莊紅梅，盧春生，龔 鵬，謝 輝，徐葉挺，樊丁宇，張 雯

(1.新疆農(nóng)業(yè)科學(xué)院 園藝作物研究所， 新疆 烏魯木齊 830091；2.農(nóng)業(yè)部新疆地區(qū)果樹科學(xué)觀測試驗站， 新疆 葉城 844900)

基于高光譜‘葉爾羌’扁桃氮磷鉀含量估測模型研究

莊紅梅，盧春生，龔 鵬，謝 輝，徐葉挺，樊丁宇，張 雯

(1.新疆農(nóng)業(yè)科學(xué)院 園藝作物研究所， 新疆 烏魯木齊 830091；2.農(nóng)業(yè)部新疆地區(qū)果樹科學(xué)觀測試驗站， 新疆 葉城 844900)

通過分析果實不同生長發(fā)育階段葉片光譜反射率與氮、磷、鉀含量的相關(guān)性，探尋葉爾羌扁桃葉片N、P、K含量估算的光譜模型，旨在為莎車‘葉爾羌’扁桃簡便快捷的非破壞性營養(yǎng)診斷提供高效、適時的方法。基于‘3414’肥料效應(yīng)實驗，利用Unispec-SC光譜儀測定‘葉爾羌’扁桃在不同N、P、K施肥水平下果實關(guān)鍵發(fā)育期的葉片光譜反射率，實驗室測定葉片N、P、K含量，采用相關(guān)分析與回歸分析方法進行統(tǒng)計分析。結(jié)果表明，‘葉爾羌’扁桃果實坐果期、膨大期、硬核期、成熟期葉片光譜反射率或其衍生變量與氮、磷、鉀含量存在一定的關(guān)系，以相關(guān)性最強的兩個反射率之和為自變量，N、P、K含量為因變量，擬合的Cubics Ration、二次曲線方程R2值較高。最終確定‘葉爾羌’扁桃坐果期葉片氮營養(yǎng)診斷最佳模型為：Y=-2051.4471-7099.5965X-6048.4479X2，其中X為lgR823+lgR880，果實膨大期的最佳模型為：Y=(21.8812+39.8456X+24.3772X2+5.1255X3)/(0.005188X3)，其中X為lgR382+lgR383；坐果期的P營養(yǎng)診斷最佳模型為Y=(-0.000003+0.000803X-0.070160X2+2.8169X3)/(0.407026X3)，X為lg(R789+R790)；坐果期的K營養(yǎng)診斷最佳模型為Y=(-7.7960+22.5853X-21.8023X2+7.0133X3)/0.000032X3，其中X為R830+R850，Y均為估測值含量。由此得出，可根據(jù)果實不同生長發(fā)育階段葉片N、P、K素光譜敏感波段、光譜反射率或其衍生變量通過一定的函數(shù)關(guān)系能夠建立N、P、K含量監(jiān)測模型。

‘葉爾羌’扁桃；葉片；N含量；P含量；K含量；光譜分析；相關(guān)分析；回歸分析

作物缺乏生長發(fā)育所需的大量營養(yǎng)元素氮、磷、鉀，不僅會嚴(yán)重影響作物生長速度和產(chǎn)量，而且還能引起植株體內(nèi)相關(guān)生理、生化指標(biāo)的變化[1]。探尋一種實時、快速、無損、精準(zhǔn)的植物營養(yǎng)診斷方法已成為各國農(nóng)業(yè)學(xué)者研究的熱點之一[2-4]。光譜分析技術(shù)具有速度快、效率高、重現(xiàn)性好、測試方便、成本低的特點，成為探測和獲取作物營養(yǎng)狀況和長勢信息的有效手段[5]。在田間栽培管理中，缺乏對南疆扁桃(AmygdaluscommunisL.)樹體營養(yǎng)盈虧狀況的科學(xué)施肥，經(jīng)驗施肥和盲目施肥現(xiàn)象較為突出。因此，研發(fā)N、P、K含量光譜診斷估算模型可為葉爾羌扁桃樹體營養(yǎng)元素含量的實時、快速檢測提供技術(shù)手段，對科學(xué)施肥具有重要意義。前人利用光譜分析技術(shù)在作物營養(yǎng)素的含量監(jiān)測方面做了大量的研究。其中，利用光譜反射率來估測作物N元素營養(yǎng)狀況的研究多于估測P、K元素營養(yǎng)狀況的研究。光譜分析診斷技術(shù)已經(jīng)應(yīng)用在玉米[6-10]、小麥[11-12]、水稻[13-14]、番茄[15-16]、棉花[17]、黑麥草[18]、紫葉稠李[19]N營養(yǎng)的實時檢測與營養(yǎng)診斷，有研究發(fā)現(xiàn)，窄波段綠光、紅邊比值指數(shù)SR(R780，R580)和SR(R780，R704)可用于冠層全N含量的監(jiān)測[20]，560 nm、650 nm和720 nm作為特征波長及940 nm作為參比波長適用于植物營養(yǎng)快速無損診斷，(T940-T560)/(T940+T560)、log(T940/T560)和log(T940/T650)與植物N營養(yǎng)水平的相關(guān)性較好[21]。Thomas等[22]測定甜椒葉片的反射率發(fā)現(xiàn)，N元素營養(yǎng)水平對甜椒葉片在550 nm和670 nm波段反射率的影響大，這與胡珍珠等[23]研究輪臺白杏葉片光譜反射率在550 nm處差異顯著的結(jié)果一致。Osbome等[24]發(fā)現(xiàn)玉米葉片內(nèi)N含量的預(yù)測應(yīng)在紅光和綠光波段，具體波段隨生育期不變。Al-Abbas等發(fā)現(xiàn)不同營養(yǎng)N、P、K脅迫下不同位置葉片的光譜特性，其營養(yǎng)脅迫對530 nm波段處作物葉片光譜反射率有顯著性影響，Daughtry等提出可以利用作物葉片反射光譜率進行葉片葉綠素含量評價[25-28]。楊慧等[31]通過基于臨界氮濃度構(gòu)建的氮營養(yǎng)指數(shù)、氮吸收模型對番茄的適宜施氮量診斷結(jié)果一致。這些研究結(jié)果表明，光譜反射率可以間接反映作物N、P、K元素營養(yǎng)狀況。葉爾羌扁桃果實不同生育期葉片光譜反射率與N、P、K的相關(guān)性及葉片氮、磷、鉀的光譜估算模型尚待研究，本文切入點以果實不同生育期葉片光譜反射率對N、P、K的敏感性分析及光譜估算模型的建立為切入點。采用“3414”肥料效應(yīng)田間試驗，通過分析不同氮、磷、鉀施肥水平下‘葉爾羌’扁桃果實發(fā)育期葉片光譜反射率與葉片N、P、K含量的相關(guān)性，并建立具有普適性的估算葉爾羌扁桃果實不同發(fā)育階段葉片N、P、K營養(yǎng)元素含量的光譜估算模型，旨在為‘葉爾羌’扁桃快速、精準(zhǔn)、非破壞性營養(yǎng)診斷技術(shù)提供理論依據(jù)。

1 材料與方法

試驗地點位于新疆喀什地區(qū)莎車縣阿熱勒鄉(xiāng)14村的扁桃園內(nèi)(N38°21′37.1″，E77°17′11.5″)。土壤質(zhì)地為沙壤土，其理化性狀為pH 8.4、有機質(zhì)11.1 g·kg-1、堿解氮50 mg·kg-1、有效磷11.9 mg·kg-1、速效鉀102 mg·kg-1(數(shù)據(jù)來自莎車縣農(nóng)技推廣中心2008年測得數(shù)據(jù))。試驗地屬暖溫帶大陸性干旱氣候，四季分明，氣候干燥，日照長，蒸發(fā)量大，晝夜溫差大。年日照時數(shù)3 056.7 h，是中國日照較長的地區(qū)之一[29]。

1.1 試驗設(shè)計

試驗設(shè)計見表1。

1.2 材料

于2014年5—8月，以新疆喀什地區(qū)莎車縣阿熱勒鄉(xiāng)14村的扁桃園內(nèi)的‘葉爾羌’扁桃葉片為材料。

1.3 數(shù)據(jù)采集

光譜數(shù)據(jù)用美國UniSpec-SC(單通道)便攜式光譜分析儀進行采集。該光譜分析儀自帶光源，可在可見光/近紅外310～1 130 nm 波長范圍內(nèi)進行連續(xù)測量，光譜分辨率在λ/100，掃描波長3.3 nm。在扁桃‘葉爾羌’的4個生育期，即：坐果期(5月10日)、果實膨大期(6月6日)、硬核期(7月15日)、果實成熟期(8月6日)。每個肥料處理選取樹體5株，每株樹體大小一致。在樹冠中部東、西、南、北方向隨機選取生長健康的葉片，每株選取葉12片。每次數(shù)據(jù)采集前對光譜儀進行標(biāo)準(zhǔn)校正，活體健康葉片3次重復(fù)測定。在進行葉片光譜測定時，選取葉片的中上部(避免探頭直接對著葉脈)進行光譜測定。為保證數(shù)據(jù)可比性，測定條件盡可能一致(選擇晴朗無風(fēng)或風(fēng)力不大天氣，北京時間為10∶30—13∶00太陽高度角變化量小的時間段進行)。測定可見光波段的葉片光譜反射率[30]，用于‘葉爾羌’扁桃果實不同生育期葉片光譜反射率與N、P、K含量的相關(guān)性分析。

1.4 葉片采集與葉片N、P、K含量測定

扁桃四個果實關(guān)鍵發(fā)育期，采集扁桃新梢中部葉片，不同肥料處理各取5株果樹、每株果樹取2片葉，共10葉片。取葉片(帶葉柄)帶回實驗室內(nèi)，于105℃恒溫殺青30 min后70℃烘至恒重，用不銹鋼料理機粉碎后裝入自封袋備用。

葉片全氮的測定，先用H2SO4-H2O2消煮，用開氏法測定；葉片全磷的測定，先用H2SO4-H2O2消煮，然后用釩鋁黃法在紫外可見分光光度計(UV-1800)450 nm處比色測定；葉片全鉀的測定，先用H2SO4-H2O2消煮，然后用原子吸收分光光度計(PE-Analysist100)測定。

1.5 數(shù)據(jù)分析

本試驗氮、磷、鉀元素含量與光譜反射率的相關(guān)性分析與作圖采用Origin9.0統(tǒng)計軟件完成，模型擬合采用DPS v9.5統(tǒng)計軟件完成。

2 結(jié)果與分析

2.1 ‘葉爾羌’扁桃葉片N、P、K含量與不同波段光譜反射率的相關(guān)性

2.1.1 葉片N含量與不同波段光譜反射率的相關(guān)性 果實坐果期，‘葉爾羌’扁桃葉片N含量與其光譜反射率在可見光波段310～750 nm呈正相關(guān)關(guān)系，在682～703 nm(紅光)波段相關(guān)性較強；在751～1 082 nm波段呈負(fù)相關(guān)關(guān)系，在750～778 nm波段范圍內(nèi)，相關(guān)性最弱；在815～894 nm波段，負(fù)相關(guān)系數(shù)達到0.71，相關(guān)程度高于可見光波段(682～703 nm)；1 083～1 130 nm波段呈正相關(guān)關(guān)系，相關(guān)性較弱。因此，815～894 nm波段可作為‘葉爾羌’扁桃果實坐果期葉片 N含量的指示波段。

果實膨大期，‘葉爾羌’扁桃葉片N含量與其光譜反射率在可見光波段310～639 nm波段呈負(fù)相關(guān)性，在375～398 nm波段相關(guān)性較強，在383 nm左右相關(guān)系數(shù)達到最大0.8；在640～687 nm波段呈正相關(guān)性，相關(guān)性極小，均在0.05以下；688～848 nm波段呈負(fù)相關(guān)性，相關(guān)性較弱，均在0.28以下；849～1 069 nm波段呈正相關(guān)性，相關(guān)性較弱，均在0.15以下；1 070～1 130 nm波段呈負(fù)相關(guān)性。因此，375～398 nm波段可作為‘葉爾羌’扁桃果實膨大期葉片 N含量的指示波段。

果實硬核期，‘葉爾羌’扁桃葉片N含量與其光譜反射率在可見光波段310～715 nm波段呈正相關(guān)性，在608～616 nm波段，相關(guān)系數(shù)達到最高值0.5。在716～1 124 nm波段呈負(fù)相關(guān)性，負(fù)相關(guān)系數(shù)最高值在1 026～1 059 nm波段出現(xiàn)，為0.3，相關(guān)程度低于可見光608～616 nm波段；在1 125～1 130 nm波段呈正相關(guān)性，相關(guān)系數(shù)均在0.1以下；因此，608～616 nm波段可作為‘葉爾羌’扁桃果實硬核期葉片 N含量的指示波段。

果實成熟期，‘葉爾羌’扁桃葉片N含量與其光譜反射率在310～1 129 nm波段，呈負(fù)相關(guān)性，負(fù)相關(guān)系數(shù)最高值出現(xiàn)在429～437 nm波段，為0.47；在1 130 nm波段出現(xiàn)唯一的正相關(guān)性，相關(guān)系數(shù)為0.39。相比較429～437 nm波段正相關(guān)性較強，因此，429～437 nm波段可作為‘葉爾羌’扁桃果實成熟期葉片 N含量的指示波段，見圖1。

圖1 ‘葉爾羌’扁桃果實不同生長發(fā)育階段葉片N含量與光譜反射率的相關(guān)系數(shù)

Fig.1 Correlation coefficients between foliar N content and spectral reflectance of Yarkent almond at various phonological stages during fruit development

2.1.2 葉片P含量與不同波段光譜反射率的相關(guān)性 果實坐果期，‘葉爾羌’扁桃葉片P含量與其光譜反射率在可見光波段310～740 nm波段呈正相關(guān)性，在712～727 nm波段相關(guān)系數(shù)較高，達到0.67； 1 083～1 130 nm波段呈正相關(guān)性，相關(guān)系數(shù)均較低，在0.39以下；在741～1 082 nm波段呈負(fù)相關(guān)性，在766～802 nm波段相關(guān)系數(shù)較高，在790 nm波段左右相關(guān)系數(shù)最高達到0.76，因此766～802 nm波段可作為‘葉爾羌’扁桃果實坐果期葉片P含量的指示波段。

果實膨大期，‘葉爾羌’扁桃葉片P含量與其光譜反射率在可見光波段310～726 nm波段呈正相關(guān)性，在315 nm附近相關(guān)系數(shù)達到最高，為0.48；在727～1 115 nm波段呈負(fù)相關(guān)性，在1 023～1 063 nm波段，負(fù)相關(guān)系數(shù)達到最大值，為0.6；在1 122～1 130 nm波段呈正相關(guān)性，相關(guān)系數(shù)值逐漸升高，最高值僅為0.16。因此1 023～1 063 nm波段可作為‘葉爾羌’扁桃果實膨大葉片 P含量的指示波段。

果實硬核期，‘葉爾羌’扁桃葉片P含量與其光譜反射率在可見光波段310～367 nm呈現(xiàn)負(fù)相關(guān)性，負(fù)相關(guān)性較弱，均在0.3以下；368～720 nm處呈現(xiàn)正相關(guān)性，在708～713 nm處正相關(guān)系數(shù)達到最高值，為0.63；在721～1 130 nm波段呈負(fù)相關(guān)性，相關(guān)程度較弱；758～881 nm波段，負(fù)相關(guān)系數(shù)達到最大值，為0.45；因此708～713 nm波段可作為‘葉爾羌’扁桃果實硬核期葉片 P含量的指示波段。

果實成熟期，‘葉爾羌’扁桃葉片P含量與其光譜反射率在可見光波段310～383 nm處，呈負(fù)相關(guān)性，相關(guān)性較弱，相關(guān)系數(shù)均在0.23以下；在384～591 nm波段呈現(xiàn)出較弱正相關(guān)性，在536～543 nm處，相關(guān)系數(shù)達到最高值，為0.42；在592～692 nm波段，呈負(fù)相關(guān)性，相關(guān)性較弱；在667～677 nm處，相關(guān)系數(shù)達到最高值，為0.42；在693～1 129 nm波段，呈正相關(guān)性，相關(guān)系數(shù)在744～896 nm波段，達到最高值，為0.58；在1 130 nm處，呈現(xiàn)顯著的負(fù)相關(guān)性，相關(guān)系數(shù)為0.96；因此，1 130 nm處可作為‘葉爾羌’扁桃果實成熟期葉片P含量的指示波段(圖2)。

圖2 ‘葉爾羌’扁桃果實不同生長發(fā)育階段葉片P含量與光譜反射率的相關(guān)系數(shù)

Fig.2 Correlation coefficients between foliar P content and spectral reflectance of Yarkent almond at various phonological stages of fruit development

2.1.3 葉片K含量與不同波段光譜反射率的相關(guān)性 果實坐果期，‘葉爾羌’扁桃葉片K含量與其光譜反射率在可見光波段310～750 nm波段呈正相關(guān)性，在693～700 nm波段，相關(guān)系數(shù)最高值達到0.7；在751～1 082 nm波段呈負(fù)相關(guān)性，在815～894 nm波段，相關(guān)系數(shù)最高值達到0.71；在1 083～1 130 nm波段呈正相關(guān)性，相關(guān)系數(shù)呈上升趨勢，但相關(guān)性不強；因此，815～894 nm波段可作為‘葉爾羌’扁桃果實坐果期葉片 K含量的指示波段。

果實膨大期，‘葉爾羌’扁桃葉片K含量與其光譜反射率在可見光波段310～804 nm波段呈正相關(guān)性；在345～368 nm波段，相關(guān)系數(shù)達到最高值，為0.59；在807～1 082 nm波段呈負(fù)相關(guān)性，且相關(guān)性很弱，相關(guān)系數(shù)最大值僅為0.32；在1 083～1 130 nm波段呈正相關(guān)性，隨著波長的增加，相關(guān)系數(shù)逐漸增大，最大值為0.55。因此，345～368 nm波段可作為‘葉爾羌’扁桃果實膨大期葉片K含量的指示波段。

果實硬核期，‘葉爾羌’扁桃葉片K含量與其光譜反射率在可見光波段310～368 nm、371～375 nm、713～1 130 nm波段呈較弱的負(fù)相關(guān)性，相關(guān)系數(shù)最高值僅為0.2；在387～712 nm波段呈較弱的正相關(guān)性，相關(guān)系數(shù)最高值僅為0.17；因此，沒有合適波段可作為‘葉爾羌’扁桃果實硬核期葉片 K含量的指示波段。

果實成熟期，‘葉爾羌’扁桃葉片K含量與其光譜反射率在可見光波段310～704 nm波段呈正相關(guān)性，在475～491 nm波段，相關(guān)系數(shù)最高值達到0.63；在705～1 113 nm波段與1 130波點處呈較弱的負(fù)相關(guān)性，相關(guān)系數(shù)最高值僅為0.38；在1 114～1 129 nm波段呈較弱的正相關(guān)性；因此，475～491 nm波段可作為‘葉爾羌’扁桃果實成熟期葉片K含量的指示波段，以上結(jié)果見圖3。

圖3 ‘葉爾羌’扁桃果實不同生長發(fā)育階段葉片K含量與光譜反射率的相關(guān)系數(shù)

Fig.3 Correlation coefficients between foliar K content and spectral reflectance of Yarkent almond at various phonological stages during fruit development

2.2 ‘葉爾羌’扁桃葉片N、P、K含量光譜估算模型

2.2.1 葉片N含量估算模型 以葉片N含量與不同波段光譜反射率的相關(guān)性為依據(jù)，選取相關(guān)性最強的兩個波段，將葉片光譜反射率進行算數(shù)相加，算數(shù)相加后取常用對數(shù)(簡稱對數(shù)，下同)，各自取對數(shù)后相加三種數(shù)學(xué)處理所得的光譜反射率或其衍生變量作為自變量，以葉片N含量為因變量，建立二次曲線函數(shù)或Cubics Ration函數(shù)回歸關(guān)系，除了硬核期，所得回歸方程的擬合度(R2)在0.9142～0.9515之間，表明回歸方程的擬合度均比較好。其中，采用兩個波段光譜反射率算數(shù)相加作為自變量，使回歸方程的擬合度有所提高。因而，在‘葉爾羌’扁桃果實坐果期與膨大期，可通過獲取雙波段的葉片光譜反射率利用二次曲線函數(shù)或Cubics Ration函數(shù)對其葉片N含量進行估算。

2.2.2 葉片P含量估算模型 以葉片P含量與不同波段光譜反射率的相關(guān)性分析結(jié)果為依據(jù)，選取相關(guān)性最強的兩個波段，將葉片光譜反射率進行算術(shù)相加，算術(shù)相加后取對數(shù)，各自取對數(shù)后相加三種數(shù)學(xué)處理所得的光譜反射率或其衍生變量作為自變量，以葉片P含量為因變量，建立Cubics Ration模型、Logistic模型、Gompertz模型、二次曲線回歸關(guān)系，所得回歸方程一般。

在果實坐果期與硬核期，葉片P含量與光譜反射率及其衍生變量建立的Cubics Ration模型回歸方程擬合度均較高，其中都以算術(shù)相加后取對數(shù)為自變量擬合度較好，在硬核期擬合度低于坐果期。在果實膨大期，葉片P含量與光譜反射率及其衍生變量建立的模型回歸方程擬合度均較低，均在0.5以下。因此，在‘葉爾羌’扁桃果實發(fā)育的坐果期，可以通過獲取雙指示波段的葉片光譜反射率經(jīng)進行算術(shù)相加，算術(shù)相加后取對數(shù)，各自取對數(shù)后相加三種數(shù)學(xué)處理所得的光譜反射率或其衍生變量作為自變量，利用Cubics Ration模型對其葉片P元素含量進行估算。

2.2.3 葉片K含量估算模型 以葉片K含量與不同波段光譜反射率的相關(guān)性分析結(jié)果為依據(jù)，選取相關(guān)性最強的兩個波段，將葉片光譜反射率進行算術(shù)相加，算術(shù)相加后取對數(shù)、各自取對數(shù)后相加三種數(shù)學(xué)處理所得的光譜反射率或其衍生變量作為自變量，以葉片K含量為因變量，建立模型。計算結(jié)果顯示，坐果期，以三種衍生變量擬合的Cubics Ration模型擬合度均較好，其中以算術(shù)相加后取對數(shù)作為自變量，Cubics Ration模型擬合度較高；膨大期，以三種衍生變量為自變量，Logistic模型擬合度一致，均為0.9032；硬核期，葉片K含量與不同波段光譜反射率的相關(guān)性非常低，無法擬合。成熟期，以三種衍生變量擬合的二次曲線模型擬合度均較低，在0.5以下；因此，在‘葉爾羌’扁桃果實發(fā)育的坐果期與膨大期，可以通過獲取雙指示波段的葉片光譜反射率經(jīng)進行算術(shù)相加，算術(shù)相加后取對數(shù)、各自取對數(shù)后相加三種數(shù)學(xué)處理所得的光譜反射率或其衍生變量作為自變量，利用Cubics Ration模型，Logistic模型對其葉片K元素含量進行估算。最終確定‘葉爾羌’扁桃坐果期葉片氮營養(yǎng)診斷最佳模型為：Y=-2051.4471-7099.5965X-6048.4479X2，其中X為lgR823+lgR880，果實膨大期的最佳模型為：Y=(21.8812+39.8456X+24.3772X2+5.1255X3)/(0.005188X3)，其中X為lgR382+lgR383，坐果期P營養(yǎng)診斷最佳模型為Y=(-0.000003+0.000803X-0.070160X2+2.8169X3)/(0.407026X3)，X為lg(R789+R790)；坐果期K營養(yǎng)診斷最佳模型為Y=(-7.7960+22.5853X-21.8023X2+7.0133X3)/0.000032X3，其中X為R830+R850，Y均為估測值含量。

表2 ‘葉爾羌’扁桃果實不同發(fā)育階段葉片N含量與光譜變量的回歸關(guān)系

注：X為光譜變量，Y為N元素含量。

Note：Xrepresentation of the meaning of spectral variablesX,Yrepresentation of the meaning of N element content.

表3 ‘葉爾羌’扁桃果實不同發(fā)育階段葉片P含量與光譜變量的回歸關(guān)系

注：X為光譜變量，Y為P元素含量。

Note：Xrepresentation of the meaning of spectral variablesX,Yrepresentation of the meaning of P element content.

表4 ‘葉爾羌’扁桃果實不同發(fā)育階段葉片K含量與光譜變量的回歸關(guān)系

注：X為光譜變量，Y為K元素含量。

Note：Xrepresentation of the meaning of spectral variablesX,Yrepresentation of the meaning of K element content.

3 討 論

本研究以‘葉爾羌’扁桃果實不同發(fā)育階段光譜反射率與N、P、K含量的相關(guān)性為基礎(chǔ)，將葉片光譜反射率進行算術(shù)相加，算術(shù)相加后取對數(shù)，各自取對數(shù)后相加三種數(shù)學(xué)處理所得的光譜反射率或其衍生變量作為自變量，扁桃葉片N、P、K含量為因變量，建立了不同果實發(fā)育階段，N、P、K含量檢測模型，為‘葉爾羌’扁桃果實發(fā)育階段，N、P、K素營養(yǎng)狀況的無損與精確監(jiān)測、實時營養(yǎng)檢測和診斷提供了理論依據(jù)和技術(shù)支持，對促進‘葉爾羌’扁桃栽培與管理信息化具有重要的意義。

研究結(jié)果表明，在坐果期，以N、P、K含量為因變量，經(jīng)過三種數(shù)學(xué)處理的光譜反射率或其衍生變量為自變量，建立的N、P、K含量監(jiān)測模型的擬合度均較高。在果實膨大期，以K素含量為因變量，經(jīng)過三種數(shù)學(xué)處理的光譜反射率或其衍生變量為自變量，建立的K含量監(jiān)測模型的擬合度均較好，N素與P素模型均較差。在硬核期，以P素含量為因變量，經(jīng)過三種數(shù)學(xué)處理的光譜反射率或其衍生變量為自變量，建立的P含量監(jiān)測模型的擬合度均較好，N素模型擬合度較差，K素模型無法擬合。在成熟期，以P素含量為因變量，經(jīng)過三種數(shù)學(xué)處理的光譜反射率或其衍生變量為自變量，建立的P含量監(jiān)測模型的擬合度均較好，N素、K素模型擬合度較差。模型無法擬合或者擬合度較低，均是由于在該發(fā)育階段‘葉爾羌’扁桃葉片相關(guān)元素含量與光譜反射率相關(guān)性較低。關(guān)于植物光譜營養(yǎng)診斷模型的建立的相關(guān)研究多集中在小麥、玉米上，而關(guān)于果樹方面研究甚少。如吉海彥等[30]使用ASD便攜式光譜儀和LI-COR 1800型積分球，在350～1 650 nm的光譜范圍內(nèi)，測量冬小麥葉片在不同生長期的反射光譜，用偏最小二乘方法建立了冬小麥葉片葉綠素和水分含量與反射光譜的定量分析模型。在400～750 nm的光譜范圍，建立了葉綠素含量與反射光譜的模型，在小麥估產(chǎn)、農(nóng)情監(jiān)測等方面具有重要的意義，同時可為進行高光譜遙感提供基礎(chǔ)。王磊等[10]在玉米關(guān)鍵生育期，經(jīng)過光譜監(jiān)測及回歸分析和驗證建立的RNIR/Red與葉片氮含量對數(shù)模型和指數(shù)模型，為研發(fā)低成本便攜式作物氮素營養(yǎng)光譜診斷儀提供依據(jù)。這說明光譜營養(yǎng)診斷模型的建立能夠為快速、精準(zhǔn)的營養(yǎng)診斷提供依據(jù)。

4 結(jié) 論

‘葉爾羌’扁桃果實不同生長發(fā)育階段葉片N、P、K營養(yǎng)元素與光譜反射率存在關(guān)聯(lián)，可根據(jù)光譜敏感指示波段的光譜反射率或其衍生變量利用二次函數(shù)、Cubics Ration、Logistic函數(shù)建立葉爾羌’扁桃果實不同生長發(fā)育階段葉片N、P、K營養(yǎng)元素含量光譜估算模型。

致謝 本課題在選題及研究過程中得到盧春生與龔鵬兩位專家的親切關(guān)懷和悉心指導(dǎo)，在此謹(jǐn)致以誠摯的謝意。

[1] 李民贊．光譜分析技術(shù)及其應(yīng)用[M]．北京：科學(xué)出版社，2006：176-180．

[2] 薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等．基于冠層反射光譜的水稻群體葉片氮素狀況監(jiān)測[J]．中國農(nóng)業(yè)科學(xué)，2003，36(7)：807-812．

[3] Bronson K F, Chua T T, Booker J D. In-season nitrogen status in sensing irrigated cotton：Ⅱ．Leaf nitrogen and biomass[J]．Soil Science Society of American Journal，2003，67：1439-1448．

[4] Racy M B, James S S, Garye V. Nitrogen deficiency detection using reflected short-wave radiation from irrigated corn canopies[J]．Agronomy Journal，1996，88：1-5．

[5] 蔣煥煜，彭永石，謝麗娟，等．掃描次數(shù)對番茄葉漫反射光譜和模型精度的影響研究[J]．光譜學(xué)與光譜分析，2008，28(8)：1763-1766．

[6] 李敏霞．蘋果葉片光譜反射率與葉綠素和全氮含量的相關(guān)研究[D]．楊凌：西北農(nóng)林科技大學(xué)，2009：1-40．

[7] 周麗麗，馮漢宇，閻忠敏，等．玉米葉片氮含量的高光譜估算及其品種差異[J]．農(nóng)業(yè)工程學(xué)報，2010，26(8)：195-199．

[8] 孫 紅，李民贊，張彥娥，等．不同施氮水平下玉米冠層光譜反射特征分析[J]．光譜學(xué)與光譜分析，2010，30(3)：715-719．

[9] 梁惠平，劉湘南．玉米氮營養(yǎng)指數(shù)的高光譜計算模型[J]．農(nóng)業(yè)工程學(xué)報，2010，26(1)：250-255．

[10] 王 磊，白由路，盧艷麗，等．基于光譜分析的玉米氮素營養(yǎng)診斷[J]．植物營養(yǎng)與肥料學(xué)報，2011，17(2)：333-340．

[11] 張俊華，張佳寶．冬小麥特征光譜對其全氮和硝態(tài)氮的響應(yīng)[J]．干旱地區(qū)農(nóng)業(yè)研究，2010，28(1)：104-110．

[12] 胡 昊，白由路，楊俐蘋，等．不同氮營養(yǎng)冬小麥冠層光譜紅邊特征分析[J]．植物營養(yǎng)與肥料學(xué)報，2009，15(6)：1317-1323．

[13] 覃 夏，王紹華，薛利紅．江西鷹潭地區(qū)早稻氮素營養(yǎng)光譜診斷模型的構(gòu)建與應(yīng)用[J]．中國農(nóng)業(yè)科學(xué)，2011，44(4)：691-698．

[14] 唐延林．水稻高光譜特征及其生物理化參數(shù)模擬與估測模型研究[D]．杭州：浙江大學(xué)，2004：1-64．

[15] 韓小平，左月明，李靈芝．水培番茄施氮量近紅外光譜預(yù)測模型的研究[J]．光譜學(xué)與光譜分析，2010，30(9)：2479-2483．

[16] 李靈芝，郭 榮，李海平，等．不同氮濃度對溫室番茄生長發(fā)育和葉片光譜特性的影響[J]．植物營養(yǎng)與肥料學(xué)報，2010，16(4)：965-969．

[17] 王克如，潘文超，李少昆，等．不同施氮量棉花冠層高光譜特征研究[J]．光譜學(xué)與光譜分析，2011，31(7)：1868-1872．

[18] 楊紅麗，陳 功，吳建付．施氮水平對多花黑麥草植株氮含量及反射光譜特征的影響[J]．草業(yè)學(xué)報，2011，20(3)：239-244．

[19] 李雪飛，韓甜甜，董 彥，等．紫葉稠李葉片色素及氮含量與其光譜反射特性的相關(guān)性[J]．林業(yè)科學(xué)，2011，47(8)：75-81．

[20] 田永超，楊 杰，姚 霞，等．利用葉片高光譜指數(shù)預(yù)測水稻群體葉層全氮含量[J]．作物學(xué)報，2010，36(9)：1529-1537．

[21] 賀冬仙，胡娟秀．基于葉片光譜透過特性的植物氮素測定[J]．農(nóng)業(yè)工程學(xué)報，2011，27(4)：214-218．

[22] Thomas J R, Oerther G F. Estimating nitrogen content of weet pepper leaves by reflectance measurements[J]．Agrononmy Journal，1972，64：11-13．

[23] 胡珍珠，潘存德，王世偉，等．輪臺白杏葉片氮磷鉀含量光譜估算模型[J]．新疆農(nóng)業(yè)科學(xué)，2013，50(2)：238-248．

[24] Osbome S L, Schepers J S, Schlemmer M R, et al. Detection of Phosphorus and nitrogen deficiencies in corn using spectral radiance measurements[J]．Agronomy Journal，2002，94：1215-1221．

[25] AI-Abbas A H, Barr R, Hall J D, et al. Spectra of normal and nutrient deficient maize leaves[J]．Agronomy Journal，1974，66：16-20．

[26] Daughtry C S T, Walthall C L, Kim M S, et al. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J]．Remote Sensing of Environment，2000，74：229-239．

[27] Milton N M, Ager C M, Eiswerth B A, et al. Arsenic and selenium induced changes in spectral reflectance and morphology of soybean plants[J]．Remote Sensing of Environment，1989，30(3)：263-269．

[28] Milton N M, Eiswerth B A, Ager C M. Effect of Phosphorus deficiency on spectral reflectance and morphology of soybean plants[J]．Remote Sensing of Environment，1991，36：121-127．

[29] 楊 波，車玉紅，崔艷麗，等．扁桃葉片礦質(zhì)元素質(zhì)量分?jǐn)?shù)的年周期變化[J]．西北農(nóng)業(yè)學(xué)報，2013，22(4)：114-119．

[30] 吉海彥，王鵬新，嚴(yán)泰來．冬小麥活體葉片葉綠素和水分含量與反射光譜的模型建立[J].光譜學(xué)與光譜分析，2007(3)：514-516．

[31] 楊 慧，曹紅霞，柳美玉，等．水氮耦合條件下番茄臨界氮濃度模型的建立及氮素營養(yǎng)診斷[J]．植物營養(yǎng)與肥料學(xué)報，2015，21(5)：1234-1242．

Prediction on nitrogen, phosphorus, potassium contents in almond leaves based on Yarkent Models by hyper spectrum

ZHUANG Hong-mei, LU Chun-sheng, GONG Peng, XIE Hui, XU Ye-ting, FAN Ding-yu, ZHANG Wen

(1.InstituteofHorticulturalCrops-XinjiangAcademyofAgriculturalSciences,Urumqi,Xinjiang830091,China; 2.ScientificObservingandExperimentalStationofPomology(Xinjiang),MinistryofAgriculture,Yecheng,Xinjiang844900,China)

To establish a model to estimate foliar nitrogen, phosphorus and potassium contents in leaves, analysis in correlation between foliar nitrogen (N), phosphorus (P), and potassium (K) contents, providing effective, timely and nondestructive nutrition diagnosis for Yarkent almond. Based on effect by the experiment of using 3414 fertilizer, Unispec-SC spectrometer was employed to determine leaf spectral reflectance of Yarkent almond under different N, P and K fertilizer levels at fruiting, swelling, hardcoring and maturing stages in Shache. In addition, correlation analysis and regression analysis methods were carried out for statistical analysis. The results showed that the spectral sensitive bands of foliar N, P and K elements are different at fruiting, swelling, hardcoring and maturing stages. There is a certain relationship between leaf N, P and K contents and the spectral reflectance or its derivative variables. TheR2value of the fitting Cubics Ration and quadratic curve equation was high when the two spectral reflectances were used as independent variables, and the N, P, and K contents as the dependent variables. The best model for Yarkent almond leaf nitrogen nutrition diagnosis at the fruiting stage isY=-2051.4471-7099.5965X-6048.4479X2,X=lgR823+lgR880; The best model for Yarkent almond leaf nitrogen nutrition diagnosis at the swelling stage isY=(21.8812+39.8456X+24.3772X2+5.1255X3)/(0.005188X3),X=lgR382+lgR383；The best model for Yarkent almond leaf phosphorus nutrition diagnosis at the fruiting stage isY=(-0.000003+0.000803X-0.070160X2+2.8169X3)/(0.407026X3),X=lg(R789+R790)；The best model for Yarkent almond leaf potassium nutrition diagnosis at the fruiting stage isY=(-7.7960+22.5853X-21.8023X2+7.0133X3/0.000032X3,X=R830+R850. In conclusion, the spectral sensitive bands of N, P and K elements are different at these four phenological stages for Yarkent almond fruit development. The models for estimating foliar N, K and P content of Yarkent almond can be established according to the spectral sensitivity, spectral reflectance or its derivative variables.

Yarkent almond; leaf; nitrogen content; phosphorus content; potassium content; spectral analysis; correlation analysis; regression analysis

1000-7601(2017)02-0157-09

10.7606/j.issn.1000-7601.2017.02.25

2015-12-23基金項目：新疆維吾爾自治區(qū)科技重大專項(201130102-2)；新疆維吾爾自治區(qū)科技計劃(201111121)；公益性行業(yè)(農(nóng)業(yè))科研專項(201003043)

莊紅梅(1987—)，江蘇連云港人，女，碩士，助理研究員，研究方向為植物生理。 E-mail：zhuanghongmei86@163.com。

盧春生，男，研究員，主要從事果樹栽培與生理研究。 E-mail：luchshxj@163.com。

S662.9; S143

A