高　鑫，高聚林，于曉芳，王志剛，張寶林，胡樹平，謝　岷，孫繼穎，羅瑞林，于　博，呂?；?/p>

(1 內(nèi)蒙古農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，內(nèi)蒙古 呼和浩特 010019；2 內(nèi)蒙古師范大學(xué) 化學(xué)與環(huán)境科學(xué)學(xué)院，內(nèi)蒙古 呼和浩特 010022；3 包頭市農(nóng)業(yè)科學(xué)研究所，內(nèi)蒙古 包頭 014030)

?

不同玉米品種葉片SPAD值估測(cè)模型的構(gòu)建及其差異性研究

高鑫1，高聚林1，于曉芳1，王志剛1，張寶林2，胡樹平1，謝岷1，孫繼穎1，羅瑞林2，于博1，呂?；?

(1 內(nèi)蒙古農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，內(nèi)蒙古 呼和浩特 010019；2 內(nèi)蒙古師范大學(xué) 化學(xué)與環(huán)境科學(xué)學(xué)院，內(nèi)蒙古 呼和浩特 010022；3 包頭市農(nóng)業(yè)科學(xué)研究所，內(nèi)蒙古 包頭 014030)

【目的】 探究玉米葉片SPAD值與其高光譜特征之間的品種差異，構(gòu)建不同玉米品種葉片SPAD值估測(cè)模型，并對(duì)模型應(yīng)用范圍進(jìn)行驗(yàn)證?！痉椒ā?通過大田試驗(yàn)，測(cè)定多個(gè)玉米品種葉片的SPAD值及其高光譜數(shù)據(jù)，利用相關(guān)分析及逐步回歸分析等方法，構(gòu)建和篩選玉米葉片SPAD值與相關(guān)光譜參數(shù)的回歸模型，并利用偏差率對(duì)模型精度進(jìn)行檢驗(yàn)?！窘Y(jié)果】 不同玉米品種葉片的SPAD值與其高光譜反射率及一階導(dǎo)數(shù)的相關(guān)波段存在差異，但品種間差異較小，關(guān)系最密切的波段均處于560和700 nm附近。對(duì)不同玉米品種的光譜反射率一階導(dǎo)數(shù)進(jìn)行比較時(shí)，出現(xiàn)“紅移”現(xiàn)象，“紅移”規(guī)律與各品種葉片SPAD值大小表現(xiàn)一致；葉片SPAD值與光譜反射率一階導(dǎo)數(shù)的顯著相關(guān)波段在510，615，690和740 nm附近。在構(gòu)建估測(cè)模型時(shí)，以單波段光譜參數(shù)構(gòu)建的模型估測(cè)效果較組合波段構(gòu)建的模型好，且模型類型為多元方程和指數(shù)方程。以單一玉米品種葉片光譜參數(shù)建立的模型可以對(duì)其他玉米品種葉片的SPAD值進(jìn)行估測(cè)，但估測(cè)精度在不同品種間存在差異?！窘Y(jié)論】 以高光譜560 nm附近波段反射率建立的模型精度最高，對(duì)不同品種的玉米葉片SPAD預(yù)測(cè)值偏差率普遍小于5.00%。

玉米葉片；SPAD值；高光譜估測(cè)模型；品種差異

SPAD值是SPAD-502葉綠素儀測(cè)量值，是作物植株氮素快速診斷的重要指標(biāo)[1-5]，但SPAD值反映植株氮素水平只限于個(gè)體，不能有效地表達(dá)整個(gè)群體的氮素水平，而高光譜遙感技術(shù)的快速發(fā)展，為實(shí)現(xiàn)植株群體氮素監(jiān)測(cè)提供了可能。冠層高光譜能夠快速、無損地反映植株群體氮素水平，已被廣泛應(yīng)用于多種作物[6-10]。但冠層高光譜易受到土壤、草等外界環(huán)境的干擾，從而影響其精準(zhǔn)度[11]。葉片高光譜技術(shù)直接針對(duì)葉片，可以避免外界環(huán)境的干擾，具有更高的精準(zhǔn)度。因此，將SPAD值與葉片高光譜相結(jié)合，為進(jìn)一步實(shí)現(xiàn)植株個(gè)體與群體的統(tǒng)一、提高氮素監(jiān)測(cè)精度奠定了基礎(chǔ)，很多學(xué)者對(duì)此進(jìn)行了大量研究。楊海清等[12]研究表明，植物SPAD值與高光譜敏感的波段為683～783 nm，根據(jù)光譜反射率可以建立SPAD值預(yù)測(cè)模型。朱西存等[13]利用高光譜紅邊位置λr建立了2種蘋果葉片SPAD值的估測(cè)模型，精度分別達(dá)94.2%和96.7%。李敏夏等[14]對(duì)2個(gè)蘋果品種進(jìn)行研究，認(rèn)為品種間SPAD值與光譜反射率存在差異，并利用光譜 653～694 nm反射率的平均一階微分值建立了蘋果葉片SPAD值的預(yù)測(cè)模型，決定系數(shù)達(dá)0.781 8。裘正軍等[15]利用684 nm處一階微分光譜建立了線性回歸模型，對(duì)油菜葉片SPAD值的預(yù)測(cè)相關(guān)系數(shù)達(dá)到 0.801。陳志強(qiáng)等[16]認(rèn)為，以一階導(dǎo)數(shù)為光譜參數(shù)構(gòu)建的預(yù)測(cè)模型效果不穩(wěn)定；以葉綠素指數(shù)LCI (R550、R680附近)和差值光譜指數(shù)DSI(R680、R710附近)構(gòu)建的預(yù)測(cè)模型效果良好，能有效預(yù)測(cè)玉米葉片SPAD值。但上述研究對(duì)品種差異考慮較少，對(duì)估測(cè)模型是否能夠應(yīng)用于其他品種、應(yīng)用效果如何并未做深入探討?；诖?，本試驗(yàn)對(duì)不同玉米品種葉片的高光譜特征與SPAD值的關(guān)系進(jìn)行了分析，構(gòu)建不同玉米品種葉片SPAD值估測(cè)模型，同時(shí)驗(yàn)證模型在其他玉米品種中的應(yīng)用效果，以期為遙感技術(shù)在玉米氮素監(jiān)測(cè)中的應(yīng)用提供理論參考。

1　材料與方法

1.1試驗(yàn)設(shè)計(jì)

試驗(yàn)布設(shè)于包頭市土默特右旗門頭溝鎮(zhèn)北只圖村，地處北緯40°55′，東經(jīng)110°52′。試驗(yàn)選用當(dāng)?shù)刂髟杂衩灼贩N6個(gè)：金創(chuàng)998(JC998)、先玉335(XY335)、鄭單958(ZD958)、KX3564、大民3307(DM3307)和金創(chuàng)3號(hào)(JC3)。試驗(yàn)采用機(jī)械條播，種植密度82 500株/hm2，行距50 cm，小區(qū)面積480 m2，每品種3次重復(fù)。施肥量為純N 300 kg/hm2，以3∶7的質(zhì)量比分別于拔節(jié)期、大喇叭口期追施；P2O5、K2O用量分別為105和45 kg/hm2，播種時(shí)一次性施入。玉米生長(zhǎng)期內(nèi)分別在拔節(jié)期、大喇叭口期和灌漿期灌水3次。其他管理同一般生產(chǎn)田。

1.2數(shù)據(jù)采集

試驗(yàn)設(shè)計(jì)在玉米吐絲期及其后每隔7 d測(cè)定1次相關(guān)數(shù)據(jù)，但由于天氣因素?zé)o法保證正常進(jìn)行，故以實(shí)際測(cè)定時(shí)間為準(zhǔn)，分別為吐絲期及吐絲后8，15，22，31和40 d。

1.2.1葉片SPAD值采用SPAD-502葉綠素儀(日本美能達(dá)公司生產(chǎn))測(cè)定玉米葉片SPAD值，其工作原理是通過測(cè)量葉片在2種波長(zhǎng)(650 nm 和940 nm)下光學(xué)濃度差的方式來確定葉片當(dāng)前葉綠素的相對(duì)數(shù)量。2013年試驗(yàn)期間，每品種選取并標(biāo)記代表性植株5株，將植株葉片分為上、中、下3部分，分別取上部葉中間葉片(上位葉)、穗位葉、下部葉中間葉片(下位葉)進(jìn)行測(cè)定，每片葉均勻測(cè)定10個(gè)點(diǎn)，取平均值記為SPAD實(shí)測(cè)值。

1.2.2葉片高光譜數(shù)據(jù)采用美國(guó)Spectra Vista公司生產(chǎn)的HR 1024型地物光譜儀采集高光譜數(shù)據(jù)。該儀器自帶人工光源手持型葉片光譜探頭，可直接進(jìn)行活體夾葉測(cè)定，其光譜波段為350～2 500 nm，其中350～1 000 nm分辨率≤3.5 nm，采樣間隔≤1.5 nm；1 000～1 850 nm分辨率≤9.5 nm，采樣間隔≤3.6 nm；1 850～2 500 nm分辨率≤6.5 nm，采樣間隔≤2.5 nm。測(cè)定時(shí)，每測(cè)1株，利用鏡頭自帶白板進(jìn)行光譜校準(zhǔn)一次。測(cè)定葉片與SPAD值測(cè)定葉片相同，每葉片測(cè)定3次。

1.3計(jì)算公式

利用葉片光譜反射率(R)及其光譜反射率一階導(dǎo)數(shù)(R′)，計(jì)算歸一化差值光譜指數(shù)(NDSI)、比值光譜指數(shù)(RSI)和差值光譜指數(shù)(DSI)。反射率一階導(dǎo)數(shù)及各指數(shù)計(jì)算公式如下：

Rλ′=(Rλ+1-Rλ-1)/(λi+1-λi-1)；

NDSI(λ1,λ2)= (Rλ1-Rλ2)/(Rλ1+Rλ2)[17]；

RSI(λ1,λ2)=Rλ2/Rλ1[18]；

DSI(λ1,λ2)=Rλ1-Rλ2[19]。

式中：λ表示某一波長(zhǎng)，Rλ表示在波長(zhǎng)λ處的光譜反射率，Rλ′表示在波長(zhǎng)λ處光譜反射率的一階導(dǎo)數(shù)。對(duì)光譜反射率一階導(dǎo)數(shù)(R′)進(jìn)行指數(shù)計(jì)算，公式同上。

對(duì)葉片SPAD值與計(jì)算的光譜參數(shù)進(jìn)行相關(guān)分析及逐步回歸分析，選取擬合度最好(R2值最大)的回歸方程作為玉米葉片SPAD值的預(yù)測(cè)模型，同時(shí)將相應(yīng)的光譜參數(shù)帶入方程，計(jì)算葉片SPAD值，利用偏差率對(duì)模型精度進(jìn)行檢驗(yàn)，其公式為：

D=(P預(yù)測(cè)值-P實(shí)測(cè)值)/P實(shí)測(cè)值×100%[20]；

AD(δ)=∑|D|/n。

式中：D表示偏差率，P表示玉米理化指標(biāo)，AD表示平均偏差率，δ表示相對(duì)誤差，|D|表示偏差率的絕對(duì)值，n表示指標(biāo)個(gè)數(shù)。

1.4數(shù)據(jù)分析

采用Excel 2003和SPSS 17.0對(duì)數(shù)據(jù)進(jìn)行整理、統(tǒng)計(jì)和分析，使用SigmaPlot12.0對(duì)計(jì)算結(jié)果繪圖。

2　結(jié)果與分析

2.1吐絲期后不同玉米品種不同層位葉片SPAD值的變化

如圖1所示，在吐絲期后40 d中，不同層位葉片SPAD值的變化趨勢(shì)較為相似，尤以穗位葉表現(xiàn)最為明顯，呈拋物線下降趨勢(shì)，但品種間葉片SPAD值差異較大。對(duì)不同玉米品種各時(shí)間段葉片的SPAD值進(jìn)行綜合平均計(jì)算，6個(gè)玉米品種的平均SPAD值存在差異，SPAD平均值表現(xiàn)為 KX3564(59.1)>先玉335(58.7)>大民3307(58.6)>金創(chuàng)3號(hào)(56.2)>鄭單958(55.8)>金創(chuàng)998(52.9)。

圖 1　吐絲期后不同玉米品種葉片SPAD值的變化Fig.1　Change of SPAD values of different maize varieties after pollination

2.2吐絲期后不同玉米品種葉片的高光譜特征

對(duì)不同玉米品種不同層位葉片的光譜反射率及其一階導(dǎo)數(shù)進(jìn)行平均計(jì)算，結(jié)果見圖2。由圖2可以看出，不同品種玉米葉片的光譜反射率響應(yīng)曲線變化規(guī)律表現(xiàn)一致，但由于不同玉米品種葉片的組織結(jié)構(gòu)與元素含量的差異，導(dǎo)致不同品種葉片響應(yīng)曲線的波峰及波谷處的反射率大小有所不同。在光譜波段520～580，780～1 210 nm反射率差異較大，在波段520～580 nm處的表現(xiàn)為金創(chuàng)998>金創(chuàng)3號(hào)>鄭單958>大民3307>先玉335>KX3564，與6個(gè)玉米品種葉片平均SPAD值的表現(xiàn)大致相反。通過對(duì)不同品種葉片光譜反射率進(jìn)行一階導(dǎo)數(shù)運(yùn)算，其最大波峰范圍在690～760 nm，“紅邊”位置均出現(xiàn)在721 nm處，但從不同品種一階導(dǎo)數(shù)曲線位置變化來看，這一波段范圍出現(xiàn)“紅移”現(xiàn)象，且“紅移”的變化規(guī)律與6個(gè)玉米品種葉片平均SPAD值的表現(xiàn)一致。

圖 2　不同玉米品種葉片光譜反射率(A)及其一階導(dǎo)數(shù)(B)Fig.2　Leaf spectral reflectance (A) and its first derivation (B) of different maize varieties

2.3玉米葉片SPAD值與其光譜特征的相關(guān)分析

利用吐絲期后不同玉米品種不同層位葉片的SPAD值與葉片光譜反射率及其一階導(dǎo)數(shù)進(jìn)行相關(guān)分析，結(jié)果見圖3。由圖3-A可以看出，除個(gè)別波段外，不同玉米品種之間SPAD值與光譜反射率的相關(guān)系數(shù)曲線整體變化趨勢(shì)較為相似，且為負(fù)相關(guān)，葉片光譜反射率與SPAD值相關(guān)系數(shù)最大的波段在560和700 nm附近。葉片SPAD值與光譜反射率一階導(dǎo)數(shù)的相關(guān)系數(shù)的實(shí)際曲線比較繁雜，因此采用處理后的平滑曲線觀察其規(guī)律變化，再結(jié)合實(shí)際曲線進(jìn)行分析。結(jié)果(圖3-B)表明，不同玉米品種葉片SPAD值與光譜反射率一階導(dǎo)數(shù)的相關(guān)系數(shù)的平滑曲線表現(xiàn)形式差異較大，但在350～780 nm具有較高的一致性，且多數(shù)玉米品種在這一波段的相關(guān)系數(shù)達(dá)到顯著。通過上述分析，選出不同品種玉米葉片SPAD值與葉片高光譜反射率及其一階導(dǎo)數(shù)相關(guān)系數(shù)較大的波段，詳見表1。

圖 3　不同品種玉米葉片SPAD值與光譜反射率(A)及其一階導(dǎo)數(shù)的相關(guān)系數(shù)(B)Fig.3　Leaf SPAD value spectral reflectance rate (A) and its correlation coefficient of the first derivative (B) of different maize varieties

2.4不同玉米品種葉片SPAD值估測(cè)方程的構(gòu)建

從表1 中選取各玉米品種反射率對(duì)應(yīng)的2個(gè)波段和一階導(dǎo)數(shù)波段范圍較近的2個(gè)波段，參照光譜指數(shù)運(yùn)算公式，計(jì)算光譜參數(shù)歸一化差值光譜指數(shù)(NDSI)、比值光譜指數(shù)(RSI)、差值光譜指數(shù)(DSI)，并與SPAD值進(jìn)行相關(guān)分析，最終選出相關(guān)系數(shù)最大的單波段或組合波段光譜參數(shù)，進(jìn)行線性和非線性回歸模擬(回歸方程中y表示玉米葉片SPAD估測(cè)值，x表示光譜參數(shù)值)。結(jié)果(表2)顯示，以一元二次方程和指數(shù)方程的模擬效果較好，二者的R2值(決定系數(shù))非常接近。不同玉米品種所對(duì)應(yīng)的高光譜參數(shù)的最適模型類型有所差異，表2中為以高光譜參數(shù)構(gòu)建的各玉米品種葉片SPAD值的最佳估測(cè)模型。

表 1　不同品種玉米葉片SPAD值與光譜反射率及其一階導(dǎo)數(shù)相關(guān)性較高的波段Table 1　Leaf SPAD value spectral reflectance rate and the bands with high correlation with the first derivative of different maize varieties

表 2　不同玉米品種葉片SPAD值的估測(cè)方程Table 2　Estimation equations of leaf SPAD values for different maize varieties

注：公式中y表示SPAD值的估測(cè)值；x表示光譜參數(shù)值,其中各波段光譜反射率與一階導(dǎo)數(shù)值為百分?jǐn)?shù)數(shù)值。

Note:yindicates the estimated SPAD value,xrepresents the value of the spectral parameter.Spectral reflectance rate and each first derivative formula values of waveband are percentages.

2.5不同玉米品種葉片SPAD估測(cè)值的偏差率

根據(jù)偏差率公式對(duì)不同玉米品種的各個(gè)估測(cè)模型進(jìn)行偏差率計(jì)算，結(jié)果見表3和圖4。

表 3　不同玉米品種葉片SPAD估測(cè)值的偏差率Table 3　Discrepancy rate of estimated leaf SPAD values of different maize varieties

表 3(續(xù))　Continued table 3

圖 4　不同玉米品種葉片SPAD估測(cè)值的偏差率Fig.4　Discrepancy rate of estimated leaf SPAD values of different maize varieties

由表3和圖4可知，由不同光譜參數(shù)構(gòu)建的估測(cè)模型對(duì)葉片SPAD估測(cè)值的偏差率差異明顯，單波段構(gòu)建模型的精確度和穩(wěn)定性要大于組合波段構(gòu)建的模型，以波段560 nm附近構(gòu)建模型的精確度最高。

各玉米品種葉片SPAD估測(cè)值的最大正偏差率小于26%，最大負(fù)偏差率小于20%；若去除個(gè)別偏差率較大的數(shù)值，各玉米品種葉片SPAD估測(cè)值偏差率在-10%～10%。從偏差率數(shù)值(圖4)來看，各品種正偏差率的數(shù)目要多于負(fù)偏差率，說明葉片SPAD估測(cè)值要普遍大于實(shí)測(cè)值。在進(jìn)行偏差率比較時(shí)發(fā)現(xiàn)：對(duì)于同一品種，R2值與平均偏差率對(duì)不同光譜參數(shù)構(gòu)建模型精確度的表達(dá)效果相同；對(duì)于不同品種，R2值大小只能反映以鄰近波段光譜參數(shù)構(gòu)建方程的精確度大小，而平均偏差率則能夠反映各光譜參數(shù)構(gòu)建方程的精確度大小。

2.6不同玉米品種葉片SPAD值估測(cè)模型的相互檢驗(yàn)

利用各玉米品種葉片SPAD值估測(cè)模型分別對(duì)其他品種葉片SPAD值進(jìn)行估算，并用平均偏差率來評(píng)價(jià)估算效果，結(jié)果見表4。由表4可知，不同玉米品種之間，葉片SPAD值估測(cè)模型是可以相互通用的，但品種間存在差異。其中，以單波段光譜參數(shù)構(gòu)建的模型精確度及穩(wěn)定性較好，對(duì)葉片SPAD值估算的平均偏差率無明顯變化；而以組合波段光譜參數(shù)構(gòu)建的模型精確度和穩(wěn)定性則較差，對(duì)其他品種葉片SPAD值的估算平均偏差率普遍大于本品種。綜上所述，560 nm附近的單波段光譜反射率能更好地反映葉片SPAD值的變化。

表 4　不同估測(cè)模型對(duì)各玉米品種葉片SPAD值估測(cè)的平均偏差率Table 4　Averaged discrepancy rates by different models of leaf SPAD values of different maize varieties　 %

3　討　論

前人在不同氮梯度條件下，利用單一品種鄭單958在整個(gè)生育時(shí)期的光譜參數(shù)構(gòu)建了玉米葉片SPAD值估測(cè)模型，認(rèn)為以組合波段光譜參數(shù)所構(gòu)建的模型精度較高[16]。本研究的結(jié)果則是以單波段反射率所構(gòu)建模型的精度較高，這種差異是否是由測(cè)量目標(biāo)的先決條件引起的，尚需進(jìn)一步探究。本研究中各品種模型能夠相互通用，可能是因?yàn)闃?gòu)建模型的高光譜參數(shù)處于相鄰波段，其光譜反射率基本相同，所以達(dá)到的效果也基本一致。由此作者以為，對(duì)于玉米葉片SPAD值的估測(cè)可以使用統(tǒng)一模型，但如何構(gòu)建精確度和穩(wěn)定性都較高的統(tǒng)一模型，尚需進(jìn)一步研究。本試驗(yàn)采用的是玉米葉片光譜數(shù)據(jù)，是否適用于冠層光譜，有待于進(jìn)一步分析。

4　結(jié)　論

通過對(duì)不同玉米品種葉片SPAD值和高光譜數(shù)據(jù)的分析，得出以下結(jié)論：

1)玉米葉片SPAD值與光譜反射率關(guān)系最密切的波段處于560和700 nm附近，與反射率一階導(dǎo)數(shù)最敏感的波段出現(xiàn)在350～780 nm。

2)以560 nm附近的單光譜參數(shù)建立的玉米葉片SPAD值估測(cè)模型精度較高，偏差率基本小于 5.00%。

3)以單一玉米品種光譜參數(shù)構(gòu)建的估測(cè)模型，也可以用于其他玉米品種，但估測(cè)效果存在差異。

[1]Tumer F T,Jund M F.Assessing the nitrogen requirements of rice crops with a chlorophyll meter [J].Australian Journal of Experimental Agriculture,1994,34:1001-1005.

[2]Chapman S C,Barreto H J.Using a chlorophyll meter to estimate specific leaf nitrogen of tropical maize during vegetative growth [J].Agronomy Joumal,1997,89:557-562.

[3]Cartelat A,Cerovic Z G,Goulas Y,et al.Optically assessed contents of leaf polyphenolics and chlorophyll as indicators of nitrogen deficiency in wheat [J].Field Crops Research,2005,91:35-49.

[4]Lin X Q,Zhou W J,Zhu D F,et al.Effect of SWD irrigation on photosynthesis and grain yield of rice [J].Field Crops Research,2005,94:67-75.

[5]Errecart P M,Agnusdei M G,Lattanzi F A,et al.Leaf nitrogen concentration and chlorophyll meter readings as predictors of tall fescue nitrogen nutrition status [J].Field Crops Research,2012,129:46-58.

[6]Shibayama M,Akiyama T A.Canopy water deficit detection in paddy rice using a high resolution field spectroradiometer [J].Remote Sensing of Environment,1993,45：117-126.

[7]Johnson L F.Nitrogen influence on fresh-leaf NIR spectra [J].Remote Sensing of Enviroment,2001,78(3):314-320.

[8]Ian B S，Elizabeth P，Johanne B B.Impact of nitrogen and environmental conditions on corn as detected by hyperspectral reflectance [J].Remote Sensing of Environment，2002，80:213-224.

[9]易秋香，黃敬峰，王秀珍，等．玉米全氮含量高光譜遙感估算模型研究 [J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22(9)：138-143．

Yi Q X,Huang J F,Wang X Z,et al.Hyperspectral remote sensing estimation models for nitrogen contents of maize [J].Transactions of the CSAE,2006,22(9):138-143.

[10]金梁，胡克林，田明明，等．小麥氮素積累動(dòng)態(tài)的高光譜監(jiān)測(cè) [J].中國(guó)農(nóng)業(yè)科學(xué)，2008，41(7)：1937-1946．

Jin L,Hu K L,Tian M M,et al.Monitoring plant nitrogen accumulation dynamics with hyperspectral remote sensing in wheat [J].Scientia Agricultura Sinica,2008,41(7):1937-1946.

[11]唐延林，黃敬峰．農(nóng)業(yè)高光譜遙感研究的現(xiàn)狀與發(fā)展趨勢(shì) [J].遙感技術(shù)與應(yīng)用，2001，16(4)：248-251．

Tang Y L,Huang J F.Study on hyperspectral remote sensing in agriculture [J].Remote Sensing Technology and Application,2001,16(4):248-251.

[12]楊海清，姚建松，何勇．基于反射光譜技術(shù)的植物葉片SPAD值預(yù)測(cè)建模方法研究 [J].光譜學(xué)與光譜分析，2009，29(6)：1607-1610．

Yang H Q,Yao J S,He Y.SPAD prediction of leave based on reflection spectroscopy [J].Spectroscopy and Spectral Analysis,2009,29(6):1607-1610.

[13]朱西存，趙庚星，姜遠(yuǎn)茂，等．基于高光譜紅邊參數(shù)的不同物候期蘋果葉片的SPAD值估測(cè) [J].紅外，2011，32(12)：31-38．

Zhu X C,Zhao G X,Jiang Y M,et al.Estimation of SPAD value of apple leaf in different phenophase based on hyperspectral red edge parameters [J].Infrared,2011,32(12):31-38.

[14]李敏夏，張林森，李丙智，等．蘋果葉片高光譜特性與葉綠素含量和SPAD 值的關(guān)系 [J].西北林學(xué)院學(xué)報(bào)，2010，25(2)：35-39．

Li M X,Zhang L S,Li B Z,et al.Relationship between spectral reflectance feature and their chlorophyll contentrations and SPAD value of apple leaves [J].Journal of Northwest Forestry University,2010,25(2):35-39.

[15]裘正軍，宋海燕，何勇，等．應(yīng)用SPAD和光譜技術(shù)研究油菜生長(zhǎng)期間的氮素變化規(guī)律 [J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23(7)：150-154．

Qiu Z J,Song H Y,He Y,et al.Variation rules of the nitrogen content of the oilseed rape at growth stage using SPAD and visible-NIR [J].Transactions of the CSAE,2007,23(7):150-154.

[16]陳志強(qiáng)，王磊，白由路，等．整個(gè)生育期玉米葉片SPAD高光譜預(yù)測(cè)模型研究 [J].光譜學(xué)與光譜分析，2013，33(10)：2838-2842．

Chen Z Q,Wang L,Bai Y L,et al.Hyperspectral prediction model for maize leaf SPAD in the whole growth period [J].Spectroscopy and Spectral Analysis,2013,33(10):2838-2842.

[17]Miller J R,Hare E W,Wu J.Quantitative characterization of the vegetation red edge reflectance1:An inverted-Gaussian reflectance model [J].International Journal of Remote Sensing,1990,11(10):1755-1773.

[18]Anderson G L,Hanson J D,Hass R H.Evaluating landsat th-ematic mapper derived vegetation indices for estimating above-ground biomass on semisrid rangelands [J].Remote Sensing of Environment,1993,45(2):165-175.

[19]Richardson A J,Wiegand C L.Distinguishing vegetation from soil background information [J].Photogrammetric Engineering and Remote Sensing，1977(43):1541-1552.

[20]周麗麗，馮漢宇，閻忠敏，等．玉米葉片氮含量的高光譜估算及其品種差異 [J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26(8)：195-199．

Zhou L L,Feng H Y,Yan Z M,et al.Hyperspectral diagnosis of leaf N concentration of maize and variety difference [J].Transactions of the CSAE,2010,26(8):195-199.

Establishment and differences of high spectral estimation models for leaf SPAD values of different maize species

GAO Xin1,GAO Jülin1,YU Xiaofang1,WANG Zhigang1,ZHANG Baolin2,HU Shuping1,XIE Min1,SUN Jiying1,LUO Ruilin2,YU Bo1,Lü Fuhu3

(1AgriculturalCollege,InnerMongoliaAgriculturalUniversity,Huhhot,InnerMongolia010019,China;2ChemistryandEnvironmentalScienceCollege,InnerMongoliaNormalUniversity,Huhhot,InnerMongolia010022,China;3AgriculturalResearchInstituteofBaotou,Baotou,InnerMongolia014030,China)

【Objective】 This study explored the differences between leaf SPAD values of maize species and the hyper spectral feature,built the estimation models for SPAD values,and verified the application range.【Method】 Through field experiment,this study measured the leaf SPAD values of multiple maize varieties and their hyper spectral data.By using the correlation analysis,stepwise regression analysis and other methods,regression models of SPAD values and related spectral parameters were constructed and screened. The accuracies of models were also tested using deviation rate.【Result】 Leaf SPAD values of different maize varieties were different from high spectral reflectance and the first derivative of relevant band gap,while the differences among varieties were small.The closest relationships located near 560 and 700 nm.When comparing the first derivative of spectral reflectance between varieties,“red shift” phenomenon appeared,which was consistent in size with SPAD values.Leaf SPAD values and first derivative of spectral reflectance were significantly correlated near 510,615,690,and 740 nm.The model constructed by single band spectrum parameter was better than the model by combinational band,and the models were multiple and exponential equations.The built model with leaf spectral parameters of single maize can be used for other varieties with different accuracies.【Conclusion】 The model established with hyper spectral band reflectance near 560 nm had the highest precision,and the deviation rate for predicting leaf SPAD values was generally less than 5.00%.

maize leaf;SPAD value;hyperspectral estimation model;variety difference

時(shí)間:2016-09-0709:02DOI：10.13207/j.cnki.jnwafu.2016.10.006

2015-03-20

國(guó)家科技部糧食豐產(chǎn)科技工程項(xiàng)目(2011BAD16B13，2012BAD04B04，2013BAD07B04，2011BAD16B14)；國(guó)家玉米產(chǎn)業(yè)技術(shù)體系項(xiàng)目(CARS-02-63)

高鑫(1985-)，男，黑龍江鶴崗人，博士，主要從事玉米生理生態(tài)研究。E-mail：gxrty2009@126.com

高聚林(1964-)，男，內(nèi)蒙古鄂爾多斯人，教授，博士，博士生導(dǎo)師，主要從事作物生理生態(tài)及決策系統(tǒng)研究。

E-mail：nmgaojulin@163.com

TP79：S513

A

1671-9387(2016)10-0037-08

網(wǎng)絡(luò)出版地址:http://www.cnki.net/kcms/detail/61.1390.S.20160907.0902.012.html