單株油菜葉面積田間無(wú)損測(cè)量方法和策略研究

李方一，李錦衛(wèi)，黃 璜，官 梅，2，官春云，2*

（1.湖南農(nóng)業(yè)大學(xué) a.農(nóng)學(xué)院；b.商學(xué)院，長(zhǎng)沙 410128；2.國(guó)家油料作物改良中心湖南分中心，長(zhǎng)沙 410128）

油菜葉面積作為衡量油菜光合作用大小的重要指標(biāo)被廣泛觀測(cè)，其面積大往往被認(rèn)為“源”充足，光合效率高，有利于油菜結(jié)實(shí)器官的形成與產(chǎn)量的增加［1］。油菜葉面積作為重要的株型指標(biāo)和農(nóng)藝性狀，是油菜育種學(xué)家品種改良和評(píng)價(jià)的重要指標(biāo)。因此對(duì)油菜葉面積的精準(zhǔn)測(cè)量，特別在大田情況下實(shí)現(xiàn)多生育期的無(wú)損測(cè)量，對(duì)衡量油菜品種的光合效能、油菜表型組研究、油菜品種的改良等具有重要意義。

作物葉面積是指作物葉的功能器官被測(cè)量的單面葉片面積值。葉面積的測(cè)量根據(jù)測(cè)量標(biāo)的的不同，主要分為單葉葉面積、單株葉面積、群體葉面積三個(gè)測(cè)量維度，其中單葉維度的測(cè)量是單株和群體維度測(cè)量的基礎(chǔ)［2］。目前單葉維度的葉面積測(cè)量相對(duì)比較成熟，可按測(cè)量是否借助其他標(biāo)的物面積的換算測(cè)量得到，分為直接測(cè)量法和間接測(cè)量法［3］，也可按測(cè)量過(guò)程是否對(duì)作物組織結(jié)構(gòu)造成損害分為有損測(cè)量和無(wú)損測(cè)量。代表性的直接測(cè)量法有網(wǎng)格法、紙樣稱重法、葉面積儀法［4-5］、打孔稱重法、鮮重法等，間接測(cè)量法有系數(shù)回歸法（亦稱“直尺法”，葉長(zhǎng)寬積，以下縮寫為L(zhǎng)×W）、圖像處理法、三維空間技術(shù)等。其中圖像處理法隨著數(shù)碼相機(jī)、智能手機(jī)等的普及，因其成本低、精度較高、便攜、可作無(wú)損測(cè)量等特點(diǎn)，近年來(lái)成為比較熱門的研究。研究者們通過(guò)數(shù)碼相機(jī)、掃描儀、手機(jī)等獲取圖像，選擇不同算法對(duì)圖像進(jìn)行預(yù)處理、圖像濾波去噪、圖像分割、參照標(biāo)的物的選擇等，通過(guò)提取葉片圖像像素值與參照物像素值進(jìn)行比值換算測(cè)量面積值［6-11］。Dogan等［12］采用Photoshop CS6圖像處理技術(shù)建立像素值、像素面積和葉面積的關(guān)系，測(cè)量了當(dāng)?shù)仄咸哑贩N的真實(shí)葉面積，精度可達(dá)99.96%～100.00%。劉時(shí)城等［13］借鑒遙感影像的面向?qū)ο髨D像特征提取的思想，實(shí)現(xiàn)對(duì)葉面積圖像特征值的提取和換算。另外，利用三維空間技術(shù)測(cè)量葉面積近年來(lái)取得了重要進(jìn)展。研究者們構(gòu)建植物三維模型［14］，或通過(guò)激光雷達(dá)［15］、手機(jī)［16］和Kinect傳感器［17-18］等設(shè)備，采用不同算法重建植物的三維點(diǎn)云，通過(guò)計(jì)算網(wǎng)格面積計(jì)算出葉面積。這種三維空間技術(shù)能在一定程度上解決不在同一平面內(nèi)的扭曲葉面的面積估測(cè)問(wèn)題。以上方法大多采取有損方式進(jìn)行，且處于實(shí)驗(yàn)室階段，真正能在大田環(huán)境下開(kāi)展無(wú)損測(cè)量的很少。

單株維度的作物葉面積的測(cè)量方法從大類劃分主要有單葉累加法、抽樣回歸法、單株圖像處理法等。單葉累加法是測(cè)量所有單葉葉面積后再進(jìn)行累加得到其測(cè)量值。目前基于單葉累加法常用到的單葉測(cè)量方法主要有葉面積儀法、系數(shù)回歸法、打孔稱重法、鮮重法等。便攜式葉面積儀可在田間作無(wú)損測(cè)量，操作簡(jiǎn)便，精度尚可，但造價(jià)較高，且不同設(shè)備對(duì)作物葉片測(cè)量時(shí)有規(guī)格限制，如LI-3000便攜式葉面積儀只能測(cè)量葉片寬度小于12 cm（不含12 cm，以下同）的單葉。系數(shù)回歸法亦可作無(wú)損測(cè)量，且操作簡(jiǎn)單，一般只需測(cè)量葉片長(zhǎng)、寬即可，但通過(guò)建立回歸模型進(jìn)行預(yù)測(cè)的結(jié)果有一定的誤差。Cristofori等［19］通過(guò)對(duì)葉面積與葉長(zhǎng)和葉寬的乘積作回歸分析，建立了幾種用于估計(jì)柿樹(shù)葉面積的模型，最準(zhǔn)確的模型的決定系數(shù)R2=0.98。曹櫟等［20］運(yùn)用系數(shù)回歸法分析發(fā)現(xiàn)，葉片的長(zhǎng)寬積與實(shí)測(cè)葉面積的擬合度最高，最能反映實(shí)際葉面積的葉片參數(shù)。張新平等［21］所選的6種不同植物葉片面積與葉片長(zhǎng)寬乘積的線性回歸方程決定系數(shù)均較高，可以此法間接求算葉片面積。打孔稱重法和鮮重法方法類似，只能作有損測(cè)量，通過(guò)打孔器或裁剪方式獲得已知面積的葉片質(zhì)量，通過(guò)采樣葉片的質(zhì)量與已知面積的葉片質(zhì)量的比值換算即可得到采樣大致面積。但這類方法一般僅適用于葉片質(zhì)地比較均勻的作物品種，對(duì)于像油菜這種葉片不平整且存在褶皺的作物品種在測(cè)量時(shí)存在較大誤差。以上單葉累加法因操作繁瑣、工作量大難以完成，一般只在少量文獻(xiàn)的試驗(yàn)方法部分作簡(jiǎn)單介紹，鮮有系統(tǒng)報(bào)道。

抽樣回歸法是不同生育期選擇單株不同部位單葉或多葉測(cè)量其面積，與單株葉面積作相關(guān)性分析，通過(guò)建立與單株葉面積相關(guān)性好的單葉或多葉回歸模型，預(yù)測(cè)單株葉面積。抽樣回歸法對(duì)于單葉或多葉的測(cè)量仍需采用以上單葉測(cè)量用到的方法，與單葉累加法不同的是，其不必對(duì)作物植株的每片葉進(jìn)行測(cè)量。抽樣回歸法雖然更省工省時(shí)，但由于是間接測(cè)量，無(wú)法完全反映植株生長(zhǎng)的真實(shí)情況，精確度相對(duì)較差。這種方法在測(cè)量樣本較多或測(cè)量精度要求不高的情況較為常用。

單株圖像處理法是通過(guò)對(duì)作物整株多角度拍攝獲取圖像，經(jīng)圖像處理與單株葉面積建立回歸模型預(yù)測(cè)單株葉面積。其中用于建模和檢驗(yàn)的單株真實(shí)葉面積的測(cè)量方法仍需采用以上單葉測(cè)量用到的方法。該方法作為間接測(cè)量的方法，既可做到無(wú)損，又能實(shí)現(xiàn)較高效率的測(cè)量。蔣霓［22］綜合利用可見(jiàn)光成像、圖像處理及統(tǒng)計(jì)分析等技術(shù)，結(jié)合自動(dòng)化測(cè)量平臺(tái)，構(gòu)建了實(shí)驗(yàn)室環(huán)境下盆栽水稻單株綠葉面積的高通量無(wú)損測(cè)量，其建立的三個(gè)生育期水稻葉面積模型預(yù)測(cè)平均相對(duì)誤差分別為9.02%、10.52%、9.84%。該方法能大大提高作物單株維度葉面積的測(cè)量效率，且測(cè)量精確度在合適的范圍，筆者認(rèn)為這也將是今后作物葉面積測(cè)量發(fā)展的趨勢(shì)。但該技術(shù)目前僅限水稻，相關(guān)平臺(tái)的籌建成本和對(duì)工作人員的要求都很高，對(duì)于油菜這種植株比較高大、枝葉比較復(fù)雜的作物，該類技術(shù)的應(yīng)用還有一定的難度。

與其他作物相比，油菜葉面積的測(cè)量具有較大難度。如甘藍(lán)型油菜一般具有長(zhǎng)柄葉、短柄葉、無(wú)柄葉三種類型［23］，不同類型葉片面積差異較大，長(zhǎng)柄葉面積可達(dá)600 cm2以上，短柄葉200～300 cm2左右，無(wú)柄葉大多不足100 cm2（圖1）。油菜葉片不平整，葉面有褶皺，且存在葉羽之間相互遮擋的現(xiàn)象。另外，油菜植株比較高大，通過(guò)盆栽等方式實(shí)現(xiàn)實(shí)驗(yàn)室內(nèi)大規(guī)模培養(yǎng)的成本較高，且無(wú)法反映大田的真實(shí)情況，故一般采取田間試驗(yàn)的方式培養(yǎng)，這給單株油菜葉面積的測(cè)量帶來(lái)較大的難度。

圖1 甘藍(lán)型油菜長(zhǎng)柄葉(左)、短柄葉(中)、無(wú)柄葉(右)Fig.1 Long stalk (left), short stalk (middle) and sessile (right) of Brassica napus L.

目前油菜葉面積的測(cè)量主要處于單葉維度的測(cè)量，具體方法與以上介紹的其他作物單葉面積測(cè)量類似。單株維度的測(cè)量主要是基于單葉累加法常用的打孔稱重法、鮮重法、系數(shù)回歸法等。打孔稱重法、鮮重法采取有損方式進(jìn)行，測(cè)量對(duì)采樣植株的葉片造成破壞，且精確度較差。抽樣回歸法測(cè)量精確度較差，單株圖像處理法測(cè)量條件和技術(shù)受限制，故均應(yīng)用較少。

本研究是依托國(guó)家油料中心湖南分中心平臺(tái)，作為理想株型育種研究的子項(xiàng)，目的是通過(guò)對(duì)油菜株型的考察，篩選有利于角果豐產(chǎn)的理想株型，其中單株維度的葉面積是重要指標(biāo)之一。通過(guò)對(duì)以上各測(cè)量方法的不同特點(diǎn)進(jìn)行分析和比較，結(jié)合本研究團(tuán)隊(duì)已取得的工作基礎(chǔ)和條件，圍繞“無(wú)損、高精確度和高效率”的測(cè)量目標(biāo)，本文提出了一套根據(jù)油菜不同的生育期葉片的特點(diǎn)，有針對(duì)性地選擇圖像處理法、葉面積儀法、系數(shù)回歸法（L×W）和紙樣稱重法四種方法綜合運(yùn)用的單葉累加測(cè)量策略，最終實(shí)現(xiàn)單株維度下田間多生育期油菜葉面積無(wú)損、高精確度和高效率的測(cè)量。

1 材料與方法

1.1 試驗(yàn)材料與設(shè)備

1.1.1 材料

本試驗(yàn)所選用的油菜單株樣本來(lái)自于湖南農(nóng)業(yè)大學(xué)油菜試驗(yàn)基地。試驗(yàn)時(shí)間為2017年10月至2018年5月，品種為早熟品種420（winterBrassica napusL.A1，株型緊湊）、中熟品種1035（winterBrassica napusL.A2，株型標(biāo)準(zhǔn)）、雜交品種991（winterBrassica napusL.A3，株型高大），進(jìn)行了3個(gè)肥力處理（總養(yǎng)分≥45%的復(fù)合肥，N、P2O5、K2O各含15%），即0.053 kg/m2（B1）、0.068 kg/m2（B2）、0.083 kg/m2（B3），3個(gè)重復(fù)處理，每個(gè)小區(qū)的種植面積為10.8 m2，密度為15株/m2，于2017年10月初播種，苗期進(jìn)行間苗、移栽。不同品種、不同施肥水平旨在創(chuàng)建大小、形狀不同的單株樣本。分別于2017年12月24日、2018年3月11日、2018年3月31日3個(gè)生育期（苗期、初花期、盛花期）對(duì)每個(gè)小區(qū)的3～4株同一代表樣株持續(xù)進(jìn)行單株維度的葉面積無(wú)損測(cè)量，共83株。本研究中油菜單株葉面積是指油菜植株所有葉片單面面積值，其中長(zhǎng)柄葉、短柄葉面積含葉柄部分的面積。

1.1.2 主要設(shè)備和軟件

主要設(shè)備有多媒體電腦、Li-3000C便攜式葉面積儀、蘋果iphone 6手機(jī)、直徑為30 mm的黑色引磁片（工業(yè)級(jí)）、白色硬紙板、直尺等。

主要軟件有采用本課題組自行開(kāi)發(fā)的“農(nóng)作物數(shù)字圖像分析系統(tǒng)”［24］（CMS2.0，以下簡(jiǎn)稱“圖像系統(tǒng)”，計(jì)算機(jī)軟件著作權(quán)號(hào)：2011SR065145）、DPSV7.05版數(shù)據(jù)統(tǒng)計(jì)分析軟件、常用Adobe Photoshop、Office辦公軟件等。

1.2 測(cè)量方法和技術(shù)路線

由于需要考察同一株油菜多生育期葉面積的變化情況，故首先要做到無(wú)損測(cè)量，不對(duì)植株后期生長(zhǎng)造成影響，在此前提下盡可能實(shí)現(xiàn)高精確度和高效率，最終確定了圖像處理法、葉面積儀法、系數(shù)回歸法（L×W）和紙樣稱重法四種方法的綜合運(yùn)用。首先，建立前三種無(wú)損測(cè)量方法與紙樣稱重法的校正模型，分析比較三種方法精確度和測(cè)量效率。通過(guò)選取不同樣株、不同葉形的葉片若干片，其中一部分葉片分別用圖像處理法、葉面積儀法和系數(shù)回歸法（L×W）作無(wú)損測(cè)量，再用紙樣稱重法作有損測(cè)量，通過(guò)紙樣稱重法的測(cè)量結(jié)果與圖像處理法、葉面積儀法和系數(shù)回歸法（L×W）三種方法的測(cè)量結(jié)果進(jìn)行相關(guān)性分析，建立三種方法的校正模型；再用另一部分葉片檢驗(yàn)比較三種方法校正模型的精確度，同時(shí)比較三種方法的測(cè)量效率，以上過(guò)程簡(jiǎn)稱為“校正試驗(yàn)”。分別統(tǒng)計(jì)苗期、初花期、盛花期樣本葉片數(shù)量和分析葉形特點(diǎn)，根據(jù)“校正試驗(yàn)”的結(jié)論確定運(yùn)用三種測(cè)量方法的方案。實(shí)施葉面積測(cè)量，分析測(cè)量結(jié)果的合理性。本研究技術(shù)路線如圖2。

圖2 研究技術(shù)路線Fig.2 Research technical route

1.3 測(cè)量原理和操作

1.3.1 圖像處理法

圖像處理法是一種圖像處理技術(shù)與數(shù)據(jù)分析相結(jié)合的研究方法［25］?；驹硎峭ㄟ^(guò)專門設(shè)備按照相應(yīng)標(biāo)準(zhǔn)獲取含標(biāo)準(zhǔn)參照物的葉片圖像，標(biāo)準(zhǔn)參照物的面積已知，通過(guò)專門軟件提取葉片圖像像素和標(biāo)準(zhǔn)參照物像素，通過(guò)計(jì)算葉片圖像像素與已知面積標(biāo)準(zhǔn)參照物像素的比值，即可得到葉片面積值。本研究中獲取圖像的設(shè)備即筆者平時(shí)所用蘋果iphone 6手機(jī)。根據(jù)龔愛(ài)平等［26］研究的結(jié)論，當(dāng)手機(jī)和葉片的拍攝距離在300～600 mm之間時(shí)，測(cè)量結(jié)果與葉面積儀測(cè)得的結(jié)果偏差最小，因此本試驗(yàn)拍攝距離以此為標(biāo)準(zhǔn)。經(jīng)反復(fù)比較，選用標(biāo)準(zhǔn)參照物為直徑為30 mm的工業(yè)級(jí)黑色磨砂圓形引磁片，理由如下：一是引磁片主要用于固定、支撐手機(jī)，市面上容易獲得且成本低；二是黑色磨砂型可避免拍攝時(shí)反光，減少誤差；三是可通過(guò)背景硬紙板背面貼磁鐵的方式調(diào)節(jié)引磁片位置，有利于與葉片形成最佳參照位置。作為參照物的引磁片一般使用2個(gè)，在背景硬紙板上呈對(duì)角線放置，可以減少可能因拍攝角度和距離的不同造成的誤差。背景硬紙板選擇白色有利于后期葉片、引磁片的圖像分割。田間拍攝由兩人配合，一人負(fù)責(zé)擺放葉片、標(biāo)準(zhǔn)參照物和背景紙板的位置，要求葉片盡量貼合背景紙板，與背景紙板保持同一平面；一人負(fù)責(zé)拍攝，手機(jī)盡量垂直硬紙板進(jìn)行拍攝，要求畫面清晰，避免反光、陰影和其他物遮擋，具體操作見(jiàn)圖3。

圖3 圖像處理法田間拍攝Fig.3 Image processing method field shooting

提取像素和計(jì)算葉面積的專門軟件是本課題組基于MatlabR2012a自行開(kāi)發(fā)的“圖像系統(tǒng)”。具體步驟如下：

1）參照物的選定。對(duì)參照物的選定是圖像處理法精準(zhǔn)測(cè)量的關(guān)鍵，通過(guò)圖像系統(tǒng)的“自動(dòng)處理”功能可自動(dòng)分離出作為參照物的引磁片。通過(guò)人工選擇的方式從2個(gè)引磁片中選定1個(gè)作為參照物并輸入?yún)⒄瘴锏拇笮?，原則上選擇與葉片位置更靠近、角度更相近的作為最終確定的參照物。如果2個(gè)引磁片作為參照物可能都存在一定誤差，可以分別選擇不同的引磁片進(jìn)行測(cè)量，取其平均值。

2）圖像預(yù)處理算法的選擇。圖像的預(yù)處理包括圖像的變換、去噪等，主要目的是便于后期圖像的分割。通過(guò)對(duì)比，灰度變換和超綠變換可選作圖像變換，中值濾波可選作去噪。

3）圖像分割［27］。根據(jù)分割操作策略的不同可以分為基于閾值的分割、基于邊緣檢測(cè)的分割、基于區(qū)域的分割等。本次獲得的圖像是白色背景，葉片的綠色和白色在灰度上差異明顯，故采用基于灰度的閾值法進(jìn)行分割，通過(guò)反復(fù)對(duì)比發(fā)現(xiàn)，采用Otsu法閾值分割和最大類間類內(nèi)距離比法的效果最好。如Nobuyuki Otsu給出的類間方差（intra-class variance，ICV）定義為：

圖像灰度值的均值為M，任取一個(gè)灰度值t，則可將這個(gè)直方圖分成前景色A和背景色B，這兩部分各自的平均值為MA和MB，A、B部分的像素?cái)?shù)占總像素?cái)?shù)的比例分別記作PA和PB。這個(gè)最佳的閾值t就是使得ICV最大的那個(gè)值。

4）填充、去雜質(zhì)等處理。由于葉片表面紋理、顏色深淺的差異且存在異物，以及背景可能存在的污垢、手指等，經(jīng)過(guò)圖像分割后的葉片圖像會(huì)出現(xiàn)孔洞和雜質(zhì)圖像，會(huì)導(dǎo)致面積計(jì)算出現(xiàn)一定的誤差。為減少以上誤差，一般需經(jīng)過(guò)“填充”“去雜質(zhì)”“清除邊界對(duì)象”“清除邊界附近對(duì)象”“腐蝕”“膨脹”等操作去除干擾因素。圖像處理過(guò)程如圖4。

圖4 圖像處理過(guò)程Fig.4 Image processing process

5）葉面積計(jì)算。經(jīng)過(guò)圖像處理后，原來(lái)的葉片圖像轉(zhuǎn)換為一幅葉片為白色、背景為黑色的二值圖像，利用Matlab中bwarea［28］函數(shù)統(tǒng)計(jì)像素值為1的所有像素的總數(shù)，即葉片部分的像素值，也稱像素面積，然后通過(guò)與已知面積參照物像素值之間的比值關(guān)系即可得該葉片葉面積。

S表示面積，Pix表示感興趣區(qū)域像素?cái)?shù)。

6）葉面積校正。由于葉片測(cè)量時(shí)可能出現(xiàn)葉片卷曲難以完全鋪平或葉羽之間相互遮擋等情況，通過(guò)圖像處理法測(cè)量得到的葉面積值理論上要小于葉片的真實(shí)葉面積值。因此，對(duì)圖像處理法測(cè)量得到的葉面積值進(jìn)行校正是十分必要的。故每一個(gè)生育期測(cè)量時(shí)，需單獨(dú)選取同一批次不同樣本，不同大小、形狀的葉片若干片，經(jīng)圖像采樣后，采取紙樣稱重法測(cè)量真實(shí)葉面積，通過(guò)對(duì)圖像處理法測(cè)量值與紙樣稱重法測(cè)量值作相關(guān)性分析和建立校正模型，對(duì)其他圖像采樣的葉片面積進(jìn)行校正。

1.3.2 葉面積儀法

本試驗(yàn)采用LI-3000C便攜式葉面積測(cè)量?jī)x測(cè)量相關(guān)葉片。它使用了128個(gè)低頻紅光LED燈排成一排，每個(gè)LED燈位于每1 mm的正中央，共計(jì)128 mm，用來(lái)檢測(cè)葉片寬度，因此該儀器僅限對(duì)葉寬在12 cm內(nèi)的葉片測(cè)量。這些LED燈位于掃描頭上半部分距邊緣0.62 cm處，在測(cè)量過(guò)程中，將逐一點(diǎn)亮來(lái)計(jì)算這一排的方格數(shù)目。LI-3000C掃描頭的下半部分有一個(gè)透鏡式光敏二極管檢測(cè)系統(tǒng)（圖5），只對(duì)校準(zhǔn)過(guò)的LED光脈沖有響應(yīng)。在這一排的所有方格被掃描結(jié)束后，通過(guò)拉動(dòng)編碼輪拉繩（length encoding cord）繼續(xù)進(jìn)行下一排的掃描。拉繩每被拉動(dòng)1 mm，便啟動(dòng)一次新的掃描來(lái)逐一點(diǎn)亮128個(gè)LED燈。由于拉繩每移動(dòng)1 mm等于1 mm的長(zhǎng)度，所以拉繩的運(yùn)動(dòng)方向必須垂直于128個(gè)LED燈構(gòu)成的直線。在每次掃描中，每一個(gè)被樣品遮擋50%以上的LED燈在總面積中累積1 mm2。例如，測(cè)量一個(gè)20 mm×100 mm的樣品，共進(jìn)行100次掃描，每一次掃描有20個(gè)LED燈被遮擋，那么得出總面積為20 cm2。

圖5 LI-3000C掃描儀、掃描頭結(jié)構(gòu)和田間測(cè)量Fig.5 LI-3000C scanner, scanning head structure and field measurement

由于葉片測(cè)量時(shí)可能出現(xiàn)圖像處理法測(cè)量時(shí)出現(xiàn)的情形，故亦需要對(duì)測(cè)量葉面值作校正，方法與以上圖像處理法的葉面積校正方法相同。

1.3.3 系數(shù)回歸法（L×W）

利用油菜葉片長(zhǎng)度和寬度之積與葉面積值有很強(qiáng)相關(guān)性的特征，通過(guò)建立部分樣本葉長(zhǎng)寬積值與真實(shí)葉面積值的回歸模型，對(duì)其他樣本葉片面積進(jìn)行估算。只需一人用直尺測(cè)量葉片最長(zhǎng)、最寬的距離，獲得相關(guān)數(shù)據(jù)后進(jìn)行數(shù)據(jù)處理。

1.3.4 紙樣稱重法

紙樣稱重法是一種基于物理原理的測(cè)量方法，利用標(biāo)準(zhǔn)紙面積與質(zhì)量成正比的特性進(jìn)行換算得到葉面積值。首先，可通過(guò)高精度電子稱稱標(biāo)準(zhǔn)紙的質(zhì)量，用直尺測(cè)量標(biāo)準(zhǔn)紙的面積，面積除以質(zhì)量即可得單位質(zhì)量紙的面積。然后，在標(biāo)準(zhǔn)紙張上完全臨摹葉片形狀，裁剪得到相應(yīng)的標(biāo)準(zhǔn)紙，稱得紙的質(zhì)量再乘以單位質(zhì)量紙的面積即可獲得葉片的面積。對(duì)于大的葉片以及出現(xiàn)褶皺難以平攤的葉片可以剪成若干小塊，避免葉羽遮擋造成誤差。這種方法因完全臨摹真葉大小，精確度很高，通常用于其他測(cè)量方法作校正用，其測(cè)量值作為真實(shí)葉面積值。

2 結(jié)果與分析

2.1 測(cè)量精確度的結(jié)果分析

考慮到不同生育期油菜葉片可能存在差異，為科學(xué)制訂測(cè)量方案，在3個(gè)不同生育期進(jìn)行葉面積測(cè)量前，均選取部分樣本進(jìn)行“校正試驗(yàn)”，并在不同生育期測(cè)量時(shí)采取相應(yīng)生育期的校正模型進(jìn)行測(cè)量結(jié)果的校正。每次“校正試驗(yàn)”均從3個(gè)品種和3個(gè)肥力處理的9個(gè)不同組合小區(qū)中隨機(jī)選取3株油菜，對(duì)每株油菜上、中、下部3個(gè)不同部位的葉片（共計(jì)81片）分別采用以上4種測(cè)量方法進(jìn)行測(cè)量，對(duì)其中每個(gè)小區(qū)隨機(jī)選取的2株油菜3個(gè)部位的葉片（共54片）作相關(guān)性分析和建立校正模型；對(duì)每個(gè)小區(qū)的另一株油菜3個(gè)部位的葉片（共27片）進(jìn)行精度檢驗(yàn)。為了簡(jiǎn)化論證過(guò)程，以下分析具體結(jié)果采用3個(gè)不同生育期“校正試驗(yàn)”相應(yīng)結(jié)果的平均值來(lái)表示。

2.1.1 圖像處理法和紙樣稱重法的比較

對(duì)圖像處理法和紙樣稱重法的測(cè)量結(jié)果作相關(guān)性分析，相關(guān)系數(shù)r為0.96**，達(dá)到極顯著，校正前圖像處理法測(cè)量葉面積平均值為紙樣稱重法葉面積平均值的0.79。建立的一元回歸校正模型決定系數(shù)R2為0.91**，葉面積校正值相對(duì)紙樣稱重法測(cè)量值誤差為2.94%。同時(shí)選取了部分樣本進(jìn)行了45°、60°、90°3個(gè)不同角度拍攝作圖像處理法測(cè)量，不同角度拍攝測(cè)量結(jié)果作一個(gè)區(qū)組進(jìn)行差異性分析，測(cè)量結(jié)果差異不顯著，如表1所示。說(shuō)明在大田情況下進(jìn)行無(wú)損拍攝，對(duì)于因人拍攝角度差異造成的誤差不明顯，可以忽略，這與肖強(qiáng)等［29］、崔世鋼等［30］的研究結(jié)果相似。

表1 不同角度拍攝的葉面積值的差異性分析Tab.1 Difference analysis of leaf area values photographed from different angles

2.1.2 葉面積儀法和紙樣稱重法的比較

對(duì)葉面積儀法和紙樣稱重法的測(cè)量結(jié)果作相關(guān)性分析，相關(guān)系數(shù)r為0.93**，達(dá)到極顯著，校正前葉面積儀法測(cè)量葉面積平均值為紙樣稱重法葉面積平均值的0.71。建立的一元回歸校正模型決定系數(shù)R2為0.86**，葉面積校正值相對(duì)紙樣稱重法測(cè)量值誤差為4.47%。

2.1.3 系數(shù)回歸法（L×W）和紙樣稱重法的比較

對(duì)葉長(zhǎng)寬積值和紙樣稱重法測(cè)量結(jié)果作相關(guān)性分析，相關(guān)系數(shù)r為0.99**，達(dá)到極顯著，校正前系數(shù)回歸法（L×W）測(cè)量葉面積平均值為紙樣稱重法葉面積平均值的1.46。建立的一元回歸校正模型決定系數(shù)R2為0.99**，葉面積校正值相對(duì)紙樣稱重法測(cè)量值誤差為6.01%。

通過(guò)以上“校正試驗(yàn)”結(jié)果分析可知，以上三種無(wú)損測(cè)量的方法均可實(shí)現(xiàn)油菜葉面積的精確測(cè)量。相對(duì)而言，圖像處理法精確度最高，葉面積儀法次之，系數(shù)回歸法（L×W）最低。對(duì)于圖像處理法和葉面積儀法校正前測(cè)量值偏小這一結(jié)果與之前的設(shè)想一致。不同生育期三種方法的“校正試驗(yàn)”結(jié)論基本一致，但測(cè)量結(jié)果的具體相關(guān)系數(shù)和校正模型的回歸方程有所不同，以圖像處理法為例，三個(gè)生育期建立的一元回歸校正模型如圖6所示。這說(shuō)明不同生育期油菜葉片存在一定的差異，通過(guò)不同生育期建立相應(yīng)校正模型有利于更精確的測(cè)量。

圖6 不同生育期圖像處理法與紙樣稱重法建立的校正模型Fig.6 Calibration model established by image processing method and paper weighing method at different growth stages

2.2 測(cè)量效率的結(jié)果分析

校正試驗(yàn)過(guò)程中隨機(jī)選擇5株樣本進(jìn)行測(cè)量效率測(cè)試，共計(jì)90片葉。分別用圖像處理法、葉面積儀法和系數(shù)回歸法（L×W）作無(wú)損測(cè)量，每種方法均由相同的兩人進(jìn)行操作，期間用秒表進(jìn)行計(jì)時(shí)。其中圖像處理法田間拍攝平均每株油菜的時(shí)間為198 s（不含前期編號(hào)等準(zhǔn)備工作時(shí)間，以下方法相同），后期圖像處理平均每株油菜所用的時(shí)間為1 180 s，平均每株油菜的測(cè)量時(shí)間共計(jì)為1 378 s（約23 min）。葉面積儀法田間測(cè)量平均每株油菜的時(shí)間為90 s，系數(shù)回歸法（L×W）田間測(cè)量平均每株油菜的時(shí)間為126 s。考慮這兩種方法后期數(shù)據(jù)處理均不需針對(duì)每片葉進(jìn)行，可作批量處理，故不計(jì)后期數(shù)據(jù)處理時(shí)間，田間測(cè)量時(shí)間即測(cè)量總時(shí)間。通過(guò)以上“效率測(cè)試”結(jié)果分析可知，葉面積儀法測(cè)量效率最高，系數(shù)回歸法（L×W）次之，圖像處理法最低，但在人力可接受范疇內(nèi)。

2.3 不同生育期測(cè)量方案的確定

根據(jù)以上精確度、測(cè)量效率分析的結(jié)論，結(jié)合苗期、初花期、盛花期樣本葉片數(shù)量和葉形特點(diǎn)，本試驗(yàn)制定了不同生育期不同的測(cè)量方案。油菜苗期整體葉片數(shù)量不多，且以葉寬大于12 cm（含12 cm，以下同）的長(zhǎng)柄葉為主，在人工強(qiáng)度能接受的前提下，主要通過(guò)圖像處理法進(jìn)行測(cè)量，系數(shù)回歸法（L×W）對(duì)圖像處理法測(cè)量結(jié)果進(jìn)行對(duì)比分析，通過(guò)紙樣稱重法建立的校正模型進(jìn)行校正。初花期、盛花期葉片數(shù)量陡增，如果再以圖像處理法進(jìn)行測(cè)量費(fèi)工費(fèi)時(shí)，難以完成。考慮這兩個(gè)生育期內(nèi)葉片主要是葉寬小于12 cm的短柄葉、無(wú)柄葉增加較多，且長(zhǎng)柄葉逐漸脫落數(shù)量減少，故這兩個(gè)生育期主要通過(guò)葉面積儀法測(cè)量葉寬小于12 cm的短柄葉、無(wú)柄葉，圖像處理法測(cè)量葉寬大于12 cm的長(zhǎng)柄葉，系數(shù)回歸法（L×W）可用于少數(shù)殘缺或漏測(cè)葉片的測(cè)量及對(duì)其他方法進(jìn)行比對(duì)分析，通過(guò)紙樣稱重法校正模型進(jìn)行校正。

2.4 不同生育期葉面積無(wú)損測(cè)量的結(jié)果分析

2.4.1 苗期葉面積

83株樣本共計(jì)綠葉數(shù)769片，其中葉寬大于12 cm的長(zhǎng)柄葉536片，占比70%。將其全部通過(guò)圖像處理法進(jìn)行測(cè)量，得到總?cè)~面積為214 422 cm2，平均每株葉面積為2 583 cm2。其中A1、A2、A3平均每株葉面積分別為2 344、2 435、2 963 cm2，B1、B2、B3平均每株葉面積分別為2 183、2 624、3 003 cm2。另通過(guò)系數(shù)回歸法（L×W）測(cè)量所有葉片，得到總?cè)~面積為205 038 cm2，平均每株葉面積為2 470 cm2。其與圖像處理法測(cè)量結(jié)果比較，總體相對(duì)誤差為4.38%，不同品種、不同肥力處理樣本測(cè)量相對(duì)誤差在0.38%～9.54%之間，兩種測(cè)量方法結(jié)果接近。對(duì)不同品種、不同肥力處理樣本葉面積測(cè)量結(jié)果作差異性分析，測(cè)量結(jié)果在5%顯著水平上差異比較顯著，符合試驗(yàn)設(shè)計(jì)的預(yù)期。這也與馬驛等［31］在油菜六葉期和蕾薹期不同氮肥水平下測(cè)量的葉面積差異水平結(jié)果相似。

2.4.2 初花期葉面積

83株樣本共計(jì)綠葉數(shù)1 686片，相比苗期呈倍數(shù)增加。其中葉寬小于12 cm的短柄葉和無(wú)柄葉1 145片，占比68%，通過(guò)葉面積儀法測(cè)量，得到葉面積為104 609 cm2；葉寬大于12 cm的長(zhǎng)柄葉541片，占比32%，通過(guò)取圖像處理法測(cè)量，得到葉面積為206 889 cm2；總?cè)~面積為311 498 cm2，平均每株葉面積為3 753 cm2。其中A1、A2、A3平均每株葉面積分別為2 592、3 880、4 745 cm2，B1、B2、B3平均每株葉面積分別為3 250、3 531、4 563 cm2。另通過(guò)系數(shù)回歸法（L×W）測(cè)量所有葉片，得到總?cè)~面積為288 623 cm2，平均每株葉面積為3 477 cm2。與以上兩種方法測(cè)量結(jié)果進(jìn)行比較，總體相對(duì)誤差為7.34%，不同品種、不同肥力處理樣本測(cè)量相對(duì)誤差在4.94%～12.13%之間。對(duì)不同品種、不同肥力處理樣本葉面積測(cè)量結(jié)果作差異性分析可知，測(cè)量結(jié)果在5%顯著水平上差異比較顯著，符合試驗(yàn)設(shè)計(jì)的預(yù)期。

表2 苗期油菜樣本葉面積的測(cè)量結(jié)果Tab.2 Leaf area measurement results of rape samples at seedling stage

表3 初花期油菜樣本葉面積的測(cè)量結(jié)果Tab.3 Leaf area measurement results of rape samples at initial flowering stage

2.4.3 盛花期葉面積

83株樣本共計(jì)綠葉數(shù)2 055片，相比初花期又有大幅增加。其中葉寬小于12 cm的短柄葉、無(wú)柄葉1 685片，占比82%，通過(guò)葉面積儀法測(cè)量，得到葉面積為136 911 cm2；葉寬大于12 cm的長(zhǎng)柄葉194片，占比9.4%，通過(guò)取圖像處理法測(cè)量，得到葉面積為69 090 cm2；另因葉片數(shù)太多且作無(wú)損測(cè)量，小部分葉片出現(xiàn)漏測(cè)的情況，共176片，占比8.6%，用系數(shù)回歸法（L×W）測(cè)量結(jié)果替代，葉面積為15 674 cm2；總?cè)~面積為221 675 cm2，平均每株葉面積為2 671 cm2。其中A1、A2、A3平均每株葉面積分別為1 598、2 717、3 659 cm2，B1、B2、B3平均每株葉面積分別為1 979、2 677、3 463 cm2。另通過(guò)系數(shù)回歸法（L×W）測(cè)量所有葉片，總?cè)~面積204 354 cm2，平均每株葉面積2 462 cm2。與以上三種方法測(cè)量結(jié)果進(jìn)行比較，總體相對(duì)誤差為7.81%，不同品種、不同肥力處理樣本測(cè)量相對(duì)誤差在2.95%～10.91%之間。對(duì)不同品種、不同肥力處理樣本圖像處理法測(cè)量結(jié)果作差異性分析可知，測(cè)量結(jié)果均在1%顯著水平上差異比較顯著，符合試驗(yàn)設(shè)計(jì)的預(yù)期。

3 討論

3.1 測(cè)量目標(biāo)的定位

在大田情況下對(duì)單株維度的油菜葉面積進(jìn)行多生育期無(wú)損測(cè)量是一項(xiàng)難度很大的工作。之所以難，其主要在于：一是要求進(jìn)行無(wú)損測(cè)量，測(cè)量過(guò)程不得對(duì)樣本造成破壞，測(cè)量過(guò)程只能在田間進(jìn)行。這大大縮小了我們能用到的測(cè)量方法范圍，測(cè)量操作難度加大，且難以實(shí)現(xiàn)“高通量”的目標(biāo)。二是油菜葉片具有不規(guī)則性，無(wú)法用簡(jiǎn)單的計(jì)算公式和模型進(jìn)行精確估算。如系數(shù)回歸法（L×W）是一種相對(duì)比較簡(jiǎn)單、高效的方法，之所有沒(méi)有優(yōu)先選擇，在于該方法的測(cè)量準(zhǔn)確度相比其他方法要差些，對(duì)于精確度要求較高的試驗(yàn)而言，難以滿足要求，但其仍具有輔助測(cè)量和對(duì)其他方法進(jìn)行參考的價(jià)值。三是油菜葉片數(shù)量多，測(cè)量任務(wù)重，使我們?cè)诳紤]測(cè)量精確度的同時(shí)，不得不考慮效率。因此，我們提出油菜單株葉面積的測(cè)量需要實(shí)現(xiàn)“無(wú)損、高精確度和高效率”三大目標(biāo)。首先是實(shí)現(xiàn)無(wú)損測(cè)量，這是由本次研究的目標(biāo)決定的，需要對(duì)同一株油菜多個(gè)生育期的葉面積進(jìn)行測(cè)量，每次測(cè)量不對(duì)油菜后期的生長(zhǎng)造成影響。高精確度測(cè)量是個(gè)相對(duì)的概念，當(dāng)前對(duì)單株和群體的葉面積測(cè)量只能盡可能減少影響測(cè)量精確度的因素，而不能完全準(zhǔn)確地進(jìn)行測(cè)量［2］，是相對(duì)較高精確度的范疇。高效率是因?yàn)橛筒藛稳~比較多，單株維度油菜葉面積測(cè)量任務(wù)比較重，故首先要確保能夠在有限的人力、物力投入的前提下按時(shí)完成測(cè)量任務(wù)。

表4 盛花期油菜樣本葉面積測(cè)量結(jié)果Tab.4 Leaf area measurement results of rape samples at full-blooming stage

3.2 高精確度和高效率之間的取舍

單株維度的作物葉面積的測(cè)量在大的方向上是選擇單葉累加這種直接測(cè)量的方法，還是通過(guò)抽樣回歸或其他估算的間接測(cè)量的方法值得商榷。直接測(cè)量的方法是對(duì)單株所有葉進(jìn)行測(cè)量累加得到的結(jié)果，相對(duì)最能反映真實(shí)情況。間接測(cè)量的方法是選取有代表性的或與單株葉面積相關(guān)性好的葉片面積作單株葉面積的估算。估算往往會(huì)忽略影響葉面積測(cè)量結(jié)果的諸多復(fù)雜因素，如葉片的形狀、葉片質(zhì)地、單株葉片數(shù)量、密度的不均勻、枝葉的相互遮擋等，其結(jié)果將葉面積測(cè)量的精確度稀釋成無(wú)法評(píng)價(jià)其準(zhǔn)確性的近似結(jié)果。如兩株截然不同的單株樣本可能因抽樣的少量葉片面積大致相當(dāng)導(dǎo)致估算的結(jié)果相似；或兩株大體相近的單株樣本可能因抽樣的少量葉面積相差很大導(dǎo)致估算的結(jié)果大相徑庭?；谌后w維度葉面積的間接測(cè)量更是如此，如通過(guò)葉面積指數(shù)儀等測(cè)量的結(jié)果意義更多地體現(xiàn)在大致情況或變化特征，其準(zhǔn)確性難以評(píng)價(jià)。劉镕源等［32］、Bréda等［33］均報(bào)道反映了通過(guò)間接方法測(cè)量的葉面積指數(shù)值不能區(qū)分葉片和枝干等其他器官遮擋的影響等，測(cè)量結(jié)果與其他直接測(cè)量法測(cè)量結(jié)果相差很大。本研究要求掌握油菜單株葉面積的真實(shí)情況，反映的是多葉的聚合效應(yīng)，測(cè)量方法的不當(dāng)容易造成測(cè)量結(jié)果出現(xiàn)較大的誤差。單葉累加法具有抽樣回歸法等不可比擬的測(cè)量精度，符合本研究高精確度的測(cè)量要求，故作為本研究測(cè)量的基本方法。在大的方向上確定后，具體采用哪種方法實(shí)現(xiàn)單葉累加測(cè)量，則需重點(diǎn)考慮如何實(shí)現(xiàn)高效率的測(cè)量，這是我們完成測(cè)量任務(wù)的必要條件。

3.3 測(cè)量方法的選擇

基于以上分析，單株維度的油菜葉面積的無(wú)損測(cè)量前提是做到無(wú)損，大方向上應(yīng)以高精確度優(yōu)先，大方向確定后具體測(cè)量方法選擇上應(yīng)以高效率為主，并兼顧高精確度。從無(wú)損測(cè)量角度考慮，圖像處理法、葉面積儀法和系數(shù)回歸法（L×W）均可作無(wú)損測(cè)量，對(duì)于大于12 cm的單葉葉面積測(cè)量可選擇圖像處理法和系數(shù)回歸法（L×W）。從高精確度角度考慮，紙樣稱重法相對(duì)精確度高，但操作繁瑣、效率低，且只能作有損測(cè)量，一般用于其他方法校正時(shí)運(yùn)用。葉面積儀法雖可直接讀取測(cè)量結(jié)果，但由于油菜葉片不平整且葉羽間存在遮擋，測(cè)量結(jié)果須作進(jìn)一步校正。研究者通過(guò)對(duì)包括圖像處理法、系數(shù)回歸法（L×W）在內(nèi)的多種葉面積測(cè)量方法進(jìn)行比較，認(rèn)為圖像處理法精度較高［25，34-36］，本研究的結(jié)論也與之相一致。因此這兩種方法從精度上考慮優(yōu)先使用圖像處理法。另外，基于單葉累加法測(cè)量單株維度油菜葉面積，因其葉片數(shù)多，特別在盛花期時(shí)單株油菜平均葉片數(shù)大于30片，且考慮是無(wú)損測(cè)量，在測(cè)量時(shí)可能出現(xiàn)葉片漏測(cè)的情況（采樣過(guò)程中的確發(fā)生），因此對(duì)單株油菜每片葉測(cè)量葉長(zhǎng)、葉寬，采取系數(shù)回歸法（L×W）作漏測(cè)葉片的補(bǔ)充或其他方法的對(duì)比分析十分必要。從高效率的角度考慮，葉面積儀法操作最為方便，可直接讀取葉面積值，效率最高，其他測(cè)量方法均須通過(guò)后期處理和計(jì)算才能得出結(jié)果，但該方法對(duì)被測(cè)葉片葉寬有限制，可優(yōu)先作為葉片寬度小于12 cm的單葉葉面積測(cè)量的方法。以盛花期葉面積測(cè)量為例，如均用圖像處理法測(cè)量，需增加耗時(shí)至少34 h。通過(guò)綜合運(yùn)用不同的測(cè)量方法，可克服單一方法的局限和不足，發(fā)揮其最大化優(yōu)勢(shì)，在當(dāng)前測(cè)量技術(shù)水平和條件下不失為較佳選擇。

3.4 同一種測(cè)量方法不同生育期校正模型的使用

根據(jù)以上“校正試驗(yàn)”分析，同一種測(cè)量方法在不同生育期建立的校正模型和相關(guān)系數(shù)有所不同。經(jīng)對(duì)比，三種方法在三個(gè)生育期建立的一元線性回歸校正模型的斜率均呈增大狀態(tài)，如圖像處理法三個(gè)生育期校正模型的斜率分別為1.06、1.27、1.36，系數(shù)回歸法（L×W）三個(gè)生育期校正模型的斜率分別為0.55、0.57、0.59，說(shuō)明三個(gè)生育期校正采樣的葉片面積分化程度在擴(kuò)大。導(dǎo)致分化擴(kuò)大的原因主要有兩個(gè)方面：一方面，三個(gè)生育期葉數(shù)呈較大幅度的增長(zhǎng)，如苗期有769片，初花期有1 686片，盛花期有2 055片，而校正采樣葉片的數(shù)量卻沒(méi)變，其校正采樣占總體樣本的比例變小，自然分化的可能性變大；另一方面，三個(gè)生育期不同類型葉片的比例發(fā)生較大變化，如苗期葉寬大于12 cm的長(zhǎng)柄葉有536片，占比70%，初花期葉寬大于12 cm的長(zhǎng)柄葉有541片，占比32%，盛花期葉寬大于12 cm的長(zhǎng)柄葉只有194片，僅占比9.4%，這也意味著在形態(tài)和面積上存在更大差異的短柄葉和無(wú)柄葉的比例在不斷增加，從而導(dǎo)致校正采樣葉面積分化加大。由此可知，不同品種和不同生育期的油菜葉片無(wú)論是數(shù)量還是形態(tài)均存在較大差異，為提高測(cè)量精確度，即使是同一測(cè)量方法，在測(cè)量前也應(yīng)針對(duì)不同品種和不同生育期建立相應(yīng)的校正模型，正所謂“一測(cè)量一系數(shù)”。

3.5 單株維度無(wú)損測(cè)量具體方法的改進(jìn)

盡管本研究取得了階段性的進(jìn)展，但仍存在諸多問(wèn)題需作進(jìn)一步改善。一是圖像處理法測(cè)量應(yīng)建立更可控的田間拍攝標(biāo)準(zhǔn)。盡管田間葉片拍攝前制訂了相應(yīng)的拍攝標(biāo)準(zhǔn)，開(kāi)展了相應(yīng)的培訓(xùn)，但在多達(dá)近2 000多張葉片圖像處理過(guò)程中，圖像中不乏出現(xiàn)手指、田間雜物等干擾因素，有的葉片不能完全貼合紙面，有的標(biāo)物擺放的位置不佳，有的白色硬紙板在拍攝特大葉片時(shí)不能完全襯托，有的因光線原因?qū)е滦纬闪艘欢ǖ年幱暗?，這些因素都對(duì)測(cè)量的精度造成了一定的影響。下一步需建立更具可操作性的相關(guān)標(biāo)準(zhǔn)，加強(qiáng)測(cè)量人員的培訓(xùn)和規(guī)范，及時(shí)排查不符合要求的圖像，提高拍攝圖像的質(zhì)量。二是“農(nóng)作物數(shù)字圖像分析系統(tǒng)”（CMS2.0）需進(jìn)一步升級(jí)，朝“高通量”的目標(biāo)努力。相對(duì)來(lái)說(shuō)，圖像處理法誤差較小，但后期的圖像處理工作量較大，耗時(shí)較長(zhǎng)。如本次試驗(yàn)處理了近2 000張葉片圖像，按效率測(cè)試的結(jié)果處理1張圖像平均需66 s，大約需要36 h左右。下一步將在實(shí)現(xiàn)田間拍攝標(biāo)準(zhǔn)化的前提下，開(kāi)發(fā)出具有批量處理的功能，提高圖像處理效率。三是為了進(jìn)一步提高油菜葉面積無(wú)損測(cè)量的精度和效率，可根據(jù)不同的葉型（如短柄葉、無(wú)柄葉）進(jìn)行分類處理和校正等。

本研究對(duì)單株維度油菜葉面積田間無(wú)損測(cè)量方法和策略進(jìn)行了理論探析，并開(kāi)展了相應(yīng)的實(shí)證研究。確立了“無(wú)損、高精確度和高效率”三大測(cè)量目標(biāo)，確定了綜合運(yùn)用圖像處理法、葉面積儀法、系數(shù)回歸法（L×W）和紙樣稱重法四種方法的單葉累加測(cè)量策略。通過(guò)測(cè)量精確度分析，圖像處理法、葉面積儀法、系數(shù)回歸法（L×W）均可實(shí)現(xiàn)油菜葉面積的精確測(cè)量，其中圖像處理法的測(cè)量精確度最高，葉面積儀法次之，系數(shù)回歸法（L×W）最低，測(cè)量誤差分別為2.94%、4.47%、6.01%。圖像處理法測(cè)量葉面積，對(duì)于因拍攝角度差異造成的測(cè)量誤差不明顯。同一方法通過(guò)不同生育期建立相應(yīng)校正模型有利于更精確的測(cè)量。從測(cè)量效率來(lái)看，葉面積儀法的測(cè)量效率最高，系數(shù)回歸法（L×W）次之，圖像處理法最低，但在人力可接受范疇內(nèi)。結(jié)合不同生育期葉數(shù)和葉形特點(diǎn)，并科學(xué)處理“高精確度”和“高效率”之間的關(guān)系，本試驗(yàn)制訂了不同生育期葉寬大于12 cm的長(zhǎng)柄葉主要通過(guò)圖像處理法進(jìn)行測(cè)量, 葉片葉寬小于12 cm的短柄葉、無(wú)柄葉主要以葉面積儀法測(cè)量，所有葉通過(guò)系數(shù)回歸法（L×W）測(cè)量，用于少數(shù)殘缺或漏測(cè)葉片的補(bǔ)充，以及對(duì)其他方法測(cè)量結(jié)果作對(duì)比分析，通過(guò)紙樣稱重法校正模型進(jìn)行校正的測(cè)量方案。測(cè)量結(jié)果符合試驗(yàn)預(yù)期，基本實(shí)現(xiàn)“三大目標(biāo)”。