Huang, Shanyu (2019). Satellite and Fluorescence Remote Sensing for Rice Nitrogen Status Diagnosis in Northeast China. PhD thesis, Universität zu Köln.

[img]
Preview
PDF
Dissertation of Shanyu Huang 2019.pdf

Download (3MB) | Preview

Abstract

Nitrogen (N), as the most important element of crop growth and development, plays a decisive role in ensuring yield. However, the problems of over-application of N fertilizers have been repeatedly reported in China, which resulted in low N use efficiency and high risk of environmental pollution. The requirements of developing technologies for real-time and site-specific diagnosis of crop N status are the foundation to realize the precision N management, and also benefit to the improvement of the N use efficiency. Remote sensing technology provides a promising non-intrusive solution to monitor rice N status and to realize the precision N management over large areas. This research focuses on proposing N nutrition diagnosis methods and developing N fertilizer management strategies for paddy rice of cold regions in Northeast China. The main contents and results are presented as follows: (1)This study developed a new critical N (Nc) dilution curve for paddy rice of cold regions in Northeast China. The curve could be described by the equation Nc=27.7W^(-0.34) if W≥1 t/ha for dry matter (DM) or Nc=27.7g/kg DM if W<1 t/ha, where W is the aboveground biomass. Results indicated that the new Nc dilution curve was suitable for diagnosing short-season Japonica rice N status in Northeast China. The validation result indicated that it worked well to diagnose plant N status of the 11-leaf variety rice. (2)This study investigated the potential of the satellite remote sensing data for diagnosing rice N status and guiding the topdressing N application at the stem elongation stage in Northeast China. 50 vegetation indices (VIs) were computed based on the FORMOSAT-2 satellite data, and they were correlated with the field-based agronomic variables, i.e., aboveground biomass (AGB), leaf area index (LAI), plant N concentration (PNC), plant N uptake (PNU), chlorophyll meter readings, and N nutrition index (NNI, defined as the ratio of actual PNC and critical PNC according to the new Nc dilution curves). The results presented that 45% of variation in the NNI was obtained by using a direct estimation method based on the best VI according to the FORMOSAT-2 satellite data, while 52% of the variation in the NNI was yielded by an indirect estimation method, which firstly used the VIs to estimate AGB and PNU, respectively, then estimated NNI according to these two variables. Moreover, based on the critical N uptake curve, a N recommendation algorithm was proposed. The algorithm was based on the difference between the estimated PNU and the critical PNU to adjust the topdressing N application rate. The results demonstrated that FORMOSAT-2 images have the potential to estimate rice N status and guide panicle N fertilizer applications in Northeast China. (3)This study also evaluated the potential improvements of the newest satellite sensors with the red edge band for diagnosing rice N status in Northeast China. The canopy-scale hyperspectral data were upscaled to simulate the wavebands of RapidEye, WorldView-2, and FORMOSAT-2, respectively. The VI analysis, stepwise multiple linear regression (SMLR), and partial least squares regression (PLSR) were performed to evaluate the N status indicators. The results indicated that the VIs based on the RE band from RapidEye and WorldView-2 data could explain more variability for N indicators than the VIs from FORMOSAT-2 data having no RE band. Moreover, the SMLR and PLSR results revealed that both the near-infrared and red edge band were important for N status estimation. (4)The proximal fluorescence sensor Multiplex_3 was used to evaluate the potential of fluorescence spectrum for estimating the N status of the cold regional paddy rice at different growth stages. The Multiplex indices and their normalized N sufficient indices (NSI) were used to estimate the five N status indicators, i.e., AGB, leaf N concentration (LNC), PNC, PNU, and NNI. The results indicated that there were strong relationships between the fluorescence indices (i.e., BRR_FRF, FLAV, NBI_G, and NBI_R) and (i.e., LNC, PNC, NNI), with the coefficient of determination between 0.40 and 0.78. In particular, NNI was well estimated by these fluorescence indices. Moreover, the NSI data improved the accuracy of the N diagnosis. These results of this study were useful for N nutrition diagnosis and variable fertilization of the cold regional paddy rice, which were significant for the ecological environment protection and the national food security.

Item Type: Thesis (PhD thesis)
Translated abstract:
AbstractLanguage
Stickstoff (N), als wichtigstes Element des Pflanzenwachstums und der -entwicklung, spielt eine entscheidende Rolle für die Ertragssicherung. In China wurden jedoch wiederholt Probleme mit der übermäßigen Anwendung von N-Düngemitteln gemeldet, was zu einer geringen N-Nutzungseffizienz und einer hohen Umweltgefährdung führte. Um die Nutzungseffizienz des zugeführten Stickstoffs zu verbessern, werden Strategien entwickelt, welche die Düngung dem Bedarf der Pflanzen sowohl in zeitlicher und räumlicher Dimension anpassen (Precision Farming). Dies erfordert die Entwicklung von Technologien zur ortsspezifischen Bestimmung der N-Versorgung in Echtzeit. Die Fernerkundung bietet eine vielversprechende nicht-invasive Methode zur Überwachung des N-Status im Feld, um dann für große Flächen ortsspezifische Düngestrategien abzuleiten. Die in dieser Arbeit vorgestellte Forschung fokussiert darauf, Methoden für die Bestimmung des N-Versorgungszustands von Reispflanzen vorzuschlagen und N-Düngestrategien für Nassreisanbau in kühlen Regionen zu entwickeln. Das Untersuchungsgebiet liegt in Nordostchina. Die wichtigsten Inhalte und Ergebnisse sind wie folgt: (1) Eine neue kritische N (Nc)-Verdünnungskurve für Nassreisanbau in kühlen Regionen in Nordostchina wurde entwickelt. Mit dieser Gleichung wird die Verdünnungskurve beschrieben: Nc=27,7W^(-0,34) für W (oberirdische Biomasse) ≥1 t Trockensubstanz (DM) per ha oder Nc=27,7 g/kg DM für W<1 t/ha. Ergebnisse zeigten die Eignung dieser neuen Nc-Verdünnungskurve für die Bestimmung des N-Status von Japonica-Reis in Nordostchina. Die Validierungsanalyse erzielte gute Ergebnisse für die Bestimmung des N-Status einer 11-blättrigen Reissorte. (2) Das Potential von FORMOSAT-2 Satellitenbildern für die Bestimmung der N-Versorgung wurde analysiert, um Düngeempfehlungen für das phänologische Stadium des Schossens abzuleiten. Hierzu wurden 50 Vegetationsindizes (VIs) basierend auf FORMOSAT-2-Daten berechnet und die Korrelationen mit im Feld gemessenen agronomischen Parametern (oberirdische Biomasse AGB, Blattflächenindex LAI, N-Konzentration in der Pflanze PNC, N-Aufnahme der Pflanze PNU, Chlorophyllmeter-Daten CM und Nitrogen Nutrition Index NNI) analysiert. Der NNI ist definiert als das Verhältnis zwischen der tatsächlichen und der kritischen PNC, gemäß der neu entwickelten Nc-Verdünnungskurve. Die Ergebnisse zeigten, dass 45% der NNI-Variation mit dem geeignetsten FORMOSAT-2-VI erklärt werden konnten (direkte Methode). Die indirekte Methode, zuerst AGB und PNU mit Hilfe der VIs aus den Fernerkundungsdaten abzuleiten und dann den NNI zu berechnen, erzielte ein besseres Ergebnis. Auf der kritischen N-Aufnahme-Kurve basierend, wurde ein Verfahren zur N-Düngeempfehlung vorgeschlagen. Dieses nutzt die berechnete Differenz zwischen dem geschätzten und dem kritischen PNU-Wert, um die N-Düngeempfehlungen während der Vegetationsperiode abzuleiten. Die Eignung der FORMOSAT-2-Daten für die Bestimmung des N-Status von Reispflanzen konnte bewiesen werden. Somit lassen sich während der Anbauphase Düngeempfehlungen für Reis in Nordostchina ableiten. (3) Weiterhin wurde die Eignung von neueren Satellitensensoren mit Spektraldaten im Red Edge-Bereich (RE) bewertet, den N-Versorgungszustand von Reis in Nordostchina zu detektieren. Im Feld gemessene hyperspektrale Daten dienten der Simulation der Spektralkanäle von FORMOSAT-2, RapidEye und Worldview-2. Um die Ableitung von N-Status-Parametern zu bewerten, wurden diese Methoden eingesetzt: Analyse von Vegetationsindizes (VI), die stufenweise multiple lineare Regressionsanalyse (SMLR) und die Regressionsanalyse nach der Methode der kleinsten Quadrate (PLSR). Die Ergebnisse zeigten, dass die auf dem RE basierenden VIs aus RapidEye und WorldView-2-Daten mehr Variabilität der N-Indikatoren erklären konnten als die VIs aus den FORMOSAT-2-Daten (ohne Spektralinformation im RE). Außerdem zeigten die Ergebnisse der SMLR und PLSR, dass die Spektralkanäle sowohl im nahen Infrarot als auch im RE wichtig für die Ableitung des N-Status sind. (4) Der im Feld einsetzbare Fluoreszenz-Sensor Multiplex_3 wurde evaluiert, um die Eignung des Fluoreszenz-Spektrums für die Ableitung des N-Status während verschiedener phänologischer Phasen im Nassreisanbau (in kühlen Regionen) zu bewerten. Die Multiplex-Indizes und ihre normalisierten N sufficient-Indizes (NSI) wurden verwendet, um fünf N-Status-Indikatoren (AGB, Blatt-N-Konzentration LNC, PNC, PNU und NNI) abzuleiten. Die Ergebnisse weisen darauf hin, dass es starke Beziehungen zwischen den Fluoreszenz-Indizes (z.B. BRR_FRF FLAV, NBI_G und NBI_R) und z.B. LNC, PNC und NNI gibt (R²-Werte zwischen 0,48 und 0,78). Insbesondere die NNI-Werte konnten gut aus diesen Fluoreszenz-Indizes abgeleitet werden. Die NSI-Daten verbesserten die Genauigkeit der N-Bestimmung. Die Ergebnisse dieser Arbeit sind für die Bestimmung der N-Versorgung und damit für die Anpassung der Düngegaben für den Nassreisanbau in kühlen Regionen einsetzbar. So kann ein Beitrag zum Umweltschutz und gleichzeitig zur nationalen Nahrungsmittelsicherheit geleistet werden.German
Creators:
CreatorsEmailORCID
Huang, Shanyuivy331919@163.comUNSPECIFIED
URN: urn:nbn:de:hbz:38-94279
Subjects: Data processing Computer science
Natural sciences and mathematics
Earth sciences
Life sciences
Agriculture
Geography and history
Uncontrolled Keywords:
KeywordsLanguage
Critical Nitrogen Dilution CurveEnglish
Nitrogen Nutrition IndexEnglish
Satellite Remote SensingEnglish
Nitrogen Status DiagnosisEnglish
Fluorescence SensorEnglish
RiceEnglish
Sanjiang PlainEnglish
Faculty: Faculty of Mathematics and Natural Sciences
Divisions: Faculty of Mathematics and Natural Sciences > Department of Geosciences > Geographisches Institut
Language: English
Date: 11 March 2019
Date of oral exam: 13 February 2019
Referee:
NameAcademic Title
Bareth, GeorgProf. Dr.
Schneider, KarlProf. Dr.
Refereed: Yes
URI: http://kups.ub.uni-koeln.de/id/eprint/9427

Downloads

Downloads per month over past year

Export

Actions (login required)

View Item View Item