呼瑤 張磊 邱鵬飛 商麗麗 賈禮聰 王翠娟 韓俊杰 王勃 辛國勝

摘要：為了研究利用數(shù)碼圖像參數(shù)預測甘薯氮素營養(yǎng)指標的可行性，明確氮素營養(yǎng)狀況評價的最佳色彩參數(shù)和方程模型，以煙薯25號為試材，于2020—2021年分別設置盆栽試驗（氮肥水平為0、45、90、135、180 kg/hm2）、大田試驗（氮肥水平為0、50、100、150、300 kg/hm2），利用數(shù)碼相機獲取甘薯冠層圖像參數(shù)，同時測定地上部氮素營養(yǎng)指標，分析不同生育時期甘薯冠層數(shù)碼圖像參數(shù)與氮素營養(yǎng)指標的相關性，并構建甘薯氮素營養(yǎng)指標診斷模型。甘薯各生育期冠層圖像參數(shù)與地上部生物量、葉片氮濃度、葉綠素a含量、葉綠素b含量相關性差異較大，以綠光標準化值NGI與上述氮素營養(yǎng)指標的相關性最好；薯蔓并長期NGI與氮肥用量、地上部生物量、葉片氮濃度、葉綠素a含量的直線方程模型分別為y＝17.82x-6.95、y＝6 999.70x-2 697.90、y＝613.67x-188.78、y＝75.38x-26.96；2021年試驗驗證模型驗證結果表明，葉片氮濃度、葉綠素含量的預測值與實測值之間R2分別達到0.835、0.810，均方根誤差分別為2.496、0.261，數(shù)值表現(xiàn)穩(wěn)定，驗證結果精度較好。生育期內冠層數(shù)碼圖像參數(shù)NGI與氮素營養(yǎng)指標間均顯著相關，可應用于圖像數(shù)字化技術預測甘薯氮素營養(yǎng)狀況，薯蔓并長期診斷模型以直線方程模型最佳。因此，收獲期之前，圖像數(shù)字化技術可應用于甘薯氮素營養(yǎng)診斷研究，最佳預測圖像參數(shù)為綠光標準化值NGI，參數(shù)最佳方程為直線函數(shù)。

關鍵詞：甘薯；圖像數(shù)字化；氮素營養(yǎng)診斷；方程模型；色彩參數(shù)

中圖分類號：S531.01 文獻標志碼：A

文章編號：1002-1302（2023）08-0092-06

基金項目：國家甘薯產業(yè)技術體系項目（編號：CARS-10）；山東省現(xiàn)代農業(yè)產業(yè)技術體系薯類創(chuàng)新團隊項目（編號：SDAIT-16-02）；煙臺市科技創(chuàng)新發(fā)展計劃項目（編號：2021NYNC013）。

作者簡介：呼 瑤（1995—），女，內蒙古巴彥淖爾人，碩士，主要從事甘薯遺傳育種及栽培生理研究，E-mail：2220366016@qq.com；共同第一作者：張 磊（1989—），男，內蒙古通遼人，碩士，農藝師，主要從事甘薯遺傳育種及栽培研究，E-mail：kerqzl@126.com。

通信作者：辛國勝，碩士，研究員，主要從事甘薯遺傳育種、栽培研究，E-mail：guoshengx@sina.com；王 勃，博士，講師，主要從事植物分子生物學研究，E-mail：wangbo@ytu.edu.cn。

甘薯生長發(fā)育對氮素要求較為嚴格，氮缺乏導致甘薯莖葉生長緩慢、光合效能降低、干物質積累較少，進而造成減產。生產中甘薯氮過量現(xiàn)象頻發(fā)，嚴重時造成莖葉旺長，干物質向地下部塊（根）分配減少，影響薯塊膨大和品質提升［1］。此外，過量用氮還會引發(fā)土壤酸化［2］和地下水污染等環(huán)境問題［3-5］。及時、準確掌握甘薯的氮素營養(yǎng)狀況，合理施用氮肥，對提高甘薯氮素利用率、節(jié)約能源和保護環(huán)境具有重要意義。傳統(tǒng)的氮素營養(yǎng)監(jiān)測需要實地采集植株樣品、進實驗室測定分析和數(shù)據(jù)處理，不僅對作物生長具有破壞性，還要求具備一定的實驗室環(huán)境和檢測基礎，存在用工量大、耗時長、成本高等問題，不利于全面推廣［6-7］。圖像數(shù)字化技術通過獲取植株圖像色彩參數(shù)而監(jiān)測作物氮素營養(yǎng)狀況，兼具信息采集及時、數(shù)據(jù)處理簡便和預測結果可靠等優(yōu)點，近年來廣泛應用于玉米［8］、小麥［9］、水稻［10］、油菜［11］、棉花［12］等作物的氮素營養(yǎng)診斷。研究認為，藍光標準化值NBI（12葉期）、紅光標準化值NRI（灌漿期）與玉米植株氮營養(yǎng)指標呈較好的相關性，并與產量呈直線回歸關系［13］；綠光標準化值（NGI）可有效指示小麥氮素營養(yǎng)豐缺［14］；水稻冠層色彩參數(shù)NRI滿足氮素營養(yǎng)無損診斷的需求［10］?？梢姡瑧脠D像數(shù)字化技術診斷作物氮素營養(yǎng)狀況是可行的，但診斷選取的圖像色彩參數(shù)存在差異。目前，通過圖像數(shù)字化技術進行甘薯氮素營養(yǎng)診斷的研究相對較少。本研究通過分析甘薯冠層圖像顏色指標與甘薯氮素營養(yǎng)指標的相關性，探討應用圖像數(shù)字化技術進行甘薯氮素無損診斷的可行性，以明確能夠評估甘薯常規(guī)氮素營養(yǎng)診斷的冠層圖像適宜時期、顏色指標和診斷模型并驗證模型的準確度。

1 材料與方法

1.1 試驗材料

試驗于2020年4月至2021年11月在山東省煙臺市農業(yè)科學研究院試驗地進行。供試土壤為壤土，前茬作物為玉米，供試土壤基本理化性狀為pH值6.5，全氮含量0.83 g/kg，有效磷含量 95.9 mg/kg，速效鉀含量97.0 mg/kg，有機質含量12.5 g/kg。甘薯于2020年5月15日移栽，10月23日統(tǒng)一收獲。

供試甘薯品種為山東省煙臺市農業(yè)科學研究院自主選育的煙薯25號。

1.2 試驗設計

2020年盆栽試驗設置5個施氮水平，分別為N0（0 kg/hm2）、N45（45 kg/hm2）、N90（90 kg/hm2）、N135（135 kg/hm2）、N180（180 kg/hm2）。選取長勢一致的甘薯幼苗定植于可容納12 kg土壤的塑料花盆（直徑×高=35 cm×55 cm），每盆秧栽1株薯苗，每個處理重復3次，所有盆栽同時施用P2O5 75 kg/hm2、K2O 150 kg/hm2，生長期間定期適度補水，其他同常規(guī)管理。

2021年大田試驗設置5個施氮水平，分別為N0（0 kg/hm2）、N45（45 kg/hm2）、N90（90 kg/hm2）、N135（135 kg/hm2）、N180（180 kg/hm2）。小區(qū)面積18.4 m2（4.6 m×4.0 m），5行區(qū)，行距0.8 m，株距0.2 m。每個處理重復3次，隨機區(qū)組排列。各處理同時施用P2O5 75 kg/hm2、K2O 150 kg/hm2。

1.3 數(shù)字圖像數(shù)據(jù)獲取與處理

選擇甘薯生長發(fā)育的重要生長時期，分別為莖葉封壟期（移栽后35 d）、薯蔓并長期（移栽后 70 d）、塊根膨大期（移栽后105 d）、收獲期（移栽后146 d）。在晴天12：00—13：00，采用數(shù)碼相機（Nikon EOS 550D，1 800萬像素，像素尺寸為5 184×3 456）拍攝甘薯冠層圖像，拍攝時數(shù)碼相機與地面高1.30 m，與地面成角60°，在每個小區(qū)拍攝3張照片，同時將相機調至白平衡來控制色彩平衡；數(shù)碼相機拍攝的圖像為RGB顏色圖像，以JPEG格式保存到計算機，利用Adobe Photoshop CC2019 軟件直方圖程序獲取RGB顏色模型的色彩信息。測算圖像顏色包括歸一化顏色指標、比顏色指標、歸一化差分顏色指標等共計17個顏色指標，其中歸一化顏色指標包括紅（R）、綠（G）、藍光（B）及紅光標準化值NRI即R/（R+G+B）、綠光標準化值NGI即G/（R+G+B）、藍光標準化值NBI即B/（R+G+B）、G/R、G/B、B/R；比顏色指標包括R/（G+B）、G/（R+B）、（R-B）/G、（G-B）/R；歸一化差分顏色指標包括（G-R）/（R+G+B）、（G-B）/（R+G+B）、（1.4R-G）/（R+G+B）、（2G-R-B）/（R+G+B）。

1.4 測定項目與方法

選取上述時期長勢相近的甘薯植株4株，按葉片和莖不同部位取樣品在105 ℃殺青30 min后，于 60 ℃ 下烘至恒質量，稱量折算地上部生物量；將烘干后的植株和葉片分別粉碎后過60目篩，用自封袋密封低溫保存，用于測定葉片全氮含量［15］；采用95%的乙醇浸提法，用分光光度計測定葉綠素濃度［16］。

1.5 數(shù)據(jù)處理與分析

數(shù)據(jù)處理與分析采用Adobe Photoshop CC2019軟件，采用SPSS 22.0軟件進行LSD法檢驗α=0.05水平上的差異顯著性，數(shù)據(jù)統(tǒng)計及制圖采用Microsoft Excel 2007進行。

2 結果與分析

2.1 施氮對甘薯氮素營養(yǎng)指標及塊根產量的影響

氮肥顯著提高了甘薯地上部生物量、塊根產量、葉片氮含量以及葉綠素a、葉綠素b含量（表1）。與低氮處理相比，高氮處理的葉綠素a、葉綠素b含量顯著增加，在N135處理下達到最大值（收獲期葉綠素b含量除外）；葉片氮含量在薯蔓并長期、收獲期呈先增后降趨勢；隨著施氮量增加，甘薯地上部生物量逐漸增加，各處理地上部生物量增長幅度在莖葉封壟期至薯蔓并長期（移栽后35～70 d）變化最大，期間增長0.7～1.6倍。全生育期內甘薯塊根產量以施氮量90～135 kg/hm2 較大，繼續(xù)增加施氮量，塊根產量出現(xiàn)下降趨勢，地上部生物量則持續(xù)增加。結果表明，適量或少施氮肥可增加干物質積累，過量施氮會導致地上部莖葉生長過旺，不利于塊根產量積累。

2.2 甘薯冠層顏色指標與植株氮素營養(yǎng)指標的相關分析

由表2可知，莖葉封壟期冠層色彩參數(shù)R、NGI與地上部生物量、葉片氮含量、葉綠素a含量均呈顯著或極顯著正相關，NBI、（G-R）/（R+G+B）、（1.4R-G）/（R+G+B）與葉綠素a含量呈顯著負相關。薯蔓并長期R、NRI、NGI與各氮素營養(yǎng)指標間呈顯著正相關，NBI、（1.4R-G）/（R+G+B）與葉片氮含量、葉綠素a含量呈顯著或極顯著負相關。塊根膨大期NGI與各氮素營養(yǎng)指標間均呈顯著或極顯著正相關，R、NRI、G/B、G/（R+B）、（R-B）/G、（G-B）/R、（G-R）/（R+G+B）、（G-B）/（R+G+B）與甘薯地上部生物量呈顯著或極顯著正相關。收獲期NGI與各氮素營養(yǎng)指標間均呈顯著或極顯著正相關，G、G/R、G/B、R/（G+B）與葉片氮含量和葉綠素a含量呈顯著或極顯著正相關，NRI、（1.4R-G）/（R+G+B）與葉片氮含量、葉綠素a含量呈顯著負相關。甘薯生育期內冠層NGI與地上部生物量、葉片氮含量、葉綠素a含量均表現(xiàn)顯著相關性，相關系數(shù)r值范圍是0.513～0.935，其中薯蔓并長期NGI的相關性最為敏感，相關系數(shù)分別為0.781、0.825、0.935（表2）。

2.3 甘薯氮素營養(yǎng)診斷方程模型篩選與構建

為進一步利用冠層數(shù)碼圖像參數(shù)精準掌握甘薯氮素營養(yǎng)狀況，本試驗通過線性和非線性回歸分析，在薯蔓并長期以氮素營養(yǎng)指標為因變量（y），圖像色彩參數(shù) NGI為自變量（x），分別采用直線方程、對數(shù)方程、二次方程、冪方程、指數(shù)方程構建了5種不同方程類型的診斷模型（表3）。結果表明，針對不同函數(shù)進行回歸分析，甘薯冠層圖像參數(shù)NGI與氮素營養(yǎng)指標的相關關系整體表現(xiàn)較好，除與氮肥用量之間的冪方程和指數(shù)方程模型未表現(xiàn)顯著相關性外，與其他各營養(yǎng)指標的相關性均達到極顯著相關水平。鑒于線性函數(shù)和非線性函數(shù)模型的擬合精準度及表達效果接近，線性函數(shù)方程更簡單易用，故本研究選取直線方程模型作為甘薯氮素營養(yǎng)診斷的最佳模型。基于綠光標準化值NGI與氮肥用量、地上部生物量、葉片氮濃度、葉綠素a含量建立的回歸方程表達式分別為y=17.82x-6.95、y=6 999.70x-2 697.90、y=613.67x-188.78、y=75.38x-26.96（圖1）。

2.4 甘薯氮素營養(yǎng)診斷方程模型的驗證

本試驗基于2021年試驗數(shù)據(jù)對上述直線方程模型的實用性和準確性進行檢驗（n=15），將薯蔓并長期甘薯冠層綠光標準化值NGI分別代入相應的直線方程模型，對比葉片氮濃度、葉綠素a濃度的預測值與實測值差異，并利用1 ∶1等值圖來顯示模型的擬合度（圖2），通過決定系數(shù)（r2）和均方根誤差（RMSE）指標綜合分析模型的準確性和穩(wěn)定性。結果表明，基于NGI與葉片氮濃度、葉綠素濃度相關關系建立的直線函數(shù)模型，其預測值、實際值之間的決定系數(shù)分別為0.835、0.810，達到極顯著水平，均方根誤差分別為2.496、0.261，說明本試驗建立的直線函數(shù)估算模型可以用于診斷甘薯植株氮營養(yǎng)狀況，且預測結果較好，具有較高的可靠性。

3 討論

適量的氮肥運籌有利于維持甘薯生長后期源庫平衡［17］，氮肥后移和減量分施是提高甘薯產量和氮肥利用效率的主要途徑［18-19］。植株顏色的變化可有效表征作物氮素營養(yǎng)的豐缺狀況［20］，NRI可作為蕾薹期（包括）之前冬油菜氮素營養(yǎng)診斷的最佳參考指標［11，21］，夏玉米的最佳參考指標為藍光標準化值NBI［22］。因此，在恰當時期選取合適的冠層數(shù)碼診斷參數(shù)，對準確預測甘薯氮素營養(yǎng)狀況及推薦氮肥用量具有重要意義。本研究發(fā)現(xiàn)，冠層圖像NGI與地上部生物量、葉片氮含量、葉綠素a含量均呈顯著相關關系，貫穿整個生育時期，其最高相關系數(shù)達0.935。綜合來看，NGI為全生育期甘薯氮素營養(yǎng)診斷的最佳指標，這與張玲等利用無人機對夏玉米氮素營養(yǎng)監(jiān)測確定的最佳色彩參數(shù)以及適宜時期［23］一致。這表明，一方面甘薯冠層色彩參數(shù)NGI與其他色彩參數(shù)相比穩(wěn)定性更好，對土壤供肥能力的反應更敏感，利用綠光標準化值NGI進行作物氮營養(yǎng)診斷具備可行性；另一方面不同的施氮水平、作物冠層高度、光溫條件、生育時期等對作物生長發(fā)育有顯著影響，葉片營養(yǎng)成分也會相應改變，診斷作物營養(yǎng)狀況的色彩參數(shù)也存在變化［20，24］。

冬小麥拔節(jié)期冠層圖像的NGI與施氮量之間存在二次曲線關系［14，25］，指數(shù)方程可以實現(xiàn)對水稻冠層綠光值（G）與地上部生物量、氮素累積量的良好擬合［26］。為能精準應用圖像數(shù)字化技術定量分析甘薯氮營養(yǎng)狀況，對基于NGI與氮素營養(yǎng)指標構建的回歸方程驗證分析表明，利用直線方程y=613.67x-188.78、y=75.38x-26.96預測的甘薯葉片氮濃度和葉綠素a含量值與實際測量值之間的決定系數(shù)均在0.81及以上，均方根誤差最小值為0.261，直線方程模型可靠性和精準度較好，這與李嵐?jié)冗x擇線性方程模型的試驗結果［10，27］一致。

4 結論

甘薯冠層數(shù)碼圖像參數(shù)NGI與氮肥施用量、地上部生物量、葉片氮含量、葉綠素a含量均達到顯著或極顯著水平，可用來診斷甘薯氮素營養(yǎng)豐缺，適宜使用的時期為收獲期之前。在薯蔓并長期，甘薯氮素營養(yǎng)診斷的最佳模型為直線方程模型，基于綠光標準化值NGI與氮肥用量、地上部鮮質量、葉片氮濃度、葉綠素a含量建立的回歸方程表達式分別為y=17.82x-6.95、y=6999.70x-2697.90、y=613.67x-188.78、y=75.38x-26.96，其中葉片氮含量及葉綠素a含量預測值、實際測量值之間的決定系數(shù)分別為0.835、0.810，均方根誤差分別為2.496、0.261，預測精度較好，建立的直線方程估算模型可用于診斷甘薯植株氮營養(yǎng)狀況。

參考文獻：

［1］Hammett L K，Miller C H，Swallow W H，et al. Influence of N source，N rate，and K rate on the yield and mineral concentration of sweet potato［J］. Journal of the American Society for Horticultural Science，1984，109（3）：294-298.

［2］王 靜，王 磊，劉耀斌，等. 長期施氮肥對黃棕壤微生物生物性狀的影響及其調控因素［J］. 中國生態(tài)農業(yè)學報（中英文），2021，29（5）：833-843.

［3］黃景貴，粟春青，王凌暉，等. 氮磷鉀指數(shù)配方施肥對假蘋婆幼苗生長和光合特性的影響［J］. 西南農業(yè)學報，2021，34（12）：2691-2699.

［4］劉 魁，楊亞麗，楊繼周，等. 化肥減量配施有機肥對田煙根際土壤細菌群落多樣性的影響［J］. 西南農業(yè)學報，2021，34（10）：2191-2196.

［5］王海澤，劉志萍，巴 圖，等. 不同施氮水平下大麥可溶性糖與淀粉積累的關系［J］. 西南農業(yè)學報，2022，35（2）：319-328.

［6］張 玨，田海清，李 哲，等. 基于數(shù)碼相機圖像的甜菜冠層氮素營養(yǎng)監(jiān)測［J］. 農業(yè)工程學報，2018，34（1）：157-163.

［7］馬云強，李宇宸，劉夢盈，等. 基于無人機多光譜影像的云南切梢小蠹危害監(jiān)測反演研究［J］. 西南農業(yè)學報，2021，34（9）：1878-1884.

［8］張立周，王殿武，張玉銘，等. 數(shù)字圖像技術在夏玉米氮素營養(yǎng)診斷中的應用［J］. 中國生態(tài)農業(yè)學報，2010，18（6）：1340-1344.

［9］夏莎莎，張 聰，李佳珍，等. 基于手機相機獲取冬小麥冠層數(shù)字圖像的氮素診斷與推薦施肥研究［J］. 中國生態(tài)農業(yè)學報，2018，26（4）：538-546.

［10］李嵐?jié)?，?萌，任 濤，等. 應用數(shù)字圖像技術進行水稻氮素營養(yǎng)診斷［J］. 植物營養(yǎng)與肥料學報，2015，21（1）：259-268.

［11］魏全全，李嵐?jié)?，?濤，等. 基于數(shù)字圖像技術的冬油菜氮素營養(yǎng)診斷［J］. 中國農業(yè)科學，2015，48（19）：3877-3886.

［12］王 娟，雷詠雯，張永帥，等. 應用數(shù)字圖像分析技術進行棉花氮素營養(yǎng)診斷的研究［J］. 中國生態(tài)農業(yè)學報，2008，16（1）：145-149.

［13］白金順，曹衛(wèi)東，熊 靜，等. 應用數(shù)碼相機進行綠肥翻壓后春玉米氮素營養(yǎng)診斷和產量預測［J］. 光譜學與光譜分析，2013，33（12）：3334-3338.

［14］張立周，侯曉宇，張玉銘，等. 數(shù)字圖像診斷技術在冬小麥氮素營養(yǎng)診斷中的應用［J］. 中國生態(tài)農業(yè)學報，2011，19（5）：1168-1174.

［15］鮑士旦. 土壤農化分析［M］. 3版.北京：中國農業(yè)出版社，2000.

［16］劉絢霞，董振生，劉創(chuàng)社，等. 油菜葉綠素提取方法的研究［J］. 中國農學通報，2004，20（4）：62-63.

［17］寧運旺，馬洪波，張 輝，等. 甘薯源庫關系建立、發(fā)展和平衡對氮肥用量的響應［J］. 作物學報，2015，41（3）：432-439.[HJ2mm]

［18］安建剛，敬 夫，丁 祎，等. 氮肥分期運籌對套作甘薯產量、品質及氮素效率的影響［J］. 作物學報，2018，44（12）：1858-1866.

［19］杜祥備，王家寶，劉小平，等. 減氮運籌對甘薯光合作用和葉綠素熒光特性的影響［J］. 應用生態(tài)學報，2019，30（4）：1253-1260.

［20］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］. 棉花學報，2012，24（6）：541-547.

［21］高開秀，高雯晗，明 金，等. 無人機載多光譜遙感監(jiān)測冬油菜氮素營養(yǎng)研究［J］. 中國油料作物學報，2019，41（2）：232-242.

［22］賀 正. 基于手機照片的滴灌玉米光響應特征與穗形態(tài)監(jiān)測［D］. 銀川：寧夏大學，2019：30-31.

［23］張 玲，陳新平，賈良良. 基于無人機可見光遙感的夏玉米氮素營養(yǎng)動態(tài)診斷參數(shù)研究［J］. 植物營養(yǎng)與肥料學報，2018，24（1）：261-269.

［24］付虹雨，崔丹丹，崔國賢，等. 作物圖像獲取、處理技術及其應用研究進展［J］. 中國麻業(yè)科學，2019，41（5）：229-239.

［25］王玉娜，李粉玲，王偉東，等. 基于無人機高光譜的冬小麥氮素營養(yǎng)監(jiān)測［J］. 農業(yè)工程學報，2020，36（22）：31-39.

［26］Lee K J，Lee B W. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis［J］. European Journal of Agronomy，2013，48：57-65.

［27］孫志偉，張啟明，苑舉民，等. 基于可見光譜參數(shù)的烤煙葉片葉綠素含量估算模型［J］. 中國煙草科學，2020，41（1）：44-49.