基于光譜變換的冬小麥冠層SPAD值估算模型研究

林少喆，彭致功，張寶忠，魏 征，張 倩，韓娜娜，劉 露，王春堂，馮 哲

(1.山東農業大學水利土木工程學院，山東 泰安 271018； 2.中國水利水電科學研究院流域水循環模擬與調控國家重點實驗室，北京 100038；3.青島平度市水利勘察設計院，山東 青島 266700)

0 引 言

葉綠素作為植物生長過程中重要的生化參數之一，其含量多少是評價植株的氮素狀態、生長狀況和光合能力的良好指示指標[1-3]，因此實時監測植株葉綠素含量，對作物長勢預測、氮肥調控、產量評估等具有重要的理論和實踐意義[4,5]。傳統監測葉綠素含量的方法均通過破壞性采樣測定，費時費力，代表性差，難以滿足規模化監測要求[6]；近年來隨著光譜技術的快速發展，其時空分辨率大幅提高，能及時獲取作物長勢狀況，為大規模作物長勢實時快速無損監測提供了技術支撐[7]。

近年來國內外學者對作物葉綠素含量監測方法進行了大量的研究，并建立了各主要作物葉綠素含量估算模型。諸多研究成果側重于對作物特定生育階段葉綠素含量監測與分析，而SPAD值是表征植株葉綠素相對含量的參數，在一定條件下可以完全替代葉綠素含量。王凱龍等人通過比較15種高光譜指數與SPAD的相關性，確定了特定生育期估算小麥葉片SPAD值的最佳指數[8]；殷紫等人研究表明油菜苗期監測SPAD值的最佳的光譜指數為SDr/SDy，現蕾抽苔期監測SPAD值最佳光譜指數為(SDr-SDy)/(SDr+SDy)[9]；余蛟洋等人基于光譜特征參數構建了不同生育期蘋果葉片SPAD值的估算模型，并指出不同生育期均以藍邊幅值和綠峰面積為自變量構建的估算模型模擬精度最高[10]；袁媛等人利用RVI、NDVI、DVI等3種植被指數分別與夏玉米不同生育期的SPAD值進行葉綠素含量模型構建，篩選出夏玉米不同生育期最佳擬合模型，其中拔節期、抽穗期、灌漿期、蠟熟期監測SPAD值的最佳植被指數分別為RVI、NDVI、NDVI、DVI[11]。由于不同生育時段外部光熱環境、自身形態及葉片組織結構也在不斷變化，作物冠層光譜反射率也存在顯著差異[12,13]，因此特定生育期光譜模型能否適用于全生育期植株冠層葉綠素含量的監測有待驗證。為兼顧模型的簡單實用性與易操作性，部分學者也通過對比多種模型在不同生育階段的模擬效果，提出了適用于整個生育階段的作物葉綠素含量估算模型，如羅丹等人指出了RSI(FD689,FD609)和SASI(R491,R666)L=0.01為預測全生育期冬小麥冠層葉綠素含量的最佳指數[14]，該類模型在特定生育時段監測效果如何有待進一步驗證。

對光譜數據進行光譜變換如倒數、對數與微分等平滑處理和降噪處理，對降低背景與噪音影響具有較好的效果[15]。張雪茹等人對原始光譜數據進行15種光譜變換，提出了能夠表征低溫脅迫下冬小麥葉綠素含量的最佳光譜變換形式[16]；張賢龍等人提出一階微分和一階對倒數變換下光譜模型估算土壤鹽分精度較高[17]；王磊等人指出了光譜數據的歸一化對數處理顯著提高了玉米氮素含量的反演精度[18]。可見，通過構建基于光譜變換相關參量的模擬模型，能夠提高光譜監測精度。

本文以冬小麥為研究對象，利用2017-2018年不同施氮水平下各生育期冬小麥冠層光譜反射率與植株冠層SPAD值的數據，分析了光譜數據變換和植株冠層SPAD值之間的相關性，提出了考慮各生育期特點且具有較高精度的適宜模型組合，以期為華北地區高光譜診斷冬小麥冠層葉綠素含量提供理論依據和技術支持。

1 材料與方法

1.1 試驗區概況

本試驗在中國水利水電科學研究院大興節水試驗基地(39°37′N, 116°26′E)進行，該基地屬于暖溫帶半干旱大陸性季風氣候，冬春干旱、夏季多雨；年均日照數約2 600 h，多年平均降雨量為540 mm，多年平均氣溫12.1 ℃，年無霜期平均為185 d，全年平均水面蒸發量在1 800 mm以上。

1.2 試驗設計

供試冬小麥品種為中麥175，2017年10月13日播種，行距為30 cm，于次年6月6日收獲，生育期達236 d。冬小麥全生育期內施肥2次，分別為播前基肥施復合肥(含N量15%)和返青期追施尿素(含N量45%)。共設置5個施氮水平，分別為0、90、135、180、225 kg/hm2(純氮)，即N1、N2、N3、N4、N5處理，各處理設置3次重復；共分為15個小區，小區長為8 m，寬為7 m，面積為56 m2。各小區均保持灌溉水平一致，其他田間管理措施按照當地一般高產田進行。

1.3 測定項目與方法

1.3.1 冠層光譜測定

在冬小麥生育期內，選擇晴朗無云或少云天氣條件下，采用美國ASD公司生產的Field-SpecHandHeld2手持式光譜儀測定小麥冠層光譜，測定時間一般以10∶00-14∶00為宜。監測前進行光譜儀的優化，且采用反射率為1的白板校正，測量時光譜儀探頭距冬小麥冠層約15 cm，始終與地面保持90°，視場角為25°。各監測點設置重復采樣10次，取其平均值作為該監測點的冠層反射率；每個小區設置3處具有代表性的監測點，取其平均值作該小區的冠層光譜反射率。在冬小麥拔節期后依據天氣情況每7～10 d進行1次光譜反射率測定，共監測5次，分別為4月27日(拔節-抽穗期)、5月6日(抽穗-灌漿期)、5月13日(抽穗-灌漿期)、5月20日(灌漿-成熟期)和5月27日(灌漿-成熟期)。

1.3.2 葉綠素含量測定

由于SPAD值與葉片葉綠素含量呈極顯著相關，一定條件下可以代替葉綠素含量[19-22]，因此本文使用SPAD-502型葉綠素儀對冬小麥葉片SPAD值進行田間無損測量。在測定冠層光譜的區域隨機選取2株旗葉或頂1葉中部進行SPAD測定，取二者平均值作為該監測樣點的冠層SPAD值，每小區選定3處監測樣點，取各監測樣點平均值作為該小區的冠層SPAD值。

1.3.3 光譜變換方法

在前人研究的基礎上，本文選取10種典型的數學變換方法對冬小麥冠層光譜反射率值進行變換，見表1[23-25]。

表1 10種光譜變換計算公式Tab.1 10 kinds of spectral transformation formula

注：“′”表示一階導數。

1.4 數據處理與統計分析

本文共測定SPAD值樣本共75份，剔除異樣值后將該樣本按2∶1隨機分成兩部分，將各生育期相同處理的3份樣本隨機抽取2份樣本進行冬小麥SPAD值模型構建，剩余1份樣本用于模型穩定性及精準性的檢驗；即將50份樣本通過函數擬合構建模型，25份樣本作為檢驗樣本對模型性能進行評估。所述模型的評價選取決定系數R2、均方根誤差RMSE及平均絕對誤差MAE進行綜合評定。R2越大，RMSE和MAE越小，模型的精度越高。具體公式如下：

(1)

(2)

(3)

2 結果與分析

2.1 不同施氮水平下冬小麥SPAD值的變化特征

不同施氮水平下冬小麥冠層SPAD值見表2，隨著冬小麥生育期的推進，SPAD值呈先增加后降低的趨勢，在抽穗-灌漿期小麥冠層SPAD達到最高點為54.80；隨后降低，在灌漿-成熟期小麥冠層SPAD降至48.298，由于在灌漿期之后，冬小麥的營養物質開始向麥穗轉移，小麥葉片凋萎衰老，導致葉綠素含量降低。冬小麥冠層SPAD值隨著施肥量的增加呈增加的趨勢。不同施氮水平下冬小麥冠層SPAD值存在顯著性差異，其中在拔節-抽穗期和抽穗-灌漿期，N1處理與其他處理間的冠層SPAD值差異均達顯著水平；而在灌漿-成熟期，N5、N3、N1等各處理間冠層SPAD值差異達極顯著水平。

表2 不同施氮水平下冬小麥植株冠層SPAD值Tab.2 Canopy SPAD values of winter wheat plants under different nitrogen levels

同一列不同小寫字母之間表示同一生育期不同施氮水平之間差異顯著(p<0.05)；同一列不同大寫字母之間表示同一生育期不同施氮水平之間差異極顯著(p<0.01)。

2.2 冬小麥植株冠層光譜特征

冬小麥的光譜具有一般綠色植物的反射特性，即在可見光波段光譜反射率較低，在近紅外區域光譜反射率較高，且較可見光波段差異顯著。由于小麥在生長過程中，葉綠素含量增加，光合作用增強，吸收紅光與藍光的能力增強，使反射率降低，從而形成兩個吸收谷；而冬小麥對綠光的吸收能力較弱，因此形成較為明顯的反射峰；在690 nm后，葉片細胞結構發生變化[26]，反射率急劇上升，形成一個較高的反射區，即“紅邊現象”。在同一生育期內，隨著施氮量的增加，冬小麥植株冠層光譜反射率在可見光區域內降低；在近紅外波段范圍內則呈相反趨勢，即隨著施氮量增加，冬小麥植株冠層反射率增加。

圖1 冬小麥植株冠層光譜特征Fig.1 Canopy spectral characteristics of winter wheat plants

2.3 冬小麥冠層SPAD值與不同光譜變換形式的相關性

將不同光譜變換形式與冬小麥SPAD值進行相關性分析，以相關系數最大為原則篩選不同光譜變換形式下的敏感波段(見表3)。在拔節-抽穗期，除V9未達顯著水平外，V0、V3、V4、V6、V7達顯著水平，V1、V2、V5、V8、V10甚至達極顯著水平，其中與V10相關性最高，二者間相關系數為-0.854，其對應的敏感波段為503 nm；在抽穗-灌漿期，冬小麥冠層SPAD值與不同變換形式的相關系數的絕對值大于0.505，且均達極顯著水平，其中也以與V10的相關性最高，二者間相關系數為-0.904，其對應敏感波段為543 nm；在灌漿-成熟期，冬小麥冠層SPAD值與不同光譜變換形式的相關系數絕對值穩定在0.634～0.867之間，且均達極顯著水平，其中相關系數最高的變換形式為V8，二者間相關系數為0.867，其對應的敏感波段分別為726 nm。通過對全生育期植株冠層SPAD值與各光譜變換形式進行相關分析，二者間相關系數的絕對值大于0.433，且均達極顯著水平；其中相關系數最高的變換形式為V2，其對應的敏感波段為724 nm，屬于紅光范圍，其相關系數為-0.765。可見，拔節-抽穗期和抽穗-灌漿期的敏感波段分別為503 nm、543 nm，該波段屬于綠光波段范圍，而灌漿-成熟期與全生育期的敏感波段為726 nm、724 nm屬于紅光波段范圍。不同生育期和全生育期最佳光譜變換形式及相應敏感波段各異，為了保證模擬效果的準確性與可靠性，采用光譜變換構建冬小麥SPAD值模型應結合不同生育期特點，選擇適宜光譜變換形式及其相應的敏感波段。

表3 不同生育期冬小麥冠層SPAD值與各光譜變換形式的相關系數Tab.3 Correlation coefficient between winter wheat canopy SPAD value and various spectral transformation forms in different growth stages

注：“**”表示極顯著相關，“*”表示顯著相關。

2.4 冬小麥冠層SPAD值光譜模型構建

基于光譜變換的冬小麥冠層SPAD值監測模型見表4，以各生育期冠層SPAD值為因變量，各生育期相關系數最高的光譜變換值為自變量，其中拔節-抽穗期以敏感波段503 nm下光譜變換V10值，抽穗-灌漿期以敏感波段543 nm下光譜變換V10值，灌漿-成熟期以敏感波段726 nm下光譜變換V8值，在此基礎上構建了綜合考慮各生育期不同光譜變換形式下適宜的回歸模型組合即模型組合1；參考以往研究成果[27]，紅邊波段(720～740 nm)為葉綠素的敏感波段，同時綜合表3的分析結果，選取了以敏感波段724 nm下V2值作為全生育期模擬效果較為理想的單個光譜變換值的一元二次回歸模型即模型2。

基于光譜變換的冬小麥冠層SPAD值的一元二次回歸模型評價指標如表5，在拔節-抽穗期，模型1的決定系數R2為0.836，模型2的決定系數R2為0.672，與模型2相比，模型1的決定系數R2提高24.4%；在抽穗-灌漿期，模型1的決定系數R2為0.855，模型2的決定系數R2為0.806，與模型2相比，模型1的決定系數R2提高6.1%；在灌漿-成熟期，模型1的決定系數R2為0.917，模型2的決定系數R2為0.581，與模型2相比，模型1的決定系數R2提高57.8%。針對生育期模擬效果，模型1的決定系數R2為0.890，模型2的決定系數R2為0.646，與模型2相比，在全生育模型1的決定系數R2提高37.8%。可見，綜合考慮各生育期特點模型組合1在各個生育時段的監測效果都要優于模型2，而模型2在各個生育期監測精度雖然在可接受范圍內，但不同生育期間監測效果差異比較大。

表4 基于光譜變換的冬小麥冠層SPAD值監測模型Tab.4 SPAD monitoring model of winter wheat canopy based on spectral transformation

2.5 冬小麥冠層SPAD值光譜模型驗證

為了評估冬小麥冠層SPAD值光譜模型的可靠性與穩定性，利用驗證樣本集(n=25)對上述2個模型分別進行驗證見表6、圖2。由表6可知，模型1在拔節-抽穗期的決定系數R2為0.492，均方根誤差RMSE為4.361，平均絕對誤差MAE為3.248，較同期模型2的決定系數R2提高6.3%，均方根誤差RMSE和平均絕對誤差MAE分別減少30.6%、31.3%；模型1在抽穗-灌漿期的決定系數R2為0.786，均方根誤差RMSE為3.339，平均絕對誤差MAE為2.533，較同期模型2的決定系數R2提高40.6%，均方根誤差RMSE和平均絕對誤差MAE分別減少62.5%、48.8%；模型1在灌漿-成熟期的決定系數R2為0.652，均方根誤差RMSE為5.619，平均絕對誤差MAE為4.262，較同期模型2的決定系數R2提高11.5%，均方根誤差RMSE和平均絕對誤差MAE分別減少6.2%、4.9%；模型1在全生育期的決定系數R2為0.606，均方根誤差RMSE為4.571，平均絕對誤差MAE為3.367，較同期模型2的決定系數R2提高2.5%，均方根誤差RMSE和平均絕對誤差MAE分別減少1.1%、2.9%。可見，在模型驗證情況下，采用各生育期不同光譜變換形式下適宜的回歸模型組合的監測效果優于僅單個光譜變換值的一元二次回歸模型。

表5 基于光譜變換的冬小麥冠層SPAD值估算模型評價指標Tab.5 Evaluation index of winter wheat canopy SPAD value estimation model based on spectral transformation

表6 冬小麥冠層SPAD值光譜模型驗證評價指標Tab.6 Winter wheat canopy SPAD value spectral model verification evaluation index

圖2 冬小麥冠層SPAD值實測值與預測值的關系圖Fig.2 Relationship between measured values and predicted values of winter wheat canopy SPAD values

3 結 論

本文以冬小麥各生育期植株冠層SPAD值與不同光譜變換之間的相關性為基礎，考慮各生育期間的差異，構建了各生育期不同光譜變換形式下的冬小麥冠層SPAD值適宜模型組合和全生育期單個光譜變換值的一元二次回歸模型，并對各模型監測效果進行驗證。具體結論如下：

(1)同一生育期不同施氮水平下，在可見光范圍內冠層光譜反射率隨著SPAD值的增大呈降低的趨勢；在近紅外范圍內冠層光譜反射率隨著SPAD值的增大呈增大的趨勢。

(2)拔節-抽穗期、抽穗-灌漿期、灌漿-成熟期與冬小麥冠層SPAD值相關性最高的光譜變換形式分別為V10(一階微分)、V10(一階微分)、V8(對數的一階微分)，其敏感波段分別為503、543、726 nm；全生育期相關性最高的光譜變換形式為V2(除以R930)，其敏感波段為724 nm。

(3)模型組合1在拔節-抽穗期、抽穗-灌漿期、灌漿-成熟期以及全生育期的決定系數R2均大于0.8，且較同期模型2的決定系數R2均有較大幅度的提高，表明采用各生育期不同光譜變換形式下適宜模型組合的監測效果優于單個光譜變換值的一元二次回歸模型，且能夠提高模型的模擬精度與穩定性。

□