全 文 ：植物营养与肥料学报 ２０１５，２１（１）：２５９－２６８
ＪｏｕｒｎａｌｏｆＰｌａｎｔＮｕｔｒｉｔｉｏｎａｎｄＦｅｒｔｉｌｉｚｅｒ ｄｏｉ牶１０１１６７４／ｚｗｙｆ．２０１５０１２９
收稿日期：２０１３－１２－３０　　　接受日期：２０１４－０８－２５
基金项目：公益性行业（农业）科研专项（２０１１０３０３９）；中央高校基本科研业务费专项（２０１３ＰＹ１１３）；长江学者和创新团队发展计划（ＩＲＴ１２４７）
资助。
作者简介：李岚涛（１９８７—），男，河南周口人，硕士，主要从事作物营养与现代施肥技术。Ｅｍａｉｌ：ｌｉｊｉａｎｗｅｉ＠ｗｅｂｍａｉｌ．ｈｚａｕ．ｅｄｕ．ｃｎ
 通信作者 Ｅｍａｉｌ：ｌｕｊｉａｎｗｅｉ＠ｍａｉｌ．ｈｚａｕ．ｅｄｕ．ｃｎ
应用数字图像技术进行水稻氮素营养诊断
李岚涛，张 萌，任 涛，李小坤，丛日环，吴礼树，鲁剑巍
（华中农业大学资源与环境学院，农业部长江中下游耕地保育重点实验室，湖北武汉 ４３００７０）
摘要：【目的】研究田间试验条件下水稻不同生育期冠层图像色彩参数（Ｇ、ＮＲＩ、ＮＧＩ、ＮＢＩ、Ｇ／Ｒ和 Ｇ／Ｂ）及植株
氮素营养指标（叶片含氮量、植株全氮含量、生物量、氮素累积量和冠层ＮＤＶＩ值）的时空变化特征，并分析两者间
的相关性，确立水稻氮素营养诊断的最佳色彩参数和方程模型，为探明数码相机在水稻上的适宜性及精确诊断水
稻氮素营养状况提供理论基础。【方法】于２０１３年５月 ９月在湖北省武汉市华中农业大学试验基地（３０°２８′０８′′
Ｎ，１１４°２１′３６′′Ｅ）采用不同施氮处理的田间试验，以籼型两系杂交稻“两优６３２６”为供试作物，设置４个施氮水平：
０、７５、１５０和２２５ｋｇ／ｈｍ２（分别以Ｎ０、Ｎ７５、１５０和Ｎ２２５表示），３次重复，随机区组排列。分别在水稻分蘖期、拔
节期、孕穗期和灌浆期采用数码相机（ＮｉｋｏｎＤ７００，１２００万像素）获取水稻冠层图像，应用Ａｄｏｂｅｐｈｏｔｏｓｈｏｐ７０软件
直方图程序提取图像的红光值Ｒ、绿光值Ｇ和蓝光值Ｂ，研究数码相机进行水稻氮素营养诊断色彩参数，确定植株
氮素营养指标诊断模型。【结果】较对照（Ｎ０）相比，分蘖期、拔节期、孕穗期和灌浆期３个施氮处理水稻地上部生
物量、叶片含氮量、植株全氮含量、氮素累积量、冠层 ＮＤＶＩ值和成熟期产量增幅分别平均为４０７％ ９８０％、
４２４％ ７２４％、３６２％ ８５３％、１２５５％ ２０９１％、５１３％ ６０６％和６０１％ １１７０％，差异显著。水稻不
同生育期各冠层数字化指标Ｇ、ＮＲＩ、ＮＧＩ、ＮＢＩ、Ｇ／Ｒ和Ｇ／Ｂ与上述氮素营养参数相关性差异较大，且以数字图
像红光标准化值ＮＲＩ表现最佳，建议作为应用数码相机进行水稻氮素营养诊断的最佳冠层图像色彩参数指标。进
一步分析表明，可以用统一的线性回归方程来描述不同生育期、不同氮素水平下水稻植株氮素营养指标随冠层色
彩参数ＮＲＩ的变化模式。【结论】数码相机进行水稻氮素营养诊断测试结果稳定，具有快速、便捷、非破坏性等优
点，冠层色彩参数ＮＲＩ与水稻氮素营养指标和产量之间均表现出较好的相关性，满足氮素营养无损诊断的需求，对
实时、快速监测水稻长势状况及氮素营养丰缺水平具有较高的可行性，有望发展成为新时期作物氮素营养无损诊
断技术的潜力。
关键词：数字图像；水稻；氮素营养诊断
中图分类号：Ｓ１２６；Ｓ５１１　　　文献标识码：Ａ　　　文章编号：１００８－５０５Ｘ（２０１５）０１－０２５９－１０
ＤｉａｇｎｏｓｉｓｏｆＮｎｕｔｒｉｔｉｏｎｏｆｒｉｃｅｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅ
ＬＩＬａｎｔａｏ，ＺＨＡＮＧＭｅｎｇ，ＲＥＮＴａｏ，ＬＩＸｉａｏｋｕｎ，ＣＯＮＧＲｉｈｕａｎ，ＷＵＬｉｓｈｕ，ＬＵＪｉａｎｗｅｉ
［ＣｏｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＨｕａｚｈｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ／ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｒａｂｌｅＬａｎｄ
Ｃｏｎｓｅｒｖａｔｉｏｎ（ＭｉｄｄｌｅａｎｄＬｏｗｅｒＲｅａｃｈｅｓｏｆＹａｎｇｔｓｅＲｉｖｅｒ），ＭｉｎｉｓｔｒｙｏｆＡｇｒｉｃｕｌｔｕｒｅ，Ｗｕｈａｎ４３００７０，Ｃｈｉｎａ］
Ａｂｓｔｒａｃｔ：【Ｏｂｊｅｃｔｉｖｅｓ】Ｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｃｏｌｏｒｉｎｄｅｘｅｓｏｆｃａｎｏｐｙ（Ｇ，ＮＲＩ，ＮＧＩ，ＮＢＩ，
Ｇ／ＲａｎｄＧ／Ｂ）ａｎｄｔｈｅｉｎｄｅｘｅｓｏｆＮｎｕｔｒｉｔｉｏｎｉｎｒｉｃｅｐｌａｎｔｓｗｅｒｅｓｔｕｄｉｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｂｅｓｔｃｏｌｏｒｐａｒａｍｅｔｅｒｓａｎｄ
ｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎｓｆｏｒｎｉｔｒｏｇｅｎｗｉｔｈａｄｉｇｉｔａｌｃａｍｅｒａ，ａｎｄｐｒｏｖｉｄｅａｔｈｅｏｒｅｔｉｃａｌｂａｓｉｓａｎｄｔｅｃｈｎｉｃａｌａｐｐｒｏａｃｈｆｏｒ
ｍｏｎｉｔｏｒｉｎｇｐｌａｎｔｎｉｔｒｏｇｅｎｓｔａｔｕｓｏｆｒｉｃｅａｎｄｐｒｅｃｉｓｉｏｎｍａｎａｇｅｍｅｎｔｏｆｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚａｔｉｏｎ．【Ｍｅｔｈｏｄｓ】Ｆｉｅｌｄ
ｅｘｐｅｒｉｍｅｎｔｓｗｅｒｅｃａｒｉｅｄｏｕｔｆｒｏｍＭａｙｔｏＳｅｐｔｅｍｂｅｒ２０１３ｉｎｒｉｃｅｇｒｏｗｉｎｇｓｅａｓｏｎａｔｔｈｅＥｘｐｅｒｉｍｅｎｔａｌＦａｒｍｏｆ
ＨｕａｚｈｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ（３０°２８′０８′′Ｎ，１１４°２１′３６′′Ｅ）．Ａｔｗｏｌｉｎｅｉｎｄｉｃａｈｙｂｒｉｄ（Ｌｉａｎｇｙｏｕ６３２６）ｗａｓ
ｃｈｏｓｅｎａｓｔｅｓｔｃｕｌｔｉｖａｒ．ＦｏｕｒＮｔｒｅａｔｍｅｎｔｓ：Ｎ０，７５，１５０ａｎｄ２２５ｋｇ／ｈａｗｅｒｅｄｅｓｉｇｎｅｄａｎｄｒｅｃｏｒｄｅｄａｓＮ０，Ｎ７５，
Ｎ１５０，Ｎ２２５，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ａｃｏｌｏｒｄｉｇｉｔａｌｃａｍｅｒａ（Ｄ７００，Ｎｉｋｏｎ，Ｊａｐａｎ）ｗｉｔｈａｒｅｓｏｌｕｔｉｏｎｏｆ１２０ｍｅｇａｐｉｘｅｌｓ
植 物 营 养 与 肥 料 学 报 ２１卷
ｗａｓｅｍｐｌｏｙｅｄｔｏｃａｐｔｕｒｅｃｏｌｏｒｉｍａｇｅｓｏｆｒｉｃｅｃａｎｏｐｙａｔｔｈｅｔｉｌｅｒｉｎｇ，ｊｏｉｎｔｉｎｇ，ｂｏｏｔｉｎｇａｎｄｆｉｌｉｎｇｓｔａｇｅ．Ｔｈｅｉｍａｇｅ
ｒｅｓｏｌｕｔｉｏｎｗａｓ１９３６×１２９６ｐｉｘｅｌｓｏｆ１４ｂｉｔｆｏｒｒｅｄ，ｇｒｅｅｎａｎｄｂｌｕｅ．Ｔｈｅｉｍａｇｅｓｏｆｓｉｚｅ２７２ＭＢｗｅｒｅｔｒａｎｓｆｅｒｅｄｉｎ
ｊｏｉｎｔｐｈｏｔｏｇｒａｐｈｉｃｅｘｐｅｒｔｓｇｒｏｕｐ（ＪＰＥＧ）ｆｏｒｍａｔｔｏａｃｏｍｐｕｔｅｒａｎｄｐｒｏｃｅｓｓｅｄｗｉｔｈＡｄｏｂｅＰｈｏｔｏｓｈｏｐ７０ｔｏｅｘｔｒａｃｔ
ｃｏｌｏｒｉｎｆｏｒｍａｔｉｏｎｆｏｒｓｔｕｄｙｉｎｇｐｏｓｓｉｂｉｌｉｔｙｏｆｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓｍｅｔｈｏｄｆｏｒｐｌａｎｔＮｓｔａｔｕｓｄｉａｇｎｏｓｉｓａｎｄｆｏｒ
ｄｅｔｅｒｍｉｎｉｎｇｔｈｅｂｅｓｔｃｏｌｏｒｐａｒａｍｅｔｅｒｓａｎｄｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎｓｉｎｒｉｃｅ．【Ｒｅｓｕｌｔｓ】ＣｏｍｐａｒｅｄｗｉｔｈＮ０，ｔｈｅｂｉｏｍａｓｓ，
ｌｅａｆＮｃｏｎｔｅｎｔ，ｐｌａｎｔｔｏｔａｌＮｃｏｎｔｅｎｔ，ＮａｃｃｕｍｕｌａｔｉｏｎａｎｄｃａｎｏｐｙＮＤＶＩｖａｌｕｅｓｏｆｒｉｃｅｗｉｔｈＮｔｒｅａｔｍｅｎｔｓａｔｔｈｅ
ｔｉｌｅｒｉｎｇｓｔａｇｅ，ｊｏｉｎｔｉｎｇｓｔａｇｅ，ｂｏｏｔｉｎｇｓｔａｇｅａｎｄｆｉｌｉｎｇｓｔａｇｅａｒｅａｖｅｒａｇｅｌｙｉｎｃｒｅａｓｅｄｂｙ４０７％－９８０％，４２４％－
７２４％，３６２％－８５３％，１２５５％－２０９１％ ａｎｄ５１３％－６０６％，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｔｍａｔｕｒｅｓｔａｇｅ，ｔｈｅａｖｅｒａｇｅ
ｉｎｃｒｅａｓｅｏｆｙｉｅｌｄａｒｅｆｒｏｍ６０１％ ｔｏ１１７０％．Ｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒｐｌａｎｔｃａｎｏｐｙｃｏｌｏｒｐａｒａｍｅｔｅｒｓ，ｔｈｅｎｏｒｍａｌｉｚｅｄ
ｒｅｄｎｅｓｓｉｎｔｅｎｓｉｔｙ（ＮＲＩ），ｃａｌｃｕｌａｔｅｄａｓＲ／（Ｒ＋Ｇ＋Ｂ），ｉｓｍｕｃｈｂｅｔｅｒａｓｉｔｈａｓｂｅｔｅｒｃｏｒｅｌａｔｉｏｎｓｗｉｔｈｔｈｅｉｎｄｅｘ
ｏｆＮｎｕｔｒｉｅｎｔｉｎｒｉｃｅｐｌａｎｔｓ，ｒｉｃｅｙｉｅｌｄａｎｄｃａｎｏｐｙＮＤＶＩｖａｌｕｅｓａｔｔｈｅｄｉｆｅｒｅｎｔｇｒｏｗｔｈｓｔａｇｅｓ．Ａｎｉｎｔｅｇｒａｔｅｄｌｉｎｅａｒ
ｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎｃｏｕｌｄｂｅｕｓｅｄｆｏｒｄｅｓｃｒｉｂｉｎｇｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＮＲＩａｎｄｌｅａｆＮｃｏｎｔｅｎｔ，ｐｌａｎｔｔｏｔａｌＮ
ｃｏｎｔｅｎｔ，Ｎａｃｃｕｍｕｌａｔｉｏｎ，ｃａｎｏｐｙＮＤＶＩｖａｌｕｅｓ，ｙｉｅｌｄａｔｄｉｆｅｒｅｎｔｇｒｏｗｉｎｇｓｔａｇｅｓａｎｄｎｉｔｒｏｇｅｎｌｅｖｅｌｓｏｆｒｉｃｅ．
【Ｃｏｎｃｌｕｓｉｏｎｓ】ＴｈｅｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｉｓｕｓａｂｌｅｉｎｄｅｔｅｃｔｉｎｇｔｈｅＮｎｕｔｒｉｔｉｏｎｉｎｒｉｃｅａｎｄｈａｓ
ａｄｖａｎｔａｇｅｓｏｆｆａｓｔ，ｓｔａｂｌｅｒｅｓｕｌｔｓ，ｅａｓｙｔｏａｐｐｌｙ，ａｎｄｎｏｎｄｅｓｔｒｕｃｔｉｖｅ．Ｓｉｍｕｌｔａｎｅｏｕｓｌｙ，ｔｈｅｃｏｌｏｒｐａｒａｍｅｔｅｒＮＲＩｈａｓ
ａｐｒｅｆｅｒａｂｌｅｉｎｔｅｒｅｌａｔｉｏｎｗｉｔｈｔｈｅｉｎｄｅｘｏｆＮｎｕｔｒｉｔｉｏｎａｎｄｙｉｅｌｄｔｈａｎｏｔｈｅｒｓ，ｔｈｕｓＮＲＩｉｓｓｕｉｔａｂｌｅｆｏｒｒａｐｉｄｄｉａｇｎｏｓｉｓ
ｏｆｎｉｔｒｏｇｅｎｎｕｔｒｉｔｉｏｎ，ａｎｄｔｈｅｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｍｅｔｈｏｄｓｈｏｗｓｔｈｅｐｏｔｅｎｔｉａｌｏｆｂｅｉｎｇｕｓｅｄｉｎｆａｓｔ
ｒｉｃｅｎｉｔｒｏｇｅｎｄｉａｇｎｏｓｉｓｗｉｔｈｏｕｔｄａｍａｇｅ．
Ｋｅｙｗｏｒｄｓ牶ｄｉｇｉｔａｌｉｍａｇｅ牷ｒｉｃｅ牷Ｎｓｔａｔｕｓｄｉａｇｎｏｓｉｓ
　　传统的氮素营养诊断和氮肥推荐多以田间采集
植株样品、实验室化学分析为主，该方法在样品的
采集、测试以及数据处理等方面需耗费大量的人
力、物力和财力，时效性差，不利于推广应用［１－２］。
数字图像技术通过判断作物冠层颜色深浅了解作物
氮素营养状况继而进行施肥推荐或产量预测，具有
操作简便、快捷、非破坏性等优点［３－４］。此外，由于
数码相机价格的不断下降以及所采用图像感应器件
的快速发展，使通过数码相机测量光反射强度来评
价作物氮素营养状况成为可能［５］，近年来在冬小
麦［６］、蔬菜［７］、棉花［５］和玉米［８］等多种作物上得到
广泛应用。李红军等［６］利用数码相机对小麦冠层
进行拍照，通过分析色彩参数与作物氮素营养状况
之间的关系，认为返青期反光叶面的 Ｇ／Ｒ与 Ｒ／（Ｒ
＋Ｇ＋Ｂ）值能较好的反映小麦氮素营养状况。宋述
尧等［７］通过分析黄瓜冠层数字化诊断指标与施氮
量、土壤无机氮（Ｎｍｉｎ）及植株氮素营养之间的关
系，得出了以绿光标准化值 Ｇ／（Ｒ＋Ｇ＋Ｂ）作为诊
断黄瓜结果期氮素营养状况的适宜数字化参数。
Ｂｌａｃｋｍｅｒ等［９］通过分析玉米冠层航空图片，指出航
片红光深度绝对值（Ｒ）、绿光深度绝对值（Ｇ）和蓝
光深度绝对值（Ｂ）均与玉米产量呈显著线性相关
关系。
水稻作为一种重要的粮食作物，其生长发育和
产量形成受氮素营养的影响极大。前人利用数码相
机进行水稻氮素诊断的研究已有一些报道。王远
等［１０］研究表明拔节期和孕穗期水稻红光标准化值
ＮＲＩ与叶片 ＳＰＡＤ值和含氮量具有良好的相关关
系。ＫｙｕＪｏｎｇ等［１１］利用数码相机获取水稻冠层图
像，指出绿光深度绝对值（Ｇ）与地上部生物量、氮
素累积量和叶面积指数均可用指数方程进行拟合，
Ｒ２分别为０８３、０８３和０８６。陆秀明等［１２］通过图
像处理获取水稻冠层图像的覆盖度，利用覆盖度估
测的叶面积指数与实测叶面积指数之间的相关系数
在０７７ ０９３，达到显著水平。贾良良等［１］对应用
数码相机进行水稻氮素营养诊断的可行性进行研
究，认为数字图像色彩分析技术具有发展成为新一
代作物氮营养诊断的潜力。上述研究大都采用不同
手段将作物冠层色彩参数与地面覆盖度或作物生长
状况进行分析，而对于整个作物冠层全生育期的色
彩参数变化特征及模型构建与筛选的研究相对较
少。在此基础上，本文通过研究水稻生育期地上部
生物量、成熟期产量及植株氮素营养指标的变化规
律，并分析其与冠层数码指标之间的相关性，从而确
定水稻氮素营养诊断的最佳色彩参数及方程模型，
为探明数字图像技术在水稻上的适应性及精确诊断
水稻氮素状况和推荐施肥提供理论基础。
０６２
１期　　　 李岚涛，等：应用数字图像技术进行水稻氮素营养诊断
１　材料与方法
１１　试验材料
试验于２０１３年５月至９月在湖北省武汉市华
中农业大学试验基地内进行。供试土壤为黄棕壤，
前茬作物为油菜，０—２０ｃｍ耕层土壤 ｐＨ７４１、有
机质 ６７２ｇ／ｋｇ、全氮 ０３２ｇ／ｋｇ、碱解氮 ２３９６
ｍｇ／ｋｇ、速效磷７１６ｍｇ／ｋｇ、速效钾１８０５ｍｇ／ｋｇ。
供试品种为杂交水稻“两优６３２６”。
１２　试验设计与方法
氮肥设置０、７５、１５０和２２５ｋｇ／ｈｍ２四个水平，
分别用Ｎ０、Ｎ７５、Ｎ１５０和 Ｎ２２５表示，分３次施用，
即５０％基肥、３５％分蘖肥和１５％穗肥。磷、钾肥按
Ｐ２Ｏ５７５ｋｇ／ｈｍ
２、Ｋ２Ｏ１２０ｋｇ／ｈｍ
２施入，磷肥全部基
施，钾肥按７０％基肥和３０％分蘖肥施用。氮、磷、
钾肥品种分别为尿素（含 Ｎ４６％）、过磷酸钙（含
Ｐ２Ｏ５１２％）和氯化钾（含 Ｋ２Ｏ６０％）。小区面积２０
ｍ２（５ｍ×４ｍ），３次重复，随机区组排列。２０１３年５
月６日育苗，６月１８日移栽。定植密度为２０×１０５
蔸／ｈｍ２，２０１３年９月２１日收获。
１３　数字图像获取与处理
选取晴天分别于水稻分蘖期（２０１３年 ７月 １１
日）、拔节期（２０１３年７月２２日）、孕穗期（２０１３年
７月３１日）和灌浆期（２０１３年８月１１日），在太阳
高度角相对稳定的１２：００ １３：００之间，同时以标
准白色比色板进行校正，利用数码相机（Ｎｉｋｏｎ
Ｄ７００，１２００万像素）获取水稻冠层图像。拍摄时，将
相机镜头距离地面１５ｍ垂直高度（距水稻冠层约
１０ｍ），与地面呈 ６０°夹角进行，同时将相机调至
Ａｕｔｏ模式下，以自动曝光控制色彩平衡（图１）。图
片以ＪＰＥＧ格式存储，分辨率为１９３６×１２９６像元，应
用Ａｄｏｂｅｐｈｏｔｏｓｈｏｐ７０软件直方图程序获取图像的
红光值 Ｒ（ｒｅｄｎｅｓｓｉｎｔｅｎｓｉｔｙ）、绿光值 Ｇ（ｇｒｅｅｎｎｅｓｓ
ｉｎｔｅｎｓｉｔｙ）和蓝光值 Ｂ（ｂｌｕｅｎｅｓｓｉｎｔｅｎｓｉｔｙ）［４，６］。备选
的数码图像特征值包括：绿光深度绝对值（Ｇ）、绿
光深度绝对值与红光深度绝对值比值（Ｇ／Ｒ）、绿光
深度绝对值与蓝光深度绝对值比值（Ｇ／Ｂ）、红光标
准化值（ＮＲＩ）、绿光标准化值（ＮＧＩ）和蓝光标准化
值（ＮＢＩ）。各标准化值的计算如下：
红 光 标 准 化 值 （ＮＲＩ，ｎｏｒｍａｌｉｚｅｄ ｒｅｄｎｅｓｓ
ｉｎｔｅｎｓｉｔｙ）＝Ｒ／（Ｒ＋Ｇ＋Ｂ）
绿光 标 准 化 值 （ＮＧＩ，ｎｏｒｍａｌｉｚｅｄｇｒｅｅｎｎｅｓｓ
ｉｎｔｅｎｓｉｔｙ）＝Ｇ／（Ｒ＋Ｇ＋Ｂ）
蓝 光 标 准 化 值 （ＮＢＩ，ｎｏｒｍａｌｉｚｅｄ ｂｌｕｅｎｅｓｓ
图１　数码相机进行水稻氮素营养诊断示意图
Ｆｉｇ．１　ＳｋｅｔｃｈｍａｐｏｆｄｉａｇｎｏｓｉｓｏｆＮｓｔａｔｕｓｏｆ
ｒｉｃｅｕｓｉｎｇｄｉｇｉｔａｌｃａｍｅｒａ
［注（Ｎｏｔｅ）：Ａ—数码相机Ｄｉｇｉｔａｌｃａｍｅｒａ；Ｂ—水稻冠层Ｒｉｃｅｃａｎｏｐｙ；
Ｃ—相机距地面垂直距离 １５ｍＴｈｅｃａｍｅｒａｗａｓｐｏｓｉｔｉｏｎｅｄ１５ｍ
ａｂｏｖｅｔｈｅｇｒｏｕｎｄ；Ｄ—相机距水稻水平距离 Ｈｏｒｉｚｏｎｔａｌｄｉｓｔａｎｃｅ
ｂｅｔｗｅｅｎＡａｎｄＢ．］
ｉｎｔｅｎｓｉｔｙ）＝Ｂ／（Ｒ＋Ｇ＋Ｂ）
１４　测定项目与方法
冠层ＮＤＶＩ值的测定：用美国 Ｎｔｅｃｈ公司生产
的Ｇｒｅｅｎｓｅｅｋｅｒ手持光谱仪采集水稻冠层 ＮＤＶＩ数
据。测量时，将光照探头平行于水稻冠层，垂直高度
约６０ｃｍ。各处理小区随机选取４个１ｍ２左右区域
进行测定，结果直接通过掌上电脑进行采集。
植株与叶片全氮含量的测定：分别于上述各时
期内每小区选取代表性水稻５株，分叶片和茎秆两
部分，１０５℃下杀青３０ｍｉｎ，６０℃烘箱中烘至恒重，采
用Ｈ２ＳＯ４－Ｈ２Ｏ２法消化，ＡＡ３流动注射分析仪测定
含氮量［１３］。
１５　数据处理与分析
数据处理与分析采用 ＭｉｃｒｏｓｏｆｔＥｘｃｅｌ２００３及
ＳＰＳＳ１７０进行，ＬＳＤ法检验 Ｐ＜００５水平上的差
异显著性；制图采用Ｏｒｉｇｉｎ８５软件。
２　结果与分析
２１　氮肥施用对水稻生物量和产量的影响
各生育时期水稻地上部生物量均以 Ｎ２２５处理
最大（表１）。施氮有利于水稻干物质量积累，与对
照（Ｎ０）相比，分蘖期、拔节期、孕穗期和灌浆期施
氮处理水稻地上部生物量分别平均增加 ４０７％、
９８０％、６２２％和６２５％。成熟期产量结果表明，
随氮肥用量增加，水稻产量呈显著升高趋势，与不施
１６２
植 物 营 养 与 肥 料 学 报 ２１卷
表１　不同氮肥用量水稻生物量和产量 （ｔ／ｈｍ２）
Ｔａｂｌｅ１　Ｅｆｅｃｔｏｆｎｉｔｒｏｇｅｎ（Ｎ）ａｐｐｌｉｃａｔｉｏｎｒａｔｅｓｏｎｂｉｏｍａｓｓａｎｄｙｉｅｌｄｏｆｒｉｃｅ
处理
Ｔｒｅａｔｍｅｎｔ
生物量 Ｂｉｏｍａｓｓ
分蘖期
Ｔｉｌｅｒｉｎｇｓｔａｇｅ
拔节期
Ｊｏｉｎｔｉｎｇｓｔａｇｅ
孕穗期
Ｂｏｏｔｉｎｇｓｔａｇｅ
灌浆期
Ｆｉｌｉｎｇｓｔａｇｅ
产量
Ｙｉｅｌｄ
Ｎ０ １２３Ｂｃ ２３０Ｂｃ ４０９Ｂｂ ４１６Ｂｂ ３５２Ｃｄ
Ｎ７５ １７５ＡＢｂ ３４２Ｂｂ ５８９ＡＢｂ ６１８ＡＢａ ５６４Ｂｃ
Ｎ１５０ ２２２Ａａ ４９２Ａａ ６４０ＡＢａｂ ６７２ＡＢａ ６７８Ａｂ
Ｎ２２５ ２２４Ａａ ５３１Ａａ ７６２Ａａ ７４０Ａａ ７６４Ａａ
　　注（Ｎｏｔｅ）：表中不同的小写字母和大写字母分别表示达到５％和１％上的差异显著水平 Ｄｉｆｅｒｅｎｔｌｏｗｅｒｃａｓｅｌｅｔｅｒｓｏｒｃａｐｉｔａｌｌｅｔｅｒｓｗｉｔｈｉｎｔｈｅ
ｓａｍｅｃｏｌｕｍｎｉｎｄｉｃａｔｅｓｉｇｎｉｆｉｃａｎｔｄｉｆｅｒｅｎｃｅｓａｔｔｈｅ５％ ａｎｄ１％ ｐｒｏｂａｂｉｌｉｔｙ
氮相比，施氮处理产量增幅高达６０１％ １１７％。
２２　不同施氮水平对水稻氮素营养参数及冠层
ＮＤＶＩ值的影响
施氮可显著提高水稻植株氮素营养指标及冠层
ＮＤＶＩ值（表２）。叶片含氮量、植株全氮含量及氮
素累积量方面，与对照（Ｎ０）相比，分蘖期、拔节期、
孕穗期和灌浆期三者分别平均增加 ７２４％、
４８５％、４２４％、６１０％，８５３％、４１８％、３６２％、
５１６％和２０９１％、１９１８％、１２５５％、１４９９％，差
异极显著。对于冠层ＮＤＶＩ值，氮肥施用后，上述各
时期内分别平均提高０２０、０２３、０２０、０２０个单
位，差异显著。
表２　不同氮素水平对水稻植株氮素营养指标及冠层ＮＤＶＩ值的影响
Ｔａｂｌｅ２　ＥｆｅｃｔｓｏｆｄｉｆｅｒｅｎｔｎｉｔｒｏｇｅｎｔｒｅａｔｍｅｎｔｓｏｎｔｈｅｉｎｄｅｘｏｆＮｎｕｔｒｉｅｎｔｉｎｒｉｃｅｐｌａｎｔｓａｎｄｃａｎｏｐｙＮＤＶＩ
ｖａｌｕｅｓｒｅｓｐｅｃｔｉｖｅｌｙａｔｄｉｆｅｒｅｎｔｇｒｏｗｔｈｓｔａｇｅｓ
时期
Ｇｒｏｗｔｈｓｔａｇｅ
处理
Ｔｒｅａｔｍｅｎｔ
叶片含氮量（％）
ＬｅａｆＮｃｏｎｔｅｎｔ
植株全氮含量（％）
ＰｌａｎｔｔｏｔａｌＮｃｏｎｔｅｎｔ
氮素累积量（ｔ／ｈｍ２）
Ｎａｃｃｕｍｕｌａｔｉｏｎ
ＮＤＶＩ值
ＮＤＶＩｖａｌｕｅ
分蘖期
Ｔｉｌｅｒｉｎｇｓｔａｇｅ
Ｎ０ １．４６Ｃｃ １．０５Ｃｃ １．３１Ｃｃ ０．３９Ｂｃ
Ｎ７５ ２．０７Ｂｂ １．５７Ｂｂ ２．７０Ｂｂ ０．５５Ａｂ
Ｎ１５０ ２．７２Ａａ ２．０７Ａａ ４．５８Ａａ ０．６３Ａａ
Ｎ２２５ ２．７６Ａａ ２．１７Ａａ ４．８６Ａａ ０．６０Ａａｂ
拔节期
Ｊｏｉｎｔｉｎｇｓｔａｇｅ
Ｎ０ １．２１Ｃｃ ０．９０Ｃｃ ２．０６Ｃｃ ０．３８Ｃｃ
Ｎ７５ １．３７Ｃｃ ０．９３Ｃｃ ３．１９Ｃｃ ０．５５Ｂｂ
Ｎ１５０ １．７９Ｂｂ １．２６Ｂｂ ６．２０Ｂｂ ０．６２ＡＢａ
Ｎ２２５ ２．２３Ａａ １．６４Ａａ ８．６９Ａａ ０．６５Ａａ
孕穗期
Ｂｏｏｔｉｎｇｓｔａｇｅ
Ｎ０ １．０６Ｃｃ ０．７０Ａｂ ２．８６Ｂｂ ０．３３Ａｄ
Ｎ７５ １．２７ＢＣｂ ０．９０Ａａｂ ５．４０ＡＢａｂ ０．４５Ｂｃ
Ｎ１５０ １．４４Ｂｂ ０．８４Ａａｂ ５．３６ＡＢａｂ ０．５４Ａｂ
Ｎ２２５ １．８２Ａａ １．１２Ａａ ８．６１Ａａ ０．６０Ａａ
灌浆期
Ｆｉｌｉｎｇｓｔａｇｅ
Ｎ０ １．００Ｃｃ ０．６２Ｃｃ ２．５９Ｂｃ ０．３５Ｃｄ
Ｎ７５ １．３５ＢＣｂ ０．７４ＢＣｂｃ ４．５８ＡＢｂｃ ０．４７Ｂｃ
Ｎ１５０ １．５８ＡＢｂ ０．９３ＡＢｂ ６．２２ＡＢａｂ ０．５６Ａｂ
Ｎ２２５ １．９０Ａａ １．１５Ａａ ８．６０Ａａ ０．６０Ａａ
　　注（Ｎｏｔｅ）：表中不同的小写字母和大写字母分别表示达到５％和１％上的差异显著水平 Ｄｉｆｅｒｅｎｔｌｏｗｅｒｃａｓｅｌｅｔｅｒｓｏｒｃａｐｉｔａｌｌｅｔｅｒｓｗｉｔｈｉｎｔｈｅ
ｓａｍｅｃｏｌｕｍｎｉｎｄｉｃａｔｅｓｉｇｎｉｆｉｃａｎｔｄｉｆｅｒｅｎｃｅｓａｔｔｈｅ５％ ａｎｄ１％ ｐｒｏｂａｂｉｌｉｔｙ
２６２
１期　　　 李岚涛，等：应用数字图像技术进行水稻氮素营养诊断
２３　水稻冠层 ＮＤＶＩ值与植株氮素营养参数的相
关性分析
水稻整个生育期不同施氮量的冠层 ＮＤＶＩ值与
叶片含氮量、植株全氮含量、生物量和氮素累积量
相关性均达到极显著水平（表 ３）。该结果表明，
ＮＤＶＩ值能够成熟表征水稻植株氮素营养指标（叶
片含氮量、植株全氮含量和氮素累积量）及群体生
长发育状况（生物量）。同时，以 ＮＤＶＩ值作为一种
标准变量来反演水稻冠层数字化指标具有较高的可
行性。
表３　不同生育时期水稻冠层ＮＤＶＩ值与植株氮素营养指标的相关系数（ｒ）
Ｔａｂｌｅ３　ＣｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｃａｎｏｐｙＮＤＶＩｖａｌｕｅｓａｎｄｒｉｃｅｉｎｄｅｘｏｆＮｎｕｔｒｉｅｎｔ
时期
Ｇｒｏｗｔｈｓｔａｇｅ
叶片含氮量（％）
ＬｅａｆＮｃｏｎｔｅｎｔ
植株全氮含（％）
ＰｌａｎｔｔｏｔａｌＮｃｏｎｔｅｎｔ
生物量（ｔ／ｈｍ２）
Ｂｉｏｍａｓｓ
氮素累积量（ｔ／ｈｍ２）
Ｎａｃｃｕｍｕｌａｔｉｏｎ
分蘖期 Ｔｉｌｅｒｉｎｇｓｔａｇｅ ０８９７ ０８７６ ０８８７ ０９２４
拔节期 Ｊｏｉｎｔｉｎｇｓｔａｇｅ ０６４９ ０７４２ ０８６５ ０９５１
孕穗期 Ｂｏｏｔｉｎｇｓｔａｇｅ ０９３５ ０７３０ ０８２２ ０８８３
灌浆期 Ｆｉｌｉｎｇｓｔａｇｅ ０９３５ ０８６９ ０８６３ ０８２１
　　注（Ｎｏｔｅ）：ｎ＝１２；，分别表示在５％和１％水平下的显著性 Ｍｅａｎｓｉｇｎｉｆｉｃａｎｔａｔｔｈｅ５％ ａｎｄ１％ ｌｅｖｅｌｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ．
２４　水稻冠层数字化指标与植株氮素营养参数及
冠层ＮＤＶＩ值的相关性分析
对水稻不同生育期各冠层数字化指标Ｇ、Ｇ／Ｒ、
Ｇ／Ｂ、ＮＲＩ、ＮＧＩ和 ＮＢＩ与氮素营养参数及冠层
ＮＤＶＩ值进行回归分析，结果表明，Ｇ、Ｇ／Ｒ、Ｇ／Ｂ、
ＮＧＩ和ＮＢＩ与植株及叶片含氮量、生物量、氮素累
积量和ＮＤＶＩ值均呈线性正相关关系，而 ＮＲＩ呈极
显著线性负相关关系。分蘖期和孕穗期，以 ＮＲＩ和
Ｇ／Ｒ与上述各回归参数相关性较高，且 ｒＮＲＩ显著高
于ｒＧ／Ｒ。拔节期和灌浆期，则以 ＮＲＩ和 ＮＢＩ相关性
较好，且ｒＮＲＩ明显大于 ｒＮＢＩ。因此，以 ＮＲＩ作为应用
数码相机进行水稻氮素营养诊断的指标选择，具有
较高的代表性和稳定性。各生育期间，图像特征参
数ＮＲＩ与水稻氮素营养指标及ＮＤＶＩ值相关性并无
明显差异，而分蘖期作为水稻氮素吸收利用旺盛时
期，是确定水稻有效分蘖数、确保高产稳产的重要
基础，较拔节期、孕穗期和灌浆期而言，其相关性并
不是最优的，主要原因在于分蘖期（２０１４年７月１１
日）时水稻植株较小，而土壤和田面水背景相对凸
出，数码相机在提取水稻冠层色彩信息（作物在不
同氮营养水平下所表现出的色彩差异，在 ４００
７００ｎｍ可见光波段反射率较小，７２０ １３００ｎｍ近红
外波段反射率较大）时受到一定影响，这也是作物
无损诊断精确性相对较低的原因之一，受其他因素
影响较多，如环境条件、病虫害、品种等。
２５　水稻冠层数字化诊断指标ＮＲＩ的可行性分析
及诊断模型
为更精确诊断水稻冠层数字化图像参数 ＮＲＩ，
本研究在分析其与植株氮素营养指标相关性时，进
一步利用线性和非线性回归分析，以氮素营养指标
为自变量（ｘ），图像指标 ＮＲＩ（ｙ）为因变量，采用线
性函数、抛物线函数、幂函数、指数函数和对数函
数构建不同诊断模型（表５）。结果表明，不同回归
分析方法间水稻冠层图像参数 ＮＲＩ与其氮素营养
指标均表现出较好相关性，达到极显著水平，且线性
和非线性模型拟合效果非常接近。考虑到线性模型
的数学表达式较为简单，因此选取以氮素营养指标
为自变量（ｘ）所构建的图像诊断指标 ＮＲＩ（ｙ）直线
方程诊断模型（图２）。同时建立基于线性回归方程
对水稻冠层图像参数 ＮＲＩ与氮肥用量（Ｒ２ ＝
０７４７）、产量（Ｒ２ ＝０７７８）、ＮＤＶＩ（Ｒ２ ＝
０７９８）、叶片氮含量（Ｒ２＝０４４５）、植株全氮
含量（Ｒ２＝０３２６）和氮素累积量（Ｒ２＝０４６０）
的定量诊断方程（图２），为便捷、无损监测和反演
水稻氮素营养状况提供理论基础，同时也为数码相
机进行水稻氮素营养诊断提供一个快捷数字化指标
（ＮＲＩ）和方法（线性方程）。
３　讨论与结论
３１　应用数码相机进行水稻氮素营养诊断指标的
选择
作物冠层颜色深浅与氮素营养状况密切相关，
不同的营养水平、光温条件及群体结构均显著影响
作物的生长发育，从而使植株冠层呈现出不同的颜
色［１４］。因此，选取合适的冠层数码诊断指标，对准
３６２
植 物 营 养 与 肥 料 学 报 ２１卷
表４　不同生育时期水稻特征光谱参数与植株氮素营养指标及冠层ＮＤＶＩ值的相关系数（ｒ）
Ｔａｂｌｅ４　ＣｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｆｅａｔｕｒｅｓｐｅｃｔｒａｌｐａｒａｍｅｔｅｒｓａｎｄＮｎｕｔｒｉｔｉｏｎｉｎｄｅｘｅｓａｎｄｃａｎｏｐｙＮＤＶＩｖａｌｕｅｓ
ａｔｄｉｆｅｒｅｎｔｇｒｏｗｔｈｓｔａｇｅｓ
时期
Ｇｒｏｗｔｈｓｔａｇｅ
指标
Ｉｎｄｅｘ
叶片含氮量（％）
ＬｅａｆＮｃｏｎｔｅｎｔ
植株全氮含量（％）
ＰｌａｎｔｔｏｔａｌＮ
生物量（ｔ／ｈｍ２）
Ｂｉｏｍａｓｓ
氮素累积量（ｔ／ｈｍ２）
Ｎａｃｃｕｍｕｌａｔｉｏｎ
ＮＤＶＩ值
ＮＤＶＩｖａｌｕｅ
分蘖期
Ｔｉｌｅｒｉｎｇｓｔａｇｅ
Ｇ ０５５２ ０５４８ ０４４６ ０５２５ ０４６７
ＮＲＩ －０８４２ －０８２８ －０８９１ －０８４６ －０９２８
ＮＧＩ ０５６１ ０５４８ ０６９１ ０５７５ ０７５９
ＮＢＩ ０６７５ ０６６０ ０６４３ ０６７１ ０６１５
Ｇ／Ｒ ０７９４ ０７８２ ０８５６ ０８００ ０８９６
Ｇ／Ｂ ０４１４ ０４１６ ０３１８ ０４１３ ０２４３
拔节期
Ｊｏｉｎｔｉｎｇｓｔａｇｅ
Ｇ ０８０９ ０７４７ ０８８１ ０８３９ ０８９４
ＮＲＩ －０８９２ －０８４７ －０９１１ －０８９９ －０９３９
ＮＧＩ ０３２８ ０２９３ ０４１３ ０３３６ ０５３０
ＮＢＩ ０８９８ ０８５２ ０８２５ ０８７７ ０７８５
Ｇ／Ｒ ０８０８ ０７６７ ０８５７ ０８２４ ０９０４
Ｇ／Ｂ ０８０２ ０７５８ ０７５３ ０７８６ ０７１３
孕穗期
Ｂｏｏｔｉｎｇｓｔａｇｅ
Ｇ ０８６８ ０７４５ ０７２９ ０７７６ ０８１０
ＮＲＩ －０９０３ －０７５６ －０８０３ －０７９８ －０９４７
ＮＧＩ ０５６３ ０５３０ ０５８０ ０５３２ ０７２７
ＮＢＩ ０５５１ ０４６２ ０４３６ ０４８１ ０４９７
Ｇ／Ｒ ０７１７ ０６５０ ０６６７ ０６４５ ０８５４
Ｇ／Ｂ ０１３７ ００２１ ００１５ ００３２ ００３８
灌浆期
Ｆｉｌｉｎｇｓｔａｇｅ
Ｇ ０１５１ ０１１５ ０１４６ ００２３ ００３１
ＮＲＩ －０８２３ －０７７１ －０６８６ －０７４５ －０８８３
ＮＧＩ ００２１ ００２５ ００９７ ００１６ ０１７３
ＮＢＩ ０７０９ ０６７２ ０５９４ ０６３４ ０７５８
Ｇ／Ｒ ０５０５ ０４３３ ０５００ ０４３５ ０６７７
Ｇ／Ｂ ０５５１ ０５２８ ０４７７ ０５１１ ０５８９
　　注（Ｎｏｔｅ）：ｎ＝１２；，分别表示在５％和１％水平下的显著性 Ｍｅａｎｓｉｇｎｉｆｉｃａｎｔａｔｔｈｅ５％ ａｎｄ１％ ｌｅｖｅｌｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ．
确评估作物氮素营养状况及氮肥推荐具有重要意
义［１５］。李红军等［６］研究表明，拔节期冬小麦不反光
叶面和反光叶面红光标准化值 ＮＲＩ（Ｒ／Ｒ＋Ｇ＋Ｂ）
与植株全氮含量存在较好相关性。白金顺等［１６］研
究发现，灌浆期红光标准化值（Ｒ／（Ｒ＋Ｇ＋Ｂ））与
春玉米氮素营养指标相关性较好，且与玉米产量间
呈显著直线回归关系，回归系数为 ４６％。肖焱波
等［１７］应用数码相机在冬小麦上研究指出，数字图像
红光标准化值 Ｒ／（Ｒ＋Ｇ＋Ｂ）与冬小麦常规营养诊
断指标（ＳＰＡＤ值、茎基部硝酸盐含量、植株全氮含
量、生物量）的相关系数达到了０８０９ ０９４６，是
较好表征作物氮营养状况诊断指标。综合前人研究
结果，利用红光标准化值进行作物氮营养诊断较其
他光谱指数相比虽可行性较高，但主要以单一生育
期为主，而系统研究全生育期色彩参数变化及方程
模型构建与筛选并得到结果相对稳定和一致的则相
对较少，这也为无损、便捷和快速诊断作物氮素营
养与生长发育状况带来一定困难。本试验通过对比
分析水稻分蘖期、拔节期、孕穗期和灌浆期６种数
码图像特征值与植株氮素营养指标间的相关性，得
４６２
１期　　　 李岚涛，等：应用数字图像技术进行水稻氮素营养诊断
出冠层色彩参数 ＮＲＩ为应用数码相机进行水稻氮
素营养诊断的最佳指标，同时建立了基于 ＮＲＩ的水
稻叶片氮含量、植株全氮含量、氮肥用量、氮素累
积量、ＮＤＶＩ值和产量的线性回归方程模型，为应用
数码相机无损、快速研究水稻氮素营养状况提供数
码指标参考和理论依据。
表５　水稻冠层ＮＲＩ与其氮素营养指标的线性和非线性回归分析（ｎ＝４８）
Ｔａｂｌｅ５　ＬｉｎｅａｒａｎｄｎｏｎｌｉｎｅａｒｒｅｇｅｒｓｓｉｏｎａｎａｌｙｓｉｓｂｅｔｗｅｅｎｃａｎｏｐｙＮＲＩａｎｄｒｉｃｅｉｎｄｅｘｏｆＮｎｕｔｒｉｅｎｔ
模型类型 Ｍｏｄｅｌｔｙｐｅ
直线方程
Ｌｉｎｅａｒ
二次方程
Ｐａｒａｂｏｌａ
幂方程
Ｐｏｗｅｒ
指数方程
Ｅｘｐｏｎｅｎｔｉａｌ
对数方程
Ｌｏｇａｒｉｔｈｍ
Ｒ２ Ｆ Ｒ２ Ｆ Ｒ２ Ｆ Ｒ２ Ｆ Ｒ２ Ｆ
氮肥用量
Ｎａｐｐｌｉｃａｔｉｏｎｒａｔｅ
０７４７ １３５６ ０７７０ ７５５ ０７５５ １４１５
产量 Ｙｉｅｌｄ ０７７８ １６１１ ０７８６ ８２７ ０７７８ １６１７ ０７４７ １３５８ ０７４３ １３３１
ＮＤＶＩ ０７９８ １８１３ ０７９８ ８８７ ０７８５ １６８４ ０７８９ １７２３ ０７７２ １５５７
叶片含氮量
ＬｅａｆＮｃｏｎｔｅｎｔ
０４４５ ３６８５ ０５６０ ２８６ ０４５３ ３８０ ０５０４ ４６７ ０５１０ ４７９
植株全氮含量
ＰｌａｎｔｔｏｔａｌＮ
０３２６ ２２３ ０４０９ １５６ ０３３４ ２３１ ０３７５ ２７６ ０３８３ ２８６
氮素累积量
Ｎａｃｃｕｍｕｌａｔｉｏｎ
０４６０ ３９２ ０５５１ ２７６ ０４６０ ３９３ ０５４７ ５５６ ０５３８ ５３６
　　注（Ｎｏｔｅ）：，分别表示在５％和１％水平下的显著性 Ｍｅａｎｓｉｇｎｉｆｉｃａｎｔａｔｔｈｅ５％ ａｎｄ１％ ｌｅｖｅｌｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ．
３２　应用数码相机进行水稻氮素营养诊断的可
行性
作物冠层色彩信息是表征其营养状况的重要组
成部分，使其在不同的营养状况下表现出差异明显
的茎叶颜色，尤其是受氮肥供给量的影响［１８］。在
４００ ７００ｎｍ可见光波段范围内，由于叶绿素和其
他色素吸收，植物冠层光反射率较低，且随氮肥用量
增加而降低。７００ １３００ｎｍ近红外波段，由于细胞
排列方式和冠层结构影响，植物对光吸收很弱，表现
出较强的反射率，并随氮肥用量增加而提升［１９］。作
物对光谱的吸收和反射差异最终表现在群体（冠
层）颜色上，由于作物冠层绿色变化通常与叶绿素
含量有关，而植株叶绿素含量与氮素营养相关密切。
因此，通过分析作物冠层颜色深浅了解作物氮素营
养状况，继而进行推荐施肥或产量预测的研究日益
增多［３］。数码相机通过图像传感器获取物体图像，
将图像转换成数字图像，并利用计算机模拟人的功
能区分识别图像色彩信息，达到分析作物冠层色彩
差异和进行诊断的目的［１８］。此外，应用数码相机和
数字图像处理技术进行氮素营养诊断较其他方法
（如高光谱和ＳＰＡＤ仪法）相比具有成本低、覆盖面
大和分辨率高等优点，易于推广应用［２０］。Ｔｈｏｍａｓ
等［２１］通过试验证明了光谱技术诊断甜椒氮素营养
的可行性。Ａｄａｍｓｅｎｄｅｎ等［２２］利用数码相机成功估
算了油菜花的数量，得出了花的数目与像素之间的
决定 系 数 （Ｒ２）为 ０８３，达 到 极 显 著 水 平。
Ｒｉｃｈａｒｄｓｏｎ等［２３］应用数字图像处理技术对草地地
面覆盖度成功进行了预测，其预测值与实测值之间
Ｒ２高达０９９。上述研究将利用数码相机所获取作
物冠层参数与作物营养及生长状况进行分析，均表
明应用数字图像技术可用来评估田间作物的营养状
况［５］。本试验条件下，在所分析的６种数码图像特
征值中，水稻冠层数字指标红光标准化值 ＮＲＩ与植
株氮素营养参数相关性较好且表现稳定，均达到显
著或极显著水平，且采用线性方程模型拟合 ＮＲＩ与
氮肥用量、产量、ＮＤＶＩ、叶片氮含量、植株全氮含
量和氮素累积量相关性较好（图２），表明应用数码
相机定量、快捷研究和反演水稻氮素营养状况具有
较高可行性。
３３　有待进一步研究和说明的问题
氮作为影响水稻生长发育和产量形成的必需元
素之一，在生产实际中，氮肥过量施用的现象仍然非
５６２
植 物 营 养 与 肥 料 学 报 ２１卷
图２　水稻冠层ＮＲＩ与氮素营养指标的线性回归分析 （ｎ＝４８）
Ｆｉｇ．２　ＬｉｎｅａｒｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓｂｅｔｗｅｅｎＮＲＩａｎｄｒｉｃｅｉｎｄｅｘｏｆＮｎｕｔｒｉｅｎｔ
常普遍。冯洋等［２４］在湖北黄冈调查结果表明，目前
农民水稻施氮量普遍在 Ｎ２４０ ３００ｋｇ／ｈｍ２之间。
葛梦婕等［２５］通过对长江中下游７个粳型超级稻试
验指出，超级粳稻在施氮量３００ｋｇ／ｈｍ２条件下产量
最高，普通粳稻的最高产量施氮量也高达 ２６３
ｋｇ／ｈｍ２。彭少兵等［２６］在湖南长沙曾观察到，超级杂
交稻两优培九即使施氮量达到２４０ｋｇ／ｈｍ２时仍没
有出现倒伏现象，而当农民应用这些新品种或组合
时，通常会施用更多的氮肥以获得高产。本试验条
件下，当施氮量分别为０、７５、１５０和２２５ｋｇ／ｈｍ２时，
水稻产量分别为３５２０、５６３７、６７７８和７６４０ｋｇ／ｈｍ２，
呈线性显著增加趋势。因此，本试验仅对 “缺氮—
氮优化用量”之间应用数字图像技术进行水稻氮素
营养诊断提供了一种方法和思路。在此基础上，探
索“缺氮—氮优化—氮过剩”条件下水稻冠层数码
指标的时空变化特征及可行性，仍需我们开展相关
研究。此外，本研究是在其他条件相同（磷钾肥用
量充足且一致、拍照时间统一且限定在晴天太阳高
度角变化较小的时间段１２：００ １３：００之间、相机
拍摄角度保证一致等）而氮肥水平差异（Ｎ０、Ｎ７５、
Ｎ１５０和Ｎ２２５）情况下得出的，而水稻不同生育期冠
层颜色变化受很多因素影响，如品种、生长环境、
养分类型及用量等，因此，探索不同条件下水稻冠层
数码指标的差异机理及可行性仍需我们开展相关
研究。
本试验通过分析不同氮素处理下各数字化诊断
６６２
１期　　　 李岚涛，等：应用数字图像技术进行水稻氮素营养诊断
参数与水稻叶片含氮量、植株全氮含量、氮素累积
量、生物量、冠层ＮＤＶＩ值和产量之间的关系，得出
了以红光标准化值 ＮＲＩ作为应用数码相机诊断水
稻氮素营养状况的指标选择，继而对比分析不同方
程模型间差异及适宜性，建立了基于 ＮＲＩ的水稻植
株氮素营养指标线性方程模型。但该结果仅是在单
一试验品种（两优６３２６）和试验年限（一年）下得出
的，要阐明规律性和实用性更强的结果尚需进一步
试验验证。同时，作物氮素营养无损诊断的核心是
建立推荐追肥体系，并以此进行施肥推荐［１５］。因
此，建立基于上述试验结果的不同生育期临界 ＮＲＩ
值及推荐施氮量，继而以追肥的方式提供氮肥，仍需
要更多、更广泛的试验来验证。
参 考 文 献：
［１］　贾良良，范明生，张福锁，等应用数码相机进行水稻氮素营
养诊断［Ｊ］．光谱学与光谱分析，２００９，２９（８）：２１７６－２１７９
ＪｉａＬＬ，ＦａｎＭＳ，ＺｈａｎｇＦＳｅｔａｌＮｉｔｒｏｇｅｎｓｔａｔｕｓｄｉａｇｎｏｓｉｓｏｆ
ｒｉｃｅｂｙｕｓｉｎｇａｄｉｇｉｔａｌｃａｍｅｒａ［Ｊ］．ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌ
Ａｎａｌｙｓｉｓ，２００９，２９（８）：２１７６－２１７９
［２］　屈卫群，王绍华，陈兵林，等棉花主茎叶ＳＰＡＤ值与氮素营
养诊断研究［Ｊ］．作物学报，２００７，３３（６）：１０１０－１０１７
ＱｕＷＱ，ＷａｎｇＳＨ，ＣｈｅｎＢＬｅｔａｌＳＰＡＤｖａｌｕｅｏｆｃｏｔｏｎｌｅａｖｅｓ
ｏｎｍａｉｎｓｔｅｍａｎｄｎｉｔｒｏｇｅｎｄｉａｇｎｏｓｉｓｆｏｒｃｏｔｏｎｇｒｏｗｔｈ［Ｊ］．Ａｃｔａ
ＡｇｒｏｎｏｍｉｃｅＳｉｎｉｃａ，２００７，３３（６）：１０１０－１０１７
［３］　李桂娟，朱丽丽，李井会作物氮素营养诊断的无损测试研
究与应用现状［Ｊ］．黑龙江农业科学，２００８（４）：１２７－１２９
ＬｉＧＪ，ＺｈｕＬＬ，ＬｉＪＨＰｒｅｓｅｎｔｓｔａｔｕｓｏｆｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎ
ｏｆｎｏｎｄｅｓｔｒｕｃｔｉｖｅｍｅａｓｕｒｅｍｅｎｔｏｆｎｉｔｒｏｇｅｎｎｕｔｒｉｔｉｏｎｄｉａｇｎｏｓｉｓ［Ｊ］．
ＨｅｉｌｏｎｇｊｉａｎｇＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ，２００８（４）：１２７－１２９
［４］　贾良良应用数字图像技术与土壤植株测试进行冬小麦氮营
养诊断［Ｄ］北京：中国农业大学博士学位论文，２００３
ＪｉａＬＬＴｏｄｅｃｔｅｃｔｎｉｔｒｏｇｅｎｓｔａｔｕｓｏｆｗｉｎｔｅｒｗｈｅａｔｂｙｕｓｉｎｇｃｏｌｏｒ
ｄｉｇｉｔａｌｃａｍｅｒａ［Ｄ］Ｂｅｉｊｉｎｇ：ＰｈＤｄｉｓｓｅｒｔａｔｉｏｎｏｆＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌ
Ｕｎｉｖｅｒｓｉｔｙ，２００３
［５］　王娟，雷咏雯，张永帅，等应用数字图像分析技术进行棉花
氮素营养诊断的研究［Ｊ］．中国生态农业学报，２００８，１６（１）：
１４５－１４９
ＷａｎｇＪ，ＬｅｉＹＷ，ＺｈａｎｇＹＳｅｔａｌＤｉａｇｎｏｓｉｓｏｆｃｏｔｏｎＮｓｔａｔｕｓ
ｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓｔｅｃｈｎｉｑｕｅ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＥｃｏ
Ａｇｒｉｃｕｌｔｕｒｅ，２００８，１６（１）：１４５－１４９
［６］　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
ＬｉＨＪ，ＺｈａｎｇＬＺ，ＣｈｅｎＸＭｅｔａｌＩｍａｇｅａｎａｌｙｓｉｓｍｅｔｈｏｄｉｎ
ａｐｐｌｉｃａｔｉｏｎｏｆｄｉｇｉｔａｌｉｍａｇｅｏｎｄｉａｇｎｏｓｉｎｇｗｈｅａｔｎｉｔｒｏｇｅｎｓｔａｔｕｓＪ］
ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＥｃｏＡｇｒｉｃｕｌｔｕｒｅ，２０１１，１９（１）：１５５－１５９
［７］　宋述尧，王秀峰数字图像技术在黄瓜氮素营养诊断上的应
用研究［Ｊ］．吉林农业大学学报，２００８，３０（４）：４６０－４６５
ＳｏｎｇＳＹ，ＷａｎｇＸＦＤｉａｇｎｏｓｉｓｏｆＮｓｔａｔｕｓｏｆｃｕｃｕｍｂｅｒｕｓｉｇｎ
ｄｉｇｉｔａｌｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｉｑｕｅ［Ｊ］． ＪｏｕｒｎａｌｏｆＪｉｌｉｎ
ＡｇｒｉｃｕｒｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２００８，３０（４）：４６０－４６５
［８］　孙钦平，李吉进，邹国元，等应用数字图像技术对有机肥施
用后玉米氮营养诊断研究［Ｊ］．光谱学与光谱分析，２０１０，３０
（９）：２４４７－２４５０
ＳｕｎＱＰ，ＬｉＪＪ，ＺｏｕＧＹｅｔａｌＮｉｔｒｏｇｅｎｓｔａｔｕｓｄｉａｇｎｏｓｉｓｂｙｕｓｉｎｇ
ｄｉｇｉｔａｌｐｈｏｔｏｇｒａｐｈｙａｎａｌｙｓｉｓｆｏｒｏｒｇａｎｉｃｆｅｒｔｉｌｉｚｅｄｍａｉｚｅ［Ｊ］．
ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓ，２０１０，３０（９）：２４４７－２４５０
［９］　ＢｌａｃｋｍｅｒＴＭ，ＳｃｈｅｐｅｒｓＪＳ，ＶａｒｅｌＧ ＥＬｉｇｈｔｒｅｆｌｅｃｔａｎｃｅ
ｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒｎｉｔｒｏｇｅｎｓｔｒｅｓｓｍｅａｓｕｒｅｍｅｎｔｓｉｎｃｏｒｎｌｅａｖｅｓ
［Ｊ］．ＪｏｒｕｎａｌｏｆＰｒｏｄｕｃｔｉｏｎＡｇｒｉｃｕｌｔｕｒｅ，１９９４，６：９３４－９３８
［１０］　王远，王德建，张刚，王灿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
ＷａｎｇＹ，ＷａｎｇＤＪ，ＺｈａｎｇＧ，ＷａｎｇＣＤｉｇｉｔａｌｃａｍｅｒａｂａｓｅｄ
ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｒｉｃｅｃａｎｏｐｙａｎｄｄｉａｇｎｏｓｉｓｏｆｎｉｔｒｏｇｅｎ
ｎｕｔｒｉｔｉｏｎ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌ
Ｅｎｇｉｎｅｅｒｉｎｇ，２０１２，２８（１７）：１３１－１３６
［１１］　ＫｙｕＪＬ，ＢｙｕｕＷ ＬＥｓｔｉｍａｔｉｏｎｏｆｒｉｃｅｇｒｏｗｔｈａｎｄｎｉｔｒｏｇｅｎ
ｎｕｔｒｉｔｉｏｎｓｔａｔｕｓｕｓｉｎｇｃｏｌｏｒｄｉｇｉｔａｌｃａｍｅｒａｉｍａｇｅａｎａｌｙｓｉｓ［Ｊ］．
ＥｕｒｏｐｅａｎＪｏｒｕｎａｌｏｆＡｇｒｏｎｏｍｙ，２０１３，（６）：５７－６５
［１２］　陆秀明，黄庆，孙雪晨，等图像处理技术估测水稻叶面积
指数的研究［Ｊ］．中国农学通报，２０１１，２７（３）：６５－６８
ＬｕＸ Ｍ，ＨｕａｎｇＱ，ＳｕｎＸ Ｃ ｅｔａｌＡｐｐｌｉｃａｔｉｏｎｏｆｉｍａｇｅ
ｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｒｉｃｅｃａｎｏｐｙｌｅａｆａｒｅａｉｎｄｅｘ［Ｊ］．Ｃｈｉｎｅｓｅ
ＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅＢｕｌｅｔｉｎ，２０１１，２７（３）：６５－６８
［１３］　鲍士旦土壤农化分析（第三版）［Ｍ］．北京：中国农业出版
社，２０００
ＢａｏＳＤＳｏｉｌａｎｄａｇｒｏｃｈｅｍｉｓｔｒｙａｎａｌｙｓｉｓ（３ｒｄｅｄ．）［Ｍ］．
Ｂｅｉｊｉｎｇ：ＣｈｉｎｅｓｅＡｇｒｉｃｕｌｔｕｒａｌＰｒｅｓｓ，２０００
［１４］　李亚兵，毛树春，韩迎春，等不同棉花群体冠层数字图像
颜色变化特征研究［Ｊ］．棉花学报，２０１２，２４（６）：５４１－５４７
ＬｉＹ Ｂ，ＭａｏＳＣ，ＨａｎＹ Ｃ ｅｔａｌＳｔｕｄｙｏｎｔｈｅｃｏｌｏｒ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｖａｒｉａｔｉｏｎｏｆｃｏｔｏｎｃａｎｏｐｙｄｉｇｉｔａｌｉｍａｇｅｓ［Ｊ］．Ｃｏｔｏｎ
Ｓｃｉｅｎｃｅ，２０１２，２４（６）：５４１－５４７
［１５］　危常州，张福锁，朱和明，等新疆棉花氮营养诊断及追肥
推荐研究［Ｊ］．中国农业科学，２００２，３５（１２）：１５００－１５０５
ＷｅｉＣＺ，ＺｈａｎｇＦＳ，ＺｈｕＨＭｅｔａｌＳｔｕｄｙｏｎｃｏｔｏｎｎｉｔｒｏｇｅｎ
ｄｉａｇｎｏｓｉｓａｎｄｔｏｐｄｒｅｓｓｉｎｇｒｅｃｏｍｍｅｎｄａｔｉｏｎｉｎｎｏｒｔｈｘｉｎｊｉａｎｇ［Ｊ］．
ＳｃｉｅｎｔｉａＡｇｒｉｃｕｌｔｕｒａＳｉｎｉｃａ，２００２，３５（１２）：１５００－１５０５
［１６］　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，
２０１３，３３（１２）：３３３４－３３３８
ＢａｉＪＳ，ＣａｏＷＤ，ＸｉｏｎｇＪｅｔａｌＮｉｔｒｏｇｅｎｓｔａｔｕｓｄｉａｇｎｏｓｉｓａｎｄ
ｙｉｅｌｄｐｒｅｄｉｃｔｉｏｎｏｆｓｐｒｉｎｇｍａｉｚｅａｆｔｅｒｇｒｅｅｎｍａｎｕｒｅｉｎｃｏｒｐｏｒａｔｉｏｎ
ｂｙｕｓｉｎｇａｄｉｇｉｔａｌｃａｍｅｒａ［Ｊ］．ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌ
Ａｎａｌｙｓｉｓ，２０１３，３３（１２）：３３３４－３３３８
［１７］　肖焱波，贾良良，陈新平，张福锁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
ＸｉａｏＹＢ，ＪｉａＬＬ，ＣｈｅｎＸＰ，ＺｈａｎｇＦＳＮｓｔａｔｕｓｄｉａｇｎｏｓｉｓｏｆ
７６２
植 物 营 养 与 肥 料 学 报 ２１卷
ｗｉｎｔｅｒｗｈｅａｔｂｙｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓｔｅｃｈｎｏｌｏｇｙ［Ｊ］．
ＣｈｉｎｅｓｅＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅＢｕｌｅｔｉｎ，２００８，２４（８）：４４８－４５３
［１８］　石媛媛基于数字图像的水稻氮磷钾营养诊断与建模研究
［Ｄ］杭州：浙江大学博士学位论文，２０１１
ＳｈｉＹＹＲｉｃｅｎｕｔｒｉｔｉｏｎｄｉａｇｎｏｓｉｓａｎｄｍｏｄｅｌｉｎｇｂａｓｅｄｏｎｄｉｇｉｔａｌ
ｉｍａｇｅ［Ｄ］．Ｈａｎｇｚｈｏｕ：ＰｈＤｄｉｓｓｅｒｔａｔｉｏｎｏｆＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，
　　２０１１．
［１９］　吴华兵，朱艳，田永超，等棉花冠层高光谱参数与叶片氮
含量的定量关系［Ｊ］．植物生态学报，２００７，３１（５）：９０３
－９０９
ＷｕＨＢ，ＺｈｕＹ，ＴｉａｎＹＣｅｔａｌＲｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃａｎｏｐｙ
ｈｙｐｅｒｓｐｅｃｔｒａｐａｒａｍｅｔｅｒａｎｄｌｅａｆｎｉｔｒｏｇｅｎｃｏｎｃｅｎｔｒａｔｉｏｎｉｎｃｏｔｏｎ
［Ｊ］．ＪｏｕｒｎａｌｏｆＰｌａｎｔＥｃｏｌｏｇｙ，２００７，３１（５）：９０３－９０９
［２０］　王远，王德建，张刚基于数码相机的水稻氮素营养诊断
［Ｊ］．中国农学通报，２０１２，２８（２４）：１１１－１１７
ＷａｎｇＹ，ＷａｎｇＤＪ，ＺｈａｎｇＧＮｉｔｒｏｇｅｎｓｔａｔｕｓｄｉａｇｎｏｓｉｓｏｆｒｉｃｅ
ｂａｓｅｄｏｎａｄｉｇｉｔａｌｃａｍｅｒａ［Ｊ］．ＣｈｉｎｅｓｅＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅ
Ｂｕｌｅｔｉｎ，２０１２，２８（２４）：１１１－１１７
［２１］　ＴｈｏｍａｓＪＲ，ＯｅｒｔｈｅｒＧＦＥｓｔｉｍａｔｉｎｇｎｉｔｒｏｇｅｎｃｏｎｔｅｎｔｏｆｓｗｅｅｔ
ｐｅｐｐｅｒｌｅａｖｅｓｂｙｒｅｆｌｅｃｔａｎｃｅｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］．Ａｇｒｏｎｍｙ
Ｊｏｕｒｎａｌ，１９７２，２７：１１－１３
［２２］　ＡｄａｍｓｅｎＦＪ，ＣｏｆｅｌｔＴＡ，ＮｅｌｓｏｎＪＭｅｔａｌＭｅｔｈｏｄｆｏｒｕｓｉｎｇ
ｉｍａｇｅｓｆｒｏｍａｃｏｌｏｒｄｉｇｉｔａｌｃａｍｅｒａｔｏｅｓｔｉｍａｔｅｆｌｏｗｅｒｎｕｍｂｅｒ［Ｊ］．
ＣｒｏｐＳｃｉｅｎｃｅ，２０００，４０：７０４－７０９
［２３］　ＲｉｃｈａｒｄｓｏｎＭＤ，ＫａｒｃｈｅｒＤＥ，ＰｕｒｃｅｌＬＣＱｕａｎｔｉｆｙｉｎｇｔｕｒｆｇｒａｓｓ
ｃｏｖｅｒｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓ［Ｊ］．ＣｒｏｐＳｃｉｅｎｃｅ，２００１，４１：
１８８４－１８８８
［２４］　冯洋，陈海飞，胡孝明，等高、中、低产田水稻适宜施氮量
和氮肥利用率的研究［Ｊ］．植物营养与肥料学报，２０１４，２０
（１）：７－１６
ＦｅｎｇＹ，ＣｈｅｎＨＦ，ＨｕＸＭｅｔａｌＯｐｔｉｍａｌｎｉｔｒｏｇｅｎａｐｐｌｉｃａｔｉｏｎ
ｒａｔｅｓｏｎｒｉｃｅｇｒａｉｎｙｉｅｌｄａｎｄｎｉｔｒｏｇｅｎｕｓｅｅｆｉｃｉｅｎｃｙｉｎｈｉｇｈ，
ｍｉｄｄｌｅａｎｄｌｏｗｙｉｅｌｄｐａｄｄｙｆｉｅｌｄｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｌａｎｔＮｕｔｒｉｔｉｏｎ
ａｎｄＦｅｒｔｉｌｉｚｅｒ，２０１４，２０（１）：７－１６
［２５］　葛梦婕，王亚江，颜希亭，等长江中下游稻区粳型超级稻
高产形成及氮素利用的研究［Ｊ］．植物营养与肥料学报，
２０１４，２０（２）：２５９－２７０
ＧｅＭＪ，ＷａｎｇＹＪ，ＹａｎＸＴｅｔａｌＲｅｓｅａｒｃｈｏｎｔｈｅｆｏｒｍａｔｉｏｎｏｆ
ｈｉｇｈｙｉｅｌｄａｎｄｔｈｅｎｉｔｒｏｇｅｎｕｓｅｏｆｊａｐｏｎｉｃａｓｕｐｅｒｒｉｃｅｉｎｔｈｅ
ｍｉｄｄｌｅａｎｄｌｏｗｅｒａｒｅａｓｏｆｔｈｅＹａｎｇｔｚａＲｉｖｅｒ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｌａｎｔ
ＮｕｔｒｉｔｉｏｎａｎｄＦｅｒｔｉｌｉｚｅｒ，２０１４，２０（２）：２５９－２７０
［２６］　彭少兵，黄见良，钟旭华，等提高中国稻田氮肥利用率的
研究策略［Ｊ］．中国农业科学，２００２，３５（９）：１０９５－１１０３
ＰｅｎｇＳＢ，ＨｕａｎｇＪＬ，ＺｈｏｎｇＸＨｅｔａｌＲｅｓｅａｒｃｈｓｔｒａｔｅｇｙｉｎ
ｉｍｐｒｏｖｉｎｇｆｅｒｔｉｌｉｚｅｒｎｉｔｒｏｇｅｎｕｓｅｅｆｉｃｉｅｎｃｙｏｆｉｒｉｇａｔｅｄｒｉｃｅｉｎ
Ｃｈｉｎａ［Ｊ］．ＳｃｉｅｎｔｉａＡｇｒｉｃｕｌｔｕｒａＳｉｎｉｃａ，２００２，３５（９）：１０９５
－１１０３
８６２