田間冬小麥抽穗期長(zhǎng)勢(shì)分析—基于可見-近紅外光

劉仁杰，房俊龍，李民贊，孫　紅，吳李烜，趙　毅，張　猛

(1.東北農(nóng)業(yè)大學(xué) 電氣與信息學(xué)院，哈爾濱　150030；2.中國(guó)農(nóng)業(yè)大學(xué) 現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室，北京　100083)

?

田間冬小麥抽穗期長(zhǎng)勢(shì)分析
—基于可見-近紅外光

劉仁杰1,2，房俊龍1，李民贊2，孫紅2，吳李烜2，趙毅2，張猛2

(1.東北農(nóng)業(yè)大學(xué) 電氣與信息學(xué)院，哈爾濱150030；2.中國(guó)農(nóng)業(yè)大學(xué) 現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室，北京100083)

摘要：為了快速估測(cè)大田冬小麥葉綠素含量指標(biāo)，指導(dǎo)冬小麥抽穗期追肥管理，基于光譜分析技術(shù)在可見光和近紅外波段(325～1 075nm)處，對(duì)陜西省楊凌區(qū)揉谷鎮(zhèn)糧食基地的冬小麥進(jìn)行長(zhǎng)勢(shì)檢測(cè)、分析。試驗(yàn)在1 000m×600m區(qū)域內(nèi)劃分為30個(gè)采樣區(qū)進(jìn)行數(shù)據(jù)采集，使用ASD FieldSpec HandHeld光譜輻射儀(Analytical Spectral Devices.,USA)采集冬小麥的冠層光譜反射率數(shù)據(jù)，使用SPAD-502Plus便攜式葉綠素儀測(cè)量小麥倒一葉和倒二葉的葉綠素指標(biāo)(SPAD值)，使用G738CM型手持式GPS記錄采樣點(diǎn)的位置信息。分別進(jìn)行冠層光譜反射率小麥倒一葉和倒二葉的預(yù)處理，結(jié)果表明：冠層反射光譜倒二葉的SPAD值相關(guān)系數(shù)高于倒一葉。基于相關(guān)性分析，選取4個(gè)敏感波段538、661、740、850nm分別與預(yù)處理前后的光譜數(shù)據(jù)進(jìn)行多元線性回歸分析，結(jié)果表明：預(yù)處理后的模型精度較高，建模精度R2=0.83，驗(yàn)證建模精度R2=0.7。同時(shí)，繪制了大田作物長(zhǎng)勢(shì)分布圖，可為冬小麥抽穗期追肥提供支持。

關(guān)鍵詞：冬小麥；無(wú)損檢測(cè)；葉綠素指標(biāo)；可見近紅外光譜

0引言

抽穗期是冬小麥生產(chǎn)管理的關(guān)鍵時(shí)期，對(duì)小麥追肥可以促進(jìn)小麥葉片生長(zhǎng)、延長(zhǎng)葉片功能期、提高光合效率及產(chǎn)量[1-2]。因此，針對(duì)冬小麥抽穗期進(jìn)行長(zhǎng)勢(shì)診斷，為小麥追肥提供指導(dǎo)，具有重要意義。葉綠素是植物進(jìn)行光合作用的重要因子，其在作物中的含量與氮素等生理參數(shù)緊密相關(guān)，直接影響作物生長(zhǎng)水平。因此，針對(duì)作物葉綠素含量指標(biāo)展開監(jiān)測(cè)是作物長(zhǎng)勢(shì)診斷的重要手段之一，可為作物生產(chǎn)管理提供支持，具有實(shí)用價(jià)值[3-4]。

傳統(tǒng)的田間作物葉綠素含量檢測(cè)采用物理和化學(xué)方法提取葉綠素，再用分光度法測(cè)定其含量。該方法測(cè)量結(jié)果準(zhǔn)確，但費(fèi)時(shí)費(fèi)力，對(duì)葉片破壞性采樣，且不適合對(duì)大范圍農(nóng)田進(jìn)行連續(xù)測(cè)量[5]。因此，迫切需要研究和應(yīng)用大田作物葉綠素含量的快速、無(wú)損檢測(cè)技術(shù)，并基于快速檢測(cè)結(jié)果繪制田間長(zhǎng)勢(shì)分布情況，為田間變量施肥管理決策提供支持。近年來(lái)，光譜分析技術(shù)由于其精度高、實(shí)時(shí)性好，為大田作物葉片葉綠素含量的快速無(wú)損檢測(cè)提供了手段，可以對(duì)待測(cè)樣本進(jìn)行定性和定量分析[6-7]?；诳梢姽夂徒t外光譜的作物檢測(cè)主要采用透射和反射光譜測(cè)量的方法，如日本 Minolta Camera 公司生產(chǎn)的SPAD-502 手持式葉綠素儀針對(duì)葉片進(jìn)行點(diǎn)測(cè)量，通過(guò)內(nèi)置LED主動(dòng)光源測(cè)量葉片葉綠素在不同波段處對(duì)光譜的吸收率，計(jì)算得出的SPAD值，用以表示作物葉綠素含量指標(biāo)，在科研、植物保護(hù)和田間作物檢測(cè)中得到應(yīng)用[8-10]；而針對(duì)大面積作物群體的葉綠素含量檢測(cè)，美國(guó) Analytical Spectral Devices(ASD)和Spectrum Technologies公司的地物光譜儀被普遍采用。CM1000葉綠素檢測(cè)儀是Spectrum Technologies公司最具代表性的手持式地物光譜監(jiān)測(cè)儀器，針對(duì)待測(cè)作物檢測(cè)方便、快捷[11-12]。ASD公司推出的ASD FieldSpec HandHeld地物光譜儀，可以獲取325～1 075nm或325～2 500nm范圍的連續(xù)光譜，對(duì)特定作物和特定營(yíng)養(yǎng)元素需要進(jìn)一步開展敏感波段選取，建模等方法研究。近年來(lái)，國(guó)內(nèi)外開展了大量利用光譜分析技術(shù)獲取作物冠層光譜反射率來(lái)診斷農(nóng)作物的長(zhǎng)勢(shì)和養(yǎng)分含量。Suchit Shrestha 等對(duì)基于熒光反射指數(shù)研發(fā)的手持式缺氮診斷工具的可行性進(jìn)行評(píng)估，以不同氮素水平的水稻為研究對(duì)象，使用SPAD-502和GFS-3000光譜儀對(duì)其葉綠素含量和葉綠素?zé)晒庵颠M(jìn)行測(cè)定，結(jié)果表明：不同氮素水平對(duì)葉綠素含量和葉綠素?zé)晒夥瓷渲刀加杏绊慬13]。國(guó)內(nèi)亦有眾多學(xué)者涉足該領(lǐng)域：丁永軍等使用ASD FieldSpec HandHeld地物光譜儀研究溫室番茄不同生長(zhǎng)階段葉綠素含量和響應(yīng)光譜的相關(guān)性，采用嶺回歸建立葉綠素含量預(yù)測(cè)模型，均方根誤差(RMSE)為0.406，決定系數(shù)(R2)為0.839[14]；易秋香等使用ASD FieldSpec HandHeld地物光譜儀測(cè)量不同品種玉米的室內(nèi)光譜反射率，并同步采用凱式定氮法測(cè)量對(duì)應(yīng)的全氮含量，結(jié)果表明：全氮含量與原始光譜在716nm相關(guān)系數(shù)最大為0.847，與光譜反射率一階微分值在759nm處相關(guān)系數(shù)最大為0.944[15]。

為了快速獲取冬小麥抽穗期長(zhǎng)勢(shì)情況，為小麥追肥決策提供指導(dǎo)，本研究采集反映作物長(zhǎng)勢(shì)的葉綠素含量指標(biāo)，并獲取冬小麥抽穗期冠層可見光和近紅外反射光譜，分析冠層反射光譜與冬小麥抽穗期不同葉位葉綠素含量指標(biāo)的相關(guān)性；選取適于冬小麥抽穗期葉綠素含量檢測(cè)的敏感波長(zhǎng)，并建立葉綠素含量指標(biāo)診斷模型；基于診斷結(jié)果，生成作物長(zhǎng)勢(shì)空間分布圖，為大田精細(xì)管理決策提供支持。

1材料與方法

1.1試驗(yàn)設(shè)計(jì)

試驗(yàn)于2013年4月27日-4月29日在陜西省楊凌區(qū)揉谷鎮(zhèn)糧食基地進(jìn)行，天氣晴朗無(wú)云或少云，種植冬小麥品種為小偃22號(hào)，生長(zhǎng)期為抽穗期，正處于追肥管理的關(guān)鍵時(shí)期。在該基地選取1 000m×600m范圍內(nèi)30個(gè)采樣區(qū)，每個(gè)采樣區(qū)選取5個(gè)采樣點(diǎn)采集冬小麥冠層葉片反射光譜數(shù)據(jù)，使用ASD FieldSpec HandHeld地物光譜儀在每個(gè)采樣點(diǎn)處采集3次取平均值作為該點(diǎn)的反射光譜數(shù)據(jù)。采集時(shí)，每個(gè)活體樣品由多片葉片組成，測(cè)量時(shí)光譜儀探頭垂直向下，距葉片20cm左右，且每10min進(jìn)行參考板標(biāo)定。

同步使用SPAD-502Plus型便攜式葉綠素儀在每個(gè)采樣點(diǎn)分別采集同植株倒一葉、倒二葉各3次取平均值作為該采樣點(diǎn)相應(yīng)冠層的冬小麥葉綠素含量指標(biāo)(SPAD值)。利用G738CM型手持式GPS接收系統(tǒng)(北京合眾思?jí)延邢薰?采集采樣點(diǎn)的GPS位置信息(見圖1)，每個(gè)采樣區(qū)分布5個(gè)采樣點(diǎn)坐標(biāo)，用于進(jìn)一步匹配采樣點(diǎn)光譜數(shù)據(jù)輔助繪制田間作物葉綠素含量指標(biāo)分布圖。

1.2試驗(yàn)儀器

本試驗(yàn)使用ASD公司的ASD FieldSpec HandHeld便攜式的分光輻射譜儀，波長(zhǎng)范圍為325～1 075nm，具有較高的信噪比；并使用512元素光電二極管陣列，低雜散光光柵，內(nèi)置快門，Drift LockTM暗電流補(bǔ)償、二級(jí)濾光器。在各種設(shè)置下，儀器能夠非常精確、快速地獲得反射率、輻射亮度和輻射照度光譜，分辨率3.5nm、準(zhǔn)確度0.5nm、重復(fù)性0.1nm。內(nèi)置的HandHeld Sync應(yīng)用程序可以將HandHeld采集的光譜數(shù)據(jù)文件導(dǎo)入到外部電腦中儲(chǔ)存，是一個(gè)基于個(gè)人PC軟件系統(tǒng)與HandHeld聯(lián)合使用管理系統(tǒng)預(yù)設(shè)。其主要工作參數(shù)設(shè)置包括積分時(shí)間35ms，掃描次數(shù)為25次。

標(biāo)定試驗(yàn)采用SPAD-502plus是日本 Minolta Camera 公司生產(chǎn)的手持式葉綠素儀，針對(duì)葉片進(jìn)行點(diǎn)測(cè)量，得出SPAD值。SPAD值通過(guò)對(duì)兩個(gè)不同波段區(qū)域葉片傳輸光的吸收率進(jìn)行計(jì)算，其分別是紅光波段650nm和近紅外波段940nm。兩個(gè)LED光源發(fā)射這兩種波段的光穿透葉片輸入到接收器，光信號(hào)轉(zhuǎn)換成模擬信號(hào)，模擬信號(hào)被放大器放大，由模擬/數(shù)字轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字信號(hào)，數(shù)字信號(hào)被微處理器利用，計(jì)算出SPAD值并顯示在顯示器上，同時(shí)自動(dòng)儲(chǔ)存到內(nèi)存當(dāng)中。

圖1　采樣區(qū)GPS位置信息

2結(jié)果分析與討論

2.1光譜數(shù)據(jù)采集與白板標(biāo)定

本試驗(yàn)對(duì)田間冬小麥進(jìn)行光譜采樣的方式設(shè)計(jì)為反射光譜測(cè)量。該測(cè)量方式是將ASD FieldSpec HandHeld光譜儀垂直于采樣植株采集光譜數(shù)據(jù)，每10min進(jìn)行一次標(biāo)準(zhǔn)參考白板的標(biāo)定。標(biāo)準(zhǔn)參考白板是對(duì)光譜范圍內(nèi)入射光的漫反射率接近100%，在每個(gè)波段內(nèi)的反射率接近1。儀器內(nèi)置的HandHeld Sync應(yīng)用軟件可以儲(chǔ)存來(lái)自參考白板的入射光譜數(shù)據(jù)或WR。標(biāo)定之后，測(cè)量來(lái)自采樣區(qū)發(fā)射的光譜數(shù)據(jù)，能夠計(jì)算出實(shí)際樣品的反射率。試驗(yàn)用標(biāo)準(zhǔn)白板采用LabSphere公司生產(chǎn)的SRM-990產(chǎn)品，由聚四氟乙烯基材料(PTFE)燒結(jié)制造，并使用300～1 100 nm 波段范圍內(nèi)的光譜測(cè)量平均反射率數(shù)據(jù)校準(zhǔn)白板，如表1所示。

表1　SRM-990校準(zhǔn)白板反射率

試驗(yàn)采集標(biāo)定標(biāo)準(zhǔn)白板反射率曲線，通過(guò)儀器內(nèi)HandHeld Sync應(yīng)用軟件導(dǎo)出，選取27組有代表性的光譜曲線作圖，如圖2所示。由于1 000～1 075nm近紅外波段噪聲較大，數(shù)據(jù)不能準(zhǔn)確反映反射率信息，因此將其剔除。在425～350nm、925～1 000nm數(shù)據(jù)出現(xiàn)小幅波動(dòng)，與儀器漂移和野外采集其他光譜干擾有關(guān)。從圖2中得出：反射率最大值為1.043出現(xiàn)在943nm處，最小值為0.886出現(xiàn)在335nm處，反射率平均值為0.95左右。標(biāo)定試驗(yàn)結(jié)論基本與原廠校準(zhǔn)反射率相符，可以達(dá)到野外測(cè)量精度要求，能較好地反映出田間冬小麥的長(zhǎng)勢(shì)情況。

圖2　采集標(biāo)定標(biāo)準(zhǔn)白板反射率曲線

2.2光譜數(shù)據(jù)的預(yù)處理

為了消除高頻隨機(jī)噪聲、儀器漂移、樣本不均勻及光散射等對(duì)樣本的影響,需要對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理[16-17]。試驗(yàn)往往僅用一種光譜預(yù)處理方法不能得到較好的結(jié)果,可將不同的預(yù)處理方法結(jié)合使用,以獲得預(yù)期結(jié)果。

本試驗(yàn)運(yùn)用如下的方法組合進(jìn)行光譜數(shù)據(jù)預(yù)處理:首先，采用一階微分的兩點(diǎn)差分與四點(diǎn)差分計(jì)算方式。微分處理可有效地消除基線漂移或平緩背景干擾的影響,提供比原光譜更高的分辨率和更清晰的光譜輪廓；但會(huì)放大微小的噪聲，降低信噪比。然后，針對(duì)微分結(jié)果采用指數(shù)加權(quán)平均法，平滑系數(shù)0.8，此時(shí)能夠很好地濾除各種因素產(chǎn)生的隨機(jī)噪聲，得到預(yù)處理后平滑的光譜數(shù)據(jù)，為選取敏感波段提高分析準(zhǔn)確度。

試驗(yàn)采集的150組反射光譜數(shù)據(jù)分別通過(guò)兩點(diǎn)、四點(diǎn)差分一階微分法及指數(shù)加權(quán)平均法對(duì)光譜數(shù)據(jù)進(jìn)行處理，然后針對(duì)倒一葉、倒二葉SPAD值進(jìn)行相關(guān)性分析結(jié)果，如表2所示。

表2　預(yù)處理后相關(guān)性分析結(jié)果

由表2可知：倒一葉和倒二葉相關(guān)性系數(shù)變化趨勢(shì)明顯，四點(diǎn)差分法數(shù)據(jù)精度優(yōu)于兩點(diǎn)差分法；倒二葉SPAD值相關(guān)性系數(shù)高于倒一葉SPAD值，因此選擇四點(diǎn)差分一階微分法的倒二葉SPAD值做進(jìn)一步數(shù)據(jù)分析?；谒狞c(diǎn)差分一階微分法及指數(shù)加權(quán)平滑法，繪制田間冬小麥相關(guān)性系數(shù)變化曲線圖，如圖3所示。

圖3　預(yù)處理后大田冬小麥相關(guān)性系數(shù)變化曲線圖

經(jīng)過(guò)以上預(yù)處理后的光譜數(shù)據(jù)，可以很好地濾除各種因素對(duì)樣本光譜的影響，達(dá)到簡(jiǎn)化后續(xù)建模處理運(yùn)算過(guò)程，提高分析準(zhǔn)確度。

2.3選取敏感波段

通過(guò)預(yù)處理得到的大田冬小麥相關(guān)性系數(shù)變化曲線圖，雖變化趨勢(shì)明顯，但不足以確定敏感波段。本文結(jié)合未經(jīng)預(yù)處理的光譜數(shù)據(jù)小麥倒二葉相關(guān)性變化圖(見圖4)，進(jìn)行敏感波段的確定。通過(guò)指數(shù)平滑后得出相關(guān)性變化趨勢(shì)明顯，存在峰值和谷值，波峰與波谷的差異性較大。

圖4　預(yù)處理前大田冬小麥相關(guān)性系數(shù)變化曲線圖

綜合分析圖3、圖4可知：400～450nm波段為葉綠素強(qiáng)吸收帶，425～490nm波段是類胡蘿卜素強(qiáng)吸收帶，所以紫外線和藍(lán)紫光絕大部分被作物吸收，反射和投射的光線極少，其平均反射率小于10%。600～700nm波段是葉綠素的強(qiáng)吸收帶，650nm波段是葉綠素b的吸收峰；同時(shí)植物在750～850nm波段透射率較高，吸收率極低，野外反射率測(cè)定值多為25%～65%，850nm波段處為水的弱吸收點(diǎn)。因此，結(jié)合分析結(jié)果，選擇兩圖峰值與谷值相近的波段作為敏感波段，分別為538、661、740、850nm。

2.4田間冬小麥葉綠素含量指標(biāo)診斷模型

基于相關(guān)性分析結(jié)果和選取的敏感波段538、661、740、850nm，分別對(duì)預(yù)處理前、后的冬小麥拔節(jié)期葉綠素含量指標(biāo)SPAD值建立模型檢測(cè)。建模分析前針對(duì)有效采集的146組樣本數(shù)據(jù)進(jìn)行聚類分析，按照采集樣本劃分地塊的方位及SPAD值，把SPAD值相近的采樣對(duì)象通過(guò)靜態(tài)分類的方法分成不同的29組，進(jìn)行建模分析。

建模分析中，對(duì)有效采集的29組樣本數(shù)據(jù)，在相鄰的兩組數(shù)據(jù)中選取19組樣本建立葉綠素指標(biāo)檢測(cè)模型，剩下的10組進(jìn)行模型驗(yàn)證，置信區(qū)間為95%，x538、x661、x740、x850為自變量，y為因變量。

首先，建立預(yù)處理前冬小麥冠層葉綠素指標(biāo)SPAD值多元回歸模型(如圖5所示)，則有

y=-187.85x538+1150.49x661-394.88x740+183.58x850+61.34

其中，y為預(yù)測(cè)葉綠素指標(biāo)SPAD值。建模結(jié)果如圖5所示，建模精度為0.75，驗(yàn)證建模精度為0.62。

圖5　預(yù)處理前大田冬小麥抽穗期葉綠素含量指標(biāo)檢測(cè)模型

其次，建立預(yù)處理后冬小麥冠層葉綠素指標(biāo)SPAD值多元回歸模型為

y=-8095.03x538-1268.57x661+1364.98x740+

1179.04x850+40.83

建模結(jié)果如圖6所示，建模精度為0.83，驗(yàn)證建模精度為0.7。

圖6　預(yù)處理后大田冬小麥抽穗期葉綠素含量指標(biāo)檢測(cè)模型

建模結(jié)果表明：反射光譜數(shù)據(jù)經(jīng)過(guò)一階微分預(yù)處理后的建模精度和驗(yàn)證精度都高于預(yù)處理前，所以預(yù)處理后的模型有更強(qiáng)的預(yù)測(cè)能力，選擇其進(jìn)行田間冬小麥抽穗期長(zhǎng)勢(shì)空間分布圖的繪制。

2.5冬小麥冠層葉綠素含量水平空間分布圖

基于反射光譜數(shù)據(jù)建立的冬小麥冠層葉綠素含量指標(biāo)檢測(cè)模型的預(yù)測(cè)結(jié)果，結(jié)合GPS坐標(biāo)，繪制楊凌揉谷試驗(yàn)區(qū)冬小麥抽穗期葉綠素含量指標(biāo)空間分布圖，如圖7所示。圖7(a)為田間實(shí)測(cè)SPAD值繪制所得葉綠素含量水平分布圖，圖7(b)為采用建模預(yù)測(cè)田間葉綠素含量指標(biāo)空間分布圖。

圖7　大田冬小麥抽穗期葉綠素含量指標(biāo)空間分布圖

觀察分析結(jié)果可知：圖7(a)中，整體而言經(jīng)度低于108.013°坐標(biāo)的SPAD值較高，經(jīng)度高于108.014°坐標(biāo)的SPAD值較低較低；圖7(b)與圖7(a)葉綠素含量水平空間分布較為類似，比較兩圖可以發(fā)現(xiàn)：SPAD實(shí)測(cè)值較低于預(yù)測(cè)值。分析其原因：一方面這與田間SPAD值是采用冬小麥葉片多點(diǎn)采樣測(cè)量獲取，與模型的預(yù)測(cè)值有差異；另一方面，試驗(yàn)區(qū)內(nèi)農(nóng)戶分散種植，農(nóng)戶地塊邊界部分疏于管理，因此基于葉片多點(diǎn)測(cè)量的SPAD值分布圖對(duì)地塊空間邊界信息反應(yīng)不足。

基于光譜反射數(shù)據(jù)的冬小麥冠層葉綠素含量指標(biāo)空間分布圖可以初步為冬小麥抽穗期追肥進(jìn)行定性指導(dǎo)，即對(duì)葉綠素水平較高的經(jīng)度小于108.013°坐標(biāo)區(qū)域進(jìn)行少量追肥，而對(duì)葉綠素含量水平較低的經(jīng)度大于108.014°坐標(biāo)區(qū)域增加追肥量。

3結(jié)論

1)ASD FieldSpec HH地物光譜儀與SPAD-502plus便攜式葉綠素儀針對(duì)大田作物光譜測(cè)量精度較高，可以為新設(shè)備研發(fā)起標(biāo)定作用。

2)基于一階微分及指數(shù)加權(quán)平滑的預(yù)處理方法所選取的敏感波段538、661、740、850nm所建立的檢測(cè)冬小麥抽穗期葉綠素含量指標(biāo)的多元線性回歸模型，可用于預(yù)測(cè)冬小麥冠層葉綠素含量，達(dá)到預(yù)測(cè)冬小麥長(zhǎng)勢(shì)的目的。應(yīng)用其檢測(cè)結(jié)果生成的大田冬小麥作物葉綠素水平空間分布圖，可為冬小麥抽穗期期變量追肥提供指導(dǎo)。

參考文獻(xiàn)：

[1]林鴻宣,錢惠榮,熊振民,等.幾個(gè)水稻品種抽穗期主效基因與微效基因的定位研究[J].遺傳學(xué)報(bào),1996(3):205-213.

[2]茹京娜,于洋,董凡凡,等.小麥抽穗期QTL及其與環(huán)境的互作[J].麥類作物學(xué)報(bào),2014(9):1185-1190.

[3]Blackburm G A. Hyper spectral remote sensing of plant pigments[J].Journal of Experimental Botany,2007,58(4):855-867.

[4]李慶波,徐玉坡,張超航,等.基于光譜技術(shù)的植物葉綠素濃度無(wú)損檢測(cè)儀器的研制[J].光譜學(xué)與光譜分析,2009(10):2875-2878.

[5]李慶波,黃彥文,張廣軍,等.基于可見-近紅外光譜的植物葉綠素含量無(wú)損檢測(cè)方法研究[J].光譜學(xué)與光譜分析,2009(12):3275-3278.

[6]鄭文剛,孫剛,申長(zhǎng)軍,等.可見-近紅外作物氮素光電測(cè)量?jī)x開發(fā)[J].農(nóng)業(yè)工程學(xué)報(bào),2010(3):178-182.

[7]Carvalho S Carvalho Sabrina, Schlerf M Schlerf Martin, van der Putten W H, et al. Hyper spectral reflectance of leaves and flowers of an outbreak species discriminates season and successional stage of vegetation[J]. International Journal of Application Earth Observation and Geoinformation, 2013,24:32-41.

[8]王維,陳建軍,呂永華,等.烤煙氮素營(yíng)養(yǎng)診斷及精準(zhǔn)施肥模式研究[J].農(nóng)業(yè)工程學(xué)報(bào),2012(9):77-84.

[9]郭建華,王秀,孟志軍,等.主動(dòng)遙感光譜儀Greenseeker與SPAD對(duì)玉米氮素營(yíng)養(yǎng)診斷的研究[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào),2008(1):43-47.

[10]胡昊,白由路,楊俐蘋,等.基于SPAD-502與Green Seeker的冬小麥氮營(yíng)養(yǎng)診斷研究[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2010(4):748-752.

[11]Perry E M, Davenport J R. Spectral and spatial differences in response of vegetation indices to nitrogen treatments on apple[J]. Computer and Electronics in Agriculture, 2007, 59(1/2): 56-65.

[12]Lopez-Bellido R J, Lopez-Bellido L, Fernandez-Garcia P, et al. Nitrogen remote diagnosis in a creeping bentgrass golf green[J].European Journal of Agronomy,2012,37(1):23-30.

[13]Shrestha Suchit, Brueck Holger, Asch Folkard.Chlorophyll index photochemical reflectance index and chlorophyll fluorescence measurements of rice leaves supplied with different N levels[J].Journal of Photochemistry and Photobiology B:Biology,2012,113:7-13.

[14]丁永軍,李民贊,安登奎,等.基于光譜特征參數(shù)的溫室番茄葉片葉綠素含量預(yù)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2011(5):244-247.

[15]易秋香,黃敬峰,王秀珍,等.玉米全氮含量高光譜遙感估算模型研究[J].農(nóng)業(yè)工程學(xué)報(bào),2006(9):138-143.

[16]陸婉珍,袁洪福,徐廣通,等.現(xiàn)代近紅外光譜分析技術(shù)[M].北京:中國(guó)石化出版社,2007.

[17]褚小立,袁洪福,陸婉珍.近紅外分析中光譜預(yù)預(yù)處理及波長(zhǎng)選擇方法進(jìn)展與應(yīng)用[J]．化學(xué)進(jìn)展,2004,16(4):528.

Analysis of Winter Wheat Heading Fields Growing—Based on Vis/NIR Spectroscopy

Liu Renjie1,2, Fang Junlong1, Li Minzan2, Sun Hong2, Wu Lixuan2, Zhao Yi2, Zhang Meng2

(1.College of Electric and Information, Northeast Agricultural University, Harbin 150030,China; 2.Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, China Agricultural University, Beijing 100083, China)

Abstract：In order to estimate the chlorophyll content indicators of field winter wheat in real-time and guide fertilizer management in heading period. The detection and analysis was conducted in Yang Ling of Shan Xi province.The test area of winter wheat was 1000×600m2and it was divided into 30 sampling plots to collect data. The spectral technology was applied. The Analytical Spectral Devices Field Spec HandHeld (USA) spectral radiometer was used to collect spectral reflectance data of winter wheat. The visible and NIR band (325～1050nm) reflectance of winter wheat canopy was measured. The portable chlorophyll meter (SPAD-502plus) was applied to measure SPAD index of the pour wheat leaf and the second countdown leaf of each plant. And handheld GPS (G738CM) was used to record the location of sampling points. The preprocessing between the reflectance and the wheat leaf SPAD index was analyzed. It was showed that the relationship between spectral data the second countdown leaves SPAD values higher than the pour leaves. In addition, four sensitive wavelengths were selected at the 538、661、740、850nm based on correlation analysis .And four sensitive wavelengths respectively proceed to multiple linear regression analysis for the before and after preprocessing. The result showed that the after preprocessing modeling accuracy was 0.83 and validation accuracy was 0.7.The distribution map was drawn by GPS coordinates and modeling prediction result. With the application of spectral technology, it provides a feasible method to detect the winter wheat growth status at heading stage.

Key words：winter wheat; non-destructive measurement; chlorophyll index; visible/near infrared spectra

文章編號(hào)：1003-188X(2016)04-0141-06

中圖分類號(hào)：S123

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：劉仁杰(1989-)，男，黑龍江齊齊哈爾人，碩士研究生，(E-mail)liurenjiecau@163.com。通訊作者：房俊龍(1971-)，男，黑龍江延壽人，教授，博士生導(dǎo)師，(E-mail)junlongfang@126.com。

基金項(xiàng)目：“十二五”國(guó)家科技支撐計(jì)劃重大項(xiàng)目 (2012BAH29B04)

收稿日期：2015-05-18