基于非成像高光譜的云煙97號(hào)葉片鉀含量估算研究

劉延 吳秋菊 舒清態(tài)

摘要：為無損快速檢測(cè)基于單位重量的煙葉鉀元素含量，應(yīng)用ASD Field Spec 3 便攜式地物光譜儀采集了曲靖市大莫古鎮(zhèn)主栽品種云煙97號(hào)不同長(zhǎng)勢(shì)的煙草葉片光譜，測(cè)定了相應(yīng)煙葉的鉀元素含量；利用光譜分析技術(shù)提取煙草葉片光譜特征變量，并分析了烤煙葉片鉀元素含量與原始光譜、光譜一階微分及高光譜特征變量間的相關(guān)性；采用多元逐步回歸分析的方法，建立了基于光譜特征單變量估測(cè)鉀含量模型并進(jìn)行該模型的精度檢驗(yàn)。結(jié)果表明，鉀元素（K）與原始光譜反射率的相關(guān)系數(shù)在350 nm波長(zhǎng)處最大；鉀元素（K）與光譜一階微分在1 089 nm波長(zhǎng)處極顯著負(fù)相關(guān)（相關(guān)系數(shù)為-0.661），在2 297 nm處極顯著正相關(guān)（相關(guān)系數(shù)為0.710）；鉀元素與高光譜特征變量綠邊面積（SDg）的相關(guān)系數(shù)最大。綜合來看，基于葉片光譜反射率一階微分的鉀元素回歸模型對(duì)煙草葉片鉀含量的估測(cè)精度較高，估測(cè)效果較好。

關(guān)鍵詞：煙葉；鉀含量；光譜特征；估測(cè)模型

中圖分類號(hào)：S127+S572文獻(xiàn)標(biāo)識(shí)號(hào)：A文章編號(hào)：1001-4942（2018）04-0138-04

Abstract To quickly detect the potassium content per unit weight in tobacco leaves nondestructively， the leaf spectrums of Yunyan 97 as the main cultivar in Damogu Town，Qujing City with different growth vigor were collected by the ASD Field Spec 3 portable ground object spectrometer. The potassium contents of corresponding leaves were determined in lab. With the spectral analysis technology， the variables of spectral characteristics of tobacco leaves were extracted to analysis the correlations between the potassium content and original spectrum， the first derivative of the spectrum and hyperspectral characteristics. By the method of multiple stepwise regression， the potassium content estimation model was established based on the single variable of spectral characteristics， and the accuracy of the model was tested. The results showed that the correlation coefficient between K content and original spectral reflectance was the largest at 350 nm. The correlation between K and the first derivative of the spectrum was negatively extremely significant at 1 089 nm with the value of -0.661， and positively extremely significant at 2 297 nm with the value of 0.710. The correlation coefficient between K and green peak area （SDg） was the largest. To sum up， the regression model based on the first derivative of spectral reflectance had higher accuracy and better estimation effects of the potassium content in tobacco leaves.

Keywords Tobacco leaf； Potassium content； Spectral characteristics； Estimation model

在優(yōu)質(zhì)煙草的實(shí)際生產(chǎn)當(dāng)中，科學(xué)的礦質(zhì)營(yíng)養(yǎng)管理充當(dāng)著極其重要的角色，一定條件下的營(yíng)養(yǎng)失調(diào)都會(huì)通過外部癥狀來表現(xiàn)[1]。鉀元素是植被正常生長(zhǎng)所必需的三大元素之一，具有可以提高光合作用強(qiáng)度、促進(jìn)作物體內(nèi)淀粉和糖形成、增強(qiáng)作物抗逆性和抗病能力及提高作物對(duì)氮的吸收利用等作用。缺鉀會(huì)導(dǎo)致煙草葉尖和葉片邊緣出現(xiàn)黃色斑點(diǎn)和壞死斑，隨著缺鉀程度的加重，煙草葉片變?yōu)榧t棕色或干枯狀直至葉片脫落。由于植物對(duì)鉀具有奢侈性吸收的特點(diǎn)，過量施用鉀肥，不僅浪費(fèi)肥料，提高生產(chǎn)成本，而且抑制植物對(duì)鎂、鈣的吸收，影響作物產(chǎn)量和品質(zhì)[2]。因此，合理施用鉀肥，進(jìn)行科學(xué)合理的田間管理，對(duì)于確保煙株正常生長(zhǎng)發(fā)育、提高煙葉產(chǎn)量和品質(zhì)具有重要意義，對(duì)推動(dòng)精細(xì)農(nóng)業(yè)的發(fā)展具有積極作用。

隨著高光譜遙感的日益推廣，基于光譜特征的無損研究成為熱點(diǎn)，但目前針對(duì)植物光譜特征的研究主要集中在糧食作物上，對(duì)于煙草等高附加值植物的研究還很少，而且多是有關(guān)氮（N）、磷（P）肥的研究，針對(duì)鉀（K）元素在煙草生長(zhǎng)周期內(nèi)的光譜研究少見報(bào)道。Tarpley 等[3]研究認(rèn)為基于紅邊與近紅外波長(zhǎng)的比值進(jìn)行氮素含量預(yù)測(cè)，能得到理想的精度。付虎燕等[4]通過提取光譜特征變量，采用回歸分析建立了葉綠素含量估測(cè)模型，得到與葉綠素a、b相關(guān)系數(shù)最大的高光譜特征變量λb與SDr/SDb。朱燕等[5]的研究得出610、660、680 nm處的稻麥冠層反射率與葉片氮素含量相關(guān)系數(shù)較高。邢雪霞等[6]通過提取植被指數(shù)后建立煙堿含量的估測(cè)模型發(fā)現(xiàn)，主成分分析建模方法對(duì)煙堿含量的估測(cè)精度極好，SDr/SDb與煙堿含量的相關(guān)系數(shù)最大。李向陽等[7]研究得出差異性供養(yǎng)條件下煙草葉片光譜曲線存在明顯差異。呂小娜[8]研究表明，隨著施氮量的增加，原始冠層光譜經(jīng)一階導(dǎo)數(shù)處理后呈現(xiàn)出向長(zhǎng)波方向移動(dòng)的趨勢(shì)，“雙峰”現(xiàn)象更加明顯，烤煙冠層的紅邊位置變化不明顯，但紅邊面積與紅邊幅值呈增加趨勢(shì)；同一生育時(shí)期內(nèi)各部位葉片的紅邊位置均發(fā)生 “紅移”現(xiàn)象。李向陽[9]以煙草NC89為研究材料發(fā)現(xiàn)，在可見光范圍內(nèi)，煙草冠層反射率隨施磷量的增大呈現(xiàn)出下降的趨勢(shì)。

本試驗(yàn)以主栽品種云煙97號(hào)為研究對(duì)象，對(duì)田間煙葉高光譜參數(shù)與鉀含量的關(guān)系進(jìn)行分析，旨在建立適于田間煙葉鉀含量估測(cè)的模型，為檢測(cè)煙葉生長(zhǎng)狀況和煙田施肥及精細(xì)農(nóng)業(yè)發(fā)展提供參考。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2017 年在云南省陸良縣大莫古鎮(zhèn)煙草種植基地進(jìn)行，供試煙草品種為云煙97號(hào)，移栽期4月20日。在移栽后40天隨機(jī)獲取田間煙葉樣品，樣本涵蓋不同長(zhǎng)勢(shì)（優(yōu)、中、良）健康植株，選取單株上、中、下部葉，每片葉各測(cè)定4次，獲得12個(gè)光譜反射率曲線，利用軟件ViewSpecPro進(jìn)行統(tǒng)計(jì)處理，取均值作為單株煙草的葉片光譜反射率。對(duì)供試葉片稱重、編號(hào)后迅速低溫貯存，用于實(shí)驗(yàn)室鉀含量的測(cè)定。

1.2 光譜及生化參數(shù)測(cè)定方法

1.2.1 光譜數(shù)據(jù)采集 采用Field Spec 3 便攜式地物光譜儀測(cè)定烤煙葉片光譜反射率，光譜分辨率在350～1 500 nm范圍內(nèi)為3 nm，采樣間隔為1.4 nm；1 500～2 500 nm范圍內(nèi)為10 nm，采樣間隔為2 nm。選擇晴朗無風(fēng)的天氣，測(cè)定田間非離體狀態(tài)的煙葉光譜數(shù)據(jù)，測(cè)定時(shí)間為10—15時(shí)，選用10°光譜儀視場(chǎng)角，探頭垂直向下，與采集樣本的垂直距離為30 cm。定時(shí)進(jìn)行系統(tǒng)優(yōu)化和白板校正，記錄12個(gè)光譜數(shù)據(jù)，計(jì)算其平均值作為一次采樣光譜。

1.2.2 鉀含量測(cè)定 參照YC/T 217—2007檢測(cè)標(biāo)準(zhǔn)，采用連續(xù)流動(dòng)法測(cè)定煙葉鉀（K）含量（質(zhì)量分?jǐn)?shù)）。

1.3 數(shù)據(jù)處理

1.3.1 光譜數(shù)據(jù)預(yù)處理及分析 利用ViewSpecPro軟件加載原始光譜數(shù)據(jù)并剔除掉因水汽吸收和受系統(tǒng)誤差影響明顯的1 314～1 399、1 749～1 999、2 351～2 500 nm范圍內(nèi)的波段。完成后對(duì)剩余的原始光譜反射曲線采用Savitzky-Golay濾波器進(jìn)行去噪，該濾波器可以很好地對(duì)噪聲進(jìn)行平滑，同時(shí)又保證了數(shù)據(jù)的真實(shí)性，其原理為：

其中：Yi為濾波后的高光譜數(shù)據(jù)；Cj為濾波系數(shù)；Yi+j為原始光譜數(shù)據(jù)；滑動(dòng)窗口包含數(shù)據(jù)點(diǎn)2n+1為M。

而后對(duì)平滑數(shù)據(jù)進(jìn)行光譜一階微分處理，提取煙草高光譜特征。擬提取的高光譜特征參數(shù)見表1[10]。

1.3.2 高光譜數(shù)據(jù)統(tǒng)計(jì)分析 隨機(jī)選取30個(gè)樣本進(jìn)行鉀（K）元素含量的估測(cè)模型建立，另選10個(gè)樣本用于模型精度驗(yàn)證。利用Microsoft Excel 2007和PASW Statistics 18對(duì)經(jīng)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行制圖及相關(guān)分析等。

2 結(jié)果與分析

2.1 鉀含量與高光譜反射率的關(guān)系

2.1.1 經(jīng)Savitzky-Golay濾波器平滑后的原始光譜反射率與鉀含量的相關(guān)性 經(jīng)平滑去噪后的煙葉光譜反射率曲線見圖1。由圖2可知，平滑后的光譜反射率與鉀（K）含量的相關(guān)性主要表現(xiàn)在：350～1 105 nm波段范圍內(nèi)煙葉光譜反射率與鉀（K）含量呈正相關(guān)關(guān)系，其中422～480、509～528、634～691 nm波段達(dá)到顯著水平（P<0.05），350～421、482～508 nm波段內(nèi)達(dá)到極顯著水平（P<0.01），且在350 nm處相關(guān)系數(shù)最大，達(dá)到0.578；1 106～1 313、1 400～1 748、2 001～2 350 nm范圍內(nèi)煙葉光譜反射率與K含量呈負(fù)相關(guān)關(guān)系。

2.1.2 光譜一階微分處理與鉀含量的相關(guān)性 從圖3可以看出，在0.05顯著水平下，正相關(guān)波段主要集中在428～468、1 216～1 236、1 452～1 454、2 061～2 298、2 313～2 354 nm等波段范圍內(nèi)；負(fù)相關(guān)波段主要集中在350～355、385～411、656～669、1 280～1 313、1 400～1 431 nm等波段范圍內(nèi)。在0.01極顯著水平下，光譜反射率一階微分與鉀含量達(dá)到極顯著正相關(guān)的波段主要集中在439～449、454～472、2 294～2 297 nm波段范圍內(nèi)，其中在2 297 nm處相關(guān)系數(shù)最大，為0.710；達(dá)到極顯著負(fù)相關(guān)的波段集中在356～364、390～409、1 055～1 068、1 087～1 110、1 176～1 179、1 262～1 274 nm等波段范圍內(nèi)，其中在1 089 nm處相關(guān)系數(shù)達(dá)到極值-0.661。

2.2 高光譜特征參數(shù)與鉀含量的相關(guān)性

從表2可以得出，鉀元素與高光譜特征變量中位置及面積變量的藍(lán)邊幅值（Db）、藍(lán)峰面積（SDb）、紅邊幅值（Dr）和綠峰反射率 （ρg）顯著相關(guān)，與藍(lán)邊位置（λb）、綠邊面積（SDg）和紅光吸收谷幅值 （ρr）極顯著相關(guān)；與植被變量中的 （SDr-SDb）/（SDr+SDb ）顯著負(fù)相關(guān)。其中鉀元素與高光譜特征參數(shù)綠邊面積（SDg）的相關(guān)性最高。

2.3 鉀含量估測(cè)模型的建立及精度驗(yàn)證

根據(jù)上述分析結(jié)果，選取與煙草葉片鉀含量相關(guān)性達(dá)0.01極顯著水平的高光譜參數(shù)——藍(lán)邊位置、綠邊面積、紅光吸收谷幅值，采用多元逐步回歸分析方法，建立鉀元素與原始光譜反射率及一階微分反射率的估測(cè)模型，并對(duì)估測(cè)模型進(jìn)行檢驗(yàn)，結(jié)果（表3）表明，基于煙草光譜一階微分選取極顯著波段然后采用逐步回歸分析所建立的模型，估測(cè)值和實(shí)測(cè)值的R2最高，均方差（RMSE）和相對(duì)誤差（RE）值最小。

3 結(jié)論

（1） 鉀元素（K）與原始光譜反射率的相關(guān)系數(shù)在350 nm波長(zhǎng)處最大，達(dá)到0.578 2。K與光譜一階微分的相關(guān)系數(shù)在1 089 nm波長(zhǎng)處達(dá)到負(fù)的極顯著水平，極值為-0.661；在2 297 nm處達(dá)到正的極顯著水平，極值為0.710。 鉀元素與高光譜特征變量綠邊面積（SDg）的相關(guān)系數(shù)最大，為0.460；紅光吸收谷幅值次之（ρr），為0.451。

（2）基于煙草光譜一階微分選取極顯著波段采用逐步回歸分析方法所建立的模型y=525.574x2297-924.852x1459+1944.640x439-452.558x1109+0.584，估測(cè)值和實(shí)測(cè)值的R2最高，均方差（RMSE）和相對(duì)誤差（RE）值最小，被選作檢測(cè)云煙97號(hào)煙草葉片鉀含量的最優(yōu)估測(cè)模型。

參 考 文 獻(xiàn)：

[1] Layten D D， Nielsen M T. Tobacco—Production， chemistry and technology [M]. Beijing： Chemical Industry Press， 2003.

[2] 周冀衡，朱小平，王彥亭，等. 煙草生理與生物化學(xué)[M]. 合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，1996.

[3] Tarpley L， Raja R K， Gretchen F. Reflectance indices with precision and accuracy in predicting cotton leaf nitrogen [J]. Crop Science， 2000， 40（6）：1814-1819.

[4] 付虎燕，張軍，舒清態(tài)，等. 貴州喀斯特山區(qū)煙葉高光譜參數(shù)與葉綠素含量的關(guān)系[J]. 煙草科技，2015，48（2）： 21-26.

[5] 朱燕，李映雪，周冬琴，等. 稻麥葉片氮含量與冠層反射光譜的定量關(guān)系[J]. 生態(tài)學(xué)報(bào)，2006，26（10）： 3463-3469.

[6] 邢雪霞，張童，劉冰洋，等. 基于高光譜的烤煙煙堿含量估測(cè)模型研究[J]. 山東農(nóng)業(yè)科學(xué)，2016，48（6）：142-146.

[7] 李向陽，劉國(guó)順，楊永鋒，等. 烤煙葉片高光譜參數(shù)與多種生理生化指標(biāo)關(guān)系研究[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2007，40（5）：987-994.

[8] 呂小娜.不同供氮水平烤煙冠層光譜特性及其農(nóng)學(xué)參數(shù)估測(cè)[D].成都：四川農(nóng)業(yè)大學(xué)，2012.

[9] 李向陽.煙草高光譜特性與農(nóng)藝生理品質(zhì)指標(biāo)的關(guān)系和估測(cè)模型研究[D].鄭州：河南農(nóng)業(yè)大學(xué)，2007.

[10]黃敬峰，王福民，王秀珍. 水稻高光譜遙感實(shí)驗(yàn)研究[M]. 杭州：浙江大學(xué)出版社，2010.