不同生育时期冬小麦叶片相对含水量高光谱监测

刘晓静，陈国庆，王 良，陈玉洁，王 兰，刘肖瑜，李学国

(作物生物学国家重点实验室/山东省作物生物学重点实验室/山东农业大学农学院，山东泰安 271018)

叶片相对含水量与土壤含水量密切相关，同时关系着叶片的生理功能，可反映逆境下植物的保水能力，是植物组织水分状况最为直接的指示指标[1-2]。叶片相对含水量的常规测量费事费力，进行大量样品测定时较难得到精准的结果，因此，寻求一种快速准确监测叶片相对含水量的方法，对于指导冬小麦的科学精确灌概具有十分重要的意义。随着遥感技术的发展，尤其是高光谱技术不断成熟和应用，使之成为地表植被地学过程对地观测的强有力工具[3-5]。目前的研究表明，利用高光谱遥感技术可对作物地上部干物质量[6-7]、叶片氮含量和磷含量[8-15]、叶面积指数[16-19]、覆盖度[20-22]等参数进行估测，并表现出了明显的优势。在作物水分含量的预测反演方面，利用高光谱遥感技术也已经成为重要手段。Inoue等[23]和Yu等[24]利用不同波段反射率来反演冠层叶片相对含水量。田庆久等[25]、王纪华等[26-27]发现，小麦叶片相对含水量与光谱反射率在1 450 nm附近的特征吸收峰和面积呈良好线性正相关。同时，基于光谱反射率构建的植被指数也被广泛应用于作物叶片含水量的监测。研究发现，植被指数NDWI、SR与作物叶片含水量存在显著正相关[28]，归一化差值(NDSI)及差值光谱指数(DSI)也可以很好预测作物叶片含水量[29]。此外，苏 毅等[30]利用水分指数(WI)、归一化差值水分指数(NDWI)、水分胁迫指数(MSI)、水分波段指数(WBI)构建了作物含水量和叶片含水量的最佳监测模型。由于作物水分状况和生育阶段等因素的影响，作物冠层反射率存在一定差异。在不同生育阶段，冬小麦冠层结构和背景信息不同，从而造成不同生育时期所构建植被指数对叶片相对含水量的敏感程度存在差异，最终导致通过单一植被指数难以精确构建全生育期的叶片相对含水量监测模型。鉴于此，本研究分别在不同生育时期，分析小麦叶片相对含水量与光谱参数的定量关系，建立小麦叶片相对含水量高光谱监测模型，探索能适应不同生育时期更为精准的光谱参数，以期为不同水分处理下冬小麦不同生育时期作物水分的精确监测提供理论依据和技术支撑。

1 材料与方法

1.1 试验设计

试验1：于2016-2017年在山东农业大学水肥耦合试验站进行，采用池栽方式，小麦供试品种为济麦22。试验共设0、30、60 和90 mm 四个灌水量处理，分别用W1、W2、W3和W4代表，灌水时间在拔节期(追肥后)和孕穗期进行，两次灌水量相等。小麦条播种植，行距20 cm，小区面积为18 m2(5 m×3.6 m)，播种密度为每平方米222株，采用人工点播。每小区底施尿素 192.2 kg·hm-2、 磷酸二铵 260.9 kg·hm-2和硫酸钾 210.0 kg·hm-2，拔节期追施尿素192.2 kg·hm-2，其他管理同高产田。试验数据用于监测模型构建。

试验2：于2016-2017年在山东农业大学南校试验田进行，池栽试验，小麦供试品种为济麦22。分别设置拔节期和拔节后10 d灌水两种水分处理，灌水量均为30 mm。纯氮、磷肥(P2O5)和钾肥(K2O)施用量分别为225.0、120.0和105.0 kg·hm-2，其中氮肥基施和追施量各占一半，拔节期追施，磷、钾肥全部基施。田间管理按照高产田的标准进行管理，试验数据用于监测模型验证。

1.2 测定项目与方法

1.2.1 冠层光谱数据测定

利用SOC710VP便携式高光谱成像仪(光谱范围400～1 000 nm，分辨率4.68 nm，波段为128个)测量拔节期至灌浆期冬小麦的冠层光谱。冠层光谱的测定时间为早晨9点至下午3点，选择在天气晴朗、无积云、无风或少风(最好不超过3级)时进行。测量人员身着无强反射的暗色衣物，与仪器背光测量。测量时镜头垂直向下，距离冠层垂直高度1.0 m。每小区测量三个点，每点重复3次，取平均值作为该样点光谱测量值。测量时用参考版进行标定(冬小麦和参考版要在相同的光照条件和环境状态下测定)。

1.2.2 冠层温度及气温测定

以德国生产testo890热红外成像仪采集拔节期至灌浆期冬小麦的冠层温度(Tc)。测量时仪器与作物冠层呈45度角，并距冠层25～30 cm，测定时间为12:00-14:00，每个水分处理测量3次，取其平均值。气温(Ta)采用JM222数字温度表观测，并计算冠气温差(TDc-a)。TDc-a=Tc-Ta。

1.2.3 叶片相对含水量(RWC)的测定

与光谱测量同步，每小区选有代表性的植株10株，迅速摘取茎秆上所有叶片，装入自封塑料袋，带回实验室用万分之一精度的电子天平称取鲜重(WF)，然后将装有叶片的自封袋内分别装满自来水，泡8 h后，用吸水纸擦去水分，称取叶片饱和鲜重(WS)，最后在105 ℃下杀青30 min后，于80 ℃下烘干至恒重(WD)。RWC=(WF-WD)/(WS-WD)×100%

1.2.4 植被指数的选择

本研究选取4种植被指数(表1)建立冬小麦叶片相对含水量高光谱遥感监测模型。由于冠气温差可指示作物的水分状况[31-32]，也将其作为监测叶片相含水量的备选指标之一。

表1 高光谱植被指数计算公式Table 1 Expressions of hyperspectral vegetation indices

R810、R610、R560、R645和R555分别为810、610、560、800、670 nm波段的光谱反射率。

R810,R610,R560,R645andR555are spectral reflectance of 810, 610, 560, 800 and 670 nm，respectively.

1.2.5 监测模型的检验

模型的精度用决定系数(r2)、平均相对误差(MRE)和均方根差(RMSE)对所建立的监测模型进行检验，决定系数越接近1，平均相对误差越小，均方根误差越接近零时，模型预测的准确率越高，反之则越差。

式中，xi为叶片相对含水量模拟值；yi为叶片相对含水量实测值；i为样本序数，i=1，2，…，n；n为样本数。

2 结果与分析

2.1 不同水分处理下冬小麦叶片相对含水量的变化

在拔节和抽穗两个时期，由于冬小麦叶片相对含水量是在浇水后进行测定的，因而只有W1处理显著低于W2、W3、W4处理，后三个处理之间无明显差异。随着生育进程的推进，处理间差异逐渐显现出来，灌浆后期四个水分处理之间彼此差异显著，表现为W4>W3>W2>W1(图1)。随生育进程的推进，不同水分处理下冬小麦叶片相对含水量的变化趋势相似，抽穗期含水量较高，在灌浆后期含水量较小。

2.2 不同水分处理下冬小麦冠层光谱反射率

不同水分处理下冬小麦冠层光谱特征的变化趋势一致，但是不同水分处理和不同生育时期的冠层光谱反射率存在一定的差异(图2)。在可见光波段(400～700 nm)，随灌水量的增加，冬小麦冠层光谱反射率呈降低的趋势，W1处理与其他处理的差异明显。在近红外波段(750～950 nm)，抽穗期、开花期和灌浆期W3、W4处理冠层光谱反射率均高于W1、W2处理，而拔节期W1处理冠层光谱反射率高于其他处理，可能原因是W1处理下水分胁迫严重，影响作物地上部生长，植被覆盖率小，土壤背景对冠层植被反射的影响大[37-39]，致使W1水分处理反射率较高。此外，整个生育期W2处理冠层光谱反射率均小于W1处理。在不同生育时期中，冬小麦冠层光谱反射率也不相同，在近红外波段抽穗期的冠层反射率最高，这主要归因于抽穗期生物量和叶面积的增大。

图柱上的字母不同表示同一时期不同处理间差异显著(P<0.05)。

Different letters on the columns mean significant differences among treatments at same stage at 0.05 level.

图1冬小麦不同生育时期不同水分处理叶片相对含水量变化

Fig.1Changesofleafrelativewatercontentunderdifferentwatertreatmentsatvariousgrowthstagesofwinterwheat

图2 不同生育时期冬小麦不同水分处理的冠层光谱反射率

2.3 冬小麦光谱参数与叶片相对含水量的相关性

相关分析(表2)表明，4个小麦植被指数(RVI、NDVI、R/ND和OSAVI)及TDc-a与叶片相对含水量的相关性均达到极显著水平，相关系数的绝对值范围为0.814～0.972，表明所选的4 种植被指数及TDc-a均能作为参数用于拔节期至灌浆末期冬小麦叶片相对含水量的反演。

表2 光谱参数与叶片相对含水量的相关性Table 2 Correlation coefficients between spectral parameters and leaf relative water content

**：P<0.01;n=36.

2.4 小麦叶片相对含水量监测模型的拟合与验证

将小麦叶片相对含水量与植被指数及TDc-a进行拟合，建立不同生育时期叶片相对含水量监测模型(表3)。在拔节期、抽穗期和开花期，分别基于NDVI、OSAVI和R/ND建立的监测模型具有较高的拟合度，r2分别为0.842、0.884和0.831；灌浆前期和灌浆后期，均以基于TDc-a建立的模型拟合度较高，r2分别为0.864、0.945。进一步分析表明，上述模型对相应时期的叶片相对含水量的预测效果均较好。其中，利用监测模型的预测值与实测值计算得到的r2、RMSE和MRE在拔节期分别为0.799、0.019和2.16%(图3a)，在抽穗期分别为0.884、0.016和1.80%(图3b)，在开花期分别为0.831、0.027和3.30%(图3c)，在灌浆前期分别为0.864、0.032和3.81%(图3d)，在灌浆后期分别为0.945、0.024和3.53%(图3d)。

表3 冬小麦叶片相对含水量的拟合监测模型Table 3 Fitting monitor model of leaf relative water content of winter wheat

a:拔节期；b:抽穗期；c:开花期；d:灌浆前期(上)和后期(下)。

a:Jointing stage;b:Heading stage;c:Anthesis stage;d:Early(upper) and Latter(down) stage of grain filling.

图3小麦叶片相对含水量预测值与实测值比较分析

Fig.3Comparativeanalysisofpredictedandmeasuredleafrelativewatercontentofwheat

3 讨 论

本研究对比分析了多种光谱参数监测不同时期冬小麦叶片相对含水量的监测效果，由于叶片相对含水量受多种因素的共同影响，所得结果有待进一步检验。从本研究结果看，随着干旱程度的加剧，冬小麦叶片相对含水量随之下降。水分供应影响冬小麦植株的生长状态，从而影响冠层光谱反射率。在可见光波段，随着灌水量的增加，冬小麦冠层光谱反射率呈降低的趋势；而在近红外波段，随着灌水量的增加，冬小麦冠层光谱反射率呈升高的趋势。其可能原因是，干旱胁迫使叶片内的自由水含量降低，束缚水含量増加，导致叶面积缩小，叶绿素含量下降，叶片的光合作用能力降低[40]。同时，由于土壤水分的缺乏，幼叶需要从老叶中争夺水分，致使老叶死亡，光合面积下降，引起冠层光谱反射率变化[41]。在冬小麦不同生育时期，冠层光谱也不相同，这与冬小麦的生长状况有很大的关系。在生育前期，随着冬小麦生物量的增加，近红外波段的冠层光谱反射率高；而在生育后期，随着叶片的衰老死亡，叶绿素减少，红蓝波段的反射率上升加快，这与前人的研究结果一致[42]。

在不同生育时期，RVI、NDVI、R/ND、OSAVI、TDc-a与叶片相对含水量均呈极显著相关，不同生育时期叶片相对含水量监测模型均具有较高的预测精度。通过独立数据对所建模型验证，实测值与预测值之间具有较小的RMSE和MRE。本研究从时间序列上对冬小麦生育期进行划分，在不同生育时期选择最佳光谱监测参数，以最佳的光谱监测参数建立检测精度较高的叶片相对含水量监测模型，该方法不失为一种较好的方法。

作物的冠层温度主要受到空气温度、湿度、光照强度、风速等的影响，其中气温的影响最大，因此基于作物的冠气温差反演植株水分状况时需要综合考虑了作物、土壤和气象因素。另外，不同的植被指数对矫正光谱反射率、降低土壤背景及大气溶胶等噪声的程度不同[43-45]，所以应根据小麦不同生育时期的长势状况及光谱参数的特性，选择适宜的光谱参数，建立叶片相对含水量监测模型，才能获得较好预测效果。植被指数 NDVI对绿色植被表现敏感，常被用来监测区域或全球植被状态变化，是植被丰度、长势的灵敏指示参数，该指数适合于植被早中期生长阶段的监测[46]，因此在拔节期有较好的监测效果；但是当作物受到水分胁迫时，植被密度低于一定程度时，特别是孕穗后，冬小麦由营养生长的旺盛时期开始向生殖生长时期过渡，叶片的养分开始向穗部转移，之后下部叶片衰老、脱落[47]，植被与土壤背景之间的光谱响应差异逐渐被拉大，冠层光谱反射率易受土壤背景的影响，而 OSAVI 可在一定程度上消除土壤背景的影响[48]，所以在抽穗期有较好的监测效果。研究表明，采用两个波段组合而成的光谱指数(比值指数和归一化指数)来建立水分监测模型，可提高预测的精度，降低单波段反射光谱值的干扰因素(如易受大气效应、图像分辨率、图像解译精确度、仪器精度以及模型参数等)的影响[49]，所以R/ND在该阶段有较好的预测结果。进入灌浆期以后，由于水分胁迫的影响，植株由营养生长到生殖生长速度加快，叶片开始变黄，利用冠气温差监测作物生育后期的含水量有较好的效果[50]。

由于光谱的数据量大，连续性强，而且不同植被指数具各自不同的特点，如何筛选出最为有效合理的植被指数建立监测模型，还需要不断的探索和研究；由于利用热红外成像获取冬小麦冠层温度受拍摄角度的影响，结果会有差异，所以如何确定最佳的拍摄角度，建立最佳的监测模型仍需继续研究。由于本试验以山东地区的冬小麦为试验对象，受试验条件的限制，所建立的模型在其他地区的适用性还需要进一步的验证；本研究的试验数据是在晴朗天气下获得,在阴天时冠气温差与水分状况关系有待于进一步探讨。因此在今后的工作中还需更加深入的研究，为实现冬小麦水分的精确监测提供理论依据和技术支撑。