甘蔗葉片光譜特征分析及氮含量估算初探

楊紹鍔，陳廷速

（1.廣西壯族自治區(qū)農(nóng)業(yè)科學院農(nóng)業(yè)資源與環(huán)境研究所，廣西 南寧 530007；2.廣西壯族自治區(qū)農(nóng)業(yè)科學院微生物研究所，廣西 南寧 530007）

甘蔗是我國重要的糖料作物，主要種植在華南地區(qū)，廣西種植面積占全國60%以上，是我國重要的甘蔗種植基地。近年來，由于農(nóng)民片面追求產(chǎn)量，過量施肥現(xiàn)象非常嚴重，由此帶來的土壤質(zhì)量下降、種植成本增加、生態(tài)環(huán)境污染等問題越來越突出［1-2］。科學施肥是解決這一問題的重要途徑，而及時有效地了解甘蔗營養(yǎng)狀況是科學施肥的重要前提。研究甘蔗葉片氮含量的快速估算方法，可為合理施肥提供科學依據(jù)。

近年來，學者們探討了多種快速估算作物氮營養(yǎng)的方法［3］，其中高光譜技術(shù)在該領(lǐng)域展現(xiàn)出極大優(yōu)勢，被廣泛用于農(nóng)作物葉片氮含量快速估測研究。劉冰峰等［4］針對夏玉米開展了葉片全氮含量高光譜估算研究，在各生育期分別選擇了最佳擬合光譜參數(shù)，并構(gòu)建了最佳的估算模型；周麗麗等［5］研究了3個玉米品種葉片氮含量與不同波段光譜反射率的相關(guān)性，并建立了不同品種的葉片氮含量估算模型。田永超等［6］分析了水稻冠層氮含量與高光譜反射率的關(guān)系，獲得了對氮反應最敏感的波段，構(gòu)建了水稻冠層氮含量估測的高光譜植被指數(shù)；譚昌偉等［7］對水稻氮素含量與原始光譜反射率、一階微分光譜以及高光譜特征參數(shù)間的相關(guān)性進行了分析，并構(gòu)建和驗證了以遙感參數(shù)為自變量的水稻氮素營養(yǎng)診斷模型。翟清云等［8］對3種不同土壤質(zhì)地條件下小麥冠層葉片氮含量的高光譜響應差異進行比較，分析了350～1 050 nm波段的敏感波段區(qū)域，構(gòu)建了光譜指數(shù)與葉片氮含量的量化關(guān)系，并建立葉片氮含量估算模型；李丹等［9］利用光譜理論模型進行光譜指數(shù)波段優(yōu)化，顯著提高了小麥玉米冠層氮素含量的預測能力。眾多研究結(jié)果表明，高光譜技術(shù)具備正確估算葉片氮含量的能力。然而，目前的研究多集中在大宗作物。在針對甘蔗的研究中，汪沛等［10］研究了甘蔗苗期和分蘗期水分狀況與冠層光譜反射率的相關(guān)關(guān)系，結(jié)果顯示近紅外波段與460、560 nm的反射率比值與土壤含水量有顯著正相關(guān)關(guān)系；李修華等［11］針對單張甘蔗葉片開展了葉綠素估算研究，發(fā)現(xiàn)527～578 nm和701～731 nm光譜反射率與葉綠素含量有顯著的負相關(guān)關(guān)系，而由725、840 nm兩波段計算的NDVI能較好地估算葉綠素含量。目前針對甘蔗葉片氮含量的高光譜估算研究仍較欠缺。本研究分析甘蔗分蘗期葉片氮含量與光譜反射率的相關(guān)關(guān)系，確定對甘蔗葉片氮含量敏感的光譜波段，據(jù)此構(gòu)建甘蔗葉片氮含量高光譜估算模型，以期為甘蔗合理施肥提供科學依據(jù)。

1 材料與方法

1.1 田間試驗設計

甘蔗種植時間為2017年1月3日，試驗品種為桂糖22號，種植地點在廣西農(nóng)業(yè)科學院南寧市里建科研基地，施N量設置0、112.5、168.75、225、281.25 kg/hm25個處理，依次以N0、N1、N2、N3、N4表示，其中1/2氮肥作為基肥在播種前施入，1/2氮肥在培土時施入。種植行距為1.2 m，每小區(qū)種植4行，小區(qū)長度為5 m，重復8次。

1.2 葉片光譜及全氮含量測定

在分蘗期（5月9日）選取3株代表性甘蔗植株，剪取冠層葉片混合成一個樣本，在暗室內(nèi)采用ASD FieldSpec HandHeld2進行高光譜測量，設置20次光譜采樣為一組光譜值，每個樣本測量3組光譜值，以其平均值作為該樣本的光譜反射值；相同施肥水平的各樣本光譜值取平均作為該施肥水平的光譜反射值。測量時將3層葉片平鋪在黑色鴨絨布上，葉片完全遮擋住鴨絨布，從而減少背景影響。測量完光譜后對葉片進行殺青、烘干等處理，采用凱氏定氮法（LY/T 1269-1999）測量葉片全氮含量。

1.3 光譜特征參數(shù)計算

使用兩個波段的光譜反射率計算歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI：

式中，Rλ1為 λ1 波段的光譜反射率，Rλ2為 λ2 波段的光譜反射率。

1.4 模型精度評價

采用均方根誤差（RMSE）和相對誤差（RE）對模型預算的精度進行評估：

式中，n為樣本個數(shù)，Mi為實測值，Pi為預測值。

2 結(jié)果與分析

2.1 葉片反射率特征

各施肥水平的葉片光譜反射率如圖1所示。在400～1 000 nm波段區(qū)間，N0、N1、N2、N3、N4處理的甘蔗葉片光譜反射率依次降低，施N量越少，葉片光譜反射率越大，表現(xiàn)出葉片光譜反射率隨施N量減少而增加的規(guī)律。同時，不同施肥水平的葉片光譜反射率變化規(guī)律比較一致，表現(xiàn)出與其他綠色植被相似的光譜反射特征：在400～680 nm區(qū)間光譜反射率較低，在550 nm左右出現(xiàn)一個反射率峰值；“紅邊”出現(xiàn)在680～760 nm區(qū)間，反射率一階導數(shù)顯示（圖2），紅邊的位置在730 nm附近；在760～1 000 nm區(qū)間呈現(xiàn)高反射率平臺。

圖1 甘蔗葉片光譜反射率

2.2 葉片氮含量與光譜參數(shù)相關(guān)性

由圖3可知，在400～1 000 nm波段區(qū)間，甘蔗葉片氮含量與反射率呈負相關(guān)關(guān)系；在401～1 000 nm波段，相關(guān)系數(shù)均通過了F=0.05檢驗，顯示各波段與葉片氮含量有顯著的負相關(guān)關(guān)系；在402～953 nm波段，相關(guān)系數(shù)通過了F=0.01檢驗，顯示各波段與葉片氮含量有著極顯著的負相關(guān)關(guān)系。相關(guān)系數(shù)在550、741 nm出現(xiàn)了兩個峰值，分別是-0.678和-0.715，顯示這兩個波段附近的光譜反射率對葉片氮含量較為敏感。

圖2 “紅邊”周圍光譜反射率一階導數(shù)

圖3 氮含量與光譜反射率相關(guān)系數(shù)

歸一化植被指數(shù)NDVI和比值植被指數(shù)RVI是兩個常用于作物氮含量估算的光譜指數(shù)［12-14］。參照 NDVI、RVI的計算方法，用550、741 nm兩個敏感波段的反射率計算NDVI（550，741）和 RVI（550，741），并分別分析其與甘蔗葉片氮含量的相關(guān)性。根據(jù)李修華等［11］研究結(jié)果，由710～735 nm和780～850 nm兩個波段區(qū)間計算的NDVI值與甘蔗葉片葉綠素有顯著相關(guān)關(guān)系。由于葉綠素與氮含量有密切聯(lián)系［15-17］，結(jié)合此次數(shù)據(jù)，選取730、835 nm兩個波段的反射率計算NDVI（730，835）和RVI（730，835），并分別分析其與甘蔗葉片氮含量的相關(guān)性。

各光譜參數(shù)與氮含量相關(guān)系數(shù)分別為：R550，-0.678；R741，-0.715；NDVI（550，741），0.417；RVI（550，741），0.401；NDVI（730，835），0.480；RVI（730，835），0.468。由相關(guān)系數(shù)來看，NDVI、RVI與氮含量為正相關(guān)關(guān)系，即NDVI、RVI值越大，葉片氮含量越高；根據(jù)相關(guān)系數(shù)界值比較，各光譜參數(shù)與氮含量的相關(guān)系數(shù)均大于P0.05；只有RVI（550，741）小于P0.01，其余各參數(shù)均大于P0.01，說明各光譜參數(shù)均與氮含量有顯著或極顯著的線性相關(guān)關(guān)系。各光譜參數(shù)中，R550、R741是由單波段組成的參數(shù)，NDVI、RVI則是由雙波段組成的參數(shù)。本試驗結(jié)果顯示，單波段參數(shù)與甘蔗葉片氮含量的相關(guān)系數(shù)大于雙波段參數(shù)，同時，在雙波段參數(shù)中，NDVI大于RVI；說明單波段參數(shù)比雙波段參數(shù)與氮含量關(guān)系更密切，而NDVI比RVI與氮含量關(guān)系更密切。

2.3 估算模型構(gòu)建及精度檢驗

隨機抽取每個施肥水平中的6個數(shù)據(jù)，共30個數(shù)據(jù)用來構(gòu)建估算模型，剩余的10個數(shù)據(jù)用于模型驗證。各光譜參數(shù)分別構(gòu)建線性函數(shù)、指數(shù)函數(shù)、對數(shù)函數(shù)、冪函數(shù)和二次函數(shù)共5種模型，結(jié)果見表2。從表2可以看出，NDVI（550，741）、RVI（550，741）、NDVI（730，835）、RVI（730，835）構(gòu)建的各模型的決定系數(shù)都較小，方程擬合度較差，不適用于葉片氮含量的估算，本文未對這些模型進行估算誤差分析。由R550、R741構(gòu)建的模型決定系數(shù)相對較大，R741構(gòu)建的二次函數(shù)模型的決定系數(shù)最大為0.681；總體來看，由R741構(gòu)建的模型決定系數(shù)大于R550。

使用由R550、R741構(gòu)建的模型估算10個葉片樣本的氮含量，估算結(jié)果的誤差分析如表2所示。總體來看，由R741模型估算的均方根差、平均相對誤差、最大相對誤差都略大于R550模型，表現(xiàn)出R741模型的估算精度略低于R550模型；除R550的二次函數(shù)模型平均相對誤差達到了10.86%，其余各模型的平均相對誤差均低于9%，顯示出了較好的估算結(jié)果；但同時各個模型的最大相對誤差都大于15%，說明模型估算的結(jié)果變異范圍較大，今后需補充更多的實驗數(shù)據(jù)以修正估算模型。綜合考慮模型的決定系數(shù)、均方根差、相對誤差等比較結(jié)果，本研究推薦R741的二次函數(shù)模型（y =-119.1x2+ 61.53x + 3.851）作為甘蔗葉片氮含量估算模型。

3 結(jié)論與討論

采用高光譜技術(shù)對作物營養(yǎng)進行快速估測，是數(shù)字農(nóng)業(yè)、信息農(nóng)業(yè)發(fā)展的重要方向，眾多學者在此領(lǐng)域進行了探討研究。以目前研究結(jié)果來看，該方法的研究主要集中在大宗作物上，極具潛力；但針對不同作物及品種，所采用的特征光譜有所區(qū)別。由于甘蔗的種植面積相對較小，針對甘蔗的營養(yǎng)快速估測研究尚未得到的足夠重視，相關(guān)的研究仍較欠缺，研究還有待加強。

本試驗受到儀器設備的限制，只針對400～1 000 nm的光譜波段進行研究，在此波段范圍外的研究并未涉及，有待今后進一步補充相關(guān)研究。根據(jù)此次試驗的分析結(jié)果，特定光譜與甘蔗葉片氮含量有差異的線性相關(guān)關(guān)系，顯示出了采用特定光譜進行甘蔗葉片氮含量快速估測的潛力。另外，與李修華等［11］對甘蔗葉片葉綠素含量估測的研究結(jié)果進行比較，可見葉綠素與氮含量所對應的特定光譜有較大的區(qū)別，雖然葉綠素與氮含量有非常密切的聯(lián)系，但二者不能混為一談，今后的研究中需對二者進行區(qū)分研究。

甘蔗葉片具有與其他綠色植被相似的光譜反射特征曲線；在401～1 000 nm波段區(qū)間，甘蔗葉片的光譜反射率與氮含量具有顯著負相關(guān)關(guān)系，其中在402～953 nm波段區(qū)間呈極顯著負相關(guān)關(guān)系，尤其在550 nm和741 nm兩個波段附近的光譜反射率對甘蔗葉片氮含量較為敏感；由R741構(gòu)建的二次函數(shù)模型（y = -119.1x2+ 61.53x + 3.851）取得了較好的估算效果，可作為甘蔗分蘗期葉片氮含量估算模型。

參考文獻：

［1］張淑香，張文菊，沈仁芳，等.我國典型農(nóng)田長期施肥土壤肥力變化與研究展望［J］.植物營養(yǎng)與肥料學報，2015，21（ 6）：1389-1393.

表2 各光譜參數(shù)構(gòu)建的模型及估算誤差

［2］徐明崗，張文菊，黃紹敏，等.中國土壤肥力演變［M］.第2版.北京：中國農(nóng)業(yè)科學技術(shù)出版社，2015.

［3］郭建華，趙春江，王秀，等.作物氮素營養(yǎng)診斷方法的研究現(xiàn)狀及進展［J］.中國土壤與肥料，2008（4）：10-14.

［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(yǎng)與肥料學報，2012，18（4）：813-824.

［5］周麗麗，馮漢宇，閻忠敏，等.玉米葉片氮含量的高光譜估算及其品種差異［J］.農(nóng)業(yè)工程學報，2010，26（8）：195-199.

［6］田永超，楊杰，姚霞，等.估測水稻葉層氮濃度的新型藍光氮指數(shù)［J］.應用生態(tài)學報，2010，21（4）：966-972.

［7］譚昌偉，周清波，齊臘，等.水稻氮素營養(yǎng)高光譜遙感診斷模型［J］.應用生態(tài)學報，2008，19（6）：1261-1268.

［8］翟清云，張娟娟，熊淑萍，等.基于不同土壤質(zhì)地的小麥葉片氮含量高光譜差異及監(jiān)測模型構(gòu)建［J］.中國農(nóng)業(yè)科學，2013，46（13）：2655-2667.

［9］李丹，李斐，胡云才，等.基于光譜指數(shù)波段優(yōu)化算法的小麥玉米冠層含氮量估測［J］.光譜學與光譜分析，2016，36（4）：1150-1157.

［10］汪沛，李就好，周志艷.不同土壤水分狀況下甘蔗冠層光譜特征研究［J］.水資源與水工程學報，2010，21（1）：34-37.

［11］Li X H，Chen X，Zhou Y H，et al.Spectral characteristics analysis and chlorophyll content detection of sugarcane leaves under different fertilizer treatments［J］.Transactions of the Chinese Society of Agricultural Engineering，2015，31（2）：118-123.

［12］李新偉，呂新，張澤，等.棉花氮素營養(yǎng)診斷與追肥推薦模型［J］.農(nóng)業(yè)機械學報，2014，45（12）：209-214.

［13］陳青春，吳繼賢，秦彥博，等.基于GreenSeeker的水稻氮素估測［J］.中國農(nóng)業(yè)大學學報，2014，19（6）：49-55.

［14］賀志遠，朱艷，李艷大，等.中國南方雙季稻氮營養(yǎng)指數(shù)及產(chǎn)量估算模型研究［J］.南京農(nóng)業(yè)大學學報，2017，40（1）：11-19.

［15］Filella I，Serrano I，Serra J，et al.Evaluating wheat nitrogen status with canopy relfectance indices and discriminant analysis［J］.Crop Science，1995，35：1400-1405.

［16］Barnes E M，Clarke T R，Richards S E，et al.Coincident detection of crop water stress，nitrogen status and canopy density using ground based multispectral data//Proceedings of the 5th International Conference on Precision Agriculture［C］.Bloomington，Minnesota，USA，2000.

［17］郭志頂，李志洪，李辛，等.施氮水平及方式對玉米冠層NDVI、氮含量、葉綠素和產(chǎn)量的影響［J］.玉米科學，2013，21（6）：111-121.