漬害脅迫對油菜葉片光譜的影響及識別指標(biāo)研究

尤慧 劉凱文 李鑫川 蘇榮瑞 劉莉 高華東

摘要：以江漢平原華油雜668和中雙9號油菜為材料，通過測坑進(jìn)行不同品種油菜在蕾薹期和花期持續(xù)受漬的試驗(yàn)，測定油菜在持續(xù)受漬脅迫下葉片光譜反射率，根據(jù)受漬油菜光譜變化特征構(gòu)建油菜漬害高光譜遙感識別指標(biāo)。研究表明，隨著漬水時間的延長，葉片不同光譜區(qū)域?qū)λ置{迫的響應(yīng)不同。在蕾薹期和花期，645～680 nm的紅光區(qū)域受漬葉片光譜反射率均有所增大，在765～930 nm的近紅外區(qū)域表現(xiàn)出明顯減小，在1 412～1 483 nm及1 904～2 060 nm 中紅外區(qū)域的反射率增大。研究利用上述光譜反射率構(gòu)建了漬害識別指數(shù)（RNIR+RRed）/（RMIR1×RMIR2），通過與常見的7個植被指數(shù)（NDVI、NDWI、RVI、PRI、SRPI、SAVI、SIPI）比較分析，指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）對受漬油菜更為敏感。通過定量比較不同植被指數(shù)對照與受漬油菜之間的距平絕對值和距平絕對均值，看出指數(shù) （RNIR+RRed）/（RMIR1×RMIR2） 識別受漬油菜的能力優(yōu)于其他植被指數(shù)，并且在整個受漬期間具有較強(qiáng)的穩(wěn)定性和敏感性。說明該指數(shù)可以用于快速提取受漬油菜的面積，對指導(dǎo)油菜識災(zāi)抗災(zāi)減災(zāi)生產(chǎn)管理具有重要的意義。

關(guān)鍵詞：光譜特征;油菜;高光譜植被指數(shù);持續(xù)受漬;面積提取;識別指標(biāo)

中圖分類號： S634.301 ?文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2019）16-0071-07

收稿日期：2018-05-13

基金項(xiàng)目：公益性行業(yè)（氣象）科研專項(xiàng)（編號：GYHY201406028）;湖北省荊州市氣象局科技項(xiàng)目（編號：JZ201701）;湖北省氣象局科技發(fā)展基金（編號：2015Q08）。

作者簡介：尤 慧（1987—），女，江蘇宿遷人，碩士，工程師，主要從事農(nóng)業(yè)遙感方面的研究。

“水高田低，雨汛同期，氣候多變，地勢各異”導(dǎo)致澇漬害是長江中游地區(qū)的主要自然災(zāi)害之一[1]，僅江漢平原漬害田就約達(dá)76.4萬hm2，占總耕地面積的39.43%[2]，有研究顯示，每年由漬害引起的油菜減產(chǎn)幅度可達(dá)17%～42.4%[3]。因而快速準(zhǔn)確地識別漬害田面積對于科學(xué)開展?jié)n害田整治、規(guī)劃農(nóng)業(yè)生產(chǎn)布局以及防災(zāi)減災(zāi)決策和社會經(jīng)濟(jì)發(fā)展的制定具有十分重要的意義。

漬害可引起植被根系缺氧，導(dǎo)致植被根系活力下降，有機(jī)質(zhì)合成減少，破壞葉綠體膜結(jié)構(gòu)，導(dǎo)致植被光合作用降低，阻礙植被生長[4]。一般常規(guī)的作物水分脅迫狀況研究主要是通過作物減產(chǎn)幅度[5]、測量葉片水勢、氣孔導(dǎo)度、蒸騰速率等指標(biāo)間接獲取或者是采用干濕質(zhì)量法測量[6]，這些方法不僅費(fèi)時費(fèi)力，而且時效性受限制，在測量的過程中也會對作物造成傷害。高光譜遙感技術(shù)憑借其快速準(zhǔn)確、信息量大、分析精度高、無損壞監(jiān)測作物的優(yōu)點(diǎn)為農(nóng)作物的研究提供了新的平臺[7]。目前在利用高光譜遙感進(jìn)行植物水分脅迫方面也有了部分的研究。Penuelas等研究發(fā)現(xiàn)植被在受到水分脅迫時，在950～970 nm的近紅外波段會出現(xiàn)1個弱的水吸收峰，可以利用這個吸收峰來監(jiān)測水分含量[8-9]。Anderson等研究發(fā)現(xiàn)樹木在遭到水淹后，在550 nm的綠光區(qū)域以及770 nm的紅外光譜區(qū)域，受水淹的樹木反射率比未受淹的反射率大[10]。吉海彥等利用冬小麥1 400～1 600 nm范圍的反射光譜，采用偏最小二乘方法建立了冬小麥葉片水分含量與反射光譜的定量分析模型[11]。蔣金豹等研究發(fā)現(xiàn)玉米、甜菜在水浸脅迫下植被光譜在不同波段響應(yīng)不同，并選取了6個植被指數(shù)進(jìn)行敏感性分析比較，最后成功找出了最優(yōu)的水浸脅迫指數(shù)識別模型[12]。目前國內(nèi)外利用多光譜進(jìn)行植被水分脅迫研究中，針對油菜持續(xù)受漬的研究較少。本研究選擇2個品種的油菜進(jìn)行不同生育階段的持續(xù)受漬試驗(yàn)，通過分析受漬油菜400～2 500 nm波段處（消除350～400 nm區(qū)間由于噪聲導(dǎo)致的不穩(wěn)定帶來的影響）的光譜變化特征及與對照油菜的光譜指數(shù)曲線差異性，找出最佳的漬害識別指標(biāo)。

1 材料與方法

1.1 試驗(yàn)地點(diǎn)與材料

試驗(yàn)于湖北省荊州農(nóng)業(yè)氣象試驗(yàn)站的試驗(yàn)測坑中進(jìn)行，油菜試驗(yàn)品種為江漢平原2個主栽品種華油雜668和中雙9號，持續(xù)受漬試驗(yàn)生育階段為蕾薹期和花期，油菜生長周期為2016年9月至2017年5月，測坑中試驗(yàn)的油菜與大田同期播種。其中單個測坑面積為4 m2，每個測坑劃分成2個相同規(guī)格的獨(dú)立小區(qū)，分別種植2個品種的油菜，每個品種種植20株，從中選取3株長勢較好、葉片大小相近的油菜進(jìn)行觀測，測坑深度為1.5 m，土層厚度為1.2 m，供試土壤為中壤，其中每個測坑均配有供水及平水裝置，可自動調(diào)控水位。

1.2 試驗(yàn)設(shè)計

分別在油菜蕾薹期（2017年2月16日至3月7日）、花期（3月7—29日）進(jìn)行持續(xù)受漬試驗(yàn)，參與試驗(yàn)的測坑共有15個，其中8個測坑用作蕾薹期持續(xù)充分受漬（地下水近地表）試驗(yàn)，另外6個測坑用作花期持續(xù)充分受漬試驗(yàn)，最后1個測坑整個生育期不受漬作為對照（CK）。作為蕾薹期試驗(yàn)的8個測坑，設(shè)定持續(xù)受漬7、10、14、21 d等4種處理進(jìn)行試驗(yàn)，花期的7個測坑分持續(xù)受漬7、14、21 d等3個處理進(jìn)行試驗(yàn)，每個品種的處理設(shè)6個樣本，在持續(xù)受漬到對應(yīng)處理的時間后則停止供水。

1.3 光譜反射率的測定

利用ASD FieldSpec4便攜式地物波譜儀測定油菜葉片光譜反射率，觀測時間一般在10：30—14：30進(jìn)行。每株油菜選取中下部生長良好的葉片做標(biāo)記，作為該生育期的觀測樣本。在光譜測定過程中，每個品種每個測坑觀測3個樣本，每個樣本采集3條光譜曲線，最后選取每個品種單個測坑所有光譜反射率的平均作為該品種單個測坑的光譜反射率。在每個處理停止供水后則不再進(jìn)行該處理的光譜測定。利用測量的光譜數(shù)據(jù)分別計算歸一化植被指數(shù)（NDVI）、歸一化水指數(shù)（NDWI）、比值植被指數(shù)（RVI）、光化學(xué)指數(shù)（PRI）、簡單比值色素指數(shù)（SRPI）、土壤調(diào)節(jié)指數(shù)（SAVI）、結(jié)構(gòu)加強(qiáng)色素指數(shù)（SIPI）等植被指數(shù)（表1）。

2 結(jié)果與分析

2.1 不同生育階段漬害脅迫對油菜葉片光譜的影響

圖1為華油雜在花期持續(xù)受漬21 d的光譜曲線變化特征，可以看出，隨著漬水時間的延長，葉片不同光譜區(qū)域在對水分脅迫的響應(yīng)不同。在紅光區(qū)域（645～680 nm）葉綠素對紅光吸收逐漸減弱，反射增強(qiáng);在近紅外區(qū)域（765～930 nm）隨著漬水時間的延長，葉細(xì)胞反射減弱;在中紅外的2個水汽吸收帶區(qū)域（1 412～1 483 nm和1 904～2 060 nm）出現(xiàn)吸收減弱、反射增強(qiáng)的變化趨勢。

圖2-a、圖2-b、圖2-c、圖2-d分別為華油雜668蕾臺期、中雙9號蕾臺期、華油雜668花期及中雙9號花期持續(xù)受漬21 d的光譜特征曲線和對照組光譜特征曲線，可以看出，在645～680 nm的紅光區(qū)域受漬葉片光譜反射率較對照葉片光譜反射率有所增大，在765～930 nm近紅外區(qū)域表現(xiàn)出明顯減小，在1 412～1 483 nm及1 904～2 060 nm中紅外區(qū)域的反射率增大。從2個品種受漬21 d的光譜曲線整體的變化情況來看，油菜在花期持續(xù)受漬的情況下對照與受漬的光譜變化差異較蕾薹期更明顯。

2.2 基于油菜葉片光譜特征的濕漬害指標(biāo)構(gòu)建

由于不同指數(shù)應(yīng)用光譜機(jī)理不同，對漬害敏感程度的識別也各不相同。根據(jù)上節(jié)濕漬害脅迫下葉片光譜變化特征，利用645～680 nm的紅光區(qū)域、765～930 nm近紅外反射峰、1 412～1 483 nm及1 904～2 060 nm中紅外2個水汽吸收帶的光譜反射率構(gòu)建了漬害識別指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）。 為了比較本研究新構(gòu)建的光譜指數(shù)模型與常見的植被指數(shù)在油菜持續(xù)受漬下的差異，選取了如表1所示的NDVI、NDWI、RVI、PRI、SRPI、SAVI、SIPI常見的7個植被指數(shù)，植被指數(shù)計算公式中的紅波段、近紅外波段及中紅外波段均分別采用645～680 nm，765～930 nm、1 412～1 483 nm及 1 904～2 060 nm的平均反射率。

由華油雜668蕾薹期對照（CK）與持續(xù)受漬（ZI）下的不同植被指數(shù)變化（圖3）比較可以看出，華油雜668在蕾薹期持續(xù)漬水18 d（3月4日）后開始表現(xiàn)出漬害的發(fā)生，對照與受漬的光譜曲線表現(xiàn)出一定差異。其中指數(shù)RVI、PRI及（RNIR+RRed）/（RMIR1×RMIR2）表現(xiàn)出了較好的區(qū)分能力。由中雙9號蕾薹期對照（CK）與持續(xù)受漬（ZI）下的不同植被指數(shù)變化（圖4）比較也可以看出，持續(xù)漬水7 d（2月24日）之后對照與受漬的曲線即出現(xiàn)明顯的差異，指數(shù)RVI、SRPI及（RNIR+RRed）/（RMIR1×RMIR2）具有較好的區(qū)分漬害的能力，且（RNIR+RRed）/（RMIR1×RMIR2）較其他指數(shù)具有更好的分離對照與受漬油菜的能力。

由圖5可以看出，華油雜668花期在持續(xù)受漬14 d（3月22日）后開始表現(xiàn)出發(fā)生漬害，并且受漬時間越長，對照與受漬油菜的光譜曲線變化差異越明顯，其中，指數(shù)NDVI、NDWI、（RNIR+RRed）/（RMIR1×RMIR2）具有較好的漬害識別能力。由中雙9號花期對照與持續(xù)受漬下的不同植被指數(shù)變化（圖6）發(fā)現(xiàn)，在持續(xù)受漬10 d（3月18日）后，指數(shù)曲線差異明顯，表現(xiàn)為漬害的明顯發(fā)生，指數(shù)NDVI、SIPI以及（RNIR+RRed）/（RMIR1×RMIR2）在發(fā)生漬害后均表現(xiàn)出了一定的差異性，但（RNIR+RRed）/（RMIR1×RMIR2）差異性較其他指數(shù)更加明顯，因此（RNIR+RRed）/（RMIR1×RMIR2）對于受漬的油菜具有更好的識別能力。

綜合可以看出，指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）對受漬油菜具有較好的漬害識別能力，并且較其他指數(shù)具有更好的穩(wěn)定性;對于不同生育期的油菜在持續(xù)受漬的過程中，花期油菜受漬害脅迫的指數(shù)曲線變化程度比蕾薹期更加明顯，說明蕾薹期對漬害的抗性更強(qiáng);通過不同品種油菜的持續(xù)受漬分析可以看出， 華油雜668持續(xù)受漬后表現(xiàn)出發(fā)生漬害的時間比中雙9號要長，因此華油雜668具有更強(qiáng)的抗?jié)n能力。

2.3 油菜漬害光譜指數(shù)識別能力的定量分析

為了定量分析本研究構(gòu)建的植被光譜指數(shù)對受漬油菜的識別能力， 計算了表現(xiàn)為發(fā)生漬害后的對照與受漬油菜不同植被光譜指數(shù)之間的距平絕對值及距平絕對均值來判斷分析。計算結(jié)果如表2所示。在蕾薹期，華油雜668和中雙9號表現(xiàn)為發(fā)生漬害的時段分別為3月7日和2月26日至3月7日;在花期，華油雜668和中雙9號選取的發(fā)生漬害的時段分別為3月25—29日和3月22—29日。從表2中可以看出，在蕾薹期和花期指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）的距平絕對值和距平絕對均值都要遠(yuǎn)大于其他6個常見的植被指數(shù)，因此，指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）在蕾薹期和花期在識別受漬油菜的能力上要明顯優(yōu)越于其他植被指數(shù)，并且具有較強(qiáng)的穩(wěn)定性和敏感性。

3 結(jié)論與討論

本研究對華油雜668、中雙9號這2個油菜品種分別進(jìn)行了蕾薹期及花期持續(xù)受漬21 d的試驗(yàn)，并對受漬的油菜光譜反射率曲線進(jìn)行了分析，同時將構(gòu)建的植被光譜指數(shù)與其他常見的7種植被指數(shù)進(jìn)行了比較分析，結(jié)果表明：

持續(xù)受漬的2個品種油菜光譜反射率在645～680 nm紅光區(qū)域、765～930 nm近紅外區(qū)域、1 412～1 483 nm及 1 904～2 060 nm中紅外的2個水汽吸收帶表現(xiàn)出一定的變化， 并且油菜在花期光譜變化差異較蕾薹期更明顯。

通過比較不同植被指數(shù)對照與受漬油菜的光譜曲線，可以看出指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）在蕾薹期和花期均表現(xiàn)出了較好的漬害區(qū)分能力，比其他指數(shù)具有更好的穩(wěn)定性。并且華油雜668比中雙9號具有更好的抗?jié)n能力，蕾薹期較花期對漬害的抗性更強(qiáng)。

通過定量比較不同植被指數(shù)對照與受漬油菜之間的距平絕對值及距平絕對均值，可以看出指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）在蕾薹期及花期計算出的距平絕對值及距平絕對值均值都大于其他植被指數(shù)，因此指數(shù)（RNIR+RRed）/（RMIR1×RMIR2）識別受漬油菜的能力要強(qiáng)于其他植被指數(shù)，并且在受漬期間該指數(shù)具有較強(qiáng)的穩(wěn)定性和敏感性。本研究僅用蕾薹期、花期2個生育階段的油菜作物來進(jìn)行持續(xù)受漬試驗(yàn)，在識別油菜生育期受漬情況的代表性方面略有欠缺，下階段還需對苗期、花果期和角果期等生育階段的油菜進(jìn)行持續(xù)受漬試驗(yàn)，同時利用產(chǎn)量因素進(jìn)行受漬脅迫關(guān)鍵生育期的識別。

參考文獻(xiàn)：

[1]李元征，杜 耘，吳勝軍，等. 農(nóng)田漬害遙感監(jiān)測方法研究應(yīng)用進(jìn)展[J]. 世界科技研究與發(fā)展，2011，33（4）：600-603，616.

[2]李元征，吳勝軍，杜 耘，等. 基于MODIS的漬害田和正常農(nóng)田遙感特性對比研究[J]. 長江流域資源與環(huán)境，2012，21（10）：1287-1294.

[3]張學(xué)昆，陳 潔，王漢中，等. 甘藍(lán)型油菜耐濕性的遺傳差異鑒定[J]. 中國油料作物學(xué)報，2007，29（2）：204-208.

[4]李 玲，張春雷，張樹杰，等. 漬水對冬油菜苗期生長及生理的影響[J]. 中國油料作物學(xué)報，2011，33（3）：247-252.

[5]朱建強(qiáng)，程倫國，吳立仁，等. 油菜持續(xù)受漬試驗(yàn)研究[J]. 農(nóng)業(yè)工程學(xué)報，2005，21（增刊1）：63-67.

[6]張曉東，毛罕平，左志宇，等. 基于多光譜視覺技術(shù)的油菜水分脅迫診斷[J]. 農(nóng)業(yè)工程學(xué)報，2011，27（3）：152-157.

[7]賈方方，馬新明，李春明，等. 不同水分處理對煙草葉片高光譜及紅邊特征的影響[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報，2011，19（6）：1330-1335.

[8]Penuelas J，F(xiàn)ilella I，Serrano L，et al. Cell wall elasticity and water index （R970 nm/R900 nm）in wheat under different nitrogen availabilities[J]. International Journal of Remote Sensing，1996，17（2）：373-382.

[9]Carter G A. Primary and secondary effects of water content on the spectral reflectance of leaves[J]. American Journal of Botany，1991，78（7）：916-924.

[10]Anderson J E，Perry J E. Characterization of wetland plant stress using leaf spectral reflectance：implications for wetland remote sensing[J]. Wetlands，1996，16（16）：477-487.

[11]吉海彥，王鵬新，嚴(yán)泰來. 冬小麥活體葉片葉綠素和水分含量與反射光譜的模型建立[J]. 光譜學(xué)與光譜分析，2007，27（3）：514-516.

[12]蔣金豹，Michael D S，何汝艷，等. 水浸脅迫下植被高光譜遙感識別模型對比分析[J]. 光譜學(xué)與光譜分析，2013（11）：3106-3110.

[13]Rouse J W，Haas R H，Schell J A，et al. Monitoring vegetation systems in the great plains with erts[J]. NASA Special Publication，1974，351：309.

[14]Gao B C. NDWI-A normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment，1996，58（3）：257-266.

[15]Pearson R L，Miller L D. Remote mapping of standing crop biomass for estimation of the productivity of the short-grass prairie[C]//Proceedings of the eighth international symposium on remote sensing of environment. Willow Run Laboratories，Environmental Research Institute of Michigan，1972：7-12.

[16]Gamon J A，Penuelas J，F(xiàn)ield C B. A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency[J]. Remote Sensing of Environment，1992，41（1）：35-44.

[17]Penuelas J，F(xiàn)ilella I，Biel C，et al. The reflectance at the 950-970 nm region as an indicator of plant water status[J]. International Journal of Remote Sensing，1993，14（10）：1887-1905.

[18]Huete A R. A soil-adjusted vegetation index （SAVI）[J]. Remote Sensing of Environment，1988，25（3）：295-309.

[19]Penuelas J，Baret F，F(xiàn)ilella I. Semi-Empirical indices to assess carotenoids/chlorophyll—a ratio from leaf spectral reflectance[J]. Photosynthetica，1995，31（2）：221-230.