水稻葉片高光譜響應(yīng)特征及氮素估算

李永梅+張立根+張學(xué)儉

摘要：將高光譜遙感技術(shù)應(yīng)用于高緯度高海拔寧夏回族自治區(qū)，探討水稻氮素快速無損的監(jiān)測(cè)方法，為科學(xué)合理地施肥提供依據(jù)。對(duì)3個(gè)不同施氮水平、5個(gè)生育期水稻葉片反射光譜的響應(yīng)特征及葉片葉綠素相對(duì)含量（SPAD值）進(jìn)行對(duì)比分析，將光譜及SPAD值與氮素含量進(jìn)行相關(guān)分析，篩選診斷氮素含量的特征光譜并構(gòu)建氮素估算模型。結(jié)果表明，隨著生育期的推進(jìn)，葉片光譜反射率在可見光范圍內(nèi)呈增加趨勢(shì)，該變化特征與SPAD值變化規(guī)律基本一致，近紅外區(qū)光譜反射率呈先增加后降低的規(guī)律；隨氮素含量增加可見光反射率降低，近紅外反射率增加，SPAD值與氮素含量呈正相關(guān)（r=0.766）；各波段對(duì)氮素的光譜響應(yīng)程度不同，可見光波段更敏感，原始光譜612 nm和一階微分666 nm為特征波長(zhǎng)；葉片氮素估算最優(yōu)模型為y=9.155x1-0.111x2+0.050x3+2.102（x1、x2、x3分別為R612 nm、R666 nm、SPAD值）。

關(guān)鍵詞：水稻葉片；氮素；高光譜遙感技術(shù)；估算模型；SPAD值

中圖分類號(hào)： S127；TP79； S511.06文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2017）23-0210-04

高光譜遙感具有光譜信息量大、分辨率高、連續(xù)性強(qiáng)等特點(diǎn)，能直接對(duì)作物的微弱光譜差異進(jìn)行定量分析，在植物遙感研究與應(yīng)用中表現(xiàn)出巨大優(yōu)勢(shì)，而作物氮素的遙感監(jiān)測(cè)一直是作物遙感監(jiān)測(cè)研究的重點(diǎn)領(lǐng)域[4-8]。為了探索植物葉片氮素遙感診斷的可能性，自20世紀(jì)70年代以來，有關(guān)科學(xué)家在作物氮素敏感波段篩選及光譜反射率對(duì)氮素響應(yīng)規(guī)律方面進(jìn)行了大量的基礎(chǔ)研究。國(guó)內(nèi)王人潮等較早就對(duì)不同氮素水平下水稻葉片光譜反射特征進(jìn)行了研究，并提出診斷水稻氮素含量的葉片敏感波段[9]。由于養(yǎng)分供應(yīng)的變化在葉片上的反映比較顯著，許多研究者也開展了基于鮮葉片光譜估測(cè)作物氮素含量的研究，探討各種作物葉片光譜特征并建立光譜與氮素間的多種相關(guān)模型，證明各種作物的氮素營(yíng)養(yǎng)狀況與特定光譜之間存在相關(guān)性[1，4-5，9，10-11]。國(guó)內(nèi)外大量研究表明，采用高光譜數(shù)據(jù)快速準(zhǔn)確地獲取植物生化參數(shù)是可行的，高光譜遙感技術(shù)已成為作物長(zhǎng)勢(shì)監(jiān)測(cè)及生化參數(shù)定量估算的一種新手段而備受關(guān)注[12]。

以不同施氮水平試驗(yàn)田為依托，以水稻鮮葉片為研究對(duì)象，基于5個(gè)生育期采集的葉片高光譜反射率及SPAD數(shù)據(jù)，分析水稻葉片對(duì)氮素的高光譜響應(yīng)特征及葉片SPAD值變化規(guī)律，利用相關(guān)分析法確定氮素敏感波長(zhǎng)，建立基于原始光譜、一階微分光譜及SPAD值的水稻葉片氮素估算模型，為寧夏回族自治區(qū)水稻氮素快速無損診斷提供依據(jù)，在農(nóng)作物精準(zhǔn)氮肥管理及科學(xué)栽培調(diào)控方面具有現(xiàn)實(shí)意義。

1材料與方法

1.1試驗(yàn)設(shè)計(jì)

選取土壤肥力和水源條件不同的2處實(shí)驗(yàn)田進(jìn)行氮肥試驗(yàn)，設(shè)3個(gè)氮肥處理，純施氮量240、270、300 kg/hm2，分別用N0、N1、N2表示，重復(fù)3次。試驗(yàn)品種為寧優(yōu)2號(hào)。

1.2光譜信息獲取

選用美國(guó)SVC GER1500自帶的手持葉夾式光譜探測(cè)器，波段值為350～1050 nm，采樣間隔為1.5 nm，探測(cè)器通道為512個(gè)，該探測(cè)器內(nèi)置有石英鹵化燈，光源穩(wěn)定。

結(jié)合寧夏回族自治區(qū)引黃灌區(qū)水稻的生長(zhǎng)發(fā)育規(guī)律，分別在分蘗盛期、孕穗期、齊穗期、灌漿期和乳熟期，從各小區(qū)選取長(zhǎng)勢(shì)中等植株作為樣本，測(cè)定主莖完全張開倒1、倒3葉中部的光譜反射率。測(cè)量時(shí)將葉片置于葉片夾的葉室中并夾緊葉片，保證葉片水平且被探測(cè)面積相同，以消除背景反射及葉片表面彎曲對(duì)光譜產(chǎn)生的影響，每次采集光譜數(shù)據(jù)前均進(jìn)行標(biāo)準(zhǔn)白板校正。

1.3葉片SPAD值的測(cè)定

采用日本生產(chǎn)的SPAD-502型葉綠素計(jì)，同步測(cè)定樣本倒1和倒3葉的SPAD值，測(cè)定部位為葉片中部且避開葉脈[13]，每個(gè)小區(qū)測(cè)定10組數(shù)據(jù)，每組數(shù)據(jù)測(cè)定6次取其均值。

1.4氮含量的測(cè)定

與光譜測(cè)量同步，每個(gè)小區(qū)按葉位將葉片進(jìn)行分離，利用烘箱將樣品烘干、稱質(zhì)量、粉碎后用于氮含量的測(cè)量，測(cè)定采用凱氏定氮法。

1.5精度檢驗(yàn)

精度檢驗(yàn)采用均方根誤差（root mean square error，簡(jiǎn)稱RMSE）和平均相對(duì)誤差（average relative error，簡(jiǎn)稱ARE）公式：RMSE=∑ni=1（yi-yi′）2n，ARE=∑ni=1|yi-yi′yi|n×100%。其中，yi和yi′分別為實(shí)際值和觀測(cè)值；n為樣本數(shù)。

2結(jié)果與分析

2.1水稻葉片高光譜響應(yīng)特征分析

2.1.1水稻葉片光譜隨生長(zhǎng)期變化的特征分析由圖1可見，可見光波段，從分蘗期至灌漿期，葉片光譜反射率一直呈增加趨勢(shì)，且增加經(jīng)歷了小幅度和大幅度相間變化，這與水稻葉片營(yíng)養(yǎng)轉(zhuǎn)移及葉綠素含量變化規(guī)律密切相關(guān)。分孽期，水稻迅速生長(zhǎng)，葉綠素含量快速增加，葉片在紅光和藍(lán)光處吸收強(qiáng)烈，使得光譜反射率較低；從分蘗期至孕穗期，由于葉片營(yíng)養(yǎng)轉(zhuǎn)移較慢，故該時(shí)期光譜反射率增加幅度較小；從孕穗期至齊穗期，葉片營(yíng)養(yǎng)快速向穗部轉(zhuǎn)移，葉綠素含量減少，光譜反射率在該時(shí)期增加幅度較大，從灌漿期至乳熟期光譜反射率變化幅度最大。

近紅外波段，水稻葉片光譜反射率從分蘗期至齊穗期不斷增加，從灌漿期至乳熟期光譜反射率不斷降低，這與水稻葉片細(xì)胞結(jié)構(gòu)有較大關(guān)系。水稻葉片光譜反射率隨生育期的變化特點(diǎn)與其在各生育期的生長(zhǎng)特征相關(guān)，其相關(guān)程度須進(jìn)一步深入研究。

2.1.2葉片光譜對(duì)氮素響應(yīng)特征分析已有研究表明，增加氮肥施用量能促進(jìn)葉綠素合成，增強(qiáng)葉片光合作用[14-15]，同時(shí)氮肥增加可促進(jìn)葉肉細(xì)胞間空氣間隙的擴(kuò)展，從而引起葉片光譜反射率發(fā)生變化[16]。本研究對(duì)3個(gè)不同氮肥處理的水稻分蘗盛期、孕穗期、抽穗期、齊穗期、灌漿期及乳熟期葉片光譜對(duì)氮素含量的響應(yīng)特征進(jìn)行分析，結(jié)果發(fā)現(xiàn)，各生育期葉片光譜對(duì)氮素含量的響應(yīng)規(guī)律基本一致，即在可見光450～650 nm 葉片光譜反射率隨施氮量的增加而明顯降低，近紅外750～1 050 nm 則隨施氮量增加而增加。其中齊穗期和灌漿期結(jié)果見圖2。endprint

對(duì)各生育期葉片光譜對(duì)氮素的敏感程度進(jìn)行分析，結(jié)果（圖2）表明，齊穗期可見光波段最大變化程度為28.0%，灌漿期達(dá)到了45.0%；近紅外區(qū)最大變化幅度齊穗期為190%， 灌漿期為7.7%。 可見葉片光譜的不同波段對(duì)施氮

量的響應(yīng)程度不同，可見光波段更為敏感。

2.2葉片SPAD值變化特征分析

從圖3-A可見，水稻完全展開第1葉的SPAD值從分蘗期至齊穗期逐漸增加，齊穗期之后開始減小，至乳熟期減小迅速，這與水稻葉片高光譜反射率隨生育期的變化規(guī)律相一致。同時(shí)，對(duì)比分析各生育期不同施氮水平水稻葉片的SPAD值發(fā)現(xiàn)，水稻葉片SPAD值隨著施氮量的增加而增加，兩者之間具有正相關(guān)關(guān)系，其相關(guān)系數(shù)為0.766，達(dá)到顯著相關(guān)（相關(guān)系數(shù)大于0.700為顯著相關(guān)，下文同）。從圖3-B可以得出，同一施氮量不同葉位水稻葉片的SPAD值明顯不同，相同時(shí)期內(nèi)倒1葉的SPAD值均高于倒3葉，這與植物營(yíng)養(yǎng)輸送和葉片葉綠素的分布規(guī)律是對(duì)應(yīng)的。

2.3光譜與氮素含量相關(guān)性分析

將5個(gè)生育期所有葉片原始光譜、一階微分光譜與測(cè)定的全氮含量進(jìn)行相關(guān)性分析。圖4結(jié)果表明，原始光譜反射率在可見光波段與氮素含量呈負(fù)相關(guān)，其中510～700 nm相關(guān)程度較高，612 nm處最高，達(dá)到-0.761，近紅外波段則呈正相關(guān)關(guān)系，且相關(guān)系數(shù)較?。╮<0.325）。水稻葉片氮素含量與一階微分光譜相關(guān)性曲線波動(dòng)較大，相關(guān)性顯著的波段同樣在可見光區(qū)域，其中666 nm處的相關(guān)系數(shù)最大，為0.721。

2.4葉片氮素含量估算模型構(gòu)建

為了精準(zhǔn)監(jiān)測(cè)農(nóng)學(xué)參數(shù)，選取與水稻葉片氮素含量呈顯著相關(guān)的原始光譜、一階微分光譜及SPAD值作為自變量（x），以氮素含量作為因變量（y），采用線性函數(shù)、指數(shù)函數(shù)、對(duì)數(shù)函數(shù)和二次多項(xiàng)式函數(shù)等構(gòu)建數(shù)學(xué)回歸模型（表1）。

由表1可見，將原始光譜、一階微分光譜及SPAD值作為自變量，構(gòu)建的多元回歸模型擬合效果最好（R2=0.792）；而單變量的回歸模型中，以SPAD值作為自變量的模型擬合效果最佳，線性函數(shù)、指數(shù)函數(shù)、對(duì)數(shù)函數(shù)及二次多項(xiàng)式相比較，采用二次多項(xiàng)式構(gòu)建的模型擬合效果優(yōu)于其他函數(shù)模型。

對(duì)水稻葉片氮素估算模型進(jìn)行精度驗(yàn)證，多元回歸模型y=9.155x1-0.111x2+0.05x3+2.102為最優(yōu)模型，其均方根誤差（RMSE）和平均相對(duì)誤差（ARE）分別為0.26、11.6%，其實(shí)際值與預(yù)測(cè)值間的r2=0.786（圖5）。

3結(jié)論與討論

3.1結(jié)論

以不同氮肥處理的水稻田間試驗(yàn)為依托，利用美國(guó)近地高光譜輻射儀SVC GER1500和日本SPAD-502plus葉綠素儀，在各生育期測(cè)定水稻葉片光譜反射率及SPAD值，同步取樣測(cè)定葉片氮素含量，分析水稻葉片光譜及SPAD值隨生育期的變化特征，探討出水稻冠層光譜對(duì)氮素含量的響應(yīng)規(guī)律，并篩選出對(duì)氮素指示強(qiáng)的特征波長(zhǎng)。構(gòu)建基于特征波長(zhǎng)及SPAD值的水稻氮素估測(cè)模型。得出如下結(jié)論：（1）隨著生育期的推進(jìn)，水稻葉片反射光譜在可見光范圍內(nèi)一直呈增加趨勢(shì)，且經(jīng)歷了小幅增加和大幅增加相間變化的特征，該變化特征與SPAD值變化規(guī)律基本一致。這是由于作物葉片反射光譜在可見光波段主要受葉綠素含量的影響，而葉片SPAD值隨生長(zhǎng)期的動(dòng)態(tài)變化是反映葉綠素變化的重要信息。反射光譜在近紅外區(qū)表現(xiàn)為先增加后降低的規(guī)律，這與水稻葉片細(xì)胞結(jié)構(gòu)及營(yíng)養(yǎng)轉(zhuǎn)移速度有較大關(guān)系，其相關(guān)程度須進(jìn)一步深入研究。（2）氮素水平的差異對(duì)葉片光譜影響明顯，且各生育期表現(xiàn)出基本一致的規(guī)律性，即可見光波段隨氮素水平的增加而降低，近紅外波段則隨氮素水平的增加而增加。各生育期水稻葉片的SPAD值隨氮素水平的增加而增加，兩者顯著正相關(guān)（r=0.766）。這是由于增加氮肥能促進(jìn)葉綠素的合

成，能增強(qiáng)葉片光合作用，同時(shí)能促進(jìn)葉肉細(xì)胞間空氣間隙的擴(kuò)展，進(jìn)而引起葉片光譜反射率的變化。 （3）通過光譜敏感程度分析發(fā)現(xiàn)，不同波段對(duì)氮素的光譜響應(yīng)程度不同，可見光波段更敏感，其中612 nm與氮素含量相關(guān)性最為顯著（r=-0.761）。一階微分666 nm與氮素含量相關(guān)性最顯著（r=0.721）。（4）單變量構(gòu)建的回歸模型中，以SPAD值作為自變量構(gòu)建的回歸模型擬合效果優(yōu)于612 nm和 666 nm 特征波長(zhǎng)構(gòu)建的模型。在單變量模型中擬合效果最好的均為二次多項(xiàng)式模型。擬合效果和精度最高的為多元回歸模型y=9155x1-0.111x2+0.05x3+2.102（x1、x2、x3分別為R612 nm、R666 nm、SPAD值），故該模型為水稻葉片氮素診斷最優(yōu)模型。

3.2討論

本研究首次將高光譜遙感技術(shù)應(yīng)用于高緯度、高海拔的寧夏回族自治區(qū)，拓寬了目前遙感診斷水稻氮素的研究區(qū)域，為寧夏回族自治區(qū)作物氮素營(yíng)養(yǎng)診斷提供了思路，開拓了作物營(yíng)養(yǎng)診斷技術(shù)新領(lǐng)域，可提高該區(qū)域農(nóng)業(yè)養(yǎng)分管理的科技投入。研究成果在寧夏回族自治區(qū)北部引黃灌區(qū)現(xiàn)代農(nóng)業(yè)示范區(qū)建設(shè)及高產(chǎn)優(yōu)質(zhì)糧食作物種植中具有廣闊的應(yīng)用前景。

本研究在構(gòu)建水稻氮素估測(cè)模型覆蓋生育期、光譜類型及建模方法上有所創(chuàng)新，而且提高了診斷精度。今后在高光譜分析技術(shù)方面，除一階微分技術(shù)外，應(yīng)加強(qiáng)一些特殊分析方法的探索和研究；在建模過程中，要繼續(xù)挖掘方差分析、單變量回歸分析及逐步多元回歸分析等方法的潛力，同時(shí)要借助神經(jīng)網(wǎng)絡(luò)和遺傳算法等智能算法，提高光譜信息提取解析效果及模型的精度。

參考文獻(xiàn)：

[1]王植，周連第，李紅，等. 桃樹葉片氮素含量的高光譜遙感監(jiān)測(cè)[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2011，27（4）：85-90.

[2]裘正軍，宋海燕，何勇，等. 應(yīng)用SPAD和光譜技術(shù)研究油菜生長(zhǎng)期間的氮素變化規(guī)律[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2007，23（7）：150-154.endprint

[3]王莉雯，衛(wèi)亞星. 植被氮素濃度高光譜遙感反演研究進(jìn)展[J]. 光譜學(xué)與光譜分析，2013，33（10）：2823-2827.

[4]劉冰峰，李軍，趙剛峰，等. 夏玉米葉片全氮含量高光譜遙感估算模型研究[J]. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2012，18（4）：813-824.

[5]趙剛峰，李軍，劉冰峰，等. 關(guān)中冬小麥葉片氮素含量高光譜遙感監(jiān)測(cè)模型[J]. 麥類作物學(xué)報(bào)，2012，32（3）：530-536.

[6]唐延林，黃敬峰，王人潮. 水稻不同發(fā)育時(shí)期高光譜與葉綠素和類胡蘿卜素的變化規(guī)律[J]. 中國(guó)水稻科學(xué)，2004，18（1）：59-66.

[7]李金夢(mèng). 基于高光譜成像技術(shù)的柑橘葉片含氮量快速檢測(cè)方法研究[D]. 杭州：浙江大學(xué)，2014：6-7.

[8]余天霞. 柑橘大小年差異分析及生化參數(shù)估測(cè)研究[D]. 重慶：西南大學(xué)，2014：12-13.

[9]王人潮，陳銘臻，蔣亨顯. 水稻遙感估產(chǎn)的農(nóng)學(xué)機(jī)理研究——Ⅰ. 不同氮素水平的水稻光譜特征及其敏感波段的選擇[J]. 浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，1993，19（增刊1）：7-14.

[10]黎小清，劉忠妹，丁華平，等. 基于高光譜數(shù)據(jù)的橡膠樹葉片氮素含量估算模型研究[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2015，28（2）：569-574.

[11]陳志強(qiáng). 不同氮素水平下玉米葉片的高光譜響應(yīng)及其診斷[D]. 杭州：浙江大學(xué)，2008：1-5.

[12]馮偉，王永華，謝迎新，等. 作物氮素診斷技術(shù)的研究綜述[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2008，24（11）：179-185.

[13]龐立東，李衛(wèi)軍，朱進(jìn)忠.追施氮肥對(duì)蘇丹草光合特性及種子產(chǎn)量的影響[J]. 草業(yè)科學(xué)，2014，31（12）：2287-2288.

[14]隋鑫，呂小紅，付雪蛟，等. 氮肥施入量對(duì)濱海鹽堿地水稻生長(zhǎng)發(fā)育及產(chǎn)量與光合效應(yīng)的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44（5）：94-96.

[15]劉宇鵬，李金玲，袁婧，等. 不同氮肥水平對(duì)太子參葉片生理指標(biāo)的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（6）：231-233.

[16]楊杰. 基于葉片高光譜指數(shù)的水稻氮素及色素含量監(jiān)測(cè)研究[D]. 南京：南京農(nóng)業(yè)大學(xué)，2009：9-10.江蘇農(nóng)業(yè)科學(xué)2017年第45卷第23期李輝，呂曉蘭，梅松，等. 基于Solidworks的果園施肥機(jī)中螺旋投料系統(tǒng)設(shè)計(jì)[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45（23）：214-217.endprint