李燕麗，熊勤學，盧碧林，李繼福，李磊，田廣麗

（1.中國農業(yè)科學院農田灌溉研究所/河南商丘農田生態(tài)系統(tǒng)國家野外科學觀測研究站，河南商丘476001；2.長江大學農學院，湖北荊州434025；3.荊州市農業(yè)技術推廣中心，湖北荊州434025）

0 引言1

【研究意義】長江中下游地區(qū)是我國主要的小麥產區(qū)之一，也是受漬害影響最嚴重的地區(qū)之一，在小麥生育中后期因過多降雨造成的澇漬災害是該區(qū)小麥高產穩(wěn)產的主要限制因子[1-2]。澇漬脅迫導致小麥的災損程度不僅取決于災害發(fā)生的時期及其程度，還與排灌設施及地下水埋深情況有關[3-5]，且由于澇漬害具有一定的滯后性，傳統(tǒng)的鑒別方法操作過程煩瑣且費時費力，很難滿足現(xiàn)實需要。因此研究一種能實時、快速識別小麥受漬方法對及時了解農作物受害程度、指導農業(yè)生產管理及產量估測等方面具有重要的意義。

【研究進展】近年來，高光譜遙感以其光譜分辨率高、波段連續(xù)性強、光譜信息量大的優(yōu)點為農作物研究提供了新的平臺[6-7]。前人利用高光譜遙感在高溫、干旱、凍害、鹽脅迫等環(huán)境脅迫和大氣污染、有機物污染和重金屬污染等逆境下作物生理生態(tài)參數(shù)估測方面取得了較大進步[8-11]。在澇漬害監(jiān)測研究方面也取得了一定的進展。吳啟俠等[12]研究了小麥花后0、20、40 cm 地下水持續(xù)17 d 左右時冠層光譜反射率變化，表明地下水埋深越淺、持續(xù)時間越長，在藍紫光波段和紅光波段的2個吸收谷越不明顯，藍移越明顯，且以紅邊位置、紅邊偏度、紅邊峰度為輸入層建立的BP 神經網絡模型對葉綠素的估算精度較好；熊勤學等[13]通過研究不同品種小麥受漬光譜曲線隨時間的變化特征，發(fā)現(xiàn)歸一化水指數(shù)（Normalized difference water index，NDWI）的差異值可以用來反映小麥受漬情況；段丁丁等[14]研究了利用高光譜參數(shù)的變化特征判斷小麥是否受澇和受澇程度的可行性。【切入點】但是，當前研究主要以作物漬害高光譜曲線特征分析為主，而對作物生理生態(tài)指標災損情況估測的研究相對較少。理清小麥受漬后生理參數(shù)的變化特征及其與高光譜特征參數(shù)的相關性，篩選最優(yōu)監(jiān)測模型，是利用高光譜遙感技術監(jiān)測小麥漬害的基礎，也是實現(xiàn)小麥災損快速、精確預測的前提。

葉綠素是作物光合作用能力和發(fā)育階段的指示器，是監(jiān)測植物生長健康狀況的重要指標之一[15-16]。利用SPAD-502 快速測得的SPAD值，可以用來代替作物葉綠素量[17]。【擬解決的關鍵問題】本研究依據長江中下游小麥受漬特點，通過田間小區(qū)試驗，分析8個小麥品種在灌漿期受漬前后SPAD的變化特征及其與高光譜特征參數(shù)的相關關系，并構建基于高光譜反射率和特征參數(shù)衰減量的漬害估算模型，探索小麥漬害損失程度的遙感監(jiān)測方法，以期為小麥漬害大尺度監(jiān)測提供理論基礎。

1 材料與方法

1.1 試驗區(qū)概況

試驗區(qū)位于長江大學農學院試驗基地（30°21′N，112°08′E），屬東部季風農業(yè)氣候大區(qū)、長江中下游農業(yè)氣候區(qū)，雨熱同期且與作物生產季節(jié)一致。該區(qū)地下水位相對較淺（3 m 左右），且由于受夏季風影響，每年4—10月常發(fā)生暴雨洪澇災害。年均降水量約1 095 mm，年均日照時間1 718 h，種植農作物主要為小麥、油菜、水稻、棉花、玉米等。

1.2 試驗設計

試驗設置漬水處理F 和對照N，供試小麥品種為鄭麥9023、漯6010、西農223、富麥168、鄂麥23、農大195、鄂麥19 和廣源11-2（編號分別為C1—C8）8個小麥品種。其中前5個抗?jié)n性較強、后3個抗?jié)n性較差[13,18]，小區(qū)面積為12 m2（2.4 m×5.0 m），隨機區(qū)組排列，每個處理3個重復共計48個小區(qū)。試驗田土壤pH值為7.6，有機質為21.8 g/kg，速效氮為128.6 mg/kg，速效磷為14.1 mg/kg，速效鉀量為163.9 mg/kg。

試驗于2017年11月3日播種。已有氣象資料表明，試驗所在區(qū)域小麥產量形成關鍵期（4—6月）降水量偏豐[1]，形成漬害概率明顯高于苗期，且漬水處理后的小麥葉片在灌漿中期明顯干枯變黃[1]。因此，本研究人工模擬漬害時期為灌漿期（2018年4月14日），漬水處理期間持續(xù)灌水7 d，并使其地下水位埋深保持0.05 m 左右。漬水區(qū)和正常區(qū)之間留1.5 m 間隔距離，且中間用塑料膜隔離。試驗前分別在受漬區(qū)和正常區(qū)10 cm 土層埋入EC-5 土壤水分自動監(jiān)測傳感器，設定每隔10 min 自動采集1次數(shù)據，試驗期間土壤體積含水率如圖1所示。所有小區(qū)田間管理與當?shù)厍闆r一致。

1.3 樣品采集與測定

本研究利用小麥冠層高光譜反射率進行小麥漬害監(jiān)測，而冠層反射率主要針對上層葉片（旗葉），因而為了減少測量誤差，每個處理掛牌定點測定10個單莖旗葉的SPAD值，并取其平均值作為該小區(qū)的冠層SPAD值[19]。SPAD值采用SPAD-502 儀測定。數(shù)據測定時間分別為漬害處理前1 d（S1，漬害0 d），漬害處理結束的第2 天（S2，漬害處理8 d），漬害處理結束起自然生長7 d（S3，恢復7 d）。

圖1 試驗期間土壤體積含水率Fig.1 Soilvolumemoisture content of the experiment

采用Fieldspec 4 Wide-Res 型便攜式地物光譜儀，進行小麥冠層光譜測定（波譜觀測范圍為350～2 500 nm）。光譜采集選擇晴朗無風的天氣條件下進行，測定時間為10:00—14:00。采用25°視場角探頭，探頭垂直向下，離小麥冠層頂部垂直高度為1 m。每個樣地光譜采集前均進行標準參考版校正，每個樣區(qū)采集10 條光譜曲線，以其平均值作為該區(qū)小麥冠層的光譜反射率值。分別于漬害處理前、中、后每隔3 d 進行光譜數(shù)據采集，如遇陰雨天則觀測延后。本研究共進行5次光譜數(shù)據采集，時間分別為4月13日（漬害0 d）、16日（漬害3 d）、22日（漬害8 d）、25日（恢復3 d）和30日（恢復7 d）。

1.4 數(shù)據處理與分析

利用光譜分析軟件ViewSpecPro 進行高光譜的斷點校正、求均值等預處理，同時利用Savitzky-Golay多項式平滑法去除光譜噪聲。由于葉綠素在紅光光譜段的強吸收作用，使600～700 nm 光譜段的反射率降低，且葉綠素a 在680～700 nm附近的吸收率可達90%左右。因此，本研究利用600～700 nm 紅光光譜反射率的平均值（AR）以及常用16個基于位置和面積變量的高光譜特征參數(shù)（表1）進行分析[10,12]。采用各參數(shù)或SPAD的減少量來衡量小麥受害程度[19]，計算式為：

式中：DX代表高光譜反射率、特征參數(shù)和SPAD的減少量；Xnormal和Xwaterlogging分別代表正常（不受漬）和受漬的高光譜反射率、特征參數(shù)和SPAD值。基于高光譜反射率和特征參數(shù)的減少量構建小麥SPAD災損估算模型。本研究采用獨立樣本驗證的方法對所建模型進行驗證，即C2、C4、C6 和C8 采集的數(shù)據用于建模，C1、C3、C5 和C7的數(shù)據用于驗證。分別基于SPSS和The Unscrambler 軟件建立SPAD減少量的線性回歸模型和偏最小二乘回歸（Partial least squares regression，PLSR）模型，并用建模集決定系數(shù)R2、均方根誤差RMSE和驗證集決定系數(shù)R2v、均方根誤差RMSEv進行模型精度評價，且決定系數(shù)越大、均方根誤差越小，代表模型精度越高。

表1 基于位置和面積變量的高光譜特征參數(shù)Table1 Hyperspectral characteristic parameters of position and area

2 結果與分析

2.1 漬害脅迫對小麥SPAD的影響

圖2（a）為漬水前后8個品種小麥SPAD均值的變化。由圖2（a）可知，與正常小麥相比，受漬8 d的SPAD值（S2）差異并不明顯；而停止?jié)n水7 d后，受漬小麥SPAD值顯著低于正常小麥。由圖2（b）可見，受漬8 d時，除C5以外，其他幾個品種的SPAD均有所下降，且C1的減少量最大；其中，C6、C8的SPAD減少量顯著低于C1的減少量，而顯著高于C2、C4、C5的減少量；至停止?jié)n水7 d后，C7、C8 2個品種小麥的SPAD減少量均顯著高于C1、C2、C3、C4、C5。結果表明漬水脅迫對不同品種小麥的SPAD影響程度有所差異，且抗?jié)n能力弱的SPAD降低較為明顯。

2.2 高光譜特征參數(shù)與SPAD值的相關性

漬害脅迫下小麥SPAD值與17個高光譜特征參數(shù)的相關關系見表2所示。從表2可以看出，漬害脅迫下SPAD值與10個高光譜特征參數(shù)（AR、Rg、Rr、Rg/Rr、Db、SDb、SDy、SDg、SDr/SDb、SDr/Sdy）呈極顯著相關關系，且AR與SPAD值的相關性最高，其相關系數(shù)的絕對值達到0.84（n=48）。同時，受漬小麥高光譜特征參數(shù)與SPAD值的相關性明顯高于正常小麥，相關系數(shù)的絕對值最高達到0.91（n=24）。

2.3 基于高光譜特征參數(shù)的小麥漬害災損估算

基于式（1）分別計算以上所選10個高光譜特征參數(shù)的減少量，并建立SPAD值的災損線性估算模型。由表3可知，基于10個高光譜特征參數(shù)構建的小麥SPAD值減少量模型決定系數(shù)R2在0.42～0.80之間。其中，以AR為變量構建的SPAD值的估算模型效果最好，驗證R2v達到0.77，RMSEv為1.04，表明可以利用AR的減少量來監(jiān)測小麥的災損狀況。

不同品種小麥受漬后AR的減少量隨時間的變化情況如圖3所示。根據其變化特點，可將受漬后小麥分成2 類，一類是鄭麥9023、西農223、漯6010、富麥168 和鄂麥23（圖3（a）），其特點為具有一定的抗?jié)n能力，雖受漬當天就有反應，但在持續(xù)過程中逐漸恢復，富麥168 和鄂麥23 恢復相對緩慢；一類是鄂麥19、廣源11-2 和農大195（圖3（b）），其特點為受漬后前2 天反應不明顯，持續(xù)過程中出現(xiàn)漬害反應，且沒有恢復過程，表明AR的減少量可以用來反映不同品種小麥受漬情況。

圖2 漬害下小麥SPAD值和不同品種小麥SPAD值的減少量Fig.2 Effects of wheat SPAD under waterlogging stressand the SPAD reduction of different wheat varieties

表2 漬害脅迫下高光譜特征參數(shù)與SPAD值的相關關系Table2 Correlation of the hyperspectral characteristic parameters and SPAD

表3 基于10個高光譜特征參數(shù)減少量的小麥SPAD值災損估算結果Table3 Estimation results of SPAD reduction based on the ten hyperspectral characteristic parameters

2.4 基于偏最小二乘回歸的小麥漬害災損估算

基于高光譜反射率建立小麥SPAD值及其減少量的PLSR 估算模型如圖4所示。由圖4（a）可見，利用PLSR 方法建立的小麥冠層SPAD值估算模型中引進的因子數(shù)為17個，模型決定系數(shù)R2和RMSE分別達到0.980 和0.589（n=48）?；谑剑?）分別計算各小區(qū)冠層光譜反射率的減少量，基于建模集數(shù)據（n=12）建立SPAD值減少量的PLSR 估算模型，模型中引進的因子數(shù)為10個，并利用驗證集數(shù)據（n=12）對模型進行獨立驗證。由圖4（b）和圖4（c）可知，基于高光譜反射率構建的小麥SPAD值減少量建模集R2和驗證集R2v分別達到0.984 和0.917，二者的均方根誤差RMSE和RMSEv分別為0.358 和0.639，其精度明顯高于基于單個高光譜特征參數(shù)的估算結果。

圖3 不同品種小麥受漬后AR 減少量變化情況Fig.3 Changes of AR decrease of different wheat varieties after waterlogging

圖4 基于PLSR的小麥SPAD值及其災損估算結果Fig.4 Estimation results of wheat SPAD and its reduction based on PLSR method

3 討論

小麥本身對漬害有一定的抗性，但當漬害超出其耐漬范圍時，葉片光合結構受到損害，葉綠素量逐漸降低（圖2），光合能力下降，最終影響其正常的生長發(fā)育[20-21]。葉綠素是監(jiān)測植物生長健康狀況的重要指標之一，且有研究表明，漬水脅迫對小麥葉綠素的抑制作用較為明顯[22]。因此，本研究以小麥SPAD為研究對象，來分析漬害脅迫下小麥高光譜遙感監(jiān)測的可行性。研究表明，漬害脅迫下小麥SPAD值降低，其變化隨著品種的不同而有所差異，且與其抗性有關，這與前人研究結果基本一致[12,19]。

在水分脅迫下小麥高光譜特征參數(shù)的變化主要以紅邊等參數(shù)為主[13,23-25]，且小麥受澇漬害后紅谷、綠峰、黃邊位置易發(fā)生“紅移”，紅邊位置發(fā)生“藍移”[14]。本研究分析對比了正常和受漬小麥的紅光光譜600～700 nm 反射率平均值（AR）及16個常用高光譜參數(shù)與SPAD的相關關系，結果顯示AR與SPAD的相關性最高（r=-0.84）（表2），且受漬小麥的相關性明顯高于正常小麥。根據小麥受漬后AR的減少量隨受漬時間變化特征可將受漬后小麥分成2 類（圖3），與品種的耐漬能力相吻合，且這2 類共同的特點是漬害處理結束3～8 d 后，小麥冠層紅光光譜反射率逐漸升高，SPAD值減小。這主要是由于漬害脅迫影響小麥正常生長發(fā)育，致使其提前進入蠟熟期，而正常小麥還處于灌漿期[17]。

本研究利用受漬前后高光譜反射率及特征參數(shù)的減少量來量化小麥受害程度，并進行SPAD的災損估算，結果顯示基于高光譜反射率的PLSR 災損估算模型精度明顯高于基于高光譜特征參數(shù)的建模結果，其建模集和驗證集決定系數(shù)分別達到0.984 和0.917（圖4）。主要是由于高光譜特征參數(shù)建立的本質是對有關光譜反射率做一定的數(shù)學變換，以達到增強植被信息的目的，所用光譜信息相對較少。而PLSR 方法是將全部光譜信息作為輸入自變量，并可在有效消除多個自變量之間共線性的同時，使自變量和因變量之間的共變性達到最大化[6-7]，進而建立回歸模型。

本研究基于高光譜數(shù)據進行了漬害脅迫下小麥SPAD災損監(jiān)測研究，但由于小麥受害程度不僅與受漬時間和品種有關，還因灌溉條件、土壤類型、受漬時期等的不同而有所差異[26]，因而后續(xù)研究可將這些影響因素加以考慮，以提高其小麥漬害監(jiān)測精度，實現(xiàn)區(qū)域作物漬害的衛(wèi)星遙感監(jiān)測。

4 結論

1）與正常小麥相比，受漬8 d 時的SPAD值差異并不明顯；而停止?jié)n水7 d 后，受漬小麥SPAD值較正常小麥顯著降低，且漬害對不同品種小麥的SPAD影響程度有所差異。

2）小麥SPAD與17個高光譜特征參數(shù)中AR指數(shù)的相關性最高（r=-0.84），且其減少量隨受漬時間的變化與品種的耐漬能力基本吻合，表明AR的減少量可以用來反映不同品種小麥受漬情況。

3）與基于高光譜特征參數(shù)的小麥SPAD災損估算模型相比，基于PLSR 方法建立的模型估算精度較高（R2和R2v分別為0.984、0.917），可以進行漬害脅迫下小麥SPAD的災損估算。