），硝态氮（mg／kg），速效磷（mg／kg），速效硫（mg／kg）等字段。光谱数据库用于存储特征波段的光谱反射率，包括地块名称、光谱反射率等字段。施肥量数据库用于存储系统计算的基施量和追施量，包括地块名称、氮肥基施量、氮肥追施量等字段。

2）非空间数据库。包括肥料、品种和病虫害数据库。肥料数据库用于存储肥料类型以及施用方法，包括肥料种类、肥料名称、肥料介绍、缺乏症状、使用方法和注意事项等字段。品种数据库用于存储玉米品种信息，包括品种名称、选育单位、品种特性、适宜地区和栽培要点等字段。病虫害数据库用于存储玉米病虫害防治信息，包括中文名、危害部位、危害症状、症状图像、防治方法及补救措施等字段。

2．1．2模型库 模型库所包括的模型可分为两类。第一类为长势反演模型，共5个模型，分别为地上部干物质重、叶面积指数、叶片色素含量、叶片氮积累量、地上部氮积累量估算模型。第二类为氮肥调控模型，包括播前施氮量估算模型、大喇叭口期追氮量估算模型。

2．1．3人机界面 针对触摸屏查询一体机特点，设计人机交互界面。通过按钮，下拉菜单，图标和图形等操作方式即可轻松与用户进行交流。

2．2系统实现

系统开发选择目前流行的二次开发方式，以Visual Studio 2010作为开发平台，采用C＃语言，结合ArcGIS Engine二次开发组件，以Microfost Access 2007作为系统后台数据库，集成开发夏玉米氮肥精确管理系统（图2）。

3系统主要功能及技术原理

3．1土壤肥力

提供土壤肥力输入、查询等功能。用户在地图中选择相应地块，可查询有机质、全氮、有效磷、速效钾等土壤养分信息。用红、黄、绿3种颜色分别表示严重缺乏、略微缺少、适宜种植，用户根据各指标显示的颜色，可了解养分的丰缺度。

3．2长势反演

提供生物量、叶面积指数、叶片色素含量、叶片氮积累量等指标的估算功能。用户将光谱数据输入系统后，可快速获得当前玉米长势情况。4个指标的估算模型如下：

生物量估算模型：

y＝－0．7224（R800／R650）2＋116316（R800／R650）＋271．49，R2＝0．793 5，R800和R650分别为波段800和650的反射率。

叶面积指数估算模型：

y＝－4．6813＋1．7366（R1050／R550）－0．0086 （R1050／R550）3，R2＝0．832，R1050和R550分别为波段1050和550的反射率。

叶片色素含量估算模型：

y＝20．4713NDVI（1200，730）－3．8671，R2＝0．808 8，NDVI为归一化植被指数。

图2 夏玉米氮肥精确管理系统功能模块Fig．2 Function modules of accurate nitrogen fertilizer management system of summer maize

叶片氮积累量估算模型：

y＝1054．76OSAVI－1212．63，R2＝0．674 5，OSAVI为优化土壤调节植被指数。

3．3氮肥决策

提供播前和播后氮肥施用量计算功能，并生成处方。1）作物播前决策；用户选择地块，输入目标产量，系统读取土壤数据库和模型参数库，生成氮肥基施处方。2）作物播后决策。根据测得的光谱数据，估算作物生长状况，调用氮肥调控模型，生成追氮量处方。夏玉米氮肥调控模型原理及构建将另文发表。

3．4专家咨询

提供品种推荐，肥料查询和病虫害防治方法查询等功能。根据种植区域，用户了解当地农技部门推荐的品种特性、种植要点和注意事项；通过图片点选方式，用户直观了解肥料使用方法和注意事项，并且提供肥料销售商家的联系方式；通过浏览病虫害图片，分辨病虫害症状，显示病虫害成因，提供相应的防治方法。

3．5系统帮助

为用户提供系统操作的详细帮助文档，指导用户正确操作和使用本系统，以及提供系统版权信息等。

4系统应用

于2013年玉米生长季，在河南省延津县农业科学研究所试验地（E114°12′，N35°111′）对夏玉米氮肥精确管理技术及管理系统进行检验和测试。试验地南部为变量施肥区，北部为传统施肥区，各30个地块，每块17m×17m。传统施肥区的氮肥于大喇叭口期施入，各地块的施氮量为350kg／hm2。变量施肥区的氮肥于播前和大喇叭口期分次施入。

施氮量计算流程：

1）基施氮肥处方生成。用户选择目标产量和地块，系统根据地块基础肥力，生成播前氮肥基施处方。

2）追氮量处方生成。于大喇叭口期，采用MSR－16R型多光谱便携式辐射计（美国Cropscan公司）测量冠层光谱。每个田块选择5～10个决策点，每点测量10次，取平均值作为该田块的光谱测量值。用户将光谱数据输入系统，选择“长势反演”，获取该田块的生物量、叶面积指数等信息，之后选择“追氮决策”，生成追氮处方。按照施肥处方，在相应决策田块施入氮肥。实施应用结果表明，与传统施肥区相比，变量施肥区植株氮积累量提高2．67%、平均产量提高67．53kg／hm2，经济收入提高148．6元／hm2，但植株氮积累量和产量的变异系数分别降低3．84百分点和7．27百分点；变量施肥区的氮肥利用效率、氮肥农学效率、氮肥偏生产力、氮素吸收量分别提高11．82百分点、3．95kg／kg、9．76kg／kg 和0．43kg／t；变量施肥区尿素投入1 285．42元／hm2，比传统施肥区节约尿素388．49元／hm2。

5结论与讨论

精确农业中的关键技术环节是施肥的科学决策及获得科学处方［20］。为此，许多学者进行了不同的决策支持平台研究，为农业生产提供智能化、形象直观的信息和决策服务。张书慧等［21］基于养分平衡原理，研究的变量施肥信息系统具有土壤营养成分、作物历年产量、肥料使用情况、专题地图生成等功能。其突出特点是可把处方通过RS－232接口，将数据输出到施肥机的单片机上。陈蓉蓉等［22］基于作物管理知识模型，研制了农田精确施肥决策支持系统，具有产前和产中决策功能，可生成施氮和密度处方。陈桂芬等［23］采用面向对象技术，集成GIS、GPS和专家系统技术，研制了玉米精确施肥专家系统，具有玉米产量预测、精确施肥、效益分析等功能。与类似的决策支持平台相比：1）系统是利用光谱指数的夏玉米氮肥精准管理技术，结合GIS和软件工程等技术，实现了土壤肥力查看、作物长势反演、播前和播后施肥决策等功能。其应用效果达到了氮素效率和产量的协同提高目的，获得了良好的经济效益；2）系统开发采用目前流行的二次开发方式，提高了系统开发效率，并可脱离GIS软件平台独立运行；3）系统支持大量空间数据的管理与计算功能，操作简单、人机界面友好，操作容易。

随着移动终端技术的快速发展，下一步将针对智能移动终端，研制基于Android智能终端的夏玉米氮肥精确管理系统，实现随时随地决策。

［1］何 萍，徐新朋，仇少君，等．我国北方玉米施肥产量效应和经济效益分析［J］．植物营养与肥料学报，2014，20（6）：1387－1394．

［2］杨小梅，刘树伟，秦艳梅，等．中国玉米化学氮肥利用率的时空变异特征［J］．中国生态农业学报，2013，21 （10）：1184－1192．

［3］汪新颖，彭亚静，王 玮，等．华北平原夏玉米季化肥氮去向及土壤氮库盈亏定量化探索［J］．生态环境学报，2014，23（10）：1610－1615．

［4］张 鑫，安景文，邹晓锦，等．不同施肥模式对玉米产量及土壤硝态氮的影响［J］．河南农业科学，2012，41 （2）：41－44．

［5］Lukina E，Freeman K，Wynn K，et al．Nitrogen fertilization optimization algorithm based on in－season estimates of yield and plant nitrogen uptake［J］．Journal of Plant Nutrition，2001，24（6）：885－898．

［6］宋晓宇，王纪华，薛绪掌，等．利用航空成像光谱数据研究土壤供氮量及变量施肥对冬小麦长势影响［J］．农业工程学报，2004，20（4）：45－49．

［7］张俊华，张佳宝，李立平．基于冬小麦植被指数的氮肥调控技术研究［J］．土壤学报，2007，44（3）：550－555．

［8］陈青春，田永超，姚 霞，等．基于冠层反射光谱的水稻追氮调控效应研究［J］．中国农业科学，2010，43 （20）：4149－4157．

［9］Teal R，Tubana B，Girma K，et al．In－season prediction of corn grain yield potential using normalized difference vegetation index［J］．Agronomy Journal，2006，98（6）：1488－1494．

［10］赵福刚．玉米冠层光谱氮营养诊断追肥模型的研究［D］．长春：吉林农业大学，2007．

［11］Dellinger A E，Schmidt J P，Beegle D B．Developing nitrogen fertilizer recommendations for corn using an active sensor［J］．Agronomy Journal，2008，100（6）：1546－1552．

［12］于 静，李 斐，秦永林，等．应用主动作物冠层传感器对马铃薯氮素营养诊断［J］．光谱学与光谱分析，2013，33（11）：3092－3097．

［13］Tubana B，Arnall D，Walsh O，et al．Adjusting midseason nitrogen rate using a sensor－based optimization algorithm to increase use efficiency in corn［J］．Journal of Plant Nutrition，2008，31（8）：1393－1419．

［14］赵泽英，彭志良．贵州玉米生产智能管理系统中推荐施肥模型与参数系统初步研究［J］．贵州农业科学，2004，32（3）：24－27．

［15］赵巧丽，郑国清，段韶芬，等．基于冠层反射光谱的玉米LAI和地上干物重估测研究［J］．华北农学报，2008，23（1）：219－222．

［16］冯 晓，郑国清，乔 淑，等．基于冠层反射光谱的夏玉米LAI估算模型研究［J］．玉米科学，2008，16（6）：86－89．

［17］张学治，郑国清，戴廷波，等．基于冠层反射光谱的夏玉米叶片色素含量估算模型研究［J］．玉米科学，2010，18（6）：55－60．

［18］李国强，张学治，郑国清，等．基于冠层反射光谱的夏玉米叶片碳氮比监测［J］．玉米科学，2012，20（3）：81－85．

［19］李国强，吴士文，郑国清，等．基于冠层反射光谱的夏玉米叶片氮积累量估测［J］．中国农学通报，2014，30 （3）：85－90．

［20］陈立平，赵春江，刘学馨，等．精确农业智能决策支持平台的设计与实现［J］．农业工程学报，2002，18（2）：145－148．

［21］张书慧，马成林．应用于精确农业变量施肥地理信息系统的开发研究［J］．农业工程学报，2002，18（2）：153－155．

［22］陈蓉蓉，周治国，曹卫星，等．农田精确施肥决策支持系统的设计和实现［J］．中国农业科学，2004，37（4）：516－521．

［23］陈桂芬，王 越，王国伟．玉米精确施肥系统的研究与应用［J］．吉林农业大学学报，2006，28（5）：586－590．

（责任编辑：聂克艳）

农业经济·农业管理

Agricultural Economy·Agricultural Manage ment

Design and Implement of GIS－based Precision Nitrogen Management System in Summer Maize

LI Guoqiang1，WANG Meng1，HU Feng1，ZHANG Jiantao1，WU Shiwen2，CHEN Dandan1，ZHENG Guoqing1
（1．Agricultural Economy ＆Information Research Institute，Henan Academy of Agricultural Sciences，Zhengzhou，Henan450008；2．Key Laboratory of Soil Environment and Pollution Remediation，Institute of Soil Science，Chinese Academy of Sciences，Nanjing，Jiangsu210008，China）

In order to realize the precision fertilization of summer maize，precision nitrogen management system was developed based on the Microsoft．NET framework intergrating GIS and growth monitoring model．This system realized the multiple functions as browsing soil fertility，inverting growth indices，calculating the amount of base fertilizer and topdressing，querying expert knowledge，and system help．Several functions of this system were tested by field experiment in Yanjin County，Henan Province．The results showed that relative to those in uniform－rate zone，plant nitrogen accumulation，grain yield，and economic benefit in variable－rate zone enhanced by 2．67%，67．53kg／hm2，148．6Yuan／hm2，respectively．This system was user－friendly and operating－conveniently，and could help to monitor the growth condition of summer maize，and provided the platform of summer maize nitrogen management．

summer maize；spectrum monitoring；precision nitrogen management；decision support system

S147；S126

A

1001－3601（2016）02－0095－0186－04

2015－04－13；2016－01－28修回

河南省重大科技专项“主要粮食作物生产全过程信息化关键技术集成与研究”（121100110900）；河南省科技成果转化计划项目“夏玉米氮肥精确管理决策技术中试与示范”（132201110031）；河南省农业科技创新项目“小麦玉米智慧农业关键技术集成与综合示范”［豫财贸（2014）120号2069999］

李国强（1984－），男，副研究员，博士，从事农业信息技术研究。E－mail：guoqiangli＠ymail．com