水稻葉片高光譜響應特征及氮素估算

李永梅+張立根+張學儉

摘要：將高光譜遙感技術應用于高緯度高海拔寧夏回族自治區，探討水稻氮素快速無損的監測方法，為科學合理地施肥提供依據。對3個不同施氮水平、5個生育期水稻葉片反射光譜的響應特征及葉片葉綠素相對含量（SPAD值）進行對比分析，將光譜及SPAD值與氮素含量進行相關分析，篩選診斷氮素含量的特征光譜并構建氮素估算模型。結果表明，隨著生育期的推進，葉片光譜反射率在可見光范圍內呈增加趨勢，該變化特征與SPAD值變化規律基本一致，近紅外區光譜反射率呈先增加后降低的規律；隨氮素含量增加可見光反射率降低，近紅外反射率增加，SPAD值與氮素含量呈正相關（r=0.766）；各波段對氮素的光譜響應程度不同，可見光波段更敏感，原始光譜612 nm和一階微分666 nm為特征波長；葉片氮素估算最優模型為y=9.155x1-0.111x2+0.050x3+2.102（x1、x2、x3分別為R612 nm、R666 nm、SPAD值）。

關鍵詞：水稻葉片；氮素；高光譜遙感技術；估算模型；SPAD值

中圖分類號： S127；TP79； S511.06文獻標志碼： A文章編號：1002-1302（2017）23-0210-04

高光譜遙感具有光譜信息量大、分辨率高、連續性強等特點，能直接對作物的微弱光譜差異進行定量分析，在植物遙感研究與應用中表現出巨大優勢，而作物氮素的遙感監測一直是作物遙感監測研究的重點領域[4-8]。為了探索植物葉片氮素遙感診斷的可能性，自20世紀70年代以來，有關科學家在作物氮素敏感波段篩選及光譜反射率對氮素響應規律方面進行了大量的基礎研究。國內王人潮等較早就對不同氮素水平下水稻葉片光譜反射特征進行了研究，并提出診斷水稻氮素含量的葉片敏感波段[9]。由于養分供應的變化在葉片上的反映比較顯著，許多研究者也開展了基于鮮葉片光譜估測作物氮素含量的研究，探討各種作物葉片光譜特征并建立光譜與氮素間的多種相關模型，證明各種作物的氮素營養狀況與特定光譜之間存在相關性[1，4-5，9，10-11]。國內外大量研究表明，采用高光譜數據快速準確地獲取植物生化參數是可行的，高光譜遙感技術已成為作物長勢監測及生化參數定量估算的一種新手段而備受關注[12]。

以不同施氮水平試驗田為依托，以水稻鮮葉片為研究對象，基于5個生育期采集的葉片高光譜反射率及SPAD數據，分析水稻葉片對氮素的高光譜響應特征及葉片SPAD值變化規律，利用相關分析法確定氮素敏感波長，建立基于原始光譜、一階微分光譜及SPAD值的水稻葉片氮素估算模型，為寧夏回族自治區水稻氮素快速無損診斷提供依據，在農作物精準氮肥管理及科學栽培調控方面具有現實意義。

1材料與方法

1.1試驗設計

選取土壤肥力和水源條件不同的2處實驗田進行氮肥試驗，設3個氮肥處理，純施氮量240、270、300 kg/hm2，分別用N0、N1、N2表示，重復3次。試驗品種為寧優2號。

1.2光譜信息獲取

選用美國SVC GER1500自帶的手持葉夾式光譜探測器，波段值為350～1050 nm，采樣間隔為1.5 nm，探測器通道為512個，該探測器內置有石英鹵化燈，光源穩定。

結合寧夏回族自治區引黃灌區水稻的生長發育規律，分別在分蘗盛期、孕穗期、齊穗期、灌漿期和乳熟期，從各小區選取長勢中等植株作為樣本，測定主莖完全張開倒1、倒3葉中部的光譜反射率。測量時將葉片置于葉片夾的葉室中并夾緊葉片，保證葉片水平且被探測面積相同，以消除背景反射及葉片表面彎曲對光譜產生的影響，每次采集光譜數據前均進行標準白板校正。

1.3葉片SPAD值的測定

采用日本生產的SPAD-502型葉綠素計，同步測定樣本倒1和倒3葉的SPAD值，測定部位為葉片中部且避開葉脈[13]，每個小區測定10組數據，每組數據測定6次取其均值。

1.4氮含量的測定

與光譜測量同步，每個小區按葉位將葉片進行分離，利用烘箱將樣品烘干、稱質量、粉碎后用于氮含量的測量，測定采用凱氏定氮法。

1.5精度檢驗

精度檢驗采用均方根誤差（root mean square error，簡稱RMSE）和平均相對誤差（average relative error，簡稱ARE）公式：RMSE=∑ni=1（yi-yi′）2n，ARE=∑ni=1|yi-yi′yi|n×100%。其中，yi和yi′分別為實際值和觀測值；n為樣本數。

2結果與分析

2.1水稻葉片高光譜響應特征分析

2.1.1水稻葉片光譜隨生長期變化的特征分析由圖1可見，可見光波段，從分蘗期至灌漿期，葉片光譜反射率一直呈增加趨勢，且增加經歷了小幅度和大幅度相間變化，這與水稻葉片營養轉移及葉綠素含量變化規律密切相關。分孽期，水稻迅速生長，葉綠素含量快速增加，葉片在紅光和藍光處吸收強烈，使得光譜反射率較低；從分蘗期至孕穗期，由于葉片營養轉移較慢，故該時期光譜反射率增加幅度較??；從孕穗期至齊穗期，葉片營養快速向穗部轉移，葉綠素含量減少，光譜反射率在該時期增加幅度較大，從灌漿期至乳熟期光譜反射率變化幅度最大。

近紅外波段，水稻葉片光譜反射率從分蘗期至齊穗期不斷增加，從灌漿期至乳熟期光譜反射率不斷降低，這與水稻葉片細胞結構有較大關系。水稻葉片光譜反射率隨生育期的變化特點與其在各生育期的生長特征相關，其相關程度須進一步深入研究。

2.1.2葉片光譜對氮素響應特征分析已有研究表明，增加氮肥施用量能促進葉綠素合成，增強葉片光合作用[14-15]，同時氮肥增加可促進葉肉細胞間空氣間隙的擴展，從而引起葉片光譜反射率發生變化[16]。本研究對3個不同氮肥處理的水稻分蘗盛期、孕穗期、抽穗期、齊穗期、灌漿期及乳熟期葉片光譜對氮素含量的響應特征進行分析，結果發現，各生育期葉片光譜對氮素含量的響應規律基本一致，即在可見光450～650 nm 葉片光譜反射率隨施氮量的增加而明顯降低，近紅外750～1 050 nm 則隨施氮量增加而增加。其中齊穗期和灌漿期結果見圖2。endprint

對各生育期葉片光譜對氮素的敏感程度進行分析，結果（圖2）表明，齊穗期可見光波段最大變化程度為28.0%，灌漿期達到了45.0%；近紅外區最大變化幅度齊穗期為190%， 灌漿期為7.7%。 可見葉片光譜的不同波段對施氮

量的響應程度不同，可見光波段更為敏感。

2.2葉片SPAD值變化特征分析

從圖3-A可見，水稻完全展開第1葉的SPAD值從分蘗期至齊穗期逐漸增加，齊穗期之后開始減小，至乳熟期減小迅速，這與水稻葉片高光譜反射率隨生育期的變化規律相一致。同時，對比分析各生育期不同施氮水平水稻葉片的SPAD值發現，水稻葉片SPAD值隨著施氮量的增加而增加，兩者之間具有正相關關系，其相關系數為0.766，達到顯著相關（相關系數大于0.700為顯著相關，下文同）。從圖3-B可以得出，同一施氮量不同葉位水稻葉片的SPAD值明顯不同，相同時期內倒1葉的SPAD值均高于倒3葉，這與植物營養輸送和葉片葉綠素的分布規律是對應的。

2.3光譜與氮素含量相關性分析

將5個生育期所有葉片原始光譜、一階微分光譜與測定的全氮含量進行相關性分析。圖4結果表明，原始光譜反射率在可見光波段與氮素含量呈負相關，其中510～700 nm相關程度較高，612 nm處最高，達到-0.761，近紅外波段則呈正相關關系，且相關系數較?。╮<0.325）。水稻葉片氮素含量與一階微分光譜相關性曲線波動較大，相關性顯著的波段同樣在可見光區域，其中666 nm處的相關系數最大，為0.721。

2.4葉片氮素含量估算模型構建

為了精準監測農學參數，選取與水稻葉片氮素含量呈顯著相關的原始光譜、一階微分光譜及SPAD值作為自變量（x），以氮素含量作為因變量（y），采用線性函數、指數函數、對數函數和二次多項式函數等構建數學回歸模型（表1）。

由表1可見，將原始光譜、一階微分光譜及SPAD值作為自變量，構建的多元回歸模型擬合效果最好（R2=0.792）；而單變量的回歸模型中，以SPAD值作為自變量的模型擬合效果最佳，線性函數、指數函數、對數函數及二次多項式相比較，采用二次多項式構建的模型擬合效果優于其他函數模型。

對水稻葉片氮素估算模型進行精度驗證，多元回歸模型y=9.155x1-0.111x2+0.05x3+2.102為最優模型，其均方根誤差（RMSE）和平均相對誤差（ARE）分別為0.26、11.6%，其實際值與預測值間的r2=0.786（圖5）。

3結論與討論

3.1結論

以不同氮肥處理的水稻田間試驗為依托，利用美國近地高光譜輻射儀SVC GER1500和日本SPAD-502plus葉綠素儀，在各生育期測定水稻葉片光譜反射率及SPAD值，同步取樣測定葉片氮素含量，分析水稻葉片光譜及SPAD值隨生育期的變化特征，探討出水稻冠層光譜對氮素含量的響應規律，并篩選出對氮素指示強的特征波長。構建基于特征波長及SPAD值的水稻氮素估測模型。得出如下結論：（1）隨著生育期的推進，水稻葉片反射光譜在可見光范圍內一直呈增加趨勢，且經歷了小幅增加和大幅增加相間變化的特征，該變化特征與SPAD值變化規律基本一致。這是由于作物葉片反射光譜在可見光波段主要受葉綠素含量的影響，而葉片SPAD值隨生長期的動態變化是反映葉綠素變化的重要信息。反射光譜在近紅外區表現為先增加后降低的規律，這與水稻葉片細胞結構及營養轉移速度有較大關系，其相關程度須進一步深入研究。（2）氮素水平的差異對葉片光譜影響明顯，且各生育期表現出基本一致的規律性，即可見光波段隨氮素水平的增加而降低，近紅外波段則隨氮素水平的增加而增加。各生育期水稻葉片的SPAD值隨氮素水平的增加而增加，兩者顯著正相關（r=0.766）。這是由于增加氮肥能促進葉綠素的合

成，能增強葉片光合作用，同時能促進葉肉細胞間空氣間隙的擴展，進而引起葉片光譜反射率的變化。 （3）通過光譜敏感程度分析發現，不同波段對氮素的光譜響應程度不同，可見光波段更敏感，其中612 nm與氮素含量相關性最為顯著（r=-0.761）。一階微分666 nm與氮素含量相關性最顯著（r=0.721）。（4）單變量構建的回歸模型中，以SPAD值作為自變量構建的回歸模型擬合效果優于612 nm和 666 nm 特征波長構建的模型。在單變量模型中擬合效果最好的均為二次多項式模型。擬合效果和精度最高的為多元回歸模型y=9155x1-0.111x2+0.05x3+2.102（x1、x2、x3分別為R612 nm、R666 nm、SPAD值），故該模型為水稻葉片氮素診斷最優模型。

3.2討論

本研究首次將高光譜遙感技術應用于高緯度、高海拔的寧夏回族自治區，拓寬了目前遙感診斷水稻氮素的研究區域，為寧夏回族自治區作物氮素營養診斷提供了思路，開拓了作物營養診斷技術新領域，可提高該區域農業養分管理的科技投入。研究成果在寧夏回族自治區北部引黃灌區現代農業示范區建設及高產優質糧食作物種植中具有廣闊的應用前景。

本研究在構建水稻氮素估測模型覆蓋生育期、光譜類型及建模方法上有所創新，而且提高了診斷精度。今后在高光譜分析技術方面，除一階微分技術外，應加強一些特殊分析方法的探索和研究；在建模過程中，要繼續挖掘方差分析、單變量回歸分析及逐步多元回歸分析等方法的潛力，同時要借助神經網絡和遺傳算法等智能算法，提高光譜信息提取解析效果及模型的精度。

參考文獻：

[1]王植，周連第，李紅，等. 桃樹葉片氮素含量的高光譜遙感監測[J]. 中國農學通報，2011，27（4）：85-90.

[2]裘正軍，宋海燕，何勇，等. 應用SPAD和光譜技術研究油菜生長期間的氮素變化規律[J]. 農業工程學報，2007，23（7）：150-154.endprint

[3]王莉雯，衛亞星. 植被氮素濃度高光譜遙感反演研究進展[J]. 光譜學與光譜分析，2013，33（10）：2823-2827.

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

[5]趙剛峰，李軍，劉冰峰，等. 關中冬小麥葉片氮素含量高光譜遙感監測模型[J]. 麥類作物學報，2012，32（3）：530-536.

[6]唐延林，黃敬峰，王人潮. 水稻不同發育時期高光譜與葉綠素和類胡蘿卜素的變化規律[J]. 中國水稻科學，2004，18（1）：59-66.

[7]李金夢. 基于高光譜成像技術的柑橘葉片含氮量快速檢測方法研究[D]. 杭州：浙江大學，2014：6-7.

[8]余天霞. 柑橘大小年差異分析及生化參數估測研究[D]. 重慶：西南大學，2014：12-13.

[9]王人潮，陳銘臻，蔣亨顯. 水稻遙感估產的農學機理研究——Ⅰ. 不同氮素水平的水稻光譜特征及其敏感波段的選擇[J]. 浙江農業大學學報，1993，19（增刊1）：7-14.

[10]黎小清，劉忠妹，丁華平，等. 基于高光譜數據的橡膠樹葉片氮素含量估算模型研究[J]. 中國農學通報，2015，28（2）：569-574.

[11]陳志強. 不同氮素水平下玉米葉片的高光譜響應及其診斷[D]. 杭州：浙江大學，2008：1-5.

[12]馮偉，王永華，謝迎新，等. 作物氮素診斷技術的研究綜述[J]. 中國農學通報，2008，24（11）：179-185.

[13]龐立東，李衛軍，朱進忠.追施氮肥對蘇丹草光合特性及種子產量的影響[J]. 草業科學，2014，31（12）：2287-2288.

[14]隋鑫，呂小紅，付雪蛟，等. 氮肥施入量對濱海鹽堿地水稻生長發育及產量與光合效應的影響[J]. 江蘇農業科學，2016，44（5）：94-96.

[15]劉宇鵬，李金玲，袁婧，等. 不同氮肥水平對太子參葉片生理指標的影響[J]. 江蘇農業科學，2015，43（6）：231-233.

[16]楊杰. 基于葉片高光譜指數的水稻氮素及色素含量監測研究[D]. 南京：南京農業大學，2009：9-10.江蘇農業科學2017年第45卷第23期李輝，呂曉蘭，梅松，等. 基于Solidworks的果園施肥機中螺旋投料系統設計[J]. 江蘇農業科學，2017，45（23）：214-217.endprint