吐丝期玉米倒伏后地面高光谱特征参数分析

杨粉团+顾晓鹤+李刚+王纪华+宋森楠+杨贵军+谭昌伟+郭文善

摘要： 倒伏是玉米主要自然灾害之一，及时、准确地监测玉米倒伏的程度，对于玉米倒伏灾害的损失评估及防治有重要意义。设置玉米吐丝期不同倒伏程度的田间模拟试验，利用地面高光谱数据，比较正常生长的玉米及受倒伏危害玉米的冠层反射光谱和高光谱特征参数的差异，分析了倒伏角度与高光谱参数之间的相关关系。结果表明，玉米倒伏后可见光波段的反射率增加高于近红外波段，且随着时间的推移，近红外波段的差异变小。玉米吐丝期倒伏后红谷吸收深度变浅，反射绿峰高度降低，红边位置和近红外平台位置均向短波方向移动。红边内（620～760 nm）一阶微分光谱所包围的面积变化差异小；蓝边内（430～470 nm）和近红外平台（780～1 300 nm）的一阶微分光谱所包围的面积增加显著。倒伏角度与高光谱特征参数相关分析表明，D、SDr/SDb、（SDr-SDb）/（SDr+SDb）相关系数最高，可以作为监测玉米倒伏程度的高光谱特征参数指标。

关键词： 玉米；吐丝期；高光谱；倒伏角度

中图分类号： S127；S513.04 文献标志码： A

文章编号：1002-1302（2016）03-0085-03

从2012年开始，玉米取代稻谷成为我国第一大粮食作物。近年来，我国玉米产量不断提高，玉米密植与倒伏的矛盾日益突出，玉米倒伏引发的产量损失呈加剧趋势。夏季暴雨、大风在我国呈常态化发生，玉米倒伏风险很大，减产幅度在10%～30%[1]。基于地面高光谱数据，研究玉米不同程度倒伏的光谱特性，可以为光学遥感监测玉米及其他作物倒伏提供依据。高光谱遥感技术是20世纪80年代发展起来的遥感前沿技术，目前该技术已经在农业信息化领域得到应用，在小麦病害[2]、虫灾[3] 等方面都取得了一系列成果。倒伏是生产中主要的自然灾害，关于小麦[4-6]、水稻[7]倒伏研究成果较多，对玉米倒伏也有相应研究[8]。本研究通过玉米不同程度倒伏模拟试验，利用相关分析法探讨玉米冠层高光谱特征参量的变化规律，筛选敏感特征参数，以期为玉米倒伏产量损失评估提供理论依据。

1 材料与方法

1.1 试验设计

试验在北京市小汤山国家精准农业研究示范基地进行。该基地位于北京市昌平区小汤山镇，40°10′ N，116°26′ E，研究区地势平坦，种植方式为冬小麦-玉米轮作一年两熟制，当季种植玉米前为小麦茬口。玉米种植品种为京华8号，2013年6月23日播种，大田留苗密度67 500株/hm2，纯氮用量180 kg/hm2，其他按常规田管理。实施玉米吐丝期人工模拟根倒不同等级处理。试验区于8月19日开始抽雄，8月20日对大田进行灌水处理，使大田表面保持浅水层，8月21日进行模拟倒伏处理，设3种倒伏角度处理，分别为正常、倾斜、严重倒伏，每种处理设置30行12 m。在玉米近地茎秆施加一定推力，使处理区内玉米倒伏程度分为倾斜、严重倒伏2级。以玉米茎秆与垂直方向的夹角为倒伏角度（α），45°≤α<90°定义为严重倒伏，0°<α<45°定义为倾斜。于倒伏后第2天、第5天、第9天分别测定田间相关指标及冠层光谱。

1.2 冠层光谱测定

用ASD Field-Spec FR2500光谱仪、1050光谱仪、2500光谱仪（均购自美国ASD公司）测量各倒伏样点的玉米冠层光谱，波段值为350～2 500 nm，光谱仪的采样间隔为1.4 nm（350～1 000 nm区间） 和2.0 nm（1 000～2 500 nm区间）。1050光谱仪的波段范围是350～1 050 nm，采样间隔（波段宽）为1.438 nm。选择在天气晴朗或少云、无风条件下测定光谱，光谱测定时间范围为10：00—15：00。测定步骤为：首先开启光谱仪预热，再次测量之前都先进行光谱仪优化，冠层光谱测定前后都进行参考板测定，冠层光谱测定时探头垂直向下，距冠层垂直高度约1 m，光谱仪视场角25°，在视场范围内重复10次，以其平均值作为该样点的冠层光谱值。为了方便运算数据，统一选择350～1 050 nm的光谱值进行分析。

1.3 冠层倒伏程度测定

冠层倒伏程度用倒伏角度来表示，倒伏角度（α）为玉米茎秆与垂直方向的夹角。根据倒伏后玉米茎秆某点距离地面的高度和该点到根部的长度，求解倒伏角度。处理地块内设置24个2 m×2 m的倒伏均匀的小区，每小区选择有代表性的5株进行测定，平均值为该小区的倒伏角度。

1.4 数据分析方法

采用常用的高光谱数据平均值，微分及对数变换方法，对R的对数变换和一阶微分变换见如下公式：

2 结果与分析

2.1 反射光谱特征分析

对24个小区对应的正常生长玉米、不同程度倒伏玉米冠层的光谱分别进行测定。对光谱反射率ρ及其分式1/ρ、lg ρ及ρ的一阶导数Kρ进行比较。结果发现，lg ρ能更好地反映玉米冠层光谱的波形特征，并能对大气效应、土壤背景等噪声起到平滑作用。Kρ能部分消除噪声影响，明显地展示红边部位的光谱差异。采用Kρ、lg ρ进行光谱分析。

图1为对数光谱，图1-a、图1-b、图1-c光谱测定时间分别是倒伏后第2天、第5天、第9天。从图1-a可以看出，受倒伏胁迫的玉米冠层在可见光区、近红外区的光谱特征都发生了明显变异。与正常生长的玉米相比，倒伏后第2天，受倒伏胁迫的玉米光谱在全波段的反射率均增加，可见光波段增加幅度高于近红外波段，这种变化与前人对作物倒伏冠层光谱变化规律的研究结论[4]一致。从图1-b、图1-c可以看出，随着倒伏后时间的延长，这种差异逐渐缩小，近红外波段的差异在倒伏后第9天基本消失，可见光波段的差异尚存在。图2是正常生长和受倒伏胁迫危害玉米的一阶导数光谱曲线，图2-a、图2-b、图2-c分别代表倒伏后第2天、第5天、第9天光谱。较之正常生长的玉米，倒伏玉米冠层的“红边”（680～760 nm红光范围的反射光谱）向短波方向偏移，即所谓“蓝移”。

2.2 高光谱特征参数的定量分析

从原始光谱及由一阶微分光谱提取的基于高光谱的位置变量、面积变量等16种高光谱特征参数，进一步定量分析正常生长的玉米与倒伏玉米冠层光谱的差异，寻找差异最明显的特征参数。从表1可见，较之正常生长的玉米，倒伏玉米冠层的光谱发生了以下变化：红谷吸收深度变浅，反射绿峰的高度降低，尤以倒伏第2天反应最强烈，后期有一定的恢复生长，差异缩小；红谷吸收深度和反射绿峰高度的比值和归一化变形参数变化也有相似的变化规律；蓝边位置无变化；红边位置、近红外平台位置均向短波方向移动，红边位置移动较少，近红外平台位置移动较多；红边内一阶微分光谱所包围的面积变化差异小；蓝边内和近红外平台的一阶微分光谱所包围的面积增加显著。

产生以上变化的主要原因是玉米倒伏后，冠层结构发生变化，倒伏冠层结构平坦，正常生长状态下冠层立体结构内存在的大量阴影在倒伏状态下消失，取而代之的是重叠在一起的叶片、茎秆，呈现出独特的冠层光谱，这种变化不同于其他病虫害、缺素、洪涝、干旱时叶面积下降或叶绿素合成受阻时表现的可见光吸收减少、近红外波段降低的现象。

2.3 高光谱特征参数与玉米倒伏角度的相关分析

分析3次测定的倒伏冠层光谱与倒伏角度的相关系数，从[CM（25]表2可以看出，在3次测定中表现稳定且关系显著的高光谱特征参数有红谷吸收深度（D），蓝边内和近红外平台内一阶微分所包围的面积，以及由红边内、蓝边内和近红外平台内一阶微分包围面积组成的比值参数和归一化参数。其中以D、SDr/SDb、（SDr-SDb）/（SDr+SDb）相关系数最高，可以作为监测玉米倒伏程度的高光谱特征参数指标。

3 结论与讨论

吐丝期是玉米生长发育的关键时期，玉米处于旺盛的代谢时期，倒伏后恢复活跃生长，随着时间的推移，倒伏群体的光谱特性会发生一定变化。本研究结果表明，10 d内正常生长的玉米随着时间推移，冠层光谱变化很小，倒伏群体的冠层光谱随着时间的推移出现规律性变化。此外，可见光波段的变化较近红外波段的变化幅度大且持久，因此利用光学手段进行倒伏监测时间宜早不宜晚，且宜利用可见光波段信息。玉米倒伏后冠层结构改变，视场内组分改变，群体的光学特性也随之改变，使得遥感探测与评价成为可能。本研究分析了吐丝期正常生长和受不同倒伏程度胁迫的玉米冠层光谱，并研究了其高光谱特征参数的差异，分析了倒伏角度与冠层高光谱特征参数的相关系数。结果表明：玉米吐丝期倒伏初期，受倒伏胁迫的玉米光谱在全波段的反射率均增加，可见光波段增加幅度高于近红外波段。随着倒伏后时间的延长，这种差异逐渐缩小，近红外波段的差异在倒伏后第9天基本消失，可见光波段差异仍然存在。玉米吐丝期倒伏后红谷吸收深度变浅，反射绿峰高度降低，红边位置和近红外平台位置均向短波方向移动。红边内一阶微分光谱所包围的面积变化差异小；蓝边内和近红外平台的一阶微分光谱所包围的面积增加显著。D、SDr/SDb、（SDr-SDb）/（SDr+SDb）与倒伏角度的相关系数最高，可以作为监测玉米倒伏程度的高光谱特征参数指标。本试验地点在北京市，采用夏播玉米品种进行试验，试验结果仍需在其他生态区或采用其他不同类型品种进行验证和完善。今后研究重点是通过数学方法研究高光谱特征参数优化或植被指数的应用，探索其在光学卫星影像上的应用。

参考文献：

[1]曹庆军，曹铁华，杨粉团，等. 灌浆期风灾倒伏对玉米籽粒灌浆特性及品质的影响[J]. 中国生态农业学报，2013，21（9）：1107-1113.

[2]冯 伟，王晓宇，宋 晓，等. 基于冠层反射光谱的小麦白粉病严重度估测[J]. 作物学报，2013，39（8）：1469-1477.

[3]吴 彤，倪绍祥，李云梅，等. 基于地面高光谱数据的东亚飞蝗危害程度监测[J]. 遥感学报，2007，11（1）：103-108.

[4]刘良云，王纪华，宋晓宇，等. 小麦倒伏的光谱特征及遥感监测[J]. 遥感学报，2005，9（3）：323-327.

[5]胡宗杰，张 杰，王召海. 灌浆期小麦倒伏后光谱变化特征[J]. 安徽农业科学，2011，39（6）：3190-3192.

[6]吴尚蓉，刘 佳，王利民，等. 基于图像和光谱技术的倒伏冬小麦产量评估研究[J]. 中国农业资源与区划，2013，34（1）：39-46.

[7]刘占宇，王大成，李 波，等. 基于可见光/近红外光谱技术的倒伏水稻识别研究[J]. 红外与毫米波学报，2009，28（5）：342-345.

[8]包玉龙，张继权，刘晓静，等. 受风灾影响后的农作物冠层反射信息测量与分析[J]. 光谱学与光谱分析，2013，33（4）：1057-1060.