《European Journal of Agronomy》：Late-season N diagnosis governs the performance of sensor and LCC-based N management strategies in Bt cotton
Jagmanjot Singh | Manpreet Singh | Arsh Alam Singh Gill | Harjeet Singh Brar | Sukhpreet Singh | Kevin F. Bronson
印度旁遮普农业大学，土壤科学系，卢迪亚纳
摘要
背景
棉花中的氮（N）管理面临着回收效率低、产量波动以及由于普遍推荐施肥方法导致的环境损失等问题。利用基于传感器的工具进行精准氮管理，可以提供田间氮诊断，以满足棉花动态的氮需求，从而实现氮供应与作物需求的同步。
目的
评估基于传感器的氮管理策略：PAU-叶色图（LCC）、叶绿素仪（SPAD）和光学传感器，在两种Bt棉花品种（RCH-926，杂交品种；PAU Bt-3，常规品种）中的应用效果，与基于土壤测试的施肥方法进行对比。
方法
在印度旁遮普邦的Abohar和Bathinda进行了为期两年的田间实验（2022–2023年），采用分区设计，研究了两种Bt棉花品种和七种氮处理方式：GreenSeeker NDVI（GS-NDVI）、RapidSCAN NDVI（RC-NDVI）、RapidSCAN NDRE（RC-NDRE）、PAU-LCC、基于土壤测试的氮肥施用、过量施肥对照组（OFR）以及零氮对照组。测量了冠层光谱指数、叶片氮含量、生物量、产量构成成分和氮利用效率（NUE）。
结果
基于NDVI的传感器在开花期显示氮饱和现象，这限制了后期氮诊断的准确性，导致氮施用量减少、叶片氮含量降低以及产量下降，尤其是在RCH-926品种中。RC-NDRE和PAU-LCC在密集冠层条件下仍保持敏感性，在开花期维持较高的叶片氮含量，并更好地实现了氮供应与作物需求的同步。基于土壤测试的施肥方法产生了最高的籽棉产量，但其结果与PAU-LCC和RC-NDRE相当，后者减少了30%的氮肥用量。基于NDVI的策略在不同地点和品种间表现出产量差异。RCH-926品种表现出更高的生物量和氮吸收量以及籽棉产量，而PAU Bt-3品种的氮利用效率更高。
结论
开花期是棉花氮管理的关键阶段。PAU-LCC和基于NDRE的方法通过准确的氮状态评估，在密集冠层条件下优于基于NDVI的指数。这些方法实现了与基于土壤测试的施肥方法相当的产量，并提高了氮利用效率，同时满足了不同品种的氮需求。PAU-LCC和基于NDRE的工具为Bt棉花的精准氮管理提供了可靠的替代方案，支持可持续的生产力。
引言
棉花是全球纺织业的支柱，在100多个国家种植面积超过3300万公顷，贡献了全球纤维需求的近31%（Abbas和Ahmad，2018年；Abdelraheem等人，2019年）。除了纤维外，棉花的副产品如籽油和棉籽粕在食品、饲料和工业领域也具有显著价值（Egbuta等人，2017年）。尽管印度占全球棉花种植面积的约37.56%，但其平均 lint 产量仍远低于全球平均水平，这凸显了在提高生产效率的同时改善投入利用效率的必要性（FAOSTAT，2024年）。在土地面积小和投入成本上升的情况下，精准养分管理已成为维持棉花生产的关键途径。
在印度西北部，棉花-小麦生产系统受到气候变异性、降雨不规律、水资源短缺和土壤肥力下降的日益限制。氮（N）作为棉花生长、产量和纤维质量的关键因素，通常通过基于土壤测试的推荐方法进行管理，但这些方法未能充分考虑土壤氮供应和作物需求的时空变化。这种不匹配常常导致氮回收效率低下和通过淋溶及气体排放造成的环境损失增加（Zhang等人，2015年；Hou等人，2021年）。氮缺乏和过量都会对棉花表现产生不利影响，影响植株生长、生殖发育和产量形成（Arnall等人，2016年；Luo等人，2018年；Bai等人，2024年；Tian等人，2024年）。因此，在关键生长阶段同步氮供应与作物需求对于提高氮利用效率（NUE）和维持生产力至关重要。
近感技术的进步使得通过叶色图（LCC）、叶绿素仪和GreenSeeker、RapidSCAN等主动光学传感器实时评估作物氮状态成为可能。这些工具可以估算冠层绿度或反射率，这与叶绿素含量和叶片氮浓度密切相关（Putra，2020年），从而支持季节内的氮管理决策（Raper等人，2013年；Yu等人，2019年；Zhang等人，2022年；Singh等人，2023年）。基于叶片的工具如LCC和SPAD可以提供叶片水平的叶绿素含量点测量值，而像GreenSeeker和RapidSCAN这样的主动光学传感器则可以估算冠层反射率，整合了生物量和叶绿素信号。NDVI主要反映冠层结构和生物量，而NDRE则对叶绿素浓度的变化更敏感。其中，归一化差异植被指数（NDVI）因其操作简便性和稳健性而被广泛使用。然而，NDVI在密集作物冠层下容易饱和，限制了其对生物量和氮状态变化的敏感性（Arnall等人，2016年；Bronson等人，2020年）。在棉花中，这一限制尤为明显，因为开花期是生物量快速积累、氮需求高以及氮向生殖器官转移的关键阶段。
基于归一化差异红边（NDRE）的替代方法能够在高生物量条件下保持敏感性，可能在生长后期提供更好的氮诊断。类似地，像PAU-叶色图（LCC）这样的简单工具可以直接评估叶片绿度，可能在密集冠层条件下仍然有效。然而，这些工具在密集Bt棉花冠层下的相对表现，特别是在关键生理阶段（如开花期），仍需进一步研究。
除了传感器相关的限制外，棉花品种在冠层结构、生物量积累和氮需求方面存在显著差异。这些基因型差异会影响冠层反射率，从而影响基于传感器的充足性指数方法的有效性。尽管如此，大多数基于传感器的氮管理策略仍依赖于通用阈值，对基因型特异性响应的考虑有限。Bt棉花系统中冠层结构、传感器饱和度和品种依赖的氮需求之间的相互作用尚未得到系统评估。
开花期被认为是关键的生理阶段，因为它标志着从营养生长向生殖生长的转变以及氮再利用的开始；然而，其作为评估传感器性能和指导氮管理决策的诊断断点的角色尚未得到充分探索（Shah等人，2022年）。解决这些空白对于开发针对特定阶段和基因型的氮管理策略至关重要。
尽管基于传感器的氮管理工具被广泛使用，但仍存在两个关键不确定性：在密集棉花冠层下基于NDVI的指数的可靠性，以及品种特定的氮需求差异对这些诊断方法的影响程度。因此，假设基于NDVI的充足性指数可能在开花期由于冠层饱和而低估氮需求，而基于NDRE和LCC的方法在这种情况下仍能保持区分能力。此外，不同品种之间的生物量积累和氮利用差异预计会影响传感器性能，需要针对基因型进行充足的阈值解释。本研究评估了基于NDVI、NDRE和LCC的氮管理策略在两种Bt棉花品种上的相对表现，特别关注开花期作为生理和诊断断点，并量化了它们对氮吸收、生物量积累、产量和氮利用效率的交互作用。
实验地点和气候
实验在2022年和2023年的种植季节进行，地点为旁遮普农业大学的两个研究站：Abohar区域研究站（纬度30° 8''N，74° 12''E；海拔188米）和Bathinda区域研究站（纬度30° 58''N，74° 17''E；海拔211米），位于印度西南部的跨恒河农业气候区。该地区属于半干旱气候，夏季炎热，7月至9月有季风雨。
LCC和SPAD仪的响应
使用PAU-LCC和SPAD仪测量的叶片绿度在不同氮管理策略、生长阶段和品种间存在显著差异，反映了氮可用性和作物需求的变化（图3，图4）。在所有地点，过量施肥对照组（OFR）和基于传感器的策略始终维持较高的LCC和SPAD值，证实了氮供应的积极作用。
在针头期（33 DAS），所有氮管理策略在统计上...
生长阶段的氮诊断及开花期的意义
LCC、SPAD、NDVI和NDRE在生长阶段的时间变化反映了棉花中氮需求和分配的动态特性。过量施肥对照组（OFR）和基于传感器的氮管理策略下的较高LCC和SPAD读数表明，充足的氮供应能够维持整个季节的叶片叶绿素状态，而零氮对照组下的持续较低值表明土壤中的氮无法满足作物需求（Farid等人，2022年）。LCC和SPAD值的趋同...
结论
本研究表明，在密集冠层条件下，基于传感器的氮管理在Bt棉花中的可靠性受到诊断指数在生长后期表现的影响。在评估的方法中，基于PAU-LCC和RapidSCAN NDRE的策略有效实现了氮供应与作物需求的同步，从而维持了叶片氮状态并支持了产量形成。
CRediT作者贡献声明
Kevin F. Bronson：写作——审稿与编辑、方法论、概念化。
Sukhpreet Singh：写作——审稿与编辑、数据管理。
Harjeet Singh Brar：写作——审稿与编辑、监督、资源管理。
Arsh Alam Singh Gill：写作——审稿与编辑、监督、方法论。
Manpreet Singh：写作——审稿与编辑、监督、资源管理、方法论、概念化。
Jagmanjot Singh：写作——初稿撰写、可视化、调查、数据分析、数据管理。
资金
本研究未获得任何资金、资助或其他支持。
生成式AI和AI辅助技术的声明
在准备本手稿过程中，作者使用了生成式AI工具（ChatGPT和Paperpal）来改进语法、语言清晰度和文本流畅性。没有使用生成式AI工具进行数据分析、数据解释、图表制作或科学结论的得出。作者审阅、编辑并验证了所有内容，并对工作的完整性负全责。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。
