基于高光譜的低溫脅迫下冬小麥SPAD估算

孫明馨,劉 琪,王 帥,王鳳文,董召榮

(1.安徽農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院;2.安徽農(nóng)業(yè)大學(xué)農(nóng)學(xué)院,安徽 合肥 230036; 3.農(nóng)業(yè)部合肥農(nóng)業(yè)環(huán)境科學(xué)觀測(cè)實(shí)驗(yàn)站,安徽 合肥 230000)

冬小麥?zhǔn)鞘澜缟戏N植歷史最悠久的糧食作物，晚霜凍害是發(fā)生在冬小麥拔節(jié)期的主要?dú)庀鬄?zāi)害之一[1]，對(duì)冬小麥的產(chǎn)量和品質(zhì)有重要影響[2].所以，對(duì)冬小麥低溫凍害的實(shí)時(shí)監(jiān)測(cè)顯得尤為重要.

冬小麥?zhǔn)艿蜏孛{迫前、后生理生化指標(biāo)的變化研究主要集中在超氧化物歧化酶(superoxide dismutase,SOD)、丙二醛、葉綠素、糖、過氧化物酶(peroxidase,POD)等方面[3-5].高光譜與植被的葉綠素等指標(biāo)參數(shù)之間存在顯著相關(guān)性[6]，冬小麥?zhǔn)艿降蜏孛{迫后，植株體合成與代謝發(fā)生紊亂，葉綠素等指標(biāo)合成與代謝受阻，葉綠素含量下降，使葉綠素在可見光、近紅外等波段的反射率發(fā)生變化[7].因此，利用高光譜數(shù)據(jù)與作物的葉綠素等指標(biāo)的相關(guān)性構(gòu)建預(yù)測(cè)模型是可行的[8-9].目前，很多學(xué)者在利用高光譜技術(shù)監(jiān)測(cè)氣象災(zāi)害方面進(jìn)行了研究，并得到了一定的進(jìn)展.陳春玲等[10]獲取不同生長(zhǎng)期的玉米葉片高光譜數(shù)據(jù)進(jìn)行分析，構(gòu)建較優(yōu)的高光譜特征參數(shù)結(jié)合不同的建模方法對(duì)玉米葉片葉綠素含量進(jìn)行估測(cè).殷紫等[11]分析冬小麥各生理生化參數(shù)與冠層光譜的相關(guān)性，建立冬小麥葉片葉綠素含量、葉面積指數(shù)和植株含氮量的高光譜反演估測(cè)模型.植被指數(shù)是指利用對(duì)遙感衛(wèi)星探測(cè)數(shù)據(jù)進(jìn)行線性和非線性組合，反映植被生長(zhǎng)狀況和分布特征的指數(shù)[12]，與葉綠素含量最相關(guān)的植被指數(shù)是差值植被指數(shù)(difference vegetation index,DVI)和土壤調(diào)節(jié)植被指數(shù)(soil adjusted vegetation index,SAVI)[13-15].辛彥斌[16]計(jì)算了光譜數(shù)據(jù)的植被指數(shù)和灰度運(yùn)算值，建立了基于灰度運(yùn)算值的作物災(zāi)害監(jiān)測(cè)模型，具有較好的效果.然而，近年來對(duì)于冬小麥?zhǔn)軆龊υ缙诙虝r(shí)的高光譜監(jiān)測(cè)研究較少，前人選取植被指數(shù)(normalized vegetation index,NDVI)、比值植被指數(shù)(ratio vegetation index,RVI)和“三邊”參數(shù)作為特征參數(shù)的不多，得到的模型準(zhǔn)確度一般[7,17].

本研究基于高光譜技術(shù)，對(duì)低溫脅迫下的冬小麥葉綠素相對(duì)含量(soil and plant analyzer development,SPAD)值和光譜特征進(jìn)行研究，選取特征參數(shù)建立了基于高光譜的冬小麥SPAD估測(cè)模型并進(jìn)行驗(yàn)證.在保證一定精度的條件下減少了大量運(yùn)算，節(jié)省了運(yùn)算時(shí)間，提高了建模的速度.其結(jié)果可以為及時(shí)、準(zhǔn)確、高效地監(jiān)測(cè)冬小麥?zhǔn)転?zāi)情況提供科學(xué)的方法，并為農(nóng)作物的防災(zāi)減災(zāi)提供技術(shù)支持.

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

本試驗(yàn)于2018年10月至2019年3月在安徽農(nóng)業(yè)大學(xué)農(nóng)萃園和氣象學(xué)實(shí)驗(yàn)室進(jìn)行.試驗(yàn)用冬小麥品種為揚(yáng)麥13.

冬小麥于2018年10月20日播種，小區(qū)面積為6.0 m×2.4 m=14.4 m2，行距0.25 m，小區(qū)設(shè)置保護(hù)行0.5 m.播種量為184.5 kg·hm-2，翻埋時(shí)施用P2O5150 kg·hm-2、K2O 120 kg·hm-2，氮肥基肥和磷鉀肥一起施用，無機(jī)氮肥施用尿素，分基肥、拔節(jié)肥二次施用(4∶1)，總施氮量240 kg·hm-2.冬小麥生長(zhǎng)至拔節(jié)期，移栽到盆缽中于室內(nèi)培養(yǎng)7 d，均勻澆水，不再施肥.然后在人工氣候室內(nèi)對(duì)冬小麥進(jìn)行人工模擬低溫試驗(yàn)，試驗(yàn)溫度設(shè)置為-5 ℃，低溫脅迫時(shí)間設(shè)置為6和8 h，另外設(shè)置對(duì)照組(CK，不進(jìn)行低溫脅迫，放置于室內(nèi))，共3個(gè)處理，每個(gè)處理3個(gè)重復(fù)，共9個(gè)處理(每個(gè)處理1盆小麥)，進(jìn)行低溫脅迫前、脅迫結(jié)束、結(jié)束后1 h、結(jié)束后2 h及CK的高光譜和葉綠素(SPAD)的測(cè)定.

1.2 測(cè)定方法

使用美國(guó)ASD FieldSpec Pro FR(350～2 500 nm,探頭視場(chǎng)角為25°)型光譜儀對(duì)冬小麥進(jìn)行低溫脅迫前、后的光譜進(jìn)行連續(xù)測(cè)定[18].每次測(cè)量前后用標(biāo)準(zhǔn)參考白板進(jìn)行校正.選取大小相近且平整的冬小麥葉片進(jìn)行標(biāo)記并測(cè)定其光譜反射率，每個(gè)處理標(biāo)記4片葉片，每片標(biāo)記葉片重復(fù)采集3次數(shù)據(jù).高光譜數(shù)據(jù)采集后，利用ASD數(shù)據(jù)處理軟件進(jìn)行高光譜數(shù)據(jù)預(yù)處理.

利用SPAD-502葉綠素測(cè)定儀對(duì)冬小麥葉片SPAD進(jìn)行測(cè)定.

1.3 數(shù)據(jù)處理方法

1.3.1 高光譜微分變換 光譜數(shù)據(jù)在采集的過程中容易受到周邊環(huán)境和溫度的影響而產(chǎn)生噪音，進(jìn)而影響光譜數(shù)據(jù)的準(zhǔn)確性，將光譜數(shù)據(jù)進(jìn)行微分處理可以有效降低噪音的影響.本研究中光譜數(shù)據(jù)主要采用一階微分計(jì)算，計(jì)算公式見(1)：

(1)

式中，R′(λa)表示一階微分值.

1.3.2 植被指數(shù) 通過對(duì)光譜多波段的綜合計(jì)算，降低其他信息對(duì)于光譜波段的影響.NDVI計(jì)算公式見式(2)，RVI計(jì)算公式見式(3).

(2)

(3)

式中，Ra和Rb表示光譜波長(zhǎng)在a處和b處的反射率.

1.3.3 模型構(gòu)建 對(duì)原始光譜反射率進(jìn)行NDVI和RVI植被指數(shù)計(jì)算后，將SPAD分別與原始光譜反射率、光譜反射率一階微分值以及“三邊”參數(shù)構(gòu)建的歸一化植被指數(shù)和比值植被指數(shù)建立相關(guān)關(guān)系[19,20]，構(gòu)建基于高光譜的SPAD估算模型.

1.3.4 模型檢驗(yàn) 隨機(jī)選取異于建模數(shù)據(jù)的實(shí)測(cè)數(shù)據(jù)對(duì)估算模型進(jìn)行驗(yàn)證，通過均方根誤差和平均相對(duì)誤差這兩個(gè)指標(biāo)評(píng)估模型的精度，依據(jù)均方根誤差和平均相對(duì)誤差最小的模型精度最高這一原則選取最優(yōu)估算模型.計(jì)算公式見(4)和(5)：

(4)

(5)

式中，n為樣本數(shù)，Pi和Qi表示第i個(gè)樣本的預(yù)測(cè)值和實(shí)測(cè)值.

2 結(jié)果與分析

2.1 低溫脅迫后原始光譜與SPAD的相關(guān)性

圖1為低溫脅迫后冬小麥葉片SPAD值與高光譜反射率之間的相關(guān)性.從圖1(a)可以看出，低溫脅迫后葉片SPAD值與原始光譜反射率在可見光和近紅外波段之間相關(guān)系數(shù)高且為正相關(guān).在可見光波段范圍內(nèi)，葉片SPAD值與葉片光譜反射率最大正相關(guān)波段是780 nm，相關(guān)系數(shù)為0.598 7.在近紅外波段范圍內(nèi)，葉片SPAD值與葉片光譜反射率相關(guān)系數(shù)最大的波段是1 100 nm處，相關(guān)系數(shù)為0.601 8.且均通過了0.05顯著性水平檢驗(yàn).

圖1(b)為低溫脅迫后冬小麥葉片SPAD值與葉片光譜反射率一階微分值之間的相關(guān)關(guān)系.在可見光波段范圍內(nèi)，葉片SPAD值與光譜反射率一階微分值最大正相關(guān)波段是750 nm，相關(guān)系數(shù)為0.814 9，最大負(fù)相關(guān)波段是555 nm，相關(guān)系數(shù)為-0.647 8.在近紅外波段范圍內(nèi)，與SPAD值最大正相關(guān)波段是1 018 nm，相關(guān)系數(shù)達(dá)到了0.627 2，最大負(fù)相關(guān)波段是1 679 nm，相關(guān)系數(shù)達(dá)到了-0.810 2.且均通過了0.05顯著性水平檢驗(yàn).本研究最終選取1 100 nm處的原始光譜反射率以及555、750、1 018和1 679 nm處的光譜反射率一階微分值，用于構(gòu)建基于高光譜的SPAD估算模型.

a.原始光譜;b.高光譜的一階微分.圖1 冬小麥拔節(jié)期葉片SPAD與高光譜的相關(guān)性分析Fig.1 Correlation analysis on the hyper-spectrum and SPAD values of winter wheat leaves at the jointing stage

2.2 低溫脅迫后植被指數(shù)(NDVI和RVI)與SPAD的相關(guān)性

利用NDVI和RVI植被指數(shù)對(duì)原始光譜數(shù)據(jù)進(jìn)行組合運(yùn)算，建立光譜反射率與葉片SPAD值之間的相關(guān)性(圖2).從NDVI的P值中可以看出600 nm附近，700～2 250 nm附近以及1 200～1 500 nm附近的NDVI值與SPAD值相關(guān)性較低，其余波段的NDVI值與SPAD值均具有極顯著相關(guān)關(guān)系(P<0.01)；從R2值中可以看出500 nm附近和1 000～1 500 nm附近的NDVI值與SPAD值相關(guān)性較低，其余波段的NDVI值與SPAD值相關(guān)性較高.其中735與802 nm處建立的NDVI值與SPAD值相關(guān)性最高，達(dá)到了0.86.從RVI的P值可以得出，在1 000～1 500 nm附近的RVI值與SPAD值相關(guān)性較低，其余波段的RVI值與SPAD值均具有極顯著相關(guān)關(guān)系；RVI值與SPAD值的R2值結(jié)果與NDVI值的R2值相似，相關(guān)性最好的波段也極為相近，其中735和803 nm波段建立的RVI值與SPAD值相關(guān)性最大，達(dá)到了0.86.

a.NDVI;b.RVI.圖2 冬小麥葉片SPAD與植被指數(shù)的P值和R2Fig.2 P and R2 of SPAD and vegetation indexes of winter wheat leaves

2.3 基于高光譜的SPAD估測(cè)模型的建立與驗(yàn)證

冬小麥光譜特征參數(shù)與葉片SPAD值的相關(guān)性見表1.除藍(lán)邊面積與SPAD值相關(guān)性較低以外，其余特征參數(shù)與冬小麥低溫脅迫后的SPAD值均具有極顯著相關(guān)關(guān)系(P<0.01).基于NDVI與RVI篩選出的特征光譜參數(shù)與冬小麥葉片SPAD值的相關(guān)性最高，達(dá)到了0.861 9.在“三邊”參數(shù)中，紅邊面積與SPAD值為正相關(guān)關(guān)系，黃邊面積與SPAD值則為負(fù)相關(guān)關(guān)系，紅邊參數(shù)與低溫脅迫后冬小麥葉片SPAD值相關(guān)性最高.紅邊面積與藍(lán)邊面積構(gòu)建的歸一化植被指數(shù)與SPAD值相關(guān)性最高，相關(guān)系數(shù)為0.653 3.

表1 冬小麥葉片SPAD與特征參數(shù)間的相關(guān)系數(shù)(N=67)Table 1 Correlation coefficients between SPAD and characteristic parameters of winter wheat leaves (N=67)

由上述研究可知，藍(lán)邊面積與SPAD值的相關(guān)性沒有通過顯著性相關(guān)檢驗(yàn)，因此將上述研究中通過顯著性相關(guān)檢驗(yàn)的特征參數(shù)通過指數(shù)、對(duì)數(shù)、線性和乘冪函數(shù)形式與冬小麥葉片SPAD值構(gòu)建估算模型.選取4種函數(shù)中決定系數(shù)最大的模型為最終構(gòu)建模型.其中建模實(shí)測(cè)數(shù)據(jù)有67組，隨機(jī)選取異于建模的47組實(shí)測(cè)數(shù)據(jù)對(duì)構(gòu)建的SPAD值估算模型進(jìn)行驗(yàn)證，采用均方根誤差和平均相對(duì)誤差對(duì)模型進(jìn)行檢驗(yàn).表2是冬小麥葉片SPAD值與高光譜估算模型及驗(yàn)證誤差值.以植被指數(shù)RVI[735,803]波段構(gòu)建的SPAD值估算模型平均相對(duì)誤差最小，僅0.2，均方根誤差也較小.因此遵循均方根誤差和平均相對(duì)誤差越小其模型精度越高的原則，選取基于植被指數(shù)RVI[735,803]波段構(gòu)建的估算模型作為冬小麥SPAD值估算模型，其模型公式為CSPAD=273.9XRVI[735,803]-257.47.

表2 冬小麥葉片SPAD值與高光譜估算模型及驗(yàn)證(N=47)Table 2 SPAD values of winter wheat leaves and corresponding hyperspectral estimation models and verifications(N=47)

3 結(jié)論

高光譜遙感技術(shù)是一種具有快速、實(shí)時(shí)、無損的數(shù)據(jù)采集和處理方法[21,22]，近年來常被用來精確檢測(cè)農(nóng)作物葉綠素含量.本研究基于高光譜技術(shù)，對(duì)低溫脅迫下的冬小麥SPAD和光譜特征進(jìn)行研究，建立了基于高光譜的冬小麥SPAD估測(cè)模型并進(jìn)行驗(yàn)證.研究結(jié)果表明，低溫脅迫后冬小麥葉片SPAD與波長(zhǎng)為780 nm的原始光譜相關(guān)系數(shù)為0.597 8；與1 100 nm原始光譜相關(guān)系數(shù)為0.601 8，且均通過了顯著性檢驗(yàn)；因此利用高光譜數(shù)據(jù)與作物的葉綠素等指標(biāo)的相關(guān)性構(gòu)建預(yù)測(cè)模型具有可行性.在735和802 nm處建立的NDVI指數(shù)與SPAD的相關(guān)性最好，相關(guān)系數(shù)為0.86；在735和803 nm處建立的RVI指數(shù)與SPAD的相關(guān)性最好，相關(guān)系數(shù)為0.86.植被指數(shù) RVI、NDVI與小麥SPAD相關(guān)性普遍較好，適合建立小麥SPAD估測(cè)模型；對(duì)模型進(jìn)行精度檢驗(yàn)的過程中，綜合分析均方根誤差、平均相對(duì)誤差、決定系數(shù)，選取基于RVI[735,803]波段構(gòu)建的估算模型作為SPAD估算模型，得出模型表達(dá)式為CSPAD=273.9XRVI[735,803]-257.47.

小麥經(jīng)低溫脅迫后會(huì)發(fā)生一系列生理生化變化，其中一些指標(biāo)如SOD活性和MDA含量等可作為品種抗凍性鑒定的生理生化指標(biāo)[23,24].由于試驗(yàn)步驟不夠細(xì)化，很多其他可以表達(dá)出作物受低溫脅迫信息的生理生化指標(biāo)未能得到深入研究，所建立的估測(cè)模型的精準(zhǔn)度有待于進(jìn)一步提高，將來應(yīng)該對(duì)不同物候期以及更多的生理生化指標(biāo)如葉片丙二醛含量與脯氨酸、水楊酸和茉莉酸等植物激素的遙感監(jiān)測(cè)進(jìn)行進(jìn)一步研究，從而更加全面地利用高光譜遙感作為指導(dǎo)農(nóng)作物生產(chǎn)的依據(jù).試驗(yàn)在淮北溫帶季風(fēng)氣候區(qū)進(jìn)行，研究建立的模型適合于我國(guó)黃淮地區(qū)冬小麥種植區(qū).但研究缺少其他品種小麥進(jìn)行對(duì)比試驗(yàn)，故后續(xù)試驗(yàn)需添加其他品種增加模型的適用性.

有學(xué)者研究了在冠層尺度下冬小麥不同凍害脅迫程度與冬小麥冠層高光譜數(shù)據(jù)應(yīng)用情況，通過主成分分析法進(jìn)行冬小麥群體凍害嚴(yán)重度反演，模型精度檢驗(yàn)的評(píng)價(jià)指標(biāo)R2為0.630 9[7].本試驗(yàn)對(duì)小麥葉片光譜特征的研究，利用微分的處理方法，有效去除了背景因素的影響，選取NDVI、RVI和“三邊”參數(shù)等特征參數(shù)建立模型并驗(yàn)證，得到了較好的結(jié)果，體現(xiàn)了一定的規(guī)律性.在保證一定精度的條件下減少了大量運(yùn)算，節(jié)省了運(yùn)算時(shí)間，提高了建模的速度，為進(jìn)一步利用高光譜遙感數(shù)據(jù)檢測(cè)凍害情況提供了依據(jù)和數(shù)據(jù)，對(duì)精準(zhǔn)農(nóng)業(yè)的研究和實(shí)踐有重要的參考價(jià)值.