（农业生物环境与能源工程专业论文）基于叶片光谱特性的图像营养检测的基础研究.pdf

摘要 通过黄瓜( c u c u m i ss a t i v u sl ，北京1 0 2 ) 的基质栽培进行不同氮素水平的营养液供给处理， 利用便携式叶绿素仪对不同生长期的冠层叶片进行相对叶绿素浓度s p a d 值检测，随后分别采用 c c d 数码相机肘j 描仪及分光光度计采集离体叶片的数字图像和相对反射率的分光光谱，将叶片 干燥粉碎消煮后使用凯氏定氮法精密地测量其全氮含量。通过对黄瓜叶片的光谱，图像特征参数与 叶绿素s p a d 值和含氨虽的相关统计分析得出如下结论： ( 1 ) 红色、绿色波段的光谱图像特征参数与叶绿素s p a ) 值和含氮量之间的相关性较好， 但由于图像信息中的红色和绿色灰度值之间的显著线形关系造成了红色和绿色波段的信息重复， 因此，相关文献中常用的g r 、( r g ) 但+ g ) 并不适合用于植物图像营养诊断，r ( g + b ) 、 r ( r + g + b ) 、r 2 ( r 2 + g 2 + b 2 ) 、g 2 “r 2 + g 2 + b 2 ) 的光谱和图像特征参数表达的不一致也限制了其在植 物图像营养诊断的直接应用： ( 2 ) 蓝色波段的光谱图像特征参数尽管与叶绿素s p a d 值和含氮量的相关性不赢，但是其 相对值b ( r + g ) 、b ( r + g + b ) 、b - ( r 2 + g 2 + b 2 ) 与叶绿素s p a d 值和含氮量的相关性却很高，这些 蓝色波段的相对值可作为特征参数用于植物图像营养诊断； ( 3 ) 黄瓜叶片的叶绿素s p a d 值与实测的叶绿素浓度和含氮量之间存在着显著的线形关系， 因此，可以直接利用该叶绿素s p a d 值作为衡量黄瓜叶片的不同营养水平的评价指标； ( 4 ) 光谱特征参数r 、g 、r 1 3 、g b 、僻b ) ，( r + b ) 、( g b ) f g + b ) 、g ( r + b ) 、b ( r + g ) 、r + g + b 、 ( r 2 + g 2 + b 2 ) ”2 、g ( r + g + b ) 、b ( r + g + b ) 、b 2 ，( r 2 + g 2 + b 2 ) ，及其对应的图像特征参数与叶绿素s p a d 值和含氮量之间的多元线形回归结果表明，这些光谱，图像特征参数可以直接用于植物图像的营养 检测； ( 5 ) 主成分分析筛选出的光谱特征参数主成分f 1 、f 2 和图像特征参数主成分f 3 、f 4 与叶 绿素s p a d 值和含氮量的主成分回归处理尽管可在理论上消除重复信息的影响，却没有改善回归 效果。 关键字：分光光度计，凯氏定氮法，反射率，叶绿素浓度，含氮量 i l a b s t r a c t u s i n gah y d r o p o n i cc u l t u r eo fc u c u m b e r ( c u c u m i ss a t i v u sl b e i j i n g1 0 2 ) s u p p o r t e db yd i f f e r e n t n i t r o g e nl c v e l so ft h en u t r i t i o ns o l u t i o n ，t h ei m a g i n gf e a t u r ea n ds p e c t r a lf e a t u r eo fr e l a t i v er e f l e e t i v i t y o ft h es e p a r a t e dc a n o p yl e a v e sw e r ec a p t u r e db yc c dd i 西t a jc a r n e r a ，s c a n n e r ，a n ds p e c t r o m e t e ra f t e r c h l o r o p h y l ls p a t ) v a l h ea st h ec h l o r o p h y l lc o n c e n t r a t i o no ft h el i v i n gc a n o p yl e a v e sm e a s u r e db y p o r t a b l ec h l o r o p h y l lm e t e r , a n dt h e n ，t h en i t r o g e nc o n t e n tw e r eq u a n t i t a t i v e l ym e a s u r e db yk j e l d a h l n i t r o g e nm e t h o da f t e rt h el e a v e sd r y i n g ，c r u s hu pa n dp r o c e s s i n gw i t hh 2 s 0 4a n dh 2 0 2u n d e rc o n t i n u e h i g ht e m p e r a t u r e t h es t a t i s t i cr e l a t i o n s h i p sa n dt h er e l a t i v i t yb e t w e e nt h ei m a g i n g s p e c t r a lf e a t u r e p a r a m e t e r sa n dt h ec h l o r o p h y bs p a dv a l u ea n dn i t r o g e nc o n t e n tw o u l db ef i l t r a t e da n dc o n c l u d e da s f o l l o w i n g s 【1 ，s p e c t r a la n dc o r r e s p o n d i n gi m a g ef e a t u r ep a r a m e t e r si nr e da n dg r e e nc h a n n e f sw e r ec o r r e l a t e d l i n e a r l yw e l lw i t hc h l o r o p h y l ls p a dv a l u ea n dn i t r o g e nc o n t e n t h o w e v e r , o v e r l a pi n f o r m a t i o nb e t w e e n r e da n dg r e e nc h a n n e l sw e r ed u et ot h eh i g hl i n e a rc o r r e l a t i o no ft h es p e c t r a la n di m a g i n gf e a t u r e p a r a m e t e r sb e t w e e ni h er e da n dg r e e nc h a n n e l s t h e r e f o r e ，t h ef e a t u r ep a r a m e t e r so fg r ，限g ) c o m m o n l yu s e di nr e l a t e dr e f e r e n o e sa l en o ts u i t a b l et ob eu s e di np l a n tn u t r i t i o nd e t e c t i o nb yi m a n e a n a l y s i s t h ed i s a g , r e e m e n ! b e t w e e n 婶8 p e c t r a la n dc o r r e s p o n d i n gi m a g ep a r a m e t e r so fr ( g + b ) ， r ( r + g + b ) ，r “( 【r + u + b 2 ) ，g 锕。+ g 。+ b 2 ) c o u l db el i m i t e dt ob eu s e dd i r e c t l yi nt h ep l a n tn u t r i t i o n d e t e c t i o nb yi m a g ea n a l y s i s ( 2 ) t h o u g ht h es p e c t r a la n dc o r r e s p o n d i n gi m a g ef e a t u r ep a r a m e t e r sw i t hb l u ec h a n n e l sw e r en o t c o r r e l a t e dw e l lw i t ht h ec h l o r o p h y l ls p a dv a l u ea n dn i t r o g e nc o n t e n t ，a sar e s u l to ft h es i g n i f i c a n t 唾a t i o ，n 8 m p s 仃o mt h er e l a t i v es p e c t r a la n dc o r r e s p o n d i n gi m a g ep a r a m e t e r so fb ( r + g ) ，e ，( r + g + b ) ， b ( r + g + b ) ，t h er e l a t i v ep a r a m e t e r sc a nb eu s e di nt h ep l a n tn u t r i t i o nd e t e c t i o nb yi m a g ea n a l y s i s ( 3 ) s i n c et h ec h l o r o p h y l ls p a dv a l u eo ft h ec u c u m b e rl e a v e sw e r ec o r r e l a t e d l l n e a r i t yw e l lt h e m e a s u r e dc h l o r o p h y l lc o n c e n t r a t i o na n dn i t r o g e nc o n t e n ti np r a c t i c e t h ec h l o r o p h y l ls p a dv a l u ec a nb e u s e d d i r e c t l yt oe v a l u a t et h ep l a n tn u t r i t i o nl e v e lf o rt h ef u t u r ei m a g ea n a l y s i s k e y w o r d s ：s p e c t r o m e t e r , k j e l d a h ln i t r o g e nm e t h o d ，r e f l e c t v i t y , c h l o r o p h y l lc o n c e n t r a t i o n ，n i t r o g e n c o n t e n t i i i ：差帆一_| 峨咖咖 一一一 一一 一一 一嶂 一一一 一一一一 呼m 豳咖 h n 聊 图表目录 图1 - 1 技术路线j 一 图2 - 1 栽培区布置平面图 图2 2 叶绿素s p a d 值与分光特性烈定位置 1 4 一1 6 图3 1b a y e r 滤色器r g b 布局2 0 图3 - 2 滤光片的分光光谱特胜2 l 图3 - 3r 、g 灰度值相关性2 6 图3 - 4 图像灰度值t r 、t g 灰度值相关性回归分析2 6 图3 - 5 叶绿素s p a d 值与含氦量相关性回归分析2 7 图3 - 6 光谱特征参数与叶绿素$ p a d 值的多元线性回归结果3 1 图3 - 7 图像特征参数与叶绿素s p a d 值的多元线性回归结果3 2 图3 - 8 光谱特征参数与舍氮量始多元线性回归结果一，3 2 图3 - 9 图像特征参数与含氯量的多元线性回归结果3 3 图3 - 1 0 光谱特征参数与叶绿囊s p a d 值的主成分回归结果3 4 图3 - 11 图像特征参数与叶绿囊s p a d 值的主成分回归结果3 4 图3 - 1 2 光谱特征参数与含氮星的主成分回归结果3 5 图3 - 1 3 图像特征参数与含氰量的主成分回归结果3 6 表2 - 1 山崎黄瓜配方( 1 9 7 8 ) 一1 3 表2 2 试验区设置与营养液配方( 单位：m g l ) 1 5 表2 - 3 微量元素通用配方1 5 表3 - 1 光谱数据颜色定义与数码相机颜色定义相关系数2 1 表3 - 2 光谱特征与图像特征参数表2 2 表3 3 光谱特征参数与叶绿素s p a d 值的相关系数2 3 表3 - 4 图像特征参数与叶绿素s p a d 值的相关系数2 3 表3 - 5 光谱特征参数与含氮童韵相关系数2 4 表3 - 6 图像特征参数与舍氮量的相关系数2 5 表3 7 与叶绿素$ p a d 值和含氮量相关性对应均较好的光谱和图像特征参数2 8 表3 - 8 光谱特征参数的方差分解主成分提取分析表2 9 表3 - 9 光谱特征参数的主成分分析因子载荷表2 9 表3 1 0 图像特征参数的方差分解主成分提取分析表3 0 表3 11 图像特征参数的主成分分析因子载荷表3 0 表3 - 1 2 特征参数多元线形回归分析结果，3 6 表3 1 3 特征参数主成分多元线形回归分析结果 v 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得中国农业大学或其它教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示了谢意。 研究生签名：王高伟 多高 移 l 时间：2 0 0 6 年6 月5 日 关于论文使用授权的说明 本人完全了解中国农业大学有关保留、使用学位论文的规定，即：学校有权保留 送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复 制手段保存、汇编学位论文。同意中国农业大学可以用不同方式在不同媒体上发表、 传播学位论文的全部或部分内容。 研究生签名：王高伟 墙爷 时间：2 0 0 6 年6 月5 曰 剥槛铄贺冬仙节以时间：2 0 0 6 年6 月5 同 1 1 研究背景与意义 第一章前言 2 0 世界，化学肥料施崩对农作物产量的提高起到了巨人的推动作片j ，氮肥的增产效果尤为突 出。据世界粮农组织( f a o ) 统计，发展中国家通过施用化肥提高粮食单产5 5 5 7 ，总产增加 3 0 3 1 。我国通过施用化肥的增产效果为4 0 6 0 ”1 。在1 9 4 9 2 0 0 0 年的5 2 年中，我国粮食 总产几乎呈直线上升，总产量自1 9 4 9 年的1 ，1 3 亿吨增k 至2 0 0 0 年的4 6 2 亿吨，增长了4 倍 ( 中国农业年鉴，2 0 0 1 ) 。 尽管化肥施用在粮食增产方面呈现出巨大作用，但化肥的盲目增施和不合理利用同时也带来 了一系列不可忽视的问题。1 9 8 4 1 9 9 4 年，我国化肥用量增加了9 0 以上，但粮食产量却只增加 了9 左右中国农业年鉴，1 9 8 4 1 9 9 4 ) 。氮肥的利用效率降低主要体现在氮肥的过量施用和 非科学管理上。北京地区由于氮肥的过量施用，在蔬菜、玉米等作物生育期内存在明显的氮素淋 洗损失”，并导致了地下水硝态氮和亚硝态氮的超标，造成了环境污染。京、津、唐等地区1 3 个县市6 9 个点的地f 水的硝酸盐含量有半数以上超标与农田大量使用氮肥有密切的关系( 张维 理等，1 9 9 5 ) 。目前。氮肥利崩率低下和环境污染严重已成为全球范围内急需解决的突出性问题。 综上可见，化学肥料是农业生产增产增收的重要因素，但义是污染环境的重要冈子之一，快 速有效地跟踪和监测植物的营养状况，从而确定科学合理的施肥管理措施，对提高化肥利用效率， 合理利用资源，提高农产品的产量和品质以及保护环境都具有重要意义。 植物的营养失衡现象是农业生产和科学研究领域普遍存在的问题，如何能及时快速地进行营 养诊断，一直是植物营养研究工作的一项重要内容。传统的植物营养诊断方法研究开始于1 9 世 纪，主要是采用一系列的化学分析方法。包括植物外观分析、组织化学分析以及土壤分析等等”1 。 但是，无论是传统的田间试验还是在实验室的模拟试验，都容易受到试验环境或气候条件的影响， 同时在试验取样、测定、数据分析等方面都需要耗费大量的人力和物力，导致营养检测耗时较长、 费用较高，并且存在着一定的专业性。由于传统的营养诊断时效性差，许多时候难以满足生产需 求，更由丁无法及时给予农民施肥的建议而限制了技术的推广应用，这一问题在我国小田块农户 分散经营的生产条件下更为突出。所以，寻求一种快速、经济、可靠的植物营养诊断技术，才有 可能实现田间施肥管理的科学化和自动化。 植物在生长过程中，某种营养元素丰缺状况会在叶片形态和颜色上表现出与正常植株不同。 例如，当植物缺氮时，叶片一般出现淡绿色或黄色。这是由丁氮是蛋白质合成的基本元素，当植 物缺氮时，会导致蛋白质合成受阻，蚩白酶的数量f 降，从而引起叶绿体结构破坏，叶绿素合成 减少，叫片出现黄化。在一定条件下，叶色与叶绿素之间关系十分密切，叶绿素合成的多少与植 物营养状况密切相关，尤其是和植物氮素水平密不可分”1 。 因此，植物在不同的营养条件下会在叶片表面表现出不同的色彩和形态特征，这就为我们利 用植物的外观色彩和欧势长相进行营养诊断提供了科学依据，为实时营养诊断的精确性和预测预 报开辟了j 、阔的前景。近年来，随着视觉识别技术的不断发展和相关设施设备成本的不断降低， 国内外不少研究者开始应用视觉识别技术进行植物图像营养诊断研究，这种无损快速、非接触的 中固农业大学硕卜论文 第一章前言 图像诊断为植物实时营养诊断提供了新的技术手段利检测途径。 1 2 国内外研究现状 随着科学技术的发展，植物营养诊断的研究和应用从诊断理论千u 测试手段上都有了新的发 展，到上个世纪5 0 年代，症状诊断和化学诊断在理论和方法上已奠定了相当的基础。近5 0 多年 来，植物营养诊断在应用范围、对象和内容上又有了很大的进步，同时在诊断技术和方法上也有 很大的发展。譬如近年来利用遥感技术和视觉识别技术进行植物营养诊断，就是对传统诊断技术 和方法的一个突破。 1 2 1 植物营养失衡的常规诊断方法 1 2 1 1 症状诊断 症状诊断是根据植物表现出的某种特定的症状，确定某种营养元素可能缺乏或过量的一种方 法。例如，植物f 部叶片发生黄化或有红色斑点，是缺氮的症状；植株基部叶呈暗绿或有紫色斑 块是缺磷的症状；植株上部新叶全部黄化是缺硫的症状；植株上部叶片有针尖状褐点是缺锰的症 状。但是这种诊断方法通常只在植株仅缺乏一种营养元素的状况下有效，在植株同时缺乏两种或 两种以上营养元素，或出现因非营养性因素( 如某些病虫害或药害) 而引起类似症状时，则易于 混淆而造成误诊。再者植株出现某种缺素症状，表明植株缺素症状已相当严重，此时再采取补 救措施则为时已晚。因此，症状诊断在实际应用中有着明显的局限性”。 1 2 1 2 长势长相诊断 长势长相诊断方法在我国于6 0 年代前后曾受到广泛重视。该方法是在总结农民丰产经验的 基础上发展起来的，主要用于水稻生产。例如，水稻田间群体眭相的整齐度与产量的关系甚为密 切；水稻长相杂乱披散，是缺钾的表现：水稻生艮参差不齐是缺锌的结果。从株型上看，缺氮时， 叶片与主茎间的夹角小于4 5 。，叶片直立；缺磷时，株型紧缩，俗称“一柱香”：缺锌时，稻苗 发僵不长，拔节期茎节缩短，上下叶鞘重叠，叶枕并列，即所谓“矮缩苗”和“平行叶”；缺钾 时，叶片长而瘦并与叶鞘比例失调，曹成株形披散。相对比，上e 常的丰产株型在拔节期，上部第 二片叶长而宽，叶片厚挺，呈竖立状。稻丛犁为下犬上小，稻茎基部粗壮，清秀老健；在孕穗期， k 出的最后三片叶挺而不垂，稻丛犁为下小上大，稻脚清爽，水稻杆壮穗大。 长势长相诊断方法尽管可以有限地判断植株的营养状况，【三l 达到指导施肥的目的。但是，由 于近年来植物鼎种更新换代频繁，植株外观的长相长势变化多端，没有固定的模式，因而需要结 台各地实际情况重新确定适宜的诊断方法和标准，其推广戍用也一直受到限制。 1 2 1 ，3 叶色卡和肥料窗口法诊断 我国农民素有看植物叶色进行施追肥的传统经验，从3 0 0 多年前的沈氏农f 5 关于对水 稻进行叶色诊断施追肥的记载到现在，根据叶色诊断植物营养状况的方法已经逐渐发展成熟。 叶色是水稻体内氮素养分的外在表现，用叶色骨判定的水稻叶色级可以作为氮素营养水平高低的 2 中国农业人学颅 。论文 第一章前言 指标。根据不同类型水稻确定标准叶色级范围，当田问水稻叶色级超过标准叶色级说明氮素过 剩，应采取烤田的措施加以控制；如果叶色级正好处丁标准叶色级水平，则表明氮素营养适宜， 不必追施氮肥；若叶色级低于标准叶色级，则表示水稻氮素营养不良，应酌情追施一定虽的氮肥， 通常叶色级每低o 1 级，追施3 7 5 7 5k g h m 2 尿素( 生长前期取上限，后期取f 限) 。叶色诊断 是氮素营养诊断中简单易行的方法，如果标准叶色级确定合适，营养诊断会取得良好的效果”1 。 “肥料窗口法”是指在某种植区附近留出一定的区域进行缺素处理，以便在大块田地尚未出 现缺素症状之前获得缺素作物的特征信息，以指导实际的大田施肥。与这种方法类似的还有“校 正诊断法”，指用所需的营养元素溶液注射到植物体内，经过一定时间后比较叶片颜色、形态和 植物生长状况的变化，用以诊断植物营养的一种方法。这种方法主要用丁对树木佧营养诊断，夫 田作物很少使用。 1 2 1 4 营养失衡的化学诊断法 在作物的不同生育期，取其特定部位，用化学分析的手段来判断其中某种养分的浓度，用以 判断该元素的丰缺水平，叫做植物营养的化学诊断。化学诊断主要是进行叶、叶鞘或茎分析，也 有蚍整株植物作为研究对象的，但大多只限于苗期。植物体内的养分状况是十壤养分供应、植物 养分需求和植物对养分吸收能力的综合反映，因此，通过对植物体内养分状况进行诊断完全可以 反映出植物当时的营养状况，并以此来进行施肥指导。化学诊断作为一种定量的营养分析方法， 在对植物进行营养状况评价之前戍首先知道营养元素丰缺判断的临界浓度，即正好处于缺乏和足 够的浓度交点。 植物营养的化学诊断可以用常规分析，也可以用速测方法。速测法具有操作简单而快速的特 点，用以测定植物组织中术被同化的无机成分，适用于田间。由于速测法的测定手段比较简陋 测出的数据的精确度和精密度均低丁常规分析。因此，必须重复测定6 - 8 次，才能获得较为可靠 的结果。实验室一般使用常规分析方法对植物进行营养元素的精密分析，首先检测出组织中的营 养元素含量，然而再对营养状况进行评价或诊断。 植物组织的化学诊断结果的评定必须考虑全面。一般地说，植物组织中某元素含量的多少， 能反映土壤中该元素的供应水平。但是必须注意，植物由于某一营养元素严重缺乏而使生k 受到 抑制时，另一元素的含最反而会增高，这就容易导致错误的诊断。因此在进行化学诊断时要遵循 下列原则：1 、化学诊断结果要与植物产量和土壤化学诊断相比较；2 、营养元素进入根系后，由 于各种人母元素和微量元素的交互作用，故需同时测定n 、p 、k 二种以上的元素；3 、应选取植 物适当的器官和部位。 对大鼍元素n 、p 、k 的化学检测主要是对采样部位进行化学浸提或消煮处理，以使植株特定 器官内的某种营养元素尽量全部提取出来，然后再对浸提液或消煮液进行常规目视比色分析或分 光光度计的精细比色分析。对氮元素而言，由于n 元素在植株体内有不同的状态，即硝态氮和氨 态氮，相应的对全氮、硝态氮和氨态氮会有不同的比色分析方法，一般是把植物样品经硫酸十过 氧化氢凯氏消煮后，分别使用直接吸光光度法、靛酚蓝比色法和国硫酸钾氧化吸光光度法获得硝 态氮( 包括弧硝态氨) 、氨态氮和全氮的含量。而对p 和k 的检测，则相对简单，可分别用钒钼 黄比色法和原子吸收分光光度法进行检测”1 。 3 中国农业人学硕士论文 第一章前言 1 2 1 5 便携式叶绿素仪营养诊断法 植物在可见光波段的反射率主要受叶绿素的影响。影响叶片中光吸收和光反射的主要因子是 叶绿素、蛋白质、水分和含碳化合物，其中影响最大的是叶绿素浓度。而叶绿素浓度和植株的含 氮量密切相关( 尤其是当植物缺氮时) ，故常用叶绿素浓度间接地指示植物的台氮量。诸多研究 发现植物在5 5 0n m 、6 7 5n 附近的反射率对叶绿素浓度比较敏感1 ，但单一波段的反射率易受 生物草、背景等的影响。因此，在具体应用中，常用两波段的比值以提高叶绿素光谱诊断的精度。 日本m i n o l t a 公司生产的便携式叶绿素仪( s p a d 系列) 就是基于这一原理研制开发并用于水稻生 产的，由丁使用该仪器测定具有简单、快速、非破坏性的特点，近年来也被广泛应用于小麦、玉 米和其它植物的氮素营养诊断和氮肥推荐”5 。1 9 9 2 年法国人p i e k i e l e k 和f o x ”“利用叶绿素仪 读取玉米叶片中的叶绿素浓度米预测氮肥的需求量。除此之外，应用叶绿素仪对小麦、玉米、水 稻等进行氮素亏缺及需要量预测、植物生长评价和水肥管理措施等方面已有不少研究成果 “”8 ”“”。研究人员根据大量的田间实测资料，叶绿素仪读数( 叶绿素s p a d 值) 与植物氯素状态的统计结果表明，叶片s p a d 测量值和含氮量之间有明显的线性关系。2 “2 。基于 上述原理开发的h y d r on 1 e s t e r ( m i n o l t a ，j a p a n ) 可以通过测量叶片中的绿色度来进行植株氮 素的营养诊断，即利用叶片中的绿色度与叫绿素含量成比例变化，方便而快速地监测叶片中的n t 绿素浓度和含氮量。根据此方法已经建立了几种果树的氯素营养诊断指标”“。 然而，进一步的研究却发现，应用叶绿素仪诊断植物的氮素营养状况往往受植物品种、生育 时期、生长环境等影响，精度不高，要精确地估测氮素营养水平，还需在检测之前对所测作物的 生长发育特点利需肥特性有所了解，建立校正曲线或改进算法，且仍需实验分析配合。另外，用 该仪器只能获得植物叶片或某一部位的点信息，具体应用中还要进行人量的样本统计。因此，这 种方法作为一种快速、非破坏性营养检测方法也有一定的限制。 1 2 2 植物营养诊断的新技术 到目前为止，植物营养状况的诊断和测定仍以定性的外观诊断方法( 症状法、长势长相法、 叫色 法等) 和破坏型的常规化学分析为主，也有接触型的快速检测方式( 叶绿素仪法) 。采用 1 f 破坏型、1 f 接触型的方法实现植物营养状况的快速定量检测是精准农业生产的必然要求，也是 植物营养领域的一直想要突破的热点问题。近年米，利崩高光谱近地遥感技术和视觉识别技术进 行植物营养的定量、快速、无损检测成为植物营养诊断检测方面的研究热点，并取得了一些成果。 1 2 2 1 高光谱近地遥感植物营养诊断技术 遥感技术( r s ：r e m o t es e n s i n g ) 是快速获取大面积时空信息的主要技术手段。目前遥感的 分类有多种：按遥感平台( 即运载工具) 可分为地面遥感( 近地遥感) 、航空遥感和航天遥感； 按探测电磁波的j 作波段可分为光学遥感( 可见光遥感，属于主动遥感) 、热红外遥感( 属丁被 动遥感) 和微波遥感( 主动方式与被动方式结合) ”。 任一物质对不同波k ：的电磁波的吸收和反射都不同，物质的这种对不同波段光谱的响应特性 叫光谱特性( 或分光特性) 。植物营养光谱诊断就是以植物化学成分对敏感光谱的反射率与该组 分含龟或浓度的相芙关系为基础的基于植物光谱特性的营养诊断方法。 4 中国投业尺学硕士论文 第一章前言 研究发现，植物的反射光谱曲线的显著特征是在4 9 0 - - 6 0 0n m 波段，具有中等的反射率值， 5 5 0n m 附近是叶绿素的强反射峰( 绿峰) ；在6 0 0 7 0 0n m 波段，因叶绿素对这部分光的强烈吸 收，多数植物在6 8 0 或6 7 0i m 处的反射率最低( 红谷) ；在7 0 0 7 5 0n m 波段，曲线陡而接近 于直线( 红边) ，其斜率与叶绿素含量有关；1 3 6 0 1 4 7 0n m 波段和1 8 3 0 2 0 8 0n m 波段是水和 二氧化碳的强吸收带。各种遥感探测器的光谱通道正是根据植物的这一反射光谱特征来设计的。 不同的植物以及同一种植物在不同的生长发育阶段，其反射光谱曲线的形态和特征也不同，病虫 害、灌溉、施肥蒋条件的不同也会引起植物反射光谱特性的变化，因此，利用植物的光谱特性进 行作物的长势监测具有良盘f 的科学依据”。 近年来，遥感技术在精准农业中的变量施肥( 尤其是氮肥) 方面发挥了非常重要的作j j 。各 种植物胁迫如缺氮、干早等都会使植物叶片的分光反射特性发生改变，通过检测植物冠层的光学 反射特性可以了解植物的营养状况。遥感技术一般利用检测植物冠层的光反射和光吸收性质来获 取植物营养状况，特别是氮素营养状况的信息。 高光谱分辨率遥感( h y p e r s p e c t r a lr e m o t es e n s i n g ) 是指乖j 用很多窄电磁波段对对象物体 获取有关分光特性指标。利用该技术使植物化学成分的遥感估测成为可能，例如对植物叶内的n 、 p 、k 、糖类、淀粉、蛋白质、氨基酸、木质素、纤维素及叶绿素等进行估测，并为评价植物长势、 估计陆地生物龟从理论和实践上提供了可靠的技术保证“。浦瑞良等于1 9 9 7 年在美国加州火学 伯克利分校的b l o d g e t t 林业试验站利用实地测量的高光谱数据进行统计同归分析来评价营养叶 中n 、p 、k 的营养状况，并发现其“三边”内一阶微分光谱的主成分分析对于预测营养叶营养成 分浓度是有效的。该试验结果表明，不管是单变量分析，还是多元回归预测，最好的结果与全钾 ( t k ) 有关，其次是全磷( t p ) ，最差的是全氮( t n ) 。同时该研究组据此建立了一系列利用高光 谱数据分析植物营养状况的实验方法与计算方法。 在实际应t 【= j 中，更多的人在利用高光谱遥感研究植物营养诊断时主要对氮素检测方面有所侧 重，该技术主要席并j 丁精准农业的变量施肥。植物营养诊断的高光谱遥感研究主要通过寻找氮素 的敏感波段及其反射率在不同氮素水平下的表现，运用数理统计方法寻求含氯量与光谱反射率或 其衍生的关系，从而建立模型来估算植物的含氮量；也是一种通过某些特定光谱检测植物冠层的 光反射和光吸收性质米检测植物营养状况( 尤其是氮素营养状况) 的技术。在近地测量中，常采 用光谱反射仪，手持式多光谱反射仪在田间或现场直接获取植物冠层的多光谱反射信息，并在不 损伤植株的前提r 进行多次测定，冈此避免了叶绿素仪测试的缺陷。目前国内外很多学者的研究 表明：许多植物在缺氮时无论是叶片还是植物冠层水平对可见光波段的反射率都有所增加，对含 氮量变化最敏感的波段在5 3 0 5 6 0n r l l ，通过光谱测定及其变量运算如i r r e d 比值，可以区分不 同氮素营养水平”7 ”2 ”“”1 。王人潮等( 1 9 9 3 ) ”“确定诊断水稻冠层氮素营养水平的敏感波段为 7 6 0 9 0 0r i m 、6 3 0 6 9 0n mt n 5 2 0 5 5 0n “；f i l e l l ae t a l ( 1 9 9 5 ) 口3 j 应用多光谱遥感监测不同氮 素营养状况的小麦叶绿素含量来了解其氮素营养状况，发现5 5 0n m 、6 7 5i l m 附近的反射率对叶绿 素含量比较敏感；d a u g h t r y 等( 2 0 0 0 ) ”4 对不同供氮处理的玉米通过多光谱遥感确定最佳测定 波段并通过光谱反射来估计冠层叶绿素含量；c h a p p e l l ee ta l ( 1 9 9 2 ) ”“提出了一种光谱反射 率分析( r a r s ) 算法用于评估叶绿素含量，当植株中的叶绿素逐渐累积时，用这种方法计算的结 果与通过化学分析所得结果具有较好的一致性。此外，基于多光谱技术的植被指数在评价植物长 势方面取得了广泛的虑用，其中归一化植被指数n d v i ( n o r m a l i s e dd i f f e r e r i c ev e g e t a t i o nl n d e x ， 英文全称确认) 已成功应用于评价植物生长状况和自然植被覆盖。通常认为，n d v i 指数对植物 的氮素状况并不敏感，特别是对低含量的叶绿素水平”，冈此，可以利用g n d v i ( g r e e nn o r m a l iz e d y e g er , a t i o ni n d e x 英文全称) 来替代n d v i ，g n d v i 与n d v i 相比，利用绿光波段代替了红光波段， 因而对叶绿素含帚十分敏感，可对冠层叶绿素进行准确估计。另外，用高分辨率多光谱近地遥感 技术测量叶绿素含量的方法多使用“红边”指数，即植被反射光谱在6 8 0 7 4 0r i m 曲线的最大斜 率。综e 所述，大量研究已表明：不同氮素营养水平下的冠层光谱反射存在着明显的差异，植被 指数对这一差异更为敏感，利片j 冠层光谱测试可以区分植物的不同的氮素营养水平。 虽然以上研究成果已被成功应用剑某些农业生产中，但在田间环境中，植物冠层光谱反射特 性受到植株叶片含水营、土壤湿度、冠层儿何结构、十壤覆盖度、人气对光谱的吸收等诸多冈素 的影响，与植物本身的叶片结构、构成叫片的细胞数量和细胞壁排列方向等都有关系，影响因素 众多、情况复杂，冈此在实际应用中需要排除这些因素的制约是非常不容易的。 高光谱近地遥感所使j = | j 的波段并不仅限于可见光范围，也使用红外波段和微波。植物冠层反 射和十壤背景辐射在红外胶片或其他图像采集装置上表现为不同的辐射成像，获得的图像经计算 机处理后，每个像素的色度变化都可以表示出植物反射光线的情况，而植物反射光线特性的变化 正是植物营养变化，特别是氮素营养状况发生变化的结果。由于历史原因，目前从事遥感图像处 理研究和开发的科技人员人多山身于电子、计算机、物理、数学等理工科专业，一般来说他们对 遥感设备以及如何获取、接收、记录、处理图像数据很熟悉、很内行，但是他们对各个应用专业 ( 譬如植物营养诊断) 的具体要求以及如何体现这些要求知之不多、不透。因此他什j 可以出色地 完成一般图像处理，但是却不一定能胜任植物营养诊断等特定目的遥感图像处理。另一方面，不 少想应用遥感图像来获取有关专业信息与知识的领域专业人员，由于他们对遥感技术特别是对数 字遥感图像处理的理论与技术了解不深，甚至把它当成一个一个高深莫测的黑匣子，因此会感到 无从下手( 戴吕达等，2 0 0 4 ) 。同时，光谱遥感尤其是光谱成像遥感对设备和数据处理有较高的 技术要求，并且价格昂贵。以上冈素都大大地限制了高光谱近地遥感在农业上的应用”。 1 2 2 2 视觉识别技术在植物营养诊断中的应用 视觉识别技术是基于人眼成像技术，利用图像传感器获取物体的图像后转换成数字图像，并 利用计算机技术进行图像识别以达到利用图像特征获取有用信息的技术。视觉识别技术首先在2 0 世纪7 0 年代应用于遥感图像处理和医学图像处理，其后才广泛普及到其他领域。目前，视觉识 别技术在农业生产领域中的应用研究日益增多，井开始呈现出巨人的发展潜力。 植物在不同的营养状况f 表现山的茎叶色彩和形态特征是表征植物生长发育及其营养状况 的重要信息。运f j 视觉识别技术进行植物营养状况的诊断主要是通过田间获取数字图像，运用图 像处理、模式识别、景物分析、图像理解等技术对图像进行分析处理，从图像特征中获取植物信 息来进行成长或营养检测来喂生产管理和决策提供科学依据。 植物营养状况的变化直接影响着植物的冠层色彩，缺氮植物叶片颜色变浅，冠层颜色偏黄绿 色，由丁- 人的眼睛对可见光最敏感的波段在5 5 0t i m ，恰好在可见光的绿色波段，冈此自占以来， 农民传统的判断植物营养状况的手段就是通过肉眼对植物绿色深浅程度的判断。研究表明：植物 冠层绿色状况通常情况下都与叶片叶绿素浓度有关，而叶绿素与植株的全氮含量有显著的相关关 系”4 ，n t 绿素浓度或含氮量的变化影响了叫片冠层的光吸收或反射”7 “。从植物的长势米看，缺 6 中固采业人掌硕l 论立 第一苹前寿 氨时植株显得矮小、瘦弱，叶片薄而小，分蘖少，叶面积指数4 、，因此通过植株叶面积的大小也 可以反映出植物的氮素营养状况。 在植物幽像营养检测中，可通过图像传感器中的核心元件c c d ( 电荷耦合器件) 感应植物 冠层以及叶片的光反射和光吸收特性并形成影像记录，进而通过图像处理获取不同营养状况下的 光谱差异吼实现其营养诊断的过程。从传感器和图像处理的角度看，视觉识别技术是遥感技术本 身在信息近距离获取过程中的应用。近年来，可见光遥感技术在植物生氏状况评价和营养状况检 测方面成为新的研究热点，特别是可见光波段的图像检测技术在推荐施肥等方面的应用。 穗波信雄等( 1 9 9 2 ) 率先利用视觉识别技术分别对缺乏钙、铁、镁营养元素的慈菇叶片进行 了一些基础性研究。他 f j 禾q 用直方图分析了颜色特征，义用阙值法分割出叶片上病态部分和止常 部分，并计算出两部分的面积比作为特征m ，。 a h m a di s p f8 ，( 1 9 9 6 ) 利用彩色图像信息评价缺水和缺氮对玉米生长的影响及由此造 成的植株的r g b 色彩特征的不同。研究发现：与r g b 相比，h s i 能更清楚地表征玉米植株中的色 彩变化，因此，将t t s i 用于植物图像的色彩评价和图像处理是非常有效的“。 。 b l a c k m e rp fa ( 1 9 9 6 ) 通过分析彩色图像上的冠层相对亮度对玉米产量进行了预测，红、 绿、蓝三色光特征值与玉米产量问有极显著的线性正相关关系，波长范围在5 3 6 f l f i l 3n m 的图 像灰度值与玉米产量有极显著的负相关关系”“。 1 9 9 8 年，日本学者k a w a s h i m ae a l 利用摄像机系统检测叶片叶绿素含餐从而评价植株的 营养状况。该研究通过选用红一蓝红+ 蓝( ( r b ) ( r + b ) ) 特征值表征叶绿素含量提取算法，尤其 是在滤除图像采集中的辐射环境噪音后，获得了良好的效果“。 a d a m s e ne t8 ( 1 9 9 9 ) 年应用数码相机获取了冬小麦的冠层图像，得山冠层图像绿光( g ) 与红光( r ) 的比值g r 与叶绿素s p a d 值存在极显著相关关系的结论“。 s c h a r p fa n dl o r y ( 2 0 0 2 ) 通过分析航空摄影得到的玉米冠层图像对玉米的追肥臆用量进行 了预测与分析，结果发现在玉米生长在5 时期到7 叶期的冠层图像的相对绿色与蓝色亮度值与 经济最佳施氮量问有良好的线性正相关关系，即随着相对绿色亮度和蓝色亮度的增加，其最佳施 氮量有增加的趋势。由此可以判断，随着相对绿色亮度和蓝色亮度与土壤供氮量间为线性负相关 关系，即土壤供氮越少，相对绿色亮度和蓝色值越高，需要追施的氮肥量越高”“。 近年来，国内的许多研究人员在如何从营养不良的植物叶片中提取纹理特征作了很多的研 究，尤其是将计算机技术、图像技术、数学统计理论、人工神经网络、人j 二智能、遗传算法和模 式识别等知识融合以后进行研究，殷得了丰硕的成果。 徐贵力等( 2 0 q 2 ) 提出了卣分率直方图法提取缺素叶片幽像的颜色特征的方法，先后研究了 如何除去图像中自色背景的影响、用百分率直方图取代一股南方图以解决叶片人小对颜色特征提 取的影响、以及如何确定提取颜色值的区域。此方法提取的颜色特征能理想地识另0 缺索番茄叶片， 准确率在7 0 以上“”“6 “”| 。毛罕平等( 2 0 0 3 ，2 0 0 4 ) 研究发现由图像傅立叶周向谱传统算法得 到的频谱分布不能真止地反映其频率特性，故根据傅立叶变换的共轭对称性提出了更具有一般性 的长方环簿立时周匈谱能量百分比的新算法。该算法均匀地把图像功率谱分成2 0 个等间距同心 k 方环，计算每一个长方环内功率谱能量占总能晕的比值作为图像频率分布特征。实验证明，新 算法能更好地反映具有一般性的不同频率图像的纹理特征，在对作物缺乏营养元素的诊断识别研 究中，新算法提取的特征有效性远远高于传统算法，其识别准确率达到8 2 以上“。 7