日本农研机构九州冲绳农业研究中心暖地水田轮作研究领域的中野洋组长助理（现任该机构日本农业研究中心转换田研究领域首席研究员）等人组成的研究团队宣布，开发出了利用无人机取得地面多处位置数据并进行校正的水田大范围NDVI（Normalized Difference Vegetation Index，归一化植被指数）测量系统，通过诊断水稻生长情况自动计算追肥量。目前已为日本种植最广泛的大米品种“越光”（Koshihikari）和西日本地区的主力品种“日之光”（Hinohikari）确定了追肥量计算公式，并计划在未来将应用范围扩大到其他品种。此次的成果克服了传统无人机测量过程中出现的问题，有望提高大规模生产者和民营企业的水稻种植效率，并稳定水稻产量和质量。相关研究成果已发表在国际学术期刊《Crop and Environment》3月13日号上。
无人机空中NDVI测量（供图：农研机构）
人工地面NDVI测量（供图：农研机构）
近年来，受极端天气和气候变化的影响，水稻产量和品质不稳定的频率增多，今后也存在产量和品质进一步下降的风险。在日本，随着农业从业人口的老龄化，农田集成化和企业的大规模经营化得到推进，开发能有效管理大规模农场的技术势在必行。
氮素是水稻栽培中重要的肥料成分，抽穗前20天至抽穗期前后施加的氮素追肥量与产量的增加以及影响销售价格的受害粒的减少呈正相关，但一旦使用过量，就会导致倒伏和味道变差，所以必须适量施肥。以往方法中，氮素追肥量是根据地面NDVI（归一化植被指数）测量结果等，通过生长诊断来估计的，但该方法需要作业人员在每个水田用便携式NDVI测量仪取得数据，需要花费大量的劳力。
对此，人们寄希望于通过无人机实现生长诊断，空中NDVI测量方法（空中 NDVI）测量的是植物反射太阳的光，而地面NDVI测量方法（地面NDVI）测量的是植物反射测量仪的光，由于这一差异，因此无法用于生长诊断。
图1 空中（无人机）和地面测量的归一化植被指数（NDVI）与测量时间的关系（a），以及NDVI与天气的关系（b）（供图：农研机构）
此次研究团队通过对空中NDVI进行校正提高了精度，并将其用于生长诊断。
首先，研究团队调查了空中及地面NDVI与测量时间、天气的关系，发现空中NDVI明显受到太阳高度和天气的强烈影响。
2020年和2021年，实际调查空中NDVI和地面NDVI与产量的相关性后发现，地面NDVI表现出更高的相关性。当研究团队用多出地面NDVI校正了空中NDVI后，发现相关性增加，证实了其可行性。当用于校正的地面NDVI数据增加时，相关性进一步增加。
此次开发的系统如果以产量为目标，则在抽穗1～4周前用配备多光谱照相机的无人机拍摄要进行诊断的整个田地，并使用图像分析软件获取空中NDVI。同时在地面对生长良好的部分、不好的部分和居中的部分（约3处）进行地面NDVI测量。虽然可以通过增加地面测量点来提高精度，但考虑到移动时间等，选择3个点左右较为适宜。
其次，根据空中NDVI和地面NDVI的相互关系得到回归方程公式，用地面NVDI校正所有田地的空中NDVI。将目标产量和补充修正后的NDVI代入预先为各生长阶段制定的追肥量计算公式中，计算出需要的追肥量。
图2 多年试验获得的无人机空中测量的归一化植被指数（NDVI）与产量的关系（a）、地面测量的NDVI与产量的关系（b）、及校正后的NDVI与产量的关系（c、e）（供图：农研机构）
在2021年佐贺县进行的田间实证试验中，用地面NDVI校正了空中NDVI后得出的所需追肥量为3.5kg N/10公亩，非常接近地面NDVI预估值（3.4），且实际产量达到了592±13kg/10公亩（目标产量的±5%以内）。2022年也得到了同样的结果，同时也控制了倒伏和病害。仅使用空中NDVI计算出的所需追肥量为16.7kg N/10公亩。
据称，本次开发的系统可通过农研机构提供的利用Excel制作的程序供企业等使用，还开发了构建在该机构服务器上的旨在提高便利性的规格和功能，为了使民营企业等可以通过农业数据协作平台（WAGRI）用于各公司的农业经营管理系统。
目前已经制作了“越光”和“日之光”两个品种的追肥量计算公式，能够覆盖日本约40%的水田耕作面积。今后，还将通过与各县的公立试验研究机构等的合作，扩大支持品种，进而提高便利性。
中野组长助理表示：“今后，不仅是计算需要的追肥量，我们还将尝试准确捕捉地面杂草和病虫害的发生情况，与此次的技术同样，对空中获取的数据进行校正，开发出能够判断受害情况和农药喷洒的时机，或者是否需要喷洒的技术。另外，我们还在推进麦类追肥量计算公式的制定”。
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
杂志：Crop and Environment
论文：Predicting rice grain yield using normalized difference vegetation index from UAV and GreenSeeker
DOI：doi.org/10.1016/j.crope.2023.03.001
