Standardization of shooting parameters of digital image technique to estimate nitrogen concentration of winter rapeseed
-
摘要:目的数字图像技术可以用来快速无损地预测冬油菜的氮素营养，建立标准化的拍摄参数获取方法，可为不同作物、不同型号相机间结果的互用提供依据。方法以冬油菜为试验材料，设置不同氮肥水平（N：0、90、180、270和360 kg/hm2）田间试验，于苗期（移栽后79~83天），利用数码相机（Nikon-D7000，1620万像素）以不同光照强度、时间、高度、角度、照片像素尺寸和拍摄模式进行拍摄，并以不同储存格式进行保存。比较了不同拍摄条件下获取的冠层数字图像信息差异显著性，同时测定植株地上部生物量、叶片氮浓度和叶绿素浓度，分析冠层图像数字化指标（红光标准化值，NRI）与测定的氮素营养指标之间的相关性。结果晴天与阴天获取的冠层NRI均可较好的表达冬油菜冠层数字信息，晴天效果稍好于阴天；中午获取的冠层NRI与叶片氮浓度相关系数为-0.802**，优于上午和下午；1.5、2.0和2.5 m拍摄高度获取的冠层NRI差异不显著；30°、60°和90°拍摄角度下获取的冠层NRI与地上部生物量、叶片氮浓度和叶绿素浓度的相关性均达到极显著水平，30°~60°时获取冠层数码信息可操作性较强；拍摄模式为自动曝光模式获取冠层NRI与叶片氮浓度的相关系数为-0.802**，高于其他拍摄模式；三种照片像素尺寸（4928×3264、3696×2448和2464×1632）下获取的冠层NRI差异不大；储存格式为JPEG精细格式时获取的冠层NRI优于其他储存格式。结论综合分析认为，数字图像技术估测冬油菜氮素营养指标最佳操作范围为拍摄时间为晴天太阳高度角相对较大的中午；拍摄高度为近地面均可；拍摄角度为易于操作的30°~60°；相机拍摄模式为自动曝光模式；照片像素尺寸为图片相对较为清晰的高分辨率；存储格式为压缩格式且占用空间较小的JPEG精细格式。本研究为无人机低空遥感的氮素营养无损诊断技术提供了理论技术基础。Abstract:ObjectivesDigital image technique is useful for rapid and non-destructive prediction of nitrogen concentration of winter rapeseed. The establishment of the standardization of the shooting parameters can provide the basis for the interaction of different crops and camera models.MethodsWinter rapeseed was used in field experiment with five nitrogen application rates (N:0, 90, 180, 270 and 360 kg/hm2). The canopy pictures of winter rapeseed were obtained in different light intensities, times, heights, angles, pixels, modes and image formats by using digital camera (Nikon-D7000, 1620 million pixels) at the seedling stage (79-83 days after transplanting). Significant analyses of canopy digital normalized redness intensity (NRI) were also made in different imagery modes. Other conventional diagnosis parameters, such as aboveground biomass, leaf nitrogen and leaf chlorophyll concentration were determined to reveal their correlations to NRI.ResultsCanopy NRI acquired either at sunny or cloudy days could interpret digital information of canopy well, however, it was slightly better in sunny days than cloudy days. The correlation coefficient between NRI and leaf nitrogen concentration was -0.802** at noon, better than those in the morning and afternoon. No significant difference was observed among three image height of 1.5, 2.0 and 2.5 m. It showed very prominent relationships between NRI obtained in three image angles (30°, 60ånd 90°) and aboveground biomass, leaf nitrogen concentration and chlorophyll concentration, however, it was more convenient to get canopy NRI at 30°-60°. The correlation coefficient between NRI and leaf nitrogen concentration was -0.802** at auto exposure mode, higher than other exposal models. No significant difference was observed among three photo pixels (4928×3264, 3696×2448 and 2464×1632). NRI in JPEG fine format was superior to other image formats.ConclusionsOverall, the optimal operating range of digital image technique to estimate nitrogen nutrition index of winter rapeseed was followed:the best shooting time is sunny noon because of its relatively greater solar elevation angle and stable light, the image can be taken at any height near the ground, it is easy to operate at the image angle of 30°-60°, the shooting mode should be automatic exposure mode, the photo pixel is better in relatively clear and high resolution, and the images saved in compressed JPEG accurate format with less space occupying is recommended. Our study provides a theory and technique foundation of digital image technique on nondestructive nitrogen diagnostic using low-altitude unmanned aerial vehicles remote sensing.
-
Keywords:
- winter rapeseed /
- digital camera /
- canopy image /
- shooting parameter
-
油菜是我国重要的油料作物之一，发展油菜生产对促进国民经济发展和维持国家食用油安全有重要意义[1]。氮素是油菜重要养分限制和产量影响因素[2]，油菜生育期内氮素吸收不均，主要集中在营养生长阶段，苗期需要较多的氮素营养以形成强大的叶片群体[3]，蕾薹期氮素营养分配中心则转移至地上部[4]。因而冬油菜氮素营养的诊断应具备诊断结果可靠、操作简单易行、数据获取迅速等基本要点，及时诊断氮素营养的丰缺，进而可以快速准确地追肥。传统的作物氮素营养诊断主要以实验室分析为主，结果准确但过程繁琐且具有破坏性和延时性，不利于快速诊断[5]，难以满足大面积农田精准农业实时、准确和便捷的测试要求。数码相机作为可见光遥感最便捷的工具之一，以其快速、无损和准确等优点得到快速的发展和广泛的应用[6-9]。然而应用数码相机进行作物氮素营养诊断受气象因素[10-11]和相机拍摄参数等多方面影响，作物冠层图像估测参数主要沿用固定或原有技术获取，对相机拍摄参数的研究相对较少。如何获得较为准确的作物冠层信息是应用数字图像技术估测作物氮素营养之关键，获取高质量的数字图像是建立作物氮素营养参数和估测模型的前提和保障。前人研究证明数字图像技术对作物的氮素营养估测诊断是可行的，并且对小麦、蔬菜和棉花等的拍摄参数的规范做了系统讨论。贾良良[12]通过对冬小麦的冠层图像信息的研究，认为拍摄角度、光照强度、相机分辨率和储存格式不影响冬小麦数字图像的色彩参数及其对冬小麦的氮素营养诊断。张立周等[13]利用数码相机以不同角度获取冬小麦冠层数字图像信息，证明拍摄角度不会对色彩参数有显著影响。Huang等[14]对小麦叶绿素含量进行估测，研究表明±20°和±30°、±30°和±40°、±50°和±60°分别可以作为底层、中层和上层叶绿素的反演角度。王秀峰[15]对番茄和黄瓜的研究表明，拍摄角度、光照强度和拍摄时间对田间作物冠层数码信息的获取影响不大，都能够准确的反映田间氮素供应水平。王娟等[16]在不同拍摄角度、天气和高度下获取的棉花冠层特征光谱参数值没有显著性差异。明确不同拍摄参数获取冬油菜冠层数字图像的方法，为不同作物冠层图像获取方法的研究提供可操作性参考。本试验以冬油菜为试验材料，通过系统研究数码相机不同光照强度、拍摄时间、拍摄高度、拍摄角度、拍摄模式、相机分辨率和储存格式等拍摄参数对冬油菜植株生长和氮素营养指标估测的影响，明确可操作的冬油菜冠层图像获取方法，为不同作物的类似研究提供可操作性参考，并且为冬油菜大区域、大尺度的无人机低空遥感氮素快速无损诊断技术提供理论与实践基础。
1. 材料与方法
1.1 试验材料
试验于2014年9月至2015年5月在湖北省武穴市梅川镇进行。试验田块土壤为水稻土，基本理化性状为：pH 5.13、全氮1.56 g/kg、有机质27.22 g/kg、速效磷12.48 mg/kg、速效钾149.09 mg/kg、有效硼0.25 mg/kg。
供试油菜品种为‘华油杂9号’，种植方式为移栽种植。试验田块前茬作物为水稻。
供试肥料品种分别为尿素(N 46%)、过磷酸钙(P2O5 12%)、氯化钾(K2O 60%)、硼砂(B 11%)。
1.2 试验设计
试验共设5个处理，施氮量分别为0、90、180、270和360 kg/hm2，分别用N0、N90、N180、N270和N360表示。小区面积30 m2 (15.0 × 2.0 m)，3次重复，随机区组排列。整个生育期内其它肥料施用量均保持一致，分别为P2O5 90 kg/hm2、K2O 120 kg/hm2和硼砂15 kg/hm2。为保证油菜生长过程中连续观测与测定参数不受因施肥时间及量的影响，本研究所有肥料均做基肥一次性施用。
冬油菜于2014年9月23日播种育苗，10月24日移栽，密度为1.125 × 104 plant/hm2，于2015年5月6日统一收获。除种植方式和施肥措施不同外，试验进程及其他田间生产管理均采用当地农业技术推广部门的推荐技术。
1.3 测定项目
课题组已有研究结果表明，数字图像技术估测冬油菜氮素营养的最佳时期为蕾薹期前均可，最佳冠层数码光谱参数为红光标准化值NRI, 最佳氮素营养估测方程模型为直线方程函数[17]。基于此，本试验选取苗期(移栽后79~83天)作为观测时期，同时选取冠层红光标准化值NRI进行研究，以直线方程函数为氮素估测方程模型。
1.3.1 地上部生物量的测定
取上述时期各小区有代表性冬油菜6株，105 ℃下杀青30分钟，60 ℃烘箱烘至恒重，记录干重，依次折算地上部生物量。
1.3.2 叶绿素浓度的测定
分别于上述时期内各小区选取代表性冬油菜6株，取新鲜叶片，用化学方法80%丙酮和95%乙醇2:1混合液法浸提叶绿素，分光光度计测定叶绿素浓度[18]。
1.3.3 叶片氮浓度的测定
取用上述试验剩余的代表性叶片，105 ℃下杀青30 min，60 ℃烘箱中烘至恒重，用H2SO4-H2O2法消化，AA3流动注射分析仪测定叶片氮浓度[19]。
1.3.4 数字图像数据的获取与处理
于上述时期，采用数码相机(Nikon-D7000，1620万像素)在不同光照强度(除阴天拍摄外，其他拍摄均在晴天进行)、拍摄时间、拍摄高度、拍摄角度、拍摄模式、照片像素尺寸和储存格式下获取冬油菜冠层数字信息，获取方法如下：
1) 光照强度 在冬油菜相同生长时期内晴天(移栽后79~81天)和阴天(移栽后83天)，距冠层垂直高度为1.5 m，将数码相机与地面调节为60°，设置照片像素尺寸为4928 × 3264，以自动曝光模式在每个小区各拍摄3张照片，JPEG精细格式保存。
2) 拍摄时间 距冠层垂直高度为1.5 m，将数码相机与地面调节到60°，设置照片像素尺寸为4928 × 3264，于上午(9:00~10:00)、中午(12:00~13:00)和下午(15:00~16:00)以自动曝光模式对每小区各拍摄3张照片，JPEG精细格式保存。其中，上午和下午拍摄时分别从不同太阳光入射方向(顺光和逆光)进行拍摄，获取不同太阳入射角度的冬油菜冠层NRI。
3) 拍摄高度 设定拍摄高度距冠层分别为1.5 m、2 m和2.5 m，将数码相机与地面调节到60°，设置照片像素尺寸为4928 × 3264，以自动曝光模式在每个小区各拍摄3张照片，JPEG精细格式保存。
4) 拍摄角度 距冠层垂直高度为1.5 m，将数码相机与地面调节为30°、60°和90°，设置照片像素尺寸为4928 × 3264，以自动曝光模式在每个小区各拍摄3张照片，JPEG精细格式保存。
5) 拍摄模式 距冠层垂直高度为1.5 m，将数码相机与地面调节到60°，设置照片像素尺寸为4928 × 3264，以自动曝光模式、场景(风景)模式和场景(近摄)模式对每个小区各拍摄3张照片，JPEG精细格式保存。
6) 照片像素尺寸 距冠层垂直高度为1.5 m，将数码相机与地面调节到60°，设定相机照片像素尺寸分别为4928 × 3264、3696 × 2448和2464 × 1632，以自动曝光模式在每个小区各拍摄3张照片，JPEG精细格式保存。
7) 储存格式 距冠层垂直高度为1.5 m，将数码相机与地面调节到60°，设置照片像素尺寸为4928 × 3264，设定图像储存格式分别为NEF (RAW)格式、JPEG精细格式和JPEG标准格式，以自动曝光模式在每个小区各拍摄3张照片。
数码相片获取时，每个小区拍摄3张照片，每张数码照片覆盖面积约为4 m2，总计覆盖面积约为12 m2。本试验条件下冬油菜(移栽后79~83天)植株相对较大，且种植密度也较高，其冠层基本覆盖土壤背景，土壤背景对结果影响较小。图像色彩信息的获取采用Adobe Photoshop 7.0软件，具体步骤为：将照片直接导入Adobe Photoshop 7.0软件，依次点击“图像”、“直方图”，获取冠层图像的红光值R (redn ess intensity)、绿光值G (greenness intensity)和蓝光值B (blueness intensity)。红光标准化值(NRI)计算如下：
红光标准化值(NRI，normalized redness intensity)：NRI=R/(R + G + B)
1.4 数据处理与分析
数据处理与分析采用Microsoft Excel 2003及SPSS 17.0进行，LSD法检验P < 0.05水平上的差异显著性；制图采用Origin 8.0软件。
2. 结果与分析
2.1 氮肥施用对冬油菜生长和氮素营养指标的影响
施氮能显著提高冬油菜地上部生物量、叶片氮浓度和叶绿素浓度(表 1)。与对照(N0)相比，随施氮量增加，地上部生物量呈现先增加后降低趋势，且在N270处理达到最大值；叶片氮浓度和叶绿素浓度则随着施氮量的增加呈现升高趋势，均在N360处理达到最大值。
表 1 不同氮素水平冬油菜地上部生物量，叶片氮浓度和叶绿素浓度Table 1. Aboveground biomass and the N and chlorophyll content in leaves of winter rapeseed as affected by nitrogen treatments处理
Treatment生物量
Biomass
(kg/hm2)氮浓度
N content
(g/kg)叶绿素浓度
Chl. content
(mg/g)N0 505 cB 23.67 cB 0.82 cC N90 1386 bAB 23.99 cB 0.96 bBC N180 2153 aA 28.07 bcAB 1.27 aAB N270 2235 aA 30.08 abAB 1.25 aAB N360 1725 abA 34.91 aA 1.36 aA 注（Note）：不同的小写字母和大写字母分别表示达到5%和1%差异显著水平Different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability, respectively. 2.2 不同拍摄参数对冬油菜冠层光谱参数的影响
2.2.1 光照强度对数字图像处理结果的影响
晴天与阴天拍摄的图像所得到的冠层NRI之间达到极显著直线相关关系(图 1)，其相关系数为r=0.977**，说明在两种天气条件下，利用数码相机获取的冠层数字图像都能很好的表达田间冬油菜冠层的数码信息，没有较大差异。
![]()
图 1 晴天与阴天时拍摄图片冠层NRI的关系(n=15)Figure 1. Correlations of canopy NRI at sunny and cloudy day进一步分析晴天和阴天与叶片氮浓度之间的相关性(图 2)，两种天气下冠层NRI与叶片氮浓度之间均达到极显著水平，且晴天的相关系数稍大于阴天；考虑到晴天条件下阳光较为稳定，易获取质量较高的数码图像，以及获取数码图像的方便性，故选取晴天获取数字图像信息为宜。
![]()
图 2 不同光照冬油菜冠层NRI与叶片氮浓度的关系(n=15)Figure 2. The relationship between canopy NRI and leaf N concentration at different illuminations2.2.2 不同氮素营养水平下最佳拍摄时间的探究
不同的太阳光照射角(顺光和逆光)可能会对冬油菜冠层NRI的获取造成影响。图 3结果表明，不同时间内，顺光和逆光获取的冬油菜冠层NRI之间均达到极显著水平，其相关系数分别为0.866**和0.846**，说明利用数码相机在不同太阳光入射角均可以获取冬油菜冠层NRI，其相关性达到极显著水平。
![]()
图 3 不同入射光场对冬油菜冠层NRI的影响(n=15)Figure 3. Effect of different incident light field on canopy MRI of winter Rape通过对一天之间不同时刻冬油菜冠层NRI与叶片氮浓度的相关性研究得出，不同时刻之间冠层NRI与叶片氮浓度之间的回归方程的相关系数均达到极显著水平，分别达到-0.782**、-0.802**和-0.766**，其中以中午12:00~13:00相关系数最大(图 4)，考虑到中午阳光的稳定性，选取白天作为数码相机拍摄的最佳时间，并以太阳高度角相对较大、光照相对稳定的中午12:00~13:00为宜。
![]()
图 4 不同时间冬油菜冠层NRI与叶片氮浓度的关系(n=15)Figure 4. The relationship between canopy NRI and leaf N concentration at different time of a day2.2.3 拍摄高度对数字图像处理结果的影响
在拍摄冬油菜冠层数码图像时，不同的拍照高度可能会对冠层图像的信息造成影响。表 2结果表明，不同的高度下拍摄的冠层红光标准化值NRI之间没有显著差异，均表现出良好的相关性。本研究模拟了低空无人飞机拍摄的高度，并证明拍摄高度对冬油菜冠层数码信息没有太大影响，不同拍摄高度均能获取较好的冠层NRI，均可表征冬油菜氮素营养指标，这也为低空无人飞机对冬油菜冠层图像信息的获取奠定理论基础。
表 2 不同拍摄高度对冠层NRI的影响(n=15)Table 2. Effect of different image heights on canopy NRI处理
Treatment高度(m)
HeightNRI 标准差
SDCV
(%)N0 1.5 0.3607 aA 0.0061 1.68 2.0 0.3587 aA 0.0026 0.72 2.5 0.3600 aA 0.0029 0.81 N90 1.5 0.3484 aA 0.0105 3.00 2.0 0.3475 aA 0.0139 3.99 2.5 0.3466 aA 0.0123 3.56 N180 1.5 0.3299 aA 0.0062 1.89 2.0 0.3364 aA 0.0029 0.87 2.5 0.3328 aA 0.0078 2.36 N270 1.5 0.3253 aA 0.0102 3.15 2.0 0.3264 aA 0.0097 2.98 2.5 0.3242 aA 0.0137 4.22 N360 1.5 0.3073 aA 0.0027 0.89 2.0 0.3100 aA 0.0038 1.24 2.5 0.3111 aA 0.0027 0.87 注（Note）：数值后不同的小、大写字母分别表示达到5%和1%差异显著水平Values followed by different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability, respectively. 2.2.4 不同氮素营养水平下最优拍摄角度探究
拍摄角度的不同导致作物叶片对阳光的吸收和反射不同，数码相机获取的作物冠层吸收和反射的光不同，叶片的数码图像信息可能也不同。研究发现，在三种角度下获取冬油菜冠层数码信息，其冠层NRI与地上部生物量、叶片氮含量和叶绿素浓度均达到极显著水平，表明在三种角度下均可以用来拍摄冬油菜冠层数字图像(表 3)。考虑到数码相机实际拍摄操作的简便性，本研究认为拍摄角度为30°~60°为宜。
表 3 不同拍摄角度下冠层NRI与植株测定指标的相关性(r，n=15)Table 3. Correlation between canopy NRI and tested plant index at different image angles拍摄角度
Angle生物量
Biomass叶片氮浓度
N content叶绿素浓度
Chl. content30° -0.643** -0.715** -0.867** 60° -0.657** -0.802** -0.862** 90° -0.702** -0.799** -0.881** 注（Note）：**-P < 0.001. 2.2.5 不同氮素营养水平下相机拍摄模式的差异性分析
从图 5中可以看出，不同的拍摄模式对冬油菜获取冠层数字图像信息影响不大，自动曝光模式、场景风景模式和场景近摄模式所获得的冠层NRI与叶片氮浓度之间均呈现出极显著线性关系，直线方程的相关系数分别为-0.802**、-0.752**和-0.789**，其中以自动曝光模式的相关系数最大，因此选取自动曝光模式为最佳拍摄模式。
![]()
图 5 不同拍摄模式下冠层NRI与植株叶片氮浓度的关系(n=15)Figure 5. The relationship between canopy NRI and leaf N concentration at different shooting modes2.2.6 不同氮素营养最佳数码照片像素尺寸的筛选
数码照片像素尺寸是指图像中储存的信息量，也是影响冬油菜冠层数字图像获取的因素之一。表 4结果表明，除N360处理以2464 × 1632分辨率稍大外，其他处理均以3696 × 2448较大。不同施氮处理在不同照片像素尺寸条件下拍摄的冠层NRI之间差异不显著，照片像素尺寸对数码相机获取冬油菜数码冠层信息影响不大，均能较好的表征冬油菜氮素营养指标。
表 4 不同照片像素尺寸对冠层NRI的影响Table 4. Effect of different photo pixel on canopy NRI处理Treatment 像素尺寸Photo pixel NRI 标准差SD CV % N0 4928 × 3264 0.3635 aA 0.0045 1.23 3696 × 2448 0.3695 aA 0.0006 0.15 2464 × 1632 0.3643 aA 0.0056 1.54 N90 4928 × 3264 0.3540 aA 0.0115 3.25 3696 × 2448 0.3541 aA 0.0120 3.39 2464 × 1632 0.3539 aA 0.0095 2.68 N180 4928 × 3264 0.3313 aA 0.0132 3.99 3696 × 2448 0.3314 aA 0.0137 4.13 2464 × 1632 0.3311 aA 0.0123 3.72 N270 4928 × 3264 0.3216 aA 0.0118 3.68 3696 × 2448 0.3262 aA 0.0101 3.10 2464 × 1632 0.3257 aA 0.0100 3.06 N360 4928 × 3264 0.3032 aA 0.0053 1.76 3696 × 2448 0.3045 aA 0.0018 0.58 2464 × 1632 0.3084 aA 0.0006 0.18 注（Note）：数值后不同的小、大写字母分别表示达到5%和1%差异显著水平Values followed by different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability, respectively. 2.2.7 不同氮素营养水平最优储存格式筛选
由不同相机储存格式下获取的冠层NRI与地上部生物量、叶片氮浓度和叶绿素浓度的相关分析可知(表 5)，三种储存格式获取的冠层NRI与冬油菜氮素营养指标均达到极显著水平，均可用来储存冬油菜冠层数字图像。NEF (RAW)格式为无损未压缩格式，占用内存较大，不利于大批量数码图像的储存，而JPEG精细格式，虽为有损的压缩格式，但基本没有丢失图像信息且占用空间较小。考虑到数码照片的质量及存储的方便性，因此选用JPEG精细格式作为最优的储存格式。
表 5 不同储存格式下冠层NRI与测定指标的相关性(r，n=15)Table 5. Correlation between canopy NRI and tested index at different image formats储存格式Image formats 生物量Biomass 氮浓度N content 叶绿素浓度Chl. content JPEG精细格式JPEG fine format -0.657** -0.802** -0.862** JPEG标准格式JPEG standard format -0.691** -0.760** -0.863** NEF (RAW)格式NEF (RAW) format -0.685** -0.769** -0.869** 注（Note）：**-P < 0.01. 3. 讨论
不同拍摄参数(光照强度、拍摄时间、拍摄高度、拍摄角度、拍摄模式、相片像素尺寸和储存格式)下利用数码相机获取的冬油菜冠层数字图像信息均可以反映冠层氮素营养信息。本试验条件下，不同光照强度、拍摄角度、相片像素尺寸和储存格式下获取的冬油菜冠层数字图像信息之间没有显著差异，与贾良良[12]和王秀峰[15]研究结果一致，说明利用数字图像技术估测作物氮素营养具有相似的操作范围。与王娟等[16]研究结果有所不同，本试验中三种不同拍摄高度获取的冬油菜冠层NRI差异不显著，因为较高的拍摄高度获取的目标区域的冠层数字图像，其真彩值与较低拍摄高度所获取的部分目标区域的冠层数字图像之间差异不显著。因此，在实际的操作中，可以选用较高的拍摄高度以扩大视场范围，提高效率。同时，较高的拍摄高度也为作物较大面积的营养诊断提供理论依据[20-21]。
油菜作为双子叶植物，叶片在苗期时相对较大。叶片完全展开时往往会形成类似“凸面镜”的凸起，当太阳光以某一角度照射在叶片时，形成镜面反射；同时在利用数码相机以某一拍摄角度和位置获取数字图像时，反射光被相机捕捉，可能会呈现明亮的斑点即“亮斑”。数码相机获取“亮斑”，造成叶片“失绿”的假象，提取的数字图像R、G、B值发生变化，进而影响NRI估测的精度。因此，利用数字图像技术进行大面积作物长势监测和氮素诊断时，在实际操作允许的情况下，应对适宜的拍摄时间、拍摄角度和拍摄位置做适当的调整，应尽量减少“亮斑”的出现，降低NRI的变异性；或者利用类似消除土壤背景值的方法，如图像分割法[22]和剔除背景值法[23]等，消除“亮斑”对NRI预测冬油菜氮素营养造成的影响。
影响数码相机获取冬油菜冠层数字图像的因素有很多，本试验只对拍摄参数(光照强度、拍摄时间、拍摄高度、拍摄角度、拍摄模式、照片像素尺寸和储存格式)进行了研究，而对于其影响的机理及其他影响因素诸如相机类型、作物品种等，则需要进一步研究和探讨。
4. 结论
数字图像技术(Nikon-D7000，1620万像素)估测冬油菜氮素营养指标最优可操作范围为拍摄时间为晴天太阳高度角相对较大的中午；拍摄高度为近地面均可；拍摄角度为易于操作的30°~60°；相机拍摄模式为自动曝光模式；照片像素尺寸为图片相对较为清晰的高分辨率；存储格式为压缩格式且占用空间相对较小的JPEG精细格式。
-
![]()
图 1 晴天与阴天时拍摄图片冠层NRI的关系(n=15)
Figure 1. Correlations of canopy NRI at sunny and cloudy day
![]()
图 2 不同光照冬油菜冠层NRI与叶片氮浓度的关系(n=15)
Figure 2. The relationship between canopy NRI and leaf N concentration at different illuminations
![]()
图 3 不同入射光场对冬油菜冠层NRI的影响(n=15)
Figure 3. Effect of different incident light field on canopy MRI of winter Rape
![]()
图 4 不同时间冬油菜冠层NRI与叶片氮浓度的关系(n=15)
Figure 4. The relationship between canopy NRI and leaf N concentration at different time of a day
![]()
图 5 不同拍摄模式下冠层NRI与植株叶片氮浓度的关系(n=15)
Figure 5. The relationship between canopy NRI and leaf N concentration at different shooting modes
表 1 不同氮素水平冬油菜地上部生物量，叶片氮浓度和叶绿素浓度
Table 1 Aboveground biomass and the N and chlorophyll content in leaves of winter rapeseed as affected by nitrogen treatments
处理
Treatment生物量
Biomass
(kg/hm2)氮浓度
N content
(g/kg)叶绿素浓度
Chl. content
(mg/g)N0 505 cB 23.67 cB 0.82 cC N90 1386 bAB 23.99 cB 0.96 bBC N180 2153 aA 28.07 bcAB 1.27 aAB N270 2235 aA 30.08 abAB 1.25 aAB N360 1725 abA 34.91 aA 1.36 aA 注（Note）：不同的小写字母和大写字母分别表示达到5%和1%差异显著水平Different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability, respectively. 
下载: 导出CSV
表 2 不同拍摄高度对冠层NRI的影响(n=15)
Table 2 Effect of different image heights on canopy NRI
处理
Treatment高度(m)
HeightNRI 标准差
SDCV
(%)N0 1.5 0.3607 aA 0.0061 1.68 2.0 0.3587 aA 0.0026 0.72 2.5 0.3600 aA 0.0029 0.81 N90 1.5 0.3484 aA 0.0105 3.00 2.0 0.3475 aA 0.0139 3.99 2.5 0.3466 aA 0.0123 3.56 N180 1.5 0.3299 aA 0.0062 1.89 2.0 0.3364 aA 0.0029 0.87 2.5 0.3328 aA 0.0078 2.36 N270 1.5 0.3253 aA 0.0102 3.15 2.0 0.3264 aA 0.0097 2.98 2.5 0.3242 aA 0.0137 4.22 N360 1.5 0.3073 aA 0.0027 0.89 2.0 0.3100 aA 0.0038 1.24 2.5 0.3111 aA 0.0027 0.87 注（Note）：数值后不同的小、大写字母分别表示达到5%和1%差异显著水平Values followed by different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability, respectively.
下载: 导出CSV
表 3 不同拍摄角度下冠层NRI与植株测定指标的相关性(r，n=15)
Table 3 Correlation between canopy NRI and tested plant index at different image angles
拍摄角度
Angle生物量
Biomass叶片氮浓度
N content叶绿素浓度
Chl. content30° -0.643** -0.715** -0.867** 60° -0.657** -0.802** -0.862** 90° -0.702** -0.799** -0.881** 注（Note）：**-P < 0.001.
下载: 导出CSV
表 4 不同照片像素尺寸对冠层NRI的影响
Table 4 Effect of different photo pixel on canopy NRI
处理Treatment 像素尺寸Photo pixel NRI 标准差SD CV % N0 4928 × 3264 0.3635 aA 0.0045 1.23 3696 × 2448 0.3695 aA 0.0006 0.15 2464 × 1632 0.3643 aA 0.0056 1.54 N90 4928 × 3264 0.3540 aA 0.0115 3.25 3696 × 2448 0.3541 aA 0.0120 3.39 2464 × 1632 0.3539 aA 0.0095 2.68 N180 4928 × 3264 0.3313 aA 0.0132 3.99 3696 × 2448 0.3314 aA 0.0137 4.13 2464 × 1632 0.3311 aA 0.0123 3.72 N270 4928 × 3264 0.3216 aA 0.0118 3.68 3696 × 2448 0.3262 aA 0.0101 3.10 2464 × 1632 0.3257 aA 0.0100 3.06 N360 4928 × 3264 0.3032 aA 0.0053 1.76 3696 × 2448 0.3045 aA 0.0018 0.58 2464 × 1632 0.3084 aA 0.0006 0.18 注（Note）：数值后不同的小、大写字母分别表示达到5%和1%差异显著水平Values followed by different lowercase letters or capital letters within the same column indicate significant differences at the 5% and 1% probability, respectively.
下载: 导出CSV
表 5 不同储存格式下冠层NRI与测定指标的相关性(r，n=15)
Table 5 Correlation between canopy NRI and tested index at different image formats
储存格式Image formats 生物量Biomass 氮浓度N content 叶绿素浓度Chl. content JPEG精细格式JPEG fine format -0.657** -0.802** -0.862** JPEG标准格式JPEG standard format -0.691** -0.760** -0.863** NEF (RAW)格式NEF (RAW) format -0.685** -0.769** -0.869** 注（Note）：**-P < 0.01.
下载: 导出CSV
-
[1] 王汉中.我国油菜产业发展的历史回顾与展望[J].中国油料作物报, 2010, 32(2):300-302. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGYW201002023.htm Wang H Z. Review and future development of rapeseed industry in China[J]. Chinese Journal of Oil Crop Sciences, 2010, 32(2):300-302. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGYW201002023.htm
[2] 李慧, 马常宝, 鲁剑巍, 等.中国不同区域油菜氮磷钾肥的增产效果[J].中国农业科学, 2013, 46(9):1837-1847. http://www.cnki.com.cn/Article/CJFDTOTAL-ZNYK201309010.htm Li H, Ma C B, Lu J W, et al. Increasing effect of N, P and K fertilizer on rapeseed in different regions of china[J]. Scientia Agricultura Sinica, 2013, 46(9):1837-1847. http://www.cnki.com.cn/Article/CJFDTOTAL-ZNYK201309010.htm
[3] 邹娟, 鲁剑巍, 刘锐林, 等. 4个双低甘蓝型油菜品种干物质积累及养分吸收动态研究[J].华中农业大学学报, 2008, 27(2):229-234. http://www.cnki.com.cn/Article/CJFDTOTAL-HZNY200802015.htm Zou J, Lu J W, Liu R L, et al. Dynamics of dry vass accumulation and nutrients uptake in 4 louble-low rapeseed (Brassica napusL.) varoetoes[J]. Journal of Huazhong Agricultural University, 2008, 27(2):229-234. http://www.cnki.com.cn/Article/CJFDTOTAL-HZNY200802015.htm
[4] 刘后利.实用油菜栽培学[M].上海:上海科学技术出版社, 1987. 243-244. Liu H L. Applied cultivation of rapeseed[M]. Shanghai:Shanghai Science and Technology Press, 1987. 243-244.
[5] 贾良良, 范明生, 张福锁, 等.应用数码相机进行水稻氮素营养诊断[J].光谱学与光谱分析, 2009, 29(8):2176-2179 http://www.cnki.com.cn/Article/CJFDTOTAL-GUAN200908044.htm 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. http://www.cnki.com.cn/Article/CJFDTOTAL-GUAN200908044.htm
[6] 李岚涛, 张萌, 任涛, 等.应用数字图像技术进行水稻氮素营养诊断[J].植物营养与肥料学报, 2015, 21(1):259-268. http://www.plantnutrifert.org/CN/Y2015/V21/I1/254 Li L T, Zhang M, Ren T, et al. Diagnosis of N nutrition of rice using digital image processing technique[J]. Journal of Plant Nutrition and Fertilizer, 2015, 21(1):259-268. http://www.plantnutrifert.org/CN/Y2015/V21/I1/254
[7] Su C H, Fu C C, Chang Y C, et al. Simultaneous estimation of chlorophyll a and lipid contents in microalgae by three-color analysis[J]. Biotechnology and Bioengineering, 2008, 99:1034-1039. DOI: 10.1002/(ISSN)1097-0290
[8] Sstya P Y, Ibaraki Y. Estimation of the chlorophyll content of micropropagated potato plants using RGB based image analysis[J]. Plant Cell Tissue Organ Culture, 2010, 100:183-188. DOI: 10.1007/s11240-009-9635-6
[9] Lee K J, Lee B W. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis[J]. European Journal of Agronomy, 2013, 6:57-65. https://www.researchgate.net/publication/257505198_Estimation_of_rice_growth_and_nitrogen_nutrition_status_using_color_digital_camera_image_analysis
[10] Graeff S, Claupein W. Quantifying nitrogen status of corn (Zea mays L.) in the field by reflectance measurements[J]. European Journal of Agronomy, 2003, 19(4):611-618. DOI: 10.1016/S1161-0301(03)00007-8
[11] Pagola M, Ortiz R, Irigoyen I, et al. New method to assess barley nitrogen nutrition status based on image colour analysis:Comparison with SPAD-502[J]. Computers and Electronics in Agriculture, 2009, 65(2):213-218. DOI: 10.1016/j.compag.2008.10.003
[12] 贾良良.应用数字图像技术与土壤植株测试进行冬小麦氮营养诊断[D].北京:中国农业大学博士学位论文, 2003. http://cdmd.cnki.com.cn/Article/CDMD-10019-2003092796.htm Jia L L. To detect nitrogen status of winter wheat by using color digital camera [D]. Beijing: PhD Dissertation of China Agricultural University, 2003. http://cdmd.cnki.com.cn/Article/CDMD-10019-2003092796.htm
[13] 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. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGTN201105031.htm 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. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGTN201105031.htm
[14] Huang W J, Wang Z J, Huang L S, et al. Estimation of vertical distribution of chlorophyll concentration by bi-directional canopy reflectance spectra in winter wheat[J]. Precision Agriculture, 2011, 12:165-178. DOI: 10.1007/s11119-010-9166-5
[15] 王秀峰.应用数字图像技术进行黄瓜和番茄氮素营养诊断的研究[D].吉林:吉林农业大学硕士学位论文, 2005. Wang X F. Study on diagnosis of N status of cucumber and tomato using digital image processing [D]. Jilin: MS Thesis of Jilin Agricultural University, 2005.
[16] 王娟, 张永帅, 郭金强, 等.不同成像方式对棉花冠层特征光谱参数的影响[J].石河子大学学报(自然科学版), 2006, 24(4):397-400. http://www.cnki.com.cn/Article/CJFDTOTAL-SHZN200604000.htm Wang J, Zhang Y S, Guo J Q, et al. Effect of different imaging mode on canopy feature spectral parameter[J]. Journal of Shihezi University (Natural Science), 2006, 24(4):397-400. http://www.cnki.com.cn/Article/CJFDTOTAL-SHZN200604000.htm
[17] 魏全全, 李岚涛, 任涛, 等.基于数字图像技术的冬油菜氮素营养诊断研究[J].中国农业科学, 2015, 48(19):3877-3886. http://www.cnki.com.cn/Article/CJFDTOTAL-ZNYK201519010.htm Wei Q Q, Li L T, Ren T, et al. Study on diagnosing nitrogen nutrition status of winter rapeseed via digital image processing technique[J]. Scientia Agricultura Sinica, 2015, 48(19):3877-3886. http://www.cnki.com.cn/Article/CJFDTOTAL-ZNYK201519010.htm
[18] 刘绚霞, 董振生, 刘创社, 等.油菜叶绿素提取方法的研究[J].中国农学通报, 2004, 20(4):62-63. http://www.cnki.com.cn/Article/CJFDTOTAL-ZNTB200404020.htm Liu X X, Dong Z S, Liu C S, et al. Study on extracting methods of chlorophyll in rape[J]. Chinese Agricultural Science Bulletin, 2004, 20(4):62-63. http://www.cnki.com.cn/Article/CJFDTOTAL-ZNTB200404020.htm
[19] 鲍士旦.土壤农化分析(第三版)[M].北京:中国农业出版社, 2000. Bao S D. Soil and agro-chemistry analysis (3rd Edition)[M]. Beijing:China Agriculture Press, 2000.
[20] 祝锦霞, 陈祝炉, 石媛媛, 等.基于无人机和地面数字影像的水稻氮素营养诊断研究[J].浙江大学学报(农业与生命科学版), 2010, 36(1):78-83. http://www.cnki.com.cn/Article/CJFDTOTAL-ZJNY201001014.htm Zhu J X, Chen Z L, Shi Y Y, et al. Diagnoses of rice nitrogen status based on spectral characteristics of leaf and canopy[J]. Journal of Zhejiang University (Agric. & Life Sci.), 2010, 36(1):78-83. http://www.cnki.com.cn/Article/CJFDTOTAL-ZJNY201001014.htm
[21] Swain K C, Thomson S J, Jayasuriya H P W. Adoption of an unmanned helicopter for low-altitude remote sensing to estimate yield and total biomass of a rice crop[J]. Transactions of the ASABE, 2010, 53(1):21-27. DOI: 10.13031/2013.29493
[22] 王远, 王德建, 张刚, 等.基于数码相机的水稻冠层图像分割及氮素营养诊断[J].农业工程学报, 2012, 28(17):131-136. http://www.cnki.com.cn/Article/CJFDTOTAL-NYGU201217021.htm Wang Y, Wang D J, Zhang G, et al. Digital camera-based image segmentation of rice canopy and diagnosis of nitrogen nutrition[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(17):131-136. http://www.cnki.com.cn/Article/CJFDTOTAL-NYGU201217021.htm
[23] 蔡洪昌, 崔海信, 宋卫堂, 等.黄瓜初花期叶片光合色素含量与颜色特征的初步研究[J].农业工程学报, 2006, 22(9):34-38. http://www.cnki.com.cn/Article/CJFDTOTAL-NYGU200609006.htm Cai H C, Cui H X, Song W T, et al. Preliminary study on photosynthetic pigment content and color feature of cucumber initial bloom stage[J]. Transactions of the Chinese Society of Agricultural Engineering, 2006, 22(9):34-38. http://www.cnki.com.cn/Article/CJFDTOTAL-NYGU200609006.htm
-
期刊类型引用(10)
1. 叶春，刘莹，刘继忠，舒时富，李艳大，吴罗发. 基于LBPHSV+ResNet50融合的水稻冠层氮素营养监测方法. 中国农业大学学报. 2023(01): 39-47 . 
百度学术
2. 魏全全，李飞，芶久兰，张萌，顾小凤，陈龙，柳玲玲. 不同拍摄参数对数字图像技术估测马铃薯氮素营养的影响. 耕作与栽培. 2023(01): 68-73 . 百度学术
3. 翟勇全，魏雪，运彬媛，马健祯，贾彪. 基于无人机图像参数对滴灌条件下玉米氮素营养的动态诊断. 中国农业气象. 2022(04): 308-320 . 百度学术
4. 付虹雨，赵亮，王辉，崔国贤，佘玮，曹晓兰，刘婕仪，刘皖慧，王昕惠. 基于无人机可见光遥感的苎麻冠层氮素营养动态诊断. 中国麻业科学. 2021(03): 114-121 . 百度学术
5. 魏全全，李飞，张萌，陈龙，芶久兰. 基于数字图像技术的马铃薯氮素营养估测及验证. 生态学杂志. 2021(09): 3017-3024 . 百度学术
6. 杨红云，罗建军，万颖，孙爱珍. 计算机视觉技术在水稻氮素营养诊断中应用的研究进展. 中国农学通报. 2020(16): 149-155 . 百度学术
7. 汪六三，王儒敬. 作物氮素传感器研究进展. 仪表技术. 2020(08): 40-44+47 . 百度学术
8. 魏全全，芶久兰，张萌，肖厚军，饶勇，肖华贵. 氮素营养诊断技术的发展及其在冬油菜上的应用. 中国油料作物学报. 2019(02): 300-308 . 百度学术
9. 张珏，田海清，李哲，李斐，史树德. 基于数码图像的甜菜氮素近地遥感监测模型. 中国农业大学学报. 2018(06): 130-139 . 百度学术
10. 陈敏，郑曙峰，刘小玲，徐道青，王维，阚画春. 基于数码图像识别的棉花氮营养诊断研究. 农学学报. 2017(07): 77-83 . 百度学术
其他类型引用(11)
计量
- 文章访问数: 2305
- HTML全文浏览量: 625
- PDF下载量: 345
- 被引次数: 21
