基于無人機可見光譜平臺的烤煙氮素營養診斷

孫志偉，王曉琳，張啟明，苑舉民，張 爽，閆慧峰*，王樹聲*

1.中國農業科學院煙草研究所/農業農村部煙草生物學與加工重點實驗室，山東 青島 266101 2.江西省煙草科學研究所，江西 南昌 330025

引 言

氮素對煙草生長、品質及產量的影響極大。想要實時把握氮肥用量從而得到理想的煙葉產質，田間氮素的快速診斷成為關鍵。傳統的烤煙田間氮素診斷方法需要破壞性取樣，實時性差，耗時長，方法滯后。近年來，非破壞性診斷工具在氮素快速診斷中應用越來越廣泛。

無人機遙感具有方便靈活、使用成本低、響應快速、厘米級數據獲取等優點[1]，隨著無人機(unmanned aerial vehicle,UAV)技術在農業領域的廣泛應用，使用無人機遙感(unmanned aerial vehicle remote sensing,UA CRS)對農作物進行大規模的氮素營養監測成為熱點和趨勢。毛智慧等證明玉米冠層植被指數與SPAD值有很強的相關性，利用無人機多光譜技術可以進行高精度的葉綠素含量預測。大量研究顯示，農作物冠層氮質量分數與光譜反射率之間存在著顯著的相關性[2]。王遠等[3]利用圖像分割技術提取的水稻紅光標準化值NRI與SPAD值、葉片氮含量之間的相關性達到極顯著水平。紅光標準化值NRI可作為水稻和冬油菜氮素營養診斷的最佳冠層圖像色彩參數指標[4-5]。李紅軍等[6]發現返青期小麥反光葉面的G/R與NRI色彩參數與小麥的氮素營養狀況相關性較好。劉昌華等[7]研究也表明植被指數可以用來準確地估測冬小麥地上部生物量和植株吸氮量。

目前，將無人機圖像技術應用在烤煙氮素診斷的相關研究尚少，本文旨在探討通過無人機在田間能否進行氮素營養診斷，確定烤煙快速診斷的最佳時期，以及能否通過相關性分析篩選出具有代表性的圖像色彩參數指標，最終確定烤煙氮素營養快速診斷的方程模型，為烤煙氮素營養無損診斷建立理論基礎。

1 實驗部分

1.1 試驗設計

試驗于2018年在江西省安?？h進行。

進行氮營養診斷方程構建的試驗地塊位于E:114.378,N:27.380，基礎土壤地力為：土壤pH值6.74，有機質含量35.10 g·kg-1，堿解氮含量228.85 mg·kg-1，有效磷(P)含量137.10 mg·kg-1，速效鉀(K)含量76.49 mg·kg-1?？緹熎贩N為云煙87。設置6個不同氮肥用量的處理，分別為N0：0 kg N·ha-1，N1：45 kg N·ha-1，N2：90 kg N·ha-1，N3：135 kg N·ha-1，N4：180 kg N·ha-1，N5：300 kg N·ha-1。每個處理的磷肥用量和鉀肥用量均為135 kg P2O5·ha-1和405 kg K2O·ha-1，分別使用硝酸銨鈣(15.5-0-0)、鈣鎂磷肥(0-12-0)和硫酸鉀(0-0-50)做氮磷鉀肥。試驗設置3次重復，每個小區4行×15 m，行距1.2 m，株距0.45 m。肥料做基肥一次性施入。移栽時間為3月3日、移栽的株行距分別為1.2和0.45 m。其他田間管理措施均按照當地實際生產一致。

進行方程驗證的試驗地塊位于E:114.348,N:27.337?？緹熎贩N為云煙87。設置5個不同氮肥用量的處理，分別為0，45，90，135和180 kg N·ha-1。每個處理的磷肥用量和鉀肥用量均為135 kg P2O5·ha-1和405 kg K2O·ha-1。每個處理2行×15 m，行距1.2 m，株距0.45 m。肥料做基肥一次性施入。肥料種類、移栽時間、移栽的株行距和其他田間管理措施均和進行氮營養診斷方程構建的試驗地塊相同。

1.2 測定項目

1.2.1 烤煙氮營養狀況指標

取樣的時期分別為移栽后47 d(團棵期)、移栽后83 d(旺長后期)和移栽后116 d(下部葉成熟期)。每次取樣每個小區選取具有代表性的2株，分為葉片和莖兩部分，分別在105 ℃下殺青30 min后烘干，記錄干重，計算地上部生物量和葉片生物量。樣品粉碎后采用H2SO4-H2O2消化，利用全自動凱式定氮儀(Foss,Kjeltec8400)測定含氮量，計算地上部氮濃度與葉片氮濃度。

每小區固定5株，每次取樣時測定所有葉片的SPAD值。平均后為葉片SPAD值。

1.2.2 冠層圖像的獲取

在晴天上午10點，使用無人機(DJI,Phantom 3 Standard)在距地面30 m高度垂直拍攝整個試驗地塊的冠層圖像。拍攝圖像的分辨率為4 000×3 000，儲存格式為JPEG。

1.2.3 數字圖像的處理

獲得的數字圖像根據小區分布進行分割，分割后的圖像采用Adobe Photoshop CC(14.0×32)軟件，使用直方圖程序獲取各小區的冠層圖像的紅光值R(redness intensity)、綠光值G(greenness intensity)和藍光值B(blueness intensity)。選取3類顏色指標類型的15個顏色指標，顏色指標分類及計算方法如表1所示。

表1 顏色指標分類及計算方法Table 1 Classification and calculation of color indexes

1.3 數據分析方法

1.3.1 氮素營養診斷方程模型驗證方法

通過方程計算驗證地塊的氮營養診斷指標預測值，選擇均方根誤差(root mean square error，RMSE)評價預測值和實測值的擬合效果。均方根誤差計算公式為

1.3.2 數據處理

數據的處理采用Microsoft Excel 2016及SPSS 19。

2 結果與討論

2.1 不同時期烤煙冠層圖像色彩參數指標差異

不同時期不同處理的冠層圖像的顏色標準值如表2所示。團棵期(移栽后47 d)和下部葉成熟期(移栽后116 d)，各處理冠層圖像R，G和B值均沒有顯著差異，這與視覺觀察結果一致。旺長后期(移栽后83 d)，各處理間冠層圖像的顏色標準值存在顯著差異，其中R值和G值隨著氮肥施用量的增加逐步減小，B值在不同處理間差異不大；在旺長后期時，冠層圖像在視覺觀察上也存在葉色的明顯差別。因此，旺長后期(移栽后83 d)為利用無人機拍攝冠層圖像進行烤煙氮氮素營養診斷的最佳時期。

表2 不同生育期各處理冠層圖像顏色標準值的差異性分析Table 2 Difference analysis of canopy image color standard values in different growth stages

2.2 烤煙冠層圖像色彩參數指標的篩選

對旺長后期烤煙冠層3類10個色彩指標與烤煙氮素營養指標分別做相關性分析，結果如表3所示。在平均顏色指標體系中，NRI和NGI分別與5個烤煙氮素營養指標極顯著負相關和極顯著正相關，NBI與地上部生物量和葉片生物量無顯著相關性，與地上部氮濃度、葉片氮濃度和葉片SPAD值顯著正相關。在比顏色指標體系中，G/R和G/(R+B)與5個氮素營養指標均為極顯著正相關；G/B與氮素營養指標相關性不高。在歸一化差分顏色指標體系中，(G-R)/(R+G+B)和ExG與5個氮素營養指標均為極顯著正相關；(R-B)/(R+G+B) 與4個烤煙氮素營養指標極顯著相關，而(G-B)/(R+G+B) 與氮素營養指標相關性不高。根據相關性，在3類色彩指標體系中選擇NGI，G/R和ExG作為潛在的最佳色彩參數指標。

表3 烤煙冠層圖像色彩參數指標與煙株氮素營養指標的相關系數Table 3 Interdependency between canopy color indexes and tobacco nitrogen indexes

2.3 烤煙氮素營養診斷方程構建

構建冠層色彩參數指標與氮營養指標的關系方程是烤煙氮素營養診斷的核心問題。采用線性和非線性模型(對數、二次、冪和指數)，對潛在的最佳色彩參數與氮素營養指標進行回歸分析(圖1)。結果表明，五種回歸模型下冠層圖像色彩參數指標NGI，G/R和ExG與氮素營養指標間均表現出良好的相關性，達到極顯著水平。其中NGI和ExG與地上部生物量及葉片生物量的回歸結果優于G/R的回歸結果，且冪函數回歸和指數函數回歸優于線性回歸、二次回歸和對數函數回歸；G/R與地上部氮濃度、葉片氮濃度和葉片SPAD值的回歸結果優于NGI和ExG的回歸結果。根據相關系數的比較，分別選擇指數回歸做為地上部生物量和葉片生物量的預測模型，線性回歸作為地上部氮濃度、葉片氮濃度及葉片SPAD值的預測模型。

圖1 冠層色彩參數指標與氮營養指標的回歸分析Fig.1 Regression analysis between canopy color indexes and tobacco nitrogen indexes

2.4 烤煙氮素營養診斷方程模型檢驗

選擇相同生育期的不同地塊進行氮營養診斷方程的驗證分析，不同圖像色彩指標驗證分析的結果如圖2所示。驗證結果表明，基于顏色指標G/R建立的診斷方程模型，地上部氮濃度及葉片氮濃度的真實檢測值與方程預測值均較吻合，重合度高。經計算NRI，G/R，ExG與地上部氮濃度的RMSE值分別為0.789 9%，0.375 1%和0.788 1%，與葉片氮濃度的RMSE分別為0.549 2%，0.249 1%和0.549 0%。RMSE反映了預測數據偏離真實值的程度，值越小，表示該模型預測精度越高。三個顏色指標中以G/R的RMSE值為最小，預測精度最高，應用G/R為參數的氮營養診斷方程的相比NRI與ExG更具有說服力。故選擇G/R作為烤煙氮素營養指標預測的最佳圖像色彩指標具有較高的代表性。

圖2 以顏色指標為自變量的烤煙地上部氮濃度和葉片氮濃度預測值與實際值的關系Fig.2 Relationship between predicted and actual nitrogen concentrations in shoot and leaf of flue-cured tobacco using color index as independent variables

氮素作為影響烤煙生長發育和產量形成的必需元素之一，在生產實際中，氮肥施用過量仍然非常普遍。當地農民氮肥施用量一般在120～165 kg N·ha-1之間[13]，本研究設置了6個不同氮肥用量的處理(0，45，90，135，180和300 kg N·ha-1)，通過分析不同氮素處理下各顏色指標與烤煙地上部生物量、葉片生物量、地上部氮濃度、葉片氮濃度、SPAD值之間的關系，篩選了NRI，G/R和ExR為無人機診斷烤煙氮素營養狀況的備選指標，繼而通過對比不同方程模型間差異及RMSE值，建立了基于G/R的烤煙旺長后期氮素營養指標線性方程模型。對“缺氮—氮優化—氮過?！敝g應用無人機圖像技術進行烤煙氮素營養診斷提供了一種方法和思路。本研究結果是在其他條件相同(磷鉀肥用量充足且一致、拍照時間統一、拍攝高度角度保證一致等)的情況下得出的，而烤煙不同生育期冠層顏色變化受很多因素影響，如生長環境、養分類型及用量等，因此，探索不同條件下烤煙冠層顏色指標的差異機理及可行性成為今后工作的重點。同時，本試驗所有氮肥均做基肥一次性施用，作物氮素營養無損診斷的核心是建立推薦追肥體系，并以此進行施肥推薦。因此，建立基于上述試驗結果的不同生育期臨界G/R值及推薦施氮量，繼而以追肥的方式提供氮肥，仍需要更多、更廣泛的試驗來驗證。相信隨著精準農業和先進農業機械的快速發展，該技術的應用將是作物無損營養診斷與推薦施肥的重要發展方向。

3 結 論

通過無人機冠層圖像分析監測烤煙氮素營養，結果如下：

(1)對不同生育期冠層圖像分析表明，氮素營養診斷最佳的生育期為旺長后期。(2)三類指標中篩選出NRI，G/R和ExG作為備選指標，與營養指標相關性達到極顯著水平，證明在烤煙中通過無人機數字圖像指標來預測營養指標的狀況成為可能。(3)五種回歸模型下，指數回歸作為地上部生物量和葉片生物量的預測模型，線性回歸做為地上部氮濃度、葉片氮濃度及葉片SPAD值的預測模型。(4)驗證結果表明G/R對地上部氮濃度與葉片氮濃度的線性預測值與真實值更為接近，RMSE值更小，我們最終選擇G/R作為烤煙無人機氮素營養預測的最佳色彩指標。地上部生物量、葉片生物量、地上部氮濃度、葉片氮濃度、SPAD值的預測方程為Y=21.785e1.350 2G/R，Y=4.057 9e1.937 3G/R，Y=5.039 9G/R-3.333 2，Y=4.281 4G/R-3.802 9，Y=40.168G/R-28.188。