水稻叶片高光谱响应特征及氮素估算

李永梅+张立根+张学俭

摘要：将高光谱遥感技术应用于高纬度高海拔宁夏回族自治区，探讨水稻氮素快速无损的监测方法，为科学合理地施肥提供依据。对3个不同施氮水平、5个生育期水稻叶片反射光谱的响应特征及叶片叶绿素相对含量（SPAD值）进行对比分析，将光谱及SPAD值与氮素含量进行相关分析，筛选诊断氮素含量的特征光谱并构建氮素估算模型。结果表明，随着生育期的推进，叶片光谱反射率在可见光范围内呈增加趋势，该变化特征与SPAD值变化规律基本一致，近红外区光谱反射率呈先增加后降低的规律；随氮素含量增加可见光反射率降低，近红外反射率增加，SPAD值与氮素含量呈正相关（r=0.766）；各波段对氮素的光谱响应程度不同，可见光波段更敏感，原始光谱612 nm和一阶微分666 nm为特征波长；叶片氮素估算最优模型为y=9.155x1-0.111x2+0.050x3+2.102（x1、x2、x3分别为R612 nm、R666 nm、SPAD值）。

关键词：水稻叶片；氮素；高光谱遥感技术；估算模型；SPAD值

中图分类号： S127；TP79； S511.06文献标志码： A文章编号：1002-1302（2017）23-0210-04

高光谱遥感具有光谱信息量大、分辨率高、连续性强等特点，能直接对作物的微弱光谱差异进行定量分析，在植物遥感研究与应用中表现出巨大优势，而作物氮素的遥感监测一直是作物遥感监测研究的重点领域[4-8]。为了探索植物叶片氮素遥感诊断的可能性，自20世纪70年代以来，有关科学家在作物氮素敏感波段筛选及光谱反射率对氮素响应规律方面进行了大量的基础研究。国内王人潮等较早就对不同氮素水平下水稻叶片光谱反射特征进行了研究，并提出诊断水稻氮素含量的叶片敏感波段[9]。由于养分供应的变化在叶片上的反映比较显著，许多研究者也开展了基于鲜叶片光谱估测作物氮素含量的研究，探讨各种作物叶片光谱特征并建立光谱与氮素间的多种相关模型，證明各种作物的氮素营养状况与特定光谱之间存在相关性[1，4-5，9，10-11]。国内外大量研究表明，采用高光谱数据快速准确地获取植物生化参数是可行的，高光谱遥感技术已成为作物长势监测及生化参数定量估算的一种新手段而备受关注[12]。

以不同施氮水平试验田为依托，以水稻鲜叶片为研究对象，基于5个生育期采集的叶片高光谱反射率及SPAD数据，分析水稻叶片对氮素的高光谱响应特征及叶片SPAD值变化规律，利用相关分析法确定氮素敏感波长，建立基于原始光谱、一阶微分光谱及SPAD值的水稻叶片氮素估算模型，为宁夏回族自治区水稻氮素快速无损诊断提供依据，在农作物精准氮肥管理及科学栽培调控方面具有现实意义。

1材料与方法

1.1试验设计

选取土壤肥力和水源条件不同的2处实验田进行氮肥试验，设3个氮肥处理，纯施氮量240、270、300 kg/hm2，分别用N0、N1、N2表示，重复3次。试验品种为宁优2号。

1.2光谱信息获取

选用美国SVC GER1500自带的手持叶夹式光谱探测器，波段值为350～1050 nm，采样间隔为1.5 nm，探测器通道为512个，该探测器内置有石英卤化灯，光源稳定。

结合宁夏回族自治区引黄灌区水稻的生长发育规律，分别在分蘖盛期、孕穗期、齐穗期、灌浆期和乳熟期，从各小区选取长势中等植株作为样本，测定主茎完全张开倒1、倒3叶中部的光谱反射率。测量时将叶片置于叶片夹的叶室中并夹紧叶片，保证叶片水平且被探测面积相同，以消除背景反射及叶片表面弯曲对光谱产生的影响，每次采集光谱数据前均进行标准白板校正。

1.3叶片SPAD值的测定

采用日本生产的SPAD-502型叶绿素计，同步测定样本倒1和倒3叶的SPAD值，测定部位为叶片中部且避开叶脉[13]，每个小区测定10组数据，每组数据测定6次取其均值。

1.4氮含量的测定

与光谱测量同步，每个小区按叶位将叶片进行分离，利用烘箱将样品烘干、称质量、粉碎后用于氮含量的测量，测定采用凯氏定氮法。

1.5精度检验

精度检验采用均方根误差（root mean square error，简称RMSE）和平均相对误差（average relative error，简称ARE）公式：RMSE=∑ni=1（yi-yi′）2n，ARE=∑ni=1|yi-yi′yi|n×100%。其中，yi和yi′分别为实际值和观测值；n为样本数。

2结果与分析

2.1水稻叶片高光谱响应特征分析

2.1.1水稻叶片光谱随生长期变化的特征分析由图1可见，可见光波段，从分蘖期至灌浆期，叶片光谱反射率一直呈增加趋势，且增加经历了小幅度和大幅度相间变化，这与水稻叶片营养转移及叶绿素含量变化规律密切相关。分孽期，水稻迅速生长，叶绿素含量快速增加，叶片在红光和蓝光处吸收强烈，使得光谱反射率较低；从分蘖期至孕穗期，由于叶片营养转移较慢，故该时期光谱反射率增加幅度较小；从孕穗期至齐穗期，叶片营养快速向穗部转移，叶绿素含量减少，光谱反射率在该时期增加幅度较大，从灌浆期至乳熟期光谱反射率变化幅度最大。

近红外波段，水稻叶片光谱反射率从分蘖期至齐穗期不断增加，从灌浆期至乳熟期光谱反射率不断降低，这与水稻叶片细胞结构有较大关系。水稻叶片光谱反射率随生育期的变化特点与其在各生育期的生长特征相关，其相关程度须进一步深入研究。

2.1.2叶片光谱对氮素响应特征分析已有研究表明，增加氮肥施用量能促进叶绿素合成，增强叶片光合作用[14-15]，同时氮肥增加可促进叶肉细胞间空气间隙的扩展，从而引起叶片光谱反射率发生变化[16]。本研究对3个不同氮肥处理的水稻分蘖盛期、孕穗期、抽穗期、齐穗期、灌浆期及乳熟期叶片光谱对氮素含量的响应特征进行分析，结果发现，各生育期叶片光谱对氮素含量的响应规律基本一致，即在可见光450～650 nm 叶片光谱反射率随施氮量的增加而明显降低，近红外750～1 050 nm 则随施氮量增加而增加。其中齐穗期和灌浆期结果见图2。endprint

对各生育期叶片光谱对氮素的敏感程度进行分析，结果（图2）表明，齐穗期可见光波段最大变化程度为28.0%，灌浆期达到了45.0%；近红外区最大变化幅度齐穗期为190%， 灌浆期为7.7%。 可见叶片光谱的不同波段对施氮

量的响应程度不同，可见光波段更为敏感。

2.2叶片SPAD值变化特征分析

从图3-A可见，水稻完全展开第1叶的SPAD值从分蘖期至齐穗期逐渐增加，齐穗期之后开始减小，至乳熟期减小迅速，这与水稻叶片高光谱反射率随生育期的变化规律相一致。同时，对比分析各生育期不同施氮水平水稻叶片的SPAD值发现，水稻叶片SPAD值随着施氮量的增加而增加，两者之间具有正相关关系，其相关系数为0.766，达到显著相关（相关系数大于0.700为显著相关，下文同）。从图3-B可以得出，同一施氮量不同叶位水稻叶片的SPAD值明显不同，相同时期内倒1叶的SPAD值均高于倒3叶，这与植物营养输送和叶片叶绿素的分布规律是对应的。

2.3光谱与氮素含量相关性分析

将5个生育期所有叶片原始光谱、一阶微分光谱与测定的全氮含量进行相关性分析。图4结果表明，原始光谱反射率在可见光波段与氮素含量呈负相关，其中510～700 nm相关程度较高，612 nm处最高，达到-0.761，近红外波段则呈正相关关系，且相关系数较小（r<0.325）。水稻叶片氮素含量与一阶微分光谱相关性曲线波动较大，相关性显著的波段同样在可见光区域，其中666 nm处的相关系数最大，为0.721。

2.4叶片氮素含量估算模型构建

为了精准监测农学参数，选取与水稻叶片氮素含量呈显著相关的原始光谱、一阶微分光谱及SPAD值作为自变量（x），以氮素含量作为因变量（y），采用线性函数、指数函数、对数函数和二次多项式函數等构建数学回归模型（表1）。

由表1可见，将原始光谱、一阶微分光谱及SPAD值作为自变量，构建的多元回归模型拟合效果最好（R2=0.792）；而单变量的回归模型中，以SPAD值作为自变量的模型拟合效果最佳，线性函数、指数函数、对数函数及二次多项式相比较，采用二次多项式构建的模型拟合效果优于其他函数模型。

对水稻叶片氮素估算模型进行精度验证，多元回归模型y=9.155x1-0.111x2+0.05x3+2.102为最优模型，其均方根误差（RMSE）和平均相对误差（ARE）分别为0.26、11.6%，其实际值与预测值间的r2=0.786（图5）。

3结论与讨论

3.1结论

以不同氮肥处理的水稻田间试验为依托，利用美国近地高光谱辐射仪SVC GER1500和日本SPAD-502plus叶绿素仪，在各生育期测定水稻叶片光谱反射率及SPAD值，同步取样测定叶片氮素含量，分析水稻叶片光谱及SPAD值随生育期的变化特征，探讨出水稻冠层光谱对氮素含量的响应规律，并筛选出对氮素指示强的特征波长。构建基于特征波长及SPAD值的水稻氮素估测模型。得出如下结论：（1）随着生育期的推进，水稻叶片反射光谱在可见光范围内一直呈增加趋势，且经历了小幅增加和大幅增加相间变化的特征，该变化特征与SPAD值变化规律基本一致。这是由于作物叶片反射光谱在可见光波段主要受叶绿素含量的影响，而叶片SPAD值随生长期的动态变化是反映叶绿素变化的重要信息。反射光谱在近红外区表现为先增加后降低的规律，这与水稻叶片细胞结构及营养转移速度有较大关系，其相关程度须进一步深入研究。（2）氮素水平的差异对叶片光谱影响明显，且各生育期表现出基本一致的规律性，即可见光波段随氮素水平的增加而降低，近红外波段则随氮素水平的增加而增加。各生育期水稻叶片的SPAD值随氮素水平的增加而增加，两者显著正相关（r=0.766）。这是由于增加氮肥能促进叶绿素的合

成，能增强叶片光合作用，同时能促进叶肉细胞间空气间隙的扩展，进而引起叶片光谱反射率的变化。 （3）通过光谱敏感程度分析发现，不同波段对氮素的光谱响应程度不同，可见光波段更敏感，其中612 nm与氮素含量相关性最为显著（r=-0.761）。一阶微分666 nm与氮素含量相关性最显著（r=0.721）。（4）单变量构建的回归模型中，以SPAD值作为自变量构建的回归模型拟合效果优于612 nm和 666 nm 特征波长构建的模型。在单变量模型中拟合效果最好的均为二次多项式模型。拟合效果和精度最高的为多元回归模型y=9155x1-0.111x2+0.05x3+2.102（x1、x2、x3分别为R612 nm、R666 nm、SPAD值），故该模型为水稻叶片氮素诊断最优模型。

3.2讨论

本研究首次将高光谱遥感技术应用于高纬度、高海拔的宁夏回族自治区，拓宽了目前遥感诊断水稻氮素的研究区域，为宁夏回族自治区作物氮素营养诊断提供了思路，开拓了作物营养诊断技术新领域，可提高该区域农业养分管理的科技投入。研究成果在宁夏回族自治区北部引黄灌区现代农业示范区建设及高产优质粮食作物种植中具有广阔的应用前景。

本研究在构建水稻氮素估测模型覆盖生育期、光谱类型及建模方法上有所创新，而且提高了诊断精度。今后在高光谱分析技术方面，除一阶微分技术外，应加强一些特殊分析方法的探索和研究；在建模过程中，要继续挖掘方差分析、单变量回归分析及逐步多元回归分析等方法的潜力，同时要借助神经网络和遗传算法等智能算法，提高光谱信息提取解析效果及模型的精度。

参考文献：

[1]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.

[2]裘正军，宋海燕，何勇，等. 应用SPAD和光谱技术研究油菜生长期间的氮素变化规律[J]. 农业工程学报，2007，23（7）：150-154.endprint

[3]王莉雯，卫亚星. 植被氮素浓度高光谱遥感反演研究进展[J]. 光谱学与光谱分析，2013，33（10）：2823-2827.

[4]刘冰峰，李军，赵刚峰，等. 夏玉米叶片全氮含量高光谱遥感估算模型研究[J]. 植物营养与肥料学报，2012，18（4）：813-824.

[5]赵刚峰，李军，刘冰峰，等. 關中冬小麦叶片氮素含量高光谱遥感监测模型[J]. 麦类作物学报，2012，32（3）：530-536.

[6]唐延林，黄敬峰，王人潮. 水稻不同发育时期高光谱与叶绿素和类胡萝卜素的变化规律[J]. 中国水稻科学，2004，18（1）：59-66.

[7]李金梦. 基于高光谱成像技术的柑橘叶片含氮量快速检测方法研究[D]. 杭州：浙江大学，2014：6-7.

[8]余天霞. 柑橘大小年差异分析及生化参数估测研究[D]. 重庆：西南大学，2014：12-13.

[9]王人潮，陈铭臻，蒋亨显. 水稻遥感估产的农学机理研究——Ⅰ. 不同氮素水平的水稻光谱特征及其敏感波段的选择[J]. 浙江农业大学学报，1993，19（增刊1）：7-14.

[10]黎小清，刘忠妹，丁华平，等. 基于高光谱数据的橡胶树叶片氮素含量估算模型研究[J]. 中国农学通报，2015，28（2）：569-574.

[11]陈志强. 不同氮素水平下玉米叶片的高光谱响应及其诊断[D]. 杭州：浙江大学，2008：1-5.

[12]冯伟，王永华，谢迎新，等. 作物氮素诊断技术的研究综述[J]. 中国农学通报，2008，24（11）：179-185.

[13]庞立东，李卫军，朱进忠.追施氮肥对苏丹草光合特性及种子产量的影响[J]. 草业科学，2014，31（12）：2287-2288.

[14]隋鑫，吕小红，付雪蛟，等. 氮肥施入量对滨海盐碱地水稻生长发育及产量与光合效应的影响[J]. 江苏农业科学，2016，44（5）：94-96.

[15]刘宇鹏，李金玲，袁婧，等. 不同氮肥水平对太子参叶片生理指标的影响[J]. 江苏农业科学，2015，43（6）：231-233.

[16]杨杰. 基于叶片高光谱指数的水稻氮素及色素含量监测研究[D]. 南京：南京农业大学，2009：9-10.江苏农业科学2017年第45卷第23期李辉，吕晓兰，梅松，等. 基于Solidworks的果园施肥机中螺旋投料系统设计[J]. 江苏农业科学，2017，45（23）：214-217.endprint