《Computers and Electronics in Agriculture》：Developing a nitrogen management strategy for winter wheat to enhance economic profit and energy savings using satellite-based management zone mapping at the county scale
编辑推荐：
管理分区基于卫星遥感与氮肥优化算法在小麦种植中的应用研究。通过Sentinel-2影像和模糊K-means聚类划分管理区，构建MZ-ANDA算法优化氮肥推荐，结果显示较传统方法减少氮肥用量12.67%-37.00%，降低能耗2.22-26.54 GJ/ha，减少CO?排放2.95%-10.00%，同时保持高产和资源高效利用。
蒋杰|傅兆鹏|张佳毅|杨金鹏|方婉萍|曹强|田永超|朱燕|曹伟星|刘晓军
中国教育部国家农业信息技术工程技术中心，南京农业大学智能农业工程研究中心，作物系统分析与决策国家重点实验室，江苏省农业信息技术重点实验室，南京210095
摘要
管理区（MZ）制图是精准氮管理（PNM）的第一步，旨在提高作物管理效率并优化资源投入。卫星遥感是收集作物生长信息以指导大范围决策的合适工具。本研究旨在开发一种基于卫星图像的MZ制图方法，以改善作物氮利用效率并降低能源成本。2020年至2022年间，在中国兴化县进行了四次小麦田间试验。在氮肥追施期之前，使用Sentinel-2卫星图像通过模糊K均值聚类方法划分了小麦生长区。随后，开发了一种基于管理区累积氮亏缺的氮肥追施算法（MZ-ANDA），用于计算氮肥推荐量，并评估与单独的ANDA方法和传统农民固定氮肥施用方式相比的效果。结果表明，在氮肥追施期之前，可以利用多时相Sentinel-2卫星光谱图像有效划分小麦生长区。MZ-ANDA策略在单个小麦田中的效果与ANDA相当。然而，考虑到在大面积农场应用变量氮肥的总体效益，MZ-ANDA策略减少了2.22–26.54 GJ的能源投入、511.91–2639.08美元的经济投入，以及0.31–2.05吨的二氧化碳排放。与传统农民固定氮肥施用方式相比，MZ-ANDA策略将氮肥施用量减少了12.67%–37.00%，同时提高了部分因子生产力9.47%–19.81%，并保持了较高的谷物产量，同时提高了净利润（9.23–139.48美元/公顷）、能源利用效率（4.10%–10.17%）和能源生产力（5.06%–11.66%），并减少了二氧化碳排放（2.95%–10.00%）。总之，利用基于卫星图像的MZ地图开发的氮肥管理策略可以显著提高县级小麦管理期间的管理效率并优化资源投入。未来的研究可以专注于针对不同作物和地区优化MZ-ANDA算法，以进一步提高氮肥管理效率。
引言
氮（N）营养对促进小麦生长和提高谷物产量至关重要。然而，过量施用氮不仅会导致氮利用效率低下，还会显著增加温室气体排放，这凸显了改进管理实践的必要性（Wang等人，2021年）。基于遥感的作物氮诊断和变量氮肥施用技术为精准氮管理（PNM）提供了途径，通过使氮肥施用与植物氮需求相匹配，可以提高肥料利用效率和农民的经济回报（Tao等人，2022年）。
已经采用了几种PNM策略来指导不同作物的季节性氮肥推荐。基于地点的氮管理（SSNM）根据关键氮肥追施期间的叶绿素计读数调整氮肥施用量。研究表明，与传统农民做法相比，SSNM可以将氮肥使用量减少18.8%，同时将小麦氮回收效率和部分因子生产力分别提高15.1%和26.4%（Ghosh等人，2018年）。俄克拉荷马州立大学开发的氮肥优化算法在不对产量造成损失的情况下，将小麦氮利用效率提高了15%以上（Raun等人，2002年）。基于近距传感的氮调节算法用户友好，已应用于玉米、水稻和小麦等作物的氮肥推荐（Samborski等人，2016年；Wang等人，2021年）。然而，基于地面传感器的作物信息收集在大面积范围内可能耗时较长。最近的进展利用无人机遥感图像优化了变量氮肥施用的充足性指数方法。实验结果表明，该方法将小麦氮农艺效率提高了11.9%，同时减少了15.4%的氮肥投入，而不会影响产量（Zhang等人，2022年）。无人机系统促进了在大面积区域应用变量氮肥技术。Argento等人（2021年）报告称，使用无人机遥感的氮肥推荐策略将氮肥施用量减少了5%–40%，并将氮利用效率提高了10%，与传统的农民推荐方法相比。卫星遥感已被认为是收集作物冠层光谱数据的强大工具，能够在中到大规模上实现季节性氮肥推荐。Huang等人（2015年）利用商业FORMOSAT-2卫星图像开发了一种水稻变量氮肥推荐方法；然而，该方法尚未通过实际田间试验验证。同样，Magney等人（2017年）在小麦叶片面积指数高峰期获取了RapidEye卫星图像。评估了十七种光谱指数来估计小麦植株氮积累情况，其中归一化差异红边指数显示出最强的相关性（R2 = 0.81）。利用该模型，绘制了四个当地农场氮积累的空间分布图，为小麦生产的精准氮管理提供了关键见解。像Sentinel任务这样的免费卫星数据越来越多地被用于监测作物生长。例如，Riihim?ki等人（2019年）利用基于无人机的正射影像提取了北极苔原地区的植被覆盖情况，分类准确率在田间验证中超过了90%。随后，无人机数据被用来基于Sentinel-2卫星图像训练覆盖估算模型，有效弥合了地面真实数据与卫星观测之间的空间尺度差距。在另一项研究中，Oliveira等人（2023年）通过整合Sentinel-2光学数据和C波段合成孔径雷达（C-SAR）卫星数据，非破坏性地预测了玉米的氮营养指数。研究结果强调了红边光谱和C-SAR局部入射角在监测玉米氮状态中的重要性，为未来的氮管理策略奠定了坚实的基础。总体而言，这些研究突显了卫星图像在推进实际农业生产中作物氮管理方面的潜力（Skakun等人，2021年）。鉴于这些进展，开发并评估基于卫星图像的氮调节方法对于作物变量施肥尤为重要，特别是在中到大规模上。这些努力将提高氮管理的精确度和可持续性，最终有助于提高作物生产力和资源利用效率。
许多关于PNM的研究主要集中在提高作物氮回收效率、最终产量和经济回报上。然而，在全球气候变化和碳中和政策的背景下，提高作物能源效率和减少温室气体排放在现代农业实践中同样重要。传统的PNM方法通常在田间尺度确定氮肥追施量。虽然这些方法对小规模管理有效，但在大面积农业区域的应用往往会增加能源消耗和劳动力需求，从而限制了运营效率。这种低效率凸显了需要更可扩展和可持续的氮管理策略。管理区（MZ）技术通过允许在划定的区域内均匀施用资源，从而提高管理效率、减少能源投入和最小化温室气体排放，提供了一个有前景的解决方案。将MZ集成到精准农业框架中可以提高资源效率，有助于实现符合全球气候目标的可持续农业实践。
MZ划分通常利用多种数据来源，包括作物产量、土壤性质、地形特征和遥感数据（Yuan等人，2022a）。遥感技术能够提供实时的、非破坏性的作物生长信息，为MZ划分和季节性氮肥追施推荐提供了可行的替代方案。Rokhafrouz等人（2021年）证明，仅基于卫星图像的MZ模型与使用包括土壤营养和产量数据在内的综合数据集的模型表现相当。此外，基于遥感的MZ模型可以在施肥期临近时构建，确保氮肥推荐基于最新的作物生长数据。这种实时适应性提高了氮管理策略的精确度和有效性。尽管取得了这些进展，但将MZ地图与大面积变量施用氮肥的算法集成仍需进一步探索。为解决这一差距，本研究旨在：（1）利用多时相卫星图像开发小麦生长季MZ地图；（2）利用MZ地图和卫星衍生的多光谱数据建立管理区累积氮亏缺算法（MZ-ANDA）进行氮肥追施；（3）从谷物产量、部分因子生产力（PFP）、能源消耗、经济效益和二氧化碳排放等方面评估MZ-ANDA策略的性能。通过实现这些目标，本研究旨在推进精准农业领域的发展，提供一种可扩展和可持续的氮管理方法，以符合全球气候目标。
实验描述
本研究在中国江苏省兴化县进行（图1a），该地区具有温带季风气候，季节变化明显。年平均气温在14°C至16°C之间，年降水量在900至1200毫米之间。该地区的小麦生长季节从10月持续到6月。兴化县位于长江三角洲平原，地形主要为平坦，海拔变化较小。
基于多生长阶段的卫星图像划分季节性小麦生长MZ
2020年和2021年，使用多阶段光谱图像在氮肥追施前划分了代表季节性小麦生长的MZ（图3）。根据FPI和MPE确定最佳MZ数量（图S2），2020年分为六类（实验1），2021年分为五类（实验2）。两个实验中光谱指数和小麦产量的变异系数（CVs）总结在表6中。所有MZ内的CVs在各个区域内始终较低
基于多阶段卫星光谱图像构建MZ
MZ划分是精准作物管理的关键第一步，与传统田间管理实践相比，具有显著优势，如减少资源投入和提高效率（Yuan等人，2022b）。MZ划分的常见数据来源包括历史产量数据、光谱图像和土壤参数。先前的研究已成功利用这些数据源为小麦、棉花和玉米等作物划分MZ（Rouze等人，2021年；Yuan等人，
结论
可以在氮肥追施期之前利用多时相卫星光谱图像划分小麦生长MZ。在这项研究中，通过将氮调节算法与基于卫星的MZ地图相结合，开发了一种MZ-ANDA管理策略。与ANDA策略相比，MZ-ANDA策略在能源投入、经济成本和二氧化碳排放方面实现了更大的减少，特别是在较大的农场（本研究中为57.21–283.78公顷）。此外，MZ-ANDA策略还减少了氮
CRediT作者贡献声明
蒋杰：写作 – 审稿与编辑，原始稿撰写，方法论，正式分析。傅兆鹏：方法论，概念化。张佳毅：软件，方法论，调查。杨金鹏：写作 – 审稿与编辑，正式分析。方婉萍：写作 – 审稿与编辑，概念化。曹强：写作 – 审稿与编辑，正式分析。田永超：写作 – 审稿与编辑，概念化。朱燕：写作 – 审稿与编辑，概念化。曹伟星：
资助
本研究得到了中国国家自然科学基金（32071903）、中国国家重点研发计划（2022YFD2301402）、中国国家重点研发计划（编号2023YFD1701000）和上海市农业科技创新计划（编号12023005）的支持。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
