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。     

数字图像诊断技术在冬小麦氮素营养诊断中的应用

本文应用数码相机获取冬小麦冠层图像并对其进行相应色彩参数处理, 结合土壤、植株快速测试技术, 分析了色彩参数与传统氮素营养参数之间的数量关系, 研究了应用数字图像技术进行冬小麦氮素营养诊断的可行性, 建立了应用数字图像技术诊断冬小麦氮素营养状况的图像获取方法, 筛选出了适宜于冬小麦氮素营养诊断的最佳色彩参数以及最佳诊断时期, 建立了冬小麦氮素营养诊断指标体系和推荐施肥方程。研究结果表明, 数字图像技术可以作为冬小麦氮素营养诊断的方法。数字图像获取时, 可将数码相机与冬小麦冠层呈30°~60°角度进行拍摄。在冬小麦拔节期和孕穗期多数冠层图像色彩参数与施氮量、叶片SPAD 值、植株硝酸盐浓度、植株全氮含量、0~90 cm 土壤硝态氮含量之间存在显著或极显著相关关系; 在众多色彩参数中, 拔节期冠层图像绿光标准化值G/(R+G+B)与各项氮素指标的相关性最好, 可作为冬小麦氮素营养诊断的最佳色彩参数指标;拔节期可作为应用数字图像技术进行氮素诊断的关键时期。     

基于手机相机获取冬小麦冠层数字图像的氮素诊断与推荐施肥研究

本文利用不同型号手机、通过不同拍摄角度获取冬小麦拔节期冠层图像,并对其图像进行色彩参数的提取、处理与分析,与传统小麦氮素营养指标进行相关性分析,筛选出敏感色彩参数,对二者进行拟合建模,建立了冬小麦氮素营养诊断指标体系和推荐施肥指标体系,为作物精准施肥提供参考。研究结果表明,在获取冬小麦冠层图像时,适宜从逆光俯视的角度拍摄,不同型号的手机拍照获取的冠层图像色彩参数没有明显差异,冠层图像色彩参数中可见光大气阻抗植被指数(VARI)及红光标准化值[R/(R+G+B)]与传统诊断指标叶片SPAD值、茎基部硝酸盐浓度均有显著的相关关系;其中VARI最为敏感,可作为冬小麦氮素营养诊断的色彩参数指标,诊断方程为冬小麦茎基部硝酸盐浓度=1.481×106×VARI4.987,依据此给出了不同VARI值下的冬小麦营养状况以及推荐施氮量。并基于此研究成果进行了手机软件开发,建立了一款针对冬小麦氮素营养诊断与推荐施肥的软件,为基于手机相机开展冬小麦氮素营养诊断与推荐施肥技术的推广与应用提供了技术支撑。     

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。     

东南烟稻轮作区烤烟临界氮浓度稀释曲线的建立与验证

  【目的】  建立东南烟稻轮作区烤烟临界氮稀释曲线,探讨氮素营养指数用于诊断和评价烤烟氮营养状况的可能性,为实现烤烟合理施用氮肥提供理论依据。  【方法】  两年两地共3个田间氮肥用量试验,每个试验共设6个氮水平 (N 0、45、90、135、180 和300 kg/hm2),分析不同施氮量对移栽后不同天数烤烟地上部和叶片干物质积累量的影响。利用不同时期植株氮浓度和干物质积累量,建立地上部和叶片的临界氮浓度稀释曲线方程和干物质积累方程。结合基于无人机可见光谱平台的烤烟氮浓度无损测定方法,计算氮营养指数,判断烤烟氮营养丰缺情况。  【结果】  施用氮肥明显增加了烤烟地上部和叶片干物质积累量,不同氮肥处理间差异明显,烤烟地上部和叶片氮浓度随烤烟生长进程而降低;东南烟稻轮作区烤烟地上部及叶片的临界氮素浓度和干物质积累量符合幂指数的关系;模型进行独立验证时,氮限制组的数据均在临界氮素稀释曲线以下,而不受氮限制组的数据均在临界氮素稀释曲线附近。模型拟合的临界氮浓度和植株实际临界氮浓度呈线性相关,地上部和叶片的RMSE值分别为0.55和0.44,标准化均方根误差n-RMSE分别为25%和17%,模型具有较好的稳定性;烤烟氮素营养状况的判定可以通过应用临界氮浓度稀释曲线计算氮营养指数(NNI)实现。随着施氮水平的提高,叶片氮营养指数逐步升高,在氮施用量达到135 kg/hm2,叶片氮营养指数可在1以上,处于氮盈余状态。  【结论】  东南烟稻轮作区烤烟叶片临界氮素稀释曲线模型(N_c = 3.2339 × DM_leaves–0.475)和叶片氮营养指数能够诊断评价该区域烤烟氮营养状况,从而为优化烤烟的氮素管理提供指导。     

基于冠层覆盖度的玉米植株临界氮浓度模型构建与产量预测

  【目的】  依据临界氮浓度稀释原理,构建基于冠层覆盖度的覆膜滴灌玉米植株临界氮浓度稀释曲线,并通过氮营养指数和氮累积亏缺量模型对玉米氮营养状况进行诊断和评价,以期达到基于该模型的玉米产量预测。  【方法】  于2019—2020年,在宁夏引黄灌区开展了4个氮肥用量(0、120、240、360 kg/hm2)田间试验,采用滴灌水肥一体化技术,氮肥按照苗期10%、拔节—大喇叭口期45%、抽雄—吐丝期20%和灌浆期25%的比例分8次随水追肥。在玉米关键生育时期测定农学参数和图像参数,分别测定了地上部生物量、植株氮浓度和产量,建立和验证基于冠层覆盖度的玉米植株临界氮浓度经验模型。  【结果】  基于冠层覆盖度的玉米植株临界氮浓度、最大氮浓度和最小氮浓度模型R2分别为0.917、0.843、0.873。临界氮浓度模型检验参数RMSE和n-RMES分别为 0.242和 11.753%。以冠层覆盖度为基础的氮营养指数和氮累积亏缺量推算出玉米最佳施氮处理为240 kg/hm2。不同生育时期氮营养指数、氮累积亏缺量与相对产量的关系极显著,R2均不小于0.922,且大喇叭口期和抽雄期R2值最高。采用独立试验验证表明,在大喇叭口期和抽雄期表现出稳定的模型性能,R2值≥0.944,n-RMSE均≤9.089%。在大喇叭口期和抽雄期,氮营养指数、氮累积亏缺量与相对产量呈极显著相关,能准确地解释受氮素限制和不受氮素限制生长条件下相对产量的变化。  【结论】  基于冠层覆盖度构建的植株临界氮浓度稀释曲线可准确判断和评价玉米拔节期至吐丝期的氮素营养状况,依据氮营养指数、氮累积亏缺量与相对产量所构建的关系模型可对玉米产量进行准确估计,其为玉米生长过程中氮肥的精确管理和产量预测提供了一种简便的新方法。     

基于有效积温的玉米冠层图像特征参数分析

为揭示滴灌水肥一体化玉米冠层图像颜色特征参数随有效积温的动态变化规律,明确有效积温对玉米冠层图像三基色RGB的动态变化影响机理,比较图像特征参数的拟合精度。以宁夏主栽品种天赐19为试验材料,于2018年在宁夏平吉堡农场开展6个不同氮素处理的小区试验,利用防抖手持云台搭载手机相机遥控获取玉米冠层垂直地面图像,提取图像色彩特征参数,以有效积温为自变量,对玉米冠层数字图像特征参数进行拟合分析并比较,并分析图像参数与叶片氮浓度的相关性。结果表明:有效积温与红光值(R)符合有理函数关系,与绿光值(G)和蓝光值(B)符合对数函数关系,通过比较可以看出,各图像特征参数中R拟合效果最好,B和G次之,均达到显著水平,图像参数与叶片氮浓度十叶期的相关系数高于六叶期。因此,数字图像参数R的拟合效果最好,可作为宁夏滴灌玉米图像监测指标和群体结构分析的参考依据,十叶期可作为该地区滴灌玉米氮素营养诊断的关键生育时期。     

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。     

苗期渍水和氮肥用量对直播冬油菜产量及氮肥利用率的影响

【目的】秋涝是冬油菜生产中的常见限制因子,本研究通过大田试验研究苗期渍水和氮肥用量对直播冬油菜产量及氮肥利用率的影响,以期为渍水胁迫下直播冬油菜氮肥合理施用提供理论依据。【方法】 选用华油杂9号为试验材料,采用直播栽培方式。两因素裂区试验设计,主处理为土壤水分状况,包括排水处理和苗期渍水处理,副处理为6个氮肥水平,施氮量分别为0、60、120、180、240和300 kg/hm2。研究各试验处理直播冬油菜在苗期、薹期、花期和成熟期的生长状况,各时期的干物质、氮素累积以及氮肥利用效率,同时对籽粒产量及其构成因素做了相应调查。【结果】 苗期渍水明显抑制了直播冬油菜生长发育和产量形成。相同氮肥水平下,与排水处理相比,渍水处理冬油菜各生育期叶片数、叶面积和SPAD值均有不同程度下降,生育期干物质量降幅为19.1%~26.5%,收获指数减少了5.2个百分点。渍水处理显著降低了籽粒产量,减产达23.6%,成苗密度和单株角果数下降是引起产量降低的重要原因,分别下降7.6%和20.4%。此外,渍水处理明显影响了冬油菜氮素吸收,渍水处理冬油菜生育期植株氮含量较排水处理下降了8.0个百分点,氮素累积量降幅为23.2%~32.4%。渍水处理引起了氮肥偏生产力、农学利用率和表观利用率的下降,降幅分别为22.8%、20.4%和18.6%。氮肥可以缓解苗期渍水造成的产量损失,并且缓解效应与氮肥投入量存在直接关系。施氮显著提高了冬油菜叶片数、叶面积和SPAD值,增加了冬油菜成苗密度,提高了冬油菜氮素含量,改善了群体质量,进而提高了籽粒产量,降低了油菜产量的相对受害率（RIR）,其中产量相对受害率随施氮量增加从35.3%下降到13.8%。高氮量（240~300 kg/hm2）水平下各时期干物质量和氮素累积量的下降幅度显著低于中低施氮量（0~180 kg/hm2）,其中高氮量水平下平均降幅分别为9.5%和15.0%,而中低氮水平下的平均降幅分别为27.6%和32.9%。一定范围内增施氮肥对苗期渍水后直播冬油菜生长恢复具有很好的补偿效应。在保证产量（2500 kg/hm2）不下降的情况下,排水处理要比渍水处理节省氮肥59.2 kg/hm2。【结论】 苗期渍水胁迫对油菜生长的抑制不仅作用于渍水期,其负面效应同样会延伸至整个生育阶段,最终导致产量损失。施氮可以明显缓解渍害的负面效应,优化冬油菜群体质量,实现高产。因此,合理氮肥用量和实时排水可以达到施氮减渍和排水减氮的双重效果。     

不同氮水平下冬油菜光合氮利用效率与光合器官氮分配的关系

【目的】氮是限制作物光合作用的重要因子,除含量之外,氮在光合器官各组分间的分配可能也是影响光合作用的重要因素。本研究从叶片尺度探究冬油菜苗期氮素在光合器官中的分配,分析不同氮水平下光合氮素利用特征及其与光合氮利用效率的关系,以揭示氮素营养影响光合氮利用效率的机制。【方法】采用田间试验,设3个施氮水平(0、 180、 360 kg/hm2,分别以N0、 N180、 N360表示),在苗期测定最新完全展开的叶净光合速率(Pn)、 氮含量、 光合氮利用效率(PNUE)以及最大羧化速率(Vc max)、 最大电子传递速率(Jmax)等相关生理、 光合参数,并计算叶片氮素在光合器官(羧化系统、 生物力能学组分和捕光系统)的分配比例。【结果】施氮明显改善冬油菜苗期的生长,显著增加了叶片数、 叶面积和叶片干重,但单位叶面积干重低于不施氮处理。与N0相比,N180和N360处理的冬油菜最新完全展开叶的氮含量和Pn显著升高,其中叶片氮含量分别增加了155.0%、 157.3%,Pn则增加57.6%、 56.1%,N180与N360处理间无显著差异; 而PNUE随施氮水平的提高而降低,与N0相比,N180和N360处理分别下降了35.6%和39.6%。施氮提高了冬油菜苗期叶片的光合能力,N180和N360处理的最大净光合速率(Pn max)、 羧化效率(CE)、 最大羧化速率(Vc max)及最大电子传递速率(Jmax)显著高于N0处理。氮肥用量同样影响氮素在光合器官中的分配,与N0相比,N180和N360处理的氮素在叶片光合器官投入的比例显著降低,降低幅度分别为29.3%、 34.5%; 其分配比例在羧化系统(PC)、 生物力能学组分(PB)及捕光系统(PL)分别降低了24.1%、 23.3%、 34.6%和31.0%、 26.7%、 38.5%。相关分析表明,叶片中羧化和生物力能学组分及光合组分氮的分配比例与PNUE均呈显著正相关关系,而与非光合组分氮分配比例呈显著负相关关系。【结论】随施氮量的升高,油菜苗期光合氮利用效率呈下降趋势。氮素在光合器官(羧化系统、 生物力能学组分和捕光系统)分配的差异是影响冬油菜苗期叶片光合氮利用效率的重要原因。在保证苗期适宜氮素供应的情况下,通过协调氮素在光合器官的分配对进一步提高作物光合氮素利用效率具有重要意义。     

基于数码相机的水稻冠层图像分割及氮素营养诊断

利用数码相机对作物进行快速准确的营养诊断,需要对图像中作物冠层部分与非冠层部分进行有效的分割。该文依据绿色植被和土壤在可见光区域反射光谱的差异,提出了根据数字图像绿色通道和红色通道差值的大小设定阈值对图像进行分割的方法。阈值设定为10～20之间时对水稻冠层图像有较好的分割效果,拔节期和孕穗期获得最佳图像分割效果的阈值分别为10与20。分割后图像中提取的特征参数与SPAD值、叶片含氮量等指标间具有良好的相关关系,其中红光标准化值NRI与两者间的相关系数达到-0.87和-0.65。该方法能准确地分割水稻冠层图像,且简便易行,对绿色植被的图像分割具有普适性,有较高应用价值。     

水稻冠层图像分割方法对比研究

水稻冠层信息在自动化管理上具有重要指导意义,但田间多变光照强度环境显著降低了水稻冠层图像分割和信息提取的精度。为降低光照强度的干扰,本文基于RGB、CIEL~*a~*b~*、HSV色彩空间和多色彩空间(包括RGB、CIEL~*a~*b~*和HSV色彩空间)构建水稻冠层图像的色彩特征组合,然后通过支持向量机(SVM)的线性核函数对水稻冠层图像进行分类识别,其分割方法分别定义为rgb-SVM、lab-SVM、hsv-SVM和Multi-SVM。同时,利用此方法对不同光照强度下的水稻冠层图像进行分割,并与常用的Ex GOtsu分割方法进行对比,比较不同方法的分割效果和光强稳健性。结果表明,rgb-SVM的分割效果优于Ex GOtsu方法,但对晴天条件下获取的水稻冠层图像的分割误差仍较大,光强稳健性低;lab-SVM和hsv-SVM分割方法的分割精确度较低,存在一定的欠分割现象;基于多色彩空间和支持向量机的Multi-SVM分割方法的分割效果最佳,该方法对不同光强下获取的水稻冠层图像的分割误差均控制在4.00%以内,具有较好的光强稳健性。因此,基于多色彩空间和支持向量机的Multi-SVM分割方法能够相对准确地将水稻像元从水稻冠层图像中分割出来,且对田间多变光强条件具有一定的稳健性,可为田间水稻生长发育监测和自动化管理提供一定的技术支持。     

基于图像处理的冬小麦氮素监测模型

为探索基于数字图像处理技术的冬小麦氮素无损诊断图像评价指标及构建方法,设计拍摄2012-2014年度不同种植方案下冬小麦冠层图像,基于归一化的H分量K均值聚类分割算法提取基础颜色特征值,与同期叶片氮含量(leaf nitrogen content,LNC)进行线性拟合,调优并确定三原色分量最佳拟合系数,提出RGB空间下的颜色组合标准化指数(normalized color mix index,NCMI)。对比深绿色指数(dark green color index,DGCI)、红光标准化值(normalized redness intensity,NRI)和绿光与红光比值G/R发现,3个采样期NCMI与LNC的决定系数R~2均高于3个对比指标,分别为0.77、0.79、0.94,均方根误差(root mean square error,RMSE)相较同期最低的指标,分别降低了0.18%、0.37%和1.67%;生选6号和扬麦18号NCMI与LNC的相关性,在一定冠层覆盖度下均优于其他3个指标;D2密度(3×106株/hm~2)N1(纯氮150 kg/hm~2)处理下NCMI效果明显优于其他3个指标,R~2和RMSE较NRI分别改善了7.69%和4.11%,该研究可为一定冠层覆盖度下的冬小麦氮素营养诊断图像评价指标提供参考。     

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。     

Classification method of mixed pixels does not affect canopy metrics from digital images of forest overstorey

A great drawback of photographic methods for estimating canopy metrics such as leaf area index (L) and cover has been the tedious and time consuming image processing step and the perceived sensitivity of the results to image processing. This paper describes an automatic method, the ‘two-corner method’, for detecting homogeneous regions of canopy and sky, and for quantifying the number of mixed pixels in canopy images. Mixed pixels are pixels of intermediate brightness value that do not very obviously belong to either sky or canopy. Four image classification methods were tested for classifying mixed pixels as canopy or sky. When applied to both fisheye and cover images of Eucalyptus forest, none of the more complicated classification methods yielded results that greatly differed from a simple global binary threshold classification, even if those metrics were derived from the zenithal distribution of gap fraction or gap size. Increasing photographic exposure by one stop reduced calculated L by 9-12%, but modern digital camera technology makes it much easier to correctly expose fisheye canopy images, either by examining the image histogram in the field or by taking multiple exposures and choosing the best exposures after automatic processing. This study is the first to systematically quantify the number of mixed pixels in canopy images and demonstrated that fisheye images contain more mixed pixels than cover images, and that the number of mixed pixels increases with increasing vegetation cover. In conclusion, the recent advances in digital camera technology, combined with robust and automated image analysis methods, are rapidly bringing the field of photographic analysis of canopy structure to maturity, where the field techniques and image processing aspects of the methodology are no longer significant factors limiting its application by non-experts. In the case of fisheye photography, research is still needed to improve the estimation of L in clumped canopies.     

提高冬油菜播种量和施氮量抑制杂草生长的机理研究

【目的】草害是影响油菜产量主要因素之一,研究大田条件下直播油菜播种量和施氮量对油菜和杂草生物量的调控作用,揭示其氮素竞争规律,为提高直播油菜产量提供种植管理依据。 【方法】于2014年10月至2015年4月在华中农业大学校内试验基地开展田间试验,试验设置三个播种量为1.5、4.5、7.5 kg/hm2和五个氮梯度为0、60、120、180、240 kg/hm2,在油菜地上部生物量最大时,调查了杂草和油菜的生物量、氮素含量和氮素积累量,运用Shannon指数分析杂草均匀度,计算不同处理油菜与杂草在生物量和氮素积累上的竞争关系。 【结果】增加油菜播种量和施氮量可以提高油菜生物量和氮素积累量,与播种量1.5 kg/hm2相比,播种量为4.5和7.5 kg/hm2的所有氮用量处理油菜平均生物量分别提高了23.3%和45.2%,平均氮素积累量分别提高了21.2%和39.2%;与不施氮相比,用量从低到高各施氮处理油菜生物量平均分别增加了0.9、1.7、2.2和2.7倍,氮素积累量平均分别增加了1.0、2.0、3.5和4.4倍。杂草的生物量和氮素积累量随油菜播种量的增加而降低,播种量4.5和7.5 kg/hm2的各氮肥处理平均生物量比播种量1.5 kg/hm2的杂草平均生物量分别降低了16.8%和25.8%,杂草氮素积累量分别降低了17.3%和29.4%;而杂草生物量和氮素积累量随氮肥用量的增加而提高,但提高的幅度远低于油菜。相同处理的杂草氮含量高于油菜,且二者的氮含量均随施氮水平提高而增加,但油菜对氮肥的响应大于杂草,最高施氮处理油菜平均含氮量比对照增加了46.2%,相应的杂草氮含量增幅只有24.1%。油菜与杂草的氮素积累量比值在播种量为1.5 kg/hm2时均小于1,增加播种量,比值增大,在7.5 kg/hm2处理中施氮处理比值均大于1,施氮240 kg/hm2处理高达2.2,说明高密高氮可以提高油菜的氮素竞争力。施氮会改变杂草种群结构,杂草群落的均匀度随氮肥用量增加而降低。 【结论】油菜生物量和氮素积累量对施氮量和播种量的敏感度大于杂草,通过增施氮肥和提高播种量可以提高油菜的氮素竞争力,抑制杂草的生长。