武威 陳雯 陳瑛瑛 劉濤 孫成明

（揚州大學(xué)江蘇省作物遺傳生理重點實驗室/糧食作物現(xiàn)代產(chǎn)業(yè)技術(shù)協(xié)同創(chuàng)新中心，江蘇揚州225009；*通訊作者：cmsun@yzu.edu.cn）

水稻是我國主要的糧食作物，種植面積大，分布范圍廣，收獲指數(shù)高，在我國糧食生產(chǎn)和糧食安全中占有重要地位。由于水稻屬于喜陽喜濕作物，對氣候變化較為敏感，為了更好地穩(wěn)定和提高水稻產(chǎn)量，需要全面認(rèn)識和了解水稻生長發(fā)育規(guī)律。近年來，高光譜技術(shù)已在水稻營養(yǎng)元素診斷和監(jiān)測[1]、逆境生理研究[2]、葉綠素含量監(jiān)測[3]、株型識別[4]、葉面積指數(shù)估算[5]、生物量估測[6]等方面得到廣泛應(yīng)用，使用高光譜技術(shù)監(jiān)測水稻長勢已經(jīng)成為主流。

植被葉片的光譜特征是由于其化學(xué)組成分子結(jié)構(gòu)中的化學(xué)鍵在一定的輻照水平下吸收特定波長的輻射能，從而產(chǎn)生了不同光譜反射率的結(jié)果。綠色植被的光譜曲線與其他非綠色物體（如土壤、巖石、水體等）存在明顯差異，這也是用來區(qū)分綠色植物的客觀依據(jù)。植被的光譜特征是由其組織結(jié)構(gòu)、生化成分以及形態(tài)學(xué)特征決定的，不同的組織結(jié)構(gòu)和生化成分對植被葉片光譜的影響范圍以及影響程度均不同[7]。不同作物類型、不同營養(yǎng)狀態(tài)具有相似的光譜變化趨勢，但冠層光譜反射率的大小受諸多因素影響，如作物種類、作物群體冠層結(jié)構(gòu)、生長狀況以及天氣狀況等。植被在350～2 500 nm波段范圍內(nèi)具有典型的光譜反射特征，且不同波段的光譜反應(yīng)了植株不同的結(jié)構(gòu)特征[8]。本文擬從品種和生育時期的角度對水稻冠層光譜特性展開研究，分析不同生育期品種間光譜反射率差異和同一品種不同生育期光譜反射率的變化趨勢，為精確指導(dǎo)高光譜技術(shù)在水稻上的應(yīng)用提供參考。

1 材料與方法

1.1 試驗地點

本試驗于2015-2016年在揚州大學(xué)農(nóng)學(xué)院試驗場進(jìn)行。試驗地前茬為小麥，土壤質(zhì)地為砂壤土，0～20 cm土層有機(jī)質(zhì)含量為20.74 g/kg，全氮為1.33 g/kg，堿解氮為91.10 mg/kg，速效鉀為84.53 mg/kg，速效磷為43.52 mg/kg。

1.2 試驗設(shè)計

試驗選用不同株型的2個粳稻和2個秈稻品種為材料：連粳7號、淮稻5號、甬優(yōu)2640和揚兩優(yōu)6號。于2015年5月12日播種，6月13日移栽，小區(qū)面積12 m2，移栽時株行距為15 cm×25 cm，粳稻每叢插2株，秈稻每叢插1株，3個重復(fù)。施氮總量為200 kg/hm2，基肥∶穗肥=6∶4；磷鉀肥用量150 kg/hm2，全部作基肥。全生育期栽培措施按照高產(chǎn)栽培要求進(jìn)行。

1.3 數(shù)據(jù)采集

冠層光譜數(shù)據(jù)采用美國ASD FieldSpec FR 2500野外便攜式地物波譜儀測量，光譜儀的前視場角為25°，波段范圍為350～2 500 nm，其中，350～1 000 nm光譜采樣間隔為1.4 nm，光譜分辨率為3 nm，1 000～2 500 nm光譜采樣間隔為2 nm，光譜分辨率為10 nm，使用前預(yù)熱15～30 min。選擇晴朗、無風(fēng)或微風(fēng)、無云天氣，在各品種水稻的拔節(jié)期、孕穗期、抽穗期/開花期、灌漿期分別測定冠層光譜，測定時間為10∶00-14∶00，傳感器探頭垂直向下，距離冠層高度約1 m，每小區(qū)測3行，每行測3個不同點，每個點測10次，取平均值作為該小區(qū)的光譜反射率，每個小區(qū)測定前后立即進(jìn)行白板校正。

圖1 水稻主要生育期不同品種光譜曲線

1.4 數(shù)據(jù)分析

用ASD ViewSpec Pro軟件讀取源光譜數(shù)據(jù)，將原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，取其平均值作為該處理的光譜值。由于1 300～2 500 nm是水分主導(dǎo)波段，噪聲較大，所以只選擇350～1 300 nm波段進(jìn)行相關(guān)處理。用MATLABR2016a對光譜數(shù)據(jù)進(jìn)行去噪處理，平滑方法為移動平滑法。

2 結(jié)果與分析

2.1 不同品種水稻冠層光譜差異

由圖1可知，4個品種在拔節(jié)期的光譜反射率差異較大，揚兩優(yōu)6號光譜反射率在350～1 300 nm波段均高于其他品種，甬優(yōu)2640光譜反射率在750～1 300 nm波段高于2個粳稻品種，且與揚兩優(yōu)6號持平，淮稻5號光譜反射率在750～1 300 nm波段略高于連粳7號。孕穗期不同品種光譜反射率在350～750 nm波段范圍內(nèi)差異明顯減小，在750～1 300 nm波段差異較明顯，揚兩優(yōu)6號在該波段反射率大幅高于其他品種。抽穗/開花期不同品種光譜反射率在350～750 nm波段范圍內(nèi)趨于一致，在750～1 300 nm波段差異明顯減小，甬優(yōu)2640在該波段反射率略高于其他品種。灌漿期不同品種光譜反射率在350～750 nm波段范圍內(nèi)趨于一致，在750～1300 nm波段揚兩優(yōu)6號光譜反射率明顯高于其他品種，但甬優(yōu)2640、連粳7號和淮稻5號在該波段反射率趨于一致。

2.2 同一水稻品種不同生育期冠層光譜差異

由圖2可知，甬優(yōu)2640在350～750 nm波段的不同生育期光譜反射率差異很小，但在750～1 300 nm波段拔節(jié)期的光譜反射率明顯高于其他時期。連粳7號在350～750 nm波段的不同生育期光譜反射率差異也很小，但在750～1 300 nm波段拔節(jié)期的光譜反射率明顯低于其他時期?；吹?號在350～750 nm波段拔節(jié)期的光譜反射率略高于其他時期，在750～1 300 nm波段拔節(jié)期的光譜反射率明顯低于其他時期。揚兩優(yōu)6號在350～1 300 nm波段拔節(jié)期的光譜反射率明顯高于其他時期，在750～1 300 nm波段抽穗/開花期的光譜反射率明顯低于其他時期。

3 結(jié)論與討論

總體上看，不同品種在350～750 nm波段光譜反射率差異很小，且隨著生育期的推進(jìn)，品種間在750～1 300 nm波段的光譜反射率差異也逐漸減小。在拔節(jié)期品種間光譜反射率差異最大，且秈稻品種（甬優(yōu)2640和揚兩優(yōu)6號）在750～1 300 nm波段光譜反射率明顯高于粳稻品種（連粳7號和淮稻5號）。拔節(jié)期揚兩優(yōu)6號在350～750 nm波段光譜反射率明顯高于其他品種，孕穗期揚兩優(yōu)6號在750～1 300 nm波段光譜反射率明顯高于其他品種，灌漿期揚兩優(yōu)6號在750～1 300 nm波段光譜反射率明顯高于其他品種，說明揚兩優(yōu)6號光譜反射率與其他品種存在很大差異。從同一品種不同生育期水稻光譜反射率變化來看，每個品種隨著生育進(jìn)程的推進(jìn)光譜反射率有著明顯的變化，尤其是拔節(jié)期的光譜反射率，在750～1 300 nm波段表現(xiàn)為秈稻品種拔節(jié)期的光譜反射率明顯高于其他時期，粳稻品種拔節(jié)期的光譜反射率明顯低于其他時期。在350～1 300 nm波段，仍是揚兩優(yōu)6號在不同生育期的光譜反射率波動最大。

圖2 同一品種不同生育期水稻光譜曲線

前人對不同品種水稻的生長進(jìn)行了光譜監(jiān)測試驗研究，但所選品種均為粳稻，同時在光譜差異上也沒有具體的分析[9]。也有人利用光譜反演了水稻葉片的氮素含量，但品種少（1個品種）、時期少（1個時期），結(jié)果不具備代表性。本研究選擇2個秈稻品種和2個粳稻品種作為研究對象，分別測定拔節(jié)期、孕穗期、抽穗/開花期和灌漿期的水稻冠層光譜反射率。結(jié)果表明，同一時期不同品種間水稻冠層光譜反射率存在一定差異，同一品種不同時期水稻冠層光譜反射率也存在一定差異，結(jié)果反映了不同品種、不同時期的水稻冠層光譜特征。因此，在今后水稻高光譜的研究中，應(yīng)考慮不同品種和不同生育期的影響。由于受到試驗材料及人力等因素的影響，本研究所選的品種仍相對偏少，秈稻與粳稻品種的差異還需進(jìn)一步研究確定，揚兩優(yōu)6號與其他品種的特殊差異也需作進(jìn)一步驗證。

[1]Stroppiana D,Boschetti M,Brivio P A,et al.Plant nitrogen concentration in paddy rice from field canopy hyperspectral radiometry[J].Field Crop Res,2009,111（1）:119-129.

[2]鄭志雄，齊龍，馬旭，等.基于高光譜成像技術(shù)的水稻葉瘟病病害程度分級方法[J].農(nóng)業(yè)工程學(xué)報，2013，29（19）：138-144.

[3]楊杰，田永超，姚霞，等.水稻上部葉片葉綠素含量的高光譜估算模型[J].生態(tài)學(xué)報，2009，29（12）：6 561-6 571.

[4]張浩，歐陽由男，王會民，等.識別不同水稻株型的高光譜模式方法的建立[J].核農(nóng)學(xué)報，2010，24（6）：1 274-1 279.

[5]楊曉華，黃敬峰，王秀珍，等.基于支持向量機(jī)的水稻葉面積指數(shù)高光譜估算模型研究[J].光譜學(xué)與光譜分析，2008，28（8）：1 837-1 841.

[6]Thenkabail P S,Smith R B,Pauw E D.Hyperspectral vegetation Indices and their relationships with agricultural crop characteristics[J].Remote Sens Environ,2000,71（2）:158-182.

[7]梁守真，施平，馬萬棟，等.植被葉片光譜及紅邊特征與葉片生化組分關(guān)系的分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報，2010，18（4）：804-809.

[8]王紀(jì)華，趙春江，黃文江.農(nóng)業(yè)定量遙感基礎(chǔ)與應(yīng)用[M].北京：科學(xué)出版社，2008.

[9]殷麗萍，鄒忠，王冬梅，等.水稻不同品種光譜監(jiān)測試驗研究[J].現(xiàn)代農(nóng)業(yè)科技，2016（19）：13-15.

[10]王樹文，趙越，王麗鳳，等.基于高光譜的寒地水稻葉片氮素含量預(yù)測[J].農(nóng)業(yè)工程學(xué)報，2016，32（10）：187-194.

[11]張國圣，許童羽，于豐華，等.基于高光譜的水稻葉片氮素估測與反演模型[J].浙江農(nóng)業(yè)學(xué)報，2017，29（5）：845-849.