李永梅，王 浩，趙 勇，張立根

(1.寧夏大學(xué) 土木與水利工程學(xué)院，寧夏 銀川 750021； 2.寧夏農(nóng)林科學(xué)院 農(nóng)業(yè)經(jīng)濟(jì)與信息技術(shù)研究所，寧夏 銀川 750002； 3.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(diǎn)實(shí)驗(yàn)室，北京 100038； 4.寧夏建筑科學(xué)研究院股份有限公司，寧夏 銀川 750021)

水分是綠色植物最重要的組成成分。水分盈虧不僅影響作物生理生化過程與形態(tài)結(jié)構(gòu)，而且影響作物產(chǎn)量與品質(zhì)。因此，實(shí)時精準(zhǔn)監(jiān)測作物水分狀況，對于指導(dǎo)科學(xué)灌溉、提高作物產(chǎn)量、提升作物品質(zhì)具有重要意義。葉片含水率能直接反映植株水分狀況，是植株水分狀況良好的診斷指標(biāo)，所以監(jiān)測葉片含水率成為評估作物水分虧缺的有效途徑。

高光譜遙感能夠獲取作物葉片精細(xì)的光譜信息，依據(jù)光譜信息細(xì)微差異能揭示作物生理生化的微小變化，為及時掌握作物組分含量提供豐富信息。隨著遙感技術(shù)在農(nóng)田灌溉用水管理上的快速應(yīng)用，基于高光譜遙感技術(shù)的作物水分估算已經(jīng)成為一個研究熱點(diǎn)。對于作物水分高光譜遙感估算，無論是基于各種光譜變式，還是基于各種光譜指數(shù)，目的都是減弱環(huán)境背景噪聲干擾，增強(qiáng)水分吸收引起的變異性，進(jìn)而提高作物含水率的估算能力。連續(xù)統(tǒng)去除法是一種消除背景信息、增強(qiáng)感興趣吸收特征的光譜分析方法，在地表礦物成分診斷中得到了廣泛應(yīng)用。由于植物與地表礦物有某些相同成分，近年來部分學(xué)者將應(yīng)用在礦物高光譜分析領(lǐng)域的連續(xù)統(tǒng)去除法延伸到植物研究中。賈方方等、競霞等利用連續(xù)統(tǒng)去除法對光譜進(jìn)行處理，并構(gòu)建基于光譜吸收特征的病情嚴(yán)重程度估測模型，對定量估測農(nóng)作物發(fā)病程度與監(jiān)測防治病蟲害具有較好實(shí)用價值。也有將連續(xù)統(tǒng)去除法借用至鮮葉片光譜分析與作物氮素營養(yǎng)狀況診斷與評價的研究報(bào)道。韓兆迎等和鄭煜等利用連續(xù)統(tǒng)去除法對葉綠素相對含量進(jìn)行預(yù)測。林波等利用連續(xù)統(tǒng)去除法對冬小麥水分含量進(jìn)行了高光譜反演。研究發(fā)現(xiàn)，連續(xù)統(tǒng)去除法擴(kuò)大了原始光譜中由氮素、葉綠素、水分含量等引起的吸收特征微小變化，表明運(yùn)用連續(xù)統(tǒng)去除光譜對作物組分含量進(jìn)行定性和定量評價是可行的。目前，采用連續(xù)統(tǒng)去除光譜對枸杞葉片含水率進(jìn)行估算的相關(guān)研究還未見報(bào)道。本文以寧夏枸杞主栽品種寧杞7號為研究對象，采用連續(xù)統(tǒng)去除法對350～2 500 nm的葉片光譜進(jìn)行處理，分析連續(xù)統(tǒng)去除光譜、吸收特征參數(shù)與葉片含水率的相關(guān)性，建立基于連續(xù)統(tǒng)去除光譜的枸杞葉片含水率估算模型，探討連續(xù)統(tǒng)去除方法估算枸杞葉片含水率的潛力，為枸杞植株水分監(jiān)測提供理論基礎(chǔ)。

1 材料與方法

1.1 試驗(yàn)材料

供試材料寧杞7號選自寧夏賀蘭縣暖泉農(nóng)場、中寧縣恩和鎮(zhèn)枸杞種植基地?；赝寥罏樯橙劳?，栽培行間距4 m，株間距1 m。2018—2019年，在枸杞種植基地的不同區(qū)域隨機(jī)選取樣株，在樣株冠層?xùn)|西南北4個方位，采集當(dāng)年生結(jié)果枝條上距離枝梢10 cm內(nèi)健康葉片作為試驗(yàn)樣本，每個樣本取50片枸杞葉片。為減少水分損失，將樣本迅速裝入自封袋，封口、編號，并放入盛有冰塊的移動保鮮箱中，帶回實(shí)驗(yàn)室。采樣時間5—9月，覆蓋枸杞生育的關(guān)鍵物候期。

1.2 試驗(yàn)方法

1.2.1 葉片光譜測定

枸杞葉片光譜測定采用美國ASD公司的Field Spec Pro地物光譜儀，其傳感器視場角為25°，波段范圍為350～2 500 nm。其中，350～1 000 nm光譜采集間隔為1.4 nm，光譜分辨率為3 nm；1 000～2 500 nm光譜采樣間隔為2 nm，光譜分辨率為10 nm。

光譜測定在黑暗密閉的室內(nèi)進(jìn)行，采用50 W鹵素?zé)裟M太陽光，調(diào)整鹵素?zé)舴轿唤浅?0°，且距離樣本區(qū)垂直高度為0.5 m。將枸杞葉片表面灰塵擦拭干凈，平鋪于反射率近似為0的黑色絨布上。光譜儀探頭垂直向下對準(zhǔn)樣本中心，距離樣本表面高度0.1 m進(jìn)行測定。每個樣本測定10次，取其平均值作為該樣本光譜反射率。為減少外界干擾，確保測定精度，光譜采集前進(jìn)行標(biāo)準(zhǔn)白板校正，測定過程中根據(jù)光源波動情況，隨時進(jìn)行白板校正。

1.2.2 葉片含水率測定

葉片含水率采用自然失水法和烘干法2種方法進(jìn)行測定。自然失水法測定枸杞葉片含水率，目的是通過人為干擾短時間形成顯著水分梯度，定性分析枸杞葉片光譜對葉片含水率的響應(yīng)特征。烘干法測定枸杞葉片含水率，定量研究枸杞葉片光譜反射率與含水率的關(guān)系，構(gòu)建枸杞葉片含水率估算模型。兩種方法測定含水率時，均同步測定枸杞葉片光譜反射率。

1)自然失水法：將采集的新鮮枸杞葉片放置在密閉室內(nèi)逐步陰干，在自然失水過程中，每隔一段時間測定葉片質(zhì)量，每次測定葉片質(zhì)量記為(表示測定次數(shù)，=1，2，3……)，最后將枸杞葉片烘干至質(zhì)量恒定后測定其質(zhì)量。葉片含水率記為。

(1)

2018—2019年5月、6月、8月，共采集6次，每次采集5個試驗(yàn)樣本。分別對6次采集的樣本進(jìn)行對比分析，發(fā)現(xiàn)枸杞葉片光譜對含水率的響應(yīng)特征一致。由于篇幅有限，本研究以2019年6月數(shù)據(jù)為例進(jìn)行分析，其統(tǒng)計(jì)信息見表1。

2)烘干法：首先測定鮮葉質(zhì)量，將樣本放入烘箱在105 ℃殺青30 min，然后在80 ℃烘至質(zhì)量恒定后測定葉片干質(zhì)量。葉片含水率記為。

(2)

采用烘干法獲取有效樣本37組，隨機(jī)分成建模樣本集和檢驗(yàn)樣本集。對枸杞葉片含水率進(jìn)行統(tǒng)計(jì)分析，全體樣本集、建模樣本集和檢驗(yàn)樣本集均接近標(biāo)準(zhǔn)正態(tài)分布，其統(tǒng)計(jì)信息見表2。

1.3 數(shù)據(jù)處理

1.3.1 原始光譜處理

對原始光譜進(jìn)行異常值剔除、重采樣與求平均值等預(yù)處理，然后對光譜進(jìn)行連續(xù)統(tǒng)去除處理。連續(xù)統(tǒng)去除法實(shí)質(zhì)上就是將光譜曲線中的吸收谷歸一化到吸收谷的連續(xù)統(tǒng)線上。計(jì)算公式為

=

(3)

式(3)中：為連續(xù)統(tǒng)去除光譜反射率，為原始光譜反射率，為連續(xù)統(tǒng)線反射率。連續(xù)統(tǒng)去除后的歸一化光譜取值在0～1，其大小可以表征光譜吸收特性的強(qiáng)弱。

表1 自然失水法測定的枸杞葉片含水率

表2 烘干法測定的枸杞葉片含水率

1.3.2 吸收特征參數(shù)提取

提取8類吸收特征參數(shù)，分別是吸收深度(BD)、最大吸收深度(BD)、吸收波段波長(P)、吸收峰總面積(TA)、吸收峰左面積(LA)、吸收峰右面積(RA)、對稱度(S)、面積歸一化最大吸收深度(NAD)。

1.3.3 光譜相關(guān)指標(biāo)計(jì)算

利用公式(4)和(5)計(jì)算光譜反射率差值和光譜反射率敏感性。

光譜反射率差值=-。

(4)

光譜反射率敏感性=(-)。

(5)

式中：代表自然失水過程中第1次測定的光譜反射率，代表自然失水過程中第次測定的光譜反射率(=2，3……)。

1.3.4 模型建立與評價

利用軟件IBM SPSS Statistics 21，采用雙變量相關(guān)分析，將枸杞葉片光譜與葉片含水率進(jìn)行相關(guān)性分析，篩選出相關(guān)性顯著的枸杞葉片原始光譜、連續(xù)統(tǒng)去除光譜和光譜吸收特征參數(shù)，分別建立估算枸杞葉片含水率的一元線性回歸、多元線性回歸模型。采用決定系數(shù)()、均方根誤差(root mean square error，RMSE)、平均相對誤差(mean relative error，MRE)對模型的預(yù)測效果進(jìn)行檢驗(yàn)。越接近1，RMSE越接近0，MRE越小，模型效果越好。

2 結(jié)果與分析

2.1 枸杞葉片含水率變化分析

圖1為自然失水處理過程中枸杞葉片含水率。隨著自然失水時間延長，枸杞葉片含水率呈明顯下降趨勢，說明離體葉片自然脫水可以使枸杞葉片含水率短時間形成較大梯度。

圖1 自然失水處理的枸杞葉片含水率Fig.1 Water content of Lycium barbarum leaves measured by natural water loss method

2.2 枸杞葉片光譜特征分析

枸杞葉片原始光譜和連續(xù)統(tǒng)去除光譜的波形變化規(guī)律一致(圖2)：400～680 nm的葉片光譜反射率相對低；700～760 nm的葉片光譜反射率急劇升高；760～2 500 nm出現(xiàn)以970、1 200、1 470、1 950 nm為中心的4個明顯的反射光譜吸收谷。隨著葉片逐步失水，680～900 nm波段光譜反射率對含水率的響應(yīng)規(guī)律不明顯，在400～680 nm和900～2 500 nm波段葉片光譜反射率隨著含水率的降低而升高。350～700 nm為葉綠素主要吸收帶，本試驗(yàn)中400～680 nm波段附近，光譜反射率隨含水率降低所表現(xiàn)出的特征主要是由于枸杞葉片失水過程長，隨著水分減少，葉綠素不斷破壞分解，導(dǎo)致葉片對可見光吸收減弱而反射增強(qiáng)。

從枸杞葉片連續(xù)統(tǒng)去除光譜(圖2)中可以看出：可見光波段(350～760 nm)中450 nm和650 nm附近2個吸收特征被放大，550 nm綠光范圍反射峰增強(qiáng)，紅邊斜率增大；近紅外波段(761～1 300 nm)和短波紅外(1 301～2 500 nm)中900～1 100、1 100～1 270、1 270～1 700、1 800～2 200 nm吸收特征被放大，利于不同含水率枸杞葉片光譜差異性分析。

計(jì)算連續(xù)統(tǒng)去除光譜差值和敏感性，進(jìn)一步分析枸杞葉片光譜對含水率的響應(yīng)規(guī)律。從圖3可以看出，在400～700 nm和1 100～2 200 nm，光譜反射率差值隨葉片水分的減少波動增強(qiáng)，光譜敏感性變化規(guī)律與光譜反射率差值變化規(guī)律基本一致。由于400～700 nm波段主要受葉綠素的影響，因此，對枸杞葉片水分變化響應(yīng)能力強(qiáng)的波段為1 100～2 200 nm。

2.3 枸杞葉片含水率估算

2.3.1 基于敏感波長的枸杞葉片含水率估算

將原始光譜、連續(xù)統(tǒng)去除光譜與枸杞葉片含水率進(jìn)行相關(guān)性分析，原始光譜除350～747、1 905～1 992 nm未通過=0.05的相關(guān)性檢驗(yàn)，其余波段的光譜反射率與枸杞葉片含水率呈負(fù)相關(guān)，其中1 500～1 850 nm波段在0.01水平顯著相關(guān)(圖4)。綜合葉片原始光譜與含水率之間的相關(guān)系數(shù)分布，確定1 500～1 850 nm為估算枸杞葉片含水率的敏感波段，其中1 611～1 624 nm相關(guān)性最好，相關(guān)系數(shù)為-0.749 0。在原始光譜相關(guān)性最好的波段區(qū)間(1 611～1 624 nm)，選取1 620 nm作為原始光譜估算枸杞葉片含水率的敏感波長。從圖4可以看出，1 500～1 850 nm波段的連續(xù)統(tǒng)去除光譜明顯改善了原始光譜與葉片含水率之間的相關(guān)性，其中，1 602、1 662 nm相關(guān)性最好，相關(guān)系數(shù)均為-0.787 0，故將1 602、1 662 nm作為連續(xù)統(tǒng)去除光譜估算枸杞葉片含水率的敏感波長。

圖2 不同含水率枸杞葉片的光譜反射率曲線Fig.2 Spectral reflectancecurve of Lycium barbarum leaves with different water content

圖3 不同含水率枸杞葉片的連續(xù)統(tǒng)去除光譜差值曲線與敏感性曲線Fig.3 Continuum removal spectrum difference curveand sensitivities curve of Lycium barbarum leaves with different water content

利用選取的敏感波長建立枸杞葉片含水率一元回歸模型，由表3可以看出，基于連續(xù)統(tǒng)去除光譜敏感波長1 602 nm和1 662 nm所建立的模型，其決定系數(shù)和驗(yàn)證決定系數(shù)均高于基于原始光譜敏感波長1 620 nm建立的模型，其驗(yàn)證模型的RMSE和MRE均小于原始光譜模型。其中，基于連續(xù)統(tǒng)去除光譜1 602 nm建立的模型估算效果更好，模型擬合度為0.619 4，驗(yàn)證決定系數(shù)、RMSE和MRE分別為0.603 7、0.884 3和1.12%。

圖4 枸杞葉片光譜與含水率相關(guān)系數(shù)Fig.4 Correlation coefficient between spectrum and leaf water content of Lycium barbarum leaves

2.3.2 基于吸收特征參數(shù)的枸杞葉片含水率估算

根據(jù)吸收特征參數(shù)與葉片含水率相關(guān)關(guān)系(表4)，1 800～2 200 nm波段吸收特征參數(shù)與枸杞葉片含水率相關(guān)性較差，各參數(shù)均未通過=0.05水平的顯著性檢驗(yàn)。1 270～1 700 nm波段各參數(shù)與含水率的相關(guān)性最好，吸收波段波長(P)、最大吸收深度(BD)、吸收峰總面積(TA)、吸收峰右面積(RA)、對稱度(S)和面積歸一化最大吸收深度(NAD)在0.01水平下顯著相關(guān)，其中，吸收峰右面積(RA)與葉片含水率相關(guān)性最好，相關(guān)系數(shù)為-0.778。900～1 100 nm和1100～1 270 nm波段分別為吸收峰右面積(RA)和吸收峰總面積(TA)與葉片含水率的相關(guān)性最好，相關(guān)系數(shù)分別為-0.599和-0.640。

選擇與葉片含水率相關(guān)性最高，且達(dá)到0.01顯著性水平的參數(shù)，分別建立一元線性回歸模型和多元線性回歸模型(表5)。一元線性回歸模型中，基于1 270～1 700 nm吸收峰右面積(RA)建立的模型決定系數(shù)和驗(yàn)證決定系數(shù)分別為0.620 2和0.606 0，RMSE和MRE分別為0.882 8和1.00%，優(yōu)于基于原始光譜敏感波長和基于連續(xù)統(tǒng)去除敏感波長建立的一元回歸模型。900～1 100 nm吸收峰右面積和1 100～1 270 nm吸收峰總面積建立的一元回歸模型決定系數(shù)相對較低，模型擬合效果不理想。多元回歸模型決定系數(shù)和檢驗(yàn)決定系數(shù)分別為0.787 0和0.800 3，模型RMSE為0.683 3，MRE為0.72%，其擬合效果和檢驗(yàn)精度最優(yōu)。

表3 基于敏感波長的枸杞葉片含水率估算回歸模型

表4 光譜吸收特征參數(shù)與葉片含水率的相關(guān)系數(shù)

表5 基于吸收特征參數(shù)的枸杞葉片含水率估算回歸模型

3 討論

潘慶梅等以單個葉片為試驗(yàn)對象，采用葉片自然脫水法，對比分析了不同品種核桃葉片含水量與光譜反射率的相關(guān)性，發(fā)現(xiàn)704～1 243 nm為不同品種核桃葉片水分含量的敏感波段。張瑋等研究發(fā)現(xiàn)，近紅外區(qū)尤其1 400～1 600、1 800～2 000 nm波段為雷竹葉片含水率敏感波段，水分脅迫指數(shù)MSI(/)、比值指數(shù)SRI(/)對雷竹葉片相對含水量的估算效果較好。鑒于枸杞葉片較小的特征，本研究以群體葉片(50片)為試驗(yàn)對象，為加大枸杞葉片水分梯度，突出枸杞葉片光譜差異，在枸杞葉片自然脫水過程中，拉長枸杞葉片光譜與含水率測定的間隔時間，用連續(xù)統(tǒng)去除法對光譜進(jìn)行處理，探討枸杞葉片光譜對含水率的響應(yīng)規(guī)律，發(fā)現(xiàn)900～2 500 nm紅外波段的光譜反射率隨含水率的降低而升高，并形成900～1 100、1 100～1 270、1 270～1 700、1 800～2 200 nm 4個吸收谷，與前人研究發(fā)現(xiàn)的水分主要吸收波段基本一致，但由于研究對象不同，其敏感波段范圍有所差異。這主要是由于水分對紅外波段光譜輻射的直接吸收造成的；同時，由于葉片水分逐漸減少，葉片細(xì)胞質(zhì)壁不斷分離，葉片內(nèi)部分子空隙加大，進(jìn)而使該波段光譜反射增強(qiáng)。同時，本研究發(fā)現(xiàn)，400～680 nm波段，葉片光譜反射率同樣呈現(xiàn)出隨含水率的降低而升高的變化特征；但已有研究表明，350～700 nm波段為葉綠素吸收帶，初步分析，這主要是由于本次試驗(yàn)枸杞葉片失水過程長，隨著水分減少，葉綠素不斷破壞分解，葉片對可見光吸收減弱而反射增強(qiáng)的結(jié)果?？梢婅坭饺~片光譜對水分響應(yīng)規(guī)律，是水分對光譜直接影響和次級影響疊加的結(jié)果，這與劉暢等研究結(jié)論相一致。

利用自然失水法測定枸杞葉片光譜與含水率數(shù)據(jù)，定性探討了光譜對含水率的變化特征；在初步探明枸杞葉片水分吸收主要波段范圍的基礎(chǔ)上，采用烘干法測定的數(shù)據(jù)，篩選出枸杞葉片含水率敏感波長、光譜吸收特征參數(shù)，并建立含水率估算模型。采用烘干法，是為了減少水分自然損失過程對光譜的次級影響，尤其是對可見光波段的影響，進(jìn)而提高枸杞葉片含水率敏感波長篩選的準(zhǔn)確性與模型估算效果。連續(xù)統(tǒng)去除能將光譜映射到連續(xù)統(tǒng)線上，歸一化處理能使局部吸收特征間的差異性被放大。李粉玲等、鄭煜等將應(yīng)用在礦物高光譜分析領(lǐng)域的連續(xù)統(tǒng)去除法延伸到冬小麥葉片全氮含量和油菜SPAD的估算上，發(fā)現(xiàn)該方法在一定程度上增強(qiáng)了葉片光譜間的差異性，提高了冬小麥葉片全氮和油菜SPAD的高光譜遙感估算效果。林波等用連續(xù)統(tǒng)去除法對冬小麥冠層含水量進(jìn)行遙感反演，得出1 200 nm吸收谷面積的乘冪模型反演效果最好。本試驗(yàn)采用連續(xù)統(tǒng)去除法處理的枸杞葉片光譜，紅外波段的4個吸收谷和可見光波段的2個吸收特征均被放大，在1 500～1 850 nm波段的連續(xù)統(tǒng)去除光譜明顯改善了原始光譜與葉片含水率之間的相關(guān)性，是近地高光譜估算枸杞葉片含水率的最佳敏感波段。連續(xù)統(tǒng)去除法能提高枸杞葉片含水率的估算能力，得出的結(jié)果對枸杞葉片的水分監(jiān)測有一定的參考意義，但模型建立方法與模型估算精度仍需進(jìn)行大量測試和檢驗(yàn)。

4 結(jié)論

連續(xù)統(tǒng)去除法擴(kuò)大了枸杞葉片原始光譜對含水率的響應(yīng)能力，放大了900～1 100、1 100～1 270、1 270～1 700、1 800～2 200 nm 4個吸收特征；改善了枸杞葉片原始光譜與含水率之間的相關(guān)性，其中，1 602 nm和1 662 nm相關(guān)系數(shù)均達(dá)到-0.787 0。連續(xù)統(tǒng)去除法提高了枸杞葉片含水率的高光譜估算能力，利用900～1 100 nm波段的吸收峰右面積(RA)、1 270～1 700 nm波段的吸收峰右面積(RA)和1 100～1 270 nm波段的吸收峰總面積(TA)建立的多元回歸模型對枸杞葉片含水率的估算最好，可用來定量估算枸杞葉片含水率。