舒時(shí)富 李艷大 葉春 吳羅發(fā) 黃俊寶 陳立才 王康軍 陳盾

摘要：為了快速無(wú)損地監(jiān)測(cè)南豐蜜桔葉片氮含量，于南豐蜜桔關(guān)鍵生長(zhǎng)期取樣測(cè)定葉片氮含量和葉片光譜數(shù)據(jù)，篩選出南豐蜜桔葉片氮含量的敏感光譜波段和最佳植被指數(shù)，構(gòu)建南豐蜜桔葉綠素含量光譜監(jiān)測(cè)模型。結(jié)果表明，基于南豐蜜桔葉片氮含量監(jiān)測(cè)敏感光譜波段552nm和817nm構(gòu)建的光譜監(jiān)測(cè)模型（y= -0.285x2+2.854x +7.953， R2=0.835）的效果最佳?？梢岳霉庾V技術(shù)進(jìn)行南豐蜜桔葉片氮素水平的檢測(cè)和診斷，指導(dǎo)精量施肥。

關(guān)鍵詞：光譜模型;氮素;南豐蜜桔

中圖分類(lèi)號(hào)：S-3

文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.19754/j.nyyjs.20191215002

南豐蜜桔有“貢桔”之美稱(chēng)，種植面積達(dá)6.67萬(wàn)hm2，產(chǎn)值超過(guò)100億元。營(yíng)養(yǎng)條件影響南豐蜜桔的生長(zhǎng)發(fā)育、產(chǎn)量形成及果實(shí)品質(zhì)優(yōu)劣。營(yíng)養(yǎng)肥料中，氮肥是南豐蜜桔需求最大、消耗最多、對(duì)生長(zhǎng)影響最顯著的。南豐蜜桔對(duì)缺氮較為敏感，缺氮會(huì)致使新梢抽生不正常， 枝葉稀少而細(xì)小， 葉薄， 葉色呈淡綠色至黃色， 病葉提前脫落;而氮素過(guò)多，會(huì)使果實(shí)皮粗果大。葉片是診斷缺氮的最為有效的方法。近年來(lái)，關(guān)于果樹(shù)的養(yǎng)分監(jiān)測(cè)診斷已取得初步成效，這表明利用光譜技術(shù)監(jiān)測(cè)植物營(yíng)養(yǎng)狀態(tài)是有效可行的。因此，構(gòu)建基于光譜特征的南豐蜜桔氮素監(jiān)測(cè)診斷模型，實(shí)現(xiàn)南豐蜜桔氮肥的精確管理，可提高南豐蜜桔生產(chǎn)的科學(xué)化水平，改善南豐蜜桔品質(zhì)，促進(jìn)南豐蜜桔產(chǎn)業(yè)的可持續(xù)發(fā)展。

1材料與方法

1.1南豐蜜桔樹(shù)樣本管理

試驗(yàn)于2016—2018年在江西省南豐縣蜜桔產(chǎn)業(yè)局桔園進(jìn)行，果園面積約1.667hm2，樹(shù)齡平均為10a，株行距約3m×3m。試驗(yàn)設(shè)置4個(gè)施氮水平，氮肥分別為0kg/株、0.5kg/株、1.0kg/株、1.5kg/株，分別在春梢、夏梢和秋梢前分3次施入。磷肥和鉀肥的施入量均相同。

1.2數(shù)據(jù)獲取

光譜數(shù)據(jù)獲取儀器為美國(guó)ASD公司的Field Spec Hand Held2便攜式光譜儀，波段為350～1075nm，光譜獲取時(shí)間為10：00—14：00之間，光譜測(cè)定時(shí)光纖垂直向下。

光譜測(cè)定的葉片選取南豐蜜桔果樹(shù)上、中、下3個(gè)位置的正常健康葉片，每個(gè)位置的葉片選5片。將采集的葉片，表面用酒精擦干凈后，用ASD光纖對(duì)準(zhǔn)葉片的中部位置（避開(kāi)葉脈）連續(xù)測(cè)定3次，取其平均值為葉片的光譜數(shù)據(jù)。

葉片氮含量的測(cè)定，將采集的南豐蜜桔葉片用酒精擦洗，再用去蒸餾水漂洗干凈。放入烘箱中105℃殺青30min，再用80℃烘干48h以上。使用凱氏定氮法進(jìn)行葉片氮含量的測(cè)定。

1.3模型的構(gòu)建

提取每個(gè)樣本葉片的平均光譜反射曲線(xiàn)，分析所提取的光譜數(shù)據(jù)和每個(gè)樣本葉片氮含量之間的相關(guān)性。通過(guò)獲取雙波段植被指數(shù)（TBVI=（Rλ1-Rλ2）/（Rλ1+Rλ2）。確定光譜數(shù)據(jù)與葉片氮含量之間相關(guān)系數(shù)達(dá)到最高TBVI值，從而獲得計(jì)算該最優(yōu)TBVI值的波段，并利用敏感波段建立基于光譜數(shù)據(jù)的含氮量關(guān)系模型（Rλ表示波長(zhǎng)λ處的光譜反射率）。

選擇任意80%的數(shù)據(jù)進(jìn)行建模，剩余20%的數(shù)據(jù)用以驗(yàn)證模型的效果。使用數(shù)據(jù)分別建立不同光譜模型，選取出效果最好的函數(shù)模型，最后驗(yàn)證所建模型的預(yù)測(cè)效果。

2結(jié)果與分析

2.1葉片的光譜特性

將獲取的光譜數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)行一階導(dǎo)數(shù)、二階導(dǎo)數(shù)處理，以及進(jìn)行平滑處理，然后分析南豐蜜桔葉片不同含氮水平下的光譜特征（圖1）。從圖1中可知，不同氮含量的樣本其光譜曲線(xiàn)走勢(shì)一致，其中在560nm處有1個(gè)強(qiáng)反射峰，在690～720nm范圍內(nèi)反射率迅速增大，在720～1075nm范圍內(nèi)反射率處于高位，且隨著波長(zhǎng)增加呈先降低又升高的趨勢(shì)。不同葉片氮水平樣本之間，在325～1075nm范圍內(nèi)，光譜反射率隨葉片含氮量的增加而顯著增加，表明南豐蜜桔的光譜特征可以作為監(jiān)測(cè)葉片氮含量的有效方法。

2.2模型的構(gòu)建及驗(yàn)證

在葉片高光譜數(shù)據(jù)所有波段中選取任意的2個(gè)波段λ1和λ2，把它們的光譜反射率值代入TVBI公式，采用Matlab軟件將TVBI數(shù)值與葉片氮含量進(jìn)行相關(guān)性分析。結(jié)果表明，由525nm、817nm 2個(gè)波段計(jì)算得到的TVBI值與葉片氮含量的相關(guān)性最高（R2=0.835）。確定了南豐蜜桔葉片氮水平的敏感雙波段為552nm和817nm。根據(jù)敏感波段建立南豐蜜桔葉片氮含量的預(yù)測(cè)模型，分別構(gòu)建了差值植被指數(shù)（DVI）模型方程（y=-0.285x2+2.854x+7.953，R2=0.835）、比值植被指數(shù)（RVI） 模型方程（y= -0.106x2 + 1.485x + 3.519，R2=0.621）和歸一化植被指數(shù)（NDVI）模型方程（y= -0.114x2+4.737x+3.716，R2=0.514）。從結(jié)果中可知，不同光譜植被指數(shù)與葉片氮含量之間的相關(guān)性有顯著差異。葉片氮含量與差值植被指數(shù)相關(guān)性較高，葉片氮含量與差值植被指數(shù)構(gòu)建的回歸模型的相關(guān)性最高（R2=0.835）。

為了驗(yàn)證雙波段模型的預(yù)測(cè)效果，采用根均方差（RMSE）的方法對(duì)模型的模擬值與實(shí)際觀測(cè)值進(jìn)行分析統(tǒng)計(jì)，繪制出模擬值與觀測(cè)值之間的1∶1關(guān)系圖，可以直觀展示觀測(cè)值與模擬值之間的擬合度及可靠性。從圖2中可以看出，采用敏感雙波段552nm、817nm差值植被指數(shù)構(gòu)建的葉片氮素監(jiān)測(cè)模型具有良好的預(yù)測(cè)效果（R2=0.88，RMSE=0.19），表明基于雙波段552nm、817nm差值植被指數(shù)的葉片氮素監(jiān)測(cè)模型對(duì)南豐蜜桔葉片氮含量具有較好的監(jiān)測(cè)性。

3小結(jié)

近年來(lái)，基于地物光譜特性的光譜技術(shù)快速發(fā)展，實(shí)時(shí)、快速、無(wú)損、定量地獲取植株?duì)I養(yǎng)狀況成為可能，為植物生長(zhǎng)的無(wú)損監(jiān)測(cè)和快速診斷調(diào)控提供了新的方法。本研究通過(guò)SAD光譜儀，獲取南豐蜜桔葉片光譜特征，篩選出了552nm、817nm的敏感雙波段，并與葉片氮含量進(jìn)行相關(guān)性分析，構(gòu)建出了基于差值植被指數(shù)的葉片氮含量光譜監(jiān)測(cè)模型（y=-0.285x2+2.854x +7.953），通過(guò)驗(yàn)證表明光譜模型具有較好的預(yù)測(cè)效果。研究結(jié)果為南豐蜜桔的氮肥精確管理提供了理論依據(jù)與技術(shù)途徑。本次研究只針對(duì)單葉片進(jìn)行，對(duì)南豐蜜桔整體的監(jiān)測(cè)具有一定的局限性。南豐蜜桔為多年生果樹(shù)，其整個(gè)冠層氮素的變化更為復(fù)雜，需要開(kāi)展更多深入的試驗(yàn)研究。

參考文獻(xiàn)

[1] 刁莉華.柑橘葉片營(yíng)養(yǎng)元素含量的季節(jié)變化[D].重慶：西南大學(xué)，2013.

[2]Daughtry C S T， Wahhall C L， Kim M S， et a1. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J]. Remote Sensing of Environment， 2000， 74（2）：229-239.

[3]周冬琴.基于冠層反射光譜的水稻氮素營(yíng)養(yǎng)與籽粒品質(zhì)監(jiān)測(cè)[D].南京：南京農(nóng)業(yè)大學(xué)，2007.

[4]葉春，李艷大，舒時(shí)富，等. 基于高光譜的柑橘葉片氮素營(yíng)養(yǎng)監(jiān)測(cè)模型[J].江蘇農(nóng)業(yè)科學(xué)，2018，46（7）： 223-226.

[5]岳學(xué)軍，全東平，洪添勝，等. 柑橘葉片葉綠素含量高光譜無(wú)損檢測(cè)模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31（1）：294-302.

[6]李艷大，舒時(shí)富，陳立才，等. 基于便攜式作物生長(zhǎng)監(jiān)測(cè)診斷儀的江西雙季稻氮肥調(diào)控研究[J].農(nóng)業(yè)工程學(xué)報(bào)， 2019，35（2） ：100-106.

作者簡(jiǎn)介：

舒時(shí)富（1986-），男，碩士，助理研究員。研究方向：農(nóng)業(yè)工程等。