基于数字图像特征的冬小麦渍害监测研究

李燕丽，李 磊，吴启侠，熊勤学，雷仁清

(1.长江大学农学院，湖北荆州 434025；2.荆州市农业技术推广中心，湖北荆州 434025)

涝渍害是世界性的重大灾害，也是我国主要的自然灾害。中国约有2/3国土面积存在不同程度的涝渍灾害，其中黄淮平原和江汉平原最为严重，二者的受灾面积占全国总受灾面积的3/4以上，长期涝渍胁迫已成为这两个区域冬小麦高产、稳产的主要限制因子[1-3]。冬小麦渍害的实时、快速、精准监测对及时了解农作物受害程度、指导农业生产管理等方面具有重要的意义。

近年来，随着计算机视觉和图像信息处理技术的快速发展，数字图像技术在农业研究领域引起了广泛关注[4-6]。利用数字图像技术对植物生长进行监测具有无损、快速、实时等优点，不仅可以监测作物的叶面积、叶周长、茎秆直径、叶柄夹角等形态生长参数[6-8]，还可通过对图像信息的统计分析，结合实地考察与实际测量，探讨作物的生长状况及其影响因素，从而确定相应的生产管理措施[9-10]。Lee等[11]基于数字图像对水稻植被覆盖度、叶绿素含量、氮素营养状况、生物量等进行了分析，结果表明，图像信息处理技术可用于水稻生长和氮素营养状况的快速无损监测。Fernandez-Gallego等[12]基于数字图像技术估算了小麦穗密度。Omar等[13]基于田间试验评价了数字图像技术在预测粮食作物产量和病害严重程度方面的准确性，认为以RGB为基础的指数和天数加在一起解释了粮食产量变化的70.9%和产量损失的 62.7%。杨北方等[14]分析发现，群体冠层数字图像H值可有效描述棉花田间长势信息。目前，国内外学者利用数字图像技术进行作物无损监测研究取得了一定进展[15-16]，但对农作物渍害监测的研究相对较少。理清冬小麦受渍后图像变化特征及其与叶绿素含量、产量、千粒重的相关性是利用数字图像数据进行渍害监测的基础，也是实现冬小麦渍害无损、快速、可视化监测的前提条件。

本研究依据江汉平原冬小麦生育期降水致渍的特点，通过灌排可控的小区试验模拟冬小麦孕穗期和花后遭受渍害胁迫情形，分析冬小麦冠层图像特征及其与SPAD值、产量、千粒重的相关关系，并构建基于图像特征指数衰减量的渍害估算模型，探索冬小麦渍害损失程度的可视化监测方法，以期为冬小麦渍害监测提供理论指导。

1 材料与方法

1.1 试验区概况

试验在长江大学试验基地进行，该基地位于江汉平原腹地(30°21′N、112°09′E，海拔32 m)，属东部季风农业气候大区、北亚热带农业气候带、长江中下游农业气候区，年平均气温16.5 ℃，年均降水量约1 095 mm，年均日照时数1 718 h。受夏季风影响，每年4-10月常发生暴雨洪涝灾害。地下水位较浅，约为3 m。该区农作物主要为冬小麦、水稻、玉米、油菜等。

1.2 试验设计

试验共24个小区，每个小区面积4 m2(2 m×2 m)，深1 m。每个小区底部布设有灌排一体系统，水管包裹一层海绵，四周垫有20 cm厚的谷壳，谷壳外面垫有10 cm厚的细沙，起到反滤的作用。小区表面布设有灌水系统，可从底部和上部2个方向灌溉。小区内除水管附近为70 cm土层外，其余部位均为100 cm土层，小区内土壤为中壤，取自旱地，按等土壤密度分层回填，0～30 cm土壤pH值7.6，碱解氮、速效磷和速效钾含量分别为69.4、28.7和118.7 mg·kg-1。

选择在江汉平原广泛栽培的冬小麦品种鄂麦596和西农979作为供试材料，2017年11月6日播种。播种前每小区撒施复合肥300 g(N∶P2O5∶K2O= 18∶8∶15)，施肥后混匀20 cm表层土壤。播种量为13.5 g·m-2，采用条播方式，行距为25 cm，每小区9行。在返青期每小区撒施尿素50 g。在冬小麦开花后(4月10日开始)分别对两个冬小麦品种进行不同时间长度的渍水处理(0、5、9、13和17 d)。渍水处理为田间低洼处有明水，且土壤含水率保持在田间持水率的90%以上，达到设定渍涝时间后3 d将地下水位降到70 cm以下。同时，设定对照(CK，渍水时间为0 d)，将小区内土壤水分保持在田间持水率的70%～80%(即大田正常水分管理要求的土壤水分含量)。试验采用随机区组设计,其中渍水13和 17 d处理各重复3次，其余处理各重复2次。在渍水处理之前，在每小区选择同一天开花、生长整齐的穗子50个进行挂牌标记，用于测定冬小麦籽粒的千粒重。

1.3 样品采集与测定

2018年4月28日12：00-13：00进行数据采集。冬小麦冠层图像采用数码相机(SONYNEX-5R , SONY Inc., Tokyo, Japan)拍摄。为每次获得相同的采样面积，照片采集前先把100 cm×75 cm的矩形框放在所要拍摄的样区位置，将相机垂直于冬小麦冠层高度1 m处进行拍摄，相机采用自动白平衡和多点自动对焦模式，同时设置为光圈优先自动曝光。拍摄时保证相片覆盖整个矩形框，提取矩形框内区域作为该样区的冠层图像。

每个小区选取10片旗叶，采用SPAD502测定SPAD值，每片叶为一个重复，每片叶测定8个点取平均值。小麦成熟收获后，测定冬小麦含水量进行干重换算，以获取最终产量。收获挂牌标记的冬小麦穗子，统计粒数，然后将籽粒置烘箱中105 ℃杀青0.5 h，80 ℃烘至恒重，称其干重，并换算出千粒重。

1.4 数据处理与分析

DX=Xnormal-Xwaterlogging

(1)

式(1)中，DX分别代表SPAD值、产量、千粒重和图像特征指数的减少量；Xnormal和Xwaterlogging分别代表对照区和受渍区冬小麦SPAD、产量、千粒重和图像特征指数。

表1 图像特征指数计算Table 1 Indices of image evaluated in this study

2 结果与分析

2.1 渍水对冬小麦SPAD、产量和千粒重的影响

由图1可见，短期渍水(5 d)对冬小麦SPAD值和产量影响不明显；当渍水时间大于5 d时，SPAD值和产量均随渍水时间的增加而大幅下降；当渍水时间大于13 d时，其变化均不明显。千粒重则随渍水时间的增加呈下降趋势。

图1 不同渍水时间处理下冬小麦SPAD、产量和千粒重的变化

2.2 冬小麦渍害图像特征及其与SPAD值、产量和千粒重的相关性

相关分析(表2)表明，16个图像特征指数中有9个(R、NRI、NGI、NGRDI、GMR、EXR、EXG、CIVE、GRVI)与渍水时间有极显著相关性，相关系数最高达到0.89。其中，R、NRI、EXR、CIVE与渍水时间呈极显著正相关，而NGI、NGRDI、GMR、EXG、GRVI与渍水时间呈极显著负相关。同时，这9个指数与SPAD值、产量、千粒重相关极显著，其相关系数的绝对值最大分别达到0.92、0.85、0.91。其中，R、NRI、EXR、CIVE与SPAD值、产量、千粒重呈负相关，而NGI、NGRDI、GMR、EXG、GRVI与SPAD值、产量、千粒重呈正相关。因此，可以基于这9个图像特征指数建立冬小麦SPAD值、产量和千粒重的估算模型。

表2 冬小麦图像特征指数与渍水时间和主要生长参数的相关关系Table 2 Correlation of the image indices and the main growth parameters of winter wheat

**:P<0.01;*:P<0.05;n=24.

2.3 基于图像特征指数的冬小麦渍害灾损估算

表3 基于9种图像特征指数差异值的冬小麦SPAD、产量和千粒重的灾损估算结果Table 3 Estimation results of winter wheat SPAD, yield and thousand kernel weight reduction based on the nine indices

3 讨 论

冬小麦本身具有一定耐渍性，但当渍害胁迫超出其自身调节阈值时，叶片部分光合结构发生不可逆的破坏，其叶绿素含量逐渐减少，主要表现为叶片加速发黄、萎蔫，且随着受渍时间的延长，冬小麦产量、千粒重、穗粒重、穗长等指标逐渐降低[22-24]。已有研究表明，冬小麦生长中后期的渍害可使其减产18%～63%[24]。本研究中，孕穗期渍水5～17 d，冬小麦减产2%～59%，这与前人研究结果相近。千粒重的下降是渍害胁迫后冬小麦减产的主要原因之一[25]。本研究表明，孕穗期渍水导致冬小麦旗叶SPAD值降低，从而影响光合作用和干物质积累，这与前人研究结果基本一致。佟汉文等[25]也认为，渍水胁迫对冬小麦SPAD值、产量和千粒重的抑制作用最明显。因此，本研究基于这三个参数，来分析利用数字图像技术监测冬小麦渍害的可行性。

目前，数字图像作为可见光光谱遥感最易获取的数据源之一，在作物长势、杂草识别、病虫害监测等领域得到了广泛应用。本研究将数字图像技术引入作物渍害监测中，与传统的作物渍害监测方法相比，基于数字图像技术来研究作物受害程度的方法具有很多优势，其实时、快速、方便、无损的优点弥补了传统方法的不足。本研究结果显示，图像特征指数R、NRI、EXR和CIVE随渍水时间的增加极显著上升，而NGI、NGRDI、GMR、EXG和GRVI则极显著下降。主要原因是冬小麦在孕穗期和灌浆期受到渍水胁迫时，叶绿素水解加快，叶黄素合成增加[26]，最明显的响应是叶片失绿黄化，具体表现为基部1～3片叶逐渐干枯，旗叶也逐渐变黄。

本研究基于数字图像特征进行了冬小麦渍害灾损监测研究。通过利用不同受渍时间的冬小麦数字图像数据，对图像特征指数与冬小麦SPAD值、产量、千粒重之间的相关关系进行了分析，并建立基于图像特征指数差值的SPAD值、产量、千粒重灾损估算模型，间接监测不同受渍时间下作物灾损状况，结果表明利用冬小麦冠层图像数据可以有效监测渍害胁迫下冬小麦灾损程度。由于冬小麦灾损程度随品种、土壤类型、土壤肥力、灌溉条件和受渍时期的不同而有所差异，而后续研究可将这些影响因素考虑进去，以提高渍害胁迫下作物灾损监测精度，实现受灾作物快速、无损、高效监测的目的。