李燕麗 雷仁清 宋瀟 李滔 伍夢起 張路平 王謝添

摘要：通過田間試驗分析了16種常用圖像特征指數(shù)在不同受漬時長下的變化特征及其與小麥葉綠素的相關(guān)關(guān)系，并建立了基于圖像特征指數(shù)衰減量的小麥葉綠素災(zāi)損估算模型。結(jié)果顯示，紅光（R）、紅光標(biāo)準(zhǔn)化值（NRI）、綠-紅差值指數(shù)（GMR）、超紅指數(shù)（EXR）、植被顏色指數(shù)（CIVE）、Woebbecke指數(shù)（WI）隨漬水時間的增加極顯著上升，而綠光標(biāo)準(zhǔn)化值（NGI）、歸一化綠紅差值指數(shù)（NGRDI）、超綠指數(shù)（EXG）、綠紅比值指數(shù)（GRVI）則極顯著下降;且這10個圖像特征指數(shù)均與小麥葉綠素呈極顯著的相關(guān)關(guān)系，相關(guān)系數(shù)的最大絕對值達到0.98;基于圖像指數(shù)衰減量建立的葉綠素減少量的估算模型均以二次多項式為最優(yōu)模型，且以NGRDI、CIVE、EXG、NGI和GRVI指數(shù)衰減量構(gòu)建的估算模型精度較高，R2均達到0.99以上。由此可以看出，基于數(shù)字圖像技術(shù)可以有效估算小麥葉綠素含量，進行小麥漬害監(jiān)測，且NGRDI、CIVE、EXG、NGI和GRVI可作為災(zāi)損圖像指數(shù)來反映小麥葉綠素的受漬程度。

關(guān)鍵詞：漬害;葉綠素;冬小麥;數(shù)字圖像

中圖分類號：S512;S126? ? ? ? ?文獻標(biāo)識碼：A

文章編號：0439-8114（2019）23-0197-04

DOI：10.14088/j.cnki.issn0439-8114.2019.23.049? ? ? ? ? ?開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Estimation of wheat chlorophyll under waterlogging stress

based on digital image technology

LI Yan-li，LEI Ren-qing，SONG Xiao，LI Tao，WU Meng-qi，ZHANG Lu-ping，WANG Xie-tian

（Agriculture College of Yangtze University，Jingzhou 434025，Hubei，China）

Abstract： The paper analysis the changes of 16 image feature indices through field experiments， as well as the correlation with wheat chlorophyll， and then constructing estimated models of wheat waterlogging based on the attenuation of image feature indices. The results shows that R， normalized redness index （NRI）， green minus red （GMR）， excess red index （EXR）， color index of vegetation extraction （CIVE）， Woebbecke index（WI） were all significantly increased with the time increased of waterlogging， while normalized greenness index （NGI）， normalized green red difference index （NGRDI）， excess green index （EXG）， green-red ratio vegetation index （GRVI） were significantly decreased. And the above 10 image feature indices were significantly correlated with chlorophyll， with the maximum absolute values of 0.98. Moreover， the quadratic polynomial model could be efficiently applied for the modeling of chlorophyll reduction estimation， and the accuracy of the models based on NGRDI、CIVE、EXG、NGI and GRVI exponential deerement was high R2 was above 0.99. These results indicated that digital image technology could be applied as an effective method for chlorophyll estimation to monitor wheat waterlogging， and NGRDI、CIVE、EXG、NGI and GRVI can be used as disaster damage image index to reflect the degree of wheat chlorophyll waterlogging.

Key words： waterlogging; chlorophyll; winter wheat; digital image

在小麥生育中后期因過多降雨造成的澇漬災(zāi)害是長江中下游地區(qū)小麥高產(chǎn)穩(wěn)產(chǎn)的主要限制因子[1-3]。受漬害的小麥根系長期處在缺氧的環(huán)境中，根的吸收功能減弱，造成植株體內(nèi)水分虧缺，嚴(yán)重時造成脫水凋萎或死亡。因此，實現(xiàn)小麥漬害的實時、快速、精準(zhǔn)監(jiān)測，對及時了解農(nóng)作物受害程度、指導(dǎo)農(nóng)業(yè)生產(chǎn)管理及產(chǎn)量估測等方面具有重要的意義。

近年來，隨著計算機視覺和圖像信息處理技術(shù)的快速發(fā)展，數(shù)字圖像技術(shù)在農(nóng)業(yè)研究領(lǐng)域引起了廣泛重視[4-6]。利用數(shù)字圖像技術(shù)對植物生長進行監(jiān)測具有無損、快速、實時等優(yōu)點，不僅可以監(jiān)測作物的葉片面積、葉片周長、莖稈直徑、葉柄夾角等外部生長參數(shù)[7，8]，還可根據(jù)圖像信息的統(tǒng)計分析特征，結(jié)合實地考察與實際測量，分析作物的生長狀況及其影響因素，從而確定相應(yīng)的生產(chǎn)管理措施[9-11]。目前，國內(nèi)外對作物無損監(jiān)測研究主要集中在長勢監(jiān)測上，對農(nóng)作物漬害圖像特征研究相對較少[12，13]。葉綠素是作物光合作用能力和發(fā)育階段的指示器，是監(jiān)測植物生長健康狀況的重要指標(biāo)之一。因此，理清小麥?zhǔn)軡n后圖像變化特征及其與小麥葉綠素的相關(guān)關(guān)系是利用數(shù)字圖像數(shù)據(jù)進行漬害監(jiān)測的基礎(chǔ)，也是實現(xiàn)小麥漬害無損、快速、可視化監(jiān)測的前期條件。

本研究依據(jù)江漢平原小麥生育期降水致漬的特點，通過灌排可控的小區(qū)試驗?zāi)M江漢平原小麥孕穗期和花后遭受澇漬脅迫情形，分析漬害脅迫下小麥葉綠素和冠層圖像特征指數(shù)的變化特征，及其相關(guān)關(guān)系，并構(gòu)建基于圖像特征指數(shù)衰減量的小麥葉綠素估算模型，以探索漬害脅迫下小麥災(zāi)損程度的可視化監(jiān)測方法，為進行大尺度的漬害監(jiān)測提供理論基礎(chǔ)。

1? 材料與方法

1.1? 試驗區(qū)概況

試驗區(qū)位于長江大學(xué)試驗基地。該基地位于江漢平原腹地（30°21′N、112°09′E，海拔32 m），屬東部季風(fēng)農(nóng)業(yè)氣候大區(qū)、北亞熱帶農(nóng)業(yè)氣候帶、長江中下游農(nóng)業(yè)氣候區(qū)，年平均氣溫16.5 ℃，年均降水量約1 095 mm，年均日照時數(shù)1 718 h。受夏季風(fēng)影響，每年4—10月均可能發(fā)生暴雨洪澇災(zāi)害。地下水位較淺，約為3 m，該區(qū)農(nóng)作物主要為小麥、水稻、玉米、油菜等。

1.2? 方法

小區(qū)面積2 m×2 m、深1 m。每個小區(qū)底部布設(shè)有灌排一體系統(tǒng)，水管包裹一層海綿，四周墊有20 cm厚的谷殼，谷殼外面墊有10 cm厚的細沙，起到反濾的作用。小區(qū)表面布設(shè)有灌水系統(tǒng)，可從底部和上部2個方向灌溉。小區(qū)內(nèi)除水管附近為70 cm土層外，其余部位均為100 cm土層，小區(qū)內(nèi)土壤為中壤，取自旱地，按等土壤密度分層回填，0～30 cm耕層土壤pH 7.6，堿解氮69.4 mg/kg，速效磷28.7 mg/kg，速效鉀118.7 mg/kg。

選擇在江漢平原廣泛栽培的鄂麥596品種作為供試材料，2017年11月6日播種。播種前每小區(qū)撒施復(fù)合肥300 g（N∶P2O5∶K2O=18∶8∶15），施肥后混勻20 cm表層土壤。播種量為13.5 g/m2，條播，行距為25 cm，每小區(qū)9行。在返青期每小區(qū)撒施尿素50 g。在小麥花后（4月10日開始）進行不同時間長度的漬水處理（5、9、13和17 d）。漬澇處理為田間低洼處有明水，且土壤含水率保持在田間持水率的90%以上，達到設(shè)定漬澇時間后3 d將地下水位降到70 cm以下。同時，設(shè)定對照（CK），將小區(qū)內(nèi)土壤水分保持在田間持水率的70%～80%（即大田正常水分管理要求的土壤水分含量）。各處理和對照采用隨機區(qū)組試驗設(shè)計。在漬水處理之前，每小區(qū)選擇同一天開花﹑生長整齊的穗子50個進行掛牌標(biāo)記，以獲得小麥子粒的千粒重。

1.3? 樣品采集與測定

于2018年4月28日進行數(shù)據(jù)采集。小麥冠層圖像采用數(shù)碼相機（SONY NEX-5R，SONY Inc.，Tokyo，Japan）拍攝。為獲得同樣面積的采樣點，照片采集前先把100 cm×75 cm的矩形框放在所要拍攝的樣區(qū)位置，將相機垂直于小麥冠層高度1 m處進行拍攝，相機采用自動白平衡和多點自動對焦模式，同時設(shè)置為光圈優(yōu)先自動曝光。拍攝時保證相片覆蓋整個矩形框，提取矩形框內(nèi)區(qū)域作為該樣區(qū)的冠層圖像。照片采集均于光照強度較為穩(wěn)定的中午12點到13點間。

采用SPAD502儀測定葉片SPAD值以代表小麥葉綠素含量。每小區(qū)選取10片完全展開葉進行測定，每片葉為一個重復(fù)，每片葉測定8個點取平均值，以SPAD值表示。最后根據(jù)處理實產(chǎn)實收，測定小麥含水量進行干重換算，以獲取小麥最終產(chǎn)量。收獲掛牌標(biāo)記的小麥穗子，統(tǒng)計子粒數(shù)，然后將子粒置烘箱中經(jīng)105 ℃殺青0.5 h，再降至80 ℃烘干至恒重，稱其干質(zhì)量，并換算出子粒的千粒重。

1.4? 數(shù)據(jù)處理與分析

利用Matlab（The Math Works，Inc.）軟件來提取圖像特征指數(shù)。圖像特征指數(shù)計算公式見表1。采用各指標(biāo)或指數(shù)的漬害衰減量來衡量小麥?zhǔn)芎Τ潭龋ü?），并對其進行相關(guān)關(guān)系分析，篩選出最優(yōu)衰減指數(shù)以建立小麥葉綠素衰減量的估算模型。數(shù)據(jù)的相關(guān)性分析和回歸分析均采用SPSS軟件。

DX=Xnormal-Xwaterlogging? ? （1）

式中，DX代表葉綠素和圖像特征指數(shù)的減少量;Xnormal和Xwaterlogging分別代表對照區(qū)和漬害脅迫下小麥葉綠素和圖像特征指數(shù)。

2? 結(jié)果與分析

2.1? 小麥葉綠素隨漬水時間的變化特征分析

小麥葉綠素隨漬水時間的變化如圖1所示。由圖1可見，小麥短期漬水（≤5 d）對SPAD影響不明顯;當(dāng)漬水時間大于5 d時，SPAD值隨漬水時間的增加大幅下降;當(dāng)漬水時間大于13 d時，其變化不明顯。出現(xiàn)上述現(xiàn)象的主要原因是小麥本身具有一定耐漬性，小麥?zhǔn)軡n后葉片短期內(nèi)就會出現(xiàn)反應(yīng)，迅速失水，但短期漬害后恢復(fù)的也快。隨著漬水時間的延長，小麥?zhǔn)潭戎饾u加強，致使小麥生育期提前，提前進入蠟熟期，而正常小麥還處于灌漿期。

2.2? 小麥圖像特征指數(shù)隨漬水時間的變化及其與SPAD的相關(guān)關(guān)系

為研究小麥圖像特征指數(shù)隨漬水時間的變化及其與葉綠素含量的相關(guān)關(guān)系，分別對小麥圖像特征指數(shù)與漬水時間、SPAD進行相關(guān)關(guān)系分析（表2）。由表2可見，16種圖像特征指數(shù)中有10種圖像特征指數(shù)（R、NRI、NGI、NGRDI、GMR、EXR、EXG、CIVE、GRVI、WI）與漬水時間具有極顯著相關(guān)關(guān)系，相關(guān)系數(shù)的絕對值最大值為0.92;其中R、NRI、GMR、EXR、CIVE、WI隨漬水時間的增加極顯著上升，而NGI、NGRDI、EXG、GRVI則極顯著降低。

由小麥圖像特征指數(shù)與SPAD相關(guān)關(guān)系（表2）可知，16種圖像特征指數(shù)中有9種圖像特征指數(shù)（R、NRI、NGI、NGRDI、GMR、EXR、EXG、CIVE、GRVI）與SPAD的相關(guān)系數(shù)均達到0.01極顯著性檢驗水平，其相關(guān)系數(shù)的絕對值最大為0.98，且R、NRI、GMR、EXR、CIVE與SPAD呈負相關(guān)關(guān)系;而NGI、NGRDI、EXG、GRVI與SPAD呈正相關(guān)關(guān)系。相對于這9種圖像特征指數(shù)而言，其他7種指數(shù)對受漬小麥變化不敏感。分別基于以上9種圖像特征指數(shù)建立小麥SPAD的估算模型，其最高估算精度（線性回歸R2）達到0.96。以上結(jié)果表明，基于數(shù)字圖像特征指數(shù)可以有效反映小麥?zhǔn)軡n時間，且可進行漬害脅迫下小麥葉綠素的估算。

2.3? 基于圖像特征指數(shù)減少量的小麥SPAD災(zāi)損估算

按照公式1計算小麥R、NRI、NGI、NGRDI、GMR、EXR、EXG、CIVE、GRVI 指數(shù)減少量，同時計算小麥SPAD的減少量。分別基于9種指數(shù)減少量建立小麥SPAD減少量的估算模型。結(jié)果表明，無論哪種圖像特征指數(shù)，SPAD減少量的估算模型均以二次多項式為最優(yōu)模型（表3）。由表3可知，基于9種小麥圖像特征指數(shù)減少量構(gòu)建的SPAD減少量擬合方程決定系數(shù)R2在0.905～0.998，均達到極顯著水平;且以CIVE的減少量為變量構(gòu)建的擬合方程決定系數(shù)最高，R2達到了0.998。由此可知，基于以上9種圖像特征指數(shù)的減少量可以有效估算漬害脅迫下小麥SPAD的減少量，且以NGRDI、CIVE、EXG、NGI和GRVI的估算結(jié)果最好，均達到0.99以上。因此，建議用NGRDI、CIVE、EXG、NGI和GRVI的減少量作為災(zāi)損圖像指數(shù)來反映小麥葉綠素的受漬程度。

3? 小結(jié)與討論

小麥本身具有一定耐漬性，但當(dāng)漬害脅迫超出小麥自身調(diào)節(jié)閾值時，小麥葉片部分光合結(jié)構(gòu)發(fā)生不可逆的破壞，其葉綠素含量逐漸減少，主要表現(xiàn)為受漬葉片加速發(fā)黃、萎蔫，且隨著受漬時間的延長，小麥產(chǎn)量、千粒重、穗粒重、穗長等參數(shù)逐漸降低[19-21]。佟漢文等[21]研究表明，漬水脅迫對小麥葉綠素的抑制作用最為明顯。因此，本試驗以葉綠素為研究對象，利用數(shù)字圖像技術(shù)監(jiān)測小麥漬害的可行性。

與傳統(tǒng)的作物漬害監(jiān)測方法相比，基于數(shù)字圖像技術(shù)提取的圖像特征指數(shù)來研究作物受害程度的方法具有很多優(yōu)勢，其實時、快速、方便、無損的優(yōu)點彌補了傳統(tǒng)方法的不足。利用不同受漬時長的小麥數(shù)字圖像數(shù)據(jù)，對圖像特征指數(shù)與SPAD進行相關(guān)關(guān)系分析，并建立基于圖像特征指數(shù)差異值的SPAD災(zāi)損估算模型（模型最高精度R2達到0.998），間接監(jiān)測不同受漬時間下的作物災(zāi)損狀況，充分發(fā)揮數(shù)字圖像技術(shù)實時高效的優(yōu)點，為漬害脅迫下作物災(zāi)損精準(zhǔn)、快速監(jiān)測提供了有效途徑。

本研究基于數(shù)字圖像技術(shù)進行了小麥漬害災(zāi)損監(jiān)測研究，表明利用小麥冠層圖像數(shù)據(jù)可以有效監(jiān)測漬害脅迫下小麥災(zāi)損程度。但是，由于小麥災(zāi)損程度隨小麥品種、土壤類型、土壤肥力、灌溉條件、受漬時間的不同而有所差異。因此，后續(xù)研究可將這些影響因素考慮進去，以提高漬害脅迫下作物災(zāi)損監(jiān)測精度，達到受災(zāi)作物快速、無損、高效監(jiān)測的目的。

參考文獻：

[1] 熊勤學(xué).四湖地區(qū)暴雨后澇漬害遙感空間分析[J].湖北農(nóng)業(yè)科學(xué)，2011，50（10）：1980-1983.

[2] 王小燕，高春保，盧碧林，等.江漢平原小麥開花前降水分布特點及同期漬害的產(chǎn)量效應(yīng)[J].長江流域資源與環(huán)境，2013，22（12）：1642-1647.

[3] 吳洪顏，張? 佩，徐? 敏，等.長江中下游地區(qū)冬小麥春季澇漬害災(zāi)損風(fēng)險時空分布特征[J].長江流域資源與環(huán)境，2018，27（5）： 1152-1158.

[4] GUPTA S D，IBARAKI Y，PATTANAYAK A K. Development of a digital image analysis method for real-time estimation of chlorophyll content in micropropagated potato plants[J].Plant biotechnology reports，2013，7（1）：91-97.

[5] BALASUBRAMANIAM P，ANANTHI V P. Segmentation of nutrient deficiency in incomplete crop images using intuitionistic fuzzy C-means clustering algorithm[J].Springer netherlands，2016，83：849-866.

[6] 趙春江，陸聲鏈，郭新宇，等.數(shù)字植物及其技術(shù)體系探討[J].中國農(nóng)業(yè)科學(xué)，2010，43（10）：2023-2030.

[7] 鄭邦友，石利娟，馬韞韜，等.水稻冠層的田間原位三維數(shù)字化及虛擬層切法研究[J].中國農(nóng)業(yè)科學(xué)，2009，42（4）：1181-1189.

[8] 楊紅云，孫愛珍，何火嬌.水稻葉片幾何參數(shù)圖像視覺測量方法研究[J].湖北農(nóng)業(yè)科學(xué)，2015，54（17）：4317-4320.

[9] 韓文霆，李? 敏，陳? 微.作物數(shù)字圖像獲取與長勢診斷的方法研究[J].農(nóng)機化研究，2012（6）：1-6.

[10] 孫? 紅，趙? 毅，張? 猛，等.玉米拔節(jié)期冠層葉綠素含量多光譜圖像檢測[J].農(nóng)業(yè)工程學(xué)報，2015，31（S2）：186-192.

[11] 王克如，李少昆，王崇桃，等.用機器視覺技術(shù)獲取棉花葉片葉綠素濃度[J].作物學(xué)報，2006，32（1）：34-40.

[12] WANG Y，WANG D，ZHANG G，et al. Estimating nitrogen status of rice using the image segmentation of GR thresholding method[J].Field crops research，2013，149：33-39.

[13] TORRES-SANCHEZ J，PENA J M，DE CASTRO A I，et al. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV[J].Computers and electronics in agriculture，2014，103：104-113.

[14] LIU J，PATTEY E，ADMIRAL S. Assessment of in situ crop LAI measurement using unidirectional view digital photography[J].Agricultural and forest meteorology，2013，169：25-34.

[15] 滕佳昆，劉? 宇，丁明濤.基于RGB圖像的刺槐季節(jié)變化監(jiān)測適用指數(shù)研究[J].遙感技術(shù)與應(yīng)用，2018，33（3）：476-485.

[16] GUIJARRO M，PAJARES G，RIOMOROS I，et al. Automatic segmentation of relevant textures in agricultural images[J].Computers and electronics in agriculture，2011，75（1）：75-83.

[17] JANNOURA R，BRINKMANN K，UTEAU D，et al. Monitoring of crop biomass using true colour aerial photographs taken from a remote controlled hexacopter[J].Biosystems engineering，2015，129：341-351.

[18] SMITS B. An RGB-to-spectrum conversion for reflectances[J].Journal of graphics tools，1999，4（4）：11-22.

[19] 肖夢華，俞雙恩，胡秀君.澇漬脅迫對冬小麥生長因子變化的影響研究[J].灌溉排水學(xué)報，2015，34（9）：33-39.

[20] 劉? 楊，石春林，劉曉宇，等.漬害脅迫時期和持續(xù)時間對冬小麥產(chǎn)量及其構(gòu)成因素的影響[J].麥類作物學(xué)報，2018，38（2）：240.

[21] 佟漢文，高春保，鄒? 娟，等.湖北稻茬小麥新品種（系）孕穗期耐漬性的鑒定與評價[J].麥類作物學(xué)報，2016，36（12）：1635-1642.