田間冬小麥抽穗期長勢分析—基于可見-近紅外光

劉仁杰，房俊龍，李民贊，孫　紅，吳李烜，趙　毅，張　猛

(1.東北農業大學 電氣與信息學院，哈爾濱　150030；2.中國農業大學 現代精細農業系統集成研究教育部重點實驗室，北京　100083)

?

田間冬小麥抽穗期長勢分析
—基于可見-近紅外光

劉仁杰1,2，房俊龍1，李民贊2，孫紅2，吳李烜2，趙毅2，張猛2

(1.東北農業大學 電氣與信息學院，哈爾濱150030；2.中國農業大學 現代精細農業系統集成研究教育部重點實驗室，北京100083)

摘要：為了快速估測大田冬小麥葉綠素含量指標，指導冬小麥抽穗期追肥管理，基于光譜分析技術在可見光和近紅外波段(325～1 075nm)處，對陜西省楊凌區揉谷鎮糧食基地的冬小麥進行長勢檢測、分析。試驗在1 000m×600m區域內劃分為30個采樣區進行數據采集，使用ASD FieldSpec HandHeld光譜輻射儀(Analytical Spectral Devices.,USA)采集冬小麥的冠層光譜反射率數據，使用SPAD-502Plus便攜式葉綠素儀測量小麥倒一葉和倒二葉的葉綠素指標(SPAD值)，使用G738CM型手持式GPS記錄采樣點的位置信息。分別進行冠層光譜反射率小麥倒一葉和倒二葉的預處理，結果表明：冠層反射光譜倒二葉的SPAD值相關系數高于倒一葉。基于相關性分析，選取4個敏感波段538、661、740、850nm分別與預處理前后的光譜數據進行多元線性回歸分析，結果表明：預處理后的模型精度較高，建模精度R2=0.83，驗證建模精度R2=0.7。同時，繪制了大田作物長勢分布圖，可為冬小麥抽穗期追肥提供支持。

關鍵詞：冬小麥；無損檢測；葉綠素指標；可見近紅外光譜

0引言

抽穗期是冬小麥生產管理的關鍵時期，對小麥追肥可以促進小麥葉片生長、延長葉片功能期、提高光合效率及產量[1-2]。因此，針對冬小麥抽穗期進行長勢診斷，為小麥追肥提供指導，具有重要意義。葉綠素是植物進行光合作用的重要因子，其在作物中的含量與氮素等生理參數緊密相關，直接影響作物生長水平。因此，針對作物葉綠素含量指標展開監測是作物長勢診斷的重要手段之一，可為作物生產管理提供支持，具有實用價值[3-4]。

傳統的田間作物葉綠素含量檢測采用物理和化學方法提取葉綠素，再用分光度法測定其含量。該方法測量結果準確，但費時費力，對葉片破壞性采樣，且不適合對大范圍農田進行連續測量[5]。因此，迫切需要研究和應用大田作物葉綠素含量的快速、無損檢測技術，并基于快速檢測結果繪制田間長勢分布情況，為田間變量施肥管理決策提供支持。近年來，光譜分析技術由于其精度高、實時性好，為大田作物葉片葉綠素含量的快速無損檢測提供了手段，可以對待測樣本進行定性和定量分析[6-7]。基于可見光和近紅外光譜的作物檢測主要采用透射和反射光譜測量的方法，如日本 Minolta Camera 公司生產的SPAD-502 手持式葉綠素儀針對葉片進行點測量，通過內置LED主動光源測量葉片葉綠素在不同波段處對光譜的吸收率，計算得出的SPAD值，用以表示作物葉綠素含量指標，在科研、植物保護和田間作物檢測中得到應用[8-10]；而針對大面積作物群體的葉綠素含量檢測，美國 Analytical Spectral Devices(ASD)和Spectrum Technologies公司的地物光譜儀被普遍采用。CM1000葉綠素檢測儀是Spectrum Technologies公司最具代表性的手持式地物光譜監測儀器，針對待測作物檢測方便、快捷[11-12]。ASD公司推出的ASD FieldSpec HandHeld地物光譜儀，可以獲取325～1 075nm或325～2 500nm范圍的連續光譜，對特定作物和特定營養元素需要進一步開展敏感波段選取，建模等方法研究。近年來，國內外開展了大量利用光譜分析技術獲取作物冠層光譜反射率來診斷農作物的長勢和養分含量。Suchit Shrestha 等對基于熒光反射指數研發的手持式缺氮診斷工具的可行性進行評估，以不同氮素水平的水稻為研究對象，使用SPAD-502和GFS-3000光譜儀對其葉綠素含量和葉綠素熒光值進行測定，結果表明：不同氮素水平對葉綠素含量和葉綠素熒光反射值都有影響[13]。國內亦有眾多學者涉足該領域：丁永軍等使用ASD FieldSpec HandHeld地物光譜儀研究溫室番茄不同生長階段葉綠素含量和響應光譜的相關性，采用嶺回歸建立葉綠素含量預測模型，均方根誤差(RMSE)為0.406，決定系數(R2)為0.839[14]；易秋香等使用ASD FieldSpec HandHeld地物光譜儀測量不同品種玉米的室內光譜反射率，并同步采用凱式定氮法測量對應的全氮含量，結果表明：全氮含量與原始光譜在716nm相關系數最大為0.847，與光譜反射率一階微分值在759nm處相關系數最大為0.944[15]。

為了快速獲取冬小麥抽穗期長勢情況，為小麥追肥決策提供指導，本研究采集反映作物長勢的葉綠素含量指標，并獲取冬小麥抽穗期冠層可見光和近紅外反射光譜，分析冠層反射光譜與冬小麥抽穗期不同葉位葉綠素含量指標的相關性；選取適于冬小麥抽穗期葉綠素含量檢測的敏感波長，并建立葉綠素含量指標診斷模型；基于診斷結果，生成作物長勢空間分布圖，為大田精細管理決策提供支持。

1材料與方法

1.1試驗設計

試驗于2013年4月27日-4月29日在陜西省楊凌區揉谷鎮糧食基地進行，天氣晴朗無云或少云，種植冬小麥品種為小偃22號，生長期為抽穗期，正處于追肥管理的關鍵時期。在該基地選取1 000m×600m范圍內30個采樣區，每個采樣區選取5個采樣點采集冬小麥冠層葉片反射光譜數據，使用ASD FieldSpec HandHeld地物光譜儀在每個采樣點處采集3次取平均值作為該點的反射光譜數據。采集時，每個活體樣品由多片葉片組成，測量時光譜儀探頭垂直向下，距葉片20cm左右，且每10min進行參考板標定。

同步使用SPAD-502Plus型便攜式葉綠素儀在每個采樣點分別采集同植株倒一葉、倒二葉各3次取平均值作為該采樣點相應冠層的冬小麥葉綠素含量指標(SPAD值)。利用G738CM型手持式GPS接收系統(北京合眾思壯有限公司)采集采樣點的GPS位置信息(見圖1)，每個采樣區分布5個采樣點坐標，用于進一步匹配采樣點光譜數據輔助繪制田間作物葉綠素含量指標分布圖。

1.2試驗儀器

本試驗使用ASD公司的ASD FieldSpec HandHeld便攜式的分光輻射譜儀，波長范圍為325～1 075nm，具有較高的信噪比；并使用512元素光電二極管陣列，低雜散光光柵，內置快門，Drift LockTM暗電流補償、二級濾光器。在各種設置下，儀器能夠非常精確、快速地獲得反射率、輻射亮度和輻射照度光譜，分辨率3.5nm、準確度0.5nm、重復性0.1nm。內置的HandHeld Sync應用程序可以將HandHeld采集的光譜數據文件導入到外部電腦中儲存，是一個基于個人PC軟件系統與HandHeld聯合使用管理系統預設。其主要工作參數設置包括積分時間35ms，掃描次數為25次。

標定試驗采用SPAD-502plus是日本 Minolta Camera 公司生產的手持式葉綠素儀，針對葉片進行點測量，得出SPAD值。SPAD值通過對兩個不同波段區域葉片傳輸光的吸收率進行計算，其分別是紅光波段650nm和近紅外波段940nm。兩個LED光源發射這兩種波段的光穿透葉片輸入到接收器，光信號轉換成模擬信號，模擬信號被放大器放大，由模擬/數字轉換器轉換成數字信號，數字信號被微處理器利用，計算出SPAD值并顯示在顯示器上，同時自動儲存到內存當中。

圖1　采樣區GPS位置信息

2結果分析與討論

2.1光譜數據采集與白板標定

本試驗對田間冬小麥進行光譜采樣的方式設計為反射光譜測量。該測量方式是將ASD FieldSpec HandHeld光譜儀垂直于采樣植株采集光譜數據，每10min進行一次標準參考白板的標定。標準參考白板是對光譜范圍內入射光的漫反射率接近100%，在每個波段內的反射率接近1。儀器內置的HandHeld Sync應用軟件可以儲存來自參考白板的入射光譜數據或WR。標定之后，測量來自采樣區發射的光譜數據，能夠計算出實際樣品的反射率。試驗用標準白板采用LabSphere公司生產的SRM-990產品，由聚四氟乙烯基材料(PTFE)燒結制造，并使用300～1 100 nm 波段范圍內的光譜測量平均反射率數據校準白板，如表1所示。

表1　SRM-990校準白板反射率

試驗采集標定標準白板反射率曲線，通過儀器內HandHeld Sync應用軟件導出，選取27組有代表性的光譜曲線作圖，如圖2所示。由于1 000～1 075nm近紅外波段噪聲較大，數據不能準確反映反射率信息，因此將其剔除。在425～350nm、925～1 000nm數據出現小幅波動，與儀器漂移和野外采集其他光譜干擾有關。從圖2中得出：反射率最大值為1.043出現在943nm處，最小值為0.886出現在335nm處，反射率平均值為0.95左右。標定試驗結論基本與原廠校準反射率相符，可以達到野外測量精度要求，能較好地反映出田間冬小麥的長勢情況。

圖2　采集標定標準白板反射率曲線

2.2光譜數據的預處理

為了消除高頻隨機噪聲、儀器漂移、樣本不均勻及光散射等對樣本的影響,需要對光譜數據進行預處理[16-17]。試驗往往僅用一種光譜預處理方法不能得到較好的結果,可將不同的預處理方法結合使用,以獲得預期結果。

本試驗運用如下的方法組合進行光譜數據預處理:首先，采用一階微分的兩點差分與四點差分計算方式。微分處理可有效地消除基線漂移或平緩背景干擾的影響,提供比原光譜更高的分辨率和更清晰的光譜輪廓；但會放大微小的噪聲，降低信噪比。然后，針對微分結果采用指數加權平均法，平滑系數0.8，此時能夠很好地濾除各種因素產生的隨機噪聲，得到預處理后平滑的光譜數據，為選取敏感波段提高分析準確度。

試驗采集的150組反射光譜數據分別通過兩點、四點差分一階微分法及指數加權平均法對光譜數據進行處理，然后針對倒一葉、倒二葉SPAD值進行相關性分析結果，如表2所示。

表2　預處理后相關性分析結果

由表2可知：倒一葉和倒二葉相關性系數變化趨勢明顯，四點差分法數據精度優于兩點差分法；倒二葉SPAD值相關性系數高于倒一葉SPAD值，因此選擇四點差分一階微分法的倒二葉SPAD值做進一步數據分析。基于四點差分一階微分法及指數加權平滑法，繪制田間冬小麥相關性系數變化曲線圖，如圖3所示。

圖3　預處理后大田冬小麥相關性系數變化曲線圖

經過以上預處理后的光譜數據，可以很好地濾除各種因素對樣本光譜的影響，達到簡化后續建模處理運算過程，提高分析準確度。

2.3選取敏感波段

通過預處理得到的大田冬小麥相關性系數變化曲線圖，雖變化趨勢明顯，但不足以確定敏感波段。本文結合未經預處理的光譜數據小麥倒二葉相關性變化圖(見圖4)，進行敏感波段的確定。通過指數平滑后得出相關性變化趨勢明顯，存在峰值和谷值，波峰與波谷的差異性較大。

圖4　預處理前大田冬小麥相關性系數變化曲線圖

綜合分析圖3、圖4可知：400～450nm波段為葉綠素強吸收帶，425～490nm波段是類胡蘿卜素強吸收帶，所以紫外線和藍紫光絕大部分被作物吸收，反射和投射的光線極少，其平均反射率小于10%。600～700nm波段是葉綠素的強吸收帶，650nm波段是葉綠素b的吸收峰；同時植物在750～850nm波段透射率較高，吸收率極低，野外反射率測定值多為25%～65%，850nm波段處為水的弱吸收點。因此，結合分析結果，選擇兩圖峰值與谷值相近的波段作為敏感波段，分別為538、661、740、850nm。

2.4田間冬小麥葉綠素含量指標診斷模型

基于相關性分析結果和選取的敏感波段538、661、740、850nm，分別對預處理前、后的冬小麥拔節期葉綠素含量指標SPAD值建立模型檢測。建模分析前針對有效采集的146組樣本數據進行聚類分析，按照采集樣本劃分地塊的方位及SPAD值，把SPAD值相近的采樣對象通過靜態分類的方法分成不同的29組，進行建模分析。

建模分析中，對有效采集的29組樣本數據，在相鄰的兩組數據中選取19組樣本建立葉綠素指標檢測模型，剩下的10組進行模型驗證，置信區間為95%，x538、x661、x740、x850為自變量，y為因變量。

首先，建立預處理前冬小麥冠層葉綠素指標SPAD值多元回歸模型(如圖5所示)，則有

y=-187.85x538+1150.49x661-394.88x740+183.58x850+61.34

其中，y為預測葉綠素指標SPAD值。建模結果如圖5所示，建模精度為0.75，驗證建模精度為0.62。

圖5　預處理前大田冬小麥抽穗期葉綠素含量指標檢測模型

其次，建立預處理后冬小麥冠層葉綠素指標SPAD值多元回歸模型為

y=-8095.03x538-1268.57x661+1364.98x740+

1179.04x850+40.83

建模結果如圖6所示，建模精度為0.83，驗證建模精度為0.7。

圖6　預處理后大田冬小麥抽穗期葉綠素含量指標檢測模型

建模結果表明：反射光譜數據經過一階微分預處理后的建模精度和驗證精度都高于預處理前，所以預處理后的模型有更強的預測能力，選擇其進行田間冬小麥抽穗期長勢空間分布圖的繪制。

2.5冬小麥冠層葉綠素含量水平空間分布圖

基于反射光譜數據建立的冬小麥冠層葉綠素含量指標檢測模型的預測結果，結合GPS坐標，繪制楊凌揉谷試驗區冬小麥抽穗期葉綠素含量指標空間分布圖，如圖7所示。圖7(a)為田間實測SPAD值繪制所得葉綠素含量水平分布圖，圖7(b)為采用建模預測田間葉綠素含量指標空間分布圖。

圖7　大田冬小麥抽穗期葉綠素含量指標空間分布圖

觀察分析結果可知：圖7(a)中，整體而言經度低于108.013°坐標的SPAD值較高，經度高于108.014°坐標的SPAD值較低較低；圖7(b)與圖7(a)葉綠素含量水平空間分布較為類似，比較兩圖可以發現：SPAD實測值較低于預測值。分析其原因：一方面這與田間SPAD值是采用冬小麥葉片多點采樣測量獲取，與模型的預測值有差異；另一方面，試驗區內農戶分散種植，農戶地塊邊界部分疏于管理，因此基于葉片多點測量的SPAD值分布圖對地塊空間邊界信息反應不足。

基于光譜反射數據的冬小麥冠層葉綠素含量指標空間分布圖可以初步為冬小麥抽穗期追肥進行定性指導，即對葉綠素水平較高的經度小于108.013°坐標區域進行少量追肥，而對葉綠素含量水平較低的經度大于108.014°坐標區域增加追肥量。

3結論

1)ASD FieldSpec HH地物光譜儀與SPAD-502plus便攜式葉綠素儀針對大田作物光譜測量精度較高，可以為新設備研發起標定作用。

2)基于一階微分及指數加權平滑的預處理方法所選取的敏感波段538、661、740、850nm所建立的檢測冬小麥抽穗期葉綠素含量指標的多元線性回歸模型，可用于預測冬小麥冠層葉綠素含量，達到預測冬小麥長勢的目的。應用其檢測結果生成的大田冬小麥作物葉綠素水平空間分布圖，可為冬小麥抽穗期期變量追肥提供指導。

參考文獻：

[1]林鴻宣,錢惠榮,熊振民,等.幾個水稻品種抽穗期主效基因與微效基因的定位研究[J].遺傳學報,1996(3):205-213.

[2]茹京娜,于洋,董凡凡,等.小麥抽穗期QTL及其與環境的互作[J].麥類作物學報,2014(9):1185-1190.

[3]Blackburm G A. Hyper spectral remote sensing of plant pigments[J].Journal of Experimental Botany,2007,58(4):855-867.

[4]李慶波,徐玉坡,張超航,等.基于光譜技術的植物葉綠素濃度無損檢測儀器的研制[J].光譜學與光譜分析,2009(10):2875-2878.

[5]李慶波,黃彥文,張廣軍,等.基于可見-近紅外光譜的植物葉綠素含量無損檢測方法研究[J].光譜學與光譜分析,2009(12):3275-3278.

[6]鄭文剛,孫剛,申長軍,等.可見-近紅外作物氮素光電測量儀開發[J].農業工程學報,2010(3):178-182.

[7]Carvalho S Carvalho Sabrina, Schlerf M Schlerf Martin, van der Putten W H, et al. Hyper spectral reflectance of leaves and flowers of an outbreak species discriminates season and successional stage of vegetation[J]. International Journal of Application Earth Observation and Geoinformation, 2013,24:32-41.

[8]王維,陳建軍,呂永華,等.烤煙氮素營養診斷及精準施肥模式研究[J].農業工程學報,2012(9):77-84.

[9]郭建華,王秀,孟志軍,等.主動遙感光譜儀Greenseeker與SPAD對玉米氮素營養診斷的研究[J].植物營養與肥料學報,2008(1):43-47.

[10]胡昊,白由路,楊俐蘋,等.基于SPAD-502與Green Seeker的冬小麥氮營養診斷研究[J].中國生態農業學報,2010(4):748-752.

[11]Perry E M, Davenport J R. Spectral and spatial differences in response of vegetation indices to nitrogen treatments on apple[J]. Computer and Electronics in Agriculture, 2007, 59(1/2): 56-65.

[12]Lopez-Bellido R J, Lopez-Bellido L, Fernandez-Garcia P, et al. Nitrogen remote diagnosis in a creeping bentgrass golf green[J].European Journal of Agronomy,2012,37(1):23-30.

[13]Shrestha Suchit, Brueck Holger, Asch Folkard.Chlorophyll index photochemical reflectance index and chlorophyll fluorescence measurements of rice leaves supplied with different N levels[J].Journal of Photochemistry and Photobiology B:Biology,2012,113:7-13.

[14]丁永軍,李民贊,安登奎,等.基于光譜特征參數的溫室番茄葉片葉綠素含量預測[J].農業工程學報,2011(5):244-247.

[15]易秋香,黃敬峰,王秀珍,等.玉米全氮含量高光譜遙感估算模型研究[J].農業工程學報,2006(9):138-143.

[16]陸婉珍,袁洪福,徐廣通,等.現代近紅外光譜分析技術[M].北京:中國石化出版社,2007.

[17]褚小立,袁洪福,陸婉珍.近紅外分析中光譜預預處理及波長選擇方法進展與應用[J]．化學進展,2004,16(4):528.

Analysis of Winter Wheat Heading Fields Growing—Based on Vis/NIR Spectroscopy

Liu Renjie1,2, Fang Junlong1, Li Minzan2, Sun Hong2, Wu Lixuan2, Zhao Yi2, Zhang Meng2

(1.College of Electric and Information, Northeast Agricultural University, Harbin 150030,China; 2.Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, China Agricultural University, Beijing 100083, China)

Abstract：In order to estimate the chlorophyll content indicators of field winter wheat in real-time and guide fertilizer management in heading period. The detection and analysis was conducted in Yang Ling of Shan Xi province.The test area of winter wheat was 1000×600m2and it was divided into 30 sampling plots to collect data. The spectral technology was applied. The Analytical Spectral Devices Field Spec HandHeld (USA) spectral radiometer was used to collect spectral reflectance data of winter wheat. The visible and NIR band (325～1050nm) reflectance of winter wheat canopy was measured. The portable chlorophyll meter (SPAD-502plus) was applied to measure SPAD index of the pour wheat leaf and the second countdown leaf of each plant. And handheld GPS (G738CM) was used to record the location of sampling points. The preprocessing between the reflectance and the wheat leaf SPAD index was analyzed. It was showed that the relationship between spectral data the second countdown leaves SPAD values higher than the pour leaves. In addition, four sensitive wavelengths were selected at the 538、661、740、850nm based on correlation analysis .And four sensitive wavelengths respectively proceed to multiple linear regression analysis for the before and after preprocessing. The result showed that the after preprocessing modeling accuracy was 0.83 and validation accuracy was 0.7.The distribution map was drawn by GPS coordinates and modeling prediction result. With the application of spectral technology, it provides a feasible method to detect the winter wheat growth status at heading stage.

Key words：winter wheat; non-destructive measurement; chlorophyll index; visible/near infrared spectra

文章編號：1003-188X(2016)04-0141-06

中圖分類號：S123

文獻標識碼：A

作者簡介：劉仁杰(1989-)，男，黑龍江齊齊哈爾人，碩士研究生，(E-mail)liurenjiecau@163.com。通訊作者：房俊龍(1971-)，男，黑龍江延壽人，教授，博士生導師，(E-mail)junlongfang@126.com。

基金項目：“十二五”國家科技支撐計劃重大項目 (2012BAH29B04)

收稿日期：2015-05-18