利用高光谱数据估测不同温度胁迫下的水稻籽粒中粗蛋白和直链淀粉含量

谢晓金，李秉柏，朱红霞

冠层反射光谱能够反映作物群体面源信息，通过对冠层光谱信息的解析，可以有效提取和突出作物目标的实时信息。多年来，反射光谱数据已成为估测叶面积指数、地上生物量、叶绿素含量和氮素营养等农作物长势监测和遥感估产的重要手段[1，2]。粗蛋白和直链淀粉含量是谷类作物营养品质的两个重要指标，近年来，国内外许多研究表明，利用反射光谱来预测谷类籽粒的粗蛋白和直链淀粉含量也是可行的。Hansen等报道了利用冠层光谱反射率和偏最小二乘法预测小麦籽粒蛋白质含量[3]。李映雪等指出，灌浆中期冠层光谱指数RVI(1 220,710)能预测不同小麦品种成熟期籽粒蛋白质含量的变化[4]。刘芸等利用原始光谱反射率和一阶导数光谱来构建植被指数来预测籽粒粗蛋白、粗淀粉和直链淀粉含量，其决定系数达0.7以上[5]。但以上研究主要偏重于氮素胁迫下的谷类籽粒品质的光谱反演，而定量反演高温胁迫条件下水稻籽粒品质的研究未见报道。目前，随着全球气候变化的日益加剧，夏季极端高温和持续高温频繁出现，我国长江流域水稻发生热害的频率与受害程度随之加大，对水稻品质损害的程度也越来越严重，而利用高光谱遥感技术进行高热害长势和品质监测的研究必是未来农业遥感重心之一[6,7]。本研究以不同年份、不同品种类型在不同温度胁迫下的水稻试验为基础，测定不同生育期水稻冠层高光谱反射率以及成熟籽粒的粗蛋白和直链淀粉含量，讨论水稻籽粒的粗蛋白和直链淀粉含量与冠层反射光谱参数的定量关系，为快速、低成本地检测稻米品质提供依据，同时也为用高光谱遥感方法在水稻高温热害中的品质监测应用提供重要的理论依据。

1 材料与方法

1.1 试验设计

试验1：试验于2007、2008年在江苏省农业科学院试验站进行，供试水稻品种为扬稻6号（常规籼稻，全生育期约138d）和南粳43（常规粳稻，全生育期约160d）。5月15日育秧，6月18日移栽，扬稻6号于8月18日开始抽穗，南粳43于9月1日开始抽穗。采用浙江余姚生产的远红外加热灯管（长1.5m，额定功率1000W）和自动控温系统，自行设计高1.7m，长、宽各1.5m的柱型钢管支架，安置在水稻试验田中，远红外加热管离地1.5m高。在温控和通风系统的调控下，使加热区（离地面0.8m-1.2m高的空间）的温度变幅控制在±0.2℃左右。在两个水稻品种处于孕穗期时，随机选取10箱水稻进行高温处理，另外10箱为常温对照（CK），加热设施提前30min通电预热，以确保09:00-14:00时段内穗层温度为35℃、38℃与41℃，处理时间为3d，每天高温处理5h后停止增温。在处理时段内，常温对照的气温为30℃-31℃，相对湿度为65%，高温处理的相对湿度为68%。

试验2：在以上两个水稻品种处于孕穗期时，随机选取5箱水稻移入RXZ型人工气候光照培养箱中，进行35℃、38℃与41℃3个温度梯度处理，处理时间为3d，每天处理5h（09:00-14:00），每天高温处理结束之后放置于网室内。以自然环境条件下温度为对照。试验资料用于检验预测模型。

1.2 试验测定

1.2.1 光谱测定 于水稻开花期、灌浆期及蜡熟期采用美国Analytical Spectral Device(ASD)公司生产的FieldSpec Pro FR2500型背挂式野外高光谱辐射仪测定冠层光谱反射率，光谱仪的波段范围为350 nm-2 500 nm，其中，350 nm-1 000 nm光谱采样间隔为1.4 nm，光谱分辨率为3nm；1 000 nm-2 500 nm光谱采样间隔为2 nm，光谱分辨率为10 nm。冠层光谱测定选择在天气晴朗、无风或风速很小时进行，时间范围为10:00-14:00，传感器探头垂直向下，距冠层顶垂直高度约1.0m，光谱仪视场角为25°，地面视场范围直径为0.44m。每个小区记录10个采样光谱，取平均值作为该处理的高光谱反射值。测量过程中及时进行标准白板校正。用ASD ViewSpec Programs软件读取反射光谱原始数据。

1.2.2 粗蛋白和直链淀粉测定 将光谱测量区域的水稻收获后碾磨去壳，得大米。大米直链淀粉的提取参照洪雁等[8]方法。用凯氏定氮法测全氮含量，根据一般大米蛋白质含约16.80%氮的原理，将所得的全氮含量乘以换算因子K=5.95，推算为粗蛋白含量。

1.3 数据分析

参照已有的植物光谱参数计算方法[9-12]，基于所有波段的反射率、一阶导数构建两波段组合的比值、差值和归一化植被指数以及红边幅值等特征光谱参数，以试验1为基础，对水稻冠层各项光谱参数与成熟籽粒粗蛋白质和直链淀粉含量进行相关分析，选择与籽粒粗蛋白质和直链淀粉含量显著相关的波段及植被指数进行回归拟合，并通过回归分析确定监测水稻籽粒蛋白质和直链淀粉含量的最佳光谱参数，建立预测模型。利用试验2的观测数据对以上模型进行测试和检验。采用国际上常用的根均方差法 (RMSE,root mean square error)对模型进行检验。RMSE以模拟值与观测值的一致性来反映模型的预测能力，RMSE值小于10%，表明预测性强；RMSE值大于30%，则表明预测性差。并引用Massart等[13]提出的精确度(Precision)和准确度(Accuracy)概念对模型的预测精度进行评价，精确度即实测值与预测值之间的决定系数，准确度即实测值与预测值拟合方程的斜率。

2 结果与分析

2.1 高温胁迫下籽粒粗蛋白和直链淀粉含量的变化

图1展示出不同温度胁迫条件下扬稻6号和南粳43的粗蛋白和直链淀粉含量的变化特点。可以看出，与对照相比，两个水稻品种的籽粒粗蛋白和直链淀粉含量均达到显著或极显著水平（p＜0.05或P＜0.01），并且随胁迫温度的增加，两个品种的籽粒粗蛋白含量呈下降趋势，而直链淀粉含量呈上升趋势。

2.2 冠层反射光谱与水稻籽粒粗蛋白和直链淀粉含量的关系

2.2.1 冠层单波段反射率与籽粒粗蛋白和直链淀粉含量的相关性 从图2可以看出，水稻籽粒的粗蛋白和直链淀粉含量与3个生育期冠层光谱反射率的相关性具有相反的趋势，其中粗蛋白与开花期和灌浆期冠层光谱反射率在整个光谱区域都达到正相关，直链淀粉含量与开花期冠层光谱反射率仅在红光（642 nm-691nm）范围内呈正相关，在其他光谱范围内均呈负相关，而与灌浆期冠层光谱反射率在整个光谱区域都达到正相关。对于蜡熟期，粗蛋白在350 nm-532 nm、575 nm-695 nm以及1 760 nm以上光谱区域呈负相关，在其他光谱范围内均呈正相关。直链淀粉含量在350 nm-706 nm光谱区域呈正相关，而706 nm以上可见光和红外区域光谱为负相关。另外，水稻籽粒的粗蛋白和直链淀粉含量与不同生育期叶片冠层光谱一阶导数在某些波段（如376 nm、416 nm、628 nm和715 nm等）也达到了显著或极显著相关水平（p＜0.05或p＜0.01）。这表明，可以通过冠层原始高光谱反射率和一阶导数来估测籽粒的粗蛋白和直链淀粉的相对含量。本试验还显示，籽粒的粗蛋白与直链淀粉含量之间呈显著负相关，相关系数达-0.356，表明水稻籽粒粗蛋白含量越高，其直链淀粉含量相对就越低。

2.2.2 各类光谱变量与籽粒粗蛋白和直链淀粉含量的相关性将水稻冠层原始光谱反射率、一阶导数以及组合成的光谱变量与粗蛋白和直链淀粉含量进行相关性分析，并将相关系数较大的光谱变量列于表1，部分估算方程列于表2。结果显示：3个生育期冠层光谱变量对粗蛋白和直链淀粉含量预测性都较好，均达到显著或极显著水平（p＜0.05或p＜0.01），但开花期的冠层光谱变量对粗蛋白和直链淀粉含量的预测性优于灌浆期，而灌浆期的预测性又优于蜡熟期，光谱变量中的差值植被指数DVI(810,450)、DVI(810,680)和670 nm-755nm面积可以同时预测籽粒的粗蛋白和直链淀粉含量。

表1 不同生育期冠层光谱参数与水稻籽粒粗蛋白和直链淀粉含量的相关性(n=40)

表2 不同生育期冠层光谱参数与水稻籽粒粗蛋白和直链淀粉含量的回归方程(n=40)

2.3 籽粒粗蛋白与直链淀粉含量的监测模型及检验

基于单波段反射率、一阶导数以及表1所列的光谱参数，对籽粒粗蛋白和直链淀粉含量进行回归分析，筛选DVI(810,450)作为最佳光谱参数，并且开花期的DVI(810,450)对籽粒粗蛋白和直链淀粉含量的预测优于灌浆期和蜡熟期。图3展示了开花期DVI(810,450)与成熟籽粒粗蛋白和直链淀粉含量的关系，并得出基于开花期冠层反射光谱的籽粒粗蛋白含量（GCPC）和直链淀粉含量(GAC)的预测方程：

利用试验2开花到蜡熟期的数据对水稻成熟籽粒粗蛋白和直链淀粉含量预测方程进行测试和检验（见表3），结果显示，预测值与实际值的精确度为0.393-0.683，均达到极显著水平；准确度为0.708-0.923，RMSE值为8.706%-11.296%。说明粗蛋白和直链淀粉含量预测模型对不同时期水稻的估测效果具有一定的可靠性。

表3 籽粒粗蛋白和直链淀粉含量预测模型的预测表现

3 结论与讨论

3.1 结论

与常温对照相比，两个水稻品种的籽粒粗蛋白和直链淀粉含量均达到显著或极显著水平，并且随胁迫温度的增加，两个水稻品种的籽粒粗蛋白含量呈上升趋势，而直链淀粉含量呈下降趋势。将水稻冠层原始光谱反射率、一阶导数以及组合成的光谱变量与粗蛋白与直链淀粉含量进行相关性分析，结果表明：三个生育期冠层光谱变量对粗蛋白与直链淀粉含量预测性都较好，但开花期的预测性优于灌浆期与蜡熟期，其中光谱变量中的 DVI(810,450)、DVI(810,680)和670nm-755nm面积三个参数可以同时预测籽粒的粗蛋白与直链淀粉含量。

3.2 讨论

前人研究表明，在氮素和干旱胁迫下，谷类籽粒的粗蛋白和直链淀粉含量都有显著变化[14,15]，本研究发现，与常温对照相比，高温胁迫下水稻籽粒的粗蛋白和直链淀粉含量均达到显著或极显著水平。冠层反射光谱能够反映作物群体面源信息，在一定程度上能反映籽粒的品质信息，因此利用反射光谱预测籽粒的粗蛋白和直链淀粉含量具有一定的可行性。本研究发现，基于开花期的冠层光谱参数对籽粒粗蛋白和直链淀粉含量的预测均优于灌浆期和蜡熟期，原因可能由于水稻籽粒营养成分的形成大部分来自抽穗前茎、叶营养贮存的转移，即主要取决于灌浆前期，而蜡熟期水稻叶、穗大部分变黄，叶面积与叶片叶绿素含量明显降低，这与粗蛋白和淀粉正相关的叶片叶绿素对整个冠层光谱的贡献相对减弱，因此，相比之下，灌浆期和蜡熟期冠层光谱预测水稻籽粒粗蛋白和淀粉的精度降低。本研究基于开花期的冠层反射光谱参数DVI(810,450)构建了成熟期籽粒粗蛋白和直链淀粉含量的预测模型，通过检验表明，其估测效果较好，因此该模型具有一定的准确性，可为高光谱遥感方法在水稻高温热害品质监测中的应用提供方法和依据。另外，由于水稻籽粒粗蛋白质和直链淀粉含量的形成是一个动态过程，因此要利用遥感手段进行水稻籽粒粗蛋白质和直链淀粉含量的精确监测预报，还必须深入探明稻穗的特征光谱及不同叶位叶片和茎秆对冠层反射光谱的影响及其与籽粒蛋白质形成的机理关系。

[1] 冯伟,朱艳,田永超,等.基于高光谱遥感的小麦叶片氮积累量[J].生态学报,2008,28(1):23-32.

[2] Huang Z,Turner B J,Dury S J,et al.Estimating foliage nitrogen concentration from HYMAPdatausingcontinuumremoval analysis[J].Remote Sens Environ,2004(93):18-29.

[3]Hansen PM,Jorgensen JR,Thomsen A.Predicting grain yield and protein content in winter wheat and spring barley using repeated canopyreflectancemeasurementsand partialleastsquaresregression[J].JAgri Sci,2002,139(3):307-318.

[4] 李映雪,朱艳,田永超,等.小麦冠层反射光谱与籽粒蛋白质含量及相关品质指标的定量关系 [J].中国农业科学,2005,38(7):1332-1338.

[5] 刘芸,唐延林,黄敬峰,等.利用高光谱法估测稻穗稻谷的粗蛋白质和粗淀粉含量[J].中国农业科学,2008,41(9):2617-2623.

[6] 雷东阳,陈立云,李稳香,等.杂交水稻抽穗扬花期高温对结实率及相关生理特性的影响[J]杂交水稻,2006,21(3):68-71．

[7] 程高峰,张佳华,李秉柏,等.不同温度处理下水稻高光谱及红边特征分析[J].江苏农业学报,2008,24(5):573-580．

[8] 洪雁,顾正彪,刘晓欣.直链淀粉和支链淀粉纯品的提取及其鉴定[J].食品工业科技,2004,25(4):86-88.

[9]Rouse JW,Haas RH,Schell JA.Monitoringthevernal advancement of retrogradation of natural vegetation[J].NASA/GSFC,Type III,Final Report,Greenbelt,MD,USA,1974.

[10] Richardson A J,Wiegand C L.Distinguishing vegetation from soil backgroundinformation[J].Photogrammetric Engineeringand Remote Sensing,1977,43(12):1541-1552.

[11] Horler D N H,Dockray M,Barber J.The red edge of plant reflectance[J].International Journal of Remote Sensing.1983(4):273-288.

[12] Jordan CF.Derivation of leaf area index from quality of light on the forest floor[J].Ecology,1969(50):663-666.

[13] Massart D L,Buydens L,Peeters A.Knowledge representation for the selection of methods in analytical chemistry[J].Chemometrics and Intelligent Laboratory Systems,1988(5):73-79.

[14] 冯伟,姚霞,田永超,等.小麦籽粒蛋白质含量高光谱预测模型研究[J].作物学报,2007,33(12):1935-1942.

[15] 赵辉,荆奇,戴廷波,等.花后高温和水分逆境对小麦籽粒蛋白质形成及其关键酶活性的影响 [J].作物学报,2007,33(12):2021-2027.