基于卫星遥感技术，在不同农田条件下对玉米最佳氮肥施用量的季节性预测

《Computers and Electronics in Agriculture》：Satellite remote sensing-based in-season prediction of optimal nitrogen rates for corn under diverse on-farm conditions

　　•在不同玉米田内部及不同田地之间，田间EONR值存在显著差异。•校准带有助于根据卫星NDVI数据估算整块田地的EONR值。•在V7–V9生长阶段，NDVI值与用于估算EONR的最佳植被指数相当。•相比FNR和MRTN，RSCS能更准确地表征EONR值。•结合环境与管理信息后，IRSCS的可靠性进一步提升。

引言
在美国中西部地区，氮肥是保障高产玉米种植体系高效运行的关键因素（Ewing和Runck，2015）。然而，在实现高产量与盈利的同时保护环境，科学管理氮肥面临巨大挑战，因为不同田地、同一田地不同区域以及不同年份的最适氮肥施用量均存在差异（Mamo等人，2003；Miao等人，2007）。当氮肥供应与作物需求不匹配时，会产生双重后果：从经济层面看，生产者要么承担不必要的肥料成本，要么面临产量与收入损失；从环境层面看，氮素过剩会增加硝酸盐渗漏、一氧化二氮排放以及下游水质恶化的可能性（Keeler等人，2016；Zhang等人，2013）。在中西部地区，农业用地中累积的氮素流失严重影响了密西西比河流域的氮负荷，还导致了墨西哥湾的缺氧现象（Cao等人，2018）。这些现实情况凸显出亟需开发既具经济效益、又具备韧性且符合环境要求的氮肥管理策略。

改善氮肥管理的核心障碍在于，如何准确识别不同农场条件下最适氮肥施用量的显著空间与时间变化（Mamo等人，2003；Miao等人，2006；Dhital和Raun，2016）。土壤特性、地形、气候条件以及管理历史等因素相互作用，共同影响作物可利用氮素、氮素吸收量以及氮素流失途径（Kyveryga等人，2009；Morris等人，2018；Raun等人，2019；Baum等人，2024）。大量小规模试验帮助人们更好地理解作物对氮素的吸收机制，也为确定最适氮肥施用量提供了依据，相关成果已见诸多文献与指导文件（Morris等人，2018；Ransom等人，2020；Nafziger等人，2022）。然而，由于空间异质性及气候波动的影响，将这些研究结果转化为实际可行的农场氮肥管理方案依然十分困难（Samborski等人，2017；Cummings等人，2021）。尽管先进的农业技术通过产量监测仪、土壤调查、数字高程模型、机器运行记录以及近地或遥感技术，能够生成大量遗传、环境和管理相关数据，但农民们仍难以将这些复杂数据转化为可直接应用于田间的氮肥施用方案（Wolfert等人，2017）。因此，许多生产者仍然依赖经验、田间平均数据或来自高校推广机构的区域推荐，采用统一的氮肥施用量，试图实现整个田地的最大收益（Thorburn等人，2024）。这种统一施用策略忽视了田地内部及不同年份间的差异，降低了氮肥利用效率，同时增加了产量下降和氮肥过量施用的风险（Miao等人，2011；Nawar等人，2017）。

渐变校准带技术为在田间直接设置氮肥施用量梯度提供了一种简便的方法（Raun等人，2008）。通过在一条带上设置不同梯度的氮肥施用量，该技术可通过视觉观察或传感器检测，确定作物冠层反应趋于稳定的氮肥施用量，从而为当季氮肥施用提供依据（Roberts等人，2011；Yue等人，2015；Sidhu等人，2021）。尽管该方法简单易行，但在土壤条件复杂的田地中效果有限，因为一两条校准带无法充分反映最适氮肥施用量的空间差异（Roberts等人，2011）。一种更为先进的改进方法是基于遥感与校准带的策略，它通过将分段的预植期氮肥施用带与高分辨率卫星遥感数据相结合，将基于带状的推断范围扩展到整个田地（Cummings等人，2021）。在这种策略中，田地被划分为多个网格，每个网格内的4–6个连续网格会分别施加4–6种不同梯度的氮肥施用量，作为一个局部处理单元。随后，通过比较每个单元内不同氮肥施用量对应的卫星衍生植被指数，可判断出该区域的作物氮素响应特征，其中产生最高植被指数的氮肥施用量即为基于植被指数的该单元最适氮肥施用量。再结合预植期已施用的氮肥量，即可制定出针对性的追肥建议，从而为追肥期（V7–V9生长阶段）的精准施肥提供依据（Cummings等人，2021）。2014年至2016年，该策略在美国玉米带八个州的49个试验点进行了验证，但其在实际商业农场的应用效果仍需进一步研究（Lu等人，2026）。

遥感技术的进步使得在田间条件下实施基于位置的动态氮肥管理变得越来越可行。诸如PlanetScope（Planet Labs PBC，美国加利福尼亚州旧金山）这样的高分辨率卫星平台，能够以约3米的空间分辨率提供每日影像，并具备更多波段数据，为在田块尺度上评估作物氮素状况提供了新可能（Huang等人，2024）。不过，基于植被指数估算最适氮肥施用量仍会受到作物生长阶段、所选植被指数以及遗传、环境和管理因素相互作用的影响（Xia等人，2016；Lu等人，2020；Wang等人，2020；Wang等人，2025）。为提升RSCS的准确性，我们之前的研究通过引入简单且易于理解的基于遗传、环境和管理因素的规则，构建了改进版的RSCS框架——IRSCS，用以在特定条件下约束基于植被指数的最适氮肥施用量估算（Lu等人，2026）。与RSCS相比，IRSCS减少了系统偏差，提升了最适氮肥施用量的估算精度，进而提高了盈利能力、氮肥利用效率，同时降低了土壤中残留的矿质氮含量，其效果优于传统农民的施肥方式。不过，这些优势是在使用近地主动冠层传感器、在V9生长阶段收集数据的小规模试验中体现出来的。实际商业农田的条件更为复杂，气候、土壤、地形和管理方式的差异都可能导致基于植被指数的最适氮肥施用量估算出现过高或过低的偏差。此外，PlanetScope等卫星平台能够在整个生长季节提供多次观测数据，并拥有更宽的波段范围，这为利用不同植被指数评估不同生长阶段的最适氮肥施用量估算不确定性提供了可能。因此，在RSCS技术能够广泛应用于实际农场之前，还需在多种不同的环境和管理条件下对RSCS及其基于规则的IRSCS框架进行充分测试。

这就引发了三个关键问题，关系到该技术在农场大规模应用时的可行性：（1）在不同预植期氮肥施用量下，植被指数的响应与作物产量及利润响应的匹配程度如何？（2）多光谱卫星影像中的哪些植被指数组合以及何种观测时机，能够带来最可靠的最适氮肥施用量估算结果？（3）气候、土壤、地形和管理因素如何影响植被指数响应的稳定性？又该如何将这些信息融入到实际的当季氮肥管理建议中，而不增加操作复杂性？

为解答这些问题，我们利用明尼苏达州多年积累的大规模多地点农场数据集，开发并评估了一种基于卫星遥感的RSCS框架，用于玉米种植。该框架结合了多时相卫星影像数据，以及对不同预植期氮肥施用量下的基于植被指数、产量及利润的最适氮肥施用量的对比分析，从而能够在不同田地条件下针对具体情景评估RSCS的适用性。由于所有试验都在同一生产区域开展，且所使用的玉米品种成熟期相近，因此无需考虑遗传变异因素，这使得研究能够聚焦于气候、土壤、地形和管理方式这些影响最适氮肥施用量估算偏差的主要因素。随后，我们将观察到的偏差模式转化为简单、易于理解且可直接用于实际操作的氮肥管理建议规则，从而形成了IRSCS框架。该研究的目标包括：（1）量化在复杂农场条件下基于植被指数的最适氮肥施用量估算的准确性；（2）分析不同植被指数、生长阶段以及环境和管理因素对当季最适氮肥施用量估算稳定性的影响；（3）通过将基于知识的规则纳入当季氮肥管理建议中，开发并评估IRSCS框架的实用性。