付晓燕 江大勇 李微微 周 超
(1.河北小五台山国家级自然保护区管理中心，河北 蔚县 075700；
2.河北省张家口市林业调查规划院，河北 张家口 075700；
3.河北省林业和草原科学研究院，石家庄 050500)
氮是植物生长的必要养分，缺氮会直接影响植物的氨基酸、蛋白质及叶绿体内的叶绿素合成，从而降低光合作用[1-2]，而氮过量则会造成土壤板结、酸化，进而增加地下水亚硝酸盐的含量，从而污染水质。所以如何保证植物优生长的同时，又能防止或尽量避免环境污染，也是重要关键。林业资源及林木质量的好坏直接影响国家的生态环境，但近年来，我国对林木需求量的增加，加之环境污染的加重，造成了天然资源的枯竭。因此，很多国家把发展林业资源作为重要的战略性决策[3]。氮元素是林木生长发育必需的营养元素之一，并且在植物的生长发育、产量及品质上起着非常重要的作用[4]。氮肥用量太大，则会使土壤肥力下降，对于植物是灾难性的，会引起钾、钙、镁、磷等元素的缺素症，甚至死亡。因此，准确掌握植株的营养状况，才能合理地进行肥料投入，防止污染[5]。
植物氮素营养诊断广泛应用于农业中，早期的土壤氮素诊断需要在实验室完成，耗费大量的人力物力，且实施效果较差.近些年，无损检测技术的发展为营养快速诊断提供了方法，常用技术有叶绿素仪法、手持光谱仪技术、高光谱遥感技术和数字图像技术等。但叶绿素仪法测定面积小，测量位置受测量人主观影响[6];手持光谱仪得到的数据解释度低，且由于天气、光照、土壤背景等因素产生加性或乘性误差[7];高光谱技术受太阳高度角、风速和土壤湿度等的影响，且设备昂贵，目前仅在研究阶段.基于数字图像处理技术的营养诊断方法快捷方便，且价格低廉。近年来，许多学者利用数字图像处理技术对采集的作物叶片图像进行了分析，为诊断农作物营养状况提供决策支持[8]。
定期对植物进行营养诊断，能够掌握植物不同生长阶段植物对氮元素的需求量，探寻地上和地下相互关系，进而能对植物进行合理的栽培和管理。进行土壤分析有以下作用：(1)可反映树体平衡和失调状况。(2)利于探寻缺素原因。(3)为预测植物所需要的最低限制因子找出依据。但单纯的把植物营养诊断与土壤养分检测划上等号，这种理解是非常片面的。实施管理植物时首先要考虑土壤养分含量，土壤诊断具体工作是收集植物种植区域的土壤并放到实验室进行化学诊断，诊断仪器用先进的植物养分测速仪，如Reflex养分测速仪对土壤养分进行研究，然后提取植物数字图像的颜色特征进行整理及分析[9]。
图像分割是将图像中有意义的区域提取出来，目的是使各区域有一致性，区域之间有明显差别[10]。作为植物营养诊断的关键一步，直接影响到后续的特征提取和目标识别，凡是涉及各种类型的目标提取、测量工作都离不开图像分割。通过阅读文献总结了一些图像分割方法，主要分为传统的和结合特定理论的分割方法。
2.1 传统的分割方法
传统的分割方法分为基于区域的和基于边缘的分割方法，以及这两者结合的分割方法[11]。基于区域阈值分割一般对图像都要有一定的假设，即基于一定的图像模型，此外，最优阈值的取值也是比较繁琐的一项工作，所以这种方法的应用推广几乎是不可能。通过一系列的实验，基于边缘的检测方法能够获得灰度值的局部变化强度，尤其是对噪声及其敏感度方面。
2.2 基于特定理论的分割方法
随着近几年来对图像分割研究的进一步深入，一些新的理论和方法相继被提出来：数学形态学[12]是由法国数学家 Mathern G .和Serra J于1964年提出，随后被人们应用到图像处理领域，最典型的就是分水岭方法；
基于模糊数学[13-14]的模式分类在图像分割中得到了广泛应用，FCM 聚类算法成为图像分割中重要的算法之一；
基于遗传算法[15]在图像分割中的应用，主要是帮助确定分割阈值；
还有就是基于支持向量机的图像分割方法、基于神经网络的图像分割方法(主要是BP神经网络)、基于免疫算法的图像分割方法等。
2.3 分割方法存在的问题及原因
尽管图像分割技术已经有了大量的研究，但是尚未有一种适合于所有图像的分割方法[16]。综合阅读材料总结主要是因为分割方法的研究主要集中在基于传统的和特定理论的研究或者作进一步的改进，而没有充分认识到人类的视觉系统，或者说只是从功能上模拟而不是从结构上实现。
图像处理采用Matlab R2012a程序或者Adobe 获取图像的红光、绿光、蓝光深度绝对值R、G、B，并计算出相应的红光、绿光和蓝光的标准化值NRI、NGI、NBI[17]。建立植物颜色特征和土壤养分关系，找出颜色特征的最佳比值范围和土壤中氮的相关关系。
4.1 图像分割
要实现一种统一的适用于所有植物图像的分割算法，必须研究视觉的认知原理，结合智能科学的最新理论对图像分割作进一步的研究，达到提高计算效率、减少系统运行时间、优化算法流程的研究目的[18]。
4.2 图像营养诊断
基于数字图像处理技术的营养诊断方法快捷方便，且价格低廉。近年来，许多学者利用数字图像处理技术对采集的作物叶片图像进行了分析，为诊断农作物营养状况提供决策支持,利用植物数字图像处理技术提取图像的颜色特征转化成二维特征曲线，建立植物氮元素营养水平诊断模型，给出植物营养水平综合评价，为以后多种营养水平的开发及发展提供参考[19]。
当前在我国的农林业施肥管理中，氮肥过量使用相对普遍，这种情况下不仅让土壤的肥力下降导致肥料利用率底同时还会造成土壤板结严重，酸化，植物生长缓慢细弱抗病性差，使水体中的亚硝酸盐增加水体富营养化等。近20年来，植物营养无损诊断发展迅速，其中数字图像技术应用广泛[20-23]，有研究认为，数字图像的颜色参数G.B与植株全氮含量有显著的线性关系，植物颜色的变化是表征营养水平的重要信息，并具有相当强的稳定性。因此，通过图像分割技术提取出植物数字图像感兴趣区的颜色特征作为特征参量可以实现对檀香营养水平的诊断。国内外应用植物数字图像处理技术进行营养诊断探索已经取得了一定的成果，这些成果也为我们今后的研究提供一定的理论基础。但多集中在对氮素营养诊断，如Adamsen[24]等获取了冬小麦冠层图像，分析认为G /R 与 SPAD 读数有极显著的相关关系。张培松研究显示番茄冠层图像绿光标准化值G/(R+G +B)最能表征番茄氮素营养供应状况[25]。此后的多项研究表明，植物的颜色特征可以应用于多种植物的营养元素诊断中，如特定时期小麦冠层、玉米冠层和棉花等植物中[26]。
林木在生长时所需的主要营养元素来源于土壤，林木营养诊断可以为林木施肥提供理论依据，而明确林木所需的营养元素种类对科学配方施肥具有重要的指导意义。以林木营养诊断研究现状为基础，通过图像分割技术提取出图像的感兴趣区，探寻树体营养元素浓度和林木生长量、产量的密切关系。详细分析施肥效应与不同营养元素对檀香生长的作用，以期为我国发展人工林中科学合理施肥提供理论依据。不同地区的土壤，营养成分的含量也存在着差异，部分营养元素的缺乏通常会导致林木的生长不良、显著降低林木的生长速度以及林木质量，有时土壤内多种营养元素含量过多时，特别是微量元素含量过多时，会造成林木中毒，导致林木生长发育不良。因此，林木施肥中除了要对林木自身的营养元素的含量进行检测与分析，同时还需要对土壤内的营养元素的含量及种类进行相应的检测与分析，这样对提高林木施肥的针对性具有重要作用。
再次对植物定期进行营养诊断，能够掌握植物不同生长阶段植物对氮元素的需求量，探寻地上和地下相互关系，反映树体平衡和失调状况，利于探寻缺素原因，为预测植物所需要的最低限制因子找出依据。
猜你喜欢 营养元素林木养分 苹果新品种“瑞香红”通过国家林木品种审定今日农业(2022年14期)2022-09-15中国农业科学院微信版“养分专家”上线中国土壤与肥料(2022年4期)2022-06-14什么是碳中和？大自然探索(2021年7期)2021-09-26养分文苑(2020年12期)2020-04-13年轻时的流浪，是一生的养分海峡姐妹(2019年1期)2019-03-23林木移植的注意事项农民致富之友(2018年12期)2018-06-29树木是怎样过冬的小学阅读指南·低年级版(2018年2期)2018-05-08抑制金柑高温落果试验研究初报广西农学报(2016年3期)2017-02-06纳米胶片处理对生菜生长及元素吸收的影响江苏农业科学(2015年11期)2016-01-27山东省沂源县耕层土壤营养元素有效态含量及其影响因素研究山东农业科学(2014年8期)2014-10-10