程 潛，陳家樂，張振乾，王 悅，陳 浩，鄔賢夢

（湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，南方糧油作物協(xié)同創(chuàng)新中心，湖南 長沙 410128）

芥菜型油菜不同葉色葉綠素含量與冠層反射光譜的定量關(guān)系

程 潛，陳家樂，張振乾，王 悅，陳 浩，鄔賢夢

（湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，南方糧油作物協(xié)同創(chuàng)新中心，湖南 長沙 410128）

以綠色和紫色葉的盆栽芥菜型油菜為試驗(yàn)對象，分別于幼苗期和抽薹期測定其冠層高光譜和SPAD值，研究兩者之間的關(guān)系。研究結(jié)果為：以綠葉型油菜原始光譜兩特征波段和一階導(dǎo)數(shù)光譜兩特征波段構(gòu)建光譜參數(shù)，其中基于DVI'（717，955）的線性和多項(xiàng)式模型擬合決定系數(shù)較高，分別達(dá)到0.429 8，0.453 5；以紫葉型油菜原始光譜兩特征波段構(gòu)建光譜參數(shù)，其中基于RVI（698，107 2）的指數(shù)模型擬合決定系數(shù)較高，達(dá)到0.425 3。研究結(jié)果表明，高光譜模型具有一定的預(yù)測精度，可為區(qū)域尺度油菜生長的快速、無損遙感監(jiān)測提供參考。

油菜；葉綠素；高光譜遙感技術(shù)

傳統(tǒng)的農(nóng)學(xué)研究采用實(shí)地調(diào)查或采樣進(jìn)行實(shí)驗(yàn)室測定，費(fèi)時(shí)費(fèi)力、效率低下，而且實(shí)驗(yàn)室測定需要對作物破壞性采樣[1]。精細(xì)農(nóng)業(yè)技術(shù)能對田間作物進(jìn)行科學(xué)管理，特別是高光譜遙感技術(shù)能在作物生長監(jiān)測上發(fā)揮重要作用[2-3]。通過遙感監(jiān)測作物生長過程進(jìn)而改善栽培[4-5]，優(yōu)化作物分類收獲、分級收購加工體制，提高作物品質(zhì)監(jiān)控水平，保證作物品質(zhì)[6]。葉綠素含量遙感監(jiān)測能夠提供作物生理生化狀態(tài)的有效信息[7]，同時(shí)葉綠素含量與作物的氮含量、光合作用也密切相關(guān)[8]。作物葉綠素含量的高光譜遙感監(jiān)測主要應(yīng)用在冠層[9-11]。地物波譜儀就是利用高光譜遙感數(shù)據(jù)反演得到地物反射的光譜信息，它能研究地表物體的種類、物質(zhì)的成分、含量、存在狀態(tài)、空間分布以及動態(tài)變化[12]。近年來，隨著油菜育種技術(shù)的快速發(fā)展，出現(xiàn)了不同生態(tài)型的油菜品系（品種），而這些新品種的大面積推廣亟需通過遙感技術(shù)來進(jìn)行無損監(jiān)測其長勢。為此，項(xiàng)目組分別利用SPAD 502和地物波譜儀（美國ASD FieldSpec Pro FR 2500型背掛式野外地物波譜儀）研究不同顏色油菜葉片葉綠素含量與光譜間的定量關(guān)系，找出其中敏感波段，為今后通過高分辨率衛(wèi)星影像監(jiān)測油菜田間生長提供參考依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

不同葉色芥菜型油菜，選自湖南農(nóng)業(yè)大學(xué)油料所，綠葉型油菜含有28個(gè)樣品，紫葉型含有23個(gè)樣品，分別采用盆栽方式種植。

1.2 測定項(xiàng)目與方法

1.2.1 SPAD值測定 分別于苗期、抽薹期采用SPAD 502葉綠素測定儀（日本）測量油菜的SPAD值。在晴朗天氣測定倒數(shù)第三片葉，注意避開葉脈。

1.2.2 冠層光譜測定 采用地物波譜儀測定油菜苗期、抽薹期高光譜，測試波段為350～2 500 nm。測定時(shí)盡量選擇在晴朗、無云、無風(fēng)的天氣，時(shí)間為10:00～13:00。選擇長勢均勻一致的冠層區(qū)域重復(fù)測量3次，取其平均值。參照王強(qiáng)等[13]的方法進(jìn)行測量。

1.3 冠層光譜數(shù)據(jù)分析

從原始光譜反射率中提取光譜植被指數(shù)，其中包括比值植被指數(shù)（RVI），差值植被指數(shù)（DVI）和歸一化植被指數(shù)（NDVI）；對冠層反射光譜數(shù)據(jù)進(jìn)行一階微分處理，同樣從中提取比值植被指數(shù)（RVI'），差值植被指數(shù)（DVI'）和歸一化植被指數(shù)（NDVI'）[1]，用Excel 2010處理上述植被指數(shù)。

2 結(jié)果與分析

2.1 不同葉色葉片葉綠素含量（SPAD值）

綠葉型和紫葉型油菜的苗期和抽薹期葉綠素含量分別見圖1和圖2。

圖1 綠葉型油菜葉片葉綠素含量

圖2 紫葉型油菜葉片葉綠素含量

葉綠素含量是油菜重要的生理指標(biāo)，與光合作用密切相關(guān)，該研究用SPAD值來表征葉綠素含量，從圖1和圖2中可以看出不管是綠葉型還是紫葉型油菜，其抽薹期的SPAD值都比同植株苗期SPAD值要大，高出10～15，表明從苗期到抽薹期油菜植株不斷長大，葉綠素含量也呈逐漸增加趨勢。

2.2 不同葉色油菜葉片葉綠素含量與冠層反射光譜的定量關(guān)系

由圖3看出，紫葉型和綠葉型油菜可見光波段的反射率都比較低，這主要由于可見光被葉片葉綠素吸收導(dǎo)致；700～780 nm波段的反射率由很低迅速升到很高，是因?yàn)槿~綠素強(qiáng)烈吸收紅外光和對近紅外光多次散射；780～1 300 nm為近紅外區(qū)，反射率較高，這與植物葉片內(nèi)部組織結(jié)構(gòu)的多次反射和散射有關(guān)；1 300 nm以后，植物對光的吸收增加，反射和散射減少，反射率也變小，在1 800 nm以后，由于噪音的存在，反射率呈現(xiàn)不規(guī)則變化。

圖3 不同葉色芥菜型油菜的光譜特征

2.3 基于相關(guān)性系數(shù)較大波段的綠葉型油菜葉片葉綠素含量模型

2.3.1 綠葉型油菜葉片葉綠素含量與冠層光譜反射率的相關(guān)分析 通過對光譜反射率與葉綠素含量進(jìn)行相關(guān)性分析，結(jié)果發(fā)現(xiàn)，綠葉型油菜葉綠素含量與光譜原始數(shù)據(jù)的最大相關(guān)系數(shù)為-0.120 9，位于近紅外波段1 062 nm，最小相關(guān)系數(shù)為-0.412 3，為554 nm，在可見光區(qū)域。這兩個(gè)相關(guān)波段建立相關(guān)光譜參數(shù)，得到其與葉綠素含量的相關(guān)系數(shù)（表1）。

表1 光譜參數(shù)與葉片葉綠素含量之間的相關(guān)性分析 (n=56)

2.3.2 綠葉型葉片葉綠素含量與一階微分光譜的相關(guān)分析 為了消除地面土壤對反射光譜的影響，對一階微分光譜與綠葉型油菜葉綠素含量進(jìn)行相關(guān)性分析，結(jié)果表明，葉綠素含量與光譜一階導(dǎo)數(shù)的最大相關(guān)系數(shù)為0.637 5，位于可見光紅光波段717 nm；最小相關(guān)系數(shù)為-0.681 7，為955 nm，在近紅外區(qū)域。這兩個(gè)相關(guān)波段建立相關(guān)光譜參數(shù)，得到其與葉綠素含量的相關(guān)系數(shù)（表2）。

表2 一階微分光譜參數(shù)與葉片葉綠素含量之間的相關(guān)性分析 (n=56)

2.3.3 基于相關(guān)性系數(shù)較大波段的葉片葉綠素模型 綜合兩表的各光譜參數(shù)與葉綠素含量（SPAD值）的相關(guān)系數(shù)，選出較大（＞0.6）的光譜參數(shù)，并用這些相關(guān)光譜參數(shù)建立葉綠素含量的線性與非線性模型，模型方程、擬合決定系數(shù)R2（表3）。

表3 葉片葉綠素含量與優(yōu)選光譜參數(shù)的定量關(guān)系

基于優(yōu)選光譜參數(shù)的油菜葉片葉綠素含量監(jiān)測模型擬合決定系數(shù)都經(jīng)過檢驗(yàn)，達(dá)到顯著水平，其中DVI'（717，955）的線性、指數(shù)、對數(shù)和多項(xiàng)式達(dá)到極顯著水平，較大的相關(guān)系數(shù)為0.429 8，0.453 5。

2.4 基于相關(guān)性系數(shù)較大波段的紫葉型油菜葉片葉綠素含量模型

2.4.1 紫葉型油菜葉片葉綠素含量與冠層光譜反射率的相關(guān)分析 通過對光譜反射率與葉綠素含量進(jìn)行相關(guān)性分析，結(jié)果發(fā)現(xiàn)紫葉型油菜葉綠素含量與光譜原始數(shù)據(jù)的最大相關(guān)系數(shù)為0.024 1，位于近紅外波段1 072 nm，最小相關(guān)系數(shù)為-0.356 0，為698 nm，在可見光區(qū)域。這兩個(gè)相關(guān)波段建立相關(guān)光譜參數(shù)，得到其與葉綠素含量的相關(guān)系數(shù)（表4）。

表4 光譜參數(shù)與葉片葉綠素含量之間的相關(guān)性分析 (n=46)

2.4.2 紫葉型葉片葉綠素含量與一階微分光譜的相關(guān)分析 為了消除地面土壤對反射光譜的影響，對一階微分光譜與葉綠素含量進(jìn)行相關(guān)性分析，結(jié)果發(fā)現(xiàn)，紫葉葉綠素含量與光譜一階導(dǎo)數(shù)的最大相關(guān)系數(shù)為0.736 8，位于可見光區(qū)域波段754 nm，最小相關(guān)系數(shù)為-0.683 9，為955 nm，在近紅外區(qū)域。這兩個(gè)相關(guān)波段建立相關(guān)光譜參數(shù)，得到其與葉綠素含量的相關(guān)系數(shù)（表5）。

表5 一階微分光譜參數(shù)及與紫葉葉片葉綠素含量之間的相關(guān)性分析 (n=46)

2.4.3 基于相關(guān)性系數(shù)較大波段的葉片葉綠素模型 綜合兩表的各光譜參數(shù)與葉綠素含量（SPAD值）的相關(guān)系數(shù)，選出相關(guān)系數(shù)較大（＞0.6）的光譜參數(shù)，并用這些相關(guān)光譜參數(shù)建立葉綠素含量的線形與非線性模型，模型方程、擬合決定系數(shù)R2（表6）。

表6 油菜葉片葉綠素含量與優(yōu)選光譜參數(shù)的定量關(guān)系

基于優(yōu)選光譜參數(shù)的油菜葉片葉綠素含量監(jiān)測模型擬合決定系數(shù)都通過檢驗(yàn)，達(dá)到顯著水平，并且基于RVI（698，107 2）的指數(shù)、線性、多項(xiàng)式和冪模型達(dá)到極顯著水平，其中指數(shù)模型擬合決定系數(shù)最高，達(dá)到0.425 3。

3 結(jié)論與討論

（1）綠葉型葉綠素含量與原始光譜的最大相關(guān)系數(shù)為-0.120 9，位于近紅外波段1 062 nm，最小相關(guān)系數(shù)為-0.412 3，為554 nm，在可見光區(qū)域；葉綠素含量與光譜一階導(dǎo)數(shù)的最大相關(guān)系數(shù)為0.637 5，位于可見光紅光波段717 nm，最小相關(guān)系數(shù)為-0.681 7，為955 nm，在近紅外區(qū)域，并分別以原始光譜兩特征波段和一階導(dǎo)數(shù)光譜兩特征波段構(gòu)建光譜參數(shù)，其中基于DVI'（717，955）的線性和多項(xiàng)式模型擬合決定系數(shù)較高，分別達(dá)到0.429 8，0.453 5。通過檢驗(yàn)，達(dá)到極顯著水平。

（2）紫葉型油菜葉綠素含量與光譜原始數(shù)據(jù)的最大相關(guān)系數(shù)為0.024 1，位于近紅外波段1 072 nm，最小相關(guān)系數(shù)為-0.356 0，為698 nm，在可見光區(qū)域。葉綠素含量與光譜一階導(dǎo)數(shù)的最大相關(guān)系數(shù)為0.736 8，位于可見光區(qū)域波段754 nm，最小相關(guān)系數(shù)為-0.683 9，為955 nm，在近紅外區(qū)域。其中基于RVI（698，107 2）的指數(shù)模型擬合決定系數(shù)較高，達(dá)到0.425 3。通過檢驗(yàn)，達(dá)到顯著水平，具有一定的預(yù)測精度。

研究數(shù)據(jù)模型擬合決定系數(shù)與何友鑄[1]的研究結(jié)果存在差異，可能是由于實(shí)驗(yàn)材料及樣品處理方式等不同所致。項(xiàng)目組研究了油菜冠層反射光譜與油菜單葉SPAD值間的定量關(guān)系，從冠層水平監(jiān)測葉片葉綠素水平，利用高光譜遙感技術(shù)獲得油菜冠層的精細(xì)光譜信息，建立了有一定預(yù)測精度的監(jiān)測模型，從而能夠精準(zhǔn)監(jiān)測油菜生理生化狀況、作物長勢和產(chǎn)量品質(zhì)等，促進(jìn)了油菜生產(chǎn)的科學(xué)化管理。

[1] 何友鑄. 油菜生理生化參數(shù)、油菜籽含油量與冠層反射光譜的定量關(guān)系[D]. 長沙：湖南農(nóng)業(yè)大學(xué)，2015.

[2] 汪懋華. “精細(xì)農(nóng)業(yè)”發(fā)展與工程技術(shù)創(chuàng)新[J]. 農(nóng)業(yè)工程學(xué)報(bào)，1999，（1）：1-8.

[3] 胡著智，王慧麟，陳欽巒. 遙感技術(shù)與地學(xué)應(yīng)用[M]. 南京：南京大學(xué)出社，1999，（8）：1-5.

[4] 王紀(jì)華，趙春江，劉良云，等. 信息技術(shù)在小麥調(diào)優(yōu)栽培及品質(zhì)測報(bào)上的應(yīng)用[J]. 中國科技成果，2004，（12）：47-50.

[5] 潘瑜春，王紀(jì)華，趙春江，等. 基于網(wǎng)絡(luò)GIS的作物品質(zhì)監(jiān)測與調(diào)優(yōu)栽培系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2004，（6）：120-123.

[6] 王紀(jì)華，李存軍，劉良云. 作物品質(zhì)遙感監(jiān)測預(yù)報(bào)研究進(jìn)展[J]. 中國農(nóng)業(yè)科學(xué)，2008，（9）：2633-2640.

[7] Lichtenthaler H K. The stress concept in plants：An introduction [J]. Annals of the New York Academy of Science，1998，（851）：187-198.

[8] Myneni R B，Hall F G，Sellers P J，et al . The interpretation of special vegetation indexes [J]. IEEE Trans on Geoscience remote sensing，1995，（33）：481- 486.

[9] 劉偉東，項(xiàng)月琴，鄭蘭芬，等. 高光譜數(shù)據(jù)與水稻葉面積指數(shù)及葉綠素密度的相關(guān)分析[J]. 遙感學(xué)報(bào)， 2000，（4）：279- 283.

[10] 宮兆寧，趙雅莉，趙文吉，等. 基于光譜指數(shù)的植物葉片葉綠素含量的估算模型[J]. 生態(tài)學(xué)報(bào)，2014，（20）：5736-5745.

[11] 譚海珍，李少昆，王克如，等. 基于成像光譜儀的冬小麥苗期冠層葉綠素密度監(jiān)測[J]. 作物學(xué)報(bào)，2008，（10）：1812-1817.

[12] 陳述彭，童慶禧，郭華東. 遙感信息機(jī)理研究[M]. 北京：北京科學(xué)出版，1998.

[13] 王 強(qiáng)，易秋香，包安明，等. 基于高光譜反射率的棉花冠層葉綠素密度估算[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，（15）：125-132.

（責(zé)任編輯：肖彥資）

The Quantitative Relationship between the Chlorophyll Content of Different Leaf Color and Canopy Reflectance Spectra of Brassica Juncea

CHENG Qian，CHEN Jia-le，ZHANG Zhen-qian，WANG Yue，CHEN Hao，WU Xian-meng
（College of Agriculture, Hunan Agricultural University, Southern Regional Collaborative Innovation Center for Grain and Oil Crops in China, Changsha 410128, PRC）

The potted Brassica juncea with green leaves and purple leaves were used as raw materials, the hyperspectral reflectance characteristics and SPAD were determined and the relationships between them were discussed.The results showed that constructed the spectral parameters by two characteristic bands of the original spectrum and the first derivative spectrum of the two characteristic bands from green leaf rape, based on DVI'(717, 955), the linear and polynomial model fitting coefficient was higher, reaching to 0.429 8, respectively, 0.453 5; used original spectral two characteristic bands of purple leaves type rapeto construct spectral parameters, which the fitting coefficientwas high and reached 0.425 3 base on RVI (698, 1072) exponential model. The results showed that the hyperspectral model had a certain accuracy, which can provide a reference for the rapid and non-destructive remote sensing monitoring of regional scale rape growth.

rape; chlorophyll; hyperspectral remote sensing technology

S565

：A

：1006-060X（2017）02-0028-04

10.16498/j.cnki.hnnykx.2017.002.008

2016-11-25

國家自然科學(xué)基金（31201240）；湖南省科技重大專項(xiàng)（2014FJ1006）

程 潛（1996-），男，湖南岳陽市人，本科生，專業(yè)為農(nóng)學(xué)。

張振乾