基于无人机的精准氮素管理在水稻生产中实现农艺、经济和环境多目标平衡的研究

作者及机构
本研究的通讯作者为南京农业大学的Xiaojun Liu教授（邮箱：liuxj@njau.edu.cn），第一作者为Zhaopeng Fu。研究团队来自南京农业大学国家信息农业工程技术中心、农业农村部作物系统分析与决策重点实验室、智能农业教育部工程研究中心等多个国家级科研平台。该研究于2026年发表在Field Crops Research期刊（Volume 335, Article 110187）。

学术背景

科学领域与研究动机
作为中国主粮作物，水稻生产中的氮肥不合理施用导致利用效率低下（仅30-35%）和严重环境污染（每年因氮污染造成的生态系统损失高达360亿美元）。传统氮肥管理面临三大挑战：(1) 诊断精度受品种和区域适应性限制；(2) 现有无人机遥感研究多停留在状态诊断阶段，缺乏可实施的处方图生成验证；(3) 缺乏兼顾产量、经济效益和环境可持续的多目标优化策略。

理论基础
研究以氮营养指数（N Nutrition Index, NNI）和累积氮亏缺（Accumulated N Deficit, AND）为核心诊断指标。其中NNI=1代表最优氮状态，0.95-1.05为适宜范围；AND>0需增施氮肥，AND应减施。团队前期已建立适用于粳稻的临界氮稀释曲线：Ncrit = 3.36 × W−0.30（W为地上部生物量）。

研究目标
1. 开发适用于田块内（intra-field）和田块尺度（field-scale）的无人机氮肥追施诊断调控方法
2. 评估不同调控方案的农艺、经济和环境效益
3. 建立平衡多目标效益的优化施肥策略

研究方法与流程

1. 实验设计（2017-2023年）

地点与条件
在江苏省兴化市（北纬33°08′，东经119°89′）开展8项试验，该区域属亚热带季风气候，年日照2131小时，年均温16.9°C，土壤为壤土（pH 6.51，有机质20.96 g/kg）。

试验分组
- 建模试验（2017-2020）：包含4个试验（Exp.1-4），采用裂区设计，涉及3个主栽品种（南粳9108、甬优2640、武运粳32）和4个氮水平（0-360 kg N/ha）
- 验证试验（2022-2023）：在兴化站、朱洪农场和周庄农场进行（Exp.5-8），对比7种调控方法（包括RF变量法、CNN优化法等）

2. 数据采集与处理

无人机遥感系统
采用eBee SQ固定翼无人机搭载Parrot Sequoia多光谱相机（560-790nm四波段），飞行高度80米，地面分辨率8cm。影像经Pix4Dmapper 4.2和ENVI 5.3预处理，提取42个特征变量（包括NDRE、RVI等植被指数和纹理特征）。

生化参数测定
通过凯氏定氮法测定植株氮含量，计算地上部生物量（AGB）和植株氮积累量（PNA）。同步记录积温（AGDD）和移栽后天数（DAT）等环境参数。

3. 模型开发

诊断模型构建
- 直接反演法：基于RF+Boruta-SHAP+PSO算法，NNI直接反演精度达R²=0.62（RMSE=0.20）
- 间接反演法：先反演AGB（R²=0.83）和PNA（R²=0.76），再计算NNI，精度显著降低（R²=0.35）
- AND反演：CNN模型表现最优（RMSE=20.79 kg/ha），优于传统RF方法

调控算法开发
- 田块内尺度：基于3米网格生成处方图，采用RF变量法（RF-variable）

Ntop = Nlocal + AND/Nre 其中Nre（氮回收效率）设为0.5 

• 田块尺度：采用CNN优化法（CNN-optimized）结合多目标粒子群算法（MOPSO），优化目标包括：
  
  • 预测产量（PY）：分段线性模型
    
  • 经济收益（PEP）：考虑肥料和稻谷价格
    
  • 温室气体排放（PGHG）：包含N₂O、CH₄等折算值
    

主要研究结果

1. 诊断模型性能

NNI直接反演模型在追肥期的诊断准确率（CA）达71%，Kappa系数0.52（中等一致性）。AND的CNN反演误差比RF方法降低7.2%，特别在低值区间过估计现象显著改善。

2. 田块内调控效果

• 空间均一性：RF变量法使NNI变异系数（CVnni）降低9.29%-15%
  
• 氮状态改善：南粳9108的适宜氮状态比例提升67.01%，氮缺乏减少72.15%
  
• 综合效益：与农民习惯（FP）相比，氮农学效率（NAE）提高20.11%，活性氮损失（RNL）降低14.78%
  

3. 田块尺度优化

MOPSO算法生成的Pareto前沿解显示：
- 低氮条件（160 kg/ha）：优先产量和收益（Nlocal=138.67 kg/ha）
- 中氮条件（260 kg/ha）：平衡多目标（Nlocal=139.49 kg/ha）
- 高氮条件（360 kg/ha）：侧重环境效益（Nlocal=132.01 kg/ha）

在朱洪农场的验证表明，CNN优化法使经济收益增加109元/亩，同时减少温室气体排放131 kg CO₂-eq/ha。

结论与价值

科学价值
1. 首次实现无人机遥感诊断与可变施肥操作的闭环衔接，填补了从理论模型到田间实施的技术鸿沟
2. 提出的多目标优化框架突破了传统单目标优化局限，为可持续农业提供量化决策工具

应用价值
- 处方图方法可适配大疆T30/T50等商用无人机，3米网格精度满足实际作业需求
- 在兴化市的推广示范显示，该技术使氮肥利用率提升19-20%，每亩增收180-300元

研究亮点

1. 方法创新：

   • 开发Boruta-SHAP特征选择与PSO超参数优化结合的混合算法
     
   • 改造AlexNet架构用于四通道多光谱图像的AND反演（输入层调整为11×11×4）
     

2. 多尺度适配：

   • 田块内：像素级变量施肥（RF-variable）
     
   • 田块间：均匀施肥下的全局优化（CNN-optimized）
     

3. 验证全面性：
   涵盖6个生长季、3个生态点、4个品种的验证，模型具有强鲁棒性

局限与展望
当前MOPSO求解需30分钟/田块，未来将通过边缘计算部署实现实时决策。团队正开发基于微信小程序的农户交互界面，2025年拟在长三角地区推广5万亩。