不同土壤添加剂对太湖流域小麦产量及氮磷养分流失的影响

为探讨土壤添加剂对太湖流域面源污染控制的效果,采用盆栽试验,选用树脂、生物炭和硝化抑制剂作为供试材料,研究其单独施用、两两配施以及三者同时施用对冬小麦产量、氮磷养分吸收、氮磷径流渗漏损失和土壤养分的影响。研究结果表明:各添加剂处理均促进了小麦的地上部生物量,除单施树脂处理外,其他添加剂处理的产量都比施肥对照有所增加,增加幅度为13%～133%,以添加剂的两两配施效果较佳;各添加剂处理均促进了小麦对氮素的吸收,除单施树脂处理外,其余处理均提高了氮肥利用效率,以两两配施效果最为显着,显着高于施肥处理;与施肥对照相比,生物炭和硝化抑制剂的单施及配施均降低了径流和渗漏液中TN和TP浓度,减少麦季氮流失57%～71%、磷流失26%～46%,而有树脂施入的处理其氮磷损失量有所提高。综合比较得出,施化肥的同时配施生物炭和硝化抑制剂,可显着增加小麦产量(增产103%),氮肥农学效率和生理效率显着提高,整个麦季通过径流和渗漏损失的氮磷分别减少了68.8%和26.1%,值得在太湖流域麦田的面源污染控制上进一步应用。     

氮磷互作对水稻冠层光谱的影响及其PNN识别

【目的】氮、磷均为作物必需的大量营养元素,其丰缺诊断直接关系到合理科学施肥,进而影响产量、效益以及环境。本文旨在研究准确、快捷、无损地区分水稻缺氮和缺磷信息的光谱识别方法,从而指导田间施肥决策,精确作物管理、节约种植成本并控制农田面源污染。【方法】基于水稻6个氮素及两个磷素营养水平交互下的盆栽试验,分别在分蘖、拔节和抽穗期测定水稻冠层的可见近红外反射光谱（350-1 330 nm）及植株全氮（TN）和全磷（TP）含量等数据,分析氮磷互作对水稻植株体内TN和TP含量以及冠层反射光谱的影响,并运用概率神经网络(PNN)分别对不同生育时期的冠层光谱进行氮水平、磷水平、氮磷交互水平和缺素水平4个尺度下的分类识别。为避免光谱测量时仪器误差和光照、风力、温度、水分等环境条件所造成光谱数据批次间的差异,PNN分类识别前对光谱数据进行标准化处理,并将其中2/3作为训练集,另外1/3作为测试集。【结果】植株全氮含量受氮肥、磷肥和氮磷交互作用的影响显著;植株全磷含量则主要受磷肥和氮肥水平的双重影响,但不存在氮磷交互作用。水稻冠层光谱对氮肥的响应规律不受磷肥水平的影响,缺氮使可见光区反射率升高,近红外区反射率下降。缺磷使近红外区反射率下降,但可见光区的响应则受氮肥水平的影响,施氮处理呈上升趋势,氮胁迫处理则呈现分蘖期下降、拔节期上升、抽穗期下降的趋势。利用冠层光谱PNN模型可以对各个生育时期氮水平、磷水平、氮磷交互水平和缺素水平等不同施肥尺度进行识别,拔节期分类精度最高,抽穗期分类精度相对最低。4种分类尺度下PNN模型对磷素水平的分类精度最高,分蘖期和拔节期分别为83%和94%;其次是缺素水平,分别为78%和88%;对氮素水平以及氮磷交互水平等有较多个分类输出的识别精度较低,为61%-75%。值得一提的是,PNN模型对水稻施肥关键生育时期分蘖期和拔节期水稻植株缺氮缺磷、缺氮不缺磷、缺磷不缺氮、不缺氮不缺磷等4种缺素水平的分类中,所有只缺氮处理没有被预测为只缺磷处理,所有只缺磷处理也没有被误判为只缺氮处理,表明冠层光谱PNN模型能有效区分开氮磷胁迫。【结论】水稻的冠层光谱受到氮、磷水平的共同影响,利用水稻冠层光谱建立的PNN模型不仅能分别辨识各氮素、磷素施肥水平,并且能有效地区分开水稻缺磷和缺氮处理,避免混淆,对有目的性的指导施肥具有重要的意义和价值,可避免不恰当的施肥策略造成的环境、产量和经济损失。     

氮磷互作水稻冠层氮素敏感光谱筛选研究

基于连续两年的水稻氮磷互作盆栽试验,于水稻拔节、抽穗、灌浆等主要生育时期同步测定了冠层反射光谱和水稻植株总氮含量,系统分析了350~1 330 nm波段范围内任意两波段组合而成的差值(DVI)、比值(RVI)及归一化(NDVI)光谱指数与植株总氮含量的关系,筛选了可用于氮磷互作环境下的最佳光谱指数,建立了估算模型,并与已有的水稻氮光谱反演指数进行了比较。结果表明:氮磷交互下水稻冠层光谱受氮素的影响明显高于磷素,呈现随施氮量的增加可见光区反射率下降,近红外区上升的规律;但对磷肥的响应受施氮水平的影响,施磷在缺氮情况下提高了可见光区和近红外区的反射率,不缺氮情况下却使可见光区反射率降低。与植株总氮含量相关性较好的波段组合基本不受植被指数构造形式的影响,表现较为稳定,主要分布在近红外(780~1 330 nm)/可见光(750~770 nm)区域、红边(640~700 nm)区域和可见光(450~500 nm)区域。但施磷与不施磷处理的总氮光谱指数敏感波段组合区域有所变化,施磷处理的敏感区域要小于不施磷处理,且相关性决定系数有所降低。存在对施磷不施磷处理都比较敏感的光谱指数区域,拔节、抽穗和灌浆期分别以RVI(FD719,FD740),NDVI(FD419,FD552),DVI(FD707,FD713)表现最佳,建模决定系数分别为0.87、0.80、0.87,几乎不受氮磷交互作用的影响,验证模型均方根误差分别为1.98、3.68、3.47。已有的氮光谱反演参数中则以m ND705、PRI、NDVI705表现最好,但其预测精度明显受磷肥作用的影响,尤其是在拔节期,不施磷处理下的精度要远低于施磷处理,且整体精度均低于本研究新选的氮光谱指数。因此,氮磷互作对水稻氮光谱反演指数的波段组合及预测精度产生影响,要提高氮素光谱诊断精度,需要根据情况选择适宜的光谱指数。     

不同土壤添加剂对太湖流域水稻产量及氮磷养分利用的影响

为探讨土壤添加剂对太湖流域稻田面源污染的控制效果,选用生物炭、微生物菌肥和硝化抑制剂三种土壤添加剂作为供试材料,通过盆栽试验研究其单独施用及两两组合配施对水稻生长、产量、肥期田面水养分动态、养分吸收利用以及土壤肥力等的影响。研究结果表明:各添加剂处理均可保证水稻的正常生长,并表现出增产效果,生物炭添加处理、微生物菌肥与生物炭组合处理及生物炭与硝化抑制剂组合处理水稻产量分别较施肥对照处理提高了57.5%、66.1%和45.4%。各添加剂的施用对植株吸氮量的影响不显著,仅微生物菌肥与生物炭组合处理显著提高了氮回收效率,但是所有添加剂处理均显著提高了氮肥农学利用效率和生理效率,生物炭处理和微生物菌肥与生物炭组合处理效果最佳,各添加剂处理对水稻的磷素吸收利用没有影响。微生物菌肥单施处理提高了水稻基肥期田面水氮浓度,而其他处理则表现为显著降低,特别是与生物炭的组合处理;蘖肥期各处理对田面水氮浓度影响不大;穗肥期除生物碳与菌肥配施处理外,其他各添加剂处理均显著提高了田面水氮浓度。添加剂处理还略微增加了基肥期和穗肥期的田面水总磷浓度,但差异不显著。各添加剂处理对收获后土壤肥力指标没有影响。综合产量、氮肥吸收以及田面水氮磷流失风险,微生物菌肥与生物炭组合处理可促进水稻生长,显著提高水稻产量,有效降低水稻生育前期氮素流失风险,缩短养分流失风险期,并能维持土壤肥力,值得应用于太湖流域稻田的面源污染控制上。