CN110378890A - 一种林下资源植物地上器官n含量的预测方法 - Google Patents

Abstract

一种林下资源植物地上器官N含量的预测方法，涉及林下资源管理领域，解决了目前检测林下资源植物地上器官的N含量时所存在的费时费力、成本高、难以直接得到数据、操作难度大等问题。本发明包括：采集林下资源植物叶片图像；将所得叶片图像采用图像处理软件处理成直方图，在其中勾选出仅有叶片图像的像素区域，在图像处理软件中直接读取出该区域内叶片绿色程度的平均值，即为叶片图像绿度值；以模型y＝‑0.0258x+26.614对林下资源植物叶片N含量进行预测，模型中的x为步骤二所得叶片图像绿度值，y为林下资源植物叶片N含量的预测值(mg g^‑1)。本发明省时省力，成本件低，操作简单，预测精度高，结果准确。

Description

一种林下资源植物地上器官N含量的预测方法

技术领域

本发明涉及林下资源管理技术领域，具体涉及一种林下资源植物地上器官N含量的预测方法。

背景技术

快速增长的人口和不断变化的全球气候给天然林资源带来沉重的负担，传统的以采伐天然林生产木材的经营方式早已不适应当前的国民经济生产。因此，现代森林经营理念要求在保护现有天然林不被破坏的前提下充分利用林下资源(林下资源，understory，under-canopyresource，指自然森林中非建群种的灌木、草本植物)，林下资源通常都具有较高的药用开发价值，通过发展林下经济带动林区百姓致富。林下资源植物多为耐阴性强、生长缓慢但经济价值较高的灌木或草本，通常以其地上部分的果实、春芽、叶片或根系为主要开发器官，代表性植物分别为蓝靛果、辽东楤木(俗称刺老芽、刺龙芽)、刺五加和人参等。

林下资源植物地上器官(植物地上器官包括地上部分的木质化茎干、侧枝、嫩枝、芽、花、果和叶片等器官)中的N含量的高低决定着植物品质，N不仅是光合产物(糖和淀粉)形成和积累的关键酶的“原料”，也是影响着植物抗逆性能、植物品质(植物品质指的是植物组织器官中具有开发价值的次生代谢物质的含量高低)形成和生长状态的最重要元素之一。因此在实际生产中，快速准确的确定林下资源植物地上器官的N含量具有重要的指导性意义。

目前针对林下资源植物地上器官的N含量测定主要采用两种检测技术，第一种是移动式的叶绿素快速检测技术，第二种是叶片绿色程度的快速成像和电子扫描技术。第一类以叶绿素速测仪、Li-Cor 6400光合仪等移动式快速诊断植物光合生理指标的设备为代表，可以快速检测林下植物叶绿素含量、光合速率和蒸腾速率等指标，但是这类设备的主要问题是成本高昂，一般在10～40万人民币不等，操作复杂，难以在一线林下资源产业领域中直接应用。第二类以专业的叶片扫描成像分析软件系统为代表，可以通过规范化的流程采集叶片并进行扫描后得到叶片绿色程度的得分值，但是这类分析系统成本高昂，一般在10～30万元人民币不等，并且不同软件扫描出的叶片绿色程度的指标标准不一，难以在不同软件的方法体系之间找到共同的评价标准。

发明内容

为了解决目前检测林下资源植物地上器官的N含量存在的费时费力、成本高、难以直接得到数据、操作难度大的问题，本发明提供一种林下资源植物地上器官N含量的预测方法。

本发明为解决技术问题所采用的技术方案如下：

本发明的一种林下资源植物地上器官N含量的预测方法，包括：

步骤一、采集林下资源植物叶片图像；

步骤二、计算林下资源植物叶片图像绿度；

将步骤一所得叶片图像采用图像处理软件处理成直方图，在直方图中勾选出仅有叶片图像像素的区域，在图像处理软件中直接读取出该区域内叶片绿色程度的平均值，即为叶片图像绿度值；

步骤三、模型预测；

以模型y＝-0.0258x+26.614对林下资源植物叶片N含量进行预测，模型中的x为步骤二所得叶片图像绿度值，y为林下资源植物叶片N含量的预测值，单位mg g^-1。

作为优选的实施方式，步骤一的具体步骤如下：

利用拍照设备对林下资源植物的原位叶片拍摄全景照片，全景照片的像素分辨率大于72像素/英寸，RGB制式，格式为jpg、png、gif或tif；拍摄条件为：光强高于1500lux，无阴影，无闪光，静止状态，要求叶脉、叶柄和叶角同时出现在此全景照片中。

作为更优选的实施方式，所述拍照设备为手机或专业照相设备。

作为优选的实施方式，步骤一的具体步骤如下：

摘取林下资源植物的叶片，摘取后24小时内，将叶片平展放于扫描仪中，以无色背景或白色背景进行扫描，要求扫描的叶片图像的像素分辨率大于72像素/英寸，RGB制式，格式为jpg、png、gif或tif。

作为优选的实施方式，步骤二中，所述图像处理软件为photoshop。

本发明的有益效果是：本发明通过分析林下资源植物叶片绿色程度来预测N含量，解决了林农在从事林下资源经营管理的过程中无法有效快速评估植物营养状态的问题。与现有技术相比本发明具有以下优点：

1、在拍摄或者扫描叶片过程中限制较少，利用现有设备即可完成拍摄或者扫描过程，便于林区操作。

2、本发明无需检测N含量即可通过模型(y＝-0.0258x+26.614)预测的方法获得林下资源植物地上器官N含量，简单易行。

3、本发明预测精度高，结果准确。

4、本发明所获得的叶片图像限制少，采用直方图获取绿度，便于不同软件间的标准统一。

5、本发明的成本低廉。

附图说明

图1为效果验证试验结果图。

具体实施方式

本发明的一种林下资源植物地上器官N含量的预测方法，包括：

步骤一、主要针对林下资源植物，以其叶片为目标，原位(原位是指未经破坏或采摘的原始林下资源植物的状态)或摘除叶片样本即可，然后可以采用以下两种方法中的一种采集林下资源植物叶片图像：

第一种采集林下资源植物叶片图像的方法如下：

利用拍照设备(手机或专业照相设备等具有拍照功能的任意产品)对林下资源植物的原位叶片拍摄全景照片，全景照片的像素分辨率大于72像素/英寸，RGB制式，格式可为jpg、png、gif或tif等，任意选取其中一种格式；拍摄条件为：光强高于1500lux，无阴影，无闪光，静止状态，要求叶脉、叶柄和叶角同时出现在此全景照片中。

第二种采集林下资源植物叶片图像的方法如下：

摘取林下资源植物的叶片，摘取后24小时内，将叶片平展放于扫描仪(手机、覆盖扫描仪或者悬挂式扫描仪等)中，以无色背景或白色背景进行扫描，要求扫描的叶片图像的像素分辨率大于72像素/英寸，RGB制式，格式可为jpg、png、gif或tif等，任意选取其中一种格式。

步骤二、计算林下资源植物叶片图像绿度：

将步骤一所得叶片图像采用图像处理软件(例如photoshop软件等)处理成直方图，在直方图中勾选出仅有叶片图像像素的区域，在图像处理软件(photoshop)中直接读取出该区域内叶片绿色程度的平均值，即为叶片图像绿度值。

步骤三、模型预测：

以模型y＝-0.0258x+26.614对林下资源植物叶片N含量进行预测，模型中的x为步骤二所得叶片图像绿度值，y为林下资源植物叶片N含量的预测值，单位为mg/g。

效果验证试验如下：

以东北三省采集的林下野生辽东楤木、老山芹、刺五加、蓝靛果和寒葱等植物叶片为对象，通过覆盖扫描获得叶片图像，另取叶片采用现有技术进行N含量分析，利用两者结果构建相关模型，如图1所示，结果显示，模型描述为y＝-0.0258x+26.614，相关系数R＝0.3624，相对误差限不到5％，显著性P＝0.0382，达到显著水平，根据实测N含量结果显示该模型的预测精度为98％。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种林下资源植物地上器官N含量的预测方法，其特征在于，包括：

步骤一、采集林下资源植物叶片图像；

步骤二、计算林下资源植物叶片图像绿度；

将步骤一所得叶片图像采用图像处理软件处理成直方图，在直方图中勾选出仅有叶片图像像素的区域，在图像处理软件中直接读取出该区域内叶片绿色程度的平均值，即为叶片图像绿度值；

步骤三、模型预测；

以模型y＝-0.0258x+26.614对林下资源植物叶片N含量进行预测，模型中的x为步骤二所得叶片图像绿度值，y为林下资源植物叶片N含量的预测值，单位mg g^-1。

2.根据权利要求1所述的一种林下资源植物地上器官N含量的预测方法，其特征在于，步骤一的具体步骤如下：

利用拍照设备对林下资源植物的原位叶片拍摄全景照片，全景照片的像素分辨率大于72像素/英寸，RGB制式，格式为jpg、png、gif或tif；拍摄条件为：光强高于1500lux，无阴影，无闪光，静止状态，要求叶脉、叶柄和叶角同时出现在此全景照片中。

3.根据权利要求2所述的一种林下资源植物地上器官N含量的预测方法，其特征在于，所述拍照设备为手机或专业照相设备。

4.根据权利要求1所述的一种林下资源植物地上器官N含量的预测方法，其特征在于，步骤一的具体步骤如下：

摘取林下资源植物的叶片，摘取后24小时内，将叶片平展放于扫描仪中，以无色背景或白色背景进行扫描，要求扫描的叶片图像的像素分辨率大于72像素/英寸，RGB制式，格式为jpg、png、gif或tif。

5.根据权利要求1所述的一种林下资源植物地上器官N含量的预测方法，其特征在于，步骤二中，所述图像处理软件为photoshop。