成熟期烤煙葉面積指數(shù)的時(shí)空分布及其與冠層光譜參數(shù)的相關(guān)性

余志虹，鄒 勇，陳建軍，鄧世媛，李淮源，徐 瀟

1.深圳波頓香料有限公司，廣東省深圳市南山區(qū)茶光路波頓科技園 518051 2.深圳煙草工業(yè)有限責(zé)任公司，廣東省深圳市龍華區(qū)清寧路2號(hào) 518109 3.華南農(nóng)業(yè)大學(xué)煙草研究室，廣州市天河區(qū)五山路483號(hào) 510642

葉面積指數(shù)（LAI）是指單位地表面積上植物葉片的總面積，可反映植被結(jié)構(gòu)、密度、葉面數(shù)量和群落生命活力等。對(duì)作物的LAI進(jìn)行估算，有助于了解作物的長(zhǎng)勢(shì)與病蟲(chóng)害發(fā)生情況，對(duì)作物估產(chǎn)及大田管理具有重要意義［1］。LAI的傳統(tǒng)測(cè)量方法有格點(diǎn)法、方格法、點(diǎn)接觸法和描形稱(chēng)量法等，這些方法多具破壞性，且費(fèi)時(shí)費(fèi)力，難以在大面積范圍內(nèi)進(jìn)行測(cè)量［2］。遙感技術(shù)因其具有實(shí)時(shí)、快速和無(wú)損等特點(diǎn)，為大范圍估測(cè)作物L(fēng)AI提供了有效途徑。前人對(duì)作物L(fēng)AI的光譜反演已進(jìn)行了大量研究。夏天等［3］試驗(yàn)提出，冬小麥冠層光譜反射率中LAI的敏感波段為870、670、550和450 nm。薛利紅等［4］研究了9個(gè)植被指數(shù)與水稻全生育期LAI的相關(guān)性和預(yù)測(cè)準(zhǔn)確性，認(rèn)為R810/R560對(duì)水稻LAI具有較好估算效果。齊波等［5］對(duì)52份大豆品種（系）不同生育期LAI進(jìn)行光譜分析發(fā)現(xiàn)，盛花期比值植被指數(shù)RVI（825，586）、盛莢期RVI（763，606）、鼓粒初期RVI（744，580）均能較好地估測(cè)大豆LAI。隨著作物L(fēng)AI遙感研究的深入，一些學(xué)者采用神經(jīng)網(wǎng)絡(luò)法［6］、支持向量機(jī)法［7］和隨機(jī)森林算法［8］等機(jī)器學(xué)習(xí)算法在提高LAI反演精度方面進(jìn)行了探索，并取得了較好效果。但目前遙感分析技術(shù)應(yīng)用于烤煙大田L(fēng)AI監(jiān)測(cè)方面的報(bào)道較少，而不同作物類(lèi)型和種間差異對(duì)LAI光譜模型的適用性具有影響［9］?？緹煂匍熑~型作物，以成熟落黃葉片為收獲對(duì)象，在冠層分布及葉片形態(tài)等方面與糧食作物存在較大差異［10］。部分學(xué)者針對(duì)烤煙LAI光譜反演進(jìn)行了試驗(yàn)［11～14］，但大多數(shù)研究未涉及煙株LAI在空間上的差異，僅將烤煙煙株作為一個(gè)整體進(jìn)行研究，且關(guān)注重點(diǎn)集中在烤煙成熟采收前，即烤煙打頂之前LAI的變化，而未對(duì)烤煙分層、分次采收過(guò)程中LAI變化進(jìn)行跟蹤，因而構(gòu)建的LAI反演模型存在一定局限性。為此，研究了成熟期烤煙LAI時(shí)空分布情況，確定烤煙各葉層LAI與冠層光譜參數(shù)間的定量關(guān)系，并利用光譜植被指數(shù)和紅邊振幅建立了烤煙不同葉層LAI的光譜估算模型，旨在為L(zhǎng)AI遙感技術(shù)應(yīng)用于烤煙生產(chǎn)管理及長(zhǎng)勢(shì)監(jiān)測(cè)提供依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)于2010年和2021年在廣東省韶關(guān)市馬市鎮(zhèn)進(jìn)行，供試烤煙品種為K326。試驗(yàn)地土壤為紫色土，前茬作物為花生，土壤基本理化性狀見(jiàn)表1。

表1 土壤基本理化性狀Tab.1 Basic physicochemical properties of soil

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)設(shè)置4個(gè)氮肥用量處理，分別為純氮0（N0）、105 kg·hm-2（N1）、150 kg·hm-2（N2）和195 kg·hm-2（N3）。每處理3次重復(fù)，共12個(gè)小區(qū)。采用隨機(jī)區(qū)組排列，每小區(qū)約100株煙，行株距為1.2 m×0.6 m，四周設(shè)置保護(hù)行。供試肥料為煙草專(zhuān)用肥［m（N）∶m（P2O5）∶m（K2O）=13.0∶9.0∶14.0］、硝酸鉀［m（N）∶m（K2O）=13.5∶44.5］、碳酸氫銨（N：17.1%）、硫酸鉀（K2O：50.0%）、過(guò)磷酸鈣（P2O5：12.0%）。各小區(qū)磷肥和鉀肥施用量相同，磷肥全部用作基施，氮肥70%基施，追肥時(shí)將碳酸氫銨和硝酸鉀溶解后混合配制成質(zhì)量分?jǐn)?shù)為20%的溶液，采用滴灌系統(tǒng)按體積比1∶100均勻施入。田間試驗(yàn)煙苗于2月26日移栽，4月26至5月1日現(xiàn)蕾打頂，留葉數(shù)20～22片，5月7日第1次采收，7月4日最后1次采收。其他栽培措施按照當(dāng)?shù)貎?yōu)質(zhì)烤煙生產(chǎn)技術(shù)規(guī)范進(jìn)行。

2010年試驗(yàn)數(shù)據(jù)主要用于確定烤煙不同葉層LAI與冠層光譜參數(shù)間的定量關(guān)系，建立烤煙不同葉層LAI光譜反演模型；2021年試驗(yàn)數(shù)據(jù)主要用于模型擬合效果的驗(yàn)證。

1.3 測(cè)定項(xiàng)目和方法

1.3.1 冠層光譜與葉面積指數(shù)（LAI）的測(cè)定

采用多光譜野外便攜式輻射光譜儀（MSR-16R型，美國(guó)Cropscan公司）按照葉曉青等［15］的方法測(cè)定烤煙冠層光譜參數(shù)。光譜測(cè)定后即隨機(jī)取3株煙，計(jì)算煙株葉面積［16］。LAI計(jì)算公式：

1.3.2 光譜參數(shù)的計(jì)算

光譜參數(shù)計(jì)算公式：

1.3.3 葉層的分層方法

參考王紀(jì)華等［23］的冬小麥冠層垂直分層方法，按打頂后烤煙株高將冠層平均分為三層，如圖1所示，分別為上層、中層和下層。

1.4 數(shù)據(jù)分析

采用MATLAB 2012、EXCEL 2010及SPSS12.0軟件進(jìn)行數(shù)據(jù)處理和統(tǒng)計(jì)分析。

圖1 烤煙葉層分層方法Fig.1 Leaf layering method of flue-cured tobacco plant

2 結(jié)果與分析

2.1 烤煙成熟期LAI的時(shí)空變化

由圖2可以看出，烤煙植株LAI在成熟期均呈現(xiàn)先增加后降低的趨勢(shì)，其中低氮處理（N0、N1和N2）在5月17日出現(xiàn)拐點(diǎn)，之后減小；而高氮處理（N3）則在5月29日才出現(xiàn)拐點(diǎn)，之后減??；隨著成熟期的推進(jìn)，植株LAI主導(dǎo)葉層發(fā)生變化，表現(xiàn)為成熟前期（5月17日之前）下層煙葉LAI作為植株LAI的主導(dǎo)葉層（占60%以上），成熟中期（5月29日）上、中、下層煙葉LAI在植株總LAI中的占比差異不大，成熟后期（6月6日之后）烤煙中上層LAI逐漸成為植株LAI的主導(dǎo)葉層。

圖2 施氮量對(duì)烤煙LAI時(shí)空分布的影響Fig.2 Effects of nitrogen application rate on spatial-temporal distribution of LAI for flue-cured tobacco

施氮量對(duì)煙株LAI變化存在較大影響，除N3處理外，成熟前期烤煙LAI整體呈隨施氮量增加而增加，排序依次為N2＞N3＞N1＞N0；進(jìn)入成熟中后期（5月29日開(kāi)始）隨著氮肥效應(yīng)的出現(xiàn)，N3處理LAI呈現(xiàn)出增加趨勢(shì)，而此時(shí)各中低氮（N0、N1、N2）處理葉片逐漸衰老，LAI逐漸減小，5月29日之后，處理間LAI排序依次為：N3＞N2＞N1＞N0。同時(shí)發(fā)現(xiàn)，N2和N3處理間植株最大葉面積指數(shù)（LAImax）差異不顯著，但均顯著大于N0和N1處理。施氮量對(duì)烤煙不同葉層LAI變化有較大影響，中低氮處理煙株進(jìn)入成熟期后下層LAI呈減小趨勢(shì)，中上層則呈先增加而后保持基本穩(wěn)定的趨勢(shì)；高氮（N3）處理下層煙葉LAI則呈現(xiàn)出先增加后減小的趨勢(shì)，中上層LAI變化規(guī)律與低氮處理一致。

2.2 LAI時(shí)空分布與冠層光譜反射率的相關(guān)性

對(duì)烤煙葉層進(jìn)行多種組合以分析烤煙葉層間LAI時(shí)空分布對(duì)冠層光譜反射率的影響，各葉層分別定義為上層、中層、下層、上中層、中下層和冠層（上中下層），如圖3所示。不同葉層及其組合LAI與冠層光譜反射率相關(guān)性在可見(jiàn)光區(qū)域（460～760 nm）和近紅外區(qū)域（760～1 650 nm）差異較大。除個(gè)別波段外均表現(xiàn)為上層LAI與光譜反射率相關(guān)性總體低于下層，下層總體低于中層。不同葉層組合間也呈現(xiàn)出一定規(guī)律，表現(xiàn)為上層LAI與光譜反射率相關(guān)性規(guī)律和上中層組合基本一致，但上層LAI除在少數(shù)幾個(gè)波段（460、1 100、1 300 nm）與光譜反射率顯著相關(guān)外其余波段與光譜反射率相關(guān)性不明顯；而上中層卻與之相反，除少數(shù)波段（560、1 220、1 500 nm）外均與光譜反射率呈顯著的相關(guān)關(guān)系。其余各葉層及組合（中層、下層、中下層、冠層）規(guī)律基本一致，均隨波長(zhǎng)的增加相關(guān)系數(shù)先減小而后急劇增加并保持穩(wěn)定，之后減小。綜合分析可以看出，中層、中下層、冠層LAI與光譜反射率相關(guān)性規(guī)律基本一致，均在可見(jiàn)光區(qū)域與光譜反射率呈顯著負(fù)相關(guān)，而在760～1 300 nm波段呈顯著正相關(guān)。即烤煙中層LAI能在很大程度上反映整個(gè)植株的LAI。

圖3 烤煙不同葉層LAI與冠層光譜反射率的相關(guān)性Fig.3 Correlations between LAIs of different leaf layers of flue-cured tobacco and canopy spectral reflectivity

2.3 植被指數(shù)及紅邊振幅與烤煙LAI時(shí)空分布的相關(guān)性

由表2可知，6個(gè)植被指數(shù)及紅邊振幅與上層LAI的相關(guān)性不顯著，植被指數(shù)RVI（810，680）、DVI（810，680）、NDVI（810，680）、SAVI及OSAVI與除上層外的其他葉層LAI均顯著相關(guān)，相關(guān)性最大的葉層為冠層，其他依次為中層、中下層、上中層、下層；與植被指數(shù)EVI810相關(guān)性最大的葉層也為冠層，而后是中下層、中層、下層，最小的是上中層；與紅邊振幅DλRed相關(guān)性最大的葉層是中下層，然后是冠層、下層、中層，上中層最小。綜合分析認(rèn)為，中層LAI、冠層LAI與植被指數(shù)及紅邊振幅的相關(guān)性曲線最相似，即中層LAI對(duì)植株冠層光譜參數(shù)的貢獻(xiàn)最大，上層最小。

另一方面，適用于不同葉層及其組合LAI估算的最優(yōu)光譜參數(shù)并不完全一致，其中上層LAI與SAVI相關(guān)性最大，用SAVI來(lái)估算上層LAI較好；而中層、上中層、冠層LAI則與RVI（810，680）相關(guān)性最大，上層、中層、上中層、冠層LAI用RVI（810，680）來(lái)估算更好；下層、中下層LAI則與DλRed相關(guān)性最高，下層、中下層LAI可用DλRed來(lái)估算。

由表3可知，各葉層（除上層外）LAI與對(duì)應(yīng)的最優(yōu)光譜參數(shù)均能建立回歸方程，經(jīng)檢驗(yàn)發(fā)現(xiàn)實(shí)測(cè)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)擬合效果較好，可實(shí)現(xiàn)各葉層LAI的有效反演。上層LAI與SAVI相關(guān)性不顯著，因此，對(duì)上層LAI的光譜定量監(jiān)測(cè)還有待進(jìn)一步研究。

表2 不同葉層LAI與冠層植被指數(shù)、紅邊振幅的相關(guān)性①Tab.2 Correlations between LAIs of different leaf layers and canopy vegetation index or DλRed

表3 不同葉層LAI回歸模型及模型驗(yàn)證Tab.3 Regression models for LAIs of different leaf layers and their validations

3 討論

葉面積是構(gòu)成作物群體結(jié)構(gòu)的重要因子，葉面積的變化可以用葉面積指數(shù)（LAI）來(lái)反映。本試驗(yàn)中發(fā)現(xiàn)，烤煙LAI在成熟期呈現(xiàn)先增后減的單峰曲線變化，其中施氮0、105和150 kg·hm-2的處理在5月17日達(dá)到LAImax后出現(xiàn)拐點(diǎn)，施氮195 kg·hm-2的處理可能受煙株生長(zhǎng)發(fā)育前期干旱的影響而導(dǎo)致氮素效應(yīng)推遲，于5月29日達(dá)到LAImax后出現(xiàn)拐點(diǎn)；施氮150 kg·hm-2和195 kg·hm-2處理間LAImax差異不顯著，但均顯著高于施氮0 kg·hm-2和105 kg·hm-2的處理，說(shuō)明增施氮肥有利于烤煙葉面積增加，但氮肥用量超過(guò)一定值時(shí)烤煙LAI達(dá)到最大值的時(shí)間將推遲，且LAImax保持穩(wěn)定，這與徐元等［24］研究結(jié)果基本一致。

綠色植被在可見(jiàn)光區(qū)域的反射率主要受葉綠素含量的影響［25］，680、635和470 nm分別是Chla、Chlb和Car的強(qiáng)吸收波段［26］，近紅外波段受冠層及葉片結(jié)構(gòu)、地上生物量等的影響較大［27］，其光譜特征表現(xiàn)為反射率高、透過(guò)率高、吸收率低。隨著成熟期的推進(jìn)，下層煙葉逐步落黃采收，莖葉角度增大、葉片失綠以及葉片數(shù)減少導(dǎo)致下層煙葉可見(jiàn)光區(qū)域光譜反射率增加、近紅外區(qū)域光譜反射率降低；上層煙葉由于其開(kāi)片度的增加，葉層LAI增加，在可見(jiàn)光區(qū)域光譜吸收率增加反射率降低，而近紅外波段則反射率增加，這可能是引起不同葉層及其組合LAI與冠層光譜反射率相關(guān)性在可見(jiàn)光區(qū)域和近紅外區(qū)域存在較大差異的原因。

單一波段光譜反射率易受地上生物量及環(huán)境背景等影響［28］，采用兩波段構(gòu)建植被指數(shù)能改善診斷的精度［29］。同時(shí)，植物冠層光譜是混合光譜，其中混入了土壤等環(huán)境背景低頻噪聲，尤其是下層煙葉離地面更近，受土壤等環(huán)境背景影響更大，進(jìn)行一階微分可以部分地消除低頻光譜成分的影響。本試驗(yàn)中發(fā)現(xiàn)，利用植被指數(shù)RVI（810，680）對(duì)烤煙植株上層、中上層及冠層LAI反演效果最佳，而基于一階微分處理的紅邊振幅（DλRed）反演烤煙下層、中下層LAI效果更優(yōu)。不同葉層LAI分布情況的實(shí)時(shí)實(shí)地?zé)o損反演，對(duì)不適用煙葉處理、適熟采收監(jiān)管和指導(dǎo)具有重要意義，在分葉層煙葉產(chǎn)量及部位結(jié)構(gòu)預(yù)測(cè)及病蟲(chóng)害預(yù)測(cè)等方面亦有較廣泛的應(yīng)用前景。當(dāng)然，烤煙LAI受品種特性、氣象條件和栽培措施等諸多因素影響，本研究結(jié)果還需要在不同生態(tài)環(huán)境、品種、水肥和種植密度等條件下進(jìn)一步驗(yàn)證。

4 結(jié)論

烤煙中層、上中層LAI與光譜植被指數(shù)RVI（810，680）呈極顯著的二次曲線關(guān)系，回歸方程分別為y=-0.000 6x2+0.076 0x-0.289 5（R2=0.878**）和y=0.000 4x2+0.089 0x-0.038 1（R2=0.636**）；烤煙冠層LAI與光譜植被指數(shù)RVI（810，680）呈極顯著冪函數(shù)正相關(guān)，回歸方程為y=0.055 7x1.3853（R2=0.948**）；烤煙下層、中下層LAI與紅邊振幅DλRed呈極顯著二次曲線相關(guān)，回歸方程分別為y=5.357 5x2-2.505 1x+0.336 0（R2=0.717**）、y=3.787 1x2+0.235 0x-0.136 7（R2=0.858**）；模型經(jīng)檢驗(yàn)均具有較好的擬合效果，可用于烤煙中層、下層、上中層、中下層和冠層LAI的估算。