一种作物氮素营养无损诊断的图像评价指标的建立方法

摘要

本发明公开了一种作物氮素营养无损诊断的图像评价指标的建立方法，包括：获取小麦冠层图像、叶片氮含量；分割提取小麦冠层图像，计算每幅小麦冠层图像中叶片所有非0像素点R、G、B、H、S、I分量的平均像素值作为基础颜色特征参数r、g、b、h、s、i；计算9个图像特征参数r、g、b、r-g-b、r-g、r-b、(r-g-b)/(r+g+b)、(r-g)/(r+g+b)、(r-b)/(r+g+b)；构建CMI＝(xr-yg-zb)，与叶片氮含量拟合，确定权重系数x、y、z，对CMI标准化处理，确定NCMI＝(xr-yg-zb)/(r+g+b)。本发明建立的NCMI为相对适宜的冬小麦氮素营养评价指标，具备准确性和稳定性，可对作物含氮量进行量化评价。

说明书

技术领域

本发明涉及一种作物氮素营养无损诊断的图像评价指标的建立方法。

背景技术

随着遥感及图像处理技术的高速发展，提取冠层图像参数进行作物无损氮营养诊断正成为 当前研究热点^[1-5]。但获取冠层反射光谱设备昂贵、涉及的数据分析复杂，限制了遥感技术在 农业生产中的广泛应用；而数码相机操作简便、快捷，在作物无损氮营养诊断中具有一定的应 用前景^[2]。作物叶色随内部营养的变化而变化，叶片图像特征参数的确定与获取是准确诊断作 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^[3]和Shibayama^[4]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(leafgreennessindex,LGI)，Kyu-Jong等^[5]发现G与水 稻氮素累积量呈0.83的显著相关；王方永^[6]分析发现L*a*b*空间的b*参数和HSI空间的S分 量与棉花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、王 远和RobertL.Rorie的实验同时显示，HSI空间下的深绿色指数DGCI与绿色草地的氮素营 养水平^[7]、水稻LNC、SPAD^[8]以及玉米叶片氮含量^[9]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^[10]。这些参数中，DGCI＝[(H-60)/60+(1-S)+(1-I)]/3^[7]是对基础图像参数H、S、I进行了 归一化处理后的等比重相加；红光标准化值NRI＝R/(R+G+B)^[11]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(NormalizedBluenessIntensity，NGI)^[12]、蓝光标准化值 (NormalizedRednessIntensity，NBI)^[13]。可见，对作物基础图像参数的非线性转换及标准化处 理，一定程度上提高了其对氮营养的精确诊断。但作物生长状况及营养含量随着品种、生育期、 光照强度、施肥等的改变而改变^[14]，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^[13]， NRI能较好反映返青期与拔节期小麦的氮营养状况^[11,15]，李红军等^[16]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^[17]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)呈正相关。可见，小麦冠层叶色是蓝红绿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。

参考文献：

[1]丁永军，李民赞，孙红，等.基于多光谱图像技术的番茄营养素诊断模型[J].农业工程学报，2012，28(8)： 175‐180.

[2]刘颖，李志洪.利用数字图像技术进行玉米氮素营养诊断的研究[J].玉米科学，2010，18(4)：147‐149. [3]J.VollmannJ,WalterH,SatoT,etal.Digitalimageanalysisandchlorophyllmeteringforphenotypingtheeffects ofnodulationinsoybean.[J].ComputersandElectronicsinAgriculture,2011(1):190‐195.

[4]ShibayamaM,SakamotoT,TakadaE,etal.Estimatingriceleafgreenness(SPAD)usingFixed‐Pointcontinuous observationsofvisibleredandnearinfrarednarrow‐banddigitalimages[J].PlantProductionScience,2012, 15(4):293‐309.

[5]KyuJL.ByuuWLEstimationofricegrowthandnitrogennutritionstatususingcolordigitalcameraimage analysis[J].EuropeanjorunalofAgronomy.2013.(6):57‐68.

[6]王方永，王克如，李少昆，等.利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量[J].作物学 报，2010，36(11)：1981‐1989.

[7]KarcherDE,RichardsonMD.Quantifyingturfgrasscolorusingdigitalimageanalysis[J].CropSci，2003， 43:943‐951.

[8]王远，王德建，张刚，等.基于数码相机的水稻冠层图像分割及氮素营养诊断[J].农业工程学报，2012， 28(17)：131‐136.

[9]RorieRL,PurcellLC,KarcherDE,etal.Theassessmentofleafnitrogenincornfromdigitalimages[J].CropSci， 2011(51):2174‐2180.

[10]吴富宁.图象处理技术在冬小麦氮营养诊断中的应用[D].中国农业大学，2004.

[11]肖焱波，贾良良，陈新平,等.应用数字图像分析技术进行冬小麦拔节期氮营养诊断[J].中国农学通报， 2008，24(8)：448‐453.

[12]李岚涛，张萌，任涛，李小坤，丛日环，吴礼树，鲁剑巍.应用数字图像技术进行水稻氮素营养诊断 [J].植物营养与肥料学报，2015,01:259‐268.

[13]白金顺，曹卫东，熊静，等.应用数码相机进行绿肥翻压后春玉米氮素营养诊断和产量预测[J].光谱 学与光谱分析，2013，(12)：3334‐3338.

[14]王仁红，宋晓宇，李振海，等.基于高光谱的冬小麦氮素营养指数估测[J].农业工程学报，2014，30(19)： 191‐198

[15]张立周，侯晓宇，张玉铭，等.数字图像诊断技术在冬小麦氮素营养诊断中的应用[J].中国生态农业学 报，2011，19(5)：1168‐1174.

[16]李红军，张立周，陈曦鸣，等.应用数字图像进行小麦氮素营养诊断中图像分析方法的研究[J].中国 生态农业学报，2011，19(1)：155‐159.

[17]胡昊.基于可见光—近红外光谱的冬小麦氮素营养诊断与生长监测[D].中国农业科学院，2009.

发明内容

本发明的目的是针对现有技术中存在的不足，提供一种作物氮素营养无损诊断的图像评价 指标的建立方法，发明人通过分析不同种植方案(不同种植密度水平、不同施氮水平)下各基 础图像参数对氮素的表征能力，寻找代表性单色分量并增强其比重，交互调优剩余分量的组合 权重，并进一步标准化处理，寻找到更为适宜的图像评价指标。首先确定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)，探索更具代表性的基础图像参数及其权重，并与氮素 营养指标进行最佳拟合，确定提出RGB空间下的颜色组合标准化指数(NCMI)，与3个典型 图像参数(DGCI、NRI、G/R)不同品种、不同播种方案的对比发现，其与叶片氮含量(LNC) 的相关性和拟合误差较稳定，为相对适宜的冬小麦氮营养图像评价指标。

本发明的目的是通过以下技术方案实现的：

一种作物氮素营养无损诊断的图像评价指标的建立方法，它包括以下步骤：

(1)、取样：获取小麦冠层图像、小麦植株的叶片氮含量；

(2)、利用基于H分量的K均值聚类方法分割提取小麦冠层图像，计算每幅小麦冠层图 像中叶片所有非0像素点R、G、B、H、S、I分量的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；计算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个标准化参数(r-g-b)/(r+g+b)、(r-g)/(r+g+b)、(r-b)/(r+g+b)；

(3)、构建待调优的颜色组合指数CMI(ColorMixIndex)＝(xr-yg-zb)，然后将CMI与 相同田块的叶片氮含量拟合，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：NCMI＝(xr-yg-zb)/(r+g+b)。

步骤(1)中，小麦冠层图像的获取方法：在小麦拔节期，采用相机距冠层1.0m高度、与 地面90°拍摄采样。优选在小麦拔节期、晴朗天气下获取小麦冠层图像，拔节期是小麦生长过 程中重要的监测和施氮肥的时期；晴朗天气下拍摄的图片清晰，分割效果好。具体操作时，可 以采用单反相机奥林巴斯E-620，晴朗天气距冠层1.0m高度、与地面90°拍摄采样，获得的小 麦冠层图像应该采集到全植株。

小麦植株的叶片氮含量的获取方法：小麦冠层图像拍摄当天对小麦地上部破坏性取样，选 择15～25株长势相近的植株，凯氏定氮法测定小麦植株的叶片氮含量，取平均值。

样本点采自不同品种、不同生育期、不同施氮水平、不同种植密度和不同年份。

步骤(3)中，拟合步骤如下：

a、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；

b、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]；

c、绘制四维数组[x,y,z,R²]的三维分布图(见图1)；颜色深浅表示R²高低，CMI与叶片 氮含量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]；

d、R²最大为0.83353时，对应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。

e、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)。

一种小麦氮素营养无损诊断的方法，包括以下步骤：

(1)获取待测田块的小麦冠层图像，用基于H分量的K均值聚类方法分割提取小麦冠层 图像，计算3个单色分量r、g、b；

(2)按照本发明所述的方法确定颜色组合标准化指数NCMI中的x、y、z，其中， NCMI＝(xr-yg-zb)/(r+g+b)；

(3)将步骤(1)中获得的3个单色分量r、g、b的值代入权利要求2中确定的NCMI 计算公式中，计算得到的颜色组合标准化指数NCMI即为预测的待测田块的小麦含氮量。

本发明法中所有参数的定义及计算方法同上述一种用于小麦氮素营养无损诊断的图像评 价指标的建立方法。

本发明的有益效果：

1、本发明方法通过对不同生育阶段不同种植方案下，NCMI与3个典型图像特征参数对 小麦叶片氮含量的预测误差对比和相关分析，表明NCMI作为冬小麦氮素营养评价指标具备 适宜性、准确性和稳定性；

2、采样数码相机进行图像的数据采样，方法简便，设备(相机)费用低，方便实际大田 环境下的应用；

3、对作物含氮量进行量化评价，可指导农民进行合理施肥，即保证植物所需的氮肥，又 可避免过量施肥，提高产量，避免过量施肥污染环境；

4、评价参数的构建方法可以适用于其他作物，但需要参照该方法对不同作物的采样数据 进行系数x,y.z的拟合。

附图说明

图1为3个单色分量r、g、b与相关性系数分布三维图。

具体实施方式

1实验与数据

1.1实验设计

2012-2014年于国家信息农业中心如皋(北纬32°～32°30′、东经120°20′～120°50′)实验 基地稻麦轮种田，2个品种：生选6号(V1)、扬麦18号(V2)；3个氮肥水平：纯氮0kg/hm²(N0)、纯氮150kg/hm²(N1)、纯氮300kg/hm²(N2)；2个种植密度：D1行距40cm(10万 苗/亩)、D2行距20cm(20万苗/亩)。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35m²(7m×5m)，条播，总面积约1080m²。施氮分两次进行：播种时，N0、 N1、N2，拔节期进行第二次(3月中旬)，施氮水平和播种时一样。

1.2数据采集

1.2.1冠层图像采集

拔节期是氮素诊断关键期，采用单反相机奥林巴斯E-620(简称Olympus)，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个小区共取样 36张小麦冠层图像。

表1小麦拍照、取样日期

1.2.2叶片氮含量测量

小麦叶片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片氮含量(LNC)，取平均值。

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叶片氮含量的相关程度，评价预测值(即根据本 发明提供的方法计算得到的NCMI)和实测值(同期测量的叶片氮含量)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，计算公式：

$R^2={\left(\frac{{\Sigma }_{i-=1}^n(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{{\Sigma }_{i=1}^n-{(x_i-\bar{x})}^2{\Sigma }_{i=1}^n-{(y_i-\bar{y})}^2}}\right)}^2$

式中，x_i为样本i的测量值，为x_i的平均值；y_i为样本i的测量值，为y_i的平均值； n为样本数。

2)均方根误差RMSE：检验预测值和实测值的符合精确度，计算公式：

$RMSE=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Sigma }}{(y_i-y_i^{\prime })}^2}$

式中，y_i‘为样本i用标准仪器方法测定的实际值。

2小麦冠层图像评价指标研究

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过分割现象，利用基于H 分量的K均值聚类方法(黄芬，于琪，姚霞，等.小麦冠层图像H分量的K均值聚类分割[J].计 算机工程与应用，2014，(3)：129‐134.)分割提取小麦冠层图像样本，计算每幅叶片所有非0 像素点R、G、B、H、S、I分量的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；据此计算拟对比的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个标准化参数(r‐g‐b)/(r+g+b)、(r‐g)/(r+g+b)、(r‐b)/(r+g+b)，与叶片氮含 量进行相关分析和最佳拟合，确定小麦冠层图像评价指标。

2.1图像特征参数与氮素营养指标的相关性分析

选用2013年实验数据，分别对比不同生育期、品种、密度以及施氮水平下9个图像特征 参数与叶片氮含量(LNC)的相关关系(R²)。

表2显示，不同生育阶段，单色分量r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)。

表2不同种植方案下小麦冠层特征参数与LNC的决定系数R²(不同品种、密度水平、 施氮方案)

注：V1为生选6号，V2为扬麦18号；D1为行距40cm(10万苗/亩)，D2为行距20cm(20 万苗/亩)；N0为纯氮0kg/hm²，N1为纯氮75kg/hm²，N2为纯氮150kg/hm²，下同。

对于2个品种(V1、V2)，单色分量r和g的相关性优于b；线性组合参数r-g-b、r-b的 R²则相对高于r和g，其中，V1和V2的线性组合参数r-b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品种相关性从-0.48、-0.77、-0.55分别提升至-0.73、 -0.78、-0.59，V2品种相关性从-0.45、-0.66、-0.31分别提升至-0.53、-0.67、-0.37。

2个种植密度下9个图像特征参数与叶片氮含量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个施氮水平下的相关性与种植密度相似，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-0.4，而(r-b)/(r+g+b)的R²则分别提高到-0.72、-0.74 和-0.41；N1施氮方案的相关性相对N0和N2较为显著。

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个单色分量对叶片氮含量的表征强弱不一，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判断叶片氮含量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(ColorMixIndex)＝(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)(1)

将待测田块的r、g、b数据代入上述公式，就可计算得到相应田块的颜色组合标准化指数 NCMI，该指数即为含氮量预测值。

3结果分析

按不同生育期和不同种植方案划分独立年份(2014年)的实验数据，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红光标准化值NRI、深 绿色指数DGCI和绿光与红光比值G/R与叶片氮含量的相关性，研究NCMI表征冬小麦叶片 氮含量的可行性。

$NRI=\frac{r}{r+g+b}---\left(2\right)$

$DGCI=\frac{(h-60)/60+(1-s)+(1-i)}{3}---\left(3\right)$

G/R＝g/r(4)

3.1不同小麦品种的分析对比

结果显示(表3)，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日小麦处于返青期和拔节期分界点，该生育阶段的小麦氮素吸收、 转运较活跃，自身茎叶的氮素累积处于动态变化阶段，一定程度影响了测量叶片氮含量LNC 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；进入到生育后期(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生理特性都较完全反馈到冠层叶片的表面及结构，此时 获取的图像和营养参数均较为稳固，因此拟合度和估算精度较高。

因小麦品种的不同株型和株高导致可见光区域冠层光谱的反射曲线不同，2个品种R²和 RMSE略有区别(见表3)，但相较于其他3个特征参数，NCMI保持了较稳定的拟合程度及估 算精度，V1与2个营养指标的R²保持在-0.76～-0.95，RMSE在1.833～3.893之间；V2的R²在-0.69～-0.98浮动，RMSE在1.249～4.36范围内。其中，V1在3个生育期的相关性较高、 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品种仅3月8日的R²和RMSE稍弱，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，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 为设置的优化比重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 关程度及预测误差均有所提高。

表3不同品种小麦冠层特征参数与LNC的决定系数R²和均方根误差RMSE

由表4可见，生育早期，除个别数据外，D2密度下4个图像特征参数与LNC的相关程度 及估算精度均不同程度高于D1；但随生育期的推移，D1和D2的相关性差距逐渐变小，且R²值上升，在4月15日达峰值。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减少，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色彩空间下与颜色相关的分量H 和S与亮度I分离，因而减弱了土壤环境对反射光谱的影响。

可见，RGB空间下3个图像特征参数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，提出的NCMI在D2密度下表现更为突出，与2个营养指标的决定系数保持在-0.85～ -0.97，估算误差保持在1.299～3.505，其中，3月8日与LNC的R²和RMSE分别为-0.91和 3.297，4月15日与LNC的R²和RMSE分为-0.97和1.299，与SPAD的R²和RMSE分为-0.97 和1.630。

表4不同密度水平小麦冠层特征参数与LNC的决定系数R²和均方根误差RMSE

为减少密度水平的干扰，仅分析D2密度下不同氮肥水平的相关性。表5显示，N0、N1 和N2处理下R²和RMSE差异较大，N1相对较强。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，小麦缺氮(N0)时，叶片LNC相对较低，但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 N0下的红色分量r上升，b分量下降，g分量相对稳定，错误造成NCMI值不降反升(见公式 (1))，降低了与LNC的相关性。

表5同时显示，NCMI在不同施氮水平下表现出与上述分析相吻合的相关程度和规律特征， 在同一氮肥水平下，具有高于其他参数的拟合程度及较优的估算精度，N1下的相关性最为显 著，误差精度最低，与LNC的相关性和误差分别为-0.78和1.960。

表5不同施氮方案小麦冠层特征参数与LNC的决定系数R²和均方根误差RMSE

上述相关分析与精度估算显示，相对于其他3个典型图像评价参数，通过调优各基础颜色 分量比重并标准化处理的线性拟合参数NCMI，在3个生育期、2个小麦品种、2个密度水平 和3个施氮水平下，其与叶片氮含量LNC的相关性及拟合精度均保持了较好的稳定性。