一种手机端小麦群体快速诊断方法在返青期的应用研究

刘家欢 张卫峰

摘 要：准确诊断小麦群体大小并及时采取针对性管理措施是实现小麦高产优质的关键因素之一。现有的群体诊断方法（如样点调查法、高光谱遥感、机器视觉、茎秆生物力学等）都存在费时费力、设备昂贵等特点，仅限于科学研究。本文探索应用一款手机应用程序（Canopeo），通过快速检测小麦冠层覆盖度反映小麦群体。在16个实验地块和71个农户地块中与样点调查法的决定系数达0.812和0.403，表明该方法可用于小麦返青期及以前的群体快速诊断。

关键词：手机软件；小麦；群体；快速诊断

中图分类号：S512 文献标识码：A DOI：10.11974/nyyjs.20180333001

作物群体特征一般是指群体内个体的数量、种类、生育状况及其空间排列、分布和个体间的关联程度等。群体内光照、温度、湿度、风和CO2浓度等要素的分布均与作物群体性状密切相连，进而影响作物产量、病害状况[1]。

小麦是我国主要的粮食作物之一，合理的群体发育动态是小麦高产的基础[2]。冬前和返青期是小麦管理的重点，根据不同群体采取合理的水肥管理措施不仅是高产的基础，也是水肥高效利用的基础[3]。根据小麦群体（亩茎蘖数）大小分为4个等级进行针对性管理：冬前亩茎蘖数?80万，春季亩茎蘖数?100万，为旺苗；冬前667m2茎蘖数60～80万，春季667m2茎蘖数80～100万为一类苗；冬前667m2茎蘖数45～60万，春季667m2茎蘖数60～80万为二类苗；冬前亩茎蘖数<45万，春季667m2茎蘖数<60万为弱苗[4]。针对不同苗情通常采取“抑旺促弱”的方式进行调控：对旺苗采取镇压、推迟春季水肥（包括减少肥料）管理，过旺苗还要采取化学控旺的方法促旺转壮，而弱苗采取提前春季水肥管理时间、喷施叶面肥等方法促弱转壮，从而形成健壮群体，保障小麦高产优质。因此，及时准确诊断不期麦田群体大小，并采取针对性管理措施至关重要。

现有诊断一般采取“一米双行”的方法进行田间抽样调查，这种方法简单有效且受到广泛认可，但需要科研人员长时间蹲在田间进行操作，费时费力，不便于对大范围农户服务。而普通农户开展此类工作缺乏基础方法的指导。国内外研究者探索并研究了一系列快速、无损诊断的新方法。单成钢等（2004）用数码相机获取小麦顶层图像，并采用边缘像素数作为评价总茎数和密度的衡量标准[1]；侯学会等（2012）利用大田小麦的参数数据和冠层光谱数据建立小麦生物量和真实叶面积指数的高光谱遥感估算模型，决定系数（R2）达0.829[5]；徐改花等（2011）利用数码相片提取小麦生长期的覆盖度，结合地面实测叶面积指数、归一化植被指数和小麦生物量等进行小麦生物量的试算，小麦覆盖度、叶面积指数和归一化植被指數的相关系数（R2）分别达到0.774、0.876和0.712[6]；郑玲等（2013）以压力传感器为测量元件，获取小麦受推杆作用产生的回弹力信息由LabVIEW测量系统处理，表明小麦茎秆回弹力与生物量具有一定的相关性，决定系数（R2）达0.713[7]。郑玲（2015）在基于单一机器视觉、单一光谱和力学传感器的基础上建立了机器视觉、光谱、力学传感器融合的多元生物量检测方法，表明任何2种传感器信息融合以及三者融合之后所建立的模型，性能均比单一的图像模型、光谱模型、力学模型要好，说明将不同传感器信息进行融合之后的生物量相关性更高[8]。

上述机器视觉、高光谱遥感、生物力学及多元综合检测方法都对生物量（群体）的快速无损诊断做出了突出贡献，但受制于成本、知识水平等因素，这些方法仅限于科学研究，现阶段难以在生产一线推广应用。开发手机快速调查工具，探索农户或者技术服务者可以快速应用的手段是适应现代信息化发展需求和小麦大范围高产优质的必要途径。美国俄克拉荷马州立大学土壤物理学研究小组开发了一款绿色作物覆盖度检测工具（Canopeo），该软件适用于苹果、安卓等主流手机操作系统，以智能手机为测量元件，检测时只需使相机垂直地面并拍摄作物冠层图像即可。根据植物叶片呈绿色的特性按照绿色光谱特征对图像进行分类处理，提取作物冠层覆盖度。该方法只需将Canopeo安装到手机上，按图示要求即可获得群体覆盖度。推广方便，使用效率高，30s内即可完成单位地块的群体调查工作，适用于科研工作者、农技人员、普通农民等不同人群。

本文使用Canopeo手机应用程序对华北小麦返青期群体进行诊断，探索该工具的精确度以及应用方法，并建立覆盖度与群体的相关指标。

1 材料与方法

1.1 Canopeo诊断方法

本文采用美国俄克拉荷马州立大学的土壤物理学研究小组开发的多用途绿色冠层覆盖测量工具Canopeo（http：//appcenter.okstate.edu/）研究一种基于手机应用程序的小麦群体快速诊断方法。目前生产和科研上使用的小麦群体（生物量）诊断方法主要有样点调查法、高光谱遥感、机器视觉、茎秆生物力学和多元综合诊断方法。从所需仪器设备、需要的分析工具、操作人员要求、平均单次诊断耗时、设备成本和适用范围等6个方面来看，使用Canopeo手机软件进行小麦群体诊断，所需设备是目前普遍使用的智能手机，使用门槛低，只要会使用智能手机即可，且诊断效率高，通常30s内即可完成单位地块的群体诊断工作。因此，使用Canopeo手机软件进行小麦群体诊断具备在科研人员、农技人员和普通农民种推广应用的可行性，符合当前农业信息化、智能化的发展需求。

1.2 小麦返青期生长特点与小麦群体图像特征分析

1.2.1 小麦返青期生长特点

返青期是早春麦田50%以上的麦苗心叶长出1～2cm的阶段，历时约1个月，属小麦苗期的最后1个阶段。小麦返青期的生长主要是生根、长叶和分蘖，也是促使晚弱苗升级、控制旺苗徒长、调节群体大小和决定成穗率高低的关键时期。因此，在返青期及以前及时对小麦群体进行调查，从而采取正确的春季水肥管理措施非常重要。

1.2.2 小麦群体图像特征分析

小麦属于禾本科密植性作物，由于其分蘖习性，群体结构随生育期动态变化。小麦叶属于互生排列，但在自然生长过程中，由于播种时落粒方向的不确定性和出苗后叶片对光的需求不同，叶片姿态会在一定范围内做出适当调整，以便使位于群体中下部的叶片不会完全被上部叶片所遮挡，从而使叶片重叠程度最小。正是由于这种特点，在小麦顶视群体图像中，将会有尽可能多的叶片落到视野内，而不是只看到位于冠层上部的有限几个叶片[1]。因此，小麦群体（总茎蘖数）越大，冠层叶片展开的面积也越大，即小麦冠层覆盖度越大，基于此，可以直观推断小麦冠层覆盖度可以作物评价群体（总茎蘖数）的衡量标准。

本文采用检测冠层覆盖度的方式代替样点调查法对小麦群体进行快速估算，衡量标准是冠层覆盖度。影响冠层覆盖度的因素主要有品种、播种量、播种日期、整地质量、播种方式、光照情况、人员操作和小麦叶/蘖间遮盖程度等。

1.3 小麦群体冠层图像获取方法

本文采用手机应用程序（Canopeo）提取作物冠层覆盖度，程序应用流程包括下载软件，程序安装，注册登录，打开程序和按要求操作。随机选取一行长势均匀的麦苗，并取半米作为样点，在样点两端做好标记，手机垂直样点以样点的边界恰好位于相机取景框的上下两端为参照进行拍摄，并用Canopeo处理提取小麦冠层覆盖度，处理时软件Adjustments参数统一设置为1.00，见图1。该系统的特点是根据叶片的绿色光谱特征进行分类处理（处理前、后见图1），因此光照情况等都会影响诊断效果。

1.4 研究地点与研究方法

小麦返青期冠层覆盖度获取、样点茎蘖数田间调查分别在2个地点进行：地点1，中国农业大学科学园学生实践基地。小麦品种为农大5181；播种日期为2016年10月3—7日；播种量为375kg/hm2；施肥量为氮肥（N）225kg/hm2，磷肥（P2O5）150kg/hm2，钾肥（K2O）75kg/hm2。该地块由基地管理员统一整地施肥和进行田间管理，播种由不同班级的学生在田间实验课上完成。本研究共考察了16块地，每块地面积45m2。由于16块地分别由不同班级的学生进行播种，而且播种在5d内完成，因此不同地块小麦群体和长势存在较大差异。研究于2017年2月27日（小麦返青期）进行，在每个地块内随机选择麦苗整齐、生长一致、有代表性的2行麦苗进行定点，每点对0.5m长的1段麦苗进行茎蘖数调查。调查时只要分蘖露出叶鞘就算1个分蘖，分蘖出现喇叭口或分蘖心叶萎蔫、枯死或变黄为退化蘖，不计入总茎蘖数。调查完成后对该段麦苗采取图1的方法拍摄并提取冠层覆盖度。

地点2，山东省阳信县翟王镇、水落坡镇、羊湖乡、河流镇、商店镇、劳店镇6个乡镇的71个农户地块。农户品种选择多样，包括济麦22、鲁麦23、鲁原502、新麦29、优质麦8号、山农28等十几种品种；播种日期范围较大，从2016年9月22日—11月7日；播种量也相差较大，变幅为150～487.5kg/hm2；施肥量变幅为：氮肥（N）180～345kg/hm2，磷肥（P2O5）30～571.5kg/hm2，钾肥（K2O）0～304.5kg/hm2。播种量、播种日期变异大，农户地块小麦群体整体偏大，麦田郁闭，许多麦田已经封行。本研究于2017年3月7日—3月12日（小麦返青期）进行，样点茎蘖数调查方法和冠层覆盖度提取方法同地点1。

2 试验数据处理分析

2.1 实验地块冠层覆盖度与总茎蘖数的关系

地点1应用传统样点调查法在小麦返青期对16个实验地块进行样点总茎蘖数调查，每块地按照1.4中的要求对2个长0.5m的样点进行调查，调查完成后采用1.3中的方法用Canopeo手机软件检测样点冠层覆盖度。16块地的样点总茎蘖数范围为50～293个，其中旺苗占40%，一类苗16%，二類苗25%，弱苗19%；样点覆盖度范围为7.18%～28.80%。

对16块实验地的样点冠层覆盖度与总茎蘖数进行相关性分析，并用不同的函数建立相关关系，见表2。4种不同拟合函数覆盖度与总茎蘖数之间都具有极显著关系，其中对数函数拟合效果最好，F=129.195，SE=3.175，决定系数（R2）达0.812，见图2。表明在科学管理的地块中应用Canopeo手机软件进行群体快速诊断是完全可行的。

表2 实验地块样点冠层覆盖度与样点总茎蘖数的回归关系

拟合方式 决定系数/R2 回归方程 F 值 标准误

线性 0.792 y=0.1005x+4.0615 114.170** 3.336

对数 0.812 y=13.869ln（x）-48.913 129.195** 3.175

幂 0.799 y=0.271x0.8517 119.113** 0.203

指数 0.703 y=7.305e0.0059x 71.172** 0.247

*表示0.05水平显著，**表示0.01水平显著

图2 实验地块冠层覆盖度与总茎蘖数关系

2.2 农户地块中冠层覆盖度与样点总茎蘖数的关系

71个农户地块样点总茎蘖数范围为41～278个，其中旺苗占76%，一类苗19%，二类苗12%，弱苗3%；样点覆盖度范围为4.21%～31.57%。

对农户地块的样点冠层覆盖度与样点总茎蘖数进行相关性分析，并用不同的函数建立相关关系，见表3。4种不同函数拟合覆盖度与总茎蘖数之间都具有极显著关系，其中幂函数拟合效果最好，F=124.596，SE=0.264，决定系数（R2）达到0.471；其次是对数函数F=94.414，SE=4.705，决定系数（R2）达到0.403，表明管理水平差异很大的农户地块应用Canopeo手机软件进行群体快速诊断也是可行的。

考虑到小麦的分蘖特性，随小麦生育天数增加，小麦行间郁闭程度增加，直至最后完全覆蓋，即覆盖度为100%。结合小麦生长特性和地点1拟合情况，认为对数函数更符合实际情形，更能反映覆盖度与总茎蘖数之间的关系（见图3）。

2.3 根据冠层覆盖度检测结果进行管理推荐

应用Canopeo快速检测冠层覆盖度，目的是对小麦群体进行快速估算，从而采取针对性管理措施。生产中可以将覆盖度、亩茎数（苗情）和管理措施结合起来设计小软件，将覆盖度与相应的田间管理措施对应起来，见表4。

管理措施 推迟浇水至拔节期并每667m2追施尿素20～25kg或者是30-0-5的高氮复合肥30kg并在拔节期以前喷施多效唑类药剂进行化学控旺 为防止小麦旺长，培育健壮群体，推迟浇水至拔节期并每667m2追施尿素20～25kg或者是30-0-5的高氮复合肥30kg 起身期浇灌并每667m2追施尿素20～25kg或者是30-0-5的高氮复合肥30kg，促弱转壮 返青期浇灌并每667m2追施尿素20～25kg或者是30-0-5的高氮复合肥30kg，并考虑喷施磷酸二氢钾等叶面肥，促弱转壮

以地点1对数函数拟合的函数方程为例：样点冠层覆盖度（y）与样点总茎蘖数（x）函数关系为：y= 13.869ln（x）-48.913。

其中a为Canopeo检测的小麦冠层覆盖度（%），b为小麦10行行距（m）。

为了能够借助冠层覆盖度的检测结果直接指导小麦生产，可用VBA（Visual Basic for Applications）语言设计小软件，实现根据覆盖度检测结果自动推荐相应的田间管理措施的目的。

3 讨论

本文在进行小麦群体快速调查时，以冠层覆盖度为衡量标准，在而农户田间品种、播量、播期、整地质量、播种方式差异较大，导致诊断精确性略低。地点2农民地块样点平均总茎蘖数为165个，地点1实验地块样点平均总茎蘖数为132个。按照平均行距18cm计算，地点2平均667m2总茎蘖数为122万，属旺苗，地点667m2总茎蘖数为98万，属一类苗。考虑到农民地块普遍播期早、播量大和过量施用氮肥导致旺苗十分普遍的现状，可以推断：会受品种、播种量、播种日期、整地质量、播种方式、光照情况、人员操作等因素影响，农户地块普遍群体过大，导致不同叶片/分蘖间遮挡程度增大，是造成农户地块覆盖度与茎蘖数相关性大大降低的主要原因。因此，对于管理水平差异大，尤其是播量大、播期早的农户地块，采用Canopeo进行群体快速诊断时，要提高调查精度，需要将时间提前，例如在小麦越冬期及以前进行。本文在2个不同地点、不同管理水平的地块研究了冬小麦返青期的冠层覆盖度与总茎蘖数的关系，而没有对不同地点相同管理水平的多个时期进行研究，后续研究还需要跟进。

光照及对作物冠层光谱的准确捕捉是诊断准确性的关键，在同等气象条件下、采用标准化的操作方法是核心。本实验在农户地块中诊断涉及多天，气象条件略有不同。而且对大范围农田进行诊断时，操作难免不一致也降低了诊断的准确性。本研究中样点两端与相机取景框上下刚好对齐、相机垂直样段等操作要求完全由操作人员主观把握，受人为因素影响较大。若在科研上应用还需要引入更加精准可靠的参考方法。但考虑到小麦苗情划分范围较广，每个级别之间总茎蘖数跨度高达20万，因此用于指导小麦生产是可行的。

4 结论

科学管理的实验地块冠层覆盖度与总茎蘖数相关关系最好（R2=0.812），管理水平差异很大的农户地块相关性较差（R2=0.403），但均存在极显著关系，表明即使在管理水平差异很大农民地块中应用Canopeo手机软件进行群体快速诊断也是可行的，只是精度不高。

农民地块中进行群体快速诊断要保证精度，严格按照操作方法（相机与地面垂直、样点两段与相机取景框上下端对齐）进行操作，还需要尽量将时间提前，以降低农民地块群体过大，叶片/分蘖之间遮盖程度过大对诊断结果的影响。

参考文献

[1]单成钢，廖树华，梁振兴，朱虹，郑丽敏，王璞.小麦群体图像特征识别方法的研究——小麦群体总茎数的诊断[J].作物学报，2004（12）：1281-1283.

[2]蔡铁.小麦分蘖发生调控及构建合理群体结构的化控途径[D].济南：山东农业大学，2013.

[3]卢殿君.华北平原冬小麦高产高效群体动态特征与氮营养调控[D].北京：中国农业大学，2015.

[4]王姗姗.“渤海粮仓”小麦苗情诊断及气象灾害预测与服务系统研发[D].济南：山东农业大学，2016.

[5]侯学会，牛铮，黄妮，许时光.小麦生物量和真实叶面积指数的高光谱遥感估算模型[J].国土资源遥感，2012（4）：30-35.

[6]徐改花，张福平，周正朝，甘卓亭，蒲蕾，陈丽.利用数码相片对冬小麦生物量的试算[J].资源开发与市场，2011，27（3）：193-196.

[7]郑玲，朱大洲，王成，潘大宇，罗斌，赵春江.基于LabVIEW的小麦生物量检测系统[J].农业机械学报，2013，44（9）：214-218.

[8]郑玲.小麦生物量田间快速测量方法研究[D].杨凌：西北农林科技大学，2015.

[9]胡新，孙忠富，任德超，杜克明.越冬期小麦苗情分类综合指数计算方法探讨[J].河南农业学，2012，41（12）：38-41.

[10]单成钢，廖树华，龚宇，梁振兴，王璞.应用数字图像技术诊断冬小麦冠层生物量垂直分布特征的研究[J].作物学报，2007（3）：419-424.

作者简介：刘家欢（1993-），男，湖北宜昌人，农学学士，研究方向：小麦技术集成与小麦信息化服务系统建设。