劉家歡 張衛(wèi)峰

摘 要：準確診斷小麥群體大小并及時采取針對性管理措施是實現(xiàn)小麥高產(chǎn)優(yōu)質(zhì)的關鍵因素之一?，F(xiàn)有的群體診斷方法（如樣點調(diào)查法、高光譜遙感、機器視覺、莖稈生物力學等）都存在費時費力、設備昂貴等特點，僅限于科學研究。本文探索應用一款手機應用程序（Canopeo），通過快速檢測小麥冠層覆蓋度反映小麥群體。在16個實驗地塊和71個農(nóng)戶地塊中與樣點調(diào)查法的決定系數(shù)達0.812和0.403，表明該方法可用于小麥返青期及以前的群體快速診斷。

關鍵詞：手機軟件；小麥；群體；快速診斷

中圖分類號：S512 文獻標識碼：A DOI：10.11974/nyyjs.20180333001

作物群體特征一般是指群體內(nèi)個體的數(shù)量、種類、生育狀況及其空間排列、分布和個體間的關聯(lián)程度等。群體內(nèi)光照、溫度、濕度、風和CO2濃度等要素的分布均與作物群體性狀密切相連，進而影響作物產(chǎn)量、病害狀況[1]。

小麥是我國主要的糧食作物之一，合理的群體發(fā)育動態(tài)是小麥高產(chǎn)的基礎[2]。冬前和返青期是小麥管理的重點，根據(jù)不同群體采取合理的水肥管理措施不僅是高產(chǎn)的基礎，也是水肥高效利用的基礎[3]。根據(jù)小麥群體（畝莖蘗數(shù)）大小分為4個等級進行針對性管理：冬前畝莖蘗數(shù)?80萬，春季畝莖蘗數(shù)?100萬，為旺苗；冬前667m2莖蘗數(shù)60～80萬，春季667m2莖蘗數(shù)80～100萬為一類苗；冬前667m2莖蘗數(shù)45～60萬，春季667m2莖蘗數(shù)60～80萬為二類苗；冬前畝莖蘗數(shù)<45萬，春季667m2莖蘗數(shù)<60萬為弱苗[4]。針對不同苗情通常采取“抑旺促弱”的方式進行調(diào)控：對旺苗采取鎮(zhèn)壓、推遲春季水肥（包括減少肥料）管理，過旺苗還要采取化學控旺的方法促旺轉(zhuǎn)壯，而弱苗采取提前春季水肥管理時間、噴施葉面肥等方法促弱轉(zhuǎn)壯，從而形成健壯群體，保障小麥高產(chǎn)優(yōu)質(zhì)。因此，及時準確診斷不期麥田群體大小，并采取針對性管理措施至關重要。

現(xiàn)有診斷一般采取“一米雙行”的方法進行田間抽樣調(diào)查，這種方法簡單有效且受到廣泛認可，但需要科研人員長時間蹲在田間進行操作，費時費力，不便于對大范圍農(nóng)戶服務。而普通農(nóng)戶開展此類工作缺乏基礎方法的指導。國內(nèi)外研究者探索并研究了一系列快速、無損診斷的新方法。單成鋼等（2004）用數(shù)碼相機獲取小麥頂層圖像，并采用邊緣像素數(shù)作為評價總莖數(shù)和密度的衡量標準[1]；侯學會等（2012）利用大田小麥的參數(shù)數(shù)據(jù)和冠層光譜數(shù)據(jù)建立小麥生物量和真實葉面積指數(shù)的高光譜遙感估算模型，決定系數(shù)（R2）達0.829[5]；徐改花等（2011）利用數(shù)碼相片提取小麥生長期的覆蓋度，結(jié)合地面實測葉面積指數(shù)、歸一化植被指數(shù)和小麥生物量等進行小麥生物量的試算，小麥覆蓋度、葉面積指數(shù)和歸一化植被指數(shù)的相關系數(shù)（R2）分別達到0.774、0.876和0.712[6]；鄭玲等（2013）以壓力傳感器為測量元件，獲取小麥受推桿作用產(chǎn)生的回彈力信息由LabVIEW測量系統(tǒng)處理，表明小麥莖稈回彈力與生物量具有一定的相關性，決定系數(shù)（R2）達0.713[7]。鄭玲（2015）在基于單一機器視覺、單一光譜和力學傳感器的基礎上建立了機器視覺、光譜、力學傳感器融合的多元生物量檢測方法，表明任何2種傳感器信息融合以及三者融合之后所建立的模型，性能均比單一的圖像模型、光譜模型、力學模型要好，說明將不同傳感器信息進行融合之后的生物量相關性更高[8]。

上述機器視覺、高光譜遙感、生物力學及多元綜合檢測方法都對生物量（群體）的快速無損診斷做出了突出貢獻，但受制于成本、知識水平等因素，這些方法僅限于科學研究，現(xiàn)階段難以在生產(chǎn)一線推廣應用。開發(fā)手機快速調(diào)查工具，探索農(nóng)戶或者技術服務者可以快速應用的手段是適應現(xiàn)代信息化發(fā)展需求和小麥大范圍高產(chǎn)優(yōu)質(zhì)的必要途徑。美國俄克拉荷馬州立大學土壤物理學研究小組開發(fā)了一款綠色作物覆蓋度檢測工具（Canopeo），該軟件適用于蘋果、安卓等主流手機操作系統(tǒng)，以智能手機為測量元件，檢測時只需使相機垂直地面并拍攝作物冠層圖像即可。根據(jù)植物葉片呈綠色的特性按照綠色光譜特征對圖像進行分類處理，提取作物冠層覆蓋度。該方法只需將Canopeo安裝到手機上，按圖示要求即可獲得群體覆蓋度。推廣方便，使用效率高，30s內(nèi)即可完成單位地塊的群體調(diào)查工作，適用于科研工作者、農(nóng)技人員、普通農(nóng)民等不同人群。

本文使用Canopeo手機應用程序?qū)θA北小麥返青期群體進行診斷，探索該工具的精確度以及應用方法，并建立覆蓋度與群體的相關指標。

1 材料與方法

1.1 Canopeo診斷方法

本文采用美國俄克拉荷馬州立大學的土壤物理學研究小組開發(fā)的多用途綠色冠層覆蓋測量工具Canopeo（http：//appcenter.okstate.edu/）研究一種基于手機應用程序的小麥群體快速診斷方法。目前生產(chǎn)和科研上使用的小麥群體（生物量）診斷方法主要有樣點調(diào)查法、高光譜遙感、機器視覺、莖稈生物力學和多元綜合診斷方法。從所需儀器設備、需要的分析工具、操作人員要求、平均單次診斷耗時、設備成本和適用范圍等6個方面來看，使用Canopeo手機軟件進行小麥群體診斷，所需設備是目前普遍使用的智能手機，使用門檻低，只要會使用智能手機即可，且診斷效率高，通常30s內(nèi)即可完成單位地塊的群體診斷工作。因此，使用Canopeo手機軟件進行小麥群體診斷具備在科研人員、農(nóng)技人員和普通農(nóng)民種推廣應用的可行性，符合當前農(nóng)業(yè)信息化、智能化的發(fā)展需求。

1.2 小麥返青期生長特點與小麥群體圖像特征分析

1.2.1 小麥返青期生長特點

返青期是早春麥田50%以上的麥苗心葉長出1～2cm的階段，歷時約1個月，屬小麥苗期的最后1個階段。小麥返青期的生長主要是生根、長葉和分蘗，也是促使晚弱苗升級、控制旺苗徒長、調(diào)節(jié)群體大小和決定成穗率高低的關鍵時期。因此，在返青期及以前及時對小麥群體進行調(diào)查，從而采取正確的春季水肥管理措施非常重要。

1.2.2 小麥群體圖像特征分析

小麥屬于禾本科密植性作物，由于其分蘗習性，群體結(jié)構(gòu)隨生育期動態(tài)變化。小麥葉屬于互生排列，但在自然生長過程中，由于播種時落粒方向的不確定性和出苗后葉片對光的需求不同，葉片姿態(tài)會在一定范圍內(nèi)做出適當調(diào)整，以便使位于群體中下部的葉片不會完全被上部葉片所遮擋，從而使葉片重疊程度最小。正是由于這種特點，在小麥頂視群體圖像中，將會有盡可能多的葉片落到視野內(nèi)，而不是只看到位于冠層上部的有限幾個葉片[1]。因此，小麥群體（總莖蘗數(shù)）越大，冠層葉片展開的面積也越大，即小麥冠層覆蓋度越大，基于此，可以直觀推斷小麥冠層覆蓋度可以作物評價群體（總莖蘗數(shù)）的衡量標準。

本文采用檢測冠層覆蓋度的方式代替樣點調(diào)查法對小麥群體進行快速估算，衡量標準是冠層覆蓋度。影響冠層覆蓋度的因素主要有品種、播種量、播種日期、整地質(zhì)量、播種方式、光照情況、人員操作和小麥葉/蘗間遮蓋程度等。

1.3 小麥群體冠層圖像獲取方法

本文采用手機應用程序（Canopeo）提取作物冠層覆蓋度，程序應用流程包括下載軟件，程序安裝，注冊登錄，打開程序和按要求操作。隨機選取一行長勢均勻的麥苗，并取半米作為樣點，在樣點兩端做好標記，手機垂直樣點以樣點的邊界恰好位于相機取景框的上下兩端為參照進行拍攝，并用Canopeo處理提取小麥冠層覆蓋度，處理時軟件Adjustments參數(shù)統(tǒng)一設置為1.00，見圖1。該系統(tǒng)的特點是根據(jù)葉片的綠色光譜特征進行分類處理（處理前、后見圖1），因此光照情況等都會影響診斷效果。

1.4 研究地點與研究方法

小麥返青期冠層覆蓋度獲取、樣點莖蘗數(shù)田間調(diào)查分別在2個地點進行：地點1，中國農(nóng)業(yè)大學科學園學生實踐基地。小麥品種為農(nóng)大5181；播種日期為2016年10月3—7日；播種量為375kg/hm2；施肥量為氮肥（N）225kg/hm2，磷肥（P2O5）150kg/hm2，鉀肥（K2O）75kg/hm2。該地塊由基地管理員統(tǒng)一整地施肥和進行田間管理，播種由不同班級的學生在田間實驗課上完成。本研究共考察了16塊地，每塊地面積45m2。由于16塊地分別由不同班級的學生進行播種，而且播種在5d內(nèi)完成，因此不同地塊小麥群體和長勢存在較大差異。研究于2017年2月27日（小麥返青期）進行，在每個地塊內(nèi)隨機選擇麥苗整齊、生長一致、有代表性的2行麥苗進行定點，每點對0.5m長的1段麥苗進行莖蘗數(shù)調(diào)查。調(diào)查時只要分蘗露出葉鞘就算1個分蘗，分蘗出現(xiàn)喇叭口或分蘗心葉萎蔫、枯死或變黃為退化蘗，不計入總莖蘗數(shù)。調(diào)查完成后對該段麥苗采取圖1的方法拍攝并提取冠層覆蓋度。

地點2，山東省陽信縣翟王鎮(zhèn)、水落坡鎮(zhèn)、羊湖鄉(xiāng)、河流鎮(zhèn)、商店鎮(zhèn)、勞店鎮(zhèn)6個鄉(xiāng)鎮(zhèn)的71個農(nóng)戶地塊。農(nóng)戶品種選擇多樣，包括濟麥22、魯麥23、魯原502、新麥29、優(yōu)質(zhì)麥8號、山農(nóng)28等十幾種品種；播種日期范圍較大，從2016年9月22日—11月7日；播種量也相差較大，變幅為150～487.5kg/hm2；施肥量變幅為：氮肥（N）180～345kg/hm2，磷肥（P2O5）30～571.5kg/hm2，鉀肥（K2O）0～304.5kg/hm2。播種量、播種日期變異大，農(nóng)戶地塊小麥群體整體偏大，麥田郁閉，許多麥田已經(jīng)封行。本研究于2017年3月7日—3月12日（小麥返青期）進行，樣點莖蘗數(shù)調(diào)查方法和冠層覆蓋度提取方法同地點1。

2 試驗數(shù)據(jù)處理分析

2.1 實驗地塊冠層覆蓋度與總莖蘗數(shù)的關系

地點1應用傳統(tǒng)樣點調(diào)查法在小麥返青期對16個實驗地塊進行樣點總莖蘗數(shù)調(diào)查，每塊地按照1.4中的要求對2個長0.5m的樣點進行調(diào)查，調(diào)查完成后采用1.3中的方法用Canopeo手機軟件檢測樣點冠層覆蓋度。16塊地的樣點總莖蘗數(shù)范圍為50～293個，其中旺苗占40%，一類苗16%，二類苗25%，弱苗19%；樣點覆蓋度范圍為7.18%～28.80%。

對16塊實驗地的樣點冠層覆蓋度與總莖蘗數(shù)進行相關性分析，并用不同的函數(shù)建立相關關系，見表2。4種不同擬合函數(shù)覆蓋度與總莖蘗數(shù)之間都具有極顯著關系，其中對數(shù)函數(shù)擬合效果最好，F(xiàn)=129.195，SE=3.175，決定系數(shù)（R2）達0.812，見圖2。表明在科學管理的地塊中應用Canopeo手機軟件進行群體快速診斷是完全可行的。

表2 實驗地塊樣點冠層覆蓋度與樣點總莖蘗數(shù)的回歸關系

擬合方式 決定系數(shù)/R2 回歸方程 F 值 標準誤

線性 0.792 y=0.1005x+4.0615 114.170** 3.336

對數(shù) 0.812 y=13.869ln（x）-48.913 129.195** 3.175

冪 0.799 y=0.271x0.8517 119.113** 0.203

指數(shù) 0.703 y=7.305e0.0059x 71.172** 0.247

*表示0.05水平顯著，**表示0.01水平顯著

圖2 實驗地塊冠層覆蓋度與總莖蘗數(shù)關系

2.2 農(nóng)戶地塊中冠層覆蓋度與樣點總莖蘗數(shù)的關系

71個農(nóng)戶地塊樣點總莖蘗數(shù)范圍為41～278個，其中旺苗占76%，一類苗19%，二類苗12%，弱苗3%；樣點覆蓋度范圍為4.21%～31.57%。

對農(nóng)戶地塊的樣點冠層覆蓋度與樣點總莖蘗數(shù)進行相關性分析，并用不同的函數(shù)建立相關關系，見表3。4種不同函數(shù)擬合覆蓋度與總莖蘗數(shù)之間都具有極顯著關系，其中冪函數(shù)擬合效果最好，F(xiàn)=124.596，SE=0.264，決定系數(shù)（R2）達到0.471；其次是對數(shù)函數(shù)F=94.414，SE=4.705，決定系數(shù)（R2）達到0.403，表明管理水平差異很大的農(nóng)戶地塊應用Canopeo手機軟件進行群體快速診斷也是可行的。

考慮到小麥的分蘗特性，隨小麥生育天數(shù)增加，小麥行間郁閉程度增加，直至最后完全覆蓋，即覆蓋度為100%。結(jié)合小麥生長特性和地點1擬合情況，認為對數(shù)函數(shù)更符合實際情形，更能反映覆蓋度與總莖蘗數(shù)之間的關系（見圖3）。

2.3 根據(jù)冠層覆蓋度檢測結(jié)果進行管理推薦

應用Canopeo快速檢測冠層覆蓋度，目的是對小麥群體進行快速估算，從而采取針對性管理措施。生產(chǎn)中可以將覆蓋度、畝莖數(shù)（苗情）和管理措施結(jié)合起來設計小軟件，將覆蓋度與相應的田間管理措施對應起來，見表4。

管理措施 推遲澆水至拔節(jié)期并每667m2追施尿素20～25kg或者是30-0-5的高氮復合肥30kg并在拔節(jié)期以前噴施多效唑類藥劑進行化學控旺 為防止小麥旺長，培育健壯群體，推遲澆水至拔節(jié)期并每667m2追施尿素20～25kg或者是30-0-5的高氮復合肥30kg 起身期澆灌并每667m2追施尿素20～25kg或者是30-0-5的高氮復合肥30kg，促弱轉(zhuǎn)壯 返青期澆灌并每667m2追施尿素20～25kg或者是30-0-5的高氮復合肥30kg，并考慮噴施磷酸二氫鉀等葉面肥，促弱轉(zhuǎn)壯

以地點1對數(shù)函數(shù)擬合的函數(shù)方程為例：樣點冠層覆蓋度（y）與樣點總莖蘗數(shù)（x）函數(shù)關系為：y= 13.869ln（x）-48.913。

其中a為Canopeo檢測的小麥冠層覆蓋度（%），b為小麥10行行距（m）。

為了能夠借助冠層覆蓋度的檢測結(jié)果直接指導小麥生產(chǎn)，可用VBA（Visual Basic for Applications）語言設計小軟件，實現(xiàn)根據(jù)覆蓋度檢測結(jié)果自動推薦相應的田間管理措施的目的。

3 討論

本文在進行小麥群體快速調(diào)查時，以冠層覆蓋度為衡量標準，在而農(nóng)戶田間品種、播量、播期、整地質(zhì)量、播種方式差異較大，導致診斷精確性略低。地點2農(nóng)民地塊樣點平均總莖蘗數(shù)為165個，地點1實驗地塊樣點平均總莖蘗數(shù)為132個。按照平均行距18cm計算，地點2平均667m2總莖蘗數(shù)為122萬，屬旺苗，地點667m2總莖蘗數(shù)為98萬，屬一類苗?？紤]到農(nóng)民地塊普遍播期早、播量大和過量施用氮肥導致旺苗十分普遍的現(xiàn)狀，可以推斷：會受品種、播種量、播種日期、整地質(zhì)量、播種方式、光照情況、人員操作等因素影響，農(nóng)戶地塊普遍群體過大，導致不同葉片/分蘗間遮擋程度增大，是造成農(nóng)戶地塊覆蓋度與莖蘗數(shù)相關性大大降低的主要原因。因此，對于管理水平差異大，尤其是播量大、播期早的農(nóng)戶地塊，采用Canopeo進行群體快速診斷時，要提高調(diào)查精度，需要將時間提前，例如在小麥越冬期及以前進行。本文在2個不同地點、不同管理水平的地塊研究了冬小麥返青期的冠層覆蓋度與總莖蘗數(shù)的關系，而沒有對不同地點相同管理水平的多個時期進行研究，后續(xù)研究還需要跟進。

光照及對作物冠層光譜的準確捕捉是診斷準確性的關鍵，在同等氣象條件下、采用標準化的操作方法是核心。本實驗在農(nóng)戶地塊中診斷涉及多天，氣象條件略有不同。而且對大范圍農(nóng)田進行診斷時，操作難免不一致也降低了診斷的準確性。本研究中樣點兩端與相機取景框上下剛好對齊、相機垂直樣段等操作要求完全由操作人員主觀把握，受人為因素影響較大。若在科研上應用還需要引入更加精準可靠的參考方法。但考慮到小麥苗情劃分范圍較廣，每個級別之間總莖蘗數(shù)跨度高達20萬，因此用于指導小麥生產(chǎn)是可行的。

4 結(jié)論

科學管理的實驗地塊冠層覆蓋度與總莖蘗數(shù)相關關系最好（R2=0.812），管理水平差異很大的農(nóng)戶地塊相關性較差（R2=0.403），但均存在極顯著關系，表明即使在管理水平差異很大農(nóng)民地塊中應用Canopeo手機軟件進行群體快速診斷也是可行的，只是精度不高。

農(nóng)民地塊中進行群體快速診斷要保證精度，嚴格按照操作方法（相機與地面垂直、樣點兩段與相機取景框上下端對齊）進行操作，還需要盡量將時間提前，以降低農(nóng)民地塊群體過大，葉片/分蘗之間遮蓋程度過大對診斷結(jié)果的影響。

參考文獻

[1]單成鋼，廖樹華，梁振興，朱虹，鄭麗敏，王璞.小麥群體圖像特征識別方法的研究——小麥群體總莖數(shù)的診斷[J].作物學報，2004（12）：1281-1283.

[2]蔡鐵.小麥分蘗發(fā)生調(diào)控及構(gòu)建合理群體結(jié)構(gòu)的化控途徑[D].濟南：山東農(nóng)業(yè)大學，2013.

[3]盧殿君.華北平原冬小麥高產(chǎn)高效群體動態(tài)特征與氮營養(yǎng)調(diào)控[D].北京：中國農(nóng)業(yè)大學，2015.

[4]王姍姍.“渤海糧倉”小麥苗情診斷及氣象災害預測與服務系統(tǒng)研發(fā)[D].濟南：山東農(nóng)業(yè)大學，2016.

[5]侯學會，牛錚，黃妮，許時光.小麥生物量和真實葉面積指數(shù)的高光譜遙感估算模型[J].國土資源遙感，2012（4）：30-35.

[6]徐改花，張福平，周正朝，甘卓亭，蒲蕾，陳麗.利用數(shù)碼相片對冬小麥生物量的試算[J].資源開發(fā)與市場，2011，27（3）：193-196.

[7]鄭玲，朱大洲，王成，潘大宇，羅斌，趙春江.基于LabVIEW的小麥生物量檢測系統(tǒng)[J].農(nóng)業(yè)機械學報，2013，44（9）：214-218.

[8]鄭玲.小麥生物量田間快速測量方法研究[D].楊凌：西北農(nóng)林科技大學，2015.

[9]胡新，孫忠富，任德超，杜克明.越冬期小麥苗情分類綜合指數(shù)計算方法探討[J].河南農(nóng)業(yè)學，2012，41（12）：38-41.

[10]單成鋼，廖樹華，龔宇，梁振興，王璞.應用數(shù)字圖像技術診斷冬小麥冠層生物量垂直分布特征的研究[J].作物學報，2007（3）：419-424.

作者簡介：劉家歡（1993-），男，湖北宜昌人，農(nóng)學學士，研究方向：小麥技術集成與小麥信息化服務系統(tǒng)建設。