基于高光譜的鳳眼蓮植株氮含量無(wú)損監(jiān)測(cè)

王晶晶， 孫 玲， 劉華周， 胡宇容， 肖 敏

(1.江蘇省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所，江蘇 南京 210014;2.江蘇省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與環(huán)境研究所，江蘇 南京210014)

鳳眼蓮，俗名水葫蘆，屬單子葉植物綱百合目雨久花科，多年生漂浮性宿根大型水生草本植物。氮素是植物必需的營(yíng)養(yǎng)元素之一，植物氮含量是評(píng)價(jià)植被長(zhǎng)勢(shì)的重要指標(biāo)，是研究全球變化及營(yíng)養(yǎng)元素遷移的重要因子［1-4］。鳳眼蓮根系發(fā)達(dá)，生長(zhǎng)繁殖快，是公認(rèn)的富集水體氮、磷能力最強(qiáng)的水生植物之一，國(guó)內(nèi)外已有許多應(yīng)用鳳眼蓮去除水體富營(yíng)養(yǎng)化的研究報(bào)道［5-7］。鳳眼蓮植株富含氮、磷、鉀，是良好的有機(jī)肥料，利用鳳眼蓮實(shí)現(xiàn)養(yǎng)分在水體與農(nóng)田間的循環(huán)可產(chǎn)生較好的生態(tài)經(jīng)濟(jì)效益［8-9］。鳳眼蓮植株氮含量的動(dòng)態(tài)監(jiān)測(cè)對(duì)于診斷植物的營(yíng)養(yǎng)狀況、正確評(píng)價(jià)其生長(zhǎng)的水體環(huán)境具有重要意義，也為其資源化利用提供基礎(chǔ)數(shù)據(jù)。

國(guó)內(nèi)外在植物氮素營(yíng)養(yǎng)診斷發(fā)展過(guò)程中，經(jīng)歷了植株養(yǎng)分測(cè)試、葉色比對(duì)、硝酸鹽快速診斷和無(wú)損測(cè)試技術(shù)的發(fā)展過(guò)程［10］。鳳眼蓮生長(zhǎng)密集區(qū)域，致密的草墊易堵塞水道，使得實(shí)地觀測(cè)比較困難;鳳眼蓮生長(zhǎng)速度快，常規(guī)監(jiān)測(cè)難以掌握動(dòng)態(tài)變化數(shù)據(jù);當(dāng)鳳眼蓮覆蓋面積較大時(shí)，實(shí)地取樣的方法耗時(shí)耗力且難以得到全局性數(shù)據(jù)。因此，實(shí)地取樣與近距離接觸式的檢測(cè)方法，在實(shí)現(xiàn)鳳眼蓮大面積的快速連續(xù)監(jiān)測(cè)應(yīng)用方面受到限制。與傳統(tǒng)監(jiān)測(cè)方法相比，植物植株氮含量的無(wú)損監(jiān)測(cè)研究更能滿足區(qū)域尺度的規(guī)?；畔@取和生產(chǎn)調(diào)控應(yīng)用的需求。遙感技術(shù)是不直接接觸目標(biāo)物體，通過(guò)接收目標(biāo)物體的反射或輻射的電磁波，獲取目標(biāo)地物的光譜數(shù)據(jù)與圖像，從而實(shí)現(xiàn)對(duì)地物進(jìn)行定量或定性描述的一種無(wú)損測(cè)試技術(shù)，具有獨(dú)特的宏觀、低成本、快速、動(dòng)態(tài)的優(yōu)勢(shì)。植物個(gè)體及群體的生理生化差異及內(nèi)、外部形態(tài)結(jié)構(gòu)的差異所導(dǎo)致的光譜特征差異構(gòu)成了植物光譜診斷的生理生態(tài)基礎(chǔ)。植物組織中各種蛋白氮、氨基酸、葉綠體及其他氮素形態(tài)組分分子結(jié)構(gòu)中的化學(xué)鍵在一定輻射水平光能的照射下發(fā)生振動(dòng)響應(yīng)，從而引起對(duì)某些波長(zhǎng)的光產(chǎn)生吸收和反射差異，形成了不同的反射、吸收和透射光譜。植物氮含量光譜估算的實(shí)現(xiàn)是基于氮素組分敏感的反射光譜或吸收光譜與氮含量的定量關(guān)系。

20世紀(jì)70年代以來(lái)，開(kāi)始有學(xué)者研究植物氮素的敏感波段及其反射率在不同氮素水平下的表現(xiàn)。Thomas等利用550 nm和670 nm反射率定量估算了甜椒冠層葉片的氮含量［11］。Fernandez等也發(fā)現(xiàn)用660 nm和545 nm光譜線性組合可以估算小麥的氮含量［12］。薛利紅等利用近紅外與綠光波段的比值預(yù)測(cè)水稻葉片氮積累量［13］。研究結(jié)果表明利用綠光、紅光和近紅外波段之間組合生成的植被指數(shù)可以用來(lái)監(jiān)測(cè)植物氮素狀況［14］。冠層反射光譜能夠反映作物群體面源信息［15］，但是植被冠層反射光譜受背景、傳感器姿態(tài)和信噪比、大氣吸收、冠層結(jié)構(gòu)等因素的影響，導(dǎo)致植株氮素狀況監(jiān)測(cè)的敏感波段與特征光譜參數(shù)的提取和預(yù)測(cè)模型的建立更為復(fù)雜［16］。高光譜遙感以其高分辨率、窄波段及連續(xù)性特點(diǎn)，可以提供更多的精細(xì)光譜信息，識(shí)別微小的反射和吸收特征，使得植被的許多生理、生化指標(biāo)的定量估測(cè)成為可能［17］，為植物氮素監(jiān)測(cè)提供了有效手段和技術(shù)途徑。越來(lái)越多的研究利用高光譜遙感數(shù)據(jù)構(gòu)建新型植被指數(shù)、微分光譜、植被紅邊參數(shù)來(lái)估測(cè)植物氮素狀況［10］。微分光譜技術(shù)已用于減弱大氣散射和吸收對(duì)于目標(biāo)光譜特征的影響［18］，并部分減弱了背景因素的影響，在植被研究中得到了良好的應(yīng)用［19］。

Lee等研究證明紅邊位置與短波近紅外波段組合的預(yù)測(cè)精度較高［20］。牛錚等建立了微分光譜與葉片全氮含量的回歸方程［21］;馬亞琴等研究發(fā)現(xiàn)紅邊積分面積變量與冠層全氮含量有顯著相關(guān)性［22］。

目前，遙感技術(shù)主要應(yīng)用于水稻、小麥、棉花等作物的氮素實(shí)時(shí)監(jiān)測(cè)和營(yíng)養(yǎng)診斷，在水生植被氮含量監(jiān)測(cè)中的應(yīng)用鮮有報(bào)道。本文通過(guò)高光譜遙感方法來(lái)研究鳳眼蓮植株氮素含量，分析鳳眼蓮植株氮含量與冠層高光譜參數(shù)的關(guān)系，從而確定鳳眼蓮植株氮含量光譜估算的敏感波段和光譜參數(shù)，并建立定量估算模型，為鳳眼蓮植株氮含量的高光譜遙感監(jiān)測(cè)提供理論依據(jù)和技術(shù)途徑。

1 材料與方法

1.1 試驗(yàn)區(qū)

試驗(yàn)區(qū)位于江蘇省常州市太湖竺山湖湖區(qū)，在該區(qū)用圍欄進(jìn)行鳳眼蓮人工控制性放養(yǎng)。利用不銹鋼鋼管、圍網(wǎng)制成圍區(qū)，圍區(qū)尺寸為90 m×150 m。圖1為試驗(yàn)區(qū)位置及圍區(qū)布局圖。試驗(yàn)于2010年7月至10月，分別在鳳眼蓮生長(zhǎng)初期至衰老期間，采集了3個(gè)不同時(shí)間段鳳眼蓮植株的氮含量數(shù)據(jù)及同步的光譜反射率值。

1.2 鳳眼蓮冠層光譜數(shù)據(jù)的測(cè)定

使用美國(guó)ASD公司的FieldSpec HandHeld光譜議測(cè)量鳳眼蓮冠層光譜反射率。波長(zhǎng)范圍325.0～1 075.0 nm，光譜分辨率為3.5 nm，光譜采樣間隔1.6 nm，共512個(gè)波段。探頭視場(chǎng)角25°。反射光譜測(cè)量選擇晴朗天氣、風(fēng)速很低時(shí)進(jìn)行，每次測(cè)量時(shí)間為上午10∶30～13∶30。測(cè)量時(shí)，探頭垂直向下，距離冠層高度約1 m。每樣區(qū)測(cè)量5次，取平均值作為樣點(diǎn)的光譜反射率值，各樣點(diǎn)光譜測(cè)量前均利用標(biāo)準(zhǔn)白板進(jìn)行反射校正。

圖1 試驗(yàn)區(qū)位置及圍區(qū)布局圖Fig.1 The location and layout of study area

1.3 植株氮含量的測(cè)定

與光譜測(cè)量同步進(jìn)行鳳眼蓮植株取樣，樣區(qū)數(shù)為5個(gè)，每樣區(qū)取3～5株鳳眼蓮，取樣后用水洗去殘留物，放置陰涼處晾干表面殘留水分，105℃殺青0.5 m in，70℃烘干至恒質(zhì)量，稱質(zhì)量，粉碎，利用丹麥FOSS公司的流動(dòng)注射分析儀FIAstar5000測(cè)定鳳眼蓮植株氮含量。

1.4 高光譜參數(shù)的選取

本研究一方面采用微分光譜技術(shù)提取了針對(duì)植被光譜的基于高光譜位置參數(shù)、基于高光譜面積參數(shù);另外一方面基于可見(jiàn)光區(qū)域的光譜反射率計(jì)算出高光譜植被指數(shù)，共計(jì)15個(gè)特征參數(shù)(表1)與鳳眼蓮植株氮含量進(jìn)行分析［23］。

表1 高光譜特征參數(shù)的定義Table 1 The definition of hyperspectral parameters

1.5 模型的檢驗(yàn)

為了定量比較各模型的擬合效果，采用以下3個(gè)統(tǒng)計(jì)參數(shù)來(lái)進(jìn)行模型精度檢驗(yàn)，分別為決定系數(shù)R2、均方根誤差(RMSE)和平均相對(duì)誤差絕對(duì)值，R2越大模型效果越好;RMSE=，RMSE越小模型效果越好，MAPE=，MAPE越小模型效果越好;式中yi為實(shí)測(cè)氮含量，y'i為模型預(yù)測(cè)氮含量，y為實(shí)測(cè)氮含量的平均值，n為樣本點(diǎn)數(shù)量。

2 結(jié)果

2.1 鳳眼蓮植株冠層反射光譜特征

實(shí)測(cè)鳳眼蓮植株冠層反射率見(jiàn)圖2。結(jié)果(圖2)顯示，鳳眼蓮具有綠色植物普遍的光譜反射特征:在400～700 nm可見(jiàn)光波段，植被的反射率較低。在550 nm附近形成一個(gè)反射峰，稱為“綠峰”;吸收波段主要集中于藍(lán)、紅光波段，形成了“藍(lán)邊”、“黃邊”及“紅谷”等，區(qū)別于土壤、巖石、水體的獨(dú)特的光譜特征。在700～780 nm波段，是植被在紅光波段的強(qiáng)吸收到近紅外波段多次散射形成的高反射平臺(tái)的過(guò)渡段，稱為“紅邊”。

圖2 鳳眼蓮植株冠層光譜反射率曲線Fig.2 Spectral reflectance of water hyacinth canopy

2.2 鳳眼蓮植株氮含量與光譜反射率的相關(guān)性

通過(guò)鳳眼蓮植株氮含量與原始光譜反射率之間的相關(guān)性計(jì)算探求其敏感波段，400～1 000 nm波段的光譜反射率與鳳眼蓮植株氮含量的相關(guān)系數(shù)見(jiàn)圖3。結(jié)果顯示，530～560 nm波段反射率與鳳眼蓮植株的氮含量具有最佳的相關(guān)性，相關(guān)系數(shù)的平均值為0.82。此結(jié)果與前人針對(duì)其他植被葉片及植株氮含量的敏感波段研究結(jié)果較為一致［24-25］。

圖3 鳳眼蓮植株氮含量與光譜反射率的相關(guān)系數(shù)曲線Fig.3 The change of correlation coefficient between water hyacinth nitrogen concentrations and spectral reflectance

2.3 鳳眼蓮植株氮含量與高光譜參數(shù)的相關(guān)性

鳳眼蓮植株氮含量與高光譜位置參數(shù)的相關(guān)性見(jiàn)表2，結(jié)果顯示，兩者相關(guān)性達(dá)到0.01極顯著水平相關(guān)的高光譜參數(shù)有綠峰反射率(Rg)、藍(lán)邊振幅(Db)、黃邊振幅(Dy)和紅邊振幅(Dr)，另外，鳳眼蓮氮含量變化引起的“藍(lán)邊”及“黃邊”的波長(zhǎng)的偏移比較顯著，而“綠峰”、“紅谷”及“紅邊”波長(zhǎng)的偏移并不顯著。黃邊振幅與鳳眼蓮植株氮含量的相關(guān)性最好，呈顯著的負(fù)相關(guān)，相關(guān)系數(shù)為-0.85。

鳳眼蓮植株氮含量與高光譜面積參數(shù)的相關(guān)性見(jiàn)表3，結(jié)果顯示，藍(lán)邊面積(SDb)、黃邊面積(SDy)和藍(lán)邊面積(SDr)與氮含量的相關(guān)性均達(dá)到0.01極顯著水平，其中黃邊面積與鳳眼蓮植株氮含量的相關(guān)性最好，呈顯著的正相關(guān)，相關(guān)系數(shù)為0.83。

鳳眼蓮植株氮含量與高光譜植被指數(shù)的相關(guān)性見(jiàn)表4，結(jié)果顯示，綠峰反射率與紅谷反射率建立的比值植被指數(shù)(Rg/Ro)及綠峰反射率與紅谷反射率建立的歸一化植被指數(shù)［(Rg-Ro)/(Rg+Ro)］與氮含量的相關(guān)性都未達(dá)極顯著水平。

表2 鳳眼蓮植株氮含量與高光譜位置參數(shù)的相關(guān)系數(shù)Table 2 Correlation coefficients between nitrogen concentrations of water hyacinth and hyperspectral location parameters

表3 鳳眼蓮植株氮含量與高光譜面積參數(shù)的相關(guān)系數(shù)Table 3 Correlation coefficients between nitrogen concentrations ofwater hyacinth and the hyperspectral area parameters

表4 鳳眼蓮植株氮含量與高光譜植被指數(shù)的相關(guān)系數(shù)Table4 Correlation coefficients between nitrogen concentrations of water hyacinth and hyperspectral vegetation indices

2.4 鳳眼蓮植株氮含量高光譜估算模型

通過(guò)對(duì)鳳眼蓮冠層多個(gè)高光譜參數(shù)與植株氮含量進(jìn)行相關(guān)分析，選擇與氮含量顯著相關(guān)的敏感波段及光譜參數(shù)，優(yōu)選出7個(gè)顯著相關(guān)的高光譜參數(shù)分別是Rg、Db、Dy、Dr、SDb、SDy及SDr。通過(guò)線性回歸分析建立鳳眼蓮植株氮含量高光譜估算模型，檢驗(yàn)結(jié)果見(jiàn)表5。結(jié)果顯示，以黃邊振幅(Dy)與黃邊面積(SDy)建立的線性回歸方程精度較好，其中以黃邊振幅(Dy)建立的鳳眼蓮植株氮含量估算精度最高，線性回歸方程的決定系數(shù)為0.74，估算的均方根誤差為0.21%，平均相對(duì)誤差絕對(duì)值為3.29%。

表5 鳳眼蓮植株氮含量高光譜估算模型Table 5 Estimation models of nitrogen concentrations of water hyacinth on hyperspectral parameters

3 討論

本研究利用高光譜遙感數(shù)據(jù)，基于不同生長(zhǎng)期的鳳眼蓮植株氮含量的野外大水域試驗(yàn)，通過(guò)對(duì)原始反射光譜與15個(gè)高光譜參數(shù)與鳳眼蓮植株氮含量進(jìn)行相關(guān)分析，探求其敏感波段及高光譜特征參數(shù)，并建立了鳳眼蓮植株氮含量的估算模型。提出了Rg、Db、Dy、Dr、SDb、SDy及SDr與鳳眼蓮植株氮含量有較顯著的相關(guān)性。利用黃邊振幅(Dy)建立線性回歸方程能夠有效估算鳳眼蓮植株的氮含量，估算的均方根誤差為0.21%，平均相對(duì)誤差絕對(duì)值是3.29%。

本研究結(jié)果顯示，530～600 nm是鳳眼蓮植株氮含量的敏感波段，530～560 nm波段光譜反射率與鳳眼蓮植株的氮含量的相關(guān)性的平均值可達(dá)0.82，通過(guò)550～600 nm波段的光譜反射率的一階微分建立的黃邊特征參數(shù)黃邊振幅(Dy)和黃邊面積(SDy)與鳳眼蓮植株的氮含量顯著相關(guān)，其中Dy與氮含量的相關(guān)系數(shù)為-0.85。

本研究中鳳眼蓮植株氮含量的高光譜參數(shù)和估算模型是在某一個(gè)較大水域試驗(yàn)資料上研究和構(gòu)建的，仍需要在多個(gè)生態(tài)系統(tǒng)水域進(jìn)行廣泛檢驗(yàn)和完善，從而發(fā)揮更大的應(yīng)用價(jià)值。同時(shí)，可以嘗試將本研究中提出的高光譜估算參數(shù)和模型與空間遙感信息相結(jié)合，在更大的空間尺度上進(jìn)行鳳眼蓮植株氮含量的提取和診斷。

致謝: 感謝南京師范大學(xué)地理科學(xué)學(xué)院張鷹教授為本研究光譜數(shù)據(jù)采集提供支持!

［1］ ROTH GW，F(xiàn)OX R H.Plant tissue test for predicting nitrogen fertilizer requirement of winter wheat［J］.Agronomy Journal，1989(81):502-507.

［2］ 蔣守華，劉葛山.不同密度、施氮量對(duì)油菜淮油18號(hào)產(chǎn)量的影響［J］.江蘇農(nóng)業(yè)科學(xué)，2013，41(12):83-85.

［3］ 王志春，王永慧，陳建平，等.氮磷鉀肥配施對(duì)鹽堿地甜高粱產(chǎn)量及干物質(zhì)積累的影響［J］.江蘇農(nóng)業(yè)科學(xué)，2013，41(11):80-81.

［4］ 方淑梅，梁喜龍，紀(jì)偉波，等.外源NO對(duì)鹽堿脅迫下水稻幼苗生長(zhǎng)抑制的緩解作用［J］.江蘇農(nóng)業(yè)科學(xué)，2013，41(8):67-69.

［5］ AMANDAM N，WILLIAM J M.Tropical treatment wetlands dominated by free-floating macrophytes for water quality improvement in Costa Rica［J］.Ecological Engineering，2006，28:246-257.

［6］ 鄭建初，常志州，陳留根，等.水葫蘆治理太湖流域水體氮磷污染的可行性研究［J］.江蘇農(nóng)業(yè)科學(xué)，2008(3):247-250.

［7］ 張志勇，劉海琴，嚴(yán)少華，等.水葫蘆去除不同富營(yíng)養(yǎng)化水體中氮、磷能力的比較［J］.江蘇農(nóng)業(yè)學(xué)報(bào)，2009，25(5):1039-1046.

［8］ 盛 婧，鄭建初，陳留根，等.水葫蘆富集水體養(yǎng)分及其農(nóng)田施用研究［J］.農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2009，28(10):2119-2123.

［9］ 周文兵，譚良峰，劉大會(huì)，等.鳳眼蓮及其資源化利用研究進(jìn)展［J］.華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2005，24(4):423-428.

［10］ 郭建華，趙春江，王 秀，等.作物氮素營(yíng)養(yǎng)診斷方法的研究現(xiàn)狀及進(jìn)展［J］.中國(guó)土壤與肥料，2008(4):10-14.

［11］ THOMAS JR，OERTHER G F.Estimating nitrogen content of sweet pepper leaves by reflectance measurements［J］.Agronomy Journal，1972，64:11-13.

［12］ FERNANDEZ S，VIDAL D，SIMON E，et al.Radiometric characteristics of triticum aestivum cv，astral under water and nitrogen stress［J］.International Journal of Remote Sensing，1994，15(9):1867-1884.

［13］ 薛利紅，羅衛(wèi)紅，曹衛(wèi)星，等.作物水分和氮素光譜診斷研究進(jìn)展［J］.遙感學(xué)報(bào)，2003，7(1):73-79.

［14］ RACY M B，JAMESSS，GARY E V，et al.Nitrogen deficiency detection using reflected short-wave radiation from irrigated corn canopies［J］.Agronomy Journal，1996，88:1-5.

［15］ 馮 偉，朱 艷，姚 霞，等.小麥氮素積累動(dòng)態(tài)的高光譜監(jiān)測(cè)［J］.中國(guó)農(nóng)業(yè)科學(xué)，2008，41(7):1937-1946.

［16］ 田永超，朱 艷，姚 霞，等.基于光譜信息的作物氮素營(yíng)養(yǎng)無(wú)損監(jiān)測(cè)技術(shù)［J］.生態(tài)學(xué)雜志，2007，26(9):1454-1463.

［17］ BOEGH E，SOEGAARD H，BROGE N，et al.Airborne multispectral data for quantifying leaf area index，nitrogen concentration，and photosynthesis efficiency in agriculture［J］.Remote Sensing of Environment，2002，81:179-193.

［18］ PHILPOT W D.The derivative ratio algorithm:avoiding atmospheric effects in remote sensing［J］.IEEE Transaction on Geosciences and Remote Sensing，1991，19(3):350-357.

［19］ LIY，DEMETRIADES-SHAH TH，KANEMASU E T，et al.Use of second derivatives of canopy reflectance for monitoring prairie vegetation over different soil backgrounds［J］.Remote Sensing of Environment，1993，44:81-87.

［20］ LEE T，RAIA K R，GRETCHEN F S.Reflectance indices with precision and accuracy in predicting cotton leaf nitrogen concentration［J］.Crop Science，2000，40:1814-1819.

［21］ 牛 錚，陳永華，隋洪智，等.葉片化學(xué)組分成像光譜遙感探測(cè)機(jī)理分析［J］.遙感學(xué)報(bào)，2000，4(2):125-129.

［22］ 馬亞琴，包安明，王登偉，等.水分脅迫下棉花冠層葉片氮素狀況的高光譜估測(cè)研究［J］.干旱區(qū)地理，2003，26(4):408-412.

［23］ 萬(wàn)玲鳳，林 輝，劉秀英.樟樹(shù)幼林生物化學(xué)參數(shù)與高光譜遙感特征參數(shù)相關(guān)分析［J］.中南林業(yè)科技大學(xué)學(xué)報(bào)，2007，27(4):44-48.

［24］ CHUBACHIN R，ASANOLO T.The Diagnosis ofnitrogen of rice plants using chlorophyllmeter［J］ .Japanese Journal of Soil Science and Plant Nutrition，1986，57:109-193.

［25］ TRACY M B，JAMESSS，GARY E ，et al.Nitrogen deficiency detection using reflected short-wave radiation from irrigated corn canopies［J］ .Agronomy Journal，1996，88:1-5.