基于手機相機獲取玉米葉片數(shù)字圖像的氮素營養(yǎng)診斷與推薦施肥研究*

夏莎莎, 張 聰, 李佳珍, 李紅軍, 張玉銘**, 胡春勝

?

基于手機相機獲取玉米葉片數(shù)字圖像的氮素營養(yǎng)診斷與推薦施肥研究*

夏莎莎1, 張 聰3, 李佳珍2, 李紅軍2, 張玉銘2**, 胡春勝2

(1. 中國科學院生態(tài)環(huán)境研究中心 北京 100085; 2. 中國科學院遺傳與發(fā)育生物學研究所農(nóng)業(yè)資源研究中心/中國科學院農(nóng)業(yè)水資源重點實驗室/河北省節(jié)水農(nóng)業(yè)重點實驗室 石家莊 050022; 3. 華北制藥集團愛諾有限公司 石家莊 050000)

本文利用手機相機獲取玉米6葉期和9葉期的冠層圖像, 對圖像進行色彩參數(shù)的提取與處理, 分析了不同生長時期、不同品種間色彩參數(shù)的差異性, 以及色彩參數(shù)與傳統(tǒng)玉米氮素營養(yǎng)指標的相關(guān)性, 選擇出適宜的敏感色彩參數(shù), 對色彩參數(shù)與氮素營養(yǎng)指標進行擬合建模, 建立了玉米氮素營養(yǎng)診斷體系, 并推薦了不同產(chǎn)量目標下的施肥量,為實現(xiàn)利用智能手機田間拍照進行氮素營養(yǎng)診斷和精準推薦施肥提供參考。結(jié)果表明, 在玉米6葉期, 冠層圖像色彩參數(shù)與傳統(tǒng)氮素營養(yǎng)指標間的相關(guān)性優(yōu)于9葉期, 可作為應(yīng)用數(shù)字圖像分析技術(shù)進行氮素營養(yǎng)診斷的診斷時期; 不同品種玉米的冠層圖像色彩參數(shù)間無顯著差異。B/(R+G+B)和G/(R+G+B)與傳統(tǒng)氮素診斷指標——葉片SPAD值、第1完全展開葉葉脈硝酸鹽濃度均顯著相關(guān), 且B/(R+G+B)更為敏感, 因此可作為玉米氮素營養(yǎng)診斷的色彩參數(shù)指標, 診斷方程為: 玉米葉脈硝酸鹽濃度=1.73×1010×[B/(R+G+B)]9.43。并依此給出了不同B/(R+G+B)值下的玉米營養(yǎng)狀況以及不同目標產(chǎn)量下的推薦施氮量。本研究結(jié)果可為基于手機相機開展玉米氮素營養(yǎng)診斷與推薦施肥技術(shù)的推廣與應(yīng)用提供技術(shù)支撐。

手機相機; 葉片數(shù)字圖像; 色彩參數(shù); 氮素營養(yǎng)診斷; 精準施肥; 夏玉米

營養(yǎng)診斷在作物生長過程中起著至關(guān)重要的作用, 通過便捷、快速的手段準確獲取作物在不同或某一特定生育時期的營養(yǎng)狀況, 以此為依據(jù)對作物進行營養(yǎng)診斷, 獲得作物的施肥推薦。這一技術(shù)可以幫助準確掌握植株的營養(yǎng)狀況, 從而能夠更加合理地調(diào)整肥料施用量, 防止過量施肥帶來的浪費以及隨之而來的生態(tài)環(huán)境污染問題, 也可以很大程度上提高肥料的利用率[1-4]。在現(xiàn)代農(nóng)業(yè)中, 對作物營養(yǎng)診斷這一技術(shù)的要求越來越高, 需要更精準、更快捷、更簡潔的診斷技術(shù)。近年來, 數(shù)字圖像技術(shù)的日益成熟為作物營養(yǎng)診斷、精準施肥提供了有力的技術(shù)支持, 在小麥()[5]、玉米()[6]、葡萄()[7]、草莓()[8]、棉花(sp.)[9]等多種作物上均進行了研究和應(yīng)用, 已經(jīng)取得了一定成果, 充分證明這種方法的有效性和可應(yīng)用性。植株葉片顏色與葉綠素息息相關(guān), 而氮素營養(yǎng)狀況會直接影響植株葉綠素的組成及含量[10-11], 因此, 可以利用獲取的植株葉片數(shù)字圖像來分析研究植株的氮素營養(yǎng)狀況。然而, 已有的研究成果中, 對玉米的研究并不是很多, 尤其是對玉米不同品種間差異性的研究很少。在圖像獲取的手段上, 數(shù)碼相機已經(jīng)被廣泛地應(yīng)用到對作物進行營養(yǎng)診斷的研究中[5-9], 無人機等航拍技術(shù)也有涉獵[12], 但手機相機的便攜性、普遍性、易操作性等優(yōu)勢并沒有廣泛地應(yīng)用到作物營養(yǎng)診斷中。

基于以上研究基礎(chǔ)和切實需求, 本研究通過手機相機獲取夏玉米第一完全展開葉葉片數(shù)字圖像, 分析玉米不同生育期的葉片數(shù)字圖像色彩參數(shù)的變化, 以及不同品種間色彩參數(shù)的差異, 結(jié)合與傳統(tǒng)氮素營養(yǎng)指標的相關(guān)分析, 篩選出適宜的敏感色彩參數(shù), 建立反演玉米氮素營養(yǎng)指標的擬合模型, 確立營養(yǎng)診斷指標并提出施肥推薦, 據(jù)此研發(fā)一款針對玉米氮素營養(yǎng)診斷與推薦施肥的軟件[13], 實現(xiàn)通過智能手機田間拍照實時進行作物氮素營養(yǎng)診斷和精準推薦施肥。

1 材料與方法

1.1 試驗設(shè)計

本研究依托中國科學院欒城農(nóng)業(yè)生態(tài)系統(tǒng)試驗站(37.88°N, 114.68°E)的長期肥料定位試驗, 此試驗可以監(jiān)測不同程度氮素短缺對作物的影響[6]。該站屬于暖溫帶半濕潤季風氣候, 代表土壤為潮褐土, 種植制度以冬小麥-夏玉米輪作制為主。長期定位試驗設(shè)置4個氮肥水平: 0 kg(N)·hm-2·a?1、200 kg(N)·hm?2·a?1、400 kg(N)·hm?2·a?1和600 kg(N)·hm?2·a?1; 3個磷肥水平: 0 kg(P)·hm?2·a?1、32.5 kg(P)·hm?2·a?1和64 kg(P)·hm?2·a?1; 2個鉀肥水平: 0 kg(K)·hm-2·a?1和150 kg(K)·hm-2·a?1。試驗采用正交不完全設(shè)計共選出16個處理方式, 每個處理方式進行3次重復, 共計48個樣區(qū)?？紤]到磷肥嚴重短缺給作物帶來的影響, 本研究只選擇磷肥施用樣區(qū)作為研究對象, 共計11個處理, 33個樣區(qū)。在品種間葉片數(shù)字圖像色彩參數(shù)差異方面, 以當?shù)仄毡榉N植的‘鄭單958’、‘浚單20’、‘先玉335’和‘京單20’夏玉米品種為供試對象開展研究。

1.2 作物常規(guī)測試項目

單一品種的測試項目選擇在玉米的6葉期(2016年7月)和9葉期(2016年8月)進行, 不同品種的測試選在玉米的6葉期進行。觀測項目包括葉片葉綠素含量(SPAD數(shù)值)和植株硝酸鹽濃度。每個樣區(qū)隨機選定30株玉米, 利用SPAD-502葉綠素儀測定玉米第1片完全展開葉的中部數(shù)值, 取其平均值作為該樣區(qū)的SPAD數(shù)值。同樣取夏玉米第1完全展開葉中部葉脈, 擠壓汁液, 采用反射儀和硝酸鹽試紙測定植株葉脈硝酸鹽濃度。

1.3 葉片圖像獲取方法

利用三星手機相機拍照獲取玉米第1片完全展開葉數(shù)字圖像。拍照前在上述每個樣區(qū)已測定過SPAD值的葉片中選擇長勢均勻、具有代表性的6株玉米, 將其第1片完全展開葉自葉基部摘下, 并盡快將6片葉子依次排開平鋪于平坦的地面上, 用手機相機采用距離葉片1 m、垂直向下姿態(tài)拍照獲取玉米葉片數(shù)字圖像。拍照后的葉片取其中部葉脈榨取汁液測定其硝酸鹽含量。

1.4 作物數(shù)字圖像處理與色彩參數(shù)分析

獲取的玉米葉片圖像中, 有紅(R)、綠(G)、藍(B)3個色彩通道, 能夠反映不同條件下玉米葉片對光的反射差異, 從而可以作為診斷指標對作物的營養(yǎng)狀況進行分析。手機相機拍攝中, 光線的強弱、土壤背景等都會影響敏感色彩參數(shù)的選擇, 因此為了提高獲取圖像的色彩參數(shù)的精準度, 這些非作物葉片的因素要被剔除。首先針對光線強弱因素的干擾, 對R、G、B 3色光進行標準化處理, 得到紅光標準化值[R/(R+G+B)]、綠光標準化值[G/(R+G+B)]和藍光標準化值[B/(R+G+B)]。其次對非作物圖像干擾因素的剔除, 通過對圖像數(shù)據(jù)進行比對分析, 選擇R、R/(R+G+B)和G/(R+G+B)3個參數(shù)作為剔除的指標, 過濾的標準是: G/(R+G+B)>0.37 AND R/(R+G+B)<0.42 AND R>20, R>20用于過濾陰影部分。最后通過遙感圖像的分析功能, 利用建模的方法對圖像的色彩參數(shù)進行自動化處理。

處理后得到玉米葉片圖像的色彩參數(shù)R/(R+G+B)、G/(R+G+B)和B/(R+G+B)及綠光與紅光比值(G/R)和可見光大氣阻抗植被指數(shù)[(G-R)/(G+R-B), VARI], 最后與試驗獲得的作物氮素營養(yǎng)指標進行相關(guān)分析。

為了研究玉米不同生長時期、不同品種的冠層圖像色彩參數(shù)的差異、色彩參數(shù)對地力差異反應(yīng)的敏感程度及其與玉米葉片傳統(tǒng)氮素營養(yǎng)指標的相關(guān)性, 設(shè)計了兩組試驗: 第1組以玉米品種‘鄭單958’為研究對象, 在6葉期和9葉期分別獲取第一完全展開葉葉片數(shù)字圖像并提取色彩參數(shù), 對數(shù)據(jù)進行比對分析; 第2組在6葉期, 對4個種玉米品種‘鄭單958’、‘浚單20’、‘先玉335’和‘京單20’均進行第1完全展開葉葉片圖像采集, 之后對獲取的色彩參數(shù)數(shù)據(jù)進行分析。

2 結(jié)果與分析

2.1 玉米不同生育時期、不同品種葉片數(shù)字圖像的色彩參數(shù)

選擇了玉米品種‘鄭單958’ 6葉期和9葉期進行不同生長期葉片數(shù)字圖像色彩參數(shù)的對比分析, 結(jié)果見表1。從表中可以看出, R、G、B、B/(R+G+B)、G/R和VARI在6葉期平均值均小于9葉期, 而R/(R+G+B)與G/(R+G+B)的平均值則是9葉期更高。從變異系數(shù)來看, R、G和R/(R+G+B)在6葉期的離散度小于9葉期, 其他的5種色彩參數(shù)的離散度均為6葉期更高, 說明大部分色彩參數(shù)受氮素水平影響在6葉期的數(shù)據(jù)變幅更寬, 離散度更高, 出現(xiàn)異常值的幾率要更低, 不確定性低于9葉期, 即6葉期色彩參數(shù)對土壤肥力差異的反應(yīng)較為敏感。通過統(tǒng)計學分析可以得出, 6葉期與9葉期相比, 所有的色彩參數(shù)中只有G/(R+G+B) 不存在顯著差異(<0.05), 說明玉米不同生長時期葉片圖像的色彩參數(shù)差異較大。在選擇診斷時期時, 應(yīng)以色彩參數(shù)對肥力反應(yīng)的敏感期作為診斷時期, 基于大部分色彩參數(shù)的離散度、規(guī)律性分析, 可以初步考慮以6葉期作為玉米氮素營養(yǎng)診斷的時期。

不同玉米品種間葉色和葉型等特征存在差異, 是否對葉片數(shù)字圖像色彩參數(shù)產(chǎn)生影響, 從而影響基于數(shù)字圖像分析技術(shù)的氮素營養(yǎng)診斷結(jié)果值得探討, 這關(guān)乎該方法是否有必要針對不同的玉米品種建立不同的診斷模型以及該方法是否具有廣泛的適用性。為此, 本研究分析了‘鄭單958’、‘浚單20’、‘先玉335’和‘京單20’ 4個玉米品種6葉期葉片圖像色彩參數(shù)的差異?？紤]到比值色彩參數(shù)可一定程度上減少單色彩通道變化的影響[13], 選擇了R/(R+G+B)、G/(R+G+B)、B/(R+G+B)、G/R和VARI進行分析。圖1顯示, 所選參數(shù)不同品種間均未表現(xiàn)出顯著性差異(<0.05), 表明不同玉米品種葉片特征差異對色彩參數(shù)無顯著影響, 即在基于數(shù)字圖像分析技術(shù)開展氮素營養(yǎng)診斷與推薦施肥時, 上述5種色彩參數(shù)均可作為備選診斷參數(shù), 且不必對每個品種逐一建立診斷模型, 這為該方法在農(nóng)業(yè)生產(chǎn)中的應(yīng)用帶來了很大的方便性和可行性。

表1 玉米品種‘鄭單958’不同生育期的葉片數(shù)字圖像的色彩參數(shù)的比較

不同小寫字母表示兩個生育期間差異顯著(<0.05)。Different small letters mean significant differences among two growth stages (< 0.05).

圖1 不同玉米品種的葉片數(shù)字圖像色彩參數(shù)的比較

相同小寫字母表示不同品種間差異不顯著(>0.05)。Same small letters mean not significant difference among different varieties (> 0.05)

2.2 玉米氮素營養(yǎng)診斷敏感色彩參數(shù)選擇

用于診斷指標的色彩參數(shù)選擇上, 應(yīng)以色彩參數(shù)具有較高的穩(wěn)定性、與傳統(tǒng)營養(yǎng)診斷指標具有較好的相關(guān)性為原則。玉米葉片圖像色采參數(shù)與6葉期、9葉期傳統(tǒng)氮素營養(yǎng)指標的相關(guān)性分析(表2)表明, 6葉期, B、G/(R+G+B)、B/(R+G+B)、G/R和VARI均與SPAD顯著相關(guān), 其中G/(R+G+B)與B/(R+G+B)的相關(guān)性更為顯著, 而R、G和R/(R+G+B)與SPAD相關(guān)不顯著。9葉期, B與SPAD相關(guān)不顯著, 其余7個色彩參數(shù)均與SPAD呈極顯著相關(guān)。R、G和R/(R+G+B)在9葉期與SPAD的相關(guān)性強于6葉期, 兩個時期與SPAD的相關(guān)性差異大, 不穩(wěn)定, 鑒于此, R、G、B和R/(R+G+B)不適宜作為不同生長時期玉米氮素營養(yǎng)診斷的診斷參數(shù); 而G/(R+G+B)、B/(R+G+B)、G/R和VARI表現(xiàn)比較穩(wěn)定。色彩參數(shù)與葉脈硝酸鹽濃度的相關(guān)性與SPAD相似, R、G和R/(R+G+B)3個色彩參數(shù)在9葉期與植株硝酸鹽均顯著相關(guān), 并且相關(guān)性優(yōu)于6葉期; 其他5個色彩參數(shù)6葉期與硝酸鹽的相關(guān)性要優(yōu)于9葉期, 均為顯著相關(guān)。縱觀色彩參數(shù)與兩種氮素傳統(tǒng)營養(yǎng)指標的相關(guān)性, G/(R+G+B)、B/(R+G+B)和VARI 無論是6葉期還是9葉期, 均與氮素營養(yǎng)指標存在顯著的相關(guān)性, 且6葉期相關(guān)性高于9葉期, 其中G/(R+G+B)和B/(R+G+B)要明顯優(yōu)于VARI。綜上分析, G/(R+G+B)和B/(R+G+B)可作為敏感色彩參數(shù)的候選指標, 6葉期為基于數(shù)字圖像分析的氮素營養(yǎng)診斷適宜診斷時期。

在建立營養(yǎng)診斷體系時, 傳統(tǒng)診斷指標是不可或缺的參照指標, 通過將色彩參數(shù)與之建立擬合關(guān)系, 反演建立基于數(shù)字圖像分析技術(shù)的作物氮素營養(yǎng)診斷體系。其中最為常用的傳統(tǒng)氮素營養(yǎng)指標包括葉片SPAD和植株硝酸鹽濃度。葉片SPAD值可快速、無損、簡潔地對植物葉綠素相對含量進行測定, 有著廣泛的應(yīng)用范圍[14-16]。但SPAD值的讀取易受眾多因素的干擾, 并需要通過多次多點測試取其平均值, 因此數(shù)據(jù)變異性和偶然誤差出現(xiàn)的概率較高[17-18]。而植株的硝酸鹽濃度是通過選取玉米多片葉片葉脈獲取汁液測得的數(shù)據(jù), 具有較好的代表性和穩(wěn)定性。因此, 本研究選擇玉米葉脈硝酸鹽濃度作為參照傳統(tǒng)指標參與營養(yǎng)診斷體系的建立。

從表2可以看出, 6葉期G/(R+G+B)和B/(R+G+B)與硝酸鹽濃度的相關(guān)性較高, B/(R+G+B)的決定系數(shù)為0.608, 高于G/(R+G+B), 表明B/(R+G+B)較G/(R+G+B)更適宜于作為診斷參數(shù)。從圖2可以看出, 不論是不同生長時期, 還是不同品種間, G/(R+G+B)和B/(R+G+B)均呈現(xiàn)極顯著的線性相關(guān)關(guān)系, 同一品種的6葉期兩個參數(shù)的線性相關(guān)最為顯著。表1中亦可看出, B/(R+G+B)在6葉期的變異系數(shù)為0.136, 大于G/(R+G+B)的0.047, 表明B/(R+G+B)具有相對較高的離散度和較低的不確定性, 隨施肥水平的變化具有較敏感的響應(yīng)性?；诖? 本研究選擇B/(R+G+B)作為營養(yǎng)診斷的敏感色彩參數(shù)。

表2 玉米不同生育期葉片圖像色彩參數(shù)與傳統(tǒng)氮素營養(yǎng)指標的相關(guān)關(guān)系

*和**分別表示<0.05和<0.01水平顯著相關(guān)。* and ** mean significant correlations at< 0.05 and< 0.01, respectively.

圖2 玉米不同生育期/不同品種葉片數(shù)字圖像綠光標準化值[G/(R+G+B)]與藍光標準化值[B/(R+G+B)]的線性相關(guān)性

2.3 氮素營養(yǎng)診斷模型及推薦施肥指標

將6葉期的B/(R+G+B)數(shù)值與同步檢測的玉米葉脈硝酸鹽濃度進行回歸建模, 獲取基于手機相機拍攝玉米葉片數(shù)字圖像進行氮素營養(yǎng)診斷的數(shù)學模型, 如圖3所示。B/(R+G+B)與葉脈硝酸鹽濃度呈現(xiàn)較好的冪函數(shù)相關(guān)性, 通過擬合得到的玉米手機相機拍照的氮素營養(yǎng)診斷方程: 葉脈硝酸鹽濃度= 1.73×1010×[B/(R+G+B)]9.43。以此方程為基礎(chǔ), 利用玉米葉片數(shù)字圖像的B/(R+G+B)值計算玉米葉脈硝酸鹽濃度, 以判斷玉米的氮素營養(yǎng)狀況; 并結(jié)合玉米的目標產(chǎn)量, 以基于玉米葉脈硝酸鹽濃度推薦施肥的指標體系為依據(jù)[19], 反演推算以B/(R+G+B)為診斷指標的推薦施肥量, 建立推薦施肥指標體系, 從而實現(xiàn)精準施肥。表3為基于B/(R+G+B)的氮素營養(yǎng)診斷指標體系和依此給出的不同目標產(chǎn)量下玉米氮肥追肥量的推薦值。從表中可以看出, 當B/(R+G+B)<0.158 7時, 玉米處于供氮嚴重不足的狀態(tài), 需施用氮肥, 保證作物正常生長; 當B/(R+G+B)>0.181 2時, 玉米氮素營養(yǎng)過剩, 不必再追肥, 以避免過多氮素流失進入環(huán)境, 造成肥料損失并危害環(huán)境。

圖3 玉米葉片圖像藍光標準化值[B/(R+G+B)]與葉脈硝酸鹽濃度的擬合曲線

表3 基于玉米葉片圖像藍光標準化值[B/(R+G+B)]的玉米氮素營養(yǎng)診斷與推薦施肥指標體系

3 討論與結(jié)論

對作物進行準確、簡便的養(yǎng)分實時診斷, 并推薦與之相適應(yīng)的施肥量, 是實現(xiàn)精準施肥的重要保障。隨著數(shù)碼相機、手機相機的廣泛使用, 應(yīng)用數(shù)字圖像技術(shù)進行作物光譜分析, 追蹤作物營養(yǎng)狀態(tài), 實現(xiàn)無損診斷已成為研究熱點[20]。目前已有不少通過數(shù)碼相機、無人機搭載相機航拍等手段進行氮素營養(yǎng)分析、建模、建立推薦施肥體系等的研究, 但是利用手機相機在農(nóng)田內(nèi)拍照、獲取作物營養(yǎng)狀態(tài)和施肥推薦指標等的研究尚不多見。

本研究利用手機相機采集玉米不同生長時期(6葉期和9葉期)以及不同玉米品種(‘鄭單958’、‘浚單20’、‘先玉335’和‘京單20’)的第1完全展開葉葉片數(shù)字圖像, 針對玉米的葉片數(shù)字圖像進行色彩參數(shù)提取, 對色彩參數(shù)穩(wěn)定性及其與傳統(tǒng)氮素營養(yǎng)指標的相關(guān)性進行分析, 確定了適宜的玉米氮素營養(yǎng)診斷時期和色彩參數(shù), 并建立了色彩參數(shù)與傳統(tǒng)營養(yǎng)診斷指標的擬合模型, 建立了基于數(shù)字圖像分析技術(shù)的玉米氮素營養(yǎng)診斷指標體系和推薦施肥指標體系。具體結(jié)論: 玉米的6葉期是應(yīng)用數(shù)字圖像進行氮素營養(yǎng)診斷的適宜時期, B/(R+G+B)適宜作為玉米氮素營養(yǎng)診斷的敏感色彩參數(shù), 當B/(R+G+B)<0.158 7時, 玉米處于供氮嚴重不足狀態(tài), 當B/(R+G+B)>0.181 2時, 玉米處于供氮過量狀態(tài)。不同玉米品種第1完全展開葉數(shù)字圖像色彩參數(shù)無顯著差異, 是基于數(shù)字圖像進行氮素營養(yǎng)診斷與推薦施肥技術(shù)廣泛應(yīng)用的前提條件。以此研究結(jié)果為基礎(chǔ), 設(shè)計開發(fā)了一套適用于安卓系統(tǒng)手機的軟件系統(tǒng)[13], 軟件的操作較為簡單, 利用了用戶智能手機自帶的照相功能, 便于農(nóng)戶在零成本條件下使用, 在河北省部分地區(qū)進行了推廣和應(yīng)用, 受到用戶的好評。

縱觀以往有關(guān)基于數(shù)字圖像分析技術(shù)的作物營養(yǎng)診斷與推薦施肥研究[8-9,21-23], 可以看出不同作物適宜的營養(yǎng)診斷色彩參數(shù)并不一致, 其中G/(R+G+B)的應(yīng)用更為普遍, 適宜用于營養(yǎng)診斷的色彩參數(shù), 主要與色彩參數(shù)的穩(wěn)定性、對土壤供肥能力反應(yīng)的敏感性及其與傳統(tǒng)營養(yǎng)指標的擬合程度有關(guān)。本研究結(jié)果表明, 玉米氮素營養(yǎng)診斷的敏感色彩參數(shù)為B/(R+G+B), 與張立周等[6]和李紅軍等[12]對玉米氮素營養(yǎng)診斷的研究中得出的適宜作診斷指標的色彩參數(shù)一致。這兩個研究中前者通過數(shù)碼相機獲取玉米冠層數(shù)字圖像, 后者利用無人機搭載數(shù)碼相機進行航拍獲取冠層圖像。結(jié)合本研究使用手機相機獲取玉米葉片圖像的研究, 對于同一作物, 不同數(shù)字圖像獲取方式對診斷指標的色彩參數(shù)選擇不會產(chǎn)生太大影響。在后續(xù)的研究工作中, 可以對這一現(xiàn)象進行深入研究, 探明是否同樣適用于其他作物。在最佳診斷時期選擇上, 可針對更多的玉米關(guān)鍵生育期進行研究, 以進一步確認6葉期是否是最優(yōu)的營養(yǎng)診斷時期。本研究將在應(yīng)用數(shù)字圖像技術(shù)進行作物氮素營養(yǎng)診斷的研究方面繼續(xù)深入, 為精準施肥的開展提供有力的科學支持。

[1] 朱兆良, 文啟孝. 中國土壤氮素[M]. 南京: 江蘇科學技術(shù)出版社, 1992 ZHU Z L, WEN Q X. Nitrogen in Soils of China[M]. Nanjing: Jiangsu Science and Technology Press, 1992

[2] ZHAO R F, CHEN X P, ZHANG F S, et al. Fertilization and nitrogen balance in a wheat-maize rotation system in North China[J]. Agronomy Journal, 2006, 98(4): 938?945

[3] 吳倩, 孫紅, 李民贊, 等. 玉米作物多光譜圖像精準分割與葉綠素診斷方法研究[J]. 光譜學與光譜分析, 2015, 35(1): 178?183 WU Q, SUN H, LI M Z, et al. Research on maize multispectral image accurate segmentation and chlorophyll index estimation[J]. Spectroscopy and Spectral Analysis, 2015, 35(1): 178?183

[4] CUI Z L, CHEN X P, MIAO Y X, et al. On-farm evaluation of winter wheat yield response to residual soil nitrate-N in North China plain[J]. Agronomy Journal, 2008, 100(6): 1527?1534

[5] 張立周, 侯曉宇, 張玉銘, 等. 數(shù)字圖像診斷技術(shù)在冬小麥氮素營養(yǎng)診斷中的應(yīng)用[J]. 中國生態(tài)農(nóng)業(yè)學報, 2011, 19(5): 1168–1174 ZHANG L Z, HOU X Y, ZHANG Y M, et al. Diagnosis of the state of N in wheat via digital image processing technique[J]. Chinese Journal of Eco-Agriculture, 2011, 19(5): 1168–1174

[6] 張立周, 王殿武, 張玉銘, 等. 數(shù)字圖像技術(shù)在夏玉米氮素營養(yǎng)診斷中的應(yīng)用[J]. 中國生態(tài)農(nóng)業(yè)學報, 2010, 18(6): 1340–1344 ZHANG L Z, WANG D W, ZHANG Y M, et al. Diagnosis of N nutrient status of corn using digital image processing technique[J]. Chinese Journal of Eco-Agriculture, 2010, 18(6): 1340–1344

[7] 王連君, 宋月. 應(yīng)用數(shù)字圖像技術(shù)對葡萄進行氮素營養(yǎng)診斷的研究[J]. 農(nóng)業(yè)科技通訊, 2017, (7): 186–189WANG L J, SONG Y. Study on the nitrogen nutrition diagnosis of grape using digital image processing technique[J]. Bulletin of Agricultural Science and Technology, 2017, (7): 186–189

[8] 王連君, 邢宇. 數(shù)字圖像技術(shù)在草莓氮素營養(yǎng)診斷中的應(yīng)用研究[J]. 華南農(nóng)業(yè)大學學報, 2010, 31(2): 19–21 WANG L J, XING Y. Study on strawberry of N nutrition diagnosis using digital image processing technique[J]. Journal of South China Agricultural University, 2010, 31(2): 19–21

[9] 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)學報, 2008, 16(1): 145–149 WANG J, LEI Y W, ZHANG Y S, et al. Diagnosis of cotton N status using digital image analysis technique[J]. Chinese Journal of Eco-Agriculture, 2008, 16(1): 145–149

[10] BLACKMER T M, SCHEPERS J S. Use of a chlorophyll meter to monitor nitrogen status and schedule fertigation for corn[J]. Journal of Production Agriculture, 1994, 8(1): 56?60

[11] AL-ABBAS A H, BARR R, HALL J D, et al. Spectra of normal and nutrient-deficient maize leaves[J]. Agronomy Journal, 1974, 66(1): 16?20

[12] 李紅軍, 李佳珍, 雷玉平, 等. 無人機搭載數(shù)碼相機航拍進行小麥、玉米氮素營養(yǎng)診斷研究[J]. 中國生態(tài)農(nóng)業(yè)學報, 2017, 25(12): 1832–1841 LI H J, LI J Z, LEI Y P, et al. Diagnosis of nitrogen nutrition of winter wheat and summer corn using images from digital camera equipped on unmanned aerial vehicle[J]. Chinese Journal of Eco-Agriculture, 2017, 25(12): 1832–1841

[13] 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(nóng)業(yè)學報, 2018, 26(4): 538–546 XIA S S, ZHANG C, LI J Z, et al. Study on nitrogen nutrition diagnosis and fertilization recommendation of winter wheat using canopy digital images from cellphone camera[J]. Chinese Journal of Eco-Agriculture, 2018, 26(4): 538–546

[14] 胡昊, 白由路, 楊俐蘋, 等. 基于SPAD-502與GreenSeeker的冬小麥氮營養(yǎng)診斷研究[J]. 中國生態(tài)農(nóng)業(yè)學報, 2010, 18(4): 748?752 HU H, BAI Y L, YANG L P, et al. Diagnosis of nitrogen nutrition in winter wheat () via SPAD-502 and GreenSeeker[J]. Chinese Journal of Eco-Agriculture, 2010, 18(4): 748?752

[15] 黨蕊娟, 李世清, 穆曉慧, 等. 施氮對半濕潤農(nóng)田夏玉米冠層氮素及葉綠素相對值(SPAD值)垂直分布的影響[J]. 中國生態(tài)農(nóng)業(yè)學報, 2009, 17(1): 54?59 DANG R J, LI S Q, MU X H, et al. Effect of nitrogen on vertical distribution of canopy nitrogen and chlorophyll relative value (SPAD value) of summer maize in sub-humid areas[J]. Chinese Journal of Eco-Agriculture, 2009, 17(1): 54?59

[16] 李鵬程, 董合林. 葉綠素儀在棉花氮肥推薦中的研究進展[J]. 中國農(nóng)學通報, 2015, 31(21): 92?97 LI P C, DONG H L. A review on chlorophyll meter application on nitrogen fertilizer recommendation for cotton[J]. Chinese Agricultural Science Bulletin, 2015, 31(21): 92?97

[17] 李志宏, 張云貴, 劉宏斌, 等. 葉綠素儀在夏玉米氮營養(yǎng)診斷中的應(yīng)用[J]. 植物營養(yǎng)與肥料學報, 2005, 11(6): 764?768 LI Z H, ZHANG Y G, LIU H B, et al. Application of chlorophyll meter on N nutritional diagnosis for summer corn[J]. Plant Nutrition and Fertilizer Science, 2005, 11(6): 764?768

[18] 童淑媛, 宋鳳斌. SPAD值在玉米氮素營養(yǎng)診斷及推薦施肥中的應(yīng)用[J]. 農(nóng)業(yè)系統(tǒng)科學與綜合研究, 2009, 25(2): 233?238 TONG S Y, SONG F B. Application of SPAD value on N nutritional diagnosis and fertilization recommendation[J]. System Sciences and Comprehensive Studies in Agriculture, 2009, 25(2): 233?238

[19] 張福鎖. 測土配方施肥技術(shù)要覽[M]. 北京: 中國農(nóng)業(yè)大學出版社, 2006 ZHANG F S. A Review of Soil Testing and Fertilizer Recommendation Technique[M]. Beijing: China Agricultural University Press, 2006

[20] 楊紹鍔, 杜鑫. 基于光譜信息的作物氮素營養(yǎng)診斷研究進展[J]. 湖南農(nóng)業(yè)科學, 2017, (2): 127–130 YANG S E, DU X. Advances of crop nitrogen diagnosis based on spectral information[J]. Hunan Agricultural Sciences, 2017, (2): 127–130

[21] ADAMSEN F G, PINTER P J JR, BARNES E M, et al. Measuring wheat senescence with a digital camera[J]. Crop Science, 1999, 39(7): 719?724

[22] 肖焱波, 賈良良, 陳新平, 等. 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)學通報, 2008, 24(8): 448?553 XIAO Y B, JIA L L, CHEN X P, et al. N status diagnosis of winter wheat by using digital image analysis technology[J]. Chinese Agricultural Science Bulletin, 2008, 24(8): 448?553

[23] 賈良良, 范明生, 張福鎖, 等. 應(yīng)用數(shù)碼相機進行水稻氮營養(yǎng)診斷[J]. 光譜學與光譜分析, 2009, 29(8): 2176?2179 JIA L L, FAN M S, ZHANG F S, et al. Nitrogen status diagnosis of rice by using a digital camera[J]. Spectroscopy and Spectral Analysis, 2009, 29(8): 2176?2179

Diagnosis of nitrogen nutrient and recommended fertilization in summer corn using leaf digital images of cellphone camera*

XIA Shasha1, ZHANG Cong3, LI Jiazhen2, LI Hongjun2, ZHANG Yuming2**, HU Chunsheng2

(1. Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China; 2. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences / Key Laboratory of Agricultural Water Resources, Chinese Academy of Sciences / Hebei Key Laboratory of Water-saving Agriculture, Shijiazhuang 050022, China; 3. North China Pharmaceutical Group Aino CO., LTD, Shijiazhuang 050000, China)

To meet requirements of food supplies and the accompanying pollution problem on environment, precision fertilization is one of the most important technologies. Soil nutrient test and crop nutrition diagnosis are essential work for precision fertilization. With the current situation of the increasing agriculture scale management, it is urgent to develop fast, nondestructive and economic techniques for the nitrogen nutrition diagnosis of crops. Digital images technology has been widely applied in nutrition diagnosis of crops. In majority of such researches, digital cameras have already been successfully used. However, few researches were reported to use cellphone cameras to study nutrition diagnosis and precision fertilization of crops. Thinking of the advantages that cellphone cameras have, such as portability, universality and handleability, the application of cellphone cameras should be detailly studied in nutrition diagnosis. In this study, we used smart cellphones to photograph corn leaves at 6-leaf and 9-leaf stages. The color parameters of corn leaves images were extracted and processed. The differences in color parameters of leaves photographs during two growth stages and for four varieties of corn were evaluated. The correlations of parameters with traditional nitrogen nutrient indexes were determined. Appropriate color parameters were selected based on statistical analysis and nutrient diagnosis model established for the color parameters and nitrogen nutrition index. Then the model was fitted to establish indicator systems of diagnosis of nitrogen nutrient and recommendations for fertilization of corns. The results showed that correlations of color parameters and nitrogen nutrient indexes at 6-leaf stage were more significant than those at 9-leaf stage, suggesting that 6-leaf stage was suitable time for diagnosis of corn nitrogen nutrient using digital image processing technique. From the analysis of leaves photographs of four corn varieties, there was no statistically significant difference among the images. Furthermore, the consequences supported two color parameters, B/(R+G+B) and G/(R+G+B) as candidates for sensitive color parameters. These two color parameters both had strong correlations with leaf SPAD and vein nitrate concentration. Also based on multivariate analysis,B/(R+G+B) was the best and was selected as sensitive color parameter for diagnosis of corn nitrogen nutrient. The diagnosis model of vein nitrate concentration was 1.73×1010×[B/(R+G+B)]9.43. Based on the equation, nitrogen application rates under different B/(R+G+B) values were calculated for certain yield targets of corn. The results were applied to nitrogen nutrient diagnosis and recommendation of fertilization of corn. In summary, it was possible and applicable to take photographs of corn leaves at 6-leaf stage with smart cellphone, extract B/(R+G+B) color parameter and use it to diagnose nitrogen nutrition status.

Cellphone camera; Leaf digital photography; Color parameter; Diagnosis of nitrogen nutrient; Precision fertilization; Summer corn

, E-mail: ymzhang@sjziam.ac.cn

Dec.15, 2017;

Feb. 1, 2018

10.13930/j.cnki.cjea.180304

S126; S512

A

1671-3990(2018)05-0703-07

張玉銘, 研究方向為農(nóng)田生態(tài)系統(tǒng)養(yǎng)分循環(huán)。E-mail: ymzhang@sjziam.ac.cn 夏莎莎, 研究方向為分析化學。E-mail: ssxia@rcees.ac.cn

2017-12-15

2018-02-01

* This study was supported by the National Key Research and Development Plan of China (2016YFD0200307), the Science and Technology Plan Project of Hebei Province (14227423D) and the Science and Technology Demonstration of Modern Agriculture in Bohai Granary Region (KFJ-STS-ZDTP-001).

* 國家重點研發(fā)計劃(2016YFD0200307)、河北省科技計劃項目(14227423D)和渤海糧倉現(xiàn)代農(nóng)業(yè)區(qū)域科技示范(KFJ-STS-ZDTP-001)資助

夏莎莎, 張聰, 李佳珍, 李紅軍, 張玉銘, 胡春勝. 基于手機相機獲取玉米葉片數(shù)字圖像的氮素營養(yǎng)診斷與推薦施肥研究[J]. 中國生態(tài)農(nóng)業(yè)學報, 2018, 26(5): 703-709

XIA S S, ZHANG C, LI J Z, LI H J, ZHANG Y M, HU C S. Diagnosis of nitrogen nutrient and recommended fertilization in summer corn using leaf digital images of cellphone camera[J]. Chinese Journal of Eco-Agriculture, 2018, 26(5): 703-709