李夢竹 ，葉紅朝，王惠，賈方方，劉國順

1 河南農(nóng)業(yè)大學(xué)煙草行業(yè)煙草栽培重點實驗室，鄭州市文化路95號 450002；

2 洛陽市煙草公司宜陽縣分公司，河南省洛陽市宜陽縣紅旗中路32號 471600；

3 洛陽市煙草公司，河南省洛陽市洛龍區(qū)開元大道246號 471000；

4 商丘師范學(xué)院，河南商丘市文化路298號 476000

鉀作為改善煙葉內(nèi)在質(zhì)量與外觀品質(zhì)的重要大量元素，對烤煙生長發(fā)育有著重要的生理意義[1-2]。而土壤水分條件對煙葉鉀含量有著顯著影響，劉世亮等[3]研究表明，土壤環(huán)境處于干旱或漬水狀態(tài)均不利于烤煙對鉀素的吸收與利用，以氧氣充足且能持續(xù)供水的生長環(huán)境最佳，因此，實時監(jiān)測不同水分脅迫程度下的烤煙葉片鉀含量，可及時獲取其鉀素狀況以及植煙土壤水分環(huán)境，可為及時改善烤煙生長環(huán)境、促進(jìn)烤煙優(yōu)質(zhì)穩(wěn)產(chǎn)提供很好的前提。

鉀素的積累與作物水分狀況密切相關(guān)，會影響可見/近紅外等波段的光譜信息[4]，而傳統(tǒng)植物鉀素測定方法耗時、耗力，且具有破壞性[5]，因此，可利用光譜信息對烤煙葉片鉀含量進(jìn)行診斷。王兵等[6]研究表明作物鉀含量與藍(lán)、綠波段相關(guān)性較好，張俊華等[7]指出玉米鉀含量核心波段處于680 nm 與810 nm。Mahajan 等[8]、Gomez[9]等分別對小麥、水稻、橄欖的光譜數(shù)據(jù)進(jìn)行了分析研究，發(fā)現(xiàn)近紅外波段為鉀含量核心波段。說明光譜信息與作物鉀含量具有一定相關(guān)性。

鄧海龍等[10]對蘋果葉片鉀含量進(jìn)行了預(yù)測；岳學(xué)軍等[11]研究表明通過分析光譜數(shù)據(jù)可精確反演柑橘葉片鉀素含量；齊浩等[12]在小麥鉀素營養(yǎng)研究中指出與原始光譜反射率建模比較，光譜參數(shù)NDSI（2275，1875）、RSI（1865，2850）對小麥鉀葉片含量的預(yù)測精度較好。由此可見，作物鉀含量的光譜估測已有較多研究，而對于不同水分條件下烤煙全生長期鉀含量的光譜估測研究較少。本試驗研究了不同水分脅迫程度下煙葉鉀含量與光譜特征變量、光譜參數(shù)間的相關(guān)關(guān)系，并依此構(gòu)建烤煙葉片鉀含量估算模型，以期能夠精準(zhǔn)快速無損地監(jiān)測全生長期烤煙葉片鉀素營養(yǎng)水平，從而為保證烤煙葉片質(zhì)量提供技術(shù)參數(shù)。

1 材料與方法

1.1 試驗設(shè)計

2015—2016 年連續(xù)兩年在河南農(nóng)業(yè)大學(xué)現(xiàn)代煙草科技示范園（北緯34°01′，東經(jīng)113°49′）開展試驗，兩年均采用K326 和中煙100 兩種烤煙品種進(jìn)行桶栽（每桶1株），其中2015年試驗數(shù)據(jù)作為構(gòu)建模型樣本，2016 年試驗數(shù)據(jù)作為檢驗?zāi)Ｐ蜆颖尽⑻镩g土壤均勻過篩后，取75 kg 與施用化肥均勻混合，裝入高度為70 cm，直徑為40 cm 的桶中，土壤理化性狀見表1，所用化肥為分析純（NH4）2SO4，KNO3和KH2PO4，m（N）：m（P2O5）：m（K2O）=1:1.5:3。

表1 供試土壤理化性狀Tab. 1 Physical and chemical properties of tested soil

5 月15 日移栽，在還苗期后，利用Takeme-10 型土壤水分速測儀實時監(jiān)測土壤水分狀況，并按照表2中6 個處理的含水量占比每天進(jìn)行嚴(yán)格控水，澆水質(zhì)量按照下述公式計算。為避免雨水影響土壤水分狀況，試驗采用人工防雨棚。每個水分處理均有6 個重復(fù)，共計216 桶，隨機區(qū)組設(shè)計。為保證陽光充足與通風(fēng)良好，桶與桶之間均相隔75 cm。

表2 試驗處理（土壤含水率占田間持水量的百分比）Tab. 2 Treatments (percentage of soil moisture content in field water-holding capacity)

每天澆水質(zhì)量=（設(shè)定土壤絕對質(zhì)量含水量－實際土壤絕對質(zhì)量含水量）×土重

設(shè)定土壤絕對質(zhì)量含水量=設(shè)定土壤相對含水量×田間持水量

實際土壤絕對質(zhì)量含水量=絕對體積含水量÷土壤容重

1.2 烤煙葉片光譜測定

分別在烤煙伸根期、旺長期、成熟期，選擇晴朗無云且無風(fēng)的天氣，于10：00～14：00 期間，利用Field Spec3 野外光譜測定儀（波段為350 nm～2500 nm）對各水分處理葉片光譜反射率進(jìn)行采集。每個水分處理挑選3 株健康植株，利用葉片夾持器，分別夾緊其上、中、下三個部位的葉尖、近葉尖、近葉基、葉基進(jìn)行測定，各處均采集10 次，最終取其平均值。

1.2.1 烤煙葉片鉀含量測定

分別取已采集光譜信息煙株的不同部位鮮葉，在105℃下殺青15 min 后，在70℃～80℃下烘干2 h～3 h，粉碎后過60 目篩。采用化學(xué)品質(zhì)常規(guī)測定[13-14]，鹽酸提取火焰光度計法對煙葉葉片鉀含量進(jìn)行測定，測定值用干重（DW%）表示。

1.2.2 光譜分析

1.2.2.1 光譜特征變量

1）光譜位置變量：紅邊位置（λr），紅邊幅值（Dr）；黃邊位置（λy），黃邊幅值（Dy）；藍(lán)邊位置（λb），藍(lán)邊幅值（Db）；綠峰位置（λg），綠峰幅值（Rg）；紅谷位置（λv），紅谷幅值（Rr）。

2）光譜面積變量：紅邊面積（SDr），黃邊面積（SDy），藍(lán)邊面積（SDb）。

3）光譜植被變量：Rg/Rr、（Rg-Rr）/(Rg+Rr)、SDr/SDb、SDr/SDy、（SDr-SDb）/（SDr+SDb）、（SDr-SDy）/（SDr+SDy）。

1.2.2.2 光譜參數(shù)的選擇

參考前人研究得到的作物葉片鉀含量敏感光譜參數(shù)，篩選出8 種與烤煙葉片鉀含量具有相關(guān)性的光譜參數(shù)，分別為SR（R895/R680）[15]、NDII（819，1649）[15]、RDVI[15]、DVI[15]、SAVI[16]、MSAVI2[17]、mSR705[18]、NDSI（2275，1875）[19]。

1.3 數(shù)據(jù)分析

采用ViewSpec Pro 整理光譜數(shù)據(jù)，選用Excel、SPSS22.0、Sigmaplot10.0、Matlab6.0 進(jìn)行數(shù)據(jù)分析、模型構(gòu)建及繪圖，采用決定系數(shù)R2、均方根誤差RMSE 對模型精度進(jìn)行檢驗。其中，2015 年試驗數(shù)據(jù)（108 個樣本）用于構(gòu)建模型，2016 年試驗數(shù)據(jù)（72個樣本）用于模型的檢驗。

2 結(jié)果與分析

2.1 不同水分脅迫程度下烤煙葉片鉀含量和光譜反射率的變化規(guī)律

如表3 所示，同正常需水量處理相比，不同程度水分脅迫下烤煙葉片鉀含量在旺長期、成熟期均呈現(xiàn)不同程度降低，伸根期輕度干旱更有利于鉀的積累，品種間規(guī)律一致，說明在不同處理下，伸根期輕度缺水可促進(jìn)烤煙葉片對鉀素的吸收，而隨干旱程度增加，鉀素積累量下降。在不同漬水脅迫下，隨著水分增加，烤煙葉片鉀含量亦呈現(xiàn)下降趨勢，隨著烤煙生育時期的推進(jìn)，鉀含量逐漸降低，在成熟期達(dá)到最低，這可能是因為在烤煙生長前期，鉀素主要積累在葉片中，而在生長后期，葉片鉀素積累速率下降且有向莖桿轉(zhuǎn)移趨勢[20-22]。

表3 不同處理下烤煙葉片鉀含量的變化Tab. 3 Changes of potassium content in flue-cured tobacco leaves under different treatments

由圖1 可知，不同水分脅迫程度下，各時期光譜曲線整體趨勢表現(xiàn)一致，各波段處反射率呈現(xiàn)一定差異，特別是在近紅外光區(qū)（700 nm～1075 nm）內(nèi)差異表現(xiàn)明顯，除伸根期外，中煙100 和K326 均表現(xiàn)為隨著水分脅迫強度的增加，光譜反射率的值降低，這與不同水分脅迫程度下烤煙葉片鉀含量的變化規(guī)律一致，這主要是因近紅外光區(qū)光譜反射率是由烤煙葉片內(nèi)部結(jié)構(gòu)多次散射所致[23]，葉片內(nèi)部結(jié)構(gòu)又受到水分條件的影響，而水分占到烤煙葉片重量的80%以上，從而間接的影響了烤煙葉片光譜信息。表明在近紅外光區(qū)，烤煙葉片反射率隨葉片鉀含量呈現(xiàn)規(guī)律性變化。

2.2 烤煙葉片鉀含量與光譜特征變量的相關(guān)性

表4 烤煙葉片鉀含量與光譜特征變量的相關(guān)系數(shù)(n=108)Tab. 4 Correlation coefficient between potassium content and spectral characteristic variables in flue-cured tobacco leaves (n=108)

圖1 各時期不同水分脅迫程度下烤煙葉片光譜反射率Fig. 1 Spectral reflectance of flue-cured tobacco leaves under different water stress in different periods

在光譜位置變量中（見表4），λr、λy與烤煙葉片鉀含量的相關(guān)性最差，均未達(dá)到顯著水平，λv與其達(dá)到顯著水平（P＜0.05），而其他位置變量均與烤煙葉片鉀含量的相關(guān)性達(dá)到極顯著水平（P＜0.01），其中，λg與烤煙葉片鉀含量的相關(guān)性最好，相關(guān)系數(shù)為0.466。光譜面積變量均與烤煙葉片鉀含量具有一定的相關(guān)性，SDb與其呈正相關(guān)關(guān)系，而SDr、SDy與其呈負(fù)相關(guān)關(guān)系，其中，SDr與烤煙葉片鉀含量的相關(guān)性最好，相關(guān)系數(shù)為-0.641。對于光譜植被變量而言，只有（SDr-SDb）/（SDr+SDb）與烤煙葉片鉀含量具有相關(guān)性，達(dá)到顯著水平（P＜0.05），相關(guān)系數(shù)為0.199。

因此，通過以上特征變量與烤煙葉片鉀含量的相關(guān)性分析（n=108），可以得到SDr 與烤煙葉片鉀含量的相關(guān)性最好，其相關(guān)系數(shù)的絕對值最高。

2.3 烤煙葉片鉀含量與光譜參數(shù)的相關(guān)性

利用篩選出的8 種光譜參數(shù)與烤煙葉片鉀含量進(jìn)行相關(guān)性分析（n=108），從表5 可看出，SR與烤煙葉片鉀含量相關(guān)性達(dá)到顯著水平（P＜0.05），NDII、DVI、SAVI、MSAVI2、mSR705、NDSI（2275，1875）均與烤煙葉片鉀含量的相關(guān)性達(dá)到極顯著水平（P＜0.01），其中，mSR705與烤煙葉片鉀含量的相關(guān)性最好，相關(guān)系數(shù)達(dá)到-0.717，其絕對值高于SDr與烤煙葉片鉀含量的相關(guān)系數(shù)。

圖2 烤煙葉片鉀含量的線性回歸分析（n=108）Fig. 2 Linear regression analysis of potassium content in fluecured tobacco leaves（n=108）

2.4 烤煙葉片鉀含量估算模型的建立

2.4.1 一元線性回歸模型的建立

采用相關(guān)系數(shù)最高的光譜參數(shù)mSR705建立一元線性回歸模型（n=108）。從表5 可以得到，烤煙葉片鉀含量與mSR705呈負(fù)相關(guān)關(guān)系，利用光譜參數(shù)mSR705構(gòu)建的線性回歸方程為Y=26.144-23.744X，此模型的決定系數(shù)R2為0.514，均方根誤差RMSE為0.067。

2.4.2 BP 神經(jīng)網(wǎng)絡(luò)模型的建立

根據(jù)敏感光譜特征變量與光譜參數(shù)的篩選結(jié)果，選取相關(guān)性最好的前8 個光譜指數(shù)分別為mSR705、SDr、DVI、MSAVI2、λg、Dr、NDSI（2275，1875）、RDVI，用這8 個光譜指數(shù)構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)模型，見圖3。分別以SMLR 模型中的獨立變量（8個光譜指數(shù)）作為輸入層，其傳遞函數(shù)為正切S 型傳遞函數(shù)（tansig）；以烤煙葉片鉀含量作為輸出層，其傳遞函數(shù)為線性傳遞函數(shù)（purelin）；訓(xùn)練函數(shù)為trainlm。利用輸入層、隱藏層、輸出層三層BP神經(jīng)網(wǎng)絡(luò)，通過“試錯法”進(jìn)行多次嘗試后，得到構(gòu)建烤煙葉片鉀含量模型的隱含層節(jié)點數(shù)為12。由圖3 可知，利用本文篩選出的8 個最佳敏感光譜指數(shù)構(gòu)建的烤煙葉片鉀含量模型的R2為0.9336，RMSE為0.1348。

圖3 BP 神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果（n=108）Fig. 3 The predicted result of the BP network model (n=108)

2.4.3 預(yù)測模型的檢驗

利用2016 年測定數(shù)據(jù)對上述構(gòu)建的一元線性回歸模型和BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行檢驗（n=72），由圖4 烤煙葉片鉀含量預(yù)測值與實測值的1：1 關(guān)系圖可知，采用相關(guān)系數(shù)最高的光譜參數(shù)mSR705建立的一元線性回歸模型的驗證結(jié)果R2為0.320，RMSE為0.166，利用本文篩選出的8 個最佳敏感光譜指數(shù)構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)模型的驗證結(jié)果R2為0.814，RMSE為0.061。由此可見，利用篩選出的8 個最佳敏感光譜指數(shù)構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性更好。

圖4 一元線性回歸模型和BP 神經(jīng)網(wǎng)絡(luò)模型的檢驗（n=72）Fig. 4 Tests for the regression model and BP network model（n=72）

3 結(jié)論與討論

（1）在近紅外光區(qū)，不同水分條件處理下烤煙葉片光譜反射率隨葉片鉀含量呈現(xiàn)規(guī)律性變化。不同基因型烤煙品種均表現(xiàn)為隨水分脅迫強度的增加，伸根期反射率和葉片鉀含量的值升高，而旺長期和成熟期的值均降低。

（2）光譜特征變量與光譜參數(shù)均與烤煙葉片鉀素營養(yǎng)具有一定的相關(guān)性。經(jīng)過篩選分析得到，光譜特征變量中以紅邊面積（SDr）與烤煙葉片鉀含量的相關(guān)性最好，相關(guān)系數(shù)為-0.641；光譜參數(shù)中以mSR705與其相關(guān)性最佳，相關(guān)系數(shù)為-0.717。

（3）光譜參數(shù)更適合估算不同水分脅迫下烤煙葉片鉀素營養(yǎng)狀況，且BP 神經(jīng)網(wǎng)絡(luò)模型的效果要優(yōu)于一元線性回歸模型。利用光譜參數(shù)mSR705建立的烤煙葉片鉀含量一元線性回歸模型的R2為0.514，RMSE為0.067。利用本文篩選出的8 個最佳敏感光譜 指 數(shù)（mSR705、SDr、DVI、MSAVI2、λg、Dr、NDSI（2275，1875）、RDVI）構(gòu)建的烤煙葉片鉀含量模型的R2為0.9336，RMSE為0.1348。

綜上所述，利用光譜參數(shù)能夠更好地反映烤煙葉片鉀含量，雖有學(xué)者[24-25]對烤煙鉀含量敏感波段及估算模型有一定研究，但僅僅是利用線性或非線性回歸方法構(gòu)建了擬合度一般的估算模型，本文綜合研究了不同水分條件下烤煙全生長期的葉片鉀含量與葉片光譜信息，利用篩選的光譜參數(shù)構(gòu)建了精度較好的烤煙葉片鉀含量BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型，且模型驗證結(jié)果較好，這為實時監(jiān)測烤煙葉片鉀素營養(yǎng)狀況奠定了良好的理論依據(jù)，有利于推進(jìn)煙草精益生產(chǎn)的快速發(fā)展。今后還應(yīng)通過研究不同土壤類型，進(jìn)一步從烤煙光譜全波段來挖掘篩選烤煙葉片鉀含量的最佳敏感波段，并對其在烤煙大田實際生產(chǎn)中的實用性進(jìn)行驗證，以期為烤煙實際生產(chǎn)構(gòu)建適用性更加廣泛、精度更好的烤煙葉片鉀含量估測模型。