基于高光譜的溫室網(wǎng)紋甜瓜不同葉位葉片含水率監(jiān)測

向佳琳， 姚鑫鋒， 劉 倩， 黃丹楓，2， 常麗英

[1.上海交通大學(xué)農(nóng)業(yè)與生物學(xué)院，上海 200240； 2.農(nóng)業(yè)部都市農(nóng)業(yè)重點實驗室(南方中心)，上海 200240； 3.上海市農(nóng)業(yè)科學(xué)院農(nóng)業(yè)科技信息研究所，上海 201403]

甜瓜(CucumismeloL.)是葫蘆科(Cucurbitaceae)甜瓜屬(CucumisL.)一年生蔓生植物。網(wǎng)紋甜瓜(Cucumismelovar.reticulatusNaud.)屬于厚皮甜瓜的一個變種。對于網(wǎng)紋甜瓜來說，植株水分狀況不僅影響植株長勢，還影響其外觀品質(zhì)，如網(wǎng)紋發(fā)生速度、質(zhì)量和美觀程度[1]，此外還影響甜瓜內(nèi)部品質(zhì)，如可溶性固形物含量、糖類含量等[2]。伸蔓期是甜瓜營養(yǎng)生長旺盛時期，水分需求最大且轉(zhuǎn)運頻繁，直接影響甜瓜向上生長及側(cè)枝發(fā)生，是甜瓜水分監(jiān)測的重要時期。

多年以來，溫室植物管理多采用基于監(jiān)控作物周圍的環(huán)境信息，例如溫濕度、光照、基質(zhì)含水量作為依據(jù)的管理策略[3-4]。通過傳感器監(jiān)測，存在無法大面積實時監(jiān)控、破壞性取樣、手持式傳感器不能連續(xù)監(jiān)測植株生理狀態(tài)等問題。隨著植物生理生態(tài)傳感技術(shù)的發(fā)展，已經(jīng)有多種對植物本身的生理生態(tài)信息進(jìn)行監(jiān)測的方法[5-7]。

Kriedemann等認(rèn)為，植物的水分狀況可以通過葉片含水量體現(xiàn)，因此前人利用光譜技術(shù)手段對植物葉片水分狀況進(jìn)行研究，為實時獲取植物水分狀況提供了新的途徑[8]。Fernandez等研究發(fā)現(xiàn)，在970、1 450、1 940 nm波段附近，小麥的光譜反射率高峰能較好地反映葉片的水分狀況[9]。田永超等發(fā)現(xiàn)，基于作物冠層在610、540 nm波段組合的光譜比值植被指數(shù)與在810、610 nm波段組合的光譜歸一化植被指數(shù)的比值能預(yù)測小麥植株水分狀況，說明由可見光和近紅外區(qū)域波段構(gòu)成的植被指數(shù)可用于植物葉片水分狀況的監(jiān)測[10]。田慶久等研究發(fā)現(xiàn)，小麥葉片水分含量與特定光譜吸收特征峰存在較好的回歸關(guān)系[11]。田永超等的研究結(jié)果證實了利用光譜反射率準(zhǔn)確預(yù)測植物葉片含水量的可行性[12]。以上研究雖然針對植物葉片含水量和葉片反射光譜進(jìn)行，但是多數(shù)以分析作物冠層葉片為主，沒有具體分析不同層次葉片含水量及其反射光譜。不同層次葉片因蒸騰作用及水分轉(zhuǎn)移，受水分脅迫存在非同步性，不同葉片與植株生理狀況的關(guān)系隨葉位而有所差異。為了實現(xiàn)精準(zhǔn)監(jiān)控，確認(rèn)監(jiān)測葉位，進(jìn)行針對性水分監(jiān)測，對于指導(dǎo)甜瓜栽培過程中的精準(zhǔn)灌溉具有實際指導(dǎo)意義。

1 材料與方法

1.1 試驗設(shè)計

試驗1于2015年8—9月在上海交通大學(xué)農(nóng)業(yè)與生物學(xué)院現(xiàn)代農(nóng)業(yè)工程訓(xùn)練中心Venlo型自控玻璃溫室進(jìn)行。供試品種為厚皮網(wǎng)紋甜瓜“網(wǎng)路”，試驗采用基質(zhì)盆栽，每盆種植2株，種植密度為6.5株/m2，盆口直徑0.3 m，底直徑0.26 m，盆缽高0.3 m。基質(zhì)由上海孫橋溢佳有限公司提供，有機基質(zhì)容重為0.283 g/cm3，總孔隙度為77.8%，pH值為6.57，有機質(zhì)含量為66.48%，全氮含量為1.34%，全磷含量為0.32%，全鉀含量為0.98%，速效氮含量為834.8 mg/kg，速效磷含量為 45.5 mg/kg，速效鉀含量為290 mg/kg，基質(zhì)田間最大持水量為140%(質(zhì)量分?jǐn)?shù))。以王靜靜等開展的水分對厚皮甜瓜生長發(fā)育影響的研究為基礎(chǔ)[13-14]，為甜瓜伸蔓期設(shè)置了4個不同灌溉量處理，分別為處理1(T1)，田間持水量35%～50%；處理2(T2)，田間持水量51%～65%；處理3(T3)，田間持水量66%～80%；處理4(T4)，田間持水量 81%～100%。每個處理16盆，分別設(shè)置4個重復(fù)。

試驗2于2016年8—9月在上海交通大學(xué)農(nóng)業(yè)與生物學(xué)院現(xiàn)代農(nóng)業(yè)工程訓(xùn)練中心Venlo型自控玻璃溫室進(jìn)行。供試品種為厚皮網(wǎng)紋甜瓜“網(wǎng)路”。試驗設(shè)計同試驗1。

水分處理使用國產(chǎn)便攜式土壤水分測速儀實時測定，通過人工補水將各處理基質(zhì)含水量補充至設(shè)定值。

1.2 項目測定

1.2.1 光譜反射率測試 測量儀器為美國Analytical Spectral Device(簡稱ASD)公司的FieldSpec，光譜儀的波段范圍為325～1 075 nm，測量前儀器預(yù)熱30 min，并用BaSO4標(biāo)準(zhǔn)白板校正。光譜采樣間隔為1.41 nm。每組數(shù)據(jù)采集前均進(jìn)行白板校正。于甜瓜定植25 d后，從各處理內(nèi)隨機選取甜瓜植株12株，分別測定植株3個層次完全展開葉的上、中、下部共6個點的反射光譜，取平均值作為被測葉位葉片的光譜反射率。

1.2.2 葉片水分含量測定 將進(jìn)行光譜測試的葉片迅速稱鮮質(zhì)量后裝入自封袋，然后在108 ℃殺青后，于80 ℃烘至恒質(zhì)量后稱其干質(zhì)量，計算葉片含水率，公式如下：

葉片含水率=(鮮質(zhì)量-干質(zhì)量)/鮮質(zhì)量×100%。

1.2.3 植被指數(shù)構(gòu)建 基于325～1 075 nm波段范圍內(nèi)的原始光譜反射率、一階導(dǎo)數(shù)光譜反射率和倒數(shù)光譜反射率，構(gòu)建由任意2個波段(R1、R2)組合而成的歸一化植被指數(shù)(normalized differential vegetation index，簡稱NDVI)和比值植被指數(shù)(ratio vegetation index，簡稱RVI)，選出表現(xiàn)最好的植被指數(shù)及敏感波段組合。

1.3 數(shù)據(jù)處理

數(shù)據(jù)分析過程均基于Excel 2007及Matlab 2014a的自編程序進(jìn)行。

“憑欄”意象除了表現(xiàn)作者閨怨之情和愛國之情之外，離別和旅行中也有許多悲傷的表情，他們大多表達(dá)想念家鄉(xiāng)親人的感覺。

2 結(jié)果與分析

2.1 不同葉位葉片含水率隨基質(zhì)含水量的動態(tài)變化

甜瓜葉片含水率是判斷甜瓜植株水分狀況的重要指標(biāo)之一，在不同水分處理下，不同葉位葉片含水量變化范圍為上部82.95%～93.30%，中部84.80%～92.94%，下部82.76%～92.39%。總體而言，3個葉位葉片含水率呈現(xiàn)由下部向上部升高的趨勢。

由圖1可以看出，4個處理中，甜瓜中部及下部葉片含水率整體呈現(xiàn)逐漸上升的趨勢，上部葉片含水率呈現(xiàn)先上升后下降的趨勢。其中，處理3甜瓜葉片含水率與處理4沒有明顯差異。

2.2 甜瓜不同葉位葉片光譜反射率與葉片含水率的相關(guān)性

圖2顯示，同一基質(zhì)含水量處理下不同葉位葉片的光譜反射率呈現(xiàn)梯度分布特征。在可見光波段(380～760 nm)，T1、T2處理反射率均表現(xiàn)為下部>中部>上部，T3、T4處理反射率均表現(xiàn)為中部>下部>上部。在近紅外短波區(qū)域(760～1 100 nm)，4個處理反射率均呈現(xiàn)下部>中部>上部的趨勢。甜瓜葉片光譜反射率在可見光及近紅外短波區(qū)域所表現(xiàn)的這種空間變化規(guī)律，可能與葉片的水分含量密切相關(guān)。在基質(zhì)含水量較少的處理下，水分的虧缺從下部葉片開始。

圖3顯示，甜瓜下、中、上部葉片水分含量的原始光譜和倒數(shù)光譜間的相關(guān)關(guān)系有類似的變化曲線，相關(guān)性基本呈相反的趨勢。由表1可知，下、中、上部葉片的原始光譜與倒數(shù)光譜相關(guān)系數(shù)最大值分布在可見光區(qū)域的較多，最小值分布在近紅外短波區(qū)域范圍的較多，而一階導(dǎo)數(shù)相關(guān)系數(shù)最大、最小值分布在近紅外短波區(qū)域范圍內(nèi)的居多。其中，上部葉片原始光譜相關(guān)系數(shù)最大值為0.526 20，對應(yīng)波段為724 nm；中部葉片原始光譜相關(guān)系數(shù)最小值為-0.622 1，對應(yīng)波段為327 nm。中部葉片一階導(dǎo)數(shù)相關(guān)系數(shù)的最大值為0.701 7，對應(yīng)波段為680 nm；最小值為-0.720 5，對應(yīng)波段為770 nm。中部、上部葉片一階導(dǎo)數(shù)相關(guān)系數(shù)的最大、最小值對應(yīng)波段大致在670～780 nm之間。一階導(dǎo)數(shù)可增強光譜反射率與葉片含水率的相關(guān)性，這也說明近紅外短波區(qū)域范圍內(nèi)存在較好的葉片水分狀況監(jiān)測敏感波段。

2.3 甜瓜不同葉位葉片、不同類型光譜指數(shù)與葉片含水率的關(guān)系

表2匯總了不同光譜類型的光譜指數(shù)中表現(xiàn)最好的敏感波段組合、回歸方程及決定系數(shù)。可以看出，不同葉位葉片、不同類型光譜指數(shù)建模的決定系數(shù)表現(xiàn)為上部葉片較中部、下部葉片穩(wěn)定。其中，上部葉片原始、一階導(dǎo)數(shù)構(gòu)建的歸一化植被指數(shù)(圖4)及倒數(shù)、一階導(dǎo)數(shù)構(gòu)建的比值植被指數(shù)(圖5)決定系數(shù)分別為0.707、0.746、0.697、0.743。原始光譜及倒數(shù)光譜構(gòu)建的歸一化植被指數(shù)及比值決定系數(shù)排序為上部>下部>中部，一階導(dǎo)數(shù)光譜構(gòu)建的歸一化植被指數(shù)及比值決定系數(shù)排序為上部>中部>下部。

表1 甜瓜不同葉位葉片水分含量與原始光譜、一階導(dǎo)數(shù)光譜和倒數(shù)光譜間相關(guān)系數(shù)最小值、最大值及相應(yīng)波段

利用2016年獨立的試驗數(shù)據(jù)，對上述單葉水分模型和葉位間組合的水分模型進(jìn)行測試和檢驗，同時利用預(yù)測值和觀測值之間的決定系數(shù)(r2)、平均相對誤差(MRE)和相對均方根差(RRMSE)3個指標(biāo)來綜合考察模型的表現(xiàn)(表3)，作出預(yù)測值與觀測值的1 ∶1關(guān)系圖(圖6)。

3 討論與結(jié)論

單葉高光譜的測定方法簡單、快速、非破壞性、不受外界環(huán)境因素的影響，且考慮水分在植株體內(nèi)的分布梯度，特別適用于溫室作物快速估測。本研究就甜瓜不同葉位葉片光譜反射率與葉片含水率定量關(guān)系進(jìn)行深入研究。通過分析發(fā)現(xiàn)，在近紅外短波區(qū)域(760～1 100 nm)，4個處理光譜反射率均呈現(xiàn)下部>中部>上部的趨勢，隨著水分含量的提高，葉片在近紅外波段的光譜反射率均降低，與Cibula等的研究結(jié)果[15-17]基本一致。

植物葉片表面存在較強反射，在葉片角質(zhì)層、葉毛等表面結(jié)構(gòu)與內(nèi)部結(jié)構(gòu)的影響下，用單一波段的光譜反射率難以全面、準(zhǔn)確地估測作物水分狀況。而通過構(gòu)造光譜指數(shù)則可以使植被的有效光譜信息最大化，降低外部因素的影響，提高其預(yù)測精度[18]。但因甜瓜與其他作物在葉面表層及葉肉結(jié)構(gòu)上差異較大，前人研究的特征波段及模型[19]在甜瓜葉片水分監(jiān)測上的擬合度并不高，本研究基于Matlab 2014a軟件，利用不同水分處理下的試驗材料的原始光譜、光譜一階導(dǎo)數(shù)及光譜倒數(shù)的任意2個波段組合下的2個植被指數(shù)，分析其與甜瓜葉片含水率的定量關(guān)系，篩選出適合網(wǎng)路甜瓜的敏感波段組合并構(gòu)建監(jiān)測模型。結(jié)果發(fā)現(xiàn)，上部葉片一階導(dǎo)數(shù)NDVI680 nm，750 nm、RVI680 nm，734 nm、中部葉片一階導(dǎo)數(shù)RVI603 nm，758 nm模型建立與檢驗r2分別為0.667、0.660和 0.600，均達(dá)到0.6以上，MRE與RRSME值分別為1.449%、1.500%、1.500%和1.409%、1.629%、1.923%，均在1%～2%之間。篩選的特征波段主要集中在600～680 nm及730～750 nm之間，與Dobrowski等發(fā)現(xiàn)的690、740 nm的光譜可以反映植物受水分脅迫的狀態(tài)[20]，以及Graeff等對不同水分處理下的小麥葉片光譜數(shù)據(jù)研究結(jié)論[21]相一致。

表2 甜瓜不同葉位葉片含水量與不同類型光譜指數(shù)的關(guān)系

本研究通過分析葉片反射光譜與葉片含水率的相關(guān)關(guān)系，提取了準(zhǔn)確反演水分的特征波段，并采用多種方式預(yù)處理原始光譜，構(gòu)建了簡單適用的模型，在一定程度上提高了模型的準(zhǔn)確性。雖然本試驗資料基于2個年份，4個水分梯度，3種光譜數(shù)據(jù)類型，構(gòu)建了2種植被指數(shù)模型，比較分析了不同類型的光譜數(shù)據(jù)對植株不同葉位葉片含水率的模擬效果及其模型預(yù)測能力，在一定程度上可適應(yīng)不同栽培條件，網(wǎng)路甜瓜植株不同葉位葉片含水率監(jiān)測具有重要的應(yīng)用前景，但是模型在不同生長時期下、不同品種的普適性和可靠性表現(xiàn)還需要更多的檢驗。

表3 甜瓜不同葉位葉片含水量與不同類型光譜指數(shù)構(gòu)建模型檢驗效果

[1]管學(xué)玉. 網(wǎng)紋甜瓜品質(zhì)形成特點的研究[D]. 杭州：浙江大學(xué)，2006：20-25.

[2]崔 沖. 基質(zhì)含水量與溫室網(wǎng)紋甜瓜果實品質(zhì)形成的模擬[D]. 上海：上海交通大學(xué)，2012：39-47.

[3]Fares A，Polyakov V. Advances in crop water management using capacitive water sensors[J]. Advances in Agronomy，2006，90(6)：43-77.

[4]張大龍，常毅博，李建明，等. 大棚甜瓜蒸騰規(guī)律及其影響因子[J]. 生態(tài)學(xué)報，2014，34(4)：953-962.

[5]要世瑾，杜光源，牟紅梅，等. 基于核磁共振技術(shù)檢測小麥植株水分分布和變化規(guī)律[J]. 農(nóng)業(yè)工程學(xué)報，2014，30(24)：177-186.

[6]彭 文，李慶武，霍冠英，等. 基于計算機視覺的植物水分脅迫狀況監(jiān)測方法[J]. 科學(xué)技術(shù)與工程，2013，13(9)：2313-2317，2330.

[7]朱晨亮. 作物冠層葉色變化遠(yuǎn)程自動監(jiān)測技術(shù)[D]. 杭州：浙江理工大學(xué)，2016：22-43.

[8]Kriedemann P E，Barrs H D. Photosynthetic adaptation to water stress and implications for drought resistance[M]//Raper C D Jr，Kramer P J. Crop reactions to water and temperature stresses in humid，temperate climates. Boulder：Westview Press，1983：201-230.

[9]Fernandez S，Vidal D，Simon E，et al. Radiometric characteristics ofTriticumaestivumcv. Astral under water and nitrogen stress[J]. International Journal of Remote Sensing，1994，15(9)：1867-1884.

[10]田永超，曹衛(wèi)星，姜 東，等. 不同水氮條件下水稻冠層反射光譜與植株含水率的定量關(guān)系[J]. 植物生態(tài)學(xué)報，2005，29(2)：318-323.

[11]田慶久，宮 鵬，趙春江，等. 用光譜反射率診斷小麥水分狀況的可行性分析[J]. 科學(xué)通報，2000，45(24)：2645-2650.

[12]田永超，朱 艷，曹衛(wèi)星，等. 小麥冠層反射光譜與植株水分狀況的關(guān)系[J]. 應(yīng)用生態(tài)學(xué)報，2004，15(11)：2072-2076.

[13]王靜靜，李建明，張艷麗，等. 溫室溫濕度及灌溉量對甜瓜生長發(fā)育的影響[J]. 北方園藝，2011(6)：50-55.

[14]毛煒光，吳 震，黃 俊，等. 水分和光照對厚皮甜瓜苗期植株生理生態(tài)特性的影響[J]. 應(yīng)用生態(tài)學(xué)報，2007，18(11)：2475-2479.

[15]Cibula W G，Zetka E F，Rickman D L. Response of thematic mapper bands to plant water-stress[J]. International Journal of Remote Sensing，1992，13(10)：1869-1880.

[16]蘇 毅，王克如，李少昆，等. 棉花植株水分含量的高光譜監(jiān)測模型研究[J]. 棉花學(xué)報，2010，22(6)：554-560.

[17]Imanishi J，Sugimoto K，Morimoto Y. Detecting drought status and LAI of twoQuercusspecies canopies using derivative spectra[J]. Computers and Electronics in Agriculture，2004，43(2)：109-129.

[18]Cheng T，Rivard B，Sanchez-Azofeifa A. Spectroscopic determination of leaf water content using continuous wavelet analysis[J]. Remote Sensing of Environment，2011，115(2)：659-670.

[20]Dobrowski S Z，Pushnik J C，Zarco-Tejada P J，et al. Simple reflectance indices track heat and water stress-induced changes in steady-state chlorophyll fluorescence at the canopy scale[J]. Remote Sensing of Environment，2005，97(3)：403-414.

[21]Graeff S，Claupein W. Identification of water stress in wheat leaves. (TriticumaestivumL.) by means of reflectance measurements[J]. Irrigation Science，2007，26(1)：61-70.