干旱脅迫對(duì)冬小麥光合色素含量影響的高光譜監(jiān)測(cè)

閆曉斌，王志剛，王亞新，馮美臣，王超，肖璐潔，禹靜濤，楊武德

（山西農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院/旱作農(nóng)業(yè)工程研究所，山西 太谷 030801）

近年來(lái)全球變暖，極端氣候?yàn)?zāi)害明顯增多，干旱成為限制農(nóng)業(yè)發(fā)展的主要因素[1]。我國(guó)冬小麥生產(chǎn)主要分布在干旱、半干旱地區(qū)，水資源的匱乏及干旱氣候的加劇嚴(yán)重制約了小麥的生產(chǎn)[2]。隨著全球人口數(shù)量的不斷增長(zhǎng)，對(duì)糧食的需求也會(huì)隨之增長(zhǎng)。據(jù)統(tǒng)計(jì)，到2050年，全球?qū)π←満陀衩椎戎饕任锏男枨箢A(yù)計(jì)將增長(zhǎng)70%[3]。因此，進(jìn)一步挖掘干旱等極端條件對(duì)作物生理生態(tài)的影響，對(duì)作物生產(chǎn)和保障糧食安全有極其重要的意義。

有研究表明，適度的干旱脅迫會(huì)促使作物本身產(chǎn)生抗旱性且積累大量可溶性糖，復(fù)水后向外運(yùn)輸葉片積累的可溶性化合物，在后期的營(yíng)養(yǎng)生長(zhǎng)及產(chǎn)量上會(huì)體現(xiàn)出一定的生長(zhǎng)補(bǔ)償[4]。但重度的干旱脅迫及干旱時(shí)期過(guò)長(zhǎng)，會(huì)對(duì)作物的細(xì)胞結(jié)構(gòu)、組織及器官等造成破壞，造成了小麥光合能力及產(chǎn)量的下降[5]。當(dāng)作物在生長(zhǎng)期間受到干旱脅迫時(shí)，其在外部形態(tài)上的變化會(huì)有滯后性，肉眼觀測(cè)到其形態(tài)發(fā)生變化時(shí)，作物內(nèi)部的結(jié)構(gòu)功能等已經(jīng)發(fā)生破壞，因此，實(shí)時(shí)精確的對(duì)干旱脅迫下冬小麥生理狀況進(jìn)行監(jiān)測(cè)，對(duì)制定科學(xué)的農(nóng)田管理決策具有重要意義[6-7]。

光合色素在植物光合作用中參與吸收、傳遞光能及引起原初光化學(xué)反應(yīng)的作用，是表征植物光合能力的重要參數(shù)[8]。傳統(tǒng)植株采樣測(cè)定作物光合色素含量的方法繁瑣、耗時(shí)且對(duì)植株具有破壞性，不適用于大范圍實(shí)時(shí)的作物光合色素含量監(jiān)測(cè)[9]。高光譜遙感技術(shù)可從微弱的光譜反射率差異定量分析作物群體生長(zhǎng)發(fā)育過(guò)程中的細(xì)微變化，為評(píng)估植物生理狀態(tài)提供了一種快速、無(wú)損的方法[10]。近年來(lái)，隨著高光譜技術(shù)的發(fā)展，利用高光譜技術(shù)監(jiān)測(cè)作物不同生長(zhǎng)階段的光譜變化規(guī)律及作物受到脅迫后體內(nèi)生理生化指標(biāo)的高光譜響應(yīng)特性已經(jīng)成為研究的熱點(diǎn)[11]。有研究表明，光合色素含量與高光譜反射率存在很強(qiáng)的相關(guān)性，光合色素有鮮明的高光譜響應(yīng)特征，因此，利用高光譜技術(shù)對(duì)作物光合色素含量進(jìn)行定量監(jiān)測(cè)有極大的應(yīng)用潛力[12-13]。

目前，國(guó)內(nèi)外專家學(xué)者利用高光譜技術(shù)對(duì)冬小麥光合色素含量進(jìn)行了定量監(jiān)測(cè)研究，例如，趙祥等[14]應(yīng)用偏最小二乘回歸方法建立了冬小麥葉綠素含量的監(jiān)測(cè)模型。孫紅等[15]分析了冬小麥生長(zhǎng)期冠層反射光譜和葉綠素含量的相關(guān)性，并建立了拔節(jié)期葉綠素含量線性檢測(cè)模型（R2=0.92）和孕穗期二項(xiàng)式模型（R2=0.91）。ATZBERGER等[16]比較了3種化學(xué)計(jì)量技術(shù)（PLS、主成分分析和逐步回歸）對(duì)冬小麥冠層葉綠素含量的估算能力，結(jié)果表明，基于PLS建立的預(yù)測(cè)模型表現(xiàn)最好。雖然在前人的研究中建立了較高精度的光合色素含量預(yù)測(cè)模型，但鮮有對(duì)長(zhǎng)時(shí)間干旱后復(fù)水對(duì)冬小麥光合色素含量影響的研究，旱后復(fù)水對(duì)冬小麥光合色素含量影響的高光譜響應(yīng)特性尚不明確[17-19]。

本研究利用高光譜技術(shù)對(duì)干旱脅迫下及復(fù)水后的冬小麥光合色素含量進(jìn)行實(shí)時(shí)監(jiān)測(cè)，對(duì)掌握冬小麥各生長(zhǎng)階段的需水規(guī)律、揭示冬小麥旱后復(fù)水的恢復(fù)機(jī)制及提高水分利用效率有積極作用。

1 材料和方法

1.1 試驗(yàn)地概況

本試驗(yàn)于2020年10月至2021年7月在山西省晉中市太谷區(qū)山西農(nóng)業(yè)大學(xué)農(nóng)學(xué)院農(nóng)作站進(jìn)行。該地區(qū)坐標(biāo)為112°34′16.96′′E，37°25′19.81′′N，屬于溫帶大陸性氣候，年平均氣溫10.4℃，年平均總降水397.1 mm，年平均無(wú)霜期日數(shù)179 d，冬小麥生長(zhǎng)季的降水量和月平均溫度如圖1所示。試驗(yàn)小區(qū)土壤（0～20 cm）的基礎(chǔ)養(yǎng)分情況：機(jī)質(zhì)含量為22.01 g/kg，堿解氮含量為53.8 mg/kg，速效磷含量為18.43 mg/kg，速效鉀含量為236.9 mg/kg，土壤田間持水量為25.55%。

圖1 2020—2021年冬小麥生長(zhǎng)季氣象數(shù)據(jù)Fig.1 Meteorological data map of winter wheat growing season in 2020-2021

1.2 試驗(yàn)材料

供試小麥品種為長(zhǎng)6878，該品種為冬性中早熟品種，分蘗力強(qiáng)、穗層整齊、抗旱，適宜在山西省中部晚熟冬麥區(qū)肥旱地種植。

1.3 試驗(yàn)設(shè)計(jì)

在拔節(jié)至抽穗期設(shè)置了不同干旱程度的水分脅迫，分別為重度脅迫（T1，田間持水量的45%±5%）、中度脅迫（T2，田間持水量的55%±5%）和輕度脅迫（T3，田間持水量的65%±5%），設(shè)置對(duì)照（CK，田間持水量的75%～80%），每個(gè)處理3個(gè)重復(fù)，共12個(gè)小區(qū)。小區(qū)長(zhǎng)3 m、寬3 m，小區(qū)面積9 m2。期間每隔3 d采用烘干法測(cè)定一次土壤含水量，并進(jìn)行土壤水分的控制，使土壤試驗(yàn)保持在目標(biāo)含水量附近。開花至灌漿期恢復(fù)正常供水（田間持水量的75%～80%）。種植前灌足底墑水，種植后統(tǒng)一澆灌越冬水和返青水。試驗(yàn)地設(shè)有可移動(dòng)防雨棚，可消除自然降雨的影響，每個(gè)小區(qū)四周都設(shè)置了PVC防滲板以防止地塊之間的水分交換，通過(guò)水表控制灌溉量，可實(shí)現(xiàn)精準(zhǔn)控水。

1.4 樣本采集與測(cè)定

在拔節(jié)期、孕穗期、開花期和灌漿期采用美國(guó)ASD公司的ASD FieldSpec 3.0光譜儀采集冬小麥冠層光譜；采集時(shí)間為10：00—14：00，選擇風(fēng)力小于3級(jí)、晴朗無(wú)云的天氣進(jìn)行。傳感器探頭置于冠層上方1 m處，與地面保持垂直。為消除環(huán)境變化對(duì)儀器的影響，每隔10 min進(jìn)行白板校正。每一樣本重復(fù)測(cè)量3次后取均值。采集光譜數(shù)據(jù)后，迅速采集對(duì)應(yīng)處理的冬小麥葉片，測(cè)定光合色素含量。

1.5 數(shù)據(jù)分析

采用SPSS 20.0進(jìn)行顯著性分析，Origin 2019b進(jìn)行圖形繪制，The Unscrambler X 10.4進(jìn)行光譜數(shù)據(jù)一階導(dǎo)數(shù)處理，Matlab 2010軟件進(jìn)行模型的建立。

本研究采用連續(xù)投影算法（SPA）提取特征波長(zhǎng)，應(yīng)用偏最小二乘法（PLS）和多元線性回歸法（MLR）進(jìn)行模型的建立。連續(xù)投影算法（SPA）是一種使矢量空間共線性最小化的前向變量選擇算法，它的優(yōu)勢(shì)在于提取全波段的幾個(gè)特征波長(zhǎng)，能夠消除原始光譜矩陣中冗余的信息，可用于光譜特征波長(zhǎng)的篩選[20]。多元線性回歸（MLR）是指有2個(gè)或2個(gè)以上的自變量的回歸分析，由多個(gè)自變量的最優(yōu)組合共同來(lái)預(yù)測(cè)或估計(jì)因變量[21]。偏最小二乘（PLS）是一種強(qiáng)大的多元統(tǒng)計(jì)工具，這種方法可以有效地將大量的光譜數(shù)據(jù)減少為少數(shù)幾個(gè)不相關(guān)的主成分，可以很好地解決數(shù)據(jù)的共線性問(wèn)題[22]。

采用決定系數(shù)（R2）、均方根誤差（RMSE）和相對(duì)分析誤差（RPD）來(lái)對(duì)模型的精度進(jìn)行評(píng)價(jià)，其中，R2越高、RMSE越小，表示模型的擬合效果和預(yù)測(cè)效果越好，當(dāng)RPD≥2.0時(shí)，表明模型有很好的預(yù)測(cè)能力；當(dāng)1.4≤RPD＜2.0時(shí)，表明模型的預(yù)測(cè)能力一般；當(dāng)RPD＜1.4時(shí)，表明模型的預(yù)測(cè)能力較差，難以應(yīng)用于實(shí)踐[23]。

式中，Yi為實(shí)測(cè)值；Y'i為預(yù)測(cè)值；n為樣本數(shù)；p為自變量個(gè)數(shù)；SD為檢驗(yàn)樣本的標(biāo)準(zhǔn)差。

2 結(jié)果與分析

2.1 不同水分脅迫對(duì)冬小麥冠層光合色素含量的影響

不同生長(zhǎng)階段各處理冬小麥冠層光合色素含量如表1所示。

表1 不同生長(zhǎng)階段各處理冬小麥冠層光合色素含量Tab.1 Photosynthetic pigment content in canopy of winter wheat at different growth stages mg/g

由表1可知，從拔節(jié)期到灌漿期，冬小麥的3種光合色素含量水平均呈現(xiàn)出先升高后降低的趨勢(shì)，且在開花期達(dá)到了最大值。在拔節(jié)期，與CK相比，由于T1處理下冬小麥處于重度干旱環(huán)境，光合色素含量均顯著降低；T2處理下Ca和Cb含量沒(méi)有顯著的變化，但Car含量顯著降低；T3處理下Ca和Car含量顯著下降。孕穗期與CK相比，T3處理下光合色素含量顯著升高，T1和T2處理則由于長(zhǎng)時(shí)間的重度和中度干旱脅迫造成了光合色素含量顯著降低。復(fù)水后3種光合色素含量在開花期達(dá)到了最大值，與CK相比，T1和T2處理由于生長(zhǎng)前期長(zhǎng)時(shí)間的重度干旱脅迫，光合色素含量均顯著降低。T3處理則在復(fù)水后表現(xiàn)出了補(bǔ)償效應(yīng)，呈現(xiàn)出光合色素含量顯著升高的現(xiàn)象，因此，在冬小麥生長(zhǎng)前期進(jìn)行輕度脅迫，生長(zhǎng)后期復(fù)水后有利于光合色素含量的提高。

2.2 不同水分脅迫下冬小麥冠層光譜反射率特征分析

由圖2可知，拔節(jié)期在可見(jiàn)光區(qū)域內(nèi)，光譜反射率呈現(xiàn)出T1＞T2＞T3＞CK的規(guī)律；在近紅外光區(qū)域，光譜反射率表現(xiàn)為T1＞CK＞T3＞T2，但T2與T3的差異較小。孕穗期可見(jiàn)光區(qū)域和近紅外長(zhǎng)波區(qū)域內(nèi)，光譜反射率表現(xiàn)為T1＞T2＞T3＞CK，在近紅外短波區(qū)域表現(xiàn)為CK＞T3＞T1＞T2。開花期可見(jiàn)光區(qū)域內(nèi)反射率表現(xiàn)為T2＞T1＞CK＞T3，近紅外光短波區(qū)域內(nèi)光譜反射率表現(xiàn)為CK＞T3＞T2＞T1，近紅外長(zhǎng)波區(qū)域內(nèi)具體表現(xiàn)為：1 400～1 800 nm表現(xiàn)為CK＞T2＞T1＞T3，在1 900～2 450 nm則呈現(xiàn)出T2＞CK＞T3＞T1的現(xiàn)象。灌漿期可見(jiàn)光區(qū)域內(nèi)光譜反射率表現(xiàn)為T1＞T2＞T3＞CK，近紅外光短波區(qū)域表現(xiàn)為T3＞CK＞T1＞T2，近紅外光長(zhǎng)波區(qū)域表現(xiàn)為T1＞T2＞T3＞CK。在拔節(jié)至灌漿期，CK、T2和T3處理的冠層光譜反射率表現(xiàn)出先升高后降低的現(xiàn)象，在開花期冠層光譜反射率達(dá)到了最大，但T1處理下的光譜反射率曲線的表現(xiàn)趨勢(shì)不一致。灌漿期T1和T2處理下的光譜特征發(fā)生了較大的變化，波峰和波谷的特征變得不明顯。

圖2 不同水分脅迫下冬小麥冠層光譜反射率Fig.2 Spectral reflectance of winter wheat canopy under different water stresses

2.3 冬小麥冠層光譜紅邊參數(shù)分析

紅邊參數(shù)是進(jìn)行作物長(zhǎng)勢(shì)狀況監(jiān)測(cè)的重要指標(biāo)，紅邊位置（Drλed）指在680～760 nm波段內(nèi)一階導(dǎo)數(shù)光譜的最大值所對(duì)應(yīng)的波長(zhǎng)。紅邊幅值（rλed）是當(dāng)波長(zhǎng)為紅邊位置時(shí)的一階微分值。紅邊面積（Sred）為680～760 nm的一階導(dǎo)數(shù)光譜所包圍的面積。由表2可知，隨著生育時(shí)期變化，從拔節(jié)期到灌漿期，CK和T3處理下冬小麥冠層光譜紅邊位置開始先向長(zhǎng)波方向移動(dòng)，再向短波方向移動(dòng)，即先“紅移”再“藍(lán)移”；紅邊幅值和紅邊面積先升高再降低，開花期達(dá)到了最大值。在不同的生育時(shí)期，T1和T2處理下紅邊位置沒(méi)有明顯的變化，T2處理下的紅邊振幅和紅邊面積與CK和T3處理表現(xiàn)一致。T1處理下紅邊振幅和紅邊面積表現(xiàn)出與其他3個(gè)處理不同的現(xiàn)象，拔節(jié)期T1處理的紅邊振幅達(dá)到了最大值，由于長(zhǎng)時(shí)間的重度干旱脅迫，孕穗期紅邊振幅和紅邊面積減小，抽穗期復(fù)水后到了開花期，紅邊振幅和紅邊面積有所回升，此時(shí)紅邊面積達(dá)到了最大值。將拔節(jié)期與灌漿期的紅邊參數(shù)進(jìn)行對(duì)比可以發(fā)現(xiàn)，CK下紅邊參數(shù)沒(méi)有明顯的變化，T3處理下紅邊振幅和紅邊面積有所提升，T1和T2處理下紅邊振幅和紅邊面積降低幅度較大，其中，T1處理的降低幅度最大。

表2 不同生育時(shí)期冬小麥冠層光譜紅邊參數(shù)Tab.2 Red edge parameters of canopy spectrum of winter wheat at different growth stages

2.4 光合色素含量與光譜反射率的相關(guān)性分析

從圖3可以看出，光合色素含量與原始光譜反射率相關(guān)系數(shù)最大值均在近紅外短波區(qū)域，其中Ca和Cb與高光譜反射率的相關(guān)系數(shù)分別在1 070、1 096 nm達(dá) 到最大，分 別為0.575和0.565。Car與高光譜反射率的相關(guān)系數(shù)最大值出現(xiàn)在867 nm，為0.552。原始光譜反射率經(jīng)一階微分變幻后，光合色素含量與一階微分光譜反射率相關(guān)系數(shù)最大值均出現(xiàn)在770 nm附近，其中，Ca和Cb與一階微分光譜反射率的相關(guān)系數(shù)均在772 nm達(dá)到最大，分別為0.730和0.766。Car與一階微分光譜反射率的相關(guān)系數(shù)最大值出現(xiàn)在771 nm，為0.626。原始光譜數(shù)據(jù)經(jīng)一階微分變換后，光合色素含量與高光譜反射率的相關(guān)性明顯提高，其中，Ca的相關(guān)性提高了0.155，Cb提高了0.201，Car與光譜反射率的相關(guān)系數(shù)從0.552提高到了0.626。

圖3 光合色素含量與光譜反射率的相關(guān)性Fig.3 Correlation of coefficient of photosynthetic pigment content and spectral reflectance

2.5 特征波長(zhǎng)的篩選

表3為應(yīng)用SPA提取的光合色素的特征波長(zhǎng)。由表3可知，原始光譜反射率下，應(yīng)用SPA提取Ca的特征波長(zhǎng)數(shù)為7個(gè)（933、1 350、1 663、2 262、2 380、2 382、2 400 nm），Cb的特征波長(zhǎng)數(shù)為8個(gè)（681、760、1 000、1 134、1 171、1 350、1 548、2 360 nm），Car的特征波長(zhǎng)數(shù)為4個(gè)（675、1 950、2 053、2 262 nm）。一階微分光譜反射率下，應(yīng)用SPA提取Ca的特征波長(zhǎng)數(shù)為2個(gè)（1 054、1 703 nm），Cb的特征波長(zhǎng)數(shù)為4個(gè)（947、1 692、2 106、2 369 nm），Car的特征波長(zhǎng)數(shù)為4個(gè)（581、1 169、2 292、2 307 nm）。原始光譜反射率經(jīng)一階微分處理后，Ca和Cb的特征波長(zhǎng)數(shù)量有所減少，但類胡蘿卜素的特征波長(zhǎng)數(shù)量沒(méi)有變化。

表3 基于連續(xù)投影算法（SPA）篩選的特征波長(zhǎng)Tab.3 The characteristic wavelengths filtered by successive projection algorithm（SPA） nm

2.6 光合色素含量的描述性統(tǒng)計(jì)分析

將光合色素含量從低到高進(jìn)行排序，采用濃度梯度法將3種光合色素含量按3∶1劃分為校正集和驗(yàn)證集。由表4可知，Ca含量校正集和驗(yàn)證集的范圍分別為3.033、2.892 mg/g，平均值分別為2.773、2.882 mg/g，標(biāo)準(zhǔn)差分別為0.815、0.885 mg/g。Cb含量校正集和驗(yàn)證集的范圍分別為1.261、1.083 mg/g，平均值分別為1.095、1.104 mg/g，標(biāo)準(zhǔn)差分別為0.343、0.349 mg/g。Car含量校正集和驗(yàn)證集的范圍分別為0.659、0.611 mg/g，平均值分別為0.531、0.539 mg/g，標(biāo) 準(zhǔn) 差 分 別 為0.166、0.174 mg/g。Ca、Cb和Car含量的偏度均大于0小于1，從統(tǒng)計(jì)學(xué)的角度來(lái)看，分布具有正偏離，分布服從正態(tài)，因此，可以進(jìn)行進(jìn)一步的統(tǒng)計(jì)分析。

表4 光合色素含量的描述性統(tǒng)計(jì)Tab.4 Descriptive statistics of photosynthetic pigment content

2.7 光合色素含量的監(jiān)測(cè)模型

基于原始光譜反射率和一階微分光譜反射率建立的光合色素含量模型評(píng)價(jià)如表5所示。

表5 光合色素含量模型評(píng)價(jià)Tab.5 Evaluation of photosynthetic pigment content model

偏最小二乘回歸法在處理因變量較多而自變量較少的數(shù)據(jù)時(shí)有一定的優(yōu)勢(shì)。SPA的主要目的是消除自變量之間的共線性，篩選出物理意義明確的波段，簡(jiǎn)化MLR模型的結(jié)構(gòu)，提高模型精度。在對(duì)原始光譜反射率進(jìn)行了一階微分處理后，本研究分別建立了基于原始光譜反射率和一階微分變換后光譜反射率的PLS光合色素模型和SPA+MLR光合色素模型。由表5可知，在全波譜的PLS模型中，較R+PLS模型相比，1st+PLS模型對(duì)Cb含量和Car含量的監(jiān)測(cè)效果較好，但對(duì)Ca含量的監(jiān)測(cè)效果沒(méi)有明顯的提升，其中，Cb含量模型R2C達(dá)到了0.867，R2V達(dá)到了0.696，Car含量監(jiān)測(cè)模型的R2C達(dá)到了0.689，R2V達(dá)到了0.493。與應(yīng)用特征波長(zhǎng)建立的光合色素監(jiān)測(cè)模型相比，應(yīng)用全波譜建立的光合色素模型精度整體較高。在利用特征波長(zhǎng)建立的模型中，R+SPA+MLR模型在對(duì)3種光合色素含量的監(jiān)測(cè)效果均優(yōu)于1st+SPA+MLR模型。

3 討論

3.1 干旱脅迫對(duì)冬小麥光合色素含量的影響分析

光合色素含量是評(píng)估作物光合能力和生長(zhǎng)狀況的重要參數(shù)，干旱脅迫會(huì)對(duì)作物光合色素含量造成顯著影響[24-26]。本研究結(jié)果表明，與CK相比，T3處理在拔節(jié)期Ca和Car含量顯著降低，這是由于冬小麥在前期適應(yīng)干旱環(huán)境時(shí)，碳同化能力下降，造成了光合色素含量的合成減少[27]。在開花期，由于冬小麥完成了營(yíng)養(yǎng)生長(zhǎng)，此時(shí)葉片定型，葉片光合能力達(dá)到了峰值，因此，各處理下的小麥光合色素含量均達(dá)到最大。T3處理在灌漿期3種光合色素均顯著升高，由于生長(zhǎng)前期對(duì)干旱環(huán)境的適應(yīng)，小麥根系及抗旱能力變強(qiáng)，復(fù)水后形成光合色素含量的補(bǔ)償效應(yīng)[28-29]。在生長(zhǎng)前期，T1和T2處理下冬小麥光合色素含量有不同程度的下降，中度和重度的干旱環(huán)境造成了植物光合功能和光合器官的損傷，抑制了冬小麥葉片光合色素的合成[30]。由于光合功能和光合器官不可逆的損傷，復(fù)水后仍表現(xiàn)出光合色素含量顯著低于CK的現(xiàn)象。

3.2 旱后復(fù)水對(duì)冬小麥冠層光譜特性的影響分析

冬小麥冠層光譜反射率受植株含水量、生物量及光合色素含量等綜合因素的影響，其中可見(jiàn)光區(qū)域主要受葉綠素含量的影響[31]。在本研究中，拔節(jié)期和孕穗期隨著干旱脅迫程度的增加導(dǎo)致小麥葉片葉綠素含量逐漸減少，對(duì)能量的吸收也逐漸減少，因此，表現(xiàn)出了在可見(jiàn)光區(qū)域光譜反射率逐漸升高的現(xiàn)象。復(fù)水后，由于T3處理光合色素含量產(chǎn)生了補(bǔ)償效應(yīng)，在可見(jiàn)光區(qū)表現(xiàn)出了冬小麥光譜反射率低于CK的現(xiàn)象。近紅外短波和近紅外長(zhǎng)波區(qū)域反射率的高低則取決于植株含水量及葉片結(jié)構(gòu)[32]。孕穗期CK和T3處理下小麥含水量要高于T1和T2處理，其葉片結(jié)構(gòu)也較為完整，在近紅外短波區(qū)域光譜反射率表現(xiàn)出了CK＞T3＞T1＞T2的現(xiàn)象。T1＞T2可能的原因是T1處理下的冬小麥未能封壟，光譜反射率受到了土壤背景的干擾，隨著生育時(shí)期的推移及復(fù)水，在開花期表現(xiàn)出了CK＞T3＞T2＞T1的現(xiàn)象。到了灌漿期，由于長(zhǎng)時(shí)間的復(fù)水，輕度脅迫下小麥生理生化功能得到恢復(fù)，并且出現(xiàn)了一定的補(bǔ)償效應(yīng)，近紅外光短波區(qū)域光譜反射率表現(xiàn)出了T3＞CK＞T1＞T2的現(xiàn)象。紅邊區(qū)域（680～760 nm）可以很好地反映作物生長(zhǎng)狀況，作物紅邊參數(shù)會(huì)隨著生育時(shí)期的變化而變化[33]。本研究表明，隨著生育時(shí)期的推進(jìn)，CK、T2和T3處理下冬小麥的紅邊振幅、紅邊位置和紅邊面積呈現(xiàn)先升高后降低的趨勢(shì)，且在開花期達(dá)到最大，但T1處理下表現(xiàn)出不一致的現(xiàn)象，由于重度干旱脅迫，在孕穗期T1處理的紅邊振幅和紅邊面積減小，復(fù)水后開花期與孕穗期相比紅邊參數(shù)沒(méi)有明顯的變化，該現(xiàn)象表明在長(zhǎng)時(shí)間的重度干旱下，冬小麥光合色素含量降低，即使生長(zhǎng)后期復(fù)水，也無(wú)法緩解對(duì)光合色素含量的損傷。

3.3 冬小麥旱后復(fù)水模型構(gòu)建與可行性分析

在明確了不同干旱環(huán)境及旱后復(fù)水對(duì)冬小麥光合色素含量及冠層光譜影響的基礎(chǔ)上，本研究對(duì)原始光譜反射率進(jìn)行了一階微分變換，并且分別進(jìn)行了3種光合色素含量與冠層光譜反射率的相關(guān)性分析，結(jié)果表明，3種光合色素含量與冠層光譜反射率有較好的相關(guān)關(guān)系，經(jīng)一階微分變換后的原始光譜反射率與光合色素含量的相關(guān)性有了明顯的提高，與前人的相關(guān)研究結(jié)果一致[34]。在光合色素的高光譜監(jiān)測(cè)研究中，大多數(shù)研究是基于可見(jiàn)光區(qū)域的，因?yàn)榭梢?jiàn)光區(qū)域?qū)ι氐捻憫?yīng)較近紅外區(qū)域更為敏感[35]。本研究表明，應(yīng)用SPA篩選出Ca、Cb和Car的特征波長(zhǎng)大多出現(xiàn)在近紅外區(qū)域，這可能是因?yàn)楦珊得{迫造成了小麥細(xì)胞結(jié)構(gòu)的損傷及植株含水量的減少，造成了光譜特征在近紅外區(qū)域的變化，而這些變化趨勢(shì)與葉綠素的合成相關(guān)。在進(jìn)行光合色素含量的監(jiān)測(cè)時(shí)，不同的預(yù)處理方法及建模方法的使用對(duì)其預(yù)測(cè)精度有很大的影響，因此，本研究分別建立了基于原始光譜反射率和一階微分變換后光譜反射率的全波譜PLS模型和基于特征波長(zhǎng)的MLR模型，結(jié)果表明，相比四類監(jiān)測(cè)模型，基于R+SPA+MLR建立的葉綠素a含量監(jiān)測(cè)模型的精度最高。利用SPA對(duì)葉綠素a的原始光譜進(jìn)行了特征波長(zhǎng)的提取，很大程度上消除了光譜的冗余信息，進(jìn)一步明確了光譜波段與葉綠素a含量的關(guān)系，為利用MLR建立線性的葉綠素a含量監(jiān)測(cè)模型奠定了基礎(chǔ)。而基于1st+PLS建立的葉綠素b含量監(jiān)測(cè)模型和類胡蘿卜素監(jiān)測(cè)模型的精度最高。一階微分的使用增強(qiáng)了原始光譜的有效信息，在增強(qiáng)信息的基礎(chǔ)上，采用PLS可以將大量的光譜數(shù)據(jù)壓縮為幾個(gè)不相關(guān)的主成分，很好地解決了數(shù)據(jù)的共線性問(wèn)題。本研究表明，光譜預(yù)處理方法結(jié)合恰當(dāng)?shù)慕７椒ㄔ诮⒐夂仙睾勘O(jiān)測(cè)模型方面有很好的應(yīng)用潛力。隨著信息技術(shù)的快速發(fā)展，這種通過(guò)不同方法互相組合來(lái)探索最佳模型的黑盒方法正逐漸成為一種趨勢(shì)，能夠有效地發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在規(guī)律，從而促進(jìn)科學(xué)研究的發(fā)展。本研究所采集的冬小麥品種單一，未來(lái)應(yīng)該進(jìn)一步探索不同抗旱性冬小麥品種的光合色素含量與冠層光譜的關(guān)系，為實(shí)現(xiàn)冬小麥光合色素含量的精準(zhǔn)監(jiān)測(cè)作出貢獻(xiàn)。

4 結(jié)論

本研究表明，冬小麥生長(zhǎng)前期進(jìn)行輕度脅迫，生長(zhǎng)后期復(fù)水后冬小麥的光合色素含量顯著增加，而中度和重度干旱脅迫下生長(zhǎng)后期復(fù)水后冬小麥的光合色素含量顯著下降。隨著干旱脅迫程度的增加，冬小麥冠層光譜反射率在可見(jiàn)光區(qū)域逐漸升高，紅邊位置逐漸藍(lán)移，光合色素含量及紅邊參數(shù)在開花期達(dá)到了最大值，復(fù)水后輕度脅迫下紅邊參數(shù)恢復(fù)到了CK水平。光合色素含量與高光譜反射率有很好的相關(guān)性，其中，葉綠素a和葉綠素b含量與一階微分變換后的高光譜反射率的相關(guān)系數(shù)均在772 nm達(dá)到了最大值，分別為0.730和0.766，類胡蘿卜素與一階微分變換后高光譜反射率的相關(guān)系數(shù)最大值出現(xiàn)在771 nm，為0.626。3種光合色素的最優(yōu)模型分別為基于R+SPA+MLR建立的Ca含量監(jiān)測(cè)模型（R2v=0.705，RMSEv=0.556，RPD=1.592）、基于1st+PLS建立的Cb含量監(jiān)測(cè)模 型（R2v=0.696，RMSEv=0.188，RPD=1.856）和基于1st+PLS建立的Car含量監(jiān)測(cè)模型（R2v=0.493，RMSEv=0.138，RPD=1.261）。