渍害胁迫对油菜叶片光谱的影响及识别指标研究

尤慧 刘凯文 李鑫川 苏荣瑞 刘莉 高华东

摘要：以江汉平原华油杂668和中双9号油菜为材料，通过测坑进行不同品种油菜在蕾薹期和花期持续受渍的试验，测定油菜在持续受渍胁迫下叶片光谱反射率，根据受渍油菜光谱变化特征构建油菜渍害高光谱遥感识别指标。研究表明，随着渍水时间的延长，叶片不同光谱区域对水分胁迫的响应不同。在蕾薹期和花期，645～680 nm的红光区域受渍叶片光谱反射率均有所增大，在765～930 nm的近红外区域表现出明显减小，在1 412～1 483 nm及1 904～2 060 nm 中红外区域的反射率增大。研究利用上述光谱反射率构建了渍害识别指数（RNIR+RRed）/（RMIR1×RMIR2），通过与常见的7个植被指数（NDVI、NDWI、RVI、PRI、SRPI、SAVI、SIPI）比较分析，指数（RNIR+RRed）/（RMIR1×RMIR2）对受渍油菜更为敏感。通过定量比较不同植被指数对照与受渍油菜之间的距平绝对值和距平绝对均值，看出指数 （RNIR+RRed）/（RMIR1×RMIR2） 识别受渍油菜的能力优于其他植被指数，并且在整个受渍期间具有较强的稳定性和敏感性。说明该指数可以用于快速提取受渍油菜的面积，对指导油菜识灾抗灾减灾生产管理具有重要的意义。

关键词：光谱特征;油菜;高光谱植被指数;持续受渍;面积提取;识别指标

中图分类号： S634.301  文献标志码： A

文章编号：1002-1302（2019）16-0071-07

收稿日期：2018-05-13

基金项目：公益性行业（气象）科研专项（编号：GYHY201406028）;湖北省荆州市气象局科技项目（编号：JZ201701）;湖北省气象局科技发展基金（编号：2015Q08）。

作者简介：尤 慧（1987—），女，江苏宿迁人，硕士，工程师，主要从事农业遥感方面的研究。

“水高田低，雨汛同期，气候多变，地势各异”导致涝渍害是长江中游地区的主要自然灾害之一[1]，仅江汉平原渍害田就约达76.4万hm2，占总耕地面积的39.43%[2]，有研究显示，每年由渍害引起的油菜减产幅度可达17%～42.4%[3]。因而快速准确地识别渍害田面积对于科学开展渍害田整治、规划农业生产布局以及防灾减灾决策和社会经济发展的制定具有十分重要的意义。

渍害可引起植被根系缺氧，导致植被根系活力下降，有机质合成减少，破坏叶绿体膜结构，导致植被光合作用降低，阻碍植被生长[4]。一般常规的作物水分胁迫状况研究主要是通过作物减产幅度[5]、测量叶片水势、气孔导度、蒸腾速率等指标间接获取或者是采用干湿质量法测量[6]，这些方法不仅费时费力，而且时效性受限制，在测量的过程中也会对作物造成伤害。高光谱遥感技术凭借其快速准确、信息量大、分析精度高、无损坏监测作物的优点为农作物的研究提供了新的平台[7]。目前在利用高光谱遥感进行植物水分胁迫方面也有了部分的研究。Penuelas等研究发现植被在受到水分胁迫时，在950～970 nm的近红外波段会出现1个弱的水吸收峰，可以利用这个吸收峰来监测水分含量[8-9]。Anderson等研究发现树木在遭到水淹后，在550 nm的绿光区域以及770 nm的红外光谱区域，受水淹的树木反射率比未受淹的反射率大[10]。吉海彦等利用冬小麦1 400～1 600 nm范围的反射光谱，采用偏最小二乘方法建立了冬小麦叶片水分含量与反射光谱的定量分析模型[11]。蒋金豹等研究发现玉米、甜菜在水浸胁迫下植被光谱在不同波段响应不同，并选取了6个植被指数进行敏感性分析比较，最后成功找出了最优的水浸胁迫指数识别模型[12]。目前国内外利用多光谱进行植被水分胁迫研究中，针对油菜持续受渍的研究较少。本研究选择2个品种的油菜进行不同生育阶段的持续受渍试验，通过分析受渍油菜400～2 500 nm波段处（消除350～400 nm区间由于噪声导致的不稳定带来的影响）的光谱变化特征及与对照油菜的光谱指数曲线差异性，找出最佳的渍害识别指标。

1 材料与方法

1.1 试验地点与材料

试验于湖北省荆州农业气象试验站的试验测坑中进行，油菜试验品种为江汉平原2个主栽品种华油杂668和中双9号，持续受渍试验生育阶段为蕾薹期和花期，油菜生长周期为2016年9月至2017年5月，测坑中试验的油菜与大田同期播种。其中单个测坑面积为4 m2，每个测坑划分成2个相同规格的独立小区，分别种植2个品种的油菜，每个品种种植20株，从中选取3株长势较好、叶片大小相近的油菜进行观测，测坑深度为1.5 m，土层厚度为1.2 m，供试土壤为中壤，其中每个测坑均配有供水及平水装置，可自动调控水位。

1.2 试验设计

分别在油菜蕾薹期（2017年2月16日至3月7日）、花期（3月7—29日）进行持续受渍试验，参与试验的测坑共有15个，其中8个测坑用作蕾薹期持续充分受渍（地下水近地表）试验，另外6个测坑用作花期持续充分受渍试验，最后1个测坑整个生育期不受渍作为对照（CK）。作为蕾薹期试验的8个测坑，设定持续受渍7、10、14、21 d等4种处理进行试验，花期的7个测坑分持续受渍7、14、21 d等3个处理进行试验，每个品种的处理设6个样本，在持续受渍到对应处理的时间后则停止供水。

1.3 光譜反射率的测定

利用ASD FieldSpec4便携式地物波谱仪测定油菜叶片光谱反射率，观测时间一般在10：30—14：30进行。每株油菜选取中下部生长良好的叶片做标记，作为该生育期的观测样本。在光谱测定过程中，每个品种每个测坑观测3个样本，每个样本采集3条光谱曲线，最后选取每个品种单个测坑所有光谱反射率的平均作为该品种单个测坑的光谱反射率。在每个处理停止供水后则不再进行该处理的光谱测定。利用测量的光谱数据分别计算归一化植被指数（NDVI）、归一化水指数（NDWI）、比值植被指数（RVI）、光化学指数（PRI）、简单比值色素指数（SRPI）、土壤调节指数（SAVI）、结构加强色素指数（SIPI）等植被指数（表1）。

2 结果与分析

2.1 不同生育阶段渍害胁迫对油菜叶片光谱的影响

图1为华油杂在花期持续受渍21 d的光谱曲线变化特征，可以看出，随着渍水时间的延长，叶片不同光谱区域在对水分胁迫的响应不同。在红光区域（645～680 nm）叶绿素对红光吸收逐渐减弱，反射增强;在近红外区域（765～930 nm）随着渍水时间的延长，叶细胞反射减弱;在中红外的2个水汽吸收带区域（1 412～1 483 nm和1 904～2 060 nm）出现吸收减弱、反射增强的变化趋势。

图2-a、图2-b、图2-c、图2-d分别为华油杂668蕾臺期、中双9号蕾臺期、华油杂668花期及中双9号花期持续受渍21 d的光谱特征曲线和对照组光谱特征曲线，可以看出，在645～680 nm的红光区域受渍叶片光谱反射率较对照叶片光谱反射率有所增大，在765～930 nm近红外区域表现出明显减小，在1 412～1 483 nm及1 904～2 060 nm中红外区域的反射率增大。从2个品种受渍21 d的光谱曲线整体的变化情况来看，油菜在花期持续受渍的情况下对照与受渍的光谱变化差异较蕾薹期更明显。

2.2 基于油菜叶片光谱特征的湿渍害指标构建

由于不同指数应用光谱机理不同，对渍害敏感程度的识别也各不相同。根据上节湿渍害胁迫下叶片光谱变化特征，利用645～680 nm的红光区域、765～930 nm近红外反射峰、1 412～1 483 nm及1 904～2 060 nm中红外2个水汽吸收带的光谱反射率构建了渍害识别指数（RNIR+RRed）/（RMIR1×RMIR2）。 为了比较本研究新构建的光谱指数模型与常见的植被指数在油菜持续受渍下的差异，选取了如表1所示的NDVI、NDWI、RVI、PRI、SRPI、SAVI、SIPI常见的7个植被指数，植被指数计算公式中的红波段、近红外波段及中红外波段均分别采用645～680 nm，765～930 nm、1 412～1 483 nm及 1 904～2 060 nm的平均反射率。

由华油杂668蕾薹期对照（CK）与持续受渍（ZI）下的不同植被指数变化（图3）比较可以看出，华油杂668在蕾薹期持续渍水18 d（3月4日）后开始表现出渍害的发生，对照与受渍的光谱曲线表现出一定差异。其中指数RVI、PRI及（RNIR+RRed）/（RMIR1×RMIR2）表现出了较好的区分能力。由中双9号蕾薹期对照（CK）与持续受渍（ZI）下的不同植被指数变化（图4）比较也可以看出，持续渍水7 d（2月24日）之后对照与受渍的曲线即出现明显的差异，指数RVI、SRPI及（RNIR+RRed）/（RMIR1×RMIR2）具有较好的区分渍害的能力，且（RNIR+RRed）/（RMIR1×RMIR2）较其他指数具有更好的分离对照与受渍油菜的能力。

由图5可以看出，华油杂668花期在持续受渍14 d（3月22日）后开始表现出发生渍害，并且受渍时间越长，对照与受渍油菜的光谱曲线变化差异越明显，其中，指数NDVI、NDWI、（RNIR+RRed）/（RMIR1×RMIR2）具有較好的渍害识别能力。由中双9号花期对照与持续受渍下的不同植被指数变化（图6）发现，在持续受渍10 d（3月18日）后，指数曲线差异明显，表现为渍害的明显发生，指数NDVI、SIPI以及（RNIR+RRed）/（RMIR1×RMIR2）在发生渍害后均表现出了一定的差异性，但（RNIR+RRed）/（RMIR1×RMIR2）差异性较其他指数更加明显，因此（RNIR+RRed）/（RMIR1×RMIR2）对于受渍的油菜具有更好的识别能力。

综合可以看出，指数（RNIR+RRed）/（RMIR1×RMIR2）对受渍油菜具有较好的渍害识别能力，并且较其他指数具有更好的稳定性;对于不同生育期的油菜在持续受渍的过程中，花期油菜受渍害胁迫的指数曲线变化程度比蕾薹期更加明显，说明蕾薹期对渍害的抗性更强;通过不同品种油菜的持续受渍分析可以看出， 华油杂668持续受渍后表现出发生渍害的时间比中双9号要长，因此华油杂668具有更强的抗渍能力。

2.3 油菜渍害光谱指数识别能力的定量分析

为了定量分析本研究构建的植被光谱指数对受渍油菜的识别能力， 计算了表现为发生渍害后的对照与受渍油菜不同植被光谱指数之间的距平绝对值及距平绝对均值来判断分析。计算结果如表2所示。在蕾薹期，华油杂668和中双9号表现为发生渍害的时段分别为3月7日和2月26日至3月7日;在花期，华油杂668和中双9号选取的发生渍害的时段分别为3月25—29日和3月22—29日。从表2中可以看出，在蕾薹期和花期指数（RNIR+RRed）/（RMIR1×RMIR2）的距平绝对值和距平绝对均值都要远大于其他6个常见的植被指数，因此，指数（RNIR+RRed）/（RMIR1×RMIR2）在蕾薹期和花期在识别受渍油菜的能力上要明显优越于其他植被指数，并且具有较强的稳定性和敏感性。

3 结论与讨论

本研究对华油杂668、中双9号这2个油菜品种分别进行了蕾薹期及花期持续受渍21 d的试验，并对受渍的油菜光谱反射率曲线进行了分析，同时将构建的植被光谱指数与其他常见的7种植被指数进行了比较分析，结果表明：

持续受渍的2个品种油菜光谱反射率在645～680 nm红光区域、765～930 nm近红外区域、1 412～1 483 nm及 1 904～2 060 nm中红外的2个水汽吸收带表现出一定的变化， 并且油菜在花期光谱变化差异较蕾薹期更明显。

通过比较不同植被指数对照与受渍油菜的光谱曲线，可以看出指数（RNIR+RRed）/（RMIR1×RMIR2）在蕾薹期和花期均表现出了较好的渍害区分能力，比其他指数具有更好的稳定性。并且华油杂668比中双9号具有更好的抗渍能力，蕾薹期较花期对渍害的抗性更强。

通過定量比较不同植被指数对照与受渍油菜之间的距平绝对值及距平绝对均值，可以看出指数（RNIR+RRed）/（RMIR1×RMIR2）在蕾薹期及花期计算出的距平绝对值及距平绝对值均值都大于其他植被指数，因此指数（RNIR+RRed）/（RMIR1×RMIR2）识别受渍油菜的能力要强于其他植被指数，并且在受渍期间该指数具有较强的稳定性和敏感性。本研究仅用蕾薹期、花期2个生育阶段的油菜作物来进行持续受渍试验，在识别油菜生育期受渍情况的代表性方面略有欠缺，下阶段还需对苗期、花果期和角果期等生育阶段的油菜进行持续受渍试验，同时利用产量因素进行受渍胁迫关键生育期的识别。

参考文献：

[1]李元征，杜 耘，吴胜军，等. 农田渍害遥感监测方法研究应用进展[J]. 世界科技研究与发展，2011，33（4）：600-603，616.

[2]李元征，吴胜军，杜 耘，等. 基于MODIS的渍害田和正常农田遥感特性对比研究[J]. 长江流域资源与环境，2012，21（10）：1287-1294.

[3]张学昆，陈 洁，王汉中，等. 甘蓝型油菜耐湿性的遗传差异鉴定[J]. 中国油料作物学报，2007，29（2）：204-208.

[4]李 玲，张春雷，张树杰，等. 渍水对冬油菜苗期生长及生理的影响[J]. 中国油料作物学报，2011，33（3）：247-252.

[5]朱建强，程伦国，吴立仁，等. 油菜持续受渍试验研究[J]. 农业工程学报，2005，21（增刊1）：63-67.

[6]张晓东，毛罕平，左志宇，等. 基于多光谱视觉技术的油菜水分胁迫诊断[J]. 农业工程学报，2011，27（3）：152-157.

[7]贾方方，马新明，李春明，等. 不同水分处理对烟草叶片高光谱及红边特征的影响[J]. 中国生态农业学报，2011，19（6）：1330-1335.

[8]Penuelas J，Filella I，Serrano L，et al. Cell wall elasticity and water index （R970 nm/R900 nm）in wheat under different nitrogen availabilities[J]. International Journal of Remote Sensing，1996，17（2）：373-382.

[9]Carter G A. Primary and secondary effects of water content on the spectral reflectance of leaves[J]. American Journal of Botany，1991，78（7）：916-924.

[10]Anderson J E，Perry J E. Characterization of wetland plant stress using leaf spectral reflectance：implications for wetland remote sensing[J]. Wetlands，1996，16（16）：477-487.

[11]吉海彦，王鹏新，严泰来. 冬小麦活体叶片叶绿素和水分含量与反射光谱的模型建立[J]. 光谱学与光谱分析，2007，27（3）：514-516.

[12]蒋金豹，Michael D S，何汝艳，等. 水浸胁迫下植被高光谱遥感识别模型对比分析[J]. 光谱学与光谱分析，2013（11）：3106-3110.

[13]Rouse J W，Haas R H，Schell J A，et al. Monitoring vegetation systems in the great plains with erts[J]. NASA Special Publication，1974，351：309.

[14]Gao B C. NDWI-A normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment，1996，58（3）：257-266.

[15]Pearson R L，Miller L D. Remote mapping of standing crop biomass for estimation of the productivity of the short-grass prairie[C]//Proceedings of the eighth international symposium on remote sensing of environment. Willow Run Laboratories，Environmental Research Institute of Michigan，1972：7-12.

[16]Gamon J A，Penuelas J，Field C B. A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency[J]. Remote Sensing of Environment，1992，41（1）：35-44.

[17]Penuelas J，Filella I，Biel C，et al. The reflectance at the 950-970 nm region as an indicator of plant water status[J]. International Journal of Remote Sensing，1993，14（10）：1887-1905.

[18]Huete A R. A soil-adjusted vegetation index （SAVI）[J]. Remote Sensing of Environment，1988，25（3）：295-309.

[19]Penuelas J，Baret F，Filella I. Semi-Empirical indices to assess carotenoids/chlorophyll—a ratio from leaf spectral reflectance[J]. Photosynthetica，1995，31（2）：221-230.