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360kg·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R^2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。