栗方亮，孔慶波，張 青

（福建省農(nóng)業(yè)科學(xué)院土壤肥料研究所, 福建 福州 350013）

0 引言

【研究意義】琯溪蜜柚原產(chǎn)于福建省漳州市平和縣，距今已有500 多年的栽培歷史，截至 2016年，其栽培面積達(dá)4.33 萬(wàn)hm2，年產(chǎn)量120 萬(wàn)t[1]。葉綠素是植物體重要的生理生化參數(shù)之一，其含量多少可反映出植物光合能力、氮素吸收利用和營(yíng)養(yǎng)生長(zhǎng)狀況等，快速精確地估測(cè)植物體葉綠素含量，對(duì)植物長(zhǎng)勢(shì)監(jiān)測(cè)等具重要作用[2?7]。高光譜技術(shù)具有波段多、光譜分辨率高且連續(xù)的特點(diǎn)，能直接對(duì)地物進(jìn)行微弱光譜差異的定量分析[8]?！厩叭搜芯窟M(jìn)展】近年來(lái)，隨著高光譜技術(shù)的發(fā)展，國(guó)內(nèi)外研究學(xué)者對(duì)植被葉綠素的光譜估算開展了廣泛研究[8?10]，主要集中在以下幾個(gè)方面[11?12]：1）在不同施肥或灌溉等條件下作物的光譜特性，如張新樂(lè)等[13]和楚萬(wàn)林等[11]分別研究了不同施氮水平下水稻和棉花葉片葉綠素相對(duì)含量SPAD 值（soil and plant analyzer development）的光譜估算模型；2）利用原始光譜反射率或者一階微分光譜反射率得出作物葉綠素敏感波段，以此作為自變量建立回歸估測(cè)方程[8,14]。如Guo 等[14]發(fā)現(xiàn)煙草葉片葉綠素含量與732 nm 處的原始光譜反射率呈線性關(guān)系，與837 nm 處的一階微分光譜呈指數(shù)關(guān)系；梁爽等[8]發(fā)現(xiàn)蘋果葉面葉綠素指數(shù)及一階微分521 nm 和 523 nm 組合的估測(cè)模型擬合精度最高；3）利用三邊面積、位置、谷峰、不同類型植被指數(shù)等光譜數(shù)據(jù)作為估測(cè)葉綠素含量的變量，通過(guò)相關(guān)分析建立估測(cè)模型[15?16]，如孫玉婷等[15]通過(guò)分析光譜植被指數(shù)、位置參數(shù)與SPAD 值的相關(guān)性，構(gòu)建了水稻葉片SPAD 值估測(cè)模型。Cui 等[16]證明紅邊葉綠素吸收指數(shù)/三角植被指數(shù)預(yù)測(cè)冬小麥葉綠素含量準(zhǔn)確率最高。不同植被用以構(gòu)建葉綠素含量估算模型的光譜參數(shù)有較大區(qū)別，而在構(gòu)建葉綠素含量檢測(cè)模型所采用的方法也并不相同[2,4,17?18]?！颈狙芯壳腥朦c(diǎn)】以上研究表明，基于高光譜的作物葉綠素估算模型過(guò)程較復(fù)雜，對(duì)于不同作物、不同地域、不同栽培方式，其葉綠素含量的估算具有獨(dú)特性，且結(jié)果受到光譜處理方法、回歸方法及所選指標(biāo)相關(guān)程度的影響，難以構(gòu)建一套通用的方法，同時(shí)目前對(duì)蜜柚葉綠素含量和光譜特征參量的定量關(guān)系研究還少見(jiàn)報(bào)道?！緮M解決的關(guān)鍵問(wèn)題】本研究利用蜜柚葉綠素含量與高光譜特征參量之間的關(guān)系，在進(jìn)行相關(guān)分析的基礎(chǔ)上，建立蜜柚葉片葉綠素含量及光譜特征參量間的定量關(guān)系模型，以期為應(yīng)用高光譜遙感技術(shù)進(jìn)行蜜柚營(yíng)養(yǎng)監(jiān)測(cè)提供理論依據(jù)和技術(shù)支持。

1 材料與方法

1.1 樣品采集

供試蜜柚葉片采集時(shí)間為2020 年11 月，采集點(diǎn)位于福建省平和縣霞寨鎮(zhèn)黃莊村試驗(yàn)基地（N 24°21′32.18′′，E 117°08′19.12′′）。采集每棵樹體東西南北和上下層共10 片葉作為一個(gè)樣本，選取位于頂梢起向下數(shù)的第3 和第4 片大小均勻的健康葉片，測(cè)試前洗凈擦干。 采集蜜柚葉片樣品時(shí)，有代表性的選取120 組葉片樣本，隨機(jī)將120 個(gè)總樣分為建模組(含90 樣本）和預(yù)測(cè)組(含30 個(gè)樣本）。

1.2 高光譜數(shù)據(jù)采集

蜜柚葉片光譜反射率的測(cè)定采用便攜式野外地物光譜儀 Field Spec 3[美國(guó) Analytical Spectral Device（ASD）生產(chǎn)]，該光譜儀波段為350～2500 nm，其中，350～1000 nm 光譜采樣間隔為1.4 nm，光譜分辨率為3 nm，1000～2500 nm 光譜采樣間隔為2 nm，光譜分辨率為10 nm。

測(cè)量時(shí)儀器探頭垂直向下，距離采集樣本的垂直距離為10～15 cm，采集數(shù)據(jù)前需經(jīng)過(guò)白板校正和優(yōu)化操作，光譜儀視場(chǎng)角選用 10°。光譜采樣測(cè)試過(guò)程中，樣品被展平置于采樣波段接近全吸收的工作臺(tái)上，以避免雜光干擾，并確保樣品充滿儀器的視場(chǎng)角，測(cè)量時(shí)注意避開葉脈。對(duì)每個(gè)葉片樣品同時(shí)采集10 條光譜曲線，將測(cè)得的葉片反射率光譜異常值剔除后，取其平均值作為該樣本的反射率光譜值[6,8,18?19]。

1.3 葉綠素的測(cè)定

SPAD 值是衡量植物葉綠素的相對(duì)含量及綠色程度的重要參數(shù)。相關(guān)研究表明，葉綠素含量與SPAD值呈顯著性正相關(guān)[6,8,20?21]，可利用SPAD 值來(lái)作為衡量葉綠素總量的指數(shù)，既能保證試驗(yàn)的精度，又不會(huì)對(duì)蜜柚樹葉片結(jié)構(gòu)造成破壞。采集光譜數(shù)據(jù)后，在采集蜜柚葉片光譜的同一位置使用SPAD-502 葉綠素儀測(cè)定其葉綠素SPAD 值，測(cè)量10 次求平均值作為該樣品的SPAD 值。

1.4 數(shù)據(jù)分析

將平滑變換處理后的高光譜數(shù)據(jù)和各種參數(shù)與蜜柚葉片葉綠素含量進(jìn)行相關(guān)分析，找出精度較高的波段組合及模型方程。通過(guò)模型擬合檢驗(yàn)，最終篩選出精度最高的估測(cè)模型[8,22]。

對(duì)原始光譜反射率數(shù)據(jù)按照下面公式進(jìn)行一階微分處理，得到新的高光譜數(shù)據(jù)即一階微分光譜。進(jìn)行相關(guān)分析，可以篩選出一階微分處理后，對(duì)蜜柚葉片葉綠素含量敏感的特定波段或波長(zhǎng)。式中，R′是Ri的一階微分，Ri為inm 處的光譜反射率，λi是第i個(gè)通道的波長(zhǎng)。

2 結(jié)果與分析

2.1 蜜柚葉片葉綠素相對(duì)含量特征

將蜜柚90 個(gè)建模樣本葉片按照SPAD 值從低到高進(jìn)行排序，并分為低中高3 組：SPAD1、SPAD2、SPAD3，每組30 個(gè)樣本。計(jì)算各組蜜柚葉片的相對(duì)葉綠素平均含量SPAD 值（表1），SPAD1 組的平均值為35.57，SPAD2 組的平均值為68.61，SPAD3 組的平均值為81.14，蜜柚葉片SPAD 值總平均值為61.77，最小值為26.46， 最大值為85.21，表明葉綠素含量相對(duì)于其均值離散程度較高，可為開展葉綠素含量光譜診斷提供良好素材。另外有30 個(gè)驗(yàn)證組見(jiàn)表1。

表1 蜜柚葉片樣本的SPAD 值Table 1 SPADs of pomelo leaf samples

2.2 不同葉綠素含量的蜜柚葉片光譜特征

鑒于葉綠素主要在可見(jiàn)光波段范圍內(nèi)影響植物光譜反射率，所以選擇 350～1050 nm 作為研究的波段范圍[6?8]。圖1 是測(cè)得的3 組不同葉綠素含量的蜜柚葉片的反射光譜曲線。由圖1 可以看出，不同葉綠素含量的蜜柚葉片反射光譜曲線的變化趨勢(shì)是一致的。

圖1 不同葉綠素含量的蜜柚葉片高光譜曲線Fig. 1 Hyperspectral curves of pomelo leaves with varied chlorophyll contents

在可見(jiàn)光波段400～760 nm，蜜柚葉片光譜曲線主要受葉綠素等色素的強(qiáng)吸收影響，光譜反射率普遍較低，反射率一般不超過(guò)0.2，其中在藍(lán)光和紅光區(qū)域，由于葉片需要吸收紅藍(lán)光進(jìn)行光合作用，因此形成向下凹陷的藍(lán)光吸收谷和紅光吸收谷，且隨葉片葉綠素含量升高，葉片反射率降低；而在中心波長(zhǎng)為550 nm 的綠光波段，由于對(duì)綠光主要進(jìn)行反射，從而形成一個(gè)向上凸起的反射峰。另外，在波段670～760 nm，由于植被葉片內(nèi)部結(jié)構(gòu)的相互影響，光譜反射率隨著波長(zhǎng)的增加呈現(xiàn)急劇上升的形勢(shì)，這是植被光譜曲線最為明顯的特征“紅邊”現(xiàn)象，反射率可達(dá)到0.4 以上。由于進(jìn)入葉片細(xì)胞內(nèi)部的光線產(chǎn)生多次物理折射和反射作用，在近紅外波段780 nm 之后，光譜反射率明顯較可見(jiàn)光波段反射率高，形成一個(gè)高反射率的平臺(tái)，又因氧氣或水的窄吸收，且在960 nm 附近產(chǎn)生1 個(gè)小吸收谷，使得該波段范圍的光譜曲線呈現(xiàn)“波浪”的形態(tài)。而之后波長(zhǎng)葉片水分會(huì)掩蓋其他生化組分在該區(qū)域的吸收特征，不利于研究葉片中其他元素及其濃度對(duì)光譜曲線的影響，因此去除了這一部分的光譜曲線[23]。本研究發(fā)現(xiàn)在350～1050 nm 波段，不同 SPAD 值的葉片反射光譜存在明顯差異，光譜反射率均隨葉片葉綠素含量升高而降低。

2.3 蜜柚葉片葉綠素含量與光譜反射率的相關(guān)性

對(duì)蜜柚葉片葉綠素含量與其原始和一階導(dǎo)數(shù)光譜進(jìn)行相關(guān)分析，相關(guān)系數(shù)曲線如圖2、3 所示。由圖2 可知，蜜柚葉片葉綠素含量與原始光譜反射率均呈負(fù)相關(guān)，即蜜柚葉片在測(cè)量的350～1050 nm 波段的光譜反射率隨著SPAD 值的升高而降低，葉綠素含量越高，吸收越強(qiáng)。且在波段496～731 nm 達(dá)到了顯著負(fù)相關(guān)水平（P＜0.05），其中，在波段513～652 nm 和689～721 nm 達(dá)到了極顯著負(fù)相關(guān)水平（P＜0.01），最大負(fù)相關(guān)系數(shù)分別為（?0.799，576 nm）和（?0.829，701 nm）。因此576 nm 和701 nm 這2個(gè)波長(zhǎng)可以作為原始光譜中估測(cè)蜜柚葉片葉綠素含量的敏感波長(zhǎng)。

圖2 蜜柚葉片葉綠素含量與原始光譜反射率的相關(guān)性Fig. 2 Correlation between chlorophyll content and original reflectance spectrum of pomelo leaves

蜜柚葉片葉綠素與一階光譜反射率的相關(guān)性如圖3 所示。通過(guò)分析可見(jiàn)，在波段397～425 nm、437～462 nm、470～475 nm、481～555 nm、679～705 nm達(dá)到了顯著負(fù)相關(guān)水平（P＜0.05），其中在波段440～456 nm、484～554 nm、680～702 nm 達(dá)到了極顯著負(fù)相關(guān)水平（P＜0.01），其中最大負(fù)相關(guān)系數(shù)為（?0.90，691 nm）。在波段569～627 nm、632～675 nm、719～752 nm 達(dá)到了顯著正相關(guān)水平（P＜0.05），其中在波段595～627 nm、633～672 nm、723～758 nm 達(dá)到了極顯著正相關(guān)水平（P＜0.01），其中最大正相關(guān)系數(shù)分別為（0.94，748 nm）。因此691 nm、748 nm 這2 個(gè)波長(zhǎng)可以作為一階光譜中估測(cè)蜜柚葉片葉綠素含量的敏感波長(zhǎng)。而在800 nm 之后其相關(guān)性變化無(wú)明顯正負(fù)規(guī)律。

圖3 蜜柚葉片葉綠素含量與一階光譜反射率的相關(guān)性Fig. 3 Correlation between chlorophyll content and first-order reflectance spectrum of pomelo leaves

2.4 蜜柚葉片葉綠素光譜特征參數(shù)、敏感波段植被指數(shù)與葉綠素含量相關(guān)關(guān)系

常見(jiàn)的高光譜特征參數(shù)包括基于高光譜位置變量、基于高光譜面積變量、基于高光譜植被指數(shù)變量3 種類型[7,13,15]，文中采用的光譜特征參數(shù)見(jiàn)表2。

表2 選取的高光譜特征參數(shù)及說(shuō)明Table 2 Selected hyperspectral characteristic parameters and descriptions

選取原始光譜2 個(gè)敏感波長(zhǎng)（576 nm 和 701 nm）、一階微分光譜2 個(gè)敏感波長(zhǎng)（691 nm 和748 nm），構(gòu)建了原始光譜和一階微分光譜反射率的比值、 差值與歸一化比值植被指數(shù)，分析了光譜特征參數(shù)與蜜柚葉片葉綠素含量的相關(guān)關(guān)系（表3）。

由表3 可知，所選三邊參數(shù)中只有黃邊參數(shù)Dy（黃邊幅值）和λy（黃邊位置）沒(méi)有達(dá)到極顯著相關(guān)關(guān)系，紅邊參數(shù)與藍(lán)邊參數(shù)均達(dá)到極顯著相關(guān)關(guān)系，其中Db（藍(lán)邊幅值）、λr（紅邊位置）、Rg（綠峰幅值）、SDb（藍(lán)邊面積）、綠峰與紅谷幅值Rg/Rr、（Rg?Rr）/（Rg+Rr）（歸一化綠峰與紅谷幅值）、SDr/SDb（紅邊與藍(lán)邊面積比值）和（SDr?SDb）/（SDr+SDb）（歸一化紅邊與藍(lán)邊面積比值）的相關(guān)系數(shù)超過(guò)0.7，具有較好估算蜜柚葉綠素含量的能力。

表3 光譜特征參數(shù)及敏感波段植被指數(shù)與蜜柚葉綠素含量相關(guān)關(guān)系Table 3 Correlation between spectral characteristic parameters, sensitive band vegetation indices and chlorophyll contents of pomelo leaves

分析發(fā)現(xiàn)植被指數(shù)均達(dá)到極顯著水平。將與蜜柚葉綠素含量相關(guān)系數(shù)r較大的（r＞0.85）光譜特征參數(shù)（NDVI′691,748、GRVI550,770、R′691、DVI′691,748、R′748和GNDVI550,770）以自變量構(gòu)建了線性、對(duì)數(shù)、指數(shù)、冪、二次多項(xiàng)式等蜜柚葉片葉綠素含量的估測(cè)模型（表4）。最佳估測(cè)模型均為二次多項(xiàng)式估測(cè)模型，其估測(cè)模型的決定系數(shù)R2分別為0.824、0.816、0.802、0.798、0.797 和0.796。

表4 蜜柚葉片葉綠素含量的單變量估測(cè)模型Table 4 Univariate estimation models for chlorophyll content of pomelo leaves

為了克服單變量回歸模型只考慮一個(gè)變量對(duì)于葉綠素含量的影響，選擇了光譜參量中相關(guān)性好的變量（NDVI′691,748、GRVI550,770、R′691、DVI′691,748）進(jìn)行多元回歸分析，得出葉綠素含量Y的回歸方程為YSPAD=54.67?15.75NDVI′691,748?10.60GRVI550,770+6565.6R′691?6784.58DVI′691,748，其估測(cè)決定系數(shù)為R2=0. 894。

2.5 蜜柚葉綠素含量估測(cè)模型的精度檢驗(yàn)與模型優(yōu)選

為了進(jìn)一步驗(yàn)證模型的準(zhǔn)確性和穩(wěn)定性，用30 個(gè)檢驗(yàn)數(shù)據(jù)的 SPAD 值及其對(duì)應(yīng)的光譜反射率，將估測(cè)模型進(jìn)行實(shí)測(cè)值與預(yù)測(cè)值的驗(yàn)證擬合，篩選出檢驗(yàn)精度高的模型， 結(jié)果如表5 和圖4 所示。以NDVI′691,748、GRVI550,770、R′691、DVI′691,748為變量組成的多元回歸的SPAD 擬合值與真實(shí)值擬合程度最好，驗(yàn)證決定系數(shù)R2=0.8356，均方根誤差RMSE=7.07，相對(duì)誤差RE=10.70%；其次是一階微分歸一化植被指數(shù)NDVI′691,748為變量組成的擬合，驗(yàn)證R2=0.797，RMSE=12.86；然后為一階微分差值植被指數(shù)DVI′691,748為變量組成的擬合，驗(yàn)證R2=0.7918，RMSE=12.56。以上擬合模型除GNDVI550,770驗(yàn)證R2較小（0.6044）外，其他均精度較高，驗(yàn)證R2均大于0.72。說(shuō)明利用多元植被指數(shù)（NDVI′691,748、GRVI550,770、R′691、DVI′691,748）、DVI′691,748和NDVI′691,748可以較好擬合蜜柚葉片葉綠素SPAD 值（圖4）。

圖4 蜜柚葉片SPAD 實(shí)測(cè)值與預(yù)測(cè)值比較Fig. 4 Measured and predicted SPADs of pomelo leaves

表5 蜜柚葉片葉綠素含量估測(cè)模型的擬合精度比較Table 5 Fitting accuracy of estimation models for chlorophyll content of pomelo leaves

根據(jù)驗(yàn)證系數(shù)篩選出R2＞0.79 的3 個(gè)擬合模型：多元回歸模型YSPAD=54.67-15.75NDVI′691,748-10.60GRVI550,770+6565.6R′691-6784.58DVI′691,748，其擬合決定系數(shù)為R2為0. 894，驗(yàn)證R2=0.8356，RMSE=7.07，可確定為蜜柚葉片葉綠素含量的最佳預(yù)測(cè)模型；其次為一階微分歸一化植被指數(shù)NDVI′691,748為單變量回歸模型YSPAD=71.26?23.82NDVI′691,748?16.46NDVI′691,7482，擬合R2=0.824，驗(yàn)證R2=0.797，RMSE=13.21；再次是一階微分差值植被指數(shù)DVI′691,748，單變量回歸模型YSPAD=68.58?5369.37DVI′691,748+195635.43DVI′691,7482，擬合R2=0.798，驗(yàn)證R2=0.7918，RMSE=12.56。

3 討論

可見(jiàn)光波段綠色植物的反射光譜主要受葉片色素的影響，吸收作用占主導(dǎo)，反射率較低[17]，本研究表明蜜柚葉片光譜在可見(jiàn)光處吸光強(qiáng)烈，反射率整體較低且波動(dòng)劇烈，與葉綠素呈顯著負(fù)相關(guān)關(guān)系，且葉綠素含量低的葉片在綠波段有強(qiáng)的反射峰，葉綠素含量高的葉片在紅谷處有強(qiáng)吸收特性；而在近紅外區(qū)域反射率較高且平穩(wěn)，主要是由于葉肉內(nèi)的海綿組織結(jié)構(gòu)內(nèi)有很大反射表面的空腔，且細(xì)胞內(nèi)的葉綠素呈水溶膠狀態(tài)，具有強(qiáng)烈的紅外反射[24]。同時(shí)由于此區(qū)域受細(xì)胞結(jié)構(gòu)、葉片含水率及近紅外光譜波段間存在嚴(yán)重自相關(guān)性等，存在較嚴(yán)重的相互干擾[25]，導(dǎo)致與葉綠素相關(guān)性程度較低，這與于雷等[25]、胥喆等[26]、余蛟洋等[27]和Zhao 等[28]

研究結(jié)果一致，而也有研究發(fā)現(xiàn)在近紅外區(qū)域水稻冠層葉片[17]、糜子冠層[29]的葉綠素含量與原始光譜反射率呈正相關(guān)，這可能是儀器和作物品種等的影響導(dǎo)致。

光譜數(shù)據(jù)變換中常采用一階微分變換，并且研究表明微分光譜較原始光譜與植被理化參數(shù)的相關(guān)性更好[17,30?31]。本研究通過(guò)對(duì)蜜柚葉片 SPAD 值與原始光譜反射率和一階微分光譜進(jìn)行相關(guān)性分析發(fā)現(xiàn)，一階微分光譜反射率和葉綠素含量間出現(xiàn)正負(fù)相關(guān)關(guān)系，上下波動(dòng)的頻率大，且相關(guān)性優(yōu)于原始光譜，與胥喆等[26]和李恒凱等[6]研究一致。主要原因是由于單波段包含的信息簡(jiǎn)單且易受外界因素影響，但通過(guò)對(duì)葉片光譜數(shù)據(jù)求微分、多波段組合等方法構(gòu)建光譜參數(shù)，可減少背景噪聲的影響，并使波段間的差異表現(xiàn)更加明顯，提高了信息提取率，且包含不同波段的信息[8,27,31,32]。因此，微分光譜和植被指數(shù)可以更精確地反映蜜柚葉片葉綠素含量，提高對(duì)植物理化參數(shù)的監(jiān)測(cè)效果。

本研究選取了常見(jiàn)的高光譜吸收特征參數(shù)包括基于高光譜位置變量、基于高光譜面積變量、基于原始光譜和一階微分敏感波長(zhǎng)的差值植被指數(shù)、比值植被指數(shù)和歸一化植被指數(shù)，對(duì)蜜柚葉片葉綠素含量與高光譜參數(shù)相關(guān)分析和模型驗(yàn)證結(jié)果表明，對(duì)原始光譜進(jìn)行一階變換或者建立植被指數(shù)比單一波段的相關(guān)系數(shù)要大，這與前人研究成果一致[8,33?34]。如茹克亞·薩吾提等[35]發(fā)現(xiàn)對(duì)光譜數(shù)據(jù)進(jìn)行數(shù)學(xué)轉(zhuǎn)換和微分處理可顯著提高春小麥葉綠素含量的估算精度。顏丙囤等[36]也發(fā)現(xiàn)淹水玉米原始高光譜反射率所構(gòu)建的估算模型精度不高，基于一階導(dǎo)數(shù)與葉綠素含量之間的關(guān)系建立的線性模型可較好地預(yù)測(cè)葉綠素含量。王爍等[37]分析了多種植被指數(shù)與棉花葉綠素含量的相關(guān)關(guān)系，其中基于比值光譜指數(shù)RSI（Ration spectral index）的二次曲線回歸模型最佳模型。本研究最佳波段的組合與前人研究[8,32,33]有一定的不同，這可能與植被類型有一定的關(guān)系，不同植被葉片的結(jié)構(gòu)存在一定的差異，因而最佳波段的選取可能存在差異。

綜合估算精度與預(yù)測(cè)效果，多元回歸模型YSPAD=54.67?15.75NDVI′691,748?10.60GRVI550,770+6 565.6R′691?6784.58DVI′691,748，一階微分歸一化植被指數(shù)NDVI′691,748和DVI′691,748為單變量回歸模型的擬合檢驗(yàn)效果較好，而多元模型的精度與預(yù)測(cè)效果最好，其擬合R2為0.894，驗(yàn)證R2為0.8356，可模擬估算蜜柚葉片葉綠素含量。同樣余蛟洋等[27]發(fā)現(xiàn)在獼猴桃全生育期葉片SPAD 值多元回歸模型的擬合估算R2為0.857，預(yù)測(cè)驗(yàn)證R2為0.850；紀(jì)童等[38]篩選出最優(yōu)的草坪草葉綠素多元回歸模型的估算R2為0.817，預(yù)測(cè)R2為0.9289。本研究多元回歸估算模型比以前研究精度提高的原因可能是本研究的多元回歸模型包含了對(duì)因變量有顯著性影響的4 個(gè)自變量，由于綜合考慮了多個(gè)植被指數(shù)自變量，因此提高了回歸模型方程預(yù)測(cè)精度和穩(wěn)定性。

本研究分析了蜜柚葉片SPAD 與光譜特征變量間的定量關(guān)系，但僅用同一地域、同一時(shí)期的樣本數(shù)據(jù)對(duì)模型進(jìn)行了驗(yàn)證，因此該估算模型還需要更多的實(shí)測(cè)數(shù)據(jù)的驗(yàn)證，同時(shí)本研究未涉及蜜柚冠層光譜與葉綠素含量間的關(guān)系，尚不能應(yīng)用于大面積遙感監(jiān)測(cè)。所以在后續(xù)研究中，還需要進(jìn)一步探索蜜柚冠層光譜與各個(gè)生理生化參數(shù)之間的關(guān)系，在蜜柚不同生長(zhǎng)期、不同地域等條件下進(jìn)行更為廣泛的驗(yàn)證，進(jìn)而促進(jìn)高光譜技術(shù)在蜜柚上的大面積應(yīng)用，為蜜柚產(chǎn)區(qū)長(zhǎng)勢(shì)監(jiān)測(cè)提供重要技術(shù)支撐。

4 結(jié)論

本文基于多個(gè)蜜柚光譜特征參數(shù)和葉綠素實(shí)測(cè)數(shù)據(jù)，分析了蜜柚葉片葉綠素含量的原始光譜特征以及構(gòu)建了單變量估算模型和多元回歸模型，并確定了蜜柚葉綠素的最佳估算模型。在350～1050 nm波段，不同SPAD 值的蜜柚葉片反射光譜存在明顯差異，光譜反射率均隨葉片葉綠素含量升高而降低。原始光譜和一階微分光譜與葉綠素含量在可見(jiàn)光范圍內(nèi)有多波段相關(guān)性顯著。在建立的蜜柚光譜特征參數(shù)回歸模型中，基于一階微分的光譜單變量回歸模型比原始光譜單變量回歸模型的精度要高，其中以高光譜指數(shù)NDVI′691,748、GRVI550,770、R′691、DVI′691,748組成的多元回歸模型具有最好的擬合和估算效果，其估算精度、預(yù)測(cè)效果和穩(wěn)定性均比單因素變量建立的模型好，其擬合決定系數(shù)為R2為0. 894，驗(yàn)證決定系數(shù)R2為0.8356，RMSE為7.07，因此可選擇用植被指數(shù)為自變量的多元回歸模型對(duì)蜜柚葉片的 SPAD 進(jìn)行長(zhǎng)勢(shì)監(jiān)測(cè)。本研究應(yīng)用光譜技術(shù)，對(duì)福建省平和縣蜜柚葉片葉綠素含量進(jìn)行估測(cè)，為本區(qū)域蜜柚樹營(yíng)養(yǎng)的快速診斷奠定了基礎(chǔ)，也為蜜柚精準(zhǔn)化管理提供了信息支持。