李嵐?jié)铨?，韓 鵬，王丹丹，王宜倫

(1.河南農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，河南鄭州 450002；2.博愛(ài)縣農(nóng)業(yè)農(nóng)村局，河南博愛(ài) 454450)

目前，利用高光譜技術(shù)定量監(jiān)測(cè)作物地上部生物量主要采用機(jī)理模型法和經(jīng)驗(yàn)統(tǒng)計(jì)法[1]。機(jī)理模型法雖具有較高的機(jī)理性和通用性，但因模型輸入?yún)?shù)多、區(qū)域范圍內(nèi)個(gè)別關(guān)鍵參數(shù)難以準(zhǔn)確獲取以及所固有的病態(tài)反演問(wèn)題，其應(yīng)用受到了限制[2-3]。經(jīng)驗(yàn)統(tǒng)計(jì)法則直接利用高光譜反射率與生物量間構(gòu)建定量統(tǒng)計(jì)關(guān)系，雖方法本身涉及生物量的形成機(jī)理較少，但因計(jì)算簡(jiǎn)單、便捷和易于操作，可及時(shí)準(zhǔn)確反演作物生物量動(dòng)態(tài)變化[4]。目前，基于光譜變量的多元統(tǒng)計(jì)分析技術(shù)是應(yīng)用較多的經(jīng)驗(yàn)?zāi)Ｐ头治龇椒ǎ缰С窒蛄繖C(jī)、偏最小二乘回歸等[5-6]。相較于光譜指數(shù)法，多元統(tǒng)計(jì)分析技術(shù)以全波段光譜反射率為自變量構(gòu)建定量監(jiān)測(cè)模型，波譜信息全面，模型魯棒性強(qiáng)，準(zhǔn)確度高[6]。Hansen等[7]利用偏最小二乘法對(duì)冬小麥地上部生物量實(shí)現(xiàn)了精準(zhǔn)預(yù)測(cè)，確定了基于冠層高光譜技術(shù)的小麥生物量特征光譜指數(shù)。付元元等[8]將偏最小二乘回歸和波段深度分析技術(shù)相融合，克服了小麥生物量過(guò)高時(shí)模型監(jiān)測(cè)的飽和性問(wèn)題，提高了光譜估算精度。徐小強(qiáng)和王德華[9]研究認(rèn)為，采用支持向量機(jī)方法可實(shí)現(xiàn)森林生物量的精準(zhǔn)估算，模型預(yù)測(cè)精度高達(dá)91.85%。修曉敏等[10]利用機(jī)器學(xué)習(xí)方法建立了Landsat 8 OLI與地面草地地上部生物量間的關(guān)系，發(fā)現(xiàn)利用支持向量機(jī)法可獲得較高的預(yù)測(cè)精度，決定系數(shù)和預(yù)測(cè)精度分別為0.59和75.74%。

氮素營(yíng)養(yǎng)和生育時(shí)期是影響作物地上部生物量變化的兩個(gè)核心因子。對(duì)于冠層高光譜而言，其可見(jiàn)光區(qū)域光譜反射率主要受葉片色素吸收影響，而近紅外區(qū)域則受冠層結(jié)構(gòu)等因素影響[11-12]。冬小麥?zhǔn)且环N生長(zhǎng)周期較長(zhǎng)、生育時(shí)期間地上部生物量變化較大且氮營(yíng)養(yǎng)“稀釋效應(yīng)”十分顯著的典型作物。因此，田間條件下基于冠層高光譜遙感的冬小麥地上部生物量監(jiān)測(cè)受生育時(shí)期和施氮水平影響顯著，導(dǎo)致不同生育時(shí)期或不同氮素營(yíng)養(yǎng)條件下所構(gòu)建估算模型對(duì)生物量的敏感程度和預(yù)測(cè)精度存在差異。目前，前人利用高光譜遙感技術(shù)開(kāi)展作物地上部生物量監(jiān)測(cè)大都將不同生育時(shí)期效應(yīng)綜合分析，缺乏分析上述因子聯(lián)動(dòng)變化對(duì)高光譜及高光譜動(dòng)態(tài)監(jiān)測(cè)冬小麥地上部生物量精度的影響。本研究通過(guò)2017-2019年3個(gè)冬小麥氮肥田間試驗(yàn)，利用支持向量機(jī)和偏最小二乘回歸的全波段光譜分析技術(shù)，系統(tǒng)分析不同氮素營(yíng)養(yǎng)條件下冬小麥不同生育時(shí)期地上部生物量與冠層高光譜反射率間的內(nèi)在關(guān)系，明確光譜監(jiān)測(cè)地上部生物量的關(guān)鍵時(shí)期和有效波段，同時(shí)構(gòu)建不同生育時(shí)期地上部生物量的高光譜定量監(jiān)測(cè)模型，并評(píng)價(jià)其對(duì)氮營(yíng)養(yǎng)和生育時(shí)期的適用性，以期為實(shí)現(xiàn)基于氮肥效應(yīng)的冬小麥不同生育時(shí)期長(zhǎng)勢(shì)有效監(jiān)測(cè)提供理論依據(jù)和試驗(yàn)參考。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

田間試驗(yàn)2017-2019年分別于在河南省鶴壁市(2017-2018年)、原陽(yáng)縣(2017-2018年)和溫縣(2018-2019年)共開(kāi)展3個(gè)冬小麥氮肥梯度田間試驗(yàn)。其中，鶴壁點(diǎn)的供試品種為鄭麥369，試驗(yàn)田土壤有機(jī)質(zhì)、全氮、速效磷和速效鉀含量分別為19.7、1.14、0.029、0.152 g·kg-1,pH值為7.4，設(shè)置0、75、150、225和300 kg·hm-25個(gè)氮素水平；原陽(yáng)的供試品種為平安11號(hào)，試驗(yàn)田土壤有機(jī)質(zhì)、全氮、速效磷和速效鉀含量分別為17.9、1.02、0.029、0.145 g·kg-1,pH值為 7.3，設(shè)置0、90、180、270和360 kg·hm-25個(gè)氮素水平；溫縣點(diǎn)的供試品種為平安11號(hào)，試驗(yàn)田土壤有機(jī)質(zhì)、全氮、速效磷和速效鉀含量分別為18.4、1.06、0.033、0.159 g·kg-1,pH值為7.1，設(shè)置0、60、120、180、240、300 kg·hm-26個(gè)氮素水平。各試驗(yàn)點(diǎn)均于分蘗期、拔節(jié)期(營(yíng)養(yǎng)生長(zhǎng)期)、抽穗期、灌漿期(生殖生長(zhǎng)期)開(kāi)展光譜監(jiān)測(cè)。各試驗(yàn)處理均設(shè)3次重復(fù)，隨機(jī)區(qū)組排列。鶴壁點(diǎn)的小區(qū)面積為64.8 m2(7.2 m×9.0 m)，原陽(yáng)和溫縣點(diǎn)均為36.0 m2(7.2 m×5.0 m)。除氮肥外，磷、鉀肥分別按120 kg·hm-2(P2O5)和90 kg·hm-2(K2O)施入。供試肥料品種分別為控釋尿素(含N 44%)、過(guò)磷酸鈣(含P2O512%)和氯化鉀(含K2O 60%)。所有肥料均在小麥播種前做基肥一次性施入，以避免肥料多次追施對(duì)小麥生長(zhǎng)發(fā)育及冠層高光譜測(cè)試連續(xù)性影響。

1.2 測(cè)量項(xiàng)目與方法

1.2.1 冠層高光譜測(cè)定

采用美國(guó)ASD公司生產(chǎn)的HandHeld 2手持式地物光譜儀測(cè)定冬小麥冠層高光譜反射率。每個(gè)觀測(cè)時(shí)期各小區(qū)選取代表性小麥樣方6處，每處采集10條光譜曲線，以其平均值作為該小區(qū)冠層高光譜測(cè)定值。測(cè)定時(shí)，將光譜儀探頭距小麥冠層約1.0 m處，于天氣晴朗且太陽(yáng)高度角變幅較小的11:00-14:00之間進(jìn)行。各小區(qū)測(cè)定前后均采用30×30 cm BaSO4型標(biāo)準(zhǔn)白板進(jìn)行光譜校正，以降低儀器自身和大氣環(huán)境噪聲干擾。HandHeld 2波段范圍325～1 075 nm，波長(zhǎng)準(zhǔn)確度為1 nm，光譜分辨率< 3.0 nm @ 700 nm，視場(chǎng)角為25°。為提高光譜監(jiān)測(cè)準(zhǔn)確度，刪除了信噪比較低的325～399 nm和951～1 075 nm波段范圍，采用400～950 nm光譜區(qū)間開(kāi)展冬小麥地上部生物量高光譜定量反演與精度分析。

1.2.2 地上部生物量測(cè)定

冬小麥冠層高光譜測(cè)定結(jié)束后，各小區(qū)于光譜測(cè)試點(diǎn)選取1 m雙行地上部植株樣方2處(行距20 cm)，即取樣樣方面積為0.20 m2。將上述2個(gè)樣方鮮樣分別獨(dú)立裝袋，全部帶回實(shí)驗(yàn)室后先置于105 ℃烘箱中殺青 30 min, 后置于65 ℃烘箱中烘至恒重, 稱重計(jì)算樣方內(nèi)冬小麥地上部生物量并換算群體地上部生物量。

1.3 數(shù)據(jù)處理與分析

1.3.1 建模集與驗(yàn)證集劃分

綜合試驗(yàn)?zāi)攴?、生態(tài)區(qū)域、小麥品種及地上部生物量數(shù)據(jù)，同時(shí)考慮到模型構(gòu)建及預(yù)測(cè)的穩(wěn)定性和魯棒性，將2017-2018鶴壁點(diǎn)和2018-2019溫縣點(diǎn)數(shù)據(jù)作為建模集(各生育時(shí)期樣本數(shù)n=33)，2017-2018年原陽(yáng)點(diǎn)數(shù)據(jù)作為驗(yàn)證集 (n=15)。

1.3.2 模型構(gòu)建與應(yīng)用

為精確分析冬小麥各生育時(shí)期地上部生物量與其冠層原位高光譜反射率間定量關(guān)系，本研究以各時(shí)期冠層原初光譜為自變量和地上部生物量為因變量，分別采用支持向量機(jī)(support vector machine, SVM)和偏最小二乘回歸(partial least square, PLS)的分析方法研究?jī)烧哧P(guān)系，明確生育期間光譜監(jiān)測(cè)異同效應(yīng)及有效時(shí)間節(jié)點(diǎn)。

SVM分析是一種以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為核心思想的有效監(jiān)督學(xué)習(xí)模式識(shí)別算法，由Vapnik等于1995年提出。該方法通過(guò)核函數(shù)把輸入性不可分的低維度數(shù)據(jù)映射到高維空間以構(gòu)建最優(yōu)化分類超平面，使得不同監(jiān)測(cè)樣本間的類間隔最大，類內(nèi)間隔最小，具有適應(yīng)性強(qiáng)、全局最優(yōu)、結(jié)構(gòu)簡(jiǎn)單等優(yōu)點(diǎn)，對(duì)小樣本、非線性與高維數(shù)據(jù)的估測(cè)具有良好的精度，現(xiàn)已廣泛應(yīng)用于近地高光譜分析與反演中[13-14]。本研究采用Matlab R2012a中epsilon-SVR模型類型和徑向基函數(shù)作為核函數(shù)，利用交叉驗(yàn)證法選取最優(yōu)化核函數(shù)g和懲罰參數(shù)c進(jìn)行建模。

PLS分析是一種多元線性統(tǒng)計(jì)分析方法，可有效解決自變量間具有多重共線性的高光譜數(shù)據(jù)。PLS集典型相關(guān)性分析、主成分分析和多元線性回歸分析為一體，不僅可以有效實(shí)現(xiàn)光譜降維，同時(shí)還可以從多重光譜數(shù)據(jù)中確定影響因變量的關(guān)鍵因子，使所構(gòu)建模型具有更高的精準(zhǔn)度和穩(wěn)定性[15]。此外，在基于PLS模型分析基礎(chǔ)上，為進(jìn)一步明確不同生育時(shí)期間冬小麥地上部生物量特征光譜波段變化差異性，降低光譜監(jiān)測(cè)維度，利用PLS無(wú)量綱評(píng)價(jià)指標(biāo)變量重要性投影值(variable importance in projection, VIP)從400～950 nm范圍內(nèi)篩選出指示生物量時(shí)空變異性的有效波段。VIP值可以定量、直觀反映各波段在反演因變量時(shí)的重要性，其臨界值為1.0，VIP值越高，表明該波段對(duì)因變量預(yù)測(cè)性能越強(qiáng)。

1.3.3 模型檢驗(yàn)

SVM和PLS模型魯棒性采用實(shí)測(cè)值與預(yù)測(cè)值間決定系數(shù)(r2)、均方根誤差(RMSE)和相對(duì)分析誤差(RPD)來(lái)評(píng)估。其中，r2反映模型擬合度，其值越高，表示預(yù)測(cè)值越接近實(shí)測(cè)值；RMSE表示模型精確度，值越小，說(shuō)明模型誤差越低，精度越高；RPD(RPD為樣本標(biāo)準(zhǔn)差與RMSE的比值)則是表征模型魯棒性的通用指標(biāo)，RPD<1.4表示魯棒性過(guò)低，1.42.0則表示模型魯棒性較好，預(yù)測(cè)精度高[16]?；A(chǔ)數(shù)據(jù)處理和分析采用Excel 2007軟件進(jìn)行；小麥各生育時(shí)期地上部生物量與冠層高光譜反射率間相關(guān)性分析采用SAS 8.0軟件進(jìn)行；SVM和PLS分析采用MatlabR2012a軟件進(jìn)行；Origin 2019軟件制圖。

2 結(jié)果與分析

2.1 不同生育時(shí)期冬小麥地上部生物量與冠層高光譜的相關(guān)性

從建模集冬小麥地上部生物量與冠層原位高光譜反射率的相關(guān)性分析結(jié)果(圖1)看，各生育時(shí)期兩者間相關(guān)性變化趨勢(shì)在可見(jiàn)光區(qū)(400～715 nm)和近紅外區(qū)(715～950 nm)均相一致，即在可見(jiàn)光區(qū)呈顯著負(fù)相關(guān)，而在近紅外區(qū)呈正相關(guān)。此外，隨生育期的推進(jìn)，冬小麥地上部生物量與其冠層高光譜間相關(guān)性呈“線性+平臺(tái)”變化趨勢(shì)，至抽穗期時(shí)達(dá)至最大，抽穗期與灌漿期間趨于穩(wěn)定。其中，分蘗期、拔節(jié)期、抽穗期和灌漿期在可見(jiàn)光區(qū)的平均相關(guān)系數(shù)分別為-0.556、 -0.634、-0.693和-0.604，在近紅外區(qū)則分別為 0.495、0.627、0.635和0.624。

2.2 不同生育時(shí)期冬小麥地上部生物量的SVM模型構(gòu)建

基于SVM對(duì)冬小麥地上部生物量各生育時(shí)期核函數(shù)g和懲罰參數(shù)c進(jìn)行尋優(yōu)，結(jié)果(圖2)顯示，分蘗期、拔節(jié)期、抽穗期和灌漿期最佳核函數(shù)g分別為10、10、10和0.1，懲罰參數(shù)c分別為31.6、3.2、31.6和31.6。從建模結(jié)果(表1)看，SVM監(jiān)測(cè)模型的RPD在分蘗期、拔節(jié)期、抽穗期和灌漿期分別為1.906、2.268、2.831和2.636，雖然模型擬合精度均較理想(RPD>1.40)，但生育時(shí)期間表現(xiàn)出較大的差異性，生殖生長(zhǎng)期明顯優(yōu)于營(yíng)養(yǎng)生長(zhǎng)期，以分蘗期擬合精度最低，抽穗期最高，且抽穗期至灌漿期趨于穩(wěn)定。生育時(shí)期間模型驗(yàn)證精度的變化趨勢(shì)與建模集相同，與分蘗期相比，拔節(jié)期、抽穗期和灌漿期RPD分別提高91.7%、128.5%和127.3%，變化顯著。

表1 冬小麥不同生育時(shí)期地上部生物量SVM分析Table 1 Analysis of shoot biomass of winter wheat with SVM model at different growth stages

2.3 不同生育時(shí)期地上部生物量PLS分析

基于PLS分析建立不同生育時(shí)期冬小麥地上部生物量預(yù)測(cè)模型并進(jìn)行驗(yàn)證(表2)。結(jié)果表明，不同生育時(shí)期間，無(wú)論是建模集亦或驗(yàn)證集，模型的擬合和預(yù)測(cè)精度仍然表現(xiàn)為分蘗期<拔節(jié)期<灌漿期≤抽穗期。抽穗期時(shí)建模集r2和RPD分別高達(dá)0.864和2.867，驗(yàn)證集分別為 0.859和2.340，擬合和預(yù)測(cè)精準(zhǔn)度均較高，魯棒性強(qiáng)。此外，PLS模型的監(jiān)測(cè)精度與SVM模型具有高度的一致性，SVM模型和PLS模型的建模r2平均值分別為0.802和0.819，RPD分別為 1.986和1.812，表明無(wú)論采用監(jiān)督學(xué)習(xí)模式識(shí)別算法還是回歸算法，均可有效實(shí)現(xiàn)冬小麥地上部生物量的高光譜精準(zhǔn)監(jiān)測(cè)，其差異性主要表現(xiàn)在因生育時(shí)期地上部群體長(zhǎng)勢(shì)不同所引起的光譜反演精度不同。

表2 冬小麥不同生育時(shí)期地上部生物量PLS分析Table 2 Analysis of shoot biomass of winter wheat with PLS model at different growth stages

2.4 基于PLS的不同生育時(shí)期地上部生物量有效波段確定

為進(jìn)一步提高PLS模型的預(yù)測(cè)精度，對(duì)冬小麥不同生育時(shí)期生物量的冠層高光譜有效波段進(jìn)行了篩選。從PLS模型中變量重要性投影值(VIP)(圖3)看，400～950 nm全波段高光譜的VIP臨界值為1.0，由于大于1.0特征波段較多且高度集中，不易有效區(qū)分與篩選，因此將不同生育時(shí)期地上部生物量有效波段確定的臨界VIP值調(diào)整為1.2。結(jié)果表明，地上部生物量有效波段在分蘗期分別位于紅光區(qū)(685和709 nm)、紅邊區(qū)(780 nm)和近紅外區(qū)(840、890和940 nm)，在拔節(jié)期有效波段則有明顯的“藍(lán)移”現(xiàn)象，分別位于綠光區(qū)(515和585 nm)、紅光區(qū)(655和709 nm)、紅邊區(qū)(778 nm)和近紅外區(qū)(847 nm)；抽穗期“藍(lán)移”現(xiàn)象則更明顯，有效波段向藍(lán)光區(qū)(464 nm)偏移，且指示作物冠層結(jié)構(gòu)和群體長(zhǎng)勢(shì)的近紅外區(qū)特征波段分布更均勻(880和940 nm)；灌漿期有效波段則產(chǎn)生了明顯的“紅移”現(xiàn)象，僅位于紅光-近紅外區(qū)(655、770、820和920 nm)。因此，需要利用這些有效波段重新構(gòu)建地上部生物量不同生育時(shí)期PLS模型(表3)。

表3 基于PLS有效波段的冬小麥不同生育時(shí)期地上部生物量監(jiān)測(cè)模型Table 3 Quantitative regression equation between shoot biomass at different growth stages and the effective wavelengths indicated by PLS model

2.5 基于有效波段的模型再驗(yàn)證

為進(jìn)一步評(píng)估上述優(yōu)選波段對(duì)冬小麥不同生育期地上部生物量預(yù)測(cè)的精準(zhǔn)性，再次利用驗(yàn)證集獨(dú)立試驗(yàn)數(shù)據(jù)對(duì)上述SVM和PLS模型進(jìn)行測(cè)試和檢驗(yàn)(表4)。結(jié)果表明，利用有效波段不僅可以顯著降低光譜分析的維度，同時(shí)對(duì)不同生育期地上部生物量的預(yù)測(cè)仍具有較高的精確度和普適性，r2和RPD均較理想(r2>0.72，RPD> 1.40)，滿足生物量的快速診斷需求。與全波段光譜監(jiān)測(cè)模型精度規(guī)律相似，SVM和PLS均表現(xiàn)為抽穗期最優(yōu)，灌漿期次之，分蘗期最低。綜上分析，本試驗(yàn)所確定冬小麥各生育時(shí)期地上部生物量有效波段具有較強(qiáng)的監(jiān)測(cè)精度，可用于開(kāi)展作物生物量的實(shí)時(shí)和無(wú)損監(jiān)測(cè)。

表4 基于有效波段的冬小麥不同生育時(shí)期地上部生物量SVM和PLS模型精度再驗(yàn)證Table 4 Revalidation of SVM and PLS models for shoot biomass at different growth stages of winter wheat prediction based on effective wavelengths

3 討 論

氮素營(yíng)養(yǎng)和生育期變化是影響農(nóng)作物地上部生物量產(chǎn)生規(guī)律性變化的兩大關(guān)鍵因子，同時(shí)也是造成作物冠層結(jié)構(gòu)和光合色素指標(biāo)異同性的核心因素[17]。對(duì)于冠層高光譜(400～950 nm)而言，其可見(jiàn)光區(qū)(400～715 nm)受葉片色素吸收，而近紅外區(qū)(715～950 nm)則受冠層群體結(jié)構(gòu)影響[12]。研究表明，氮供應(yīng)充足比氮缺乏下作物群體長(zhǎng)勢(shì)和光譜變化更劇烈[18]。隨氮肥用量的增加，作物地上部生物量和冠層光譜反射率差異性則顯著提高[19]。相比于其他營(yíng)養(yǎng)元素，冬小麥對(duì)氮肥的響應(yīng)則更敏感，如缺氮時(shí)宏觀上表現(xiàn)為長(zhǎng)勢(shì)瘦弱，莖稈纖細(xì)；氮肥過(guò)多時(shí)葉片呈深綠色，莖稈粗壯，覆蓋度高；微觀上表現(xiàn)出葉片變薄、葉肉柵欄組織和海綿組織排列緊密、胞間隙減少等特征[11,20]。上述癥狀的發(fā)生均會(huì)引起某些波長(zhǎng)處的光譜反射和吸收產(chǎn)生差異，繼而產(chǎn)生了不同的光譜反射率，表現(xiàn)為反射率不同的波形曲線，并且這些波長(zhǎng)的光譜反射率變化對(duì)氮素的變化十分敏感[21]。同時(shí)，冬小麥?zhǔn)且环N生長(zhǎng)周期長(zhǎng)、不同生育時(shí)期間地上部生物量變化大且氮營(yíng)養(yǎng)“稀釋”效應(yīng)十分顯著的典型作物，繼而造成不同生育時(shí)期間冠層光譜反射率差異較大[18,22]。生物量是表征作物冠層結(jié)構(gòu)特性的重要指標(biāo)，而冠層結(jié)構(gòu)和葉片生理生化參數(shù)又是影響冠層光譜反射率變化的關(guān)鍵因素[23-24]。對(duì)于冬小麥而言，分蘗期至拔節(jié)期時(shí)作物群體覆蓋度較低，生物量相對(duì)較小，大部分太陽(yáng)光可透過(guò)地上部群體進(jìn)入到下部而被土壤吸收，因此光譜反射率易受土壤背景值影響且對(duì)生物量敏感度降低；抽穗期其地上部生物量較高，冠層群體較密閉，各器官生物量逐漸積累，冠層光譜反射率對(duì)作物群體生物量較為敏感，因此該時(shí)期不同氮水平下光譜反射率變化較明顯；至灌漿期，小麥由營(yíng)養(yǎng)生長(zhǎng)進(jìn)入生殖生長(zhǎng)，地上部生物量呈下降趨勢(shì)，中下部葉片逐漸衰老死亡，葉片葉綠素含量顯著降低，冠層光譜反射率對(duì)生物量變化響應(yīng)的敏感度下降[25-27]。作物地上部生物量因生育時(shí)期不同而產(chǎn)生明顯差異，繼而使其對(duì)光能的截獲、折射和反射特性各不相同，造成基于冠層高光譜的作物地上部生物量定量監(jiān)測(cè)受其生長(zhǎng)發(fā)育狀況和環(huán)境影響。因此在利用高光譜技術(shù)開(kāi)展作物地上部生物量實(shí)時(shí)估算時(shí)，應(yīng)充分考慮氮素營(yíng)養(yǎng)與生育時(shí)期差異所引起的模型估算精度問(wèn)題[28]。

在明確光譜差異性影響因子之后，選擇適宜的光譜數(shù)據(jù)分析方法是提高光譜監(jiān)測(cè)精度，構(gòu)建普適性強(qiáng)、穩(wěn)定性高的反演模型的基礎(chǔ)與前提。目前，高光譜降維的方法主要為基于植被指數(shù)的經(jīng)驗(yàn)統(tǒng)計(jì)法和數(shù)學(xué)統(tǒng)計(jì)分析法。植被指數(shù)法雖然被廣泛采用，但因其在定量估算作物營(yíng)養(yǎng)參數(shù)方面存在飽和性問(wèn)題，單純的植被指數(shù)法在作物生物量估算時(shí)往往造成較大誤差[24,28]。因此近年來(lái)以作物氮營(yíng)養(yǎng)為出發(fā)點(diǎn)，采用垂向觀測(cè)的冠層高光譜測(cè)試數(shù)據(jù)并同步結(jié)合全波段光譜分析技術(shù)(偏最小二乘回歸、支持向量機(jī)等)動(dòng)態(tài)和精準(zhǔn)分析作物氮營(yíng)養(yǎng)豐缺狀況，已成功應(yīng)用于作物地上部生物量的定量估算與精確反演。王紀(jì)華等[29]、Casa等[30]和Li等[19]先后采用偏最小二乘回歸、輻射傳輸模型(PROSPECT+SAIL)和支持向量機(jī)等方法深入分析了不同氮營(yíng)養(yǎng)下冬小麥、玉米或油菜氮濃度與冠層光譜間內(nèi)在關(guān)系，初步明確了利用高光譜監(jiān)測(cè)氮營(yíng)養(yǎng)豐缺狀況的可行性和提高分析準(zhǔn)確度的措施。前人研究主要以作物全生育期綜合分析為主，但針對(duì)于冬小麥不同生育時(shí)期構(gòu)建高光譜估算模型的報(bào)道卻十分有限?；诖?，本研究首先利用支持向量機(jī)整體評(píng)估不同生育時(shí)期冬小麥地上部生物量高光譜監(jiān)測(cè)的精度和可行性，繼而進(jìn)一步利用偏最小二乘回歸定量構(gòu)建冬小麥地上部生物量監(jiān)測(cè)模型，并且獲得了較好的預(yù)測(cè)精度，這與吳 芳等[24]和Wang等[31]對(duì)冬小麥生物量的估算精度相一致(不同生育時(shí)期決定系數(shù)均高于0.60)。雖然，目前對(duì)冬小麥地上部生物量的高光譜估測(cè)還不能實(shí)現(xiàn)高精度和普適化，但本研究對(duì)增強(qiáng)高光譜技術(shù)在作物營(yíng)養(yǎng)和長(zhǎng)勢(shì)參數(shù)的定量估測(cè)方面提供一個(gè)思路和技術(shù)參考，這也為我們后期進(jìn)一步優(yōu)化模型奠定基礎(chǔ)，進(jìn)而滿足農(nóng)業(yè)生產(chǎn)需求，為冬小麥精確管理提供基礎(chǔ)信息和技術(shù)支持。

高光譜數(shù)據(jù)具有波段維數(shù)多及波段連續(xù)性強(qiáng)等特點(diǎn)，因此在數(shù)據(jù)分析和模型構(gòu)建過(guò)程中，降低光譜分析維度，尋求能有效指示氮營(yíng)養(yǎng)指標(biāo)變化的有效波段，對(duì)揭示光譜監(jiān)測(cè)營(yíng)養(yǎng)學(xué)機(jī)制，提高光譜分析時(shí)效性具有重要意義。本研究中，冬小麥地上部生物量有效波段在不同生育時(shí)期具表現(xiàn)出明顯的異同性(圖3)，主要原因在于分蘗期時(shí)冬小麥地上部生物量低，冠層光譜反射率易受土壤和大氣噪音干擾。同時(shí)，由于該時(shí)期小麥長(zhǎng)勢(shì)較弱，氮肥“稀釋”效應(yīng)不甚顯著，而植株體內(nèi)光合色素含量在全生育期間相對(duì)較高且表征其冠層結(jié)構(gòu)指標(biāo)如葉生物量、面積指數(shù)、葉傾角等在光譜維方向上均有所響應(yīng)，因此該生育時(shí)期特征波段在可見(jiàn)光-近紅外均有明顯分布[32-33]。拔節(jié)期時(shí)小麥地上部生物量逐漸升高且中下層葉片均平鋪于地，降低了外界因素的干擾，因此可有效反映色素變化的綠光區(qū)有效波段(515和585 nm)進(jìn)一步增強(qiáng)，特征波段產(chǎn)生“藍(lán)移”。抽穗期時(shí)小麥冠層郁閉，小麥立體效應(yīng)顯現(xiàn)，除頂層麥穗外中下層葉片對(duì)冠層光譜影響更為明顯，因此其有效波段除產(chǎn)生“藍(lán)移”外，近紅外區(qū)波段分布變寬，可用于有效地監(jiān)測(cè)中高氮梯度下的生物量[34]。在灌漿期，冬小麥植株各部分營(yíng)養(yǎng)向籽粒轉(zhuǎn)移，該階段生物量達(dá)一生中最高值，小麥群體郁閉度進(jìn)一步增大，中下層葉片產(chǎn)生明顯的下垂發(fā)黃現(xiàn)象，體內(nèi)色素含量顯著降低，影響光譜變化的有效波段主要體現(xiàn)在反映冠層結(jié)構(gòu)特性的紅光-近紅外區(qū)，因此該時(shí)期有效波段產(chǎn)生明顯的“紅移”現(xiàn)象[35]。冬小麥不同生育時(shí)期地上部生物量有效波段之所以產(chǎn)生差異明顯且符合其生長(zhǎng)發(fā)育和營(yíng)養(yǎng)特性的區(qū)分性差異，說(shuō)明冠層高光譜技術(shù)可以實(shí)現(xiàn)作物長(zhǎng)勢(shì)和氮素營(yíng)養(yǎng)的精準(zhǔn)監(jiān)測(cè)，但應(yīng)確定有效的光譜監(jiān)測(cè)時(shí)期。同時(shí)，在利用高光譜技術(shù)構(gòu)建定量監(jiān)測(cè)模型時(shí)，應(yīng)分時(shí)段甚至分層次進(jìn)行，盡可能獲取作物生長(zhǎng)和營(yíng)養(yǎng)的最大信息，提高光譜估算精度。

4 結(jié) 論

冬小麥地上部生物量與冠層高光譜反射率在可見(jiàn)光區(qū)(400～715 nm)呈負(fù)相關(guān)，近紅外區(qū)(715～950 nm)正相關(guān)，且相關(guān)性表現(xiàn)為分蘗期<拔節(jié)期<灌漿期≤抽穗期。利用支持向量機(jī)和偏最小二乘回歸模型均可實(shí)現(xiàn)冬小麥地上部生物量的高光譜快速估測(cè)，但生育期間模型精度差異較大，抽穗期效果最優(yōu)，灌漿期次之，分蘗期最低。