楊紅麗,陳功,吳建付

(云南農(nóng)業(yè)大學(xué)動物科技學(xué)院,云南昆明 650201)

光譜分析技術(shù)的發(fā)展為快速準確地監(jiān)測植物長勢、估測產(chǎn)量以及確定最佳施肥量提供了條件。目前,國內(nèi)外學(xué)者對草坪草、農(nóng)作物的反射光譜特征進行了深入的研究探討。張文等[1,2]報道,施用氮肥能夠明顯提高草坪葉綠素密度,降低可見光區(qū)域光譜反射率,多種植被指數(shù)與草坪葉綠素含量之間存在顯著相關(guān)關(guān)系。T homas和Oerther[3]研究發(fā)現(xiàn),氮素營養(yǎng)水平對甜椒(Capsicum annuum)葉片在550和670 nm波段反射率的影響最大,并利用這2個波段建立了估算氮素含量的相關(guān)模型,其精度達90%。Walburg等[4]對玉米(Zea mays)的研究表明,近紅外反射率和紅光反射率的比值與單一波段的反射率相比較,能更好地區(qū)分氮的不同處理。Osborne等[5]利用反射光譜診斷玉米氮營養(yǎng)時指出,植物體內(nèi)氮含量的預(yù)測應(yīng)在紅光和綠光波段,但具體波段隨生育期的不同而改變。Shibayama和Remote[6]在水稻(Oryza sativa)上的研究表明,單位土地面積上的葉片氮含量與R620和R760的線性組合,以及與R400、R620和R880的線性組合均存在較好的回歸關(guān)系,預(yù)測值和實測值線性相關(guān),且不受品種類型的影響。趙德華和李建龍[7]通過研究棉花(Gossypium arboreum)在不同氮水平下群體反射光譜,結(jié)果表明,通過光譜測定及其變量的運算,如近紅外與紅外(NIR/Red)的比值,可以區(qū)分不同氮素營養(yǎng)水平。吳華兵等[8]、朱艷等[9,10],秦曉東等[11]、李映雪等[12]分析了不同施肥水平下小麥(Triticum aestivum)葉片氮含量及葉片氮積累與冠層光譜反射特征的關(guān)系,并建立了小麥葉片氮素診斷模型。唐萬龍等[13]應(yīng)用光譜特性建立冬小麥氮、磷元素豐缺的最佳模型。譚昌偉等[14]探討了夏玉米葉片全氮光譜響應(yīng),并建立了相關(guān)估測模型。張金恒和王珂[15]對水稻葉片反射光譜的研究表明,可以通過葉片反射光譜來診斷氮素營養(yǎng)的敏感波段。王紀華等[16]通過分層光譜分析,利用作物垂直冠層光譜匹配方法,初步實現(xiàn)了作物中下層葉綠素和氮素的遙感反演。

施氮水平與黑麥草的產(chǎn)草量、生物學(xué)特性、營養(yǎng)成分等密切相關(guān)[17],但利用光譜分析法對黑麥草植株氮含量的研究在國內(nèi)還鮮見報道。本研究以多花黑麥草(Lolium multiflorum)為對象,分析不同施氮水平條件下牧草冠層反射光譜特征和植株氮含量的相關(guān)性,探討與植株氮含量密切相關(guān)的敏感波段及植被指數(shù),并確定植株氮含量的定量估測模型,從而為利用光譜技術(shù)進行大區(qū)域、無破壞、實時監(jiān)測牧草生長狀況以及確定最佳施肥量提供技術(shù)依據(jù)。

1 材料與方法

1.1 試驗地概況

試驗地位于云南省曲靖市沾益縣西平鎮(zhèn),地處北緯25°35′,東經(jīng)103°50′,海拔1 900 m。前茬作物為蠶豆(Viciafaba),土壤為水稻土,pH 值7.67,有機質(zhì)33.86 g/kg,全氮1.78 g/kg,全磷0.657 g/kg,全鉀18.04 g/kg,水解氮158 mg/kg,有效磷17.38 mg/kg,速效鉀 124 mg/kg。

1.2 試驗材料

供試材料為多花黑麥草特高(L.multiflorum cv.Tetragold)和多花黑麥草杰威(L.multif lorum cv.Splendor),具有品質(zhì)優(yōu)良,生長快,產(chǎn)量高,質(zhì)量好,生育期短等特點,適宜在云南亞熱帶地區(qū)生長。

1.3 試驗設(shè)計

采用隨機區(qū)組設(shè)計,5個施氮水平,3次重復(fù),小區(qū)面積2.0 m×1.5 m,小區(qū)間距0.5 m,區(qū)組間距0.8 m。2008年2月下旬播種,撒播用種量4.05 g/m2。播種同時施入種肥(鈣鎂磷肥167 kg/hm2,硫酸鉀84 kg/hm2,硫酸銅,硫酸鋅,硼酸各 4.1 kg/hm2)。氮肥(尿素)水平分別為0(N0),100(N1),200(N2),300(N3)和400 kg/hm2(N4),在牧草分蘗前期、拔節(jié)前期各按1/2均勻施入各小區(qū)。

1.4 反射光譜數(shù)據(jù)和植株氮含量的測定

選用美國Ocean公司生產(chǎn)的H R2000光譜儀,波長范圍為200～1 100 nm,分辨率約1 nm,采樣間隔0.45～0.46 nm。冠層光譜測定選擇天氣晴朗、無風或風速很小的天氣進行,測定時間為北京時間10:30-14:00,測量時固定光譜儀探頭垂直向下,距離冠層50cm。每小區(qū)重復(fù)5～10次,取平均值作為該小區(qū)的光譜反射率值。測定過程中及時進行標準白板校正。

在分蘗期(2008年5月2日)、拔節(jié)期(2008年5月23日)反射光譜測定之后,取草樣裝入密閉自封袋,帶回室內(nèi),105℃殺青,然后75℃烘干,粉碎,采用微量凱氏定氮法[18]測定植株氮含量。通過下列公式計算牧草植株氮含量(%):

式中,C為滴定時的鹽酸標準溶液濃度(0.01 mol/L);A為滴定樣品所耗用的鹽酸標準溶液的平均量(mL);B為滴定空白樣品所耗用的鹽酸標準溶液的平均量(mL);W為樣品質(zhì)量(g);VT為消化液總體積(mL);VS為測定時取用的消化液體積(mL)。

1.5 統(tǒng)計分析

基于冠層光譜反射率與多花黑麥草植株氮含量的相關(guān)性分析結(jié)果,篩選敏感波段,進而由敏感波段組成多種植被指數(shù)(比值植被指數(shù),ratio vegetation index,RVI;差值植被指數(shù),differential vegetation index,DVI;歸一化差值植被指數(shù),normalized vegetation index,NDVI)。通過分析植被指數(shù)與植株氮含量的相關(guān)關(guān)系,篩選出對植株氮含量敏感的最佳植被指數(shù),然后建立多元回歸估測模型。在采集的樣品中,一部分用來建立統(tǒng)計回歸模型,另一部分用來檢驗所建立模型的精確度。使用SPSS 13.0和SigmaPlot 10.0軟件分別進行數(shù)據(jù)統(tǒng)計分析和作圖。

2 結(jié)果與分析

2.1 植株氮含量

品種杰威的植株氮含量在分蘗期、拔節(jié)期均隨著施氮水平的增加而極顯著升高(P<0.01),分蘗期處理N2與N3之間、拔節(jié)期處理N1與N2之間差異均不顯著。品種特高植株氮含量在分蘗期隨施氮水平的增加而顯著升高(P<0.05),處理N2與N3之間差異不顯著;拔節(jié)期處理N3極顯著高于其余各處理(P<0.01),處理N1與N2之間差異不顯著(表1)。

2.2 冠層光譜反射率

品種特高分蘗期可見光區(qū)反射率隨施氮水平增加而逐漸降低(圖1A),處理N4在560 nm的反射率極顯著低于N0、N1(P<0.01),與N2、N3之間無顯著差異;近紅外區(qū)處理N4的反射率顯著低于N0、N1(P<0.01)和N2(P<0.05),與N3之間無顯著差異。拔節(jié)期,處理N3在560 nm的反射率最低(圖1B),且各處理之間差異極顯著(P<0.01);在近紅外區(qū)域,處理N3的反射率最低,N0、N1和N4三種處理之間無顯著差異,但均極顯著高于N2、N3兩種處理(P<0.01)。

品種杰威在分蘗期,處理N4在560 nm的反射率極顯著低于其他處理(P<0.01),N2和N3之間無顯著差異;近紅外區(qū)各處理之間均存在顯著差異(P<0.05)(圖1C)。拔節(jié)期,處理N4在560 nm的反射率顯著低于其他處理(P<0.05),N1、N2、N3三種處理之間的差異不顯著;在近紅外區(qū)域,除N1顯著低于N0之外(P<0.05),其余各處理之間差異不顯著(圖1D)。

圖1 不同施氮水平下多花黑麥草的冠層反射光譜特征Fig.1 Reflectance of annual ryegrass under different nitrogen fertilization rate

2.3 冠層反射率與植株氮含量之間的相關(guān)性

在450～900 nm范圍內(nèi),牧草植株氮含量與單波段反射率呈負相關(guān)關(guān)系。在487～718 nm范圍內(nèi),相關(guān)系數(shù)絕對值都大于0.5(圖2)。經(jīng)過多波段逐步回歸分析,得到估測多花黑麥草植株氮含量的最優(yōu)回歸模型:y=4.362-0.754x579+0.351x700(R2=0.588,P<0.01,n=20),可以看出,采用多波段回歸模型預(yù)測多花黑麥草植株氮含量優(yōu)于單波段模型。

為了檢驗此回歸模型的可靠性和普適性,將校驗樣本579,700 nm的光譜反射率分別代入上述回歸模型方程,得到多花黑麥草植株氮含量估測值,再將模型估測值和實測值進行相關(guān)性分析。結(jié)果表明,多波段回歸模型預(yù)測值與實測值之間相關(guān)性達到了極顯著水平(P<0.01)(圖3)。

2.4 植被指數(shù)與植株氮含量的相關(guān)性

利用敏感波段構(gòu)建3種高光譜植被指數(shù),并分析它們與植株氮含量之間的相關(guān)性,結(jié)果表明,植被指數(shù)NDVI、RVI、D VI與植株氮含量之間呈顯著(P<0.05)或極顯著(P<0.01)相關(guān)關(guān)系(表2)。其中,NDVI(700,579)、DVI(610,487)、RVI(700,579)與植株氮含量之間的相關(guān)性最高,相關(guān)系數(shù)R分別為0.739,-0.750,0.721(P<0.01)。

從表2中選擇相關(guān)系數(shù)絕對值大于0.7的植被指數(shù)為自變量進行逐步回歸分析,建立多花黑麥草植株

氮含量最優(yōu)回歸模型:y=3.026-0.670DVI(610,487)+4.997NDVI(700,579)(R2=0.705,P<0.01)。選用波段610,487,700和579 nm分別建立植被指數(shù)DVI、NDVI值,代入上式得到植株氮含量的預(yù)測值。將實測值和預(yù)測值進行相關(guān)性分析,結(jié)果表明,植株氮含量的預(yù)測值與實測值相關(guān)性都達到了極顯著水平(P<0.01)(圖4)。與單波段回歸模型、多波段回歸模型相比較,利用植被指數(shù)回歸模型估測植株氮含量效果更加理想。

圖2 多花黑麥草植株氮含量與光譜反射率的相關(guān)性分析Fig.2 Correlation analysis between the reflectance and the plant nitrogen content

圖3 多波段反射光譜回歸模型監(jiān)測植株氮含量的預(yù)測值和實測值的相關(guān)性分析(n=46)Fig.3 Correlation analysis between true value and estimative value of plant nitrogen content with many wavelength reflectance

表2 多花黑麥草植株氮含量與植被指數(shù) NDVI、DVI、RVI之間的相關(guān)性分析(n=20)Table 2 Correlation analysis between the plant nitrogen content and vegetation index NDVI、DVI、RVI

3 討論

圖4 植株氮含量的預(yù)測值和實測值之間的相關(guān)性分析(n=45)Fig.4 The correlation analysis between the estimated value and the true value of plant nitrogen content

施氮水平對多花黑麥草2個品種的植株氮含量具有顯著影響。分蘗期,植株氮含量隨施氮水平增加而顯著升高。拔節(jié)期,品種杰威植株氮含量隨施氮水平增加而顯著升高,但品種特高植株氮含量表現(xiàn)出先升高后降低的趨勢,在300 kg/hm2處理小區(qū)達到最高,并顯著高于其余各處理。田間觀測結(jié)果顯示,在拔節(jié)期,試驗區(qū)氣溫明顯升高,降水充沛,品種特高在400 kg/hm2處理小區(qū)中植株密度過大,草層下部部分葉片變黃,導(dǎo)致植株氮含量降低。在試驗區(qū)條件下,綜合分析牧草長勢和草層植株氮含量,分蘗前期和拔節(jié)前期多花黑麥草施用氮肥應(yīng)以300 kg/hm2為適宜水平。

施氮水平對分蘗期、拔節(jié)期多花黑麥草2個品種的反射光譜特征具有顯著影響。隨施氮水平增加,450～900 nm范圍內(nèi)冠層光譜反射率呈逐漸降低的趨勢,部分處理之間達到顯著(P<0.05)或極顯著(P<0.01)水平。楊紅麗等[19]在同一試驗地點的研究結(jié)果表明,施氮水平顯著影響多花黑麥草冠層葉綠素含量。張文等[20]報道了葉面施肥對4種草坪草[高羊茅(Festuca arundinacea)、草地早熟禾(Poa pratensis)、狗牙根(Cynodon dactylon)、匍匐翦股穎(Agrostisstoloni fera)]葉綠素密度及反射光譜的影響,施用氮肥或氮肥+鐵肥能夠顯著提高草坪葉綠素密度降低可見光區(qū)域的光譜反射率。錢育蓉等[21]比較分析了高羊茅光合色素與其原始光譜、光譜一階導(dǎo)數(shù)和倒數(shù)對數(shù)一階導(dǎo)數(shù)3種光譜形式之間的相關(guān)性,發(fā)現(xiàn)光譜一階導(dǎo)數(shù)在700 nm附近與光合色素存在顯著的相關(guān)關(guān)系。本試驗結(jié)果也與在水稻、小麥、棉花等作物上的研究報道相一致[22-25]。因此可以推斷,不同施氮水平明顯改變了冠層葉綠素含量或葉綠素密度,進而引起光譜反射率發(fā)生顯著變化。

利用單波段或多波段模型均可精確估測多花黑麥草2個品種的植株氮含量,但多波段反射光譜模型估測效果更優(yōu),這可能是由于多波段所包含的反射光譜信息要多于單一波段的反射光譜信息。試驗結(jié)果表明,在487～718 nm范圍內(nèi),多花黑麥草植株氮含量與反射率之間相關(guān)系數(shù)絕對值都大于0.5。朱艷等[9,10]對稻麥的研究表明,在波段610,660,680 nm處,葉片氮含量與冠層反射光譜相關(guān)性最好。張金恒和王珂[15]報道,在500～720 nm范圍內(nèi),水稻葉片氮含量和冠層反射光譜相關(guān)性最好。上述結(jié)論與本試驗結(jié)果相一致,證明綠光和紅光是植株氮含量的敏感波段。本研究結(jié)果也表明,植被指數(shù)NDVI、RVI、DVI與植株氮含量之間存在顯著的相關(guān)關(guān)系,利用回歸模型得出的植株氮含量預(yù)測值與實測值之間的相關(guān)性達到極顯著水平(P<0.01)。因此,在篩選敏感波段和植被指數(shù)的基礎(chǔ)上構(gòu)建反演模型,能夠精確估測多花黑麥草植株氮含量,也能夠為利用光譜分析方法快速、準確地估測牧草長勢和營養(yǎng)狀況提供技術(shù)依據(jù)。

[1］張文,陳功,龍光強,等.利用高光譜參數(shù)評價單播草坪色澤[J].草原與草坪,2007,(5):6-10.

[2］張文,張建利,陳功.以高光譜植被指數(shù)研究草坪色澤[J].草地學(xué)報,2008,16(5):530-535.

[3］Thomas J R,Oerther G F.Estimating nitorgen content of sweet pepper leaves by reflectance measurements[J].Agronomy Journal,1972,64:11-13.

[4］Walburg G,Bauer M E,Daughtry C S,et al.Effects of nitrogen on the growth,yield,and reflectanc characteristics of COrl1[J].Agronomy Journal,1982,74:677-683.

[5］Osborne S L,Schepers J S,Francis D D,et al.Detection of phosphorus and nitrogen deficiencies in corn using spectral radiance measurements[J].Agronomy Journal,2002,94:1215-1221.

[6］Shibayama M,Remote A.Seasonal visible,near-infrared and mid-infrared spectra of rice canopies in relation to LAI and aboveground dry phytomass[J].Remote Sensing Environment,1986,27:119-127.

[7］趙德華,李建龍.不同施氮水平下棉花群體反射光譜德差異性分析[J].作物學(xué)報,2004,30(11):1169-1172.

[8］吳華兵,朱艷,田永超,等.棉花冠層高光譜指數(shù)與葉片氮積累量的定量關(guān)系[J].作物學(xué)報,2007,33(3):518-522.

[9］朱艷,姚霞,田永超,等.稻麥葉片氮積累量與冠層反射光譜的定量關(guān)系[J].植物生態(tài)學(xué)報,2006,30(6):983-990.

[10］朱艷,李映雪,周冬琴,等.稻麥葉片氮含量與冠層反射光譜的定量關(guān)系[J].生態(tài)學(xué)報,2006,26(10):3463-3469.

[11］秦曉東,戴廷波,荊奇,等.冬小麥葉片氮含量時空分布及其與植株氮營養(yǎng)狀況的關(guān)系[J].作物學(xué)報,2006,32(11):1717-1722.

[12］李映雪,朱艷,曹衛(wèi)星.不同施氮條件下小麥冠層的高光譜和多光譜反射特征[J].麥類作物學(xué)報,2006,26(2):103-108.

[13］唐萬龍,楊相桓,雷浣群.應(yīng)用光譜特性建立冬小麥氮磷元素豐缺和產(chǎn)量預(yù)報模型的研究[J].遙感技術(shù)與應(yīng)用,1993,8(3):8-14.

[14］譚昌偉,王紀華,黃文江,等.夏玉米葉片全氮、葉綠素及葉面積指數(shù)的光譜響應(yīng)研究[J].西北植物學(xué)報,2004,24(6):1041-1046.

[15］張金恒,王珂.水稻葉片反射光譜診斷氮素營養(yǎng)敏感波段的研究[J].浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版),2004,30(3):340-346.

[16］王紀華,王之杰,黃文江,等.冬小麥冠層氮素的垂直分布及光譜響應(yīng)[J].遙感學(xué)報,2004,8(4):309-316.

[17］黃勤樓,鐘珍梅,陳恩,等.施氮水平與方式對黑麥草生物學(xué)特性和硝酸鹽含量的影響[J].草業(yè)學(xué)報,2010,19(1):103-112.

[18］王學(xué)奎.植物生理生化實驗原理和技術(shù)(第2版)[M].北京:高等教育出版社,2006.

[19］楊紅麗,陳功,吳建付.氮肥水平對多花黑麥草葉綠素及高光譜反射特征的影響[J].云南農(nóng)業(yè)大學(xué)學(xué)報,2009,24(4):534-538

[20］張文,張建利,陳功.葉面施肥對草坪高光譜反射率及色澤的影響[J].草業(yè)學(xué)報,2009,18(2):115-121.

[21］錢育蓉,楊峰,李建龍,等.利用高光譜數(shù)據(jù)快速估算高羊茅牧草光合色素的研究[J].草業(yè)學(xué)報,2009,18(4):94-102.

[22］郭曼,常慶瑞,張連民,等.關(guān)中地區(qū)不同營養(yǎng)狀況冬小麥光譜特性初探[J].干旱地區(qū)農(nóng)業(yè)研究,2006,24(3):49-53.

[23］孫雪梅.利用高光譜參數(shù)預(yù)測水稻氮素狀況、色素含量和籽粒蛋白含量的研究[D].杭州:浙江大學(xué),2005.

[24］Hansena P M,Schjoerring J K.Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J].Remote of Environment,2003,86:542-553.

[25］代輝,胡春勝,程一松,等.不同氮水平下冬小麥農(nóng)學(xué)參數(shù)與光譜植被指數(shù)的相關(guān)性[J].干旱地區(qū)農(nóng)業(yè)研究,2005,23(4):16-21.