林少喆，彭致功，王春堂，張寶忠，魏征，張倩，韓娜娜，劉露

(1. 山東農(nóng)業(yè)大學(xué)水利土木工程學(xué)院，山東 泰安 271018； 2. 中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京 100038)

葉綠素是綠色植株進(jìn)行光合作用的關(guān)鍵影響因子之一，其含量直接反映綠色植物的營養(yǎng)狀態(tài)和光合作用能力[1-3]；同時植株葉綠素含量與其氮含量有較高的相關(guān)性[4-5]，因此大面積實時無損地監(jiān)測植株葉綠素含量，對區(qū)域作物的長勢預(yù)測、植株含氮量與產(chǎn)量評估等方面具有重要意義[6].傳統(tǒng)葉綠素含量測定多以化學(xué)測定法為主，需破壞采樣且費時費力[7]；而高光譜技術(shù)以其簡便、快速、無破壞性、信息量大等優(yōu)勢[8-9]，為實時無損監(jiān)測作物葉綠素含量提供了重要的技術(shù)支撐.

“三邊”參數(shù)是指基于光譜位置特征的相關(guān)變量，即紅邊、藍(lán)邊、黃邊.“三邊”參數(shù)能較好反映綠色植被的光譜特征，且對葉綠素含量變化較為敏感[10-11].史冰全等[12]利用“三邊”參數(shù)建立了油松林葉綠素含量的估算模型，且模型的決定系數(shù)達(dá)到了0.788；姚付啟等[13]指出了傳統(tǒng)紅邊參數(shù)及新紅邊參數(shù)與冬小麥SPAD值在不同生育期均具有良好相關(guān)性.由此可以看出利用“三邊”參數(shù)建立植株葉綠素含量的估算模型是可行的，但是目前采用“三邊”參數(shù)構(gòu)建冬小麥葉綠素含量估算模型的研究成果較少.

主成分分析法是一種高維綜合評價方法，通過對原有指標(biāo)進(jìn)行線性變換和舍棄部分信息，以消除各指標(biāo)間相互影響，從而提高模型模擬精度.在采用主成分分析方法構(gòu)建光譜模型方面，朱西存等[14]利用6個光譜指數(shù)分別建立了蘋果葉片含水量的單參數(shù)一元線性回歸模型和主成分分析模型，并指出采用主成分分析方法構(gòu)建模型的模擬精度高于單參數(shù)一元線性回歸模型，并通過檢驗樣本對主成分模型進(jìn)行驗證，決定系數(shù)達(dá)0.98；毛罕平等[15]采用主成分分析的方法構(gòu)建葡萄葉片含水率的估算模型，決定系數(shù)達(dá)0.94.可見，采用主成分分析法構(gòu)建光譜模型能提高模型模擬精度與穩(wěn)定性.

文中以華北平原冬小麥為研究對象，以不同施氮水平下冬小麥植株冠層光譜反射率與植株冠層SPAD值的相關(guān)關(guān)系為基礎(chǔ)，結(jié)合不同生育期冬小麥冠層SPAD值與“三邊”參數(shù)的響應(yīng)關(guān)系，構(gòu)建基于“三邊”參數(shù)的冬小麥冠層SPAD值主成分回歸監(jiān)測模型，以期為冬小麥冠層葉綠素含量高光譜診斷提供理論依據(jù)和技術(shù)支持.

1 材料與方法

1.1 試驗區(qū)概況

該試驗于2017年10月—2018年6月在中國水利水電科學(xué)院大興節(jié)水灌溉試驗基地進(jìn)行，該基地屬于暖溫帶半干旱大陸性季風(fēng)氣候，冬春干旱、夏季多雨；年均日照數(shù)約2 600 h，多年平均降雨量為540 mm，多年平均氣溫為12.1 ℃，年無霜期平均為185 d，全年平均水面蒸發(fā)量在1 800 mm以上.

1.2 試驗設(shè)計

供試冬小麥品種為京麥175，設(shè)置5個施氮水平處理，分別為N1(不施肥)，N2(150 kg/hm2)，N3(225 kg/hm2)，N4(300 kg/hm2)和N5(375 kg/hm2)，每處理設(shè)3次重復(fù)，按照隨機(jī)區(qū)組布設(shè).供試肥料為復(fù)合肥、尿素，其中播前基肥施復(fù)合肥，拔節(jié)期追施尿素.各小區(qū)灌水量為180 mm，其他農(nóng)藝管理措施與當(dāng)?shù)剞r(nóng)民的保持一致.

1.3 冠層光譜測定

采用FieldSpec HandHeld 2(ASD)野外便攜手持式光譜儀測定冬小麥冠層光譜反射率，視場角為25°，波段范圍為325～1 075 nm，光譜采樣間隔為1 nm，光譜分辨率為3 nm.在冬小麥生育期內(nèi)，每隔7～10 d，選擇晴朗無云或少云的天氣，在10:00—14:00進(jìn)行冬小麥冠層光譜反射率監(jiān)測.監(jiān)測前先對光譜儀進(jìn)行優(yōu)化，每次監(jiān)測前及時采用反射率為1的白板校正，測量時光譜儀探頭與地面保持垂直，距植株冠層約15 cm.

1.4 冠層SPAD值測定

冬小麥冠層SPAD值測定與冠層光譜反射率測定同步進(jìn)行.采用SPAD-502葉綠素儀監(jiān)測冬小麥冠層SPAD值.各監(jiān)測樣點在測定冠層光譜的區(qū)域隨機(jī)選取2處長勢均一的小麥植株旗葉葉片中部進(jìn)行測定，取其平均值作為該監(jiān)測樣點的冠層SPAD值；每個小區(qū)設(shè)置3處監(jiān)測樣點，取其平均值作為該小區(qū)的冠層SPAD值.

1.5 “三邊”參數(shù)

共選取具有代表性的20個“三邊”參數(shù)，分別為“三邊”的位置、幅值及面積等9個參數(shù)，綠峰與紅谷的幅值與位置等4個參數(shù)，綠峰與紅谷的歸一化值與比值等2個參數(shù)，以及考慮“三邊”面積的比值、差值及歸一化值等5個參數(shù)，具體見表1[16-17].

表1 選擇確定的“三邊”參數(shù)Tab.1 Select determined ″three-edge″parameters

1.6 數(shù)據(jù)處理與分析

在冬小麥生育期內(nèi)共6次SPAD值監(jiān)測試驗，涉及5個處理，各處理設(shè)3次重復(fù)，共采集90組冬小麥冠層SPAD值樣本，對同一處理的3個重復(fù)監(jiān)測冬小麥冠層SPAD值隨機(jī)以2∶1分為2組，其中60組用于訓(xùn)練建模，30組用于模型驗證.

1.7 模型評價指標(biāo)

采用相關(guān)系數(shù)(r)衡量冬小麥冠層SPAD值與“三邊”參數(shù)之間的相關(guān)程度.一般認(rèn)為r的絕對值越大且越接近于1，則兩者的相關(guān)程度越高.相關(guān)系數(shù)計算公式[16]為

(1)

為了保證所建監(jiān)測模型的可靠性與穩(wěn)健性，將預(yù)測值與實測值之間進(jìn)行擬合，以決定系數(shù)R2、均方根誤差RMSE及相對誤差RE對監(jiān)測模型進(jìn)行精度評價；其中R2越大，RMSE和RE越小則說明模型的模擬精度越高[16].

(2)

(3)

(4)

2 結(jié)果與分析

2.1 不同施氮水平冬小麥SPAD值變化

不同施氮水平下冬小麥SPAD值變化如圖1所示，冬小麥冠層SPAD值在全生育期內(nèi)先上升后下降，拔節(jié)期到抽穗期逐漸上升，在抽穗期達(dá)到最大，各處理的平均值為54.4；由于冬小麥在灌漿期之后，營養(yǎng)物質(zhì)不斷向穗部轉(zhuǎn)移，葉片逐漸凋萎、衰落，所以抽穗期到灌漿期SPAD值逐漸下降，并在成熟期降至最小，其平均值僅為23.1.在同一生育期內(nèi)，SPAD值隨施氮水平增高而增大，且不同處理間SPAD值的差異具有統(tǒng)計學(xué)意義(P<0.05).

圖1 不同施氮水平下冬小麥SPAD值變化Fig.1 Changes of SPAD value of winter wheat under different nitrogen application levels

2.2 “三邊”參數(shù)與冬小麥冠層SPAD值的相關(guān)性

“三邊”參數(shù)與冬小麥冠層SPAD值的相關(guān)系數(shù)見表2，在拔節(jié)期，紅谷位置λv和(SDr-SDb)/(SDr+SDb)具有統(tǒng)計學(xué)意義(P<0.01)且相關(guān)系數(shù)均大于0.6，藍(lán)邊面積SDb具有統(tǒng)計學(xué)意義(P<0.05)，而其他“三邊”參數(shù)不具有統(tǒng)計學(xué)意義(P<0.05)；在抽穗期，紅邊幅值Dr、紅邊位置λr、藍(lán)邊位置λb、黃邊幅值Dy、黃邊位置λy和紅谷位置λv不具有統(tǒng)計學(xué)意義(P<0.05)，而其他“三邊”參數(shù)均具有統(tǒng)計學(xué)意義(P<0.01)，其中(SDr-SDb)/(SDr+SDb)和(SDr-SDy)/(SDr+SDy)、紅谷幅值Rr、黃邊面積SDy、藍(lán)邊面積SDb，SDr/SDy和綠峰幅值Rg的相關(guān)系數(shù)均達(dá)到0.7以上，且依據(jù)相關(guān)系數(shù)大小依次遞減；在灌漿期，紅邊幅值Dr、紅邊位置λr、藍(lán)邊位置λb、黃邊幅值Dy、黃邊位置λy、紅谷位置λv、紅邊面積SDr、黃邊面積SDy，SDr/SDy，(SDr-SDb)和(SDr-SDy)/(SDr+SDy)不具有統(tǒng)計學(xué)意義(P<0.05)，綠峰位置λg具有統(tǒng)計學(xué)意義(P<0.05)，其他“三邊”參數(shù)均具有統(tǒng)計學(xué)意義(P<0.01)，其中紅谷幅值Rr、綠峰幅值Rg、藍(lán)邊面積SDb和(SDr-SDb)/(SDr+SDb)的相關(guān)系數(shù)均大于0.6，且相關(guān)系數(shù)依次減??；在成熟期，冬小麥冠層SPAD值與選定的“三邊”參數(shù)均不具有統(tǒng)計學(xué)意義(P<0.05)，且相關(guān)系數(shù)均小于0.45，因此該生育期內(nèi)植株衰老凋萎，葉片顏色變黃，且葉綠素含量極低所致，為此在后期葉綠素光譜模型構(gòu)建中未考慮該生育期.

在全生育期，紅邊幅值Dr、藍(lán)邊幅值Db、藍(lán)邊位置λb和藍(lán)邊面積SDb均不具有統(tǒng)計學(xué)意義(P<0.05)，SDr/SDy具有統(tǒng)計學(xué)意義(P<0.05)，而冬小麥冠層SPAD值與其他15個“三邊”參數(shù)均具有統(tǒng)計學(xué)意義(P<0.01)，其中(SDr-SDy)/(SDr+SDy)、紅谷位置λv、(Rg-Rr)/(Rg+Rr)和(SDr-SDb)/(SDr+SDb)的相關(guān)系數(shù)均大于0.82，且相關(guān)性依次遞減.

表2 “三邊”參數(shù)與冬小麥冠層SPAD值相關(guān)系數(shù)Tab.2 Correlation coefficient between ″three-edge″ parameters and SPAD value of winter wheat canopy

2.3 冬小麥冠層SPAD值光譜模型構(gòu)建

以相關(guān)系數(shù)最高為原則，篩選出拔節(jié)期為紅谷位置λv、抽穗期為(SDr-SDb)/(SDr+SDb)、灌漿期為紅谷幅值Rr、全生育期為(SDr-SDy)/(SDr+SDy)作為自變量，以各生育期及全生育期的冬小麥冠層SPAD值為因變量，構(gòu)建了基于“三邊”參數(shù)的冬小麥冠層SPAD值一元線性回歸模型；選擇各生育期全部“三邊”參數(shù)(20個)為自變量，冬小麥冠層SPAD值為因變量，采用主成分分析的方法構(gòu)建各生育期的冬小麥SPAD“三邊”參數(shù)估算模型.

首先將變換后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；以特征值F大于1及累計貢獻(xiàn)率Rc大于80%為原則篩選主成分因子數(shù)，確定每個關(guān)鍵生育期的主成分因子數(shù)均為4個(Z1，Z2，Z3，Z4)，見表3，表中Rσ為方差貢獻(xiàn)率，其中拔節(jié)期、抽穗期、灌漿期和全生育期的累積貢獻(xiàn)率分別為84.8%，85.1%，84.6%和85.5%，構(gòu)建基于主成分的冬小麥冠層SPAD值監(jiān)測模型可以代表84%以上光譜信息；其次通過多元回歸方法構(gòu)建冬小麥SPAD值與主成分(Z1,Z2,Z3,Z4)的回歸模型，獲得主成分回歸的系數(shù)；把主成分回歸系數(shù)轉(zhuǎn)化為標(biāo)準(zhǔn)化因變量對標(biāo)準(zhǔn)化自變量回歸方程的系數(shù)；最后把該系數(shù)轉(zhuǎn)化為原因變量對原自變量的回歸系數(shù).冬小麥不同生育期冠層SPAD值與“三邊”參數(shù)的一元線性回歸模型和主成分回歸模型如表4所示.

表3 各生育期特征值與累積貢獻(xiàn)率Tab.3 Characteristic value and cumulative contribution rate of each growth period

表4 基于“三邊”參數(shù)的冬小麥冠層SPAD值估算模型構(gòu)建Tab.4 Estimation model of SPAD value of winter wheat canopy based on ″three-edge″ parameters

在拔節(jié)期和灌漿期，分別以紅谷位置和紅谷幅值的相關(guān)系數(shù)最大；600～700 nm范圍是葉綠素吸收最強的光譜帶屬紅橙光，其中以670 nm處“紅谷”的葉綠素吸收達(dá)到最大；在抽穗期和全生育期，分別以(SDr-SDb)/(SDr+SDb)和(SDr-SDy)/(SDr+SDy)的相關(guān)系數(shù)最大，因葉綠素含量最敏感的波段范圍位于可見光波段，葉綠素吸收谷位于黃綠光波段，而紅光區(qū)域與藍(lán)光區(qū)域是葉綠素含量的強吸收區(qū)域[17]，且紅邊是植株葉綠素含量的特性指標(biāo)[18]，因此SPAD值與紅邊面積、黃邊面積、藍(lán)邊面積組成的光譜指數(shù)有很強的相關(guān)性.為此，在拔節(jié)期，以紅谷位置λv為參數(shù)建立一元線性回歸模型的決定系數(shù)R2為0.546，基于“三邊”參數(shù)建立的主成分回歸模型的決定系數(shù)R2為0.715；在抽穗期，以(SDr-SDb)/(SDr+SDb)為參數(shù)建立一元線性回歸模型的決定系數(shù)R2為0.626，基于“三邊”參數(shù)建立的主成分回歸模型的決定系數(shù)R2為0.660；在灌漿期，以紅谷幅值Rr為參數(shù)建立一元線性回歸模型的決定系數(shù)R2為0.452，基于“三邊”參數(shù)建立的主成分回歸模型的決定系數(shù)R2為0.483；在全生育期，以(SDr-SDy)/(SDr+SDy)為參數(shù)建立一元線性回歸模型的決定系數(shù)R2為0.698，基于“三邊”參數(shù)建立的主成分回歸模型的決定系數(shù)R2為0.813.與一元線性回歸模型相比，主成分回歸模型在不同生育階段以及全生育階段的決定系數(shù)R2均有所提高表明，采用主成分回歸模型的模擬精度優(yōu)于一元線性回歸模型.

2.4 模型驗證

冬小麥冠層SPAD值監(jiān)測模型模擬驗證效果見表5，在拔節(jié)期主成分回歸模型模擬的決定系數(shù)R2為0.419，均方根誤差RMSE為3.270，相對誤差RE為7.55%，其中決定系數(shù)R2較同期一元線性回歸模型提高49.6%，均方根誤差RMSE和相對誤差RE均降低9.0%；在抽穗期主成分回歸模型模擬的決定系數(shù)R2為0.816，均方根誤差RMSE為4.163，相對誤差RE為7.80%，其中決定系數(shù)R2較同期一元線性回歸模型提高54.3%，均方根誤差RMSE和相對誤差RE均降低12.4%；在灌漿期主成分回歸模型模擬的決定系數(shù)R2為0.617，均方根誤差RMSE為4.936，相對誤差RE為9.62%，其中決定系數(shù)R2較同期一元線性回歸模型提高14.3%，均方根誤差RMSE和相對誤差RE均降低13.5%；在全生育期主成分回歸模型模擬的決定系數(shù)R2為0.782，均方根誤差RMSE為7.109，相對誤差RE為15.64%，其中決定系數(shù)R2較同期一元線性回歸模型提高8.6%，均方根誤差RMSE和相對誤差RE均降低13.6%.由此可見，基于主成分分析方法構(gòu)建的冬小麥冠層SPAD值估算模型的模擬效果均優(yōu)于一元線性回歸模型.

表5 冬小麥冠層SPAD值監(jiān)測模型驗證評價指標(biāo)Tab.5 Validation and evaluation index of SPAD value monitoring model for winter wheat canopy

3 結(jié) 論

以冬小麥各生育期植株冠層SPAD值與“三邊”參數(shù)之間的相關(guān)性為基礎(chǔ)，構(gòu)建了基于“三邊”參數(shù)的冬小麥分生育期植株冠層SPAD值的一元線性回歸模型和主成分回歸模型，并對各模型監(jiān)測效果進(jìn)行驗證.得到以下主要結(jié)論：

1) 在拔節(jié)期、抽穗期、灌漿期和全生育期分別以紅谷位置、(SDr-SDb)/(SDr+SDb)、紅谷幅值、(SDr-SDy)/(SDr+SDy)的相關(guān)系數(shù)最高，且均具有統(tǒng)計學(xué)意義(P<0.01).

2) 在基于“三邊”參數(shù)的冬小麥冠層SPAD值一元線性回歸模型中，除拔節(jié)期的決定系數(shù)R2僅為0.280外，抽穗期、灌漿期和全生育期的決定系數(shù)R2分別為0.529，0.540和0.720.

3) 選取全部“三邊”參數(shù)建立冬小麥冠層SPAD值主成分回歸模型，在拔節(jié)期、抽穗期、灌漿期和全生育期的決定系數(shù)R2分別為0.419，0.816，0.617和0.782，表明構(gòu)建綜合光譜參量的冠層SPAD值監(jiān)測模型在各生育時段都具有較高的估算精度.

4) 與冬小麥冠層SPAD值一元線性回歸模型相比，主成分回歸模型在拔節(jié)期、抽穗期、灌漿期、全生育期的決定系數(shù)R2分別提高49.6%，54.3%，14.3%和8.6%，均方根誤差RMSE與相對誤差RE均分別減少9.0%，112.4%，13.5%和13.6%，表明采用主成分回歸模型的模擬精度優(yōu)于一元線性回歸模型.