亞地塊尺度秸稈信息豐度研究

丁啟朔 陳 杰 汪小旵 何瑞銀 徐高明 梁 磊

(1.南京農業(yè)大學工學院,南京 210031;2.江蘇省智能化農業(yè)裝備重點實驗室,南京 210031)

0 引言

目前，秸稈已從原有的農業(yè)廢棄物概念被定義為可再生生物質資源，導致秸稈信息化技術越發(fā)受到重視。秸稈信息化是指按所需應用將秸稈狀態(tài)、分布、理化特性等信息進行參數(shù)化、數(shù)量化的過程。秸稈信息應用領域十分廣泛，秸稈資源統(tǒng)計[1-2]、保護性農業(yè)[3-4]、秸稈資源開發(fā)[5]、精確播種[6-7]、作物行農機導航[8-9]、機械滅茬[10]、耕作埋草[11-12]等研究或應用場景都需要不同維度的秸稈信息。

不斷擴大的秸稈信息應用領域增加了秸稈量、秸稈覆蓋率、碎秸與立茬的分布狀況等秸稈信息量(即信息豐度)的獲取需求。僅在農業(yè)機械的創(chuàng)新設計范疇內，就涉及到收獲機排草性能[13-14]、耕作機具秸稈還田性能[13-15]、犁耕埋草作業(yè)性能[16]、智能農機導航性能[9]、滅茬機滅茬效果[17]等諸多應用領域。

秸稈信息豐度涉及諸多量化參數(shù)，例如，不同生產條件與留茬高度是決定秸稈資源可收集量計算的關鍵指標[18]，直立茬和輪跡倒伏茬狀態(tài)是影響扶指支撐設計及滅茬機秸稈粉碎效果的2個關鍵參數(shù)[17]，保護性農業(yè)的免耕種植需要重點解決秸稈堵塞及其測試技術，涉及秸稈拋撒運動規(guī)律等信息的參數(shù)化[19]。隨著秸稈的區(qū)域性、季節(jié)性、結構性過?，F(xiàn)象不斷加劇，加之不斷拓展的秸稈綜合利用需求[20]，秸稈信息豐度的研究內容變得愈加豐富。

秸稈信息具有典型的多尺度特征，其中，秸稈信息場景所處尺度決定著秸稈信息參數(shù)的具體用途和采集方法的設計。為此，將相關學者的研究成果分為區(qū)域尺度和地塊內尺度(本文定義為亞地塊尺度)2種秸稈信息的尺度范疇。區(qū)域尺度的秸稈信息關注農業(yè)生態(tài)區(qū)的秸稈覆蓋狀態(tài)及其時空分異，此類秸稈信息多使用遙感圖像、光譜反射等測試技術及數(shù)據(jù)反演方法[21-23]。而亞地塊尺度下的秸稈信息具有多閾值、多目標等技術特征[24]，這些技術特征受亞地塊尺度下應用場景間的差異所影響。僅從農機高性能設計所需的秸稈信息看，收割排草[13-14]、秸稈還田[13-15]、智能導航[9]、機械滅茬[17]等應用場景所需的秸稈信息指標各不相同。因此，亞地塊尺度下的秸稈信息豐度研究需要全面考察多樣化的秸稈信息及其指標化，如在玉米對行播種等應用場合，需要識別并區(qū)分出裸露地表、直立根茬和行間碎秸等關鍵信息[9]，“立茬”和“碎秸”狀態(tài)也是進行針對性機械設計、功率配置及秸稈切碎效果優(yōu)化的關鍵信息參數(shù)[25]。可見，系統(tǒng)界定亞地塊尺度下秸稈信息豐度并探討其參數(shù)化是目前秸稈信息研究亟需解決的重要問題。

目前尚缺乏針對亞地塊尺度下秸稈信息豐度的系統(tǒng)研究，已有報道多圍繞單一信息指標或僅關注特定應用場景，亞地塊尺度下秸稈信息豐度的指標設計和測試方法目前不具有系統(tǒng)性和完整性。秸稈信息指標的定義不完善，秸稈信息指標的測試難度大、復雜性高、秸稈形態(tài)多樣、秸稈覆蓋率等參數(shù)獲取主觀性大、田間測試耗時費力[26]等都是亞地塊尺度秸稈信息豐度研究面臨的難題。

鑒于此，本文擬以稻茬麥原茬地的秸稈信息豐度為研究對象，利用機器視覺、稱量、相關分析等方法探討亞地塊尺度下的秸稈信息豐度及其指標化，為亞地塊尺度下秸稈信息豐度研究提供思路。

1 材料與方法

1.1 原茬地秸稈取樣方法

圖1 田間秸稈取樣方法Fig.1 Field straw sampling method

田間試驗于2018年6月上旬在宿遷市泗洪縣石集鄉(xiāng)(東經(jīng)117°56′～118°46′，北緯33°08′～33°44′)進行，該區(qū)常年稻麥輪作。試驗點取小麥原茬地，小麥機收使用久保田688Q型全喂入收獲機，功率49.2 kW、割幅2 m、作業(yè)速度維持在4.93 m/s內。機收后沿收獲機幅寬隨機選取邊長2 m的方形區(qū)域，在該區(qū)域內依次排布16個樣框(圖1a)。進一步在各樣框內使用網(wǎng)格法取樣[13-14]，網(wǎng)格尺寸為25 cm×25 cm(圖1b)。先將各網(wǎng)格內的碎秸取出，后沿行向緊鄰留茬根部的后方豎立白色背景板并對立茬拍照，拍照完成后用剪刀貼地面剪下各網(wǎng)格內的立茬，帶回實驗室測試，獲取秸稈質量、碎秸堆疊層數(shù)、立茬側影覆蓋度等信息參數(shù)。地塊內秸稈信息研究的場景以及秸稈取樣后的地貌特征分別如圖1c和圖1d所示。

1.2 立茬與碎秸信息化方法

將收集到的64組立茬與碎秸樣本進行信息化處理，分別測試各樣本的質量、碎秸堆疊層數(shù)、立茬側影覆蓋度、碎秸細碎度、立茬倒伏度等信息參數(shù)。

各網(wǎng)格內的秸稈質量：分別將所取碎秸與立茬樣本置于100℃[27]干燥箱干燥12 h，取出稱量并得到碎秸質量ms與立茬質量ml，兩者之和即為一個網(wǎng)格內的秸稈總質量M。

地表碎秸堆疊層數(shù)：使用平板勻鋪圖像法測試秸稈堆疊層數(shù)，將每個網(wǎng)格中的碎秸單層均勻勻鋪在帶有7.5 cm×7.5 cm基準塊的白板上(圖2a，圖中黑色方塊為7.5 cm×7.5 cm的基準參照物)，使用尼康NiKon D3200型數(shù)碼相機拍攝獲取數(shù)字圖像，相機置于白板正上方1.5 m位置[28]。使用Matlab程序計算秸稈單層覆蓋面積(圖2b)，并參照已有方法計算秸稈堆積層數(shù)[29]

(1)

式中SL——堆疊層數(shù)

Sl——碎秸單層覆蓋面積，cm2

Sd——碎秸覆蓋面積(網(wǎng)格面積)，cm2

圖2 堆疊層數(shù)圖像測試方法Fig.2 Image testing method of stacked layers

立茬側影覆蓋度LC是定量立茬高度、寬幅及疏密程度等形態(tài)結構特征的指標[30-31]，計算式為

(2)

式中S——取樣網(wǎng)格面積，cm2

A——取樣網(wǎng)格內立茬的側影面積，cm2

使用背景板圖像法測試立茬側影覆蓋度，將白色背景板置于樣框內立茬后方拍攝，如圖3所示。拍照過程中選用刻度尺作為標定物進行圖像標定。使用尼康NiKon D3200型數(shù)碼相機，在距離2 m且離地高度30 cm處拍攝，獲取秸稈立茬數(shù)字圖像。使用Digimizer逐張?zhí)幚?，得到總投影面積A。由式(2)得到側影覆蓋度。

圖3 立茬投影面積的測試方法Fig.3 Test method of standing stubble projected area

碎秸細碎度：使用碎秸長度作為碎秸細碎度的定量指標。使用篩分法測取碎秸的平均直徑，分別使用2、4、6、8、16 mm篩孔的篩子手動篩分，計算各網(wǎng)格內的碎秸平均直徑[32]

(3)

式中D——碎秸平均直徑，mm

di——2個篩孔間的碎秸平均長度，mm

msi——存留在i級篩面上的碎秸質量，g

計算出各網(wǎng)格內碎秸平均長度D并以2D圖像方式顯示碎秸細碎度的地表分布狀態(tài)。

立茬倒伏度：采用人工觀察計數(shù)法統(tǒng)計每個樣點的立茬狀態(tài)和數(shù)量，獲得傾斜角低于60°的立茬比例進行立茬倒伏度測量。并將立茬倒伏狀態(tài)數(shù)據(jù)以2D圖像方式顯示。

1.3 碎秸單層覆蓋面積與質量相關分析

在上述秸稈信息各指標測試量化的基礎上，進一步分析原茬地秸稈的各信息量之間的關系。將未被過度破碎的長草近似視為半徑為r、長度為l的柱狀體，則有碎秸單層覆蓋面積與碎秸質量關系

Sl=2ms/(ρr)

(4)

式中ρ——秸稈密度，g/cm3

當秸稈半徑r與秸稈密度變化范圍不大時，Sl與ms呈正相關。

定義碎秸面積-質量相關系數(shù)f為

(5)

f越大，表明秸稈細碎化程度越高。

1.4 立茬側影面積與立茬質量相關分析

立茬側影面積與立茬質量間的相關性也能在一定程度上反映原茬秸稈的狀態(tài)信息，令

g=A-A0

(6)

式中g——立茬的投影面積差值，該值對應立茬的倒伏程度

A0——立茬被機具軋倒前的總投影面積

結合式(2)、(4)建立投影面積A0與質量ml間的正比關系。

將式(6)轉換為

(7)

式中g′——立茬投影面積變化歸一化差值

A*——A無量綱化值

g′∈(-1,1)，該值越大，說明倒伏程度越嚴重。

1.5 秸稈信息豐度可視化技術

秸稈數(shù)據(jù)的圖形化與圖像化是直觀呈現(xiàn)多維秸稈信息的一種方式。將各信息指標的相關性信息數(shù)據(jù)轉化為8×8矩陣，并使用Matlab軟件將所得秸稈信息圖形化。

在對各組數(shù)據(jù)進行相關分析之前，對數(shù)據(jù)進行無量綱化處理[33]

(8)

使用矩陣相似度(也稱為圖像相似度)計算方法[34]處理所得數(shù)據(jù)，得到秸稈不同信息量間的相關系數(shù)

(9)

式中X、Y——進行相似度計算的兩組數(shù)據(jù)矩陣

R——相關系數(shù)

圖4 原茬地秸稈各參數(shù)的地表分布狀態(tài)Fig.4 Distributions of key parameters of straw and stubble within a field

R∈(-1,1)，R越接近-1或1，則兩個矩陣相似度越高，越接近0，則相似度越低。

2 結果與分析

2.1 小麥秸稈質量與各形態(tài)信息參數(shù)的原位分布特征

圖4為原茬地秸稈5個信息的地表分布狀態(tài)。由圖4a可知，總體上，總質量最大值為50.54 g，最小值為19.93 g，平均值為33.39 g。其分布呈中心十字狀的集聚現(xiàn)象，富集網(wǎng)格內的秸稈總質量在35～50 g之間變化，其他區(qū)域分布較少，多在20～30 g之間。

碎秸質量分布(圖4b)表現(xiàn)出較好的分布均勻性，在一定程度上反映出收獲的后置出草口的勻鋪性能。與以往田間調查[13]所得秸稈鋪放不均的結論相比，現(xiàn)有的收獲機的碎草和勻鋪性能已有明顯改進?？傮w上，碎秸質量最大值為41.24 g，最小值為12.03 g，平均值23.23 g，集中分布在割幅中間(y∈(0.8 m,1.8 m))，該位置屬于后置出草口噴口經(jīng)過的區(qū)域。

立茬質量分布(圖4c)顯示，立茬質量最大值為18.64 g，最小值1.54 g，平均值10.16 g，主要集中在圖像矩陣坐標點(0,1.6 m)、(0.5 m,0.8 m)、(1.1 m,1.2 m)、(1.5 m,0.8 m)、(2 m,1.8 m)、(2 m,0.6 m)所對應的網(wǎng)格內，影響該信息指標的因素是來自小麥播種行的行間距分布及其與取樣網(wǎng)格的位置關系，因此對該信息的解讀較為困難。

地表碎秸的堆疊層數(shù)分布(圖4d)顯示，機械收獲后的秸稈覆蓋狀態(tài)及秸稈堆疊層數(shù)，該信息受收獲機排草口的流量影響。圖中碎秸堆疊層數(shù)最大值為4.33層，最小值為1.12層，平均值為2.56層。由圖可見碎秸沿收獲機前進方向的中間區(qū)域(x∈(0.6 m,1.2 m))，堆疊程度較高，均處于3層以上，且也表現(xiàn)出行進方向堆疊的不均勻性。碎秸堆疊的影響因素較多，除排草口的流量外，收獲機的行進速度穩(wěn)定性、物料在收獲機內部的分布均勻性、逐稿器設計合理性及動作連續(xù)性等都可能影響到碎草堆疊的地表分布。

立茬側影覆蓋度分布(圖4e)表明，在經(jīng)過收獲機碾壓倒伏之后的直立茬分布特征，總體上，立茬側影覆蓋度最大值為0.78，最小值為0.03，平均值為0.28。該信息分布圖顯示機收對直立茬的影響較大。稻麥輪作區(qū)因機收季節(jié)土壤濕爛而普遍使用履帶式底盤，因此對直立茬的軋倒破壞較為嚴重。

2.2 秸稈信息相關分析與校驗

2.2.1秸稈信息相關分析

圖5 碎秸面積-質量相關系數(shù)分布與人工測試的秸稈細碎度對比Fig.5 Comparisons of area-mass ratio distribution using machine vision and manual measured straw distribution

將地表秸稈總質量(圖4a)分別與碎秸質量分布(圖4b)、立茬質量分布(圖4c)進行圖像相似度計算，使用公式(9)得出地表秸稈總質量與碎秸質量相似度rab=0.89、與立茬質量相似度rac=0.43，表明不同秸稈信息間的相似度差別較大。從圖像的視覺效果也可直觀看出，秸稈總質量分布與碎秸質量分布的極值點位置及數(shù)據(jù)的平面波動特征非常接近，因此，碎秸質量分布對總質量分布的影響更大，秸稈勻鋪尚需要進一步優(yōu)化設計收獲機的清選排草裝置，同時也需要探討收獲機田間作業(yè)條件下的環(huán)境穩(wěn)定性控制技術，進一步提高抗風擾、機組工況行進穩(wěn)定性等前沿技術。

將碎秸質量分布(圖4b)與碎秸堆疊層數(shù)(圖4d)使用公式(9)進行圖像相似度計算，得出rbd=0.64。結合直觀視覺效果可見，除x∈(0.6 m,1.5 m)的條狀區(qū)域外，其余網(wǎng)格區(qū)域在極值點的所處位置和數(shù)據(jù)變化2D趨勢方面也高度相似，而橫坐標x∈(0.6 m,1.5 m)所屬區(qū)域，正是所得到的碎秸堆疊層數(shù)較高的區(qū)域，因此，深入探討不同秸稈信息指標之間的內在聯(lián)系不僅有利于提升秸稈信息豐度的質量內涵，更有利于實現(xiàn)高秸稈信息豐度的信息降維技術。

將立茬質量分布(圖4c)與立茬側影覆蓋度(圖4e)進行圖像相似度計算，得出rce=0.48，該數(shù)值較低表明收獲機對立茬的直立狀態(tài)破壞程度較大，使得圖像發(fā)生了較大變化。同樣，結合圖4c與圖4e的直觀視覺效果可見，除了x∈(0.8 m,1.5 m)處的立茬未受影響，其它立茬均不同程度被收獲機軋倒。

2.2.2碎秸單層覆蓋面積與碎秸質量相關性校驗

碎秸的單層覆蓋面積與碎秸質量的相關系數(shù)f準確性尚需人工校驗。首先通過機器視覺法得出f的分布(圖5a)，將其與手工測試的秸稈細碎度分布(圖5b)對比。

進一步將圖5a與圖5b進行相關分析，計算得到二者間的相似度R=-0.722。說明基于機器視覺技術的碎秸堆疊層數(shù)信息與人工測量的碎秸細碎狀態(tài)具有較高的相關性。

圖5a與圖5b均能表達秸稈的細碎化程度及其分布狀態(tài)，對于圖5a，碎秸面積-質量相關系數(shù)f平均值為0.704 2 dm2/g，變化范圍在0.317 2～1.060 8 dm2/g之間；對于圖5b，秸稈平均長度最大值為13.44 mm，最小值為4.02 mm，平均值為6.12 mm。該信息可以表征收獲機的碎草性能。圖5a進一步表明x∈(0.6 m,1.5 m)區(qū)域的秸稈細碎程度較高，同時也是碎秸堆疊層數(shù)較高的區(qū)域(圖4d)，該區(qū)域對應收獲機出草口噴草量較高的位置。在圖像x∈(0,0.6 m)與(1 m,1.6 m)處，細碎化程度較低的秸稈在此區(qū)域集中出現(xiàn)。

2.2.3立茬的側影覆蓋度信息校驗

立茬側影面積與立茬質量間的歸一化差值g′的準確性尚需校驗。首先得出該值分布(圖6a)，將其與人工測取的立茬倒伏度分布(圖6b)進行對比。

通過式(9)計算得到圖6a與圖6b圖像相似度R2=0.63，表明機器視覺技術的側影覆蓋度信息與人工測量的立茬倒伏狀態(tài)具有較高的相似度。

圖6 立茬側影面積與質量歸一化差值g′分布與立茬倒伏度分布對比Fig.6 Comparison of correlation ratio g′ with results obtained from manual operation

圖6能夠直觀反映出立茬碾壓倒伏的狀態(tài)，圖6a中，x∈(0.20 m,0.50 m)，立茬側影面積與立茬質量的歸一化差值的平均值為0.18；圖6b中，立茬倒伏度在0～1.0均有分布，其平均值為0.4。南方稻麥輪作制的履帶式機收條件下秸稈碾壓倒伏普遍較為嚴重，圖像下半部分整體的倒伏程度強于上半部分，這是因為收獲機在收獲過程中存在路徑重疊的情況，尤其是對某區(qū)域往返經(jīng)過時，該區(qū)域秸稈會經(jīng)過兩次及以上的碾壓，秸稈倒伏加劇。

3 討論

不同的應用場景需要不同的秸稈信息及相應的測試技術與指標化方法。秸稈資源儲量計算[35-37]、保護性耕作地表秸稈覆蓋率管控[24,38]等應用場合需要區(qū)域大尺度范疇的秸稈信息。而與田間作業(yè)機械密切相關的秸稈信息則體現(xiàn)為地塊尺度內的秸稈信息參數(shù)化，涉及收獲機的排草性能[13-14]、耕作機具的秸稈還田性能[13-15]、犁耕埋草作業(yè)性能[16]、智能農機導航性能[9]、滅茬機的滅茬效果[17]等應用場景。因此，界定地塊尺度下的秸稈信息豐度有利于秸稈信息化研究的進一步聚焦。亞地塊尺度下的原茬地秸稈信息豐度高，信息化指標多樣，所需適配的多樣化信息化技術亟待開發(fā)和深入研究。已有的部分秸稈信息的報道均為各單項田間試驗研究成果，秸稈信息豐度作為一個完整的信息科學研究問題，尚沒有得到系統(tǒng)的梳理和探究?，F(xiàn)有秸稈還田效應研究[39-40]、地表秸稈量化[14]、生物量估計[41]等研究與應用場景分別使用了不同的秸稈信息指標，尚缺少具體生產應用場景的綜合性秸稈信息豐度體現(xiàn)。本文初步系統(tǒng)地探討了的小麥原茬地秸稈信息豐度(秸稈總質量、碎秸質量、立茬質量、碎秸堆疊層數(shù)、立茬側影覆蓋度等)，進而展示亞地塊尺度下秸稈信息研究的復雜性及其潛在應用。所得結果表明，亞地塊尺度下秸稈信息豐度有利于促進田間作業(yè)機械的設計合理性、促進土壤-作物-機器耦合關系等議題的研究。

秸稈信息研究的關鍵難題在于各指標的信息化技術。比如，地表秸稈存量、可收集的小麥秸稈資源量等秸稈資源信息可以通過遙感影像間接獲取增強型植被指數(shù)(MODIS-EVI)[37]，光譜指數(shù)與秸稈覆蓋度的線性回歸模型也是進行秸稈覆蓋度反演的最優(yōu)策略[22]。然而，王春雷等[26]指出，田間秸稈的信息化技術應用的干擾因素源于多方面：地表在不同光照下呈現(xiàn)的顏色變化、縱橫的溝壑與不規(guī)則的土塊、不同角度的光照及其產生的陰影、農業(yè)機械作業(yè)留下的不規(guī)則車轍等。另外，秸稈的形狀、大小和姿態(tài)也呈現(xiàn)多樣，這些因素均為細碎秸稈的信息化識別技術的研發(fā)難點。由本文所得結果可見，亞地塊尺度下秸稈信息豐度研究所需技術環(huán)節(jié)眾多，無論是所用的背景板輔助、關鍵環(huán)節(jié)的人工操作、秸稈平鋪處理，還是立茬側影等指標化定量化處理技術，后續(xù)各指標間的內在聯(lián)系分析挖坑技術、秸稈信息指標與各機械化作業(yè)環(huán)節(jié)之間的關聯(lián)分析，各方面都需要大量的理論創(chuàng)新和技術突破，以適應信息化智能化農業(yè)的要求。

4 結論

(1)以秸稈信息應用場景的尺度作為判據(jù)界定出亞地塊尺度下的秸稈信息豐度的研究問題，并設計出碎秸質量分布、立茬質量分布、地表碎秸的堆疊層數(shù)分布、立茬側影覆蓋度分布等留茬與碎草的信息參數(shù)，應用于小麥原茬地的秸稈信息豐度研究。

(2)系統(tǒng)應用數(shù)字圖像處理、基于背景板的立茬圖像法、基于平板單層勻鋪的秸稈質量-圖像關系等多種信息化手段，研究了原茬地小麥秸稈多維信息。單位區(qū)域(25 cm×25 cm)的秸稈總質量、碎秸質量、立茬質量分別在19.53～50.54 g、12.03～ 41.24 g、1.54～18.64 g之間變化，各指標在收獲機全幅寬的觀測范圍內呈現(xiàn)出2D分布特征且能夠在一定程度上反映出收獲機的結構設計與農藝特色。

(3)秸稈信息圖像的相關分析反映出各秸稈信息間的聯(lián)系及機具的田間作業(yè)效果，地表秸稈總質量與碎秸質量相似度rab為0.89、與立茬質量相似度rac為0.43。碎秸質量分布與碎秸堆疊層數(shù)的相似度rbd為0.64。立茬質量與立茬側影覆蓋度的相似度rce為0.48。不同秸稈信息間的相關性有著較大差異。