摘 要:为定量评估利用无人机遥感图像进行苎麻冠层叶片氮素营养动态监测的准确性，试验从2019年起对湖南农业大学耘园基地苎麻进行了为期一年的氮肥控制试验，在该基础上利用无人机采集2020年第二季苎麻各生长阶段的冠层数码图像。首先，基于HSV(Hue，Saturation，Value)颜色通道图像采用阈值分割法剔除土壤、杂草等背景的干扰，进而提取苎麻冠层叶片图像的RGB(Red，Green，Blue)平均颜色分量，并计算12项色彩参数;然后分析各色彩参数在苎麻生育进程内的动态变化，同时以SPAD值为辅助验证指标，分析不同生育期苎麻冠层图像色彩参数与SPAD值的关系;最后采用主成分分析法对色彩参数进行降维，选取适宜于各时期苎麻氮素营养监测的最佳颜色参数。结果表明:对于湘苎3号，G/R和ExGR在苗期与SPAD值极显著相关，(G－R)/(G+R－B)在成熟期与SPAD值极显著相关;对于湘苎7号，R/B、r、WI在封行期与SPAD值有极显著相关，ExGR在成熟期与SPAD值极显著相关。因此，应用无人机可见光遥感进行苎麻氮素营养动态诊断是可行的。
关键词:无人机;遥感图像;苎麻;氮素监测;数码
苎麻作为特色经济作物和纤维作物，是中国重要的纺织工业原料和传统出口创汇产品。氮素是苎麻生长发育过程中主要的养分限制元素和产量影响元素之一［1－2］，不合理的氮供应不仅会对苎麻的品质和产量造成影响，还会降低氮肥的利用率，造成环境污染［3］。因此，实时准确地进行苎麻氮素营养诊断以掌握营养丰缺状况，对合理控制氮肥用量、促进苎麻生长具有重要意义。
冠层叶片色彩分析是作物氮素营养诊断的重要手段，其主要原理是利用作物不同氮水平下叶色变化来反映氮素丰缺。随着数字图像技术的发展，基于冠层叶片色彩分析的氮素诊断方法逐渐由定性或半定量向精准定量的方向发展。如何彩莲等［4］利用数码相机分析了不同施氮水平下，图像色彩数字化指标评估不同生育时期马铃薯氮含量的效果。张珏等［5］利用数字图像处理技术分析了r、G/B、G－R等9个颜色参数与甜菜不同生育期冠层叶片含氮量的相关性。数字图像氮素诊断技术以其无损、准确、快速的特点在甜菜［6］、夏玉米、黄瓜［7］、棉花［8－9］、油菜［10］等作物中得到广泛研究，充分证明数字图像色彩参数可作为诊断氮素状况的良好指标。
随着遥感技术的不断发展，以无人机遥感为代表的高效无损诊断平台受到广泛的关注［11－12］，成为解决快速获取大范围作物冠层图像问题的关键。在基于无人机遥感系统的氮素诊断研究上，魏鹏飞等［13］利用无人机－多光谱遥感系统获取夏玉米3个关键生育期的多光谱影像数据，实现了对夏玉米叶片氮含量的较高精度监测。张玲等［14］利用无人机对夏玉米不同生育期的冠层氮素营养进行监测，结果确定G/(R+G+B)和G/L可作为氮素营养动态诊断的最佳色彩参数。高开秀等［15］基于无人机搭载多光谱相机获取的宽波段植被指数对不同时期冬油菜冠层氮素营养状况进行监测，结果表明，红光标准值和蓝光标准值与传统氮测量指标极显著相关。综上所述，基于无人机遥感图像的作物氮素诊断是可行的，但是受作物品种以及生育时期等因素影响，表征作物氮素营养状况的敏感色彩参数各有差异。如G/(R+G+B)为诊断黄瓜结果期［16］以及夏玉米十叶期［17］氮素营养状况的适宜参数，而R/(R+G+B)为冬油菜蕾薹期［18］以及水稻拔节期［19］氮素营养预测的最佳色彩指标。因此，选取合适的观测生育时期以及敏感颜色参数，对准确评估作物营养状况具有重要意义。
综合前人在数字图像氮素诊断方面的研究进展，当前研究倾向于以地面获取的作物冠层数字图像为材料，而基于无人机遥感系统进行较大面积作物氮素诊断的研究较少;分析常见数字图像色彩参数的研究较多，而构建特定作物敏感颜色参数的研究较少。为此本文以苎麻为研究对象，基于无人机遥感系统获取的苎麻冠层叶片数码图像，首先在HSV色彩通道中对苎麻植株进行分割，提取苎麻图像的红、绿和蓝通道的平均DN(digital number)值，进而计算12个色彩参数，然后分析各色彩参数与叶片氮含量之间的关系，结合主成分分析法筛选最适合苎麻氮素监测的数字化图像参数，以期进一步提升应用数码相机进行苎麻营养监测的准确性。
1材料与方法
1.1试验区概况
试验地点为湖南省长沙市芙蓉区湖南农业大学耘园教学基地(28°11’01.981″N，113°04’10.159″E)，位于长江流域中部，属典型的亚热带季风性湿润气候。该地降水充沛，光热条件良好，地形平坦，利于无人机进行苎麻遥感监控。本试验供试材料为湘苎3号和湘苎7号，2个品种各包含12个小区，小区面积约为12m²，4行×8列(图1a)。试验于2019年开始选用尿素和控释肥为供氮肥料仅进行氮肥处理，于每季麻苗期进行施加，到2020年第二季苎麻共施肥4次。试验共设4个氮肥梯度，分别为0(N0)、15(N1)、22.5(TB2)、45(TB1)kg/hm²，其中2号施氮水平施加尿素，3、4号采用控释肥，每处理3次重复(图1c)。从2020年第二季苎麻苗期开始，采用无人机可见光遥感系统采集苎麻冠层图像。
1.2苎麻叶片SPAD值获取
为保证数据的一致性，于无人机拍摄同天，采用日本KONICA MINOLTA公司生产的SPAD－502型叶绿素仪测量，随机选取各处理小区15株苎麻测定叶片SPAD值［20－22］。测量部位为植株顶部下倒4叶或倒5叶，在叶基部开始20%～80%区域的主叶脉两端，避开叶脉测量5个点，取平均值。
1.3苎麻冠层图像获取
采用大疆悟2四旋翼无人机作为遥感平台，搭载高清数码相机(zenmusex5s 35mm)，相机拍摄影像最大分辨率为5280×3956。2020年第二季苎麻生长阶段，分别于苗期、封行期、旺长期和成熟期4个主要时期采集苎麻试验田的冠层影像。执行飞行拍摄任务时，选择在晴朗无风天气，上午10:00～12:00进行飞行以避免云层遮挡以及太阳光线影响，无人机距地高度为20m，搭配－90°云台俯仰角，同时设置主航向上重叠率80%、主航线间图像重叠率70%以确保图像信息的完整。拍摄参数在飞行任务执行前设置完成，数码相机的曝光模式选择自动，每次飞行任务可获取55张图像，所有图像都储存为24位TIFF格式真彩色图像。飞行获取的冠层局部图像需要拼接形成试验田完整图像，这个步骤在Pix4Dmapper软件自动完成。
1.4冠层数字图像预处理
利用无人机搭载数码相机对作物冠层进行拍摄可最大限度地获取顶部展开叶信息，但不可避免也包含了阴影、裸地等非作物信息［23］。为避免干扰信息的影响，研究选择HSV通道对土壤进行分割。HSV颜色空间模型是根据人观察色彩的生理特征而创建的一种颜色空间模型，其中三个分量分别为H(色调)、S(饱和度)、V(明度)［24］。在HSV通道图像中，H通道的灰度直方图具有明显的峰谷，表明苎麻与土壤的色调信息有显著差别，针对H通道选定合适的阈值进行土壤分割，当阈值为0.3时，可以较为准确地分割土壤和苎麻植株。基于图像中苎麻部分像素所占比例大，利用最大间类方差法进行杂草的分割，得到较为理想的分割效果。
1.5数字图像数据的获取与处理
图像剔除土壤背景以及杂草干扰后，采用Matlab提取苎麻冠层部分的平均红光值R、绿光值G和蓝光值B，为更好地探究各颜色参数与苎麻冠层叶片氮营养之间的相关性，研究充分考虑各单色分量的表征力，对R、G、B进行处理得到绿光与红光比值(G/R)、绿光与蓝光比值(G/B)、红光与蓝光比值(R/B)、红光标准化值NRI=［R/(R+G+B)］［25］、绿光标准化值NGI=［G/(R+G+B)］、蓝光标准化值NBI=［B/(R+G+B)］、红绿蓝植被指数RGBVI=(G×G－R×B)/(G×G+R×B)、可见光大气阻抗植被指数VARI=(G－R)/(G+R－B)、过红指数ExR=1.4×r－g、过绿指数ExG=1.4×g－r－b、超红绿指数ExGR=ExG－1.4×r－g、沃贝克指数WI=(g－b)/(r－g)共12个色彩参数。
将各生育期获取的色彩参数与SPAD值进行相关性分析，并分析不同生育时期各色彩参数的变异系数，对最佳诊断参数进行筛选。由于各参数之间的耦合性较高，研究进而采用主成分分析法，把12个复杂指标转化为少数几个主成分，在所含信息互不重复的基础上反映原始变量的大部分特征信息。
1.6数据分析
试验数据采用Microsoft Excel 2010和IBM SPSSS tatistics 22.0统计软件进行处理，对各时期不同施氮水平下苎麻叶片SPAD值及各项色彩参数进行差异显著性分析。
2结果与分析
2.1不同施氮水平下苎麻叶片SPAD值的变化规律
由图2可知，两个苎麻品种N0处理的叶绿素含量在整个生育期都明显低于其他3个处理。不同品种苎麻叶片叶绿素含量对施氮水平的反应不同，湘苎3号各时期SPAD值表现为N1＞TB1＞TB2＞N0。而湘苎7号各时期SPAD值表现为TB1＞TB2＞N1＞N0。总体来看，不同施氮处理间，随着施氮水平的提高，两个品种叶片氮含量呈现增加趋势，但差异不显著。在相同施氮水平处理下，湘苎7号叶片平均氮含量略高于湘苎3号，这说明，苎麻品种差异会导致相同施氮水平的叶片含氮量存在差异。
2.2不同施氮水平下苎麻冠层图像基本数字化指标的变化规律
由图3、4可知，湘苎3号和湘苎7号的颜色特征r和g的动态变化相似，两个品种都遵循一个规律，即随出苗后天数增加，r值逐渐下降，g值逐渐上升，并且在不同施氮水平处理间，r值和g值普遍表现为N0＞N1＞TB2＞TB1，这表明随着施氮水平的提高，苎麻冠层叶片图像的红光标准化值和绿光标准化值都呈下降趋势。对颜色特征指数r值和g值进行拟合，结果表明，各处理苎麻冠层叶片图像的r值和g值均表现为线现函数，其拟合方程式为:y=ax+b。如表1所示，r值拟合方程的拟合度较高，各处理R2在0.6300～0.7600，并且随着施氮水平提高，湘苎3号参数a值逐渐减小，湘苎7号参数a逐渐增大，b值逐渐减小;g值拟合方程R2均大于0.8500，并且随着施氮水平提高，两品种参数a均逐渐减小，参数b逐渐增大。
由图5可知，不同生育时期作物对不同波段的反应程度存在差异，苎麻冠层叶片图像r值和g值受施氮量影响不明显，而b值差异显著，并且随着苎麻的生长，差异逐渐增大。不同生育期，b值对施氮量的反应也不同，在苗期阶段，苎麻冠层叶片图像b值最高，随后逐渐下降并在封行期达到最低值，此时湘苎3号各施氮水平下b值表现为N1＞TB2＞TB1＞N0，湘苎7号表现为TB1＞TB2＞N1＞N0。到旺长期和成熟期，b值又有所回升，不同氮素处理间均表现为TB1＞TB2＞N1＞N0。综合全生育期苎麻冠层叶片图像b值变化趋势，不同施氮水平处理间，b值普遍表现为TB1＞TB2＞N1＞N0，这表明，随着施氮水平的提高，苎麻冠层叶片图像的蓝色标准值呈上升趋势。对b值进行函数拟合，拟合方程式为:y=ax2+bx+c。如表2所示，湘苎3号和湘苎7号冠层叶片图像b值拟合度高，均达到了显著或极显著水平，但不同施氮水平间，参数a、b、c随施氮量的增加变化不规律，无法准确评判颜色特征指数是否能反应不同施氮水平带来的影响。
2.3不同生育期冠层图像色彩参数与叶片SPAD值的关系
不同作物在不同波段的反射特性和吸收特性各异，通过对不同波段进行组合运算，可以使得植被信息最大化。为构建适合苎麻的数字化色彩指标，选取上述12项色彩参数与叶片SPAD值进行相关分析。由表3可知，除参数g、(G×G－R×B)/(G×G+R×B)、ExG外，其他冠层图像色彩参数均与湘苎3号不同时期SPAD值有显著或极显著的相关关系。其中，G/R、ExGR与苗期SPAD值呈极显著相关，r、(G－R)/(G+R－B)与成熟期SPAD值呈极显著相关，而封行期各色彩参数对SPAD值的反应程度不敏感。
从表4可以看出，除参数g外，其他冠层图像色彩参数均与湘苎7号不同时期SPAD值有显著或极显著的相关关系。其中，R/B、r、WI与封行期SPAD值呈极显著相关，ExGR与旺长期SPAD值呈极显著相关，而成熟期各色彩参数对SPAD值的反应程度不敏感。
2.4主成分分析
由于上述12个苎麻冠层色彩参数之间存在较强的相关性，研究采用主成分分析法在解释原始变量间的相关性的同时简化变量维数，以获得能够充分反映苎麻冠层氮素状况的综合指标。表5为2个苎麻品种不同时期主成分分析的各成分累计贡献率，除湘苎3号成熟期仅得到一个主成分变量外，各时期数据都将原有12项苎麻冠层色彩参数信息降维至2个主成分变量，累计贡献率均达到99%以上。为进一步探究各项主成分与SPAD值的相关性，将主成分分析结果与SPAD值进行相关性分析。由表6可知，各主成分与SPAD值之间的相关性较单项苎麻冠层图像色彩参数有所上升。
3讨论
由于不同施氮水平下苎麻冠层氮素含量存在一定程度的差异，使得叶片对光的反射、吸收效果不同，进而导致叶片呈现不同的颜色特性，这就为利用冠层颜色信息测量苎麻叶片氮含量提供了理论依据。叶绿素仪可以通过测量叶片在两种波长范围内的透光系数来确定叶片叶绿素的相对数量，常被用来快速无损地监测诊断作物氮素营养［26］。赵犇等［27］研究证明小麦上部不同叶位SPAD值与含氮量呈显著正相关，因此，SPAD值能够较好地快速诊断小麦氮素是否亏缺。本文以苎麻冠层图像为研究材料，以SPAD值为辅助监测指标，对不同施氮处理下各时期苎麻进行氮素监测。结果表明，2个苎麻品种各时期SPAD值在N0处理下均最低，随着施氮水平的增加，SPAD值有所提高，说明不同的氮肥处理对调节苎麻功能叶片氮素营养含量起到积极作用，同时SPAD值可用于快速无损诊断苎麻氮素营养状况，这一结果与李朝东等［28］的研究结果相符。比较相同施氮水平处理下2个品种SPAD值，湘苎7号叶片SPAD值略高于湘苎3号，这说明苎麻品种差异会导致相同施氮水平下叶片叶绿素含量存在差异。
本文基于无人机可见光遥感图像提取了苎麻冠层叶片图像的色彩参数指标，并将12项色彩参数与SPAD值进行相关分析，筛选出稳定反映不同苎麻品种在不同生育期含氮水平的色彩参数。结果表明，对于湘苎3号，G/R、(G－R)/(G+R－B)、ExR和ExGR在苗期与SPAD值有显著或极显著相关性，G/R、r、(G－R)/(G+R－B)、ExR和WI在旺长期与SPAD值显著相关，r、(G－R)/(G+R－B)在成熟期与SPAD值极显著相关;对于湘苎7号，WI在苗期与SPAD值显著相关，R/B、r、WI在封行期与SPAD值有极显著相关性，ExGR在成熟期与SPAD值显著相关。各色彩参数对不同品种在不同生育期下的SPAD值敏感程度不同，因此可根据品种和生育期需要采用最佳色彩参数指标。研究以湘苎3号和湘苎7号苎麻品种为材料，采用主成分分析方法对不同时期获取的苎麻冠层叶片图像的色彩参数进行降维，并与SPAD值进行相关分析，结果表明，各主成分与SPAD值的相关性有所提高。
4结论
基于无人机可见光遥感进行作物氮素营养诊断具有快速、低成本、无损、高效等优势，不少学者已在基于无人机遥感的作物氮素营养诊断研究中取得一定成果，但以苎麻为对象的研究还鲜有报道。本研究初步对苎麻冠层叶片遥感图像获取的色彩参数进行探究，得到如下结论:
(1)2个苎麻品种各时期SPAD值在N0处理下均最低，随着施氮水平的增加，SPAD值有所提高，因此，SPAD值可用于反映苎麻氮素营养状况。
(2)作物冠层图像色彩参数对不同品种不同生育期氮素水平的反映不同，因此，在以后的研究中，应尽量获取适用于全生育期的色彩参数，使无人机遥感技术在发挥其优势的同时更加准确，以更好地应用于作物氮素诊断。
参考文献:
［1］魏全全，李岚涛，任涛，等.数字图像技术估测冬油菜氮素营养拍摄参数标准化研究［J］.植物营养与肥料学报，2016，22(6):1701－1709.
［2］刘昌华，马文玉，陈志超，等.基于无人机遥感的冬小麦氮素营养诊断［J］.河南理工大学学报，2018，37(3):45－53.
［3］朱丽丽，李井会，宋述尧.基于SPAD值的大白菜氮素营养诊断和推荐施肥模型研究［J］.北方园艺，2019(17):21－25.
［4］何彩莲，郑顺林，万年鑫，等.马铃薯光谱及数字图像特征参数对氮素水平的响应及其应用［J］.光谱学与光谱分析，2016，36(9):2930－2936.
［5］张珏，田海清，李哲，等.基于数码图像的甜菜氮素近地遥感监测模型［J］.中国农业大学学报，2018，23(6):130－139.
［6］张珏，田海清，李哲，等.基于数码相机图像的甜菜冠层氮素营养监测［J］.农业工程学报，2018，34(1):157－163.
［7］袁媛，陈雷，李淼，等.基于数字图像技术的黄瓜缺氮营养诊断［J］.中国农业大学学报，2016，21(12):35－40.
［8］陈敏，郑曙峰，刘小玲，等.基于数码图像识别的棉花氮营养诊断研究［J］.农学学报，2017，7(7):77－83.
［9］贾彪，马富裕.不同氮素处理棉花冠层图像颜色特征分析［J］.江苏农业科学，2016，44(9):344－351.
［10］魏全全，李岚涛，任涛，等.基于数字图像技术的冬油菜氮素营养诊断［J］.中国农业科学，2015，48(19):3877－3886.
［11］王远，王德建，张刚，等.基于数码相机的水稻冠层图像分割及氮素营养诊断［J］.农业工程学报，2012，28(17):131－136.
［12］李岚涛，汪善勤，任涛，等.基于高光谱的冬油菜植株氮素积累量监测模型［J］.农业工程学报，2016，32(14):209－218.
［13］魏鹏飞，徐新刚，李中元，等.基于无人机多光谱影像的夏玉米叶片氮含量遥感估测［J］.农业工程学报，2019，8(35):126－133.
［14］张玲，陈新平，贾良良.基于无人机可见光遥感的夏玉米氮素营养动态诊断参数研究［J］.植物营养与肥料学报，2018，24(1):261－269.
［15］高开秀，高雯晗，明金，等.无人机载多光谱遥感监测冬油菜氮素营养研究［J］.中国油料作物学报，2019，41(2):232－242.
［16］宋述尧，王秀峰.数字图像技术在黄瓜氮素营养诊断上的应用研究［J］.吉林农业大学学报，2008，30(4):460－465.
［17］孙钦平，贾良良，芮玉奎，等.应用可见光光谱进行夏玉米氮营养诊断［J］.光谱学与光谱分析，2009，29(2):432－435.
［18］魏全全.应用数字图像技术进行冬油菜氮素营养诊断的初步研究［D］.武汉:华中农业大学，2016.
［19］王远，王德建，张刚，等.基于数码相机的水稻冠层图像分割及氮素营养诊断［J］.农业工程学报，2012，28(17):131－136.
［20］李志宏，张云贵，刘宏斌，等.叶绿素仪在夏玉米氮营养诊断中的应用［J］.植物营养与肥料学报，2005(6):58－62.
［21］梁晓慧，史树德.作物氮素快速营养诊断及其在甜菜上的应用前景［J］.北方农业学报，2019，47(1):49－56.
［22］王克如，李少昆，王崇桃，等.用机器视觉技术获取棉花叶片叶绿素浓度［J］.作物学报，2006(1):34－40.
［23］李红军，李佳珍，雷玉平，等.无人机搭载数码相机航拍进行小麦、玉米氮素营养诊断研究［J］.中国生态农业学报，2017，25(12):1832－1841.
［24］崔丹丹，杨瑞芳，佘玮，等.基于可见光遥感的苎麻种质资源冠层性状研究［J］.植物遗传资源学报，2020，21(2):483－490.
［25］肖焱波，贾良良，陈新平，等.应用数字图像分析技术进行冬小麦拔节期氮营养诊断［J］.中国农学通报，2008，24(8):448－453.
［26］Arregui L M，Lasa B，Lafarga A，et al. Evaluation of chlorophyll meters as tools for N fertilization in winter wheatunder humid Medi terranean conditions［J］. European Journal of Agrronomy，2006，24 ( 2) : 140－148
［27］赵犇，姚霞，田永超，等.基于上部叶片SPAD值估算小麦氮营养指数［J］.生态学报，2013，33(3):916－924.
［28］李朝东，崔国贤，谢宁，等.苎麻叶片SPAD值与氮素含量关系的初步研究［J］.中国麻业科学，2011，33(1):20－23.
文章摘自：付虹雨,赵亮,王辉,崔国贤,佘玮,曹晓兰,刘婕仪,刘皖慧,王昕惠.基于无人机可见光遥感的苎麻冠层氮素营养动态诊断[J].中国麻业科学,2021,43(03):114-121.
