田间冬小麦抽穗期长势分析—基于可见-近红外光

刘仁杰，房俊龙，李民赞，孙　红，吴李烜，赵　毅，张　猛

(1.东北农业大学 电气与信息学院，哈尔滨　150030；2.中国农业大学 现代精细农业系统集成研究教育部重点实验室，北京　100083)



田间冬小麦抽穗期长势分析
—基于可见-近红外光

刘仁杰1,2，房俊龙1，李民赞2，孙红2，吴李烜2，赵毅2，张猛2

(1.东北农业大学 电气与信息学院，哈尔滨150030；2.中国农业大学 现代精细农业系统集成研究教育部重点实验室，北京100083)

摘要：为了快速估测大田冬小麦叶绿素含量指标，指导冬小麦抽穗期追肥管理，基于光谱分析技术在可见光和近红外波段(325～1 075nm)处，对陕西省杨凌区揉谷镇粮食基地的冬小麦进行长势检测、分析。试验在1 000m×600m区域内划分为30个采样区进行数据采集，使用ASD FieldSpec HandHeld光谱辐射仪(Analytical Spectral Devices.,USA)采集冬小麦的冠层光谱反射率数据，使用SPAD-502Plus便携式叶绿素仪测量小麦倒一叶和倒二叶的叶绿素指标(SPAD值)，使用G738CM型手持式GPS记录采样点的位置信息。分别进行冠层光谱反射率小麦倒一叶和倒二叶的预处理，结果表明：冠层反射光谱倒二叶的SPAD值相关系数高于倒一叶。基于相关性分析，选取4个敏感波段538、661、740、850nm分别与预处理前后的光谱数据进行多元线性回归分析，结果表明：预处理后的模型精度较高，建模精度R2=0.83，验证建模精度R2=0.7。同时，绘制了大田作物长势分布图，可为冬小麦抽穗期追肥提供支持。

关键词：冬小麦；无损检测；叶绿素指标；可见近红外光谱

0引言

抽穗期是冬小麦生产管理的关键时期，对小麦追肥可以促进小麦叶片生长、延长叶片功能期、提高光合效率及产量[1-2]。因此，针对冬小麦抽穗期进行长势诊断，为小麦追肥提供指导，具有重要意义。叶绿素是植物进行光合作用的重要因子，其在作物中的含量与氮素等生理参数紧密相关，直接影响作物生长水平。因此，针对作物叶绿素含量指标展开监测是作物长势诊断的重要手段之一，可为作物生产管理提供支持，具有实用价值[3-4]。

传统的田间作物叶绿素含量检测采用物理和化学方法提取叶绿素，再用分光度法测定其含量。该方法测量结果准确，但费时费力，对叶片破坏性采样，且不适合对大范围农田进行连续测量[5]。因此，迫切需要研究和应用大田作物叶绿素含量的快速、无损检测技术，并基于快速检测结果绘制田间长势分布情况，为田间变量施肥管理决策提供支持。近年来，光谱分析技术由于其精度高、实时性好，为大田作物叶片叶绿素含量的快速无损检测提供了手段，可以对待测样本进行定性和定量分析[6-7]。基于可见光和近红外光谱的作物检测主要采用透射和反射光谱测量的方法，如日本 Minolta Camera 公司生产的SPAD-502 手持式叶绿素仪针对叶片进行点测量，通过内置LED主动光源测量叶片叶绿素在不同波段处对光谱的吸收率，计算得出的SPAD值，用以表示作物叶绿素含量指标，在科研、植物保护和田间作物检测中得到应用[8-10]；而针对大面积作物群体的叶绿素含量检测，美国 Analytical Spectral Devices(ASD)和Spectrum Technologies公司的地物光谱仪被普遍采用。CM1000叶绿素检测仪是Spectrum Technologies公司最具代表性的手持式地物光谱监测仪器，针对待测作物检测方便、快捷[11-12]。ASD公司推出的ASD FieldSpec HandHeld地物光谱仪，可以获取325～1 075nm或325～2 500nm范围的连续光谱，对特定作物和特定营养元素需要进一步开展敏感波段选取，建模等方法研究。近年来，国内外开展了大量利用光谱分析技术获取作物冠层光谱反射率来诊断农作物的长势和养分含量。Suchit Shrestha 等对基于荧光反射指数研发的手持式缺氮诊断工具的可行性进行评估，以不同氮素水平的水稻为研究对象，使用SPAD-502和GFS-3000光谱仪对其叶绿素含量和叶绿素荧光值进行测定，结果表明：不同氮素水平对叶绿素含量和叶绿素荧光反射值都有影响[13]。国内亦有众多学者涉足该领域：丁永军等使用ASD FieldSpec HandHeld地物光谱仪研究温室番茄不同生长阶段叶绿素含量和响应光谱的相关性，采用岭回归建立叶绿素含量预测模型，均方根误差(RMSE)为0.406，决定系数(R2)为0.839[14]；易秋香等使用ASD FieldSpec HandHeld地物光谱仪测量不同品种玉米的室内光谱反射率，并同步采用凯式定氮法测量对应的全氮含量，结果表明：全氮含量与原始光谱在716nm相关系数最大为0.847，与光谱反射率一阶微分值在759nm处相关系数最大为0.944[15]。

为了快速获取冬小麦抽穗期长势情况，为小麦追肥决策提供指导，本研究采集反映作物长势的叶绿素含量指标，并获取冬小麦抽穗期冠层可见光和近红外反射光谱，分析冠层反射光谱与冬小麦抽穗期不同叶位叶绿素含量指标的相关性；选取适于冬小麦抽穗期叶绿素含量检测的敏感波长，并建立叶绿素含量指标诊断模型；基于诊断结果，生成作物长势空间分布图，为大田精细管理决策提供支持。

1材料与方法

1.1试验设计

试验于2013年4月27日-4月29日在陕西省杨凌区揉谷镇粮食基地进行，天气晴朗无云或少云，种植冬小麦品种为小偃22号，生长期为抽穗期，正处于追肥管理的关键时期。在该基地选取1 000m×600m范围内30个采样区，每个采样区选取5个采样点采集冬小麦冠层叶片反射光谱数据，使用ASD FieldSpec HandHeld地物光谱仪在每个采样点处采集3次取平均值作为该点的反射光谱数据。采集时，每个活体样品由多片叶片组成，测量时光谱仪探头垂直向下，距叶片20cm左右，且每10min进行参考板标定。

同步使用SPAD-502Plus型便携式叶绿素仪在每个采样点分别采集同植株倒一叶、倒二叶各3次取平均值作为该采样点相应冠层的冬小麦叶绿素含量指标(SPAD值)。利用G738CM型手持式GPS接收系统(北京合众思壮有限公司)采集采样点的GPS位置信息(见图1)，每个采样区分布5个采样点坐标，用于进一步匹配采样点光谱数据辅助绘制田间作物叶绿素含量指标分布图。

1.2试验仪器

本试验使用ASD公司的ASD FieldSpec HandHeld便携式的分光辐射谱仪，波长范围为325～1 075nm，具有较高的信噪比；并使用512元素光电二极管阵列，低杂散光光栅，内置快门，Drift LockTM暗电流补偿、二级滤光器。在各种设置下，仪器能够非常精确、快速地获得反射率、辐射亮度和辐射照度光谱，分辨率3.5nm、准确度0.5nm、重复性0.1nm。内置的HandHeld Sync应用程序可以将HandHeld采集的光谱数据文件导入到外部电脑中储存，是一个基于个人PC软件系统与HandHeld联合使用管理系统预设。其主要工作参数设置包括积分时间35ms，扫描次数为25次。

标定试验采用SPAD-502plus是日本 Minolta Camera 公司生产的手持式叶绿素仪，针对叶片进行点测量，得出SPAD值。SPAD值通过对两个不同波段区域叶片传输光的吸收率进行计算，其分别是红光波段650nm和近红外波段940nm。两个LED光源发射这两种波段的光穿透叶片输入到接收器，光信号转换成模拟信号，模拟信号被放大器放大，由模拟/数字转换器转换成数字信号，数字信号被微处理器利用，计算出SPAD值并显示在显示器上，同时自动储存到内存当中。

图1　采样区GPS位置信息

2结果分析与讨论

2.1光谱数据采集与白板标定

本试验对田间冬小麦进行光谱采样的方式设计为反射光谱测量。该测量方式是将ASD FieldSpec HandHeld光谱仪垂直于采样植株采集光谱数据，每10min进行一次标准参考白板的标定。标准参考白板是对光谱范围内入射光的漫反射率接近100%，在每个波段内的反射率接近1。仪器内置的HandHeld Sync应用软件可以储存来自参考白板的入射光谱数据或WR。标定之后，测量来自采样区发射的光谱数据，能够计算出实际样品的反射率。试验用标准白板采用LabSphere公司生产的SRM-990产品，由聚四氟乙烯基材料(PTFE)烧结制造，并使用300～1 100 nm 波段范围内的光谱测量平均反射率数据校准白板，如表1所示。

表1　SRM-990校准白板反射率

试验采集标定标准白板反射率曲线，通过仪器内HandHeld Sync应用软件导出，选取27组有代表性的光谱曲线作图，如图2所示。由于1 000～1 075nm近红外波段噪声较大，数据不能准确反映反射率信息，因此将其剔除。在425～350nm、925～1 000nm数据出现小幅波动，与仪器漂移和野外采集其他光谱干扰有关。从图2中得出：反射率最大值为1.043出现在943nm处，最小值为0.886出现在335nm处，反射率平均值为0.95左右。标定试验结论基本与原厂校准反射率相符，可以达到野外测量精度要求，能较好地反映出田间冬小麦的长势情况。

图2　采集标定标准白板反射率曲线

2.2光谱数据的预处理

为了消除高频随机噪声、仪器漂移、样本不均匀及光散射等对样本的影响,需要对光谱数据进行预处理[16-17]。试验往往仅用一种光谱预处理方法不能得到较好的结果,可将不同的预处理方法结合使用,以获得预期结果。

本试验运用如下的方法组合进行光谱数据预处理:首先，采用一阶微分的两点差分与四点差分计算方式。微分处理可有效地消除基线漂移或平缓背景干扰的影响,提供比原光谱更高的分辨率和更清晰的光谱轮廓；但会放大微小的噪声，降低信噪比。然后，针对微分结果采用指数加权平均法，平滑系数0.8，此时能够很好地滤除各种因素产生的随机噪声，得到预处理后平滑的光谱数据，为选取敏感波段提高分析准确度。

试验采集的150组反射光谱数据分别通过两点、四点差分一阶微分法及指数加权平均法对光谱数据进行处理，然后针对倒一叶、倒二叶SPAD值进行相关性分析结果，如表2所示。

表2　预处理后相关性分析结果

由表2可知：倒一叶和倒二叶相关性系数变化趋势明显，四点差分法数据精度优于两点差分法；倒二叶SPAD值相关性系数高于倒一叶SPAD值，因此选择四点差分一阶微分法的倒二叶SPAD值做进一步数据分析。基于四点差分一阶微分法及指数加权平滑法，绘制田间冬小麦相关性系数变化曲线图，如图3所示。

图3　预处理后大田冬小麦相关性系数变化曲线图

经过以上预处理后的光谱数据，可以很好地滤除各种因素对样本光谱的影响，达到简化后续建模处理运算过程，提高分析准确度。

2.3选取敏感波段

通过预处理得到的大田冬小麦相关性系数变化曲线图，虽变化趋势明显，但不足以确定敏感波段。本文结合未经预处理的光谱数据小麦倒二叶相关性变化图(见图4)，进行敏感波段的确定。通过指数平滑后得出相关性变化趋势明显，存在峰值和谷值，波峰与波谷的差异性较大。

图4　预处理前大田冬小麦相关性系数变化曲线图

综合分析图3、图4可知：400～450nm波段为叶绿素强吸收带，425～490nm波段是类胡萝卜素强吸收带，所以紫外线和蓝紫光绝大部分被作物吸收，反射和投射的光线极少，其平均反射率小于10%。600～700nm波段是叶绿素的强吸收带，650nm波段是叶绿素b的吸收峰；同时植物在750～850nm波段透射率较高，吸收率极低，野外反射率测定值多为25%～65%，850nm波段处为水的弱吸收点。因此，结合分析结果，选择两图峰值与谷值相近的波段作为敏感波段，分别为538、661、740、850nm。

2.4田间冬小麦叶绿素含量指标诊断模型

基于相关性分析结果和选取的敏感波段538、661、740、850nm，分别对预处理前、后的冬小麦拔节期叶绿素含量指标SPAD值建立模型检测。建模分析前针对有效采集的146组样本数据进行聚类分析，按照采集样本划分地块的方位及SPAD值，把SPAD值相近的采样对象通过静态分类的方法分成不同的29组，进行建模分析。

建模分析中，对有效采集的29组样本数据，在相邻的两组数据中选取19组样本建立叶绿素指标检测模型，剩下的10组进行模型验证，置信区间为95%，x538、x661、x740、x850为自变量，y为因变量。

首先，建立预处理前冬小麦冠层叶绿素指标SPAD值多元回归模型(如图5所示)，则有

y=-187.85x538+1150.49x661-394.88x740+183.58x850+61.34

其中，y为预测叶绿素指标SPAD值。建模结果如图5所示，建模精度为0.75，验证建模精度为0.62。

图5　预处理前大田冬小麦抽穗期叶绿素含量指标检测模型

其次，建立预处理后冬小麦冠层叶绿素指标SPAD值多元回归模型为

y=-8095.03x538-1268.57x661+1364.98x740+

1179.04x850+40.83

建模结果如图6所示，建模精度为0.83，验证建模精度为0.7。

图6　预处理后大田冬小麦抽穗期叶绿素含量指标检测模型

建模结果表明：反射光谱数据经过一阶微分预处理后的建模精度和验证精度都高于预处理前，所以预处理后的模型有更强的预测能力，选择其进行田间冬小麦抽穗期长势空间分布图的绘制。

2.5冬小麦冠层叶绿素含量水平空间分布图

基于反射光谱数据建立的冬小麦冠层叶绿素含量指标检测模型的预测结果，结合GPS坐标，绘制杨凌揉谷试验区冬小麦抽穗期叶绿素含量指标空间分布图，如图7所示。图7(a)为田间实测SPAD值绘制所得叶绿素含量水平分布图，图7(b)为采用建模预测田间叶绿素含量指标空间分布图。

图7　大田冬小麦抽穗期叶绿素含量指标空间分布图

观察分析结果可知：图7(a)中，整体而言经度低于108.013°坐标的SPAD值较高，经度高于108.014°坐标的SPAD值较低较低；图7(b)与图7(a)叶绿素含量水平空间分布较为类似，比较两图可以发现：SPAD实测值较低于预测值。分析其原因：一方面这与田间SPAD值是采用冬小麦叶片多点采样测量获取，与模型的预测值有差异；另一方面，试验区内农户分散种植，农户地块边界部分疏于管理，因此基于叶片多点测量的SPAD值分布图对地块空间边界信息反应不足。

基于光谱反射数据的冬小麦冠层叶绿素含量指标空间分布图可以初步为冬小麦抽穗期追肥进行定性指导，即对叶绿素水平较高的经度小于108.013°坐标区域进行少量追肥，而对叶绿素含量水平较低的经度大于108.014°坐标区域增加追肥量。

3结论

1)ASD FieldSpec HH地物光谱仪与SPAD-502plus便携式叶绿素仪针对大田作物光谱测量精度较高，可以为新设备研发起标定作用。

2)基于一阶微分及指数加权平滑的预处理方法所选取的敏感波段538、661、740、850nm所建立的检测冬小麦抽穗期叶绿素含量指标的多元线性回归模型，可用于预测冬小麦冠层叶绿素含量，达到预测冬小麦长势的目的。应用其检测结果生成的大田冬小麦作物叶绿素水平空间分布图，可为冬小麦抽穗期期变量追肥提供指导。

参考文献：

[1]林鸿宣,钱惠荣,熊振民,等.几个水稻品种抽穗期主效基因与微效基因的定位研究[J].遗传学报,1996(3):205-213.

[2]茹京娜,于洋,董凡凡,等.小麦抽穗期QTL及其与环境的互作[J].麦类作物学报,2014(9):1185-1190.

[3]Blackburm G A. Hyper spectral remote sensing of plant pigments[J].Journal of Experimental Botany,2007,58(4):855-867.

[4]李庆波,徐玉坡,张超航,等.基于光谱技术的植物叶绿素浓度无损检测仪器的研制[J].光谱学与光谱分析,2009(10):2875-2878.

[5]李庆波,黄彦文,张广军,等.基于可见-近红外光谱的植物叶绿素含量无损检测方法研究[J].光谱学与光谱分析,2009(12):3275-3278.

[6]郑文刚,孙刚,申长军,等.可见-近红外作物氮素光电测量仪开发[J].农业工程学报,2010(3):178-182.

[7]Carvalho S Carvalho Sabrina, Schlerf M Schlerf Martin, van der Putten W H, et al. Hyper spectral reflectance of leaves and flowers of an outbreak species discriminates season and successional stage of vegetation[J]. International Journal of Application Earth Observation and Geoinformation, 2013,24:32-41.

[8]王维,陈建军,吕永华,等.烤烟氮素营养诊断及精准施肥模式研究[J].农业工程学报,2012(9):77-84.

[9]郭建华,王秀,孟志军,等.主动遥感光谱仪Greenseeker与SPAD对玉米氮素营养诊断的研究[J].植物营养与肥料学报,2008(1):43-47.

[10]胡昊,白由路,杨俐苹,等.基于SPAD-502与Green Seeker的冬小麦氮营养诊断研究[J].中国生态农业学报,2010(4):748-752.

[11]Perry E M, Davenport J R. Spectral and spatial differences in response of vegetation indices to nitrogen treatments on apple[J]. Computer and Electronics in Agriculture, 2007, 59(1/2): 56-65.

[12]Lopez-Bellido R J, Lopez-Bellido L, Fernandez-Garcia P, et al. Nitrogen remote diagnosis in a creeping bentgrass golf green[J].European Journal of Agronomy,2012,37(1):23-30.

[13]Shrestha Suchit, Brueck Holger, Asch Folkard.Chlorophyll index photochemical reflectance index and chlorophyll fluorescence measurements of rice leaves supplied with different N levels[J].Journal of Photochemistry and Photobiology B:Biology,2012,113:7-13.

[14]丁永军,李民赞,安登奎,等.基于光谱特征参数的温室番茄叶片叶绿素含量预测[J].农业工程学报,2011(5):244-247.

[15]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(9):138-143.

[16]陆婉珍,袁洪福,徐广通,等.现代近红外光谱分析技术[M].北京:中国石化出版社,2007.

[17]褚小立,袁洪福,陆婉珍.近红外分析中光谱预预处理及波长选择方法进展与应用[J]．化学进展,2004,16(4):528.

Analysis of Winter Wheat Heading Fields Growing—Based on Vis/NIR Spectroscopy

Liu Renjie1,2, Fang Junlong1, Li Minzan2, Sun Hong2, Wu Lixuan2, Zhao Yi2, Zhang Meng2

(1.College of Electric and Information, Northeast Agricultural University, Harbin 150030,China; 2.Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, China Agricultural University, Beijing 100083, China)

Abstract：In order to estimate the chlorophyll content indicators of field winter wheat in real-time and guide fertilizer management in heading period. The detection and analysis was conducted in Yang Ling of Shan Xi province.The test area of winter wheat was 1000×600m2and it was divided into 30 sampling plots to collect data. The spectral technology was applied. The Analytical Spectral Devices Field Spec HandHeld (USA) spectral radiometer was used to collect spectral reflectance data of winter wheat. The visible and NIR band (325～1050nm) reflectance of winter wheat canopy was measured. The portable chlorophyll meter (SPAD-502plus) was applied to measure SPAD index of the pour wheat leaf and the second countdown leaf of each plant. And handheld GPS (G738CM) was used to record the location of sampling points. The preprocessing between the reflectance and the wheat leaf SPAD index was analyzed. It was showed that the relationship between spectral data the second countdown leaves SPAD values higher than the pour leaves. In addition, four sensitive wavelengths were selected at the 538、661、740、850nm based on correlation analysis .And four sensitive wavelengths respectively proceed to multiple linear regression analysis for the before and after preprocessing. The result showed that the after preprocessing modeling accuracy was 0.83 and validation accuracy was 0.7.The distribution map was drawn by GPS coordinates and modeling prediction result. With the application of spectral technology, it provides a feasible method to detect the winter wheat growth status at heading stage.

Key words：winter wheat; non-destructive measurement; chlorophyll index; visible/near infrared spectra

文章编号：1003-188X(2016)04-0141-06

中图分类号：S123

文献标识码：A

作者简介：刘仁杰(1989-)，男，黑龙江齐齐哈尔人，硕士研究生，(E-mail)liurenjiecau@163.com。通讯作者：房俊龙(1971-)，男，黑龙江延寿人，教授，博士生导师，(E-mail)junlongfang@126.com。

基金项目：“十二五”国家科技支撑计划重大项目 (2012BAH29B04)

收稿日期：2015-05-18