农田氮肥的过量施用是造成面源污染的重要原因。通过判断作物的氮营养状态，进行精准的定量化施肥，是在保证产量的前提下，从源头削减氮肥向农田投入的重要手段。本研究通过利用水稻冠层的图像以及激发荧光信息来建立若干指标，判断水稻的氮营养状态;同时，通过探讨水稻冠层SPAD（叶绿素计）值的分布与水稻氮营养状态的关系，尝试利用数值模型解释SPAD值分布与氮营养指数(nitrogen nutrition index，NNI)之间的关系，为利用SPAD值分布判断水稻的氮营养状态提供科学依据。主要结论如下:　　 (1)水稻冠层氮营养状态可以在冠层的水平利用Multiplex(R)进行精确的诊断。Multiplex(R)通过测定在激发光下水稻叶片发射的激发荧光，无损的测定叶绿素和类黄酮的含量。2011年开展了一个田间的研究，试验设计为2因素的完全随机裂区设计，主处理为6个不同的施氮水平，副处理为2个不同的种植密度。叶绿素含量利用在红光激发下，远红外荧光强度除以红色荧光强度(简单荧光比，simple fluorescence ratio，SFR_R)来无损估算(R2=0.35，P＜0.01)，类黄酮的含量用在红光激发下红色荧光强度除以UV荧光强度的对数(FLAV)来估算(R2=0.30，P＜0.01)。SPAD读数以及荧光参数，包括FLAV，NBI_R，SFR_R等可以被用作估计氮含量的高低，并且均与冠层SPAD平均值显著相关(R2＞0.7，P＜0.01)　　 (2)研究利用价格较低廉的数码相机拍摄的数字图像，来无损估计水稻的氮营养状态。利用数字图像计算的颜色特征值估计冠层SPAD读数时，需要注意到光照环境的差异带来的影响。在光照较弱的情况下，蓝光所占的比例较多，易于发生色偏，导致图像偏青，从而给氮营养的无损诊断带来影响，因此本研究中所选取的照片都是在照度大于300001x时拍摄的照片。通过在田间四次拍摄水稻冠层的数字照片，并测定拍摄区域的SPAD读数。本研究首先利用OTSU阈值法对图像进行分割，从而有效的去处背景土壤，计算分割后图像的DGCV值。研究发现四次拍摄的冠层数字图像的DGCV值均与冠层SPAD平均读数显著正相关(P＜0.01)，但四次测定的DGCV与SPAD读数的回归方程斜率和截距差异较大，这可能受到光照环境、拍摄角度、相机自身的性能的影响。在以后的研究当中，可以基于计算机视觉的理论，尝试一些新的算法来部分消除光照差异带来的影响。　　 (3)水稻氮营养指数(Nitrogen nutrition index，NNI)是判断水稻氮营养状态的最直接指标，但其田间的测定较为困难，限制了其广泛应用。申请人前期研究发现冠层SPAD值垂直分布可以反映NNI大小，NNI越大，SPAD分布越均匀，但它们之间的内在关系缺乏深入研究。本研究通过研究水稻冠层SPAD值垂直分布与NNI的动态关系，利用SPAD的垂直分布来精确诊断水稻的氮营养状态，建立一个稳健的氮营养诊断指标。从单张叶片SPAD值动态变化的角度，考察叶片年龄、作物发育以及氮营养状态对叶片SPAD值动态变化的影响，在此基础上建立描述不同施氮肥水平下不同叶位SPAD动态变化的数值关系，并利用系统动力学软件VENSIM构建描述冠层SPAD时空动态的数值模型建立“NNI-SPAD垂直分布-氮肥精确调控”的稻田氮肥管理措施提供科学依据。