楊榮超 田海清 李斐 史樹德 李哲 黃濤

摘要：通過大田小區(qū)試驗(yàn)，利用野外便攜式ASD光譜儀和SPAD-502葉綠素計(jì)分別實(shí)測甜菜冠層的高光譜反射率和葉片的葉綠素含量?；诠趯庸庾V反射率的一階導(dǎo)數(shù)，提取甜菜冠層光譜的紅邊參數(shù)，分析不同SPAD值的紅邊參數(shù)的變化規(guī)律，以及各個(gè)紅邊參數(shù)與甜菜SPAD值的相關(guān)關(guān)系，并建立估測模型。結(jié)果發(fā)現(xiàn)，當(dāng)甜菜SPAD值增大時(shí)，紅邊位置發(fā)生“紅移”現(xiàn)象，紅邊振幅、紅邊面積增大；當(dāng)SPAD值降低時(shí)，規(guī)律則相反。在紅邊參數(shù)對SPAD值的估測模型中，紅邊位置的一元線性估測模型精度最高；紅邊參數(shù)決定系數(shù)比紅邊位置的一元線性估算模型提高了 30.3%。

關(guān)鍵詞：紅邊參數(shù)；高光譜；甜菜；SPAD值

中圖分類號： S636.901文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2017）11-0153-04[HS）][HT9.SS]

葉綠素是植物在光合作用中吸收光能的主要物質(zhì)。葉綠素含量與植被的光合能力、發(fā)育階段以及氮素狀況有較好的相關(guān)性，是氮含量及冠層色素密度動態(tài)變化的指示劑，了解葉綠素狀況就可以對作物群體光合能力及營養(yǎng)狀況進(jìn)行有效監(jiān)測，在作物生長與產(chǎn)量預(yù)測以及精確診斷與動態(tài)調(diào)控中具有重要意義[1]。傳統(tǒng)的葉綠素含量測量方法大多在室內(nèi)用化學(xué)試劑測定，需要破壞植株且測定方法繁瑣，結(jié)果等待時(shí)間長，不能及時(shí)地指導(dǎo)田間植物的生長管理，因此急需尋求一種無損、快速、高效的葉綠素含量測試方法[2-3]。近年來，高光譜遙感技術(shù)在對作物生化參數(shù)的定量分析中得到廣泛應(yīng)用。利用植物冠層反射高光譜數(shù)據(jù)，結(jié)合植物葉片SPAD值來估測植物葉綠素含量，已成為作物生長過程中氮素診斷的一種重要手段。

紅邊由于植被在紅光波段強(qiáng)吸收以及近紅外波段的強(qiáng)反射，使光譜反射率在680～760 nm區(qū)域陡然上升，形成了綠色植物光譜最明顯的特征[4]，與綠色植物的葉綠素含量、氮含量等生化參數(shù)之間具有很好的相關(guān)關(guān)系。在國外，Horler等研究植被光譜與葉綠素濃度的關(guān)系，提出光譜紅邊位置在植被葉綠素濃度估計(jì)中的作用[5]；Strachan等研究表明，3個(gè)施氮水平的玉米紅邊位置和葉綠素計(jì)SPAD值呈極顯著相關(guān)，r2=0.81[6]；Hansen等研究表明，小麥高光譜反射率與葉綠素密度的敏感波段，87%集中在紅邊光譜范圍內(nèi)[7]。在國內(nèi)相關(guān)研究中，姚付啟等提出基于紅邊位置，對法國梧桐、毛白楊建立葉綠素的估算模型，其決定系數(shù)分別達(dá)到0.736 6、0728 9[8]；朱詠莉等研究表明，紅邊位置、最小振幅、紅邊面積以及紅邊振幅和最小振幅比值與生菜葉片SPAD值間均具有極顯著的相關(guān)關(guān)系，其中以紅邊位置的相關(guān)程度最高[9]；張永賀等研究表明，用不同算法獲取的紅邊位置變量所構(gòu)建的回歸模型估測葉綠素含量是可行的[10]。對于用紅邊參數(shù)來估算綠色植物的葉綠素含量，在國內(nèi)外已經(jīng)有很多研究成果，但是用紅邊參數(shù)來反演甜菜葉片葉綠素含量的研究還未見報(bào)道。

本研究通過大田小區(qū)試驗(yàn)，以甜菜為研究對象，利用野外便攜式ASD光譜儀和SPAD-502葉綠素計(jì)分別獲取甜菜冠層的高光譜反射率和葉片的葉綠素含量?；谔鸩斯趯庸庾V反射率的一階導(dǎo)數(shù)，提取葉片的紅邊參數(shù)（紅邊位置、紅邊面積、紅邊振幅、最小振幅、歸一化紅邊指數(shù)以及紅邊振幅與最小振幅的比值），分析不同SPAD值的情況下紅邊參數(shù)的響應(yīng)特征，并建立各個(gè)紅邊參數(shù)對SPAD值的估測模型以及紅邊參數(shù)與SPAD值的相關(guān)分析。

1材料與方法

1.1試驗(yàn)設(shè)計(jì)

建模試驗(yàn)區(qū)：試驗(yàn)在內(nèi)蒙古赤峰市松山區(qū)太平地鎮(zhèn)甜菜規(guī)模種植區(qū)域進(jìn)行，供試作物為甜菜，品種為KWS1676。試驗(yàn)采用單因素（N）設(shè)計(jì)，共設(shè)7個(gè)施氮水平，施氮量分別為0、15、32、76、108、163、217 kg/hm2。先在大棚內(nèi)進(jìn)行紙筒育苗，而后在5月中下旬將甜菜幼苗移栽至試驗(yàn)田內(nèi)，田間作物按常規(guī)方式進(jìn)行管理，于9月27日成熟后收獲。試驗(yàn)小區(qū)面積為40 m2，行距50 cm，株距25 cm，設(shè)4個(gè)重復(fù)，小區(qū)按完全隨機(jī)排列布置。

驗(yàn)證試驗(yàn)區(qū)：為了驗(yàn)證估算模型的魯棒性和普適性，筆者選取了建模試驗(yàn)區(qū)附近的農(nóng)民田塊，從而用獲取的數(shù)據(jù)驗(yàn)證所建估算模型的精確度。驗(yàn)證試驗(yàn)的甜菜品種和幼苗移栽時(shí)間與建模試驗(yàn)一致，施氮量為15 kg/hm2（當(dāng)?shù)靥鸩朔N植常規(guī)施肥量），田間管理和建模試驗(yàn)小區(qū)一致。

1.2冠層高光譜采集

采用美國ASD公司（Analytical Spectral Devices）生產(chǎn)的野外便攜式ASD Qualityspec光譜儀對甜菜冠層光譜進(jìn)行采集。光譜儀波段范圍為350～1 830 nm，其中，350～1 000 nm采樣間隔為1.4 nm，光譜分辨率為3 nm；1 000～1 830 nm光譜采樣間隔為2 nm，光譜分辨率為10 nm。光譜采集時(shí)間選擇在天氣晴朗、無風(fēng)、無云的10：00—14：00進(jìn)行，采集時(shí)光纖探頭垂直向下，距甜菜冠層1 m，探頭視場角為25°，每個(gè)樣點(diǎn)測量4次光譜，取平均值作為采樣點(diǎn)光譜，且每個(gè)試驗(yàn)小區(qū)光譜采集前進(jìn)行參考白板校正。

1.3葉片葉綠素含量測定

在試驗(yàn)過程中，在采集甜菜樣品冠層光譜后，用便攜式SPAD-502葉綠素計(jì)測定該樣品冠層葉片SPAD值，測量20次后求取平均值，以平均值作為該采樣小區(qū)的SPAD值，實(shí)現(xiàn)冠層光譜數(shù)據(jù)與葉片SPAD值的依次對應(yīng)。

1.4紅邊參數(shù)的計(jì)算

采用ASD光譜儀自帶的ViewSpecPro光譜分析軟件提取甜菜冠層高光譜的反射率，并求得波段680～760 nm范圍內(nèi)反射率的一階導(dǎo)數(shù)，從而計(jì)算出各個(gè)紅邊參數(shù)：紅邊振幅Dλ[HT5.]red[HT]，紅光范圍（680～760 nm）內(nèi)光譜反射率的一階導(dǎo)數(shù)的最大值；紅邊位置λred，紅邊振幅所對應(yīng)的波長；紅邊面積Sred，紅光范圍（680～760 nm）內(nèi)一階導(dǎo)數(shù)光譜包圍的面積；最小振幅Dλ[HT5.]min[HT]，紅光范圍（680～760 nm）內(nèi)光譜反射率的一階導(dǎo)數(shù)的最小值；紅邊振幅與最小振幅的比值，Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值；歸一化紅邊指數(shù)NREI，（Dλ[HT5.]red[HT]-Dλ[HT5.]min[HT]）/（Dλ[HT5.]red[HT]+Dλ[HT5.]min[HT]）。

2結(jié)果與分析

2.1紅邊特征參數(shù)對不同SPAD值的響應(yīng)特性

為分析甜菜紅邊參數(shù)（紅邊位置、紅邊振幅、紅邊面積）對不同SPAD值的響應(yīng)特性，隨機(jī)選取4組不同SPAD值所對應(yīng)的紅光范圍內(nèi)的一階導(dǎo)數(shù)光譜值（表1、圖1）。

當(dāng)SPAD值分別為39.1、43.0、45.3、52.4時(shí)，相對應(yīng)的紅邊位置分別為714、719、721、723 nm；紅邊振幅分別為0008 781、0.009 390、0.009 625、0.010 266；紅邊面積分別為 0.422 549、0.443 417、0.459 680、0.488 768（表1）。研究發(fā)現(xiàn)，隨著甜菜葉片SPAD值的升高，紅邊位置向長波方向移動，即“紅移”現(xiàn)象；紅邊振幅和紅邊面積也隨之增大（表1、圖1）。這和姚付啟等得出的冬小麥的傳統(tǒng)紅邊特征參數(shù)對不同SPAD值響應(yīng)規(guī)律是一樣的[4]。由此可以反映出甜菜的紅邊參數(shù)與SPAD值之間存在相關(guān)聯(lián)系。

2.2紅邊參數(shù)與SPAD值相關(guān)性分析

紅邊面積、紅邊振幅與SPAD值的相關(guān)性很低，沒有達(dá)到顯著水平，不適合用來作為SPAD值估算模型的變量；歸一化紅邊指數(shù)、Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值、紅邊位置與SPAD值呈正相關(guān)，最小振幅與SPAD值呈負(fù)相關(guān)，與SPAD的相關(guān)性均達(dá)到極顯著水平，其中以紅邊位置的相關(guān)性最高（表2）。因此，可以將歸一化紅邊指數(shù)、最小振幅、Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值和紅邊位置作為SPAD值估算模型的變量。

基于建模試驗(yàn)區(qū)168組樣品數(shù)據(jù)，分別將提取的歸一化紅邊指數(shù)、最小振幅、Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值和紅邊位置參數(shù)作為單一自變量，SPAD值作為因變量，對二者建立線性函數(shù)、指數(shù)函數(shù)、對數(shù)函數(shù)、冪函數(shù)以及二項(xiàng)式函數(shù)的回歸方程?；隍?yàn)證試驗(yàn)區(qū)119組數(shù)據(jù)，對所建立的估算模型進(jìn)行驗(yàn)證。以決定系數(shù)R2、均方根誤差RMSE和相對誤差RE來綜合評價(jià)估算模型的魯棒性和普適性。歸一化紅邊指數(shù)、最小振幅及Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值對SPAD值的最佳估算模型均為指數(shù)函數(shù)，R2分別為0.267 1、0.289 2、0.295 4，均方根誤差RMSE分別為 3.286 3、3.279 1、3.277 2，相對誤差RE分別為5.91%、5.59%、5.97%；紅邊位置對SPAD值的最佳估算模型為一元線性函數(shù)，決定系數(shù)R2為0.310 9，均方根誤差RMSE為 2.681 8，相對誤差RE為4.83%。綜合各個(gè)紅邊參數(shù)的最佳估算模型來看，基于紅邊位置的一元線性估算模型的精度最高（表3、圖2）。[FL）]

2.4多元線性回歸模型

多元線性回歸分析就是研究因變量與2個(gè)或2個(gè)以上自變量的回歸問題。若因變量y與自變量（x1，x2，…，xk）具有線性關(guān)系，它們之間的線性回歸模型可以表示為：

[JZ]y=a0+a1x1+a2x2+…+akxk。

式中：a為回歸常數(shù)；a1，a2，…，ak為回歸系數(shù)；x1，x2，…，xk為引入的顯著變量。

歸一化紅邊指數(shù)、最小振幅、Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值及紅邊位置與甜菜冠層SPAD值都具有較好的一元線性關(guān)系，為了尋求精度更高的估算模型，建立上述4個(gè)顯著變量與甜菜冠層SPAD值的多元線性回歸模型（表3）。

[JP3]經(jīng)過MATLAB軟件的分析處理，建立的多元線性回歸模型為y=-9 171.45×Dλ[HT5.]min[HT]+1.55×（Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]）+0.66×λred-12282×NREI-338.72，其R2為0.405 0，比紅邊位[JP]置的最佳估算模型提高了30.3%，在預(yù)測效果中，均方根誤差為 2.785 9，相對誤差為4.79%，估算精度也得到了提高（圖3）。[JP]

3結(jié)論與討論

本研究通過獲取的甜菜冠層高光譜反射率及葉片SPAD值數(shù)據(jù)，分析了紅邊參數(shù)對不同SPAD值的響應(yīng)特性，并建立了各個(gè)紅邊參數(shù)與SPAD值的相關(guān)性分析以及5種函數(shù)的估算模型，最后將歸一化紅邊指數(shù)、最小振幅、Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值及紅邊位置作為顯著變量進(jìn)行多元線性回歸分析，得出以下結(jié)論：

（1）在不同SPAD值下，紅邊參數(shù)的響應(yīng)特性具體表現(xiàn)為隨著SPAD值的升高，紅邊位置發(fā)生“紅移”現(xiàn)象，紅邊振幅和紅邊面積隨之增大；隨著SPAD值的降低，紅邊位置發(fā)生“藍(lán)移”現(xiàn)象，紅邊振幅和紅邊面積隨之減小。

（2）在相關(guān)性分析中，紅邊振幅和紅邊面積與SPAD值沒有達(dá)到顯著相關(guān)水平，歸一化紅邊指數(shù)、最小振幅、Dλ[HT5.]red[HT]/Dλ[HT5.]min[HT]值及紅邊位置與SPAD值達(dá)到極顯著相關(guān)水平。

（3）在各個(gè)紅邊參數(shù)對SPAD值的估算模型中，基于紅邊位置的一元線性估算模型的精度最高（RMSE=2.681 8，RE=[HJ]

（4）通過多元線性回歸分析，其模型的決定系數(shù)比紅邊位置的最佳估算模型提高了30.3%，其估算精度也高于各個(gè)紅邊參數(shù)對SPAD值估算模型的精度。

由于本研究的結(jié)論是在單一因素（N）營養(yǎng)控制下得出的，而對于甜菜在更為復(fù)雜的實(shí)際生長環(huán)境下，所得出的結(jié)論有待進(jìn)一步驗(yàn)證。例如，在缺水、蟲害等環(huán)境下，紅邊參數(shù)與葉片SPAD值的關(guān)系以及響應(yīng)特性有待進(jìn)一步研究。

[HS2*3][HT8.5H]參考文獻(xiàn)：

[1]馮偉，朱艷，田永超，等. 基于高光譜遙感的小麥冠層葉片色素密度監(jiān)測[J]. 生態(tài)學(xué)報(bào)，2008，28（10）：4902-4911.

[2]孫紅，李民贊，趙勇，等. 冬小麥生長期光譜變化特征與葉綠素含量監(jiān)測研究[J]. 光譜學(xué)與光譜分析，2010，30（1）：192-196.

[3]宋文沖，胡春勝，程一松，等. 作物氮素營養(yǎng)診斷方法研究進(jìn)展[J]. 土壤通報(bào)，2006，37（2）：369-372.

[4]姚付啟，蔡煥杰，李亞龍，等. 基于紅邊參數(shù)的冬小麥SPAD高光譜遙感監(jiān)測[J]. 中國農(nóng)村水利水電，2015（3）：84-87.

[5]Horler D H，Barber J，Barringer A R. Effects of heavy metals on the absorbance and reflectance spectra of plants[J]. International Journal of Remote Sensing，1980，1（2）：121-136.

[6]Strachan I B，Pattey E，Boisvert J B. Impact of nitrogen and environment conditions on corn as detected by hyperspectral reflectance[J]. Remote Sensing of Environment，2002，80（2）：213-224.

[7]Hansen P M，Schjoerring J K. Reflectance measurement of canopy biomass and nitrogen statue in wheat crops using normalized difference vegetation indices and partial least squares regression[J]. Remote Sensing of Environment，2003，86（4）：542-553.

[8]姚付啟，張振華，楊潤亞，等. 基于紅邊參數(shù)的植被葉綠素含量高光譜估算模型[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009，25（增刊2）：123-129.

[9]朱詠莉，李萍萍，毛罕平，等. 生菜葉片光譜紅邊參數(shù)對氮營養(yǎng)的響應(yīng)特征分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（11）：174-177.[ZK）]

[10]張永賀，郭嘯川，褚武道，等. 基于紅邊位置的木荷葉片葉綠素含量估測模型研究[J]. 紅外與激光工程，2013，42（3）：798-804.[JP][ZK）][HT][HJ][FL）]