不同棉花品種SPAD值光譜估測模型及產(chǎn)量估測

劉蕓 石楠 胡文瑞 盧建祥 陽會兵 李彩紅 楊彬

摘要：本研究通過大田試驗，對湘XH50、湘K26和湘K27三個棉花品種主要生育時期的冠層光譜、葉片SPAD值、產(chǎn)量等指標(biāo)進(jìn)行測定，同時研究不同棉花品種花鈴期SPAD值光譜估測模型及產(chǎn)量的估測。分析棉花葉片SPAD值與冠層一階微分光譜的相關(guān)性，構(gòu)建基于敏感波段值的SPAD值估測模型和基于SPAD值的產(chǎn)量估測模型，通過R2、RMSE、RE等指標(biāo)的綜合評估，對棉花的產(chǎn)量進(jìn)行精確估算。結(jié)果表明：在可見光波段（400～780 nm），各品種棉花光譜反射率差異較小，在近紅外波段（780～1000 nm）則差異較大；品種湘XH50和湘K26一階微分光譜反射率與SPAD值分別在478 nm、929 nm達(dá)到極顯著正相關(guān)，品種湘K27在波長994 nm達(dá)到極顯著負(fù)相關(guān)；以敏感波長為自變量估算SPAD值的模型中，湘K27的多項式模型精度最好，其建模集R2、RMSE和RE分別為0.6638、1.3104和2.718%，驗證集R2、RMSE和RE分別為0.6366、1.1448和2.315%；以SPAD值為自變量構(gòu)建的產(chǎn)量估測模型效果較好，R2都在0.5以上，其中湘K27的模型效果最佳，決定系數(shù)R2為0.9196。結(jié)論：利用冠層光譜對棉花葉綠素含量進(jìn)行估測，其中湘K27的SPAD值估測模型精度最佳；利用SPAD值對不同棉花品種產(chǎn)量進(jìn)行估測，其中湘K27的產(chǎn)量估測模型精度最佳。

關(guān)鍵詞：棉花品種；SPAD值；冠層光譜；產(chǎn)量

中圖分類號：S562;TP7 文獻(xiàn)標(biāo)志碼：A

Spectral Estimation Models for SPAD Values and Yield Estimation of Different Cotton Varieties

LIU Yun1， SHI Nan1， HU Wenrui1， LU Jianxiang1， YANG Huibing1*，

LI Caihong2， YANG Bin2

（1College of Agronomy， Hunan Agricultural University， Changsha， Hunan 410128， China; 2Hunan Cotton Science Institute， Changde， Hunan 415000， China; 3Hunan University， Changsha， Hunan 410128， China）

Abstract： In this study， the canopy spectrum， leaf SPAD value and yield of three different cotton varieties， Xiang XH50， Xiang K26 and Xiang K27， were measured at the main growth stages through field experiments. The spectral estimation model for SPAD value and yield estimation of different cotton varieties at the flower and boll stage were studied. The correlation between the SPAD value of cotton leaves and the first-order differential spectrum of the canopy was analyzed， and the SPAD value estimation model based on sensitive band value and the yield estimation model based on SPAD value were constructed. Through the comprehensive evaluation of R2， RMSE， RE and other indicators， the yield of cotton was accurately estimated. The results showed that in the visible light band （400-780 nm）， there was little difference in spectral reflectance among different cotton varieties， while in the near-infrared band （780-1000 nm）， there was a significant difference; the first-order differential spectral reflectance of Xiang XH50 and Xiang K26 was significantly positively correlated with SPAD value at 478 nm and 929 nm， respectively， and Xiang K27 was significantly negatively correlated at 994 nm; among the models for estimating SPAD values with sensitive wavelengths as independent variables， the polynomial model of Xiang K27 had the best accuracy， with R2， RMSE and RE of the modeling set being 0.6638， 1.3104 and 2.718%， respectively， and the R2， RMSE and RE of the validation set being 0.6366，1.1448 and 2.315 %， respectively; the yield estimation models constructed with SPAD value as the independent variable had a good effect， with R2 above 0.5. Among them， the model of Xiang K27 had the best effect， with the determination coefficient R2 as 0.9196. Conclusion： The chlorophyll content of cotton was estimated by canopy spectrum， and the SPAD value estimation model of Xiang K27 had the best accuracy; the yield of different cotton varieties was estimated by the SPAD value， and the yield estimation model of Xiang K27 had the best accuracy.

Key words： Cotton variety; SPAD value; canopy spectrum; yield

棉花是我國最主要的經(jīng)濟(jì)作物，在國民經(jīng)濟(jì)中起著舉足輕重的作用。我國既是棉花進(jìn)口大國，也是棉花種植大國。目前，我國現(xiàn)有五大棉區(qū)，主要包括黃河流域棉區(qū)、長江流域棉區(qū)、西北內(nèi)陸棉區(qū)、北部特早熟棉區(qū)和華南棉區(qū)。其中，西北內(nèi)陸棉區(qū)主要包括新疆和甘肅地區(qū)[1]。新疆是我國最大的商品棉基地和全球最大的棉花產(chǎn)區(qū)，也是全國唯一的長絨棉生產(chǎn)基地[2]。但自2019年以來，在中美兩國的博弈、美國反全球化等因素的影響下，新疆地區(qū)的棉花產(chǎn)業(yè)發(fā)展受到了空前的影響，棉花產(chǎn)量出現(xiàn)了逐年下降的趨勢[3]。因此在當(dāng)前復(fù)雜的國際、國內(nèi)環(huán)境中，怎樣才能穩(wěn)定國內(nèi)棉花產(chǎn)量，提高出口貿(mào)易量，這對于維持我國棉紡織行業(yè)的競爭優(yōu)勢、保證社會就業(yè)具有十分重要的實際意義[4]。

葉綠素是植物生理狀態(tài)的重要指標(biāo)，也是植物長勢監(jiān)測的重要指標(biāo)[5]。而SPAD值是指植物體中的葉綠素相對含量，它不僅與植物的光合作用密切相關(guān)，還與產(chǎn)量之間存在著協(xié)同效應(yīng)[6]，因此監(jiān)測SPAD值變化具有重要意義。田明璐等[7]通過分析不同光譜參數(shù)與SPAD值的相關(guān)性，得出反演棉花SPAD值精度較高的模型。紀(jì)偉帥等[8]通過對華北區(qū)域SPAD和光譜數(shù)據(jù)之間的相關(guān)關(guān)系進(jìn)行分析，優(yōu)選出較高精度的SPAD估算模型。李旭等[9]研究發(fā)現(xiàn)連續(xù)小波分析在信息降噪和挖掘特征信息方面優(yōu)于傳統(tǒng)光譜模型，對棉花葉綠素含量預(yù)測更為精確。由此可見，我國現(xiàn)有的關(guān)于棉花SPAD值與光譜分析的研究，主要側(cè)重于從建模方法和光譜分析的角度出發(fā)，嘗試不同的建模方法對SAPD值進(jìn)行估測，提高模型的準(zhǔn)確度，而對產(chǎn)量估算方法的探討則相對不足。

國內(nèi)對棉花的研究多是對于棉花SPAD值反演模型的研究，而對通過SPAD值估測棉花產(chǎn)量的研究較少。因此，本試驗以3個棉花品種為基礎(chǔ)，于不同時期測定冠層光譜和葉片SPAD值，收獲后測定產(chǎn)量，研究構(gòu)建不同品種SPAD值估測模型和產(chǎn)量估測模型，為棉花產(chǎn)量估測提供理論和技術(shù)支撐。

1 材料與方法

1.1 供試材料與試驗條件

1.1.1 供試品種與試驗地點

供試棉花品種為湖南省棉花科學(xué)研究所培育的湘XH50、湘K26和湘K27三個品種。于2022年在湖南省常德市鼎城區(qū)棉花研究基地開展試驗研究。試驗地處中亞熱帶向北亞熱帶過渡的季風(fēng)濕潤氣候區(qū)內(nèi)，年平均氣溫15～23 ℃，年最高氣溫40 ℃，年最低氣溫?4 ℃，年總降水量1095.1 mm。前茬為油菜，試驗區(qū)基礎(chǔ)肥力基本一致。

1.1.2 試驗設(shè)計

供試的3個棉花品種，每個品種種植24個小區(qū)，每個小區(qū)面積42 m2，每個品種試驗區(qū)總面積為1008 m2，采用隨機(jī)區(qū)組試驗設(shè)計。3個品種種植密度均為1800株/667 m2，其他栽培管理措施按當(dāng)?shù)氐脑耘喾绞綀?zhí)行。

1.2 數(shù)據(jù)采集

1.2.1 冠層光譜數(shù)據(jù)采集

采用美國ASD公司生產(chǎn)的Hand Held 2手持地物光譜儀測定光譜反射率，該儀器波段為325～1075 nm，其中光譜分辨率<3 nm～700 nm，波長精度為±1 nm。于棉花移栽后蕾期、花鈴期、吐絮期3個關(guān)鍵生育時期，選擇天氣晴朗、無風(fēng)或風(fēng)速較小的北京時間10：00—14：00進(jìn)行數(shù)據(jù)采集。測量時儀器垂直向下，距離棉花冠層垂直高度約0.3 m，每3個小區(qū)重復(fù)測定前用自帶參考白板校正1次。每個小區(qū)選取2個有代表性的樣本點進(jìn)行光譜測定，取平均值作為該小區(qū)的最終光譜反射值。本試驗共三個品種，每個品種各采集48條光譜數(shù)據(jù)，每次共采集144條。

1.2.2 SPAD值的測定

與冠層光譜數(shù)據(jù)采集時間同步，3個品種分別在蕾期、花鈴期、吐絮期，采用日本KONICA MINOLTA公司生產(chǎn)的SPAD502葉綠素儀，每個小區(qū)選取2株長勢均勻的棉花，測定倒4葉片葉綠素值（SPAD），每個葉片不同部位測量3次，避開葉脈，取平均值作為各小區(qū)的葉綠素含量。本試驗共3個品種，每個品種各采集48條SPAD值數(shù)據(jù)，每次共采集144條。

1.2.3 小區(qū)測產(chǎn)

棉花吐絮后開展籽棉的測產(chǎn)，收獲前后（具體時間2022年10月20日）進(jìn)行棉花籽棉產(chǎn)量測定，每個小區(qū)隨機(jī)設(shè)置大小為1 m2的樣點，將每個樣點的棉花進(jìn)行拾取測重，記為小區(qū)的籽棉產(chǎn)量。

1.3 數(shù)據(jù)處理

本試驗測定了3個棉花品種蕾期、花鈴期和吐絮期主要生育期SPAD 值與冠層光譜數(shù)據(jù)。3個品種，每個品種分24個小區(qū)，共72個小區(qū)，每個小區(qū)測量冠層光譜和SPAD值各2次，每次采集144組樣點數(shù)據(jù)。由于花鈴期是棉花營養(yǎng)與生殖發(fā)育的重要時期，是棉花品質(zhì)與產(chǎn)量的關(guān)鍵時期，因此本研究選取棉花花鈴期測量數(shù)據(jù)為研究數(shù)據(jù)，分析建模時將各個品種花鈴期的48組數(shù)據(jù)按照分層隨機(jī)抽樣法選取32組作為建模集，剩余16組作為檢驗集。

利用 View Spec Pro 6.0 軟件對采集到的光譜數(shù)據(jù)進(jìn)行預(yù)處理，將原始光譜進(jìn)行拼接校正，平滑光譜曲線，并對原始光譜數(shù)據(jù)進(jìn)行一階微分求導(dǎo)，輸出原始光譜反射率和一階微分光譜值?？紤]到噪聲影響，選取400～1000 nm的波長進(jìn)行數(shù)據(jù)分析，利用Excel 2010和SPSS 26.0軟件分析棉花冠層光譜數(shù)據(jù)和SPAD值的相關(guān)關(guān)系，再根據(jù)各品種花鈴期一階微分光譜與SPAD值的相關(guān)關(guān)系選擇相關(guān)系數(shù)最大的波段即特征波段，構(gòu)建一元線性、指數(shù)和多項式葉綠素含量反演模型，用MATLAB-R2022b 和 Excel 2010 軟件進(jìn)行繪圖。

采用決定系數(shù)（R2）、均方根誤差（RMSE）以及相對誤差（RE）等指標(biāo)對模型進(jìn)行驗證與評價。R2越大，RMSE和RE越小，說明模型的精度越好。R2、RMSE和RE的計算公式如下：

2 結(jié)果與分析

2.1 不同棉花品種主要生育期冠層光譜反射的特征分析

對3個棉花供試品種主要生育期的冠層原始光譜及一階微分光譜反射率數(shù)據(jù)進(jìn)行平均計算，得出圖1、圖2所示的各品種主要生育期的冠層原始光譜及一階微分光譜反射率的曲線。由圖1可知在可見光區(qū)域（400～730 nm）各品種冠層原始光譜反射率在不同生育期差異較小，表現(xiàn)為湘K26<湘K27<湘XH50。而在近紅外波段（780～1000 nm），各品種在不同生育期的光譜反射率差異較大。隨著生育時期的遞進(jìn)，各品種光譜反射率呈不斷降低的趨勢，這與楚萬林等[10]的研究類似，吐絮期湘XH50光譜反射率高于K26、K27兩個品種。

由圖2可知一階微分光譜反射率在紅邊區(qū)域（680～731 nm），蕾期和花鈴期各品種光譜反射率差異不大，而在吐絮期湘XH50光譜反射率高于其他2個品種，表明在吐絮期湘XH50比其他2個品種葉片光合速率強(qiáng)

2.2 棉花冠層一階微分光譜與SPAD值的相關(guān)性分析

將各品種主要生育期棉花一階微分光譜反射率與其對應(yīng)的SPAD值分別進(jìn)行相關(guān)性分析（n=32），得到如圖 3 所示結(jié)果。由圖3可知，各棉花品種不同生育期一階微分光譜反射率與SPAD值的相關(guān)系數(shù)變化規(guī)律不太明顯，只有在690～728 nm的紅邊區(qū)域存在明顯差異。在蕾期，品種湘XH50在波長487 nm和874 nm達(dá)到極顯著正相關(guān)，湘K27在波長469 nm、665 nm和671 nm達(dá)到極顯著正相關(guān)，湘K26在波長929 nm達(dá)到極顯著正相關(guān)；在花鈴期，品種湘XH50在波長478 nm達(dá)到極顯著正相關(guān)，湘K27在波長833 nm達(dá)到極顯著正相關(guān)，在波長994 nm達(dá)到極顯著負(fù)相關(guān)，湘K26在波長929 nm達(dá)到極顯著正相關(guān)；在吐絮期，品種湘XH50在波長987 nm達(dá)到極顯著正相關(guān)，湘K27在波長864 nm、974 nm達(dá)到極顯著正相關(guān)，湘K26在波長497 nm、934 nm達(dá)到極顯著負(fù)相關(guān)。

2.3 基于敏感波段的SPAD值估算模型構(gòu)建

根據(jù)棉花花鈴期冠層一階微分光譜反射率與葉綠素含量的相關(guān)性，選擇相關(guān)系數(shù)最大的波段作為SPAD值估測的敏感波長。湘XH50冠層一階微分光譜反射率與相應(yīng)SPAD值的最大相關(guān)系數(shù)是0.5084，對應(yīng)波長478 nm；湘K27最大相關(guān)系數(shù)是-0.5434，對應(yīng)波長994 nm；湘K26最大相關(guān)系數(shù)是0.4965，對應(yīng)波長929 nm（表1）。根據(jù)各品種選取的特征波長分別構(gòu)建SPAD值的線性、指數(shù)及多項式回歸模型，并計算各個模型的R2、RMSE和RE。由表2可知，各棉花品種構(gòu)建的模型中，各品種均是多項式模型表現(xiàn)最優(yōu)，線性模型次之，指數(shù)模型最差（R2最大，RMSE和RE最?。?。

2.4 模型優(yōu)選與驗證

通過上述分析，基于敏感波長選取各品種表現(xiàn)最優(yōu)的多項式模型：湘XH50的y=2E+07x2+19445x+34.842，湘K27的y=-9517.9x2-695.44x+39.309，湘K26的y=-72922x2+1473.7x+35.911作為SPAD值的估測模型。用各生育期剩余的16組實測的數(shù)據(jù)，分別用構(gòu)建的模型求出預(yù)測的SPAD值，再將每個生育期的16組預(yù)測值與實測值進(jìn)行線性擬合，得到驗證集的R2，并計算得到各模型相應(yīng)的RMSE和RE（圖4）。由圖4可知，各品種最佳模型的驗證結(jié)果都表現(xiàn)較好。不同品種模型精度存在差異，總體表現(xiàn)為湘K27模型精度最高，其次是湘XH50，最后是湘K26。結(jié)合圖1和圖4，湘K27多項式模型效果最好，其建模集R2、RMSE和RE分別為0.6638、1.3104和2.718%，驗證集R2、RMSE和RE分別為0.6366、1.1448和2.315%。

2.5 不同品種棉花SPAD值與產(chǎn)量相關(guān)性分析

根據(jù)各棉花品種花鈴期的SPAD值和產(chǎn)量構(gòu)建線性擬合模型（圖5），各品種SPAD值與產(chǎn)量之間均出現(xiàn)較強(qiáng)的線性關(guān)系，R2都在0.5以上。從表3可知，SPAD值與產(chǎn)量的相關(guān)系數(shù)都在0.8以上，呈高度正相關(guān)，說明隨著棉花葉片葉綠素含量的增加，產(chǎn)量呈增加趨勢。各棉花品種的產(chǎn)量方差分析如表4所示，湘K26與湘XH50和湘K27之間產(chǎn)量達(dá)到顯著性差異，湘XH50和湘K27間差異不顯著，湘K26與湘XH50之間達(dá)到極顯著性差異。

3 討論與結(jié)論

葉綠素含量對作物生長發(fā)育和產(chǎn)量有重要影響。在本試驗中棉花葉片SPAD值與產(chǎn)量之間呈正相關(guān)，各品種SPAD值和產(chǎn)量之間存在著協(xié)同效應(yīng)，這與王潭剛等[11]研究結(jié)果類似。本研究采集不同品種棉花冠層重要生育期蕾期、花鈴期和吐絮期的光譜數(shù)據(jù)，通過分析不同品種棉花重要生育期冠層一階微分光譜反射率與葉片SPAD值的相關(guān)性，構(gòu)建了花鈴期棉花SPAD值光譜估算模型，并對模型反演精度進(jìn)行了比較，最后基于SPAD值對各棉花品種進(jìn)行了估產(chǎn)，得到如下結(jié)論：（1）通過分析不同品種主要生育期棉花冠層光譜曲線特征，得出不同品種棉花冠層光譜反射率的變化趨勢基本一致，可見光范圍內(nèi)的光譜曲線反射率比近紅外范圍內(nèi)的反射率低，這與依爾夏提·阿不來提等[12]的研究類似；（2）通過對各品種重要生育期的棉花冠層一階微分光譜與SPAD值的相關(guān)性分析，可知各品種最適生育期花鈴期敏感波段，分別為湘XH50（478 nm）、湘K27（994 nm）、湘K26（929 nm）；（3）花鈴期各品種構(gòu)建的線性、指數(shù)和多項式模型中各品種均表現(xiàn)為多項式模型的SPAD值含量估測效果最佳，且經(jīng)過模型檢驗，其中湘K27的模型擬合效果最佳，其建模集R2、RMSE和RE分別為0.6638、1.3104和2.718%，驗證集R2、RMSE和RE分別為0.6366、1.1448和2.315%；（4）通過SPAD值對不同棉花品種進(jìn)行產(chǎn)量預(yù)測，分析得出各品種產(chǎn)量的模型估測效果都較好，決定系數(shù)R2都在0.5以上，其中湘K27的估產(chǎn)模型效果最佳，決定系數(shù)R2為0.9196，其次是湘XH50，R2為0.8086，最后是湘K26，R2為0.7131。

本研究基于各品種棉花花鈴期建立了SPAD值的光譜估算模型，并對不同品種的產(chǎn)量進(jìn)行估測，所構(gòu)建的光譜分析模型具有良好的準(zhǔn)確度，可為棉花生長和產(chǎn)量估測提供依據(jù)。但模型的建立方式相對比較簡單，個別模型的適用性不是很好，比如湘XH50的產(chǎn)量很低，沒有達(dá)到這個品種的要求，這可能跟試驗地異常高溫和降雨量稀少的情況有關(guān)，另外，本試驗只做了一個生態(tài)試驗點，沒有對多個試驗點進(jìn)行比較分析，下階段在此試驗基礎(chǔ)上，開展同一年不同生態(tài)區(qū)試驗，探究導(dǎo)致品種產(chǎn)量降低的其他原因，以及構(gòu)建其他生長指標(biāo)與產(chǎn)量的光譜估測模型，并在建模方法上做進(jìn)一步探究。

參考文獻(xiàn)

[1] 周婷婷， 肖慶剛， 杜睿， 等. 我國棉花脫葉催熟技術(shù)研究進(jìn)展[J]. 棉花學(xué)報， 2020， 32（2）： 170-184.

[2] 喻樹迅. 中國棉花產(chǎn)業(yè)百年發(fā)展歷程[J]. 農(nóng)學(xué)學(xué)報， 2018， 8（1）： 85-91.

[3] 張若薇， 陳玉蘭， 趙達(dá)君. 新疆棉花產(chǎn)業(yè)發(fā)展現(xiàn)狀與建議[J]. 智慧農(nóng)業(yè)導(dǎo)刊， 2023， 3（6）： 1-5.

[4] 陳常兵. 我國內(nèi)地棉區(qū)棉花生產(chǎn)現(xiàn)狀與發(fā)展對策[J]. 中國農(nóng)技推廣， 2022， 38（10）： 10-13.

[5] MAIN R， CHO M A， MATHIEU R， et al. An investigation into robust spectral indices for leaf chlorophyll estimation[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2011， 66（6）： 751-761.

[6] 李田甜， 向為民， 胡宇凱， 等. 無膜棉‘中619不同品系SPAD值與產(chǎn)量品質(zhì)的關(guān)系[J]. 塔里木大學(xué)學(xué)報， 2022， 34（1）： 71-76.

[7] 田明璐， 班松濤， 常慶瑞， 等. 基于無人機(jī)成像光譜儀數(shù)據(jù)的棉花葉綠素含量反演[J]. 農(nóng)業(yè)機(jī)械學(xué)報， 2016， 47（11）： 285-293.

[8] 紀(jì)偉帥， 陳紅艷， 王淑婷， 等. 基于無人機(jī)多光譜的華北平原花鈴期棉花葉片SPAD建模方法研究[J]. 中國農(nóng)學(xué)通報， 2021， 37（22）： 143-150.

[9] 李旭， 陳柏林， 周保平， 等. 利用葉片高光譜反射率預(yù)測棉花葉綠素含量[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報， 2023， 42（3）： 195-202.

[10] 楚萬林， 齊雁冰， 常慶瑞， 等. 棉花冠層葉片葉綠素含量與高光譜參數(shù)的相關(guān)性[J]. 西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版）， 2016， 44（9）： 65-73.

[11] 王潭剛. 不同基肥用量對棉花SPAD值和產(chǎn)量的影響[J]. 新疆農(nóng)墾科技， 2018， 41（6）： 34-36.

[12] 依爾夏提·阿不來提， 白燈莎·買買提艾力， 買買提·沙吾提， 等. 基于高光譜和BP神經(jīng)網(wǎng)絡(luò)的棉花冠層葉綠素含量聯(lián)合估算[J]. 光學(xué)學(xué)報， 2019， 39（9）： 372-380.