基于高光譜數(shù)據(jù)的晚秈稻品種劍葉SPAD 值估測

田容才 高志強(qiáng) 周昆

（1 農(nóng)業(yè)農(nóng)村部長江中下游秈稻遺傳育種重點(diǎn)實(shí)驗(yàn)室，長沙410125; 2 湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，長沙410128; 3 湖南省水稻研究所，長沙410125；第一作者：823945102@qq.com；*通訊作者：zhzhkp@163.com）

葉綠素作為植物光合作用的主要色素，其含量高低與植株光合能力、氮素狀況及發(fā)育階段密切相關(guān)，已成為評價作物長勢的重要指標(biāo)[1]。傳統(tǒng)的植物葉綠素絕對含量采用離體方法測定[2]，存在破壞樣品、耗時費(fèi)力、操作復(fù)雜[3]等弊端。SPAD-502 葉綠素儀通過測量葉片在兩個波段里的反射率，得到測量植物的實(shí)時葉綠素相對含量讀數(shù)，即SPAD 值[4]。眾多研究[5-9]表明，葉片SPAD 值與葉綠素含量呈顯著相關(guān)關(guān)系，能精確表達(dá)葉綠素含量，可作為植株氮素營養(yǎng)診斷的重要指標(biāo)，但無法進(jìn)行大面積快速檢測。

隨著高光譜技術(shù)的發(fā)展，其在農(nóng)業(yè)領(lǐng)域的應(yīng)用越來越廣泛[10-12]。冠層高光譜易受土壤、天氣狀況等影響，數(shù)據(jù)精度難以保證[13-16]，而葉片高光譜借助儀器內(nèi)置主動光源，可對葉片進(jìn)行活體測定，能有效減少外界環(huán)境干擾，數(shù)據(jù)精度更高，從而實(shí)現(xiàn)植物葉片的快速無損實(shí)時檢測。目前，眾多學(xué)者對水稻SPAD 值與葉片高光譜特征進(jìn)行了大量研究[17-20]，為實(shí)現(xiàn)水稻大面積快速無損氮素營養(yǎng)診斷和長勢監(jiān)測提供了新思路，但大多研究集中在特征波段和建模方法的選取上，較少針對同一水稻類型的多個品種的模型普適性進(jìn)行探究。

劍葉作為水稻的主要功能葉，測量其SPAD 值可以很好反映植株葉綠素含量和氮素水平[21]。本研究對長江中下游不同晚秈稻品種的劍葉高光譜特征與SPAD 值進(jìn)行了分析，建立了不同晚秈稻品種劍葉SPAD 值的估測模型，并對模型進(jìn)行品種間交互驗(yàn)證，以期構(gòu)建晚秈稻劍葉SPAD 值估測的通用性模型，為晚秈稻葉片SPAD 值衛(wèi)星遙感反演及長勢監(jiān)測提供支撐。

1 材料與方法

1.1 試驗(yàn)設(shè)計

試驗(yàn)于2018 年6—11 月在湖南省水稻研究所試驗(yàn)田（28°12′N，113°5′E，海拔44.9 m）進(jìn)行。試驗(yàn)田為重粘土質(zhì)地，土壤肥力中等，前作為水稻。試驗(yàn)選用南方稻區(qū)國家水稻品種區(qū)試7 個晚秈早熟品種為材料，分別為岳優(yōu)9113、C 兩優(yōu)136、慧兩優(yōu)1809、33S/巴西旱稻、早豐A/5194、五豐A/制6、五豐A/制1。采用隨機(jī)區(qū)組試驗(yàn)，小區(qū)面積13.34 m2，行距20 cm，株距20 cm，每個品種設(shè)3 次重復(fù)，共21 個小區(qū)。采用育苗移栽種植，6 月28 日播種，7 月20 日移栽，10 月29 收獲。每667 m2施用復(fù)合肥25 kg、菜枯40 kg 作基肥。追肥分2 次施入：7 月24 日每667 m2施用尿素5.0 kg、氯化鉀7.5 kg，并拌入除草劑一起施用；8 月5 日每667 m2補(bǔ)施尿素2.5 kg。同時做好田間病蟲草害防治工作。

1.2 數(shù)據(jù)采集

在各晚秈稻材料抽穗后每隔7 d 于大田采集劍葉高光譜和SPAD 值數(shù)據(jù)，但受天氣狀況的影響，數(shù)據(jù)采集無法正常進(jìn)行，應(yīng)以實(shí)際測定時間為準(zhǔn)，最終本試驗(yàn)共采集了4 次晚秈稻數(shù)據(jù)，采集時間分別為各品種的抽穗期及抽穗后8 d、18 d 和27 d。

表1 光譜參數(shù)及其計算公式

1.2.1 劍葉高光譜測定

于各材料抽穗及抽穗后8 d、18 d 和27 d，用ASD公司生產(chǎn)的FieldSpec 3 地物波譜儀采集水稻劍葉高光譜數(shù)據(jù)。該儀器自帶主動光源手持型葉片光譜探頭，可直接進(jìn)行活體夾葉測定。光譜波長范圍350～2 500 nm，其中350～1 050 nm 的光譜采樣間隔1.377 nm，1 000 ～2 500 nm 采樣間隔為2 nm，光譜分辨率3 nm@700 nm 和10 nm@1 400 nm/2 100 nm。每小區(qū)選擇長勢均一的主莖劍葉5 片進(jìn)行活體葉片光譜測定，測定時為了避開葉脈，選擇劍葉上部進(jìn)行高光譜數(shù)據(jù)采集，通過參數(shù)設(shè)定，測得的每條光譜曲線均已進(jìn)行10 次光譜重采樣。同時每小區(qū)測定前利用鏡頭自帶標(biāo)準(zhǔn)白板校正1 次。

1.2.2 劍葉SPAD 值測定

采集主莖劍葉高光譜數(shù)據(jù)的同時，采用日本Minolta Camera 公司生產(chǎn)的SPAD-502 葉綠素儀測定各晚秈稻材料主莖劍葉的SPAD 值。測定方法：每小區(qū)隨機(jī)選取長勢較一致的主莖劍葉5 片，每片葉測葉尖、葉中、葉基3 個點(diǎn)，取平均值作為該葉片SPAD 實(shí)測值，測定時避開葉脈。

1.3 數(shù)據(jù)分析

由于在350～400 nm 光譜范圍內(nèi)存在較大噪音，且前人研究結(jié)果表明，與葉片SPAD 值相關(guān)系數(shù)較高的波段位于可見光和部分近紅外[22-23]，因此，本文選取400～1 000 nm 作為光譜研究區(qū)域。試驗(yàn)數(shù)據(jù)采用ViewSpecPro 軟件進(jìn)行預(yù)處理和導(dǎo)出，Excel 2016 和SPSS 17.0 對數(shù)據(jù)進(jìn)行統(tǒng)計分析。通過將原始光譜反射率、一階微分光譜反射率及光譜參數(shù)與葉片SPAD 值進(jìn)行相關(guān)性分析，利用傳統(tǒng)回歸分析方法建立不同晚秈稻品種劍葉SPAD 值估測模型，以決定系數(shù)（R2）、均方根誤差（RMSE）作為模型精度評價指標(biāo)，并以平均偏差率（AD）作為品種間交互驗(yàn)證評價指標(biāo)。式（1）、（2）分別是均方根誤差和平均偏差率的計算公式。

式中，yi表示實(shí)測值表示預(yù)測值，n 代表樣本數(shù)量。

1.4 光譜參數(shù)選擇

通過不同波段反射率的線性或非線性組合變化進(jìn)行光譜參數(shù)提取，可以有效降低背景信息對植被光譜特征的干擾，提高光譜數(shù)據(jù)表達(dá)葉綠素的精度[4]。本文結(jié)合前人的研究結(jié)果，選擇了8 種對葉綠素含量敏感的光譜參數(shù)與葉片SPAD 值進(jìn)行相關(guān)分析，從而篩選出相關(guān)系數(shù)較高的光譜參數(shù)來構(gòu)建SPAD 估測模型。光譜參數(shù)計算方式見表1。

2 結(jié)果與分析

2.1 不同水稻品種葉片SPAD 值變化

如圖1 所示，抽穗及以后27 d 中，各晚秈稻品種葉片SPAD 值具有相似的變化趨勢，即大部分品種從抽穗至抽穗后8 d 間SPAD 值呈上升趨勢，之后則隨生育進(jìn)程的推進(jìn)SPAD 值降低，而慧兩優(yōu)1809 自抽穗后葉片SPAD 值則一直下降，C 兩優(yōu)136 則在抽穗后第18 d 達(dá)最大值，這可能是因?yàn)楣┰嚥牧纤幍某樗腚A段不同所致。對不同晚秈稻品種抽穗后各時間段的葉片SPAD 值進(jìn)行綜合平均計算，SPAD 平均值表現(xiàn)為慧兩優(yōu)1809（45.2）＞33S/巴西旱稻（44.7）＞早豐A/5194（43.9）＞岳優(yōu)9113（43.3）＞C 兩優(yōu)136（43.2）＞五豐A/制1（42.9）＞五豐A/制6（42.2），品種間葉片SPAD 值差異較小。

2.2 不同水稻品種葉片高光譜特征

圖1 抽穗后不同水稻品種葉片SPAD 值變化

圖2 不同水稻品種劍葉反射光譜（a）及其一階導(dǎo)數(shù)光譜（b）

對7 個不同晚秈稻品種抽穗后不同時期葉片原始光譜及一階微分光譜進(jìn)行平均計算（樣本量n=60），結(jié)果見圖2。由圖2 可知，不同晚秈稻品種葉片原始光譜反射率響應(yīng)曲線變化規(guī)律一致，出現(xiàn)“藍(lán)谷”“綠峰”“紅谷”“近紅外高反射平臺”的綠色植物典型反射光譜特征，這主要是因?yàn)槿~片吸收了大部分藍(lán)光和紅外進(jìn)行光合作用，形成“谷”，在綠光波段對綠色吸收少，反射高，形成“綠峰”，近紅外光則能穿透葉綠素，經(jīng)過葉肉組織多次散射、反射、折射作用，在近紅外區(qū)域反射率急劇升高[26]。但受品種間葉片組織結(jié)構(gòu)與元素含量的影響，不同晚秈稻品種葉片光譜響應(yīng)曲線的波峰及波谷的反射率大小存在差異。不同供試材料在540～600 nm、750～1 000 nm 兩波段范圍內(nèi)的原始光譜反射率大小存在差異。對各晚秈稻材料原始光譜進(jìn)行一階微分運(yùn)算，發(fā)現(xiàn)其最大波峰出現(xiàn)在660～760 nm，“紅邊”位置存在品種間差異，大致位于710～720 nm 范圍內(nèi)。

2.3 SPAD 值與葉片光譜反射率的相關(guān)性

2.3.1 SPAD 值與原始葉片光譜反射率的相關(guān)性

圖3 不同水稻品種葉片SPAD 值與葉片原始光譜反射率的相關(guān)性

圖4 不同水稻品種葉片SPAD 值與一階微分光譜的相關(guān)性

將各材料抽穗后不同時期葉片SPAD 值與原始光譜反射率進(jìn)行單相關(guān)分析（樣本數(shù)n=60），結(jié)果如圖3所示。由圖3 可知，不同晚秈稻品種葉片SPAD 值與原始光譜反射率的相關(guān)系數(shù)在可見光波段（380～780 nm）達(dá)顯著或極顯著相關(guān)，稱為SPAD 值的敏感波段。且各晚秈稻品種相關(guān)系數(shù)具有相似的變化趨勢，表現(xiàn)為可見光波段范圍內(nèi)隨波長的遞增相關(guān)系數(shù)升高，720 nm后相關(guān)系數(shù)逐漸降低，最大相關(guān)系數(shù)大致位于700～720 nm 的紅邊區(qū)域，且均為負(fù)相關(guān)，這可能是因?yàn)樵囼?yàn)數(shù)據(jù)只包括抽穗及以后各時期，缺少分蘗、拔節(jié)、孕穗等前期數(shù)據(jù)所致。

2.3.2 SPAD 值與一階微分光譜的相關(guān)性

將各晚秈稻品種劍葉光譜進(jìn)行一階微分計算后與葉片SPAD 值進(jìn)行相關(guān)性分析，結(jié)果見圖4。從圖4 可以看出，各晚秈稻品種葉片SPAD 值與一階微分光譜相關(guān)系數(shù)曲線整體變化趨勢相似，且在485～560 nm 的綠光波段、688～709 nm 的近紅波段呈極顯著負(fù)相關(guān)，在602～626 nm、630～670 nm 的紅光波段呈極顯著正相關(guān)。通過上述分析，選出各晚秈稻品種葉片SPAD 值與原始光譜反射率及一階微分光譜相關(guān)系數(shù)較大的波長作為葉片SPAD 值的敏感波長，詳見表2。

2.4 水稻葉片光譜參數(shù)與SPAD 值相關(guān)性

表2 不同水稻品種葉片SPAD 值與光譜反射率及一階微分光譜相關(guān)系數(shù)最大的波長

表3 不同水稻品種葉片SPAD 值與光譜參數(shù)的相關(guān)系數(shù)

根據(jù)表1 計算各晚秈稻品種的光譜參數(shù)，并與葉片SPAD 值進(jìn)行相關(guān)性分析和差異顯著性檢驗(yàn)，結(jié)果如表3 所示。由表3 可知，7 個晚秈稻品種的葉片SPAD 值 與MCARI、TCARI、Dr、SDr/SDy、（SDr-SDy）/（SDr-SDy）等5 個光譜參數(shù)均達(dá)到極顯著負(fù)相關(guān)，其中大部分品種以Dr 相關(guān)系數(shù)最高。同時7 個晚秈稻品種葉片SPAD 值與光譜參數(shù)VARI（700）、λr 呈正相關(guān)，其中僅C 兩優(yōu)136、慧兩優(yōu)1809、33S/巴西旱稻、五豐A/制6、五豐A/制1 等5 個品種達(dá)顯著相關(guān)，但相關(guān)系數(shù)均較低。從所選的8 種對葉綠素含量敏感的光譜參數(shù)來看，除岳優(yōu)9113 品種的葉片SPAD 值與VARI（700）的相關(guān)系數(shù)最低（R=0.137）外，其余品種均與SDr 相關(guān)系數(shù)最低。

2.5 不同水稻品種葉片SPAD 值估測方程的構(gòu)建

根據(jù)上述的葉片SPAD 值與原始光譜反射率、一階微分光譜以及光譜參數(shù)的相關(guān)性分析結(jié)果，選取與各晚秈稻品種葉片SPAD 值相關(guān)系數(shù)最大的光譜參數(shù)作為因變量，構(gòu)建基于單光譜參數(shù)的葉片SPAD 值估測模型。結(jié)果（表4）顯示，采用不同的模型類型構(gòu)建的SPAD 值估測模型精度存在品種間差異，綜合考慮決定系數(shù)（R2）和均方根誤差（RMSE）兩因素，得出岳優(yōu)9113、C 兩優(yōu)136、五豐A/制6、五豐A/制1 以指數(shù)模型模擬效果最好，而慧兩優(yōu)1809、33S/巴西旱稻、早豐A/5194 以二次曲線模型的模擬效果最好。

2.6 不同水稻品種葉片SPAD 值估測模型的相互檢驗(yàn)

利用上述選取的各晚秈稻品種對應(yīng)的葉片SPAD值最優(yōu)估測模型，在品種間進(jìn)行交互驗(yàn)證，并用平均偏差率來評價估測效果，結(jié)果見表5。由表5 可知，葉片SPAD 值估測模型在晚秈稻品種間具有較好的通用性，大部分品種的平均偏差率為5%左右。通過比較指數(shù)模型和二次曲線模型建模效果發(fā)現(xiàn)，指數(shù)模型優(yōu)于二次曲線模型，其中以715 nm 處的原始光譜反射率作為因變量建立的指數(shù)模型y=85.512e-2.392x的估測效果最好，品種間的平均偏差率為5.01%，以C 兩優(yōu)136 品種建立的指數(shù)模型y=33.959e147.67x的估測效果最穩(wěn)定，對其余品種SPAD 值估測的平均偏差率為5.54%左右。綜上所述，指數(shù)模型對水稻葉片SPAD 值估測在品種間具有一定的普適性。

3 結(jié)論與討論

本研究結(jié)果得出以岳優(yōu)9113 在715 nm 處的原始光譜反射率建立的指數(shù)模型y=85.512e-2.392x在晚秈稻品種間具有較好的適用性，平均偏差率為5.01%，表明品種因素對利用高光譜數(shù)據(jù)進(jìn)行同種類型水稻品種葉片SPAD 值估測的影響不大。與章曼等[27]在不同施肥條件下的水稻關(guān)鍵生育期SPAD 值估測模型精度的比較分析，得出在灌漿期以植被指數(shù)為變量建立的指數(shù)模型精度最高（達(dá)0.926）的結(jié)果一致。但汪華等[28-29]研究發(fā)現(xiàn)，品種對應(yīng)用SPAD 計進(jìn)行水稻氮肥施用量診斷具有影響，與本文得出的品種間葉片SPAD 值差異較小，以單一水稻品種敏感波長建立的SPAD 值估測模型，也可以應(yīng)用于其他晚秈稻品種的結(jié)論相悖，這是否是由于本研究選用的均為生育期接近的晚秈稻材料、采集的數(shù)據(jù)樣本量較少、生育期不完整所致，因此作者以為可從增多供試品種數(shù)量、選取差異大的品種類型、增加建模樣本量及采集全生育期數(shù)據(jù)等方面對模型的普適性進(jìn)行驗(yàn)證與完善，同時可從機(jī)器視覺、圖像融合及算法研究[30]等方面對模型進(jìn)行修正與優(yōu)化。

表4 不同水稻品種葉片SPAD 值的單光譜參數(shù)估測模型（n=60）

表5 各水稻品種葉片SPAD 值估測模型相互驗(yàn)證的平均偏差率 （單位：%）