花生紅邊特征及其葉面積指數的高光譜估算模型

摘 要:選用大花生品種豐花1號作為試驗材料，設置5個氮素水平的小區試驗。在不同發育期同步測定花生冠層的光譜反射率及其葉面積指數，利用花生冠層的光譜反射率數據提取紅邊參數，分析其變化規律及花生葉面積指數與紅邊參數的相關性。估算結果表明:花生冠層紅邊一階微分光譜呈“雙峰”現象，紅邊位置位于707～724 nm之間，在花生生長旺盛期間出現“紅邊平臺”，結莢期以后有明顯的“藍移”現象;葉面積指數與冠層光譜紅邊參數之間在結莢期-飽果初期顯著相關，但開花期相關性不顯著，利用結莢期-飽果期的紅邊參數可以估算花生的葉面積指數，最后建立了結莢期-飽果期和整個生育期的花生葉面積指數的估算模型。

關鍵詞:花生;高光譜遙感 紅邊參數 葉面積指數;相關分析;估算模型

中圖分類號:S565.2;S127 文獻標識號:A 文章編號:1001-4942(2010)03-0011-06Red

利用遙感技術監測作物的生長狀況與趨勢(即長勢監測)是農業遙感的重要任務之一。長勢監測的目的是為田間管理提供及時的作物信息，也為早期估測產量提供苗情依據。Watson等[1]在1947年將葉面積指數(LAI)的概念引進作物群體結構分析，極大促進了群體研究理論的發展并對生產實踐產生重大作用。植物冠層介于大氣圈和陸地生物圈之間，在全球范圍內，植被類型豐富，冠層形狀、大小和特性又千差萬別，LAI成為表達全球不同陸地生態系統植被特征的重要參數[2]，也是遙感長勢監測中最常用的描述作物長勢的綜合參數[3，4] 。

Wiegand等[5]研究了光譜特征與LAI之間的關系;Bunnik[6]證實了應用遙感技術提取植被覆蓋與LAI的可能性。隨后比值植被指數(RVI)、歸一化植被指數(NDVI )、垂直植被指數(PVI)等被相繼提出并用于反演植被LAI[7～10]。浦瑞良等[11]研究了美國西部黃松葉面積指數與高光譜分辨率CASI數據的相關性;劉偉東等[12]分析了高光譜數據與水稻葉面積指數及葉綠素密度的相關性;最近，唐延林等[13]利用光譜法對水稻葉面積指數和葉片生化成分進行了研究。 關于作物葉面積的遙感估測方面，已有眾多研究提出了不同的敏感區域和不同波段組合的植被指數[14] 。Thenkabail等[15]的研究表明，紅光區反射率與LAI相關性較為密切。 劉偉東[12]、申廣榮[16]、王秀珍[17]的研究也證明了這一結論，并且分別提出671 nm和682 nm反射率與LAI的相關性最好。宋開山等[18]認為， 760 nm 與550 nm反射率構成的比值植被指數與大豆(Glycine max L.)葉面積指數呈冪函數關系。薛利紅等[19]在水稻上的研究也提出相近波段組合的比值植被指數RVI(810，560)與水稻LAI呈冪函數關系。譚昌偉等[20]發現，垂直植被指數PVI和比值植被指數RVI(810，560)可以作為反演夏玉米(Zea mays) LAI的最佳植被指數，并采用指數方程擬合它們與LAI的關系。唐延林等[21]在研究水稻、玉米和棉花3種作物LAI與冠層反射光譜的關系中發現， 800 nm與680 nm反射率構成的比值植被指數可以用來反演這3種作物的LAI。Wiegand等[22]認為，比值植被指數RVI和轉換型土壤調整指數TSAVI與小麥LAI線性相關，綠度植被指數GVI和垂直植被指數PVI與小麥LAI的關系則用冪函數和二次方程擬合最佳，相關系數都達0.72～0.86;并且認為這些植被指數中估測LAI最好的關系是冪函數關系，GVI和PVI相對RVI而言響應更靈敏。從已有的研究報道可以看出，用于作物葉面積遙感監測的適宜特征光譜參數隨作物的不同、試驗條件的不同而有所差異;而且有關各種植被指數與LAI的關系函數表達方式及預測能力的結論也不盡相同，所以有必要進一步深入研究和定量分析花生冠層反射光譜與LAI的動態關系。

王秀珍等[23]指出可以用紅邊參數測定葉面積指數，Patei等[24]和Zhao等[25]也都對利用紅邊參數的LAI遙感估算方法進行了研究，但利用光譜紅邊特征來研究花生的葉面積指數還鮮見報道。為此，作者利用高光譜紅邊參數對花生LAI進行系統研究，以篩選預測花生LAI的最優預測估算模型，這不僅可為監測花生長勢和預測產量開辟新道路，而且為花生長勢的遙感監測及精準農業中作物長勢信息的實時快速獲取提供一定的技術支撐。

1 材料與方法

1.1 試驗設計試驗選擇品種為大花生豐花1號，試驗地點為山東省農業科學院蔬菜研究所實驗基地(東經117°04′，北緯36°42′)，小區面積26.7 m2，采用起壟覆膜種植方式，壟距80 cm，壟面寬50 cm，壟高10 cm，壟上種兩行花生，壟上行距35 cm，穴距16 cm，密度為每666.7m2種植1萬穴，每穴2粒種子。試驗小區按完全隨機排列布置，重復3次。設置5個氮肥水平，分別是0、150、300、450、600 kg/hm2(分別以N0、N1、N2、N3、N4表示)，均作為基肥施入。田間管理按大田管理方式進行。

1.2 測量方法

1.2.1 測量儀器 冠層光譜測量選用美國ASD(Analytical Spectral Device)公司的ASD Fieldspec FR2500光譜儀，波段范圍為350～2 500 nm，其中，350～1 000 nm光譜采樣間隔(波段寬)為1.4 nm，光譜分辨率為3 nm，1 000～2 500 nm 光譜采樣間隔(波段寬)為2 nm，光譜分辨率為10 nm;輸出波段數為2 150(重采樣間隔1 nm);波長精度為1 nm;觀測通道為單通道，光纖傳輸，非同步參考板測定。

1.2.2 冠層光譜測定 選擇在天氣晴朗、無風或風速很小的時候進行，時間范圍為10∶00～14∶00，即分別在開花期(6月22日)、開花下針期(7月10日)、結莢期(8月1日)、飽果期(8月28日)、成熟收獲期(9月22日)測定了花生的冠層光譜。測量時，傳感器探頭向下，距離冠層頂部垂直高度約0.30～0.50 m。每個小區內任選長相適中的植株進行測量，重復3次測定，每次記錄10個以上光譜，以其平均值作為該小區的光譜反射值。測量時及時進行標準白板校正(標準白板反射率為1，這樣所測得的目標物光譜是無量綱的相對反射率)，即每個點的測量前后均進行標準白板校正。

1.2.3 葉面積指數測定 采用鮮重法計算葉面積指數。首先從植株上挑選20片小葉，從頂部對齊后利用打孔器打孔，記錄小圓葉鮮重，再根據單株總的葉片鮮重及種植密度計算出葉面積指數。

2 結果與分析

2.1 花生冠層光譜的紅邊參數

紅邊是綠色植物光譜最明顯的特征之一，是指綠色植物反射光譜位于紅光范圍(680～760 nm)的光譜。植被光譜的紅邊參數主要有紅邊位置λred、紅邊幅值Dλred和紅邊面積Sred。紅邊位置λred是紅光范圍(680～760 nm)內一階導數光譜最大值所對應的波長;紅邊幅值Dλred為紅光范圍(680～760 nm)內一階導數光譜的最大值;紅邊面積Sred指680～760 nm之間的一階導數光譜所包圍的面積。研究表明:葉綠素含量、生物量、物候、冠層結構和葉片結構等因素的變化都能使紅邊位置和紅邊幅值改變[26]。

由圖1可見，花生冠層光譜的一階導數在紅邊區域均是雙峰，與水稻、玉米、棉花等相同，只是收獲時期的第二個峰不大明顯，且紅邊位置藍移現象比較明顯。8月1日測定的紅邊幅值最高，各生育時期紅邊幅值由大到小依次為8月1日，6月22日，8月28日，9月22日。

從圖2看出，紅邊幅值在生長前期變化平穩，結莢期達到最大，之后又逐漸降低。這主要是因為生長早期，冠層葉面積指數較小，受地膜反射的影響較大，花生冠層光譜紅邊幅值相對較小;隨著生育期推移，生物量增加，葉面積指數增大，土壤背景對冠層光譜的影響減小，花生冠層光譜紅邊幅值逐漸增大，到結莢期(8月1日)達到峰值，以后隨著花生下部葉片開始變黃、脫落，紅邊幅值逐漸減小。花生各生長時期紅邊面積與紅邊幅值的變化趨勢一致。紅邊位置的變化范圍為707～724 nm，整個生育期內，隨發育進程，紅邊位置從出苗到結莢期呈“紅邊平臺”現象，但到生長后期有明顯藍移的現象，這與水稻、玉米等[27]作物不同。

2.2 花生葉面積指數與紅邊參數的相關性

由表1看出，8月1日結莢期的葉面積指數與紅邊位置和紅邊幅值均達到極顯著正相關，與紅邊面積達到顯著負相關。在8月28日飽果期，葉面積指數與紅邊位置呈顯著正相關，與紅邊幅值顯著負相關。7月10日的葉面積指數與紅邊面積呈極顯著正相關。總之，紅邊位置與葉面積

指數始終正相關。6月22日的葉面積指數與紅邊參數的相關系數均未達到顯著水平，說明花生生長前期植株群體較小，葉面積指數較小，冠層光譜受地面覆膜的影響較大。

2.3 葉面積指數的高光譜遙感估算模型

從表1可知，7月10日開花下針期的S red和8月1日的λ red、 Dλ red、 S red及8月28日的λ red、 Dλ red與葉面積指數均達到了顯著相關水平，因此，可以用花生結莢期-飽果期冠層反射光譜的紅邊參數來估算其葉面積指數，花生葉面積指數高光譜遙感估算方程如表2所示。

3 討論與結論

花生不同生育時期，確保有一個合理的葉面積指數，是花生高產的基礎。不同種植方式和產量水平對花生葉面積指數有一定的要求。王才斌等[28]研究表明，春花生產量與幼苗期葉面積指數無明顯相關性，而與產量形成期(結莢期和飽果期)的葉面積指數呈顯著正相關(r=0.8835*)。本試驗結果也表明，花生冠層反射光譜紅邊參數在結莢期-飽果期與葉面積指數之間存在較好的相關性，因此可以利用此期的紅邊參數來估算花生葉面積指數，從而通過葉面積指數的估測來預測花生產量。產量能夠做到預測預報，不僅是農業現代化建設的迫切需要，也是糧食收購部門和加工企業的迫切要求，對于保障糧油安全、促進農業可持續發展具有非常重要的意義。

花生冠層光譜的紅邊呈“雙峰”現象，紅邊位置在整個生育期內均處于707～724 nm 之間。隨生育期推移，冠層紅邊位置呈“紅邊平臺”和“藍移”變化規律，而紅邊幅值和紅邊面積在結莢期達到一峰值，此后呈“藍移”的變化規律。本研究最終確定的葉面積指數的紅邊參數估算模型為LAI=2.599×10-117λ41.004 red，R2=0.5517，但由于對結果的顯著性未進行檢驗，因此，用該模型估算葉面積指數的準確性還有待于進一步探討。

參 考 文 獻:

[1] 陳溫福，徐正進，張龍步. 水稻超高產育種生理基礎[M].遼寧: 遼寧科學技術出版社，1995，106-150.

[2] King M D.EOS Science Plan: The State of Science in the EOS Program[M]. National Aeronautics and Space Administration，United States，1999，256-296.

[3] 李云梅，王人潮，王秀珍，等. 水稻冠層結構變化對二向反射率的影響[J]. 應用生態學報，2001，12 (3):401-404.

[4] 楊邦杰，裴志遠. 農作物長勢的定義與遙感監測[J]. 農業工程學報，1999，15(3):214-218.

[5] Wiegand C L，Gausman H W，Cuellar J A，et a1.Vegetation density as deduced from ERTs21 MSS response[A]. In : Proceedings of the Third ETRS Symposium[C]. NASA SP-351，1973，1:93-116.

[6] Bunnik N J.The multispectral reflectance of shortwave radiation by agricultural crops in relation with their morphological and optical properties[D].Wageningen: Veenman，1978， 6-78.

[7] Rouse J L，Haas R H，Schell J A，et a1.Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation[R].NASA/GSFC，Greenbelt，Maryland，USA，1974，11-371.

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

[9] Shibayama M， Akiyama T. Seasonal visible， near-infrared and mid-infrared spectra of rice canopies in relation to LAI and above-ground dry phytomass[J].Remote Sensing of Environment，1989，27(2):119-127.

[10]張曉陽，李勁峰.利用垂直植被指數推算作物葉面積系數的理論模式[J].遙感技術與應用，1995，10(3):13-18.

[11]浦瑞良，宮 鵬，約翰 R.米勒.美國西部黃松葉面積指數與高光譜分辨率CASI數據的相關分析[J]. 環境遙感，1993，8(30):112-124.

[12]劉偉東，項月琴，鄭蘭芬，等. 高光譜數據與水稻葉面積指數及葉綠素密度的相關分析[J]. 遙感學報，2000，21(4):279-283.

[13]唐延林，王人潮，王秀珍，等. 水稻葉面積指數和葉片生化成分的光譜法研究[J]. 華南農業大學學報(自然科學版)，2003，24(1):5-7.

[14]程 乾，黃敬峰，王人潮，等. MODIS植被指數與水稻葉面積指數及葉片葉綠素含量相關性研究[J]. 應用生態學報，2004，15(8):1363-1367.

[15]Thenkabail P S，Smith R B，Pauw E D. Hyperspectral vegetation indices and their relationship with agricultural crop characteristics [J]. Remote Sensing of Environment，2000，71: 158-182.

[16]申廣榮，王人潮. 水稻多組分雙向反射模型的研究[J]. 應用生態學報，2003，14(3):394-398.

[17]王秀珍，黃敬峰，李云梅，等. 高光譜數據與水稻農學參數之間的相關分析[J]. 浙江大學學報(農業與生命科學版)，2002，28(3):283-288.

[18]宋開山，張 柏，李 方，等. 高光譜反射率與大豆葉面積及地上鮮生物量的相關分析[J]. 農業工程學報，2005，21(1):36-40.

[19]薛利紅，曹衛星，羅衛紅，等. 光譜植被指數與水稻葉面積指數相關性的研究[J]. 植物生態學報，2004，28(1):47-52.

[20]譚昌偉，黃義德，黃文江，等. 夏玉米葉面積指數的高光譜遙感植被指數法研究[J]. 安徽農業大學學報，2004，31(4):392-397.

[21]唐延林，王秀珍，王福民，等. 農作物LAI和生物量的高光譜法測定[J]. 西北農林科技大學學報#8226;自然科學版， 2004，32(11):100-104.

[22]Wiegand C L， Maas S J，Aase J K，et al. Multisite analyses of spectral-biophysical data for wheat [J]. Remote Sensing of Environment，1992，42:1-21.

[23]王秀珍，黃敬峰，李云梅，等. 水稻葉面積指數的高光譜遙感估算模型[J].遙感學報，2004，8(1):81-88.

[24]Patel N K，Patnaik C，Dutta S，et al.Study of crop growth parameters using airborne imaging spectrometer data[J].International Journal of Remote Sensing，2001，22(12):2401-2411.

[25]Zhao C J，Huang W J，Wang J H， et a1.The red edge parameters of different wheat varieties under different fertilization and irrigation treatments[J]. Agricultural Sciences in China，2002，1(7):745-751.

[26]Gower S T，Vogt K A， Grier C C.Carbon dynamics of Rocky Mountain Douglas-fir: influence of water and nutrient availability[J].Ecological Monographs，1992，62(1):43-65.

[27]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]. 中國農業科學，2004，37(1):29-35.

[28]萬書波主編. 中國花生栽培學[M]. 上海:上海科學技術出版社，2003， 279-290.