吐絲期玉米倒伏后地面高光譜特征參數分析

楊粉團+顧曉鶴+李剛+王紀華+宋森楠+楊貴軍+譚昌偉+郭文善

摘要： 倒伏是玉米主要自然災害之一，及時、準確地監測玉米倒伏的程度，對于玉米倒伏災害的損失評估及防治有重要意義。設置玉米吐絲期不同倒伏程度的田間模擬試驗，利用地面高光譜數據，比較正常生長的玉米及受倒伏危害玉米的冠層反射光譜和高光譜特征參數的差異，分析了倒伏角度與高光譜參數之間的相關關系。結果表明，玉米倒伏后可見光波段的反射率增加高于近紅外波段，且隨著時間的推移，近紅外波段的差異變小。玉米吐絲期倒伏后紅谷吸收深度變淺，反射綠峰高度降低，紅邊位置和近紅外平臺位置均向短波方向移動。紅邊內（620～760 nm）一階微分光譜所包圍的面積變化差異小；藍邊內（430～470 nm）和近紅外平臺（780～1 300 nm）的一階微分光譜所包圍的面積增加顯著。倒伏角度與高光譜特征參數相關分析表明，D、SDr/SDb、（SDr-SDb）/（SDr+SDb）相關系數最高，可以作為監測玉米倒伏程度的高光譜特征參數指標。

關鍵詞： 玉米；吐絲期；高光譜；倒伏角度

中圖分類號： S127；S513.04 文獻標志碼： A

文章編號：1002-1302（2016）03-0085-03

從2012年開始，玉米取代稻谷成為我國第一大糧食作物。近年來，我國玉米產量不斷提高，玉米密植與倒伏的矛盾日益突出，玉米倒伏引發的產量損失呈加劇趨勢。夏季暴雨、大風在我國呈常態化發生，玉米倒伏風險很大，減產幅度在10%～30%[1]。基于地面高光譜數據，研究玉米不同程度倒伏的光譜特性，可以為光學遙感監測玉米及其他作物倒伏提供依據。高光譜遙感技術是20世紀80年代發展起來的遙感前沿技術，目前該技術已經在農業信息化領域得到應用，在小麥病害[2]、蟲災[3] 等方面都取得了一系列成果。倒伏是生產中主要的自然災害，關于小麥[4-6]、水稻[7]倒伏研究成果較多，對玉米倒伏也有相應研究[8]。本研究通過玉米不同程度倒伏模擬試驗，利用相關分析法探討玉米冠層高光譜特征參量的變化規律，篩選敏感特征參數，以期為玉米倒伏產量損失評估提供理論依據。

1 材料與方法

1.1 試驗設計

試驗在北京市小湯山國家精準農業研究示范基地進行。該基地位于北京市昌平區小湯山鎮，40°10′ N，116°26′ E，研究區地勢平坦，種植方式為冬小麥-玉米輪作一年兩熟制，當季種植玉米前為小麥茬口。玉米種植品種為京華8號，2013年6月23日播種，大田留苗密度67 500株/hm2，純氮用量180 kg/hm2，其他按常規田管理。實施玉米吐絲期人工模擬根倒不同等級處理。試驗區于8月19日開始抽雄，8月20日對大田進行灌水處理，使大田表面保持淺水層，8月21日進行模擬倒伏處理，設3種倒伏角度處理，分別為正常、傾斜、嚴重倒伏，每種處理設置30行12 m。在玉米近地莖稈施加一定推力，使處理區內玉米倒伏程度分為傾斜、嚴重倒伏2級。以玉米莖稈與垂直方向的夾角為倒伏角度（α），45°≤α<90°定義為嚴重倒伏，0°<α<45°定義為傾斜。于倒伏后第2天、第5天、第9天分別測定田間相關指標及冠層光譜。

1.2 冠層光譜測定

用ASD Field-Spec FR2500光譜儀、1050光譜儀、2500光譜儀（均購自美國ASD公司）測量各倒伏樣點的玉米冠層光譜，波段值為350～2 500 nm，光譜儀的采樣間隔為1.4 nm（350～1 000 nm區間） 和2.0 nm（1 000～2 500 nm區間）。1050光譜儀的波段范圍是350～1 050 nm，采樣間隔（波段寬）為1.438 nm。選擇在天氣晴朗或少云、無風條件下測定光譜，光譜測定時間范圍為10：00—15：00。測定步驟為：首先開啟光譜儀預熱，再次測量之前都先進行光譜儀優化，冠層光譜測定前后都進行參考板測定，冠層光譜測定時探頭垂直向下，距冠層垂直高度約1 m，光譜儀視場角25°，在視場范圍內重復10次，以其平均值作為該樣點的冠層光譜值。為了方便運算數據，統一選擇350～1 050 nm的光譜值進行分析。

1.3 冠層倒伏程度測定

冠層倒伏程度用倒伏角度來表示，倒伏角度（α）為玉米莖稈與垂直方向的夾角。根據倒伏后玉米莖稈某點距離地面的高度和該點到根部的長度，求解倒伏角度。處理地塊內設置24個2 m×2 m的倒伏均勻的小區，每小區選擇有代表性的5株進行測定，平均值為該小區的倒伏角度。

1.4 數據分析方法

采用常用的高光譜數據平均值，微分及對數變換方法，對R的對數變換和一階微分變換見如下公式：

2 結果與分析

2.1 反射光譜特征分析

對24個小區對應的正常生長玉米、不同程度倒伏玉米冠層的光譜分別進行測定。對光譜反射率ρ及其分式1/ρ、lg ρ及ρ的一階導數Kρ進行比較。結果發現，lg ρ能更好地反映玉米冠層光譜的波形特征，并能對大氣效應、土壤背景等噪聲起到平滑作用。Kρ能部分消除噪聲影響，明顯地展示紅邊部位的光譜差異。采用Kρ、lg ρ進行光譜分析。

圖1為對數光譜，圖1-a、圖1-b、圖1-c光譜測定時間分別是倒伏后第2天、第5天、第9天。從圖1-a可以看出，受倒伏脅迫的玉米冠層在可見光區、近紅外區的光譜特征都發生了明顯變異。與正常生長的玉米相比，倒伏后第2天，受倒伏脅迫的玉米光譜在全波段的反射率均增加，可見光波段增加幅度高于近紅外波段，這種變化與前人對作物倒伏冠層光譜變化規律的研究結論[4]一致。從圖1-b、圖1-c可以看出，隨著倒伏后時間的延長，這種差異逐漸縮小，近紅外波段的差異在倒伏后第9天基本消失，可見光波段的差異尚存在。圖2是正常生長和受倒伏脅迫危害玉米的一階導數光譜曲線，圖2-a、圖2-b、圖2-c分別代表倒伏后第2天、第5天、第9天光譜。較之正常生長的玉米，倒伏玉米冠層的“紅邊”（680～760 nm紅光范圍的反射光譜）向短波方向偏移，即所謂“藍移”。

2.2 高光譜特征參數的定量分析

從原始光譜及由一階微分光譜提取的基于高光譜的位置變量、面積變量等16種高光譜特征參數，進一步定量分析正常生長的玉米與倒伏玉米冠層光譜的差異，尋找差異最明顯的特征參數。從表1可見，較之正常生長的玉米，倒伏玉米冠層的光譜發生了以下變化：紅谷吸收深度變淺，反射綠峰的高度降低，尤以倒伏第2天反應最強烈，后期有一定的恢復生長，差異縮小；紅谷吸收深度和反射綠峰高度的比值和歸一化變形參數變化也有相似的變化規律；藍邊位置無變化；紅邊位置、近紅外平臺位置均向短波方向移動，紅邊位置移動較少，近紅外平臺位置移動較多；紅邊內一階微分光譜所包圍的面積變化差異小；藍邊內和近紅外平臺的一階微分光譜所包圍的面積增加顯著。

產生以上變化的主要原因是玉米倒伏后，冠層結構發生變化，倒伏冠層結構平坦，正常生長狀態下冠層立體結構內存在的大量陰影在倒伏狀態下消失，取而代之的是重疊在一起的葉片、莖稈，呈現出獨特的冠層光譜，這種變化不同于其他病蟲害、缺素、洪澇、干旱時葉面積下降或葉綠素合成受阻時表現的可見光吸收減少、近紅外波段降低的現象。

2.3 高光譜特征參數與玉米倒伏角度的相關分析

分析3次測定的倒伏冠層光譜與倒伏角度的相關系數，從[CM（25]表2可以看出，在3次測定中表現穩定且關系顯著的高光譜特征參數有紅谷吸收深度（D），藍邊內和近紅外平臺內一階微分所包圍的面積，以及由紅邊內、藍邊內和近紅外平臺內一階微分包圍面積組成的比值參數和歸一化參數。其中以D、SDr/SDb、（SDr-SDb）/（SDr+SDb）相關系數最高，可以作為監測玉米倒伏程度的高光譜特征參數指標。

3 結論與討論

吐絲期是玉米生長發育的關鍵時期，玉米處于旺盛的代謝時期，倒伏后恢復活躍生長，隨著時間的推移，倒伏群體的光譜特性會發生一定變化。本研究結果表明，10 d內正常生長的玉米隨著時間推移，冠層光譜變化很小，倒伏群體的冠層光譜隨著時間的推移出現規律性變化。此外，可見光波段的變化較近紅外波段的變化幅度大且持久，因此利用光學手段進行倒伏監測時間宜早不宜晚，且宜利用可見光波段信息。玉米倒伏后冠層結構改變，視場內組分改變，群體的光學特性也隨之改變，使得遙感探測與評價成為可能。本研究分析了吐絲期正常生長和受不同倒伏程度脅迫的玉米冠層光譜，并研究了其高光譜特征參數的差異，分析了倒伏角度與冠層高光譜特征參數的相關系數。結果表明：玉米吐絲期倒伏初期，受倒伏脅迫的玉米光譜在全波段的反射率均增加，可見光波段增加幅度高于近紅外波段。隨著倒伏后時間的延長，這種差異逐漸縮小，近紅外波段的差異在倒伏后第9天基本消失，可見光波段差異仍然存在。玉米吐絲期倒伏后紅谷吸收深度變淺，反射綠峰高度降低，紅邊位置和近紅外平臺位置均向短波方向移動。紅邊內一階微分光譜所包圍的面積變化差異小；藍邊內和近紅外平臺的一階微分光譜所包圍的面積增加顯著。D、SDr/SDb、（SDr-SDb）/（SDr+SDb）與倒伏角度的相關系數最高，可以作為監測玉米倒伏程度的高光譜特征參數指標。本試驗地點在北京市，采用夏播玉米品種進行試驗，試驗結果仍需在其他生態區或采用其他不同類型品種進行驗證和完善。今后研究重點是通過數學方法研究高光譜特征參數優化或植被指數的應用，探索其在光學衛星影像上的應用。

參考文獻：

[1]曹慶軍，曹鐵華，楊粉團，等. 灌漿期風災倒伏對玉米籽粒灌漿特性及品質的影響[J]. 中國生態農業學報，2013，21（9）：1107-1113.

[2]馮 偉，王曉宇，宋 曉，等. 基于冠層反射光譜的小麥白粉病嚴重度估測[J]. 作物學報，2013，39（8）：1469-1477.

[3]吳 彤，倪紹祥，李云梅，等. 基于地面高光譜數據的東亞飛蝗危害程度監測[J]. 遙感學報，2007，11（1）：103-108.

[4]劉良云，王紀華，宋曉宇，等. 小麥倒伏的光譜特征及遙感監測[J]. 遙感學報，2005，9（3）：323-327.

[5]胡宗杰，張 杰，王召海. 灌漿期小麥倒伏后光譜變化特征[J]. 安徽農業科學，2011，39（6）：3190-3192.

[6]吳尚蓉，劉 佳，王利民，等. 基于圖像和光譜技術的倒伏冬小麥產量評估研究[J]. 中國農業資源與區劃，2013，34（1）：39-46.

[7]劉占宇，王大成，李 波，等. 基于可見光/近紅外光譜技術的倒伏水稻識別研究[J]. 紅外與毫米波學報，2009，28（5）：342-345.

[8]包玉龍，張繼權，劉曉靜，等. 受風災影響后的農作物冠層反射信息測量與分析[J]. 光譜學與光譜分析，2013，33（4）：1057-1060.