基于光谱反射特征的草莓叶片含水率模型1)

李珺　宋文龙

(东北林业大学，哈尔滨，150040)



基于光谱反射特征的草莓叶片含水率模型1)

李珺宋文龙

(东北林业大学，哈尔滨，150040)

以草莓为试材，通过对冠层叶片含水率与不同波段组成的水分指数(WI)和归一化植被指数(ND，V，I)进行线性、指数、对数、幂函数以及多项式回归分析，研究了干旱(DT)、轻度干旱(MDT)、适量(AWT)及溢水(OWT)4种不同水分处理方式下草莓光谱反射特征与叶片水分状况之间的关系。研究结果显示：在不同生长时期下冠层叶片含水率的敏感波段分别为540、660、930、1 630、2 990、3 300 nm。草莓冠层叶片含水率与水分指数和归一化植被指数呈显著相关，决定系数分别达到0.834 3、0.874 7。并建立了预测草莓叶片含水率的预测模型，利用精度检验证明了预测模型的稳定性和敏感性。

草莓；叶片含水率；反射光谱；光谱指数；回归模型

We studied the relationship between canopy reflectance characteristics and leaf water status of strawberry by regression analysis under different water levels. The water contents of canopy leaf had a significant correlation with the spectral reflectance bands of 540, 660, 930, 1 630, 2 990, and 3 300 nm at different growth stages. The water contents of canopy leaf had a best correlation with the ratio water index WI and the normalized difference vegetation index NDVI, whose coefficient of determination were 0.834 3 and 0.874 7, respectively. The best prediction models to estimate leaf water content were set up, and the model was stable and sensitive to predict leaf water content by the precision test.

植株水分状况评价是评估干旱胁迫、节水灌溉、预测野火和检测植被一般生理状态的重要参数。实验室采用便携式光谱辐射仪分析估测植株水分状态，存在测试时间长及植株损伤性大等缺陷。随着遥感技术的发展，利用空中和卫星多光谱和超光谱传感器估测植株水分状态，能够有效地解决现场无损采样并能够提供连续的大面积空间覆盖[1]，这已成为遥感领域近年来的研究热点[2-3]。目前，通过可见光、近红外及短波红外光谱数据获取叶片含水率已经被广泛采用。Saleem[3]从中波红外区域中测试了3个窄波段指数来获取叶片含水率。结果表明，中波红外光谱数据中包含可以用来准确估测叶片含水率的充足信息，特别是2.588～2.650、3.814～3.900、4.220～4.272、5.150～5.268 μm波段的光谱反射率与叶片含水率具有很强的相关性。Steven et al.[4]以3种地中海树种为研究对象，在电磁频谱的日光波段利用高分辨率光谱数据定量的估测叶片含水率，结果证明是可行的。此外有研究表明，利用连续小波分析叶片反射光谱能够准确预测干叶片及鲜叶片的含水率[5-8]。

目前的研究主要集中于不同生长环境下的农作物及树木等物种。在不同试验条件下，对于不同植被现有估测植株水分状况的光谱特征值和参数差异较大。针对水果植株光谱特征与植株水分状况关系的检测研究相对较少。文中选择草莓作为试验对象，研究冠层反射光谱指数与冠层叶片含水率之间的定量关系，构建适应性较强的草莓水分状况预测模型，为监测草莓植株水分状况奠定理论基础，并对草莓精准水分管理提供应用指导。

1　材料与方法

试验于黑龙江省农业科学院园艺分院智能温室中培育室进行。试验点均处于自然生长区域。供试草莓品种为童子一号，试验标本选择生长状况良好、无病虫害、生长均匀一致的植株。选择土壤为泥炭土，pH值5.5，田间持水量为50%，电导率为0.5。

为了研究光谱指数随叶片含水率不同而产生的变化，试验选择相同的草莓品种在生长期内人工进行干旱(DT)、轻度干旱(MDT)、适量(AWT)及溢水(OWT)4种不同水分处理方式，随机划分区域排列不同组别。

试验采用国产傅立叶红外光谱仪FTIR-650，采集波长为400～4 000 nm，分辨率为1.5 nm。测量时传感器探头垂直于冠层顶，一般离冠层顶距离1 m左右。不同水分处理的草莓植株选取10个样本，4种水分处理共计40个样本。试验对象区分为4个部分，每个部分选有代表性的3处冠层位置测量其冠层光谱值，每处采集5组数据，取每个品种的各组光谱反射率的平均值作为该品种的一次光谱测量值。试验选择生长期内40片成熟叶片，其中一半样本用于测量，另一半样本用于模型验证。

采用烘干法测量叶片含水率。植株离体后迅速装入带有湿纸巾的塑料袋，再将这些塑料袋放置在装冰的黑色塑料袋中带回实验室[9]。分离出叶片，用精度为100 μg的数字天平称取叶片鲜质量，测量完所有叶片鲜质量后再将叶片装入纸袋，使用电热恒温鼓风箱，先将温度调至100～105 ℃，杀青10 min，然后将温度调至75 ℃，烘至恒质量，并称其干质量。根据以下公式计算叶片相对含水率：

(1)

(2)

式中:WF为叶片鲜质量；WD为叶片干质量(至少烘干12 h)；CD为干基含水率；CF为湿基含水率。叶片中水质量可能大于叶片干质量，因此，CD可能会大于1，而CF一定是小于1的值。

2　结果与分析

2.1叶片含水率与光谱反射率的关系

图1给出了4种不同水分处理后叶片含水率(CD)与反射光谱波形之间的关联关系。由图1可知，当波长为400～4 000 nm时，不同水分处理下叶片光谱反射率的变化趋势一致。溢水处理的叶片光谱反射率最低。并且从图1中还可以看出，叶片的含水率与水分处理情况有着密切关联，不同水分处理能够培育不同含水率的草莓叶片样本。表1给出了不同水分处理下叶片含水率的变化，从中可以看出，CF从69.04%变化到72.02%;CD从223.80%升高到257.87%。

图1　不同水分处理叶片含水率的反射光谱

由图1及表1可知，不同叶片含水率CF和CD将会影响叶片光谱反射率。当波长为510～3 600 nm时，存在反射振幅剧烈变化区域，如当波长分别为510～920 nm和3 000～3 600 nm时，反射光谱的深度和形状能够反映该区域叶片含水率从最低到最高变化时的吸收特性。此外，当波长为510～1 800 nm时，在540、660、930、1 630 nm等处出现有明显的反射峰和吸收谷。说明通过叶片反射光谱值探求叶片的含水率状况是可行的。

表1经不同水分处理的叶片含水率

%

2.2光谱指数与叶片含水率之间的回归分析

图1中波长800～1 600 nm光谱变化频繁，根据文献[9]、[11]中给出的水分指数及计算方法，文中选择820、860、900、950、970、1 240、1 600 nm等作为特征波段，通过草莓冠层叶片含水率与不同波段组成的水分指数(WI)和归一化植被指数(ND，V，I)进行线性、指数、对数、幂函数以及多项式回归分析。由WI1、WI2、ND，V，I1、ND，V，I24种光谱指数建立不同函数的回归模型。结果显示，WI与草莓童子1号冠层叶片含水率均呈正相关，WI1的多项式、指数和对数回归曲线相近相关系数分别为0.834 3、0.833 3、0.813 3；WI2的分别为0.746 2、0.746 7、0.732 0。线性及幂函数回归曲线几乎重合，但相关系数较低，WI1分别为0.640 0、0.636 3；WI2分别为0.734 3、0.732 5。ND，V，I与草莓童子1号冠层叶片含水率均呈负相关，其中多项式、指数、对数、线性及幂函数拟合的相关系数ND，V，I1分别为0.703 1、0.696 0、0.362 8、0.654 0、0.675 3；ND，V，I2分别为0.874 7、0.864 5、0.869 0、0.207 0、0.391 2。由此可见，利用WI和ND，V，I得到的多项式回归模型最优。WI和ND，V，I与叶片含水率之间拟合效果较好。表2中给出了草莓童子1号冠层植株叶片含水率与光谱指数间的较优关系模型。

表2草莓叶片含水率(y)与冠层光谱参数(x)之间的定量关系

光谱参数回归方程决定系数(R2)WI1[9]Y=974.654-1947.111x+1046.586x20.8343WI2[10]Y=262.233-440.038x+250.3730.7467ND,V,I1[11]Y=89.0674-798.7540x+8409.3971x20.8260ND,V,I2[12]Y=77.8346-200.0532x+372.6538x20.8747

试验中，在保证植株健康生长情况下，经不同水分处理的叶片含水率差异较小，但当叶片含水率接近72%时，随比值指数的变化，叶片含水率增加更加缓慢，趋于饱和，这说明72%为草莓童子1号冠层叶片含水率的临界点。图1中900～1 600波段中反射光谱趋势一致但波形接近，能够看出该波段受其他因素影响较多，利用此波段内光谱指数反演叶片含水率，能更好地消除干扰因素。

2.3叶片含水率预测模型精度检验

通过比较不同回归模型，文中选择WI1和ND，V，I2的相关模型Y=974.654-1 947.111x+1 046.586x2和Y=77.834 6-200.053 2x+372.653 8x2预测叶片含水率状况。通过利用上述两个回归模型分别预测剩余样本叶片含水率状况。

图2、图3为两个模型的预测值与草莓叶片含水率实测值对比图。由图2、图3可以看出，不同水处理情况下两个模型中CF的实测值与预测值均很接近。但根据决定系数WI1为0.818 45、ND，V，I2为0.869 1可以看出，ND，V，I2模型的检验精度更高，预测值与CF的相关度更好，由此表明，归一化植被指数用于监测草莓叶片含水率具有较高的稳定及敏感性。

图2　叶片含水率(CF)实测值与WI1回归模型预测值比较

图3　叶片含水率(CF)实测值与ND，V，I2回归模型预测值比较

3　结束语

文中讨论了利用叶片的反射光谱反演草莓植株叶片含水率(CF和CD)的方法。不同水分处理的草莓叶片含水率存在差异，在一定范围内随着灌溉量增加而增加；但经适量与溢水处理的叶片含水率差异不明显。表明灌溉量达到一定量时，叶片含水率将会达到饱和。经不同水分处理的草莓冠层光谱变化显著，经干旱处理的草莓冠层叶片光谱反射率最高；在399～553 nm、721～941 nm、3 350～3 720波段，草莓冠层光谱反射率随灌溉量增加呈现递增的趋势；在2 910～3 350 nm波段，冠层光谱反射率随灌溉量增加呈现递减的趋势；此外，在1 800～2 680 nm波段，各种水分处理情况下冠层反射光谱变化平缓，MDT的反射率略低于DT，但高于AWT、OWT。

结合草莓光谱反射率变化规律，选择820、860、900、950、970、1 240、1 600 nm等作为特征波段，通过分解反射光谱为不同敏感波段，使用回归分析方法，建立了预测叶片含水率状态的相关模型。分析结果表明，利用WI和ND，V，I得到的多项式回归模型最优。WI和ND，V，I与植株叶片含水率之间有较好的相关性。当叶片含水率接近72%时，随比值指数的变化，叶片含水率增加缓慢，达到饱和。这一结果与不同叶片含水率反射光谱分析结果一致。

预测CF以基于ND，V，I的模型精度最高，实测值与预测值之间的决定系数达到0.869 1，此外，900～1 600 nm波段中反射光谱趋势一致但波形接近，因此，该波段受其他因素影响较多，利用此波段内光谱指数反演叶片含水率，能更好地消除干扰因素，模型Y=77.834 6-200.053 2x+372.653 8x2可以作为估测CF的最优模型。

草莓在不同生育期对水分的要求也不一样。开花期、果实膨大期、浆果成熟期、采果期及花芽分化期，需水量都在变化，水分管理是草莓田间管理的重要环节，水分对草莓的生长发育有较大影响。实时监测或诊断植株冠层水分状况，对提高植株的灌溉效率指导生产、监测自然群落的干旱状况等具有重要意义。文中研究探讨了利用光谱反射率监测草莓叶片水分状况的可行性,同时给出了光谱波段和回归模型,试验证明，预测精度能够达到定量估计叶片水分状况需求。文中并未考虑施肥、土壤等其他条件对草莓植株生长的影响，今后将深入研究多种因素影响下叶片水分变化情况，此外，可以利用遥感技术开展光谱反射率与叶绿素等各种成分之间相关关系的研究。

1)云南省高校优势特色重点学科(生态学)建设项目资助(05000511311)、国家林业局林业公益性行业科研专项(201204101-10)。

Water Content Model for Strawberry Leaves with Spectral Signature//

Li Jun, Song Wenlong

(Northeast Forestry University, Harbin 150040, P. R. China)//Journal of Northeast Forestry University，2016,44(1)：72-74，80.

Strawberry; Leaf water content; Reflectance spectra; Spectral index; Regression model

李珺，女，1978 年9月生，东北林业大学机电工程学院，副教授。E-mail：lijun2010@nefu.edu.cn。

宋文龙，东北林业大学机电工程学院，教授。E-mail:wlsong139@126.com。

2015年10月22日。

Q947.5

1)黑龙江省自然科学基金资助(QC2013C035)、黑龙江省教育厅科学技术研究项目(12533014)、中央高校基本科研业务费专项资金资助项目(2572014CB13)。

责任编辑：任俐。