基于紅邊位置的馬鈴薯植株氮濃度估測方法研究

高 興，李 斐*，楊海波，黃紹福，張加康，苗 杰，黃偉杰

（1 內蒙古農業大學草原與資源環境學院，內蒙古呼和浩特 010011；2 內蒙古自治區土壤質量與養分資源重點實驗室，內蒙古呼和浩特 010011）

馬鈴薯是僅次于水稻、小麥、玉米的第四大糧食作物[1]。根據FAO數據統計顯示，2016年中國馬鈴薯總產量居世界第一，是第一大馬鈴薯生產國，然而我國馬鈴薯單產僅為世界平均水平的87%[2]，馬鈴薯單產仍有很大的提升空間。及時掌握馬鈴薯植株的氮素營養及其生長狀況是提高馬鈴薯單產和有效實施水肥管理的重要途徑。傳統的基于實驗室的濕化學分析監測方法不僅具有破壞性，而且耗時費力[3]，無法在水肥一體化大面積種植的馬鈴薯田進行推廣。近些年高光譜遙感技術的發展，為快速、無損的監測作物氮素營養及其生長狀況提供了新的選擇。

高光譜遙感監測主要是通過作物冠層反射率信息提取較為敏感的波段，構建光譜指數來對作物葉片氮素、葉綠素含量、葉面積指數、生物量等理化參數進行反演，如：植被歸一化指數(NDVI)、比值指數 (RVI)、簡單比值色素指數 (SRPI)、紅邊參數等光譜指數，然而大多數光譜指數在作物高生物量條件下容易發生飽和現象，失去靈敏性[4]。紅邊參數是描述植被紅光波段反射特征的光譜指數，紅邊是綠色植被反射光譜中較為明顯的光譜特征，是由于葉綠素對于紅光波段的強吸收和近紅外波段在葉片內部發生的強反射引起的反射光譜急劇變化的區域，該區域包含很多重要的信息[5]，常用的紅邊參數包括紅邊位置、紅邊幅值、紅邊面積、近紅外平臺等。其中紅邊位置被認為是與作物氮素營養關系較為密切的紅邊參數，常用于對作物葉綠素或氮素的含量進行監測，是紅邊波段反射率一階導數的最大值處的波長。已有大量研究表明，紅邊位置與植被的農學參數存在著良好的相關關系[6-11]，其精確計算十分重要。為準確提取紅邊位置國內外學者提出了多種紅邊位置提取方法，目前常用的方法主要有最大一階導數法[12]、線性四點內插法[13]、線性外推法[14]、倒高斯擬合法[15]、多項式擬合法[16]和拉格朗日內插法[17]。前人對這些方法進行了比對研究，發現不同方法間存在一定差異，如最大一階導數法對于傳感器的波段位置和寬度較為依賴，容易受雙峰現象干擾而無法得到連續的紅邊位置[17]；線性四點內插法和倒高斯擬合法在確定紅邊位置時可能存在著較大的誤差[14,16]；線性外推法可以有效的解決因雙峰現象而導致的紅邊位置的不連續性[18]。而且近些年國內大量研究還發現作物種類、品種、生育時期對于紅邊位置也會有較大的影響，如水稻、玉米、棉花三種作物的紅邊位置均有所差別，分別位于717、725、707 nm左右[19]；小麥不同品種間平均紅邊位置差距可達到30 nm[20-21]；玉米高產品種和非高產品種的紅邊位置對于不同生育時期的響應也有較大差別[22]。

馬鈴薯葉片形態屬于羽狀復葉，與玉米、小麥等作物的冠層結構有很多不同之處，且在塊莖形成期會有較多的花分布在植株冠層，這可能對不同波段的光譜吸收及反射也會有一定影響。不同于其他作物，馬鈴薯的花期持續時間較長，這段時期除了一些光譜參數極易飽和失去靈敏性外，究竟哪種方法更適用于馬鈴薯冠層光譜紅邊位置的抽取，不同生育時期紅邊位置有何區別，其紅邊位置是否能對馬鈴薯地上部氮濃度進行準確預測，花的顏色是否會影響到光譜反射進而影響光譜參數與作物氮營養指標的關系。本試驗以滴灌馬鈴薯為研究對象，比較六種紅邊位置計算方法之間的區別，挑選出與馬鈴薯地上部氮濃度較好的方法進行建模并驗證，為實時、準確、快速地掌握馬鈴薯冠層氮素營養狀況提供依據。

1 材料與方法

1.1 試驗設計

本研究于2014—2016年共進行了3個馬鈴薯田間試驗，涉及不同品種類型和施氮水平，試驗設計如下：

2014年的馬鈴薯田間試驗在武川縣大豆鋪村進行，試驗共設5個氮處理，每個處理4次重復共20個小區，單個小區面積為100 m2，所有小區隨機排列，供試品種為克新一號，土壤有機質17.4 g/kg、全氮1.2 g/kg、速效磷10.5 mg/kg、速效鉀80 mg/kg、土壤pH 8.0。

2015年的馬鈴薯田間試驗在武川縣東土城村進行。試驗設12個氮處理，每個處理4次重復，共48個小區，單個小區面積為50 m2，所有小區隨機排列，供試品種為‘夏波蒂’，土壤有機質13.8 g/kg、全氮1.90 g/kg、速效磷12.3 mg/kg、速效鉀80.0 mg/kg、pH 8.6。

2016年的馬鈴薯田間試驗在四子王旗麻黃洼村進行，試驗共設5個氮處理，每個處理4次重復共20個小區，單個小區面積為100 m2，所有小區隨機排列，供試品種為‘荷蘭14號’，土壤有機質25.2 g/kg、速效磷16.0 mg/kg、速效鉀122.2 mg/kg。

1.2 測定項目與方法

1.2.1 農學參數 在馬鈴薯苗期、塊莖形成期、塊莖膨大期、淀粉積累期和收獲期在小區中選有代表性的植株，進行1米的連續樣段采集，以方便測定(塊莖形成期后要相應采集地下塊莖) ；所取植株地上部分及地下塊莖在105℃恒溫下殺青20 min，然后在70℃恒溫下烘干 (4～8 h) 至恒重，粉碎裝入已經編號的自封袋中，分別測定其全氮、全磷、全鉀含量。

1.2.2 光譜參數 光譜數據的測量與植物樣的采集同時進行，馬鈴薯冠層光譜反射率的測定采用德國生產的高光譜儀 (tec5, Oberursel)，光譜范圍為300～1150 nm，波段寬度為2 nm。光譜測定選擇在天氣晴朗、無風或微風條件下進行，測定時間為上午10:00至下午14:00，光譜儀測量時探頭垂直向下，測量時傳感器與馬鈴薯冠層之間的距離要保持到50 cm左右。每個小區采集兩個光譜數據，以其平均值作為該小區的光譜反射率值，測量過程中及時進行標準白板校正。

1.3 紅邊位置的計算方法

1)最大一階導數法[12](記為REP-FD)

一階導數由一階微分方程計算得出：

其中，紅邊波段一階導數最大值所對應的波長，即紅邊位置 (REP-FD) 。

2)線性四點內插法[13](記為REP-FPI)

該方法假設紅邊區域近似直線，紅邊位置的波長根據670 nm、700 nm、740 nm和780 nm 4個點內插得到，拐點處反射率通過670 nm和780 nm反射率來估計，700 nm和740 nm處應用線性插值來估計拐點波長。

計算拐點處反射率 (Rre)：Rre= (R670+ R780)/2

計算紅邊位置 (REP-FPI)：REP-FPI=700 + 40(Rre-R700/R740-R700)

3)倒高斯擬合法[14](記為REP-IG)

紅邊反射率的光譜形狀可以近似為倒高斯函數的一半，利用倒高斯模型擬合紅邊反射率，采用非線性方程組的迭代解法來計算紅邊：

式中：Rs為近紅外區光譜反射率最大值；R0和λ0為紅光區光譜反射率最小值和相應的波長；σ為高斯模型標準差系數；其中λi、σ由最佳迭代法計算得出。

4)多項式擬合法[15](記為REP-POLY)

該方法采用五次多項式函數對紅邊反射率進行擬合：

二階導數方程為0時接近720 nm的解即為紅邊位置。

5)拉格朗日內插法[16](記為REP-LAGR)

利用一階導數最大值所對應波長的相鄰波段進行內插：

[82]《布爾加寧、赫魯曉夫關于訪問印度、緬甸和阿富汗的報告》，北京：人民出版社，1956年，第20頁。

式中：Dλ(i)是一階導數光譜的最大值；λi是最大一階導數所對應的波長；λi+1和λi-1是相鄰上下的兩個波段。

6)線性外推法[17](記為REP-LEM)

該方法利用分別通過紅邊區域一階導數反射光譜的遠紅外區 (6 8 0～7 2 0 n m) 和近紅外區(722～750nm) 的直線，這兩條直線的交點處所對應的波長即為紅邊位置。

式中：C1、m1、C2、m2分別代表由一階導數光譜計算出的遠紅外線和近紅外線的截距和斜率。線性外推法僅需四個波段來計算紅邊位置，四個波段通過使用遠紅外與近紅外區域的不同波段組合后挑選與馬鈴薯地上部氮濃度相關性最好的波段組合。

1.4 數據分析

使用Excel和MATLAB軟件進行紅邊位置的計算，使用SigmaPlot 12.5和MATLAB軟件作圖。在進行建模預測時隨機選取65%大田數據進行模型的建立，剩余35%的數據進行模型的驗證，并對預測結果求取均方根誤差 (RMSE)和相對誤差 (RE%)。

2 結果與分析

2.1 馬鈴薯植株氮濃度及冠層反射率變化特征

表1為馬鈴薯植株地上部氮濃度的描述性統計，不同年份之間地上部氮濃度變異系數差距較大，說明年份、品種、氮肥用量以及生育時期對馬鈴薯地上部分氮濃度有重要的影響。對馬鈴薯植株冠層反射光譜特征 (圖1) 進行分析，馬鈴薯冠層光譜反射曲線 (圖1-a) 與綠色植物在可見光范圍內的光譜反射曲線基本相同。圖1-a為不同年份馬鈴薯冠層反射光譜，不同年份間綠光和近紅外反射光譜有較大差距。圖1-b與1-d均為馬鈴薯一階導數反射光譜曲線，其中圖1-b是各年份平均反射光譜，并無明顯雙峰現象，圖1-d為不同生育時期一階導數反射光譜曲線，可以看出在生育后期出現較為明顯的雙峰現象，這可能會對使用導數光譜計算紅邊位置的方法的結果產生一定影響。馬鈴薯冠層反射率隨生育時期的推進而變化 (圖1-c)，苗期植株莖葉等器官尚未發育完全生物量低，所以在苗期反射率較低。塊莖形成期植株地上部迅速生長且地下莖的頂端開始膨大形成塊莖，同時伴隨著開花的現象，反射率相比于苗期有顯著提升，達到最大，馬鈴薯的花在冠層分布較多，多為白色或紫色，可能會對該時期的紅邊位置產生一定影響 (圖1-d) 。塊莖膨大期莖葉重和葉面積達到最高峰，是植株地上部生長發育的全盛時期，近紅外反射率較大。淀粉積累期植株莖葉開始逐漸衰老變黃，反射率急速下降。

表1 馬鈴薯植株地上部氮濃度描述性統計Table 1 Canopy hyperspectral reflectance and the first derivative spectra of potato in different years and growth stages

圖1 不同年份不同生育時期馬鈴薯冠層光譜反射率和一階導數光譜Fig. 1 Canopy hyperspectral reflectance and the first derivative spectra of potato in different years and growth stages

2.2 紅邊位置的統計參數描述

從紅邊位置隨氮濃度的變化趨勢 (圖2)可以看出，最大一階導數法和拉格朗日內插法紅邊位置無連續性，說明這兩種方法不適用于馬鈴薯氮素含量的估測。線性四點內插法所得紅邊位置分布情況較差，對中等和高氮濃度的紅邊位置計算出現了一定的偏差。線性外推法所得紅邊位置的分布情況最好，對于氮濃度的變化最為敏感。線性外推法、倒高斯擬合法、多項式擬合法在高氮濃度情況下均出現了一定程度的飽和現象，但由于線性外推法所得紅邊位置變幅較大，所以對高氮濃度的飽和現象也有一定的緩解作用。

2.3 紅邊位置與植株地上部植株氮濃度的相關關系

從表3可以看出，所有方法在苗期和塊莖形成期時的相關系數均較低，塊莖膨大期和淀粉積累期有著明顯的增大，14年苗期六種方法所得紅邊位置與氮濃度均為負相關。這是因為苗期植株尚處于生長階段，植株較為矮小，在光譜掃描時會引入較多噪聲光譜，如地面土壤的反射光譜的影響，而塊莖形成期伴隨有開花的現象，花在冠層分布較多，花色素對光譜的反射也會有一定影響，進而使該時期的紅邊位置偏大。從圖3也可以明顯的看出，苗期與塊莖形成期的相關性較低。氮濃度與紅邊位置的相關性在后兩個生育時期中均達到顯著水平，塊莖膨大期決定系數整體要高于淀粉積累期。

表2 基于不同算法所得紅邊位置的描述性統計Table 2 Descriptive statistics of red edge position calculated by different algorithms

總體來看所有方法中線性外推法最為穩定，在各年間相關系數均處于較高水平。最大一階導數法與拉格朗日內插法所得紅邊位置與氮濃度的相關性除在14年中較高以外，在其他年份中與氮濃度幾乎無相關性。倒高斯擬合法和多項式擬合法表現中規中矩。線性四點內插法所得紅邊位置僅在塊莖膨大期與氮濃度有較高的相關性。

為了進一步了解生育時期對紅邊位置預測能力的影響，表4列出了不同生育時期組合紅邊位置與植株氮濃度的相關性。表中分別對去除苗期與去除苗期和塊莖形成期 (即塊莖形成期—淀粉積累期，塊莖膨大期—淀粉積累期)進行了討論，可以看出相對于全生育時期去除苗期后相關性有明顯的上升。但通過比較后仍無法確定紅邊位置是否能對塊莖形成期的馬鈴薯氮濃度進行監測，與單獨去除苗期相比，2014年和2015年的相關系數有一定提高，但2016年與三年綜合數據相比又出現了一定程度的下降。圖4為全生育時期、塊莖形成期—淀粉積累期和塊莖膨大期—淀粉積累期的不同波段決定系數等高線圖，同樣可以看出去除苗期后紅邊位置與氮濃度的相關性明顯增大，雖然塊莖形成期紅邊位置與氮濃度相關性較低，但在與塊莖膨大期和淀粉積累期集合后對于相關性并無明顯影響，說明紅邊位置可以對塊莖形成期—淀粉積累期的氮濃度進行監測。

圖2 不同算法紅邊位置隨氮濃度變化趨勢Fig. 2 Variation of red edge position obtained by different algorithms in different plant nitrogen concentration

表3 不同生育時期紅邊位置與氮濃度相關性Table 3 Correlation between red edge position and aboveground plant nitrogen concentration in different growth stages

圖3 苗期—淀粉積累期中線性外推法不同組合波段與氮濃度的決定系數Fig. 3 Contour plots showing the coefficient of determination between plant N concentration and red edge positions calculated by the linear extrapolation method from seedling to starch accumulation stage

圖4 不同組合的生育時期中線性外推法組合波段與氮濃度的決定系數Fig. 4 Contour plots showing the coefficient of determination between plant N concentration and red edge positions calculated by the linear extrapolation method in combination of different growth stages

2.4 模型的測試與檢驗

通過上述結果的對比最終決定選取2014—2016年中塊莖形成期—淀粉積累期中的數據對除最大一階導數和拉格朗日內插法以外的四種方法進行模型的建立與檢驗，分別選取了線性方程，對數方程，指數方程，冪函數等四種回歸模型。表5結果顯示四種模型均較為合適。四種紅邊位置計算方法中線性四點內插法決定系數最低，證明該方法無法對馬鈴薯地上部氮濃度進行精確預測。圖5為線性外推法、倒高斯擬合法和多項式擬合法的最佳回歸模型。線性外推法決定系數最高，在三種回歸方程 (線性方程、對數方程、冪函數)中R2均達到0.5以上，倒高斯擬合法與多項式擬合法之間無明顯差別，但倒高斯擬合法所得紅邊位置變幅較小，因此多項式擬合法較倒高斯擬合法要好一些。

圖6為線性外推法、倒高斯擬合法和多項式擬合法中決定系數較高的回歸模型所做預測值和觀測值1∶1關系圖。其中通過由線性外推法所得紅邊位置對馬鈴薯地上部氮濃度進行反演得出的預測值與實測值擬合方程的斜率最接近1，決定系數最高(R2=0.44)，均方根誤差 (RMSE)與相對誤差 (RE) 也最小，說明線性外推法所得紅邊位置對馬鈴薯地上部氮濃度的預測能力較強，預測值與真實值間誤差也較小。倒高斯擬合法所得紅邊位置對馬鈴薯地上部氮濃度的預測能力比多項式擬合法高，決定系數可達到0.31。

表5 預測模型的驗證與評價Table 5 Validation and evaluation of established model (n = 264)

3 討論

3.1 紅邊位置計算方法的綜合比較

由于馬鈴薯冠層光譜一階導數存在明顯的雙峰現象，使得最大一階導數法和拉格朗日內插法所得紅邊位置均無連續性，尤其在高生物量條件下無法對氮素濃度進行準確預測，與前人在玉米上的研究結果一致[15]。該方法適用于一階導數光譜無雙峰現象的作物。本研究中多項式擬合法所得紅邊位置變幅較大，僅低于線性外推法變幅，對氮濃度變化敏感，與馬鈴薯地上部氮濃度相關性也較好。Pu等[23]認為通過多項式擬合的反射率曲線與紅邊區域的實際光譜特性較為接近，并且還可以通過高階多項式擬合法對多模態反射光譜的一階導數光譜進行處理。但由于計算過程較為復雜，波段和多項式系數的選擇對于結果也有較大的影響，應謹慎選擇。

線性四點內插法計算簡單，僅需4個波段即可完成紅邊位置的計算。在本研究中該方法對中、高氮濃度處的紅邊位置有一定的低估，而Dawson等[17]的研究發現線性四點內插法所得紅邊位置比倒高斯擬合法和拉格朗日內插法高大約10 nm。這可能是因為計算紅邊位置的四個固定波段對于馬鈴薯的冠層反射光譜不太適用。倒高斯擬合法利用函數曲線對光譜反射率曲線進行擬合，通過四個簡單的參數來描述紅邊的特征，計算過程較為復雜。本試驗中倒高斯擬合法所得紅邊位置與氮濃度相關性僅次于線性外推法，預測結果精度也較高。缺點是計算過程比較復雜，簡單的四參數模型僅能反映單峰一階導數光譜，使用時應注意作物紅邊光譜曲線是否能與IG模型曲線相吻合[14]，因此該方法的應用受到一定限制。

線性外推法基于作物一階導數光譜，通過遠紅外和近紅外區域的兩條直線外推得到紅邊位置，能夠十分有效的緩解一階導數曲線雙峰現象對于紅邊位置的確定所帶來的影響，而且對于高氮濃度時產生的飽和現象有著一定的緩解作用，紅邊位置變幅大，模型精度高，并且能夠適應于帶寬較寬的光譜數據[14]，應用范圍十分廣泛。但是本研究中該方法對于紅邊位置有著明顯的高估，這可能與馬鈴薯植株冠層結構有關，馬鈴薯冠層葉片分布較為緊密，有著明顯的葉片重疊現象，Miller等[14]認為當葉片發生重疊時反射率相較于單葉情況時光譜反射率會有著明顯的提升。需要注意的是計算紅邊位置的波段應根據作物的改變而進行優化[15]，挑選與氮濃度相關性最佳的波段組合。表6列出了各生育時期線性外推法最佳優化波段，可以看出不同生育時期優化波段組合不盡相同。各年份中大多數的λ1波段位于720 nm附近，λ2波段分布較為散亂，較多位于748 nm附近，不同生育時期間波段變化并無明顯規律，但將數據總和后發現λ1波段出現了藍移，大多為680 nm左右，λ2波段與之前各年份中無藍移或紅移現象。本研究認為優化波段的組合會因作物的不同和光譜反射率的變化而改變，Cho等[14]也認為應根據作物的改變去尋找更為適合的組合波段。本研究還發現波段范圍的選擇也同樣會對紅邊位置產生一定的影響，原方法中選用波段范圍是680～760 nm，本研究認為680～750 nm的波段范圍對于馬鈴薯冠層光譜更為適合，說明線性外推法在應用時需根據反射光譜的實際情況挑選合適的波段范圍。綜上所述，線性外推法雖然與氮濃度相關性較好，但計算過程也比較復雜。

圖5 紅邊位置和馬鈴薯地上氮濃度的回歸模型散點圖Fig. 5 Plots for regression model between red edge position and plant nitrogen concentration

3.2 馬鈴薯可監測生育時期的選擇

馬鈴薯不同生育時期紅邊位置與地上部氮濃度的相關性有較大差別，總體來看塊莖膨大期和淀粉積累期的紅邊位置與氮濃度相關性較高，苗期與塊莖形成期則較差。這是由于馬鈴薯苗期植株較為矮小，在進行冠層光譜掃描時會引入土壤等的噪聲光譜，導致該時期紅邊位置可能會出現較大偏差。但苗期可以通過土壤和種子所提供的養分來維持幼苗的生長，因此馬鈴薯苗期氮素營養的實時診斷在農業生產中不是主要問題。

塊莖形成期伴隨有開花的現象，由于馬鈴薯所開白色的花在冠層分布較多會對冠層反射光譜信息的采集造成一定的誤差，導致該時期紅邊位置出現偏差，降低了紅邊位置與氮濃度相關性。在塊莖形成期植株的莖和葉迅速生長，并且地下莖頂端逐漸膨大開始形成塊莖，該時期植株對于養分的需求較大，是馬鈴薯生長發育的重要時期，如果該時期植株出現氮素營養缺乏，會對馬鈴薯的產量造成很大的影響，所以該時期的氮素營養診斷尤為重要。圖7分別是塊莖形成期—淀粉積累期和塊莖膨大期—淀粉積累期紅邊位置分布情況，從圖中可以看出塊莖形成期—淀粉積累期紅邊位置相比于塊莖膨大期—淀粉積累期有輕微的飽和現象，雖然以單個時期的角度來看，塊莖形成期氮濃度和紅邊位置相關性較差，但是進行生育時期的結合后整體的相關性無下降趨勢并且還有一定程度的提升。因此本研究認為紅邊位置可以對塊莖形成期—淀粉積累期的馬鈴薯地上部氮濃度進行診斷。

圖6 驗證數據集中作物冠層氮濃度實測值與預測值之間的關系Fig. 6 Relationship between the measured and predicted plant N concentration for the data from validation datasets

3.3 馬鈴薯與玉米、小麥、水稻等作物紅邊位置的比較

前人基于作物的葉片或冠層高光譜信息，對農作物的紅邊位置進行過較多的比對研究。迄今為止大多基于紅邊位置的研究報道均以小麥、水稻、玉米等主糧作物為研究對象，通過總結對比前人研究結果發現：水稻、小麥、玉米冠層一階導數光譜均存在雙峰現象，水稻紅邊位置在690～740 nm之間，在孕穗期達到紅邊位置最大[24-25]；小麥紅邊位置在680～740 nm范圍內，紅邊位置在抽穗期后開始出現“藍移”現象[20-21]；玉米紅邊位置位于700～740 nm，紅邊位置在開花期前后達到最大值[26-27]。三種作物中小麥與水稻冠層結構較為相似，玉米與這兩種作物冠層結構有較大區別，但紅邊位置間無明顯差異，小麥紅邊位置范圍略大于其他兩種作物，玉米紅邊位置范圍最小，相對于小麥和水稻紅邊位置有略微的紅移。從冠層結構方面來分析，小麥和水稻會有較低的紅邊位置是因為兩者葉片均屬披針形，較為細長，所以在生育前期會有較低反射率，但后期因種植密度較大，容易出現葉片重疊的現象，導致反射率會有所增高。本研究中馬鈴薯紅邊位置在710～748 nm范圍內，比其他三種作物紅邊位置也有紅移的現象，馬鈴薯冠層結構與小麥和水稻有相似之處，都會出現一定程度的葉片重疊的現象，馬鈴薯為羽狀復葉，從塊莖形成期開始葉面積逐漸增大、葉數增多，冠層越來越緊密，這會導致光譜反射率的增高，從而使紅邊位置發生紅移。馬鈴薯的整個生育時期中塊莖形成期至塊莖膨大期紅邊位置達到最大值，說明作物在開花期前后生長發育速度最快，也說明了該時期氮素診斷尤為重要，因此從塊莖形成期開始應該在光譜數據的采集中更為謹慎，要保證探頭與植株冠層的距離維持在50 cm左右，避免因為所采集光譜反射率出現異常而導致預測能力的下降。

表6 線性外推法優化波段 (λ1、λ2)確定及其R2Table 6 Determination of optimized bands (λ1, λ2) in Linear Extrapolation method and the R2

圖7 不同生育時期組合方法紅邊位置分布情況Fig. 7 Red edge position distribution of combination method at different growth stages

3.4 紅邊位置預測的應用及展望

本研究通過大田試驗證明了紅邊位置可以對塊莖形成期—淀粉積累期馬鈴薯植株氮濃度進行預測，線性外推法是最佳的紅邊位置計算方法。線性外推法利用紅光波段光譜反射率的一階導數進行計算，通過近紅外和遠紅外波段中不同波段的組合進而得到與預測指標相關性最好的優化波段，提高預測能力。影響紅邊位置的因素有很多，如數據采集的準確性、植物的種類或品種、不同作物生育時期和波段的選擇都會影響到其結果的準確性。保證光譜信息采集的準確性對于紅邊位置的準確計算有著重要的意義，在進行光譜數據的采集時應選擇在晴朗無云、無風或風速較小的天氣進行采集，傳感器前端距離植株冠層的距離應該保持在50 cm左右。由于馬鈴薯屬于羽狀復葉，葉片會出現重疊現象從而引起反射率的提升，在塊莖形成期和塊莖膨大期冠層生長情況較好時更應注意光譜數據的采集，以防出現反射率異常的情況。紅邊位置能對塊莖形成期—淀粉積累期的馬鈴薯地上部氮濃度作出較好的預測，在生育時期的選擇上值得注意的是不同品種馬鈴薯花期冠層花的顏色和分布情況都會有所區別，在本試驗中花期影響并不明顯，但在本研究中僅對兩個馬鈴薯品種進行了試驗，而現今馬鈴薯品種十分繁多，尚無法斷定本試驗結論是否可以用于其他品種，應再進一步收集數據，對更多品種進行試驗，確定不同品種馬鈴薯光譜特性的異同，以便該方法的大范圍推廣和應用的準確性。

4 結論

紅邊位置能夠對塊莖形成期至淀粉積累期的植株氮濃度進行診斷。線性外推法所得紅邊位置變幅大，對馬鈴薯地上部氮濃度的變化最為敏感，而且可以解決紅邊雙峰現象帶來的影響，減輕紅邊位置的不連續性，回歸模型決定系數和預測精度也為最高，是非常合適的紅邊位置計算方法。