应用数字图像技术对有机肥施用后玉米氮营养诊断研究

目前常规的应用于玉米氮素营养诊断的方法需要大量的破坏性取样,并需要较长时间的室内测定,时效性和便捷性存在不足.该文设置了施用不同类型和用量的有机肥玉米盆栽试验,利用数码相机获取玉米十叶期冠层的数字图像,试图研究利用数码相机的可见光光谱进行施用有机肥后玉米氮营养诊断的可行性.研究结果表明,绿光值、红光值都与玉米叶片的SPAD值、地土部生物量和地上部吸氮量都有着显著或极显著的线性负相关关系;蓝光值则与上述玉米营养指标均没有达到显著相关.其中,绿光值与玉米叶片的SPAD值、地上部生物量和地上部吸氮缱的相关系数在0.40～0.45之间;而红光值与玉米上述指标的相关系数则达到了0.45～0.53之间,高于绿光值与相应指标的相关系数.综合比较,利用可见光光谱形成的数字图像可以用来对施用有机肥后的玉米氮营养进行诊断,图像的红光值是较好的进行营养诊断的数字图像指标.     

应用可见光光谱进行夏玉米氮营养诊断

传统的作物氮营养诊断需要大量的实验室分析和破坏性取样,时效性和便捷性不足.高光谱技术被逐渐应用到作物氮营养监测当中,但由于仪器昂贵并需要专业的软件进行处理,在一定程度上限制了这一技术的应用.文章通过田间试验研究了采用可见光光谱进行夏玉米氮营养诊断的可行性,并试图寻找适宜的表征作物氮营养的可见光光谱参数.研究结果表明,绿光值、蓝光值、红光标准化值、绿光标准化值和蓝光标准化值等多个图像参数均与夏玉米的植株全氮含量、叶片SPAD值有着显著的线性相关关系.在低施氮条件下,叶脉硝酸盐浓度低于2 000 mg·L-1时,绿光值、蓝光值、绿光标准化值和蓝光标准化值与叶脉硝酸盐浓度有着显著的线性相关关系.而在高施氮条件下,叶脉硝酸盐浓度高于2 000 mg·L-1时,随着叶脉硝酸盐浓度的升高,图像参数呈平台反应,不再增加.综合比较来说,以绿光标准化值和蓝光标准化值为最好,与各常规的氮营养诊断指标的相关系数介于0.45～0.66之间.     

应用数码相机进行绿肥翻压后春玉米氮素营养诊断和产量预测

在绿肥翻压条件下,常规的玉米氮素营养诊断技术存在耗时、费力和可靠性差的缺点。基于数码相机的可见光光谱技术已被广泛应用于大田作物的氮素营养诊断,但尚未见应用于绿肥翻压后的玉米氮素营养诊断。为评价利用图像处理技术进行绿肥翻压后玉米氮素营养诊断和玉米产量预测的可行性,设置了不同施氮水平下的绿肥翻压试验,利用数码相机获取不同生育期玉米冠层数字图像,分析了玉米冠层图像色彩参数与氮素营养诊断指标和成熟期籽粒产量之间的关系。结果表明,绿肥翻压显著改善了玉米的氮素营养,不同生育期的玉米叶绿素含量(SPAD值)、地上部生物量和吸氮量均高于单施化肥处理;绿肥翻压处理下,玉米冠层光谱指数与氮素营养指标间的相关性较单施化肥处理低,且其相关性在不同的生育期有较大变异,其中,12叶期(V12)的蓝光标准化值(B/(R+G+B))与灌浆期(R4)的红光标准化值(R/(R+G+B))与植株氮营养指标相关性较好,二者均与玉米产量间呈显著直线回归关系,回归系数分别为45%和46%。因此,数字图像技术在进行绿肥翻压后玉米氮素营养的诊断和产量预测方面具有应用潜力,但应注意诊断时期和关键指标的选择。     

马铃薯光谱及数字图像特征参数对氮素水平的响应及其应用

为准确、快速地掌握马铃薯氮素状况,提高马铃薯对氮素的利用率,采用便携式高光谱地物波谱仪、数码相机与SPAD-502叶绿素仪获取马铃薯冠层图像、叶片光谱、叶片SPAD值,分析不同施氮水平下马铃薯两个关键生育时期数字化指标、叶片光谱指标、SPAD、产量的变化状况,以SPAD为辅助验证指标,以产量为氮素施用效率评价,分析数字化指标、叶片光谱与SPAD、产量的关系,明确最佳施氮水平下数字化指标、叶片光谱指标的临界值,以期探讨快速、简便进行马铃薯氮素营养诊断的方法。结果表明：(1)随着施氮水平的增加红边位置出现了“红移”,红边参数REP,Lwidth,FD_Max增加,Lo减小。(2)随着施氮水平增加数字化指标G/B和(G-B)/(R+G+B)逐渐降低,B/(R+G+B)逐渐增加。(3)SPAD随施氮量增加而提高,施氮量增加低氮水平增产效果明显,高氮水平增产效果不明显。光谱、红边参数、数字化指标与SPAD、产量相关性较好,据此建立了各个指标评价马铃薯氮营养丰缺的量化标准。表明运用数字图像与光谱技术进行马铃薯氮素营养诊断具有可行性,为马铃薯精准氮素营养监测提供研究思路与技术支撑。     

基于无人机可见光谱平台的烤烟氮素营养诊断

利用不同氮肥用量田间试验,分析基于无人机平台的可见光谱诊断技术对烟草氮素营养进行无损评估预测的可行性,明确该技术的最佳颜色参数和方程模型。2018年在江西省安福县开展田间试验,设置不同氮肥用量,分别为0,45,90,135,180和300 kg N·ha-1,于移栽后47 d（团棵期）、移栽后83 d（旺长后期）和移栽后116 d（下部叶成熟期）,利用无人机获取冠层RGB色彩数字图像,同时采集植株样品分析地上部生物量、叶片生物量、地上部氮浓度、叶片氮浓度、叶片SPAD值等氮营养状况指标,对冠层数字图像进行数字化分析,获得颜色指标值,通过颜色指标与烟草氮营养状况指标的相关性分析,筛选适宜的颜色指标并建立氮营养诊断方程。利用不同地块的氮肥用量试验,对氮营养诊断方程拟合精度进行验证。试验结果表明,旺长后期各处理间冠层图像的颜色标准值存在显著差异,团棵期与下部叶成熟期不存在显著差异。在10个颜色指标中,NRI,NGI,G/R,G/(R+B),(G-R)/(R+G+B)和ExG与5个烤烟氮素营养指标均达到极显著相关（p＜0.01)。在归一化颜色指标体系、比颜色指标体系和归一化差分颜色指标体系中选择潜在的最佳颜色参数指标分别为NGI,G/R和ExG。根据不同类型的回归分析结果,确定指数回归作为地上部生物量和叶片生物量的预测模型,线性回归作为地上部氮浓度、叶片氮浓度及叶片SPAD值的预测模型。对潜在的最佳指标进行验证性筛选,G/R对地上部氮浓度和叶片氮浓度的RMSE值分别为0.375 1%和0.249 1%,明显低于NGI和ExG,预测精度最高。用G/R值表示的地上部生物量、叶片生物量、地上部氮浓度、叶片氮浓度、SPAD值预测方程分别为Y=21.785e1.3502G/R,Y=4.057 9e1.937 3G/R,Y=5.039 9G/R-3.333 2,Y=4.281 4G/R-3.802 9,Y=40.168G/R-28.188。因此,基于无人机平台的可见光谱诊断技术在烤烟氮素营养诊断方面具有应用潜力,评估最佳时期为旺长后期,最佳预测参数为G/R值。     

温室番茄冠层和叶片光谱特征分析及营养诊断

通过温室基质栽培,利用ASD光谱仪和傅里叶光谱分析仪测量了四种营养水平下温室番茄冠层和叶片的光谱反射曲线,并检测了对应叶片的水分含量、叶绿素含量和氮含量,分析了不同营养水平下番茄冠层和叶片的反射光谱变化,并对番茄叶片含水量的敏感波长以及冠层反射光谱的红边波长进行了研究。结果表明:温室番茄冠层反射光谱曲线在可见光550nm左右均有叶绿素的强反射峰,近红外区反射率高于可见光区。在同一生长期,随基质营养水平的提高,番茄冠层反射率在可见光波段不断减小,在近红外波段不断增大,且红边波长位置出现"红移"现象。利用530和760nm特征波长得到的归一化颜色指标NDCI与叶片氮含量有较好相关性,R2为0.7511。     

基于光饱和影响校正的作物叶绿素分布光谱成像检测

叶绿素含量是作物光合能力与营养评价的重要指标,因此快速检测作物叶绿素含量与分布可为作物营养动态分析与长势评估提供支持。基于RGB(Red, Green, Blue)和NIR(Near Infrared)多光谱图像的获取,开展玉米作物营养状态分布光谱学成像检测。构建了多光谱图像采集平台获取RGB和NIR图像,研究了基于光饱和校正算法的RGB图像的光饱和校正与NIR图像去噪方法,通过图像的匹配分割,冠层的提取校正,建立了基于冠层图像的作物SPAD值检测模型与分布成图。采集15株玉米植株RGB-NIR图像,并同步获取不同植株,不同位置共68个叶绿素含量指标SPAD值。首先对RGB图像进行光饱和校正,再对NIR图像进行滤波和图像增强,其次对RGB和NIR图像进行了SURF(speeded-up robust features)和RANSAC(random sample consensus)图像匹配,利用RGB图像的颜色特征,采用ExG(Extra Green)和OTSU算法生成分割掩模,对RGB图像和NIR图像进行分割提取,提取图像的R, G, B和NIR分量,利用4阶灰度板进行反射率校正,然后计算作物图像中像素级P_SPAD值,并建立图像P_SPAD值与叶绿素仪SPAD值的拟合模型,最后绘制作物SPAD分布图。通过HSI(Hue, Saturation, Intensity)彩色模型中的I分量直方图对比去饱和前后光分布范围,以作物SPAD值分布图验证光饱和校正算法对作物叶绿素含量分布检测提升的效果。RGB图像光饱和校正前I分量集中在[140～180]之间,光饱和校正后的RGB图像I分量集中在[85～130]之间, 校正了相机成像时产生模糊和RGB图像饱和。对分割后的RGB图像和NIR图像提取R,G,B,NIR分量进行4阶灰度板校正,相关系数分别为0.829,0.828,0.745和0.994,进而生成R,G,B和NIR四波段的反射率伪彩色图像,反射率R_NIR＞R_C＞R_R＞R_B。体现了作物的在蓝光和红光区域吸收光,在绿光区域和近红外区域反射光的光谱特性。校正前后的R和NIR分量反射率计算图像P_SPAD值拟合叶绿素含量指标SPAD值的模型结果显示,校正前R2为0.332 6,校正后R2为0.619 3,绘制作物的SPAD特征分布图,可为作物的营养动态快速分析与分布检测提供技术支持。     

消费级近红外相机的水稻叶片叶绿素(SPAD)分布预测

便捷可靠的作物营养诊断是作物科学施肥管理的基础,也是精准农业的核心。叶绿素含量是作物氮营养含量的重要指标。以水稻叶片为研究对象,用改造后的普通单反相机搭载滤波片的方式拍摄叶片的可见光和中心波长为650,680,720,760,850和950 nm多个波段的近红外图像,获取不同波段的相对反射率值,通过可见光与多个近红外波段结合的回归分析与比较,筛选出精度较高且稳定的模型。经过对比相机三个成像通道,R通道与叶绿素含量(SPAD值)的相关性要高于B和G通道。实验结果表明,植被指数GVI最能反映作物的生长状况,近红外波段760 nm对SPAD值的预测效果最好,最小二乘支持向量机法结合多个植被指数建模的预测精度R2为0.831 4,取得了较为理想的效果。同时使用高光谱成像仪采集水稻叶片的高光谱影像,对比消费级近红外相机成像方式下与高光谱成像方式下得到的植被指数多因子预测模型精度,两者相当。实验证明消费级近红外相机能够获得与高光谱成像仪相近的叶绿素含量估测结果。     

基于可见光光谱和随机森林算法的冬小麦冠层图像分割

数字图像分析技术因其高效、快速等特点,已被广泛应用于作物长势和氮素营养状况的无损监测领域。获取作物冠层覆盖度及可见光光谱亮度值及其衍生的色彩指数,需要从作物冠层图像中准确分割出作物图像。研究以冬小麦与背景(土壤)在可见光波段反射率的差异为依据,利用基于CIEL*a*b*色彩空间a*分量的最大类间方差法和基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法对冬小麦冠层图像进行了分割,并比较了图像分割精度。结果表明,三种方法均具有较高的分割精度,其中基于随机森林算法的图像分割效果明显好于最大类间方差法,而基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法的图像分割效果差异较小。研究结果表明,随机森林算法可直接利用冠层图像可见光波段的三个色彩分量(R,G和B)分割冬小麦冠层图像。     

针对水稻植株三维叶绿素(SPAD)信息获取的最优波段选择问题研究

实时准确地获取作物叶绿素含量的三维空间分布信息,是作物营养、栽培和育种等科学研究和生产领域密切关注的问题。该研究以水稻植株为研究对象,采用改造后的普通单反相机加载近红外滤光片的方法,多角度获取水稻植株的多光谱图像。基于不同波段不同通道的组合图像计算多种植被指数,将其结果与对应的实测SPAD值之间建立水稻植株叶绿素(SPAD)预测模型,并筛选出最优预测模型。研究结果表明,近红外760 nm波段的R通道与可见光G通道构建的GNDVI植被指数,与实测SPAD值建立的二次函数预测模型能够很好地反演水稻植株叶绿素(SPAD)含量,其中,R2=0.758, RMSE=1.532。在此基础上,利用多角度成像三维建模方法建立具备纹理信息的水稻三维模型,将最优预测模型应用于水稻综合纹理图,得到水稻叶绿素含量三维空间分布信息, 从而实现水稻生长情况以及叶绿素养分分布状况的快速无损检测。     

基于光谱波段自相关的水稻信息提取波段选择

通过大田试验,使用ASD光谱仪测量水稻不同生育期的冠层光谱,将光谱以10 nm为步长进行合并,再将不同日期光谱的所有波段组合计算相关系数平方(R2),生成R2矩阵,并绘制R2分布图。根据R2越大,光谱波段之间冗余信息越多,R2越小,水稻光谱波段信息含量越多的原则,在所有测量日期中选择出前100个R2最小值对应的波段,将这些波段进行统计分析。结果表明,可见光区域各个波段之间和红外(近红外和短波红外)区域各个波段之间都含有大量冗余信息。水稻信息量丰富的波段主要集中在可见光的长波波段,红边波段,近红外第一和第二峰值波段,以及短波近红外第一峰前区(1 530 nm附近)和第二峰值区(2 215 nm附近)。比较水稻与其他植被对于最优波段的选择,400~410,630~650和1 520~1 540 nm三个波段区间表现为水稻信息提取较为独特的波段。     

倒伏胁迫对水稻可视茎叶穗比率的影响及光谱响应解析

倒伏胁迫下作物的冠层光谱响应机理解析,是大范围作物倒伏灾情遥感监测的重要基础。倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率,通过解析冠层光谱与可视茎叶穗比率间的关系,探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变化规律及其与冠层光谱响应规律,为大范围作物倒伏灾情遥感监测提供理论支持。以2017年江苏省兴化市、大丰区的实发倒伏水稻为研究对象,在野外观测实验的支持下,分析不同倒伏强度的倒伏水稻冠层光谱变化规律,并对不同倒伏强度下的冠层可视茎叶穗比率与倒伏角度进行相关性分析,筛选能有效表征倒伏强度的敏感农学参数,采用灰色关联分析法构建倒伏水稻冠层光谱指标与敏感农学参数之间的响应模型,实现水稻倒伏灾情的光谱诊断,并利用野外实测样本评价诊断精度。研究结果表明,随着倒伏强度的加大,冠层光谱表现出规律性变化,红光波段与近红外波段响应较为明显,“红边”位置明显“蓝移”,且“红边”振幅与“红边”面积增大,说明红光波段和近红外波段对水稻倒伏胁迫强度较为敏感;冠层可视叶茎比存在随倒伏强度增加而减少的规律,其相关性可达0.715,说明倒伏后的水稻冠层可视叶茎比对于倒伏强度有着较好的表征能力;通过对可视叶茎比与冠层高光谱反射率进行相关性分析,分别于红光波段和近红外波段内筛选出698与1 132 nm作为敏感波段,进而计算特征植被指数;利用灰色关联分析构建了基于特征植被指数的水稻可视叶茎比光谱响应模型,检验样本的决定系数为0.635,以可视叶茎比预测结果进行倒伏灾情等级划分的精度达到82%。因此,倒伏发生后水稻冠层的茎、叶、穗等组分在光谱探测器视场中的贡献比例发生了规律性改变,茎、叶、穗本身光谱反射率差异和视场内比率差异直接反映于倒伏水稻冠层光谱差异,其中可视叶茎比能有效表征受倒伏胁迫的水稻群体结构变化,与倒伏强度具有较好的响应关系,不同倒伏强度的可视叶茎比与水稻冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的水稻倒伏灾情遥感监测提供先验知识。     

基于光谱技术的水稻稻纵卷叶螟受害区域检测

利用光谱技术探索了水稻稻纵卷叶螟虫害的检测。通过分析田间水稻稻纵卷叶螟受害区和对照区冠层反射光谱和一阶微分光谱特征差异发现,可见光区(400~700 nm),550 nm附近中度受害水稻冠层反射率明显低于对照冠层反射率值,重度受害水稻冠层反射率则高于对照区冠层反射率;水稻受害时,叶片受损及干枯导致叶绿素含量降低,对红光波段(600~700 nm)的吸收减小。近红外区(750~770 nm)范围内,受害水稻冠层反射光谱曲线均不同程度出现"尖峰"波动,且光谱曲线红边拐点发生"蓝移"。通过构建样本总体修正曲线,提供了直观判别广域水稻是否受稻纵卷叶螟虫害侵扰的依据。进一步探讨稻纵卷叶螟受害区定性检测参数发现,利用NIR-NDVI特征可以有效地区分对照区和受害区区域,经验证,准确率达70%。     

不同施氨量棉花冠层高光谱特征研究

棉花精准生产对于无损、快速的植株氮含量监测技术有迫切需求.研究棉花冠层光谱特征及其与植株氮含量间的定量关系,可以实现棉株氮素的无损临测.通过连续两年不同施氮量试验,采集棉花冠层高光谱数据并司步测定冠层植株氮含量,分析不同氮肥处理下棉花冠层高光谱特征及其与棉株氮含量间的关系.结果表明:不同时期棉株氮含量与光谱反射率在可见...     

基于线性回归算法的春玉米叶面积指数的冠层高光谱反演研究

利用辽宁锦州地区2013年生长季不同土壤水分控制条件下的春玉米冠层高光谱数据,及对应的植株叶面积指数(leaf area index,LAI)数据,分析在不同发育期内不同生长状况下的春玉米冠层高光谱特征及其与植株叶面积指数的关系。采集并计算共313组有效样本,包括350～2 500 nm波段范围光谱的反射率、反射率倒数的对数、反射率一阶导数及LAI,应用多元逐步线性回归法和偏最小二乘回归法,对剔除了受大气水分影响较为严重光谱波段的其他波段数据进行降维,构建叶面积指数的全波段冠层高光谱数据模型,并进行精度检验与比较。结果表明,春玉米LAI与光谱反射率在可见光波段(350～680 nm)、红外波段(1 430～1 800和1 950～2 450 nm)均呈显著的负相关;反射率倒数的对数在对应区间为显著的正相关;反射率一阶导数则在可见光和近红外波段(350～1 350 nm)存在较显著相关波段。三种全波段冠层高光谱数据在春玉米LAI的线性回归中,偏最小二乘法在以冠层反射率为自变量的模型构建中,比多元逐步线性回归拟合度好,其总均方根误差为0.480 7;以冠层光谱反射率的倒数的对数及一阶导数为自变量,应用逐步线性回归法建模,拟合度较好,其总均方根误差分别为0.333 5和0.348 8;三种光谱数据的春玉米LAI两种回归算法中,以冠层反射率倒数的对数为自变量,应用逐步线性回归方法建模的拟合度最佳。     

水体背景对湿地水生植物冠层光谱影响研究

水生植被是湿地生态系统的核心,也是影响湿地生态系统功能的最主要因素。近年来,卫星遥感技术在湿地植被资源调查、分类和保护等领域中已得到广泛的应用。由于水生植被独特的生长环境,其冠层光谱会受到水体背景要素包括大气—水界面、水中浮游生物以及泥沙含量、透明度、水体深度、底质和其他光学活性成分的影响,因此遥感技术应用于湿地水生植被冠层光谱研究时,需考虑到水生植被不同于陆生植被的生长环境,这一点在以往的相关研究中并没有得到应有的重视。以典型的挺水植物鸢尾(Iris tectorum Maxim)为研究对象,模拟湿地水生植被的生长环境,使用地物光谱仪测定了鸢尾植被冠层在不同水深梯度背景下的光谱反射率(400~2 400 nm)。实验结果表明,背景水深与鸢尾冠层反射率之间存在着显著的负相关性,其中可见光波段绝对相关系数在0.9以上,近红外波段的绝对相关系数在0.8以上。在可见光和近红外波段,随着背景水深的增加,鸢尾冠层反射率下降均比较明显。最后分别依据可见光和近红外区域相关性最高的波段(505,717,1 075和2 383 nm)建立了背景水深与冠层反射率之间的线性方程,并得出了相关参数。