科学普及 | 如何使用无人机给不同田块作物定制“营养餐”——变量施肥？

作物的生长的生长受到光、温、土壤、水分、肥等多因素影响，其中对于大田作物光、温、土壤在某一区域都是较为稳定的，要想让作物长好肥水的运筹是关键。

化肥作为现代农业生产主要投入，适量的施用化肥可以增加作物产量，但如果不合理的施用不仅会造成减产还会对土壤及生态环境造成破坏。

早在2014年我国每公顷化肥施用量达531.9 kg，约是世界平均水平的3.9倍。因此在近些年国家开始组织开展化肥使用量零增长行动，而想要实现这一目标最主要的就是需要针对作物需肥特性和土壤本身的肥料为作物定制“营养餐”。

那么又该如何为作物定制营养餐呢？

首先我们要去准确的去获取作物长势情况，去了解作物是否“饥饿”。为了更高效快捷且准确的获取大面积范围作物长势情况，科学家们通过研究发现作物在可见光部分（被叶绿素吸收）有较强的吸收峰，近红外波段（受叶片内部构造影响）有强烈的反射率，形成突峰。由于叶片的叶绿素含量与作物营养状况以及光合作用等密切相关，因此通过这些敏感波段及其组合形成植被指数，可以反演作物生长信息。

现在随着无人机技术的成熟，我们可以通过无人机搭载各种传感器快速高效的获取植被指数、叶面积指数、叶层氮含量等植被遥感参数便能很快了解作物长势。

图1 植被光谱特征曲线

在获取作物长势后我们就能知道作物目前的一个“饥饿”状态，但我们并不知道作物还需要吃多少才能饱。就像人在青壮年时饭量大需要多吃一点，老了以后食量会减小一样。作物在每个生育阶段所需的养分也不一样。吃多了容易“肥胖”造成健康问题，吃少了又容易营养不良。而要解决这个问题我们需要了解两个方面，一个是目前的土壤能给予作物多少养分，另外一个是作物总共需要多少养分。而第一个问题我们可以通过测土去解决，第二个问题则需要科学家们通过多年多个地点的试验去探索在不同的生长阶段作物在达到最佳的生长状态需要多少养分。再获取到这些信息以后我们就可以把定制化的“营养餐”（施肥处方图）制作出来了。

图2 为不同田块定制的“营养餐”（施肥处方图）

（图片来源: 国家信息农业工程技术中心）

最后一步就是需要把这个“营养餐”喂到作物“嘴”里，即根据施肥处方图在施肥的时候进行变量作业。早些年我们可能需要结合处方图人为的去调整每块田块大致的施肥量，而近些年通过科学家的努力我们已经研发出了可以变量作业的无人机、拖拉机，只需要把提前定制的“营养餐谱”输入机器就可以根据这个实现变量作业，从而达到全流程自动化的精确作业。

图3 利用无人机进行作物长势监测和变量作业

（图片来源：大疆创新官网）

近些年通过农业遥感和智能决策技术在作物生产上的应用，在精准判别作物生长发育进程、营养元素丰缺等动态的基础上，使用专家系统和作物模型对肥料使用管理精度，我国的化肥使用量显著减少，利用效率显著提升。另外通过精细化、变量化的管理作业，也切实解决了农民在原来生产时让作物吃“大锅饭”的过程中由于地块肥力不均一导致的长势不一致，部分地块由于肥料过多而产生的贪青晚熟，不仅容易倒伏造成减产而且还严重影响地块的统一收割和烘干增加种植成本等问题。

图4 通过采用变量施肥（左）有效提高了作物抗倒伏能力且熟期一致

（图片来源：江苏如皋某采用变量施肥农场）

参考文献

1. 曹新明, 等. 中国化肥利用效率（肥耗）评价报告. 中国科学报, 2017.

2. Jiang. J., et al. Combining fixed-wing UAV multispectral imagery and machine learning to diagnose winter wheat nitrogen status at the farm scale. European Journal of Agronomy, 2022.

3. Li. D., et al. Estimating leaf nitrogen content by coupling a nitrogen allocation model with canopy reflectance. Remote Sensing of Environment, 2022.

作者介绍

本文作者为南京农业大学2021级博士研究生康敏，在读期间围绕气候变化对作物生产力形成影响的模拟研究课题，构建了花后低温胁迫对水稻生长影响的模拟算法；揭示了花后不同阶段低温胁迫对水稻产量及品质形成影响差异的主导因素；并创建了具有阶段敏感性差异且适用于不同花后不同阶段遭受不同持续时间与不同强度低温胁迫的水稻产量模拟算法。在植物科学期刊Frontiers in Plant Science发表论文1篇。

○ ●

撰稿：康敏，南京农业大学智慧农业系博士研究生

审核：刘兵，南京农业大学智慧农业系教授、博士生导师