小麦是世界上主要的粮食作物之一,也是我国重要的粮食作物。小麦产量受土壤养分、灌溉、栽培等诸多因素影响,其中利用施肥技术提高土壤养分水平是小麦产量提升的重要途径之一。传统施肥方式存在养分利用率低,环境污染等问题,应综合使用现代农业技术实施变量施肥,以最大限度提高生产力,同时限制过度施肥对环境的影响。麦田养分主要循环路径为“投入-土壤-小麦-产出”,小麦作为重要的一环为养分的监测提供了关键信息。本研究选择山东省、中国农大桓台生态与可持续发展实验站(生态站)和山东省桓台县农业标准化示范区(农标区)麦田为研究对象,从空间变化规律和时间变化规律角度,结合实测小麦养分和土壤养分数据,综合运用统计分析、主成份分析、地统计分析等方法,探讨了冬小麦养分(地上)和土壤养分(地下)的特征规律;基于无人机多光谱数据和地面采样数据,筛选麦田土壤-作物耦合的主要养分敏感光谱指数,构建麦田土壤养分的估测模型;从大小两个尺度,分别构建地面、无人机和基于卫星遥感的麦田变量施肥模型,为麦田精准施肥和麦区施肥提供科学依据。主要研究工作及结果如下:(1)针对冬小麦养分状况与无人机多光谱影像开展系统研究,旨在确定冬小麦生育期内养分变化和对应光谱状况。结果表明,生态站和农标区内冬小麦SPAD值均随冬小麦生育期呈增长趋势。农标区小麦植株氮、磷、钾养分在同一时期内差异较小,养分间变异性略有不同。生态站小麦无人机多光谱特征变化与冬小麦养分变化一致,NIR和RED波段包含生育期内小麦冠层的主要信息。冬小麦生育期内,NIR和RED波段的相关系数从0.45降至0.08,GREEN和RED波段的相关系数从0.87涨至0.97,NIR和REG波段的相关系数从0.90降至0.40。(2)以麦田土壤养分为研究对象,基于地统计学和探索性分析工具,研究了麦田土壤碱解氮、速效磷、速效钾养分的时空变化规律。结果表明,麦田土壤养分中碱解氮和速效磷的空间变异性较大,而速效钾空间变异很小。麦田土壤养分存在明显空间趋势性和空间自相关性,且其趋势性和自相关性随冬小麦生育期而改变。在冬小麦生育期内麦田土壤养分受作物强烈影响,整体呈下降趋势,且养分水平较高区域下降速度快于养分低的区域。构建冬小麦生育期内土壤养分变化模型,线性方程能较好的解释土壤中整体养分变化趋势,其模型为y=-20.007x+114.72。(3)基于小麦养分数据和土壤养分数据分析,冠层多光谱数据敏感指标筛选分析及养分建模,构建了土壤—作物养分耦合模型。结果表明,土壤养分和作物养分存在密切的关系,在空间上,养分方差越大,两者关系越明显;在时间上,两者相关性整体随小麦生长而增加。返青期至拔节期是小麦追肥的适宜时期。氮素整个生育期内敏感植被指数为MCARI2,磷素敏感植被指数为MCARI2、EVI2和GNDVI等,钾素敏感植被指数为MCARI2、CVI和GNDVI等。生育期内,作物养分敏感指数随时间变化,总体表现较好的是能够调节土壤影响的半结构化指数类型MCARI2。MCARI2指数各养分内的分离度J-M接近2,但各养分间J-M低于1区分度不大。MCARI2直方图可直观的反映出作物的养分水平,其分布形态具有养分间分类的潜力。利用MCARI2对小麦SPAD建模,冬小麦返青期二次模型最佳,模型为y=-220.77x~2+95.43x-0.39,而其它时期线性模型较优,R~2均在0.7以上。模型分别为y=-0.84+35.12x,y=-2.94+5.98x,y=-0.85+3.76x。(4)基于冬小麦的产量、冠层光谱敏感指数、麦田土壤养分等,构建田间尺度的冬小麦变量施肥模型。结果包括:分别为氮、磷、钾构建了基于麦田产量—施肥量的冬小麦需肥量决策模型,其中冬小麦产量—需氮量模型:当N≤240kg/hm~2时,y=4.55+0.0127x;当N>240 kg/hm~2时,y=7.41t/hm~2,推荐施氮量为240kg/hm~2。基于土壤—作物养分耦合和筛选的敏感植被指数,建立冠层敏感指标与冬小麦产量的模型:Y=-294.46MCARI2~2+163.79MCARI2-12.47。耦合冬小麦氮肥(N_r)推荐模型:N_r=23185.82MCARI2~2-12896.82MCARI2-1580.15,并计算施氮量与MCARI2指数查找表。最后通过IDL应用变量施肥模型生成变量施肥图,与实际调查情况相符。另外基于模糊聚类的方法和土壤养分数据,构建基于麦田土壤养分变异的分区变量施肥模型。(5)基于GEE平台进行了大尺度麦田信息遥感提取及变量施肥研究。利用双星数据构建MODIS-NDVI时序数据集,通过线性插值和HANTS平滑,去除云等因素影响,使用随机森林分类方法提取了山东省冬小麦—夏玉米种植面积。结果表明,随机森林分类对基于时序曲线的冬小麦面积提取有较高精度,历年面积提取平均用户精度为94.7%,制图精度为90.4%。历年遥感提取面积与年鉴面积决定系数为0.96,面积分布与实际情况一致。基于麦田面积数据,分析了大尺度下冬小麦卫星图像MCARI2指数与地面无人机冠层光谱指数之间差异,形成大尺度麦田变量施肥决策模型。结果表明,山东省麦田土壤养分含量中、低地区在1月份到3月份间MCARI2值相差较大(约0.5),3月份之后两者的MCARI2相近。地面-卫星MCARI2指数修正模型为y=-0.00004x~2+0.0044x+0.0671。利用指数修正模型获取大尺度麦田变量施肥决策模型为N_r=23185.82x~2-21707.43x+4867.54,并将模型应用于省域尺度的卫星指数图上绘制大尺度麦田变量施肥图。本研究选择区域和田间两个尺度,从小麦养分信息的获取出发,围绕土壤—作物养分时空耦合,构建了麦田变量施肥模型、土壤-作物养分变化规律模型和大尺度麦田变量施肥决策模型,为精准施肥研究提供了科学依据。