基于自然光条件下数码相机图像的水稻氮素营养诊断应用研究

Crop nitrogen diagnosis is an effective method to improve nitrogen use efficiency. However, the current nitrogen diagnostic methods are time-consuming or required expensive equipment. Digital camera has the characteristics of low cost and high popularization. Nitrogen diagnosis by digital cameras is easy-operation, and has well prospects in the application of crop nitrogen management. Nevertheless, image color is vulnerable to ambient light conditions, and crop canopy coverage is easily influenced by geometric distortion of the image. Based on the long-term and site-specific rice field experiments, we propose this project to: (1) eliminate geometric distortion of the canopy images by cropping and merging a series of canopy images which are obtained by the continuously-moving image-shooting device that designed by ourselves; (2) reduce the effects of changing light and the differences in canopy structure on image color by calibrating image exposure value with 18% gray card placed inside the crop canopy; (3) improve the precision of rice nitrogen diagnosis model with the combined image feature parameters of canopy coverage and image color feature. Project implementation will provide an easier and more effective method for nitrogen diagnosis, and technical support for precision fertilization and the control of non-point source pollution.

作物氮素营养诊断是提高农田氮肥利用率的有效途径之一，但现阶段较成熟的氮素诊断方法存在费时费力或设备昂贵等问题。数码相机具有低成本、高普及率的特点，利用数码相机图像进行氮素诊断操作简单、图像获取方便，并具有广阔的应用前景。但数码相机拍摄图像时易受光照条件的影响，图像中作物冠层覆盖度的计算和提取也存在一些问题。本项目基于水稻长期定位试验，（1）采用申请人设计开发的大田作物连续移动拍摄装置对水稻冠层图像进行连续移动拍摄，并利用图像拼接技术获取水稻冠层无畸变图像；（2）通过水稻冠层内放置的18%灰卡建立冠层光照强度衰减函数，对冠层图像曝光度进行分组校正，降低光照条件和冠层结构对图像的影响；（3）基于图像中提取的冠层覆盖度和颜色特征参数的融合信息建立氮素营养诊断模型，提高氮素诊断的精度。本项目的实施将为作物氮素营养诊断提供更为简单、有效的方法，为精准施肥和农业面源污染防控提供有力的技术支撑。

作物氮素营养诊断和推荐施肥是提高农田氮肥利用率，减少农田面源污染的有效途径之一。利用数码相机或其它设备拍摄的冠层RGB图像进行氮素营养诊断，具有易操作、应用成本低的优点，但同时也有RGB图像易受环境条件影响、RGB宽波段不能区分某些光谱响应特征的缺点。此外，作物营养诊断完成后，还需将氮素营养水平转化为推荐施氮量才能指导施肥，而目前作物的氮素营养水平与推荐施氮量间的关系尚不明确。本项目基于水稻长期定位试验和前期研究中已建立的水稻冠层图像连续移动拍摄装置，获取了大量水稻冠层RGB图像和相应的水稻氮素营养指标测试值，着力于提高基于RGB图像的氮素营养诊断精度，并尝试将营养诊断结果与推荐施肥量关联起来。项目研究取得了如下结果：（1）通过对连续拍摄的水稻冠层图像进行裁剪和拼接，实现对图像冠层覆盖度（CC）的校正，相比常规图像处理方法，利用CC反演水稻氮素营养指标的准确度有了明显提高，该方法同时延长了CC达到饱和的时间，扩展了水稻氮素营养诊断的有效时间范围。（2）基于大量田间试验数据，通过CC建立了水稻营养生长期的临界CC（CCcritical）变化曲线，仅需一幅冠层图像即可计算水稻氮营养指数（NNI），实现了基于水稻冠层图像的实时氮素营养诊断，与标准方法（取样化学分析）计算的NNI相比，标准平均偏差在-2.1% ~ 6.3%之间。（3）建立了基于水稻NNI的需氮量估算模型，该模型可通过NNI、移栽后天数和氮肥利用率，实现水稻氮素需求量在移栽后至抽穗前快速、便捷的获取。与现阶段同类研究相比，本研究将水稻氮素营养诊断和推荐施肥的时期由特定的单个生育时期扩展为移栽后至抽穗前的连续时期，同时简化了推荐施肥所需的参数量。该模型与智能手机或便携式数码相机结合，可大大提高水稻营养诊断和推荐施肥的时效性和可操作性，为水稻氮肥精准管理和数字农业的发展提供技术支撑。

内容获取失败，请点击重试