基于手机相机获取玉米叶片数字图像的氮素营养诊断与推荐施肥研究*

夏莎莎, 张 聪, 李佳珍, 李红军, 张玉铭**, 胡春胜



基于手机相机获取玉米叶片数字图像的氮素营养诊断与推荐施肥研究*

夏莎莎1, 张 聪3, 李佳珍2, 李红军2, 张玉铭2**, 胡春胜2

(1. 中国科学院生态环境研究中心 北京 100085; 2. 中国科学院遗传与发育生物学研究所农业资源研究中心/中国科学院农业水资源重点实验室/河北省节水农业重点实验室 石家庄 050022; 3. 华北制药集团爱诺有限公司 石家庄 050000)

本文利用手机相机获取玉米6叶期和9叶期的冠层图像, 对图像进行色彩参数的提取与处理, 分析了不同生长时期、不同品种间色彩参数的差异性, 以及色彩参数与传统玉米氮素营养指标的相关性, 选择出适宜的敏感色彩参数, 对色彩参数与氮素营养指标进行拟合建模, 建立了玉米氮素营养诊断体系, 并推荐了不同产量目标下的施肥量,为实现利用智能手机田间拍照进行氮素营养诊断和精准推荐施肥提供参考。结果表明, 在玉米6叶期, 冠层图像色彩参数与传统氮素营养指标间的相关性优于9叶期, 可作为应用数字图像分析技术进行氮素营养诊断的诊断时期; 不同品种玉米的冠层图像色彩参数间无显著差异。B/(R+G+B)和G/(R+G+B)与传统氮素诊断指标——叶片SPAD值、第1完全展开叶叶脉硝酸盐浓度均显著相关, 且B/(R+G+B)更为敏感, 因此可作为玉米氮素营养诊断的色彩参数指标, 诊断方程为: 玉米叶脉硝酸盐浓度=1.73×1010×[B/(R+G+B)]9.43。并依此给出了不同B/(R+G+B)值下的玉米营养状况以及不同目标产量下的推荐施氮量。本研究结果可为基于手机相机开展玉米氮素营养诊断与推荐施肥技术的推广与应用提供技术支撑。

手机相机; 叶片数字图像; 色彩参数; 氮素营养诊断; 精准施肥; 夏玉米

营养诊断在作物生长过程中起着至关重要的作用, 通过便捷、快速的手段准确获取作物在不同或某一特定生育时期的营养状况, 以此为依据对作物进行营养诊断, 获得作物的施肥推荐。这一技术可以帮助准确掌握植株的营养状况, 从而能够更加合理地调整肥料施用量, 防止过量施肥带来的浪费以及随之而来的生态环境污染问题, 也可以很大程度上提高肥料的利用率[1-4]。在现代农业中, 对作物营养诊断这一技术的要求越来越高, 需要更精准、更快捷、更简洁的诊断技术。近年来, 数字图像技术的日益成熟为作物营养诊断、精准施肥提供了有力的技术支持, 在小麦()[5]、玉米()[6]、葡萄()[7]、草莓()[8]、棉花(sp.)[9]等多种作物上均进行了研究和应用, 已经取得了一定成果, 充分证明这种方法的有效性和可应用性。植株叶片颜色与叶绿素息息相关, 而氮素营养状况会直接影响植株叶绿素的组成及含量[10-11], 因此, 可以利用获取的植株叶片数字图像来分析研究植株的氮素营养状况。然而, 已有的研究成果中, 对玉米的研究并不是很多, 尤其是对玉米不同品种间差异性的研究很少。在图像获取的手段上, 数码相机已经被广泛地应用到对作物进行营养诊断的研究中[5-9], 无人机等航拍技术也有涉猎[12], 但手机相机的便携性、普遍性、易操作性等优势并没有广泛地应用到作物营养诊断中。

基于以上研究基础和切实需求, 本研究通过手机相机获取夏玉米第一完全展开叶叶片数字图像, 分析玉米不同生育期的叶片数字图像色彩参数的变化, 以及不同品种间色彩参数的差异, 结合与传统氮素营养指标的相关分析, 筛选出适宜的敏感色彩参数, 建立反演玉米氮素营养指标的拟合模型, 确立营养诊断指标并提出施肥推荐, 据此研发一款针对玉米氮素营养诊断与推荐施肥的软件[13], 实现通过智能手机田间拍照实时进行作物氮素营养诊断和精准推荐施肥。

1 材料与方法

1.1 试验设计

本研究依托中国科学院栾城农业生态系统试验站(37.88°N, 114.68°E)的长期肥料定位试验, 此试验可以监测不同程度氮素短缺对作物的影响[6]。该站属于暖温带半湿润季风气候, 代表土壤为潮褐土, 种植制度以冬小麦-夏玉米轮作制为主。长期定位试验设置4个氮肥水平: 0 kg(N)·hm-2·a−1、200 kg(N)·hm−2·a−1、400 kg(N)·hm−2·a−1和600 kg(N)·hm−2·a−1; 3个磷肥水平: 0 kg(P)·hm−2·a−1、32.5 kg(P)·hm−2·a−1和64 kg(P)·hm−2·a−1; 2个钾肥水平: 0 kg(K)·hm-2·a−1和150 kg(K)·hm-2·a−1。试验采用正交不完全设计共选出16个处理方式, 每个处理方式进行3次重复, 共计48个样区。考虑到磷肥严重短缺给作物带来的影响, 本研究只选择磷肥施用样区作为研究对象, 共计11个处理, 33个样区。在品种间叶片数字图像色彩参数差异方面, 以当地普遍种植的‘郑单958’、‘浚单20’、‘先玉335’和‘京单20’夏玉米品种为供试对象开展研究。

1.2 作物常规测试项目

单一品种的测试项目选择在玉米的6叶期(2016年7月)和9叶期(2016年8月)进行, 不同品种的测试选在玉米的6叶期进行。观测项目包括叶片叶绿素含量(SPAD数值)和植株硝酸盐浓度。每个样区随机选定30株玉米, 利用SPAD-502叶绿素仪测定玉米第1片完全展开叶的中部数值, 取其平均值作为该样区的SPAD数值。同样取夏玉米第1完全展开叶中部叶脉, 挤压汁液, 采用反射仪和硝酸盐试纸测定植株叶脉硝酸盐浓度。

1.3 叶片图像获取方法

利用三星手机相机拍照获取玉米第1片完全展开叶数字图像。拍照前在上述每个样区已测定过SPAD值的叶片中选择长势均匀、具有代表性的6株玉米, 将其第1片完全展开叶自叶基部摘下, 并尽快将6片叶子依次排开平铺于平坦的地面上, 用手机相机采用距离叶片1 m、垂直向下姿态拍照获取玉米叶片数字图像。拍照后的叶片取其中部叶脉榨取汁液测定其硝酸盐含量。

1.4 作物数字图像处理与色彩参数分析

获取的玉米叶片图像中, 有红(R)、绿(G)、蓝(B)3个色彩通道, 能够反映不同条件下玉米叶片对光的反射差异, 从而可以作为诊断指标对作物的营养状况进行分析。手机相机拍摄中, 光线的强弱、土壤背景等都会影响敏感色彩参数的选择, 因此为了提高获取图像的色彩参数的精准度, 这些非作物叶片的因素要被剔除。首先针对光线强弱因素的干扰, 对R、G、B 3色光进行标准化处理, 得到红光标准化值[R/(R+G+B)]、绿光标准化值[G/(R+G+B)]和蓝光标准化值[B/(R+G+B)]。其次对非作物图像干扰因素的剔除, 通过对图像数据进行比对分析, 选择R、R/(R+G+B)和G/(R+G+B)3个参数作为剔除的指标, 过滤的标准是: G/(R+G+B)>0.37 AND R/(R+G+B)<0.42 AND R>20, R>20用于过滤阴影部分。最后通过遥感图像的分析功能, 利用建模的方法对图像的色彩参数进行自动化处理。

处理后得到玉米叶片图像的色彩参数R/(R+G+B)、G/(R+G+B)和B/(R+G+B)及绿光与红光比值(G/R)和可见光大气阻抗植被指数[(G-R)/(G+R-B), VARI], 最后与试验获得的作物氮素营养指标进行相关分析。

为了研究玉米不同生长时期、不同品种的冠层图像色彩参数的差异、色彩参数对地力差异反应的敏感程度及其与玉米叶片传统氮素营养指标的相关性, 设计了两组试验: 第1组以玉米品种‘郑单958’为研究对象, 在6叶期和9叶期分别获取第一完全展开叶叶片数字图像并提取色彩参数, 对数据进行比对分析; 第2组在6叶期, 对4个种玉米品种‘郑单958’、‘浚单20’、‘先玉335’和‘京单20’均进行第1完全展开叶叶片图像采集, 之后对获取的色彩参数数据进行分析。

2 结果与分析

2.1 玉米不同生育时期、不同品种叶片数字图像的色彩参数

选择了玉米品种‘郑单958’ 6叶期和9叶期进行不同生长期叶片数字图像色彩参数的对比分析, 结果见表1。从表中可以看出, R、G、B、B/(R+G+B)、G/R和VARI在6叶期平均值均小于9叶期, 而R/(R+G+B)与G/(R+G+B)的平均值则是9叶期更高。从变异系数来看, R、G和R/(R+G+B)在6叶期的离散度小于9叶期, 其他的5种色彩参数的离散度均为6叶期更高, 说明大部分色彩参数受氮素水平影响在6叶期的数据变幅更宽, 离散度更高, 出现异常值的几率要更低, 不确定性低于9叶期, 即6叶期色彩参数对土壤肥力差异的反应较为敏感。通过统计学分析可以得出, 6叶期与9叶期相比, 所有的色彩参数中只有G/(R+G+B) 不存在显著差异(<0.05), 说明玉米不同生长时期叶片图像的色彩参数差异较大。在选择诊断时期时, 应以色彩参数对肥力反应的敏感期作为诊断时期, 基于大部分色彩参数的离散度、规律性分析, 可以初步考虑以6叶期作为玉米氮素营养诊断的时期。

不同玉米品种间叶色和叶型等特征存在差异, 是否对叶片数字图像色彩参数产生影响, 从而影响基于数字图像分析技术的氮素营养诊断结果值得探讨, 这关乎该方法是否有必要针对不同的玉米品种建立不同的诊断模型以及该方法是否具有广泛的适用性。为此, 本研究分析了‘郑单958’、‘浚单20’、‘先玉335’和‘京单20’ 4个玉米品种6叶期叶片图像色彩参数的差异。考虑到比值色彩参数可一定程度上减少单色彩通道变化的影响[13], 选择了R/(R+G+B)、G/(R+G+B)、B/(R+G+B)、G/R和VARI进行分析。图1显示, 所选参数不同品种间均未表现出显著性差异(<0.05), 表明不同玉米品种叶片特征差异对色彩参数无显著影响, 即在基于数字图像分析技术开展氮素营养诊断与推荐施肥时, 上述5种色彩参数均可作为备选诊断参数, 且不必对每个品种逐一建立诊断模型, 这为该方法在农业生产中的应用带来了很大的方便性和可行性。

表1 玉米品种‘郑单958’不同生育期的叶片数字图像的色彩参数的比较

不同小写字母表示两个生育期间差异显著(<0.05)。Different small letters mean significant differences among two growth stages (< 0.05).

图1 不同玉米品种的叶片数字图像色彩参数的比较

相同小写字母表示不同品种间差异不显著(>0.05)。Same small letters mean not significant difference among different varieties (> 0.05)

2.2 玉米氮素营养诊断敏感色彩参数选择

用于诊断指标的色彩参数选择上, 应以色彩参数具有较高的稳定性、与传统营养诊断指标具有较好的相关性为原则。玉米叶片图像色采参数与6叶期、9叶期传统氮素营养指标的相关性分析(表2)表明, 6叶期, B、G/(R+G+B)、B/(R+G+B)、G/R和VARI均与SPAD显著相关, 其中G/(R+G+B)与B/(R+G+B)的相关性更为显著, 而R、G和R/(R+G+B)与SPAD相关不显著。9叶期, B与SPAD相关不显著, 其余7个色彩参数均与SPAD呈极显著相关。R、G和R/(R+G+B)在9叶期与SPAD的相关性强于6叶期, 两个时期与SPAD的相关性差异大, 不稳定, 鉴于此, R、G、B和R/(R+G+B)不适宜作为不同生长时期玉米氮素营养诊断的诊断参数; 而G/(R+G+B)、B/(R+G+B)、G/R和VARI表现比较稳定。色彩参数与叶脉硝酸盐浓度的相关性与SPAD相似, R、G和R/(R+G+B)3个色彩参数在9叶期与植株硝酸盐均显著相关, 并且相关性优于6叶期; 其他5个色彩参数6叶期与硝酸盐的相关性要优于9叶期, 均为显著相关。纵观色彩参数与两种氮素传统营养指标的相关性, G/(R+G+B)、B/(R+G+B)和VARI 无论是6叶期还是9叶期, 均与氮素营养指标存在显著的相关性, 且6叶期相关性高于9叶期, 其中G/(R+G+B)和B/(R+G+B)要明显优于VARI。综上分析, G/(R+G+B)和B/(R+G+B)可作为敏感色彩参数的候选指标, 6叶期为基于数字图像分析的氮素营养诊断适宜诊断时期。

在建立营养诊断体系时, 传统诊断指标是不可或缺的参照指标, 通过将色彩参数与之建立拟合关系, 反演建立基于数字图像分析技术的作物氮素营养诊断体系。其中最为常用的传统氮素营养指标包括叶片SPAD和植株硝酸盐浓度。叶片SPAD值可快速、无损、简洁地对植物叶绿素相对含量进行测定, 有着广泛的应用范围[14-16]。但SPAD值的读取易受众多因素的干扰, 并需要通过多次多点测试取其平均值, 因此数据变异性和偶然误差出现的概率较高[17-18]。而植株的硝酸盐浓度是通过选取玉米多片叶片叶脉获取汁液测得的数据, 具有较好的代表性和稳定性。因此, 本研究选择玉米叶脉硝酸盐浓度作为参照传统指标参与营养诊断体系的建立。

从表2可以看出, 6叶期G/(R+G+B)和B/(R+G+B)与硝酸盐浓度的相关性较高, B/(R+G+B)的决定系数为0.608, 高于G/(R+G+B), 表明B/(R+G+B)较G/(R+G+B)更适宜于作为诊断参数。从图2可以看出, 不论是不同生长时期, 还是不同品种间, G/(R+G+B)和B/(R+G+B)均呈现极显著的线性相关关系, 同一品种的6叶期两个参数的线性相关最为显著。表1中亦可看出, B/(R+G+B)在6叶期的变异系数为0.136, 大于G/(R+G+B)的0.047, 表明B/(R+G+B)具有相对较高的离散度和较低的不确定性, 随施肥水平的变化具有较敏感的响应性。基于此, 本研究选择B/(R+G+B)作为营养诊断的敏感色彩参数。

表2 玉米不同生育期叶片图像色彩参数与传统氮素营养指标的相关关系

*和**分别表示<0.05和<0.01水平显著相关。* and ** mean significant correlations at< 0.05 and< 0.01, respectively.

图2 玉米不同生育期/不同品种叶片数字图像绿光标准化值[G/(R+G+B)]与蓝光标准化值[B/(R+G+B)]的线性相关性

2.3 氮素营养诊断模型及推荐施肥指标

将6叶期的B/(R+G+B)数值与同步检测的玉米叶脉硝酸盐浓度进行回归建模, 获取基于手机相机拍摄玉米叶片数字图像进行氮素营养诊断的数学模型, 如图3所示。B/(R+G+B)与叶脉硝酸盐浓度呈现较好的幂函数相关性, 通过拟合得到的玉米手机相机拍照的氮素营养诊断方程: 叶脉硝酸盐浓度= 1.73×1010×[B/(R+G+B)]9.43。以此方程为基础, 利用玉米叶片数字图像的B/(R+G+B)值计算玉米叶脉硝酸盐浓度, 以判断玉米的氮素营养状况; 并结合玉米的目标产量, 以基于玉米叶脉硝酸盐浓度推荐施肥的指标体系为依据[19], 反演推算以B/(R+G+B)为诊断指标的推荐施肥量, 建立推荐施肥指标体系, 从而实现精准施肥。表3为基于B/(R+G+B)的氮素营养诊断指标体系和依此给出的不同目标产量下玉米氮肥追肥量的推荐值。从表中可以看出, 当B/(R+G+B)<0.158 7时, 玉米处于供氮严重不足的状态, 需施用氮肥, 保证作物正常生长; 当B/(R+G+B)>0.181 2时, 玉米氮素营养过剩, 不必再追肥, 以避免过多氮素流失进入环境, 造成肥料损失并危害环境。

图3 玉米叶片图像蓝光标准化值[B/(R+G+B)]与叶脉硝酸盐浓度的拟合曲线

表3 基于玉米叶片图像蓝光标准化值[B/(R+G+B)]的玉米氮素营养诊断与推荐施肥指标体系

3 讨论与结论

对作物进行准确、简便的养分实时诊断, 并推荐与之相适应的施肥量, 是实现精准施肥的重要保障。随着数码相机、手机相机的广泛使用, 应用数字图像技术进行作物光谱分析, 追踪作物营养状态, 实现无损诊断已成为研究热点[20]。目前已有不少通过数码相机、无人机搭载相机航拍等手段进行氮素营养分析、建模、建立推荐施肥体系等的研究, 但是利用手机相机在农田内拍照、获取作物营养状态和施肥推荐指标等的研究尚不多见。

本研究利用手机相机采集玉米不同生长时期(6叶期和9叶期)以及不同玉米品种(‘郑单958’、‘浚单20’、‘先玉335’和‘京单20’)的第1完全展开叶叶片数字图像, 针对玉米的叶片数字图像进行色彩参数提取, 对色彩参数稳定性及其与传统氮素营养指标的相关性进行分析, 确定了适宜的玉米氮素营养诊断时期和色彩参数, 并建立了色彩参数与传统营养诊断指标的拟合模型, 建立了基于数字图像分析技术的玉米氮素营养诊断指标体系和推荐施肥指标体系。具体结论: 玉米的6叶期是应用数字图像进行氮素营养诊断的适宜时期, B/(R+G+B)适宜作为玉米氮素营养诊断的敏感色彩参数, 当B/(R+G+B)<0.158 7时, 玉米处于供氮严重不足状态, 当B/(R+G+B)>0.181 2时, 玉米处于供氮过量状态。不同玉米品种第1完全展开叶数字图像色彩参数无显著差异, 是基于数字图像进行氮素营养诊断与推荐施肥技术广泛应用的前提条件。以此研究结果为基础, 设计开发了一套适用于安卓系统手机的软件系统[13], 软件的操作较为简单, 利用了用户智能手机自带的照相功能, 便于农户在零成本条件下使用, 在河北省部分地区进行了推广和应用, 受到用户的好评。

纵观以往有关基于数字图像分析技术的作物营养诊断与推荐施肥研究[8-9,21-23], 可以看出不同作物适宜的营养诊断色彩参数并不一致, 其中G/(R+G+B)的应用更为普遍, 适宜用于营养诊断的色彩参数, 主要与色彩参数的稳定性、对土壤供肥能力反应的敏感性及其与传统营养指标的拟合程度有关。本研究结果表明, 玉米氮素营养诊断的敏感色彩参数为B/(R+G+B), 与张立周等[6]和李红军等[12]对玉米氮素营养诊断的研究中得出的适宜作诊断指标的色彩参数一致。这两个研究中前者通过数码相机获取玉米冠层数字图像, 后者利用无人机搭载数码相机进行航拍获取冠层图像。结合本研究使用手机相机获取玉米叶片图像的研究, 对于同一作物, 不同数字图像获取方式对诊断指标的色彩参数选择不会产生太大影响。在后续的研究工作中, 可以对这一现象进行深入研究, 探明是否同样适用于其他作物。在最佳诊断时期选择上, 可针对更多的玉米关键生育期进行研究, 以进一步确认6叶期是否是最优的营养诊断时期。本研究将在应用数字图像技术进行作物氮素营养诊断的研究方面继续深入, 为精准施肥的开展提供有力的科学支持。

[1] 朱兆良, 文启孝. 中国土壤氮素[M]. 南京: 江苏科学技术出版社, 1992 ZHU Z L, WEN Q X. Nitrogen in Soils of China[M]. Nanjing: Jiangsu Science and Technology Press, 1992

[2] ZHAO R F, CHEN X P, ZHANG F S, et al. Fertilization and nitrogen balance in a wheat-maize rotation system in North China[J]. Agronomy Journal, 2006, 98(4): 938−945

[3] 吴倩, 孙红, 李民赞, 等. 玉米作物多光谱图像精准分割与叶绿素诊断方法研究[J]. 光谱学与光谱分析, 2015, 35(1): 178−183 WU Q, SUN H, LI M Z, et al. Research on maize multispectral image accurate segmentation and chlorophyll index estimation[J]. Spectroscopy and Spectral Analysis, 2015, 35(1): 178−183

[4] CUI Z L, CHEN X P, MIAO Y X, et al. On-farm evaluation of winter wheat yield response to residual soil nitrate-N in North China plain[J]. Agronomy Journal, 2008, 100(6): 1527−1534

[5] 张立周, 侯晓宇, 张玉铭, 等. 数字图像诊断技术在冬小麦氮素营养诊断中的应用[J]. 中国生态农业学报, 2011, 19(5): 1168–1174 ZHANG L Z, HOU X Y, ZHANG Y M, et al. Diagnosis of the state of N in wheat via digital image processing technique[J]. Chinese Journal of Eco-Agriculture, 2011, 19(5): 1168–1174

[6] 张立周, 王殿武, 张玉铭, 等. 数字图像技术在夏玉米氮素营养诊断中的应用[J]. 中国生态农业学报, 2010, 18(6): 1340–1344 ZHANG L Z, WANG D W, ZHANG Y M, et al. Diagnosis of N nutrient status of corn using digital image processing technique[J]. Chinese Journal of Eco-Agriculture, 2010, 18(6): 1340–1344

[7] 王连君, 宋月. 应用数字图像技术对葡萄进行氮素营养诊断的研究[J]. 农业科技通讯, 2017, (7): 186–189WANG L J, SONG Y. Study on the nitrogen nutrition diagnosis of grape using digital image processing technique[J]. Bulletin of Agricultural Science and Technology, 2017, (7): 186–189

[8] 王连君, 邢宇. 数字图像技术在草莓氮素营养诊断中的应用研究[J]. 华南农业大学学报, 2010, 31(2): 19–21 WANG L J, XING Y. Study on strawberry of N nutrition diagnosis using digital image processing technique[J]. Journal of South China Agricultural University, 2010, 31(2): 19–21

[9] 王娟, 雷咏雯, 张永帅, 等. 应用数字图像分析技术进行棉花氮素营养诊断的研究[J]. 中国生态农业学报, 2008, 16(1): 145–149 WANG J, LEI Y W, ZHANG Y S, et al. Diagnosis of cotton N status using digital image analysis technique[J]. Chinese Journal of Eco-Agriculture, 2008, 16(1): 145–149

[10] BLACKMER T M, SCHEPERS J S. Use of a chlorophyll meter to monitor nitrogen status and schedule fertigation for corn[J]. Journal of Production Agriculture, 1994, 8(1): 56−60

[11] AL-ABBAS A H, BARR R, HALL J D, et al. Spectra of normal and nutrient-deficient maize leaves[J]. Agronomy Journal, 1974, 66(1): 16−20

[12] 李红军, 李佳珍, 雷玉平, 等. 无人机搭载数码相机航拍进行小麦、玉米氮素营养诊断研究[J]. 中国生态农业学报, 2017, 25(12): 1832–1841 LI H J, LI J Z, LEI Y P, et al. Diagnosis of nitrogen nutrition of winter wheat and summer corn using images from digital camera equipped on unmanned aerial vehicle[J]. Chinese Journal of Eco-Agriculture, 2017, 25(12): 1832–1841

[13] 夏莎莎, 张聪, 李佳珍, 等. 基于手机相机获取冬小麦冠层数字图像的氮素诊断与推荐施肥研究[J]. 中国生态农业学报, 2018, 26(4): 538–546 XIA S S, ZHANG C, LI J Z, et al. Study on nitrogen nutrition diagnosis and fertilization recommendation of winter wheat using canopy digital images from cellphone camera[J]. Chinese Journal of Eco-Agriculture, 2018, 26(4): 538–546

[14] 胡昊, 白由路, 杨俐苹, 等. 基于SPAD-502与GreenSeeker的冬小麦氮营养诊断研究[J]. 中国生态农业学报, 2010, 18(4): 748−752 HU H, BAI Y L, YANG L P, et al. Diagnosis of nitrogen nutrition in winter wheat () via SPAD-502 and GreenSeeker[J]. Chinese Journal of Eco-Agriculture, 2010, 18(4): 748−752

[15] 党蕊娟, 李世清, 穆晓慧, 等. 施氮对半湿润农田夏玉米冠层氮素及叶绿素相对值(SPAD值)垂直分布的影响[J]. 中国生态农业学报, 2009, 17(1): 54−59 DANG R J, LI S Q, MU X H, et al. Effect of nitrogen on vertical distribution of canopy nitrogen and chlorophyll relative value (SPAD value) of summer maize in sub-humid areas[J]. Chinese Journal of Eco-Agriculture, 2009, 17(1): 54−59

[16] 李鹏程, 董合林. 叶绿素仪在棉花氮肥推荐中的研究进展[J]. 中国农学通报, 2015, 31(21): 92−97 LI P C, DONG H L. A review on chlorophyll meter application on nitrogen fertilizer recommendation for cotton[J]. Chinese Agricultural Science Bulletin, 2015, 31(21): 92−97

[17] 李志宏, 张云贵, 刘宏斌, 等. 叶绿素仪在夏玉米氮营养诊断中的应用[J]. 植物营养与肥料学报, 2005, 11(6): 764−768 LI Z H, ZHANG Y G, LIU H B, et al. Application of chlorophyll meter on N nutritional diagnosis for summer corn[J]. Plant Nutrition and Fertilizer Science, 2005, 11(6): 764−768

[18] 童淑媛, 宋凤斌. SPAD值在玉米氮素营养诊断及推荐施肥中的应用[J]. 农业系统科学与综合研究, 2009, 25(2): 233−238 TONG S Y, SONG F B. Application of SPAD value on N nutritional diagnosis and fertilization recommendation[J]. System Sciences and Comprehensive Studies in Agriculture, 2009, 25(2): 233−238

[19] 张福锁. 测土配方施肥技术要览[M]. 北京: 中国农业大学出版社, 2006 ZHANG F S. A Review of Soil Testing and Fertilizer Recommendation Technique[M]. Beijing: China Agricultural University Press, 2006

[20] 杨绍锷, 杜鑫. 基于光谱信息的作物氮素营养诊断研究进展[J]. 湖南农业科学, 2017, (2): 127–130 YANG S E, DU X. Advances of crop nitrogen diagnosis based on spectral information[J]. Hunan Agricultural Sciences, 2017, (2): 127–130

[21] ADAMSEN F G, PINTER P J JR, BARNES E M, et al. Measuring wheat senescence with a digital camera[J]. Crop Science, 1999, 39(7): 719−724

[22] 肖焱波, 贾良良, 陈新平, 等. 应用数字图像分析技术进行冬小麦拔节期氮营养诊断[J]. 中国农学通报, 2008, 24(8): 448−553 XIAO Y B, JIA L L, CHEN X P, et al. N status diagnosis of winter wheat by using digital image analysis technology[J]. Chinese Agricultural Science Bulletin, 2008, 24(8): 448−553

[23] 贾良良, 范明生, 张福锁, 等. 应用数码相机进行水稻氮营养诊断[J]. 光谱学与光谱分析, 2009, 29(8): 2176−2179 JIA L L, FAN M S, ZHANG F S, et al. Nitrogen status diagnosis of rice by using a digital camera[J]. Spectroscopy and Spectral Analysis, 2009, 29(8): 2176−2179

Diagnosis of nitrogen nutrient and recommended fertilization in summer corn using leaf digital images of cellphone camera*

XIA Shasha1, ZHANG Cong3, LI Jiazhen2, LI Hongjun2, ZHANG Yuming2**, HU Chunsheng2

(1. Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China; 2. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences / Key Laboratory of Agricultural Water Resources, Chinese Academy of Sciences / Hebei Key Laboratory of Water-saving Agriculture, Shijiazhuang 050022, China; 3. North China Pharmaceutical Group Aino CO., LTD, Shijiazhuang 050000, China)

To meet requirements of food supplies and the accompanying pollution problem on environment, precision fertilization is one of the most important technologies. Soil nutrient test and crop nutrition diagnosis are essential work for precision fertilization. With the current situation of the increasing agriculture scale management, it is urgent to develop fast, nondestructive and economic techniques for the nitrogen nutrition diagnosis of crops. Digital images technology has been widely applied in nutrition diagnosis of crops. In majority of such researches, digital cameras have already been successfully used. However, few researches were reported to use cellphone cameras to study nutrition diagnosis and precision fertilization of crops. Thinking of the advantages that cellphone cameras have, such as portability, universality and handleability, the application of cellphone cameras should be detailly studied in nutrition diagnosis. In this study, we used smart cellphones to photograph corn leaves at 6-leaf and 9-leaf stages. The color parameters of corn leaves images were extracted and processed. The differences in color parameters of leaves photographs during two growth stages and for four varieties of corn were evaluated. The correlations of parameters with traditional nitrogen nutrient indexes were determined. Appropriate color parameters were selected based on statistical analysis and nutrient diagnosis model established for the color parameters and nitrogen nutrition index. Then the model was fitted to establish indicator systems of diagnosis of nitrogen nutrient and recommendations for fertilization of corns. The results showed that correlations of color parameters and nitrogen nutrient indexes at 6-leaf stage were more significant than those at 9-leaf stage, suggesting that 6-leaf stage was suitable time for diagnosis of corn nitrogen nutrient using digital image processing technique. From the analysis of leaves photographs of four corn varieties, there was no statistically significant difference among the images. Furthermore, the consequences supported two color parameters, B/(R+G+B) and G/(R+G+B) as candidates for sensitive color parameters. These two color parameters both had strong correlations with leaf SPAD and vein nitrate concentration. Also based on multivariate analysis,B/(R+G+B) was the best and was selected as sensitive color parameter for diagnosis of corn nitrogen nutrient. The diagnosis model of vein nitrate concentration was 1.73×1010×[B/(R+G+B)]9.43. Based on the equation, nitrogen application rates under different B/(R+G+B) values were calculated for certain yield targets of corn. The results were applied to nitrogen nutrient diagnosis and recommendation of fertilization of corn. In summary, it was possible and applicable to take photographs of corn leaves at 6-leaf stage with smart cellphone, extract B/(R+G+B) color parameter and use it to diagnose nitrogen nutrition status.

Cellphone camera; Leaf digital photography; Color parameter; Diagnosis of nitrogen nutrient; Precision fertilization; Summer corn

, E-mail: ymzhang@sjziam.ac.cn

Dec.15, 2017;

Feb. 1, 2018

10.13930/j.cnki.cjea.180304

S126; S512

A

1671-3990(2018)05-0703-07

张玉铭, 研究方向为农田生态系统养分循环。E-mail: ymzhang@sjziam.ac.cn 夏莎莎, 研究方向为分析化学。E-mail: ssxia@rcees.ac.cn

2017-12-15

2018-02-01

* This study was supported by the National Key Research and Development Plan of China (2016YFD0200307), the Science and Technology Plan Project of Hebei Province (14227423D) and the Science and Technology Demonstration of Modern Agriculture in Bohai Granary Region (KFJ-STS-ZDTP-001).

* 国家重点研发计划(2016YFD0200307)、河北省科技计划项目(14227423D)和渤海粮仓现代农业区域科技示范(KFJ-STS-ZDTP-001)资助

夏莎莎, 张聪, 李佳珍, 李红军, 张玉铭, 胡春胜. 基于手机相机获取玉米叶片数字图像的氮素营养诊断与推荐施肥研究[J]. 中国生态农业学报, 2018, 26(5): 703-709

XIA S S, ZHANG C, LI J Z, LI H J, ZHANG Y M, HU C S. Diagnosis of nitrogen nutrient and recommended fertilization in summer corn using leaf digital images of cellphone camera[J]. Chinese Journal of Eco-Agriculture, 2018, 26(5): 703-709