葛元梅，陳翔宇，洪 帥，馬露露，呂 新，張 澤

(1.石河子大學(xué)農(nóng)學(xué)院/新疆生產(chǎn)建設(shè)兵團(tuán)綠洲生態(tài)農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室，新疆石河子 832003；2.石河子大學(xué)生命科學(xué)學(xué)院，新疆石河子 832003)

0 引 言

【研究意義】葉面積指數(shù)(leaf area index,LAI)可綜合表述為單位土地面積上作物葉片的葉面積總和[1]，是描述土壤—植被—大氣之間物質(zhì)和能量交換的關(guān)鍵參數(shù)，其表征葉片的疏密程度和冠層結(jié)構(gòu)，能夠體現(xiàn)植被光合、呼吸和蒸騰作用等物理過程[2]。獲取準(zhǔn)確的LAI,在作物長(zhǎng)勢(shì)監(jiān)測(cè)和產(chǎn)量預(yù)測(cè)中具有實(shí)用價(jià)值,可以描述植被結(jié)構(gòu)特性,成為生態(tài)監(jiān)測(cè)的重要指標(biāo)[3]?！凹t邊”是包含綠色植被多種信息的特征光譜[4-6]，其位置向紅外方向還是藍(lán)光方向偏移，是診斷作物營(yíng)養(yǎng)狀況、病蟲侵害、水分脅迫及所處生育時(shí)期的重要光譜參數(shù)[7-10]。光譜紅邊主要是由植被葉片葉綠素在紅光波段對(duì)光的強(qiáng)烈吸收與葉片內(nèi)部組織在近紅外波段對(duì)光的多次散射形成的強(qiáng)反射造成的，波長(zhǎng)在680～750 nm。由于光譜紅邊主要依據(jù)作物的營(yíng)養(yǎng)狀況、生物量和物候期而發(fā)生變化，作物的葉片組織發(fā)生變化時(shí)也會(huì)引起光譜紅邊的相應(yīng)變化，尤其當(dāng)植被受到各種脅迫時(shí)植被的紅邊特征常發(fā)生顯著的變化[11-13]。開展不同品種滴灌棉花的高光譜快速無損傷監(jiān)測(cè)。研究,對(duì)建立不同品種滴灌棉花葉面積指數(shù)估測(cè)模型，有實(shí)際意義?！厩叭搜芯窟M(jìn)展】“紅邊”通常采用紅邊幅值(紅邊斜率)、紅邊面積和紅邊位置三因子來描述其特征[19]。由于光譜紅邊主要依據(jù)作物的營(yíng)養(yǎng)狀況、生物量和物候期而發(fā)生變化，作物的葉片組織發(fā)生變化時(shí)也會(huì)引起光譜紅邊的相應(yīng)變化，尤其當(dāng)植被受到各種脅迫時(shí)植被的紅邊特征常發(fā)生顯著的變化[20]。謝巧云等[14]研究表明，高光譜數(shù)據(jù)紅邊區(qū)域 680～750 nm 波段范圍內(nèi)，植被指數(shù)與LAI的相關(guān)性非常高；黃春燕等[15]研究表明，紅邊位置主要依據(jù)作物的營(yíng)養(yǎng)狀況、生物量和物候期而變化，沿波長(zhǎng)軸方向移動(dòng)，它與作物的葉面積指數(shù)有關(guān)。王秀珍等[16]指出可以用紅邊參數(shù)測(cè)定LAI；馬文君[17]指出在盛蕾期，與LAI相關(guān)性較好的光譜變量只有紅邊位置。Kyu-Sung[18]研究發(fā)現(xiàn)，紅邊范圍較其它波段的光譜能更精確預(yù)測(cè)LAI，并且LAI與紅邊參數(shù)存在著密切的相關(guān)性，因而可以用紅邊位置的移動(dòng)來估算LAI?！颈狙芯壳腥朦c(diǎn)】實(shí)時(shí)、無損、準(zhǔn)確的檢測(cè)棉花植株?duì)I養(yǎng)狀況對(duì)于指導(dǎo)精確管理一直是棉花生產(chǎn)迫切需要解決的難題[23]。利用棉花反射光譜數(shù)據(jù)來估測(cè)其光合有效輻射、長(zhǎng)勢(shì)和葉綠素含量等已多見報(bào)道，但利用光譜紅邊特征來研究棉花的LAI還鮮見報(bào)道。研究紅邊參數(shù)的動(dòng)態(tài)變化規(guī)律建立不同品種滴灌棉花葉面積指數(shù)估測(cè)模型?！緮M解決的關(guān)鍵問題】以新陸早50號(hào)、新陸早58號(hào)及魯棉研24號(hào)3個(gè)品種為研究對(duì)象，開展不同施肥梯度試驗(yàn)，研究紅邊參數(shù)與LAI動(dòng)態(tài)變化，找尋兩者之間的關(guān)系，并建立基于紅邊參數(shù)與LAI模型，為推動(dòng)精準(zhǔn)農(nóng)業(yè)發(fā)展提供理論支持。

1 材料與方法

1.1 材 料

2017年在新疆瑪納斯縣六戶地鎮(zhèn)設(shè)置田間試驗(yàn)。以新陸早50號(hào)、新陸早58號(hào)和魯棉研24號(hào)(雜交棉)品種為供試棉花品種。小區(qū)覆膜，膜寬2.05 m，栽培模式為1膜3管6行，行距配置為(10+66+10+66+10)cm，株距10.5 cm。種植方式為棉花連作，東西走向，兩頭設(shè)置保護(hù)區(qū)。每個(gè)小區(qū)面積為25 m2(10 m×2.5 m)，完全隨機(jī)區(qū)組設(shè)計(jì)，重復(fù)3次，小區(qū)間設(shè)隔離帶。設(shè)4個(gè)施氮水平，為0、120、240、360 kg/hm2純氮，分別以N0、Nl、N2、N3表示。完全隨機(jī)區(qū)組設(shè)計(jì)，重復(fù)3次，小區(qū)間設(shè)隔離帶。灌溉定額為當(dāng)?shù)氐喂嗝尢镆话愎喔攘浚渌镩g管理均按高產(chǎn)栽培要求進(jìn)行。

1.2 方 法

1.2.1 棉花光譜數(shù)據(jù)測(cè)量

棉花冠層高光譜數(shù)據(jù)的獲取采用美國(guó)ASD公司Field Spec Pro FR2500型背掛式野外高光譜輻射儀(Analytical Spectral Devices)。波段為350～2 500 nm，采樣間隔為1 nm。采樣日選擇在晴朗無云、無風(fēng)和風(fēng)速很小的天氣進(jìn)行冠層光譜測(cè)定，測(cè)定時(shí)間控制在12:00～14:00。測(cè)量時(shí)傳感器探頭垂直向下，光譜儀視場(chǎng)角為25°，距棉花冠層頂垂直高度約0.5 m。每個(gè)小區(qū)采集3個(gè)點(diǎn)，每個(gè)點(diǎn)采集5條光譜數(shù)據(jù)，最后用15條數(shù)據(jù)的平均值作為該小區(qū)采樣點(diǎn)的光譜值。為保證測(cè)量精度，測(cè)量過程中對(duì)每組目標(biāo)的觀測(cè)前后均進(jìn)行標(biāo)準(zhǔn)白板校正，以減小云層及太陽高度變化等對(duì)光譜反射率的影響。

1.2.2 樣品采集

對(duì)地上植株進(jìn)行9次樣品采集，采集時(shí)間分別為2017年6月1日，6月9日，6月22日，7月5日，7月17日，7月27日，8月7日，8月18日，8月27日。

1.2.3LAI(Leaf Area Index，LAI)測(cè)定

用CI-203激光葉面積儀測(cè)定LAI。

1.3 數(shù)據(jù)處理

1.3.1 線性內(nèi)插法紅邊位置(Red edge position: linear interpolation method)公式

線性內(nèi)插法紅邊位置(REP)=700+40[(R670+R780)/2-R700]/(R740-R700).

(1)

1.3.2 葉面積指數(shù)計(jì)算公式

葉面積指數(shù)(LAI)=作物綠色葉面積總和與相應(yīng)土地面積之比。

(2)

1.3.3 紅邊參數(shù)與葉面積指數(shù)相關(guān)性的建立

為了能使LAI估算模型相對(duì)更為精確，進(jìn)行模型估測(cè)和實(shí)際值進(jìn)行擬合分析，使用擬合方程的決定系數(shù)(R2)、均方根誤差(RMSE)檢驗(yàn)?zāi)Ｐ偷墓罍y(cè)能力和精度，R2越接近1，RMSE越小，表明模型精度越高。

葉面積指數(shù)是反映作物光和生產(chǎn)能力，描述作物冠層特征，預(yù)測(cè)作物產(chǎn)量的重要參數(shù)。根據(jù)出苗后天數(shù)分析紅邊參數(shù)和LAI的相關(guān)規(guī)律，比較多種擬合方法確立棉花LAI的最優(yōu)光譜模型，采用均方根誤差(RMSE)和決定系數(shù)(R2)檢驗(yàn)，RMSE越小說明模型擬合度越好。數(shù)據(jù)處理采用SPSS19.0 和Microsoft Excel 2010相關(guān)軟件。

1.3.4 預(yù)測(cè)的均方根差(RMSE)計(jì)算

(3)

2 結(jié)果與分析

2.1 不同氮素處理下滴灌棉花LAI動(dòng)態(tài)變化

研究表明，3個(gè)棉花品種葉面積指數(shù)隨著棉花生長(zhǎng)發(fā)育總體呈現(xiàn)出先上升后逐漸下降的變化規(guī)律；出苗70 d前，3個(gè)品種棉花LAI均呈上升趨勢(shì)但是增長(zhǎng)速率表現(xiàn)出很大的不同，魯棉研24號(hào)>新陸早50號(hào)>新陸早58號(hào)；在出苗70～80 d，3個(gè)品種棉花LAI均出現(xiàn)明顯下降，但相較新陸早50號(hào)、新陸早58號(hào)，魯棉研24號(hào)下降幅度較大。圖1

圖1 花葉片葉面積指數(shù)變化特征
Fig.1 Characteristics of leaf area index of cotton leaves

2.2 不同氮素處理下滴灌棉花紅邊位置變化

研究表明，不同生育時(shí)期紅光波段的一階導(dǎo)數(shù)最大值、最小值對(duì)應(yīng)的波段是不同的；同一時(shí)期不同施肥處理間，僅僅對(duì)應(yīng)的導(dǎo)數(shù)值有區(qū)別，波段相同。將棉花各生育時(shí)期高光譜一階導(dǎo)數(shù)值找出的最大值、最小值的波段經(jīng)由線性內(nèi)插法紅邊位置公式進(jìn)行運(yùn)算。

3品種隨出苗天數(shù)的推進(jìn)其紅邊位置的移動(dòng)規(guī)律類似：隨著棉花的生長(zhǎng)發(fā)育，紅邊位置所在波段逐漸向長(zhǎng)波方向移動(dòng)(紅移)，當(dāng)棉花逐漸進(jìn)入后期生長(zhǎng)時(shí)紅邊位置所在的波段逐漸向短波方向移動(dòng)(藍(lán)移)。可以根據(jù)紅邊位置在棉花生育期內(nèi)呈現(xiàn)規(guī)律的變化，用紅邊位置描述棉花的生長(zhǎng)狀況。在32～80 d棉花快速生長(zhǎng)時(shí)，紅邊位置出現(xiàn)紅移現(xiàn)象；在80～100 d出現(xiàn)嚴(yán)重病蟲害，紅邊位置出現(xiàn)藍(lán)移現(xiàn)象；在100 d后病蟲害消退，紅邊位置對(duì)應(yīng)波段出現(xiàn)回升趨勢(shì)。表1,圖2

圖2 棉花紅邊位置變化
Fig.2 Cotton Red edge Position change curve 棉花隨出苗天數(shù)紅邊位置變化
Table 1 Variation of the Red Edge position of Cotton with Seedling days

品種Variety處理Treatment出苗后天數(shù)Days after emergence(d)3243708091100111新陸早50號(hào) Xinluzao No.50N0719.25721.71722.14724.04722.82720.42720.77N1719.21721.43722.6572376722.04720.65721.88N2718.95721.42722.32722.95722.21720.63721.44N3719.37721.91722.53722.99722.36720.09720.83新陸早58號(hào)Xinluzao No.58N0719.34721.20722.36723.03722.42720.81721.59N1718.16721.55722.59723.41720.96721.07723.28N2718.92721.67722.58723.85723.27721.96722.17N3719.37721.23723.51724.41722.05721.24722.80魯棉研24號(hào)Lumianyan No.24N0718.84721.17722.59723.17723.16721.31722.16N1718.26720.98722.18723.16723.78720.76722.76N2717.67721.94722.35723.66722.73721.49722.89N3717.76721.84722.84724.04724.26722.38722.87

2.3 紅邊位置與LAI的相關(guān)性

研究表明，3品種棉花紅邊位置與LAI的相關(guān)性均達(dá)到0.5以上，且都通過99%置信水平的顯著性檢驗(yàn)。棉花品種新陸早58號(hào)紅邊位置與LAI的相關(guān)系數(shù)最高，達(dá)到了0.726**。其次為魯棉研24號(hào)0.721**和新陸早50號(hào) 0.585**，新陸早58號(hào)0.726**。用棉花冠層反射光譜的紅邊位置來估算其LAI是可行的。表2

2.4 基于紅邊位置LAI估算模型的建立

研究表明，對(duì)比3品種不同函數(shù)模型精度，均是采用對(duì)數(shù)函數(shù)所建立的估算模型比其他函數(shù)估算模型精準(zhǔn)；對(duì)比3品種精度較好的模型——對(duì)數(shù)函數(shù)估算模型，魯棉研24號(hào)精度較高(R2=0.660 8，RMSE=1.76)。表2

表2 棉花葉面積指數(shù)(LAI)對(duì)紅邊參數(shù)回歸方程
Table 2 Regression equation of cotton leaf area index (LAI) to red edge parameter

品種Variety模型類型Model模型表達(dá)式Expression決定系數(shù)R2均方根誤差RMSE新陸早50號(hào)Xinluzao No.50線性Y = 0.787x - 564.110.341 91.56對(duì)數(shù)Y=567.9 ln(x)-3 733.90.447 01.56指數(shù)Y= 3E-109 e0.347 7x0.448 31.84新陸早58號(hào)Xinluzao No.58線性Y = 0.888 6x - 637.50.527 61.32對(duì)數(shù)Y=641.2 ln(x)-4 216.30.650 21.32指數(shù)Y = 1E-124 e0.397 1x0.649 51.76魯棉研24號(hào)Lumianyan No.24線性Y= 0.854 1x - 612.770.519 81.54對(duì)數(shù)Y=615.7 ln(x)-404 8.70.660 91.54指數(shù)Y= 5E-123 e0.391 5x0.660 81.76

注:**表示通過0.01的顯著性檢驗(yàn)；*表示通過0.05的顯著性檢驗(yàn)

Note:**means passing the significance test of 0.01 and*means passing the significance test of 0.05

2.5 精度檢測(cè)

構(gòu)建的紅邊位置與棉花葉片LAI相關(guān)的線性函數(shù)模型，分別反演棉花新陸早50號(hào)、新陸早58號(hào)及魯棉研24號(hào)在4種施氮水平條件下的棉花葉片LAI。模型方程的估算精度分別為 63.91%、75.29%、81.68%，RMSE為0.94、0.82、0.77，用紅邊位置能夠較好的估算不同品種滴灌棉花葉片的LAI，且魯棉研24號(hào)所建模型較其他2品種精度較好(R2=0.816 8，RMSE=0.77)。表3，圖3

表3 棉花葉面積指數(shù)估算模型精度
Table 3 Accuracy analysis of cotton leaf area index estimation model

品種Variety驗(yàn)證模型Equation決定系數(shù)R2均方根誤差RMSE新陸早50號(hào)Xinluzao No.50Y = 1.477 6ln(x) + 1.931 30.639 10.94新陸早58號(hào)Xinluzao No.58Y = 1.753 5ln(x) + 1.698 70.752 90.82魯棉研24號(hào)Lumianyan No.24Y = 1.905 4ln(x) + 1.479 40.816 80.77

圖3 棉花LAI的紅邊參數(shù)估算模型擬合結(jié)果
Fig.3 Fitting result of Red edge parameter estimation model of Cotton LAI

3 討 論

近年來，結(jié)合了統(tǒng)計(jì)方法和物理模型方法的混合反演方法被越來多的應(yīng)用于LAI反演中，混合反演方法的發(fā)展得益于機(jī)器學(xué)習(xí)的快速發(fā)展，越來越多的學(xué)者將機(jī)器學(xué)習(xí)方法用于LAI反演[15]。研究結(jié)合棉花生長(zhǎng)發(fā)育規(guī)律，用相關(guān)分析方法研究棉花LAI與紅邊參數(shù)的相關(guān)關(guān)系，基于兩者的相關(guān)性建立紅邊參數(shù)與棉花葉片LAI估測(cè)模型，反演棉花LAI，結(jié)果表明,用光譜紅邊位置可以較好的反演棉花冠層葉片的LAI。為大田棉花生長(zhǎng)檢測(cè)與實(shí)時(shí)診斷提供了科學(xué)指導(dǎo)，對(duì)于提高棉花科學(xué)管理水平，增強(qiáng)對(duì)棉花群體的調(diào)控能力，以及對(duì)整個(gè)農(nóng)作物管理水平的提高，都具有十分重要的意義。

研究設(shè)計(jì)的滴灌棉花3品種4氮肥處理試驗(yàn)，驗(yàn)證了棉花紅邊位移變化規(guī)律：在出苗后32～80 d棉花快速生長(zhǎng)時(shí)，紅邊位置出現(xiàn)紅移現(xiàn)象；在80～100 d由于出現(xiàn)嚴(yán)重病蟲害以及葉片葉綠素含量降低，生長(zhǎng)發(fā)育速度降低，紅邊位置對(duì)應(yīng)波段減小，紅邊位置出現(xiàn)藍(lán)移現(xiàn)象；在100 d后病蟲害消退，紅邊位置對(duì)應(yīng)波段出現(xiàn)回升趨勢(shì)，上述結(jié)論與前人研究一致。唐延林等[21]研究表明,棉花冠層光譜的紅邊具有“雙峰”現(xiàn)象，隨發(fā)育期推移，冠層紅邊位置呈“紅移”、“紅邊平臺(tái)”和“藍(lán)移”變化規(guī)律。黃春燕等[15]指出當(dāng)作物生長(zhǎng)旺盛，處于健壯時(shí)期，其紅邊會(huì)向長(zhǎng)波方向偏移；反之，作物衰老、感染病蟲害，紅邊就會(huì)向短波方向移動(dòng)。

試驗(yàn)LAI動(dòng)態(tài)變化規(guī)律與前人研究結(jié)果大體一致，在個(gè)別時(shí)期出現(xiàn)差異。3品種棉花LAI在出苗80～100 d出現(xiàn)明顯下降的異?，F(xiàn)象，查找全年大田試驗(yàn)記錄以及氣象資料，在出苗后60～100 d期間大田出現(xiàn)較大規(guī)模的病蟲害(蚜蟲危害為主)。新陸早58號(hào)在整個(gè)生育時(shí)期受蟲害程度較均勻，整體變化趨勢(shì)穩(wěn)定，由于N1、N2小區(qū)受蟲害較重所以在90 dLAI值回升幅度較小。對(duì)比受蟲害期間3品種最小值，魯棉研24號(hào)作為雜交棉抗性較好，LAI值受蟲害影響較小。新陸早50號(hào)各氮素水平之間受害程度不同，所以LAI變化規(guī)律出現(xiàn)異常；查詢大田相關(guān)記錄在出苗后90 d出現(xiàn)的小規(guī)模紅蜘蛛現(xiàn)象對(duì)新陸早58號(hào)造成了一定的影響，N1施氮水平條件下LAI回升程度較小。

對(duì)棉花紅邊位置與葉面積指數(shù)進(jìn)行相關(guān)性分析以此建立相關(guān)模型，并對(duì)所建立模型進(jìn)行精度檢測(cè)，結(jié)果顯示,魯棉研24號(hào)所建立的紅邊參數(shù)-LAI模型精度最好(R2=0.816 8，RMSE=0.77)；整個(gè)生育期中新陸早50號(hào)收到蚜蟲和紅蜘蛛兩大蟲害的影響，對(duì)LAI變化規(guī)律造成了一定程度的干擾，建立的紅邊參數(shù)-LAI估算模型檢驗(yàn)精度較低。研究認(rèn)為蟲害程度大小和發(fā)生次數(shù)會(huì)一定程度的影響紅邊參數(shù)-LAI模型的估算精度。

4 結(jié) 論

4.1 不同品種滴灌棉花葉面積指數(shù)在50～70 d均呈上升趨勢(shì)，但不同品種間葉面積指數(shù)增長(zhǎng)速率存在明顯差異，魯棉研24號(hào)>新陸早50號(hào)>新陸早58號(hào)。

4.2 棉花正常生長(zhǎng)時(shí)期，紅邊位置出現(xiàn)紅移現(xiàn)象；當(dāng)大田爆發(fā)病蟲害，紅邊位置出現(xiàn)藍(lán)移現(xiàn)象；后期棉花逐漸恢復(fù)正常生長(zhǎng)，紅邊位置對(duì)應(yīng)波段出現(xiàn)緩慢回升趨勢(shì)。

4.3 新陸早50號(hào)、新陸早58號(hào)及魯棉研24號(hào)紅邊位置與LAI的相關(guān)性均達(dá)到 1%極顯著相關(guān)，建立的模型的決定系數(shù)分別達(dá)到0.585**、0.726**、0.721**；對(duì)所建模型進(jìn)行精度檢驗(yàn)，估算精度分別為63.91%、75.29%、81.68%，因此，認(rèn)為魯棉研24號(hào)所建立的紅邊參數(shù)-LAI估算模型精度較高。