王仲林，諶俊旭，程亞嬌，范元芳，李 凡，趙剛成，楊 峰，楊文鈺

（四川農業(yè)大學農學院/農業(yè)部西南作物生理生態(tài)與耕作重點實驗室，成都 611130）

氮素作為植物的生命元素，是構成葉綠素、蛋白質、核酸、激素和磷脂等的主要成分，在物質能量代謝、 細胞結構組成和生命活動調節(jié)中起到十分重要的作用。玉米作為易感氮作物，對氮素豐缺響應十分明顯，被稱為“氮指示作物”[1]。 而玉米在吐絲期對氮素的吸收速率和敏感度達到最大，其豐缺程度直接影響灌漿期氮素從葉片向籽粒的移動，其中穗位葉對籽粒產量和品質的貢獻最大。 傳統(tǒng)診斷玉米氮素狀況的方法是田間診斷，而此種方法不能對玉米氮素進行精確的判斷，經常造成施氮過量和缺失；也有通過作物離體化學分析方法測定[2]，但破壞性強、耗時費力且費用高，難以及時為玉米追肥提供決策。因此，有必要尋求一種快速、精確、無損、簡便的方法來診斷玉米植株氮素營養(yǎng)水平，對于了解玉米植株氮素營養(yǎng)狀況和科學施肥具有十分重要的意義。20世紀80年代初美國提出了精準農業(yè)的概念和設想，隨之高光譜遙感技術應用而生并得到快速的發(fā)展和生產應用，而高光譜遙感技術具有快速、精確、無損和高效監(jiān)測作物的長勢[3]、病蟲害[4]、水分狀況[5]以及診斷作物營養(yǎng)狀況[6]等特點，通過高光譜遙感技術監(jiān)測玉米葉片氮素狀況，為達到玉米高產、優(yōu)質、高效的目的，是目前迫切需要解決的重要問題之一。

迄今為止，前人利用高光譜遙感技術監(jiān)測作物氮素營養(yǎng)狀況已經取得了很大的進展，并總結出了較多的光譜處理技術，如導數(shù)變換[7-8]、紅邊參數(shù)[9-10]、對數(shù)變換[11]、主成分分析[12]等。 王磊等[11]選取了單因素氮處理下春玉米葉片光譜波段510、550、580、630和720 nm，并構建單波段、單波段對數(shù)、雙波段組合和雙波段對數(shù)組合4 種形式的光譜參數(shù)，其中雙波段對數(shù)組合的光譜參數(shù)與氮含量具有較高的擬合度；梁惠平等[13]等構建玉米氮素營養(yǎng)指數(shù)與紅邊/綠邊比值參數(shù)、紅外/近紅外比值參數(shù)、紅邊敏感點參數(shù)等敏感光譜參數(shù)的逐步回歸模型，具有較高的精確度和可靠性；B.Mistele 等[14]發(fā)現(xiàn)通過構建不同的比值指數(shù)對冬小麥氮素含量進行預測具有可行性；王克如等[15]利用棉株氮素含量的敏感波段構建了11 個光譜參數(shù)與氮素含量呈極顯著相關；S.Daniela 等[16]利用483 和503 nm 構建的植被指數(shù)NDI 與水稻植株氮素含量具有較好的相關性，可以用于水稻氮素狀況的監(jiān)測； 也有大多數(shù)研究者采用較寬范圍或較窄范圍的光譜波段構建模型[17-20]，但對于寬窄波段組合的光譜參數(shù)研究較少?；诖?，本試驗研究了不同施氮水平下夏玉米吐絲期穗位葉光譜的變化特征，明確穗位葉氮素含量的敏感波段，通過構建8 種不同形式的寬窄波段組合植被指數(shù)，以提高對夏玉米氮素營養(yǎng)狀況的估測精度，為精確診斷田間玉米氮素營養(yǎng)狀況和精準施肥、科學施肥提供依據(jù)。

1 材料和方法

1.1 試驗設計

本試驗選用夏玉米品種登海605 作為研究材料，由山東登海種業(yè)股份有限公司選育而成。 于2015年在四川農業(yè)大學成都校區(qū)第3 教學實驗樓進行盆栽試驗，2015年3月28日于溫室中穴盤播種育苗，玉米幼苗長至兩葉一心時開始移栽，選取長勢相同的幼苗移栽至裝有15 kg 黃棕土的相同規(guī)格花盆（內徑30 cm，深度25 cm）中，每盆兩株。 試驗采用單因素隨機區(qū)組排列，設置5 個不同施氮處理：N0：0 kg/hm2；N1：170 kg/hm2；N2：340 kg/hm2；N3：500 kg/hm2；N4：625 kg/hm2，每個氮肥處理設置6 個重復。 氮肥（尿素）25%作為基肥施用，25%于幼苗成活后1 w 施入，50%用于拔節(jié)期追肥，磷肥（過磷酸鈣）和鉀肥（氯化鉀）均以150 kg/hm2用量作為基肥一次性施用。盆栽按大田密度擺放，每天進行常規(guī)管理，于吐絲期測量玉米穗位葉葉片光譜并采樣。

1.2 測定方法

1.2.1 光譜采集

本試驗采用荷蘭AvaField-3 便攜式高光譜地物波譜儀（光譜范圍為350～2 500 nm，采樣間隔為0.6 nm，視場角為25°，選用400～1 000 nm 波段）對夏玉米吐絲期穗位葉進行葉片光譜數(shù)據(jù)測量。 每個處理連續(xù)選取一盆（2 株），將葉片伸展平鋪在黑布上，用標準探頭垂直放置在葉片中間較寬部分，避免探頭對著葉脈，并保證葉片平展和測定面積相同，以提高光譜信息的穩(wěn)定性和精確性[8]。每個穗位葉連續(xù)測量10 次，以其平均值作為該觀測點的光譜反射值，測量前后及時用標準白板進行校正。

1.2.2 氮素測定

將葉片打孔放入紙袋并編號，置于烘箱105 ℃殺青1 h，80 ℃烘干至恒重，粉碎并過100 mm 網篩，同時將樣品用自封袋密閉低溫保存。 稱取粉樣0.1～0.2 g，采用法國Alliance 公司Futura 多通道連續(xù)流動分析儀測定氮素含量。

1.3 數(shù)據(jù)處理

采用Microsoft Excel 2010 整理數(shù)據(jù)，SPSS22.0進行統(tǒng)計分析，Origin 2017 作圖以及使用Matlab 對光譜數(shù)據(jù)進行相關性分析。 根據(jù)穗位葉氮素敏感波段構建不同形式寬窄波段組合的植被指數(shù)，分析植被指數(shù)與葉片氮素含量之間的相關性，并與本研究所引用前人的植被指數(shù)進行比較（表1），篩選出相關性較好的植被指數(shù)用于構建預測模型予以驗證。

2 結果與分析

2.1 不同施氮處理玉米穗位葉氮素含量的變化規(guī)律

如圖1所示，隨著施氮量的增加，玉米穗位葉氮含量隨之增加，且各處理之間存在顯著性差異（P＜0.05）；施氮處理N0、N1 分別與N2 比較，葉片氮含量迅速增加，其中N1 是N0 的1.42 倍，N2 是N1 的1.44 倍；而在施氮處理N3、N4 下，葉片氮含量緩慢增加，其中N3 是N2 的1.19 倍，N4 是N3 的1.1 倍。表明適當?shù)脑鍪┑士梢源龠M玉米葉片對氮素的吸收和積累，而施氮過量會抑制玉米葉片對氮素的積累，使氮素積累速率顯著下降，降低了氮肥的利用率。

表1 本研究所引用的植被指數(shù)Table 1 Vegetation index quoted in this study

圖1 不同施氮處理下玉米穗位葉氮素含量Figure 1 Nitrogen content in ear leaves of maize under the different nitrogen treatments

2.2 玉米穗位葉原始及一階導數(shù)光譜變化特征

不同的施氮處理導致玉米穗位葉光譜信息發(fā)生變化，如圖2a 所示。 不同施氮處理玉米穗位葉光譜曲線變化趨勢基本一致，在400～1 000 nm 范圍內，施氮處理N2 與N0、N1 之間光譜反射率差異十分明顯，與施氮處理N3、N4 反射率差異較小，與氮素含量變化規(guī)律相似。在可見光區(qū)域，穗位葉光譜反射率隨施氮量增加而降低；由于葉片對綠光的強烈反射，導致554 nm 處出現(xiàn)一個明顯的綠峰，最大反射率為16%，在680 nm 處出現(xiàn)一個反射紅谷，最小反射率為4.9%；近紅外光750～1 000 nm 波段范圍內，穗位葉光譜反射率趨于平穩(wěn)且出現(xiàn)一個較高的近紅外平臺，光譜反射率隨施氮量增加而升高。

為了消除土壤和大氣等外界環(huán)境因素對光譜信息的影響，對葉片原始光譜進行一階導數(shù)處理，如圖2b 所示。 一階導數(shù)光譜曲線具有兩個明顯的波峰，其中在710 nm 左右出現(xiàn)紅邊幅值，隨施氮量的增加，各處理對應紅邊幅值波長位置依次為698、703、709、714 和714 nm，紅邊位置向長波方向移動，出現(xiàn)“紅移”現(xiàn)象，且紅邊幅值隨施氮量增加而降低，N3 和N4 處理的紅邊位置和紅邊幅值無明顯差異。

圖2 不同施氮處理下玉米穗位葉光譜反射曲線Figure 2 The hyperspectral reflection in ear leaves of maize under the different nitrogen treatments

2.3 玉米穗位葉氮素含量與光譜數(shù)據(jù)相關分析

2.3.1 玉米穗位葉氮素含量與原始及一階導數(shù)光譜相關分析

通過對玉米穗位葉原始及一階導數(shù)光譜特征進行分析，發(fā)現(xiàn)與氮素含量變化規(guī)律相似，穗位葉光譜與氮素之間可能存在著某種關系；因此，對玉米穗位葉原始及一階導數(shù)光譜與氮素含量進行相關性分析。如圖3a 所示，穗位葉原始光譜與氮素含量的相關性在不同波段差異明顯； 在418～740 nm范圍內，葉片原始光譜與氮素含量呈現(xiàn)負相關，其中在448～736 nm 波段內達到顯著負相關（P＜0.05），最小相關系數(shù)處于711 nm（P＜0.01，r=-0.95）；在741～1 000 nm 范圍內，葉片原始光譜與氮素含量呈現(xiàn)正相關，其中748～1 000 nm 波段內達到顯著正相關（P＜0.05），最大相關系數(shù)處于996 nm（P＜0.01，r=0.74）。

圖3 玉米穗位葉氮素含量與原始及一階導數(shù)光譜相關分析Figure 3 Correlation analysis of nitrogen content with original and first derivative spectra in ear leaves of maize

一階導數(shù)光譜與氮素含量相關性分析如圖3b所示，波段496～541 nm、681～706 nm 內一階導數(shù)光譜與氮素含量相關性達到顯著負相關（P＜0.05），最小相關系數(shù)處于697 nm（P＜0.01，r=-0.95）；在710～762 nm 波段內，一階導數(shù)光譜與氮素含量達到顯著正相關（P＜0.05），最大相關系數(shù)處于742 nm（P＜0.01，r=0.92），發(fā)現(xiàn)最小相關系數(shù)和最大相關系數(shù)均處于紅邊范圍內。

2.3.2 寬窄波段組合植被指數(shù)的構建

根據(jù)圖3玉米穗位葉氮素含量與光譜相關性曲線選擇相關性較好的窄波段、寬波段的反射率，如紅谷（680 nm）、紅邊位置（711 nm）、紅邊范圍（680～760 nm）和近紅外波段（800～900 nm）等，構建如表2所示的寬窄波段組合植被指數(shù)，依次為：①近紅外波段與紅邊敏感波長植被指數(shù)； ②近紅外波段與紅邊波段植被指數(shù)； ③近紅外波段與壓縮后的紅邊波段植被指數(shù)； ④紅邊波段修正后的近紅外波段與紅邊敏感波長植被指數(shù)； ⑤壓縮后的紅邊波段修正近紅外波段與紅邊敏感波長植被指數(shù)； ⑥紅谷波長修飾紅外波段與紅谷修飾后的紅邊敏感波長植被指數(shù)；⑦紅谷修飾后的兩個敏感波長植被指數(shù)； ⑧紅光波段修飾后的近紅外波段與紅邊敏感波長植被指數(shù)。

2.3.3 玉米穗位葉氮素含量與植被指數(shù)相關分析

通過對本研究所選用的10 個植被指數(shù)和構建的8 個寬窄波段組合植被指數(shù)與玉米穗位葉氮素含量進行相關性分析，如表3所示。

表3 玉米穗位葉氮素含量與植被指數(shù)相關分析Table 3 Correlation analysis of maize ear nitrogen content and vegetation index

結果表明，所選的10 個植被指數(shù)與氮素含量均達到極顯著相關（P＜0.01），其中紅邊模型REM、地面葉綠素指數(shù)MTCI、修正簡單比值指數(shù)mSR705和修正歸一化差異指數(shù)mND705的相關系數(shù)較高（r＞0.90），以mND705的相關系數(shù)最大，為0.95；以轉化葉綠素吸收反射指數(shù)TCARI 和修正葉綠素吸收反射指數(shù)MCARI 的相關系數(shù)最小，均為-0.94。

構建的寬窄波段組合植被指數(shù)與氮素含量的相關性均達到極顯著正相關（P＜0.01），相關系數(shù)總體較本研究引用的植被指數(shù)要高（r＞0.93），其中植被指數(shù)［R（800-900）+R（650-670）］/R711 的相關系數(shù)最大，為0.96。

2.4 玉米穗位葉氮素含量估測模型的構建與檢驗

2.4.1 玉米穗位葉氮素含量估測模型的構建

上述分析發(fā)現(xiàn)，本研究構建的寬窄波段組合植被指數(shù)的相關性總體比前人采用的植被指數(shù)要好。因此，利用8 個寬窄波段組合植被指數(shù)為自變量（x），氮素含量為因變量（y），構建玉米穗位葉氮素含量的線性和非線性回歸模型，用于構建模型的樣本數(shù)為15 個，如表4所示。本研究采用5 種擬合模型，分別如下：

線性函數(shù)：y=ax+b；

二次函數(shù)：y=ax2+bx+c；

指數(shù)函數(shù)：y=a×ebx；

對數(shù)函數(shù)：y=a×In（x）+b；

乘冪函數(shù)：y=a×xb。

結果表明，利用8 個寬窄波段組合的植被指數(shù)構建的氮素含量估測模型決定系數(shù)較高（R2＞0.8），表明寬窄波段組合的植被指數(shù)與氮素含量存在擬合度較高的回歸關系； 進一步發(fā)現(xiàn)各植被指數(shù)構建的估測模型均以乘冪函數(shù)的決定系數(shù)R2和F 值最高；進一步發(fā)現(xiàn)各植被指數(shù)構建的估測模型中，以植被指數(shù)[R（800-900）+R（650-670）]/R711 構建的5 個估測模型擬合度要高，其中以乘冪函數(shù)y=0.1374x1.621決定系數(shù)R2和F 檢驗值最高，分別為0.93 和172.73，表明可以利用構建的植被指數(shù)對氮素含量進行估測。

2.4.2 玉米穗位葉氮素含量估測模型的檢驗

本研究計算了預測值和實測值的決定系數(shù)（R2）、均方根誤差（RMSE）和相對分析誤差（RPD）對上述構建的植被指數(shù)乘冪函數(shù)估測模型進行精度檢驗，用于檢驗的樣本數(shù)為15 個，如圖4所示。所構建的8 個乘冪函數(shù)模型估算的預測值和實測值之間存在較大的決定系數(shù)（R2＞0.8）和較小的RMSE，表明估測模型檢驗效果較好；基于植被指數(shù)[R（800-900）-R（692-729）]/R711 構建的乘冪函數(shù)模型檢驗精度最好，其R2、RMSE 和RPD 分 別 為0.92、0.09 和5.04；其次基于植被指數(shù)[R（800-900）+R（650-670）]/R711 構建的乘冪函數(shù)模型檢驗精度較好，其R2、RMSE 和RPD 分別為0.92、0.09 和5.00； 這兩個估測模型的R2、RMSE 和RPD 差異較小，對于估測玉米穗位葉氮素含量均具有較好的符合度和預測性。

3 討論與結論

本試驗研究了夏玉米在吐絲期的穗位葉光譜變化規(guī)律，并對不同施氮處理下的氮素含量與葉片光譜和植被指數(shù)進行相關分析，構建了氮素含量估測模型。 本研究發(fā)現(xiàn)，在N0 處理下增施氮肥，氮素含量明顯提升，如N1、N2，而N3 和N4 處理的施氮量超過玉米正常需氮水平時，氮素含量提升幅度不明顯，這與趙靚等研究結果相似[26]，說明過量增施氮肥不僅會引起氮素的浪費，而且會降低氮肥利用率，甚至降低玉米的產量和品質。因此，根據(jù)玉米穗位葉的氮素情況，適量追施氮肥，可有效避免氮營養(yǎng)元素的浪費及提高玉米產量和品質[27]。

可見光波段400～700 nm 主要受葉綠素等光合色素的影響，葉綠素對光產生強烈吸收作用，而氮素作為核酸、蛋白質和酶等主要成分，有利于玉米葉片葉綠素的合成，且其含量隨施氮量的增加而增加，導致光譜反射率逐漸降低，綠峰（554 nm）處差異尤為突出[2]。 近紅外波段700～1 000 nm 主要受葉片內部組織結構起主導作用；本研究中，近紅外波段光譜反射率隨施氮量增加而升高，可能是由于施氮量較少的葉片細胞小且組織結構緊密，吸收了大量的近紅外光，而施氮量較多的葉片細胞間隙較大，導致近紅外光發(fā)生較多的反射和漫射[28]。 說明不同的施氮量會導致玉米葉片性狀、 物理特征和生理生化參數(shù)發(fā)生變化，進而導致葉片對光的反射、吸收和透射的不同，以及葉片光譜反射率的不同；由此，在不同施氮處理下穗位葉葉片光譜曲線上表現(xiàn)出明顯的差異。

有研究表明，紅邊特征參數(shù)[29]和近紅外波段光譜反射率[30]可以預測氮素含量；本研究發(fā)現(xiàn)玉米穗位葉氮素含量與紅谷（680 nm）、紅邊位置（711 nm）、紅邊范圍（680～760 nm）和近紅外波段（800～900 nm）光譜反射率等敏感波段具有較好的相關性，可用于預測氮素含量。 本研究構建的寬窄波段組合植被指數(shù)和氮素含量的相關性高于單一敏感波段，與劉冰峰等[31]篩選的特征波段和全氮含量的相關性相比，也具有較好的優(yōu)越性，主要是因為單一光譜參數(shù)易受到土壤、噪聲和大氣散射等偶然因素的影響；同時比較了寬窄波段組合植被指數(shù)和前人的植被指數(shù)與氮素含量的相關性，發(fā)現(xiàn)寬窄波段組合植被指數(shù)較優(yōu)，可以更好地反映玉米穗位葉氮素狀況。 因此，利用本研究構建的植被指數(shù)具有更好的優(yōu)越性、 估測效果更佳。

表4 玉米穗位葉氮素含量與植被指數(shù)的估測模型（n=15）Table 4 Estimation model of maize ear nitrogen content and vegetation index（n=15）

圖4 玉米穗位葉氮素含量估測模型的精度檢驗（n=15）Figure 4 Accuracy test of maize ear nitrogen content estimation model（n=15）

利用寬窄波段組合植被指數(shù)構建的5 個擬合模型中，均以乘冪函數(shù)估測模型具有較高的精度，與王磊等[11]利用對數(shù)處理的光譜參數(shù)構建的線性擬合模型相比，決定系數(shù)略低，可能是由于未對構建的植被指數(shù)中某些單一波段（680 nm 和711 nm）進行處理，導致估測模型穩(wěn)定性降低；因此，對窄波段和寬波段進行對數(shù)處理，構建對數(shù)寬窄波段組合的植被指數(shù)，可能會提高估測模型的精確度和穩(wěn)定性。

本研究考察的一個品種盆栽試驗具有較大的局限性，還需多品種、多年份進行多點試驗，更進一步探討寬波段和窄波段的寬度變化能否優(yōu)化植被指數(shù)，并驗證寬窄波段組合植被指數(shù)的普適性和代表性，提高反演潛力。

因此，通過分析發(fā)現(xiàn)不同施氮處理下玉米穗位葉氮素含量和光譜特征存在差異；在700～1 000 nm近紅外波段區(qū)域內，玉米穗位葉原始光譜反射率隨施氮量的增加而升高，與氮素含量變化規(guī)律相似；各處理一階導數(shù)光譜的紅邊位置處于710 nm 左右，且紅邊位置隨施氮量的增加向長波方向移動，紅邊幅值逐漸降低； 光譜特征參數(shù)和引用的植被指數(shù)與穗位葉氮素含量有較高的相關性，但低于本研究構建的寬窄波段組合植被指數(shù)（r＞0.93）；基于寬窄波段組合植被指數(shù)建立的估測模型中，以植被指數(shù)[R（800-900）-R（692-729）]/R711 和植被指數(shù)[R（800-900）+R （650-670）]/R711 構建的乘冪函數(shù)估測模型具有較好的擬合度和可靠性，R2和RMSE 分別為0.92 和0.09，可以用于診斷玉米葉片氮素營養(yǎng)狀況。