作物冠層氮素的高光譜無損監測技術研究

楊玉鑫， 聶宜民， 房賢一， 李傳勇， 邢耀文 (山東農業大學資源與環境學院，山東泰安 271018)

作物冠層氮素的高光譜無損監測技術研究

楊玉鑫， 聶宜民*， 房賢一， 李傳勇， 邢耀文 (山東農業大學資源與環境學院，山東泰安 271018)

氮素是作物生長發育和品質形成的重要指標。實時、快速、準確、無損地監測作物冠層氮素含量對于作物生長診斷、提高氮素利用率、減少過量施氮帶來的環境污染具有重要的意義。從冠層氮素的高光譜無損監測的國內外研究現狀出發，圍繞作物冠層氮素無損監測的技術原理、作物冠層無損監測現狀及存在的問題、作物冠層氮素無損監測技術的發展方向等問題進行闡述和探討，以期為冠層氮素高光譜無損監測研究提供一定的參考。

作物；氮素；高光譜；無損監測

氮素是植物生長不可或缺的大量營養元素之一，對植物的新陳代謝和生長起重要作用，是蛋白質、葉綠素、氨基酸和其他有機分子的基本組成元素，與作物的產量和品質形成密切相關。作物缺氮會造成生長緩慢，植株矮小、瘦弱，葉片薄而小，影響作物光合作用器官的形成，導致作物產量降低甚至絕產。另一方面，過多的施用氮肥會造成作物葉綠素含量增加，延長作物的成熟時間，還會影響產品品質，使得作物易受病蟲害和惡劣氣候的影響。這不僅增加生產成本，降低氮肥利用率，而且造成地表水和地下水污染，進而產生一系列的生態環境問題。因此，快速、無損、準確監測作物氮素狀況，從而實現科學合理施肥就顯得尤為重要。傳統的氮素監測方法主要是采用化學分析方法，不僅費時、費力，而且獲取數據成本高，很難得到普遍應用。高光譜技術作為一種探測作物長勢和營養信息的有效手段，以其實時、快速、準確、無損的特點為植物氮素營養監測提供一種新的技術手段和方法[1]。近年來，許多學者利用高光譜波段多、分辨率高的特點來定量監測作物理化成分，在玉米[2-5]、水稻[6-7]、大豆[8]、小麥[9-12]、棉花[13]等農作物的氮素營養監測方面取得許多可喜的成果，但也遇到很多需要解決的難題。筆者從國內外作物冠層氮素的高光譜無損監測研究出發，圍繞作物冠層氮素無損監測的技術原理、作物冠層氮素無損監測及作物冠層氮素無損監測技術的發展方向等方面進行分析，以期為作物氮素的高光譜無損監測研究提供一定的參考。

1 作物冠層氮素無損監測的技術原理

1.1 作物冠層特征光譜產生的機制作物冠層特征光譜的產生主要是由于作物冠層組織器官內不同形態的氮化合物對不同波段電磁波的特征性吸收、反射和透射。不同的作物具有不同的化學和形態學特征，而這些特定結構的產生與作物的發育、健康狀況和生長條件等是密不可分的。這也就構成作物的“指紋效應”，即每種作物都有其區別于其他作物的光譜特征。這也是利用作物冠層光譜反演作物組分含量或濃度的理論基礎。

1.2 冠層光譜對作物氮素的響應對于作物冠層氮素的高光譜無損監測，由于氮素的吸收光譜和透射光譜被作物吸收，很難對其進行定量監測，反射特征光譜能夠較容易地監測，因而反射特征光譜應用最為廣泛。植物冠層反射光譜負載了作物氮素信息，通過冠層反射光譜的監測分析可以反演作物氮素信息[14]。在可見光范圍內，各種色素是支配作物光譜響應的主要因素，其中葉綠素起著相當重要的作用。在450和650 nm處，由于葉綠素對紅光和藍紫光強烈吸收，導致形成2個反射谷，而在550 nm處由于吸收作用較小，因而形成一個反射峰。這也是我們看到的絕大多數作物是綠色的主要原因。在680～760 nm附近作物反射率急劇上升，形成“紅邊”。它與葉綠素的濃度密切相關[15]。在紅外波段，特定的反射率波段與氮素含量也有關聯。對于作物冠層光譜，它們具有相似的光譜吸收特征，但是由于冠層結構、作物體內氮素含量、作物的健康狀況以及生長環境等因素的影響，不同作物冠層會形成不同的反射光譜。冠層光譜對作物氮素的響應正是基于光譜和作物氮素的響應來定量反演作物氮素狀況，達到氮素狀況的無損監測。

2 作物冠層氮素無損監測

2.1 作物冠層反射光譜的獲取作物冠層反射光譜的獲取是作物冠層氮素無損監測的首要環節，也是作物冠層氮素無損監測成功與否的重要環節。目前，最常用的測量冠層反射光譜的儀器是美國ASD公司生產的FieldSpec系列的地物光譜儀。它的波段范圍為350～2 500 nm,共計2 151個波段，儀器視場角為25°，重采樣后光譜分辨率達到1 nm。選擇晴朗無風或風力小于三級以及無卷積云與濃積云的天氣，光譜采集一般在10:00～14:00太陽高度角變化小的時間段進行，以保證有較高的太陽高度角。在測量過程中，光譜采集人員身著深顏色服裝，正對太陽，立于目標后方。傳感器探頭垂直向下，根據不同作物冠層直徑的大小選擇與冠層的合適高度。采集樣本重復測量多次，取平均值，且在采集前與采集過程中及時用參考白板進行校正，以消除輻射差異的影響。成像光譜儀多采用上海技術物理研究所研制的實用性模塊化成像光譜儀OMIS。另外，美國研制的手持式冠層長勢儀Greenseeker系列以及HandHeld系列也被廣泛應用在農業科研和生產中。此外，國內研究者以田間實際應用為目標進行了相關儀器設備[16-21]的開發，用于作物冠層反射光譜的獲取。

2.2 作物冠層氮素特征光譜參數的提取作物冠層氮素監測受大氣狀況、冠層結構、探測角度、探測高度、土壤背景等的影響。敏感波段和特征光譜參數的提取就顯得尤為復雜和困難。目前，對于特征光譜的提取，第1類是通過多元統計方法進行研究。學者們采用導數光譜、微分光譜、紅邊參數、倒數光譜等各種數學變換形式對原始光譜數據進行處理。這是最簡單的方法，但是所提取的特征光譜受作物種類、樣本數量、測量條件等的影響，用所提取的特征光譜來估算作物體內生化組分很難進行理論解釋。第2類是植被指數。植被指數在一定程度上反映植物的生理特征與光譜相互作用的機制。按照發展階段植被指數又可分為3類，一是基于波段的線性組合或比值組合，以RVI為主要代表，這類植被指數沒有考慮大氣、土壤、冠層結構等的影響，因此應用受到限制；二是在原有植被指數的基礎上不斷發展而來的NDVI、PVI、SAVI、PRI、TVI等，與第1類植被指數相比，第2類植被指數部分消除背景因素的影響，因而應用較廣泛；三是為了突出目標信息，降低光譜因子對某些干擾因子的敏感度而對第2類植被指數進行改進的修正型植被指數，如MCARI、OSAVI、RDVI、MSAVI、TSAVI等。盡管許多植被指數消除了某些干擾因子的影響，但是NDVI仍然是應用最為廣泛的。現存的植被指數只是根據不同作物單一的降低對一種或幾種其他環境參數的敏感性，并且不存在一種對任一作物光譜都敏感的植被指數。

2.3 作物冠層氮素監測模型及其普適性作物冠層氮素監測模型的建立是高光譜遙感能否成功反演作物理化性狀的重要一環。目前，國內外學者針對不同的作物進行了大量作物氮素監測模型的構建，其中模型構建主要由兩大類構成。第1類是以篩選的相關系數較大的光譜參量為自變量，以作物氮素濃度或積累量為因變量建立線性或非線性氮素含量估算模型，包括簡單線性模型、對數模型、指數模型、拋物線模型、一元多次函數模型、乘冪函數等。這類方法對于作物干葉或粉末的氮素組分反演取得良好的效果。但是，作物冠層易受冠層結構、表面結構、氮素組分分布、測量環境等影響，運用第1類方法建立的估測模型相關系數低，不能滿足監測精度需求。第2類是運用復雜數學模型進行建模分析，主要包括主成分分析法(PCA)、小波變換(WAVELET)、支持向量機(SVM)、偏最小二乘法(PLS)、BP神經網絡、遺傳算法(GA)等。這類算法具有第1類方法所不具有的很多優點，通過對數據的大量變換，最后建立的監測模型監測精度高，但對所進行的變換和所選參數很難進行理論解釋。目前，所建立的作物模型種類繁多，各類模型的適用范圍和復雜程度也不盡相同。針對不同作物所建立的不同模型通常有其適應性和針對性，結合具體的條件對不同地區的作物模型進行驗證、評價、改正，完成模型的本地化后方可使用。

2.4 作物冠層光譜的應用在基于遙感的作物氮素營養監測中，國內外學者多通過遙感反演氮濃度和氮積累量來判定作物氮素營養狀況，從而為作物施肥提供理論依據。有研究表明，利用紅邊位置可以預測馬鈴薯冠層氮含量。Bajwa等[7]發現，RVI(937,718)與水稻植株氮積累量密切相關。Feng等[10]研究表明，mNDM705和FD729等指數可以很好地監測小麥氮含量。姚霞等[11]發現，RSI(FD691,FD711)和SASI(FD700,FD690)可以很好地預測小麥氮含量。馮偉等[12]研究了小麥地上部氮積累量與冠層高光譜參數的定量關系，并以植被指數VOG2、VOG3和[(R750-800)/(R695-740)-1]監測小麥地上部氮積累量。王淵等[22]利用逐步回歸方法實現了對油菜葉片和冠層氮素的高光譜估算。王磊等[4]根據玉米氮素營養的生理特點，在關鍵生育期建立了葉片氮含量的監測模型。劉冰峰等[5]利用線性回歸和非線性回歸方法,研究了玉米不同生育期葉片全氮高光譜監測模型。唐延林等[23]研究了不同氮素和不同時期大麥冠層光譜、一階導數光譜和紅邊與氮素的相關性。趙瑞嬌等[24]研究發現,利用530和760 nm特征波長得到的歸一化植被指數(NDCI)與番茄葉片氮含量有較好的相關性。

3 作物冠層氮素無損監測技術的發展方向

隨著高光譜遙感技術的飛速發展，作物冠層氮素無損監測正朝著簡單化、智能化、規范化方面發展。目前，國內外學者針對作物氮素監測相繼研發了一些相關的硬件設備，但仍不能滿足作物生產實踐的應用需求。作物氮素監測儀的研究開發還應從以下方面進行加強。從硬件的角度看，作物氮素監測儀應從被動式逐漸轉變為主動式，以克服自然光的影響，拓寬儀器的時間使用范圍；其次，應逐漸從葉片尺度測量向冠層尺度轉變，點測量向面測量轉變。從軟件的角度看，目前國內外還沒有一種專門用于光譜數據處理的軟件，使得光譜數據的處理顯得較困難，研究集傳感器參數校正、特征光譜提取以及光譜監測模型建立和精度監驗為一體的智能化光譜數據處理軟件就顯得尤為重要。

利用高光譜遙感監測作物氮素一般從粉末或葉片、冠層或個體、機載或星載傳感器區域3個層次展開。目前，國內外學者的研究大都局限于從一個尺度進行研究。由于不同尺度監測各有自己的優點和特色，如何將不同尺度的作物氮素監測結合起來，實現高光譜遙感監測的快速、準確、廣泛監測的有機融合，是今后高光譜研究的一大發展趨勢

[1] 田永超，朱艷，姚霞，等.基于光譜信息的作物氮素營養無損監測技術[J].生態學雜志，2007,26(9):1454-1463.

[2] 譚昌偉，郭文善，朱心開，等.不同條件下夏玉米冠層反射光譜響應特征的研究[J].農業工程學報，2008,24(9):131-135.

[3] 王磊，白由路，盧艷麗，等.不同形式的光譜參量對春玉米氮素營養診斷的比較[J].農業工程學報，2010,26(2):218-223.

[4] 王磊，白由路，盧艷麗，等.基于光譜分析的玉米氮素營養診斷[J].植物營養與肥料學報，2011,17(2)：333-340.

[5] 劉冰峰，李軍，趙鋼鋒，等.夏玉米葉片全氮含量高光譜遙感估測模型研究[J].植物營養與肥料學報，2012,18(4):813-824.

[6] 周冬琴，朱艷，楊杰，等.基于冠層高光譜參數的水稻葉片碳氮比監測[J].農業工程學報，2009，25(3):135-142.

[7] BAJWA S G，MISHRA A R，NORMAN R J.Canopy Reflectance response to plant nitrogen accumulation in rice[J].Precision Agriculture,2010,11:488-506.

[8] 喬欣，馬旭，張小超，等.大豆葉綠素和鉀素信息的冠層光譜響應[J].農業機械學報，2008,39(4):108-116.

[9] 蔣金豹，陳云浩，黃文江，等.條銹病脅迫下冬小麥冠層葉片氮素含量的高光譜估測模型[J].農業工程學報，2008,24(1):35-39.

[10] FENG W，YAO X，ZHU Y，et al.Monitoring leaf nitrogen status with hyperspectral reflectance in wheat[J].European Journal of Agronomy,2008,28:394-404.

[11] 姚霞，朱艷，田永超，等.小麥葉層氮含量估測的最佳高光譜參數研究[J].中國農業科學,2009,42(8):2716-2725.

[12] 馮偉，朱艷，姚霞，等.小麥氮素積累動態的高光譜監測[J].中國農業科學，2008,41(7):1937-1946.

[13] 王克如，潘文超，李少昆，等.不同施氮量棉花冠層高光譜特征研究[J].光譜學與光譜分析，2011,31(7):1868-1872.

[14] 田亦陳，賈坤，吳炳方，等.大麻植物冠層光譜特征研究[J].光譜學與光譜分析，2010,30(12):3334-3337.

[15] 童慶禧，張兵，鄭蘭芬.高光譜遙感-原理、技術與應用[M].北京：高等教育出版社，2006:22-24.

[16] 韓書慶，于渤，孫明，等,便攜式葉綠素、氮素、水分一體化測定儀設計[J].農業機械學報，2009,40(S1):256-259.

[17] 劉海俊，孫傳范，曹衛星，等.便攜式作物氮素監測儀性能水稻田間測試[J].農業機械學報，2010,41(9):80-84.

[18] 聶鵬程，袁石林，章偉聰，等.基于光譜技術的水稻葉片氮素測定儀的開發[J].農業工程學報，2010，26(7):152-156.

[19] 李修華，張鋒，李民贊，等.四波段作物冠層分析儀設計[J].農業機械學報，2011,42(11):169-173.

[20] 于渤，孫明，韓書慶，等.小麥葉綠素、氮素、水分一體化測定儀的開發與測試[J].光譜學與光譜分析，2011，31(8):2294-2297.

[21] 徐志剛，朱艷，焦學磊，等.作物氮素營養無損監測儀的光學系統設計[J].農業機械學報，2008,39(3):120-122.

[22] 王淵，黃敬峰，王福民，等.油菜葉片和冠層水平但素含量的高光譜反射率估算模型[J].光譜學與光譜分析，2008,28(2):273-277.

[23] 唐延林，王人潮，張金恒，等.高光譜與葉綠素計快速測定大麥氮素營養狀況研究[J].麥類作物學報，2003,23(1):63-66.

[24] 趙瑞嬌，李民贊，楊策，等.溫室番茄和葉片光譜特征分析及營養診斷[J].光譜學與光譜分析，2010,30(11):3103-3106.

Non-destructive Monitoring of Crop Canopy Nitrogen Based on Hyperspectrum

YANG Yu-xin, NIE Yi-min*, FANG Xian-yi et al

(College of Resources and Environment, Shandong Agriculture University, Taian, Shandong 271018)

Nitrogen is an important indicator for crop growth and quality formation. Real-time, rapid, accurate, non-destructive monitoring of crop canopy nitrogen content is of significance in crop growth diagnosis, improving nitrogen use efficiency and reducing environment problems caused by excess nitrogen. Starting from the domestic and foreign research situation about non-destructive monitoring of the crop canopy nitrogen based on hyperspectrum, the principle, status, existing problems, development direction of crop canopy nitrogen non-destructive monitoring technology were elaborated and discussed, in order to provide a certain reference for non-destructive monitoring of the crop nitrogen based on hyperspectrum.

Crop; Nitrogen; Hyperspectrum; Non-destructive monitoring

楊玉鑫(1989- )，男，山東臨沂人，碩士研究生，研究方向：國土資源信息化。*通訊作者，教授，碩士生導師，從事地理信息系統方面的研究。

2015-03-27

S 126

A

0517-6611(2015)14-010-03