劉延 吳秋菊 舒清態(tài)

摘要：為無損快速檢測基于單位重量的煙葉鉀元素含量，應用ASD Field Spec 3 便攜式地物光譜儀采集了曲靖市大莫古鎮(zhèn)主栽品種云煙97號不同長勢的煙草葉片光譜，測定了相應煙葉的鉀元素含量；利用光譜分析技術(shù)提取煙草葉片光譜特征變量，并分析了烤煙葉片鉀元素含量與原始光譜、光譜一階微分及高光譜特征變量間的相關性；采用多元逐步回歸分析的方法，建立了基于光譜特征單變量估測鉀含量模型并進行該模型的精度檢驗。結(jié)果表明，鉀元素（K）與原始光譜反射率的相關系數(shù)在350 nm波長處最大；鉀元素（K）與光譜一階微分在1 089 nm波長處極顯著負相關（相關系數(shù)為-0.661），在2 297 nm處極顯著正相關（相關系數(shù)為0.710）；鉀元素與高光譜特征變量綠邊面積（SDg）的相關系數(shù)最大。綜合來看，基于葉片光譜反射率一階微分的鉀元素回歸模型對煙草葉片鉀含量的估測精度較高，估測效果較好。

關鍵詞：煙葉；鉀含量；光譜特征；估測模型

中圖分類號：S127+S572文獻標識號：A文章編號：1001-4942（2018）04-0138-04

Abstract To quickly detect the potassium content per unit weight in tobacco leaves nondestructively， the leaf spectrums of Yunyan 97 as the main cultivar in Damogu Town，Qujing City with different growth vigor were collected by the ASD Field Spec 3 portable ground object spectrometer. The potassium contents of corresponding leaves were determined in lab. With the spectral analysis technology， the variables of spectral characteristics of tobacco leaves were extracted to analysis the correlations between the potassium content and original spectrum， the first derivative of the spectrum and hyperspectral characteristics. By the method of multiple stepwise regression， the potassium content estimation model was established based on the single variable of spectral characteristics， and the accuracy of the model was tested. The results showed that the correlation coefficient between K content and original spectral reflectance was the largest at 350 nm. The correlation between K and the first derivative of the spectrum was negatively extremely significant at 1 089 nm with the value of -0.661， and positively extremely significant at 2 297 nm with the value of 0.710. The correlation coefficient between K and green peak area （SDg） was the largest. To sum up， the regression model based on the first derivative of spectral reflectance had higher accuracy and better estimation effects of the potassium content in tobacco leaves.

Keywords Tobacco leaf； Potassium content； Spectral characteristics； Estimation model

在優(yōu)質(zhì)煙草的實際生產(chǎn)當中，科學的礦質(zhì)營養(yǎng)管理充當著極其重要的角色，一定條件下的營養(yǎng)失調(diào)都會通過外部癥狀來表現(xiàn)[1]。鉀元素是植被正常生長所必需的三大元素之一，具有可以提高光合作用強度、促進作物體內(nèi)淀粉和糖形成、增強作物抗逆性和抗病能力及提高作物對氮的吸收利用等作用。缺鉀會導致煙草葉尖和葉片邊緣出現(xiàn)黃色斑點和壞死斑，隨著缺鉀程度的加重，煙草葉片變?yōu)榧t棕色或干枯狀直至葉片脫落。由于植物對鉀具有奢侈性吸收的特點，過量施用鉀肥，不僅浪費肥料，提高生產(chǎn)成本，而且抑制植物對鎂、鈣的吸收，影響作物產(chǎn)量和品質(zhì)[2]。因此，合理施用鉀肥，進行科學合理的田間管理，對于確保煙株正常生長發(fā)育、提高煙葉產(chǎn)量和品質(zhì)具有重要意義，對推動精細農(nóng)業(yè)的發(fā)展具有積極作用。

隨著高光譜遙感的日益推廣，基于光譜特征的無損研究成為熱點，但目前針對植物光譜特征的研究主要集中在糧食作物上，對于煙草等高附加值植物的研究還很少，而且多是有關氮（N）、磷（P）肥的研究，針對鉀（K）元素在煙草生長周期內(nèi)的光譜研究少見報道。Tarpley 等[3]研究認為基于紅邊與近紅外波長的比值進行氮素含量預測，能得到理想的精度。付虎燕等[4]通過提取光譜特征變量，采用回歸分析建立了葉綠素含量估測模型，得到與葉綠素a、b相關系數(shù)最大的高光譜特征變量λb與SDr/SDb。朱燕等[5]的研究得出610、660、680 nm處的稻麥冠層反射率與葉片氮素含量相關系數(shù)較高。邢雪霞等[6]通過提取植被指數(shù)后建立煙堿含量的估測模型發(fā)現(xiàn)，主成分分析建模方法對煙堿含量的估測精度極好，SDr/SDb與煙堿含量的相關系數(shù)最大。李向陽等[7]研究得出差異性供養(yǎng)條件下煙草葉片光譜曲線存在明顯差異。呂小娜[8]研究表明，隨著施氮量的增加，原始冠層光譜經(jīng)一階導數(shù)處理后呈現(xiàn)出向長波方向移動的趨勢，“雙峰”現(xiàn)象更加明顯，烤煙冠層的紅邊位置變化不明顯，但紅邊面積與紅邊幅值呈增加趨勢；同一生育時期內(nèi)各部位葉片的紅邊位置均發(fā)生 “紅移”現(xiàn)象。李向陽[9]以煙草NC89為研究材料發(fā)現(xiàn)，在可見光范圍內(nèi)，煙草冠層反射率隨施磷量的增大呈現(xiàn)出下降的趨勢。

本試驗以主栽品種云煙97號為研究對象，對田間煙葉高光譜參數(shù)與鉀含量的關系進行分析，旨在建立適于田間煙葉鉀含量估測的模型，為檢測煙葉生長狀況和煙田施肥及精細農(nóng)業(yè)發(fā)展提供參考。

1 材料與方法

1.1 試驗設計

試驗于2017 年在云南省陸良縣大莫古鎮(zhèn)煙草種植基地進行，供試煙草品種為云煙97號，移栽期4月20日。在移栽后40天隨機獲取田間煙葉樣品，樣本涵蓋不同長勢（優(yōu)、中、良）健康植株，選取單株上、中、下部葉，每片葉各測定4次，獲得12個光譜反射率曲線，利用軟件ViewSpecPro進行統(tǒng)計處理，取均值作為單株煙草的葉片光譜反射率。對供試葉片稱重、編號后迅速低溫貯存，用于實驗室鉀含量的測定。

1.2 光譜及生化參數(shù)測定方法

1.2.1 光譜數(shù)據(jù)采集 采用Field Spec 3 便攜式地物光譜儀測定烤煙葉片光譜反射率，光譜分辨率在350～1 500 nm范圍內(nèi)為3 nm，采樣間隔為1.4 nm；1 500～2 500 nm范圍內(nèi)為10 nm，采樣間隔為2 nm。選擇晴朗無風的天氣，測定田間非離體狀態(tài)的煙葉光譜數(shù)據(jù)，測定時間為10—15時，選用10°光譜儀視場角，探頭垂直向下，與采集樣本的垂直距離為30 cm。定時進行系統(tǒng)優(yōu)化和白板校正，記錄12個光譜數(shù)據(jù)，計算其平均值作為一次采樣光譜。

1.2.2 鉀含量測定 參照YC/T 217—2007檢測標準，采用連續(xù)流動法測定煙葉鉀（K）含量（質(zhì)量分數(shù)）。

1.3 數(shù)據(jù)處理

1.3.1 光譜數(shù)據(jù)預處理及分析 利用ViewSpecPro軟件加載原始光譜數(shù)據(jù)并剔除掉因水汽吸收和受系統(tǒng)誤差影響明顯的1 314～1 399、1 749～1 999、2 351～2 500 nm范圍內(nèi)的波段。完成后對剩余的原始光譜反射曲線采用Savitzky-Golay濾波器進行去噪，該濾波器可以很好地對噪聲進行平滑，同時又保證了數(shù)據(jù)的真實性，其原理為：

其中：Yi為濾波后的高光譜數(shù)據(jù)；Cj為濾波系數(shù)；Yi+j為原始光譜數(shù)據(jù)；滑動窗口包含數(shù)據(jù)點2n+1為M。

而后對平滑數(shù)據(jù)進行光譜一階微分處理，提取煙草高光譜特征。擬提取的高光譜特征參數(shù)見表1[10]。

1.3.2 高光譜數(shù)據(jù)統(tǒng)計分析 隨機選取30個樣本進行鉀（K）元素含量的估測模型建立，另選10個樣本用于模型精度驗證。利用Microsoft Excel 2007和PASW Statistics 18對經(jīng)預處理后的光譜數(shù)據(jù)進行制圖及相關分析等。

2 結(jié)果與分析

2.1 鉀含量與高光譜反射率的關系

2.1.1 經(jīng)Savitzky-Golay濾波器平滑后的原始光譜反射率與鉀含量的相關性 經(jīng)平滑去噪后的煙葉光譜反射率曲線見圖1。由圖2可知，平滑后的光譜反射率與鉀（K）含量的相關性主要表現(xiàn)在：350～1 105 nm波段范圍內(nèi)煙葉光譜反射率與鉀（K）含量呈正相關關系，其中422～480、509～528、634～691 nm波段達到顯著水平（P<0.05），350～421、482～508 nm波段內(nèi)達到極顯著水平（P<0.01），且在350 nm處相關系數(shù)最大，達到0.578；1 106～1 313、1 400～1 748、2 001～2 350 nm范圍內(nèi)煙葉光譜反射率與K含量呈負相關關系。

2.1.2 光譜一階微分處理與鉀含量的相關性 從圖3可以看出，在0.05顯著水平下，正相關波段主要集中在428～468、1 216～1 236、1 452～1 454、2 061～2 298、2 313～2 354 nm等波段范圍內(nèi)；負相關波段主要集中在350～355、385～411、656～669、1 280～1 313、1 400～1 431 nm等波段范圍內(nèi)。在0.01極顯著水平下，光譜反射率一階微分與鉀含量達到極顯著正相關的波段主要集中在439～449、454～472、2 294～2 297 nm波段范圍內(nèi)，其中在2 297 nm處相關系數(shù)最大，為0.710；達到極顯著負相關的波段集中在356～364、390～409、1 055～1 068、1 087～1 110、1 176～1 179、1 262～1 274 nm等波段范圍內(nèi)，其中在1 089 nm處相關系數(shù)達到極值-0.661。

2.2 高光譜特征參數(shù)與鉀含量的相關性

從表2可以得出，鉀元素與高光譜特征變量中位置及面積變量的藍邊幅值（Db）、藍峰面積（SDb）、紅邊幅值（Dr）和綠峰反射率 （ρg）顯著相關，與藍邊位置（λb）、綠邊面積（SDg）和紅光吸收谷幅值 （ρr）極顯著相關；與植被變量中的 （SDr-SDb）/（SDr+SDb ）顯著負相關。其中鉀元素與高光譜特征參數(shù)綠邊面積（SDg）的相關性最高。

2.3 鉀含量估測模型的建立及精度驗證

根據(jù)上述分析結(jié)果，選取與煙草葉片鉀含量相關性達0.01極顯著水平的高光譜參數(shù)——藍邊位置、綠邊面積、紅光吸收谷幅值，采用多元逐步回歸分析方法，建立鉀元素與原始光譜反射率及一階微分反射率的估測模型，并對估測模型進行檢驗，結(jié)果（表3）表明，基于煙草光譜一階微分選取極顯著波段然后采用逐步回歸分析所建立的模型，估測值和實測值的R2最高，均方差（RMSE）和相對誤差（RE）值最小。

3 結(jié)論

（1） 鉀元素（K）與原始光譜反射率的相關系數(shù)在350 nm波長處最大，達到0.578 2。K與光譜一階微分的相關系數(shù)在1 089 nm波長處達到負的極顯著水平，極值為-0.661；在2 297 nm處達到正的極顯著水平，極值為0.710。 鉀元素與高光譜特征變量綠邊面積（SDg）的相關系數(shù)最大，為0.460；紅光吸收谷幅值次之（ρr），為0.451。

（2）基于煙草光譜一階微分選取極顯著波段采用逐步回歸分析方法所建立的模型y=525.574x2297-924.852x1459+1944.640x439-452.558x1109+0.584，估測值和實測值的R2最高，均方差（RMSE）和相對誤差（RE）值最小，被選作檢測云煙97號煙草葉片鉀含量的最優(yōu)估測模型。

參 考 文 獻：

[1] Layten D D， Nielsen M T. Tobacco—Production， chemistry and technology [M]. Beijing： Chemical Industry Press， 2003.

[2] 周冀衡，朱小平，王彥亭，等. 煙草生理與生物化學[M]. 合肥：中國科學技術(shù)大學出版社，1996.

[3] Tarpley L， Raja R K， Gretchen F. Reflectance indices with precision and accuracy in predicting cotton leaf nitrogen [J]. Crop Science， 2000， 40（6）：1814-1819.

[4] 付虎燕，張軍，舒清態(tài)，等. 貴州喀斯特山區(qū)煙葉高光譜參數(shù)與葉綠素含量的關系[J]. 煙草科技，2015，48（2）： 21-26.

[5] 朱燕，李映雪，周冬琴，等. 稻麥葉片氮含量與冠層反射光譜的定量關系[J]. 生態(tài)學報，2006，26（10）： 3463-3469.

[6] 邢雪霞，張童，劉冰洋，等. 基于高光譜的烤煙煙堿含量估測模型研究[J]. 山東農(nóng)業(yè)科學，2016，48（6）：142-146.

[7] 李向陽，劉國順，楊永鋒，等. 烤煙葉片高光譜參數(shù)與多種生理生化指標關系研究[J]. 中國農(nóng)業(yè)科學，2007，40（5）：987-994.

[8] 呂小娜.不同供氮水平烤煙冠層光譜特性及其農(nóng)學參數(shù)估測[D].成都：四川農(nóng)業(yè)大學，2012.

[9] 李向陽.煙草高光譜特性與農(nóng)藝生理品質(zhì)指標的關系和估測模型研究[D].鄭州：河南農(nóng)業(yè)大學，2007.

[10]黃敬峰，王福民，王秀珍. 水稻高光譜遙感實驗研究[M]. 杭州：浙江大學出版社，2010.