陶志強(qiáng)，Shamim Ara Bagum，馬 瑋，周寶元，付金東，崔日鮮，孫雪芳，趙 明

中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，農(nóng)業(yè)部作物生理生態(tài)與栽培重點(diǎn)開(kāi)放實(shí)驗(yàn)室，北京 100081

運(yùn)用光譜參數(shù)冠層覆蓋度建立作物長(zhǎng)勢(shì)及氮營(yíng)養(yǎng)狀態(tài)模型

陶志強(qiáng)，Shamim Ara Bagum，馬 瑋，周寶元，付金東，崔日鮮，孫雪芳，趙 明*

中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，農(nóng)業(yè)部作物生理生態(tài)與栽培重點(diǎn)開(kāi)放實(shí)驗(yàn)室，北京 100081

為了探索運(yùn)用數(shù)碼照片中光譜(紅、綠、藍(lán))的像素計(jì)算得到的冠層覆蓋度(canopy cover, CC)對(duì)玉米長(zhǎng)勢(shì)及氮素營(yíng)養(yǎng)狀態(tài)進(jìn)行非破壞性監(jiān)測(cè)的技術(shù)。通過(guò)獲取玉米冠層的數(shù)碼照片圖像，定量化數(shù)碼照片色彩參數(shù)與作物葉面積指數(shù)(leaf area index, LAI)、冠層干重(shoot dry matter weight, DM)、葉片氮素含量(leaf nitrogen content percentage, N%)之間的關(guān)系。試驗(yàn)于2012年和2013年在中國(guó)農(nóng)業(yè)科學(xué)院試驗(yàn)田進(jìn)行，運(yùn)用基于Visual Basic Version 6.0研發(fā)的玉米冠層圖像分析系統(tǒng)，分析了玉米品種中單909在3個(gè)氮素水平條件下分別于9葉展時(shí)期、抽雄期和灌漿期的CC、11種色彩指數(shù)與植株LAI，DM，N%及產(chǎn)量之間的相關(guān)性，并對(duì)相關(guān)性顯著的指標(biāo)進(jìn)行了擬合與建模。結(jié)果表明，CC與LAI(r=0.93,p<0.01)，DM(r=0.94,p<0.01)，N%(r=0.82,p<0.01)之間均達(dá)到了極顯著水平；用CC估算LAI，DM和N%的模型均為冪函數(shù)，方程式分別是y=3.281 2x0.763 9，y=283.658 1x0.553 6，y=3.064 5x0.932 9；用與建模相獨(dú)立的數(shù)據(jù)對(duì)模型驗(yàn)證，結(jié)果表明，CC估算LAI模型的實(shí)測(cè)值與模擬值基于1∶1直線的R2，RMSE和RE分別是0.996，0.035和1.46%；CC估算DM模型的R2，RMSE和RE分別是0.978，5.408 g和2.43%；CC估算N%模型的R2，RMSE和RE分別是0.990，0.054和2.62%。綜上所述，模型能夠較準(zhǔn)確的通過(guò)CC估算不同氮肥水平條件下玉米9葉展時(shí)期、抽雄期和灌漿期的LAI，DM與N%，表明應(yīng)用數(shù)碼相機(jī)的光譜信息可實(shí)現(xiàn)對(duì)玉米生長(zhǎng)過(guò)程中的生長(zhǎng)狀況及氮素營(yíng)養(yǎng)狀態(tài)進(jìn)行實(shí)時(shí)無(wú)損快速監(jiān)測(cè)與預(yù)測(cè)。

光譜；玉米；冠層覆蓋度；色彩指數(shù)；葉面積指數(shù)；冠層干重；氮素含量

引 言

葉面積指數(shù)(leaf area index, LAI)、冠層干重(shoot dry matter weight, DM)和葉片氮素含量是作物生長(zhǎng)與氮素營(yíng)養(yǎng)狀態(tài)的良好指標(biāo)，是作物生育期的氮肥精確管理與產(chǎn)量預(yù)測(cè)的重要評(píng)判依據(jù)[1]。然而，獲取這些指標(biāo)常常需要消耗大量的人力與時(shí)間，在采樣過(guò)程中對(duì)植株造成的破壞還會(huì)影響小區(qū)中其他植株的正常生長(zhǎng)，增加了后期指標(biāo)測(cè)定結(jié)果的誤差[2]。近年來(lái)，光譜分析技術(shù)已經(jīng)被廣泛證明能夠快速、非破壞性、有效的判斷作物的LAI、DM與氮素營(yíng)養(yǎng)狀態(tài)[3, 4]。

目前，廣泛應(yīng)用的便攜式光譜設(shè)備有，SPAD-502葉綠素儀(Konica Minolta Inc.，Tokyo, Japan)和葉面積指數(shù)冠層分析儀LAI-2000(Li-Cor Inc.，USA)等。SPAD-502葉綠素儀通過(guò)測(cè)量葉片在兩種波長(zhǎng)光學(xué)濃度差的光譜信息(650和940 nm)來(lái)確定作物葉片當(dāng)前葉綠素的相對(duì)數(shù)量，進(jìn)而分析植株冠層的氮素營(yíng)養(yǎng)狀況[5]。然而，SPAD值常常因?yàn)樵囼?yàn)人員對(duì)葉片的主觀選擇、葉片厚度、處理時(shí)間不一致等因素的干擾而對(duì)光譜信息結(jié)果的精確度造成了影響[6, 7]。葉面積指數(shù)冠層分析儀LAI-2000，通過(guò)測(cè)量葉片或冠層對(duì)光吸收和反射的光譜信息來(lái)獲取作物的LAI與光合有效輻射(photosynthetically active radiation, PAR)，雖然能夠快速獲取LAI與PAR值，但是對(duì)于光照強(qiáng)度的反應(yīng)很敏感，時(shí)常出現(xiàn)低于人工測(cè)量值40%以上的結(jié)果[2]。

最近的一些研究已經(jīng)證實(shí)了可以用數(shù)碼照片的光譜信息，例如紅(red, R)、綠(green, G)、藍(lán)(blue, B)光譜波段的像素信息，來(lái)增加與作物冠層圖像分析精確度有關(guān)的參數(shù)值[8]，這些參數(shù)與作物長(zhǎng)勢(shì)及氮素含量密切相關(guān)。例如，冬小麥孕穗期和開(kāi)花期冠層光譜信息綠光深度絕對(duì)值與冠層氮素濃度和葉片SPAD值呈顯著負(fù)相關(guān)[6]。大麥葉片數(shù)碼照片光譜信息的色彩指數(shù)能夠?qū)θ~綠素含量進(jìn)行預(yù)測(cè)[7]。水稻冠層圖像中提取的光譜信息(色相與紅光標(biāo)準(zhǔn)化值)與葉片SPAD值、葉片含氮量等指標(biāo)間具有良好的相關(guān)關(guān)系[9]。除此之外，區(qū)別于植被覆蓋度的另一種新的覆蓋度表示方法，即冠層覆蓋度(canopy cover，CC)也已經(jīng)成為作物長(zhǎng)勢(shì)與氮素營(yíng)養(yǎng)狀態(tài)的重要指標(biāo)。植被覆蓋度是指植被在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比，而CC是指垂直拍攝的作物冠層數(shù)碼照片中作物圖像像素?cái)?shù)占冠層圖像總像素?cái)?shù)的百分比[10]。已有諸多研究證明，CC與作物生長(zhǎng)參數(shù)(例如LAI與DM)、氮素濃度顯著相關(guān)，是預(yù)測(cè)作物長(zhǎng)勢(shì)與氮素營(yíng)養(yǎng)狀態(tài)的重要指標(biāo)[4, 11-12]。

1 實(shí)驗(yàn)部分

1.1 實(shí)驗(yàn)地點(diǎn)與材料

實(shí)驗(yàn)于2012和2013年在中國(guó)農(nóng)業(yè)科學(xué)院科技示范園區(qū)進(jìn)行(39°40′15″N, 116°30′23″E)，屬溫帶半濕潤(rùn)季風(fēng)型大陸性季候，年均氣溫11.5 ℃，年均降水量640 mm，年均日照時(shí)間是2 600 h，年均無(wú)霜期192 d。試驗(yàn)地土壤類(lèi)型是沙壤土。0～20 cm土壤有機(jī)質(zhì)含量10.2 g·kg-1，堿解氮45.2 mg·kg-1，速效磷39.7 mg·kg-1和速效鉀112.6 mg·kg-1。

實(shí)驗(yàn)在根箱中進(jìn)行，長(zhǎng)×寬×高為120 cm×60 cm×60 cm，供試品種為中單909(Zhongdan909，ZD909)，設(shè)3個(gè)施氮量處理，分別為0(N0)，220(N220)，320(N320) kg N hm-2。100 kg P2O5hm-2和100 kg K2O hm-2全部作為基肥一次性施入根箱內(nèi)30 cm深處，氮、磷和鉀肥分別為尿素、過(guò)磷酸鈣和硫酸鉀。每個(gè)根箱中植株的行距、株距均為60和30 cm。根箱采用隨機(jī)區(qū)組排列，3次重復(fù)。2012年和2013年均于5月10日播種，10月2日收獲。

1.2 測(cè)定方法

使用數(shù)碼相機(jī)(EOS 60D, Canon, Japan)，設(shè)置為自動(dòng)曝光模式，采用多點(diǎn)自動(dòng)對(duì)焦及自動(dòng)白平衡，ISO設(shè)定為400，圖像分辨率設(shè)定為800萬(wàn)像素(3 456×2 304)，分別在玉米生育期9葉展(nine leaves with visible leaf collars, V9)、抽雄期(tassel stage, VT)、灌漿期(blister stage,R2)于冠層頂部距離地面垂直方向2.0 m處進(jìn)行圖像采集，以JPEG格式保存冠層圖像，拍攝時(shí)間為11:00—13:00。拍攝到的玉米冠層范圍為600 mm×450 mm，圖片中包含3株玉米(拍照前將根箱內(nèi)的雜草清理干凈，避免雜草顏色對(duì)葉片色彩的干擾)。然后對(duì)數(shù)碼圖像采集區(qū)域內(nèi)的玉米進(jìn)行破壞性取樣，將樣本按部位分樣(葉、莖)，根據(jù)長(zhǎng)寬系數(shù)法[1]，校正系數(shù)取0.75，測(cè)定葉面積并計(jì)算LAI；然后把樣本置于烘箱中，在105 ℃殺青30 min后于80 ℃下烘干至恒重，稱(chēng)取葉片與莖干重，得到DM；然后將稱(chēng)完的樣品粉碎，用凱氏定氮法測(cè)定葉片的含氮量，并計(jì)算葉片氮素含量(即單位質(zhì)量葉片中的氮素含量mg·g-1，將其單位轉(zhuǎn)換為%表示，N%)。

1.3 冠層圖像的色彩參數(shù)計(jì)算

拍攝的彩色圖像提供每一個(gè)像素的紅(R)、綠(G)、藍(lán)(B)波段光譜信息[4]，各波段的光譜信息以亮度(Intensity)的方式存儲(chǔ)在對(duì)應(yīng)的通道。數(shù)碼圖像的R，G，B各有256級(jí)亮度，分別用0到255的整數(shù)表示，R，G，B三個(gè)通道各256級(jí)色彩總共能組合成1 678萬(wàn)種(2563)色彩，其中(0，0，0)代表黑色，(255，255，255)代表白色[13]。運(yùn)用基于Visual Basic Version 6.0研發(fā)的玉米冠層圖像分析系統(tǒng)(中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所)，提取每個(gè)像素點(diǎn)的R，G，B亮度值，計(jì)算CC[13]和11種色彩指數(shù)，即紅光標(biāo)準(zhǔn)化值(r)、綠光標(biāo)準(zhǔn)化值(g)、藍(lán)光標(biāo)準(zhǔn)化值(b)、綠光與紅光差值(GMR)、綠光與藍(lán)光差值(GMB)、超綠特征值(ExG)[15]、歸一化超綠特征值(EGI)、歸一化差值指數(shù)NDI[16]、飽和度(SAT)、色調(diào)(Hue)和亮度(INT)[14]，見(jiàn)式(1)—式(12)。其中，R，G，B，r，g，b，GMB，GMR，EGI，ExG，NDI，SAT，Hue和INT用于玉米圖像分割，而R，G，B，r，g，b，NDI，SAT，Hue和INT用于與LAI，DM，N%之間的的相關(guān)分析及回歸模型的構(gòu)建。

(1)

(2)

(3)

(4)

GMR=G-R

聯(lián)席會(huì)議主要任務(wù)是共同檢查和監(jiān)督漢江流域年度水量分配的實(shí)施，審議上一年度水資源調(diào)度工作總結(jié)和下一年度水資源調(diào)度計(jì)劃，協(xié)商漢江流域水資源統(tǒng)一調(diào)度工作中的重大事項(xiàng)，共同檢查和監(jiān)督漢江流域跨省（直轄市）江河湖泊水功能區(qū)劃、水域納污能力核定方案、限制排污總量方案的實(shí)施和落實(shí)情況，協(xié)調(diào)跨?。ㄖ陛犑校╋嬘盟幢Ｗo(hù)、地下水開(kāi)發(fā)利用和保護(hù)工作，共同檢查和監(jiān)督漢江流域“三條紅線”及其考核制度的實(shí)施和落實(shí)等。

(5)

GMB=G-B

(6)

(7)

EGI=2g-r-b或EGI=3g-1

(8)

(9)

(10)

(11)

(12)

圖像分割是計(jì)算機(jī)圖像處理的一個(gè)基本問(wèn)題，是進(jìn)行圖像分析的前提。如果圖像中待分割的目標(biāo)物及其背景的灰度值(彩色圖像中R，G，B亮度值)都比較單一時(shí)，用門(mén)限化分割可取得理想的分割效果[13]。作物冠層圖像的主要對(duì)象為作物和背景(農(nóng)田土壤表面、作物殘?jiān)?，其顏色組成(作物和背景R，G，B顏色分量)比較均一，因此具備門(mén)限化分割的條件。另外，通過(guò)對(duì)作物冠層圖像的R，G，B各個(gè)分量進(jìn)行適當(dāng)?shù)慕M合轉(zhuǎn)化，增強(qiáng)植物，抑制背景，也可提高圖像分割效果[14]。研究采用最小誤差門(mén)限方法對(duì)玉米冠層圖像進(jìn)行分割，具體為，利用從玉米和土壤圖像(圖1)中讀取的R，G，B亮度值及其他色彩指數(shù)獲取玉米和背景的R，G，B亮度值及其他色彩指數(shù)的正態(tài)密度函數(shù)(密度函數(shù)的特征值為均值和標(biāo)準(zhǔn)偏差)，并根據(jù)正態(tài)密度函數(shù)確定玉米和背景的混合密度函數(shù)；設(shè)定一個(gè)門(mén)限(T)，則可確定把目標(biāo)點(diǎn)錯(cuò)劃為背景點(diǎn)的概率和把背景點(diǎn)錯(cuò)劃為目標(biāo)點(diǎn)的概率，兩個(gè)概率之和為總誤判概率；為求分割誤差最小時(shí)門(mén)限值，先求出總誤判概率函數(shù)對(duì)T的導(dǎo)數(shù)，并令其等于零，得到T的一元二次方程，此方程的兩個(gè)解之一為圖像分割的最佳門(mén)限(T)。利用上述方法，基于VisualBasicVersion6.0研發(fā)的玉米冠層圖像分析系統(tǒng)(中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所)，從玉米冠層圖像中分割出玉米圖像，進(jìn)而計(jì)算玉米圖像的R，G，B亮度，CC及其他色彩指數(shù)值。

Fig.1 Digital camera images for maize plant (a) and soil (b)

1.4 模型計(jì)算與驗(yàn)證

用SPSS 13.0(SPSS Inc., Chicago, IL)的分析過(guò)程 “Analyze Correlate Bivariate”，選擇Pearson相關(guān)和雙尾檢驗(yàn)“Two tailed”，對(duì)LAI，DM，N%，CC和11種色彩指標(biāo)進(jìn)行相關(guān)性分析。篩選出相關(guān)性顯著的指標(biāo)用CurveExpert 1.4(Daniel G. Hyams Hixson, Tennessee)進(jìn)行數(shù)據(jù)擬合與建模。用2013年的數(shù)據(jù)建模，用2012年的數(shù)據(jù)驗(yàn)證模型的擬合度與可靠性。用Sigmaplot 12.0 (SYSTAT Software, Inc., Chicago, IL)作圖。

采用常用的模型檢驗(yàn)方法，利用觀測(cè)值與模擬值的根均方差(root mean square error, RMSE)和相對(duì)誤差(relative estimation error, RE)對(duì)模擬值與觀測(cè)值之間的符合程度進(jìn)行統(tǒng)計(jì)分析[17]。RMSE和RE值越小，表明模型的預(yù)測(cè)精度越高。利用模擬值與觀測(cè)值之間1∶1關(guān)系的直線來(lái)直觀顯示模型的擬合度和可靠性。

(13)

(14)

式中，OBSi為實(shí)測(cè)值，SIMi為模擬值，n為樣本容量，RE為相對(duì)誤差，Qi為實(shí)測(cè)值的平均值。

2 結(jié)果與討論

2.1 玉米冠層圖像色彩值分析

玉米在2012和2013年V9，VT和R2生育時(shí)期的色彩值平均值分析結(jié)果表明，玉米像素點(diǎn)的G值明顯大于R和B值，而這種特征也反映在以G亮度值為主要要素計(jì)算的其他色彩指數(shù)上，如玉米像素點(diǎn)的g，GMR，GMB，ExG和EGI，表明以G及其他色彩指數(shù)作為門(mén)限從玉米冠層圖像中分割玉米圖像是可行的。

Table 1 Color index values of maize canopy image (experiments in 2012 and 2013)

2.2 玉米長(zhǎng)勢(shì)指標(biāo)與冠層色彩參數(shù)的相關(guān)性分析

通過(guò)分析玉米在2012年和2013年生育時(shí)期V9，VT，R2時(shí)期DM，LAI，N%，CC及其他色彩指數(shù)的平均值之間的相關(guān)性(表2)，結(jié)果表明，玉米長(zhǎng)勢(shì)指標(biāo)均與CC呈顯著相關(guān)關(guān)系。其中，LAI分別與N%(r=0.66**)，DM(0.79**)，CC(r=0.93**)，r(r=-0.70*)，b(r=0.62*)，Hue(r=0.78*)呈顯著相關(guān)關(guān)系；DM與CC(r=0.94**)，N%(r=0.90**)呈極顯著相關(guān)性；N%分別與CC(r=0.82**)呈極顯著正相關(guān)。這表明采用CC對(duì)玉米DM，LAI和N%進(jìn)行估算是可行的。該結(jié)論在其他作物上也得到了證實(shí)，植被的CC能夠估算冬油菜[11]、草坪草[12]、小麥[13]、水稻[14]的DM，LAI和植株氮素水平。

Table 2 Correlation of growth parameters and color indices in maize (experiments in 2012 and 2013)

* and ** are significantly different (P<0.05) and (P<0.01), respectively. The same below. LAI denotes leaf area index, N% denotes leaf nitrogen content, DW denotes shoot dry matter weight, CC denotes canopy cover, R denotes red, G denotes green, B denotes blue, r denotes normalized red, g denotes normalized green, b denotes normalized blue, NDI denotes normalized difference index, SAT denotes saturation, INT denotes intensity

2.3 建立用CC估算LAI，DM與N%的模型

將CC作為自變量，LAI，DM和N%作為因變量，使用CurveExpert 1.4軟件對(duì)不同氮肥處理的CC與LAI，DM，N%之間的關(guān)系進(jìn)行擬合與建模，將相關(guān)系數(shù)r最高的方程作為擬合方程，結(jié)果表明，CC與LAI，DM，N%之間的關(guān)系均呈冪函數(shù)關(guān)系y=axb(表3)。雖然CC與DM之間關(guān)系的模擬方程中式(18)的相關(guān)系數(shù)最高，但是仍然將式(19)作為CC估算DM的模型，原因是，冪函數(shù)與線性函數(shù)、指數(shù)函數(shù)相比，取自變量的極值，能夠較好的解釋其生物學(xué)意義，即x為0時(shí)(表示地面上沒(méi)有冠層覆蓋)y也是0(表示葉面積或冠層干物質(zhì)量或葉片氮素含量是零)?？梢?jiàn)，冪函數(shù)式(15)、式(19)、式(21)與表1中的其他方程相比，能夠較好的運(yùn)用CC對(duì)LAI，DM，N%進(jìn)行估算。本研究建立的模型說(shuō)明，玉米V9，VT，R2時(shí)期的CC能夠精確估算LAI，DM，N%，然而，有學(xué)者指出，基于CC的油菜和小麥LAI和DM的預(yù)測(cè)只在營(yíng)養(yǎng)生長(zhǎng)期可行，而在生殖生長(zhǎng)期，由于葉片間的重疊，冠層CC的增大速度會(huì)明顯小于LAI和DM的增大速度，所以后期的CC不能精確估算LAI和DM[4, 10]。該結(jié)論與本研究的結(jié)論不一致的原因除了作物類(lèi)型不一樣之外，還由于本研究的玉米植株在根箱中生長(zhǎng)，與大田植株相比，種植密度低，單株生產(chǎn)力小，生殖生長(zhǎng)期的葉片間重疊少，因此建立的模型估算精確度較高。該結(jié)論有待于在大田試驗(yàn)中驗(yàn)證，并且進(jìn)一步分析模型在不同玉米品種、種植密度條件下整個(gè)生育期的適用性。

Table 3 Estimation of LAI, DM and N% model by CC (experiment in 2013)

xin the model denote CC, andydenote LAI, DM, N%, respectively;aandbare coefficients. The same below

分別建立玉米LAI，DM，N%的冪函數(shù)模型在不同氮肥水平條件下的方程，其相關(guān)系數(shù)r均在0.91以上，并且達(dá)極顯著水平(p<0.01)，見(jiàn)表4。a值和b值在不同氮肥水平之間的變異較小。表明，冪函數(shù)方程能夠較精確地通過(guò)CC估算不同氮肥水平條件下的LAI，DM和N%。

2.4 CC估算LAI，DM及N%模型的驗(yàn)證

根據(jù)LAI，DM，N%的模擬方程式(15)、式(19)、式(21)，應(yīng)用2012年的試驗(yàn)數(shù)據(jù)對(duì)玉米在V9，VT，R2時(shí)期的LAI，DM，N%模型進(jìn)行了檢驗(yàn)(圖2)，結(jié)果表明，CC估算LAI模型的實(shí)測(cè)值與模擬值基于1∶1直線的R2，RMSE和RE分別是0.996，0.035和1.46%；CC估算DM模型的R2，RMSE和RE分別是0.978，5.408 g和2.43%；CC估算N%模型的R2，RMSE和RE分別是0.990，0.054和2.62%。表明，模型能夠較準(zhǔn)確的通過(guò)CC估算不同氮肥水平條件下玉米V9，VT，R2時(shí)期的LAI，DM和N%。

Table 4 Dynamic model between CC and LAI, DM, N% in maize under different nitrogen levels (experiment in 2013)

Fig.2 The fitting graph based on 1∶1 straight line of simulated and measured values of different LAI, DM, N% of maize in V9，VT，R2 (experiment in 2012)

3 結(jié) 論

玉米品種(ZD909)在3個(gè)氮肥水平條件下在V9，VT，R2時(shí)期的冠層覆蓋度與葉面積指數(shù)(r=0.93，p<0.01)、冠層干重(r=0.94，p<0.01)、葉片氮素含量(r=0.82，p<0.01)均呈極顯著水平；應(yīng)用CurveExpert 1.4軟件，以冠層覆蓋度為自變量，葉面積指數(shù)、冠層干重、葉片氮素含量為因變量，分別建立了三個(gè)冪函數(shù)模型，y=3.281 2x0.763 9，y=283.658 1x0.553 6，y=3.064 5x0.932 9，并使用與建模數(shù)據(jù)(2013年)相對(duì)獨(dú)立的數(shù)據(jù)(2012年)進(jìn)行驗(yàn)證，結(jié)果表明，冠層覆蓋度估算葉面積指數(shù)模型的實(shí)測(cè)值與模擬值基于1∶1直線的R2，RMSE和RE分別是0.996，0.035和1.46%；冠層覆蓋度估算冠層干重模型的R2，RMSE和RE分別是0.978，5.408 g和2.43%；冠層覆蓋度估算葉片氮素含量模型的R2，RMSE和RE分別是0.990，0.054和2.62%。模型能夠精確估算不同氮肥水平條件下玉米灌漿期的葉面積指數(shù)、冠層干重和葉片氮素含量。表明應(yīng)用數(shù)碼相機(jī)對(duì)在玉米冠層進(jìn)行拍照，而后通過(guò)玉米冠層圖像分析系統(tǒng)計(jì)算光譜像素信息參數(shù)CC，能夠?qū)τ衩咨L(zhǎng)過(guò)程中的生長(zhǎng)狀況及氮素營(yíng)養(yǎng)狀態(tài)進(jìn)行實(shí)時(shí)無(wú)損快速監(jiān)測(cè)與預(yù)測(cè)。

[1] Cui R X, Lee B W. Korean Journal of Crop Science, 2002, 47: 390.

[2] Xue L, Cao W, Luo W, et al. Agronomy Journal, 2004, 96: 135.

[3] Nguyen H T, Lee B W. European Journal of Agronomy, 2006, 24: 349.

[4] Li Y, Chen D, Walker C N, et al. Field Crops Research, 2010, 118: 221.

[5] Jongschaap R E E, Booij R. International Journal of Applied Earth Observation, 2004, 5(3): 205.

[6] Jia L, Chen X, Zhang F, et al. Journal of Plant Nutrition, 2004, 27(3): 441.

[7] Pagola M, Oritiz R, Irigoyen I, et al. Computers and Electronics in Agriculture, 2009, 65: 213.

[8] Lailiberte A S, Rango A, Herrick J E, et al. Journal of Arid Environments, 2007, 69: 1.

[9] WANG Yuan, WANG De-jian, ZHANG Gang, et al(王 遠(yuǎn), 王德建, 張 剛, 等). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學(xué)報(bào)), 2012, 28(17): 131.

[10] Guevara-Escobar A, Tellez J, Gonzalez-Sosa E. Agroforestry Systems, 2005, 65: 175.

[11] Behrens T, Diepenbrock W. Journal of Agronomy and Crop Science, 2006, 192: 295.

[12] Richardson M D, Karcher D E, Purcell L C. Crop Science, 2001, 4: 1884.

[13] Lee K J, Lee B W. Journal of Crop Science and Biotechnology, 2011, 14(2): 151.

[14] Lee K J, Lee B W. European Journal of Agronomy, 2013, 48: 57.

[15] HU Shuo, LUO Xi-wen, ZENG Shan, et al(胡 爍, 羅錫文, 曾 山, 等). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學(xué)報(bào)), 2013, 29(10): 12.

[16] ZHOU Jun, WANG Ming-jun, SHAO Qiao-lin(周 俊, 王明軍, 邵喬林). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學(xué)報(bào)), 2013, 29(18): 163.

[17] Willmott C J, Ackleson S G, Davis R E, et al. Journal of Geophysical Research, 1985, 90: 8995.

TAO Zhi-qiang, Shamim Ara Bagum, MA Wei: joint first authors

*Corresponding author

Establishment of The Crop Growth and Nitrogen Nutrition State Model Using Spectral Parameters Canopy Cover

TAO Zhi-qiang, Shamim Ara Bagum, MA Wei, ZHOU Bao-yuan, FU Jin-dong, CUI Ri-xian, SUN Xue-fang, ZHAO Ming*

Institute of Crop Sciences, Chinese Academy of Agricultural Sciences，Key Laboratory of Crop Physiology and Ecology, Ministry of Agriculture, Beijing 100081, China

In order to explore a non-destructive monitoring technique, the use of digital photo pixels canopy cover (CC) diagnosis and prediction on maize growth and its nitrogen nutrition status. This study through maize canopy digital photo images on relationship between color index in the photo and the leaf area index (LAI), shoot dry matter weight (DM), leaf nitrogen content percentage (N%). The test conducted in the Chinese Academy of Agricultural Science from 2012 to 2013, based on Maize canopy Visual Image Analysis System developed by Visual Basic Version 6. 0, analyzed the correlation of CC, color indices, LAI, DM, N% on maize varieties (Zhongdan909, ZD 909) under three nitrogen levels treatments, furthermore the indicators significantly correlated were fitted with modeling, The results showed that CC had a highly significant correlation with LAI (r=0.93,p<0.01), DM (r=0.94,p<0.01), N% (r=0.82,p<0.01). Estimating the model of LAI, DM and N% by CC were all power function, and the equation respectively werey=3.281 2x0.763 9,y=283.658 1x0.553 6andy=3.064 5x0.932 9; using independent data from modeling for model validation indicated thatR2, RMSE and RE based on 1∶1 line relationship between measured values and simulated values in the model of CC estimating LAI were 0.996, 0.035 and 1.46%;R2, RMSE and RE in the model of CC estimating DM were 0.978, 5.408 g and 2.43%;R2, RMSE and RE in the model of CC estimating N% were 0.990, 0.054 and 2.62%. In summary, the model can comparatively accurately estimate the LAI, DM and N% by CC under different nitrogen levels at maize grain filling stage, indicating that it is feasible to apply digital camera on real-time undamaged rapid monitoring and prediction for maize growth conditions and its nitrogen nutrition status. This research finding is to be verified in the field experiment, and further analyze the applicability throughout the growing period in other maize varieties and different planting density.

Maize; Canopy image; Canopy cover; Leaf area index; Dry matter weight; Nitrogen

Aug. 19, 2014; accepted Dec. 6, 2014)

2014-08-19，

2014-12-06

公益性行業(yè)(農(nóng)業(yè))科研專(zhuān)項(xiàng)(201203096)，國(guó)家科技支撐計(jì)劃(2013BAD07B00，2013BAD08B00)，國(guó)家玉米產(chǎn)業(yè)技術(shù)體系項(xiàng)目(CRRS-02)資助

陶志強(qiáng)，1983年生，中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所博士 e-mail: tao-zhiqiang@qq.com Shamim Ara Bagum，1980年生，中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所博士研究生 e-mail: shalimuddin@yahoo.com 馬 瑋，1982年生，中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所副研究員 e-mail: weiwei_8200a126.com 陶志強(qiáng)，Shamim Ara Bagum，馬 瑋：并列第一作者 *通訊聯(lián)系人 e-mail: zhaomingcau@163.net

S513

A

10.3964/j.issn.1000-0593(2016)01-0231-06