基于玉米冠层原位监测的全生育期叶色建模及其应用

针对田间玉米冠层叶色变化难以定量描述问题,该文利用田问原位冠层监测系统,在摄像机自动曝光模式下连续采集多个玉米品种的冠层图像,揭示了复杂天气条件对图像和玉米冠层颜色的影响.利用概率密度统计分析方法分别计算玉米6个关键生育期的冠层亮度-色度分布,并针对冠层色度具有明确变化趋势且分离度较高的冠层亮度区间,建立了全生育期玉米冠层叶色模型.进而,基于该模型建立了适合不同玉米生育期的冠层图像自动分割方法,将玉米全生育期的冠层图像分割精度提升到82.6％,并揭示了不同品种玉米在叶片发育过程中冠层叶色与叶龄的相关性,利用登海605和农大108的冠层叶色预测出的生育期叶龄均方根误差RMSE (root mean squared error,RMSE)分别为1.14和1.41叶.试验结果表明,该文建立的玉米冠层叶色模型能够较好描述玉米关键生育期的冠层叶色变化规律,对玉米冠层图像分割、生育期估计、玉米品种表型鉴定具有重要意义.     

基于冠层光谱仪的芹菜当季产量潜力预测

高效、精准的产量预测对于优化芹菜(Apium graveolens L.)产量管理和指导后期农业决策具有重要意义。为建立一种实时、准确的芹菜当季产量预测方法,采用田间试验方法,对2年不同品种和不同施氮处理芹菜进行田间试验,以GreenSeeker冠层光谱仪为例,获取芹菜冠层植被归一化指数(NDVI)及产量等,通过建模和验证分析,探明冠层光谱仪对芹菜当季产量潜力预测的可行性与准确性。相关分析结果表明,冠层NDVI测定值与2种芹菜产量显著相关,相关系数分别为0.583～0.805(西芹,XQ)和0.256～0.922(药芹,YQ)。回归分析结果表明,移栽后30～70 d测定的冠层NDVI值可预测芹菜当季产量,模型类型对预测结果准确性无显著影响,R2值为0.51～0.85。综合不同品种结果,冠层NDVI值可准确预测XQ和YQ两品种芹菜当季产量,R2值和RMSE值分别为0.66～0.84和7.40～10.72。经验证,移栽后60和70 d时,验证方程的斜率分别为0.95和1.05,预测产量和实测产量数据点均匀分布在1∶1线附近。因此,外叶生长盛期是利用冠层光谱仪进行芹菜产量预测的最早时期。研究表明,构建基于NDVI值的产量预测模型可准确预测芹菜的当季产量,也为芹菜作物和其他蔬菜作物的产量预测和养分管理提供理论依据和技术支撑。     

冠层反射光谱与小麦产量及产量构成因素的定量关系

基于4个小麦品种、5个施氮水平的田间试验,在比较小麦冠层多光谱和高光谱反射特征的基础上,讨论了不同生育期冠层反射光谱参数与小麦产量及产量构成因素的定量关系。结果表明,拔节期冠层多光谱参数与理论产量和实际产量的相关性较高,可用于预测小麦产量,而冠层高光谱反射参数与小麦产量间的相关性较差,难以直接利用预测小麦产量;冠层的多光谱和高光谱参数对亩穗数的预测效果均较好,小麦拔节期、灌浆中期和成熟期的冠层多光谱参数、高光谱参数均与亩穗数间具有极显著正相关关系（P〈0.01）,从而分别建立了各时期利用高光谱参数A（760,850）/R550、多光谱比值植被指数RVI（810,560）的小麦估产方程。研究结果对选择合适的光谱参数建立估产模型、保证高光谱遥感信息反演精度具有重要价值。     

田间光照条件下应用半球图像解析玉米冠层结构参数

半球图像法是一种重要的作物冠层结构参数间接获取方法,该文针对半球图像法易受田间变化光照影响,提出一种基于多曝光图像融合映射的变化光照去除方法。首先,在田间条件下获取一组不同曝光值的冠层半球图像序列,然后通过图像亮度和曝光时间的线性方程组计算冠层的光照辐射强度图,而后采用直方图均衡化思想将不同时刻光照辐射强度图向RGB空间映射,映射后半球图像亮度均衡分布,消除光线变化对图像亮度的影响。在冠层参数解析阶段,利用Beer-Lambert定律反演玉米半球图像冠层叶面积指数(leaf area index,LAI)和平均叶倾角(mean leaf angle,MLA)的计算方法。试验结果表明,变化光照条件下半球图像冠层参数解析方法与直接测量法具有较高的相关性,LAI测量相关系数为0.970。该方法扩展了半球图像法的适用范围,为田间环境下冠层参数的自动连续监测提供了解决方案。     

表征冬小麦倒伏强度敏感冠层结构参数筛选及光谱诊断模型

针对倒伏胁迫下冬小麦冠层结构变化规律不清、冠层光谱响应机理不明的问题,以灌浆期倒伏冬小麦为研究对象,分析不同倒伏强度下冬小麦冠层结构参数变化规律,通过光谱探测视场内的茎、叶、穗面积比率与倒伏角度的相关性分析,筛选出表征倒伏强度的敏感冠层结构参数,采用传统光谱变换方法与连续小波变换方法对倒伏冬小麦冠层高光谱数据进行处理分析,筛选冠层结构参数的敏感波段和小波系数,采用偏最小二乘法构建冠层结构参数与高光谱特征参量的响应模型,并利用野外实测样本验证模型精度(建模集样本28个,验证集样本13个)。研究结果表明:倒伏后的冬小麦茎叶比与倒伏角度的相关性最高(-0.687,P0.01),能较好地表征冬小麦倒伏强度,且茎叶比随着倒伏角度的减小而增加;基于连续小波变换的冬小麦倒伏灾情诊断模型优于常规光谱变换方法,检验样本的决定系数为0.632(P0.01);以冠层茎叶比预测结果进行倒伏灾情等级划分的精度可达84.6%。因此,不同倒伏强度的冠层茎叶比与冬小麦冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的冬小麦倒伏灾情遥感监测提供先验知识。     

基于冠层光谱的不同株型冬小麦籽粒蛋白质预测模型

冬小麦冠层光谱因不同株型而异，依不同株型建立模型是提高冬小麦蛋白质预测精度的重要途径之一。该研究利用ASD2500高光谱仪对不同株型冬小麦冠层光谱进行了测定，分析了冬小麦叶片叶绿素含量在冠层垂直方向上的变化及其与籽粒品质指标和冠层光谱特征参量间的相关性。结果表明，冠层叶绿素含量垂直梯度变化因不同生育时期和不同株型而异。同等条件下，其梯度以平展型品种大于直立型品种。并且，当将两种株型品种分别考虑时，第一二叶组之间叶绿素含量的差值(DCC)与小麦籽粒部分品质参数和冠层光谱特征参量具有显著的相关性。通过DCC可以间接地建立籽粒蛋白品质和冠层光谱特征之间的相关模型。通过研究筛选出预测籽粒蛋白质含量(GPC)的最佳时期为灌浆期，最佳光谱特征参量为560 nm的反射峰深度P_Depth560。并且，建立了不同株型品种GPC的预测模型并初步通过验证。     

施氮量对新增耕地肥料利用及大豆产量的影响

在晋西黄土区新增耕地设置施加N0,N1,N2,N3,N4和N5六种不同氮水平氮肥的处理,比较分析不同施氮量对氮肥利用率、氮磷钾吸收累积、大豆生长发育和产量的影响,并通过回归拟合,确定最佳施氮量,结果表明:不同氮水平下,氮肥农学利用率、氮肥吸收利用率和氮肥偏生产力随施氮量的增加呈现下降的趋势,而各氮水平条件下氮肥生理利用率差异不大;施氮能够促进大豆植株各部位对氮、磷、钾的吸收利用,各处理之间大豆植株氮素累积量、磷素累积量和钾素累积量差异显著,且在N2水平下最高,但大豆植株氮、磷、钾累积量与施氮量相关性不显著;N2水平下大豆植株在出枝期、开花期和鼓粒期的株高、冠幅均最高,且大豆产量最高,达188.83g/m2,比其他五种处理措施增产8.68%~141.32%,其增产效益最高,为0.562元/m2;晋西黄土区新增耕地的最佳施氮量为168~178kg/hm2,对应理论产量为1 800~1 802kg/hm2。     

数字图像技术在夏玉米氮素营养诊断中的应用

基于6个不同水平的氮肥田间试验,采用数码相机获取夏玉米6叶期和10叶期的冠层图像,分析了不同供氮水平下夏玉米冠层图像色彩参数指标与施氮量、叶片SPAD值、植株硝酸盐浓度、植株全氮含量、0～90cm土壤硝态氮含量之间的关系。结果表明:在6叶期,玉米冠层数字图像色彩参数指标B/(R+G+B)、G/B、R/B、B/L均与施氮量、叶片SPAD值、植株硝酸盐浓度、植株全氮含量、0～90cm土壤硝态氮含量存在极显著的线性相关关系,其中B/(R+G+B)与各营养参数的相关关系最好,其次是B/L。因此,运用数字图像技术进行玉米的氮素营养诊断是可行的。夏玉米6叶期冠层图像色彩参数指标与上述营养参数间的相关性明显高于10叶期,可作为应用数字图像技术进行氮素营养诊断的关键时期,而蓝光标准化值[B/(R+G+B)]是进行夏玉米氮素营养诊断的最佳冠层图像色彩参数指标。     

基于数码相机图像的甜菜冠层氮素营养监测

为探究数码相机监测甜菜冠层叶片氮素的可行性,2014年于内蒙古赤峰市松山区太平地镇采用不同种植方案设计了田间试验。利用数码相机获取甜菜冠层数字图像,基于灰度值的阈值分割方法提取冠层图像的红光值(R)、绿光值(G)和蓝光值(B),交互调优R、G、B单色分量权重,提出三原色权值调优方法,并挖掘出适宜于表征甜菜冠层LNC(leaf nitrogen content)的基础调优参数BOP(basic optimal parameter)和归一化调优参数NOP(normalized optimal parameter)。结果表明:采用常规方法选取的敏感颜色参数G/R、NRI(R/(R+G+B))与冠层LNC的相关系数分别为0.80和0.79,三原色权值调优方法确定的调优参数BOP、NOP与冠层LNC的相关系数分别为0.83和0.84,算法优化后提高了颜色参数与冠层LNC的相关性。对比常规参数和调优参数对冠层LNC的预测精度,结果显示调优参数BOP、NOP建立模型的预测精度均高于常规参数G/R、NRI,BOP预测模型的决定系数R2和均方根误差RMSE(root mean square error)分别为0.69和2.65,NOP预测模型的R2和RMSE分别为0.68和2.73。该研究表明,在大田自然光照条件下,借助数码相机实时、准确监测甜菜氮素营养丰缺水平具有较高的可行性,数字图像处理技术在作物营养无损诊断中存在很大的应用潜力。     

基于无人机载高光谱空间尺度优化的大豆育种产量估算

为探讨无人机载高光谱空间尺度对大豆产量预测精度的影响,该文以山东嘉祥圣丰大豆为研究对象,设计以多旋翼无人机为平台搭载Cubert UHD185成像高光谱传感器的无人机遥感农情监测系统,获取了大豆多个生育期的无人机高光谱数据。首先,该研究利用盛荚期-始粒期(R4-R5期)的高光谱影像,由21个不同光谱空间尺度提取的高光谱数据构建植被指数,通过植被指数方差分析结果可知所选冠层植被指数与不同品种大豆植株的生长状况密切相关,但是不同空间尺度下的F值仍存在较为明显的差异;其次,采用偏最小二乘回归建立产量与不同空间尺度的植被指数之间的回归模型,通过模型方程估算精度的曲线变化趋势进一步将最优空间尺度面积确认至9.03~10.13 m2,即当采样空间尺度区域长、宽与小区总长、宽比例介于4.25:5和4.5:5时,所得到的冠层光谱能够尽可能准确地估测大豆产量,此时估算产量和实测产量呈极显著相关(相关系数r=0.811 7,参与建模的样本个数270)。该研究可为使用高、低空高光谱影像进行作物表型信息解析和估产提供参考。     

硅磷配施对低磷土壤春玉米干物质积累、 分配及产量的影响

以玉米品种‘正红2号’和‘正红115’为材料,通过2014年和2015年的田间小区定位试验,研究低磷土壤条件下,硅磷肥配施对玉米拔节期和吐丝期的净光合速率、蒸腾速率和叶面积指数,拔节期、吐丝期、灌浆期和成熟期干物质积累和分配,产量及产量构成因素的影响,探讨施硅及硅磷配施的增产效果。结果显示,与对照(不施磷肥和硅肥)相比,施磷、施硅和硅磷配施处理均可提高玉米拔节期和吐丝期的叶面积指数和净光合速率,增加拔节期、吐丝期、灌浆期和成熟期各生育阶段的干物质积累量,降低灌浆期和成熟期叶片的干物质分配比例和灌浆期茎鞘的干物质分配比例,提高籽粒干物质分配比例和收获指数,降低秃尖长度,增加穗长,最终提高穗粒数、千粒重和籽粒产量;其中施用磷肥增加或降低上述指标的效应明显大于施用硅肥,硅磷配施增加或降低上述指标的效应又明显大于单施磷肥或单施硅肥,硅和磷表现出明显的协同作用和配合效应。2014年和2015年玉米籽粒产量均与拔节期、吐丝期、灌浆期和成熟期干物质积累量呈显著正相关;与单施磷肥相比,硅磷配施处理分别增产1 288.57 kg·hm~(-2)(2014年)和1 313.61 kg·hm~(-2)(2015年),且2015年的增幅明显大于2014年,硅、磷表现出稳定的增产效应。综上所述,在四川丘陵低磷土壤条件下,合理进行硅磷肥配施,既能提高玉米生育前期物质生产能力和干物质积累量,又能改善生育后期干物质在玉米各器官中的分配,促进籽粒灌浆结实,最终提高籽粒产量。     

基于无人机采集的视觉与光谱图像预测棉花产量

为了高效管理农田,该文提出了一种应用低空遥感视觉与光谱图像预测棉花产量的方法。盛花期前的棉花图像由无人机遥感平台在距地面50m的飞行高度下采集,采集的局部图像通过拼接处理得到棉花地的全景RGB图像与CIR(color-infrared,彩色红外)图像。基于全景图像提取并计算了色度、植株覆盖率与归一化植被指数(normalized difference vegetationindex,NDVI)3个特征参数,用于构建棉花产量的预测模型。包括产量与特征参数的原始数据集随机分为训练集(90%)与测试集(10%)。训练集数据首先基于产量概率分布特征去除了10%的离群值,然后通过均值滤波器滤波,处理后的数据用于构建预测模型。通过SAS软件对比分析了单变量、双变量以及三变量构建的线性回归模型,预测模型由P值、决定系数R2、每0.4 hm2面积下估计值与真实值之间的平均绝对误差百分比(mean absolute percentage error,MAPE)这3个参数进行评估。试验结果表明,单变量、双变量以及三变量构建的共7个线性回归模型,其P值均小于0.05,则7个线性回归模型均具有统计学意义(5%显著性水平)。其中,由三变量构建的多元线性回归模型具有最大的决定系数R2=0.9 773,因此适应性最优。基于测试集验证模型精度,试验结果表明,采用多元线性回归模型进行产量估计,估计值与实际值之间的平均绝对误差百分比为4.0%。因此,无人机搭载图像传感器采集提取视觉与光谱特征能够有效用于作物产量的预测。     

匹配点云结合HSI色彩分量的无人机RGB影像信息提取方法

无人机通常搭载可见光波段传感器获取红-绿-蓝（Red-Green-Blue,RGB）影像,由于无人机RGB影像波段较少,影像的地物信息提取存在一定难度。该研究提出了一种匹配点云结合色调-饱和度-亮度（Hue-Saturation-Intensity,HSI）空间色彩分量的无人机RGB影像信息提取方法。首先以饱和度分量和红光波段构造了饱和度与红光比值指数,再结合可见光波段差异植被指数以及由匹配点云获得的地形特征对研究区正射影像进行分类。试验结果表明,本文方法的总体分类精度达到了91.11%,Kappa系数为0.895,证明匹配点云结合HSI空间色彩分量的方法提取无人机RGB影像信息是可行的,提取结果具有较高精度。相较于基于光谱特征的传统方法,本文方法引入匹配点云可以简单高效地提取影像中高程差异明显的地物,同时,结合HSI色彩分量能够有效弥补无人机RGB影像光谱特征较少的不足。     

基于冠层图像颜色特征提取的小麦氮营养水平评价

该文利用计算机图像处理技术,通过提取小麦冠层图像颜色特征,进行了小麦氮营养水平评价的研究。通过对RGB和HIS两种颜色系统表示的R、G、B、H、S、I和L参量进行了直方图统计量的计算,提取出一些简单有效的特征用于表达小麦自返青后的7个主要生育时期冠层的颜色。结果表明：1）这些特征可以有效表达小麦在不同氮营养水平下的冠层颜色,尤其在表达低氮水平和中高氮水平上效果更好。2）对总施氮量一致,施氮方式和施氮时期不同的小麦,这些特征也表现出显著的差异,而且可靠性高,简单易行。利用小麦冠层图像为评价小麦氮营养状况提供     

不同灌水量下尿素添加适宜氮肥增效剂促进夏玉米灌浆增产

为揭示不同灌水水平和氮肥增效剂类型对夏玉米籽粒灌浆过程的影响规律，以郑单958品种为研究对象，采用裂区设计，主区设置2个灌水水平：40 mm（W1）、60 mm（W2）；副区在单施尿素（U）的基础上添加不同类型氮肥增效剂：脲酶抑制剂（NBPT）、硝化抑制剂（DCD）、双效抑制剂（NBPT+DCD），采用Richards方程模拟夏玉米籽粒灌浆过程，研究不同灌水水平和氮肥增效剂类型对夏玉米各灌浆特征参数的调控效应，同时分析不同处理对夏玉米干物质转运和产量形成的影响。结果表明，3种氮肥增效剂下夏玉米的籽粒产量均显著高于U，DCD和NBPT+DCD的效果优于NBPT；增加灌水量至60 mm，可使氮肥增效剂的增产效果增强，NBPT、DCD和NBPT+DCD的产量分别提高了6.55%、5.36%和10.53%。NBPT、DCD和NBPT+DCD的转运率分别比U增大23.42%、19.58%和45.33%；两个灌水水平下的转运率无显著差异。Richards模型能较好地模拟夏玉米籽粒灌浆动态过程，拟合方程决定系数均在0.99以上。W2较W1水平显著延长了夏玉米总灌浆期持续时间，且延长了灌浆快增期和缓增期的灌浆时间，显著提高了缓增期的灌浆速率。3种氮肥增效剂均可提高夏玉米平均灌浆速率，且NBPT+DCD和DCD提高了灌浆快增期的灌浆速率。不同氮肥增效剂在不同灌水水平下效果不同。W2水平下，DCD能提高籽粒灌浆起始生长势，其总灌浆期持续时间延长至47.10 d，且优化了3个灌浆阶段的时长比例，平均灌浆速率较高，达0.828 g/d，是该研究中灌水水平和氮肥增效剂类型的最佳组合，研究可为关中地区氮肥增效剂的合理施用提供理论依据。     

应用数字图像技术进行水稻氮素营养诊断

【目的】研究田间试验条件下水稻不同生育期冠层图像色彩参数(G、NRI、NGI、NBI、G/R和G/B)及植株氮素营养指标(叶片含氮量、植株全氮含量、生物量、氮素累积量和冠层NDVI值)的时空变化特征,并分析两者间的相关性,确立水稻氮素营养诊断的最佳色彩参数和方程模型,为探明数码相机在水稻上的适宜性及精确诊断水稻氮素营养状况提供理论基础。【方法】于2013年5月9月在湖北省武汉市华中农业大学试验基地(30°28'08'N,114°21'36'E)采用不同施氮处理的田间试验,以籼型两系杂交稻"两优6326"为供试作物,设置4个施氮水平:0、75、150和225 kg/hm2(分别以N0、N75、150和N225表示),3次重复,随机区组排列。分别在水稻分蘖期、拔节期、孕穗期和灌浆期采用数码相机(Nikon-D700,1200万像素)获取水稻冠层图像,应用Adobe photoshop7.0软件直方图程序提取图像的红光值R、绿光值G和蓝光值B,研究数码相机进行水稻氮素营养诊断色彩参数,确定植株氮素营养指标诊断模型。【结果】较对照(N0)相比,分蘖期、拔节期、孕穗期和灌浆期3个施氮处理水稻地上部生物量、叶片含氮量、植株全氮含量、氮素累积量、冠层NDVI值和成熟期产量增幅分别平均为40.7%98.0%、42.4%72.4%、36.2%85.3%、125.5%209.1%、51.3%60.6%和60.1%117.0%,差异显著。水稻不同生育期各冠层数字化指标G、NRI、NGI、NBI、G/R和G/B与上述氮素营养参数相关性差异较大,且以数字图像红光标准化值NRI表现最佳,建议作为应用数码相机进行水稻氮素营养诊断的最佳冠层图像色彩参数指标。进一步分析表明,可以用统一的线性回归方程来描述不同生育期、不同氮素水平下水稻植株氮素营养指标随冠层色彩参数NRI的变化模式。【结论】数码相机进行水稻氮素营养诊断测试结果稳定,具有快速、便捷、非破坏性等优点,冠层色彩参数NRI与水稻氮素营养指标和产量之间均表现出较好的相关性,满足氮素营养无损诊断的需求,对实时、快速监测水稻长势状况及氮素营养丰缺水平具有较高的可行性,有望发展成为新时期作物氮素营养无损诊断技术的潜力。     

基于敏感光谱波段图像特征的冬小麦LAI和地上部生物量监测

叶面积指数(LAI,leaf area index)和地上部生物量是评价冬小麦长势的重要农学参数,其实时动态监测对冬小麦的长势诊断、产量预测和管理调控等具有重要意义。该研究通过分析叶面积指数、地上部生物量与冬小麦冠层光谱参数的相关性,筛选出冬小麦长势指标敏感波段及最佳带宽范围;基于敏感光谱波段下图像的彩色因子,构建冬小麦叶面积指数和地上部生物量监测模型。结果表明,叶面积指数、地上部生物量长势指标的敏感波段及最佳带宽范围为(560±6)和(810±10)nm。敏感波段560、810 nm波段下获得的图像特征因子中,RGB颜色空间R810、G560、B810对叶面积指数的拟合效果最好,决定系数高达0.989;HSI颜色空间H810、S810、I560对地上部生物量的拟合效果最好,决定系数为0.937。试验数据检验表明,叶面积指数、地上部生物量监测模型的均方根误差RMSE分别为0.4515、3.3556,相对误差分别为15.7%、15.9%,所构建监测模型的精确度较高。因此,基于敏感光谱波段及相应图像特征构建的监测模型可有效对冬小麦叶面积指数、地上部生物量进行实时、快速、准确监测与诊断。     

基于SOLANUM模型的甘肃中东部马铃薯潜在产量研究

为探究马铃薯专用生长模拟模型SOLANUM对甘肃省中东部马铃薯产量预测的适用性,并分析该地区主要气候因子对马铃薯产能差的影响。本试验以3个马铃薯基因型为参试材料,利用SOLANUM模型计算并校准甘肃省天水市和定西市马铃薯模型参数,并对SOLANUM模型进行统计学的模型评价。结果表明,SOLANUM模型在甘肃省适用性评价中,产量和冠层覆盖度模拟结果相对均方根误差(RRMSE)均在16%~76.2%之间,模型效应系数(EF)在0.068~0.805之间。相关性分析表明,产能差变化与太阳辐射变化相关系数为0.8,与年降雨量变化相关系数为0.71;潜在产量与年降雨量相关系数为0.92,与太阳辐射相关系数为0.78;实际产量与年降雨量相关系数为0.89,与太阳辐射相关系数为0.68。综上,SOLANUM模型对甘肃省中东部地区马铃薯潜在产量和冠层覆盖度模拟具有适用性,但还需对马铃薯生长发育和生育期长短的估算进行深入研究,从而提高模型模拟精度和适用性。为缩小产能差,甘肃省应选择晚熟抗旱马铃薯品种种植。本研究结果为补充SOLANUM模型模拟精度和提高甘肃省马铃薯潜在产量提供了决策依据。     

基于无人机图像参数对滴灌条件下玉米氮素营养的动态诊断

于2018和2019年在宁夏平吉堡农场进行滴灌水肥一体化氮肥梯度试验，以天赐19为试验材料，设6个氮素水平，即 0 （N0）、90（N1）、180（N2）、270（N3）、360（N4）和450（N5）kg·hm⁻²，在玉米拔节期（V6）、小喇叭口期（V10）、大喇叭口期（V12）、吐丝期（R1）和乳熟期（R3）利用无人机搭载数码相机获取玉米冠层图像，利用Matlab编写代码开发的数字图像识别系统提取玉米冠层图像红光值R、绿光值G、蓝光值B，研究基于此计算的10个冠层图像参数指标与氮素营养指标间的相关性，筛选出稳定性好且敏感度高的图像色彩参数，构建玉米氮素营养诊断指标与图像参数间关系模型并进行验证，以探究利用无人机图像进行宁夏引黄灌区滴灌玉米拔节-乳熟期氮素营养动态估测的可行性。结果表明：冠层图像参数指标绿光与红光比值(G/R)、绿光标准化值（NGI）、红绿蓝植被指数(RGBVI)与植株氮含量和叶片氮含量相关性高且变异系数小，可作为氮素营养诊断的潜在最佳色彩参数；将最佳色彩参数与植株氮含量和叶片氮含量分别进行回归模型构建，幂函数模型可以更好地预估玉米氮素营养状况；利用2019年相同氮素试验进行模型验证，发现NGI与植株氮浓度和叶片氮浓度实测值与估测值的R2分别为0.738和0.689，检验指标RMSE为2.594和3.014，nRMSE为13.125%和13.347%，预测精度和准确性高于G/R和RGBVI。故选择NGI作为滴灌玉米拔节−乳熟期氮素营养动态诊断的最优参数，参数NGI与植株氮浓度的关系模型（N_P=4.967×106NGI^14.26）R²为0.707，与叶片氮浓度的关系模型（N_L=1.707×106NGI^12.88）R²为0.654。说明应用无人机图像技术可以较好地对宁夏引黄灌区玉米拔节−乳熟期氮素营养状况进行动态估测，构建的氮素营养诊断模型可为宁夏引黄灌区滴灌玉米氮肥精准配施提供理论依据。