基于数字图像技术的冬油菜氮素营养诊断

氮素营养诊断技术的发展及其在冬油菜上的应用近年来，由于氮素营养诊断技术在农业生产中的重要作用，得到了越来越多的关注。

在营养诊断技术发展的历史背景下，本文主要介绍了氮素营养诊断技术的原理、研究进展与实践应用，并就氮素营养诊断技术在冬油菜栽培中的应用进行了探讨。

研究表明，采用氮素营养诊断技术，可以改善土壤营养状况，提高冬油菜的品质和产量，进而提高农民的经济收入。

本文还就氮素营养诊断技术在未来发展中潜在的产业应用等方面进行了简要介绍，提出了相应的建议，以期发挥氮素营养诊断技术在农业生产中的更大价值。

关键词：氮素营养诊断技术；冬油菜；营养状况；产业应用1言近年来，随着环境污染的不断加剧，土壤污染已成为世界各地的普遍问题。

农业生产也受到土壤污染的严重侵害，影响着农作物的生长发育，从而降低农作物的产量和品质。

因此，科学有效地管理土壤营养，以提高农作物的产量与质量，已经变得越来越重要。

为此，氮素营养诊断技术作为一种新兴的技术手段，给农业生产带来了巨大的福音。

2素营养诊断技术的发展历史和原理氮素营养诊断技术是通过测定植物真菌代谢物（例如脲醛酸）含量，来诊断土壤氮素含量，而实现土壤施肥的有效管理，也可以称为“植物代谢快速鉴定法”。

近年来，氮素营养诊断技术的研究有了长足的发展，越来越多的研究也开始运用这一技术来检测土壤中的氮素含量，以促进农业的可持续发展。

3素营养诊断技术的实践应用(1)油菜栽培采用氮素营养诊断技术学者科研发现，在冬油菜栽培中，采用氮素营养诊断技术，可以改善土壤营养状况，提高冬油菜的品质和产量，进而提高农民的经济收入。

具体来说，该技术的使用可以帮助农民掌握土壤的氮素含量和分布情况，掌握不同地段土壤的施肥量，从而提升冬油菜栽培的效率。

(2)素营养诊断技术在其他农作物中的应用氮素营养诊断技术还可以应用于其他农作物。

例如，采用该技术可以帮助苹果栽培者掌握土壤氮素含量，从而在发育阶段选择性施肥，提高树冠发育和果实品质。

基于图像处理的冬小麦氮素监测模型陈佳悦;姚霞;黄芬;刘勇;于琪;王妮;徐焕良;朱艳【期刊名称】《农业工程学报》【年(卷),期】2016(000)004【摘要】为探索基于数字图像处理技术的冬小麦氮素无损诊断图像评价指标及构建方法，设计拍摄2012-2014年度不同种植方案下冬小麦冠层图像，基于归一化的H分量K均值聚类分割算法提取基础颜色特征值，与同期叶片氮含量（leaf nitrogen content，LNC）进行线性拟合，调优并确定三原色分量最佳拟合系数，提出RGB空间下的颜色组合标准化指数（normalized color mix index，NCMI）。

对比深绿色指数（dark green color index，DGCI）、红光标准化值（normalized redness intensity，NRI）和绿光与红光比值G/R发现，3个采样期NCMI与LNC的决定系数R2均高于3个对比指标，分别为0.77、0.79、0.94，均方根误差（root mean square error，RMSE）相较同期最低的指标，分别降低了0.18%、0.37%和1.67%；生选6号和扬麦18号NCMI与LNC的相关性，在一定冠层覆盖度下均优于其他3个指标；D2密度（3×106株/hm2）N1（纯氮150 kg/hm2）处理下NCMI效果明显优于其他3个指标，R2和RMSE较NRI分别改善了7.69%和4.11%，该研究可为一定冠层覆盖度下的冬小麦氮素营养诊断图像评价指标提供参考。

%This paper explored the digital image evaluation index of the monitoring of winter wheat nitrogen nutrition and the establishment method based on digital image processing technology. The images of winter wheat canopy at different stages under different planting schemes (2 varieties, 2 planting density levels and 3 nitrogenfertilizer application rates) were taken from 2012 to 2014, and the basic color characteristic value of canopy image samples was extracted using the algorithm based on the normalized k-means clustering segmentation for theH component. Firstly, it chose 9 image feature parameters, including 3 monochromatic components (r, g andb), 3 linear combination parameters (r-g-b,r-g andr-b), and 3 linear combination parameters by standardized processing ((r-g-b)/(r+g+b), (r-g)/(r+g+b) and (r-b)/(r+g+b)), and analyzed contrastively the correlation between the above parameters and the monitoring evaluation index of nitrogen nutrition under different schemes. It was found that the characterization ability of 3 monochromatic components for wheat nitrogen nutrition level was not the same, but for the combination characteristic parameters by the 3 monochromatic components, the degree of correlation was better than the 3 monochromatic components, and at the same time, the increase of the level of correlation was more obvious after further normalized. So, to establish the image evaluation index of the monitoring of wheat nitrogen nutrition, the first step was to choose the base color component which had a stronger representation ability of leaf nitrogen content and increase its proportion, the second step was to adjust and optimize the combination weights of the other remaining monochromatic components, and the final step was to standardize it. A linear fitting was carried out at different sampling periods and under different cultivation schemes, which made use of basal image color characteristic values and leaf nitrogen concentration (LNC) measurement during the same period in 2013, determined the bestfitting content, and put forward the image normalized color mix index (NCMI) under the RGB (red, green, blue) color space. To study the feasibility of NCMI on monitoring nitrogen nutrition state, the experimental data in the year of 2014 were divided according to different periods and different cultivation schemes, and the correlation between NCMI and LNC, as well as that between other 3 typical image evaluation parameters, i.e. normalized red index (NRI), dark green color index (DGCI) and ratio of green light to red light (G/R) and LNC was analyzed quantitatively. The results showed that the correlation and the fitting of NCMI as winter wheat nitrogen nutrition evaluation index kept a good suitability, accuracy and stability, and meanwhile NCMI had a consistent change law with other 3 typical image characteristic indices (DGCI,G/R, NRI) under each scheme in 2014. Among them, the values ofR2 between established NCMI and LNC during 3 sampling periods (March 8th, March 31st and April 15th) were respectively 0.77, 0.79 and 0.94, higher than 3 contrast indicators at different degree, and the root mean square error (RMSE) reduced by 0.18%, 0.37% and 1.67% respectively compared with the best RMSE of other 3 indices. Under the certain vegetation canopy coverage condition, the correlation between NCMI and LNC for the 2 cultivars (Shengxuan No.6 and Yangmai No.18) on March 31th and April15th was better than that of the 3 comparative indices, and the lowest RMSE were 0.1833 and 0.2230, respectively; the related degree between NCMI and LNC under the planting density of D2 (3.0×106 plant/hm2) in the 3 periods was higher, and the values ofR2 and RMSE were superior tothe 3 indices on March 8th, while they were consistent with those between DGCI and NRI at the other 2 stages; the RMSE between NCMI and LNC on April 15th was 0.1299, which was reduced by 5.18% compared with the lowest RMSE of the other 3 indicators; NCMI was also better than other indices under the N1 treatment (pure nitrogen 150 kg/hm2) of the D2 planting density, and theR2 increased by 7.69% and the RMSE improvedby 4.11% compare d with the best performer NRI. Therefore, it’s more suitable to choose NCMI to be the digital image evaluation index of winter wheat nitrogen nutrition compared with other parameters under certain canopy coverage.【总页数】8页(P163-170)【作者】陈佳悦;姚霞;黄芬;刘勇;于琪;王妮;徐焕良;朱艳【作者单位】南京农业大学信息科学与技术学院，南京 210095;南京农业大学国家信息农业工程技术中心，南京 210095;南京农业大学信息科学与技术学院，南京 210095; 南京农业大学国家信息农业工程技术中心，南京 210095;南京农业大学国家信息农业工程技术中心，南京210095;南京农业大学信息科学与技术学院，南京 210095;南京农业大学国家信息农业工程技术中心，南京 210095;南京农业大学信息科学与技术学院，南京 210095; 江苏省肉类生产与加工质量安全控制协同创新中心，南京 210095;南京农业大学国家信息农业工程技术中心，南京210095【正文语种】中文【中图分类】S126;TP391.4【相关文献】1.基于高光谱的柑橘叶片氮素营养监测模型 [J], 叶春;李艳大;舒时富;陈立才;王康军;黄俊宝;周明2.基于高光谱的冬油菜植株氮素积累量监测模型 [J], 李岚涛;马驿;魏全全;汪善勤;任涛;李小坤;丛日环;王振;王少华3.不同外源氮素用量条件下氮素的利用率——基于冬小麦-夏玉米轮作多年定位试验 [J], 张文杰4.基于"三边"参数的冬小麦冠层SPAD值监测模型 [J], 林少喆;彭致功;王春堂;张宝忠;魏征;张倩;韩娜娜;刘露5.关中冬小麦叶片氮素含量高光谱遥感监测模型 [J], 赵刚峰;李军;刘冰峰;M.N.Tahir因版权原因，仅展示原文概要，查看原文内容请购买。

山西农业科学 2023，51（4）：450-455Journal of Shanxi Agricultural Sciences基于图像处理技术的多角度冬小麦氮素营养诊断刘星科，董浩，杨莎，王超，冯美臣，肖璐洁，宋晓彦，张美俊，杨武德（山西农业大学 农学院，山西 太谷 030801）摘要：为实现基于图像处理技术的多角度冬小麦氮素营养无损监测，以不同氮运筹试验的冬小麦作为研究对象，使用相机对冬小麦冠层进行多角度拍摄，基于openCV 图像技术处理冬小麦冠层图像并提取颜色特征参数，结合叶片氮含量指标，利用多元线性回归、逐步多元线性回归、BP -神经网络建立多角度条件下颜色特征参数的氮素监测模型。

结果表明，冬小麦冠层图像与叶片氮含量存在一定的相关性，从冠层图像获取的RGB 颜色空间中的R 、G 、B 、reG 、lnG 等5个颜色参数与冬小麦的叶片氮含量相关性均达到极显著水平；不同的拍摄角度对基于图像参数的冬小麦叶片含氮量光谱监测精度造成影响，其中，与冠层水平面呈60°（逆光，与天顶方向夹角30°）拍摄的冠层图像建模效果准确度最高，效果最优（R 2=0.896，RMSE=0.572），与冠层水平面呈30°（逆光，与天顶方向夹角60°）次之，与冠层水平面呈90°（逆光，垂直向下，与天顶方向夹角0°）最差。

基于R 、G 、B 、lnG 、reG 等5个颜色特征参数建立的60°冠层图像的多元线性回归模型整体表现最好。

关键词：冬小麦；叶片氮含量；图像处理；颜色特征参数；多角度中图分类号：S512.1+1 文献标识码：A 文章编号：1002‒2481（2023）04‒0450‒06Multi-Angle Diagnosis on Nitrogen Nutrition of WinterWheat Based on Image Processing TechnologyLIU Xingke ，DONG Hao ，YANG Sha ，WANG Chao ，FENG Meichen ，XIAO Lujie ，SONG Xiaoyan ，ZHANG Meijun ，YANG Wude （College of Agriculture ，Shanxi Agricultural University ，Taigu 030801，China ）Abstract ：In order to achieve non -destructive monitoring of nitrogen nutrition in winter wheat from multiple angles based on image processing technology, in this paper, winter wheat with different nitrogen operation tests was taken as the research object, the winter wheat canopy was shot by camera from multiple angles, the image of winter wheat canopy was processed based on openCV image processing technology and the color characteristic parameters were extracted, combined with the nitrogen content index of leaves, using multiple linear regression, stepwise multiple linear regression, and BP -neural network, a nitrogen monitoring model of color characteristic parameters under multi -angle conditions was established. The results showed that there was a certain correlation between the canopy image of winter wheat and the nitrogen content of leaves, and the correlation between the five color parameters of R, G, B, reG, and lnG in the RGB color space obtained from the canopy image and the leaf nitrogen content of winter wheat reached an extremely significant level. Different shooting angles caused influence on the accuracy of spectral monitoring of nitrogen content in winter wheat leaves based on image parameters, among which the modeling effect of the canopy image taken with the angle of 60 °(backlight, 30 ° to the direction of the zenith) to canopy horizontal plane was the most accurate and the effect was best(R 2=0.896，RMSE=0.572). The angle of 30 °(backlight, 60 ° to the direction of the zenith) to canopy horizontal plane took sencond place. The angle of 90 °(backlight, vertical down, 0 ° to the direction of the zenith) to canopy horizontal plane was the worst. The multiple linear regression model of 60° canopy image established by using the five color characteristic parameters of R, G, B, LnG, and reG performed best.Key words ：winter wheat; leaf nitrogen content; image processing; color characteristic parameters; multi -angle冬小麦是我国主要粮食作物[1]，氮素营养对于冬小麦生长和产量及品质形成具有重要的影响。

基于光谱信息的作物氮素营养诊断研究进展作者：杨绍锷杜鑫来源：《湖南农业科学》2017年第02期摘要：快速、准确地进行作物氮素营养诊断，有助于管理者及时、有效地采取相应的应对措施，既保障作物的高产量，又有效地管控、减少化肥施用量。

由于作物氮素营养状况直接影响着作物的光谱信息，因此以作物光谱信息为依据进行作物氮素营养诊断极具潜力。

对当前基于光谱信息进行作物氮素营养诊断的3种方法（便携式叶绿素仪法、高光谱遥感诊断法和数字图像分析诊断法）进行了综述，介绍了各个方法的原理、特点和研究进展，并对未来基于光谱信息的作物氮素营养诊断进行了展望。

关键词：光谱信息；氮素；营养诊断；研究进展中图分类号：S123 文献标识码：A 文章编号：1006-060X（2017）02-0127-04作物生长受气候条件、土壤状况、管理措施等众多因素的影响，实时地了解作物的营养状况，有助于管理者及时采取措施，有针对性地对作物进行有益干预，从而实现作物的高产、高效、经济、环保生产；尤其是在我国粮食安全形势严峻、生态环境日趋恶化的情况下，及时了解作物的营养状况显得尤为重要。

根据作物的外观、形态来判断作物的营养状况，是人们在长期的种植过程总结的经验方法，有一定的科学依据，简单方便，在实际生产中经常被使用，但此类方法通常比较粗犷、无法量化。

在实验室进行植物样品的化学分析，是获知植物营养状况最直接、准确的方法，但由于所需时间较长，时效l生差，无法满足田间管理要求。

在农业现代化、信息化的要求下，需要发展快速、准确、经济的田间作物营养诊断方法。

光谱技术手段是当前作物营养快速诊断的一个重要研究方向。

作物营养状况的变化，会导致作物反射光谱在不同的波段范围出现不同程度的变化，基于这些光谱信息进行作物营养的反演，即可实现作物营养状况的快速诊断。

自20世纪70～80年代以来，研究人员利用作物的光谱信息，发展了多种作物氮素营养诊断的方法。

1便携式叶绿素仪叶片含氮量和叶绿素浓度之间有较好的相关性，因此可以通过测定叶绿素浓度来反映植株叶片的氮营养状况。

Ｃ３Ｆ２个等级的烟叶依据标准作外观质量评价分析，结果如表５所示。

对洛南Ｂ２Ｆ等级烤烟进行外观质量评价分析：从成熟度来看，各处理成熟度分值保持在６．５～７．５之间；从颜色来看，各处理颜色分值保持在７．０～７．５之间，除ＣＫ和Ｔ１处理烤烟颜色分值为７．０外，其余处理烤烟颜色分值均为７ ５；从叶片结构来看，各处理叶片结构分值保持在６．５～７．０之间，除ＣＫ外，其余处理叶片结构分值均为７．０；从烟叶身份来看，各处理身份分值保持在６ ０～６．５之间，除ＣＫ分值为６．０外，其他处理分值均为６．５；从油分来看，各处理油分分值保持在４．５～５．０之间；从色度上来看，各处理色度分值保持在５．０～５．５之间，其中Ｔ３处理分值最高，为５ ５，其余处理均为５．０；从叶面组织特征来看，各处理烟叶组织特征分值均为４．５，无明显差别；从烟叶柔韧度来看，各处理烟叶柔韧度分值均为４．５，无明显差别；从烟叶光泽度来看，各处理光泽度分值保持在４．５～５．０之间，其中除ＣＫ和Ｔ２处理分值为４．５以外，其余处理光泽度分值均为５．０。

对洛南Ｃ３Ｆ等级烤烟进行外观质量评价分析：从成熟度来看，各处理成熟度分值均为６．５，无明显区别；从烟叶颜色来看，各处理颜色分值保持在６．５～７．０之间；从叶片结构来看，各处理叶片结构分值均为７．０；从烟叶身份来看，各处理身份分值保持在６．０～７．０之间，其中Ｔ３和Ｔ４处理分值最高，均为７．０；从烟叶油分来看，各处理油分分值保持在４．０～４．５之间，其中Ｔ４处理分值最高，为４．５；从烟叶色度来看，各处理色度分值在５．０～５．５之间，其中对照组和Ｔ１处理分值均为５．０，其余处理分值均为５．５；从叶面组织特征来看，各处理组织特征分值均为４．５，无明显差别；从烟叶柔韧度来看，各处理柔韧度分值均为４．５，无明显差别；从烟叶光泽度来看，各处理光泽度分值均为５．０。

综合Ｂ２Ｆ、Ｃ３Ｆ２个等级烟叶外观质量各项指标分析，整体各处理之间差别不大，相较来说，Ｔ３处理在所有处理中表现最优。

氮素营养诊断技术的发展及其在冬油菜上的
应用
1 发展简介
氮素是植物生长、发育与产量的重要营养元素。

氮素营养诊断技
术可帮助科学家们准确地识别植物生长发育的氮素需求，并为培育新
型品种提供重要的科学依据。

氮素营养检测通常以电化学技术、滴定法、原子荧光光谱法和全自动电化学检测仪等形式采用，从而对植物
地下部氮素含量进行检测。

研究发现，不同作物对氮素的需求和吸收
能力在各个发育阶段是不同的，如果不及时检测并及时施肥，可能会
影响作物的品质和产量。

2 冬油菜氮素营养诊断技术
冬油菜，为植物番茄科冬油菜属多年生草本植物，其营养价值高，是国人喜爱的重要绿色蔬菜，但其复杂的繁殖节点和生长特性以及海
拔高低、生态环境和植物品种等不同因素，给其复杂和众多的氮素营
养供应模式带来了很大挑战。

通过氮素营养诊断技术，不仅可以准确地识别出冬油菜的氮素需求，而且可以合理地优化冬油菜的氮素施肥管理策略，保证冬油菜的
品质和产量持续提高。

良好的氮素管理也可以帮助降低施肥成本，更
好地保护资源和环境。

3 结语
在充分了解冬油菜的生理特性，科学研究施肥模式的基础上，应用氮素营养诊断技术，可以有效地提高施肥效率，保证冬油菜的高质量和营养。

科学正确安排氮素管理，可以有效提高冬油菜的产量，为国家粮食安全提供有力保障。

中国生态农业学报 2011年9月 第19卷 第5期Chinese Journal of Eco-Agriculture, Sep. 2011, 19(5):1168−1174遥感与信息技术应用* 中国科学院知识创新工程重大项目(KSCX-YW-09)、中国科学院重大项目(二期)(KSCX2-EW-N-08)和国家自然科学基金项目(40971025)资助 ** 通讯作者: 张玉铭(1964~), 女, 副研究员, 主要研究方向为农田生态系统养分循环与平衡及其环境效应研究。

E-mail: ymzhang@ 张立周(1984~), 男, 硕士研究生, 主要研究方向为土壤物理与水资源。

E-mail: zhanglizhou201@DOI: 10.3724/SP.J.1011.2011.01168数字图像诊断技术在冬小麦氮素营养诊断中的应用*张立周1 侯晓宇2 张玉铭1** 李红军1 程一松1 胡春胜1(1. 中国科学院遗传与发育生物学研究所农业资源研究中心 石家庄 050022; 2. 石家庄外国语学校 石家庄 050022)摘 要 本文应用数码相机获取冬小麦冠层图像并对其进行相应色彩参数处理, 结合土壤、植株快速测试技术, 分析了色彩参数与传统氮素营养参数之间的数量关系, 研究了应用数字图像技术进行冬小麦氮素营养诊断的可行性, 建立了应用数字图像技术诊断冬小麦氮素营养状况的图像获取方法, 筛选出了适宜于冬小麦氮素营养诊断的最佳色彩参数以及最佳诊断时期, 建立了冬小麦氮素营养诊断指标体系和推荐施肥方程。

研究结果表明, 数字图像技术可以作为冬小麦氮素营养诊断的方法。

数字图像获取时, 可将数码相机与冬小麦冠层呈30°~60°角度进行拍摄。

在冬小麦拔节期和孕穗期多数冠层图像色彩参数与施氮量、叶片SPAD 值、植株硝酸盐浓度、植株全氮含量、0~90 cm 土壤硝态氮含量之间存在显著或极显著相关关系; 在众多色彩参数中, 拔节期冠层图像绿光标准化值G/(R+G+B)与各项氮素指标的相关性最好, 可作为冬小麦氮素营养诊断的最佳色彩参数指标；拔节期可作为应用数字图像技术进行氮素诊断的关键时期。

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【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225 kg/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Adobe photoshop7.0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.【期刊名称】《植物营养与肥料学报》【年(卷),期】2015(021)001【总页数】10页(P259-268)【关键词】数字图像;水稻;氮素营养诊断【作者】李岚涛;张萌;任涛;李小坤;丛日环;吴礼树;鲁剑巍【作者单位】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;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;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;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;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;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;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【正文语种】中文【中图分类】S126;S511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]。