基于冠层数字图像、荧光发射信息及SPAD值分布的水稻氮营养诊断

摘要

农田氮肥的过量施用是造成面源污染的重要原因。通过判断作物的氮营养状态，进行精准的定量化施肥，是在保证产量的前提下，从源头削减氮肥向农田投入的重要手段。本研究通过利用水稻冠层的图像以及激发荧光信息来建立若干指标，判断水稻的氮营养状态;同时，通过探讨水稻冠层SPAD（叶绿素计）值的分布与水稻氮营养状态的关系，尝试利用数值模型解释SPAD值分布与氮营养指数(nitrogen nutrition index，NNI)之间的关系，为利用SPAD值分布判断水稻的氮营养状态提供科学依据。主要结论如下:
　　 (1)水稻冠层氮营养状态可以在冠层的水平利用Multiplex(R)进行精确的诊断。Multiplex(R)通过测定在激发光下水稻叶片发射的激发荧光，无损的测定叶绿素和类黄酮的含量。2011年开展了一个田间的研究，试验设计为2因素的完全随机裂区设计，主处理为6个不同的施氮水平，副处理为2个不同的种植密度。叶绿素含量利用在红光激发下，远红外荧光强度除以红色荧光强度(简单荧光比，simple fluorescence ratio，SFR_R)来无损估算(R2=0.35，P＜0.01)，类黄酮的含量用在红光激发下红色荧光强度除以UV荧光强度的对数(FLAV)来估算(R2=0.30，P＜0.01)。SPAD读数以及荧光参数，包括FLAV，NBI_R，SFR_R等可以被用作估计氮含量的高低，并且均与冠层SPAD平均值显著相关(R2＞0.7，P＜0.01)
　　 (2)研究利用价格较低廉的数码相机拍摄的数字图像，来无损估计水稻的氮营养状态。利用数字图像计算的颜色特征值估计冠层SPAD读数时，需要注意到光照环境的差异带来的影响。在光照较弱的情况下，蓝光所占的比例较多，易于发生色偏，导致图像偏青，从而给氮营养的无损诊断带来影响，因此本研究中所选取的照片都是在照度大于300001x时拍摄的照片。通过在田间四次拍摄水稻冠层的数字照片，并测定拍摄区域的SPAD读数。本研究首先利用OTSU阈值法对图像进行分割，从而有效的去处背景土壤，计算分割后图像的DGCV值。研究发现四次拍摄的冠层数字图像的DGCV值均与冠层SPAD平均读数显著正相关(P＜0.01)，但四次测定的DGCV与SPAD读数的回归方程斜率和截距差异较大，这可能受到光照环境、拍摄角度、相机自身的性能的影响。在以后的研究当中，可以基于计算机视觉的理论，尝试一些新的算法来部分消除光照差异带来的影响。
　　 (3)水稻氮营养指数(Nitrogen nutrition index，NNI)是判断水稻氮营养状态的最直接指标，但其田间的测定较为困难，限制了其广泛应用。申请人前期研究发现冠层SPAD值垂直分布可以反映NNI大小，NNI越大，SPAD分布越均匀，但它们之间的内在关系缺乏深入研究。本研究通过研究水稻冠层SPAD值垂直分布与NNI的动态关系，利用SPAD的垂直分布来精确诊断水稻的氮营养状态，建立一个稳健的氮营养诊断指标。从单张叶片SPAD值动态变化的角度，考察叶片年龄、作物发育以及氮营养状态对叶片SPAD值动态变化的影响，在此基础上建立描述不同施氮肥水平下不同叶位SPAD动态变化的数值关系，并利用系统动力学软件VENSIM构建描述冠层SPAD时空动态的数值模型建立“NNI-SPAD垂直分布-氮肥精确调控”的稻田氮肥管理措施提供科学依据。

目录

摘要

第一章、文献综述

1．1 我国农田氮肥投入存在的问题

1．2 提高氮肥利用率降低氮肥投入量的技术手段-RTNM与SSNM

1．3 氮营养无损诊断技术

1．3．1 叶绿素计或叶色卡(Leaf color chart)在氮营养诊断中的作用

1．3．2 计算机视觉技术

1．3．3 光谱遥感技术

1．3．4 叶绿素荧光分析技术

1．4 本研究的切入点

参考文献

第二章 基于激发荧光的水稻冠层氮营养诊断

2．1 研究背景

2．2 材料与方法

2．2．1 Multiplex?传感器

2．2．2 田间试验设计

2．3 测定分析

2．4 数据分析

2．5 结果分析

2．6 讨论

参考文献

第三章 基于水稻冠层数字图像的氮营养诊断

3．1 研究背景

3．2 理论背景

3．3 材料与方法

3．3．1 田间试验设计

3．3．2 田间测定

3．4 实验结果

3．5 讨论与研究展望

参考文献

第四章 氮营养指数与SPAD值垂直分布动态关系的数值模型建立

4．1 研究背景

3．2 国内外研究现状及发展动态分析

3．3 研究主要目的

3．4 模型的建立

3．5 结果讨论

参考文献

个人简介

致谢