丁雅 王振錫 瞿余紅 劉玉霞 李園

(新疆農(nóng)業(yè)大學(xué) ，烏魯木齊，830052)

N素是植物的三大主要營養(yǎng)元素之一，直接或間接影響植物的生長發(fā)育。而且，臨界期施用N肥對(duì)作物和果樹的產(chǎn)量、質(zhì)量、品質(zhì)等具有重要影響。傳統(tǒng)的N素檢測(cè)主要通過常規(guī)室內(nèi)化學(xué)定量分析、看苗施肥和葉色卡等定性與半定量的方法進(jìn)行。這些檢測(cè)手段不僅具有破壞性，而且費(fèi)時(shí)、費(fèi)力，檢測(cè)成本高[1]，不適宜于大面積植被養(yǎng)分快速監(jiān)測(cè)[2]。近年來，高光譜技術(shù)作為農(nóng)作物N素質(zhì)量分?jǐn)?shù)無損定量檢測(cè)的方法受到學(xué)術(shù)界的廣泛關(guān)注，其實(shí)時(shí)、快速、精準(zhǔn)、無損獲取作物生長狀況及植株生化組分信息的特點(diǎn)，為作物N素營養(yǎng)的無損監(jiān)測(cè)提供了新的技術(shù)手段和方法[3]。許多學(xué)者在植被葉片光譜與N素質(zhì)量分?jǐn)?shù)關(guān)系方面開展了大量研究。張國圣等[4]開展的水稻(Oryzasativa)葉片氮素估測(cè)表明，光譜數(shù)據(jù)的一階微分變換能夠提高光譜數(shù)據(jù)與水稻葉片氮素質(zhì)量分?jǐn)?shù)的相關(guān)性，且與其他生育期相比，水稻齊穗期構(gòu)建的模型最優(yōu)。李永梅等[5]研究發(fā)現(xiàn)，水稻在分蘗期葉片氮素質(zhì)量分?jǐn)?shù)與歸一化差值植被指數(shù)的建模效果較好。由于植被水分狀況對(duì)氮素質(zhì)量分?jǐn)?shù)具有一定影響，當(dāng)水分脅迫時(shí)，能夠造成植物光譜紅邊位置等發(fā)生偏移，可以采用微分光譜構(gòu)建紅邊面積光譜參量估測(cè)棉花(Gossypiumspp.)葉片氮素質(zhì)量分?jǐn)?shù)[6]。在玉米(Zeamays)拔節(jié)期[7]、開花吐絲期[8]和玉米灌漿期[9]對(duì)氮素質(zhì)量分?jǐn)?shù)能夠進(jìn)行有效估測(cè)，指導(dǎo)作物的施肥量[10]。冬小麥(Triticumaestivum)在拔節(jié)期、抽穗期和灌漿期[11-13]，以光譜指數(shù)DS，I(771,755)為自變量，利用逐步回歸、偏最小二乘法建立的回歸模型檢驗(yàn)精度相對(duì)較高[14]。此外，部分學(xué)者還開展了不同光譜轉(zhuǎn)換后，以單一敏感波段、構(gòu)建光譜參量等為自變量構(gòu)建了蘋果(Maluspumila)[15-16]、楊屬(Populus)[17]梨(Pyrusspp.)[18]、桃(Amygdalus)[19]、橡膠(Heveabrasiliensis)[20]等樹種葉片光譜估算氮素質(zhì)量分?jǐn)?shù)的模型，并取得了較好的效果。綜上，植被葉片光譜與N素質(zhì)量分?jǐn)?shù)關(guān)系研究主要集中在作物方面，木本植被方面的研究相對(duì)較少。此外，合理的光譜數(shù)據(jù)轉(zhuǎn)換、適宜的光譜特征變量和模型類型的選擇均能夠在不同程度上提高氮素質(zhì)量分?jǐn)?shù)擬合模型的精度。新疆棗(Ziziphu)種植面積達(dá)150萬hm2，占全疆林果總面積的30%以上，已成為新疆第一大林果樹種。由于存在栽培、管理技術(shù)落后，缺乏科學(xué)施肥和營養(yǎng)診斷技術(shù)等問題，已經(jīng)嚴(yán)重制約了新疆棗產(chǎn)業(yè)健康快速發(fā)展。高效、無損的N素質(zhì)量分?jǐn)?shù)監(jiān)測(cè)技術(shù)能夠指導(dǎo)果農(nóng)自主施肥，減少盲目施肥的弊端。從棗的需肥規(guī)律來看，6月份為棗樹開花期，這一時(shí)期棗樹開花坐果與幼果生長同時(shí)進(jìn)行，對(duì)N肥的需求量較大。鑒于此，文中以阿克蘇地區(qū)紅旗坡農(nóng)場(chǎng)規(guī)模栽植的棗為研究對(duì)象，通過分析6月份棗葉片高光譜與N素質(zhì)量分?jǐn)?shù)的相關(guān)關(guān)系，建立基于高光譜的棗葉片N素質(zhì)量分?jǐn)?shù)估測(cè)模型，為實(shí)時(shí)快速地開展棗營養(yǎng)診斷、長勢(shì)監(jiān)測(cè)等提供有效途徑，為衛(wèi)星遙感大面積營養(yǎng)診斷提供技術(shù)支撐。

1 材料與方法

1.1 材料

新疆阿克蘇地區(qū)因其獨(dú)特的氣候和光熱條件，為棗的生長提供了適宜的環(huán)境。本研究于2016年6月份，在新疆阿克蘇地區(qū)紅旗坡農(nóng)場(chǎng)隨機(jī)選取8個(gè)棗生產(chǎn)園，每個(gè)生產(chǎn)園隨機(jī)選取生長旺盛，樹齡為7 a的8棵樣株。為了兼顧不同光照分布下葉片N素質(zhì)量分?jǐn)?shù)情況，在水平方向上每棵樣株分別從陰面、中面和陽面三個(gè)方向確定采樣區(qū)域，在垂直方向上以葉片生長較穩(wěn)定、受到外界干擾較少的樹冠中部由上至下采集3片葉片。葉片采集后，放置密封袋中暫存，并迅速帶回實(shí)驗(yàn)室進(jìn)行葉片光譜和N素質(zhì)量分?jǐn)?shù)測(cè)定，共采集192個(gè)葉樣(576個(gè)葉片)。

1.2 光譜反射率數(shù)據(jù)測(cè)定

高光譜反射率測(cè)定采用美國公司生產(chǎn)的(FieldSpec4-Hi-Res)高光譜ASD測(cè)定儀，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，光譜辨率為10 nm，輸出波段數(shù)為2 151(光譜采樣間隔為1 nm)。測(cè)定葉片是在可控制光照條件的室內(nèi)進(jìn)行。將葉樣置于黑色橡膠板上，視場(chǎng)角25°，探頭垂直向下，距樣品表面0.01 m；光源為50 W鹵化燈，光源垂直高度0.40 m，入射角度45°。將試驗(yàn)區(qū)采集的棗葉片迅速帶回實(shí)驗(yàn)室，清潔每個(gè)待測(cè)葉片表面，在葉片葉脈左右兩側(cè)中部各取一個(gè)采集位置。為了消除外界干擾以保證精度，每個(gè)樣品測(cè)定3個(gè)葉片光譜，記錄10個(gè)采樣光譜，共計(jì)30條光譜曲線以其平均值作為該樣本的光譜反射率。測(cè)量過程中，每隔30 min進(jìn)行一次白板校正。

1.3 氮(N)素質(zhì)量分?jǐn)?shù)測(cè)定

對(duì)測(cè)定光譜的棗葉片，用脫脂棉擦拭干凈，每3個(gè)棗葉片混樣作為一個(gè)樣本，去除主葉脈，80 ℃下烘干，粉碎，稱取(0.170±0.001)g葉片為樣品。然后對(duì)樣品進(jìn)行H2SO4-H2O2消煮、滴定、過濾，最后采用凱氏定N法[21]分別測(cè)定棗葉片N素質(zhì)量分?jǐn)?shù)。

1.4 數(shù)據(jù)處理

利用光譜處理軟件View Spec Pro5.對(duì)葉片光譜反射率數(shù)據(jù)進(jìn)行處理，借助EXCEL和SPSS.19軟件進(jìn)行統(tǒng)計(jì)分析和繪圖。為了減小光照、背景光譜以及儀器噪聲對(duì)目標(biāo)物光譜反射率的影響[22-23]，文中對(duì)原始光譜進(jìn)行一階微分(FD，R)、對(duì)數(shù)(lgR)、對(duì)數(shù)一階微分(lgR)′、倒數(shù)(1/R)、倒數(shù)一階微分(1/R)′和二階微分(SD，R)等6種方式光譜數(shù)據(jù)變換，進(jìn)而分析棗葉片光譜與N素質(zhì)量分?jǐn)?shù)的相關(guān)關(guān)系。

1.5 模型構(gòu)建與檢驗(yàn)

試驗(yàn)共采集192個(gè)光譜樣本，根據(jù)統(tǒng)計(jì)方法中拉依達(dá)準(zhǔn)則法，將觀測(cè)數(shù)據(jù)中與平均值的偏差超過兩倍標(biāo)準(zhǔn)差范圍的數(shù)據(jù)利用SPSS進(jìn)行剔除，剔除異常值后，保留169個(gè)樣本，隨機(jī)選取111個(gè)樣本建模，剩余58個(gè)樣本供檢驗(yàn)。利用SPSS21.0軟件進(jìn)行相關(guān)性分析，選擇與氮素質(zhì)量分?jǐn)?shù)相關(guān)系數(shù)值最大的前兩個(gè)波段，對(duì)這兩個(gè)波段的光譜數(shù)據(jù)進(jìn)行算術(shù)相加、相減、相乘、相除以及相加相乘后取常用對(duì)數(shù)(簡(jiǎn)稱對(duì)數(shù)，下同)等數(shù)學(xué)處理，將所得光譜反射率數(shù)據(jù)或其衍生光譜變量作為自變量，以棗葉片N素質(zhì)量分?jǐn)?shù)為因變量，建立線性、二次項(xiàng)、三次項(xiàng)、冪或指數(shù)函數(shù)預(yù)測(cè)模型，根據(jù)構(gòu)建模型的決定系數(shù)(A2)最大優(yōu)選，確定最佳估測(cè)模型。最后，對(duì)模型進(jìn)行檢驗(yàn)，采用擬合度(r2)、均方根差(RM，S，E)對(duì)模型實(shí)測(cè)值和估測(cè)值之間的符合度進(jìn)行驗(yàn)證和評(píng)價(jià)，均方根差公式為：

(1)

對(duì)實(shí)測(cè)值進(jìn)行模型與構(gòu)建，由圖1可知，實(shí)測(cè)值的分布具有上述模型之間的關(guān)系。

圖1 葉片N素質(zhì)量分?jǐn)?shù)實(shí)測(cè)值與光譜反射率預(yù)測(cè)模型

2 結(jié)果與分析

2.1 棗葉片光譜與N質(zhì)量分?jǐn)?shù)相關(guān)分析

棗葉片原始光譜和不同數(shù)據(jù)轉(zhuǎn)換(一階微分、對(duì)數(shù)、對(duì)數(shù)一階、倒數(shù)、倒數(shù)一階、二階微分)后光譜數(shù)據(jù)與N素質(zhì)量分?jǐn)?shù)相關(guān)關(guān)系見圖2。從棗原始光譜反射率和N質(zhì)量分?jǐn)?shù)相關(guān)性分析中可以看出，在可見光和近紅外波段，原始光譜反射率在350～430 nm范圍內(nèi)呈正相關(guān)，433～722 nm范圍內(nèi)與棗葉片N素質(zhì)量分?jǐn)?shù)呈明顯的負(fù)相關(guān)，在722～1 373 nm范圍內(nèi)由明顯的負(fù)相關(guān)轉(zhuǎn)變?yōu)檎嚓P(guān)，在短紅外波段1 400～2 438 nm范圍內(nèi)呈負(fù)相關(guān)，且相關(guān)性系數(shù)比較低。原始光譜和對(duì)數(shù)變換光譜數(shù)據(jù)與N質(zhì)量分?jǐn)?shù)的相關(guān)關(guān)系趨勢(shì)圖整體走勢(shì)上基本一致，但相關(guān)系數(shù)值具有一定差異，原始光譜反射率在571 nm處相關(guān)系數(shù)達(dá)到最大值(-0.151)，對(duì)數(shù)轉(zhuǎn)變后在波段361 nm處達(dá)到最大值(0.409)。經(jīng)倒數(shù)變換后的相關(guān)關(guān)系趨勢(shì)圖與原始光譜趨勢(shì)圖呈相反的趨勢(shì)，相關(guān)系數(shù)比原始光譜也有一定程度增加，倒數(shù)變換后在波段361 nm處相關(guān)系數(shù)達(dá)到最大值(-0.402)。原始光譜一階微分、對(duì)數(shù)一階、倒數(shù)一階、二階微分變換后的相關(guān)關(guān)系趨勢(shì)圖上下波動(dòng)比較大，近紅外區(qū)域的相關(guān)系數(shù)均比原始光譜有很大程度的提高，尤其是一階微分和二階微分變換后提高作用更為顯著。一階微分變換在近紅外波段797～982 nm和1 807～1 811 nm之間相關(guān)性較強(qiáng)，相關(guān)系數(shù)絕對(duì)值都在(0.600)以上，且在890、970 nm處相關(guān)系數(shù)值最大，分別為(-0.697)和(-0.695)；二階微分變換在近紅外波段793～1 098 nm及1 105～1 871 nm波段范圍內(nèi)其相關(guān)系數(shù)絕對(duì)值均大于(0.615)，且在890、1 811 nm處相關(guān)系數(shù)值最大，分別為(-0.724)和(-0.719)。由此，棗葉片原始光譜數(shù)據(jù)通過一階微分和二階微分變換后能夠提高其與N素質(zhì)量分?jǐn)?shù)的相關(guān)性，主要因?yàn)檫@些數(shù)據(jù)變換可以降低背景土壤和水分吸收的影響，減少數(shù)據(jù)冗余[23]。由此可見，棗葉片光譜的一階微分和二階微分中波段890、970 nm和890、1 811 nm可以作為N素質(zhì)量分?jǐn)?shù)模型構(gòu)建的敏感波段。

圖2 不同數(shù)據(jù)轉(zhuǎn)換形式與氮素質(zhì)量分?jǐn)?shù)相關(guān)分析

2.2 棗葉片N素質(zhì)量分?jǐn)?shù)估測(cè)模型構(gòu)建

2.2.1 基于敏感波段建立回歸模型

利用棗葉片光譜一階微分敏感波段B890、B970nm和二階微分敏感波段B1811、B890nm構(gòu)建氮素質(zhì)量分?jǐn)?shù)估測(cè)模型(表1)。

表1 基于敏感波段的棗葉片N素質(zhì)量分?jǐn)?shù)估測(cè)模型

注：** 表示極顯著相關(guān)(P<0.01)。

由表1可看出，一階微分和二階微分光譜構(gòu)建的多元模型決定系數(shù)(A2)分別為0.571和0.562，兩者差異不大，前者略大于后者，且構(gòu)建的模型均達(dá)到了極顯著的水平(P<0.01)。

2.2.2 基于光譜參量建立估測(cè)模型

以棗葉片N素質(zhì)量分?jǐn)?shù)和構(gòu)建的光譜參量進(jìn)行相關(guān)分析，分別采用線性、冪函數(shù)、二次項(xiàng)、三次項(xiàng)、指數(shù)模型的方式建立棗葉片氮素質(zhì)量分?jǐn)?shù)回歸方程(表2)。從表2擬合模型的相關(guān)系數(shù)情況可知，一階微分不同組合光譜估測(cè)模型普遍優(yōu)于二階微分光譜組合，而且一階微分和二階微分的光譜相加、相乘組合模型擬合度相對(duì)較高，相關(guān)系數(shù)均在0.500左右。尤其是指數(shù)模型類型在一階微分和二階微分的光譜相加、相乘組合((B890+B970)nm、(B890×B970)nm和(B890+B1811)nm、(B890×B1811)nm)下表現(xiàn)最佳，所構(gòu)建的指數(shù)模型決定系數(shù)(A2)值分別為0.576、0.554、0.559和0.484，明顯大于其他類型模型，且達(dá)到了極顯著水平(P<0.01)。其中，一階微分光譜參量(B890+B970)nm構(gòu)建的指數(shù)模型構(gòu)建效果最佳，決定系數(shù)(A2)值為0.576，略高于單一波段構(gòu)建的模型決定系數(shù)(A2)分別為0.571和0.562(表1)，是棗葉片N素質(zhì)量分?jǐn)?shù)估測(cè)的最佳模型。

表2 基于光譜參量建立的棗葉片N素質(zhì)量分?jǐn)?shù)估測(cè)模型

注：** 表示極顯著相關(guān)(P<0.01)；*表示顯著相關(guān)(P<0.05)。

2.3 精度評(píng)價(jià)

為了檢驗(yàn)?zāi)Ｐ偷倪m用性，對(duì)構(gòu)建的最優(yōu)模型有必要進(jìn)行精度檢驗(yàn)，將檢驗(yàn)樣本帶入估測(cè)模型，對(duì)估測(cè)值與實(shí)際值進(jìn)行比較，進(jìn)行符合度的檢驗(yàn)，并繪制實(shí)測(cè)值與估測(cè)值的1∶1散點(diǎn)圖(圖3)。利用光譜參量(B890+B970)nm為自變量，N素質(zhì)量分?jǐn)?shù)為因變量構(gòu)建的棗葉片氮素質(zhì)量分?jǐn)?shù)估測(cè)模型，實(shí)測(cè)值與估測(cè)值擬合方程的擬合度(r2)為0.847 4，總均方根差(RM，S，E)和相對(duì)誤差(RE)分別為0.272、0.63%，且達(dá)到極顯著水平(P<0.01)。

圖3基于構(gòu)建的光譜參數(shù)建模N素質(zhì)量分?jǐn)?shù)實(shí)測(cè)值與估測(cè)值相關(guān)分析

3 結(jié)論與討論

不同的光譜數(shù)據(jù)變換形式在一定程度上能夠提高阿克蘇地區(qū)棗葉片光譜與氮素質(zhì)量分?jǐn)?shù)的相關(guān)性，其中一階微分和二階微分?jǐn)?shù)據(jù)變換形式與棗葉片氮素質(zhì)量分?jǐn)?shù)相關(guān)性系數(shù)具有顯著性的提高，因?yàn)?，微分技術(shù)可以消除部分線性或近似線性的背景以及噪聲光譜對(duì)目標(biāo)地物的影響[25]。孫雪梅[26]在研究水稻氮素狀況中，分別對(duì)原始光譜進(jìn)行了一階微分和二階微分?jǐn)?shù)據(jù)變換，比較得出一階微分、二階微分能顯著提高水稻葉片與氮素質(zhì)量分?jǐn)?shù)的相關(guān)性。劉冰峰[27]在玉米氮素營養(yǎng)監(jiān)測(cè)的研究中發(fā)現(xiàn)，玉米原始冠層反射率經(jīng)微分處理后的相關(guān)系數(shù)要高于倒數(shù)、對(duì)數(shù)處理的，玉米葉片經(jīng)一階微分、二階微分轉(zhuǎn)換相關(guān)性達(dá)到最大，相關(guān)系數(shù)分別為-0.859，-0.869。房賢一[28]研究表明，一階微分變換篩選出來的敏感波長位于近紅外區(qū)域(816～1 319 nm)；二階微分變換篩選出來的敏感波長基本一致，均位于可見光的綠光區(qū)和近紅外區(qū)域(508～1 319 nm)。本研究一階微分篩選的敏感波段為890、970 nm，這些波段均處于近紅外波段范圍，與前人的研究結(jié)果保持一致。文中通過對(duì)原始數(shù)據(jù)進(jìn)行不同形式的數(shù)據(jù)變換，其中一階微分和二階微分變換在提高光譜與N素質(zhì)量分?jǐn)?shù)的相關(guān)性方面作用比較明顯。另外，胡珍珠等[29]對(duì)輪臺(tái)白杏的氮素估測(cè)研究表明，冪指數(shù)模型對(duì)氮素質(zhì)量分?jǐn)?shù)反演效果最佳，擬合度(r2)為0.990，對(duì)玉米葉片[30]的研究發(fā)現(xiàn)，以光譜指數(shù)DS，I(564，681)和DS，I(681，707)為自變量構(gòu)建的指數(shù)模型對(duì)氮素質(zhì)量分?jǐn)?shù)反演的效果最佳，預(yù)測(cè)精度達(dá)93.4%和93.3%，以植被指數(shù)的歸一化變量(SD，r-SD，b)/(SD，r+SD，b)[31]和歸一化面積波段指數(shù)[32]為自變量構(gòu)建的指數(shù)模型對(duì)水稻氮素估測(cè)效果較好，其模型決定系數(shù)(A2)值分別為0.864和0.673。本研究以構(gòu)建的光譜參量(B890+B970)nm為自變量，N素質(zhì)量分?jǐn)?shù)為因變量所構(gòu)建的指數(shù)模型最佳，擬合度r2達(dá)到0.847，反演精度也相對(duì)較高。

在棗開花期阿克蘇地區(qū)紅旗坡棗葉片的N素質(zhì)量分?jǐn)?shù)存在光譜敏感波段，可以一階微分光譜構(gòu)建的光譜參量(B890+B970)nm為自變量，采用指數(shù)模型建立棗在N肥敏感期葉片N素質(zhì)量分?jǐn)?shù)的光譜模型，能夠?yàn)樾l(wèi)星遙感水平估測(cè)棗氮素質(zhì)量分?jǐn)?shù)提供技術(shù)支撐。