基于光谱的库尔勒香梨叶片氮素含量估算模型

李 萍，柴仲平，武红旗，盛建东，龚双凤

（新疆农业大学 草业与环境科学学院，新疆 乌鲁木齐 830052）

氮素是一切植物必需的大量营养元素之一，它是果树生长的重要物质基础，对果树的器官建造、物质代谢、生化过程、果实产量及品质的形成等都有不可替代的作用[1]。而快速、无损、准确地监测果树氮素状况，对于诊断果树生长特征、提高氮肥利用效率、减少农田环境污染具有重要的现实意义，可为深入开展果树精准管理研究与应用提供技术支撑。

有关研究结果表明，采用传统的叶片化学分析方法进行果树氮素含量的检测具有较高的精度，但这些分析普遍需要破坏植被样本，且受高耗性、繁冗复杂性、时滞性等局限性的制约，难以对大范围果树进行全面、快速的营养诊断。近年来，随着高光谱遥感技术的快速发展与不断完善，利用高光谱数据对各种植物叶片的氮素含量进行大范围、无损、实时、快捷的监测已成为一种可行的方法和手段。在利用遥感技术进行作物氮素监测方面，已有较多的研究报道并取得了一定的进展。Thomas等人[2]研究发现，甜椒叶片的N素含量与550～675 nm 波段内叶片的光谱反射率高度相关。Hansen等人[3]研究认为，于近绿光与蓝光波段构建的归一化指数可以有效估测小麦植株的生物量与氮含量。薛利红等人[4]利用660 nm和460 nm两波段组合来检测小麦叶片的氮含量；易秋香等人[5]对玉米全氮含量的高光谱测定结果表明，全氮含量与光谱反射率一阶微分值在759 nm处具有最大相关系数(r=0.944)；谭昌伟等人[6]利用归一化植被指数构建了水稻氮素营养高光谱遥感诊断模型。李丙智等人[7]确定了723 nm处的光谱反射率一阶微分值所构建的可以检测苹果叶片全氮含量的预测模型。

近年来，高光谱技术的应用日益广泛，利用微分光谱和高光谱参数估测水稻、玉米、小麦、棉花、大豆等大田作物的氮素状况，这一技术已得到了广泛的应用[8-10]，但还未见有关库尔勒香梨叶片氮素光谱分析的研究报道。因此，文中以新疆香梨种植面积最大的库尔勒地区为试验点[11]，以新疆特色果树库尔勒香梨为研究对象，通过对香梨叶片全氮含量与光谱反射率的测定，揭示了库尔勒香梨叶片的光谱特征，分析了全氮含量与高光谱相关参数的关系，作出了香梨叶片全氮含量的高光谱估测模型，为遥感技术在库尔勒香梨氮素营养诊断、长势监测和估产等领域的应用提供理论和技术依据。

1 材料与方法

1.1 实验设计

本实验于2012年在新疆库尔勒市恰尔巴格乡下和什巴格村 5 队（41°48′21″N、86°04′22″E）的香梨园进行。供试树种为20年树龄的香梨，嫁接砧木为杜梨Pyrus betulifoliaBge.，株行距为5 m×6 m。土壤质地为砂壤，土壤有机质含量为20.03 g/kg，碱解氮、速效磷、速效钾的含量分别为68 、12.34、240.53 mg/kg。试验设置4 个施氮水平，纯氮分别为 0（N0）、150（N1）、300 （N2）、450（N3）kg/hm2，磷、钾肥作基肥施入，3 次重复，随机排列；栽培管理措施同一般果园，在5月中旬进行香梨叶片光谱的测定，并取相应的叶片测定其全氮含量。

1.2 光谱测定

试验所用的光谱仪为美国制造的便携式光谱仪（SVC HR-768），该仪器的光谱范围为350～2 500 nm，通道数768。在350～1 000 nm范围内的光谱带宽≤3.5 nm；1 000～1 500和1 500～2 100 nm范围内的≤16 nm，最小积分时间1 ms。光谱的测定应选择在天气晴朗、无云无风时进行，测量时间为12:00～16:00。测量方式为漫反射式，采用视场角为25°的探头。测量时保持光谱仪距离样本表面2～3 cm，以确保视场范围在叶片上；测定前应进行系统配置优化和白板校正，在测试过程中还应每隔10 min对仪器进行一次优化与校正。光谱采集，以10个光谱为一采样光谱，每次记录10个光谱，取其平均值。

1.3 叶样采集

在每株香梨树冠外围距离地面1.5～1.7 m处，选择树体中部当年生新梢无病虫害、无机械损伤的健康叶片，每梢测定1～2片叶片，全树不同方位共测定叶片35片，将其混合作为1 个待测叶片样品，作为测试光谱反射率及其叶片全氮含量的样本。

1.4 叶片全氮含量的测定

将经过光谱测试后的叶样采集后，用保鲜袋封装置于冰桶中，在室内对其进行标准化前处理。将样本在105 ℃鼓风干燥箱中烘10～30 min进行杀青，再降温至65 ℃直至烘干。将烘干的样品粉碎后全部过筛，再采用奈氏比色法[12]测定其全氮含量。

1.5 数据分析

利用光谱仪配套软件、SPSS软件和Excel对所测定的光谱原始数据进行统计分析处理。首先，利用光谱仪配套软件对光谱原始数据进行处理，使数据具有更好的连续性。其次，在剔除异常光谱曲线的基础上，对其余光谱曲线进行平均、平滑处理，并考虑到因系统误差致使光谱曲线首尾两端噪音较大，而截取400～1 000 nm来建立库尔勒香梨全氮含量的模型[13-14]。

2 结果分析

2.1 不同氮肥水平下库尔勒香梨叶片的光谱特征

利用光谱仪测定不同氮肥水平下库尔勒香梨叶片的光谱反射率，对其光谱曲线进行平滑处理，运用Excel作图，得图1。如图1所示，在不同施氮水平下库尔勒香梨叶片表现出明显的光谱差异。在可见光波段(400～760 nm)光谱曲线峰谷变化明显，其中蓝光区500 nm和红光区680 nm左右处是叶绿素的强烈吸收波段，导致这两个波段处的反射率出现了低谷；而绿光区550 nm左右和760 nm左右处是叶绿素的强烈反射波段，出现了反射峰，这与其它植物叶片的光谱反射特征一致[15-17]。随着叶片氮素含量的增加，叶片光谱在730～1 000 nm的光谱反射率逐渐降低。其中叶片光谱反射率在可见光波段(510～620 nm)形成一个明显的反射峰，在近红外波段(760～1 000 nm)有个明显的反射高台。因此，这两个特征谱段（510～620 nm，760～1 000 nm）都可以有效区分不同施氮水平的光谱差异，尤其在近红外波段(760～1 000 nm)差异更明显。

图1 不同施氮水平下库尔勒香梨叶片的光谱曲线Fig.1 Spectral curves of Korla fragrant pear leaves at different N application levels

2.2 库尔勒香梨叶片全氮含量与原始光谱反射率的相关分析

利用SPSS软件统计分析不同香梨叶片全氮含量和光谱反射率的关系，运用Excel绘图，得出图2。从图2中可以看出，叶片的全氮含量在500～700 nm的可见光波段范围内反射率呈极显著负相关，在绿光550 nm附近是叶绿素的强反射峰，在530～560 nm波段范围内反射率与叶绿素和氮素密切相关。在640～680 nm 处的吸收峰（即红谷，是指波长640～680 nm范围内的最小相对反射率）是由于叶绿素 a/b 强烈吸收引起的，该波段对氮素比较敏感。在710～1 000 nm 间相关系数形成一个较高的反射平台，相关系数 r 值达到0.70以上，表明该波段光谱是叶面积和生物量反应敏感的区域，其原因主要是叶片全氮含量与叶面积指数和生物量等参数间存在显著的相关性[18]。

在500～700 nm和710～1 000 nm这两个波段内，叶片全氮含量与原始光谱的反射率之间具有较高的相关系数，这表明这两个波段可作为基于原始光谱回归分析的敏感波段。红边位置720 nm处的光谱相对反射率与叶片全氮含量的相关性较好，相关系数最大值为0.979，因此，720 nm为香梨叶片氮含量的敏感波长，利用该敏感波长，运用逐步回归分析法，建立了香梨叶片全氮含量的估测模型（y＝2.003x720－64.150，调整系数R2＝0.937）。

图2 库尔勒香梨叶片全氮含量与原始光谱的相关性Fig.2 Correlation between total N content in Korla fragrant pear leaves and original spectrum

2.3 库尔勒香梨叶片全氮含量与其一阶微分光谱反射率的相关分析

许多研究结果表明，光谱数据的一阶微分处理有利于部分消除大气、土壤背景、凋落物等低频光谱成分对目标的影响，能够更好地反映和揭示植被光谱的内在特性，有利于植被指数、叶面积指数等植被信息的定量反演[19]。因此，为了提高模型的精度，本研究对原始高光谱数据进行一阶微分处理，分析其有效性。

香梨叶片全氮含量与其一阶微分光谱反射率之间的相关分析结果如图3所示。由图3可知，640～670 nm波段（红谷范围）和700～750 nm波段（红边范围）均为正相关且达较高水平。但700～750 nm波段与氮素含量密切相关，因此，700～750 nm波段可作为基于一阶微分处理的敏感波段。其中，在703 nm处的光谱反射率与叶片全氮含量的相关系数最大（r＝0.974），利用该敏感波长建立了香梨叶片全氮含量的估测模型(y＝50.535x703－40.586，调整系数R2＝0.922)。

图3 库尔勒香梨叶片全氮含量与一阶微分光谱的相关性Fig.3 Correlation between total N content in Korla fragrant pear leaves and the first derivative spectrum

2.4 库尔勒香梨叶片全氮含量与高光谱参数的关系

植被指数中的归一化植被指数(NDVI)和比值植被指数(RVI)常用来估算作物的生理生态参数，如覆盖度、叶面积指数、生物量、叶绿素含量等参数[20-23]。研究结果[22-24]表明，全氮含量与植被指数间存在相关性。

运用SPSS统计分析得出的相关分析结果如表1所示。基于植被指数的变量中，全氮含量除了与红边面积和黄边面积构建的比值植被指数（SDr/SDy）和归一化植被指数中的参数（SDr－SDy)/(SDr＋SDy）的相关性弱之外，其余的均呈现出极显著的相关关系，利用这些光谱参数进行了线性拟合分析。表1中，SDr为红边（680～670 nm）内一阶微分总和；SDb为蓝边（490～530 nm）内一阶微分总和；SDy为黄边（550～580nm）内一阶微分总和；Rg是波长在510～560 nm范围内的最大相对反射率；Ro是波长在640～680 nm范围内的最小相对反射率。

表1 光谱参数的类型[20-21]及其与全氮含量之间的相关系数Table 1 Spectral parameter types and correlation coefficient between total N content and spectral parameters

对香梨叶片全氮含量和光谱参数进行逐步回归分析，结果如表2 所示。由表2可知，基于绿峰变量（Rg）与红谷变量（Ro）构建的比值植被指数和归一化植被指数的模型与基于其他变量所构建的模型相比，具有最大的调整系数R2，说明利用该光谱参数建立的模型其精度高且稳定性较好，能够用来估测叶片全氮含量。

2.5 库尔勒香梨叶片全氮含量估测模型的建立与检验

根据调整系数R2最大的优选原则，综合比较以原始光谱反射率、一阶微分光谱、高光谱参数为自变量建立的香梨叶片全氮含量估测模型，选择以下4种模型估测香梨叶片全氮含量，如表3所示。

表2 库尔勒香梨叶片全氮含量(y)与不同光谱参数(x)之间的定量关系Table 2 Quantitative correlation between total N content (y) in Korla fragrant pear leaf and spectral parameters (x)

表3 库尔勒香梨叶片全氮含量高光谱估测模型Table 3 Hyperspectral prediction models for total N content in Korla fragrant pear leaves

为了验证模型的可靠性和普适性，利用测定的独立实验数据对估测模型进行检验，采用相对误差范围，平均相对误差两个指标来验证模型的精确性和稳定性。采用一阶微分光谱的线性回归模型的拟合效果最好，相对误差范围小，平均相对误差最小，说明此模型的预测结果较为理想，最终确定基于光谱的一阶微分的模型为：

这一模型是香梨叶片全氮含量的最佳估测模型。

3 结论与讨论

1）香梨叶片光谱对叶片氮素含量有不同的反射特征，这种差别在可见光和近红外波段最为明显，呈现出不同的反射峰（550 nm）和吸收谷（680 nm）。随着叶片氮素水平的增加，叶片光谱在近红外波段的反射率均逐渐降低。

2）香梨叶片全氮含量一阶微分的敏感波段位于700～750 nm处，最优波长在703 nm处，这与陈贻钊等[25]对橡胶树的研究结果（波长为730 nm）和李丙智等[7]等对苹果的研究成果（波长723 nm处）一致。这表明反映不同作物氮素营养的波段有一定的相似性，也有一定的差异性。

3）通过分析香梨叶片的全氮含量与原始光谱、一阶微分光谱、高光谱参数之间的相关性，利用线性回归分析方法建立了叶片与全氮含量的定量监测模型，根据其相关系数和模型的调整系数R2的最大优选原则，初步筛选出原始光谱在波长720 nm、光谱反射率的一阶微分在703 nm、比值植被指数（Rg/Ro）和归一化植被指数(Rg－Ro)/(Rg＋Ro)等4个参数可用作香梨叶片全氮含量的预测模型。通过模型检验，最终确定香梨叶片全氮含量与光谱的一阶微分模型y=50.535x703－40.586作为香梨叶片全氮含量的预测模型。

文中建立了香梨叶片全氮含量的光谱估测模型，但由于香梨叶片氮素含量的范围较窄，反映出了利用高光谱数据进行果树营养诊断的敏感性。由于模型的预测范围较窄，还需要进一步扩大模型的预测范围，为香梨的养分资源综合管理提供适用范围更广、科学性更强的技术支撑。

参考文献：

[1]李文庆,张 民,束怀瑞.氮素在果树上的生理作用[J].山东农业大学学报,2002,33(1):96－100.

[2]Thomas J R, Oerther G F. Estimating nitrogen content of sweet pepper leaves by reflectance measurements[J]. Agronomy Journal,1972,64:11－13.

[3]Hansen P M, Schjoerring J K. Re ectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J].Remote Sensing of Environment,2003,86(4):542－553.

[4]薛利红,曹卫星,罗卫红,等.小麦叶片氮素状况与光谱特性的相关研究[J].植物生态学报,2004,28(2):172－177.

[5]易秋香,黄敬峰,王秀珍,等.玉米全氮含量高光谱遥感估算模型研究[J].农业工程学报,2006,22(9):138－141.

[6]谭昌伟,周清波,齐 腊,等.水稻氮素营养高光谱遥感诊断模型[J].应用生态学报,2008,19(6):1261－1268.

[7]李丙智,李敏夏,周 璇,等.苹果树叶片全氮含量高光谱估算模型研究[J].遥感学报,2010,14(4):767－773.

[8]浦瑞良,宫 鹏.高光谱遥感及应用[M].北京:高等教育出版社,2000:186-192.

[9]方 慧,宋海燕,曹 芳.油菜叶片的光谱特征与叶绿素含量之间的关系研究[J].光谱学与光谱分析,2007,27(9):1731－1734.

[10]唐延林,黄敬峰,王秀珍,等.玉米叶片高光谱特征及与叶绿素、类胡萝卜素相关性的研究[J].玉米科学,2008,16(2):71－76.

[11]鲍士旦.土壤农化分析[M].北京:中国农业出版社,1999:265－266.

[12]王海宏,周慧娟,乔勇进,等.气调贮藏环境下库尔勒香梨的生理变化与品质特点[J].经济林研究,2009,27(4):22

[13]王 渊,黄敬峰,王福民,等.油菜叶片和冠层水平氮素含量的高光谱反射率估算模型[J].光谱学与光谱分析,2008,28(2):273－277.

[14]田永超,朱 艳,姚 霞,等.基于光谱信息的作物氮素营养无损监测技术[J].生态学杂志,2007,26(9):1454－1463.

[15]王 植,周连第,李 红,等.桃树叶片氮素含量的高光谱遥感监测[J].中国农学通报,2011,27(4):85－90.

[16]易时来,邓 烈,何绍兰,等.锦橙叶片氮含量可见近红外光谱模型研究[J].果树学报,2010,27(1):13－7.

[17]李敏夏,张林森,李丙智,等.苹果叶片高光谱特性与叶绿素含量和SPAD值的关系[J].西北林学院学报,2010,25(2):35－39.

[18]Walburg G, Bauer ME, Daughtry CST,et al.Effects of nitrogen on the growth, yield, and re ectance characteristics of corn [J].Agronomy Journal, 1982,74:677－683.

[19]申广荣,王人潮.植被高光谱遥感的应用研究综述[J].上海交通大学学报,2001,19(4):315－321.

[20]Ma BL, Lianne M, Carlos C,et al.Early prediction of soybean yield from canopy re ectance measurements[J]. Agron, 2001, 93:1227－1234.

[21]Guyot G,Baret F.Utilisation delahaute resolutio spectrale poursuivrel’ etatdes couverts vegetaux[C]// proceedings of the 4th international confe rence on spectral signatures of objects in remote sensing. ESASP-287,Assois,France,1988:279－286.

[22]Sims DA, Gamon JA. Relationships between leaf pigment content and spectral re ectance across a wide range of species,leaf structures and developmental stages[J]. Remote Sensing of Environment,2002,81:337-354.

[23]王秀珍,黄敬峰,李云梅,等.水稻地上鲜生物量的高光谱遥感估算模型研究[J].作物学报,2003,29(6):815－821.

[24]王 磊,白由路.基于光谱理论的作物营养诊断研究进展[J].植物营养与肥料学报,2006,12(6):902－912.

[25]陈贻钊,林清火,华元刚,等.橡胶树叶片高光谱特征分析[J].热带亚热带植物学报,2010,18(3):293－297.