運用光譜參數(shù)冠層覆蓋度建立作物長勢及氮營養(yǎng)狀態(tài)模型

陶志強，Shamim Ara Bagum，馬 瑋，周寶元，付金東，崔日鮮，孫雪芳，趙 明

中國農(nóng)業(yè)科學院作物科學研究所，農(nóng)業(yè)部作物生理生態(tài)與栽培重點開放實驗室，北京 100081

運用光譜參數(shù)冠層覆蓋度建立作物長勢及氮營養(yǎng)狀態(tài)模型

陶志強，Shamim Ara Bagum，馬 瑋，周寶元，付金東，崔日鮮，孫雪芳，趙 明*

中國農(nóng)業(yè)科學院作物科學研究所，農(nóng)業(yè)部作物生理生態(tài)與栽培重點開放實驗室，北京 100081

為了探索運用數(shù)碼照片中光譜(紅、綠、藍)的像素計算得到的冠層覆蓋度(canopy cover, CC)對玉米長勢及氮素營養(yǎng)狀態(tài)進行非破壞性監(jiān)測的技術(shù)。通過獲取玉米冠層的數(shù)碼照片圖像，定量化數(shù)碼照片色彩參數(shù)與作物葉面積指數(shù)(leaf area index, LAI)、冠層干重(shoot dry matter weight, DM)、葉片氮素含量(leaf nitrogen content percentage, N%)之間的關(guān)系。試驗于2012年和2013年在中國農(nóng)業(yè)科學院試驗田進行，運用基于Visual Basic Version 6.0研發(fā)的玉米冠層圖像分析系統(tǒng)，分析了玉米品種中單909在3個氮素水平條件下分別于9葉展時期、抽雄期和灌漿期的CC、11種色彩指數(shù)與植株LAI，DM，N%及產(chǎn)量之間的相關(guān)性，并對相關(guān)性顯著的指標進行了擬合與建模。結(jié)果表明，CC與LAI(r=0.93,p<0.01)，DM(r=0.94,p<0.01)，N%(r=0.82,p<0.01)之間均達到了極顯著水平；用CC估算LAI，DM和N%的模型均為冪函數(shù)，方程式分別是y=3.281 2x0.763 9，y=283.658 1x0.553 6，y=3.064 5x0.932 9；用與建模相獨立的數(shù)據(jù)對模型驗證，結(jié)果表明，CC估算LAI模型的實測值與模擬值基于1∶1直線的R2，RMSE和RE分別是0.996，0.035和1.46%；CC估算DM模型的R2，RMSE和RE分別是0.978，5.408 g和2.43%；CC估算N%模型的R2，RMSE和RE分別是0.990，0.054和2.62%。綜上所述，模型能夠較準確的通過CC估算不同氮肥水平條件下玉米9葉展時期、抽雄期和灌漿期的LAI，DM與N%，表明應用數(shù)碼相機的光譜信息可實現(xiàn)對玉米生長過程中的生長狀況及氮素營養(yǎng)狀態(tài)進行實時無損快速監(jiān)測與預測。

光譜；玉米；冠層覆蓋度；色彩指數(shù)；葉面積指數(shù)；冠層干重；氮素含量

引 言

葉面積指數(shù)(leaf area index, LAI)、冠層干重(shoot dry matter weight, DM)和葉片氮素含量是作物生長與氮素營養(yǎng)狀態(tài)的良好指標，是作物生育期的氮肥精確管理與產(chǎn)量預測的重要評判依據(jù)[1]。然而，獲取這些指標常常需要消耗大量的人力與時間，在采樣過程中對植株造成的破壞還會影響小區(qū)中其他植株的正常生長，增加了后期指標測定結(jié)果的誤差[2]。近年來，光譜分析技術(shù)已經(jīng)被廣泛證明能夠快速、非破壞性、有效的判斷作物的LAI、DM與氮素營養(yǎng)狀態(tài)[3, 4]。

目前，廣泛應用的便攜式光譜設備有，SPAD-502葉綠素儀(Konica Minolta Inc.，Tokyo, Japan)和葉面積指數(shù)冠層分析儀LAI-2000(Li-Cor Inc.，USA)等。SPAD-502葉綠素儀通過測量葉片在兩種波長光學濃度差的光譜信息(650和940 nm)來確定作物葉片當前葉綠素的相對數(shù)量，進而分析植株冠層的氮素營養(yǎng)狀況[5]。然而，SPAD值常常因為試驗人員對葉片的主觀選擇、葉片厚度、處理時間不一致等因素的干擾而對光譜信息結(jié)果的精確度造成了影響[6, 7]。葉面積指數(shù)冠層分析儀LAI-2000，通過測量葉片或冠層對光吸收和反射的光譜信息來獲取作物的LAI與光合有效輻射(photosynthetically active radiation, PAR)，雖然能夠快速獲取LAI與PAR值，但是對于光照強度的反應很敏感，時常出現(xiàn)低于人工測量值40%以上的結(jié)果[2]。

最近的一些研究已經(jīng)證實了可以用數(shù)碼照片的光譜信息，例如紅(red, R)、綠(green, G)、藍(blue, B)光譜波段的像素信息，來增加與作物冠層圖像分析精確度有關(guān)的參數(shù)值[8]，這些參數(shù)與作物長勢及氮素含量密切相關(guān)。例如，冬小麥孕穗期和開花期冠層光譜信息綠光深度絕對值與冠層氮素濃度和葉片SPAD值呈顯著負相關(guān)[6]。大麥葉片數(shù)碼照片光譜信息的色彩指數(shù)能夠?qū)θ~綠素含量進行預測[7]。水稻冠層圖像中提取的光譜信息(色相與紅光標準化值)與葉片SPAD值、葉片含氮量等指標間具有良好的相關(guān)關(guān)系[9]。除此之外，區(qū)別于植被覆蓋度的另一種新的覆蓋度表示方法，即冠層覆蓋度(canopy cover，CC)也已經(jīng)成為作物長勢與氮素營養(yǎng)狀態(tài)的重要指標。植被覆蓋度是指植被在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比，而CC是指垂直拍攝的作物冠層數(shù)碼照片中作物圖像像素數(shù)占冠層圖像總像素數(shù)的百分比[10]。已有諸多研究證明，CC與作物生長參數(shù)(例如LAI與DM)、氮素濃度顯著相關(guān)，是預測作物長勢與氮素營養(yǎng)狀態(tài)的重要指標[4, 11-12]。

1 實驗部分

1.1 實驗地點與材料

實驗于2012和2013年在中國農(nóng)業(yè)科學院科技示范園區(qū)進行(39°40′15″N, 116°30′23″E)，屬溫帶半濕潤季風型大陸性季候，年均氣溫11.5 ℃，年均降水量640 mm，年均日照時間是2 600 h，年均無霜期192 d。試驗地土壤類型是沙壤土。0～20 cm土壤有機質(zhì)含量10.2 g·kg-1，堿解氮45.2 mg·kg-1，速效磷39.7 mg·kg-1和速效鉀112.6 mg·kg-1。

實驗在根箱中進行，長×寬×高為120 cm×60 cm×60 cm，供試品種為中單909(Zhongdan909，ZD909)，設3個施氮量處理，分別為0(N0)，220(N220)，320(N320) kg N hm-2。100 kg P2O5hm-2和100 kg K2O hm-2全部作為基肥一次性施入根箱內(nèi)30 cm深處，氮、磷和鉀肥分別為尿素、過磷酸鈣和硫酸鉀。每個根箱中植株的行距、株距均為60和30 cm。根箱采用隨機區(qū)組排列，3次重復。2012年和2013年均于5月10日播種，10月2日收獲。

1.2 測定方法

使用數(shù)碼相機(EOS 60D, Canon, Japan)，設置為自動曝光模式，采用多點自動對焦及自動白平衡，ISO設定為400，圖像分辨率設定為800萬像素(3 456×2 304)，分別在玉米生育期9葉展(nine leaves with visible leaf collars, V9)、抽雄期(tassel stage, VT)、灌漿期(blister stage,R2)于冠層頂部距離地面垂直方向2.0 m處進行圖像采集，以JPEG格式保存冠層圖像，拍攝時間為11:00—13:00。拍攝到的玉米冠層范圍為600 mm×450 mm，圖片中包含3株玉米(拍照前將根箱內(nèi)的雜草清理干凈，避免雜草顏色對葉片色彩的干擾)。然后對數(shù)碼圖像采集區(qū)域內(nèi)的玉米進行破壞性取樣，將樣本按部位分樣(葉、莖)，根據(jù)長寬系數(shù)法[1]，校正系數(shù)取0.75，測定葉面積并計算LAI；然后把樣本置于烘箱中，在105 ℃殺青30 min后于80 ℃下烘干至恒重，稱取葉片與莖干重，得到DM；然后將稱完的樣品粉碎，用凱氏定氮法測定葉片的含氮量，并計算葉片氮素含量(即單位質(zhì)量葉片中的氮素含量mg·g-1，將其單位轉(zhuǎn)換為%表示，N%)。

1.3 冠層圖像的色彩參數(shù)計算

拍攝的彩色圖像提供每一個像素的紅(R)、綠(G)、藍(B)波段光譜信息[4]，各波段的光譜信息以亮度(Intensity)的方式存儲在對應的通道。數(shù)碼圖像的R，G，B各有256級亮度，分別用0到255的整數(shù)表示，R，G，B三個通道各256級色彩總共能組合成1 678萬種(2563)色彩，其中(0，0，0)代表黑色，(255，255，255)代表白色[13]。運用基于Visual Basic Version 6.0研發(fā)的玉米冠層圖像分析系統(tǒng)(中國農(nóng)業(yè)科學院作物科學研究所)，提取每個像素點的R，G，B亮度值，計算CC[13]和11種色彩指數(shù)，即紅光標準化值(r)、綠光標準化值(g)、藍光標準化值(b)、綠光與紅光差值(GMR)、綠光與藍光差值(GMB)、超綠特征值(ExG)[15]、歸一化超綠特征值(EGI)、歸一化差值指數(shù)NDI[16]、飽和度(SAT)、色調(diào)(Hue)和亮度(INT)[14]，見式(1)—式(12)。其中，R，G，B，r，g，b，GMB，GMR，EGI，ExG，NDI，SAT，Hue和INT用于玉米圖像分割，而R，G，B，r，g，b，NDI，SAT，Hue和INT用于與LAI，DM，N%之間的的相關(guān)分析及回歸模型的構(gòu)建。

(1)

(2)

(3)

(4)

GMR=G-R

聯(lián)席會議主要任務是共同檢查和監(jiān)督漢江流域年度水量分配的實施，審議上一年度水資源調(diào)度工作總結(jié)和下一年度水資源調(diào)度計劃，協(xié)商漢江流域水資源統(tǒng)一調(diào)度工作中的重大事項，共同檢查和監(jiān)督漢江流域跨?。ㄖ陛犑校┙雍此δ軈^(qū)劃、水域納污能力核定方案、限制排污總量方案的實施和落實情況，協(xié)調(diào)跨省（直轄市）飲用水水源保護、地下水開發(fā)利用和保護工作，共同檢查和監(jiān)督漢江流域“三條紅線”及其考核制度的實施和落實等。

(5)

GMB=G-B

(6)

(7)

EGI=2g-r-b或EGI=3g-1

(8)

(9)

(10)

(11)

(12)

圖像分割是計算機圖像處理的一個基本問題，是進行圖像分析的前提。如果圖像中待分割的目標物及其背景的灰度值(彩色圖像中R，G，B亮度值)都比較單一時，用門限化分割可取得理想的分割效果[13]。作物冠層圖像的主要對象為作物和背景(農(nóng)田土壤表面、作物殘渣等)，其顏色組成(作物和背景R，G，B顏色分量)比較均一，因此具備門限化分割的條件。另外，通過對作物冠層圖像的R，G，B各個分量進行適當?shù)慕M合轉(zhuǎn)化，增強植物，抑制背景，也可提高圖像分割效果[14]。研究采用最小誤差門限方法對玉米冠層圖像進行分割，具體為，利用從玉米和土壤圖像(圖1)中讀取的R，G，B亮度值及其他色彩指數(shù)獲取玉米和背景的R，G，B亮度值及其他色彩指數(shù)的正態(tài)密度函數(shù)(密度函數(shù)的特征值為均值和標準偏差)，并根據(jù)正態(tài)密度函數(shù)確定玉米和背景的混合密度函數(shù)；設定一個門限(T)，則可確定把目標點錯劃為背景點的概率和把背景點錯劃為目標點的概率，兩個概率之和為總誤判概率；為求分割誤差最小時門限值，先求出總誤判概率函數(shù)對T的導數(shù)，并令其等于零，得到T的一元二次方程，此方程的兩個解之一為圖像分割的最佳門限(T)。利用上述方法，基于VisualBasicVersion6.0研發(fā)的玉米冠層圖像分析系統(tǒng)(中國農(nóng)業(yè)科學院作物科學研究所)，從玉米冠層圖像中分割出玉米圖像，進而計算玉米圖像的R，G，B亮度，CC及其他色彩指數(shù)值。

Fig.1 Digital camera images for maize plant (a) and soil (b)

1.4 模型計算與驗證

用SPSS 13.0(SPSS Inc., Chicago, IL)的分析過程 “Analyze Correlate Bivariate”，選擇Pearson相關(guān)和雙尾檢驗“Two tailed”，對LAI，DM，N%，CC和11種色彩指標進行相關(guān)性分析。篩選出相關(guān)性顯著的指標用CurveExpert 1.4(Daniel G. Hyams Hixson, Tennessee)進行數(shù)據(jù)擬合與建模。用2013年的數(shù)據(jù)建模，用2012年的數(shù)據(jù)驗證模型的擬合度與可靠性。用Sigmaplot 12.0 (SYSTAT Software, Inc., Chicago, IL)作圖。

采用常用的模型檢驗方法，利用觀測值與模擬值的根均方差(root mean square error, RMSE)和相對誤差(relative estimation error, RE)對模擬值與觀測值之間的符合程度進行統(tǒng)計分析[17]。RMSE和RE值越小，表明模型的預測精度越高。利用模擬值與觀測值之間1∶1關(guān)系的直線來直觀顯示模型的擬合度和可靠性。

(13)

(14)

式中，OBSi為實測值，SIMi為模擬值，n為樣本容量，RE為相對誤差，Qi為實測值的平均值。

2 結(jié)果與討論

2.1 玉米冠層圖像色彩值分析

玉米在2012和2013年V9，VT和R2生育時期的色彩值平均值分析結(jié)果表明，玉米像素點的G值明顯大于R和B值，而這種特征也反映在以G亮度值為主要要素計算的其他色彩指數(shù)上，如玉米像素點的g，GMR，GMB，ExG和EGI，表明以G及其他色彩指數(shù)作為門限從玉米冠層圖像中分割玉米圖像是可行的。

Table 1 Color index values of maize canopy image (experiments in 2012 and 2013)

2.2 玉米長勢指標與冠層色彩參數(shù)的相關(guān)性分析

通過分析玉米在2012年和2013年生育時期V9，VT，R2時期DM，LAI，N%，CC及其他色彩指數(shù)的平均值之間的相關(guān)性(表2)，結(jié)果表明，玉米長勢指標均與CC呈顯著相關(guān)關(guān)系。其中，LAI分別與N%(r=0.66**)，DM(0.79**)，CC(r=0.93**)，r(r=-0.70*)，b(r=0.62*)，Hue(r=0.78*)呈顯著相關(guān)關(guān)系；DM與CC(r=0.94**)，N%(r=0.90**)呈極顯著相關(guān)性；N%分別與CC(r=0.82**)呈極顯著正相關(guān)。這表明采用CC對玉米DM，LAI和N%進行估算是可行的。該結(jié)論在其他作物上也得到了證實，植被的CC能夠估算冬油菜[11]、草坪草[12]、小麥[13]、水稻[14]的DM，LAI和植株氮素水平。

Table 2 Correlation of growth parameters and color indices in maize (experiments in 2012 and 2013)

* and ** are significantly different (P<0.05) and (P<0.01), respectively. The same below. LAI denotes leaf area index, N% denotes leaf nitrogen content, DW denotes shoot dry matter weight, CC denotes canopy cover, R denotes red, G denotes green, B denotes blue, r denotes normalized red, g denotes normalized green, b denotes normalized blue, NDI denotes normalized difference index, SAT denotes saturation, INT denotes intensity

2.3 建立用CC估算LAI，DM與N%的模型

將CC作為自變量，LAI，DM和N%作為因變量，使用CurveExpert 1.4軟件對不同氮肥處理的CC與LAI，DM，N%之間的關(guān)系進行擬合與建模，將相關(guān)系數(shù)r最高的方程作為擬合方程，結(jié)果表明，CC與LAI，DM，N%之間的關(guān)系均呈冪函數(shù)關(guān)系y=axb(表3)。雖然CC與DM之間關(guān)系的模擬方程中式(18)的相關(guān)系數(shù)最高，但是仍然將式(19)作為CC估算DM的模型，原因是，冪函數(shù)與線性函數(shù)、指數(shù)函數(shù)相比，取自變量的極值，能夠較好的解釋其生物學意義，即x為0時(表示地面上沒有冠層覆蓋)y也是0(表示葉面積或冠層干物質(zhì)量或葉片氮素含量是零)?？梢?，冪函數(shù)式(15)、式(19)、式(21)與表1中的其他方程相比，能夠較好的運用CC對LAI，DM，N%進行估算。本研究建立的模型說明，玉米V9，VT，R2時期的CC能夠精確估算LAI，DM，N%，然而，有學者指出，基于CC的油菜和小麥LAI和DM的預測只在營養(yǎng)生長期可行，而在生殖生長期，由于葉片間的重疊，冠層CC的增大速度會明顯小于LAI和DM的增大速度，所以后期的CC不能精確估算LAI和DM[4, 10]。該結(jié)論與本研究的結(jié)論不一致的原因除了作物類型不一樣之外，還由于本研究的玉米植株在根箱中生長，與大田植株相比，種植密度低，單株生產(chǎn)力小，生殖生長期的葉片間重疊少，因此建立的模型估算精確度較高。該結(jié)論有待于在大田試驗中驗證，并且進一步分析模型在不同玉米品種、種植密度條件下整個生育期的適用性。

Table 3 Estimation of LAI, DM and N% model by CC (experiment in 2013)

xin the model denote CC, andydenote LAI, DM, N%, respectively;aandbare coefficients. The same below

分別建立玉米LAI，DM，N%的冪函數(shù)模型在不同氮肥水平條件下的方程，其相關(guān)系數(shù)r均在0.91以上，并且達極顯著水平(p<0.01)，見表4。a值和b值在不同氮肥水平之間的變異較小。表明，冪函數(shù)方程能夠較精確地通過CC估算不同氮肥水平條件下的LAI，DM和N%。

2.4 CC估算LAI，DM及N%模型的驗證

根據(jù)LAI，DM，N%的模擬方程式(15)、式(19)、式(21)，應用2012年的試驗數(shù)據(jù)對玉米在V9，VT，R2時期的LAI，DM，N%模型進行了檢驗(圖2)，結(jié)果表明，CC估算LAI模型的實測值與模擬值基于1∶1直線的R2，RMSE和RE分別是0.996，0.035和1.46%；CC估算DM模型的R2，RMSE和RE分別是0.978，5.408 g和2.43%；CC估算N%模型的R2，RMSE和RE分別是0.990，0.054和2.62%。表明，模型能夠較準確的通過CC估算不同氮肥水平條件下玉米V9，VT，R2時期的LAI，DM和N%。

Table 4 Dynamic model between CC and LAI, DM, N% in maize under different nitrogen levels (experiment in 2013)

Fig.2 The fitting graph based on 1∶1 straight line of simulated and measured values of different LAI, DM, N% of maize in V9，VT，R2 (experiment in 2012)

3 結(jié) 論

玉米品種(ZD909)在3個氮肥水平條件下在V9，VT，R2時期的冠層覆蓋度與葉面積指數(shù)(r=0.93，p<0.01)、冠層干重(r=0.94，p<0.01)、葉片氮素含量(r=0.82，p<0.01)均呈極顯著水平；應用CurveExpert 1.4軟件，以冠層覆蓋度為自變量，葉面積指數(shù)、冠層干重、葉片氮素含量為因變量，分別建立了三個冪函數(shù)模型，y=3.281 2x0.763 9，y=283.658 1x0.553 6，y=3.064 5x0.932 9，并使用與建模數(shù)據(jù)(2013年)相對獨立的數(shù)據(jù)(2012年)進行驗證，結(jié)果表明，冠層覆蓋度估算葉面積指數(shù)模型的實測值與模擬值基于1∶1直線的R2，RMSE和RE分別是0.996，0.035和1.46%；冠層覆蓋度估算冠層干重模型的R2，RMSE和RE分別是0.978，5.408 g和2.43%；冠層覆蓋度估算葉片氮素含量模型的R2，RMSE和RE分別是0.990，0.054和2.62%。模型能夠精確估算不同氮肥水平條件下玉米灌漿期的葉面積指數(shù)、冠層干重和葉片氮素含量。表明應用數(shù)碼相機對在玉米冠層進行拍照，而后通過玉米冠層圖像分析系統(tǒng)計算光譜像素信息參數(shù)CC，能夠?qū)τ衩咨L過程中的生長狀況及氮素營養(yǎng)狀態(tài)進行實時無損快速監(jiān)測與預測。

[1] Cui R X, Lee B W. Korean Journal of Crop Science, 2002, 47: 390.

[2] Xue L, Cao W, Luo W, et al. Agronomy Journal, 2004, 96: 135.

[3] Nguyen H T, Lee B W. European Journal of Agronomy, 2006, 24: 349.

[4] Li Y, Chen D, Walker C N, et al. Field Crops Research, 2010, 118: 221.

[5] Jongschaap R E E, Booij R. International Journal of Applied Earth Observation, 2004, 5(3): 205.

[6] Jia L, Chen X, Zhang F, et al. Journal of Plant Nutrition, 2004, 27(3): 441.

[7] Pagola M, Oritiz R, Irigoyen I, et al. Computers and Electronics in Agriculture, 2009, 65: 213.

[8] Lailiberte A S, Rango A, Herrick J E, et al. Journal of Arid Environments, 2007, 69: 1.

[9] WANG Yuan, WANG De-jian, ZHANG Gang, et al(王 遠, 王德建, 張 剛, 等). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學報), 2012, 28(17): 131.

[10] Guevara-Escobar A, Tellez J, Gonzalez-Sosa E. Agroforestry Systems, 2005, 65: 175.

[11] Behrens T, Diepenbrock W. Journal of Agronomy and Crop Science, 2006, 192: 295.

[12] Richardson M D, Karcher D E, Purcell L C. Crop Science, 2001, 4: 1884.

[13] Lee K J, Lee B W. Journal of Crop Science and Biotechnology, 2011, 14(2): 151.

[14] Lee K J, Lee B W. European Journal of Agronomy, 2013, 48: 57.

[15] HU Shuo, LUO Xi-wen, ZENG Shan, et al(胡 爍, 羅錫文, 曾 山, 等). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學報), 2013, 29(10): 12.

[16] ZHOU Jun, WANG Ming-jun, SHAO Qiao-lin(周 俊, 王明軍, 邵喬林). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學報), 2013, 29(18): 163.

[17] Willmott C J, Ackleson S G, Davis R E, et al. Journal of Geophysical Research, 1985, 90: 8995.

TAO Zhi-qiang, Shamim Ara Bagum, MA Wei: joint first authors

*Corresponding author

Establishment of The Crop Growth and Nitrogen Nutrition State Model Using Spectral Parameters Canopy Cover

TAO Zhi-qiang, Shamim Ara Bagum, MA Wei, ZHOU Bao-yuan, FU Jin-dong, CUI Ri-xian, SUN Xue-fang, ZHAO Ming*

Institute of Crop Sciences, Chinese Academy of Agricultural Sciences，Key Laboratory of Crop Physiology and Ecology, Ministry of Agriculture, Beijing 100081, China

In order to explore a non-destructive monitoring technique, the use of digital photo pixels canopy cover (CC) diagnosis and prediction on maize growth and its nitrogen nutrition status. This study through maize canopy digital photo images on relationship between color index in the photo and the leaf area index (LAI), shoot dry matter weight (DM), leaf nitrogen content percentage (N%). The test conducted in the Chinese Academy of Agricultural Science from 2012 to 2013, based on Maize canopy Visual Image Analysis System developed by Visual Basic Version 6. 0, analyzed the correlation of CC, color indices, LAI, DM, N% on maize varieties (Zhongdan909, ZD 909) under three nitrogen levels treatments, furthermore the indicators significantly correlated were fitted with modeling, The results showed that CC had a highly significant correlation with LAI (r=0.93,p<0.01), DM (r=0.94,p<0.01), N% (r=0.82,p<0.01). Estimating the model of LAI, DM and N% by CC were all power function, and the equation respectively werey=3.281 2x0.763 9,y=283.658 1x0.553 6andy=3.064 5x0.932 9; using independent data from modeling for model validation indicated thatR2, RMSE and RE based on 1∶1 line relationship between measured values and simulated values in the model of CC estimating LAI were 0.996, 0.035 and 1.46%;R2, RMSE and RE in the model of CC estimating DM were 0.978, 5.408 g and 2.43%;R2, RMSE and RE in the model of CC estimating N% were 0.990, 0.054 and 2.62%. In summary, the model can comparatively accurately estimate the LAI, DM and N% by CC under different nitrogen levels at maize grain filling stage, indicating that it is feasible to apply digital camera on real-time undamaged rapid monitoring and prediction for maize growth conditions and its nitrogen nutrition status. This research finding is to be verified in the field experiment, and further analyze the applicability throughout the growing period in other maize varieties and different planting density.

Maize; Canopy image; Canopy cover; Leaf area index; Dry matter weight; Nitrogen

Aug. 19, 2014; accepted Dec. 6, 2014)

2014-08-19，

2014-12-06

公益性行業(yè)(農(nóng)業(yè))科研專項(201203096)，國家科技支撐計劃(2013BAD07B00，2013BAD08B00)，國家玉米產(chǎn)業(yè)技術(shù)體系項目(CRRS-02)資助

陶志強，1983年生，中國農(nóng)業(yè)科學院作物科學研究所博士 e-mail: tao-zhiqiang@qq.com Shamim Ara Bagum，1980年生，中國農(nóng)業(yè)科學院作物科學研究所博士研究生 e-mail: shalimuddin@yahoo.com 馬 瑋，1982年生，中國農(nóng)業(yè)科學院作物科學研究所副研究員 e-mail: weiwei_8200a126.com 陶志強，Shamim Ara Bagum，馬 瑋：并列第一作者 *通訊聯(lián)系人 e-mail: zhaomingcau@163.net

S513

A

10.3964/j.issn.1000-0593(2016)01-0231-06