基于高光谱数据的晚籼稻品种剑叶SPAD 值估测

田容才 高志强 周昆

（1 农业农村部长江中下游籼稻遗传育种重点实验室，长沙410125; 2 湖南农业大学农学院，长沙410128; 3 湖南省水稻研究所，长沙410125；第一作者：823945102@qq.com；*通讯作者：zhzhkp@163.com）

叶绿素作为植物光合作用的主要色素，其含量高低与植株光合能力、氮素状况及发育阶段密切相关，已成为评价作物长势的重要指标[1]。传统的植物叶绿素绝对含量采用离体方法测定[2]，存在破坏样品、耗时费力、操作复杂[3]等弊端。SPAD-502 叶绿素仪通过测量叶片在两个波段里的反射率，得到测量植物的实时叶绿素相对含量读数，即SPAD 值[4]。众多研究[5-9]表明，叶片SPAD 值与叶绿素含量呈显著相关关系，能精确表达叶绿素含量，可作为植株氮素营养诊断的重要指标，但无法进行大面积快速检测。

随着高光谱技术的发展，其在农业领域的应用越来越广泛[10-12]。冠层高光谱易受土壤、天气状况等影响，数据精度难以保证[13-16]，而叶片高光谱借助仪器内置主动光源，可对叶片进行活体测定，能有效减少外界环境干扰，数据精度更高，从而实现植物叶片的快速无损实时检测。目前，众多学者对水稻SPAD 值与叶片高光谱特征进行了大量研究[17-20]，为实现水稻大面积快速无损氮素营养诊断和长势监测提供了新思路，但大多研究集中在特征波段和建模方法的选取上，较少针对同一水稻类型的多个品种的模型普适性进行探究。

剑叶作为水稻的主要功能叶，测量其SPAD 值可以很好反映植株叶绿素含量和氮素水平[21]。本研究对长江中下游不同晚籼稻品种的剑叶高光谱特征与SPAD 值进行了分析，建立了不同晚籼稻品种剑叶SPAD 值的估测模型，并对模型进行品种间交互验证，以期构建晚籼稻剑叶SPAD 值估测的通用性模型，为晚籼稻叶片SPAD 值卫星遥感反演及长势监测提供支撑。

1 材料与方法

1.1 试验设计

试验于2018 年6—11 月在湖南省水稻研究所试验田（28°12′N，113°5′E，海拔44.9 m）进行。试验田为重粘土质地，土壤肥力中等，前作为水稻。试验选用南方稻区国家水稻品种区试7 个晚籼早熟品种为材料，分别为岳优9113、C 两优136、慧两优1809、33S/巴西旱稻、早丰A/5194、五丰A/制6、五丰A/制1。采用随机区组试验，小区面积13.34 m2，行距20 cm，株距20 cm，每个品种设3 次重复，共21 个小区。采用育苗移栽种植，6 月28 日播种，7 月20 日移栽，10 月29 收获。每667 m2施用复合肥25 kg、菜枯40 kg 作基肥。追肥分2 次施入：7 月24 日每667 m2施用尿素5.0 kg、氯化钾7.5 kg，并拌入除草剂一起施用；8 月5 日每667 m2补施尿素2.5 kg。同时做好田间病虫草害防治工作。

1.2 数据采集

在各晚籼稻材料抽穗后每隔7 d 于大田采集剑叶高光谱和SPAD 值数据，但受天气状况的影响，数据采集无法正常进行，应以实际测定时间为准，最终本试验共采集了4 次晚籼稻数据，采集时间分别为各品种的抽穗期及抽穗后8 d、18 d 和27 d。

表1 光谱参数及其计算公式

1.2.1 剑叶高光谱测定

于各材料抽穗及抽穗后8 d、18 d 和27 d，用ASD公司生产的FieldSpec 3 地物波谱仪采集水稻剑叶高光谱数据。该仪器自带主动光源手持型叶片光谱探头，可直接进行活体夹叶测定。光谱波长范围350～2 500 nm，其中350～1 050 nm 的光谱采样间隔1.377 nm，1 000 ～2 500 nm 采样间隔为2 nm，光谱分辨率3 nm@700 nm 和10 nm@1 400 nm/2 100 nm。每小区选择长势均一的主茎剑叶5 片进行活体叶片光谱测定，测定时为了避开叶脉，选择剑叶上部进行高光谱数据采集，通过参数设定，测得的每条光谱曲线均已进行10 次光谱重采样。同时每小区测定前利用镜头自带标准白板校正1 次。

1.2.2 剑叶SPAD 值测定

采集主茎剑叶高光谱数据的同时，采用日本Minolta Camera 公司生产的SPAD-502 叶绿素仪测定各晚籼稻材料主茎剑叶的SPAD 值。测定方法：每小区随机选取长势较一致的主茎剑叶5 片，每片叶测叶尖、叶中、叶基3 个点，取平均值作为该叶片SPAD 实测值，测定时避开叶脉。

1.3 数据分析

由于在350～400 nm 光谱范围内存在较大噪音，且前人研究结果表明，与叶片SPAD 值相关系数较高的波段位于可见光和部分近红外[22-23]，因此，本文选取400～1 000 nm 作为光谱研究区域。试验数据采用ViewSpecPro 软件进行预处理和导出，Excel 2016 和SPSS 17.0 对数据进行统计分析。通过将原始光谱反射率、一阶微分光谱反射率及光谱参数与叶片SPAD 值进行相关性分析，利用传统回归分析方法建立不同晚籼稻品种剑叶SPAD 值估测模型，以决定系数（R2）、均方根误差（RMSE）作为模型精度评价指标，并以平均偏差率（AD）作为品种间交互验证评价指标。式（1）、（2）分别是均方根误差和平均偏差率的计算公式。

式中，yi表示实测值表示预测值，n 代表样本数量。

1.4 光谱参数选择

通过不同波段反射率的线性或非线性组合变化进行光谱参数提取，可以有效降低背景信息对植被光谱特征的干扰，提高光谱数据表达叶绿素的精度[4]。本文结合前人的研究结果，选择了8 种对叶绿素含量敏感的光谱参数与叶片SPAD 值进行相关分析，从而筛选出相关系数较高的光谱参数来构建SPAD 估测模型。光谱参数计算方式见表1。

2 结果与分析

2.1 不同水稻品种叶片SPAD 值变化

如图1 所示，抽穗及以后27 d 中，各晚籼稻品种叶片SPAD 值具有相似的变化趋势，即大部分品种从抽穗至抽穗后8 d 间SPAD 值呈上升趋势，之后则随生育进程的推进SPAD 值降低，而慧两优1809 自抽穗后叶片SPAD 值则一直下降，C 两优136 则在抽穗后第18 d 达最大值，这可能是因为供试材料所处的抽穗阶段不同所致。对不同晚籼稻品种抽穗后各时间段的叶片SPAD 值进行综合平均计算，SPAD 平均值表现为慧两优1809（45.2）＞33S/巴西旱稻（44.7）＞早丰A/5194（43.9）＞岳优9113（43.3）＞C 两优136（43.2）＞五丰A/制1（42.9）＞五丰A/制6（42.2），品种间叶片SPAD 值差异较小。

2.2 不同水稻品种叶片高光谱特征

图1 抽穗后不同水稻品种叶片SPAD 值变化

图2 不同水稻品种剑叶反射光谱（a）及其一阶导数光谱（b）

对7 个不同晚籼稻品种抽穗后不同时期叶片原始光谱及一阶微分光谱进行平均计算（样本量n=60），结果见图2。由图2 可知，不同晚籼稻品种叶片原始光谱反射率响应曲线变化规律一致，出现“蓝谷”“绿峰”“红谷”“近红外高反射平台”的绿色植物典型反射光谱特征，这主要是因为叶片吸收了大部分蓝光和红外进行光合作用，形成“谷”，在绿光波段对绿色吸收少，反射高，形成“绿峰”，近红外光则能穿透叶绿素，经过叶肉组织多次散射、反射、折射作用，在近红外区域反射率急剧升高[26]。但受品种间叶片组织结构与元素含量的影响，不同晚籼稻品种叶片光谱响应曲线的波峰及波谷的反射率大小存在差异。不同供试材料在540～600 nm、750～1 000 nm 两波段范围内的原始光谱反射率大小存在差异。对各晚籼稻材料原始光谱进行一阶微分运算，发现其最大波峰出现在660～760 nm，“红边”位置存在品种间差异，大致位于710～720 nm 范围内。

2.3 SPAD 值与叶片光谱反射率的相关性

2.3.1 SPAD 值与原始叶片光谱反射率的相关性

图3 不同水稻品种叶片SPAD 值与叶片原始光谱反射率的相关性

图4 不同水稻品种叶片SPAD 值与一阶微分光谱的相关性

将各材料抽穗后不同时期叶片SPAD 值与原始光谱反射率进行单相关分析（样本数n=60），结果如图3所示。由图3 可知，不同晚籼稻品种叶片SPAD 值与原始光谱反射率的相关系数在可见光波段（380～780 nm）达显著或极显著相关，称为SPAD 值的敏感波段。且各晚籼稻品种相关系数具有相似的变化趋势，表现为可见光波段范围内随波长的递增相关系数升高，720 nm后相关系数逐渐降低，最大相关系数大致位于700～720 nm 的红边区域，且均为负相关，这可能是因为试验数据只包括抽穗及以后各时期，缺少分蘖、拔节、孕穗等前期数据所致。

2.3.2 SPAD 值与一阶微分光谱的相关性

将各晚籼稻品种剑叶光谱进行一阶微分计算后与叶片SPAD 值进行相关性分析，结果见图4。从图4 可以看出，各晚籼稻品种叶片SPAD 值与一阶微分光谱相关系数曲线整体变化趋势相似，且在485～560 nm 的绿光波段、688～709 nm 的近红波段呈极显著负相关，在602～626 nm、630～670 nm 的红光波段呈极显著正相关。通过上述分析，选出各晚籼稻品种叶片SPAD 值与原始光谱反射率及一阶微分光谱相关系数较大的波长作为叶片SPAD 值的敏感波长，详见表2。

2.4 水稻叶片光谱参数与SPAD 值相关性

表2 不同水稻品种叶片SPAD 值与光谱反射率及一阶微分光谱相关系数最大的波长

表3 不同水稻品种叶片SPAD 值与光谱参数的相关系数

根据表1 计算各晚籼稻品种的光谱参数，并与叶片SPAD 值进行相关性分析和差异显著性检验，结果如表3 所示。由表3 可知，7 个晚籼稻品种的叶片SPAD 值 与MCARI、TCARI、Dr、SDr/SDy、（SDr-SDy）/（SDr-SDy）等5 个光谱参数均达到极显著负相关，其中大部分品种以Dr 相关系数最高。同时7 个晚籼稻品种叶片SPAD 值与光谱参数VARI（700）、λr 呈正相关，其中仅C 两优136、慧两优1809、33S/巴西旱稻、五丰A/制6、五丰A/制1 等5 个品种达显著相关，但相关系数均较低。从所选的8 种对叶绿素含量敏感的光谱参数来看，除岳优9113 品种的叶片SPAD 值与VARI（700）的相关系数最低（R=0.137）外，其余品种均与SDr 相关系数最低。

2.5 不同水稻品种叶片SPAD 值估测方程的构建

根据上述的叶片SPAD 值与原始光谱反射率、一阶微分光谱以及光谱参数的相关性分析结果，选取与各晚籼稻品种叶片SPAD 值相关系数最大的光谱参数作为因变量，构建基于单光谱参数的叶片SPAD 值估测模型。结果（表4）显示，采用不同的模型类型构建的SPAD 值估测模型精度存在品种间差异，综合考虑决定系数（R2）和均方根误差（RMSE）两因素，得出岳优9113、C 两优136、五丰A/制6、五丰A/制1 以指数模型模拟效果最好，而慧两优1809、33S/巴西旱稻、早丰A/5194 以二次曲线模型的模拟效果最好。

2.6 不同水稻品种叶片SPAD 值估测模型的相互检验

利用上述选取的各晚籼稻品种对应的叶片SPAD值最优估测模型，在品种间进行交互验证，并用平均偏差率来评价估测效果，结果见表5。由表5 可知，叶片SPAD 值估测模型在晚籼稻品种间具有较好的通用性，大部分品种的平均偏差率为5%左右。通过比较指数模型和二次曲线模型建模效果发现，指数模型优于二次曲线模型，其中以715 nm 处的原始光谱反射率作为因变量建立的指数模型y=85.512e-2.392x的估测效果最好，品种间的平均偏差率为5.01%，以C 两优136 品种建立的指数模型y=33.959e147.67x的估测效果最稳定，对其余品种SPAD 值估测的平均偏差率为5.54%左右。综上所述，指数模型对水稻叶片SPAD 值估测在品种间具有一定的普适性。

3 结论与讨论

本研究结果得出以岳优9113 在715 nm 处的原始光谱反射率建立的指数模型y=85.512e-2.392x在晚籼稻品种间具有较好的适用性，平均偏差率为5.01%，表明品种因素对利用高光谱数据进行同种类型水稻品种叶片SPAD 值估测的影响不大。与章曼等[27]在不同施肥条件下的水稻关键生育期SPAD 值估测模型精度的比较分析，得出在灌浆期以植被指数为变量建立的指数模型精度最高（达0.926）的结果一致。但汪华等[28-29]研究发现，品种对应用SPAD 计进行水稻氮肥施用量诊断具有影响，与本文得出的品种间叶片SPAD 值差异较小，以单一水稻品种敏感波长建立的SPAD 值估测模型，也可以应用于其他晚籼稻品种的结论相悖，这是否是由于本研究选用的均为生育期接近的晚籼稻材料、采集的数据样本量较少、生育期不完整所致，因此作者以为可从增多供试品种数量、选取差异大的品种类型、增加建模样本量及采集全生育期数据等方面对模型的普适性进行验证与完善，同时可从机器视觉、图像融合及算法研究[30]等方面对模型进行修正与优化。

表4 不同水稻品种叶片SPAD 值的单光谱参数估测模型（n=60）

表5 各水稻品种叶片SPAD 值估测模型相互验证的平均偏差率 （单位：%）