Application of non destructive monitoring technology in cotton field management

Journal of Modern Agriculture July 2014, Volume 3, Issue 3, PP.36-41

Application of Non-Destructive Monitoring Technology in Cotton Field Management Jianhua Guo 1, Ruirui Zhang 2 , Xingang Xu 1 , Gang Xu 1 , Zhiming Guo 2 , Zhongling Gao 2 1. Beijing Research Center for Information Technology in Agriculture, Beijing 100097, China 2. Beijing Research Center for Intelligent Agricultural Equipment, Beijing 100097, China

Abstract Along with the popularization and application of the development of information technology and computer, the application of information technology in agricultural production in the future will be the important direction of agricultural development. In this paper, study on cotton field management in Xinjiang by remote sensing technique with the non-destructive testing technology and wireless sensor technology. The results show that remote sensing has very good correlation in cotton yield assessment, crop growth, using the NDVI time series similarity estimation of cotton with high analysis accuracy, R2=0.82, which is simple, suitable for application. SPAD meter was correlated with the nitrogen content in cotton leaves, flowering period of cotton leaf chlorophyll relative content of SPAD R2=0.6135. Soil moisture wireless sensor network can change the soil moisture good monitoring; provide the basis for decision-making of irrigation.

Keywords: Cotton Yield Estimation; Soil Moisture Monitoring; Nutrition Diagnosing; Field Management

无损监测技术在棉花生产管理中的应用* 郭建华 1，张瑞瑞 2，徐新刚 1，徐刚 1，郭志明 2，高中灵 1 1. 北京农业信息技术研究中心，北京 100097 2. 北京农业智能装备技术研究中心，北京 10097 摘

要：随着信息技术的发展以及计算机的普及应用，信息技术在农业生产中的应用将是今后农业发展的重要方向。研

究利用无损检测技术、无线传感技术结合遥感技术对新疆生产建设兵团农八师一四八团棉花生产管理进行应用示范。结 果表明遥感在棉花产量评估、作物长势都有很好的相关性，利用 NDVI 时间序列相似性分析方法估算棉花单产具有较高 的精度，R2=0.82，方法简单，适合推广应用。SPAD 与棉花叶片氮素含量有一定的相关性，盛花期间 SPAD 计测定棉花 叶片叶绿素相对含量 R2=0.6135；土壤水分无线传感网络可以很好的监测土壤水分的变化，为灌溉决策提供依据。 关键词：棉花估产；土壤水分监测；氮素诊断；田间管理

引言 新疆是我国重要的农业生产基地，是我国棉花等农作物的主要产区之一[1, 2]。随着整个棉花生产规模的不 断扩大，资源条件有限，市场竞争日益激烈，利用信息技术提升和促进新疆棉花生产与发展已经成为当前新 疆现代农业技术研究的主要任务之一。这也符合《国家中长期科学与技术发展规划纲要》的基本思路，其中 明确提出加快农业信息技术集成应用，提高我国整个农业行业的生产效率。 利用遥感、视频和传感器等手段快速、便捷地获取大面积棉田土壤、作物的信息，采用 GIS 技术和农业 专家系统技术对采集到的多源信息进行融合分析和专家推理[3-7]，提高棉花生产过程的决策管理水平，实现由 传统农业到定量、规范、和智能化农业的转化，由粗放到精细，由经验判断到科学决策 [8-10]，将农业信息技 *基金项目：863

项目（2012AA101901） - 36 www.jma-journal.org

术应用于棉花生产过程的决策，和农作物产前、产中和产后的管理服务，改变传统的棉花生产技术推广方法 和手段[11-13]，对于新疆建设兵团提高棉花产量和品质，降低成本，提高效益，促进建设兵团可持续发展具有 重要意义。开展基于遥感的棉花生长信息获取和基于无线传感器的土壤水分实时监测的研究，构建农业信息 技术的集成平台，集成已有农业信息关键支撑技术，建立规模化现代农业生产技术集成与示范基地，推广应 用信息快速获取技术、棉花生产管理专家系统，通过农业信息技术集成平台的构建与应用示范，为我国其他 地区的农业信息化提供可借鉴的经验。

1

材料和方法 试验选在新疆建设兵团面积在 20 万亩以上的团场，新疆生产建设兵团农八师一四八团，位于天山北坡

经济带中段，准噶尔盆地南缘中部，属于大陆性干旱气候，平均海拔约为 0.5 千米。在研究区域内布置，土 壤水分实时监测系统，采用由北京智能装备研制，测定范围 0-20 土壤水分含量，同时在棉花生育期间采用 SPAD 获取叶片相对绿度值，在棉花主要生育前获取遥感影像。 （1）土壤取样，在施基肥前分别在棉花苗期、蕾期、花期和盛花期进行取样，分别测定土壤硝态氮、碱 解氮、速效钾、有效磷、全氮、有机质、全盐，电导率、PH 等。此外，在棉花不同生育期的滴灌施肥前和 滴灌施肥后取土壤样品，测定土壤碱解氮和硝态氮。 （2）不同生育期作物生长状况调查，在每个处理小区选取长势均匀，有代表性的 10 株(中行、边行各 5 株)定点定期测量:叶片数、株高、果枝数、幼龄数、成铃数产量数据。同时做好数据记载工作。 （3）不同处理小区的棉花各个生育阶段，选取有代表性的棉花植株，测定叶绿素含量、叶柄测定硝酸盐。

2

结果和讨论

2.1 氮肥施用量对棉花产量的影响 2008-2010 年继续三年在 148 团、红星二场开展杂交棉小区田间试验，并按照当地的实际情况对处理进 行优化。为了结合遥感反演的准确性和获取肥料施肥的最佳效果，同时布置小区田间试验，研究氮素缺乏在 杂交棉叶色的反应，以及肥料的是增产效果，为棉花营养施肥决策提供科学依据。试验结果表明，氮肥的用 量对杂交棉单株结铃数、单铃重、产量有影响，氮肥用量与产量成正相关关系，在一定的范围内随着氮肥用 量增加结铃数，施肥量与产量的复相关系数 R2=0.9136。 350

籽棉产量

kg/亩

300 250 200

2

y = -0.04x + 3.5289x + 208.01 2 R = 0.9135

150 100 50 0 0

5

10

15

20 25 施肥量 kg/亩

30

35

40

图 1 施肥量与产量的关系

2.2 肥料对棉花叶片叶绿素含量的影响 肥料使用对杂交棉叶绿素含量有一定的影响，用 SPAD 叶绿素仪分别在蕾期、初花、盛花、铃期等主要 生育期测定棉花叶片叶绿素相对含量[14]。棉花出苗后到开花期间 SPAD 呈现缓慢的上升趋势，随着棉苗的迅 速生长，叶片绿色加重，叶片变厚所致，但到盛花期出现明显的下降，此时正值棉花由营养生长向生殖生长 的，叶片氮素逐渐向生殖器官转移，因此 SPAD 读数也会下降。 - 37 www.jma-journal.org

65 60 55

N12 N18 N24 N30 N36

50 45 40 35 30

三叶期

现蕾期

初花期

花铃期

吐絮期

图 2 氮肥用量与叶片 SPAD 读数的关系

氮素使用量也会影响到棉花叶片的 SPAD 读数，随着氮肥用量的增加 SPAD 读数值也在增加，氮肥对花 铃期和吐絮期的影响比较明显。因此田间用 SPAD 可以快速诊断棉花氮素营养状况。吐絮期间 SPAD 计测定 棉花叶片叶绿素相对含量 R2=0.6135。

2.3 无线传感器网络实现土壤水分监测 分别在红星二场和 148 团放置传感器网络土壤水分获取系统。系统由 20 个放置于田间的土壤水分传感 器节点设备、太阳能供电的 WSN-GPRS 网关设备及远端数据处理管理服务器三部分组成[15]。传感器节点每 隔二十分钟采集一次棉田 0～20 公分的土壤水含量，将数据按照协议格式打包后，将数据汇聚到田间的 WSN-GPRS 网关。网关接收到田间节点发送来的数据后，对数据解析、提取其中有效数据，然后对数据进行 压缩处理，并按照 GPRS 网络协议格式，借助 GPRS 网络，将数据传输到国家农业信息化工程技术研究中心 的数据管理服务器上。用户通过 web、手机端、客户端等多种方式访问数据，为决策提供支持。

图 3 土壤水分无线传感器网络示意图

传感器读数与土壤体积含水量有很高的相关性。可以用传感器读数快速获取土壤的水分信息，为水分管 理决策的应用提供支撑。

土壤体积含水量%

2.5V电压 40 35 30 25 20 15 10 5 0

y = 0.002x - 0.2241

0

50

100

150

200

250

300

传感器读数

图 4 土壤检测数值与实际测量数值相关性 - 38 www.jma-journal.org

350

2.4 遥感监测作物长势 在棉花生育期间根据卫星过境时间，2008 年 6 月 19 日,7 月 3 日,7 月 13 日开展了 3 次星地同步或准同步 实验。获取棉花生育期间的信息，包括植株取样，土壤。 采用 GVI/LAI 得到的叶绿素空间分布，值越大，表征叶绿素含量越高。采用 SPAD 叶绿素仪测量样本点 的植株叶绿素含量，将预测值与实测 SPAD 值进行比较分析，发现预测值与实测值存在明显的正相关性。看 出预测值与实测值曲线变化趋势基本一致，R2=0.71，表明基于 GVI/LAI 计算获得的结果能真实反映叶绿素 空间分布状况。 1 0.9

SPAD GVI/LAI

0.8 0.7

叶绿素

0.6 0.5 0.4 0.3 0.2 0.1 0 1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 样本点

图 5 遥感预测值与实测 SPAD 比较

2.5 棉花单产估产研究 根据统计量进行作物估产通常首先要确定估产因子，而估产因子一般选取含有产量信息量大的指标。植 被指数反映植被生长状态，棉花在每个生育期的植被指数值各不相同，对产量的贡献率也不一致，目前常用 的 NDVI(Normalized Difference Vegetation Index)，是近红外波段与红光波段反射率之差与和的比值，不仅能 够反映植被的生长状况，而且还消除部分辐射误差，是目前应用最为广泛的植被指数，与产量有着密切的关 系[16,17]。由于各生育期的 NDVI 对产量形成都有一定程度影响，因此估算棉花产量要综合考虑 NDVI 的动态 变化。棉花 NDVI 的动态变化趋势随着环境等因素的不同而有所差别，其与产量的关系用公式表示为： Y=f (N1, N2, N3, LL) 其中 Y 表示产量，N1，N2，N3，……表示棉花不同生育期对应的 NDVI 值，f 表示产量与 NDVI 之间的函数关系式。由于受到品种、土壤肥力、气候等因素影响，不同生育期 NDVI 对产量的权重不一样。确定整个研究区域按照生境及品种对棉花进行分类，根据地面调查数据计算每 个生育期 NDVI 对每一类棉花产量的影响程度，即权重系数，每一类棉花在不同时期的 NDVI 值形成一个 n 维向量 Ni=(Ni1,Ni2,Ni3, … … Nin)，对应的权重系数分别为 Wi=(wi1,wi2,wi3,……，win)。把所有棉花类别的 NDVI 与对应的权重系数综合起来形成一个 NDVI 标准库。 研究区域土壤质地包括壤土与粘土，氮素含量和有机质含量是土壤环境中影响产量的两个主要的因素 。在研究区域内选择杂交棉，其他品种棉花统称为常规棉或普通棉。在棉花整个生育期内都无异常气候现

[18]

象发生，并得到每个时期的 NDVI 值，在田间取样≥5 个点在吐絮期对棉花产量进行调查计算得到籽棉单产， 对 NDVI 值与产量 Y 进行回归，采用最小二乘方法确定各时期 NDVI 的权重系数。采用棉花主要生育期对 应的遥感影像进行估产研究，对每影像进行预处理之后得到 NDVI 影像，然后按照时间序列建立每个像元的 NDVI 向量，并与已训练好的 NDVI 向量采用夹角公式进行相似性比较，找到相似性最高的 NDVI 向量， 把其权重系数赋值给对应的 NDVI，进而求得研究区域内棉花单产。 7 月处于棉花蕾期生育期，是棉花营养生长和生殖生长并进时期，是棉花生长的重要阶段之一，对水分 很敏感，且需要大量的营养物质，是产量形成的关键时期。在植株上表现为叶面积指数、叶绿素含量、叶片 含水量等指标，而 NDVI 正是可以综合反映这些指标的统计因子。 - 39 www.jma-journal.org

560 预测值 实测值

540 单产(kg/mu)

520 500 480 460 440 420 400 1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 调查点号

图 6 棉花单产估产实测值与预测值比较

根据遥感模型预测的棉花产量与实际测产结果的比较，结果表明，利用 NDVI 时间序列相似性分析方法 估算棉花单产具有较高的精度，R2=0.82，方法简单，适合推广应用。

3

结果讨论 本研究应用卫星影像和无线传感器网络技术，为规模化农场的生产管理提供了依据，利用遥感获得了棉

花叶片的生长状况，预测值与实测值存在明显的正相关性，R2=0.71，表明基于 GVI/LAI 计算获得的结果能 真实反映叶绿素空间分布状况。棉花盛蕾期间的叶片 NDVI 值与研究区域内棉花单产好友很好的相关性。但 是由于这种结果的相关性也会受到地面取样地点的多少以及取样地点密度有关，同时也与卫星过境的是的天 气有关，因此在生产中的应用也受到了一些限制。但是对于估产还是有很好的应用前景的。

REFERENCES [1]

Yulan Chen, Haizheng Yang, Weizhong Liu. The Systematic Controllability of Cotton Production of Xinjiang based-on Control Theory [J], Procedia Computer Science, 2013, 17:627-632.

[2]

Tianzi CHen, Shenjie Wu, Feifei Li, Wangzhen Guo, Tianzhen Zhang. In Vitro Regeneration of Four Commercial Cotton Cultivars (Gossypium hirsutum L.) Grown in Xinjiang, China [J], Acta Agronomica Sinica, 2008, 34(8):1374-1380.

[3]

Huihui Zhang, Yubin Lan, Charles P.-C. Suh, John Westbrook, W. Clint Hoffmann, Chenghai Yang, Yanbo Huang. Fusion of remotely sensed data from airborne and ground-based sensors to enhance detection of cotton plants [J], Computers and Electronics in Agriculture, 2013, 93:55-59.

[4]

Sjolander A.J., Thomasson J.A., Sui R., Ge Y. Wireless tracking of cotton modules Part 1: Automatic message triggering [J], Computers and Electronics in Agriculture, 2011, 75(1):23-33.

[5]

Mathyam Prabhakar, Yenumula G. Prasad, Sengottaiyan Vennila, Merugu Thirupathi, Gudapati Sreedevi, G. Ramachandra Rao, Bandi Venkateswarlu. Hyperspectral indices for assessing damage by the solenopsis mealybug (Hemiptera: Pseudococcidae) in cotton [J], Computers and Electronics in Agriculture, 2013, 97:61-70.

[6]

Papageorgiou E.I., Markinos A.T., Gemtos T.A. Fuzzy cognitive map based approach for predicting yield in cotton crop production as a basis for decision support system in precision agriculture application [J], Applied Soft Computing, 2011, 11(4): 3643-3657.

[7]

Vellidis G., Tucker M., Perry C., Kvien C., Bednarz C. A real-time wireless smart sensor array for scheduling irrigation [J], Computers and Electronics in Agriculture, 2008, 61(1):44-50.

[8]

Guo G M, Zhao B R. Monitoring soil moisture content with MODIS data [J], Soils, 2004, 36(2):219-221.

[9]

Yan F, Tan Z H, Li M S et al. Progress in soil moisture estimation from remote sensing data for agricultural drought monitoring[J], Journal of Natural Disasters, 2006, 15(6):114-121.

[10] Fang X Q, Zhang W C. The application of remotely sensed data to the estimation of the leaf area index[J], Remote Sensing for Land & Resources, 2003, 57(3):58-62.

[11] Tayir, Hu X Q, Lv X et al. Analyzes of Temperature and Light Characteristics for Drip Irrigation under Plasitic Film Cotton Canopy at Blossoming and Boll-forming Stages[J], Journal of Shihezi University, 2006, 24(6):671-674.

[12] Lv X., Zhang W., Wang D. W. et al. The Response of Cotton Canopy to Different Irrigation [J], Cotton Science, 2004, 16(1):21-25.

- 40 www.jma-journal.org

[13] Li M C. Research on the physiological mechanism of the high yield cotton in Xinjiang [J], Journal of Xinjiang Agricultral University, 1999, 22(1):1-8.

[14] Glenn J. Fitzgerald, Paul J. Pinter Jr., Douglas J. Hunsaker, Thomas R. Clarke. Multiple shadow fractions in spectral mixture analysis of a cotton canopy [J], Remote Sensing of Environment, 2005, 97(4):526-539.

[15] Bo Li, Ye Wang, Zhiyong Zhang, Baomin Wang, A. Egrinya Eneji, Liusheng Duan, Zhaohu Li, Xiaoli Tian. Cotton shoot plays a major role in mediating senescence induced by potassium deficiency [J], Journal of Plant Physiology, 2012, 169(4): 327-335.

[16] PENG Dailiang, HUANG Jingfeng, JIN Huimin. Monitoring the Sequential Cropping Index of Arable Land in Zhejiang Province of China Using MODIS-NDVI [J], Agricultural Sciences in China, 2007, 6(2):208-213.

[17] Jeffrey L. Willers, Jixiang Wu, Charles O’Hara, Johnie N. Jenkins. A categorical, improper probability method for combining NDVI and LiDAR elevation information for potential cotton precision agricultural applications [J], Computers and Electronics in Agriculture, 2012, 82:5-22.

[18] Dalezios N.R., Domenikiotis C., Loukas A., Tzortzios S.T., Kalaitzidis C. Cotton yield estimation based on NOAA/AVHRR produced NDVI [J], Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 2001, 26(3):247-251.

【作者简介】 1 郭建华（1961-

），女，汉族，研究员，研究方向：植物营养与施肥方面的研究，近年来致力于应用现代信

息技术提高土壤水分和肥料利用效率的研究。

- 41 www.jma-journal.org