楊紅云 周瓊 楊珺 孫玉婷 路艷

（1 江西農(nóng)業(yè)大學(xué)軟件學(xué)院，南昌330045；2 江西省高等學(xué)校農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南昌330045；3 江西農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院，南昌330045；第一作者：nc_yhy@163.com）

水稻栽培管理中，氮肥對糧食作物產(chǎn)量的貢獻(xiàn)率占50%左右[1]。精準(zhǔn)及時施氮可大大降低水稻的無效分蘗率，優(yōu)化群體結(jié)構(gòu)，改善田間植株生長狀況，同時降低病害發(fā)生率，提高成穗率，從而實(shí)現(xiàn)水稻高產(chǎn)[2]。19世紀(jì)開始水稻氮素營養(yǎng)診斷技術(shù)漸漸興起，在農(nóng)業(yè)生產(chǎn)領(lǐng)域扮演著重要角色。隨著科技發(fā)展，水稻氮素營養(yǎng)診斷方法主要有外觀診斷、化學(xué)診斷與現(xiàn)代氮素營養(yǎng)診斷。外觀診斷主要包括植株顏色診斷、植株長勢長相診斷；化學(xué)診斷主要包括全氮診斷、硝酸鹽診斷；現(xiàn)代氮素營養(yǎng)診斷主要包括葉綠素儀測量、機(jī)器視覺及高光譜遙感。本文主要對發(fā)展過程中被廣泛使用的以上幾類水稻氮素營養(yǎng)診斷方法進(jìn)行闡述說明。

1 外觀診斷

植株的營養(yǎng)狀態(tài)可從其莖葉的顏色、形態(tài)及生長速度等各方面進(jìn)行觀察，從而作出相應(yīng)診斷。

1.1 顏色診斷

根據(jù)水稻植株顏色診斷并追肥的事例早已在明崇禎末年撰寫的《沈氏農(nóng)書》中有記錄[3]。20 世紀(jì)50年代末陳永康提出了晚稻“三黃三黑”顏色診斷，用于施肥管理[4]。20 世紀(jì)90年代陶勤男等發(fā)明了水稻標(biāo)準(zhǔn)葉色卡，用于營養(yǎng)狀況診斷，其具有簡單方便、半定量化的優(yōu)點(diǎn)，但受水稻品種及土壤氮素營養(yǎng)狀況等因素影響較大，從而限制了葉色卡的應(yīng)用[5]。還有肥料窗口法，它是在種植區(qū)域中選定一塊微小區(qū)域作為標(biāo)記區(qū)域，標(biāo)記區(qū)域的氮素營養(yǎng)狀況水平要略低于其它種植區(qū)域，當(dāng)標(biāo)記區(qū)域表現(xiàn)出植株過于矮小等缺氮的相關(guān)癥狀，則表示其余種植區(qū)水稻此時正瀕臨缺氮，該法適于對土壤狀況不易發(fā)生改變區(qū)域所種植的水稻進(jìn)行氮素診斷及追肥操作，但該法還需對追肥量進(jìn)行具體量化[6]。

1.2 長勢長相診斷

20 世紀(jì)60年代后期開始長勢長相診斷在我國大范圍推廣應(yīng)用，農(nóng)戶們主要是基于以往的作物種植經(jīng)驗(yàn)，通過分析水稻的實(shí)時長勢長相以判斷其氮素營養(yǎng)狀況，如莖稈各節(jié)間隙過長、葉色過淺、較晚成熟等均為水稻的過氮表現(xiàn)，而莖稈矮小、生長過于緩慢、葉尖發(fā)黃等均為水稻的缺氮表現(xiàn)。通過以上多種癥狀能夠?qū)ζ涞貭I養(yǎng)狀況進(jìn)行有效判定，進(jìn)而指導(dǎo)施氮。該方法能夠有效診斷作物當(dāng)時處于何種氮素營養(yǎng)狀況，但由于近年來不斷變化的種植環(huán)境，且品種更替頻繁，外觀的變異并無固定規(guī)律可循，因而應(yīng)用受到限制[7]。

2 化學(xué)診斷

2.1 全氮診斷

作為較早開始研究且已較為成熟的一種化學(xué)診斷方法，全氮診斷是根據(jù)化學(xué)實(shí)驗(yàn)分析植株組織后進(jìn)行診斷判定，植株的氮素營養(yǎng)狀況與其最終產(chǎn)量呈正比關(guān)系，能夠診斷出當(dāng)時的植株氮素營養(yǎng)狀況。全氮診斷主要包括靛酚藍(lán)比色法和凱氏定氮法，前者較后者更加快捷，但二者的結(jié)果相近[8]。雖然全氮診斷的結(jié)果精確性高，但是其所需成本較高，且需消耗大量的分析時間及破壞性取樣的操作，故實(shí)際推廣應(yīng)用受到限制。

2.2 硝酸鹽診斷

當(dāng)水稻植株的全氮含量突破某一特定閾值時，硝態(tài)氮在水稻的各個器官部位（如根、莖、葉）進(jìn)行累積[9]。硝態(tài)氮是以半儲備的形式儲于水稻植株內(nèi)部的一種非代謝物質(zhì)，當(dāng)水稻植株開始對氮有需求的時候硝態(tài)氮庫需求量即刻增加，全氮庫的變化程度與硝態(tài)氮庫的變化程度呈反比，即當(dāng)全氮庫變化小時，則硝態(tài)氮庫變化大[10]。由于水稻植株對全氮的靈敏度低于硝態(tài)氮，故關(guān)于氮素營養(yǎng)診斷能夠使用硝態(tài)氮進(jìn)行代替。德國的默克公司在20 世紀(jì)末期研究出一種硝酸根試紙，僅需1 min 即可測定獲知測驗(yàn)樣品中的硝態(tài)氮含量。但對于不同作物品種、不同區(qū)域甚至于同一作物的不同生育期，它們的硝態(tài)氮含量差異較大，并且需進(jìn)行破壞性取樣操作，因而實(shí)際應(yīng)用受到限制。

3 現(xiàn)代氮素營養(yǎng)診斷

3.1 葉綠素儀測量

已經(jīng)有相關(guān)研究表明，水稻葉片含氮量與其葉綠素含量呈正相關(guān)關(guān)系，因此測定葉綠素含量就能夠知悉植株此時的氮素營養(yǎng)狀況[11]。日本美能達(dá)公司在20世紀(jì)80年代研制出了SPAD-501 及SPAD-502 兩款葉綠素測量儀，該儀器能夠根據(jù)葉片的葉綠素a 以及葉綠素b 對不同波段光各自的吸收特性，用一個具體的數(shù)值來體現(xiàn)葉片的綠色程度，即SPAD 值，它有效克服了傳統(tǒng)外觀診斷的弊端如人類主觀判斷導(dǎo)致的誤差等[12]。近年來許多研究學(xué)者應(yīng)用SPAD 葉綠素測量儀進(jìn)行水稻氮素營養(yǎng)診斷相關(guān)研究。LI 等[13]應(yīng)用葉綠素儀獲取水稻葉片SPAD 值，通過變異系數(shù)（CV）評估了同一葉片不同葉齡時的SPAD 值與氮素吸收速率的敏感性，發(fā)現(xiàn)葉齡越大時其SPAD 值對氮素越敏感。王紹華等[14]采用SPAD-502 葉綠素儀獲取6 個品種水稻葉片的SPAD 值，發(fā)現(xiàn)頂4 葉可用于水稻氮素營養(yǎng)狀況識別，并且水稻的含氮量與頂3 葉、頂4 葉之間的色差呈顯著相關(guān)性，同時這一結(jié)論在不同生育期、不同品種間均成立。林娜等[15]采用田間試驗(yàn)的方式，連續(xù)45 d 使用SPAD-502 葉綠素儀記錄不同氮素水平下水稻葉片SPAD 值的動態(tài)變化情況，發(fā)現(xiàn)170 kg/hm2是東北黑土區(qū)水稻最適合的施氮值，且在分蘗至孕穗這一時期內(nèi)SPAD 值為40 時追施最恰當(dāng)。袁召峰等[16]應(yīng)用SPAD-502 葉綠素儀對長江下游稻麥兩熟區(qū)的水稻頂1 葉至頂4 葉取樣測試，發(fā)現(xiàn)拔節(jié)至孕穗這一時期內(nèi)頂4 葉的歸一化SPAD 指數(shù)（NSI4）對缺氮響應(yīng)更加敏感。王艷等[17]應(yīng)用葉綠素儀獲取寒地水稻葉片SPAD 值，發(fā)現(xiàn)分蘗期和孕穗期的葉片SPAD 值可作為氮素診斷指標(biāo)。盡管葉綠素儀被廣泛應(yīng)用于氮素營養(yǎng)診斷，但其仍存在一些缺點(diǎn)，如SPAD 值受光照影響大，并需多點(diǎn)多次測定才能有效降低其變異度；在一定范圍內(nèi)SPAD值與施氮量呈正比，但超過一定閾值后SPAD 值幾乎無變化。因此葉綠素儀在氮素營養(yǎng)診斷上可能還存在些許困難。

3.2 機(jī)器視覺

缺氮及過氮狀態(tài)下的水稻植株，葉片的顏色和外觀會發(fā)生明顯變化，這些都能成為水稻氮素營養(yǎng)診斷的依據(jù)。256 級灰度是通過機(jī)器視覺技術(shù)所獲圖像的分辨率，這要遠(yuǎn)高于人類肉眼40 級灰度的顏色分辨率，對于水稻缺乏氮肥或過量氮肥的癥狀不明顯時，此時機(jī)器視覺技術(shù)可幫助人類獲取人類經(jīng)驗(yàn)無法辨別的相關(guān)特征特性，便于進(jìn)行氮素營養(yǎng)診斷以及盡早采取相應(yīng)的補(bǔ)救措施。

近年來，許多研究學(xué)者應(yīng)用機(jī)器視覺技術(shù)進(jìn)行水稻氮素營養(yǎng)診斷研究。孫琪等[18]以秀水110 為材料進(jìn)行分析，發(fā)現(xiàn)顏色分量G 值與深綠色指數(shù)DGCI 均可體現(xiàn)拔節(jié)期水稻的氮素營養(yǎng)狀況，并應(yīng)用主成分分析和統(tǒng)計(jì)回歸分析建立基于水稻冠層圖像的氮素營養(yǎng)診斷模型，4 個氮素營養(yǎng)狀況的識別準(zhǔn)確率分別為91.6%、70.83%、86.7%、95%。祝錦霞等[19-20]應(yīng)用掃描儀獲取秀水110 水稻拔節(jié)期頂3 葉圖像，應(yīng)用水稻葉片的綜合特征信息、YIQ 電視信號彩色坐標(biāo)系統(tǒng)的CB 值并結(jié)合統(tǒng)計(jì)回歸分析建立水稻氮素營養(yǎng)診斷模型，4個氮素營養(yǎng)狀況的識別準(zhǔn)確率分別為74.9%、52.0%、84.7%和75.0%，同時發(fā)現(xiàn)頂3 葉可用于水稻氮素營養(yǎng)診斷。賈良良等[21]使用相機(jī)獲取幼穗分化期水稻冠層的圖像，發(fā)現(xiàn)水稻冠層圖像的紅光標(biāo)準(zhǔn)化值、綠光值、紅光值與水稻植株的含氮量均呈負(fù)相關(guān)關(guān)系，另外綠光標(biāo)準(zhǔn)化值則與水稻植株的含氮量呈正相關(guān)關(guān)系。石媛媛等[7]應(yīng)用掃描儀獲取丙9811 和中浙優(yōu)1 號葉片及冠層圖像，獲取其葉片顏色以及形態(tài)特征數(shù)據(jù)并應(yīng)用主成分分析，計(jì)算顏色參數(shù)CI，采用Cfs、Ss 方法對32項(xiàng)特征進(jìn)行特征篩選，應(yīng)用粗糙集進(jìn)行氮素營養(yǎng)診斷，發(fā)現(xiàn)頂3 葉可用于識別水稻缺氮和正常氮素狀況，頂2 葉可用于識別水稻過氮情況；同時應(yīng)用因子分析獲取3 個因子代表葉片和冠層特征信息，發(fā)現(xiàn)顏色因子貢獻(xiàn)率均為最高，同時獲取綜合預(yù)測因子FZ 與葉片含氮量建立水稻葉片含氮量預(yù)測模型，效果較好。劉江桓[22]應(yīng)用掃描儀獲取中嘉早17、株兩優(yōu)819 和淦鑫203葉片圖像并結(jié)合統(tǒng)計(jì)分析發(fā)現(xiàn)，頂3 葉的G 值、G/（R+G+B）值與植株全氮含量均呈顯著相關(guān)性。王遠(yuǎn)等[23-24]采用數(shù)碼相機(jī)獲取不同氮素營養(yǎng)水平下不同品種的葉片圖像，發(fā)現(xiàn)H、V、DGCI 等3 個特征值與葉片SPAD值、葉片含氮量之間均呈良好線性關(guān)系，孕穗期水稻葉片圖像能夠用于氮素營養(yǎng)診斷，且顏色分量V 值最能體現(xiàn)其氮素營養(yǎng)狀況；另外當(dāng)分割閾值分別為10 與20 能夠有效分割拔節(jié)期與孕穗期水稻冠層圖像。顧清等[25]應(yīng)用掃描儀獲取溫室水培浙優(yōu)1 號頂3 葉圖像，發(fā)現(xiàn)葉尖的黃化面積比例與葉片含氮量高度相關(guān)（R2=0.863），采用CfsSubsetEval 和Scatter search 方法進(jìn)行特征篩選并應(yīng)用支持向量機(jī)進(jìn)行氮素營養(yǎng)診斷，該法對缺氮和正常氮素狀況識別準(zhǔn)確率較高，氮素水平與識別準(zhǔn)確率成反比。陳利蘇[26]應(yīng)用掃描儀獲取溫室水培浙優(yōu)1 號頂3 葉圖像，對于圖像中的顏色、形態(tài)特征應(yīng)用SVFS 篩選出最優(yōu)特征組合，結(jié)合支持向量機(jī)進(jìn)行水稻氮素營養(yǎng)診斷，4 個氮素營養(yǎng)狀況的識別準(zhǔn)確率分別為94%、98%、96%、100%。李嵐?jié)萚27]應(yīng)用數(shù)碼相機(jī)獲取兩優(yōu)6326 在分蘗期、拔節(jié)期、孕穗期和灌漿期等4 個生育期下的冠層圖像，發(fā)現(xiàn)冠層色彩參數(shù)NRI值可用于水稻氮素營養(yǎng)診斷。

3.3 高光譜遙感

在精準(zhǔn)農(nóng)業(yè)施肥管理中高光譜遙感技術(shù)的地位日益重要。作為光譜分辨率達(dá)到納米數(shù)量級的一種遙感技術(shù)，高光譜遙感的特點(diǎn)主要表現(xiàn)為光譜的信息量大、光譜的分辨率高同時其波段的連續(xù)性強(qiáng)，允許其對目標(biāo)物進(jìn)行微弱光譜差異分析以及進(jìn)行直接識別，植被的化學(xué)、形態(tài)學(xué)特征決定了其光譜的反射特性或發(fā)射特性[28]。近年來，國內(nèi)外許多研究學(xué)者應(yīng)用高光譜遙感技術(shù)進(jìn)行水稻氮素營養(yǎng)診斷研究。徐濤[29]發(fā)現(xiàn)，“三邊”參數(shù)SDr/SDb 與水稻葉片的含氮量之間呈顯著相關(guān)性。薛利紅等[30]發(fā)現(xiàn)，群體葉片含氮量與光譜560 nm處的反射率呈明顯指數(shù)關(guān)系，且R2=0.75。XUE 等[31]發(fā)現(xiàn)，R810/R560 與水稻葉片含氮量呈線性關(guān)系。譚昌偉等[32]獲取了陸稻中旱3 號和武香粳99-8 在抽穗開花期、灌漿期的高光譜，發(fā)現(xiàn)水稻植株各器官在近紅外波段的光譜反射能力從高至低排列依次為葉、穗、鞘、莖，在可見光波段則與此相反，且含氮量在各器官中總變化趨勢依次為葉、穗、鞘、莖；同時應(yīng)用植被指數(shù)歸一化變量（SDr-SDb）/（SDr +SDb）進(jìn)行水稻氮素營養(yǎng)診斷的效果較好。張浩等[33]結(jié)合CBERS-1 遙感影像技術(shù)與BP神經(jīng)網(wǎng)絡(luò)建立水稻穗期葉片含氮量預(yù)測模型，效果較好。田永超等[34]針對水稻鮮葉與水稻干葉粉末的近紅外光譜分別應(yīng)用PLS 建立水稻含氮量預(yù)測模型，兩個模型的RC2 均高于0.94，其中基于水稻干葉粉末近紅外光譜的含氮量預(yù)測模型效果更佳。李穎等[35]應(yīng)用概率神經(jīng)網(wǎng)絡(luò)對室內(nèi)盆栽水稻冠層光譜進(jìn)行氮素營養(yǎng)診斷識別分類，分蘗期總體識別準(zhǔn)確率為74%，拔節(jié)期總體識別準(zhǔn)確率為75%，抽穗期總體識別準(zhǔn)確率為71%。鄭博元[36]對陽光4 號葉片光譜參數(shù)與葉片含氮量進(jìn)行相關(guān)性分析，發(fā)現(xiàn)581 nm、671 nm、683 nm、707 nm 為其敏感波長，并應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行基于水稻冠層高光譜圖像的氮素營養(yǎng)診斷，拔節(jié)期總體識別準(zhǔn)確率為96%，抽穗期總體識別準(zhǔn)確率為90%，其中R533/R683×R581 和R489/R670×R683 三波段比值植被指數(shù)預(yù)測方正水稻冠層葉片含氮量效果較好。邵華等[37]應(yīng)用地物波譜儀采集不同生育期、不同氮素水平的水稻冠層高光譜，應(yīng)用一階微分光譜及植被指數(shù)分別進(jìn)行水稻氮素營養(yǎng)診斷，發(fā)現(xiàn)400～650 nm 及730～1350 nm是各個氮素水平下冠層光譜反射率差異的集中區(qū)域，隨著水稻的生長，其冠層葉片光譜反射率逐漸降低，原本在519 nm 處出現(xiàn)的反射峰移至554 nm 處，同時基于水稻一階微分光譜預(yù)測水稻葉片含氮量的效果最佳。宋紅燕等[38]應(yīng)用長江中下游覆膜旱作區(qū)拔節(jié)期、抽穗期水稻冠層光譜特征進(jìn)行水稻含氮量預(yù)測，發(fā)現(xiàn)GNDVI（綠色歸一化植被指數(shù)）、RVI（552 nm 和890 nm兩波段之比）與水稻植株含氮量均呈較高相關(guān)性。趙越[39]發(fā)現(xiàn)，抽穗期龍稻23 采用全光譜-MSRA 氮素診斷回歸模型可用于水稻氮素營養(yǎng)診斷，成熟期龍稻20 采用SPCA-CA-MRA 氮素診斷回歸模型可用于水稻氮素營養(yǎng)診斷。張國圣等[40]發(fā)現(xiàn)，水稻分蘗期歸一化差值植被指數(shù)（NDVI）與葉片含氮量呈較高相關(guān)性，應(yīng)用NDVI值可較好反演分蘗期水稻冠層含氮量。張雨[41]應(yīng)用最小距離分類法對五優(yōu)稻3 號和陽光4 號多光譜影像經(jīng)波段變換后獲取的GNDVI 圖像進(jìn)行水稻氮素營養(yǎng)診斷，總體識別精度較差，最高僅為57.47%，但嚴(yán)重缺氮與嚴(yán)重過氮的識別準(zhǔn)確率較高，達(dá)到93.83%。王樹文等[42]建立基于原始高光譜、SPCA 特征光譜參量以及SPA 特征波段的多個抽穗期寒地水稻葉片含氮量預(yù)測回歸模型，其中基于多元逐步回歸分析的全波段模型用于進(jìn)行水稻氮素營養(yǎng)診斷的預(yù)測準(zhǔn)確率最高。NGUYEN 等[43]發(fā)現(xiàn)，應(yīng)用偏最小二乘法建立水稻氮素營養(yǎng)診斷模型，其診斷效果較好。

4 結(jié)論

綜上所述，目前已有許多水稻氮素營養(yǎng)診斷方法，外觀診斷、化學(xué)診斷、葉綠素儀測量或多或少均存在一些缺點(diǎn)?，F(xiàn)階段基于機(jī)器視覺和高光譜遙感的水稻氮素營養(yǎng)診斷技術(shù)等在水稻氮素營養(yǎng)診斷和氮肥的精準(zhǔn)調(diào)控等方面已成為關(guān)鍵技術(shù)，也是互聯(lián)網(wǎng)加農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)的重要研究技術(shù)領(lǐng)域。近年來許多國內(nèi)外研究學(xué)者應(yīng)用以上技術(shù)開展了大量的研究工作，已取得一些研究成果，但仍存在亟待解決的問題，如通用水稻氮素營養(yǎng)診斷生育期、通用圖像特征、通用關(guān)鍵光譜參數(shù)、通用建模方法等方面都需進(jìn)一步研究。