王有寧　趙麗艷　章愛群　劉牛

摘要：通過控制實(shí)驗(yàn)室葉片光譜采集環(huán)境，在相同背景下利用光譜分析技術(shù)提取花生光譜特征變量，通過統(tǒng)計(jì)回歸分析方法建立光譜特征變量與花生生化組分含量間的關(guān)系，找出一些適于估算花生生化組分含量的敏感波段和特征參數(shù)，并評價其估算葉片生化組分含量的潛力。對花生氮磷鉀含量光譜診斷的研究結(jié)果發(fā)現(xiàn)，一階導(dǎo)數(shù)光譜對葉片生化組分含量的估算能力比原始光譜要好，葉片氮磷含量均能夠得到較好的預(yù)測，無法預(yù)測葉片鉀含量。

關(guān)鍵詞：花生；葉片；營養(yǎng)診斷；高光譜；遙感識別；估算模型

中圖分類號： S565206文獻(xiàn)標(biāo)志碼： A

文章編號：002-302（204）2-029-03

花生是我國主要的油料作物之一，合理施肥是提高花生產(chǎn)量和改善花生品質(zhì)的有效途徑。隨著光譜技術(shù)的發(fā)展，應(yīng)用光譜技術(shù)在作物營養(yǎng)診斷和養(yǎng)分估測方面的研究越來越多。通過測定植物葉片光譜特征分析植物體內(nèi)各種生化成分含量，是目前植物光譜營養(yǎng)診斷的主要方法，國內(nèi)外學(xué)者利用光譜營養(yǎng)診斷方法對水稻、玉米、小麥、棉花等作物進(jìn)行了較多的研究報道[-3]，但對花生高光譜營養(yǎng)診斷鮮有報道。本研究針對花生進(jìn)行葉片光譜采集及葉片氮磷鉀含量測試分析，建立光譜特征參量與氮磷鉀含量的估算模型，旨在尋找最佳模型估算葉片養(yǎng)分含量，為花生鮮葉養(yǎng)分組分的高光譜遙感識別提供依據(jù)，對指導(dǎo)有效施肥具有現(xiàn)實(shí)意義。

材料與方法

試驗(yàn)設(shè)計(jì)

試驗(yàn)選擇在湖北省大悟縣進(jìn)行，該縣地處鄂北地區(qū)，花生種植面積達(dá)2萬hm2，對它進(jìn)行研究具有一定的代表性。試驗(yàn)設(shè)氮磷鉀（NK）、缺氮（N0K）、缺磷（N0K）、缺鉀（NK0）和對照（CK）5個處理，重復(fù)4次，小區(qū)面積為0 m2，每個處理的施肥量見表。供試土壤類型為沙壤。供試氮肥為尿素（含46%N），磷肥為過磷酸鈣（含2%2O5），鉀肥為氯化鉀（含60%K2O），肥料用量通過純養(yǎng)分量計(jì)算獲得。每小區(qū)測定花生葉樣氮磷鉀含量和有關(guān)品質(zhì)項(xiàng)目，在花生開花期進(jìn)行野外冠層和葉片的光譜測定。

2光譜測定

[3]采用美國ASD FieldSpec3在花生開花期對各處理花生冠[2]層及葉片進(jìn)行光譜測定。該光譜儀波段范圍在350～2 500 nm，光譜采樣間隔為4 nm （350～ 000 nm）和2 nm（ 000～2 500 nm），光譜分辨率為3 nm（350～ 000 nm）和0 nm（ 000～2 500 nm）。[CM（7]室內(nèi)光譜測試環(huán)境設(shè)置如下：測量環(huán)境[CM）]

[FK（W9][HT6H][Z]表試驗(yàn)處理及肥料用量[HTSS][STBZ]

[H5][BG（！][BHDFG3，WK62，WK222W]試驗(yàn)處理[ZB（][BHDWG2，WK222W]肥料用量（kg/hm2）

[BHDWG2，WK72。3W]N2O5K2O[ZB）W]

[BHDG2，WK62，WK72。3W] CK000

[BHDW]NK756090

[BH]N0K06090

[BH]N0K75090

[BH]NK075600[H][BG）F][FK）]

為光源入射天頂角30°、入射方位角0°；觀測天頂角0°、觀測方位角330°，采用0°視場角，探頭垂直向下，距離葉片樣品表面23 cm，葉片樣品平放在黑色皮衣上，每一葉片樣本采集5條光譜曲線，將測得的葉片反射率光譜剔除異常值后取其平均值作為該樣本的反射率光譜值。每個小區(qū)單收單稱，記錄各處理的小區(qū)生物量，分別取植株和農(nóng)產(chǎn)品樣品，用 H2SO4-H2O2 消煮蒸餾法測全氮、釩鉬黃比色法測全磷和火焰光度法測鉀，并對植株樣品進(jìn)行室內(nèi)光譜測定。同時在各處理小區(qū)取混合土樣各8 kg，帶回實(shí)驗(yàn)室，采用半微量開氏法測全氮、NaOH熔融-鉬銻抗比色法測全磷、火焰光度法測全鉀含量，并對其進(jìn)行光譜測定。

2結(jié)果與分析

2花生生化組分和土壤養(yǎng)分特征

分別對花生葉片樣品的全氮、全磷、全鉀含量以及土壤有機(jī)質(zhì)、全氮、全磷、全鉀彼此間的相關(guān)性進(jìn)行研究，生成如表2所示的相關(guān)系數(shù)矩陣。

由表2可見，土壤全氮含量與土壤有機(jī)質(zhì)、植株全氮含量的相關(guān)性都很高，而各指標(biāo)含量與植株全氮含量的相關(guān)系數(shù)相對較低。

22光譜特性分析

由于光譜的一階、二階和高階導(dǎo)數(shù)可以消除背景噪聲、分辨重疊光譜，因此常用導(dǎo)數(shù)光譜技術(shù)作為分析處理高光譜遙感信息的有效手段。由于實(shí)測的光譜數(shù)據(jù)是離散的，高光譜數(shù)據(jù)導(dǎo)數(shù)的求算一般用差分方法來近似計(jì)算。 一階導(dǎo)數(shù)光譜：

式（）、（2）中，λi是波段i的波長值，ρ（λi）是波長λi的光譜反射率值。

圖是對花生葉片光譜進(jìn)行一階導(dǎo)數(shù)和二階導(dǎo)數(shù)計(jì)算的結(jié)果，從圖中可以發(fā)現(xiàn)，導(dǎo)數(shù)光譜能夠比較容易確定光譜曲線的拐點(diǎn)、最大反射率和最小反射率處的波長位置等光譜特征參數(shù)，如“三邊”參數(shù)、綠峰、紅谷等。分別將花生葉片氮磷鉀養(yǎng)分含量測定值與相應(yīng)葉片的原始光譜、一階導(dǎo)數(shù)光譜等光譜特征變量做相關(guān)分析，得出花生葉片氮磷鉀含量與原始光譜、一階導(dǎo)數(shù)光譜間的相關(guān)系數(shù)曲線（圖2、圖3、圖4）。

[FK（W9][TWYNtif][FK）]

如圖2所示，在可見光和近紅外光范圍內(nèi)大部分波段通過00極顯著性檢驗(yàn)水平；全氮含量與原始光譜、一階導(dǎo)數(shù)光譜變量間的最大正相關(guān)系數(shù)、負(fù)相關(guān)系數(shù)分別為（0845、570 nm）、（-083、70 nm）。

[FK（W0][TWYN2tif][FK）]

如圖3所示，有部分原始光譜值通過005顯著性和 00 極顯著性檢驗(yàn)水平，最大相關(guān)系數(shù)為（-0477，720 nm）；部分一階導(dǎo)數(shù)光譜值通過顯著性和極顯著性檢驗(yàn)水平，最大正相關(guān)系數(shù)、負(fù)相關(guān)系數(shù)分別為（0538，565nm）和（-0537，70 nm）。

[FK（W0][TWYN3tif][FK）]

如圖4所示，在整個光譜區(qū)域內(nèi)，只有極少數(shù)的原始光譜值通過顯著性檢驗(yàn)水平，且均未達(dá)到極顯著性檢驗(yàn)水平；少數(shù)一階導(dǎo)數(shù)光譜波段通過顯著性檢驗(yàn)水平，極少數(shù)波段通過極顯著性檢驗(yàn)水平。

[FK（W2][TWYN4tif][FK）]

23花生葉片養(yǎng)分含量估算模型分析

本研究選用5個單變量線性與非線性回歸模型，包括簡單線性模型（Linear）、拋物線模型（Quadratic）、對數(shù)模型（Logarithmic）、逆函數(shù)模型（Inverse）、指數(shù)模型（Exponential）。采用模型擬合R2值、預(yù)測R2值、均方根誤差（RMSE）3個檢驗(yàn)指標(biāo)，對各生化組分估算模型進(jìn)行精度評價。各估算模型都有較好的估算效果，其中單變量回歸模型中以一階導(dǎo)數(shù)光譜變量dv570建立的逆函數(shù)模型為佳，其模型擬合R2值最大，RMSE值和MRE（平均相對誤差）值最小，預(yù)測R2值也較大。逐步回歸分析模型隨著入選方程變量增加，模型擬合R2值增大，而預(yù)測R2值減小，RMSE值和MRE值也隨著變大，因此，花生葉片氮素含量最佳估算模型為y=-0445 7-0002 6/dv570（表3）。

3結(jié)論與討論

本研究是在高光譜遙感技術(shù)對植被的理化特性和農(nóng)學(xué)參數(shù)提取研究的基礎(chǔ)上，通過控制葉片光譜采集環(huán)境，利用光譜分析技術(shù)提取光譜特征變量，通過統(tǒng)計(jì)回歸分析方法建立光譜特征變量與花生生化組分含量間的關(guān)系，找出一些適于估算生化組分含量的敏感波段和特征參數(shù)，并評價其估算葉片生化組分含量的潛力。研究結(jié)果表明，一階導(dǎo)數(shù)光譜對葉片生化組分含量的估算能力比原始光譜好。對花生氮磷鉀含量光譜診斷的研究結(jié)果發(fā)現(xiàn)，無法預(yù)測葉片鉀含量；葉片氮、磷含量均能夠得到較好的預(yù)測。本研究只通過相關(guān)分析簡單建立光譜特征變量與葉片生化組分間的單變量回歸模型和多元回歸模型，今后可以嘗試通過構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型和構(gòu)造光譜植被指數(shù)來預(yù)測各生化組分，同時還可以在分層次采集冠層葉片樣品、光譜采集過程、數(shù)據(jù)處理分析時利用曲線擬合提取光譜參數(shù)等方面進(jìn)一步拓展。

[HS2][HT85H]參考文獻(xiàn)：[HT8SS]

[ZK（#]丁圣彥，李昊民，錢樂祥 應(yīng)用遙感技術(shù)評價植被生化物質(zhì)含量的研究進(jìn)展 生態(tài)學(xué)雜志，2004，23（4）：09-7

[2]浦瑞良，宮鵬 高光譜遙感及其應(yīng)用[M] 北京：高等教育出版社，2000：68-73

[3]Kokaly R FInvestigating a physical basis for spectroscopic estimates of leaf nitrogen concentration Remote Sensing of Environment，200，75：53-6[H82mm]

[4]Osbome S L，Schepers S，F(xiàn)rancis D D，et alDetection of phosphorus and nitrogen deficiencies in corn using spectral radiance measurements Agronmy ournal，2002，94：25-22

[5]王秀珍，黃敬峰，李云梅，等 水稻生物化學(xué)參數(shù)與高光譜遙感特征參數(shù)的相關(guān)分析 農(nóng)業(yè)工程學(xué)報，2003，9（2）：44-48

[6]趙文，劉國順，賈方方，等烤煙煙堿含量的高光譜預(yù)測模型江蘇農(nóng)業(yè)科學(xué)，204，42（3）：275-279

[7]周鵬，張小剛，徐彪，等基于高光譜的南疆紅棗病蟲害特征譜段選擇模式江蘇農(nóng)業(yè)科學(xué)，203，4（4）：08-

[8]唐延林，王秀珍，李建龍，等 棉花高光譜及其紅邊特征（Ⅱ） 棉花學(xué)報，2003，5（4）：25-220

[9]程一松，胡春勝，郝二波，等 氮素脅迫下的冬小麥高光譜特征提取與分析 資源科學(xué)，2003，25（）：86-93[ZK）]

[0][ZK（#]譚昌偉，王紀(jì)華，黃文江，等 夏玉米葉片全氮、葉綠素及葉面積指數(shù)的光譜響應(yīng)研究 西北植物學(xué)報，2004，24（6）：04-046

王磊，白由路 基于光譜理論的作物營養(yǎng)診斷研究進(jìn)展 植物營養(yǎng)與肥料學(xué)報，2006，2（6）：902-92

[2]李映雪，朱艷，曹衛(wèi)星 不同施氮條件下小麥冠層的高光譜和多光譜反射特征 麥類作物學(xué)報，2006，26（2）：03-08

[3]孫俊，金夏明，毛罕平，等基于有監(jiān)督特征提取的生菜葉片農(nóng)藥殘留濃度高光譜鑒別研究江蘇農(nóng)業(yè)科學(xué)，204，42（5）：227-229