李 園，王振錫*，劉玉霞，李 擎，丁 雅，王雅佩，劉夢(mèng)婷

(1.新疆農(nóng)業(yè)大學(xué)林學(xué)與園藝學(xué)院，新疆 烏魯木齊 830052; 2.新疆教育廳干旱區(qū)林業(yè)生態(tài)與產(chǎn)業(yè)技術(shù)重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830052)

【研究意義】鐵(Fe)是植物微量元素中需求量最大的元素，其含量與植物葉綠素合成、光合作用等密切相關(guān)，是影響植物生長(zhǎng)發(fā)育和果實(shí)品質(zhì)的重要指標(biāo)[1-3]。準(zhǔn)確、高效的估測(cè)植物鐵(Fe)元素含量能夠?yàn)橹参锶彼卦\斷提供依據(jù)[4]。【前人研究進(jìn)展】近年來(lái)，光譜技術(shù)在植被農(nóng)學(xué)參數(shù)估測(cè)方面的研究日益增多[5-8]。針對(duì)植物鐵元素含量的測(cè)定，傳統(tǒng)測(cè)定方法費(fèi)時(shí)耗力、有破壞性且不能及時(shí)有效的指導(dǎo)缺素施肥問(wèn)題，而使用光譜手段實(shí)時(shí)、無(wú)損的估測(cè)植物葉片鐵(Fe)元素含量成為必然趨勢(shì)[9-10]。胡珍珠等利用不同生育時(shí)期的新溫185號(hào)(Juglansregia‘Xinwen185’)核桃光譜特征參量與葉片氮素含量進(jìn)行相關(guān)分析，相關(guān)系數(shù)高達(dá)0.960[11]；邢東興等利用紅富士蘋果(MaluspumilaMill.)的特征波長(zhǎng)與葉片全氮、全磷、全鉀建立估測(cè)模型R2均在0.800以上[12]；柴仲平等利用庫(kù)爾勒香梨(PyrusbrestschneideriRehd.)葉片一階微分光譜630 nm處與全鉀含量構(gòu)建回歸模型，決定系數(shù)達(dá)0.986[13]。Fernandez等研究發(fā)現(xiàn)660和545 nm 2波段的線性組合可以有效的估測(cè)小麥(TriticumaestivumlL.)的氮素含量[14]。由此可見(jiàn)，國(guó)內(nèi)外學(xué)者對(duì)植物大量元素光譜估算的研究較為普遍，而在植物微量元素——鐵(Fe)含量的光譜反演研究較少[15]，但有研究表明植物光譜對(duì)微量元素的響應(yīng)與大量元素具有相似性[16-18]。因此，利用光譜估測(cè)植物鐵(Fe)元素含量具有一定的可行性。邢東興等開(kāi)展了光譜與紅富士蘋果葉片微量元素含量的相關(guān)分析，發(fā)現(xiàn)四點(diǎn)差分的一階微分光譜與鐵(Fe)元素含量具有較強(qiáng)的相關(guān)性，構(gòu)建的偏最小二乘回歸模型R2達(dá)到了0.860[19]。胡珍珠等利用一階微分光譜與輪臺(tái)小白杏(Armeniacavulgariscv. Luntaibaixing)葉片鐵(Fe)濃度建立估測(cè)模型，在小白杏果實(shí)硬核期，模型擬合度高達(dá)0.930[20]。以上研究在估測(cè)果樹(shù)葉片鐵元素含量方面都取得了較好的效果。另外，在光譜數(shù)據(jù)處理方面前人也開(kāi)展了大量的研究[21-22]，譚昌偉等使用水稻(OryzasativaL.)光譜歸一化和氮素含量建立估測(cè)模型取得了較好的效果[23]；孫雪梅等進(jìn)行水稻氮素、葉綠素、類胡蘿卜素含量光譜反演時(shí)，發(fā)現(xiàn)光譜參數(shù)(比值SR、歸一化ND、差值SD)變換方式能夠很大程度的提高反演模型的擬合度[24]。說(shuō)明使用兩兩波段組合的光譜處理方法能夠有效提高模型的估測(cè)精度?！颈狙芯壳腥朦c(diǎn)】庫(kù)爾勒香梨是新疆特色林果的知名品牌，其果實(shí)香甜，皮薄質(zhì)脆，主要分布在庫(kù)爾勒市周邊、阿克蘇地區(qū)等[25-27]。近年來(lái)，香梨缺鐵導(dǎo)致的黃化病在其主產(chǎn)區(qū)普遍發(fā)生，當(dāng)香梨缺乏鐵元素時(shí)，不僅使產(chǎn)量降低，而且出現(xiàn)果實(shí)變小、風(fēng)味下降、酸度增高、營(yíng)養(yǎng)成分降低等問(wèn)題，嚴(yán)重影響果實(shí)品質(zhì)[1]。因此，開(kāi)展實(shí)時(shí)、快速、高效估測(cè)香梨鐵元素含量方法的研究顯得尤為重要。【擬解決的關(guān)鍵問(wèn)題】以庫(kù)爾勒香梨為研究對(duì)象，通過(guò)不同時(shí)期香梨葉片光譜與鐵元素含量的相關(guān)分析，構(gòu)建基于光譜兩兩波段組合的香梨葉片鐵(Fe)元素含量估測(cè)模型。以期為庫(kù)爾勒香梨樹(shù)體鐵元素含量的營(yíng)養(yǎng)診斷乃至衛(wèi)星遙感水平植被元素含量估測(cè)提供技術(shù)支撐。

1 材料與方法

1.1 實(shí)驗(yàn)材料

試驗(yàn)于2016年6-9月在新疆阿克蘇市紅旗坡農(nóng)場(chǎng)(地理坐標(biāo)N41°17′56.42″～N41°18′5616″、E80°20′23″～E80°20′56.16″，海拔1215 m)。實(shí)驗(yàn)對(duì)象為區(qū)域主栽果樹(shù)——庫(kù)爾勒香梨，在紅旗坡農(nóng)場(chǎng)隨機(jī)選取8個(gè)生長(zhǎng)狀況良好，處于盛果期的香梨生產(chǎn)園。每個(gè)生產(chǎn)園隨機(jī)選取8棵樣株，在每棵樣株樹(shù)冠中部的陰面、中間、陽(yáng)面3個(gè)位置方向上，選取3片大小、顏色相近的成熟葉片，作為一組葉樣。共選取64棵樣株，192組葉樣。將摘下的鮮葉樣本立即置于自封袋內(nèi)，密封、編號(hào)、記錄，迅速帶回實(shí)驗(yàn)室進(jìn)行葉片光譜和鐵元素含量的測(cè)定。

1.2 光譜數(shù)據(jù)

葉片光譜測(cè)定選用ASD FieldSpec4便攜式野外地物光譜儀，光譜范圍在350～2500 nm。其中在350～1000 nm的采樣間隔為1.4 nm，在1001～2500 nm采樣間隔為2 nm。利用儀器自帶的植物探頭以及葉片夾進(jìn)行葉片光譜測(cè)定。初次測(cè)定數(shù)據(jù)時(shí)，需要對(duì)儀器進(jìn)行標(biāo)準(zhǔn)白板校正，之后每隔30 min再次進(jìn)行白板校正。將待測(cè)葉片擦拭干凈，測(cè)量時(shí)避開(kāi)主葉脈，每個(gè)樣葉測(cè)定2個(gè)光譜點(diǎn)，每個(gè)光譜點(diǎn)采集5個(gè)數(shù)據(jù)，將采集的光譜數(shù)據(jù)平均值作為該點(diǎn)的葉片光譜反射率。去除異常樣本后，6-9月的總樣本數(shù)為176個(gè)，隨機(jī)篩選30個(gè)檢驗(yàn)樣本，建模樣本為146個(gè)。

1.3 Fe含量的測(cè)定

將每個(gè)樣點(diǎn)的3片樣葉烘干、粉碎、混勻，使用原子吸收光譜法測(cè)定Fe含量。

1.4 光譜數(shù)據(jù)變換方式

對(duì)采集的香梨葉片原始光譜數(shù)據(jù)(R)進(jìn)行以下4種變換。

一階微分變換。

d(R)=[(R3-R1)/Δλ,(R4-R2)/Δλ...(Rn-Rn-2)/Δλ]

(1)

比值組合。

SR(Rλ1,Rλ2)=Rλ1/Rλ2

(2)

歸一化組合。

ND(Rλ1,Rλ2)=(Rλ1-Rλ2)/(Rλ1+Rλ2)

(3)

差值組合。

SD(Rλ1,Rλ2)=Rλ1-Rλ2

(4)

1.5 數(shù)據(jù)分析與處理

通過(guò)光譜處理軟件View Spec Pro對(duì)測(cè)定的葉片光譜反射率數(shù)據(jù)進(jìn)行預(yù)處理，借助MATLAB 2012a將350～2500 nm波段范圍內(nèi)任意2個(gè)波段進(jìn)行SR、ND、SD組合，分析葉片光譜與鐵元素含量的相關(guān)關(guān)系，在SPSS系統(tǒng)下進(jìn)行建模分析。

2 結(jié)果與分析

2.1 不同時(shí)期香梨葉片光譜變化特征

根據(jù) 2016年6-9月測(cè)定的香梨葉片光譜數(shù)據(jù)(圖1)，6-9月4個(gè)時(shí)期香梨葉片平均光譜曲線的總體變化趨勢(shì)基本一致，符合綠色健康植物的光譜曲線特征，但不同時(shí)期的吸收、反射光譜波段也有著些許差異。6月香梨葉片平均光譜反射率在可見(jiàn)光波段(400～700 nm)、近紅外波段(700～1300 nm)、中紅外波段(1300～2500 nm)范圍內(nèi)均低于其他時(shí)期，而這一范圍內(nèi)7月光譜反射率最高，8月和9月的香梨葉片光譜反射率隨時(shí)間的推移表現(xiàn)出逐漸下降的趨勢(shì)。

圖1 不同時(shí)期香梨葉片光譜特征曲線Fig.1 The spectral characteristic curve of Pyrus brestschneideri Rehd leaves in different periods

2.2 香梨葉片F(xiàn)e含量與葉片光譜反射率及其一階微分的相關(guān)性分析

由圖2可知，不同時(shí)期香梨葉片光譜、一階微分光譜與鐵元素含量均具有一定的相關(guān)性，香梨葉片原始光譜反射率與鐵元素含量的相關(guān)性整體上比較弱，最高相關(guān)系數(shù)絕對(duì)值在0.400～0.700，而6-9月一階微分光譜相關(guān)曲線較高峰值介于0.500～0.800。4個(gè)時(shí)期香梨葉片原始光譜相關(guān)曲線變化比較平穩(wěn)，最大相關(guān)系數(shù)出現(xiàn)在7月，達(dá)到了0.700左右，其次是6月和9月的最大相關(guān)系數(shù)接近0.600，8月相關(guān)關(guān)系最弱，相關(guān)系數(shù)都在0.500以下。而一階微分光譜相關(guān)曲線波動(dòng)性較大，4個(gè)時(shí)期的最大相關(guān)系數(shù)絕對(duì)值均在0.700左右。表明一階微分光譜變換后能夠提高與鐵素含量的相關(guān)性。因此，篩選相關(guān)性曲線較大峰值處波長(zhǎng)作為香梨葉片光譜、一階微分光譜的敏感指示波長(zhǎng)(表1)。

2.3 香梨葉片F(xiàn)e含量與葉片光譜兩兩組合變換的相關(guān)性分析

與單一波段相比，植物葉片光譜組合在估測(cè)植物農(nóng)學(xué)參數(shù)方面有較好的效果[28-30]。在全波譜范圍內(nèi)將不同時(shí)期香梨葉片光譜任意兩個(gè)波段進(jìn)行比值(SR)、歸一化(ND)、差值(SD)處理，分別與對(duì)應(yīng)的葉片F(xiàn)e素含量建立定量關(guān)系，繪制決定系數(shù)等勢(shì)圖(圖3)。如圖3所示，決定系數(shù)等勢(shì)圖顏色的變化體現(xiàn)了決定系數(shù)的變化，顏色越深，決定系數(shù)絕對(duì)值越大。不同時(shí)期的SR、ND和SD組合與Fe含量的相關(guān)性存在一定差異，相同時(shí)期的SR、ND組合與Fe含量的決定系數(shù)圖顏色變化差異較小，而SD組合的差異較大。從圖3可以發(fā)現(xiàn)，不同時(shí)期的SR、ND和SD組合與Fe含量的決定系數(shù)在(R950～1350，R950～1350)、(R1770～1850，R1770～1850)等區(qū)域的顏色均較深，且決定系數(shù)絕對(duì)值都在0.600以上。8月兩兩組合光譜的決定系數(shù)圖整體顏色最淺，但決定系數(shù)最高達(dá)0.760；其次6月和7月最高決定系數(shù)在0.730～0.750；而9月決定系數(shù)最小，僅為0.670。由此，篩選不同時(shí)期決定系數(shù)圖中顏色較深的SR、ND和SD波段組合作為Fe素含量的敏感指示波長(zhǎng)(表2)。

圖2 不同時(shí)期的香梨葉片光譜反射率及一階微分與香梨Fe含量的相關(guān)關(guān)系Fig.2 The correlation of the Fe content and blade spectral reflectance and its first-order trace in different periods

表1 不同時(shí)期香梨葉片光譜反射率、一階微分光譜的敏感波段Table 1 The blade spectral reflectance in different periods, the sensitive wave bands of first-order trace

2.4 香梨葉片光譜與Fe含量的高光譜估算模型

以表1和表2中香梨葉片光譜反射率、一階微分光譜、SR、ND、SD波段組合為自變量，香梨葉片F(xiàn)e含量為因變量，進(jìn)行逐步回歸分析構(gòu)建模型(表3)。從表3可以看出，不同時(shí)期香梨葉片原始光譜反射率模型的R2值較低(R2<0.500)，而一階微分光譜、SR、ND、SD組合模型的R2值均高于原始光譜模型(R2>0.500)。除6月和9月一階微分光譜模型外，其余模型均達(dá)到了顯著或極顯著水平(P< 0.05或P< 0.01)。從建模光譜參量來(lái)看，不同時(shí)期SR、ND、SD組合的模型擬合度基本都高于葉片原始光譜和一階微分光譜。其中，6月SR組合R2最高，達(dá)0.760；8月SR組合、9月SD組合R2比較接近，分別為0.680、0.660；而7月最低，ND組合R2也達(dá)到了0.550。由此，利用不同時(shí)期香梨葉片全波段光譜兩兩組合(SR、ND、SD)的光譜參量篩選方式進(jìn)行香梨葉片F(xiàn)e含量估算能夠取得較好的擬合效果。

2.5 不同月份香梨Fe含量反演精度評(píng)價(jià)

為進(jìn)一步檢驗(yàn)上述模型的實(shí)用性，隨機(jī)選取30個(gè)檢驗(yàn)樣本進(jìn)行模型檢驗(yàn)。針對(duì)不同時(shí)期模型擬合度R2最高(6月SR組合、7月ND組合、8月SR組合、9月SD組合模型)，且達(dá)到顯著性水平的模型進(jìn)行精度檢驗(yàn)，以不同時(shí)期各組合的實(shí)測(cè)值作為自變量、估計(jì)值作為因變量進(jìn)行檢驗(yàn)，得表4。以實(shí)測(cè)值與估測(cè)值的模型擬合度R2為主要依據(jù)，并結(jié)合實(shí)測(cè)與估測(cè)總平均差、均方根誤差和相對(duì)均方根誤差對(duì)回歸模型進(jìn)行評(píng)價(jià)。從表4可知，不同時(shí)期的香梨葉片F(xiàn)e含量的估測(cè)模型達(dá)到了極顯著水平(P<0.01)，SR、ND、SD組合可以有效的估測(cè)香梨鐵元素含量。經(jīng)比較，不同時(shí)期的兩兩光譜組合實(shí)測(cè)值與估測(cè)值的模型擬合度R2均在0.662以上。其中6月SR組合和9月SD組合檢驗(yàn)精度最高，且6月SR組合的實(shí)測(cè)值與估測(cè)值模型擬合度最佳，R2為0.855。表4可以看出不同時(shí)期的香梨葉片鐵元素實(shí)測(cè)與估測(cè)的總平均差、均方根誤差、相對(duì)均方根誤差的具有一定的差異性，其中6月SR組合的實(shí)測(cè)與估測(cè)總平均值最為接近，誤差僅為-1.748，7月和8月的實(shí)測(cè)與估測(cè)總平均值次之，但9月的實(shí)測(cè)和估測(cè)總平均值差波動(dòng)較大；均方根誤差6月最低，僅為54.001，9月次之，7月和8月均方根誤差較大；相對(duì)均方根誤差越小表明模型預(yù)測(cè)效果越好，不同時(shí)期的相對(duì)均方根誤差均在0.280以下。由此說(shuō)明，不同時(shí)期的兩兩波段光譜組合估測(cè)精度相對(duì)較高，其中6月SR組合最佳。

3 討 論

鐵元素含量是影響香梨果實(shí)生長(zhǎng)發(fā)育的重要因素，鐵元素的缺失會(huì)造成香梨葉片活性鐵、葉綠素含量下降，導(dǎo)致葉黃化[1]。本文根據(jù)不同時(shí)期的香梨葉片光譜反射率、鐵元素含量等指標(biāo)，研究不同時(shí)期的香梨葉片光譜反射率與鐵元素含量的變化規(guī)律，分析香梨葉片光譜特征與鐵元素含量的相關(guān)關(guān)系，在篩選鐵元素敏感波段的基礎(chǔ)上，建立基于香梨葉片光譜反射率、一階微分光譜、兩兩組合的光譜參數(shù)與鐵元素含量的回歸估測(cè)模型，為后期估測(cè)鐵元素含量和評(píng)價(jià)果實(shí)品質(zhì)提供技術(shù)指導(dǎo)。

植物葉片光譜反射率可以反映植物生長(zhǎng)發(fā)育的綜合信息。大多數(shù)植物的葉片光譜變化規(guī)律總體上都符合健康綠色植被的光譜特征。植被光譜反射率變化主要受到葉片結(jié)構(gòu)、化學(xué)成分、色素含量等多種因素的影響，由于植物生長(zhǎng)發(fā)育所處的階段不同，植被光譜曲線也有著相應(yīng)的響應(yīng)。在4個(gè)時(shí)期中6月香梨葉片平均光譜反射率在可見(jiàn)光波段、近紅外波段、中紅外波段范圍內(nèi)均低于其他時(shí)期，7-9月隨著時(shí)間的推移表現(xiàn)出逐漸下降的趨勢(shì)。這可能與香梨在6-9月處于營(yíng)養(yǎng)生長(zhǎng)過(guò)渡到生殖生長(zhǎng)的時(shí)期，葉片結(jié)構(gòu)、組成等發(fā)生變化所造成。有研究表明香梨葉片在營(yíng)養(yǎng)生長(zhǎng)和生殖生長(zhǎng)的過(guò)渡階段養(yǎng)分競(jìng)爭(zhēng)十分激烈，黃化病的發(fā)生情況也尤為嚴(yán)重[1]，6月香梨葉片平均光譜反射率較低可能與這種葉片化學(xué)組分的強(qiáng)變化有關(guān)。此外，李敏夏等在分析7-9月蘋果葉片光譜曲線時(shí)發(fā)現(xiàn)，隨著時(shí)間的推移蘋果光譜曲線也表現(xiàn)為逐漸降低的趨勢(shì)[32]，同樣時(shí)期內(nèi)香梨葉片光譜變化也具有類似的變化規(guī)律，在一定程度上說(shuō)明果樹(shù)在7-9月的生殖生長(zhǎng)時(shí)期由于葉片內(nèi)部組分等的變化導(dǎo)致葉片光譜反射率有所降低。

圖3 香梨葉片光譜兩兩組合光譜參數(shù)與Fe含量決定系數(shù)等勢(shì)圖Fig.3 The equipotential of the leaf blade spectral of pairwise exchange and decisive coefficient of Fe content of Pyrus brestschneideri Rehd.

表2 不同時(shí)期香梨SR、ND、SD組合的敏感波段Table 2 The sensitive wave bands of the combination of Pyrus brestschneideri Rehd. SR, ND, SD

表3 光譜參數(shù)與香梨Fe含量的回歸關(guān)系Table 3 The regression relation of the spectral parameters and the Fe content of Pyrus brestschneideri Rehd

注：**在0.01水平上極顯著相關(guān)(P<0.01):*在0.05水平上顯著相關(guān)(P<0.05)，下同。

表4 不同時(shí)期香梨Fe含量的實(shí)際值和估測(cè)值統(tǒng)計(jì)結(jié)果Table 4 The actual numerical of the Fe content of Pyrus brestschneideri Rehd. and estimated numerical

在植被葉片光譜敏感波段選擇方面，大量研究結(jié)果[19，31]表明一階微分光譜變化方式能夠增強(qiáng)其與反演元素的相關(guān)關(guān)系，本文中香梨葉片一階微分光譜與鐵元素的相關(guān)性也明顯高于原始光譜反射率。盡管一階微分轉(zhuǎn)換能夠減弱噪聲影響而增強(qiáng)目標(biāo)光譜，這種單一波段的光譜反射率難以全面、準(zhǔn)確估測(cè)香梨葉片鐵素含量狀況。為全面的篩選香梨鐵元素含量高度敏感的光譜參數(shù)，本文在全波段350～2500 nm范圍內(nèi)篩選比值(ND)、歸一化(SD)、差值(SR)光譜組合，結(jié)果表明兩兩波段組合進(jìn)一步提高了其與鐵元素的相關(guān)性。這種方式不僅拓寬了光譜指數(shù)的研究范圍，而且通過(guò)消除波段間的共性因素，大大提高了與鐵元素的相關(guān)關(guān)系。宮兆寧等[34]、黃山等[35]、姚霞等[36]對(duì)通過(guò)光譜組合參數(shù)構(gòu)建的植物葉片葉綠素、大豆冠層葉綠素、小麥葉片氮含量估測(cè)模型都取得了較好的擬合效果，也說(shuō)明了比值、歸一化組合與植被農(nóng)學(xué)參數(shù)的定量反演精度明顯優(yōu)于單一波段的估測(cè)精度[37]。本研究中利用SR、ND和SD波段組合構(gòu)建的香梨葉片鐵元素估測(cè)模型的獨(dú)立樣本檢驗(yàn)也表現(xiàn)出良好的擬合關(guān)系，其中6月SR組合預(yù)測(cè)R2達(dá)到了0.85，顯示出利用光譜數(shù)據(jù)估測(cè)香梨葉片鐵元素含量的巨大潛力。但從均方根誤差指標(biāo)來(lái)看，取值有些偏大，說(shuō)明構(gòu)建模型在不同區(qū)域的預(yù)報(bào)水平存在著較大的差異，由于采樣范圍相對(duì)較小，仍然需要通過(guò)大量不同采樣區(qū)域的檢驗(yàn)和完善，以提高其實(shí)用性。

4 結(jié) 論

庫(kù)爾勒香梨在不同生長(zhǎng)發(fā)育階段葉片微量元素鐵元素存在高度敏感的光譜指示波段和波段組合，利用SR、ND、SD等兩兩波段組合參量反演葉片F(xiàn)e含量具有可行性。