賈 彪 賀 正

(寧夏大學農學院， 銀川 750021)

0 引言

作物光響應曲線特征參數是其光合作用過程中最重要的指標[1-3]，也是表征作物冠層葉片養(yǎng)分利用和生理特性的重要參數[1]，能充分反映作物氮素營養(yǎng)分配及其對光合作用的影響[1-2,4-5]。適量施氮可提高作物葉片對光的響應能力，調節(jié)光響應曲線特征參數，進而提高凈光合速率Pn( Net photosynthetic rate)[6-9]，通過分析光合有效輻射和Pn間的特性，可得到表觀量子效率α(Apparent quantum efficiency)、最大凈光合速率Pnmax(Maximum net photosynthetic rate)、光補償點(Light compensation point，LCP)、暗呼吸速率Rd(Dark respiration rate)等光響應曲線特征參數[1-3]。通常，作物光響應的特征參數需要通過光響應曲線測算得出[1-3]，此方法較為通用，但耗時費力，測算過程長，難以滿足大面積快速測定的需求。

目前，隨著各種成像監(jiān)測設備精度的提高及光譜分析技術的日益成熟，國內外學者使用農業(yè)遙感技術對作物進行光合生理監(jiān)測[10-17]。然而光譜儀和熱成像儀價格高昂、普及性差。隨著數字圖像處理技術的日趨成熟，采用數碼相機獲取作物數字圖像在水稻[18]、小麥[19]、棉花[20-22]、玉米[23-24]長勢監(jiān)測等領域已廣泛應用，而利用手機圖像對作物的光響應特征參數進行監(jiān)測的研究較少。

利用手機相機對作物進行監(jiān)測具有便于攜帶、易操作、普及性強、分辨率和性價比高等優(yōu)勢。本文以寧夏引黃灌區(qū)滴灌水肥一體化玉米為研究對象，在平吉堡農場開展不同氮素處理試驗。采用手機相機獲取玉米冠層圖像，利用LI-6400XT光合測定系統(tǒng)測定大喇叭口期玉米葉片光響應曲線，并計算光響應曲線的特征參數，分析玉米冠層數字圖像特征參數與光響應特征參數間的相關關系，建立基于手機相機的玉米光響應特征參數關系模型，并通過獨立試驗數據和相關評價指標對模型進行評價。利用手機冠層圖像特征參數反演玉米光響應曲線的特征參數，為作物光合生理機制與作物信息學的交叉研究提供方法和思路。

1 材料與方法

1.1 試驗地概況

試驗于2018年在寧夏回族自治區(qū)平吉堡農場(106°01′45″E, 38°26′42″N)開展，田間土壤類型為淡灰鈣土，質地是壤土，肥力中等。0～20 cm耕層土壤有機質質量比為12.82 g/kg、全氮質量比為0.75 g/kg、全磷質量比0.48 g/kg、堿解氮質量比36.82 mg/kg、速效磷質量比17.37 mg/kg、速效鉀質量比95.31 mg/kg。

1.2 試驗設計

試驗采用隨機區(qū)組設計，6個氮素處理，分別為N0(0 kg/hm2，絕對對照CK)、N1(90 kg/hm2)、N2(180 kg/hm2)、N3(270 kg/hm2)、N4(360 kg/hm2)、N5(450 kg/hm2)，3次重復，共18個小區(qū)，小區(qū)面積為67.5 m2(長15 m，寬4.4 m)，采用寬窄行機播模式，寬行70 cm，窄行40 cm，株距20 cm，密度約為9×104株/hm2。供試玉米品種為天賜19(TC19)，該品種生育期137 d左右，株型半緊湊，屬中晚熟型雜交種。

供試氮肥為尿素(NPK 46-0-0)，磷肥為磷酸二氫鉀(NPK 0-52-34)，鉀肥為硫酸鉀(NPK 0-0-52)，均為水溶性肥料，其中磷肥138 kg/hm2、鉀肥120 kg/hm2為常規(guī)用量，作為基肥播前一次性施入，肥料用量均以元素態(tài)計算。氮肥隨水施入，采用水肥一體化滴灌模式，共施肥8次，分別為苗期1次、拔節(jié)期3次、抽雄期1次、灌漿期3次。各生育時期施肥量分別占總量的10%、45%、20%、25%。其他管理措施與當地大田生產相同。玉米于4月底播種，9月底收獲。

圖1 田間數據獲取Fig.1 Field data collection

1.3 玉米葉片光響應曲線特征參數計算

于大喇叭口期，采用LI-6400XT型便攜式氣體交換測量系統(tǒng)(LI-Cor，美國)測定，天氣晴朗，觀測時間為09:00—12:00與14:30—16:30，每個處理隨機選取6株長勢一致、上層第1片完全展開葉片進行測定(圖1a)。選擇紅藍光源，氣體流速設置為500 μmol/s，葉室內CO2濃度控制在(380±2)μmol/mol、空氣相對濕度為(45±5)%，葉片溫度控制為(30±3)℃，測定13個梯度的PAR玉米葉片凈光合速率，依次遞減為2 000、1 700、1 400、1 100、800、600、400、200、110、80、50、20、0 μmol/(m2·s)，系統(tǒng)自動記錄并保存光合數據，最小等待時間和最大等待時間分別為120 s和180 s。選擇YE等[25-26]提出的直角雙曲線模型對光響應曲線進行擬合。

1.4 玉米冠層圖像獲取

在玉米大喇叭口期，天氣晴朗，太陽高度角相對穩(wěn)定的11:00—12:00之間，利用手機相機(iPhone，1 200萬像素) 獲取玉米冠層圖像。采用自主設計的便攜式圖像采集系統(tǒng)，主要由大疆靈眸(Osmo Mobile 2)防抖手持云臺手機穩(wěn)定器、碳素纖維伸縮桿、固定支架、藍牙遙控器組成，伸縮范圍0.6～3 m，能自由調節(jié)伸縮桿角度來獲取冠層圖像。拍攝時，將手機固定于云臺手機穩(wěn)定器，點擊云臺開機鍵，使用手機DIG GO 4軟件通過藍牙連接手機和云臺。進入拍照界面，使用云臺位置遙感鍵調整手機與玉米冠層垂直后拍攝，點擊云臺模式(M)鍵將云臺Y軸(垂直設定)鎖定，指示燈由綠變黃，可保證手機恒定垂直于玉米冠層。將相機鏡頭距離地面3.2 m垂直高度(距玉米冠層約1.0 m)，同時將相機調至Auto模式，以自動曝光控制色彩平衡。圖像以JPEG格式存儲，分辨率為3 024像素×4 032像素，試驗均采用圖1b設備獲取冠層圖像。

1.5 玉米歸一化冠層覆蓋系數提取

作物冠層圖像的RGB像元其本質是對R、G、B3個波段反射光強的量化表達[27]，以此來反映作物冠層葉片對光的反射特性[27]，本文利用手機相機獲取玉米冠層圖像，包括玉米冠層和土壤部分，如果對原始圖像直接進行R、G、B波段信息的提取，由于土壤干擾，其結果會影響到玉米冠層參數對光響應參數診斷的準確性[28]。因此，采用文獻[20,27,29]冠層圖像修正方法，通過土壤調整植被指數(Soil adjusted vegetation index, SAVIgreen)計算玉米歸一化冠層覆蓋系數(CC)。具體計算公式與來源見表1。

表1 玉米冠層圖像特征參數選取Tab.1 Canopy image characteristic parameter of maize

表1玉米冠層圖像特征參數CC提取過程為：將手機采集的玉米冠層圖像傳輸至計算機，使用Visual Studio平臺、Visual C++和Matlab軟件的數字圖像分析系統(tǒng)[20,22]，將玉米冠層圖像與土壤進行分割[29]，提取分割處理后圖像的R、G、B通道的像元均值，結果如圖2所示。

圖2 玉米歸一化冠層覆蓋系數CC提取過程Fig.2 Extraction process of normalized canopy cover factor of maize

1.6 玉米冠層圖像其他特征參數篩選

對作物冠層圖像特征參數標準化、歸一化和組合計算，可篩選出多種有用的圖像特征參數[22,27,30，32]，本文篩選與作物農學參數具有較高相關性的歸一化特征參數r、g、b、CC和ExG作為玉米冠層特征參數[20,22,27,29-32](表1)，來建立玉米冠層圖像特征參數與光響應過程特征參數的關系模型。

1.7 數據處理與模型評價

本試驗數據來自2個區(qū)，在玉米大喇叭口期每個區(qū)采集18組數據，選擇其中1個區(qū)的試驗數據進行建模，另1個區(qū)的試驗數據進行模型檢驗；采用Excel 2016進行數據整理與分析，運用R3.5.2進行相關性分析，運用Origin 8.5進行模型擬合。為檢驗模型準確性，選取決定系數(R2)、均方根誤差(RMSE)及標準均方根誤差(nRMSE)對模型進行評價[19-21]，計算公式見表2。計算模型誤差以判別觀測值與模擬值間的差異，RMSE和nRMSE越小、R2越接近于1，模型精度越高。

2 結果與分析

2.1 施氮對手機圖像特征參數的影響

由圖3可知，在玉米大喇叭口期，通過手機獲取的玉米冠層圖像中，各N素處理間提取的玉米冠層圖像特征參數隨著施氮量的不同，差異比較明顯，其中特征參數CC與b隨著施氮量的增加均呈正態(tài)分布，且未出現(xiàn)異常；隨著施氮量的增加CC與b的動態(tài)變化趨勢相似，均呈先增加后下降趨勢，且處理N5降幅較低(圖3a、3d)；其他3個圖像特征參數r、g和ExG隨施氮量的增加其動態(tài)變化趨勢與CC相反，隨著施氮量的增加先減小后增加，處理N5升幅較小(圖3b、3c、3e)。

表2 模型評價指標Tab.2 Model evaluation indices

圖3 冠層圖像特征參數隨施氮量變化箱線圖Fig.3 Box diagrams of canopy-image characteristic parameters at different nitrogen rates

2.2 施氮對光響應曲線特征參數的影響

由圖4可知，在不同施氮量下，玉米大喇叭口期各光響應特征參數隨施氮量的增加產生差異性，光響應特征參數α、Pnmax、LCP和Rd等指標與CC動態(tài)分布相似，均呈正態(tài)分布，且未出現(xiàn)異常，各氮素處理間差異也比較明顯，隨著施氮量的增加呈先增加后降低趨勢，且處理N5降幅較低。

從圖4的結果看，各特征參數均以N0處理表現(xiàn)最低，N4處理最高。高氮處理(N3、N4、N5)的光響應參數明顯高于低氮處理(N0、N1、N2)，故合理施氮可提高玉米的光響應特征參數值進而提高玉米的光合作用能力，然而過量施氮肥不一定能促進玉米光合作用。

2.3 手機圖像特征參數與光響應特征參數間相關性分析

圖4 光響應曲線特征參數隨施氮量變化箱線圖Fig.4 Box diagrams of light response curve characteristic parameters at different nitrogen rates

運用R3.5.2統(tǒng)計軟件對玉米大喇叭口期冠層圖像特征參數CC、r、g、b、ExG與光響應曲線特征參數α、Pnmax、LCP和Rd進行了相關性分析，如圖5所示(*** 表示P<0.001)，對角線上部表示各參數間Pearson相關系數；對角線下部為各參數間散點關系。由圖5可知，本研究篩選出的5個數字圖像特征參數與4個玉米光響應特征參數呈顯著相關性，且各參數均在P<0.001水平下呈極顯著相關。其中冠層圖像特征參數CC和b與玉米光響應曲線的特征參數α、Pnmax、LCP、Rd間呈極顯著正相關，其他圖像特征參數r、g和ExG與α、Pnmax、LCP、Rd間呈極顯著負相關。玉米冠層圖像特征參數中，CC與玉米的4個光響應曲線的特征參數相關性最好，與Pnmax的相關系數最高，達到0.93，與LCP的相關系數相對較低，為0.83；b與玉米光響應曲線的特征參數的相關系數較CC次之，與Pnmax的相關系數最高，達到0.75，與Rd最低，為0.68；其余的圖像特征參數均與光響應參數呈極顯著相關，ExG最低，相關系數都在0.52以上。

2.4 基于CC的玉米光響應特征參數動態(tài)模型

圖5 玉米冠層葉片圖像特征參數和光響應特征參數相關性分析Fig.5 Correlation analysis between image parameters and light response parameters of maize canopy leaves

在玉米大喇叭口期，CC與光響應特征參數均在P<0.001水平顯著相關，且高于其他圖像特征參數(圖5)。隨著施氮量的增加，CC與各光響應參數呈現(xiàn)相似的變化趨勢(圖3)，因此，以CC為自變量，運用Origin軟件建立CC與α、Pnmax、LCP、Rd等光響應特征參數非線性回歸函數關系模型，并根據模型評價指標R2、RMSE和nMRSE篩選出評價指標較高和具有生物學意義的最優(yōu)動態(tài)模型。如圖6所示，CC與表觀量子效率α的最優(yōu)模型為有理函數，其決定系數R2為0.943；與最大凈光合速率Pnmax最優(yōu)模型為冪函數模型，其R2為0.891；與光補償點LCP的最優(yōu)模型為指數函數模型，其R2為0.915；與暗呼吸速率Rd的最優(yōu)模型為二次函數多項式，其R2為0.876。與α的決定系數最高，與Rd的決定系數最低。故由模型的擬合結果看，通過手機獲取玉米冠層圖像，提取的冠層圖像特征參數CC能較好地擬合光響應特征參數，能實現(xiàn)對玉米光響應過程進行快速無損監(jiān)測。

2.5 模型評價與檢驗

本文選用決定系數(R2)、均方根誤差(RMSE)及標準均方根誤差(nRMSE)等指標對玉米圖像特征參數CC與光響應特征參數間的動態(tài)模擬模型進行了評價和驗證，其評價和檢驗結果如表3所示。由表3可以看出，模型的模擬效果均較好，決定系數由大到小依次為LCP、α、Pnmax、Rd，其中CC與LCP擬合效果最好，其建模集與驗證集的決定系數R2分別為0.915、0.911，RMSE分別為3.673、5.989 μmol/(m2·s)，標準均方根誤差(nRMSE)分別為5.062%、8.495%。

圖6 基于CC的玉米大喇叭口期光響應特征參數模型Fig.6 Models of light response curve characteristic parameters at big flare stage based on normalized canopy cover factor

由圖7可知，不論是建模集的擬合值與實測值，還是驗證集的擬合值與觀測值，利用手機獲取的玉米冠層圖像特征參數CC對光響應曲線的特征參數反演，具有一定的準確性和可靠性。

3 討論

葉片是作物獲取光合作用的主要器官[6-7]，合理施氮可增加玉米的葉面積[8]，進而提高圖像歸一化冠層覆蓋系數[20,27]，提高玉米的光合能力[9]，從而影響光合生理過程[6-8]以及光響應生理參數[5]。本文得出玉米冠層圖像特征參數和光響應曲線特征參數均與各氮素處理間存在著明顯的差異性，冠層圖像特征參數隨施氮量的變化由大到小依次是CC、r、ExG、g、b(圖3)。隨著施氮量的增加，玉米光響應特征參數α、Pnmax、LCP和Rd所呈現(xiàn)出的動態(tài)變化規(guī)律與CC相似(圖4)，先升高后降低。相關性分析表明，寧夏引黃灌區(qū)滴灌玉米大喇叭口期冠層圖像特征參數CC與其光響應特征參數具有最高的相關性(圖5)，其他的玉米冠層圖像特征參數與光響應特征參數的相關性也較高，如紅光通道歸一化標準值(r)與光響應特征參數間呈顯著負相關，其原因是隨著施氮量的增加，葉片的葉綠素含量增加，綠色程度增強[20,29，32]，光合能力也增強[9]，而紅光則在葉片中的比例減少，造成r值降低[30]。由于農學參數較大的變化會引起變異范圍較小的作物冠層圖像特征參數變化，所以在選擇最佳冠層參數時要同時考慮相關性高和變異范圍較大的參數，因此，本文選取玉米冠層數字化圖像特征參數CC來反演光響應特征參數α、Pnmax、LCP和Rd。

本文通過手機相機獲取玉米冠層圖像，建立的基于歸一化冠層覆蓋系數的寧夏滴灌玉米光響應生理參數反演模型(圖6)中未涉及LSP，其他參數最佳反演模型的R2都達到了0.876以上，RMSE的值為0.002～3.673 μmol/(m2·s)，nRMSE的值為4.102%～9.071%(表3)，且通過獨立的數據對模型進行檢驗，結果表明各模型的R2均不小于0.833，RMSE的值均不大于5.989 μmol/(m2·s)，nRMSE均不超9.659%(表3)。這充分說明冠層圖像特征參數CC能較好地反演玉米光響應曲線特征參數，可實現(xiàn)對玉米光響應曲線特征參數的大面積快速監(jiān)測。

表3 模型評價與檢驗Tab.3 Model evaluation and verification

圖7 光響應曲線的特征參數Fig.7 Fitting diagrams of light response curve characteristic parameters

本文通過數字圖像特征參數反演作物光響應特征參數，解決了玉米光合監(jiān)測過程中遇到的難題，同時玉米作為高莖作物，其株高可達3 m以上，本文采用自主設計的便攜式手機圖像采集系統(tǒng)裝置，便捷、易操作、普及性高、農戶易接受，獲取的冠層圖像參數可快速反映作物的光合生理過程、光合能力，對了解作物生長發(fā)育具有重要意義[22-23]。本文僅對玉米大喇叭口期的光響應特征參數進行了反演研究，對于玉米其他各生育時期的光響應特征參數動態(tài)變化規(guī)律是否可通過手機圖像進行反演有待進一步研究。

4 結論

(1)施氮量對手機圖像特征參數和光響應特征參數的影響不同，圖像歸一化冠層覆蓋系數與光響應參數隨著施氮量的增加具有相似的變化趨勢。當施氮量不超過360 kg/hm2時，施氮可提高CC與光響應參數值；當施氮量達到450 kg/hm2時則呈下降趨勢，但降幅較小，說明適量施氮可以提高玉米葉片光合作用。

(2)不同氮素處理下，玉米大喇叭口期的冠層圖像特征參數與光響應曲線特征參數相關性較高，相關系數由大到小依次為CC、b、g、r、ExG，其中CC與光響應特征參數的相關性最高，說明CC可反演玉米光響應特征參數。

(3)建立了基于CC的滴灌玉米光響應特征參數關系模型，并根據模型評價指標R2、RMSE和nRMSE篩選出各光響應特征參數的最優(yōu)模型。CC與α的最優(yōu)模型為有理函數模型，與Pnmax最優(yōu)模型為冪函數模型，與LCP的最優(yōu)模型為指數函數模型，與Rd的最優(yōu)模型為二次多項式模型。各反演模型的R2均不小于0.876，RMSE范圍為0.002～3.673 μmol/(m2·s)，nRMSE不超過9.071%，且各模型驗證集的R2不小于0.833，RMSE均不大于5.989 μmol/(m2·s)，nRMSE不超過9.659%，模型擬合效果較好。