脅迫處理蜜柚葉片色素含量高光譜遙感估測模型研究

沈 佳，熊永柱，許燕婷，劉惠娜，程丹玲

（1.嘉應學院地理科學與旅游學院，廣東 梅州 514015；2.卡耐基梅隆大學信息系統與管理學院，美國賓夕法尼亞州 匹茲堡 15213；3.嘉應學院生命科學學院，廣東 梅州 514015）

蜜柚是常見的蕓香科柑橘屬柚子的優質品之一。梅州在20世紀初開始引進蜜柚種植，目前已經形成大規模、產業化的蜜柚種植區，有著“金柚之鄉”的美譽。然而，潰瘍病和潛葉蛾等病蟲害［1］會嚴重影響蜜柚產量和經濟價值。色素含量是植物生長過程中的重要生化參數，主要包括葉綠素和類胡蘿卜素等，它們通常是植株受病蟲害脅迫、光合作用能力和發育狀態的指示器［2-3］。傳統植物葉綠素檢測方法為分光光度法，不僅費時費力，而且屬于有損檢測，很難滿足精準農業實時、快速和無損的檢測要求。因此，探索適合梅州蜜柚色素含量快速檢測的新技術新方法具有重要的現實意義。

成像高光譜遙感以其波段眾多、數據豐富和譜像合一的特點，為快速無損監測作物葉片色素提供了有效手段［4-5］，被廣泛地應用于農作物病蟲害和長勢監測。近年來，國內外應用高光譜遙感技術對小麥、水稻和玉米等［2-8］大宗糧食農作物以及棉花、大豆、甘蔗、枸杞、柑橘和蘋果等［9-21］主要經濟作物的葉綠素含量檢測建模研究已經取得較大進展。主要采用基于統計模型的作物生化參數反演研究方法，包括：（1）通過相關分析，在原始反射率光譜或微分光譜選取敏感波段，以此作為自變量建立回歸方程［16-18］；（2）分析光譜位置、面積、幅值、植被指數等光譜數據的多種變換形式與葉綠素含量的相關性，選取相關性高的特征參數建立統計估測模型［12-13］。然而，還未見有對蜜柚這種經濟作物進行高光譜遙感色素含量建模估測的研究報道，而且也鮮見針對同一作物不同病蟲害脅迫同時進行研究的文獻報道［5］。因此，本研究也具有一定的理論創新價值。

本研究以梅州蜜柚為研究對象，對兩種健康狀態和兩種病蟲害情況的蜜柚葉片的葉綠素總量和類胡蘿卜素含量與高光譜特征參數的相關性進行分析，選取與色素含量相關性較高的波段和光譜特征參數，建立不同環境脅迫下的蜜柚葉片色素含量與光譜變量間的統計關系模型，并從中選取出各類最佳的色素含量估測模型，為實現蜜柚病蟲害快速無損檢測提供科學依據，促進梅州蜜柚產業健康發展。

1 材料與方法

1.1 試驗材料

試驗在廣東省梅州市梅縣區松口鎮盤龍村的柚子農業園進行。選取蜜柚幼果期健康成熟柚葉30片、受缺鋅癥脅迫的成熟柚葉30片、受潛葉蛾侵害的成熟柚葉30片以及健康嫩葉20片為建模樣本，健康成熟柚葉和健康嫩葉作為受缺鋅癥和受潛葉蛾脅迫的對照樣本。另選取以上4類柚葉各15片樣本作為檢驗樣本。園內潛葉蛾蟲害、缺素癥（缺鋅）等為自然混合發生。葉片采集和光譜測量時間為2018年6月11日上午10：30～下午15：00，天氣晴朗無云。

1.2 柚葉色素含量的提取及定量測定

采用浸提法提取柚葉樣本色素并使用分光光度法對色素含量進行定量測定。具體方法為：取柚葉樣本0.1 g放入試管，加入15 mL 96%乙醇溶液，在暗箱中浸提24 h直至樣品完全發白。使用UV-1800型紫外可見光分光光度計對提取液進行比色，分別測定柚葉葉片波長665、649、470 nm的吸光度OD值，計算葉綠素總量含量和類胡蘿卜素含量（mg/g）［22］：

式中，OD為吸光度值，Ca代表葉綠素a的濃度（mg/L），Cb代表葉綠素b的濃度（mg/L），Cx代表類胡蘿卜素的總濃度（mg/L），Ct代表葉綠素a和葉綠素b的總濃度（mg/L），Cp為色素含量（mg/g），C為上述各種葉綠體色素的濃度（mg/L），V為提取液總量（L），W為葉片的鮮重（g）。

1.3 葉片光譜測量及特征參數定義

葉片光譜測量采用四川雙利合譜科技有限公司生產的GaiaField-F-V10高光譜成像儀在田間現場進行。儀器波段范圍為386～1 024 nm，共256個波段，光譜分辨率為2.8 nm，圖像分辨率為6.45 μm×6.45 μm。配套光譜儀使用漫反射標準參照板，參照板型號為HSIA-CT-400×400，標準反射白板尺寸為400 mm×400 mm，材料為聚四氟乙烯。

根據前人研究及本研究結果，定義了12種高光譜特征參數（表1）作為分析的基礎，其中包括9種基于光譜位置和面積的特征參數（序號1～9）以及3種植被指數（序號10～12）。

表1 高光譜特征參數名稱及定義

1.4 高光譜數據采集處理和統計分析

使用雙利合譜公司的SpecView軟件進行反射光譜數據采集和輻射定標，輻射定標的計算公式為：

式中，Reftarget為目標物反射率，Refpanel為標準參考板反射率，DNtarget為原始影像中目標物的DN數值，DNpanel為原始影像中標準參考板的DN數值，DNdark為成像光譜儀的系統誤差。

使用ENVI軟件進行MNF最小噪聲分離變換處理和波譜分析，使用Excel 2010和SPSS 22.0軟件完成數據計算和統計分析。

2 結果與分析

2.1 不同類別柚葉色素含量變化特征

由表2可知，健康成熟柚葉色素含量最高，平均葉綠素總量達2.223 mg/g、平均類胡蘿卜素含量為0.263 mg/g。受缺鋅癥和潛葉蛾脅迫成熟柚葉的葉綠素含量低于健康成熟柚葉。這是由于病蟲害發生時影響了柚葉正常的呼吸任用和光合作用，導致葉片生長異常，從而造成葉綠素含量降低。健康嫩葉由于發育還不完全，其葉綠素含量也較成熟柚葉低。4類柚葉類胡蘿卜素含量均低于相應的葉綠素含量，與葉綠素含量有著相似的變化趨勢。

表2 不同類別柚葉平均色素含量（mg/g）

2.2 不同類別柚葉光譜反射率曲線特征

從圖1可以看出，4類柚葉的高光譜反射率曲線有著相對一致的變化趨勢。健康成熟柚葉在可見光波段內550 nm綠波段附近有一個反射峰，其兩側475 nm藍波段和675 nm紅波段各有一個吸收谷，680～750 nm反射率急劇拉升，至近紅外波段反射率維持在高反射平臺。但不同類別柚葉的光譜反射率也出現了一定程度的分離：在可見光波段內(450～650 nm)受病蟲害脅迫的成熟柚葉和健康嫩葉的反射率高于健康成熟柚葉。這是因為在可見光波段內葉綠素含量對其光譜特性具有重要作用，前3類柚葉葉綠素含量低于健康成熟柚葉，使得反射率在可見光波段內增加。此外，缺鋅成熟柚葉和健康嫩葉在680～750 nm可見光強吸收到近紅外強反射過渡區域的紅邊出現了明顯的向短波方向移動的藍移現象，而受潛葉蛾脅迫的成熟柚葉紅邊斜率明顯下降，且谷峰特征受到明顯削弱，近紅外區域（750～1 024 nm）的反射率也明顯低于健康成熟柚葉，因此以上波段范圍可作為判斷遭受潛葉蛾蟲害脅迫的識別波段。

圖1 不同類別柚葉光譜反射率曲線

2.3 相關分析

2.3.1 原始光譜反射率與色素含量的相關分析 柚葉葉片原始光譜反射率與色素含量的相關分析結果（圖2）表明，除健康嫩葉在近紅外區域出現了較大波動外（圖2D），柚葉葉綠素含量和類胡蘿卜素含量與原始光譜反射率的相關性表現為較一致的變化趨勢，即在可見光范圍內，2種色素與原始光譜反射率呈負相關，在近紅外區域呈正相關。這表明一般情況下色素含量越高，可見光波段的光譜反射率值越低，而近紅外區域的光譜反射率值越高。原始光譜部分波段的相關性通過極顯著檢驗，證明可以比較穩定地反映其相關關系。

如圖2A所示，成熟健康柚葉光譜反射率與葉綠素含量在386～717 nm呈負相關，在412～699 nm達極顯著負相關；在716～930 nm呈正相關，但僅在758 nm處達到極顯著正相關。類胡蘿卜素含量在455～708 nm達極顯著負相關，正相關波段中均沒有達到顯著相關。

如圖2B所示，缺鋅成熟柚葉光譜反射率與葉綠素含量和類胡蘿卜素含量均在386～730 nm呈負相關，其中434～722 nm達極顯著負相關；在730～927 nm，光譜反射率與葉綠素含量和類胡蘿卜素含量呈正相關，但只有在760 nm達顯著相關。

如圖2C所示，潛葉蛾脅迫成熟柚葉光譜反射率與葉綠素含量的極顯著負相關最大值出現在702 nm，與類胡蘿卜素含量極顯著負相關最大值出現在697 nm。724～1 024 nm光譜反射率與葉綠素含量呈正相關，最大值出現在755 nm，達顯著相關。

圖2 柚葉原始光譜反射率與色素含量的相關性分析結果

如圖2D所示，健康嫩葉光譜反射率在386～720 nm波段內與葉綠素和類胡蘿卜素含量呈負相關，在720～1 024 nm近紅外區域相關系數波動較大。521～577 nm和500～655 nm分別是葉綠素和類胡蘿卜素含量的極顯著負相關波段范圍。

以上通過顯著性檢驗的波段可作為估測相應色素含量的敏感波段。分析可知，521～577、688～700 nm是4類柚葉葉綠素含量均達極顯著相關的波段范圍，502～641、686～710 nm是4類柚葉類胡蘿卜素含量均達極顯著相關的波段范圍。此外，4類柚葉在690～710 nm范圍內含量均出現葉綠素和類胡蘿卜素含量與反射率負相關的極值點，且這2種色素與原始光譜反射率正相關最大值集中在760 nm附近。分別將以上原始光譜反射率與柚葉2種色素含量相關性曲線中正負相關系數絕對值最大值和其所在波長提取出來，結果見表3，其中只有部分參數的相關性通過極顯著相關檢驗。

表3 不同類別柚葉光譜反射率與色素含量相關系數

2.3.2 一階微分光譜反射率與色素含量的相關分析 對光譜求一階導數微分處理可以降低背景和其他噪聲對光譜數據的影響［5］，更好地反映植物的光譜信息與生長情況，且微分光譜具有靈敏度高和專屬性強等特點［4］。一階微分光譜的近似計算方法［13］如下：

式中，ρ′(λi)代表波長λi的光譜反射率的一階微分值，λi代表單個波段的波長，?λ代表波長λi-1到λi之間的間隔。

以圖3可以看出，2種色素含量與一階微分光譜反射率的相關性總體上高于與原始光譜反射率的相關性。提取得到4種類別柚葉葉片葉綠素含量和類胡蘿卜素總量與各自一階微分光譜反射率正負相關最大值和最大值所在波長，如表4所示，其相關性均通過極顯著相關檢驗。

表4 不同類別柚葉微分光譜反射率與色素含量相關系數

圖3 柚葉一階微分光譜反射率與色素含量的相關分析結果

2.3.3 光譜特征參數與色素含量的相關分析 在一階導數變換的基礎上，提取基于光譜位置和面積的光譜參數。同時，選取柚葉光譜反射率與色素含量相關系數最大值和最小值所在波段，計算各自波段組合而成的植被指數RVI、DVI和NDVI，分別分析它們與葉綠素含量和類胡蘿卜素含量的相關性，結果見表5。從表5可以看出，總體上Rg對4類柚葉2種色素的相關性都較高（均通過極顯著檢驗）；健康成熟柚葉2種色素與Rr、Db均達到極顯著相關；缺鋅成熟柚葉與除Dy外的其余特征參數均達到顯著相關以上。健康嫩葉2種色素與λ v達極顯著相關。色素含量與3種植被指數的相關性總體上高于基于光譜位置和面積 的高光譜特征參數，其中歸一化差值植被指數表現總體更好，相關系數均在0.55以上且通過極顯著檢驗，但僅有對健康成熟柚葉的NDVI與葉綠素相關性高于相應的原始光譜。

在12個高光譜特征參數（表1）中，與健康成熟柚葉葉綠素含量相關性最高的為NDVI596，758，相關系數達0.902，與類胡蘿卜素含量相關性最高的為Rg，相關系數為-0.769；與缺鋅成熟柚葉葉綠素含量相關性最高的為NDVI608，760，相關系數達0.919，與類胡蘿卜素含量相關性最高的為NDVI692，760，相關系數為0.874；與潛葉蛾脅迫成熟柚葉葉綠素含量相關性最高的為NDVI702，755，相關系數為0.719，與類胡蘿卜素含量相關性最高的為NDVI697，755，相關系數為0.555；與健康嫩葉葉綠素含量相關性最高的為Rg，相關系數為-0.711，與類胡蘿卜素含量相關性最高的為RVI564，760，相關系數為-0.787。這些參數均通過極顯著相關檢驗。

表5 柚葉色素含量與高光譜特征參數之間的相關性

2.4 建模分析

2.4.1 單變量曲線估計 選取原始光譜、微分光譜和高光譜特征參數中與對應的葉綠素總量和類胡蘿卜素含量相關性較高的指標進行單變量曲線估計，且這些變量都通過極顯著檢驗。根據表3、表4和表5，選取相關系數最大的波段和高光譜變換參數，即健康成熟柚葉葉綠素總量選取NDVI596，758，類胡蘿卜素含量選取R524；缺鋅成熟柚葉葉綠素總量選取FD500，類胡蘿卜素含量選取FD500；潛葉蛾脅迫成熟柚葉葉綠素總量選取FD690，類胡蘿卜素含量選取R697；健康嫩葉葉綠素選取FD630，類胡蘿卜素含量選取FD667。

以選取的高光譜變量作為自變量、葉片色素含量為因變量，建立線性和非線性的反演數學模型，結果見表6。其中，3種模型的一般形式分別為：一次線性模型y= a+b×x，對數模型y=a+b×ln(x)，指數模型y=a×ebx。色素含量與高光譜變量的建模精度由決定系數R2表示。

由表6可知，除受潛葉蛾脅迫的成熟柚葉類胡蘿卜素含量的3種估測模型決定系數較低外，其余估測模型的決定系數都在0.60以上，且都達到極顯著相關。同類葉片對葉綠素總量的建模精度高于類胡蘿卜素含量，可以選取決定系數最大的模型作為估測該類別柚葉葉綠素或類胡蘿卜素含量的單變量曲線估計最優模型。

表6 柚葉色素含量與高光譜變量的單變量曲線估計擬合模型

2.4.2 多元線性逐步回歸 使用單一變量估測某一色素含量時往往會因為葉片中各種生化物質對各自吸收特征的影響而導致偏差。多元線性逐步回歸分析對波段進行選擇和重組，能夠確定某種化學成分的重要波長位置，進而說明該波段值與化學成分有很好的相關性［23］，其一般形式為：

式中，y為色素含量的預測值，xi表示第i個特征變量，bi表示第i個特征變量的回歸系數，b0為回歸常數。

將表1中的12種光譜特征參數以及256個波段原始反射率值和它們各自的一階導數值作為自變量，進行多元線性逐步回歸分析，結果見表7。從表7可以看出，通過多元線性逐步回歸分析建立的葉綠素和類胡蘿卜素含量估測模型決定系數R2總體都高于各自類別相應色素含量通過單波段或單一光譜變量建立的曲線估計模型，僅有受潛葉蛾脅迫的成熟柚葉類胡蘿卜素含量基于R697的對數模型的決定系數高于其多元逐步回歸模型。在進行逐步回歸分析的12種光譜數據變換形式中，僅有健康柚葉的NDVI在進行葉綠素含量估測時被篩選出，說明基于位置和面積的光譜提取變量和植被指數對柚葉色素含量的敏感性不強。

2.4.3 模型檢驗 每種類型柚葉均選取同批采集的15個樣本作為檢驗樣本對模型進行精度檢驗，使用檢驗R2、均方根誤差（RMSE）、相對誤差（RE）3個指標來評價模型精度。一般認為，檢驗R2越接近于1，且RMSE和RE的值越小，模擬估算方程的預測值與實測值的擬合性越好。均方根誤差和相對誤差的計算公式［17］如下：

表7 柚葉色素含量與高光譜變量的多元線性逐步回歸擬合模型

式中，yi和yi′分別為葉綠素含量實測值和模型計算的預測值，n為檢驗樣本數，RMSE為均方根誤差，RE為相對誤差。RMSE、RE值越小，則模型精度越高。

由表6和表7可知，通過曲線估計選取的最優模型除健康成熟和受潛葉蛾脅迫成熟柚葉類胡蘿卜素含量外，模型的檢驗R2均在0.60以上，表示總量的預測精度較高。其中，除健康成熟柚葉葉綠素總量、缺鋅成熟柚葉類胡蘿卜素含量、健康嫩葉葉綠素總量外，其他類別色素的估測模型檢驗R2最大和RMSE、RE最小與其最優模型相對應。缺鋅成熟柚葉的葉綠素和類胡蘿卜含量估測模型的確定系數和檢驗系數均大于0.80，對葉綠素總量的確定系數、檢驗R2、RMSE分別為0.861、0.852、0.079，對類胡蘿卜素含量分別為0.824、0.825、0.013。

通過多元線性逐步回歸得到的色素擬合方程總體上擁有比單變量曲線估計得到的擬合方程決定系數更高的檢驗R2，其RMSE和RE也相對更低。從整體上看，除對受潛葉蛾脅迫的成熟柚葉類胡蘿卜素外，色素含量的估測效果整體上較好，實測值與估算值的相關性較強。

為了更直觀地反映模型的預測效果，選取健康成熟和缺鋅成熟柚葉通過單變量曲線估計和多元線性逐步回歸得到的4個方程，對15個柚葉葉綠素實測值與利用模型計算得到的估測值進行作圖分析，結果見圖4和圖5。從圖4可以看出，對于健康成熟柚葉葉綠素含量估測，多元線性逐步回歸模型的決定系數（檢驗R2=0.754，圖4 B）要明顯高于基于NDVI596,758指數模型（檢驗R2= 0.675，圖4 A）。從圖5可以看出，對于缺鋅成熟柚葉葉綠素含量估測，多元線性逐步回歸模型的決定系數（檢驗R2=0.932，圖5 B）要明顯高于基于FD500線性模型（檢驗R2= 0.852，圖5 A）。多元線性回歸模型的相關系數也分別高于前者。因此，這兩類柚葉的多元線性逐步回歸模型葉綠素含量估測模型為最優估算模型。

綜上所述，通過原始光譜、一階微分光譜和高光譜特征參數構建的色素含量估測模型均是可行的，但不同模型的估測效果多有不同，可根據采集的柚葉光譜數據情況進行擇優選取。總體而言，采用多元線性逐步回歸方法的建模精度最高、擬合效果最優。

3 結論與討論

本研究利用梅州蜜柚幼果期健康成熟柚葉、缺鋅成熟柚葉、受潛葉蛾脅迫成熟柚葉和健康嫩葉等4種不同脅迫類型的葉片高光譜和葉綠素、類胡蘿卜素含量的實測數據，對比分析了4種類別柚葉葉片原始光譜反射率的變化曲線和2種色素含量與高光譜曲線各自的變化特征。在進行相關分析的基礎上，選取相關性較高的原始光譜波段、一階微分光譜波段和高光譜特征變量，構建了4種類別蜜柚柚葉光譜特征參數與色素含量的單變量線性、對數和指數模型，并通過多元線性逐步回歸的方法建立多變量的線性模型。對比各種變量所建立的模型，選擇最適宜的估測模型，得出以下結論：

圖4 健康成熟柚葉葉綠素含量估測值和實測值散點圖

圖5 缺鋅成熟柚葉葉綠素含量估測值和實測值散點圖

（1）健康成熟柚葉有最高的平均葉綠素和類胡蘿卜素含量，不同生長健康狀態的柚葉光譜原始反射率曲線表現出綠色植物典型的“峰谷”特征，但相互之間也出現一定程度的分離。

（2）除健康嫩葉在近紅外區域出現了較大的波動外，柚葉葉綠素含量和類胡蘿卜素含量與原始光譜反射率的相關性出現了較一致的變化趨勢，即在可見光范圍內，2種色素與原始光譜反射率呈負相關，在近紅外區域呈正相關。521～577、688～700 nm是4類柚葉葉綠素都達極顯著相關水平的波段范圍，502～641、686～710 nm是類胡蘿卜素都達極顯著相關水平的波段范圍。4類柚葉在690～710 nm范圍內都出現了葉綠素和類胡蘿卜素含量與反射率負相關的極值點，且2種色素與原始光譜反射率正相關最大值集中在760 nm附近。4類柚葉色素含量與一階微分光譜的相關性總體上高于與原始光譜的相關性。

（3）通過選取柚葉光譜反射率與色素含量相關系數最大值和最小值所在波段組合計算得到的植被指數RVI、DVI和NDVI與色素含量的相關性總體優于基于光譜位置和面積提取的高光譜特征參數。其中，綠峰幅值Rg和NDVI與兩種色素的相關性總體上較強。

（4）利用葉綠素總量和類胡蘿卜素2種色素含量與原始光譜、一階微分光譜和高光譜特征變量之間的相關性，建立了健康成熟柚葉、缺鋅成熟柚葉、受潛葉蛾脅迫成熟柚葉和健康嫩葉4種不同類別、不同色素含量級別柚葉葉片的色素含量估測模型。通過精度檢驗，認為基于多元線性逐步回歸方法得到的估測模型的精度最高、擬合效果最優。推薦使用多元線性逐步回歸模型來估測不同環境脅迫下蜜柚葉綠素和類胡蘿卜素含量，以此作為梅州蜜柚色素含量快速無損檢測的新方法。

受物候期、氣候、土壤、環境水分等自然因素和施肥、栽培技術與管理、采集過程的人為操作誤差等人為因素的影響，蜜柚葉片的高光譜信息會有不同的變化特征。色素估測的結果也會受光譜處理方法、回歸方法以及所選指標靈敏性的影響，因此往往需要對模型各種因素進行系統分析比對，才能篩選出更適宜的估算模型。本研究主要對廣東梅州區域內蜜柚葉片尺度的葉綠素和類胡蘿卜素含量進行監測研究，并用同一區域的樣本數據對模型進行了精度驗證，驗證了估測模型的可信性。但所建立的估測模型對于不同地區、不同生長期的蜜柚葉片色素含量檢測是否適用，如何最大限度剔除外部影響因子對數據的影響，以便建立適用性更高的柚葉色素含量高光譜估測模型還有待進一步探索。

本研究首次采用高光譜遙感技術分析研究了不同脅迫條件下蜜柚葉片色素含量與其對應的光譜特征參數的相關性，并分別建立了不同的反演模型。今后考慮進一步分析在可見光和近紅外波段范圍內任意兩波段組合而成的RVI、DVI、NDVI與色素含量的相關性，從中進行波段優選。本研究所選用的方法中多元逐步回歸模型的估測精度最高，但只進行了線性的多元逐步回歸，未來將進一步探討應用對數、指數等其他多元逐步回歸和偏最小二乘回歸、支持向量機回歸、神經網絡與深度學習等算法來構建高光譜反演柚葉色素含量的估測模型并評估其精度和適用性，以確定擬合效果最佳的高光譜遙感估測模型，為蜜柚健康狀況檢測提供可靠的理論依據。更重要的是，還需進一步拓展研究的尺度范圍和技術手段，從葉片尺度提升到冠層尺度，探討基于高光譜遙感的航空航天甚至是無人機柚樹冠層病蟲害監測和預報的可行性，從而為大面積蜜柚生長健康管理及病蟲害的高效無損監測提供科學依據。