南豐蜜桔葉片氮含量光譜監(jiān)測模型的構建

舒時富 李艷大 葉春 吳羅發(fā) 黃俊寶 陳立才 王康軍 陳盾

摘要：為了快速無損地監(jiān)測南豐蜜桔葉片氮含量，于南豐蜜桔關鍵生長期取樣測定葉片氮含量和葉片光譜數據，篩選出南豐蜜桔葉片氮含量的敏感光譜波段和最佳植被指數，構建南豐蜜桔葉綠素含量光譜監(jiān)測模型。結果表明，基于南豐蜜桔葉片氮含量監(jiān)測敏感光譜波段552nm和817nm構建的光譜監(jiān)測模型（y= -0.285x2+2.854x +7.953， R2=0.835）的效果最佳?？梢岳霉庾V技術進行南豐蜜桔葉片氮素水平的檢測和診斷，指導精量施肥。

關鍵詞：光譜模型;氮素;南豐蜜桔

中圖分類號：S-3

文獻標識碼：A

DOI：10.19754/j.nyyjs.20191215002

南豐蜜桔有“貢桔”之美稱，種植面積達6.67萬hm2，產值超過100億元。營養(yǎng)條件影響南豐蜜桔的生長發(fā)育、產量形成及果實品質優(yōu)劣。營養(yǎng)肥料中，氮肥是南豐蜜桔需求最大、消耗最多、對生長影響最顯著的。南豐蜜桔對缺氮較為敏感，缺氮會致使新梢抽生不正常， 枝葉稀少而細小， 葉薄， 葉色呈淡綠色至黃色， 病葉提前脫落;而氮素過多，會使果實皮粗果大。葉片是診斷缺氮的最為有效的方法。近年來，關于果樹的養(yǎng)分監(jiān)測診斷已取得初步成效，這表明利用光譜技術監(jiān)測植物營養(yǎng)狀態(tài)是有效可行的。因此，構建基于光譜特征的南豐蜜桔氮素監(jiān)測診斷模型，實現南豐蜜桔氮肥的精確管理，可提高南豐蜜桔生產的科學化水平，改善南豐蜜桔品質，促進南豐蜜桔產業(yè)的可持續(xù)發(fā)展。

1材料與方法

1.1南豐蜜桔樹樣本管理

試驗于2016—2018年在江西省南豐縣蜜桔產業(yè)局桔園進行，果園面積約1.667hm2，樹齡平均為10a，株行距約3m×3m。試驗設置4個施氮水平，氮肥分別為0kg/株、0.5kg/株、1.0kg/株、1.5kg/株，分別在春梢、夏梢和秋梢前分3次施入。磷肥和鉀肥的施入量均相同。

1.2數據獲取

光譜數據獲取儀器為美國ASD公司的Field Spec Hand Held2便攜式光譜儀，波段為350～1075nm，光譜獲取時間為10：00—14：00之間，光譜測定時光纖垂直向下。

光譜測定的葉片選取南豐蜜桔果樹上、中、下3個位置的正常健康葉片，每個位置的葉片選5片。將采集的葉片，表面用酒精擦干凈后，用ASD光纖對準葉片的中部位置（避開葉脈）連續(xù)測定3次，取其平均值為葉片的光譜數據。

葉片氮含量的測定，將采集的南豐蜜桔葉片用酒精擦洗，再用去蒸餾水漂洗干凈。放入烘箱中105℃殺青30min，再用80℃烘干48h以上。使用凱氏定氮法進行葉片氮含量的測定。

1.3模型的構建

提取每個樣本葉片的平均光譜反射曲線，分析所提取的光譜數據和每個樣本葉片氮含量之間的相關性。通過獲取雙波段植被指數（TBVI=（Rλ1-Rλ2）/（Rλ1+Rλ2）。確定光譜數據與葉片氮含量之間相關系數達到最高TBVI值，從而獲得計算該最優(yōu)TBVI值的波段，并利用敏感波段建立基于光譜數據的含氮量關系模型（Rλ表示波長λ處的光譜反射率）。

選擇任意80%的數據進行建模，剩余20%的數據用以驗證模型的效果。使用數據分別建立不同光譜模型，選取出效果最好的函數模型，最后驗證所建模型的預測效果。

2結果與分析

2.1葉片的光譜特性

將獲取的光譜數據進行預處理，進行一階導數、二階導數處理，以及進行平滑處理，然后分析南豐蜜桔葉片不同含氮水平下的光譜特征（圖1）。從圖1中可知，不同氮含量的樣本其光譜曲線走勢一致，其中在560nm處有1個強反射峰，在690～720nm范圍內反射率迅速增大，在720～1075nm范圍內反射率處于高位，且隨著波長增加呈先降低又升高的趨勢。不同葉片氮水平樣本之間，在325～1075nm范圍內，光譜反射率隨葉片含氮量的增加而顯著增加，表明南豐蜜桔的光譜特征可以作為監(jiān)測葉片氮含量的有效方法。

2.2模型的構建及驗證

在葉片高光譜數據所有波段中選取任意的2個波段λ1和λ2，把它們的光譜反射率值代入TVBI公式，采用Matlab軟件將TVBI數值與葉片氮含量進行相關性分析。結果表明，由525nm、817nm 2個波段計算得到的TVBI值與葉片氮含量的相關性最高（R2=0.835）。確定了南豐蜜桔葉片氮水平的敏感雙波段為552nm和817nm。根據敏感波段建立南豐蜜桔葉片氮含量的預測模型，分別構建了差值植被指數（DVI）模型方程（y=-0.285x2+2.854x+7.953，R2=0.835）、比值植被指數（RVI） 模型方程（y= -0.106x2 + 1.485x + 3.519，R2=0.621）和歸一化植被指數（NDVI）模型方程（y= -0.114x2+4.737x+3.716，R2=0.514）。從結果中可知，不同光譜植被指數與葉片氮含量之間的相關性有顯著差異。葉片氮含量與差值植被指數相關性較高，葉片氮含量與差值植被指數構建的回歸模型的相關性最高（R2=0.835）。

為了驗證雙波段模型的預測效果，采用根均方差（RMSE）的方法對模型的模擬值與實際觀測值進行分析統(tǒng)計，繪制出模擬值與觀測值之間的1∶1關系圖，可以直觀展示觀測值與模擬值之間的擬合度及可靠性。從圖2中可以看出，采用敏感雙波段552nm、817nm差值植被指數構建的葉片氮素監(jiān)測模型具有良好的預測效果（R2=0.88，RMSE=0.19），表明基于雙波段552nm、817nm差值植被指數的葉片氮素監(jiān)測模型對南豐蜜桔葉片氮含量具有較好的監(jiān)測性。

3小結

近年來，基于地物光譜特性的光譜技術快速發(fā)展，實時、快速、無損、定量地獲取植株營養(yǎng)狀況成為可能，為植物生長的無損監(jiān)測和快速診斷調控提供了新的方法。本研究通過SAD光譜儀，獲取南豐蜜桔葉片光譜特征，篩選出了552nm、817nm的敏感雙波段，并與葉片氮含量進行相關性分析，構建出了基于差值植被指數的葉片氮含量光譜監(jiān)測模型（y=-0.285x2+2.854x +7.953），通過驗證表明光譜模型具有較好的預測效果。研究結果為南豐蜜桔的氮肥精確管理提供了理論依據與技術途徑。本次研究只針對單葉片進行，對南豐蜜桔整體的監(jiān)測具有一定的局限性。南豐蜜桔為多年生果樹，其整個冠層氮素的變化更為復雜，需要開展更多深入的試驗研究。

參考文獻

[1] 刁莉華.柑橘葉片營養(yǎng)元素含量的季節(jié)變化[D].重慶：西南大學，2013.

[2]Daughtry C S T， Wahhall C L， Kim M S， et a1. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J]. Remote Sensing of Environment， 2000， 74（2）：229-239.

[3]周冬琴.基于冠層反射光譜的水稻氮素營養(yǎng)與籽粒品質監(jiān)測[D].南京：南京農業(yè)大學，2007.

[4]葉春，李艷大，舒時富，等. 基于高光譜的柑橘葉片氮素營養(yǎng)監(jiān)測模型[J].江蘇農業(yè)科學，2018，46（7）： 223-226.

[5]岳學軍，全東平，洪添勝，等. 柑橘葉片葉綠素含量高光譜無損檢測模型[J].農業(yè)工程學報，2015，31（1）：294-302.

[6]李艷大，舒時富，陳立才，等. 基于便攜式作物生長監(jiān)測診斷儀的江西雙季稻氮肥調控研究[J].農業(yè)工程學報， 2019，35（2） ：100-106.

作者簡介：

舒時富（1986-），男，碩士，助理研究員。研究方向：農業(yè)工程等。