基于冠層透射微分光譜的小麥植株含水量監測研究

周 宜，李 曉，賀 利，王洋洋，劉北城，王永華，郭天財，馮 偉

(1.河南農業大學/國家小麥工程技術研究中心，河南鄭州 450046; 2.河南農業大學生命科學學院，河南鄭州 450002)

水分是作物生長發育的重要限制因素，是綠色植物最主要的組成成分，是作物生命活動的基本生活因子。水分虧缺直接影響植物的生理生化過程和形態結構，從而影響植物生長、產量與品質[1-4]。水資源日益短缺的國情要求我國農業生產更高效利用有限的水資源，以獲取更高的產量和更好的品質。因此，實時準確監測作物水分狀況，對提高作物灌溉管理水平和水分利用效率具有重要意義。

傳統的作物水分檢測方法主要有三種，分別為土壤含水量法、植株形態指標法、植株水分生理指標法，然而這些方法在應用時費時耗力，難以實時、準確地提供作物需水信息，不適于現代農業的信息化發展。隨著現代技術發展，基于木質部“空穴現象”聲發射信號、冠層溫度及冠-氣溫差指標可以預測植株含水量，指示作物水分狀況[5-7]。遙感技術的迅速發展使得植株光譜曲線成為直接探測植被水分虧缺狀況、進而評估作物干旱程度的有效方法。由于植物冠層光譜在900、970、1 200、1 450、1 930及2 500 nm等附近存在明顯水分吸收特征，據此可構建水分植被指數監測植被水分狀況[8-9]。用光學遙感直接監測植被水分狀況多基于近紅外和短波紅外波段的反射光譜信息，而這些光譜信息易受大氣、下墊面等環境因素影響，噪音較大，信號不夠穩定，在大田開放式生長條件下精確獲取的難度較大[10]。目前，獲取作物水分信號的光譜儀器相對較少，對儀器要求的技術含量高，通常價格昂貴。

透射光譜技術是通過光在物體中的透射情況來獲得生化信息的新型技術，因其方便快捷、樣品無損、綠色環保等優點而備受關注。目前該技術常用于油脂、奶制品、中藥等的成分檢測及果實病蟲害等的室內檢測[11-16]。光是影響作物生長的重要環境因子[17]，前人對作物冠層中光分布狀況研究較多，而透光率就是表征冠層結構特征的一個重要指標，與冠層內部光照量呈正相關。研究表明，種植株型優良的品種、合理施用肥料、優化作物株行距配置可以改善冠層光環境，進而影響作物形態特征和產量構成[18]。目前，關于作物群體光輻射特性研究多集中于光在冠層內的分布及消減，有關作物冠層光分布特性與植株生理指標間定量關系研究還較少，尤其冠層透射光譜與植株水分狀況的關系研究鮮見報道。

本研究利用多年多點大田測定資料，系統分析小麥植株含水量與已見報道的冠層光譜微分參數間的關系，建立基于冠層透射光譜的紅邊雙峰指數與小麥植株含水量間定量關系，以期用實時獲取的小麥冠層透射光譜信息及時評估植株水分虧缺狀況，為作物精確灌溉管理提供技術支撐。

1 材料與方法

1.1 試驗設計

試驗1：于2015-2016年在河南省鄭州市進行。試驗地土壤類型為潮土，其有機質含量19.8 g·kg-1，全氮含量0.99 g·kg-1，速效磷含量70.02 mg·kg-1，速效鉀含量70.99 mg·kg-1。播種前均基施P2O5150 kg·hm-2和K2O 120 kg·hm-2。供試小麥品種為豫麥49-198。試驗設置0、90、180、270、360 kg·hm-25個施氮水平(分別用N0～N4表示)。總施氮量的50%于播種前施用，剩余的50%于拔節期追施。設置三個水分梯度，分別為不澆水(W0)、拔節期澆一次水(W1)及拔節期和抽穗期分別澆一次水(W2)。隨機區組排列，設3次重復。其他管理措施同高產大田栽培。

試驗2：于2016-2017年在河南省新鄉市進行。試驗地土壤類型為潮土，其有機質含量13.2 g·kg-1，全氮含量0.81 g·kg-1，速效磷含量13.6 mg·kg-1，速效鉀含量156.2 mg·kg-1。播種前均基施P2O5120 kg·hm-2和K2O kg·hm-2。供試小麥品種為周麥27。水氮處理同試驗1，其他管理措施同高產大田栽培。

試驗3：于2017-2018年在河南省新鄉市進行。試驗地土壤類型為潮土，其有機質含量13.3 g·kg-1，全氮含量0.66 g·kg-1，速效磷含量 8.3 mg·kg-1，速效鉀含量100.2 mg·kg-1。播種前均基施P2O5120 kg·hm-2和K2O kg·hm-2。供試小麥品種為周麥27。水氮處理同試驗1，其他管理措施同高產大田栽培。

試驗4：于2017-2018年在河南省洛陽市進行。試驗地土壤類型為潮土，其有機質含量15.4 g·kg-1，全氮含量0.83 g·kg-1，速效磷含量21.6 mg·kg-1，速效鉀含量106.7 mg·kg-1。播種前均基施P2O5120 kg·hm-2和K2O 90 kg·hm-2。供試小麥品種為洛麥26、西農219、中麥175、存麥5號、周麥32。試驗設置三個水分梯度，分別為不澆水(W0)、拔節期澆一次水(W1)及拔節期和抽穗期分別澆一次水(W2)。隨機區組排列，重復3次。其他管理措施同高產大田栽培，試驗數據用于模型驗證。

1.2 指標測定與方法

1.2.1 透射光譜的測定

采用由荷蘭生產的AvaSpec-2048×14型光纖光譜儀測定冠層透射光譜，測定波段范圍為200～1 160 nm。選擇晴朗無云無風天氣的 11:00-13:00進行測定。測量時選取三行有代表性的小麥，將探頭垂直向上置于小麥冠層內距地面3 cm高度處(將行間距20 cm分為4等分，分別在東側小麥行、5 cm、10 cm、15 cm和西側小麥行共5個位置上各采集一個記錄，分別記為E1、E2、E3、E4、E5，統稱為一個處理采樣)，在此前后加測冠層頂部光譜各2次(探頭垂直放置于冠層上方20 cm)，分別對冠層頂部和底部的光譜值進行平均，并計算兩者比率(透射率)。在每一個測定小區，選擇有代表性的樣點3個，將其平均值作為該小區的透射率。試驗1和試驗3光譜測定時期為拔節期、孕穗期、抽穗期、開花期、灌漿前期、灌漿中期和灌漿末期；試驗2從開花期開始測定，主要為開花期、灌漿中期和灌漿后期；試驗4測定時期主要為抽穗期、灌漿中期和灌漿后期。由于灌漿后期植株的快速衰老導致冠層結構破壞，此期僅測定部分小區的透射光譜。試驗1、2、3和4的采集樣本數分別為96、34、98和40。

1.2.2 植株含水量的測定

在獲取光譜數據的同時，每個處理取小麥植株的面積為0.20 m2(0.5 m，2行)，每個取樣點均從地面水平割取。稱得樣品鮮重，后在105 °C下殺青30 min，并在80 °C烘干，直到達到恒重，稱取樣品干重。植株含水量的計算公式：

植株含水量=(樣品鮮重-樣品干重)/樣品鮮重×100%

1.3 數據處理與分析

主要包括冠層透射光譜的特征參數計算、特征參數與植株含水量間相關分析、回歸建模以及模型精度評估等。參照文獻資料，借鑒前人的光譜參數算法，利用MATLAB軟件編程處理光譜數據，計算光譜特征參數。對原始透射光譜進行一階微分變換，計算出部分特定波段(藍光、黃光和紅光)范圍的一些光譜參量。依據相關性選取如表1所示的21個光譜特征參數，分析各個參數與小麥植株含水量之間的定量關系，篩選出敏感光譜參數。利用回歸分析技術確定對小麥植株含水量反應敏感、精度較高的光譜特征參數，并利用均方根誤差(RMSE)和決定系數(r2)進行模型精度評估。

2 結果與分析

2.1 水氮對小麥冠層透射率和微分光譜的影響

水氮顯著影響小麥冠層光譜，且影響程度在不同波段區域存在較大差異(圖1)。以試驗3的孕穗期和開花期原始光譜及其一階微分光譜數據為例，在 350～1 050 nm范圍內，隨著施氮水平的提高(圖1a、圖1c)以及灌水次數的增加(圖1b、圖1d)，原始透射率呈不斷變小趨勢；而微分光譜在不同波段區域存在較大差異，以紅邊區域內響應程度最大，藍邊次之，黃邊最差(圖1e、圖1f)。水氮對微分光譜的影響因波段而異，其中對紅邊微分光譜值的影響較大。隨著施氮水平的提高，微分光譜值增加，N3、N4間差異變小；增加灌水次數后，微分光譜值亦增加，W2較W1略有提高。隨水氮條件的改善，微分光譜的紅邊面積增加明顯，趨勢更加穩定。

表1 高光譜特征參數及定義Table 1 Parameters and definitions of hyperspectral characteristic

a、b、e、f：孕穗期; c、d、g、h：開花期。

a,b,e,f:Booting stage; c,d,g,h:Anthesis stage.

圖1 不同水氮條件下小麥冠層透射率及一階微分光譜的變化

Fig.1 Changes of transmittance and first derivative of wheat under different water and nitrogen treatments

2.2 小麥冠層透射率及微分光譜與植株含水量間相關性

對試驗1～3的不同波段(藍光、綠光、黃光、紅光、近紅外光)透射光譜與小麥植株含水量之間進行相關分析，結果(圖2)表明，在拔節至灌漿中期的6個時期，原始光譜透射率均與植株含水量間呈顯著負相關，其中開花期的相關性相對較差(r>-0.50)；灌漿后期的相關性較低，且為正相關。不同波段間原始光譜與植株含水量的相關系數差異較小。

一階微分光譜與與植株含水量的相關性在不同波段間差異顯著(圖2b)。其中，紅邊的相關性表現最好，在各個時期均呈極顯著的正相關(P<0.01)；其次為綠光，其中以灌漿前期表現較差；近紅外波段因時期而異，開花和灌漿前呈顯著正相關，其他時期均呈負相關，僅孕穗期達極顯著水平。

將不同生育時期數據綜合，分析350～1 050 nm連續波段的透射率及其一階微分光譜值與小麥植株含水量之間的相關性(圖3)。整體而言，不同波段的透射率與植株含水量相關性均較差 (r<0.13)，且顯著差于單個時期的相關性。微分光譜在439、735、823及950 nm處與植株含水量的相關性較好，其中在紅邊區域的735 nm處相關性最高(r=0.73)。由此可見，紅邊區域一階微分值與植株含水量之間相關性在不同生育時期具有較好的一致性，可用于監測小麥植株含水量。

JS:拔節期(n=30);BS:孕穗期(n=30); HS:抽穗期(n=30); AS:開花期(n=45); EF:灌漿前期(n=30); MF:灌漿中期(n=45); LF:灌漿后期(n=18); JS-LF:拔節期-灌漿后期(n=228)。圖4同。

JS:Jointing stage; BS:Booting stage; HS:Heading stage; AS:Anthesis stage; EF:Early grain filling stage; MF:Middle grain filling stage; LF:Later grain filling stage; JS-LF:Jointing stage to late grain filling stage.The same in figure 4.

圖2 小麥不同生育時期的冠層透射率及一階微分光譜與植株含水量間相關系數

Fig.2Correlations of characteristic bands at different wheat growth stages between

transmittance, first derivative and plant water content

圖3 不同波段的小麥冠層透射率及一階微分 光譜與植株含水量間的相關系數(n=228)Fig.3 Correlations of different bands between transmittance, first derivative and plant water content in the wheat canopy

2.3 小麥冠層透射光譜的特征變量與植株含水量間相關性

由表2可知，光譜位置和面積類的特征參數與植株含水量相關性由強到弱依次為紅邊參數、黃邊參數和藍邊參數。紅邊位置參數Dr和λr相關系數分別為0.74和0.59，紅邊面積參數SDr相關系數為0.70。光譜振幅組合及面積組合類參數中，紅藍波段組合與植株含水量的相關性優于紅黃波段組合，振幅組合(Dr-Db)/(Dr+Db)的相關系數為0.75，面積組合參數(SDr-SDb)/(SDr+SDb)的相關系數為0.53。盡管紅邊面積與植株含水量相關性較好，但紅邊區域680～760 nm存在多峰現象。對紅邊區域進行分割，發現不同的紅邊雙峰特征參數與植株含水量表現出不同的相關性。左峰面積和右峰面積與植株含水量均呈顯著正相關，相關系數分別為0.59和0.74，表明左峰面積含有較多的冗余信息，而右峰面積更能突出目標物信息；雙峰面積比和雙峰面積歸一化指數與植株含水量均呈顯著負相關，相關系數分別為-0.83和-0.84。可見，紅邊振幅Dr、紅邊面積SDr、紅藍振幅歸一化(Dr-Db)/(Dr+Db)、右峰面積RSDR、雙峰面積比RIDA及雙峰面積歸一化NDDA與植株含水量的相關性不僅在各生育時期表現較好，而且具有較好的一致性，綜合相關性較強。

表2 小麥冠層透射光譜的特征變量與植株含水量間相關系數(n=228)Table 2 Correlations between characteristic parameters of transmission spectra and wheat plant water content

***：P< 0.001；**：P< 0.01；*：P< 0.05.

2.4 小麥植株含水量與透射光譜的特征變量間定量關系

為了進一步表征小麥植株含水量與透射光譜的特征變量間定量關系，選擇上述6個表現較好的光譜特征變量與植株含水量進行回歸分析。由圖4可以看出，紅邊面積擬合精度最差，r2= 0.50，RMSE為6.21；其次為紅邊振幅、紅藍振幅歸一化及右峰面積，三者之間擬合精度差別較小，r2為0.55～0.56，RMSE為5.71～ 5.90；雙峰面積比及歸一化指數的擬合精度最高，r2分別為 0.69和0.71，RMSE分別為4.87和 4.70。

采用試驗4樣本對上述模型進行驗證，并繪制6種反演模型的植株含水量預測值與實測值散點圖(圖5)，直觀展示模型對植株含水量的預測效果，其中雙峰面積比及歸一化指數的預測精度最高(r2=0.62)。這表明，紅邊雙峰組合參數均能夠很好地反映小麥植株含水量的變化，尤其雙峰面積歸一化指數預測精度更高，誤差控制更好，能有效監測植株含水量狀況，有利于實時評估植株水分狀況及農田受旱程度。

3 討 論

小麥冠層結構具有時間動態性，拔節以后的各生育時期冠層光譜透射率與植株含水量間相關性均達顯著水平，其中抽穗期處理間水分差異較小，開花期受花粉光反射影響，導致該期相關性相對較弱(|r|<0.55 )。隨著生育時期的推移，小麥冠層空間異質性發生變化，不同時期透射率的綜合數據與植株含水量的相關性并不顯著。為減小低頻背景噪音和其他光譜重疊信號的干擾，放大目標探測物(冠層)光譜信息，先后發展了多種光譜分析技術[24-25]。前人研究發現，一階微分光譜可以較好監測作物生長狀況[26-28]。本研究中，對小麥冠層透射光譜進行一階微分處理后，不同時期光譜的綜合數據與植株含水量的相關性與單個時期數據比較的結果因波段而異，其中紅邊720～755 nm的相關系數顯著提高(r>0.75,P<0.001)，說明微分光譜能夠很好地減輕生育時期的影響。通過微分技術提取到的光譜位置及面積變量中，除Db和SDb外，其他光譜參數均與植株含水量表現出較好的相關性(P<0.05)，表明微分光譜能夠很好地反映植株水分信息。

圖4 基于光譜特征參數的小麥植株含水量監測模型(n=228)Fig.4 Monitoring models of plant water content in winter wheat based on spectra characteristic parameters

圖5 基于光譜特征參量的冬小麥植株含水量預測值與實測值的比較(n=40)Fig.5 Comparison between predicted and observed plant water content in winter wheat based on spectral characteristic variables

紅光是光合作用高效光波段，增加紅光成分可提高了植株株高、葉面積、葉綠素含量、葉片光合速率及干物質生產量，促進同化產物向營養器官分配[29-30]。由于680～760 nm處于紅光強吸收區和近紅外強反射區的過渡區，光譜變化比較劇烈，蘊含著豐富的植被信息，被廣泛用于監測植被生長狀況[31-32]。據此，本研究篩選出的紅邊面積(SDr)、紅邊振幅(Dr)及藍邊振幅(Db)的歸一化值(Dr-Db)/(Dr+Db)與植株含水量的相關系數均高于0.70(P<0.001)。通過對紅邊面積分割并分析其與植株含水量間關系，發現右峰面積更能突出植株含水量的信息，雙峰面積比值及歸一化與植株含水量間相關性進一步增強，線性方程擬合精度r2分別為0.69和0.71，能夠適用于不同生育時期植株含水量的監測。

植被水分吸收波段主要位于近紅外及短波紅外區，前人基于這種物理學基礎的直接相關法確立了水分指數及估算方法。研究發現，不施氮肥的小麥受干旱的影響最嚴重，可利用水分吸收波段計算水分指數WI(WI=R970/R900)，用于預測葉片水分狀況[8]。Danson等發現，1 360～ 1 470 nm和1 830～2 080 nm反射率一階導數與葉片含水量顯著相關，且不受葉片結構的影響[33]。劉小軍等基于短波紅外波段提出了監測水稻葉片含水量的光譜指數RSI(R1402, R2272) 和NDSI(R1402, R2272)[34]。當然，冠層反射光譜主要反映植株上層信息，包含的中下層信息較少，這在一定程度上也影響了利用短波紅外反射光譜對植被水分狀況的精確評價。在作物生長中，不同的水氮處理顯著影響作物生長狀況，提高水肥吸收及干物質生產能力，而這種生長差異反過來影響冠層光譜特性，因此可見光信息也能間接反映作物水分狀況。前人利用這種生物學關聯機制的間接方法進行了作物水分及氮素的估算評價[35-36]。例如，氮肥水平會影響作物長勢及葉綠素含量，進而影響光譜吸收，因此利用葉綠素敏感波段可以間接監測氮素狀況。Thomas等利用葉綠素敏感波段550 nm和670 nm建立模型，定量估算甜椒葉片氮含量[37]。吳華兵等利用對長勢敏感的波段及指數RVI [average(760-850),700] 定量指示棉花冠層葉片氮含量[38]。水分盈缺程度直接影響植物吸收利用土壤中的有機物和無機物質的能力及作物長勢，進而對冠層光譜產生影響。田永超等提出R(610,560)、(R810-R610)/(R810+R610)和R(610,560)/ND(810,610)三類光譜指數，均與小麥水分參數呈極顯著線性相關[39]。劉曉靜等發現，基于560 nm、610 nm、680 nm和810 nm構建的NDVI和OSAVI等植被指數與冬小麥葉片相對含水量呈極顯著相關[40]。哈布熱等發現，不同生育時期冬小麥植株水分狀況均與650～775 nm波段密切相關，利用該波段構建的回歸模型可用于監測冬小麥植株含水率[41]。以上研究證實了采用可見光信息可以間接反映植株水分狀況。冠層反射光譜存在僅反映植株上層信息的缺點，而本研究采用的冠層透射光譜是光穿透整個冠層后的信息結果，與群體結構密切相關，較反射光譜包含更多的作物長勢信息，這在一定程度上可以彌補間接監測小麥植株含水量的不足，提高監測精度。因此，本研究基于可見光透射光譜技術，囊括多個生育時期，綜合不同水氮耦合處理對冬小麥植株含水量的影響，構建了普適性較強的冬小麥植株含水量監測模型，從而為小麥水分監測和精確灌概提供技術支撐。

目前，有關植被冠層光譜信息的采集儀器較多，其中，可見光光譜信息較為穩定，信噪比高，而近紅外光和短波紅外光譜極易受大氣環境(溫度、濕度、噪聲、大風等)的影響，噪音相對較大，且植被信號不夠穩定。為此，要獲得較為可靠的近紅外及短波紅外的植被光譜信息，對采集儀器的精密度、專業性要求較高，一般價格較為昂貴，農業生產應用受限。本研究采用的是透射光譜技術，僅利用可見光波段就可以間接監測植株水分狀況，證實了可見光信息也能監測植被水分狀況的可行性。這為小麥生產的水分灌溉管理提供了可靠的關鍵技術，同時為作物水分監測提供了新的途徑與方法。由于對探測可見光光譜信息的儀器技術要求相對較低，此類儀器價格相對低廉，可推廣到農業生產中，實時監測作物水分狀況，指導田間水分管理，促進精準農業發展。基于透射光譜監測作物水分狀況在田塊尺度上簡單易行，而上升到高空大面積尺度上還需地面數據輔助，系統確立反射光譜與透射光譜間關聯機制，有關這方面的研究還需進一步開展。

4 結 論

透射光譜可以穿透整個冠層，直接感知植株生長狀態。光譜微分技術減弱了不同生育時期間差異，透射光譜的紅邊區域一階微分值與植株含水量間相關顯著。以紅邊雙峰面積比值及歸一化指數為變量構建的監測模型能夠精確反演小麥植株含水量，尤其紅邊雙峰面積歸一化指數模型精度最高，這對于利用可見光信息實時監測植被水分狀況，為作物精確灌溉管理提供了理論基礎及技術參考。