朱志成, 武永峰, 馬浚誠, 冀 琳, 柳斌輝, 靳海亮*

1. 河南理工大學(xué)測繪與國土信息工程學(xué)院, 河南 焦作 454000

2. 中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所, 北京 100081

3. 河北省農(nóng)林科學(xué)院旱作農(nóng)業(yè)研究所, 河北 衡水 053000

引 言

葉綠素作為光合作用的主要色素, 承載著調(diào)控作物生長發(fā)育的功能[1]。 在葉綠素加持下, 作物通過光合作用將能量轉(zhuǎn)化為營養(yǎng)成分, 表現(xiàn)為長勢和營養(yǎng)狀態(tài)。 因此, 葉綠素含量常被作為評價(jià)植物生長狀況的重要指標(biāo)[2]。

水分脅迫會引起葉綠素變化。 Li等在盆栽試驗(yàn)下通過設(shè)置充分灌溉(田間持水量80%)和水分脅迫(田間持水量40%)兩種生長環(huán)境, 研究兩個(gè)小麥品種的光合和氣孔特征及水分利用效率變化, 發(fā)現(xiàn)在脅迫條件下, 兩種小麥的葉綠素合成均受到抑制, 葉綠素a和b最大下降15.5%和22.4%, 礦物質(zhì)的吸收及運(yùn)輸過程受阻, 凈光合速率均有不同程度削弱, 最終影響作物的產(chǎn)量[3]。 Irshad等研究有機(jī)地膜覆蓋對小麥生長狀況的影響, 其中設(shè)置水分脅迫試驗(yàn), 脅迫梯度為正常灌溉的40%。 試驗(yàn)表明, 相較于非脅迫狀態(tài), 脅迫狀態(tài)下小麥葉片葉綠素a含量降低了16.1%, 葉綠素b含量降低了15.4%, 同時(shí)小麥地上部分鮮重下降24.4%[4]。 葉片葉綠素含量的多少是作物組織光合能力的重要指標(biāo), 水分脅迫會導(dǎo)致細(xì)胞中類囊體膜的解體, 引起細(xì)胞結(jié)構(gòu)變化, 遏制葉綠素生成, 而細(xì)胞結(jié)構(gòu)的變化同時(shí)會引起作物光譜的差異[5]。 Krezhova等研究發(fā)現(xiàn), 紅光和近紅外范圍光譜對作物葉綠素和脅迫響應(yīng)敏感。 脅迫發(fā)生時(shí), 該位置反射率及反射率曲線斜率變化劇烈, 原因?yàn)榧t光范圍的強(qiáng)葉綠素吸收和近紅外范圍的葉片內(nèi)部散射綜合效應(yīng)引起[6]。 Velichkova等進(jìn)一步闡釋了紅邊位置變化規(guī)律, 指明當(dāng)作物健康未受脅迫影響時(shí), 葉綠素含量較高且紅邊位置向較長波長處移動; 當(dāng)作物受脅迫或病蟲害影響時(shí), 葉綠素含量減少, 紅邊位置向較短波長處移動[7]。 通過高光譜傳感器精確捕捉作物光譜變化, 可以及時(shí)有效地監(jiān)測作物生長情況。

快速監(jiān)測葉綠素及其變化, 對開展冬小麥脅迫研究具有重要意義[8]。 傳統(tǒng)監(jiān)測方法局限于小范圍田塊, 人工取樣雖然能確保一定精度, 但其破壞作物正常生長, 同時(shí)也不易實(shí)現(xiàn)動態(tài)監(jiān)測, 耗時(shí)費(fèi)力, 成本較高[9]。 衛(wèi)星遙感雖可實(shí)現(xiàn)空間大范圍監(jiān)測, 但數(shù)據(jù)獲取受衛(wèi)星過境時(shí)間限制, 且常受云、 雨等天氣條件影響, 因而有效數(shù)據(jù)的可獲取性相對較差; 同時(shí), 衛(wèi)星遙感數(shù)據(jù)較低的空間分辨率也不滿足田塊尺度下的精準(zhǔn)監(jiān)測需求[10]。 近年來, 無人機(jī)載遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用得到廣泛關(guān)注, 利用無人機(jī)搭載各式高分辨率傳感器動態(tài)、 實(shí)時(shí)監(jiān)測作物生長狀況, 更是成為近年來農(nóng)業(yè)監(jiān)測領(lǐng)域的熱門[11]。 高光譜影像具備分辨率高、 光譜信息豐富、 波段連續(xù)性強(qiáng)等特點(diǎn)[12], 無人機(jī)搭載高光譜傳感器, 操作難度低且較少受監(jiān)測區(qū)云層影響, 可以快速獲取小麥生長狀況的連續(xù)影像, 適合于田塊尺度精準(zhǔn)監(jiān)測[13]。

根據(jù)植物光譜學(xué)理論, 不同植物對不同波長光譜的反射、 吸收等和自身生長密切相關(guān), 將各波長光譜組合得到的植被指數(shù)作為指標(biāo), 可以準(zhǔn)確反映植物生長情況。 作物葉綠素含量與其光譜特征緊密相連, 國內(nèi)外在相關(guān)方面研究已頗有建樹。 韓浩坤等[14]通過便攜式野外光譜儀獲取糜子冠層光譜反射率, 基于不同植被指數(shù)建立其葉片葉綠素含量的估測模型, 發(fā)現(xiàn)利用葉綠素敏感波段建立的檢測模型決定系數(shù)較高, 能較為準(zhǔn)確預(yù)測葉綠素含量; 姜海玲等[15]利用高斯光譜響應(yīng)模型將PSR-3500光譜儀獲取的冬小麥冠層光譜數(shù)據(jù)與SPAD-502葉綠素儀獲取的葉片葉綠素相對含量重采樣, 分別計(jì)算四種指數(shù)并與葉綠素含量進(jìn)行回歸分析, 結(jié)果表明四種指數(shù)因自身使用條件不同導(dǎo)致反演精度各不相同。 Fullana Pericàs等[16]利用無人機(jī), 分別在水分充足和水分虧缺狀態(tài)下對91種基因型番茄的葉片生理生長指標(biāo)比較分析, 發(fā)現(xiàn)在水分充足和水分虧缺條件下CON和LSL基因型在葉片水平和冠層光譜上均有明顯差異。 其利用無人機(jī), 克服了傳統(tǒng)冠層水平測量固有的空間和時(shí)間上的限制, 實(shí)現(xiàn)不同表型差異品種的田塊尺度快速鑒別分析。 Liu等[17]發(fā)現(xiàn)以往研究多集中于少量作物品種、 單個(gè)生長階段或生長季節(jié), 其以4個(gè)品種馬鈴薯為研究對象, 通過Cessna-180型無人機(jī)搭載HySpex VNIR-1800 和SWIR-384高光譜傳感器測定馬鈴薯高光譜數(shù)據(jù), 定量研究3個(gè)生長階段和兩個(gè)生長季節(jié)下營養(yǎng)狀況并預(yù)測不同品種馬鈴薯間產(chǎn)量, 實(shí)現(xiàn)了囊括作物主要生長階段的綜合性研究, 最終得出各模型在所有日期下和單日下的不同表現(xiàn); Corti等[18]利用多變量數(shù)據(jù)分析, 通過高光譜影像提取菠菜冠層平均光譜, 研究高光譜掃描成像(400～1 000 nm)在水分和氮復(fù)合脅迫下對溫室作物變量的估計(jì)能力。 其試驗(yàn)設(shè)置4個(gè)氮處理和4個(gè)水分脅迫處理, 利用偏最小二乘(PLSR)模型對獲取的76個(gè)樣本分析建模, 最終模型得到較好的預(yù)測結(jié)果; Lang等[19]利用DJI M600 Pro型無人機(jī), 配備RedEdge-MX和MicaSense多光譜傳感器獲取作物冠層遙感數(shù)據(jù), 研究36個(gè)植被指數(shù)在不同植被覆蓋條件下對葉綠素估算的響應(yīng)差異及魯棒性。 無人機(jī)搭載高光譜傳感器已在國內(nèi)外農(nóng)業(yè)監(jiān)測上得到廣泛應(yīng)用, 但總體看來, 前人研究較多集中于單生育期或較少品種, 很少綜合考慮生育進(jìn)程和品種間的相互影響, 且研究特定生育期生長狀況很難準(zhǔn)確反映其內(nèi)在聯(lián)系, 不能全面揭示脅迫下小麥內(nèi)外部生理生長規(guī)律[20-24]。 本試驗(yàn)基于連續(xù)關(guān)鍵生育期, 對所有品種按生育期單獨(dú)設(shè)置補(bǔ)灌處理, 利用無人機(jī)采集不同脅迫下冬小麥各期高光譜影像, 結(jié)合地面實(shí)測葉綠素?cái)?shù)據(jù), 分析冬小麥在水分脅迫下葉綠素和冠層光譜反射率變化規(guī)律, 嘗試尋找響應(yīng)水分脅迫的敏感波段及其差異, 進(jìn)而實(shí)現(xiàn)科學(xué)、 精準(zhǔn)灌溉, 為綠色農(nóng)業(yè)可持續(xù)發(fā)展提供技術(shù)支持。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)域與試驗(yàn)設(shè)計(jì)

試驗(yàn)地點(diǎn)位于河北省農(nóng)林科學(xué)院旱作節(jié)水農(nóng)業(yè)試驗(yàn)站(圖1), 該試驗(yàn)區(qū)為海河平原典型麥區(qū), 全年平均降水量約為497.1 mm, 其中70%的降水集中在7月—8月, 年平均氣溫13.3 ℃, 其中, 最熱月平均氣溫為27.1 ℃, 最冷月平均氣溫為-2.1 ℃; 無霜期為202 d, 年有效積溫(≥10 ℃)4 603.7 ℃。 試驗(yàn)地土壤類型為粘壤土類, 各期各處理20 cm深度下土壤含水量如表1所示, 0～30 cm耕層土壤基礎(chǔ)養(yǎng)分含量為有機(jī)質(zhì)14.36 g·kg-1、 速效氮含量87.06 mg·kg-1、 速效磷含量14.45 mg·kg-1、 速效鉀含量155.32 mg·kg-1, 復(fù)合肥比例(N∶P∶K=15%∶15%∶15%), 每畝施肥50 kg。

表1 20 cm深度下土壤含水量

圖1 研究區(qū)域和試驗(yàn)設(shè)計(jì)

本試驗(yàn)選取11個(gè)冬小麥品種。 根據(jù)多年種植經(jīng)驗(yàn)和前人研究[25-28], 可細(xì)分為三類品系: (1)抗旱性能較好品系, 有石麥15、 長8744和冀麥418; (2)抗旱性能一般品系, 有石麥22、 山農(nóng)28、 衡H1603、 衡4399和濟(jì)麥22; (3)抗旱性能較差品系, 有魯原472、 新麥28和農(nóng)大212。 試驗(yàn)區(qū)采用裂區(qū)設(shè)計(jì), 每個(gè)試驗(yàn)區(qū)面積為9 m2(1.5 m×6 m), 如圖1所示。 所有小麥品種生育期內(nèi)單次灌水量為50立方水/每畝, 灌溉方式采用漫灌。 設(shè)置7個(gè)處理: 處理1為補(bǔ)灌兩次水處理, 補(bǔ)灌時(shí)間分別為2021年4月3日(拔節(jié))和5月3日(揚(yáng)花); 處理2為無補(bǔ)灌處理, 直至小麥成熟收獲; 處理3至處理7為補(bǔ)灌一次水處理, 補(bǔ)灌時(shí)間分別為2020年11月29日(冬季)、 2021年3月10日(返青)、 4月3日(拔節(jié))、 4月10日(拔節(jié)后7天)以及4月18日(拔節(jié)后14天)。 每個(gè)處理進(jìn)行3次重復(fù)試驗(yàn)。 在以上所有處理中, 處理1和處理2分別作為正常生長和完全水分脅迫條件下的兩個(gè)對照。

為排除外界因素干擾, 在試驗(yàn)區(qū)外圍進(jìn)行了保護(hù)性設(shè)置。 首先在試驗(yàn)地兩端增設(shè)種植保護(hù)區(qū), 以減少外來水對試驗(yàn)區(qū)影響; 其次在不同處理間設(shè)置隔離帶, 每條隔離帶間距0.4 m, 以減少處理間可能的相互干擾; 第三, 重復(fù)試驗(yàn)區(qū)內(nèi)各品種位置隨機(jī)分布, 以防止灌溉不均導(dǎo)致品種間受水量差異。 除水分脅迫試驗(yàn)外, 冬小麥在生育期內(nèi)未受其他自然災(zāi)害影響。 病蟲草害等管理采用當(dāng)?shù)爻Ｒ?guī)管理模式進(jìn)行。

1.2 相對葉綠素值數(shù)據(jù)獲取

葉綠素測定選擇小麥冠層葉片作為采集對象, 針對田間試驗(yàn)區(qū)每個(gè)小麥種植行隨機(jī)選取10株分別進(jìn)行。 在冬小麥挑旗期之前, 測定部位為主莖上部第一展開葉, 挑旗期后測定主莖旗葉。 本試驗(yàn)采用Konica Minolta公司生產(chǎn)的SPAD-502 PLUS型葉綠素計(jì)(SPAD Chlorophyll Meter)測定冬小麥葉片的葉綠素含量, 其讀數(shù)能夠準(zhǔn)確表征葉綠素相對含量。 具體測定過程為: 首先確定隨機(jī)選取的10株小麥作為樣本, 將小麥樣本冠層葉片剪下, 選擇無病害、 無生理壞斑、 無機(jī)械損傷的葉片作為待測目標(biāo), 使用軟刷清除葉片表面灰塵, 在每個(gè)葉片上、 中、 下3個(gè)部位進(jìn)行測量, 計(jì)算平均值為該品種小麥冠層葉片葉綠素含量相對值。

1.3 無人機(jī)載高光譜影像獲取

以大疆公司M600Pro型號六旋翼無人機(jī)為平臺, 搭載Resonon公司Pika-L型高光譜成像儀進(jìn)行冬小麥全生育期高光譜影像獲取。 Resonon公司作為專業(yè)高光譜傳感器制造商, 其生產(chǎn)的Pika L型高光譜成像儀具有卓越性能。 該光譜儀的光譜范圍為400～1 000 nm, 光譜分辨率為2.1 nm, 光譜通道數(shù)為150, 采樣間隔1.07 nm, 每秒最大幀數(shù)為249。

本試驗(yàn)在冬小麥生育期內(nèi), 共獲取5期高光譜影像。 無人機(jī)具體飛行日期及對應(yīng)生育期為: 2021年4月8日(拔節(jié)期)、 4月18日(孕穗期)、 4月28日(抽穗期)、 5月12日(開花期)、 以及5月21日(灌漿期)。 無人機(jī)飛行時(shí)間為當(dāng)日上午11點(diǎn)至下午2點(diǎn), 飛行高度為50 m, 飛行速度為3 m·s-1。 為保證獲取完整研究區(qū)影像, 航向重疊度設(shè)置為80%, 旁向重疊度設(shè)置為70%。 影像獲取時(shí)天氣晴朗。 獲取的高光譜影像空間分辨率為0.03 m×0.03 m。

1.4 數(shù)據(jù)處理與分析

1.4.1 高光譜影像數(shù)據(jù)處理

首先使用Spectronon Pro軟件對高光譜分幅影像進(jìn)行輻射定標(biāo)、 大氣校正和地理校正, 然后通過ENVI軟件完成所有分幅影像的航向拼接和旁向拼接, 拼接時(shí)基準(zhǔn)圖像為同步飛行的無人機(jī)載CMOS相機(jī)生成的RGB圖像。

本研究的影像采集日期最大相隔43 d, 各次試驗(yàn)時(shí)的光照強(qiáng)度、 氣溫和空氣濕度差異以及散云引起的光照條件變化等, 均可能造成噪聲影響, 同時(shí)也無法完全避免機(jī)器自身的噪聲, 因此需要對高光譜影像進(jìn)行處理。 首先使用Savitzky-Golay濾波平滑算法(簡稱S_G濾波)對影像進(jìn)行去噪和平滑處理[29]。 再采用數(shù)據(jù)標(biāo)準(zhǔn)化方法統(tǒng)一量綱來降低噪聲影響。 Zhang等[30]研究發(fā)現(xiàn), 高光譜影像以有效光譜反射率均值為基底對作物冠層光譜反射率進(jìn)行歸一標(biāo)準(zhǔn)化后, 得到的標(biāo)準(zhǔn)化反射率光譜能更好反映不同光照條件下光譜曲線的變化情況。 該方法具體公式如式(1)。

(1)

1.4.2 葉綠素?cái)?shù)據(jù)處理

針對采樣獲取的葉綠素?cái)?shù)據(jù), 按照生育期和品種整理并使用Excel軟件匯總成表。 其中因人為和非人為原因可能導(dǎo)致數(shù)據(jù)記錄中出現(xiàn)錯誤, 該類錯誤會影響不同處理間的差異分析, 因此需要對數(shù)據(jù)進(jìn)行異常值檢驗(yàn)與剔除[31-32]。 葉綠素測定符合隨機(jī)誤差的分布規(guī)律, 故采用樣本標(biāo)準(zhǔn)差對葉綠素進(jìn)行異常值檢驗(yàn)。 其原理為篩選測定值與平均值差的絕對值大于3倍標(biāo)準(zhǔn)差的值為異常值, 標(biāo)記并將其剔除[33]。 標(biāo)準(zhǔn)差計(jì)算公式如式(2)。

(2)

1.4.3 統(tǒng)計(jì)分析

單因素方差分析可用于揭示不同處理間或相同處理下不同品系間差異。 通過方差分析方法, 檢驗(yàn)各品種間不同梯度水分脅迫下葉綠素含量差異的顯著性。 數(shù)據(jù)通過方差齊性檢驗(yàn)(p<0.05)則采用圖基(Tukey)方法, 否則采用多尼特(Dunnett)方法進(jìn)行多重比較[34]; 同時(shí)按照組間、 組內(nèi)分類定量比較處理間、 品種間光譜曲線, 參照試驗(yàn)條件揭示變化規(guī)律; 對葉綠素及高光譜影像所有波長處隨水分脅迫的變化趨勢進(jìn)行相關(guān)性分析, 顯著性水平達(dá)到0.05、 0.01或0.001則認(rèn)為呈顯著、 強(qiáng)顯著或極強(qiáng)顯著變化, 相關(guān)系數(shù)大于0.4或小于-0.4則認(rèn)為關(guān)系緊密。 通過顯著性水平和相關(guān)系數(shù)確定波長范圍。

1.4.4 窄波段指數(shù)構(gòu)建

窄波段光譜指數(shù)以相對不敏感波段為變換基礎(chǔ), 利用數(shù)學(xué)法對光譜信息進(jìn)行增強(qiáng)處理后計(jì)算得到該類指數(shù)。 這樣處理既能放大敏感波段的敏感性, 同時(shí)能結(jié)合試驗(yàn)影像得到適用性極強(qiáng)的指數(shù)[35]。 通常構(gòu)建窄波段指數(shù)的方式有以下幾種, 分別為簡單比值指數(shù)(SRSI)、 簡單差值指數(shù)(SDSI)和歸一化指數(shù)(NDSI)。 為更好展示試驗(yàn)結(jié)果, 本文采用這三種指數(shù)進(jìn)行計(jì)算分析。

首先提取光譜信息, 之后對全光譜按照兩兩組合的方式構(gòu)建光譜反射率矩陣計(jì)算窄波段光譜指數(shù), 計(jì)算公式如表2所示。 其中Ri與Rj分別為隨機(jī)波長i,j對應(yīng)的光譜反射率。 熱力圖通過渲染顏色, 可以直觀展示數(shù)據(jù)分布情況, 將組合矩陣中所有值與葉綠素進(jìn)行線性擬合后, 所得決定系數(shù)按照高低繪制決定系數(shù)熱力圖。 因試驗(yàn)涉及生育期較多, 選擇其中開花期制作熱力圖。 其中色彩趨于藍(lán)色表示決定系數(shù)較低, 趨于紅色表示決定系數(shù)較高。 通過新建窄波段光譜指數(shù)與葉綠素進(jìn)行線性擬合, 將所有擬合結(jié)果匯總制作熱力圖, 根據(jù)擬合精度的顯著性水平和決定系數(shù)確定最佳波長組合及對應(yīng)光譜指數(shù)。

表2 光譜指數(shù)計(jì)算公式表

2 結(jié)果與討論

2.1 水分脅迫對各生育期下不同品系冬小麥葉綠素的影響

由圖2和圖3可知, (1)各品系各處理下葉綠素含量差異顯著, 證明試驗(yàn)設(shè)置的各個(gè)脅迫處理均對小麥葉綠素產(chǎn)生顯著影響; (2)除少數(shù)處理外, 從拔節(jié)、 孕穗、 開花直到灌漿, 葉綠素含量大致表現(xiàn)為降低─升高─降低態(tài)勢, 但冬季和返青期灌溉處理下的抗旱性一般品系、 以及返青期灌溉處理下的抗旱性較差品系除外; (3)同處理對比發(fā)現(xiàn), 處理1、 處理6和處理7下各品系葉綠素變化一致且各期含量大致相同; 處理2下各品系變化差別最大且主要體現(xiàn)在灌漿期, 其他處理下各品系變化均有不同程度差異; (4)整體上看, 各品系各處理下葉綠素最大值均在開花期取得, 最小值取得時(shí)期則有所不同: 處理2下各品系最小值在灌漿期取得, 處理3下除抗旱性一般品系在抽穗期取得外, 其他品系最小值在孕穗期取得; 處理4下除抗旱性一般品系在灌漿期取得外, 其他品系最小值在抽穗期取得。 剩余各品系各處理下最小值均在孕穗期取得。

圖3 不同生育期下抗旱性較好品系(a)、 抗旱性一般品系(b)和抗旱性較差品系(c)在各處理間的葉綠素平均值比較, 小寫字母表示葉綠素平均值在各生育期間差異的顯著性水平(α=0.05)

2.2 水分脅迫下各品系冬小麥冠層光譜反射率響應(yīng)規(guī)律

研究不同處理不同生育進(jìn)程下各品系光譜反射率曲線發(fā)現(xiàn)(圖4): (1)在不同生育期, 隨著品種抗性減弱, 不同處理間在近紅外光譜區(qū)域(700～1 000 nm)反射率差距逐漸增大, 反射率由大到小依次為: 處理1>處理7>處理6>處理5>處理3>處理4>處理2。 抗性越強(qiáng)品系不同處理間在近紅外區(qū)間差距越小; 抗性越弱品系不同處理間在近紅外區(qū)間差距越大。 (2)具體來說, 從拔節(jié)期到灌漿期, 在近紅外區(qū)域隨著生育進(jìn)程發(fā)展, 光譜曲線最高與最低間的差距逐漸增大。 抗旱性較好品系反射率最大降幅分別為1.6%, 2.3%, 2.7%, 5.1%和7.1%; 抗旱性一般品系反射率最大降幅分別為2.4%, 3.0%, 3.6%, 5.9%和11.7%; 抗旱性較差品系反射率最大降幅分別為3.1%, 4.2%, 4.2%, 6.6%和11.7%。 (3)在同一生長進(jìn)程下, 隨著品種抗性減弱, 光譜曲線最高與最低差距也在增大。 拔節(jié)期內(nèi)最大降幅依次為1.6%, 2.4%, 3.1%; 孕穗期內(nèi)最大降幅依次為2.3%, 3.0%, 4.2%; 抽穗期內(nèi)最大降幅依次為2.7%, 3.6%, 4.2%; 開花期內(nèi)最大降幅依次為5.1%, 5.9%, 6.6%; 灌漿期內(nèi)最大降幅依次為7.1%, 11.7%, 11.7%。 (4)縱觀各品系各生育期發(fā)現(xiàn), 可見光區(qū)域(400～700 nm)最高值與最低值對應(yīng)處理基本與近紅外區(qū)域相反, 如拔節(jié)期抗旱性較好品系, 其可見光區(qū)域在拔節(jié)后7天處理下取得最大值, 在水處理下取得最小值; 同時(shí)近紅外區(qū)域在水處理下取得最大值, 拔節(jié)后7天處理下取得最小值。 開花期和灌漿期所有品系可見光波段均在旱處理下取得最大值, 水處理下取得最小值; 近紅外區(qū)域均在水處理下取得最大值, 旱處理下取得最小值。

圖4 不同抗旱品種在各生育期下不同處理間冠層光譜反射率, 從左到右依次抗旱性較好、 抗旱性一般和抗旱性較差品系排列, 從上到下依次按照拔節(jié)期至灌漿期排列

2.3 基于無人機(jī)載高光譜的小麥葉綠素敏感指數(shù)篩選

作物受脅迫后理化特性的改變會關(guān)聯(lián)性反映在色素、 組織結(jié)構(gòu)等方面[36-38], 無人機(jī)載高光譜能夠即時(shí)捕獲這種變化, 并將其展現(xiàn)在作物光譜影像中。 通過提取樣區(qū)對應(yīng)作物光譜信息, 利用相關(guān)性分析確定與葉綠素高度相關(guān)的敏感波段, 揭示水分脅迫下冠層光譜反射率對葉綠素的響應(yīng)特征, 為后續(xù)建立指數(shù)模型提供依據(jù)。

對本試驗(yàn)涉及的三種品系冬小麥冠層光譜進(jìn)行預(yù)處理后, 將得到的標(biāo)準(zhǔn)化光譜反射率與葉綠素進(jìn)行相關(guān)性分析, 構(gòu)建皮爾遜相關(guān)系數(shù)模型。 每樣區(qū)上、 中、 下三部分光譜平均后作為該樣區(qū)代表, 共得到每樣區(qū)7個(gè)處理下的光譜信息, 分別與對應(yīng)葉綠素進(jìn)行計(jì)算, 表3展示了各生育期下正負(fù)相關(guān)波段范圍及對應(yīng)最大相關(guān)性。

表3 小麥冠層光譜反射率與葉綠素相關(guān)性

結(jié)果表明, 所有關(guān)鍵生育期下各品系光譜反射率與葉綠素均具有相關(guān)性且每期各不相同, 最大相關(guān)性對應(yīng)波長均出現(xiàn)在紅邊和近紅外水分吸收區(qū)。 拔節(jié)期各品系在412～730和930～996 nm間與葉綠素呈顯著正相關(guān)關(guān)系, 在750～920 nm呈顯著負(fù)相關(guān)關(guān)系, 最大相關(guān)性為0.66, 對應(yīng)波長為953 nm; 孕穗期各品系在925～975 nm間呈現(xiàn)顯著正相關(guān)關(guān)系, 在745～800 nm間呈現(xiàn)顯著負(fù)相關(guān)關(guān)系, 最大相關(guān)性為-0.736, 對應(yīng)波長為750 nm; 抽穗期各品系在750～900 nm間呈現(xiàn)顯著正相關(guān)關(guān)系, 在520～740 nm間呈現(xiàn)顯著負(fù)相關(guān)關(guān)系, 最大相關(guān)性為-0.51, 對應(yīng)波長為738; 開花期各品系正相關(guān)關(guān)系表現(xiàn)均不明顯, 推測可能原因?yàn)榇筇镌囼?yàn)條件且采集樣本數(shù)量較多導(dǎo)致, 各品系在720～778 nm間呈現(xiàn)顯著負(fù)相關(guān)關(guān)系, 最大相關(guān)性為-0.491, 對應(yīng)波長為726 nm; 灌漿期各品系在750～952 nm間呈現(xiàn)顯著正相關(guān)關(guān)系, 在407～750 nm間呈現(xiàn)顯著負(fù)相關(guān)關(guān)系, 最大相關(guān)性為0.81, 對應(yīng)波長為946 nm。 綜合看來, 采集得到的冬小麥影像400～1 000 nm全部光譜信息與葉綠素緊密關(guān)聯(lián)且相互影響。

構(gòu)建熱力圖樣本量為22 500個(gè)樣本, 分別與葉綠素進(jìn)行擬合計(jì)算, 結(jié)果如圖5和表4所示。 由圖5(a, b, c)可以看出熱力圖的高值區(qū)基本分布在445～591 nm區(qū)域和701～755 nm區(qū)域, 其中445～591 nm區(qū)域?yàn)樗{(lán)光和綠光區(qū)域; 701～755 nm為紅邊區(qū)域。 由表4可知, 對于抗旱性較好品系, 拔節(jié)期下NDSI效果最好為0.455, 對應(yīng)波長組合為(478, 821 nm); 孕穗期下NDSI效果最好為0.526, 對應(yīng)波長組合為(582, 712 nm); 抽穗期下NDSI效果最好為0.553, 對應(yīng)波長組合為(468, 809 nm); 開花期下SRSI效果最好為0.762, 對應(yīng)波長組合為(479, 738 nm); 灌漿期下SRSI效果最好為0.748, 對應(yīng)波長組合為(519, 678 nm)。 對于抗旱性一般品系, 拔節(jié)期下NDSI效果最好為0.428, 對應(yīng)波長組合為(648, 720 nm); 孕穗期下SDSI效果最好為0.602, 對應(yīng)波長組合為(508, 750 nm); 抽穗期下SDSI效果最好為0.433, 對應(yīng)波長組合為(472, 747 nm); 開花期下NDSI效果最好為0.672, 對應(yīng)波長組合為(477, 730 nm); 灌漿期下NDSI效果最好為0.732, 對應(yīng)波長組合為(481, 927 nm)。 對于抗旱性較差品系, 拔節(jié)期下SRSI效果最好為0.592, 對應(yīng)波長組合為(504, 953 nm); 孕穗期下SDSI效果最好為0.585, 對應(yīng)波長組合為(515, 729 nm); 抽穗期下NDSI效果最好為0.681, 對應(yīng)波長組合為(415, 738 nm); 開花期下SRSI效果最好為0.811, 對應(yīng)波長組合為(497, 726 nm); 灌漿期下SDSI效果最好為0.774, 對應(yīng)波長組合為(476, 946 nm)。 綜合來看, 各組合指數(shù)入選波段基本為可見光波段和紅邊波段, 最高值均出現(xiàn)在開花期和灌漿期。

表4 三種指數(shù)所有品系所有生育期下取得最大決定系數(shù)及對應(yīng)波長組合

圖5 不同波長組合窄波段光譜指數(shù)與葉綠素線性分析R2二維圖, 從上到下每行依次為抗旱性較好、 一般、 較差品系; (a), (b), (c)為對應(yīng)品系的SRSI, SDSI和NDSI指數(shù)R2圖

不同品系冬小麥在各生育期不同處理下葉綠素差異顯著, 說明抗旱性能的不同是導(dǎo)致葉綠素變化明顯的一個(gè)重要因素。 小麥的冠層光譜反射率在不同生育期各有差異, 在生育早期, 不同水分處理下小麥冠層光譜差異較小, 主要原因?yàn)樵缙谛←湆λ置{迫的響應(yīng)相對不敏感, 其受到水分脅迫主要影響小麥的根系生長, 在冠層上表現(xiàn)并不明顯; 進(jìn)入孕穗期逐漸表現(xiàn)出不同水分處理下冠層光譜反射變化規(guī)律, 在開花期和灌漿期達(dá)到最高, 同時(shí)在可見光波段, 含水量越高冠層光譜反射率越低, 含水量越低冠層光譜反射率越高; 在近紅外波段, 含水量越高冠層反射率越高, 含水量越低冠層反射率越低。 該結(jié)論也與Michael等[39]的研究結(jié)論相吻合。 冠層反射率的這種響應(yīng)特性, 歸因于受水分脅迫的小麥冠層葉綠素含量變化。

各波長處與葉綠素進(jìn)行相關(guān)性分析, 發(fā)現(xiàn)相關(guān)性較高波長主要集中于藍(lán)光、 綠光和紅邊區(qū)域, 組合指數(shù)的熱點(diǎn)區(qū)域與之重合, 驗(yàn)證了受到水分脅迫后小麥冠層主要變化為葉片失水、 色素變化等, 進(jìn)而導(dǎo)致作物光合作用減弱, 最終影響作物生長[40]。 通過新建指數(shù)篩選出的三種指數(shù)反演葉綠素精度較高, 為后續(xù)構(gòu)建相關(guān)反演模型奠定了基礎(chǔ)。

水分脅迫對小麥的影響是累積性的, 不能通過單一生育期結(jié)果說明脅迫對小麥葉綠素最終影響, 前人研究多集中于單生育期下品種間變化或多生育期下少數(shù)品種間變化, 如Zhu[41]等設(shè)置60%和80%兩個(gè)灌溉水平的小麥種植試驗(yàn), 利用DJI M600無人機(jī)進(jìn)行作物高光譜采集, 分析發(fā)現(xiàn)紅邊等反射率是葉綠素含量(LCC)估算模型中最重要的輸入, 且不同生長階段和作物品種的指數(shù)效果不同, 這與本試驗(yàn)結(jié)果相符合。 但其只采集三個(gè)生育期下光譜數(shù)據(jù), 既沒有涵蓋小麥生長初期階段也沒有抓住小麥生長發(fā)育最激烈時(shí)期, 且其參與試驗(yàn)的品種只有兩個(gè), 設(shè)置的水分梯度也只有60%和80%, 試驗(yàn)參數(shù)較少, 不能較為清晰地揭示變化規(guī)律。 本試驗(yàn)設(shè)計(jì)為大田環(huán)境下的關(guān)鍵生育期水分脅迫試驗(yàn), 相比于人工設(shè)置的試驗(yàn)環(huán)境更具有真實(shí)性和推廣性, 同時(shí)能通過連續(xù)關(guān)鍵生育期下的累積變化清晰揭示水分脅迫對小麥葉綠素的影響。

3 結(jié) 論

抗旱性較強(qiáng)、 一般和較差小麥品系在不同水分處理下的冠層葉片葉綠素含量均差異顯著, 從拔節(jié)、 孕穗、 開花直到灌漿, 葉綠素含量大致表現(xiàn)為降低─升高─降低態(tài)勢, 但冬季和返青期灌溉處理下的抗旱性一般品系、 以及返青期灌溉處理下的抗旱性較差品系除外。 隨著小麥的發(fā)育進(jìn)程推移和抗旱性減弱, 不同處理間在近紅外區(qū)域的冠層反射率差距逐漸增大。 反射率在紅邊和近紅外水分吸收區(qū)對葉綠素響應(yīng)敏感, 二者相關(guān)性最為顯著。 針對窄波段光譜指數(shù)與葉綠素的線性擬合結(jié)果表明, 葉綠素反演精度在各發(fā)育期差異明顯。 其中, 抗旱性較強(qiáng)品系和抗旱性較差品系的開花期精度最高, 分別達(dá)0.762和0.811; 抗旱性一般品系的NDSI指數(shù)在灌漿期精度最高, 為0.732。