0 引 言
随着遥感及图像处理技术高速发展，提取冠层图像参数进行作物无损氮营养监测正成为当前热点，研究表明，叶色、叶片条痕及长势直接反映了作物对不同光质的吸收、反射、折射及利用状况，也是氮素在作物体内一系列代谢结果的综合反映，因此，冠层图像与植被的生长发育特性、光合同化机能和氮素营养状况密切相关，采用数字化冠层图像，可以有效解决人眼识别叶色差异的局限性，使利用叶色及时、快速进行作物营养状况定量监测成为可能。而研究提取并构建作物叶片图像特征参数是准确监测作物氮营养状况的关键。相关研究成果显示，与营养指数相关的基础图像参数，不同作物各不相同 。J. Vollmann和 Shibayama的研究表明，与大豆和水稻叶片叶绿素含量 SPAD 值相关的图像参数分别为绿色分量 G 和绿色指数（leaf greenness index，LGI），Kyu-Jong 等发现 G 与水稻氮素累积量呈 R2 为0.83 的显著相关；王方永等分析发现 L*a*b*空间的 b*参数和色泽饱和强度 HSI（hue saturation intensity）空间的 S 分量分别与棉花 SPAD 值、氮素浓度相关性较好。对比前人研究发现，对冠层基础图像参数进行交互处理与组合，获得的参数与叶片叶绿素含量、植株氮含量的相关关系更为明显，Karcher 等的试验同时显示，HSI空间下的深绿色指数（dark green color index, DGCI）与绿色草地的氮素营养水平、水稻叶片氮含量 LNC（leaf nitrogen concentration，LNC）、SPAD以及玉米叶片氮含量均存在良好的相关性；RGB 空间下的图像组合参数(R-B)、(G-B)对冬小麦各生育期的上三叶 SPAD 值与含氮量、植株含氮量的表达较为理想 。这些参数中，DGCI=[(H–60)/60+(1–S)+(1–I)]/3是对基础图像参数 H、S、I 进行了归一化处理后的等比例相加；红光标准化值（normalized redness intensity，NRI）=R/(R+G+B) 是红色分量与 3 个单色分量总和的比值，类似的还有绿光标准值（normalized greenness intensity，NGI）、蓝光标准化值（normalized blueness intensity，NBI）。可见，对作物基础图像参数的非线性转换处理已标准化，一定程度上提高了其对氮营养的精确诊断。但随着品种、生育期、光照强度、施肥等的改变，作物生长状况及营养含量随之变化，进而引起冠层图像指标对其营养状况表达能力的差异。对比生育期的研究发现，12 叶期的 NBI和灌浆期的 NRI 与春玉米氮营养指标相关程度较高，NRI 能较好反映返青期与拔节期小麦的氮营养状况，李红军等则发现小麦返青期相关性较好的是反光叶面的绿光与红光比值 G/R；胡昊的研究显示 RGB 空间各单色分量及(R+G+B)与冬小麦叶片氮含量呈不同程度负相关，(R-G-B)则与叶片氮含量呈正相关。
可见，小麦冠层叶色与作物氮含量密切相关，同时也是蓝红绿 3 原色的综合反映，任何一种单色的改变都会引起整体冠层叶色不同程度的变化，前述 RGB 空间下的典型图像特征参数 NRI、NGI、NBI、G/R 等在突出单色分量时，未考虑剩余单色分量对营养检测的整体影响。因此，综合冠层图像的 3 原色，分析不同种植方案下各基础图像参数对氮素的表征能力，研究图像评价指标的构建方法，探寻新的评价指标，以期进一步提升基于图像处理技术的小麦氮素营养监测的准确性。
1 试验与数据
1.1 试验设计
2012－2014 年于国家信息农业工程技术中心如皋（北纬32°00′～32°30′、东经120°20′～120°50′）试验基地进行稻麦轮种，2 个品种：生选 6 （V1）、扬麦 18 号(V2)；3个氮肥水平：不施氮（N0）、纯氮 150 kg/hm2 （N1）、纯氮 300 kg/hm2 （N2），其中氮肥 50%（0、75、150 kg/hm2 ）作为基肥施于播种时，50%（0、75、150 kg/hm2 ）在拔节期追施；2 个种植密度：D1 行距 40 cm（1.5×106 株/hm2）、D2 行距 20 cm（3.0×106 株/hm2 ）。采用随机裂区设计，12 个处理，3 次重复，共 36 个小区。小区面积 35 m2（7 m×5 m），条播，总面积约 1080 m2 。
图为国家信息农业工程技术中心如皋试验基地小麦试验田
1.2 数据采集
1.2.1 冠层图像采集
小麦生长快速的拔节期，是生殖生长（开花、结实）积累养分的重要阶段，也是氮素监测最为敏感的关键时期，考虑到生育早期的小麦叶面积较小，生育后期则覆盖度过大，都不利于准确拍摄和获取冠层图像，试验取样日期选择了 2013 年：3 月 14 日（拔节中期），4 月1 日（拔节后期）；2014 年：3 月 8 日（拔节中期），3月 31 日（拔节后期），4 月 15 日（抽穗期）。 本研究采用单反相机奥林巴斯 E-620，3－4 月份的晴朗天气距冠层 1.0m 高度、与地面 90°拍摄采样（表 1）。每区每次取样 1 次，36 个小区取样 36 张小麦冠层图像。
1.2.2 氮素营养参数测量
小麦氮含量化学测定与图像采集同期进行，拍摄当天对地上部破坏性取样，每小区选择 20 株长势相近植株，凯氏定氮法测定小麦植株的叶层氮含量 LNC。
1.2.3 模型评价标准
选择以下指标对比各图像特征参数与小麦氮营养指标的相关程度，评价预测值和实测值的拟合效果：
1）决定系数 R2 ：相关系数 r 的平方值，表明预测值解释实际值变差的程度。
2）均方根误差 RMSE（root mean square error，RMSE）：检验预测值和实测值的符合精确度。
1.3 数据处理与分析
对采集的数据集进行抽样，2012－2013 年的样本数据作为标定集，用于图像特征参数的筛选和评价指标的拟定；2013－2014 年的样本数据集作为验证集。 为尽量避免大田环境下光照不均、背景复杂及阴影遮挡等造成的误分割现象 ，利用基于 H 分量的 K 均值聚类方法分割处理小麦冠层图像样本，关键处理步骤如下：
1）对 RGB 颜色空间下的小麦冠层图像进行归一化处理，拉大目标与背景的差异。
2）将步骤 1）处理后的图像转化到 HSI 颜色空间，提取 H 分量。
3）基于提取的 H 分量对归一化后的图像进行 K 均值聚类。
首先将光照不均匀图像（IMG）聚类分为 3 个类簇（LC1、LC2、LC3），分别计算 LC1、LC2 和 LC3 的聚类中心 C1、C2 和 C3，取 Min=min（C1，C2，C3），若Min=C1 ， 则背景图像IMG_B=LC1 ， 目图像IMG_T=IMG-LC1。
4）对第 3 步的目标图像进行二值化、去噪和形态学开运算处理，平滑填补细小空隙（白色为目标图像，黑色为背景图像）。
5）将小麦原彩色图像相对应第 4 步图像黑色的区域也置为黑色，得到的彩色目标图像即为分割出的最终小麦叶片图像。
基于 L*a*b 空间的聚类方法以及本文利用的基于 H分量 K 均值聚类分割算法对典型小麦冠层图像进行处理的分割效果见图 1，画圈区域可见，H 分量 K 均值聚类方法的分割效果更为准确。
提取分割处理后每幅叶片图像非 0 像素点的 R、G、B、H、S、I 分量，分别计算平均像素值作为基础颜色特征参数，分别定义为 r、g、b、h、s、i。
2 小麦冠层图像评价指标研究
大田作物所受光强随不同生育阶段生长环境、天气等的变化而变化，直接影响着植株的光合作用及同化机能，也导致冠层图像色彩信息比例及单通道分量不同的变化规律，对比各单色分量对氮素的表征能力，交互调优各分量的组合权重，构建较为适宜的图像评价指标。
2.1 图像特征参数与氮素营养指标的相关性分析
首先计算拟对比的 9 个图像特征参数，即 3 个单色分量 r、g、b，3 个线性组合参数 r−g−b、r−g、r−b，以及 3 个标准化特征参数（r−g−b)/(r+g+b)、(r−g)/(r+g+b)、(r−b)/(r+g+b)。
选用 2012－2013 年试验数据，分别对比不同时期、品种、密度以及施氮水平下 9 个图像特征参数与氮营养指标（LNC）的决定关系（R2 ），以期确定更适合作为监测小麦氮素营养的评价指标。
表 2 显示，不同阶段，单色分量 r 与叶片氮含量的决定系数 R2 明显高于 g 和 b；3 个线性组合参数 r−g−b、r−g、r−b 则基本高于同期单色分量，且 r−b 略高，3 月 14 日和4 月 1 日 r−b 与 LNC 的 R2 分别为 0.74 和 0.77；对这 3 个线性组合参数标准化后，相关程度进一步提高，其中，3月 14 日(r−g−b)/(r+g+b)与 LNC 为极显著相关（R2=0.85）。
对于 2 个品种（V1、V2），单色分量 r 和 g 与 LNC的相关性优于 b；线性组合参数 r−g−b、r−b 与 LNC 的R2 则相对高于 r 和 g，其中，V1 和 V2 的线性组合参数r−b 与 LNC 的 R2 均达到 0.66；标准化处理后，对比其与3 个组合参数（r−g−b、r−b、r−g），V1 品种 R2 从 0.57、0.66、0.39 分别提升至0.70、0.72、0.44，V2 品种从 0.45、0.66、0.31 分别提升至 0.53、0.67、0.37。
2个密度下9个图像特征参数与氮素指标的相关水准与品种类似，单色分量 r 和 g 的相关性高于 b；线性组合参数r−b 的相关程度优于 3 个单量和其他 2 个组合参数，D2 密度下 r−b 与 LNC 的 R2 达 0.61；相对于 3 个单色分量和 3 个线性组合参数，D2 密度的标准化参数的相关性有所提升。3个施氮方案下的相关性与前述方案相似，单色分量较弱；3 个线性组合参数的则相对较强，与r−g 和 r−g−b相比，r−b 更高且稳定；同时，3 个标准化参数的相关性进一步增强，不同施氮处理下(r−b)的 R2 分别为 0.62、0.73和 0.40，而(r−b)/(r+g+b)的 R2 则分别提高到 0.72、0.74和 0.41；N1 施氮方案的 R2 相对 N0 和 N2 较高。
2.2 图像营养评价指标的拟合与确定
相关性分析发现，RGB 空间 3 个单色分量对小麦氮素营养水平的表征强弱不一，但 3 个线性组合参数的相关优势强于 3 个单色分量，且 r−b 的相关性比 r−g 和 r−g−b 更高且稳定。可见，虽然 g、b 判断小麦氮营养状况的精确度较低且不稳固，但也存在不可忽略的贡献度；对线性组合参数进一步标准化后，相关程度的提升更为明显。因此，小麦氮素营养图像评价指标的构建，应权衡 3 个基础特征分量 r、g、b 及其权重，进行优化组合及标准化处理。 首先构建待调优的颜色组合指数 CMI（color mix index）=（xr−yg−zb），然后与相同田块的 LNC 经多方案反复拟合，确定 3 个分量的权重系数 x、y、z，最后对CMI 标准化处理，确定 NCMI。
设 NCMI ( )/( ) xr yg zb r g b = − − + + ，拟合步骤如下：
1）设 x∈[1,2]，y∈[−1,1]，z∈[−1,1]，绝对值越大则对应颜色分量的贡献度越大，0 即无贡献度；
2）在上述范围内，按步长（设为 0.05）不断调整 x，y，z 值，与叶片氮含量进行回归分析，计算 x，y，z 值与决定系数 R2 ，构建四维数组[x,y,z,R2]。
3）绘制四维数组[x,y,z,R2]的三维分布图（见图 1）。颜色分布表示 R2 高低，CMI 与氮素营养相关性最高的红色区域，主要分布在 x∈[1.5,2]，z∈[−1,−0.5]或 y∈[−0.5,0]，z∈[−1,−0.5]。
4）R2 最大为 0.83353 时，对应的 x，y，z 即为 r、g、b 线性拟合的最优值，x=1.6，y=−0.95，z=−0.8。
5）对 CMI 标准化处理，确定 NCMI 具体公式如下 NCMI (1.6r- 0.95g -0.8b ) /(r+g+b)。
3 结果与分析
将 2013－2014 的采样试验数据按不同时期和不同种植方案划分，回归拟合预测模型方程，采用决定系数（R2）和预测误差（RMSE）定量分析 NCMI 和 3 个研究较为成熟的图像参数 DGCI 、NRI和 G/R与氮素营养指标的相关性，研究 NCMI 表征冬小麦氮素营养状况的可行性。
3.1 不同时期 NCMI 与 LNC 的相关性
为初步探究不同时期 NCMI 与叶片氮含量的相关程度，将 2013-2014 试验数据按采样时期划分成 3 个样本集（不分品种、密度水平和施氮水平），由表 3 可见，3 个不同时期 NCMI 与 LNC 的 R2 分别为 0.77、0.79 和 0.94，RMSE分别为 0.3370、0.3986 和 0.2291，较同期其他 3个指标中的最优指标，分别降低了 0.18%、0.37%和1.67%；因此可初步认为，NCMI 对本试验测试样本 3 个不同时期的 LNC 具有一定相关性优势。
3.2 不同小麦品种 NCMI 与 LNC 的相关性
结果显示（表 4），2 个品种 4 个图像特征参数的 R2 ，3月8日相对较低，4 月 15 日最高，误差最小。分析认为，3 月 8 日小麦处于拔节中期，该生育阶段的小麦生长快速，氮素吸收光质，转运营养物质较活跃，自身茎叶的氮素累积也处于动态变化阶段 [20] ，一定程度影响了LNC 测量的准确性，且小麦不稳定的营养状况反映到冠层叶片表面，也可能导致提取的图像特征参数存在偏差，进一步降低了两者间的相关性；进入到拔节后期（4 月15 日），小麦进入氮累积高峰的第二阶段，氮素输送运转及其他相关临界生理特性都较完全反馈到冠层叶片的表面及结构，氮素临界浓度已基本确定 ，此时获取的图像参数和营养参数均较为稳固，因此所得的拟合度和估算精度较高。
2 个品种 R2 和 RMSE 略有区别（见表 4），相较于其他 3 个参数，NCMI 保持了较稳定的决定系数及估算精度。V1 与营养指标的 R2 保持在 0.76～0.95，RMSE 在0.1833～0.3893 之间；V2 的 R2 在 0.69～0.94 浮动，RMSE在 0.2230～0.4636 范围内。其中，V1 在 3 个采样期的相关性较高、拟合误差较低，4 月 15 日，虽然 NRI 和 NCMI与 LNC 的 R2 均为 0.95，但NCMI 的 RMSE 低于 NRI；V2 品种 3 月 31 日和 4 月 15 日 NCMI 和 NRI 与 LNC 的R2 相等，分别为 0.84、0.94，NCMI 同样获得了低于 NRI的 RMSE 值。 分析认为，因小麦品种的不同株型和株高可能导致可见光区域冠层光谱的反射曲线不同，而图像参数的获取与小麦冠层反射率密切相关，研究表明从拔节期至开花期，可见光区域反射率先降后升，生育后期，叶片开始变黄，可见光部分的冠层光谱反射率上升 。不同生育期小麦冠层高光谱和多光谱反射率的这种变化规律，使得后期 NCMI 值因 3 个单色分量随反射率的提升，因为设置的优化比例进一步得到了不同程度的增强，相较仅考虑单颜色分量的 NRI 和 G/R，相关程度及预测精度均有所提高。
3.3 不同密度水平 NCMI 与 LNC 的相关性
由表 5 可见，采样早期，除个别数据外，D2 密度下4 个图像特征参数与 LNC 的 R2 及 RMSE 均不同程度高于D1；但随采样期的推移，D1 和 D2 下 NCMI 和 LNC 的相关性差距逐渐变小，且 R2 值上升，在 4 月 15 日达峰值且 RMSE 降至 0.2425。 从光学和成像角度分析，大田环境下拍摄的小麦图像受土壤、石砾、杂草等背景干扰，可能导致小麦冠层光谱在红边区域出现“红移”现象，降低了相关性较强的长波段（红光）反射率，而相关性较弱的短波段（蓝光与绿光）反射率增高。3 月 8 日小麦植株较小，低密度D1下，土壤、杂草等背景干扰相对 D2 更为突出，后期小麦植株长大，冠层茂密，D1和 D2 密度下受背景干扰的差异缩小，因而图像参数相关水平及估算精度逐步提高，对氮素营养的表征能力更为接近。但 D1 密度下，3 月 8 日和 3 月 31 日 HSI 空间下的 DGCI 稍优于 RGB 空间下的 3 个图像参数，分析认为，HSI 色彩空间下与冠层叶色直接相关的分量 H 和 S 与亮度 I 分离，因而减弱了土壤背景环境对反射光谱的影响。
3.4 不同氮肥处理 NCMI 与 LNC 的相关性
为减少密度水平的干扰，仅分析 D2 密度，不同氮肥水平下不同图像参数与氮素营养指标的相关性。表 6 显示，N0、N1 和 N2 处理下 R2 和 RMSE 差异较大，N1（纯氮 150 kg/hm2 ）处理下 NCMI 效果明显优于其他 3 个指标，R2 和 RMSE 分别为 0.78 和 0.1960，较 NRI 分别改善了 7.69%和4.11%。
分析认为，不同施氮处理下小麦冠层可见光波段反射率存在差异，随着施氮水平增加，叶绿素含量增加，大部分可见光波段辐射的吸收有所增强，冠层反射系数有所降低；但过量施氮（N2）可能抑制小麦对磷、钾和其他微量元素的吸收，导致冠层叶片颜色不正，生理状态异样，获取的图像参数和营养指标均存在偏差，相关性有所减弱。同时，小麦不施氮（N0）时，叶片氮含量相对较低，且由于老叶中的氮素向新叶转移，表现为植株下部叶片首先褪绿黄化，并逐渐向上部叶片扩展，这种易运转特性使得不施氮（N0）下的叶片红色单量 r 上升，b 单量下降，g 单量相对稳定，错误造成 NCMI 值不降反升，而此时叶片氮含量又处于缺氮，因此降低了两者的相关性。 上述相关分析与估算误差显示，不划分种植方案的 3个采样时期，NCMI 与 LNC 的 R2 和 RMSE 分别优于其他3 个指标。具有一定冠层覆盖度的3月31日和 4 月15日，2 个品种 NCMI 与 LNC 的 R2 高于 DGCI 和 G/R，其中，V2 品种 NCMI 与 LNC 的 R2 和 NRI 的一致，分别为 0.84、0.94，但 RMSE 值（0.2230）低于 NRI；D2 密度下 NCMI的 R2 和 RMSE 在 3 月 8 日也优于其他指标，在 3 月 31日和 4 月 15 日则与 NRI 基本一致但优于其余 2 个指标。冠层覆盖度较低的 3 月 8 日，紧凑株型 V1 品种，其 NCMI与 LNC 的相关性在 3 月 8 日稍弱于 DGCI；低密度 D1下，RGB 空间 3 个图像特征参数（含 NCMI）与 LNC 的R2 和 RMSE 弱于HSI 空间的 DGCI，但进入叶片生长冠层覆盖度增大的拔节后期，NCMI 与 LNC 的 R2 和 RMSE相较 RGB 空间下的其他 2 个指标（NRI、G/R）改善更为明显。
综上，HSI 空间下的 DGCI 在冠层覆盖度较小的小麦生长前期或低密度种植下是较为适宜的氮素监测指标；RGB 空间下 3 个图像特征参数则对具备一定冠层覆盖度的小麦氮素营养状况的反映较准确，2 个品种 2 个密度 3个采样时期，通过调优各基础颜色分量比例并标准化处理的 NCMI 与氮素的相关性和预测误差优于或等同于NRI，除 3 月 8 日的 V2 品种和 D1 密度，均优于 G/R。
4 结论与讨论
本文提取大田环境下冬小麦冠层图像的色彩信息，研究构建小麦氮素营养的图像特征评价指标。在分析各颜色参数与小麦氮素相关性的基础上，探索更具表征性的基础图像特征参数及其权重，既突出代表性分量又综合考虑 3 个单色分量，并基于近似最优组合方法提出了RGB 空间下的颜色组合标准化指数（normalized color mix index，NCMI）。 拔节中期（3 月 8 日），拔节后期（3 月 31 日），抽穗期（4 月 15 日）的 NCMI 与 LNC 的 R2 分别为 0.77、0.79 和 0.94，RMSE 较深绿色指数（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 3 个指标中的最优者分别降低了 0.18%、0.37%和 1.67%；3 月 31 日和 4 月 15 日植被冠层覆盖度较高，生选 6 号和扬麦 18 号与 LNC 的相关水平均优于DGCI、NRI 和 G/R，4 月 15 日的 RMSE最低，分别为 0.1833 和 0.2230；D2 密度（3.0×106 株/hm2)下，3 月 8 日 NCMI 与 LNC 的 R2 和 RMSE 优于其他 3个指标，4 月 15 日 NCMI 与 LNC 的 RMSE 为 0.1299，D2 密度 N1（纯氮 150 kg/hm2 ）处理下 NCMI 与 LNC 的R2 明显优于其他指标，R2 较 NRI 提高了 7.69%，RMSE较 NRI 降低了 4.11%。N1 和 D2 试验方案下的拔节后期及抽穗期，保证了一定的冠层覆盖度，相较其他 3 个图像指标，NCMI 表现出较好的适宜性、准确性和稳定性。
不施氮（N0）和低密度播种（1.5×106株/hm2 ，D1）方案下，小麦冠层覆盖度较小，背景干扰影响了冠层图像的准确拍摄及图像评价指标 NCMI 的准确获取，低密度下 2 种不同色彩空间 RGB 和色泽饱和强度 HSI（hue saturation intensity）下图像指标与氮素营养的相关分析将是下一步研究工作的重点。同时，NCMI 各指标比例系数也是影响模型精度的关键因素，有待在不同纬度和不同年份试验数据的基础上作进一步优化。