数字图像技术在黄瓜氮素营养诊断上的应用研究

试验设计了6种氮素水平处理温室黄瓜,利用数码相机获取黄瓜冠层图像,分析了不同供氮水平下黄瓜冠层图像参数与施氮量、土壤无机氮(Nmin)和植株氮素营养指标之间的关系.结果表明:黄瓜冠层图像G/(R G B)为诊断黄瓜结果期氮素营养状况的适宜数字化参数.建立了评价黄瓜结果期氮素营养丰缺的冠层图像数字化指标G/(R G B)的量值标准和氮肥推荐标准.     

应用数字图像技术对葡萄进行氮素营养诊断的研究

本试验通过设定纯氮0、100、200、300、400、500 kg/hm26个不同氮素水平浓度,并利用数码相机分别获取葡萄开花期、坐果期和果实着色期的植株冠层图像,研究了冠层图像的色彩参数指标与施氮量、叶片硝酸盐含量、植株全氮含量及土壤无机氮含量之间的关系。结果表明,数字图像技术可以应用在葡萄氮素营养诊断中,在各色彩参数指标中G/B、G/(R+G+B)均与施氮量、叶片硝酸盐含量、植株全氮含量及土壤无机氮含量呈显著相关的关系,并且坐果期G/B的相关性最高,可作为利用数字图像技术对葡萄进行氮素营养诊断的指标,坐果期作为氮素营养诊断主要时期。     

数字图像技术在草莓氮素营养诊断中的应用研究

为了探讨利用数字图像处理技术进行草莓氮素营养诊断的可行性,通过6个水平的氮肥田间试验,采用数码相机获取草莓冠层图像,分析了不同供氮水平下草莓冠层图像色彩参数与施氮量、土壤无机氮和植株氮素营养指标之间的关系.研究表明:数字图像技术应用于监测草莓的氮素供应状况是可行的.其中,不同氮素处理下G/B值与G/(R+G+B)值的决定系数较高,G/(R+G+B)值与土壤无机氮、叶片硝酸盐及植株全氮之间的决定系数最高,利用G/(R+G+B)值的范围得出草莓开花期与结果期的氮肥推荐用量,从而反馈草莓氮素营养状况,进行氮素营养诊断.     

应用图像数字化技术进行甘薯氮素营养诊断

为了研究利用数码图像参数预测甘薯氮素营养指标的可行性，明确氮素营养状况评价的最佳色彩参数和方程模型，以烟薯25号为试材，于2020—2021年分别设置盆栽试验(氮肥水平为0、45、90、135、180 kg/hm²)、大田试验(氮肥水平为0、50、100、150、300 kg/hm²),利用数码相机获取甘薯冠层图像参数，同时测定地上部氮素营养指标，分析不同生育时期甘薯冠层数码图像参数与氮素营养指标的相关性，并构建甘薯氮素营养指标诊断模型。甘薯各生育期冠层图像参数与地上部生物量、叶片氮浓度、叶绿素a含量、叶绿素b含量相关性差异较大，以绿光标准化值NGI与上述氮素营养指标的相关性最好；薯蔓并长期NGI与氮肥用量、地上部生物量、叶片氮浓度、叶绿素a含量的直线方程模型分别为y=17.82x-6.95、y=6 999.70x-2 697.90、y=613.67x-188.78、y=75.38x-26.96;2021年试验验证模型验证结果表明，叶片氮浓度、叶绿素含量的预测值与实测值之间R²分别达到0.835、0.810,均方根误差分...     

基于数码图像的甜菜氮素近地遥感监测模型

为定量研究利用数码图像进行甜菜冠层叶片氮含量(Leaf nitrogen content,LNC)时空变化监测的适宜性及准确性,以2014年内蒙古赤峰市松山区太平地镇田间试验为基础,在甜菜各生长阶段采集甜菜冠层数码图像,利用数字图像处理技术对图像进行分割并提取红光值(R)、绿光值(G)和蓝光值(B)。分析R/B、G/B等9个颜色参数与不同生育期冠层LNC的相关性,并研究冠层LNC随施氮量的变化规律,探寻适宜于甜菜氮素营养监测的关键生育时期及最佳颜色参数。分别利用支持向量机(Support vector machine,SVM)和BP人工神经网络(BackPropagation artificial neural network,BP-ANN)建立甜菜冠层LNC预测模型。研究结果表明,BP-ANN预测模型具有较高且较稳定的预测精度,其验证集的决定系数R~2和均方根误差RMSE分别为0.74和2.35,与SVM模型相比,BP-ANN模型的决定系数R~2提高了12.12%,均方根误差RMSE降低了8.09%。     

基于GreenSeeker的水稻氮素估测

为研究水稻植株氮素指标与GreenSeeker植被指数的定量关系,通过设置不同年份、不同氮肥水平的田间试验,于移栽后定期使用GreenSeeker获取冠层归一化差值植被指数(NDVI)和比值植被指数(RVI),并同步破坏性取样获取植株生物量和氮含量,分析不同品种和不同氮营养条件下氮素和植被指数(NDVI和RVI)变化规律,建立基于NDVI和RVI的氮素监测模型。结果表明,植株氮含量可以基于NDVI和RVI分时期进行估算,植株氮积累量可以被分阶段反演。利用GreenSeeker可以实现水稻氮素快速无损监测,为水稻氮肥精确管理提供技术支持。     

应用数字图像分析技术进行冬小麦 拔节期氮营养诊断

传统的作物营养诊断如植株全氮、生物量和植株硝酸盐浓度测试等需要进行大量的田间取样和实验室分析,时效性不足,难以适应作物生长期间追肥诊断的需要。通过田间试验,应用数字图像技术对拔节期作物的氮营养状况进行了研究,发现冠层数字图像色彩参数可以用来表征冬小麦拔节期的氮营养状况。数字图像标准化红光值R/（R＋G＋B）与冬小麦常规营养诊断指标如叶绿素仪读数、茎基部硝酸盐浓度、植株全氮含量和地上部生物量之间的相关系数达到了0.809～0.946,是较好的表征作物氮营养状况的诊断指标。     

利用Greenseeker法诊断甜菜氮素营养状况

利用Green Seeker法对不同氮素运筹下甜菜冠层归一化植被指数(normalized difference vegetation index,简称NDVI)进行测定,并分析甜菜叶面积指数(leaf area index,简称LAI)、比叶重(specific leaf weight,简称SLW)、叶片叶绿素含量以及全氮含量的变化。结果表明,甜菜冠层NDVI与叶片全氮含量呈极显著正相关,与叶片其他指标相关性不显著,NDVI与叶片全氮含量的拟合度在叶丛快速增长期最高。因此可见,利用Green Seeker法获取的NDVI能够反映甜菜叶片的氮素营养状况,Green Seeker法可以作为甜菜氮素营养快速无损检测的手段。     

基于高光谱技术的覆膜旱作水稻植株氮含量及籽粒产量估算

为建立利用光谱技术快速诊断覆膜旱作水稻植株氮营养和产量的估算模型,应用高光谱技术分析了长江中下游覆膜旱作区水稻拔节期和抽穗期内5种不同施氮水平(0、60、120、180和240kg/hm~2(N))下植株冠层光谱特征及其与植株氮素含量和产量的关系,并分别构建了植株含氮量和产量的估算模型。结果表明:拔节期和抽穗期内不同供氮水平下冠层光谱的变化规律基本一致,均随着供氮水平的增加,反射率在可见光区降低、在近红外区增大。覆膜旱作水稻植株氮含量与552和890nm 2个敏感波段构成的比值(RVI)和绿色归一化植被指数(GNDVI)的关系最佳。构建的水稻关键生育期植株全氮含量及水稻产量的估算模型预测效果均较好,其中植株全氮含量拟合方程的决定系数为0.730~0.808,采用拔节期的RVI对覆膜旱作水稻进行估产的决定系数达到0.724。本研究构建的模型可以用来估计该地区覆膜旱作水稻的氮素营养状况和作物产量。     

拔节期氮营养诊断

 传统的作物营养诊断如植株全氮、生物量和植株硝酸盐浓度测试等需要进行大量的田间取样和实验室分析，时效性不足，难以适应作物生长期间追肥诊断的需要。通过田间试验，应用数字图像技术对拔节期作物的氮营养状况进行了研究，发现冠层数字图像色彩参数可以用来表征冬小麦拔节期的氮营养状况。数字图像标准化红光值R/(R+G+B)与冬小麦常规营养诊断指标如叶绿素仪读数、茎基部硝酸盐浓度、植株全氮含量和地上部生物量之间的相关系数达到了0.809~0.946，是较好的表征作物氮营养状况的诊断指标。     

基于数字图像技术的冬油菜氮素营养诊断

【目的】利用田间氮肥梯度试验探讨数字图像技术对冬油菜氮素营养无损评估预测的可行性,明确该技术的最佳数码参数和方程模型,为数字图像技术进行冬油菜氮素无损诊断提供依据。【方法】2013-2014年在湖北省武穴市开展不同施氮处理田间试验,以冬油菜为试验材料,设置不同氮素水平（0、90、180、270和360 kg·hm^-2）,分别于六叶期、十叶期、蕾薹期和开花期,利用数码相机获取冠层数字图像数据,同时采集植株样品分析其生长特征值,研究其相关性并建立氮素营养参数的方程模型。利用2014-2015年独立氮肥水平试验,对上述方程模型拟合精度进行验证并绘制1﹕1线性关系图。【结果】数字图像红光值（R）、红光标准化值（NRI）和绿光与蓝光比值（G/B）与冬油菜氮营养状况常规诊断指标地上部生物量、叶片氮浓度和叶绿素浓度等呈负相关关系,而绿光值（G）、蓝光值（B）、绿光与红光比值（G/R）、蓝光与红光比值（B/R）、绿光标准化值（NGI）和蓝光标准化值（NBI）则与上述指标呈正相关关系,红光标准化值（NRI）与其他数码参数相比能更好地表征冬油菜的氮素营养状况,蕾薹期红光标准化值NRI与氮肥用量、地上部生物量、叶片氮浓度、叶绿素浓度、氮素吸收量和氮营养指数之间的关系可分别用线性方程y(t·hm^-2)=-8.003x+2.706、y(t·hm^-2)=-106.072x+38.200、y(g·kg^-1)=-692.99x+ 261.84、y(mg·g^-1)=-12.750x+5.665、y(kg·hm^-2)=-4087.416x+1414.274和y=-27.198x+9.812来表达,其相关性达到极显著水平。2014-2015年独立试验模型检验结果表明,叶片氮浓度、叶绿素浓度和氮营养指数实测值与预测值的决定系数R²分别为0.917^**、0.746^**和0.953^**;均方根误差RMSE分别为0.821、0.330和0.228;相对误差RE %分别为26.32%、28.57%和28.39%,模型预测精度较好。【结论】数字图像技术可以用于冬油菜氮素营养的评估预测,评估时期为蕾薹期（包括）之前均可,最佳预测参数为红光标准化值NRI,参数的最佳方程模型为直线方程函数。     

一种基于图像分析提取作物冠层生物学参数的方法与验证

利用图像分析方法,通过准确识别冠层和背景像素进行棉花冠层生物学产量和叶面积系数估测。采用Olympus C740 Ultra Zoom数码相机拍摄棉花不同生育期冠层图像,在棉花冠层数码照片特征分析的基础上提出了棉花冠层图片计算机自动判读的方法,即混合采用图像色度(H)、绿光(G)、红光(R)灰度值构造提取条件,通过多重判断识别棉花冠层和背景,并编写了相应的计算机程序。利用该程序分析棉花不同施氮量下、不同生育期提取地面覆盖度参数与棉花生物学产量、叶面积系数间的关系,发现棉花冠层地面覆盖度指标可以有效预测棉花生物学产量和叶面积系数,二者间指数相关系数达到r=0.97以上,为极显著相关。     

阔叶红松林两个主要树种叶功能性状随树高变化

植物功能性状之间的不同组合和权衡决定了植物的生活史对策,反映了植物对环境变化的适应,个体 水平功能性状的变异更是其能量投资策略的体现。为获取随树高变化叶功能性状的变化,对蛟河阔叶红松林两个主 要树种白桦和青杨的5 个叶功能性状指标进行比较分析。结果表明,除青杨氮磷比外,两个树种的比叶面积、叶干物 质含量、氮含量、磷含量及白桦氮磷比均与树高存在显著相关性,且多数相关系数高于0.5。对树冠进行分层比较,除 氮含量外,白桦比叶面积、叶干物质含量、磷含量和氮磷比在树冠不同层次间差异显著,中层氮磷比小于14,上下层 氮磷比大于14,但未超过16;青杨叶片主要生长在树冠中上层,且除氮磷比外,其他功能性状指标在树冠不同部位 也有显著差异。叶功能性状随树高变化而变化可以认为主要由光照在树冠垂直变化引起的,体现了植物对光环境的 适应及资源的分配差异。     

基于颜色特征的加工番茄叶片氮素评价初步研究

利用数码相机获取加工番茄地上部分彩色图像,通过图像处理软件提取RGB及其组合的颜色特征值,同时与氮素指标叶片叶绿素含量、SPAD值、叶片含氮量及单株吸氮量作回归分析,根据统计性检验,有相当数量的颜色特征与4个氮素指标呈较高的相关性,相关系数达到r=0.7以上.综合筛选出的颜色特征指标,结合地面覆盖度与氮素营养指标建立以叶片含氮量为应变量的估算模型.经模型校验,其预测值与实测值在n=15,P＜0.01水平上达r=0.8以上的极显著相关.因此,可依据颜色特征参数通过建立相应的统计模型进行加工番茄叶片氮素含量的评价,进而为加工番茄氮素营养诊断提供依据.     

施氮量对马铃薯磷钾利用和土壤磷钾含量的影响

为了提高肥料利用效率,采用田间试验方法,在基施等量磷肥(P2O5150 kg/hm2)和钾肥(K2O 360 kg/hm2)条件下,研究施氮量(0、80、160、240 kg/hm2)对马铃薯(Solanum tuberosum L.)费乌瑞它磷钾利用和土壤磷钾含量变化的影响。结果表明,马铃薯干物质、全磷及全钾积累总量随施氮量的增加而递增,但施氮量达160 kg/hm2以上时再增施氮肥增加不显著;增加施氮量,磷肥和钾肥的肥料效率略呈上升趋势,但磷肥和钾肥的收获指数、经济效率及生理效率略呈下降趋势。马铃薯收获后,种植地土壤尤其是0~30 cm土层的速效磷和速效钾含量显著增加,但各土层速效磷和速效钾含量随施氮量的增加呈递减趋势。施氮量还影响干物质、全磷及全钾在马铃薯各器官的分配。因此,本研究条件下,N、P2O5、K2O施用量可在160、150、360 kg/hm2基础上适当减量。     

氮肥不同用量对马铃薯氮素吸收·产量与品质的影响

[目的]为了对科学施肥和促进马铃薯产业的发展提供依据。[方法]在田间条件下,研究了不同施氮水平对马铃薯生长及块茎产量、品质的影响以及马铃薯对氮素吸收的影响。[结果]在马铃薯苗期、薯块膨大期、淀粉积累期和收获期N12处理表现为干物质积累最多,植株地上与地下部分含氮量最高,薯块产量最高达39 757.5 kg/hm2。各项品质指标也较好,薯块中淀粉、蛋白质含量最高,还原糖含量最低。[结论]各时期随施氮量增加,马铃薯植株地上及地下部分含氮量增加,其中以施氮180 kg/hm2马铃薯长势最好,产量最高,品质最佳。     

Precision phenotyping of contrasting potato(Solanum tuberosum L.) varieties in a novel aeroponics system for improving nitrogen use efficiency: In search of key traits and genes

With increasing population, degrading soil health, limited arable land area, and high cost of nitrogen(N) fertilizers, improving nitrogen use efficiency(NUE) of potato is an inevitable approach to save the environment and achieve sufficient tuber yields with less N fertilizer supply. Recently, we have developed an aeroponics system to study NUE in potato using genomics, physiology, and breeding approaches. This study aims on precision phenotyping of plants of two distinct potato varieties(Kufri Gaurav, N efficient; Kufri Jyoti, N inefficient) in the novel aeroponics system. Plants were grown in aeroponics under controlled conditions with low N(0.75 mmol L~(-1) NO_3~-) and high N(7.5 mmol L~(–1) NO_3~-) levels. Plant biomass, root traits, total chlorophyll content, and plant N were increased with increasing N supply, whereas higher NUE parameters namely NUE, agronomic NUE(Ag NUE), N uptake efficiency(NUp E), harvest index(HI), and N harvest index(NHI) were observed at low N. An NUE efficient cv. Kufri Gaurav showed higher tuber dry weight, fresh tuber yield, tuber number per plant, early start of tuber harvesting, root traits, stolon traits, NUE parameters, and higher amino acid(aspartic acid and asparagine) content at low N supply. Higher expression of nitrate reductase(NR), nitrite reductase(NIR), and asparagine synthetase(AS) genes was observed in the leaf tissues of Kufri Gaurav at high N. Thus, aeroponics-based precision phenotyping enables identification of NUE efficient genotypes based on key traits and genes involved in improving NUE in potato. Further, this study suggests that the potential of aeroponics can be utilized to investigate N biology in potato under different N regimes.