劉 爽，于海業(yè)，陳美辰，樸兆佳，于 通，李發(fā)秦尉，隋媛媛

吉林大學生物與農(nóng)業(yè)工程學院，吉林 長春 130022

引 言

水分和氮對作物生長發(fā)育具有一定的影響，適宜的水氮含量可以有效改善作物生長，起到提高作物品質(zhì)的作用[1]。水氮脅迫會嚴重影響大豆體內(nèi)營養(yǎng)物質(zhì)(蛋白質(zhì)與氨基酸等)的含量，因此，實現(xiàn)大豆水氮脅迫的早期檢測，是保證大豆品質(zhì)與產(chǎn)量的關(guān)鍵[2]。隨著高光譜技術(shù)的發(fā)展，有學者使用高光譜數(shù)據(jù)研究脅迫作用，Salah[3]等用光譜指數(shù)研究水分脅迫下玉米的水分狀況，發(fā)現(xiàn)指數(shù)模型(R970-R900)/(R970+R900)能預測玉米水分含量。高光譜技術(shù)以其快速、實時、無損等優(yōu)點廣泛應用于農(nóng)業(yè)領(lǐng)域作物指標的監(jiān)測，但是關(guān)于利用高光譜技術(shù)監(jiān)測和評價不同水氮含量對大豆葉片光譜植被指數(shù)和作物參數(shù)的影響研究仍鮮有報道[4-5]。

通過分析水氮脅迫下大豆高光譜、光譜植被指數(shù)、葉綠素含量和凈光合速率(下文中稱上述指標為農(nóng)學參數(shù))的變化特征，明確大豆農(nóng)學參數(shù)對水氮脅迫的響應規(guī)律，并提取敏感波段，建立大豆單葉葉綠素含量和凈光合速率的反演模型，旨在為大田環(huán)境及大面積種植時精確管控水氮含量提供參考，同時為生產(chǎn)上利用光譜數(shù)據(jù)進行大范圍、無破壞和快速監(jiān)測大豆長勢提供技術(shù)依據(jù)。

1 實驗部分

1.1 材料及設(shè)計

供試品種為虎山60，采用盆栽實驗，于2018年6月16日播種，每盆播種1粒種子。實驗于吉林大學日光溫室內(nèi)進行，所有植株進行一致管理，于2018年7月23日—8月23日(開花結(jié)莢期)進行水氮脅迫實驗。氮素使用含氮量為20%的尿素，水分和氮素水平如表1(a)和表1(b)所示，其中表1(a)中數(shù)值以最大田間持水量為基準，表1(b)中數(shù)值為氮素施用量。本實驗采用隨機區(qū)組設(shè)計，即W1N0，WIN1，W1N2，W1N3，WN4，W2N0，W2N1，W2N2，W2N3，W2N4，W3N0，W3N1，W3N2，W3N3，W3N4，W4N0，W4N1，W4N2，W4N3，W4N4，共20種處理，3次重復，共60個樣本。借鑒文獻[6]中采用的方法，通過稱量土壤和盆栽的總重量來控制土壤脅迫的水分含量[6]。

表1(a) 4種水分水平表Table 1(a) Table of 4 moisture levels

表1(b) 5種氮素水平表Table 1(b) Table of 5 nitrogen levels

1.2 對照組的確定

于2018年5月15日—7月18日進行大豆水氮脅迫的預實驗，預實驗的地點、環(huán)境和水氮水平與上述實驗設(shè)計相同。通過預實驗測得W3N3處理水平下的大豆結(jié)籽量最多，因此本實驗的對照組水氮處理水平設(shè)為W3N3，稱為未受脅迫處理，其他所有處理水平稱為受脅迫處理。在表1(a)中，按W4，W2，W1的順序稱為水分脅迫程度的增加，在表1(b)中，按N4，N2，N1和N0的順序稱為氮素脅迫程度的增加。

1.3 數(shù)據(jù)采集及處理

于2018年8月20日—27日選擇天色明朗時進行數(shù)據(jù)采集，采集時間為9:00—14:00，采集大豆功能葉片相同葉位的高光譜、葉綠素含量和凈光合速率3種數(shù)據(jù)。高光譜采用Analytical Spectral Devices分析光譜儀器公司產(chǎn)HH 2地物光譜儀測定，測量范圍325～1 075 nm，采樣間隔1.4 nm，分辨率3 nm@700 nm，每片葉獲取10條數(shù)據(jù)。葉綠素含量采用日本產(chǎn)SPAD-502測定，每片葉獲取3條數(shù)據(jù)。凈光合速率采用美國產(chǎn)LI-6400型光合作用儀測定，每片葉獲取3條數(shù)據(jù)。以上3種數(shù)據(jù)均取其平均值。利用ViewSpec Pro，Spss 24.0和Origin 19.0軟件進行數(shù)據(jù)處理與分析。

2 結(jié)果與分析

2.1 不同水氮脅迫下大豆高光譜差異分析

植物葉片的高光譜特征與其內(nèi)部細微的結(jié)構(gòu)特征有關(guān)，受到脅迫后其生理信息的微弱變化可反映在高光譜圖像上[7]。如圖1所示，受脅迫與未受脅迫大豆植株表現(xiàn)出不同的光譜特征，但光譜曲線總體變化趨勢一致，在可見光綠光區(qū)(520～600 nm)的550 nm處形成一個反射峰即“綠峰”，原因是此波段范圍內(nèi)的植物光合效應較低，吸收的光較少，反射率較高。在可見光紅光區(qū)(630～690 nm)的680 nm處形成一個反射谷即“紅谷”，原因是此波段為植物具有最強葉綠素吸收和光合活性的光譜帶，對光的吸收較多，反射率較低。在近紅外光區(qū)(700～900 nm)，由于植物葉肉細胞的反射作用，高光譜曲線快速升高，在760 nm處曲線基本升高至最高點，形成一個反射平臺。

圖1 大豆未受脅迫(W3N3)和受脅迫(W1N0，W2N0，W4N0)下的光譜特征

Fig.1 Spectral characteristics of unstressed (W3N3) and stressed (W1N0, W2N0, W4N0) soybeans

大豆在不同的水分和氮素水平下表現(xiàn)出不同的光譜反射率特征，在W3N3(未受脅迫)時，500～700 nm波段的反射率值低于受脅迫處理，760～900 nm波段的反射率值高于受脅迫處理。原因為大豆在500～700 nm波段的反射率主要受葉綠素含量的影響，而水氮脅迫會加速大豆體內(nèi)已形成葉綠素的分解，使其含量降低，因此W3N3水平大豆的葉綠素含量高，對光的吸收多從而反射率低，760～900 nm波段植株的反射率主要受大豆內(nèi)部構(gòu)造的控制，水氮脅迫使會大豆內(nèi)部結(jié)構(gòu)發(fā)生一定程度的損傷，導致對光的吸收減少從而反射率高。

同一水分水平下的不同氮素水平的光譜特征各不相同，如圖2(a)，(b)，(c)和(d)所示，N3水平(未受脅迫)的大豆光譜反射率在500～700 nm波段最低，760～900 nm波段最高，且隨著氮素脅迫程度的增加(N4，N2，N1，N0)，500～700 nm波段的反射率值逐漸增大。出現(xiàn)這種現(xiàn)象是因為在氮素脅迫下，大豆葉片的葉綠素合成受到抑制，對綠光的吸收減弱，大豆的光合作用受到抑制，對光的吸收減弱，反射率增加，脅迫程度越大，反射率越高。

2.2 敏感光譜植被指數(shù)的選取

光譜植被指數(shù)是幾個波段間的不同光譜數(shù)據(jù)形式的組合運算，以增強植被的某一特性，可通過其值進行不同脅迫類型的檢測[8]。對于復雜的光譜數(shù)據(jù)，為了能最大程度地反映植被的生理信息及生長狀態(tài)，在處理光譜數(shù)據(jù)時，常用植被指數(shù)來反映所研究內(nèi)容的特征[9]。

圖2 不同水分和氮素脅迫下大豆葉片高光譜特征(a): W1與5種氮素水平交互作用; (b): W2與5種氮素水平交互作用;(c): W3與5種氮素水平交互作用; (d): W4與5種氮素水平交互作用Fig.2 Hyperspectral characteristics of soybean leaves under different water and nitrogen stresses(a): W1 combined with five nitrogen levels; (b) W2 combined with five nitrogen levels;(c): W3 combined with five nitrogen levels; (d): W4 combined with five nitrogen levels

相關(guān)分析法通?？梢郧宄孛枋龉庾V植被指數(shù)與作物參數(shù)之間的關(guān)系[10]。采用相關(guān)分析法確定敏感的植被指數(shù)，以指示大豆農(nóng)學參數(shù)的變化。15個光譜植被指數(shù)，標記為SI1—SI15如表2所示，包括光譜反射率值和一階微分值，其中R，D分別代表反射率、一階導數(shù)，其下標數(shù)字為對應數(shù)字的波長。

表2 光譜植被指數(shù)公式及參考文獻Table 2 Spectral vegetation index formula and references

將15個光譜植被指數(shù)分別與葉綠素含量、凈光合速率進行相關(guān)性分析，得到相關(guān)系數(shù)如圖3所示，可見SI1，SI4，SI13，SI14和SI15與葉綠素含量和凈光合速率的相關(guān)系數(shù)均較高，選取作為本工作所使用的植被指數(shù)。5個植被指數(shù)依次為NDVI，RVI，GNDVI，mNDVI705和LCI。

2.3 不同水氮脅迫處理對光譜植被指數(shù)的影響

為了更好地反應大豆高光譜對水氮脅迫的響應規(guī)律，進一步分析植被指數(shù)的變化情況，如表3所示，NDVI，RVI，GNDVI，mNDVI705和LCI具有相同的變化規(guī)律： 未受脅迫(W3N3)時具有較高的植被指數(shù)值。同一水分水平下，植被指數(shù)值N3>N4>N2>N1>N0，隨著氮素脅迫程度的增加(N4，N2，N1，N0)呈現(xiàn)逐漸降低的趨勢； 同一氮素水平下，植被指數(shù)值W3>W4>W2>W1，隨著水分脅迫程度的增加(W4，W2，W1)也呈現(xiàn)逐漸降低的趨勢，水分和氮素脅迫程度最大時植被指數(shù)值最低，表明可通過植被指數(shù)進行大豆脅迫及脅迫程度的識別。

很明顯，受脅迫大豆葉片的植被指數(shù)值低于正常生長大豆，探究其原因，由前文所述可知受脅迫的大豆葉片在500～700 nm波段的反射率高于未受脅迫大豆，而760～900 nm波段的反射率低于未受脅迫大豆，由表3可知植被指數(shù)值是這兩個波段反射率值進行不同運算后的比值，所以其植被指數(shù)值的變化規(guī)律如表3所示。

2.4 大豆單葉葉綠素含量和凈光合速率反演模型的建立

由以上結(jié)果表明植被光譜特征與作物參數(shù)顯著相關(guān)，因此，通過光譜建立大豆葉片葉綠素含量和凈光合速率反演模型是可行的。將2種作物參數(shù)分別與對應的高光譜數(shù)據(jù)進行相關(guān)性分析如圖4、圖5所示，結(jié)果顯示： 全波段中，相關(guān)系數(shù)絕對值大于0.443(p<0.05)的波長范圍集中在520～622 nm波段(葉綠素含量)和485～664 nm波段(凈光合速率)，因此選取520～622和485～664 nm用于建立大豆葉片葉綠素含量和凈光合速率反演模型所用波段。

圖3 大豆葉片葉綠素含量值及凈光合速率與植被指數(shù)相關(guān)系數(shù)

Fig.3 Correlation coefficient between chlorophyll content and net photosynthetic rate and vegetation index in soybean leaves

表3 不同水氮脅迫處理下大豆光譜植被指數(shù)值Table 3 Spectral vegetation index values of soybeans under different water and nitrogen stresses

圖4 大豆單葉高光譜與葉綠素含量的相關(guān)性Fig.4 Correlation between hyperspectrum and chlorophyllcontent of soybean single leaf

用60個大豆葉片的高光譜數(shù)據(jù)建模，采用梯度法選取45個樣本作為校正集，其余15個樣本作為預測集。對比分析了不同的光譜預處理和建模方法的應用情況，選用的預處理方法有MSC，SNV，F(xiàn)D，SD和S-G。建模方法有PLS和PCR，用校正集和預測集的相關(guān)系數(shù)作為模型的評價指標。不同預處理和建模方法組合結(jié)果如表4所示，通過對比12種組合方法分析發(fā)現(xiàn)，采用MSC+FD+S-G+PLS組合的方法建立葉綠素含量反演模型的相關(guān)系數(shù)最高分別為0.960 6和0.972 0，采用SNV+SD+S-G+PLS組合的方法建立凈光合速率反演模型的相關(guān)系數(shù)最高分別為0.992 7和0.970 8，因此確定這兩種方法為最優(yōu)建模方法。

圖5 大豆單葉高光譜與凈光合速率的相關(guān)性Fig.5 Correlation between hyperspectrum and netphotosynthetic rate of soybean single leaf

表4 不同預處理和建模方法組合結(jié)果Table 4 Combination results of different preprocessing and modeling methods

3 結(jié) 論

對不同水氮脅迫類型的大豆進行葉片高光譜、葉綠素含量和凈光合速率測量，對光譜數(shù)據(jù)、植被指數(shù)及作物參數(shù)進行了相關(guān)分析，結(jié)果表明: (1)可通過大豆高光譜進行大豆水氮脅迫及脅迫程度的判斷，具有500～700 nm波段最低反射率和760～900 nm波段最高反射率的光譜曲線代表未受脅迫大豆，在500～700 nm波段的反射率逐漸增加表示脅迫程度的增加； (2)也可通過植被指數(shù)進行大豆水氮脅迫及脅迫程度的判斷，5種植被指數(shù)表現(xiàn)為一致的變化特征，植被指數(shù)的最大值代表未受脅迫大豆，其值逐漸降低表示脅迫程度的增加； (3)所建立的最優(yōu)反演模型可對所有水氮處理的大豆進行葉片葉綠素含量和凈光合速率的預測，可為大面積檢測大豆受脅迫和未受脅迫下其內(nèi)部生理信息提供技術(shù)支持，具有重要的指導和實踐意義。