基于数字图像技术的冬油菜氮素营养诊断

合集下载

氮素营养诊断技术的发展及其在冬油菜上的应用

魏全全等：氮素营养诊断技术的发展及其在冬油菜上的应用
３０１
定方法，多基于实验室常规测试，主要包括对植株和土壤的测定，其测定方法相对成熟，测定结果相对可靠。１．１植株诊断
植株氮素诊断方法主要包括全氮诊断和硝酸盐诊断。
植株全氮诊断技术相对成熟，大部分作物不同生育时期的氮素临界浓度以及不同部位的氮素临界浓度已经被研究清楚。植株全氮含量可以较好地反映植株体内氮素营养丰缺与否，由于相对较为稳定，可作为常用的诊断指标。植株全氮测定主要以实验室测定为主，测定时需要田间植株取样和大量的数据分析，过程相对繁琐和复杂，具有破坏性和延迟性［９］，而且实验室测定时需要专业分析人员和大量的化学试剂及专业设备，在实际生产中难以形成大范围的应用。
１传统的氮素营养诊断方法
作物传统的氮素营养诊断方法即实验室化学测
收稿日期：２０１８０７２３基金项目：国家重点研发计划（２０１８ＹＦＤ０２００９０３）；国家油菜产业技术体系（ＣＡＲＳ－１２）作者简介：魏全全（１９８７－），男，山东济宁人，硕士，助理研究员，主要从事作物营养与现代施肥技术研究，Ｅ－ｍａｉｌ：ｗｅｉｑｕａｎ０７２５＠１６３．ｃｏｍ通讯作者：肖华贵（１９７３－），男，贵州毕节人，博士，研究员，主要从事油菜遗传育种研究，Ｅ－ｍａｉｌ：ｘｉａｏｈｕａｇｕｉ７４＠２１ｃｎ．ｃｏｍ
３．ＩｎｓｔｉｔｕｔｅｏｆＯｉｌＣｒｏｐｓ，ＧｕｉｚｈｏｕＡｃａｄｅｍｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ，Ｇｕｉｙａｎｇ５５０００６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｎｉｔｒｏｇｅｎｉｓａｎｉｍｐｏｒｔａｎｔｆａｃｔｏｒａｆｆｅｃｔｉｎｇｙｉｅｌｄａｎｄｑｕａｌｉｔｙｏｆｃｒｏｐｓ．Ｔｈｉｓｐａｐｅｒｓｕｍｍａｒｉｚｅｄｔｈｅｄｅｖｅｌｏｐｍｅｎｔｐｒｏｃｅｓｓｏｆｃｒｏｐｎｉｔｒｏｇｅｎｄｉａｇｎｏｓｉｓ，ｔｒａｄｉｔｉｏｎａｌｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｓｏｆｓｏｉｌａｎｄｐｌａｎｔ，ａｎｄａｄｖａｎｃｅｄｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅｄｉａｇｎｏｓｉｓｍｅａｓｕｒｅｍｅｎｔ．Ｉｔａｌｓｏｒｅｖｉｅｗｅｄｔｈｅａｐｐｌｉｃａｔｉｏｎｓｔａｔｕｓ，ａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓ，ａｎｄｄｅｖｅｌｏｐｍｅｎｔｐｒｏｓｐｅｃｔｏｆｄｉｆｆｅｒｅｎｔｎｉｔｒｏｇｅｎｄｉａｇｎｏｓｉｓ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｎｅｃｅｓｓｉｔｙａｎｄｓｉｇｎｉｆｉｃａｎｃｅｏｆｎｉｔｒｏｇｅｎｄｉａｇｎｏｓｉｓｉｎｗｉｎｔｅｒｒａｐｅｓｅｅｄｗｅｒｅａｎａｌｙｚｅｄ，ａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｄｅｖｅｌｏｐｍｅｎｔｗａｓｓｕｍｍａｒｉｚｅｄ，ｆｏｌｌｏｗｅｄｂｙｓｏｍｅｓｕｇｇｅｓｔｉｏｎｓａｎｄｐｒｏｓｐｅｃｔｓｏｎｎｉｔｒｏｇｅｎｄｉａｇｎｏｓｉｓ．Ｋｅｙｗｏｒｄｓ：ｎｉｔｒｏｇｅｎ；ｔｒａｄｉｔｉｏｎａｌｄｉａｇｎｏｓｉｓ；ｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅｄｉａｇｎｏｓｉｓ；ｗｉｎｔｅｒｒａｐｅｓｅｅｄ

基于无人机遥感的作物氮素营养诊断研究

多施用的氮肥不但不能增加产量，还会污染大气、水源，降低农民收益！
• 2015年，农业部印发《到2020年化肥使用零增长行动方案》 • 2016，作为科技部设立的第一批重点研发项目，“化学肥料和
农药减施增效综合技术研发”专项启动 • 2019年中央一号文件《中共中央、国务院关于坚持农业农村优
先发展做好“三农”工作的若干意见》中提出“开展农业节肥节药行动，实现化肥农药使用量负增长”
析
陈鹏飞*,李刚,石雅娇,徐志涛,杨粉团,曹庆军.一款无人机高光谱传感器的验证及其在玉米叶面积指数反演中的应用.中国农业科学,2018,51(8):1464-1474.
V11 stage
S1-S2 stage
N application rate
推扫成像：几何校正是难点，需要配合高精度的定位定姿系统，经过复杂计算
画幅成像：不同波段成像有时间差，其获取数据处理的难点在于光谱信息的校正
S185 vs 地物光谱仪
光谱曲线波形相似度
整个生育期的变化趋势
S185光谱反射与地物光谱仪光谱反射率之间的相
诊断方法
作物自身养分指标测定：氮素/叶绿素浓度（单位干物质含氮、叶绿素量）、氮素/叶绿素累积量（单位土地面积含氮、叶绿素总量）、生物量、叶面积指数、氮素营养指数等。
与正常植株相比，作物氮素营养缺乏时，其自身生理、生化参数发生一系列改变，这些参数能及时、真实反映作物氮素营养状况！
干
叶
60
关关系
基于S185曲线估测红边位置与基于地物光谱仪曲线估测红边位置的相关性与
差异
基于S185光谱曲线与地物光谱仪光谱曲线计算常见光谱指数
在整个生育期间的相关性

华中农业大学2015-2016学年度优秀博士学位论文评选名单(

6
6
6.96；6.31；4.34；3.39；3.39；5.60
0
0
黄见良
2
宋修仕
男
禾谷镰刀菌细胞壁形成相关基因及其RNAi片段功能鉴定
作物学
作物生物技术
3
3
7.762；5.752（程伟、宋修仕共同第一）；3.262
0
0
廖玉才
3
楼轶
男
重寄生真菌盾壳霉感应环境pH值的分子机制及其对生防效果影响的研究
植物保护
第一作者（篇数）
SCI或EI（篇数）
影响因子
二级期刊（篇数）
三级期刊（篇数）
指导教师
1
植物科技学院
狄亚丽
女
低剂量多菌灵对核盘菌刺激作用研究
农药学
3
3
3.02；3.02；3.02
0
0
朱福兴
2
陶冶
男
不同种植方式下水稻产量、水氮利用效率及稻田温室气体排放比较研究
作物栽培学与耕作学
1
1
4.141
0
0
聂立孝
3
作物学
作物遗传育种
1
1
5.16
0
0
涂金星
7
翟立峰
男
梨轮纹病与干腐病的病原关系及轮纹病菌携带真菌病毒多样性研究
植物保护
植物病理学
14
4
3.21；2.39；3.04；3.04
1
0
王国平
8
桑文
男
赤拟谷盗与四纹豆象对物理因子胁迫的响应机制研究
植物保护
农业昆虫与害虫防治
4
4
3.70；2.86；1.69；2.50
4

氮素营养诊断技术的发展及其在冬油菜上的应用

氮素营养诊断技术的发展及其在冬油菜上的应用近年来，由于氮素营养诊断技术在农业生产中的重要作用，得到了越来越多的关注。

在营养诊断技术发展的历史背景下，本文主要介绍了氮素营养诊断技术的原理、研究进展与实践应用，并就氮素营养诊断技术在冬油菜栽培中的应用进行了探讨。

研究表明，采用氮素营养诊断技术，可以改善土壤营养状况，提高冬油菜的品质和产量，进而提高农民的经济收入。

本文还就氮素营养诊断技术在未来发展中潜在的产业应用等方面进行了简要介绍，提出了相应的建议，以期发挥氮素营养诊断技术在农业生产中的更大价值。

关键词：氮素营养诊断技术；冬油菜；营养状况；产业应用1言近年来，随着环境污染的不断加剧，土壤污染已成为世界各地的普遍问题。

农业生产也受到土壤污染的严重侵害，影响着农作物的生长发育，从而降低农作物的产量和品质。

因此，科学有效地管理土壤营养，以提高农作物的产量与质量，已经变得越来越重要。

为此，氮素营养诊断技术作为一种新兴的技术手段，给农业生产带来了巨大的福音。

2素营养诊断技术的发展历史和原理氮素营养诊断技术是通过测定植物真菌代谢物（例如脲醛酸）含量，来诊断土壤氮素含量，而实现土壤施肥的有效管理，也可以称为“植物代谢快速鉴定法”。

近年来，氮素营养诊断技术的研究有了长足的发展，越来越多的研究也开始运用这一技术来检测土壤中的氮素含量，以促进农业的可持续发展。

3素营养诊断技术的实践应用(1)油菜栽培采用氮素营养诊断技术学者科研发现，在冬油菜栽培中，采用氮素营养诊断技术，可以改善土壤营养状况，提高冬油菜的品质和产量，进而提高农民的经济收入。

具体来说，该技术的使用可以帮助农民掌握土壤的氮素含量和分布情况，掌握不同地段土壤的施肥量，从而提升冬油菜栽培的效率。

(2)素营养诊断技术在其他农作物中的应用氮素营养诊断技术还可以应用于其他农作物。

例如，采用该技术可以帮助苹果栽培者掌握土壤氮素含量，从而在发育阶段选择性施肥，提高树冠发育和果实品质。

基于图像处理的冬小麦氮素监测模型

基于图像处理的冬小麦氮素监测模型陈佳悦;姚霞;黄芬;刘勇;于琪;王妮;徐焕良;朱艳【期刊名称】《农业工程学报》【年(卷),期】2016(000)004【摘要】为探索基于数字图像处理技术的冬小麦氮素无损诊断图像评价指标及构建方法，设计拍摄2012-2014年度不同种植方案下冬小麦冠层图像，基于归一化的H分量K均值聚类分割算法提取基础颜色特征值，与同期叶片氮含量（leaf nitrogen content，LNC）进行线性拟合，调优并确定三原色分量最佳拟合系数，提出RGB空间下的颜色组合标准化指数（normalized color mix index，NCMI）。

对比深绿色指数（dark green color index，DGCI）、红光标准化值（normalized redness intensity，NRI）和绿光与红光比值G/R发现，3个采样期NCMI与LNC的决定系数R2均高于3个对比指标，分别为0.77、0.79、0.94，均方根误差（root mean square error，RMSE）相较同期最低的指标，分别降低了0.18%、0.37%和1.67%；生选6号和扬麦18号NCMI与LNC的相关性，在一定冠层覆盖度下均优于其他3个指标；D2密度（3×106株/hm2）N1（纯氮150 kg/hm2）处理下NCMI效果明显优于其他3个指标，R2和RMSE较NRI分别改善了7.69%和4.11%，该研究可为一定冠层覆盖度下的冬小麦氮素营养诊断图像评价指标提供参考。

%This paper explored the digital image evaluation index of the monitoring of winter wheat nitrogen nutrition and the establishment method based on digital image processing technology. The images of winter wheat canopy at different stages under different planting schemes (2 varieties, 2 planting density levels and 3 nitrogenfertilizer application rates) were taken from 2012 to 2014, and the basic color characteristic value of canopy image samples was extracted using the algorithm based on the normalized k-means clustering segmentation for theH component. Firstly, it chose 9 image feature parameters, including 3 monochromatic components (r, g andb), 3 linear combination parameters (r-g-b,r-g andr-b), and 3 linear combination parameters by standardized processing ((r-g-b)/(r+g+b), (r-g)/(r+g+b) and (r-b)/(r+g+b)), and analyzed contrastively the correlation between the above parameters and the monitoring evaluation index of nitrogen nutrition under different schemes. It was found that the characterization ability of 3 monochromatic components for wheat nitrogen nutrition level was not the same, but for the combination characteristic parameters by the 3 monochromatic components, the degree of correlation was better than the 3 monochromatic components, and at the same time, the increase of the level of correlation was more obvious after further normalized. So, to establish the image evaluation index of the monitoring of wheat nitrogen nutrition, the first step was to choose the base color component which had a stronger representation ability of leaf nitrogen content and increase its proportion, the second step was to adjust and optimize the combination weights of the other remaining monochromatic components, and the final step was to standardize it. A linear fitting was carried out at different sampling periods and under different cultivation schemes, which made use of basal image color characteristic values and leaf nitrogen concentration (LNC) measurement during the same period in 2013, determined the bestfitting content, and put forward the image normalized color mix index (NCMI) under the RGB (red, green, blue) color space. To study the feasibility of NCMI on monitoring nitrogen nutrition state, the experimental data in the year of 2014 were divided according to different periods and different cultivation schemes, and the correlation between NCMI and LNC, as well as that between other 3 typical image evaluation parameters, i.e. normalized red index (NRI), dark green color index (DGCI) and ratio of green light to red light (G/R) and LNC was analyzed quantitatively. The results showed that the correlation and the fitting of NCMI as winter wheat nitrogen nutrition evaluation index kept a good suitability, accuracy and stability, and meanwhile NCMI had a consistent change law with other 3 typical image characteristic indices (DGCI,G/R, NRI) under each scheme in 2014. Among them, the values ofR2 between established NCMI and LNC during 3 sampling periods (March 8th, March 31st and April 15th) were respectively 0.77, 0.79 and 0.94, higher than 3 contrast indicators at different degree, and the root mean square error (RMSE) reduced by 0.18%, 0.37% and 1.67% respectively compared with the best RMSE of other 3 indices. Under the certain vegetation canopy coverage condition, the correlation between NCMI and LNC for the 2 cultivars (Shengxuan No.6 and Yangmai No.18) on March 31th and April15th was better than that of the 3 comparative indices, and the lowest RMSE were 0.1833 and 0.2230, respectively; the related degree between NCMI and LNC under the planting density of D2 (3.0×106 plant/hm2) in the 3 periods was higher, and the values ofR2 and RMSE were superior tothe 3 indices on March 8th, while they were consistent with those between DGCI and NRI at the other 2 stages; the RMSE between NCMI and LNC on April 15th was 0.1299, which was reduced by 5.18% compared with the lowest RMSE of the other 3 indicators; NCMI was also better than other indices under the N1 treatment (pure nitrogen 150 kg/hm2) of the D2 planting density, and theR2 increased by 7.69% and the RMSE improvedby 4.11% compare d with the best performer NRI. Therefore, it’s more suitable to choose NCMI to be the digital image evaluation index of winter wheat nitrogen nutrition compared with other parameters under certain canopy coverage.【总页数】8页(P163-170)【作者】陈佳悦;姚霞;黄芬;刘勇;于琪;王妮;徐焕良;朱艳【作者单位】南京农业大学信息科学与技术学院，南京 210095;南京农业大学国家信息农业工程技术中心，南京 210095;南京农业大学信息科学与技术学院，南京 210095; 南京农业大学国家信息农业工程技术中心，南京 210095;南京农业大学国家信息农业工程技术中心，南京210095;南京农业大学信息科学与技术学院，南京 210095;南京农业大学国家信息农业工程技术中心，南京 210095;南京农业大学信息科学与技术学院，南京 210095; 江苏省肉类生产与加工质量安全控制协同创新中心，南京 210095;南京农业大学国家信息农业工程技术中心，南京210095【正文语种】中文【中图分类】S126;TP391.4【相关文献】1.基于高光谱的柑橘叶片氮素营养监测模型 [J], 叶春;李艳大;舒时富;陈立才;王康军;黄俊宝;周明2.基于高光谱的冬油菜植株氮素积累量监测模型 [J], 李岚涛;马驿;魏全全;汪善勤;任涛;李小坤;丛日环;王振;王少华3.不同外源氮素用量条件下氮素的利用率——基于冬小麦-夏玉米轮作多年定位试验 [J], 张文杰4.基于"三边"参数的冬小麦冠层SPAD值监测模型 [J], 林少喆;彭致功;王春堂;张宝忠;魏征;张倩;韩娜娜;刘露5.关中冬小麦叶片氮素含量高光谱遥感监测模型 [J], 赵刚峰;李军;刘冰峰;M.N.Tahir因版权原因，仅展示原文概要，查看原文内容请购买。

高光谱成像技术的油菜叶片氮含量及分布快速检测

关键词高光谱成像；油菜；氮素分布；偏最小二乘法；连续投影算法中图分类号：O６５７；S５６５文献标识码：A DOI ：１０畅３９６４／j畅 issn畅１０００‐０５９３（２０１４）０９‐２５１３‐０６
引言
氮（N ）作为植物生长发育需求量最大的一种重要营养元素，对一年生作物的产量以及品质有直接影响。油菜对养分的需要量大，敏感性强，植株叶片的氮含量可以间接反映油菜生长状况。实时准确的获取叶片氮素营养水平和分布状况，有利于掌握作物动态长势，及时合理的进行氮素诊断和施肥调控。目前常用的植物氮素诊断有外观诊断、化学诊断、叶绿素计氮营养诊断和光谱诊断等［１］。其中，外观诊断虽然直观方便，但容易出现混淆和误判，在实际应用中存在明显局限性。传统的叶片化学分析方法一般需要破坏性取样，在时间和空间上难以满足大范围农田进行全面、实时、快速的营养诊断要求。近年来，被越来越多的应用于植物氮含量的检测［２‐４］的可见‐近红外光谱技术，与传统化学分析方法相比，具有快速、低成本、测量方便、非破坏性等优点。但是，仅利用光谱信息、多谱段的图像信息或者非成像式的高
高光谱数据包含的光谱信息量庞大，为减少模型的输入变量，缩短计算时间，需要对全波段数据进行处理，提取出对预测目标最有效的波长。连续投影算法（successive projec‐ tions algorithm ，SPA ）是在光谱矩阵中寻找含有最低限度的冗余信息的变量组，使变量间的共线性达到最小，从而达到提取特征波长的目的［９］。１畅４畅３建模方法
偏最小二乘法（partial least squares ，PLS ）是化学计量学建模分析中最为常用的多元统计方法，在光谱数据的建模分析中应用非常广泛［１０，１１］。其原理是同时对光谱矩阵 X 和样本目标特征矩阵 Y 进行因子分析，将 X 和 Y 两个矩阵同时分解成多个潜在变量（latent variables ，LVs ），通过交互验证方法选择最优潜在变量个数进行回归。 PLS 的计算过程同时考虑了光谱数据 X 变量和化学指标数据 Y 变量，交互验证方法可以很好验证模型的精度以及是否过拟合，所建模型性

基于图像处理技术的多角度冬小麦氮素营养诊断

山西农业科学 2023，51（4）：450-455Journal of Shanxi Agricultural Sciences基于图像处理技术的多角度冬小麦氮素营养诊断刘星科，董浩，杨莎，王超，冯美臣，肖璐洁，宋晓彦，张美俊，杨武德（山西农业大学农学院，山西太谷 030801）摘要：为实现基于图像处理技术的多角度冬小麦氮素营养无损监测，以不同氮运筹试验的冬小麦作为研究对象，使用相机对冬小麦冠层进行多角度拍摄，基于openCV 图像技术处理冬小麦冠层图像并提取颜色特征参数，结合叶片氮含量指标，利用多元线性回归、逐步多元线性回归、BP -神经网络建立多角度条件下颜色特征参数的氮素监测模型。

结果表明，冬小麦冠层图像与叶片氮含量存在一定的相关性，从冠层图像获取的RGB 颜色空间中的R 、G 、B 、reG 、lnG 等5个颜色参数与冬小麦的叶片氮含量相关性均达到极显著水平；不同的拍摄角度对基于图像参数的冬小麦叶片含氮量光谱监测精度造成影响，其中，与冠层水平面呈60°（逆光，与天顶方向夹角30°）拍摄的冠层图像建模效果准确度最高，效果最优（R 2=0.896，RMSE=0.572），与冠层水平面呈30°（逆光，与天顶方向夹角60°）次之，与冠层水平面呈90°（逆光，垂直向下，与天顶方向夹角0°）最差。

基于R 、G 、B 、lnG 、reG 等5个颜色特征参数建立的60°冠层图像的多元线性回归模型整体表现最好。

关键词：冬小麦；叶片氮含量；图像处理；颜色特征参数；多角度中图分类号：S512.1+1 文献标识码：A 文章编号：1002‒2481（2023）04‒0450‒06Multi-Angle Diagnosis on Nitrogen Nutrition of WinterWheat Based on Image Processing TechnologyLIU Xingke ，DONG Hao ，YANG Sha ，WANG Chao ，FENG Meichen ，XIAO Lujie ，SONG Xiaoyan ，ZHANG Meijun ，YANG Wude （College of Agriculture ，Shanxi Agricultural University ，Taigu 030801，China ）Abstract ：In order to achieve non -destructive monitoring of nitrogen nutrition in winter wheat from multiple angles based on image processing technology, in this paper, winter wheat with different nitrogen operation tests was taken as the research object, the winter wheat canopy was shot by camera from multiple angles, the image of winter wheat canopy was processed based on openCV image processing technology and the color characteristic parameters were extracted, combined with the nitrogen content index of leaves, using multiple linear regression, stepwise multiple linear regression, and BP -neural network, a nitrogen monitoring model of color characteristic parameters under multi -angle conditions was established. The results showed that there was a certain correlation between the canopy image of winter wheat and the nitrogen content of leaves, and the correlation between the five color parameters of R, G, B, reG, and lnG in the RGB color space obtained from the canopy image and the leaf nitrogen content of winter wheat reached an extremely significant level. Different shooting angles caused influence on the accuracy of spectral monitoring of nitrogen content in winter wheat leaves based on image parameters, among which the modeling effect of the canopy image taken with the angle of 60 °(backlight, 30 ° to the direction of the zenith) to canopy horizontal plane was the most accurate and the effect was best(R 2=0.896，RMSE=0.572). The angle of 30 °(backlight, 60 ° to the direction of the zenith) to canopy horizontal plane took sencond place. The angle of 90 °(backlight, vertical down, 0 ° to the direction of the zenith) to canopy horizontal plane was the worst. The multiple linear regression model of 60° canopy image established by using the five color characteristic parameters of R, G, B, LnG, and reG performed best.Key words ：winter wheat; leaf nitrogen content; image processing; color characteristic parameters; multi -angle冬小麦是我国主要粮食作物[1]，氮素营养对于冬小麦生长和产量及品质形成具有重要的影响。

基于光谱信息的作物氮素营养诊断研究进展

基于光谱信息的作物氮素营养诊断研究进展作者：杨绍锷杜鑫来源：《湖南农业科学》2017年第02期摘要：快速、准确地进行作物氮素营养诊断，有助于管理者及时、有效地采取相应的应对措施，既保障作物的高产量，又有效地管控、减少化肥施用量。

由于作物氮素营养状况直接影响着作物的光谱信息，因此以作物光谱信息为依据进行作物氮素营养诊断极具潜力。

对当前基于光谱信息进行作物氮素营养诊断的3种方法（便携式叶绿素仪法、高光谱遥感诊断法和数字图像分析诊断法）进行了综述，介绍了各个方法的原理、特点和研究进展，并对未来基于光谱信息的作物氮素营养诊断进行了展望。

关键词：光谱信息；氮素；营养诊断；研究进展中图分类号：S123 文献标识码：A 文章编号：1006-060X（2017）02-0127-04作物生长受气候条件、土壤状况、管理措施等众多因素的影响，实时地了解作物的营养状况，有助于管理者及时采取措施，有针对性地对作物进行有益干预，从而实现作物的高产、高效、经济、环保生产；尤其是在我国粮食安全形势严峻、生态环境日趋恶化的情况下，及时了解作物的营养状况显得尤为重要。

根据作物的外观、形态来判断作物的营养状况，是人们在长期的种植过程总结的经验方法，有一定的科学依据，简单方便，在实际生产中经常被使用，但此类方法通常比较粗犷、无法量化。

在实验室进行植物样品的化学分析，是获知植物营养状况最直接、准确的方法，但由于所需时间较长，时效l生差，无法满足田间管理要求。

在农业现代化、信息化的要求下，需要发展快速、准确、经济的田间作物营养诊断方法。

光谱技术手段是当前作物营养快速诊断的一个重要研究方向。

作物营养状况的变化，会导致作物反射光谱在不同的波段范围出现不同程度的变化，基于这些光谱信息进行作物营养的反演，即可实现作物营养状况的快速诊断。

自20世纪70～80年代以来，研究人员利用作物的光谱信息，发展了多种作物氮素营养诊断的方法。

1便携式叶绿素仪叶片含氮量和叶绿素浓度之间有较好的相关性，因此可以通过测定叶绿素浓度来反映植株叶片的氮营养状况。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

胆％分别为２６．３２％、２８．５７％和２８．３９％，模型预测精度较好。【结论】数字图像技术可以用于冬油莱氮素营养的评
估预测，评估时期为蕾薹期（包括）之前均可，最佳预测参数为红光标准化值ＮＲＩ，参数的最佳方程模型为直线
湖北省武穴市开展不同施氮处理田间试验，以冬油菜为试验材料，设置不同氮素水平（０、９０、１８０、２７０和３６０ｋｇ・ｈｍ），分别于六叶期、十叶期、蕾薹期和开花期，利用数码相机获取冠层数字图像数据，同时集植株样品分
析其生长特征值，研究其相关性并建立氮素营养参数的方程模型。利用２Ｏ１４ —２Ｏ１５年独立氮肥水平试验，对上述
ＣＯＮＧＲｉ．ｈｕａｎ＇．ＬＵＪｉａｎ — ｗｅｉ，
（￣ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＨｕａｚｈｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７０；２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｒａｂｌｅＬａｎｄＣｏｎｓｅｒｖａｔｉｏｎ（ＭｉｄｄｌｅａｎｄＬｏｗｅｒＲｅａｃｈｅｓｏｆＹａｎｇｔｓｅＲｉｖｅｒ），ＭｉｎｉｓｔｒｙｆＡｏｇｒｉｃｕｌｔｕｒｅ，Ｗｕｈａｎ４３００７０；ＷｕｘｕｅＢｕｒｅａｕｏｆ
化值（ＮＢＩ）则与上述指标呈正相关关系，红光标准化值（ＮＲＩ）与其他数码参数相比能更好地表征冬油菜的氮素营养状况，蕾薹期红光标准化值ＮＲＩ与氮肥用量、地上部生物量、叶片氮浓度、叶绿素浓度、氮素吸收量和氮营
养指数之间的关系可分别用线性方程ｙ（ｔ・ｈｍ）一８．００３ｘ＋２．７０６、ｙ（ｔ・ｈｍ）一１０６．０７２ｘ＋３８．２００、Ｙ（ｇ・ｋｇ）一６９２．９９ｘ＋２６１．８４、ｙ（ｍｇ・ｇ）＝－１２．７５０ｚ＊５．６６５、ｙ（ｋｇ・ｈｍ－）一４０８７．４１６ｘ＋１４１４．２７４和尸一２７．１９８ｘ＋９．８１２来表达，其相关性达
到极显著水平。２Ｏ１４ —２０１５年独立试验模型检验结果表明，叶片氮浓度、叶绿素浓度和氮营养指数实测值与预测
值的决定系数分别为０．９１７ ” 、０．７４６ ” 和０．９５３ ” ；均方根误差ＲＡＩＳＥ分别为０．８２ｉ、０．３３０和０．２２８；相对误差
Ａｇｒｉｃｕｌｔｕｒｅ，Ｗｕｘｕｅ４３５４００，Ｈｕｂｅｉ）
ＷＥＩＱｕａｎ — ｑｕａｎ，，ＬＩＬａｎ — ｔａｏ，，ＰＥＮＴａｏ，，ＷＡＮＧＺｈｅｎ３，ＷＡＮＧＳｈａｏ — ｈｕａ３，ＬＩＸｉａｏ — ｋｕｎ，，
方程函数。
关键词：冬油菜；数字图像；氮素；营养诊断；方程模型
ＤｉａｇｎｏｓｉｎｇＮｉｔｒｏｇｅｎＮｕｔｒｉｔｉｏｎＳｔａｔｕｓｏｆＷｉｎｔｅｒＲａｐｅｓｅｅｄｖ／ａＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＴｅｃｈｎｉｑｕｅ
方程模型拟合精度进行验证并绘制１：１线性关系图。【结果】数字图像红光值（Ｒ）、红光标准化值（ＮＲＩ）和绿光
与蓝光比值（ｃ／Ｂ）与冬油菜氮营养状况常规诊断指标地上部生物量、叶片氮浓度和叶绿素浓度等呈负相关关系，
而绿光值（Ｇ）、蓝光值（Ｂ）、绿光与红光比值（Ｇ／Ｒ）、蓝光与红光比值（Ｂ／Ｒ）、绿光标准化值（ＮＧＩ）和蓝光标准
中国农业科学
２０１５，４８（１９）：３８７７ — ３８８６
ＳｃｉｅｎｔｉａＡｇｒｉｃｕｌｔｕｒａＳｉｎｉｃａ
基于数字图像技术的冬油菜氮素营养诊断
魏全全，李岚涛，任涛，王振３７王少华，李小坤，丛日环，鲁剑巍
（华中农业大学资源与环境学院，武汉４３００７０；农业部长江中下游耕地保育重点实验室，武汉４３００７０；湖北省武穴市农业局，湖北武穴４３５４００）
摘要：【目的】利用田间氮肥梯度试验探讨数字图像技术对冬油菜氮素营养无损评估预测的可行性，明确该技术的最佳数码参数和方程模型，为数字图像技术进行冬油菜氮素无损诊断提供依据。【方法】２０１３ —２０１４年在