基于紅外熱成像的棉花葉片溫度分布量化方法研究

馮璐，邢芳芳，楊北方，韓迎春，王國平，雷亞平，李亞兵

（中國農(nóng)業(yè)科學(xué)院棉花研究所/ 棉花生物學(xué)國家重點(diǎn)實(shí)驗(yàn)室，河南安陽455000）

溫度是作物表面能量通量的主要決定因素，反映了作物和大氣之間的能量交換，是監(jiān)測作物生長的重要指標(biāo)，被廣泛地應(yīng)用[1-2]。 作物溫度主要包括作物的冠層溫度、生長點(diǎn)溫度、作物根和莖的溫度、不同高度位置的葉片溫度等[3]。葉片是棉花生理生長和物質(zhì)生產(chǎn)的農(nóng)藝學(xué)最小單位，占作物綠色面積的80%左右[4]。 葉片溫度與棉花生長發(fā)育和健康生長有著密切的關(guān)系，是反映棉花生長狀況的準(zhǔn)確指標(biāo)[5]。

近年來，隨著傳感器技術(shù)的不斷發(fā)展進(jìn)步，以葉片溫度為基礎(chǔ)來監(jiān)測作物長勢的研究受到越來越多的關(guān)注。自20 世紀(jì)70 年代以來，紅外技術(shù)的逐漸成熟使得紅外成像技術(shù)開始大量應(yīng)用于農(nóng)業(yè)生產(chǎn)[6-11]。 由于植物的熱輻射率達(dá)到0.95～0.97，使用紅外溫度傳感器測量植物溫度的誤差較小[12]。紅外熱成像相機(jī)通過紅外探測器接收被測物體的紅外輻射， 通過信號處理技術(shù)將其轉(zhuǎn)換成被測物體的熱圖像，能夠快速準(zhǔn)確獲得葉片溫度信息，為葉片溫度和冠層溫度的研究提供了新的技術(shù)手段[13]。 然而，直接利用熱成像相機(jī)獲取的作物圖片雖能反映溫度信息差異， 但是每張圖片包含了目標(biāo)區(qū)域外的背景， 提取目標(biāo)區(qū)域的溫度信息是熱紅外圖片的分析難點(diǎn)[14-15]；此外，受環(huán)境影響，每張圖片中的溫度標(biāo)尺不同， 相同顏色所反映的實(shí)際溫度的高低也存在差異，葉片最大溫差（Maximum temperature difference,MTD） 并不能準(zhǔn)確量化溫度的變化[16]，很難進(jìn)行圖片間溫度差異的比較。 因此，利用熱成像圖像所包含的數(shù)據(jù)信息，借助計(jì)算機(jī)圖像處理技術(shù)和空間統(tǒng)計(jì)學(xué)理論， 統(tǒng)一溫度標(biāo)尺，量化溫度差異，能夠更有效地監(jiān)測作物的葉片溫度變化，進(jìn)而更快速地進(jìn)行管理[17-18]。

紅外熱成像技術(shù)在病害監(jiān)測、水分管理以及品種抗旱性篩選方面得到了廣泛應(yīng)用，可在肉眼可見前觀察到作物的脅迫狀況，以便做好及時預(yù)警[19-23]。 徐小龍發(fā)現(xiàn)在可控條件下，感病的黃瓜葉片和對照葉片約有1 ℃的溫度差異，感病的番茄葉片比對照葉片的溫度低0.5～1.2 ℃，表明葉片溫度的差異可以作為辨別作物感病的可靠指標(biāo)[24]。在干旱脅迫下，葉片產(chǎn)生應(yīng)激反應(yīng)，氣孔關(guān)閉，水分蒸發(fā)減少，葉片溫度升高，葉溫差可作為抗旱性初步篩選的重要指標(biāo)[16]。近年來，利用紅外熱成像技術(shù)的研究開始涉及到農(nóng)田養(yǎng)分管理，然而主要是關(guān)于氮素對冠層溫度的影響[25-29]。 大部分學(xué)者研究表明合理施氮可以構(gòu)建良好的植株群體，有效降低葉片和冠層的溫度，提高作物抗熱害能力[25-26]；也有學(xué)者發(fā)現(xiàn)不同品種冠層溫度對施肥量的反應(yīng)不同，且超過一定范圍后冠層溫度隨施氮量增加而上升[29]。 鉀是作物生長的必需元素，能夠促進(jìn)葉綠素合成，提高光合速率，增強(qiáng)氣孔導(dǎo)度和蒸騰強(qiáng)度，在植物生長發(fā)育中發(fā)揮不可替代的作用[30]，然而關(guān)于其與冠層溫度的關(guān)系還未見報(bào)道。

綜上所述，葉片溫度是反映作物生長發(fā)育狀況和產(chǎn)量的指標(biāo)之一，準(zhǔn)確監(jiān)測棉花葉片溫度對指導(dǎo)棉花生產(chǎn)管理，具有重要的現(xiàn)實(shí)意義。 本研究利用紅外熱成像相機(jī)獲取缺鉀和正常葉片的熱紅外圖像，探索基于計(jì)算機(jī)技術(shù)和地統(tǒng)計(jì)學(xué)理論去除背景、 量化熱紅外圖像溫度信息的方法，從而更有效地比較不同施肥處理的葉片溫度差異，從而為棉花合理施肥和長勢監(jiān)測提供技術(shù)支持。

1 材料與方法

試驗(yàn)品種選擇中棉所60，于2017 年6－9 月在中國農(nóng)業(yè)科學(xué)院棉花研究所光照培養(yǎng)室內(nèi)進(jìn)行棉花水培試驗(yàn)。6 月5 日，選取優(yōu)質(zhì)細(xì)沙高溫滅菌處理后裝入塑料盆，棉花種子用雙氧水浸泡2 h后點(diǎn)播到沙盆中。 出苗后， 待真葉長到3～4 片時，選取長勢均勻一致的棉苗用蒸餾水沖洗干凈根系后進(jìn)行營養(yǎng)液培養(yǎng)。 采用規(guī)格為1 L 的不透明塑料花盆進(jìn)行水培，營養(yǎng)液以霍格蘭溶液為基礎(chǔ)液，每隔5 d 更換1 次，每天定時加氧20 min，白天和晚上的培養(yǎng)溫度均基本保持在28～30 ℃，光照時間維持在12 h。 棉苗在營養(yǎng)液中生長大約10 d 后，采用霍格蘭溶液和缺鉀營養(yǎng)液（pH 值約為6.5）分別培養(yǎng)正常棉株（對照）和缺鉀棉株，每處理設(shè)3 次重復(fù)，每個重復(fù)包含10 盆棉苗，每盆1 株棉花。 缺素處理持續(xù)35 d 左右，缺鉀癥狀明顯時，即可用于拍照。

2 圖像獲取和信息提取

棉花葉片的紅外熱成像圖片于棉花初花期（8 月25 日） 利用紅外熱成像相機(jī) （FLIR T660,FLIR systems,Inc,Wilsonville,USA）進(jìn)行采集。圖像采集的室內(nèi)環(huán)境溫度保持在28～30 ℃， 相對濕度68%，輻射率0.96。 每個重復(fù)選取具代表性的2 盆棉花進(jìn)行圖像采集，圖像采集的對象為倒4 葉，每盆獲取1 張清晰的熱紅外圖片，2 個處理一共采集12 張。 圖像采集時相機(jī)鏡頭垂直葉片，與葉片距離10～15 cm。 為保證圖片采集時間上的一致性，拍攝為連續(xù)進(jìn)行。 棉花葉片圖片的分辨率為640 像素×480 像素。采集后，利用FLIR tools 軟件導(dǎo)出葉片的熱成像圖片以及圖片中每個像素點(diǎn)的溫度信息。 下面以某一代表性圖片為例，說明圖像信息獲取的方法和步驟。 采集到的圖像如圖1 所示，可導(dǎo)出溫度信息。

圖1 棉花的葉片熱紅外圖片F(xiàn)ig. 1 The infrared thermal images of cotton leaf

3 棉花葉片溫度分布的量化方法

3.1 熱紅外圖片的數(shù)字化

相機(jī)導(dǎo)出的熱紅外圖片不能直接編輯，要對其進(jìn)行數(shù)字化，具體做法：利用Stata 軟件編程將熱成像圖片中提取的數(shù)字信息整理為帶有橫縱坐標(biāo)的格式，使得熱成像圖片的數(shù)據(jù)信息具有空間位置， 其中橫坐標(biāo)x 的取值范圍為0～640，縱坐標(biāo)y 的取值范圍為0～480，這與圖片的分辨率一致， 之前的所有溫度信息變成了含坐標(biāo)的數(shù)據(jù)。 然后，再利用Surfer 軟件的Grid 模塊生成數(shù)字化的可編輯的溫度分布圖（圖2）。 圖2 不僅顯示了圖像中所有的像素點(diǎn)的溫度信息，還顯示了相同溫度的等值線。 到此，熱成像圖片轉(zhuǎn)變成了含有坐標(biāo)信息的數(shù)字化的圖片。

圖2 數(shù)量化后的葉片溫度分布Fig. 2 The leaf temperature contour map after quantification

3.2 背景區(qū)域的清除

圖2 仍然存在大量的背景信息，使得所需目標(biāo)信息的差異不明顯。 為強(qiáng)化目標(biāo)葉片的溫度信息， 須進(jìn)一步去除與棉花葉片無關(guān)的背景信息。具體方法是對每張圖片利用Surfer 軟件的digitize 模塊在圖2 上通過鼠標(biāo)點(diǎn)選的方式生成所需葉片部分和要清除的背景部分的邊界線，并分別生成**.bln 文件。 然后利用生成的**.bln 文件，通過Grid 模塊的blank 功能將之前的**.grid 文件進(jìn)行修改，去除無關(guān)的背景信息，重新生成一個只包括葉片內(nèi)部區(qū)域溫度信息的**.grid 文件。然后再利用新的**.grid 文件生成只包含葉片內(nèi)部溫度的等值線圖，統(tǒng)一顏色標(biāo)尺，如圖3 所示。背景區(qū)域清除和標(biāo)尺統(tǒng)一后，能明顯看出葉片內(nèi)部的溫度分布和差異。

圖3 去除無關(guān)背景后的葉片溫度分布Fig. 3 The leaf temperature contour map after removal of irrelevant background

3.3 葉片不同區(qū)域溫度差異

為了進(jìn)一步比較分析葉片內(nèi)部不同部位的溫度差異，將葉片分為葉脈外葉片和葉脈。 與上述方法相同，利用Surfer 軟件的digitize 模塊，在葉片內(nèi)部形成葉脈和葉脈外葉片的邊界線，生成**.bln 文件。 利用生成的**.bln 文件，通過Grid模塊的blank 功能將整個葉片區(qū)域的**.grid 文件進(jìn)行修改，分別生成包括葉脈和葉脈外葉片溫度信息的**.grid 文件。 再利用新的**.grid 文件分別生成葉脈和葉脈外葉片溫度的等值線圖，統(tǒng)一顏色標(biāo)尺。

3.4 統(tǒng)計(jì)方法

對不同處理的3 個重復(fù)采集的圖像分別進(jìn)行圖片數(shù)字化、背景區(qū)域清除和分區(qū)域統(tǒng)一標(biāo)尺的處理，并計(jì)算葉片不同區(qū)域像素點(diǎn)溫度的最大值、最小值以及平均值，利用MS Excel 2019 進(jìn)行t 檢驗(yàn)來比較不同處理葉片溫度的差異。 從2 個處理在同一時間拍攝的圖片中各選1 張代表性葉片的圖像， 利用Surfer13.0 分析葉片內(nèi)部溫度的空間分布和概率分布。

4 結(jié)果與分析

4.1 不同處理葉片溫度的差異

缺鉀葉片和正常葉片在葉片和葉片內(nèi)不同區(qū)域的溫度上存在顯著差異（表1）。 缺鉀處理的葉片平均溫度（28.95 ℃）、葉脈平均溫度（29.12 ℃）和葉脈外葉片平均溫度（28.89 ℃）均顯著高于正常葉片，以葉脈處的溫度差異最大（0.58 ℃）。

表1 不同處理對葉片溫度的影響Table 1 Treatment effects on leaf temperature ℃

4.2 葉片內(nèi)部溫度的概率分布

以不同處理的1 片代表性葉片為例分析不同處理葉片內(nèi)部的溫度分布情況（圖3）。 葉片內(nèi)部溫度具有高度空間異質(zhì)性。 對不同處理，葉片內(nèi)部溫度均呈從葉脈處向葉片邊緣降低的趨勢。同樣以0.05 ℃為等值線間距，可以看出缺鉀處理葉片內(nèi)部的溫度變化更快，且以葉脈周圍的溫度變化最快。計(jì)算結(jié)果（表2）顯示，缺鉀葉片內(nèi)部溫度最大值、 最小值和平均值分別高于對照葉片0.56 ℃、0.65 ℃和0.44 ℃；葉片內(nèi)部的溫度變幅正常葉片為0.54 ℃， 低于缺鉀葉片的0.76 ℃；正常葉片內(nèi)溫度的變異系數(shù)（0.28%）小于缺鉀葉片（0.38%），說明缺鉀處理的葉片內(nèi)部溫度的變異程度高于正常葉片。 對于不同處理，葉片內(nèi)部溫度均以葉脈處變異系數(shù)最小。 進(jìn)一步分析葉脈和葉脈外葉片的溫度， 正常葉片和缺鉀葉片葉脈平均溫度均高于葉脈外葉片， 且以缺鉀葉片的差異更大（正常葉片相差0.04 ℃，缺鉀葉片相差0.16 ℃）。缺鉀處理的葉脈和葉脈外葉片的平均溫度高于正常葉片， 且以葉脈平均溫度差異最大（0.53 ℃）。

表2 不同處理葉片內(nèi)部溫度空間分布統(tǒng)計(jì)信息Table 2 Statistical analysis for leaf temperature of different treatments

4.3 不同處理葉片內(nèi)部溫度的分布特征

通過計(jì)算得到不同處理四分之一、二分之一和四分之三分位的溫度（圖4）。對于正常棉株，葉片、葉脈和葉脈外葉片的四分之一、二分之一和四分之三分位溫度差異較小，葉脈的溫度分布更集中。 對于缺鉀棉株，葉脈的溫度（四分之一、二分之一和四分之三分位）較整個葉片和葉脈外葉片高，與正常葉片一樣，缺鉀棉株葉脈溫度分布也更集中。 對比正常葉片和缺鉀葉片，缺鉀葉片、葉脈和葉脈外葉片的溫度（最高、最低、四分之一、二分之一和四分之三分位）均高于正常葉片，以葉脈溫度差異最大。 缺鉀葉片溫度和葉脈外葉片的四分位差（分別為0.16 ℃和0.12 ℃）高于正常葉片（分別為0.09 ℃和0.10 ℃），說明正常葉片的溫度分布相對集中。

5 討論

溫度是作物表面能量通量的主要決定因素，是監(jiān)測作物生長的重要指標(biāo)。 與RGB （紅光、綠光、藍(lán)光）可見光圖像比較, 作物熱成像圖片每個像素點(diǎn)還包含了直觀的溫度信息，溫度信息能快速反映作物生理變化，可用于準(zhǔn)確監(jiān)測作物的生理信息與生態(tài)脅迫[15,31]。 作物熱紅外圖像一般包含復(fù)雜的背景環(huán)境，目標(biāo)區(qū)域溫度特征的提取具有一定的難度[15]。 現(xiàn)有研究利用Canny 邊緣檢測算子、支持向量機(jī)、最大似然法和小波變換等算法在熱紅外成像圖片中去除土壤等背景信息，這類算法對于目標(biāo)與背景溫度差異較大的情況效率較高，但確定合適的算法較難[32-34]。 本研究通過計(jì)算機(jī)編程以及Surfer 軟件blank 功能實(shí)現(xiàn)對葉片熱紅外圖片中目標(biāo)信息的提取和數(shù)字化，對于目標(biāo)是單個葉片以及目標(biāo)與背景溫度差異較小的情況十分適用。 通過對紅外圖片的數(shù)字化進(jìn)一步對葉片溫度空間分布進(jìn)行量化，發(fā)現(xiàn)棉花葉片內(nèi)部的溫度具有高度的空間異質(zhì)性；因此，在葉片上隨機(jī)選取若干個點(diǎn)[35]或者某一區(qū)域[36]用平均值并不能準(zhǔn)確代表葉片的溫度特征。 比較缺鉀葉片和正常葉片溫度空間分布，結(jié)果表明，鉀素影響葉片的溫度，缺鉀導(dǎo)致葉片溫度升高，尤其是葉脈溫度升高最多，這與前人在氮素上的研究結(jié)果[7,15,37]類似。葉片溫度與作物生理特性相關(guān)，在施鉀條件下，作物的生理活性變得更為旺盛，功能葉片衰老延緩，葉綠素含量提高，光合速率增加，氣孔的閉合得到有效調(diào)節(jié)，這可能是正常葉片較缺鉀葉片溫度低的主要原因[30,38]。 由此可見，葉片溫度是反映施肥水平的1 個有效指標(biāo)，作物葉片的熱紅外圖像分析能夠作為作物缺素診斷的有效方法。 然而，本研究重點(diǎn)探討圖像的處理方法和缺鉀處理與正常葉片的溫度分布和差異，并未進(jìn)一步將葉片溫度和棉花的生理指標(biāo)結(jié)合起來，綜合分析葉片溫度和棉花生長發(fā)育的關(guān)系。 因此，仍有必要繼續(xù)開展相關(guān)研究，基于此方法進(jìn)一步探討和揭示棉花缺鉀條件下葉片溫度和生長發(fā)育的關(guān)系，進(jìn)而為缺素診斷和精準(zhǔn)管理提供依據(jù)。

圖4 不同處理葉片溫度分布情況Fig. 4 The leaf temperature distribution of different treatments

6 結(jié)論

本研究基于缺鉀與正常棉花葉片的熱紅外圖像，運(yùn)用計(jì)算機(jī)技術(shù)和地統(tǒng)計(jì)學(xué)的原理，提出了1 種將熱紅外圖像數(shù)字化的方法，能夠去除背景區(qū)域，統(tǒng)一圖片間的溫度標(biāo)尺，量化棉花葉片溫度的空間分布。 通過對比缺鉀葉片和正常葉片的溫度空間分布差異，發(fā)現(xiàn)缺鉀葉片內(nèi)部溫度的變幅（0.76 ℃）及變異系數(shù)（0.38%）均高于正常葉片（0.54 ℃，0.27%），以葉脈溫度升高最多（0.53 ℃），且正常葉片溫度分布相對集中，表明利用熱紅外圖像能夠快速掌握棉花缺素狀況，有助于進(jìn)一步準(zhǔn)確監(jiān)測棉花長勢，指導(dǎo)棉花精準(zhǔn)施肥管理。