基于低成本RGB相机和近红外相机的作物叶片叶绿素含量估测方法比较研究

摘要：水稻、小麦等作物的叶片叶绿素含量与其最终产量密切相关。本文综述了几种常用的叶绿素含量测定方法，分析了化学分析法、SPAD-502叶绿素仪、高光谱分析法等方法的利弊，并重点介绍和探讨了近年来日益获得关注的通过低成本RGB相机和近红外相机估测作物叶片叶绿素含量的新方法。RGB相机和近红外相机估测叶绿素含量的精度与SPAD-502叶绿素仪和高光谱仪等专业设备相当，而且具有低成本、操作简单且便于携带的优势，具有良好的应用前景。

关键词：RGB相机；近红外相机；作物叶片；叶绿素含量

中图分类号： S511 文献标识码： A DOI编号： 10.14025/j.cnki.jlny.2018.24.031

叶绿素含量能反映作物体内的氮素营养水平，两者密切相关。氮素营养水平对作物生长发育进程影响显著，能够直接反映植被营养状况及代谢，进而直接影响作物最终产量。化学分析法是传统的叶绿素含量测定方法。例如，王得贤、陈福明等通过Arnon法和混合液法，以试验田采样、实验室分析的方式测定叶绿素（Chl）含量。但是该方法要求剪取叶片样本，具有破坏性，而且实践表明化学分析法存在效率低及操作难度大等缺点，不适宜大范围使用。

一些非破坏性叶绿素含量测定方法得到了应用。叶绿素测定仪（SPAD-502）可以测量叶绿素相对含量，能够减少对植物叶片的伤害并且实际操作方便快捷，但其测量结果具有局限性，只能代表特定测量位点，无法得知叶片整体叶绿素分布情况。

高光谱分析法近年来在作物叶绿素含量测定上发挥越来越重要的作用，研究者可采用FieldSpecPro3 光谱仪等仪器，通过分析高光谱参数和作物叶片叶绿素含量关系，建立多个模型，并从中筛选出最优模型作为叶片叶绿素含量估测模型。但是，高光谱仪不便于携带，且成本高昂，不适用于大田试验。

因此，探索易操作、低成本、高效率的作物叶片叶绿素含量测定方法是当前的研究趋势。近年来，低成本并便于携带的RGB相机和近红外相机开始被用于估测作物叶片叶绿素含量。

1 叶绿素含量RGB相机估测

叶片颜色常用于判断作物的生长状况。随着低成本RGB数码相机的日益普及，利用RGB相机成像来评价叶片叶绿素含量更为高效。

Kawashima等通过拍摄作物叶片图像，提取（R-B）/（R+B）等参数估算叶绿素含量。Jia 等发现，冬小麦在孕穗期和开花期，叶片图像处理后所得的绿光强度与SPAD值的相关关系极显著。Pagola 等[12]利用主成分分析法构建的颜色参数IPCA ，应用于大麦叶片后可估测其SPAD读数。

基于前人研究，王远等改进分析方法，提出对拍摄的图像采取分割的方式，根据G、B两通道差值大小设定阈值，再从结果中获取特征参数。通过这种方法可以更为简便地获得高精度的SPAD估测值，具有较好的普适性和应用价值。

2 叶绿素含量近红外相机估测

使用低成本消费级近红外相机可以获得作物叶片的可见光图像及近红外图像，张建等通过实验发现，760nm（近红外波段）反射率对水稻叶片SPAD值的预测效果最好。这与武倩雯等在研究玉米叶片叶绿素含量时所得结果基本一致。孟晋等通过对单反相机加载近红外滤波片，获取水稻多波段三个通道（R、G、B）光谱信息，发现R通道与叶绿素含量（SPAD）值的相关性最高，以此建立预测模型可高精度估测水稻叶绿素含量。

实验表明，在估测作物叶片叶绿素含量方面，低成本消费级近红外相机与高成本高光谱仪的估测精度基本相同[7]。但近红外相机操作简单、成本低廉的特点使其更具应用前景。

3结语

通过对目前几种常用的作物叶片叶绿素含量测量方法的比较，可以看出RGB相机和近红外相机估测精度与SPAD-502叶绿素仪和高光谱仪等专业设备相当，而且具有低成本、操作简单且便于携带的优势。随着数码技术与成像技术的快速更新换代，其应用价值将会得到更大的提升。

参考文献

[1]程萌，张俊逸，李民赞，等.用于微小型光谱仪的冬小麦抽穗期叶绿素含量诊断模型[J].农业工程学报，2017，33（s1）：157-

163.

[2]李俊霞，杨俐苹，白由路，等.不同品种玉米氮含量与叶片光谱反射率及SPAD值的相关性[J].中国土壤与肥料，2015（03）：34-39.

[3]张潇元，张立福，张霞，王树东，田静国，翟涌光.不同光谱植被指数反演冬小麦叶氮含量的敏感性研究[J].中國农业科学，2017，50（03）：474-485.

[4]王得贤，李有忠，祁如虎，等.混合液法和Arnon法提取叶绿素的比较研究[J].青海畜牧兽医学院学报，1994，11（02）：24

-28.

[5]陈福明，陈顺伟.混合液法定叶绿素含量的研究[J].林业科技通讯，1984，（02）：4-8.

[6]赵黎明，解保胜，那永光，等.简述SPAD-502 在水稻及其它作物上应用的研究进展[J].北方水稻，2015，45（01）：72-80.

[7]张建，孟晋，赵必权，等.消费级近红外相机的水稻叶片叶绿素（SPAD）分布预测[J].光谱学与光谱分析，2018，38（03）：737-744.

[8]武倩雯，熊黑钢，靳彦华，等.基于多个高光谱参数的玉米叶片叶绿素含量估测模型[J].干旱地区业研究，2016，34（01）： 201-205.

[9]于艳.基于数码图像处理的彩色样品质量评价方法研究[D].重庆大学，2012.

[10]武倩雯，熊黑钢，靳彦华，等.基于近红外波段玉米叶绿素含量最佳预测模型研究[J].中国农学通报，2015，31（15）：260-264.

[11]孟晋.基于消费级近红外相机的水稻叶片叶绿素（SPAD）分布问题研究[D].华中农业大学，2017.

[12]Kawashima S， Nakatani M. An algorithm for estimating chlorophyll content in leaves using a video camera. Annals of Botany，1998，81（1）：49-54.

作者简介：王志超，在读本科生，研究方向：农业信息技术。

推荐访问:相机 估测 叶绿素 叶片 作物

---