李嵐?jié)?張 萌， 任 濤， 李小坤， 叢日環(huán)， 吳禮樹， 魯劍巍

(華中農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院， 農(nóng)業(yè)部長江中下游耕地保育重點實驗室， 湖北武漢 430070)

應(yīng)用數(shù)字圖像技術(shù)進行水稻氮素營養(yǎng)診斷

李嵐?jié)?張 萌， 任 濤， 李小坤， 叢日環(huán)， 吳禮樹， 魯劍巍*

(華中農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院， 農(nóng)業(yè)部長江中下游耕地保育重點實驗室， 湖北武漢 430070)

【目的】研究田間試驗條件下水稻不同生育期冠層圖像色彩參數(shù)(G、NRI、NGI、NBI、G/R和G/B)及植株氮素營養(yǎng)指標(biāo)(葉片含氮量、植株全氮含量、生物量、氮素累積量和冠層NDVI值)的時空變化特征，并分析兩者間的相關(guān)性，確立水稻氮素營養(yǎng)診斷的最佳色彩參數(shù)和方程模型，為探明數(shù)碼相機在水稻上的適宜性及精確診斷水稻氮素營養(yǎng)狀況提供理論基礎(chǔ)。【方法】于2013年5月_9月在湖北省武漢市華中農(nóng)業(yè)大學(xué)試驗基地(30°28′ 08′′N，114°21′36′′E)采用不同施氮處理的田間試驗，以秈型兩系雜交稻“兩優(yōu)6326”為供試作物，設(shè)置4個施氮水平： 0、75、150和225 kg/hm2(分別以N0、N75、150和N225表示)，3次重復(fù)，隨機區(qū)組排列。分別在水稻分蘗期、拔節(jié)期、孕穗期和灌漿期采用數(shù)碼相機(Nikon-D700，1200萬像素)獲取水稻冠層圖像，應(yīng)用Adobe photoshop7.0軟件直方圖程序提取圖像的紅光值R、綠光值G和藍光值B，研究數(shù)碼相機進行水稻氮素營養(yǎng)診斷色彩參數(shù)，確定植株氮素營養(yǎng)指標(biāo)診斷模型?！窘Y(jié)果】較對照(N0)相比，分蘗期、拔節(jié)期、孕穗期和灌漿期3個施氮處理水稻地上部生物量、葉片含氮量、植株全氮含量、氮素累積量、冠層NDVI值和成熟期產(chǎn)量增幅分別平均為40.7%_98.0%、42.4%_72.4%、36.2%_85.3%、125.5%_209.1%、51.3%_60.6%和60.1%_117.0%，差異顯著。水稻不同生育期各冠層數(shù)字化指標(biāo)G、NRI、NGI、NBI 、G/R和G/B與上述氮素營養(yǎng)參數(shù)相關(guān)性差異較大，且以數(shù)字圖像紅光標(biāo)準化值NRI表現(xiàn)最佳，建議作為應(yīng)用數(shù)碼相機進行水稻氮素營養(yǎng)診斷的最佳冠層圖像色彩參數(shù)指標(biāo)。進一步分析表明，可以用統(tǒng)一的線性回歸方程來描述不同生育期、不同氮素水平下水稻植株氮素營養(yǎng)指標(biāo)隨冠層色彩參數(shù)NRI的變化模式?！窘Y(jié)論】數(shù)碼相機進行水稻氮素營養(yǎng)診斷測試結(jié)果穩(wěn)定，具有快速、便捷、非破壞性等優(yōu)點，冠層色彩參數(shù)NRI與水稻氮素營養(yǎng)指標(biāo)和產(chǎn)量之間均表現(xiàn)出較好的相關(guān)性，滿足氮素營養(yǎng)無損診斷的需求，對實時、快速監(jiān)測水稻長勢狀況及氮素營養(yǎng)豐缺水平具有較高的可行性，有望發(fā)展成為新時期作物氮素營養(yǎng)無損診斷技術(shù)的潛力。

數(shù)字圖像； 水稻； 氮素營養(yǎng)診斷

傳統(tǒng)的氮素營養(yǎng)診斷和氮肥推薦多以田間采集植株樣品、實驗室化學(xué)分析為主，該方法在樣品的采集、測試以及數(shù)據(jù)處理等方面需耗費大量的人力、物力和財力，時效性差，不利于推廣應(yīng)用[1-2]。數(shù)字圖像技術(shù)通過判斷作物冠層顏色深淺了解作物氮素營養(yǎng)狀況繼而進行施肥推薦或產(chǎn)量預(yù)測，具有操作簡便、快捷、非破壞性等優(yōu)點[3-4]。此外，由于數(shù)碼相機價格的不斷下降以及所采用圖像感應(yīng)器件的快速發(fā)展，使通過數(shù)碼相機測量光反射強度來評價作物氮素營養(yǎng)狀況成為可能[5]，近年來在冬小麥[6]、蔬菜[7]、棉花[5]和玉米[8]等多種作物上得到廣泛應(yīng)用。李紅軍等[6]利用數(shù)碼相機對小麥冠層進行拍照，通過分析色彩參數(shù)與作物氮素營養(yǎng)狀況之間的關(guān)系，認為返青期反光葉面的G/R與R/(R+G+B)值能較好的反映小麥氮素營養(yǎng)狀況。宋述堯等[7]通過分析黃瓜冠層數(shù)字化診斷指標(biāo)與施氮量、土壤無機氮(Nmin)及植株氮素營養(yǎng)之間的關(guān)系，得出了以綠光標(biāo)準化值G/(R+G+B)作為診斷黃瓜結(jié)果期氮素營養(yǎng)狀況的適宜數(shù)字化參數(shù)。Blackmer等[9]通過分析玉米冠層航空圖片，指出航片紅光深度絕對值(R)、綠光深度絕對值(G)和藍光深度絕對值(B)均與玉米產(chǎn)量呈顯著線性相關(guān)關(guān)系。

水稻作為一種重要的糧食作物，其生長發(fā)育和產(chǎn)量形成受氮素營養(yǎng)的影響極大。前人利用數(shù)碼相機進行水稻氮素診斷的研究已有一些報道。王遠等[10]研究表明拔節(jié)期和孕穗期水稻紅光標(biāo)準化值NRI與葉片SPAD值和含氮量具有良好的相關(guān)關(guān)系。Kyu-Jong等[11]利用數(shù)碼相機獲取水稻冠層圖像，指出綠光深度絕對值(G)與地上部生物量、氮素累積量和葉面積指數(shù)均可用指數(shù)方程進行擬合，R2分別為0.83、0.83和0.86。陸秀明等[12]通過圖像處理獲取水稻冠層圖像的覆蓋度，利用覆蓋度估測的葉面積指數(shù)與實測葉面積指數(shù)之間的相關(guān)系數(shù)在0.77_0.93，達到顯著水平。賈良良等[1]對應(yīng)用數(shù)碼相機進行水稻氮素營養(yǎng)診斷的可行性進行研究，認為數(shù)字圖像色彩分析技術(shù)具有發(fā)展成為新一代作物氮營養(yǎng)診斷的潛力。上述研究大都采用不同手段將作物冠層色彩參數(shù)與地面覆蓋度或作物生長狀況進行分析，而對于整個作物冠層全生育期的色彩參數(shù)變化特征及模型構(gòu)建與篩選的研究相對較少。在此基礎(chǔ)上，本文通過研究水稻生育期地上部生物量、成熟期產(chǎn)量及植株氮素營養(yǎng)指標(biāo)的變化規(guī)律，并分析其與冠層數(shù)碼指標(biāo)之間的相關(guān)性，從而確定水稻氮素營養(yǎng)診斷的最佳色彩參數(shù)及方程模型，為探明數(shù)字圖像技術(shù)在水稻上的適應(yīng)性及精確診斷水稻氮素狀況和推薦施肥提供理論基礎(chǔ)。

1 材料與方法

1.1 試驗材料

試驗于2013年5月至9月在湖北省武漢市華中農(nóng)業(yè)大學(xué)試驗基地內(nèi)進行。供試土壤為黃棕壤，前茬作物為油菜，0—20 cm耕層土壤pH 7.41、有機質(zhì)6.72 g/kg、全氮0.32 g/kg、堿解氮23.96 mg/kg、速效磷7.16 mg/kg、速效鉀180.5 mg/kg。

供試品種為雜交水稻“兩優(yōu)6326”。

1.2 試驗設(shè)計與方法

氮肥設(shè)置0、75、150和225 kg/hm2四個水平，分別用N0、N75、N150和N225表示，分3次施用，即50%基肥、35%分蘗肥和15%穗肥。磷、鉀肥按P2O575 kg/hm2、K2O 120 kg/hm2施入，磷肥全部基施，鉀肥按70%基肥和30%分蘗肥施用。氮、磷、鉀肥品種分別為尿素(含N 46%)、過磷酸鈣(含P2O512%)和氯化鉀(含K2O 60%)。小區(qū)面積20 m2(5 m×4 m)，3次重復(fù)，隨機區(qū)組排列。2013年5月6日育苗，6月18日移栽。定植密度為2.0×105蔸/hm2，2013年9月21日收獲。

1.3 數(shù)字圖像獲取與處理

選取晴天分別于水稻分蘗期(2013年7月11日)、拔節(jié)期(2013年7月22日)、孕穗期(2013年7月31日)和灌漿期(2013年8月11日)，在太陽高度角相對穩(wěn)定的12: 00_13: 00之間，同時以標(biāo)準白色比色板進行校正，利用數(shù)碼相機(Nikon-D700，1200萬像素)獲取水稻冠層圖像。拍攝時，將相機鏡頭距離地面1.5 m垂直高度(距水稻冠層約1.0 m)，與地面呈60°夾角進行，同時將相機調(diào)至Auto模式下，以自動曝光控制色彩平衡(圖1)。圖片以JPEG格式存儲，分辨率為1936×1296像元，應(yīng)用Adobe photoshop7.0軟件直方圖程序獲取圖像的紅光值R(redness intensity)、綠光值G(greenness intensity)和藍光值B(blueness intensity)[4,6]。備選的數(shù)碼圖像特征值包括： 綠光深度絕對值(G)、綠光深度絕對值與紅光深度絕對值比值(G/R)、綠光深度絕對值與藍光深度絕對值比值(G/B)、紅光標(biāo)準化值(NRI)、綠光標(biāo)準化值(NGI)和藍光標(biāo)準化值(NBI)。各標(biāo)準化值的計算如下：

紅光標(biāo)準化值(NRI，normalized redness intensity)=R/(R+G+B)

綠光標(biāo)準化值(NGI，normalized greenness intensity)=G/(R+G+B)

藍光標(biāo)準化值(NBI，normalized blueness intensity)=B/(R+G+B)

1.4 測定項目與方法

冠層NDVI值的測定： 用美國Ntech公司生產(chǎn)的Greenseeker手持光譜儀采集水稻冠層NDVI數(shù)據(jù)。測量時，將光照探頭平行于水稻冠層，垂直高度約60 cm。各處理小區(qū)隨機選取4個1 m2左右區(qū)域進行測定，結(jié)果直接通過掌上電腦進行采集。

植株與葉片全氮含量的測定： 分別于上述各時期內(nèi)每小區(qū)選取代表性水稻5株，分葉片和莖稈兩部分，105℃下殺青30 min，60℃烘箱中烘至恒重，采用H2SO4-H2O2法消化，AA3流動注射分析儀測定含氮量[13]。

1.5 數(shù)據(jù)處理與分析

數(shù)據(jù)處理與分析采用Microsoft Excel 2003及SPSS 17.0進行，LSD法檢驗P<0.05水平上的差異顯著性；制圖采用Origin8.5軟件。

2 結(jié)果與分析

2.1 氮肥施用對水稻生物量和產(chǎn)量的影響

各生育時期水稻地上部生物量均以N225處理最大(表1)。施氮有利于水稻干物質(zhì)量積累，與對照(N0)相比，分蘗期、拔節(jié)期、孕穗期和灌漿期施氮處理水稻地上部生物量分別平均增加40.7%、98.0%、62.2%和62.5%。成熟期產(chǎn)量結(jié)果表明，隨氮肥用量增加，水稻產(chǎn)量呈顯著升高趨勢，與不施氮相比，施氮處理產(chǎn)量增幅高達60.1%_117%。

注(Note): 表中不同的小寫字母和大寫字母分別表示達到5%和1%上的差異顯著水平 Different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability.

2.2 不同施氮水平對水稻氮素營養(yǎng)參數(shù)及冠層NDVI值的影響

施氮可顯著提高水稻植株氮素營養(yǎng)指標(biāo)及冠層NDVI值(表2)。葉片含氮量、植株全氮含量及氮素累積量方面，與對照(N0)相比，分蘗期、拔節(jié)期、孕穗期和灌漿期三者分別平均增加72.4%、48.5%、42.4%、61.0%，85.3%、41.8%、36.2%、51.6%和209.1%、191.8%、125.5%、149.9%，差異極顯著。對于冠層NDVI值，氮肥施用后，上述各時期內(nèi)分別平均提高0.20、0.23、0.20、0.20個單位，差異顯著。

注(Note): 表中不同的小寫字母和大寫字母分別表示達到5%和1%上的差異顯著水平 Different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability.

2.3 水稻冠層NDVI值與植株氮素營養(yǎng)參數(shù)的相關(guān)性分析

水稻整個生育期不同施氮量的冠層NDVI值與葉片含氮量、植株全氮含量、生物量和氮素累積量相關(guān)性均達到極顯著水平(表3)。該結(jié)果表明，NDVI值能夠成熟表征水稻植株氮素營養(yǎng)指標(biāo)(葉片含氮量、植株全氮含量和氮素累積量)及群體生長發(fā)育狀況(生物量)。同時，以NDVI值作為一種標(biāo)準變量來反演水稻冠層數(shù)字化指標(biāo)具有較高的可行性。

注(Note):n=12; *，**分別表示在5%和1%水平下的顯著性 Mean significant at the 5% and 1% levels, respectively.

2.4 水稻冠層數(shù)字化指標(biāo)與植株氮素營養(yǎng)參數(shù)及冠層NDVI值的相關(guān)性分析

對水稻不同生育期各冠層數(shù)字化指標(biāo)G、G/R、G/B、NRI、NGI和NBI與氮素營養(yǎng)參數(shù)及冠層NDVI值進行回歸分析，結(jié)果表明， G、G/R、G/B、NGI和NBI與植株及葉片含氮量、生物量、氮素累積量和NDVI值均呈線性正相關(guān)關(guān)系，而NRI呈極顯著線性負相關(guān)關(guān)系。分蘗期和孕穗期，以NRI和G/R與上述各回歸參數(shù)相關(guān)性較高，且rNRI顯著高于rG/R。拔節(jié)期和灌漿期，則以NRI和NBI相關(guān)性較好，且rNRI明顯大于rNBI。因此，以NRI作為應(yīng)用數(shù)碼相機進行水稻氮素營養(yǎng)診斷的指標(biāo)選擇，具有較高的代表性和穩(wěn)定性。各生育期間，圖像特征參數(shù)NRI與水稻氮素營養(yǎng)指標(biāo)及NDVI值相關(guān)性并無明顯差異，而分蘗期作為水稻氮素吸收利用旺盛時期，是確定水稻有效分蘗數(shù)、確保高產(chǎn)穩(wěn)產(chǎn)的重要基礎(chǔ)，較拔節(jié)期、孕穗期和灌漿期而言，其相關(guān)性并不是最優(yōu)的，主要原因在于分蘗期(2014年7月11日)時水稻植株較小，而土壤和田面水背景相對凸出，數(shù)碼相機在提取水稻冠層色彩信息(作物在不同氮營養(yǎng)水平下所表現(xiàn)出的色彩差異，在400_700nm可見光波段反射率較小，720_1300nm近紅外波段反射率較大)時受到一定影響，這也是作物無損診斷精確性相對較低的原因之一，受其他因素影響較多，如環(huán)境條件、病蟲害、品種等。

2.5 水稻冠層數(shù)字化診斷指標(biāo)NRI的可行性分析及診斷模型

為更精確診斷水稻冠層數(shù)字化圖像參數(shù)NRI，本研究在分析其與植株氮素營養(yǎng)指標(biāo)相關(guān)性時，進一步利用線性和非線性回歸分析，以氮素營養(yǎng)指標(biāo)為自變量(x)，圖像指標(biāo)NRI(y)為因變量，采用線性函數(shù)、拋物線函數(shù)、冪函數(shù)、指數(shù)函數(shù)和對數(shù)函數(shù)構(gòu)建不同診斷模型(表5)。結(jié)果表明，不同回歸分析方法間水稻冠層圖像參數(shù)NRI與其氮素營養(yǎng)指標(biāo)均表現(xiàn)出較好相關(guān)性，達到極顯著水平，且線性和非線性模型擬合效果非常接近?？紤]到線性模型的數(shù)學(xué)表達式較為簡單，因此選取以氮素營養(yǎng)指標(biāo)為自變量(x)所構(gòu)建的圖像診斷指標(biāo)NRI(y)直線方程診斷模型(圖2)。同時建立基于線性回歸方程對水稻冠層圖像參數(shù)NRI與氮肥用量(R2=0.747**)、產(chǎn)量(R2=0.778**)、NDVI(R2=0.798**)、葉片氮含量(R2=0.445**)、植株全氮含量(R2=0.326**)和氮素累積量(R2=0.460**)的定量診斷方程(圖2)，為便捷、無損監(jiān)測和反演水稻氮素營養(yǎng)狀況提供理論基礎(chǔ)，同時也為數(shù)碼相機進行水稻氮素營養(yǎng)診斷提供一個快捷數(shù)字化指標(biāo)(NRI)和方法(線性方程)。

3 討論與結(jié)論

3.1 應(yīng)用數(shù)碼相機進行水稻氮素營養(yǎng)診斷指標(biāo)的選擇

作物冠層顏色深淺與氮素營養(yǎng)狀況密切相關(guān)，不同的營養(yǎng)水平、光溫條件及群體結(jié)構(gòu)均顯著影響作物的生長發(fā)育，從而使植株冠層呈現(xiàn)出不同的顏色[14]。

注(Note):n=12; *，**分別表示在5%和1%水平下的顯著性 Mean significant at the 5% and 1% levels, respectively.

因此，選取合適的冠層數(shù)碼診斷指標(biāo)，對準確評估作物氮素營養(yǎng)狀況及氮肥推薦具有重要意義[15]。李紅軍等[6]研究表明，拔節(jié)期冬小麥不反光葉面和反光葉面紅光標(biāo)準化值NRI(R/R+G+B)與植株全氮含量存在較好相關(guān)性。白金順等[16]研究發(fā)現(xiàn)，灌漿期紅光標(biāo)準化值(R/(R+G+B))與春玉米氮素營養(yǎng)指標(biāo)相關(guān)性較好，且與玉米產(chǎn)量間呈顯著直線回歸關(guān)系，回歸系數(shù)為46%。肖焱波等[17]應(yīng)用數(shù)碼相機在冬小麥上研究指出，數(shù)字圖像紅光標(biāo)準化值R/(R+G+B)與冬小麥常規(guī)營養(yǎng)診斷指標(biāo)(SPAD值、莖基部硝酸鹽含量、植株全氮含量、生物量)的相關(guān)系數(shù)達到了0.809_0.946，是較好表征作物氮營養(yǎng)狀況診斷指標(biāo)。綜合前人研究結(jié)果，利用紅光標(biāo)準化值進行作物氮營養(yǎng)診斷較其他光譜指數(shù)相比雖可行性較高，但主要以單一生育期為主，而系統(tǒng)研究全生育期色彩參數(shù)變化及方程模型構(gòu)建與篩選并得到結(jié)果相對穩(wěn)定和一致的則相對較少，這也為無損、便捷和快速診斷作物氮素營養(yǎng)與生長發(fā)育狀況帶來一定困難。本試驗通過對比分析水稻分蘗期、拔節(jié)期、孕穗期和灌漿期6種數(shù)碼圖像特征值與植株氮素營養(yǎng)指標(biāo)間的相關(guān)性，得出冠層色彩參數(shù)NRI為應(yīng)用數(shù)碼相機進行水稻氮素營養(yǎng)診斷的最佳指標(biāo)，同時建立了基于NRI的水稻葉片氮含量、植株全氮含量、氮肥用量、氮素累積量、NDVI值和產(chǎn)量的線性回歸方程模型，為應(yīng)用數(shù)碼相機無損、快速研究水稻氮素營養(yǎng)狀況提供數(shù)碼指標(biāo)參考和理論依據(jù)。

注(Note): *，**分別表示在5%和1%水平下的顯著性 Mean significant at the 5% and 1% levels, respectively.

3.2 應(yīng)用數(shù)碼相機進行水稻氮素營養(yǎng)診斷的可行性

作物冠層色彩信息是表征其營養(yǎng)狀況的重要組成部分，使其在不同的營養(yǎng)狀況下表現(xiàn)出差異明顯的莖葉顏色，尤其是受氮肥供給量的影響[18]。在400_700nm可見光波段范圍內(nèi)，由于葉綠素和其他色素吸收，植物冠層光反射率較低，且隨氮肥用量增加而降低。700_1300nm近紅外波段，由于細胞排列方式和冠層結(jié)構(gòu)影響，植物對光吸收很弱，表現(xiàn)出較強的反射率，并隨氮肥用量增加而提升[19]。作物對光譜的吸收和反射差異最終表現(xiàn)在群體(冠層)顏色上，由于作物冠層綠色變化通常與葉綠素含量有關(guān)，而植株葉綠素含量與氮素營養(yǎng)相關(guān)密切。因此，通過分析作物冠層顏色深淺了解作物氮素營養(yǎng)狀況，繼而進行推薦施肥或產(chǎn)量預(yù)測的研究日益增多[3]。數(shù)碼相機通過圖像傳感器獲取物體圖像，將圖像轉(zhuǎn)換成數(shù)字圖像，并利用計算機模擬人的功能區(qū)分識別圖像色彩信息，達到分析作物冠層色彩差異和進行診斷的目的[18]。此外，應(yīng)用數(shù)碼相機和數(shù)字圖像處理技術(shù)進行氮素營養(yǎng)診斷較其他方法(如高光譜和SPAD儀法)相比具有成本低、覆蓋面大和分辨率高等優(yōu)點，易于推廣應(yīng)用[20]。Thomas等[21]通過試驗證明了光譜技術(shù)診斷甜椒氮素營養(yǎng)的可行性。Adamsenden等[22]利用數(shù)碼相機成功估算了油菜花的數(shù)量，得出了花的數(shù)目與像素之間的決定系數(shù)(R2)為0.83，達到極顯著水平。Richardson等[23]應(yīng)用數(shù)字圖像處理技術(shù)對草地地面覆蓋度成功進行了預(yù)測，其預(yù)測值與實測值之間R2高達0.99。上述研究將利用數(shù)碼相機所獲取作物冠層參數(shù)與作物營養(yǎng)及生長狀況進行分析，均表明應(yīng)用數(shù)字圖像技術(shù)可用來評估田間作物的營養(yǎng)狀況[5]。本試驗條件下，在所分析的6種數(shù)碼圖像特征值中，水稻冠層數(shù)字指標(biāo)紅光標(biāo)準化值NRI與植株氮素營養(yǎng)參數(shù)相關(guān)性較好且表現(xiàn)穩(wěn)定，均達到顯著或極顯著水平，且采用線性方程模型擬合NRI與氮肥用量、產(chǎn)量、NDVI、葉片氮含量、植株全氮含量和氮素累積量相關(guān)性較好(圖2)，表明應(yīng)用數(shù)碼相機定量、快捷研究和反演水稻氮素營養(yǎng)狀況具有較高可行性。

3.3 有待進一步研究和說明的問題

氮作為影響水稻生長發(fā)育和產(chǎn)量形成的必需元素之一，在生產(chǎn)實際中，氮肥過量施用的現(xiàn)象仍然非常普遍。馮洋等[24]在湖北黃岡調(diào)查結(jié)果表明，目前農(nóng)民水稻施氮量普遍在N 240_300 kg/hm2之間。葛夢婕等[25]通過對長江中下游7個粳型超級稻試驗指出，超級粳稻在施氮量300 kg/hm2條件下產(chǎn)量最高，普通粳稻的最高產(chǎn)量施氮量也高達263 kg/hm2。彭少兵等[26]在湖南長沙曾觀察到，超級雜交稻兩優(yōu)培九即使施氮量達到240 kg/hm2時仍沒有出現(xiàn)倒伏現(xiàn)象，而當(dāng)農(nóng)民應(yīng)用這些新品種或組合時，通常會施用更多的氮肥以獲得高產(chǎn)。本試驗條件下，當(dāng)施氮量分別為0、75、150和225 kg/hm2時，水稻產(chǎn)量分別為3520、5637、6778和7640 kg/hm2，呈線性顯著增加趨勢。因此，本試驗僅對 “缺氮—氮優(yōu)化用量”之間應(yīng)用數(shù)字圖像技術(shù)進行水稻氮素營養(yǎng)診斷提供了一種方法和思路。在此基礎(chǔ)上，探索“缺氮—氮優(yōu)化—氮過?！睏l件下水稻冠層數(shù)碼指標(biāo)的時空變化特征及可行性，仍需我們開展相關(guān)研究。此外，本研究是在其他條件相同(磷鉀肥用量充足且一致、拍照時間統(tǒng)一且限定在晴天太陽高度角變化較小的時間段12： 00_13: 00之間、相機拍攝角度保證一致等)而氮肥水平差異(N0、N75、N150和N225)情況下得出的，而水稻不同生育期冠層顏色變化受很多因素影響，如品種、生長環(huán)境、養(yǎng)分類型及用量等，因此，探索不同條件下水稻冠層數(shù)碼指標(biāo)的差異機理及可行性仍需我們開展相關(guān)研究。

本試驗通過分析不同氮素處理下各數(shù)字化診斷參數(shù)與水稻葉片含氮量、植株全氮含量、氮素累積量、生物量、冠層NDVI值和產(chǎn)量之間的關(guān)系，得出了以紅光標(biāo)準化值NRI作為應(yīng)用數(shù)碼相機診斷水稻氮素營養(yǎng)狀況的指標(biāo)選擇，繼而對比分析不同方程模型間差異及適宜性，建立了基于NRI的水稻植株氮素營養(yǎng)指標(biāo)線性方程模型。但該結(jié)果僅是在單一試驗品種(兩優(yōu)6326)和試驗?zāi)晗?一年)下得出的，要闡明規(guī)律性和實用性更強的結(jié)果尚需進一步試驗驗證。同時，作物氮素營養(yǎng)無損診斷的核心是建立推薦追肥體系，并以此進行施肥推薦[15]。因此，建立基于上述試驗結(jié)果的不同生育期臨界NRI值及推薦施氮量，繼而以追肥的方式提供氮肥，仍需要更多、更廣泛的試驗來驗證。

[1] 賈良良, 范明生, 張福鎖, 等.應(yīng)用數(shù)碼相機進行水稻氮素營養(yǎng)診斷[J]. 光譜學(xué)與光譜分析, 2009, 29(8): 2176-2179. Jia L L, Fan M S, Zhang F Setal.Nitrogen status diagnosis of rice by using a digital camera[J]. Spectroscopy and Spectral Analysis, 2009, 29(8): 2176-2179.

[2] 屈衛(wèi)群, 王紹華, 陳兵林, 等.棉花主莖葉SPAD值與氮素營養(yǎng)診斷研究[J]. 作物學(xué)報, 2007, 33(6): 1010-1017. Qu W Q, Wang S H, Chen B Letal.SPAD value of cotton leaves on main stem and nitrogen diagnosis for cotton growth[J]. Acta Agronomice Sinica, 2007, 33(6): 1010-1017.

[3] 李桂娟, 朱麗麗, 李井會.作物氮素營養(yǎng)診斷的無損測試研究與應(yīng)用現(xiàn)狀[J]. 黑龍江農(nóng)業(yè)科學(xué), 2008(4): 127-129. Li G J, Zhu L L, Li J H.Present status of research and application of non-destructive measurement of nitrogen nutrition diagnosis[J]. Heilongjiang Agricultural Sciences, 2008(4): 127-129.

[4] 賈良良.應(yīng)用數(shù)字圖像技術(shù)與土壤植株測試進行冬小麥氮營養(yǎng)診斷[D].北京: 中國農(nóng)業(yè)大學(xué)博士學(xué)位論文, 2003. Jia L L.To dectect nitrogen status of winter wheat by using color digital camera[D].Beijing: PhD dissertation of China Agricultural University, 2003.

[5] 王娟, 雷詠雯, 張永帥, 等.應(yīng)用數(shù)字圖像分析技術(shù)進行棉花氮素營養(yǎng)診斷的研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2008, 16(1): 145-149. Wang J, Lei Y W, Zhang Y Setal.Diagnosis of cotton N status using digital image analysis technique[J]. Chinese Journal of Eco-Agriculture, 2008, 16(1): 145-149.

[6] 李紅軍, 張立周, 陳曦鳴, 等.應(yīng)用數(shù)字圖像進行小麥氮素營養(yǎng)診斷中圖像分析方法的研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2011, 19(1): 155-159. Li H J, Zhang L Z, Chen X Metal.Image analysis method in application of digital image on diagnosing wheat nitrogen status J].Chinese Journal of Eco-Agriculture, 2011, 19(1): 155-159.

[7] 宋述堯, 王秀峰.數(shù)字圖像技術(shù)在黃瓜氮素營養(yǎng)診斷上的應(yīng)用研究[J]. 吉林農(nóng)業(yè)大學(xué)學(xué)報, 2008, 30(4): 460-465. Song S Y, Wang X F.Diagnosis of N status of cucumber usign digital image processing technique[J]. Journal of Jilin Agricurtural University, 2008, 30(4): 460-465.

[8] 孫欽平, 李吉進, 鄒國元, 等.應(yīng)用數(shù)字圖像技術(shù)對有機肥施用后玉米氮營養(yǎng)診斷研究[J]. 光譜學(xué)與光譜分析, 2010, 30(9): 2447-2450. Sun Q P, Li J J, Zou G Yetal.Nitrogen status diagnosis by using digital photography analysis for organic fertilized maize[J]. Spectroscopy and Spectral Analysis, 2010, 30(9): 2447-2450.

[9] Blackmer T M, Schepers J S, Varel G E.Light reflectance compared with other nitrogen stress measurements in corn leaves[J]. Jorunal of Production Agriculture, 1994, 6: 934-938.

[10] 王遠, 王德建, 張剛, 王燦.基于數(shù)碼相機的水稻冠層圖像分割及氮素營養(yǎng)診斷[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(17): 131-136. Wang Y, Wang D J, Zhang G, Wang C.Digital camera-based image segmentation of rice canopy and diagnosis of nitrogen nutrition[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(17): 131-136.

[11] Kyu J L, Byuu W L.Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis[J]. European Jorunal of Agronomy, 2013, (6): 57-65.

[12] 陸秀明, 黃慶, 孫雪晨, 等.圖像處理技術(shù)估測水稻葉面積指數(shù)的研究[J]. 中國農(nóng)學(xué)通報, 2011, 27(3): 65-68. Lu X M, Huang Q, Sun X Cetal.Application of image processing technology in rice canopy leaf area index[J]. Chinese Agricultural Science Bulletin, 2011, 27(3): 65-68.

[13] 鮑士旦.土壤農(nóng)化分析(第三版)[M]. 北京: 中國農(nóng)業(yè)出版社, 2000. Bao S D.Soil and agro-chemistry analysis (3rd ed.) [M]. Beijing: Chinese Agricultural Press, 2000.

[14] 李亞兵, 毛樹春, 韓迎春, 等.不同棉花群體冠層數(shù)字圖像顏色變化特征研究[J]. 棉花學(xué)報, 2012, 24(6): 541-547. Li Y B, Mao S C, Han Y Cetal.Study on the color characteristic variation of cotton canopy digital images[J]. Cotton Science, 2012, 24(6): 541-547.

[15] 危常州, 張福鎖, 朱和明, 等.新疆棉花氮營養(yǎng)診斷及追肥推薦研究[J]. 中國農(nóng)業(yè)科學(xué), 2002, 35(12): 1500-1505. Wei C Z, Zhang F S, Zhu H Metal.Study on cotton nitrogen diagnosis and topdressing recommendation in north xinjiang[J]. Scientia Agricultura Sinica, 2002, 35(12): 1500-1505.

[16] 白金順, 曹衛(wèi)東, 熊靜, 等.應(yīng)用數(shù)碼相機進行綠肥翻壓后春玉米氮素營養(yǎng)診斷和產(chǎn)量預(yù)測[J]. 光譜學(xué)與光譜分析, 2013, 33(12): 3334-3338. Bai J S, Cao W D, Xiong Jetal.Nitrogen status diagnosis and yield prediction of spring maize after green manure incorporation by using a digital camera[J]. Spectroscopy and Spectral Analysis, 2013, 33(12): 3334-3338.

[17] 肖焱波, 賈良良, 陳新平, 張福鎖.應(yīng)用數(shù)字圖像分析技術(shù)進行冬小麥拔節(jié)期氮營養(yǎng)診斷[J]. 中國農(nóng)學(xué)通報, 2008, 24(8): 448-453. Xiao Y B, Jia L L, Chen X P, Zhang F S.N status diagnosis of winter wheat by using digital image analysis technology[J]. Chinese Agricultural Science Bulletin, 2008, 24(8): 448-453.

[18] 石媛媛.基于數(shù)字圖像的水稻氮磷鉀營養(yǎng)診斷與建模研究[D].杭州: 浙江大學(xué)博士學(xué)位論文, 2011. Shi Y Y.Rice nutrition diagnosis and modeling based on digital image [D]. Hangzhou: PhD dissertation of Zhejiang University, 2011.

[19] 吳華兵, 朱艷, 田永超, 等.棉花冠層高光譜參數(shù)與葉片氮含量的定量關(guān)系[J]. 植物生態(tài)學(xué)報, 2007, 31(5): 903-909. Wu H B, Zhu Y, Tian Y Cetal.Relationship between canopy hyperspectra parameter and leaf nitrogen concentration in cotton[J]. Journal of Plant Ecology, 2007, 31(5): 903-909.

[20] 王遠, 王德建, 張剛.基于數(shù)碼相機的水稻氮素營養(yǎng)診斷[J]. 中國農(nóng)學(xué)通報, 2012, 28(24): 111-117. Wang Y, Wang D J, Zhang G.Nitrogen status diagnosis of rice based on a digital camera[J]. Chinese Agricultural Science Bulletin, 2012, 28(24): 111-117.

[21] Thomas J R, Oerther G F.Estimating nitrogen content of sweet pepper leaves by reflectance measurements[J]. Agronmy Journal, 1972, 27: 11-13.

[22] Adamsen F J, Coffelt T A, Nelson J Metal.Method for using images from a color digital camera to estimate flower number[J]. Crop Science, 2000, 40: 704-709.

[23] Richardson M D, Karcher D E, Purcell L C.Quantifying turfgrass cover using digital image analysis[J]. Crop Science, 2001, 41: 1884-1888.

[24] 馮洋, 陳海飛, 胡孝明, 等.高、中、低產(chǎn)田水稻適宜施氮量和氮肥利用率的研究[J]. 植物營養(yǎng)與肥料學(xué)報, 2014, 20(1): 7-16. Feng Y, Chen H F, Hu X Metal.Optimal nitrogen application rates on rice grain yield and nitrogen use efficiency in high, middle and low-yield paddy fields[J]. Journal of Plant Nutrition and Fertilizer, 2014, 20(1): 7-16.

[25] 葛夢婕, 王亞江, 顏希亭, 等.長江中下游稻區(qū)粳型超級稻高產(chǎn)形成及氮素利用的研究[J]. 植物營養(yǎng)與肥料學(xué)報, 2014, 20(2): 259-270. Ge M J, Wang Y J, Yan X Tetal.Research on the formation of high yield and the nitrogen use ofjaponicasuper rice in the middle and lower areas of the Yangtza River[J]. Journal of Plant Nutrition and Fertilizer, 2014, 20(2): 259-270.

[26] 彭少兵, 黃見良, 鐘旭華, 等.提高中國稻田氮肥利用率的研究策略[J]. 中國農(nóng)業(yè)科學(xué), 2002, 35(9): 1095-1103. Peng S B, Huang J L, Zhong X Hetal.Research strategy in improving fertilizer-nitrogen use efficiency of irrigated rice in China[J]. Scientia Agricultura Sinica, 2002, 35(9): 1095-1103.

Diagnosis of N nutrition of rice using digital image processing technique

LI Lan-tao， ZHANG Meng， REN Tao， LI Xiao-kun， CONG Ri-huan， WU Li-shu， LU Jian-wei*

[CollegeofResourcesandEnvironment，HuazhongAgriculturalUniversity/KeyLaboratoryofArableLandConservation(MiddleandLowerReachesofYangtseRiver)，MinistryofAgriculture，Wuhan430070，China]

【Objectives】 The spatial and temporal distribution of color indexes of canopy (G, NRI, NGI, NBI, G/R and G/B) and the indexes of N nutrition in rice plants were studied to determine the best color parameters and regression equations for nitrogen with a digital camera, and provide a theoretical basis and technical approach for monitoring plant nitrogen status of rice and precision management of nitrogen fertilization. 【Methods】 Field experiments were carried out from May to September 2013 in rice growing season at the Experimental Farm of Huazhong Agricultural University (30°28′ 08′′N, 114°21′36′′E). A two-lineindicahybrid (Liangyou6326) was chosen as test cultivar. Four N treatments: N 0, 75, 150 and 225 kg/ha were designed and recorded as N0, N75, N150, N225, respectively. A color digital camera (D700, Nikon, Japan) with a resolution of 12.0 mega pixels was employed to capture color images of rice canopy at the tillering, jointing, booting and filling stage. The image resolution was 1936×1296 pixels of 14 bit for red, green and blue. The images of size 2.72 MB were transferred in joint photographic experts group (JPEG) format to a computer and processed with Adobe Photoshop 7.0 to extract color information for studying possibility of using digital image analysis method for plant N status diagnosis and for determining the best color parameters and regression equations in rice. 【Results】 Compared with N0, the biomass, leaf N content, plant total N content, N accumulation and canopy NDVI values of rice with N treatments at the tillering stage, jointing stage, booting stage and filling stage are averagely increased by 40.7%-98.0%, 42.4%-72.4%, 36.2%-85.3%, 125.5%-209.1% and 51.3%-60.6%, respectively, at mature stage, the average increase of yield are from 60.1% to 117.0%. Compared with other plant canopy color parameters, the normalized redness intensity (NRI), calculated as R/(R+G+B), is much better as it has better correlations with the index of N-nutrient in rice plants, rice yield and canopy NDVI values at the different growth stages. An integrated linear regression equation could be used for describing the relationship between NRI and leaf N content, plant total N content, N accumulation, canopy NDVI values, yield at different growing stages and nitrogen levels of rice. 【Conclusions】 The digital image processing technique is usable in detecting the N nutrition in rice and has advantages of fast, stable results, easy to apply, and non-destructive. Simultaneously, the color parameter NRI has a preferable interrelation with the index of N-nutrition and yield than others, thus NRI is suitable for rapid diagnosis of nitrogen nutrition, and the digital image processing technique method shows the potential of being used in fast rice nitrogen diagnosis without damage.

digital image; rice; N status diagnosis

2013-12-30 接受日期： 2014-08-25

公益性行業(yè)(農(nóng)業(yè))科研專項(201103039)； 中央高校基本科研業(yè)務(wù)費專項(2013PY113)； 長江學(xué)者和創(chuàng)新團隊發(fā)展計劃(IRT1247)資助。

李嵐?jié)?1987—)， 男， 河南周口人， 碩士， 主要從事作物營養(yǎng)與現(xiàn)代施肥技術(shù)。 E-mail： lijianwei@webmail.hzau.edu.cn * 通信作者 E-mail： lujianwei@mail.hzau.edu.cn

S126； S511

A

1008-505X(2015)01-0259-10