周雪 王芳 趙庚星

摘要：選擇山東省泰安市山東農(nóng)業(yè)大學(xué)實(shí)驗(yàn)田為研究區(qū)，利用ADC便攜式多光譜相機(jī)和SPAD-502葉綠素計(jì)采集該區(qū)泰農(nóng)18和山農(nóng)15兩個(gè)品種小麥越冬期、返青期、起身期冠層近地多光譜圖像和SPAD值，構(gòu)建不同生育期小麥的歸一化植被指數(shù)（NDVI）與SPAD值的線性、對(duì)數(shù)、乘冪、指數(shù)、二次函數(shù)5種模型，進(jìn)而優(yōu)選小麥葉綠素含量最佳估測(cè)模型。結(jié)果顯示：泰農(nóng)18和山農(nóng)15兩個(gè)小麥品種不同時(shí)期的SPAD值與NDVI值均具有極顯著相關(guān)關(guān)系（P<0.01），相關(guān)系數(shù)在0.797～0.915之間；泰農(nóng)18小麥冠層SPAD值估測(cè)最佳模型為y=68.585x0.5841，山農(nóng)15小麥冠層SPAD值估測(cè)最佳模型為y=124.4x2+23.212x+44.973。該研究探索了基于近地多光譜數(shù)據(jù)的小麥葉綠素含量估測(cè)方法，為小麥葉綠素含量估測(cè)及營(yíng)養(yǎng)診斷提供了一種快速有效的技術(shù)方法。

關(guān)鍵詞：小麥冠層；多光譜圖像；SPAD；NDVI；估測(cè)模型

中圖分類號(hào)：S132+S512.1文獻(xiàn)標(biāo)識(shí)號(hào)：A文章編號(hào)：1001-4942（2016）06-0138-05

在大田作物生產(chǎn)中，為及時(shí)掌握作物生長(zhǎng)情況，人們除根據(jù)經(jīng)驗(yàn)進(jìn)行外觀診斷外，往往采用作物生長(zhǎng)季內(nèi)直接或間接分析地上部分的無(wú)機(jī)養(yǎng)分作為快速診斷作物營(yíng)養(yǎng)狀況的依據(jù)。植物缺乏營(yíng)養(yǎng)元素會(huì)引起葉片葉色、形態(tài)、結(jié)構(gòu)及其它外觀不同的缺素癥狀，這為從植物外觀形態(tài)上鑒別營(yíng)養(yǎng)元素的缺乏提供了依據(jù)。研究表明，植物葉片營(yíng)養(yǎng)元素狀況與光譜特性密切相關(guān)，不同營(yíng)養(yǎng)狀況下植物光譜特性存在差異，這引起了農(nóng)學(xué)、植物生理學(xué)和遙感等學(xué)科研究者的重視[1]，使利用不同生長(zhǎng)狀態(tài)下的光譜差異來(lái)分析植物生長(zhǎng)狀況、診斷營(yíng)養(yǎng)水平成為了可能[2]。

小麥作為重要的糧食和經(jīng)濟(jì)作物，在世界和中國(guó)都有著廣泛的種植，其長(zhǎng)勢(shì)監(jiān)測(cè)和營(yíng)養(yǎng)狀況分析也成為國(guó)內(nèi)外研究的熱點(diǎn)之一。如商兆堂等[3]研究表明，小麥長(zhǎng)勢(shì)對(duì)產(chǎn)量和品質(zhì)都有明顯影響，且不同生育階段的影響程度不盡相同；孫海燕等[4]對(duì)小麥營(yíng)養(yǎng)品質(zhì)現(xiàn)狀進(jìn)行了綜述，并對(duì)其改良途徑方法和前景進(jìn)行了分析。大量研究表明，當(dāng)植物氮營(yíng)養(yǎng)水平較高時(shí)，植株長(zhǎng)勢(shì)趨于旺盛，葉綠素含量增高。不同生育期SPAD （Soil and Plant Analyzer Development）值可以間接反映植株全氮含量及葉片葉綠素含量，如朱新開等[5]研究表明，小麥不同葉位葉片SPAD值與葉綠素含量呈極顯著正相關(guān)。目前SPAD值不僅用于研究小麥，還在水稻、棉花、蘋果樹等作物上獲得廣泛應(yīng)用。

近年來(lái)，基于光譜技術(shù)的作物長(zhǎng)勢(shì)監(jiān)測(cè)在精細(xì)農(nóng)業(yè)領(lǐng)域得到了廣泛應(yīng)用[6，7]，同時(shí)，由于點(diǎn)狀采樣獲取的光譜數(shù)據(jù)難以準(zhǔn)確反映大田作物的空間變異信息，因此基于多光譜圖像的檢測(cè)技術(shù)在國(guó)內(nèi)外越來(lái)越受到人們的關(guān)注[8，9]。Tetracam ADC第三代多光譜數(shù)碼相機(jī)可以用于拍攝可見光波段520 nm到近紅外波段950 nm的圖像，分析地表植被和植物冠層的反射和吸收光譜，通過(guò)圖像處理軟件，可以輕松獲得反映地表植被特征的重要指標(biāo)NDVI（歸一化植被指數(shù)）。因此，很多學(xué)者對(duì)NDVI展開了研究，如任紅艷等[10]對(duì)小麥各生育期的NDVI動(dòng)態(tài)變化的研究顯示，小麥的NDVI值從起身期開始急劇上升，到孕穗期前后達(dá)到峰值；江東等[11]研究了NDVI曲線與農(nóng)作物長(zhǎng)勢(shì)的時(shí)序互動(dòng)規(guī)律，通過(guò)NDVI曲線的變化特征，推測(cè)作物的生長(zhǎng)發(fā)育狀況，監(jiān)測(cè)作物長(zhǎng)勢(shì)；丁永軍等[12]利用多光譜圖像分析技術(shù)研究了溫室番茄營(yíng)養(yǎng)元素含量和圖像特征的相關(guān)性，并快速、準(zhǔn)確估測(cè)了番茄營(yíng)養(yǎng)水平和生長(zhǎng)狀況。總體看，實(shí)用、可操作性強(qiáng)的農(nóng)作物葉綠素及營(yíng)養(yǎng)狀況光譜估測(cè)模型及高效方法仍需進(jìn)一步的研究探索。本研究利用ADC便攜式多光譜相機(jī)獲取不同品種不同生育期小麥冠層多光譜圖像，并利用SPAD葉綠素計(jì)實(shí)測(cè)葉片葉綠素含量，構(gòu)建小麥冠層葉綠素含量估測(cè)模型，旨在探索簡(jiǎn)易、快速、準(zhǔn)確的小麥葉綠素狀況實(shí)時(shí)分析方法，為大范圍的小麥葉綠素監(jiān)測(cè)與營(yíng)養(yǎng)快速診斷奠定基礎(chǔ)。

1材料與方法

1.1田間數(shù)據(jù)采集

1.1.1研究區(qū)概況研究區(qū)位于山東省泰安市山東農(nóng)業(yè)大學(xué)試驗(yàn)田，地處東經(jīng)116°02′至117°59′、北緯35°38′至36°28′之間，屬于暖溫帶大陸性半濕潤(rùn)季風(fēng)氣候區(qū)，年平均氣溫13.0℃，7月份氣溫最高，平均26.4℃，1月份最低，平均-2.6℃，年平均降水量697 mm；土壤類型為棕壤，地形平坦，土層深厚；基礎(chǔ)設(shè)施條件完善，種植農(nóng)作物為小麥、玉米，產(chǎn)量較高。

1.1.2數(shù)據(jù)采集方法小麥品種為泰農(nóng)18和山農(nóng)15。從2014年12月～2015年4月，分別對(duì)越冬期（12月上旬～2月下旬）、返青期（2月下旬～3月上旬）、起身期（3月中下旬）小麥進(jìn)行田間測(cè)量。測(cè)量時(shí)以田塊為基本單位設(shè)置觀測(cè)點(diǎn)，每平方米為一個(gè)觀測(cè)單元，在其中心位置設(shè)置一個(gè)觀測(cè)點(diǎn)并用小木樁做標(biāo)記，在每個(gè)觀測(cè)單元內(nèi)隨機(jī)選取2株小麥用SPAD-502測(cè)定冠層葉片的SPAD值，每株測(cè)3次，計(jì)算出2株小麥的平均值作為該樣點(diǎn)的SPAD值。

小麥冠層多光譜圖像的獲取在天氣晴朗、無(wú)風(fēng)或者風(fēng)速較小時(shí)進(jìn)行，獲取時(shí)間為10∶00～14∶00之間。獲取圖像時(shí)相機(jī)鏡頭垂直地表，距離小麥冠層約100 cm，每個(gè)樣點(diǎn)重復(fù)測(cè)量3次，各點(diǎn)在測(cè)量前都要進(jìn)行標(biāo)準(zhǔn)白板的校正。

1.2數(shù)據(jù)處理

1.2.1小麥SPAD值的處理首先將所測(cè)SPAD值數(shù)據(jù)按照不同觀測(cè)點(diǎn)、品種、采樣時(shí)間分別進(jìn)行處理，剔除異常樣點(diǎn)，使獲得的小麥SPAD值多處于40～70之間，共獲得有效觀測(cè)樣點(diǎn)40個(gè)。然后用Microsoft Excel對(duì)數(shù)據(jù)進(jìn)行初步處理，計(jì)算各觀測(cè)樣點(diǎn)的平均值。

1.2.2小麥多光譜圖像的處理田間獲取的ADC多光譜圖像如圖1a所示，圖1b為校正后的多光譜圖像，圖1c為處理后的多光譜圖像。根據(jù)小麥多光譜圖像的特點(diǎn)，借助Pixel Wrench 2軟件對(duì)采集的樣點(diǎn)多光譜圖像進(jìn)行處理，獲取每個(gè)有效觀測(cè)樣點(diǎn)每張圖像的光譜特征值（歸一化植被指數(shù)NDVI），進(jìn)而計(jì)算出各觀測(cè)樣點(diǎn)的NDVI平均值。

1.3數(shù)據(jù)分析

首先借助SPSS軟件對(duì)泰農(nóng)18和山農(nóng)15越冬期、返青期、起身期的SPAD值與NDVI值進(jìn)行相關(guān)分析，獲得兩種小麥各個(gè)生育期對(duì)應(yīng)的相關(guān)系數(shù)，然后根據(jù)相關(guān)系數(shù)的顯著性判斷建立SPAD與NDVI關(guān)系模型的可行性，在此基礎(chǔ)上，分別構(gòu)建兩種小麥不同生育期的線性、對(duì)數(shù)、乘冪、指數(shù)、二次函數(shù)5種模型，根據(jù)模型的擬合程度選取兩種小麥的最佳估測(cè)模型作為該生育期葉綠素的反演模型。

2結(jié)果與分析

2.1小麥SPAD值的動(dòng)態(tài)變化

泰農(nóng)18、山農(nóng)15不同時(shí)期SPAD均值的最小值都出現(xiàn)在越冬期，分別是49.85和48.00，最大值都出現(xiàn)在起身期，分別是59.08和57.53，且SPAD值從越冬期至起身期不斷升高（表1）。由此可見，從越冬期到起身期不同品種小麥葉綠素含量呈不斷增長(zhǎng)趨勢(shì)。

2.2小麥NDVI值的動(dòng)態(tài)變化

兩品種小麥冠層NDVI值隨生育時(shí)期的推進(jìn)具有一致的變化趨勢(shì)，均不斷增加（表2）。越冬期至返青期變化相對(duì)平緩，增幅較小，NDVI值大多處于0.060～ 0.480之間；返青期至起身期，氣溫回升，麥苗生長(zhǎng)迅速，NDVI值開始大幅度上升，最高達(dá)到0.937，之后小麥進(jìn)入開花、孕穗的生殖生長(zhǎng)時(shí)期。

2.3小麥SPAD值與NDVI值的相關(guān)性

由表3可以看出，兩種小麥冠層NDVI值與SPAD值均呈現(xiàn)出極顯著相關(guān)關(guān)系（P<0.01），其中泰農(nóng)18以起身期兩者的相關(guān)系數(shù)最高，山農(nóng)15以越冬期最高。表明，可以通過(guò)小麥不同時(shí)期的NDVI值來(lái)間接估測(cè)其葉綠素含量。

2.4小麥冠層SPAD值估測(cè)模型

建立了泰農(nóng)18和山農(nóng)15 SPAD值與NDVI值的關(guān)系模型，見表4，結(jié)果顯示各估測(cè)模型的擬合度均較高，泰農(nóng)18各模型的擬合度多高于山農(nóng)15。泰農(nóng)18越冬期、返青期、起身期擬合度最好的函數(shù)關(guān)系模型分別是對(duì)數(shù)方程y=10.399ln（x）+72.245、乘冪方程y=75.056x0.2667和乘冪方程y=68.585x0.5841，其中起身期的估測(cè)模型最佳，R2達(dá)0.8244。山農(nóng)15越冬期、返青期、起身期擬合度最好的函數(shù)關(guān)系模型分別是多項(xiàng)式方程y=124.4x2+23.212x+44.973、多項(xiàng)式方程y=-76.006x2+83.432x+38.999和乘冪方程y=70.265x0.9766，其中越冬期估測(cè)模型最佳，R2為0.7658?？梢?，可以通過(guò)模擬模型，利用NDVI值比較簡(jiǎn)單、快速地估測(cè)出作物葉片的SPAD值。

3討論與結(jié)論

本研究結(jié)果表明，小麥冠層NDVI值與SPAD值極顯著相關(guān)，泰農(nóng)18 SPAD值估測(cè)最佳模型為y=68.585x0.5841，R2為0.8244，估測(cè)最佳時(shí)期為起身期；山農(nóng)15小麥冠層SPAD值估測(cè)最佳模型為y=124.4x2+23.212x+44.973，R2為0.7658，估測(cè)最佳時(shí)期為越冬期，這與夏天等[13]、鄭飛等[14]的研究成果相一致。本研究所提出的利用ADC多光譜相機(jī)估測(cè)小麥冠層葉綠素含量的方法，對(duì)小麥科學(xué)栽培與管理有積極意義。

本研究?jī)H提出了適合泰農(nóng)18與山農(nóng)15兩品種三個(gè)生育時(shí)期的SPAD值估測(cè)模型，還需進(jìn)一步研究其他小麥品種及其他時(shí)期的SPAD值估測(cè)方法，以探索具有普適性的小麥葉綠素估測(cè)及營(yíng)養(yǎng)診斷方法。

參考文獻(xiàn)：

[1]

唐延林，王人潮，張金恒，等. 高光譜與葉綠素計(jì)快速測(cè)定大麥氮素營(yíng)養(yǎng)狀況研究[J]. 麥類作物學(xué)報(bào)，2003，23 （1）：63-66.

[2]李民贊. 光譜分析技術(shù)及其應(yīng)用[M].北京：科學(xué)出版社，2006.

[3]商兆堂，吳建中，蔣名淑，等.小麥長(zhǎng)勢(shì)對(duì)產(chǎn)量和品質(zhì)的影響[J]. 安徽農(nóng)業(yè)科學(xué)，2007，35（28）：8826-8829.

[4]孫海燕，楊靖，李友勇. 小麥營(yíng)養(yǎng)品質(zhì)現(xiàn)狀及改良研究進(jìn)展[J]. 現(xiàn)代農(nóng)業(yè)科技，2015（16）：27-28.

[5]朱新開，盛海君，顧晶，等.應(yīng)用SPAD值預(yù)測(cè)小麥葉片葉綠素和氮含量的初步研究[J].麥類作物學(xué)報(bào)，2005，25（2）：46-50.

[6]張喜杰，李民贊.基于反射光譜的溫室黃瓜葉片磷素含量分析與預(yù)測(cè)[J].光譜與光譜分析，2008，28（10）：2404-2408.

[7]田永超，朱艷，姚霞，等.基于光譜信息的作物氮素營(yíng)養(yǎng)無(wú)損監(jiān)測(cè)技術(shù)[J].生態(tài)學(xué)雜志，2007，26（9）：1454-1463.

[8]Zarco-Tejada P J，Berni J A J，Suarez L， et al. Imaging chlorophyll fluorescence with an airborne narrow - band multispectral camera for vegetation stress detection [J]. Remote Sensing of Environment，2009，113（6）：1262-1275.

[9]吳迪，朱登勝，何勇，等.基于地面多光譜成像技術(shù)的茄子灰霉病無(wú)損檢測(cè)研究[J].光譜學(xué)與光譜分析，2008，28（7）：1496-1500.

[10]任紅艷，潘劍君，張佳寶.不同施氮水平下的小麥冠層光譜特征及產(chǎn)量分析[J].土壤通報(bào)， 2005，36（1）：26-29.

[11]江東，王乃斌，楊小喚，等. NDVI曲線與農(nóng)作物長(zhǎng)勢(shì)的時(shí)序互動(dòng)規(guī)律[J].生態(tài)學(xué)報(bào)， 2002， 22（2）：247-253.

[12]丁永軍，李民贊，孫紅，等.基于多光譜圖像技術(shù)的番茄營(yíng)養(yǎng)素診斷模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（8）：175-180.

[13]夏天，吳文斌，周清波，等.不同地域冬小麥葉片SPAD高光譜估算研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2014，35（4）：49-57.

[14]鄭飛，岳俊芹，邵運(yùn)輝，等.不同弱春性小麥品種NDVI與SPAD之間的相關(guān)性[J].麥類作物學(xué)報(bào)，2008，28（2）：291-294.