數字圖像技術估測冬油菜氮素營養拍攝參數標準化研究

魏全全，李嵐濤，任 濤，王 振，王少華，李小坤，叢日環，魯劍巍

（1 華中農業大學微量元素研究中心，武漢 430070；2 農業部長江中下游耕地保育重點實驗室，武漢 430070；3 湖北省武穴市農業局，湖北武穴 435400）

數字圖像技術估測冬油菜氮素營養拍攝參數標準化研究

魏全全1,2，李嵐濤1,2，任 濤1,2，王 振3，王少華3，李小坤1,2，叢日環1,2，魯劍巍1,2*

（1 華中農業大學微量元素研究中心，武漢 430070；2 農業部長江中下游耕地保育重點實驗室，武漢 430070；3 湖北省武穴市農業局，湖北武穴 435400）

【目的】數字圖像技術可以用來快速無損地預測冬油菜的氮素營養，建立標準化的拍攝參數獲取方法，可為不同作物、不同型號相機間結果的互用提供依據。【方法】以冬油菜為試驗材料，設置不同氮肥水平（N：0、90、180、270 和 360 kg/hm2）田間試驗，于苗期（移栽后 79～83 天），利用數碼相機（Nikon-D7000，1620 萬像素）以不同光照強度、時間、高度、角度、照片像素尺寸和拍攝模式進行拍攝，并以不同儲存格式進行保存。比較了不同拍攝條件下獲取的冠層數字圖像信息差異顯著性，同時測定植株地上部生物量、葉片氮濃度和葉綠素濃度，分析冠層圖像數字化指標（紅光標準化值，NRI）與測定的氮素營養指標之間的相關性。【結果】晴天與陰天獲取的冠層 NRI 均可較好的表達冬油菜冠層數字信息，晴天效果稍好于陰天；中午獲取的冠層 NRI 與葉片氮濃度相關系數為 – 0.802**，優于上午和下午；1.5、2.0 和 2.5 m 拍攝高度獲取的冠層NRI 差異不顯著；30°、60°和 90°拍攝角度下獲取的冠層 NRI 與地上部生物量、葉片氮濃度和葉綠素濃度的相關性均達到極顯著水平，30°～60°時獲取冠層數碼信息可操作性較強；拍攝模式為自動曝光模式獲取冠層 NRI與葉片氮濃度的相關系數為 – 0.802**，高于其他拍攝模式；三種照片像素尺寸（4928 × 3264、3696 × 2448 和2464 × 1632）下獲取的冠層 NRI 差異不大；儲存格式為 JPEG 精細格式時獲取的冠層 NRI 優于其他儲存格式。【結論】綜合分析認為，數字圖像技術估測冬油菜氮素營養指標最佳操作范圍為拍攝時間為晴天太陽高度角相對較大的中午；拍攝高度為近地面均可；拍攝角度為易于操作的 30°～60°；相機拍攝模式為自動曝光模式；照片像素尺寸為圖片相對較為清晰的高分辨率；存儲格式為壓縮格式且占用空間較小的 JPEG 精細格式。本研究為無人機低空遙感的氮素營養無損診斷技術提供了理論技術基礎。

冬油菜；數碼相機；冠層圖像；拍攝參數

油菜是我國重要的油料作物之一，發展油菜生產對促進國民經濟發展和維持國家食用油安全有重要意義[1]。氮素是油菜重要養分限制和產量影響因素[2]，油菜生育期內氮素吸收不均，主要集中在營養生長階段，苗期需要較多的氮素營養以形成強大的葉片群體[3]，蕾薹期氮素營養分配中心則轉移至地上部[4]。因而冬油菜氮素營養的診斷應具備診斷結果可靠、操作簡單易行、數據獲取迅速等基本要點，及時診斷氮素營養的豐缺，進而可以快速準確地追肥。傳統的作物氮素營養診斷主要以實驗室分析為主，結果準確但過程繁瑣且具有破壞性和延時性，不利于快速診斷[5]，難以滿足大面積農田精準農業實時、準確和便捷的測試要求。數碼相機作為可見光遙感最便捷的工具之一，以其快速、無損和準確等優點得到快速的發展和廣泛的應用[6–9]。然而應用數碼相機進行作物氮素營養診斷受氣象因素[10–11]和相機拍攝參數等多方面影響，作物冠層圖像估測參數主要沿用固定或原有技術獲取，對相機拍攝參數的研究相對較少。如何獲得較為準確的作物冠層信息是應用數字圖像技術估測作物氮素營養之關鍵，獲取高質量的數字圖像是建立作物氮素營養參數和估測模型的前提和保障。前人研究證明數字圖像技術對作物的氮素營養估測診斷是可行的，并且對小麥、蔬菜和棉花等的拍攝參數的規范做了系統討論。賈良良[12]通過對冬小麥的冠層圖像信息的研究，認為拍攝角度、光照強度、相機分辨率和儲存格式不影響冬小麥數字圖像的色彩參數及其對冬小麥的氮素營養診斷。張立周等[13]利用數碼相機以不同角度獲取冬小麥冠層數字圖像信息，證明拍攝角度不會對色彩參數有顯著影響。Huang 等[14]對小麥葉綠素含量進行估測，研究表明 ± 20° 和 ± 30°、± 30° 和 ± 40°、± 50° 和 ± 60° 分別可以作為底層、中層和上層葉綠素的反演角度。王秀峰[15]對番茄和黃瓜的研究表明，拍攝角度、光照強度和拍攝時間對田間作物冠層數碼信息的獲取影響不大，都能夠準確的反映田間氮素供應水平。王娟等[16]在不同拍攝角度、天氣和高度下獲取的棉花冠層特征光譜參數值沒有顯著性差異。明確不同拍攝參數獲取冬油菜冠層數字圖像的方法，為不同作物冠層圖像獲取方法的研究提供可操作性參考。本試驗以冬油菜為試驗材料，通過系統研究數碼相機不同光照強度、拍攝時間、拍攝高度、拍攝角度、拍攝模式、相機分辨率和儲存格式等拍攝參數對冬油菜植株生長和氮素營養指標估測的影響，明確可操作的冬油菜冠層圖像獲取方法，為不同作物的類似研究提供可操作性參考，并且為冬油菜大區域、大尺度的無人機低空遙感氮素快速無損診斷技術提供理論與實踐基礎。

1 材料與方法

1.1 試驗材料

試驗于 2014 年 9 月至 2015 年 5 月在湖北省武穴市梅川鎮進行。試驗田塊土壤為水稻土，基本理化性狀為：pH 5.13、全氮 1.56 g/kg、有機質 27.22 g/kg、速效磷 12.48 mg/kg、速效鉀 149.09 mg/kg、有效硼0.25 mg/kg。

供試油菜品種為‘華油雜 9 號’，種植方式為移栽種植。試驗田塊前茬作物為水稻。

供試肥料品種分別為尿素 (N 46%)、過磷酸鈣(P2O512%)、氯化鉀 (K2O 60%)、硼砂 (B 11%)。

1.2 試驗設計

試驗共設 5 個處理，施氮量分別為 0、90、180、270和 360 kg/hm2，分別用 N0、N90、N180、N270 和 N360表示。小區面積 30 m2(15.0 × 2.0 m)，3 次重復，隨機區組排列。整個生育期內其它肥料施用量均保持一致，分別為 P2O590 kg/hm2、K2O 120 kg/hm2和硼砂 15 kg/hm2。為保證油菜生長過程中連續觀測與測定參數不受因施肥時間及量的影響，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 日播種育苗，10 月 24日移栽，密度為 1.125 × 104plant/hm2，于 2015 年 5月 6 日統一收獲。除種植方式和施肥措施不同外，試驗進程及其他田間生產管理均采用當地農業技術推廣部門的推薦技術。

1.3 測定項目

課題組已有研究結果表明，數字圖像技術估測冬油菜氮素營養的最佳時期為蕾薹期前均可，最佳冠層數碼光譜參數為紅光標準化值 NRI, 最佳氮素營養估測方程模型為直線方程函數[17]。基于此，本試驗選取苗期(移栽后 79～83 天)作為觀測時期，同時選取冠層紅光標準化值NRI進行研究，以直線方程函數為氮素估測方程模型。

1.3.1 地上部生物量的測 定 取上述時期各小區有代表性冬油菜 6 株，105℃ 下殺青 30 分鐘，60℃ 烘箱烘至恒重，記錄干重，依次折算地上部生物量。

1.3.2 葉綠素濃度的測定 分別于上述時期內各小區選取代表性冬油菜 6 株，取新鮮葉片，用化學方法80% 丙酮和 95% 乙醇 2∶1 混合液法浸提葉綠素，分光光度計測定葉綠素濃度[18]。

2.縱橫交錯的戰略協同。虎豹集團是社會協作系統中的一個子系統，它的成長和發展都要受到社會外部環境的影響，企業的戰略遠景和平衡計分卡戰略需做到目標相一致。首先，縱向戰略協同的成功實施有助于營造組織良好的溝通氛圍，使企業上下各級的信息能夠有效的傳達，從而形成每個部門和各個人員的分目標，并成功的實施縱向協同戰略。其次，橫向戰略是指各部門之間的橫向戰略協同。各部門必須建立支持總目標的分目標，考慮到各職能部門具體工作任務的不同，因此用以評價各部門業績的指標體系也會有所不同，橫向戰略協同以良好的溝通為戰略維持。

1.3.3 葉片氮濃度的測定 取用上述試驗剩余的代表性葉片，105℃ 下殺青 30 min，60℃ 烘箱中烘至恒重，用 H2SO4-H2O2法消化，AA3 流動注射分析儀測定葉片氮濃度[19]。

1.3.4 數字圖像數據的獲取與處理 于上述時期，采用數碼相機 (Nikon-D7000，1620 萬像素) 在不同光照強度 (除陰天拍攝外，其他拍攝均在晴天進行)、拍攝時間、拍攝高度、拍攝角度、拍攝模式、照片像素尺寸和儲存格式下獲取冬油菜冠層數字信息，獲取方法如下：

1) 光照強度 在冬油菜相同生長時期內晴天 (移栽后 79～81 天) 和陰天 (移栽后 83 天)，距冠層垂直高度為 1.5 m，將數碼相機與地面調節為 60°，設置照片像素尺寸為 4928 × 3264，以自動曝光模式在每個小區各拍攝 3 張照片，JPEG 精細格式保存。

2) 拍攝時間 距冠層垂直高度為 1.5 m，將數碼相機與地面調節到 60°，設置照片像素尺寸為 4928 × 3264，于上午 (9:00 ～10:00)、中午 (12:00 ～13:00) 和下午(15:00 ～16:00)以自動曝光模式對每小區各拍攝 3 張照片，JPEG 精細格式保存。其中，上午和下午拍攝時分別從不同太陽光入射方向 (順光和逆光) 進行拍攝，獲取不同太陽入射角度的冬油菜冠層 NRI。

3) 拍攝高度 設定拍攝高度距冠層分別為1.5 m、2 m 和 2.5 m，將數碼相機與地面調節到 60°，設置照片像素尺寸為 4928 × 3264，以自動曝光模式在每個小區各拍攝 3 張照片，JPEG 精細格式保存。

4) 拍攝角度 距冠層垂直高度為 1.5 m，將數碼相機與地面調節為 30°、60°和 90°，設置照片像素尺寸為 4928 × 3264，以自動曝光模式在每個小區各拍攝 3 張照片，JPEG 精細格式保存。

5) 拍攝模式 距冠層垂直高度為 1.5 m，將數碼相機與地面調節到 60°，設置照片像素尺寸為 4928 × 3264，以自動曝光模式、場景 (風景) 模式和場景 (近攝) 模式對每個小區各拍攝 3 張照片，JPEG 精細格式保存。

7) 儲存格式 距冠層垂直高度為 1.5 m，將數碼相機與地面調節到 60°，設置照片像素尺寸為 4928 × 3264，設定圖像儲存格式分別為 NEF(RAW)格式、JPEG 精細格式和 JPEG 標準格式，以自動曝光模式在每個小區各拍攝 3 張照片。

數碼相片獲取時，每個小區拍攝 3 張照片，每張數碼照片覆蓋面積約為 4 m2，總計覆蓋面積約為 12 m2。本試驗條件下冬油菜(移栽后 79～83 天)植株相對較大，且種植密度也較高，其冠層基本覆蓋土壤背景，土壤背景對結果影響較小。圖像色彩信息的獲取采用 Adobe Photoshop 7.0 軟件，具體步驟為：將照片直接導入 Adobe Photoshop 7.0 軟件，依次點擊“圖像”、“直方圖”，獲取冠層圖像的紅光值 R(redn ess intensity)、綠光值 G(greenness intensity)和藍光值B(blueness intensity)。紅光標準化值(NRI)計算如下：

紅光標準化值(NRI，normalized redness intensity)：NRI = R/(R + G + B)

1.4 數據處理與分析

數據處理與分析采用 Microsoft Excel 2003 及SPSS 17.0 進行，LSD 法檢驗 P ＜ 0.05 水平上的差異顯著性；制圖采用 Origin 8.0 軟件。

2 結果與分析

2.1 氮肥施用對冬油菜生長和氮素營養指標的影響

施氮能顯著提高冬油菜地上部生物量、葉片氮濃度和葉綠素濃度 (表 1)。與對照(N0)相比，隨施氮量增加，地上部生物量呈現先增加后降低趨勢，且在 N270 處理達到最大值；葉片氮濃度和葉綠素濃度則隨著施氮量的增加呈現升高趨勢，均在 N360 處理達到最大值。

2.2 不同拍攝參數對冬油菜冠層光譜參數的影響

2.2.1 光照強度對數字圖像處理結果的影響 晴天與陰天拍攝的圖像所得到的冠層 NRI 之間達到極顯著直線相關關系 (圖 1)，其相關系數為 r = 0.977**，說明在兩種天氣條件下，利用數碼相機獲取的冠層數字圖像都能很好的表達田間冬油菜冠層的數碼信息，沒有較大差異。

進一步分析晴天和陰天與葉片氮濃度之間的相關性(圖 2)，兩種天氣下冠層 NRI 與葉片氮濃度之間均達到極顯著水平，且晴天的相關系數稍大于陰天；考慮到晴天條件下陽光較為穩定，易獲取質量較高的數碼圖像，以及獲取數碼圖像的方便性，故選取晴天獲取數字圖像信息為宜。

表1 不同氮素水平冬油菜地上部生物量，葉片氮濃度和葉綠素濃度Table 1 Aboveground biomass and the N and chlorophyll content in leaves of winter rapeseed as affected by nitrogen treatments

圖1 晴天與陰天時拍攝圖片冠層 NRI 的關系(n = 15)Fig. 1 Correlations of canopy NRI at sunny and cloudy day

2.2.2 不同氮素營養水平下最佳拍攝時間的探究 不同的太陽光照射角 (順光和逆光) 可能會對冬油菜冠層 NRI 的獲取造成影響。圖 3 結果表明，不同時間內，順光和逆光獲取的冬油菜冠層 NRI 之間均達到極顯著水平，其相關系數分別為 0.866** 和 0.846**，說明利用數碼相機在不同太陽光入射角均可以獲取冬油菜冠層 NRI，其相關性達到極顯著水平。

通過對一天之間不同時刻冬油菜冠層 NRI 與葉片氮濃度的相關性研究得出，不同時刻之間冠層NRI 與葉片氮濃度之間的回歸方程的相關系數均達到極顯著水平，分別達到 – 0.782**、– 0.802** 和 – 0.766**，其中以中午 12:00～13:00 相關系數最大(圖 4)，考慮到中午陽光的穩定性，選取白天作為數碼相機拍攝的最佳時間，并以太陽高度角相對較大、光照相對穩定的中午 12:00～13:00 為宜。

圖2 不同光照冬油菜冠層 NRI 與葉片氮濃度的關系(n = 15)Fig. 2 The relationship between canopy NRI and leaf N concentration at different illuminations

圖3 不同入射光場對冬油菜冠層 NRI 的影響(n = 15)Fig. 3 Effect of different incident light field on canopy MRI of winter Rape

2.2.3 拍攝高度對數字圖像處理結果的影響 在拍攝冬油菜冠層數碼圖像時，不同的拍照高度可能會對冠層圖像的信息造成影響。表 2 結果表明，不同的高度下拍攝的冠層紅光標準化值NRI之間沒有顯著差異，均表現出良好的相關性。本研究模擬了低空無人飛機拍攝的高度，并證明拍攝高度對冬油菜冠層數碼信息沒有太大影響，不同拍攝高度均能獲取較好的冠層NRI，均可表征冬油菜氮素營養指標，這也為低空無人飛機對冬油菜冠層圖像信息的獲取奠定理論基礎。

圖4 不同時間冬油菜冠層 NRI 與葉片氮濃度的關系(n = 15)Fig. 4 The relationship between canopy NRI and leaf N concentration at different time of a day

表2 不同拍攝高度對冠層 NRI 的影響(n = 15)Table 2 Effect of different image heights on canopy NRI

2.2.4 不同氮素營養水平下最優拍攝角度探究 拍攝角度的不同導致作物葉片對陽光的吸收和反射不同，數碼相機獲取的作物冠層吸收和反射的光不同，葉片的數碼圖像信息可能也不同。研究發現，在三種角度下獲取冬油菜冠層數碼信息，其冠層NRI 與地上部生物量、葉片氮含量和葉綠素濃度均達到極顯著水平，表明在三種角度下均可以用來拍攝冬油菜冠層數字圖像 (表 3)。考慮到數碼相機實際拍攝操作的簡便性，本研究認為拍攝角度為 30°～60°為宜。

表3 不同拍攝角度下冠層 NRI 與植株測定指標的相關性(r，n = 15)Table 3 Correlation between canopy NRI and tested plant index at different image angles

2.2.5 不同氮素營養水平下相機拍攝模式的差異性分析 從圖 5 中可以看出，不同的拍攝模式對冬油菜獲取冠層數字圖像信息影響不大，自動曝光模式、場景風景模式和場景近攝模式所獲得的冠層 NRI 與葉片氮濃度之間均呈現出極顯著線性關系，直線方程的相關系數分別為 – 0.802**、– 0.752** 和 – 0.789**，其中以自動曝光模式的相關系數最大，因此選取自動曝光模式為最佳拍攝模式。

2.2.6 不同氮素營養最佳數碼照片像素尺寸的篩選數碼照片像素尺寸是指圖像中儲存的信息量，也是影響冬油菜冠層數字圖像獲取的因素之一。表 4 結果表明，除 N360 處理以 2464 × 1632 分辨率稍大外，其他處理均以 3696 × 2448 較大。不同施氮處理在不同照片像素尺寸條件下拍攝的冠層 NRI 之間差異不顯著，照片像素尺寸對數碼相機獲取冬油菜數碼冠層信息影響不大，均能較好的表征冬油菜氮素營養指標。

2.2.7 不同氮素營養水平最優儲存格式篩選 由不同相機儲存格式下獲取的冠層NRI與地上部生物量、葉片氮濃度和葉綠素濃度的相關分析可知 (表 5)，三種儲存格式獲取的冠層 NRI 與冬油菜氮素營養指標均達到極顯著水平，均可用來儲存冬油菜冠層數字圖像。NEF(RAW)格式為無損未壓縮格式，占用內存較大，不利于大批量數碼圖像的儲存，而 JPEG 精細格式，雖為有損的壓縮格式，但基本沒有丟失圖像信息且占用空間較小。考慮到數碼照片的質量及存儲的方便性，因此選用 JPEG 精細格式作為最優的儲存格式。

3 討論

不同拍攝參數 (光照強度、拍攝時間、拍攝高度、拍攝角度、拍攝模式、相片像素尺寸和儲存格式) 下利用數碼相機獲取的冬油菜冠層數字圖像信息均可以反映冠層氮素營養信息。本試驗條件下，不同光照強度、拍攝角度、相片像素尺寸和儲存格式下獲取的冬油菜冠層數字圖像信息之間沒有顯著差異，與賈良良[12]和王秀峰[15]研究結果一致，說明利用數字圖像技術估測作物氮素營養具有相似的操作范圍。與王娟等[16]研究結果有所不同，本試驗中三種不同拍攝高度獲取的冬油菜冠層NRI差異不顯著，因為較高的拍攝高度獲取的目標區域的冠層數字圖像，其真彩值與較低拍攝高度所獲取的部分目標區域的冠層數字圖像之間差異不顯著。因此，在實際的操作中，可以選用較高的拍攝高度以擴大視場范圍，提高效率。同時，較高的拍攝高度也為作物較大面積的營養診斷提供理論依據[20–21]。

圖5 不同拍攝模式下冠層 NRI 與植株葉片氮濃度的關系(n = 15)Fig. 5 The relationship between canopy NRI and leaf N concentration at different shooting modes

表4 不同照片像素尺寸對冠層 NRI 的影響Table 4 Effect of different photo pixel on canopy NRI

表5 不同儲存格式下冠層 NRI 與測定指標的相關性(r，n = 15)Table 5 Correlation between canopy NRI and tested index at different image formats

油菜作為雙子葉植物，葉片在苗期時相對較大。葉片完全展開時往往會形成類似“凸面鏡”的凸起，當太陽光以某一角度照射在葉片時，形成鏡面反射；同時在利用數碼相機以某一拍攝角度和位置獲取數字圖像時，反射光被相機捕捉，可能會呈現明亮的斑點即“亮斑”。數碼相機獲取“亮斑”，造成葉片“失綠”的假象，提取的數字圖像 R、G、B 值發生變化，進而影響 NRI 估測的精度。因此，利用數字圖像技術進行大面積作物長勢監測和氮素診斷時，在實際操作允許的情況下，應對適宜的拍攝時間、拍攝角度和拍攝位置做適當的調整，應盡量減少“亮斑”的出現，降低 NRI 的變異性；或者利用類似消除土壤背景值的方法，如圖像分割法[22]和剔除背景值法[23]等，消除“亮斑”對 NRI 預測冬油菜氮素營養造成的影響。

影響數碼相機獲取冬油菜冠層數字圖像的因素有很多，本試驗只對拍攝參數 (光照強度、拍攝時間、拍攝高度、拍攝角度、拍攝模式、照片像素尺寸和儲存格式) 進行了研究，而對于其影響的機理及其他影響因素諸如相機類型、作物品種等，則需要進一步研究和探討。

4 結論

數字圖像技術(Nikon-D7000，1620 萬像素)估測冬油菜氮素營養指標最優可操作范圍為拍攝時間為晴天太陽高度角相對較大的中午；拍攝高度為近地面均可；拍攝角度為易于操作的 30°～60°；相機拍攝模式為自動曝光模式；照片像素尺寸為圖片相對較為清晰的高分辨率；存儲格式為壓縮格式且占用空間相對較小的 JPEG 精細格式。

[1]王漢中. 我國油菜產業發展的歷史回顧與展望[J]. 中國油料作物報, 2010, 32(2): 300–302. Wang H Z. Review and future development of rapeseed industry in China [J]. Chinese Journal of Oil Crop Sciences, 2010, 32(2): 300–302.

[2]李慧, 馬常寶, 魯劍巍, 等. 中國不同區域油菜氮磷鉀肥的增產效果[J]. 中國農業科學, 2013, 46(9): 1837–1847. 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.

[3]鄒娟, 魯劍巍, 劉銳林, 等. 4個雙低甘藍型油菜品種干物質積累及養分吸收動態研究[J]. 華中農業大學學報, 2008, 27(2): 229–234. 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.

[4]劉后利. 實用油菜栽培學[M]. 上海: 上海科學技術出版社, 1987. 243–244. Liu H L. Applied cultivation of rapeseed [M]. Shanghai: Shanghai Science and Technology Press, 1987. 243–244.

[5]賈良良, 范明生, 張福鎖, 等. 應用數碼相機進行水稻氮素營養診斷[J]. 光譜學與光譜分析, 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.

[6]李嵐濤, 張萌, 任濤, 等. 應用數字圖像技術進行水稻氮素營養診斷[J]. 植物營養與肥料學報, 2015, 21(1): 259–268. 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.

[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.

[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.

[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.

[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.

[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.

[12]賈良良. 應用數字圖像技術與土壤植株測試進行冬小麥氮營養診斷[D]. 北京: 中國農業大學博士學位論文, 2003. Jia L L. To detect nitrogen status of winter wheat by using color digital camera [D]. Beijing: PhD Dissertation of China Agricultural University, 2003.

[13]張立周, 侯曉宇, 張玉銘, 等. 數字圖像診斷技術在冬小麥氮素營養診斷中的應用[J]. 中國生態農業學報, 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.

[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.

[15]王秀峰. 應用數字圖像技術進行黃瓜和番茄氮素營養診斷的研究[D]. 吉林: 吉林農業大學碩士學位論文, 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, 張永帥, 郭金強, 等. 不同成像方式對棉花冠層特征光譜參數的影響[J]. 石河子大學學報(自然科學版), 2006, 24(4): 397–400. 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.

[17]魏全全, 李嵐濤, 任濤, 等. 基于數字圖像技術的冬油菜氮素營養診斷研究[J]. 中國農業科學, 2015, 48(19): 3877–3886. 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.

[18]劉絢霞, 董振生, 劉創社, 等. 油菜葉綠素提取方法的研究[J]. 中國農學通報, 2004, 20(4): 62–63. 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.

[19]鮑士旦. 土壤農化分析(第三版) [M]. 北京: 中國農業出版社, 2000. Bao S D. Soil and agro-chemistry analysis (3rd Edition) [M]. Beijing: China Agriculture Press, 2000.

[20]祝錦霞, 陳祝爐, 石媛媛, 等. 基于無人機和地面數字影像的水稻氮素營養診斷研究[J]. 浙江大學學報(農業與生命科學版), 2010, 36(1): 78–83. 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.

[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.

[22]王遠, 王德建, 張剛, 等. 基于數碼相機的水稻冠層圖像分割及氮素營養診斷[J]. 農業工程學報, 2012, 28(17): 131–136. 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.

[23]蔡洪昌, 崔海信, 宋衛堂, 等. 黃瓜初花期葉片光合色素含量與顏色特征的初步研究[J]. 農業工程學報, 2006, 22(9): 34–38. 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.

Standardization of shooting parameters of digital image technique to estimate nitrogen concentration of winter rapeseed

WEI Quan-quan1,2, LI Lan-tao1,2, REN Tao1,2, WANG Zhen3, WANG Shao-hua3, LI Xiao-kun1,2, CONG Ri-huan1,2, LU Jian-wei1,2*
( 1 Microelement Research of Center, Huazhong Agricultural University, Wuhan 430070, China; 2 Key Laboratory of Arable Land Conservation (Middle and Lower Reaches of Yangtse River), Ministry of Agriculture, Wuhan 430070, China; 3 Wuxue Bureau of Agriculture, Wuxue, Hubei 435400, China )

【Objectives】 Digital 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. 【Methods】 Winter rapeseed was used infield 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. 【Results】 Canopy 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°, 60°and 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. 【Conclusions】Overall, 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.

winter rapeseed; digital camera; canopy image; shooting parameter

S126；S565

A

1008–505X(2016)06–1701–09

2015–09–10 接受日期：2016–01–26

國家自然科學基金（31471941）；國家油菜產業技術體系建設專項（CARS-13）；公益性行業（農業）科研專項（201103003）資助。

魏全全 (1987—)，男，山東濟寧人，碩士，主要從事作物營養與現代施肥技術研究。

E-mail：weiquan0725@webmail.hzau.edu.cn。* 通信作者 E-mail: lunm@mail.hzau.edu.cn