不同密度冬小麦叶绿素含量的冠层光谱响应研究

王慧琴，王君杰，冯美臣，王超，杨武德

（1.山西农业大学 旱作农业工程研究所，山西 太谷030801；2.山西省农业科学院 农作物品种资源研究所，山西 太原030031）

作物冠层光谱分析是一种无损遥感测试技术，是目前遥感监测作物长势较为有效的方法。植物的反射光谱曲线具有显著的特征，不同种植密度和同种植物在各个生育时期的光谱曲线都会有不同程度的变化。因此，光谱曲线特征可以反映作物的生长状况，但由于单波段反射率容易受到土壤背景和大气的干扰，随着遥感多光谱融合技术的发展，发展了由多波段组合而成的植被指数［1］。

叶绿素是绿色植物进行光合作用的重要组成成分，其含量高低可体现作物的长势。因此，叶绿素含量是植物光合作用、营养胁迫和植物长势的良好指示剂，实时监测植物叶片中叶绿素含量的动态变化是长势监测的重要环节。国内外学者利用植被光谱特征在叶绿素含量的监测方面进行了大量的研究工作［2～8］，取得了一定的研究成果。然而，利用冠层光谱对不同密度冬小麦叶绿素含量的响应研究还比较少见。在前人研究的基础上，运用多光谱遥感技术探讨不同种植密度下冬小麦叶绿素含量光谱反射率及不同植被指数间的关系，并选用最佳参数对叶绿素含量进行拟合，利用回归分析方法建立最佳冬小麦叶绿素含量的估算模型，为快速、无损、大面积获取小麦长势信息提供技术手段。

1 材料与方法

1.1 试验设计

试验于2011年9月～2012年7月在山西农业大学农学院农作站进行，供试土壤为黄土母质发育而成的石灰性褐土，土壤肥力水平中等，其理化性质为土壤有机质含量22.01 g·kg－1；碱解氮53.8 mg·kg－1；有效磷18.43 mg·kg－1；速效钾236.9 mg·kg－1。

试验采取随机区组设计，共设5个密度梯度，密度1：300万苗·h m－2、密度2：450万苗·h m－2、密度3：600万苗·h m－2、密度4：750万苗·h m－2、密度5：900万苗·h m－2。供试品种为乐639（高杆无芒型）。供试肥料为尿素含氮46%；过磷酸钙含五氧化二磷12%，用作基肥一次性施入，施入量为750 kg·h m－2。小区面积4×7.5 m2，行距20 c m，重复3次，田间管理各处理相同。

1.2 测量指标与方法

1.2.1 冠层光谱

冠层反射光谱于返青期、拔节期、孕穗期、抽穗期、开花期及花后每隔5 d测定，采用美国Cr opscan公司生产的MSR－16型便携式光谱辐射仪测量冠层光谱反射率，仪器视场角为31.1°，设有16个波段，波段范围为452～1650 n m。采用键盘操作，数据记录在数据采集器中，通过COM接E1输入计算机，再经过仪器自带软件计算地物光谱反射率。仪器每季度用白色标准版校准一次。测量选择在晴朗无云或少云的天气进行，测量时间为10：00～14：00。测量时探头垂直向下，距冠层垂直高度约1.2 m。每小区测量3点，每点重复测量5次，取平均值作为该小区光谱测量值。

1.2.2 叶绿素含量测定

与光谱测量同步，取当时已全展的最顶部及其邻位下叶，取中部去叶脉剪碎后混匀供试。把叶片剪成宽度小于2 mm的细丝或小块，混匀，分别准确称取100 mg用80%丙酮与95%乙醇（1∶1）提取液定容至25 mL，封口，置于黑暗条件下直接浸提，用岛津UV－1800型紫外可见分光光度计测定440、645和663 n m处的吸光度，然后参考Lichtenthaler方法［9］计算叶绿素和类胡萝卜素的含量。

1.2.3 植被指数

为了增强对生物物理参数和生物化学参数等生态功能参量反应的敏感程度，已有报道发展并构造了许多双通道或多通道的光谱指数，并成功用于生物量、叶面积指数、叶绿素和氮素等。本研究充分利用前人研究成果，结合仪器特点及研究重点归纳出已见报道的多个特征光谱参数，从中选取与叶绿素含量显著相关的指数，构建模型预测叶绿素含量。

2 结果与分析

2.1 不同密度下冬小麦冠层光谱反射率的变化

由图1可见，随波长的变化各密度水平下的冬小麦冠层光谱反射率呈相同的变化趋势（以拔节期为例）。在可见光波段反射率随密度的增大而降低，是因为小麦光谱反射主要受叶绿素和其他色素控制［10］，叶绿素对可见光强烈吸收，而随密度不断增大，单位面积叶绿素含量也增高，导致反射率降低；在波段为730 n m处各密度水平下的冠层光谱反射率值相等；在近红外波段，单位面积叶绿素含量高时反射率高，除了受到细胞结构的差异影响外，这主要是由于随着密度的增加，小麦群体增大，地面作物覆盖度和生物量等相应增大，致使其反射率显著增加，因此，随密度的增大反射率也升高，密度5时增长速率最快。

2.2 光谱反射率与植株叶片叶绿素含量的关系

2.2.1 光谱反射率与植株叶片叶绿素含量的相关关系

不同密度小麦冠层光谱反射率与叶绿素含量的相关性随波段的变化趋势是一致的（图2），除仅在波段为730 n m附近相关性不显著外，其它波段均呈极显著相关。各波段相关系数的变化幅度各不相同。在可见光波段范围内，光谱反射率与叶绿素含量的相关性在密度5时最大，并呈极显著负相关，在波段为670 n m时相关系数达－0.85。在近红外波段范围内，光谱反射率与叶绿素含量的相关性在密度1时最大，均呈极显著正相关且在波段为800 n m时相关系数达0.71。由此可知，在可见光区可用密度5条件下的光谱反射率值拟合叶绿素含量；近红外区域内，可使用密度1条件下的光谱反射率值来拟合。

图1 冬小麦叶片光谱反射率的变化Fig.1 The change of spectral reflectance of winter wheat canopy

2.2.2 植被指数与叶绿素含量的相关性分析

由图2和表1可见，两波段组成的光谱植被指数比单波段反射率与叶绿素含量的关系更为密切。不同的密度水平下，各植被指数与叶绿素含量的相关性不同，不同的植被指数与叶绿素含量的相关性在同一密度水平下也不同。而同一植被指数在不同密度水平下相关性最大时的波段组合是相同的。密度1时，TSAVI（730，850）与叶绿素含量的相关性最显著，达0.88。密度2、3、4、5时，NDVI（730，850）与叶绿素含量的相关性最显著。总体上，密度1时各植被指数均与叶绿素含量呈极显著相关，且相关系数最大，密度3次之，密度5最小。

图2 叶绿素含量与冠层光谱反射率的相关关系Fig.2 Correlation bet ween chlorophyll content and spectral reflectance in winter wheat at different growth periods

表1 不同种植密度下各植被指数与叶绿素含量的相关性Table 1 Correlation bet ween chlorophyll content and spectral parameter under different planting densities

2.2.3 植被指数与叶绿素含量的定量分析

根据植被指数与叶绿素含量的相关性分析，选取相关性较显著的植被指数并建立预测模型，且非线性回归方程决定系数大于线性回归方程。对所有拟合方程的决定系数进行比较，筛选出最佳拟合方程，如表2所示。

表2 不同种植密度冬小麦叶绿素含量（y）与不同光谱参数（x）的定量关系（n＝46）Table 2 Quantitative relation of chlorophyll content（y）and different spectral parameters（x）under different densities levels（n＝46）

由表2可见，随种植密度的增加，TGI构建的叶绿素含量监测模型与其它光谱模型相比具有更好的预测能力。NDVI对土壤背景的变化较为敏感，主要用于当叶面积指数相对较小时对叶绿素含量的预测。随着叶面积指数的增大，预测叶绿素含量模型的光谱参数也发生着变化。当叶面积指数较大时，TGI对叶绿素含量有较好的预测能力，这与Hunt等［11］的研究结果相一致，即当叶面积指数比较大时，TGI仅受叶绿素含量的影响。

3 结论与讨论

通过对冬小麦生育时期光谱数据的分析，确定了不同种植密度下叶绿素含量与不同植被指数间的定量关系，构建了其光谱监测模型。研究发现随着种植密度的增加，TGI对叶绿素含量的预测能力也会增强。不同密度水平的冬小麦冠层光谱特征存在差异，但冬小麦光谱反射率的曲线变化规律和各植被指数的变化规律与其生长发育的群体变化规律是一致对应的。代辉等［12］研究结果表明，不同氮水平下RVI和NDVI与叶绿素含量较显著。而本研究结果表明，随密度的增加，仅采用特定的光谱参数对叶绿素含量进行预测是不合理的。

TGI中涉及蓝光波段，而大量的类胡萝卜素和叶片中其它生物成分对蓝光的吸收减小了由于叶绿素含量不同引起蓝光波段反射率的变化。虽然有许多估测叶绿素含量的光谱参数，但是无论速度还是成本方面，TGI都是最好的选择。蓝、绿、红波段的光谱数据可通过数码相机快速获取。另外，TGI与叶绿素含量的相关性不会受到平均光谱反射率的影响［11］。

本试验只是在一个年份和一个生态试验点针对一个冬小麦品种进行的，由于生态条件、栽培方式、株型结构等都有可能影响小麦冠层光谱特征，所得的结论是否适用于其他生态区的其他品种还有待于进一步研究，以提高回归关系的准确性，建立相应的模型，最终实现对多年份、多生态区域、多品种的冬小麦叶绿素含量的估测。此外，由于数据量等原因，对叶绿素含量的定量关系还需进一步优化和完善。

［1］郭铌.植被指数及其研究进展［J］.干旱气象，2003，21（4）：71－75.

［2］Filella I，Serrano L，Serra J，etal.Evaluating wheat nitr ogen stat us wit h canopy reflectance indices and discri minant analysis［J］.Cr op Sci，1995（35）：1400－1405.

［3］Masoni A，Ercoli L，Marioti M.Spectral pr operties of leaves deficient in ir on，sulf ur，magnesiu m，and manganese［J］.Agr on，1996（88）：937－943.

［4］程乾，黄敬峰，王人潮，等.MODIS植被指数与水稻叶面积指数及叶片叶绿素含量相关性研究［J］.应用生态学报，2004，15（8）：1363－1367.

［5］杨峰，范亚民，李建龙，等.高光谱数据估测稻麦叶面积指数和叶绿素密度［J］.农业工程学报，2010，26（2）：237－243.

［6］张俊华，张佳宝，贾科利，等.不同施肥条件下夏玉米光谱特征与叶绿素含量和LAI的相关性［J］.西北植物学报，2008，28（7）：1461－1467.

［7］刘伟东，项月琴.高光谱数据与水稻指数及叶绿素密度的相关分析［J］.遥感学报，2000，4（4）：279－283.

［8］Yoder B J，Pettigrew－Cr osby R E.Predicting Nitr ogen and Chlorophyll Content and Concentrations fr o m Reflectance spectra（400～2500 n m）at Leaf and Canopy scales［J］.Remote Sensing of Environ ment，1995（53）：199－211.

［9］Pearson R L，Miller D L.Remote mapping of standing crop biomass for esti mation of the productivity of the short grass prairie［C］.Proceedings of the eighth international sy mposiu m on remote sensing of environ ment.Michigan：Ann Arbor，1972：1357－1381.

［10］赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，2003：76.

［11］Hunt E R，Daughtry C S T，Eitel J U H ，etal.Remote Sensing Leaf Chlorophyll Content Using a Visible Band Index［J］.Agrono my Jour nal，2011，103（4）：1090－1099.

［12］代辉，胡春胜，程一松，等.不同氮水平下冬小麦农学参数与光谱植被指数的相关性［J］.干旱地区农业研究，2005，23（4）：16－21.