基于光谱变换的冬小麦冠层SPAD值估算模型研究

林少喆，彭致功，张宝忠，魏 征，张 倩，韩娜娜，刘 露，王春堂，冯 哲

(1.山东农业大学水利土木工程学院，山东 泰安 271018； 2.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100038；3.青岛平度市水利勘察设计院，山东 青岛 266700)

0 引 言

叶绿素作为植物生长过程中重要的生化参数之一，其含量多少是评价植株的氮素状态、生长状况和光合能力的良好指示指标[1-3]，因此实时监测植株叶绿素含量，对作物长势预测、氮肥调控、产量评估等具有重要的理论和实践意义[4,5]。传统监测叶绿素含量的方法均通过破坏性采样测定，费时费力，代表性差，难以满足规模化监测要求[6]；近年来随着光谱技术的快速发展，其时空分辨率大幅提高，能及时获取作物长势状况，为大规模作物长势实时快速无损监测提供了技术支撑[7]。

近年来国内外学者对作物叶绿素含量监测方法进行了大量的研究，并建立了各主要作物叶绿素含量估算模型。诸多研究成果侧重于对作物特定生育阶段叶绿素含量监测与分析，而SPAD值是表征植株叶绿素相对含量的参数，在一定条件下可以完全替代叶绿素含量。王凯龙等人通过比较15种高光谱指数与SPAD的相关性，确定了特定生育期估算小麦叶片SPAD值的最佳指数[8]；殷紫等人研究表明油菜苗期监测SPAD值的最佳的光谱指数为SDr/SDy，现蕾抽苔期监测SPAD值最佳光谱指数为(SDr-SDy)/(SDr+SDy)[9]；余蛟洋等人基于光谱特征参数构建了不同生育期苹果叶片SPAD值的估算模型，并指出不同生育期均以蓝边幅值和绿峰面积为自变量构建的估算模型模拟精度最高[10]；袁媛等人利用RVI、NDVI、DVI等3种植被指数分别与夏玉米不同生育期的SPAD值进行叶绿素含量模型构建，筛选出夏玉米不同生育期最佳拟合模型，其中拔节期、抽穗期、灌浆期、蜡熟期监测SPAD值的最佳植被指数分别为RVI、NDVI、NDVI、DVI[11]。由于不同生育时段外部光热环境、自身形态及叶片组织结构也在不断变化，作物冠层光谱反射率也存在显著差异[12,13]，因此特定生育期光谱模型能否适用于全生育期植株冠层叶绿素含量的监测有待验证。为兼顾模型的简单实用性与易操作性，部分学者也通过对比多种模型在不同生育阶段的模拟效果，提出了适用于整个生育阶段的作物叶绿素含量估算模型，如罗丹等人指出了RSI(FD689,FD609)和SASI(R491,R666)L=0.01为预测全生育期冬小麦冠层叶绿素含量的最佳指数[14]，该类模型在特定生育时段监测效果如何有待进一步验证。

对光谱数据进行光谱变换如倒数、对数与微分等平滑处理和降噪处理，对降低背景与噪音影响具有较好的效果[15]。张雪茹等人对原始光谱数据进行15种光谱变换，提出了能够表征低温胁迫下冬小麦叶绿素含量的最佳光谱变换形式[16]；张贤龙等人提出一阶微分和一阶对倒数变换下光谱模型估算土壤盐分精度较高[17]；王磊等人指出了光谱数据的归一化对数处理显著提高了玉米氮素含量的反演精度[18]。可见，通过构建基于光谱变换相关参量的模拟模型，能够提高光谱监测精度。

本文以冬小麦为研究对象，利用2017-2018年不同施氮水平下各生育期冬小麦冠层光谱反射率与植株冠层SPAD值的数据，分析了光谱数据变换和植株冠层SPAD值之间的相关性，提出了考虑各生育期特点且具有较高精度的适宜模型组合，以期为华北地区高光谱诊断冬小麦冠层叶绿素含量提供理论依据和技术支持。

1 材料与方法

1.1 试验区概况

本试验在中国水利水电科学研究院大兴节水试验基地(39°37′N, 116°26′E)进行，该基地属于暖温带半干旱大陆性季风气候，冬春干旱、夏季多雨；年均日照数约2 600 h，多年平均降雨量为540 mm，多年平均气温12.1 ℃，年无霜期平均为185 d，全年平均水面蒸发量在1 800 mm以上。

1.2 试验设计

供试冬小麦品种为中麦175，2017年10月13日播种，行距为30 cm，于次年6月6日收获，生育期达236 d。冬小麦全生育期内施肥2次，分别为播前基肥施复合肥(含N量15%)和返青期追施尿素(含N量45%)。共设置5个施氮水平，分别为0、90、135、180、225 kg/hm2(纯氮)，即N1、N2、N3、N4、N5处理，各处理设置3次重复；共分为15个小区，小区长为8 m，宽为7 m，面积为56 m2。各小区均保持灌溉水平一致，其他田间管理措施按照当地一般高产田进行。

1.3 测定项目与方法

1.3.1 冠层光谱测定

在冬小麦生育期内，选择晴朗无云或少云天气条件下，采用美国ASD公司生产的Field-SpecHandHeld2手持式光谱仪测定小麦冠层光谱，测定时间一般以10∶00-14∶00为宜。监测前进行光谱仪的优化，且采用反射率为1的白板校正，测量时光谱仪探头距冬小麦冠层约15 cm，始终与地面保持90°，视场角为25°。各监测点设置重复采样10次，取其平均值作为该监测点的冠层反射率；每个小区设置3处具有代表性的监测点，取其平均值作该小区的冠层光谱反射率。在冬小麦拔节期后依据天气情况每7～10 d进行1次光谱反射率测定，共监测5次，分别为4月27日(拔节-抽穗期)、5月6日(抽穗-灌浆期)、5月13日(抽穗-灌浆期)、5月20日(灌浆-成熟期)和5月27日(灌浆-成熟期)。

1.3.2 叶绿素含量测定

由于SPAD值与叶片叶绿素含量呈极显著相关，一定条件下可以代替叶绿素含量[19-22]，因此本文使用SPAD-502型叶绿素仪对冬小麦叶片SPAD值进行田间无损测量。在测定冠层光谱的区域随机选取2株旗叶或顶1叶中部进行SPAD测定，取二者平均值作为该监测样点的冠层SPAD值，每小区选定3处监测样点，取各监测样点平均值作为该小区的冠层SPAD值。

1.3.3 光谱变换方法

在前人研究的基础上，本文选取10种典型的数学变换方法对冬小麦冠层光谱反射率值进行变换，见表1[23-25]。

表1 10种光谱变换计算公式Tab.1 10 kinds of spectral transformation formula

注：“′”表示一阶导数。

1.4 数据处理与统计分析

本文共测定SPAD值样本共75份，剔除异样值后将该样本按2∶1随机分成两部分，将各生育期相同处理的3份样本随机抽取2份样本进行冬小麦SPAD值模型构建，剩余1份样本用于模型稳定性及精准性的检验；即将50份样本通过函数拟合构建模型，25份样本作为检验样本对模型性能进行评估。所述模型的评价选取决定系数R2、均方根误差RMSE及平均绝对误差MAE进行综合评定。R2越大，RMSE和MAE越小，模型的精度越高。具体公式如下：

(1)

(2)

(3)

2 结果与分析

2.1 不同施氮水平下冬小麦SPAD值的变化特征

不同施氮水平下冬小麦冠层SPAD值见表2，随着冬小麦生育期的推进，SPAD值呈先增加后降低的趋势，在抽穗-灌浆期小麦冠层SPAD达到最高点为54.80；随后降低，在灌浆-成熟期小麦冠层SPAD降至48.298，由于在灌浆期之后，冬小麦的营养物质开始向麦穗转移，小麦叶片凋萎衰老，导致叶绿素含量降低。冬小麦冠层SPAD值随着施肥量的增加呈增加的趋势。不同施氮水平下冬小麦冠层SPAD值存在显著性差异，其中在拔节-抽穗期和抽穗-灌浆期，N1处理与其他处理间的冠层SPAD值差异均达显著水平；而在灌浆-成熟期，N5、N3、N1等各处理间冠层SPAD值差异达极显著水平。

表2 不同施氮水平下冬小麦植株冠层SPAD值Tab.2 Canopy SPAD values of winter wheat plants under different nitrogen levels

同一列不同小写字母之间表示同一生育期不同施氮水平之间差异显著(p<0.05)；同一列不同大写字母之间表示同一生育期不同施氮水平之间差异极显著(p<0.01)。

2.2 冬小麦植株冠层光谱特征

冬小麦的光谱具有一般绿色植物的反射特性，即在可见光波段光谱反射率较低，在近红外区域光谱反射率较高，且较可见光波段差异显著。由于小麦在生长过程中，叶绿素含量增加，光合作用增强，吸收红光与蓝光的能力增强，使反射率降低，从而形成两个吸收谷；而冬小麦对绿光的吸收能力较弱，因此形成较为明显的反射峰；在690 nm后，叶片细胞结构发生变化[26]，反射率急剧上升，形成一个较高的反射区，即“红边现象”。在同一生育期内，随着施氮量的增加，冬小麦植株冠层光谱反射率在可见光区域内降低；在近红外波段范围内则呈相反趋势，即随着施氮量增加，冬小麦植株冠层反射率增加。

图1 冬小麦植株冠层光谱特征Fig.1 Canopy spectral characteristics of winter wheat plants

2.3 冬小麦冠层SPAD值与不同光谱变换形式的相关性

将不同光谱变换形式与冬小麦SPAD值进行相关性分析，以相关系数最大为原则筛选不同光谱变换形式下的敏感波段(见表3)。在拔节-抽穗期，除V9未达显著水平外，V0、V3、V4、V6、V7达显著水平，V1、V2、V5、V8、V10甚至达极显著水平，其中与V10相关性最高，二者间相关系数为-0.854，其对应的敏感波段为503 nm；在抽穗-灌浆期，冬小麦冠层SPAD值与不同变换形式的相关系数的绝对值大于0.505，且均达极显著水平，其中也以与V10的相关性最高，二者间相关系数为-0.904，其对应敏感波段为543 nm；在灌浆-成熟期，冬小麦冠层SPAD值与不同光谱变换形式的相关系数绝对值稳定在0.634～0.867之间，且均达极显著水平，其中相关系数最高的变换形式为V8，二者间相关系数为0.867，其对应的敏感波段分别为726 nm。通过对全生育期植株冠层SPAD值与各光谱变换形式进行相关分析，二者间相关系数的绝对值大于0.433，且均达极显著水平；其中相关系数最高的变换形式为V2，其对应的敏感波段为724 nm，属于红光范围，其相关系数为-0.765。可见，拔节-抽穗期和抽穗-灌浆期的敏感波段分别为503 nm、543 nm，该波段属于绿光波段范围，而灌浆-成熟期与全生育期的敏感波段为726 nm、724 nm属于红光波段范围。不同生育期和全生育期最佳光谱变换形式及相应敏感波段各异，为了保证模拟效果的准确性与可靠性，采用光谱变换构建冬小麦SPAD值模型应结合不同生育期特点，选择适宜光谱变换形式及其相应的敏感波段。

表3 不同生育期冬小麦冠层SPAD值与各光谱变换形式的相关系数Tab.3 Correlation coefficient between winter wheat canopy SPAD value and various spectral transformation forms in different growth stages

注：“**”表示极显著相关，“*”表示显著相关。

2.4 冬小麦冠层SPAD值光谱模型构建

基于光谱变换的冬小麦冠层SPAD值监测模型见表4，以各生育期冠层SPAD值为因变量，各生育期相关系数最高的光谱变换值为自变量，其中拔节-抽穗期以敏感波段503 nm下光谱变换V10值，抽穗-灌浆期以敏感波段543 nm下光谱变换V10值，灌浆-成熟期以敏感波段726 nm下光谱变换V8值，在此基础上构建了综合考虑各生育期不同光谱变换形式下适宜的回归模型组合即模型组合1；参考以往研究成果[27]，红边波段(720～740 nm)为叶绿素的敏感波段，同时综合表3的分析结果，选取了以敏感波段724 nm下V2值作为全生育期模拟效果较为理想的单个光谱变换值的一元二次回归模型即模型2。

基于光谱变换的冬小麦冠层SPAD值的一元二次回归模型评价指标如表5，在拔节-抽穗期，模型1的决定系数R2为0.836，模型2的决定系数R2为0.672，与模型2相比，模型1的决定系数R2提高24.4%；在抽穗-灌浆期，模型1的决定系数R2为0.855，模型2的决定系数R2为0.806，与模型2相比，模型1的决定系数R2提高6.1%；在灌浆-成熟期，模型1的决定系数R2为0.917，模型2的决定系数R2为0.581，与模型2相比，模型1的决定系数R2提高57.8%。针对生育期模拟效果，模型1的决定系数R2为0.890，模型2的决定系数R2为0.646，与模型2相比，在全生育模型1的决定系数R2提高37.8%。可见，综合考虑各生育期特点模型组合1在各个生育时段的监测效果都要优于模型2，而模型2在各个生育期监测精度虽然在可接受范围内，但不同生育期间监测效果差异比较大。

表4 基于光谱变换的冬小麦冠层SPAD值监测模型Tab.4 SPAD monitoring model of winter wheat canopy based on spectral transformation

2.5 冬小麦冠层SPAD值光谱模型验证

为了评估冬小麦冠层SPAD值光谱模型的可靠性与稳定性，利用验证样本集(n=25)对上述2个模型分别进行验证见表6、图2。由表6可知，模型1在拔节-抽穗期的决定系数R2为0.492，均方根误差RMSE为4.361，平均绝对误差MAE为3.248，较同期模型2的决定系数R2提高6.3%，均方根误差RMSE和平均绝对误差MAE分别减少30.6%、31.3%；模型1在抽穗-灌浆期的决定系数R2为0.786，均方根误差RMSE为3.339，平均绝对误差MAE为2.533，较同期模型2的决定系数R2提高40.6%，均方根误差RMSE和平均绝对误差MAE分别减少62.5%、48.8%；模型1在灌浆-成熟期的决定系数R2为0.652，均方根误差RMSE为5.619，平均绝对误差MAE为4.262，较同期模型2的决定系数R2提高11.5%，均方根误差RMSE和平均绝对误差MAE分别减少6.2%、4.9%；模型1在全生育期的决定系数R2为0.606，均方根误差RMSE为4.571，平均绝对误差MAE为3.367，较同期模型2的决定系数R2提高2.5%，均方根误差RMSE和平均绝对误差MAE分别减少1.1%、2.9%。可见，在模型验证情况下，采用各生育期不同光谱变换形式下适宜的回归模型组合的监测效果优于仅单个光谱变换值的一元二次回归模型。

表5 基于光谱变换的冬小麦冠层SPAD值估算模型评价指标Tab.5 Evaluation index of winter wheat canopy SPAD value estimation model based on spectral transformation

表6 冬小麦冠层SPAD值光谱模型验证评价指标Tab.6 Winter wheat canopy SPAD value spectral model verification evaluation index

图2 冬小麦冠层SPAD值实测值与预测值的关系图Fig.2 Relationship between measured values and predicted values of winter wheat canopy SPAD values

3 结 论

本文以冬小麦各生育期植株冠层SPAD值与不同光谱变换之间的相关性为基础，考虑各生育期间的差异，构建了各生育期不同光谱变换形式下的冬小麦冠层SPAD值适宜模型组合和全生育期单个光谱变换值的一元二次回归模型，并对各模型监测效果进行验证。具体结论如下：

(1)同一生育期不同施氮水平下，在可见光范围内冠层光谱反射率随着SPAD值的增大呈降低的趋势；在近红外范围内冠层光谱反射率随着SPAD值的增大呈增大的趋势。

(2)拔节-抽穗期、抽穗-灌浆期、灌浆-成熟期与冬小麦冠层SPAD值相关性最高的光谱变换形式分别为V10(一阶微分)、V10(一阶微分)、V8(对数的一阶微分)，其敏感波段分别为503、543、726 nm；全生育期相关性最高的光谱变换形式为V2(除以R930)，其敏感波段为724 nm。

(3)模型组合1在拔节-抽穗期、抽穗-灌浆期、灌浆-成熟期以及全生育期的决定系数R2均大于0.8，且较同期模型2的决定系数R2均有较大幅度的提高，表明采用各生育期不同光谱变换形式下适宜模型组合的监测效果优于单个光谱变换值的一元二次回归模型，且能够提高模型的模拟精度与稳定性。

□