徐若涵，楊再?gòu)?qiáng),2**，申夢(mèng)吟，王明田

苗期低溫脅迫對(duì)“紅顏”草莓葉綠素含量及冠層高光譜的影響*

徐若涵1，楊再?gòu)?qiáng)1,2**，申夢(mèng)吟1，王明田3

（1．南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，南京 210044；2．江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室，南京 210044；3．四川省氣象臺(tái)，成都 610091）

2020年9月?2021年1月以“紅顏”（×Duch “Benihope”）草莓為試材，在南京信息工程大學(xué)開(kāi)展低溫環(huán)境控制試驗(yàn)。設(shè)置21℃（日最高氣溫）/11℃（日最低氣溫）、18℃/8℃、15℃/5℃和12℃/2℃共4個(gè)低溫處理，持續(xù)時(shí)間設(shè)置3d、6d、9d、12d共4個(gè)水平，以25℃/15℃為對(duì)照（CK）。測(cè)定草莓葉片葉綠素含量以及冠層高光譜反射率，研究低溫脅迫對(duì)草莓葉綠素含量及冠層反射光譜的影響，篩選出葉綠素含量估算模型的敏感波段與特征參數(shù)。結(jié)果表明：（1）同一低溫條件下，草莓葉片葉綠素a、葉綠素b和總?cè)~綠素(a+b)等參數(shù)隨著脅迫天數(shù)的延長(zhǎng)而減少；同一脅迫天數(shù)下，溫度越低其含量越低，即低溫脅迫程度越大葉綠素含量下降幅度也越大。（2）不同溫度同一脅迫天數(shù)處理草莓苗期冠層光譜反射率變化規(guī)律大致相同。在可見(jiàn)光區(qū)域草莓冠層反射光譜曲線均存在綠峰和紅谷，在近紅外反射平臺(tái)隨著溫度降低，光譜反射率數(shù)值逐漸增大，即反射平臺(tái)逐漸增高。（3）草莓冠層一階微分光譜曲線變化較劇烈，有明顯波峰和波谷，在紅邊范圍內(nèi)偶有雙峰現(xiàn)象。隨著低溫脅迫程度的加深，一階微分光譜最高峰的值越高，草莓冠層光譜的近紅外反射率升高，紅邊位置藍(lán)移，之后該峰值逐漸降低，紅邊位置紅移。（4）草莓葉綠素(a+b)含量與冠層原始光譜反射率的相關(guān)系數(shù)均呈負(fù)相關(guān)，與原始光譜的近紅外波段反射率的相關(guān)性明顯高于可見(jiàn)光波段。葉綠素(a+b)含量與原始光譜反射率相關(guān)性較好，均達(dá)到顯著水平，其中737nm波段相關(guān)系數(shù)達(dá)到最大，因此可以用其作為敏感波段對(duì)葉綠素含量進(jìn)行預(yù)測(cè)。葉綠素(a+b)含量與植被指數(shù)中的DVI、MSAVI、PVI、RDVI、SAVI和TSAVI的相關(guān)性達(dá)極顯著水平，可以選其作為特征參數(shù)對(duì)葉綠素含量進(jìn)行預(yù)測(cè)。

草莓；低溫脅迫；葉綠素；冠層光譜；植被指數(shù)

草莓（×Duch.）是多年生草本植物，原產(chǎn)地為南美洲，現(xiàn)在中國(guó)及歐洲等地都廣為栽培。2017年中國(guó)草莓種植面積居世界第一位[1]；2019年中國(guó)草莓種植面積為125千hm2，產(chǎn)量為327.6萬(wàn)t；2020年中國(guó)草莓出口數(shù)量為5594.6t，出口創(chuàng)匯為1406.4萬(wàn)美元。草莓生長(zhǎng)需要溫暖的環(huán)境，有利于其生長(zhǎng)的溫度為10～30℃，最適溫度為15～25℃，低于10℃時(shí)花芽分化停止，當(dāng)草莓所處環(huán)境大幅度降溫時(shí)整個(gè)植株的葉片會(huì)變成深綠色，呈水浸狀萎蔫[2]。葉綠素是反應(yīng)草莓植株健康狀況的重要指標(biāo)之一[3?5]，因此，確定葉綠素含量對(duì)于研究草莓逆境脅迫具有重要意義[6]。在南方冬季低溫是影響草莓生長(zhǎng)的主要因子，研究低溫脅迫下草莓葉綠素含量及冠層反射光譜的變化，對(duì)揭示低溫災(zāi)害致災(zāi)機(jī)理和環(huán)境優(yōu)化調(diào)控具有重要意義。

測(cè)定葉綠素含量傳統(tǒng)的方法是使用生理生化的手段，此方法可以準(zhǔn)確測(cè)定單位面積葉片的葉綠素a（Chla）、葉綠素b（Chlb）和類(lèi)胡蘿卜（Car）含量，但是該方法需要破壞取樣，工作量大且耗時(shí)，同時(shí)對(duì)大尺度的農(nóng)田作物難以實(shí)現(xiàn)快速、實(shí)時(shí)、有效的檢測(cè)[7]。另一種方法是使用便攜式葉綠素測(cè)定儀即SPAD-502來(lái)測(cè)定葉片相對(duì)葉綠素含量，該方法能準(zhǔn)確測(cè)定葉片的SPAD值（相對(duì)葉綠素含量），但該儀器需要將待測(cè)葉片夾住（接觸式）并且是單點(diǎn)測(cè)量，同樣很難用于大面積作物的葉綠素含量的監(jiān)測(cè)[8]。高光譜地物成像分析技術(shù)是近年來(lái)廣為應(yīng)用的一種快速、無(wú)損監(jiān)測(cè)技術(shù)，并且在不破壞植物結(jié)構(gòu)的條件下，可以實(shí)現(xiàn)對(duì)農(nóng)作物的生長(zhǎng)狀況的監(jiān)測(cè)，具有相當(dāng)大的發(fā)展?jié)摿9]。

迄今為止，關(guān)于低溫對(duì)“紅顏”草莓苗期葉綠素含量和冠層反射光譜影響的研究未見(jiàn)報(bào)道。為此，本研究設(shè)計(jì)環(huán)境控制試驗(yàn)，系統(tǒng)研究低溫脅迫對(duì)草莓葉綠素含量及冠層反射光譜的影響規(guī)律，篩選出葉綠素含量估算模型的敏感波段與特征參數(shù)，以期為利用高光譜反射開(kāi)展低溫脅迫下草莓長(zhǎng)勢(shì)監(jiān)測(cè)和環(huán)境調(diào)控提供參考方法[10]。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2020年9月?2021年1月在南京信息工程大學(xué)環(huán)境控制試驗(yàn)的人工氣候室（PGC–FLEX，Conviron，加拿大）進(jìn)行，以“紅顏”（×Duch“Benihope”）草莓為試材，由南京盤(pán)城草莓園種植基地提供。在草莓苗期（9～12片真葉，葉長(zhǎng)≥5cm）時(shí)移入種植盆內(nèi)，進(jìn)行短期低溫處理。草莓苗規(guī)格高10cm，葉片數(shù)6～10片，種植盆高40cm，內(nèi)徑20cm，基質(zhì)為土壤，有機(jī)質(zhì)含量4.5%，pH6.5，土壤含水量始終保持在50%～60%。參考韋婷婷等[11]的研究逐時(shí)模擬南京氣溫動(dòng)態(tài)變化，設(shè)置氣候室的低溫變化，如圖1所示，設(shè)計(jì)4個(gè)低溫水平，分別為21℃（日最高氣溫）/11℃（日最低氣溫）、18℃/8 ℃、15℃/5℃和12℃/2℃，持續(xù)時(shí)間設(shè)置3d、6d、9d、12d共4個(gè)水平，以25℃/15 ℃為對(duì)照（CK），溫室空氣相對(duì)濕度控制為60%±5個(gè)百分點(diǎn)，8：00?20：00光照強(qiáng)度設(shè)置為800μmol·m?2·s?1，其它時(shí)段為0。將苗期長(zhǎng)勢(shì)一致，且健康的盆栽草莓放入人工氣候室處理，同一溫度條件放入20盆，每3天拿出5盆，并取其功能葉片（從上到下第3?5片成熟葉片）進(jìn)行葉綠素含量以及高光譜的測(cè)定。每株幼苗取3個(gè)葉片，每個(gè)處理5個(gè)重復(fù)。

圖1 人工氣候箱動(dòng)態(tài)低溫模式的設(shè)定

1.2 葉綠素含量和冠層高光譜的測(cè)定

1.2.1 葉綠素含量測(cè)定

取新鮮草莓功能葉片，擦凈表面污物，去除中脈后剪碎，稱(chēng)取0.5g放入研缽中研磨，同時(shí)加入80%丙酮2mL進(jìn)行冷卻，研磨成均漿。把均漿倒入離心管中，離心除去顆粒，再用80%丙酮將上清液稀釋并定容至體積為10mL，然后在25℃室溫里黑暗提取48h，直至葉片中的色素被完全提取出來(lái)。最后使用紫外分光光度計(jì)（UV-1800，島津）測(cè)量波長(zhǎng)為645nm、663nm和652nm下的吸光度值[12]。Chla和Chlb含量計(jì)算式為[13]

Ca=（12.72A663-2.59A645）V/（1000W） （1）

Cb=（22.88A645-4.67A663）V/（1000W） （2）

Ca+b= 34.5A652×1000 （3）

其中，C代表葉綠素含量（mg·g?1）；A663、A645和A652分別代表波長(zhǎng)為663nm、645nm和652nm處的吸光度值；V代表提取液體的總體積（mL）；W代表取樣的鮮重（g）；34.5為葉綠素a和葉綠素b在波長(zhǎng)652nm處的吸光系數(shù)。

1.2.2 冠層高光譜測(cè)定

冠層光譜采用高光譜成像儀（SOC711，USA）測(cè)定，其400?1000nm區(qū)間的光譜分辨率為1.3nm，通過(guò)SOC711-VP數(shù)據(jù)采集軟件控制光譜成像系統(tǒng)。在10：00?14：00晴朗無(wú)風(fēng)的天氣，盡量將探頭垂直正對(duì)草莓冠層頂部，距離約0.5m，減少土壤背景的影響，用白板校正，觀測(cè)前后均以參考板標(biāo)定，每個(gè)處理測(cè)定10次，取其平均值作為光譜數(shù)據(jù)。

1.3 數(shù)據(jù)處理和分析

1.3.1 光譜特征參數(shù)

原始光譜特征參數(shù)由400?1000nm波段的原始光譜反射率組成。可見(jiàn)光光譜在400?780nm，綠光范圍492?577nm，紅光范圍622?780nm?？梢?jiàn)光區(qū)域內(nèi)綠光范圍內(nèi)原始光譜呈波峰狀稱(chēng)為綠峰；紅光范圍內(nèi)原始光譜較小，呈波谷狀，稱(chēng)為紅谷。近紅外波段大于780nm。

雖然高光譜遙感光譜具有較強(qiáng)的連續(xù)性，但是實(shí)際測(cè)定時(shí)光譜間隔具有離散性，為了消除土壤背景、大氣散射、凋落物等低頻光譜成分的影響，對(duì)原始光譜反射率進(jìn)行一階微分變換，計(jì)算式為

式中，R'i為第i個(gè)一階微分光譜反射率，Ri為第i個(gè)原始光譜反射率，Ri+1為第i+1個(gè)原始光譜反射率，Ri?1為第i?1個(gè)原始光譜反射率，λi為第i個(gè)波長(zhǎng)，λi+1為第i+1個(gè)波長(zhǎng)，λi?1為第i?1個(gè)波長(zhǎng)。

紅邊是一階微分光譜紅光波段反射率增大最快的點(diǎn)，其所處位置也是一階微分光譜反射率最大值所對(duì)應(yīng)的波長(zhǎng)，紅邊特征可以反映植被的生長(zhǎng)狀況。紅邊所處波段的波長(zhǎng)向長(zhǎng)波方向移動(dòng)稱(chēng)為紅移，向短波方向移動(dòng)稱(chēng)為藍(lán)移。

1.3.2 植被指數(shù)

植被指數(shù)是通過(guò)對(duì)不同光譜波段進(jìn)行運(yùn)算，得到反映植物生長(zhǎng)狀況的數(shù)值。表1為與葉綠素含量密切相關(guān)的植被指數(shù)。

表1 各植被指數(shù)計(jì)算式

注：RNIR代表近紅外波段光譜反射率的平均值；RRed代表紅光波段光譜反射率的平均值；L代表調(diào)整系數(shù)，L=0.5；a與b代表土壤線系數(shù)，a=10.489，b=6.604。

Note: RNIRrepresents the average value of spectral reflectance in near-infrared band; RRedrepresents the average value of spectral reflectance in the red band; L represents the adjustment coefficient, L=0.5; a and b represent soil linear coefficient, a=10.489, b=6.604. DVI is Difference Vegetation Index. MSAVI is Modified Soil Adjustment Vegetation Index. NDVI is Normalized Difference Vegetation Index. PVI is Perpendicular Vegetation Index. RDVI is Renormalized Difference Vegetation Index. RVI is Ratio Vegetation Index. SAVI is Soil Adjusted Vegetation Index. TSAVI is Transform Soil Adjustment Vegetation Index.

2 結(jié)果與分析

2.1 低溫脅迫對(duì)草莓葉片葉綠素含量的影響

由表2可見(jiàn)，正常生長(zhǎng)狀態(tài)下（CK），草莓冠層葉片葉綠素a、葉綠素 b以及葉綠素（a+b）含量在觀測(cè)期內(nèi)無(wú)顯著差異，而低溫處理相同天數(shù)后（3d、6d、9d或12d），葉綠素含量較CK均明顯下降，且低溫脅迫程度越大葉綠素含量下降幅度也越大。相同的脅迫低溫下，脅迫時(shí)間越長(zhǎng)葉綠素a含量越低。與同期CK相比，21℃/11℃、18℃/8℃、15℃/5℃和12℃/2℃低溫處理下的葉綠素a含量在脅迫12d時(shí)分別下降21.6%、26.7%、27.1%和46.2%。葉綠素b含量的變化趨勢(shì)與葉綠素a類(lèi)似，相同的脅迫低溫下都隨著脅迫天數(shù)的延長(zhǎng)而呈現(xiàn)降低的趨勢(shì)。21℃/11℃的低溫下，葉綠素b的含量在處理9d時(shí)顯著下降，與同期CK相比下降5.9%；而在18℃/8℃、15℃/5 ℃低溫下在處理6d時(shí)即顯著下降，分別下降10.3%和18.3%。葉綠素（a+b）含量隨溫度變化與葉綠素a、葉綠素b的含量變化趨勢(shì)類(lèi)似，同一脅迫低溫下，隨著脅迫天數(shù)的延長(zhǎng)而減少；同一脅迫天數(shù)下，溫度越低其含量越低。同一脅迫低溫下，脅迫時(shí)間越長(zhǎng)葉綠素（a+b）含量越少。21℃/11℃和18℃/8℃處理下的葉綠素（a+b）含量在處理9d時(shí)顯著下降，與CK同期相比分別下降11.9%和15.7%，而15℃/ 5 ℃和12℃/2℃處理下的葉綠素（a+b）含量在處理6d時(shí)即已顯著下降，與CK同期相比分別下降了20.2%和21.6%。

總之，低溫脅迫對(duì)葉綠素a、葉綠素b和葉綠素（a+b）含量造成不同程度的影響，溫度越低，脅迫時(shí)間越長(zhǎng)，葉綠素含量下降越明顯。

2.2 低溫脅迫對(duì)草莓冠層光譜反射率的影響

圖2所示為低溫脅迫下不同天數(shù)的草莓冠層原始光譜特征曲線。由圖可知，相同脅迫天數(shù)不同溫度處理下“紅顏”草莓苗期冠層原始光譜反射率變化規(guī)律大致相同，隨著溫度的降低，葉綠素含量隨之減少。CK處理下不同天數(shù)草莓冠層原始光譜反射率變化不明顯，但隨著低溫脅迫程度的加深，其他處理各波段的冠層原始光譜反射率均高于CK。在可見(jiàn)光區(qū)域草莓冠層原始光譜反射率均較低，所有處理的光譜曲線均存在綠峰，在綠光波段492?577nm，光合色素對(duì)綠光吸收較少甚至反射綠光，形成反射峰，綠峰為反射光譜在綠光波段的反射率最大值，在550nm附近，所以葉片呈綠色；所有處理的光譜曲線均存在紅谷，在622?780nm的紅光波段，葉綠素吸收紅光較為強(qiáng)烈，形成吸收谷，紅谷為原始光譜在紅光波段反射率的最低點(diǎn)，在680nm附近。在相同天數(shù)不同低溫處理的光譜曲線中，在低溫處理3d時(shí)，綠峰最大值出現(xiàn)在15℃/5℃低溫處理，原始光譜發(fā)射率為0.169；在低溫處理6d時(shí)，綠峰最大值出現(xiàn)在12℃/2℃，原始光譜發(fā)射率為0.158；在低溫處理9d時(shí)，綠峰最大值出現(xiàn)在15℃/5℃，原始光譜發(fā)射率為0.174；在低溫處理12d時(shí)，綠峰最大值出現(xiàn)在12℃/2℃，原始光譜發(fā)射率為0.159；紅谷最小值均出現(xiàn)在CK，原始光譜發(fā)射率為0.014；在相同天數(shù)不同低溫處理的光譜曲線中，均以12℃/2℃處理綠峰、紅谷變化最顯著。780nm后為近紅外波段，各處理反射率均急劇增加，形成較高的反射平臺(tái)。

表2 各溫度處理持續(xù)不同天數(shù)后草莓葉片葉綠素含量比較

注：數(shù)據(jù)為平均值±標(biāo)準(zhǔn)誤差。同列不同大寫(xiě)字母表示不同溫度持續(xù)相同天數(shù)處理間在0.05水平上差異顯著（Duncan檢驗(yàn)），不同小寫(xiě)字母表示在相同溫度持續(xù)不同天數(shù)處理間在0.05水平上差異顯著（Duncan檢驗(yàn)）。下同。

Note: The data are mean±standard error. Different capital letters in the same column indicate that there is significant difference at 0.05 level among treatments which are under different temperatures for the same stress days (Duncan test), and different small letters indicate that there is significant difference at 0.05 level among treatments which are under the same temperature for different stress days (Duncan test). The same as below.

圖2 各溫度處理持續(xù)不同天數(shù)后草莓冠層原始光譜曲線

總之，在400?1000nm波段，低溫脅迫后葉片原始光譜反射率增大，且溫度越低、持續(xù)時(shí)間越長(zhǎng)，葉片反射率越大；可見(jiàn)光區(qū)域，低溫脅迫后草莓冠層原始反射光譜曲線除紅谷和綠峰外變化幅度不明顯，但在近紅外波段隨著溫度降低，原始光譜反射率隨之增大，反射平臺(tái)逐漸增高，以12℃/2℃低溫處理時(shí)達(dá)到最大，且低溫脅迫12d反射率變化幅度最大。

由圖3可知，草莓冠層一階微分光譜曲線變化較劇烈，在521nm波段附近有明顯波峰；在566nm波段附近有明顯波谷；在711nm波段附近有明顯的波峰，偶有雙峰現(xiàn)象。圖3a中，21℃/11℃處理3d時(shí)有明顯雙峰現(xiàn)象，左峰位于705nm波段，一階微分反射率為0.012，右峰位于721nm波段，一階微分反射率也為0.012。圖3b中，18℃/8℃處理6d時(shí)有明顯雙峰現(xiàn)象，左峰位于705nm波段，一階微分反射率為0.014，右峰位于721nm波段，一階微分反射率為0.013。圖3c中，21℃/11℃處理6d時(shí)有明顯雙峰現(xiàn)象，左峰位于700nm波段，一階微分反射率為0.012，右峰位于716nm波段，一階微分反射率為0.011。圖3d中，21℃/11℃處理6d時(shí)有明顯雙峰現(xiàn)象，左峰位于705nm波段，一階微分反射率為0.011，右峰位于716nm波段，一階微分反射率為0.012；18 ℃/8℃處理6d時(shí)有明顯雙峰現(xiàn)象，左峰位于705nm波段，一階微分反射率為0.013，右峰位于716nm波段，一階微分反射率為0.014；15℃/5℃處理6d時(shí)有明顯雙峰現(xiàn)象，左峰位于705nm波段，一階微分反射率為0.016，右峰位于716nm波段，一階微分反射率為0.014。相同天數(shù)不同溫度脅迫下，12℃/2℃的一階微分光譜峰值最高。相同溫度不同脅迫天數(shù)下，以12d的一階微分光譜峰值最高。

所有處理中，紅邊位于700?721nm波段。相同天數(shù)不同脅迫溫度處理下，一階微分光譜反射率的峰值隨著低溫脅迫程度的加劇而升高。相同溫度不同脅迫天數(shù)處理下，CK一階微分光譜反射率的紅邊位置未移動(dòng)，而其他處理，無(wú)論是相同溫度不同天數(shù)，還是相同天數(shù)不同溫度，隨著脅迫程度的加深，草莓冠層一階微分光譜的近紅外反射率升高，紅邊位置藍(lán)移，之后該峰值逐漸降低，紅邊位置紅移，與CK的一階微分光譜反射率的差異逐漸減小。

圖3 各溫度處理持續(xù)不同天數(shù)后草莓冠層一階微分光譜曲線

總之，苗期草莓冠層一階導(dǎo)數(shù)光譜曲線變化比較劇烈，有明顯波峰和波谷，偶有雙峰現(xiàn)象，在低溫脅迫下，溫度越低、持續(xù)時(shí)間越長(zhǎng)，一階微分光譜最高峰的值越高，草莓冠層光譜的近紅外反射率升高，紅邊位置藍(lán)移，之后該峰值逐漸減低，紅邊位置紅移。

2.3 低溫脅迫下草莓葉綠素含量與冠層光譜的關(guān)系

相關(guān)分析表明，草莓冠層原始光譜反射率與葉綠素含量均呈負(fù)相關(guān)關(guān)系。由圖4可見(jiàn)，400?541nm區(qū)間二者的相關(guān)系數(shù)整體呈增大趨勢(shì)，541?695nm之后相關(guān)系數(shù)整體呈減小趨勢(shì)，695nm處相關(guān)系數(shù)急劇增大，737nm處相關(guān)系數(shù)達(dá)到最大值0.92，在近紅外區(qū)趨于穩(wěn)定，葉綠素含量與原始光譜近紅外波段反射率的相關(guān)性明顯高于可見(jiàn)光波段。在400?1000nm區(qū)域，僅659?669nm波段葉綠素含量與原始高光譜反射率的相關(guān)系數(shù)未達(dá)到極顯著水平，但均達(dá)到顯著水平。

總之，在400?1000nm區(qū)域，葉綠素含量與原始高光譜反射率相關(guān)性較好，均達(dá)到顯著水平，其中737nm波段相關(guān)系數(shù)達(dá)到最大，因此可以用其作為敏感波段對(duì)葉綠素含量進(jìn)行預(yù)測(cè)。

圖4 草莓冠層原始光譜反射率與葉綠素(a+b)含量的相關(guān)系數(shù)

表3為草莓苗期植被指數(shù)與葉綠素含量的相關(guān)系數(shù)。由表可見(jiàn)，NDVI、PVI、RVI與草莓冠層葉片葉綠素含量呈正相關(guān)，相關(guān)系數(shù)分別為0.253、0.881、0.263，其中僅PVI達(dá)到了極顯著水平。DVI、MSAVI、RDVI、SAVI、TSAVI與草莓冠層葉片葉綠素含量的相關(guān)系數(shù)分別為0.876、0.878、0.809、0.741和0.893，均呈負(fù)相關(guān)，且均達(dá)到極顯著水平。

總之，草莓苗期植被指數(shù)與葉綠素含量的關(guān)系中DVI、MSAVI、PVI、RDVI、SAVI和TSAVI的相關(guān)性好且達(dá)到了極顯著水平，因此可以選其作為特征參數(shù)對(duì)葉綠素含量進(jìn)行預(yù)測(cè)。

表3 草莓苗期各植被指數(shù)與葉綠素(a+b)含量的相關(guān)系數(shù)

注：**表示相關(guān)系數(shù)通過(guò)0.01水平的顯著性檢驗(yàn)（雙尾檢驗(yàn)）。

Note:**indicates that the correlation coefficient reaches the extremely significant at 0.01 level (two tailed test).

3 討論與結(jié)論

3.1 討論

在生產(chǎn)上，草莓經(jīng)常受低溫脅迫的影響，應(yīng)用高光譜技術(shù)可無(wú)損高效監(jiān)測(cè)低溫災(zāi)害影響及草莓長(zhǎng)勢(shì)。本研究以苗期的草莓品種“紅顏”為試材，測(cè)定冠層葉片葉綠素含量以及冠層高光譜等參數(shù)。張雪茹等[3]的研究表明低溫脅迫影響葉綠素的合成，低溫脅迫時(shí)間越長(zhǎng)葉綠素含量降低幅度越大。這與本研究得出結(jié)果相似，低溫處理的葉綠素含量都低于對(duì)照組，這是由于低溫脅迫使葉片內(nèi)部結(jié)構(gòu)被破壞，葉綠素含量下降[22]。

所有低溫處理的草莓冠層的原始光譜曲線變化趨勢(shì)相同。可見(jiàn)光區(qū)域的光譜反射率上升，這是由于葉綠素含量降低，色素吸收可見(jiàn)光減弱，反射率升高[23]。在近紅外區(qū)域，低溫脅迫后原始光譜反射率均出現(xiàn)較大幅度抬升，原始光譜反射率升高。在可見(jiàn)光波段內(nèi)有綠峰和紅谷，在近紅外波段較高的反射平臺(tái)有明顯的吸收谷與反射峰，這是所有綠色植物所共有的規(guī)律[24]。

黃春燕等[25]研究表明，作物生長(zhǎng)旺盛時(shí)，紅邊紅移；生長(zhǎng)衰敗時(shí)，紅邊藍(lán)移。沙依然等[26]研究表明，干旱脅迫水稻紅邊位置藍(lán)移。朱懷衛(wèi)等[27]研究表明，UV-B增強(qiáng)，水稻光譜紅邊藍(lán)移。周曉等[28]研究還發(fā)現(xiàn)，一階微分光譜的三邊參數(shù)中紅邊更能反映稻縱卷葉螟的危害。沈掌宗等[29]研究表明，紅邊測(cè)定水稻葉綠素含量最簡(jiǎn)便有效，因?yàn)槿~綠素含量與一階微分光譜的紅邊位置顯著相關(guān)，相比其它三邊參數(shù)，紅邊反映作物受害更顯著。Daughtry等[30]研究表明紅邊位置的不同可以指示葉綠素含量的變化。唐延林等[31]對(duì)多種作物的研究表明，葉綠素含量與紅邊位置呈極顯著的線性相關(guān)。在低溫脅迫下，無(wú)論是相同溫度不同天數(shù)，還是相同天數(shù)不同溫度，隨著脅迫程度的加深，草莓冠層光譜的近紅外反射率升高，紅邊位置藍(lán)移，之后該峰值逐漸減低，紅邊位置紅移，與CK的一階微分光譜反射率的差異逐漸減小。這種現(xiàn)象是由于草莓遭受低溫脅迫后，啟動(dòng)自我調(diào)節(jié)和修復(fù)能力減少脅迫對(duì)自身生長(zhǎng)發(fā)育的損傷。謝曉金[32]研究表明水稻冠層一階導(dǎo)數(shù)光譜具有明顯的雙峰現(xiàn)象。而本研究中草莓冠層一階導(dǎo)數(shù)光譜偶有雙峰現(xiàn)象，與之產(chǎn)生差異的主要原因可能是由于本試驗(yàn)草莓處于苗期，受土壤背景的影響，冠層光譜的雙峰現(xiàn)象并不明顯。

對(duì)草莓冠層原始光譜反射率與葉綠素含量的相關(guān)性分析表明，在近紅外波段711?1000nm二者呈極顯著負(fù)相關(guān)，說(shuō)明可以用原始光譜反射率與葉綠素含量相關(guān)性較大的波段對(duì)葉綠素含量進(jìn)行預(yù)測(cè)。其中737nm波段相關(guān)系數(shù)達(dá)到最大，或許可以作為低溫脅迫下苗期草莓的敏感波段，有效反映葉綠素含量的變化情況，從而實(shí)現(xiàn)用高光譜技術(shù)監(jiān)測(cè)草莓冠層葉片葉綠素含量的變化。本研究與多數(shù)研究已經(jīng)證明的葉綠素敏感波段集中在680?750nm紅邊波段[33]的結(jié)果一致。

姚遠(yuǎn)等[34]選用PVI、RVI和NDVI這3種植被指數(shù)監(jiān)測(cè)干旱區(qū)人工林地生物量，其中基于PVI的地上生物量的指數(shù)模型為最優(yōu)化關(guān)系模型。PVI與葉綠素含量的相關(guān)性較好，消除了土壤背景的影響，降低了對(duì)大氣的敏感度。本試驗(yàn)所用草莓是盆栽作物，NDVI和RVI受植物覆蓋度影響大，因此相關(guān)性低，而DVI和PVI植被覆蓋度低時(shí)效果好，因此相關(guān)性高。RDVI結(jié)合了DVI和NDVI優(yōu)點(diǎn)，不受植被覆蓋率影響。MSAVI減小了SAVI中的裸土影響，因此MSAVI與葉片葉綠素含量的相關(guān)系數(shù)大于SAVI。SAVI修正了NDVI對(duì)土壤背景的敏感，轉(zhuǎn)換性土壤調(diào)整指數(shù)TSAVI比NDVI更好地適用于低植被覆蓋[35]，因此SAVI和TSAVI與葉片葉綠素含量的相關(guān)系數(shù)均大于NDVI。

盡管本研究得出的葉綠素含量與光譜反射率和植被指數(shù)的相關(guān)性較高，但都是在一定的條件下進(jìn)行的。王曉星[23]研究表明，不同生長(zhǎng)階段的夏玉米具有不同的葉綠素含量，這些差異將反映在光譜反射率的變化上，可能隨著葉片變黃，葉綠素分解，導(dǎo)致光譜信息不明顯。因此，后期還需要研究低溫脅迫對(duì)不同品種、生育期、季節(jié)、地區(qū)和栽培方式等造成的影響，從而實(shí)現(xiàn)更具有普遍性的低溫脅迫下草莓葉綠素含量及冠層高光譜變化的機(jī)理研究。

3.2 結(jié)論

（1）同一低溫條件下，脅迫天數(shù)越長(zhǎng)，草莓葉片葉綠素a、葉綠素b和葉綠素(a+b)含量越少；同一脅迫天數(shù)下，溫度越低其含量越低。即低溫脅迫程度越大葉綠素含量下降幅度越大。

（2）不同溫度同一脅迫天數(shù)處理草莓苗期冠層光譜反射率變化規(guī)律大致相同。在可見(jiàn)光區(qū)域草莓冠層反射光譜曲線均存在綠峰和紅谷，在近紅外反射平臺(tái)隨著溫度降低，光譜反射率數(shù)值逐漸增大，即反射平臺(tái)逐漸增高。

（3）草莓冠層一階微分光譜曲線變化比較劇烈，有明顯波峰和波谷，在紅邊范圍內(nèi)偶有雙峰現(xiàn)象。隨著低溫脅迫程度的加深，一階微分光譜最高峰的值越高，草莓冠層光譜的近紅外反射率升高，紅邊位置藍(lán)移，之后該峰值逐漸減低，紅邊位置紅移。

（4）葉綠素(a+b)含量與草莓冠層原始光譜反射率的相關(guān)系數(shù)均呈負(fù)相關(guān)關(guān)系，在可見(jiàn)光波段整體呈現(xiàn)先增大后減小的趨勢(shì)，之后急劇增大相關(guān)系數(shù)達(dá)到最大值，在近紅外區(qū)達(dá)到穩(wěn)定狀態(tài)變化較為平緩，葉綠素(a+b)含量與原始光譜近紅外波段反射率的相關(guān)性明顯高于可見(jiàn)光波段。葉綠素(a+b)含量與原始光譜反射率相關(guān)性較好，均達(dá)到顯著水平，其中737nm波段相關(guān)系數(shù)達(dá)到最大，因此可以用其作為敏感波段對(duì)葉綠素含量進(jìn)行預(yù)測(cè)。葉綠素(a+b)含量與草莓苗期植被指數(shù)中DVI、MSAVI、PVI、RDVI、SAVI和TSAVI的相關(guān)性好且達(dá)到了極顯著水平，因此可以選其作為特征參數(shù)對(duì)葉綠素含量進(jìn)行預(yù)測(cè)。

[1] 舒銳,焦健,臧傳江,等.我國(guó)草莓產(chǎn)業(yè)現(xiàn)狀及發(fā)展建議[J].中國(guó)果菜,2019,39(1):51-53.

Shu R,Jiao J,Zang C J,et al.Present situation and development suggestions of strawberry industry in China [J].Chinese Fruits and Vegetables,2019,39(1):51-53. (in Chinese)

[2] 王毅,楊宏福,李樹(shù)德.園藝植物冷害和抗冷性的研究:文獻(xiàn)綜述[J].園藝學(xué)報(bào),1994(3):239-244.

Wang Y,Yang H F,Li S D.Study on chilling injury and cold resistance of horticultural plants:literature review[J]. Acta Horticulturae Sinica,1994(03):239-244.(in Chinese)

[3] 張雪茹,馮美臣,楊武德,等.基于光譜變換的低溫脅迫下冬小麥葉綠素含量估測(cè)研究[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2017, 25(9):1351-1359.

Zhang X R,Feng M C,Yang W D,et al.Estimation of chlorophyll content in winter wheat under low temperature stress based on spectral transformation[J].Chinese Journal of Ecological Agriculture,2017,25(9):1351-1359.(in Chinese)

[4] Evans J. R.Photosynthesis and nitrogen relationships in leaves of C3 plants[J].Oecologia,1989,78(1):9-19.

[5] 賀冬仙,胡娟秀.基于葉片光譜透過(guò)特性的植物氮素測(cè)定[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(4):214-218.

He D X,Hu J X.Determination of plant nitrogen based on spectral transmission characteristics of leaves[J]. Transactions of the CSAE,2011,27(4):214-218.(in Chinese)

[6] Zarco-Tejada Pablo J,Miller John R,Morales A,et al. Hyperspectral indices and model simulation for chlorophyll estimation in open-canopy tree crops[J]. Remote Sensing of Environment,2004,90(4):463- 476.

[7] 張瑋,王鑫梅,潘慶梅,等.干旱脅迫下雷竹葉片葉綠素的高光譜響應(yīng)特征及含量估算[J].生態(tài)學(xué)報(bào),2018,38(18): 6677-6684.

Zhang W,Wang X M,Pan Q M,et al.Hyperspectral response characteristics and content estimation of chlorophyll in Phyllostachys pubescens leaves under drought stress[J].Acta Ecologica Sinica,2018,38(18):6677- 6684.(in Chinese)

[8] 程志慶,張勁松,孟平,等.楊樹(shù)葉片葉綠素含量高光譜估算模型研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(8):264-271.

Cheng Z Q,Zhang J S,Meng P,et al.Study on Hyperspectral estimation model of chlorophyll content in poplar leaves[J]. Transactions of the Chinese Society for Agricultural Machinery,2015,46(8):264-271.(in Chinese)

[9] 董哲,楊武德,張美俊,等.基于高光譜遙感的玉米葉片SPAD值估算模型研究[J].作物雜志,2019(3):1-6.

Dong Z,Yang W D,Zhang M J,et al.Study on estimation model of SPAD value of maize leaves based on hyperspectral remote sensing[J].Crops,2019(3):1-6.(in Chinese)

[10] 馮貴蘭,李正楠,周文剛.大數(shù)據(jù)分析技術(shù)在網(wǎng)絡(luò)領(lǐng)域中的研究綜述[J].計(jì)算機(jī)科學(xué),2019,46(6):1-20.

Feng G L,Li Z N,Zhou W G.Research summary of big data analysis technology in network field[J].Computer Science, 2019,46(6):1-20.(in Chinese)

[11] 韋婷婷,楊再?gòu)?qiáng),王琳,等.玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型[J].中國(guó)農(nóng)業(yè)氣象,2018,39(10):644-655.

Wei T T,Yang Z Q,Wang L,et al.Hourly temperature simulation model in glass greenhouse and plastic greenhouse[J].Chinese Journal of Agrometeorology, 2018, 39(10):644-655.(in Chinese)

[12] 陸思宇,楊再?gòu)?qiáng),張?jiān)催_(dá),等.高溫條件下光周期對(duì)鮮切菊花葉片光合系統(tǒng)熒光特性的影響[J].中國(guó)農(nóng)業(yè)氣象,2020, 41(10):632-643.

Lu S Y,Yang Z Q,Zhang Y D,et al.Effect of photoperiod on fluorescence characteristics of photosynthetic system of fresh-cut chrysanthemum leaves under high temperature[J]. Chinese Journal of Agrometeorology,2020,41(10):632-643. (in Chinese)

[13] Lu T,Yu H J,Li Q,et al.Improving plant growth and alleviating photosynthetic inhibition and oxidative stress from low-light stress with exogenous GR24 in tomato (L.)seedlings[J].Frontiers in Plant Science,2019,10:490.

[14] Jordan Carl F.Derivation of leaf-area index from quality of light on the forest floor[J].Ecology,1969,50(4):663-666.

[15] Qi J G,Chehbouni A,Huete Alfredo R,et al.A modified soil adjusted vegetation index[J].Remote Sensing of Environment, 1994,48(2):119-126.

[16] Rouse J W,Haas Rüdiger H,Schell J A,et al.Monitoring vegetation systems in the great plains with ERTS[J].NASA Special Publication,1974,351(1974):309.

[17] Richardson Arthur J,Wiegand C L.Distinguishing vegetation from soil background information[J]. Photogrammetric Engineering and Remote Sensing,1977,43(12):1541-1552.

[18] Roujean J L,Breon F M.Estimating PAR absorbed by vegetation from bidirectional reflectance measurements[J]. Remote Sensing of Environment,1995,51(3):375-384.

[19] Pearson R L,Miller Lee D.Remote mapping of standing crop biomass for estimation of the productivity of the shortgrass prairie[J].Remote Sensing of Environment, 1972 (VIII):1355.

[20] Huete Alfredo R.A soil-adjusted vegetation index(SAVI) [J].Remote Sensing of Environment,1988, 25(3):295-309.

[21] Baret Frédéric,Guyot G,Major D J.TSAVI:a vegetation index which minimizes soil brightness effects on LAI and APAR estimation:12th Canadian Symposium on Remote Sensing Geoscience and Remote Sensing Symposium [C].IEEE,1989.

[22] 任鵬,馮美臣,楊武德,等.冬小麥冠層高光譜對(duì)低溫脅迫的響應(yīng)特征[J].光譜學(xué)與光譜分析,2014,34(9):2490-2494.

Ren P,Feng M C,Yang W D,et al.Response characteristics of winter wheat canopy hyperspectral to low temperature stress[J].Spectroscopy and Spectral Analysis,2014,34(9): 2490-2494.(in Chinese)

[23] 王曉星.夏玉米冠層光譜特征及其生理生態(tài)參量的高光譜估算模型[D].楊凌:西北農(nóng)林科技大學(xué),2015.

Wang X X.Hyperspectral estimation model of canopy spectral characteristics and physiological and ecological parameters of summer maize[D].Yangling:Northwest University of Agriculture and Forestry Science and Technology,2015. (in Chinese)

[24] 王爍,常慶瑞,劉夢(mèng)云,等.基于高光譜遙感的棉花葉片葉綠素含量估算[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2017,22(4):16-27.

Wang S,Chang Q R,Liu M Y,et al.Estimation of chlorophyll content in Cotton Leaves Based on HyperspectralRemote Sensing[J].Journal of China Agricultural University, 2017,22(4):16-27.(in Chinese)

[25] 黃春燕,王登偉,張煜星.基于棉花紅邊參數(shù)的葉綠素密度及葉面積指數(shù)的估算[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(S2):137- 141.

Huang C Y,Wang D W,Zhang Y X.Estimation of chlorophyll density and leaf area index based on cotton red edge parameters[J].Transactions of the CSAE,2009,25(S2): 137-141.(in Chinese)

[26] 沙依然·外力,葛道闊,曹宏鑫,等.拔節(jié)抽穗期不同時(shí)長(zhǎng)干旱脅迫對(duì)水稻冠層光譜特征的影響[J].中國(guó)農(nóng)業(yè)氣象, 2014,35(5):586-592.

Waili S Y R,Ge D K,Cao H X,et al.Effects of drought stress on spectral characteristics of rice canopy at different jointing and heading stages[J].Chinese Journal of Agrometeorology,2014,35(5):586-592.(in Chinese)

[27] 朱懷衛(wèi),婁運(yùn)生,石一凡,等.UV-B增強(qiáng)下施硅對(duì)水稻冠層反射光譜特征的影響[J].中國(guó)農(nóng)業(yè)氣象,2017,38(3):172- 180.

Zhu H W,Lou Y S,Shi Y F,et al.Effects of silicon application on reflectance spectra of rice canopy under UV-B enhancement[J].Chinese Journal of Agrometeorology, 2017,38(3):172-180.(in Chinese)

[28] 周曉,包云軒,王琳,等.稻縱卷葉螟為害水稻的冠層光譜特征及葉綠素含量估算[J].中國(guó)農(nóng)業(yè)氣象,2020,41(3): 173-186.

Zhou X,Bao Y X,Wang L,et al.Hyperspectral features of rice canopy and SPAD values estimation under the stress of rice leaf folder[J].Chinese Journal of Agrometeorology, 2020,41(3):173-186.(in Chinese)

[29] 沈掌泉,王秀珍,王人潮,等.不同氮素營(yíng)養(yǎng)水平的水稻冠層光譜紅邊參數(shù)及其應(yīng)用研究[J].浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版),2001(3):67-72.

Shen Z Q,Wang X Z,Wang R C,et al.Red edge parameters of rice canopy spectra at different nitrogen levels and their application[J].Journal of Zhejiang University(Agriculture and Life Sciences Edition),2001(3):67-72.(in Chinese)

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

[31] 唐延林,黃敬峰,王秀珍,等.水稻、玉米、棉花的高光譜及其紅邊特征比較[J].中國(guó)農(nóng)業(yè)科學(xué),2004(1):29-35.

Tang Y L,Huang J F,Wang X Z,et al.Comparison of hyperspectral and red edge characteristics of rice,corn and cotton[J].Chinese Agricultural Science,2004(1):29-35.(in Chinese)

[32] 謝曉金.高溫脅迫下水稻生理生化特性及高光譜估測(cè)研究[D].南京:南京信息工程大學(xué),2011.

Xie X J.Physiological and biochemical characteristics and hyperspectral estimation of rice under high temperature stress[D].Nanjing:Nanjing University of Information Science and Technology,2011.(in Chinese)

[33] Hansen P M,Schjoerring J K.Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J].Remote Sensing of Environment, 2003,86(4):542-553.

[34] 姚遠(yuǎn),丁建麗,倪紹忠,等.基于垂直植被指數(shù)的干旱區(qū)荒漠環(huán)境人工楊樹(shù)林生物量模型[J].生態(tài)學(xué)雜志,2012,31 (1):222-226.

Yao Y, Ding J L,Ni S Z,et al.Biomass model of artificial poplar forest in arid desert environment based on vertical vegetation index[J].Chinese Journal of Ecology,2012, 31(1):222-226.(in Chinese)

[35] 田慶久,閔祥軍.植被指數(shù)研究進(jìn)展[J].地球科學(xué)進(jìn)展,1998(4):10-16.

Tian Q J,Min X J.Research progress of vegetation index[J]. Advances in Earth Science,1998(4):10-16.(in Chinese)

Effects of Low Temperature Stress at Seedling Stage on Chlorophyll Content and Canopy Hyperspectral of "Hongyan" Strawberry

XU Ruo-han1, YANG Zai-qiang1，2, SHEN Meng-yin1, WANG Ming-tian3

(1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China; 2. Jiangsu Key Laboratory of Agrometeorology, Nanjing 210044;3. Sichuan Meteorological Observatory, Chengdu 610091)

From September 2020 to January 2021, take “hongyan”(×Duch “Benihope”) strawberry as test material to carry out low temperature environmental control test in Nanjing University of Information Science and Technology. Four low temperature treatments 21℃ (daily maximum temperature) / 11 ℃ (daily minimum temperature), 18℃/8℃, 15℃/5℃ and 12℃/2℃ were set, and the duration was set at four levels of 3d, 6d, 9d and 12d, with 25℃/15℃ as the control (CK). The chlorophyll content of strawberry leaves and canopy hyperspectral reflectance were measured. The effects of low temperature stress on chlorophyll content and canopy reflectance spectrum of strawberry were studied. The sensitive bands and characteristic parameters of chlorophyll content estimation model were selected. The results show that: (1) Under the same low temperature condition, Chla, Chlb and Chl(a+b) content of strawberry leaves decreased with the extension of stress days. Under the same stress days, the lower the temperature, the lower Chla, Chlb and Chl(a+b) content, that is, the greater the degree of low temperature stress, the greater the decline of chlorophyll content. (2) The changes of canopy spectral reflectance of strawberry seedlings under different temperatures and the same stress days were roughly the same. In the visible region, there are green peaks and red valleys in the reflection spectrum curve of strawberry canopy. In the near-infrared reflection platform, the spectral reflectance increases gradually with the decrease of temperature, that is, the reflection platform increases gradually. (3) The first-order differential spectrum curve of strawberry canopy changed violently, with obvious peaks and valleys, and occasionally double peaks in the red edge range. With the deepening of low temperature stress, the higher the value of the highest peak of the first-order differential spectrum, the near-infrared reflectance of strawberry canopy spectrum increased and the red edge position shifted blue, and then the peak gradually decreased and the red edge position shifted red. (4) The correlation coefficient between Chl(a+b) content and original spectral reflectance of strawberry canopy is negatively correlated. The correlation between Chl(a+b) content and reflectance in near-infrared band is significantly higher than that in visible band. The correlation between Chl(a+b) content and original spectral reflectance is good, reaching a significant level. The correlation coefficient of 737nm band is the largest, so it can be used as a sensitive band to predict chlorophyll content. The correlation between Chl(a+b) content and DVI, MSAVI, PVI, RDVI, SAVI and TSAVI in vegetation index is very significant, which can be selected as a characteristic parameter to predict chlorophyll content.

Strawberry; Low temperature stress; Chlorophyll; Canopy spectrum; Vegetation index

10.3969/j.issn.1000-6362.2022.02.006

徐若涵,楊再?gòu)?qiáng),申夢(mèng)吟,等.苗期低溫脅迫對(duì)“紅顏”草莓葉綠素含量及冠層高光譜的影響[J].中國(guó)農(nóng)業(yè)氣象,2022,43(2):148-158

收稿日期：2021?07?12

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2019YFD1002202）

通訊作者：楊再?gòu)?qiáng)，教授，研究方向?yàn)樵O(shè)施農(nóng)業(yè)氣象，E-mail：yzq@nuist.edu.cn

徐若涵，E-mail: xrh_xuruohan@qq.com