基于小麥冠層近地多光譜圖像的葉綠素（SPAD值）估測方法

周雪 王芳 趙庚星

摘要：選擇山東省泰安市山東農(nóng)業(yè)大學(xué)實(shí)驗(yàn)田為研究區(qū)，利用ADC便攜式多光譜相機(jī)和SPAD-502葉綠素計(jì)采集該區(qū)泰農(nóng)18和山農(nóng)15兩個品種小麥越冬期、返青期、起身期冠層近地多光譜圖像和SPAD值，構(gòu)建不同生育期小麥的歸一化植被指數(shù)（NDVI）與SPAD值的線性、對數(shù)、乘冪、指數(shù)、二次函數(shù)5種模型，進(jìn)而優(yōu)選小麥葉綠素含量最佳估測模型。結(jié)果顯示：泰農(nóng)18和山農(nóng)15兩個小麥品種不同時期的SPAD值與NDVI值均具有極顯著相關(guān)關(guān)系（P<0.01），相關(guān)系數(shù)在0.797～0.915之間；泰農(nóng)18小麥冠層SPAD值估測最佳模型為y=68.585x0.5841，山農(nóng)15小麥冠層SPAD值估測最佳模型為y=124.4x2+23.212x+44.973。該研究探索了基于近地多光譜數(shù)據(jù)的小麥葉綠素含量估測方法，為小麥葉綠素含量估測及營養(yǎng)診斷提供了一種快速有效的技術(shù)方法。

關(guān)鍵詞：小麥冠層；多光譜圖像；SPAD；NDVI；估測模型

中圖分類號：S132+S512.1文獻(xiàn)標(biāo)識號：A文章編號：1001-4942（2016）06-0138-05

在大田作物生產(chǎn)中，為及時掌握作物生長情況，人們除根據(jù)經(jīng)驗(yàn)進(jìn)行外觀診斷外，往往采用作物生長季內(nèi)直接或間接分析地上部分的無機(jī)養(yǎng)分作為快速診斷作物營養(yǎng)狀況的依據(jù)。植物缺乏營養(yǎng)元素會引起葉片葉色、形態(tài)、結(jié)構(gòu)及其它外觀不同的缺素癥狀，這為從植物外觀形態(tài)上鑒別營養(yǎng)元素的缺乏提供了依據(jù)。研究表明，植物葉片營養(yǎng)元素狀況與光譜特性密切相關(guān)，不同營養(yǎng)狀況下植物光譜特性存在差異，這引起了農(nóng)學(xué)、植物生理學(xué)和遙感等學(xué)科研究者的重視[1]，使利用不同生長狀態(tài)下的光譜差異來分析植物生長狀況、診斷營養(yǎng)水平成為了可能[2]。

小麥作為重要的糧食和經(jīng)濟(jì)作物，在世界和中國都有著廣泛的種植，其長勢監(jiān)測和營養(yǎng)狀況分析也成為國內(nèi)外研究的熱點(diǎn)之一。如商兆堂等[3]研究表明，小麥長勢對產(chǎn)量和品質(zhì)都有明顯影響，且不同生育階段的影響程度不盡相同；孫海燕等[4]對小麥營養(yǎng)品質(zhì)現(xiàn)狀進(jìn)行了綜述，并對其改良途徑方法和前景進(jìn)行了分析。大量研究表明，當(dāng)植物氮營養(yǎng)水平較高時，植株長勢趨于旺盛，葉綠素含量增高。不同生育期SPAD （Soil and Plant Analyzer Development）值可以間接反映植株全氮含量及葉片葉綠素含量，如朱新開等[5]研究表明，小麥不同葉位葉片SPAD值與葉綠素含量呈極顯著正相關(guān)。目前SPAD值不僅用于研究小麥，還在水稻、棉花、蘋果樹等作物上獲得廣泛應(yīng)用。

近年來，基于光譜技術(shù)的作物長勢監(jiān)測在精細(xì)農(nóng)業(yè)領(lǐng)域得到了廣泛應(yīng)用[6，7]，同時，由于點(diǎn)狀采樣獲取的光譜數(shù)據(jù)難以準(zhǔn)確反映大田作物的空間變異信息，因此基于多光譜圖像的檢測技術(shù)在國內(nèi)外越來越受到人們的關(guān)注[8，9]。Tetracam ADC第三代多光譜數(shù)碼相機(jī)可以用于拍攝可見光波段520 nm到近紅外波段950 nm的圖像，分析地表植被和植物冠層的反射和吸收光譜，通過圖像處理軟件，可以輕松獲得反映地表植被特征的重要指標(biāo)NDVI（歸一化植被指數(shù)）。因此，很多學(xué)者對NDVI展開了研究，如任紅艷等[10]對小麥各生育期的NDVI動態(tài)變化的研究顯示，小麥的NDVI值從起身期開始急劇上升，到孕穗期前后達(dá)到峰值；江東等[11]研究了NDVI曲線與農(nóng)作物長勢的時序互動規(guī)律，通過NDVI曲線的變化特征，推測作物的生長發(fā)育狀況，監(jiān)測作物長勢；丁永軍等[12]利用多光譜圖像分析技術(shù)研究了溫室番茄營養(yǎng)元素含量和圖像特征的相關(guān)性，并快速、準(zhǔn)確估測了番茄營養(yǎng)水平和生長狀況?？傮w看，實(shí)用、可操作性強(qiáng)的農(nóng)作物葉綠素及營養(yǎng)狀況光譜估測模型及高效方法仍需進(jìn)一步的研究探索。本研究利用ADC便攜式多光譜相機(jī)獲取不同品種不同生育期小麥冠層多光譜圖像，并利用SPAD葉綠素計(jì)實(shí)測葉片葉綠素含量，構(gòu)建小麥冠層葉綠素含量估測模型，旨在探索簡易、快速、準(zhǔn)確的小麥葉綠素狀況實(shí)時分析方法，為大范圍的小麥葉綠素監(jiān)測與營養(yǎng)快速診斷奠定基礎(chǔ)。

1材料與方法

1.1田間數(shù)據(jù)采集

1.1.1研究區(qū)概況研究區(qū)位于山東省泰安市山東農(nóng)業(yè)大學(xué)試驗(yàn)田，地處東經(jīng)116°02′至117°59′、北緯35°38′至36°28′之間，屬于暖溫帶大陸性半濕潤季風(fēng)氣候區(qū)，年平均氣溫13.0℃，7月份氣溫最高，平均26.4℃，1月份最低，平均-2.6℃，年平均降水量697 mm；土壤類型為棕壤，地形平坦，土層深厚；基礎(chǔ)設(shè)施條件完善，種植農(nóng)作物為小麥、玉米，產(chǎn)量較高。

1.1.2數(shù)據(jù)采集方法小麥品種為泰農(nóng)18和山農(nóng)15。從2014年12月～2015年4月，分別對越冬期（12月上旬～2月下旬）、返青期（2月下旬～3月上旬）、起身期（3月中下旬）小麥進(jìn)行田間測量。測量時以田塊為基本單位設(shè)置觀測點(diǎn)，每平方米為一個觀測單元，在其中心位置設(shè)置一個觀測點(diǎn)并用小木樁做標(biāo)記，在每個觀測單元內(nèi)隨機(jī)選取2株小麥用SPAD-502測定冠層葉片的SPAD值，每株測3次，計(jì)算出2株小麥的平均值作為該樣點(diǎn)的SPAD值。

小麥冠層多光譜圖像的獲取在天氣晴朗、無風(fēng)或者風(fēng)速較小時進(jìn)行，獲取時間為10∶00～14∶00之間。獲取圖像時相機(jī)鏡頭垂直地表，距離小麥冠層約100 cm，每個樣點(diǎn)重復(fù)測量3次，各點(diǎn)在測量前都要進(jìn)行標(biāo)準(zhǔn)白板的校正。

1.2數(shù)據(jù)處理

1.2.1小麥SPAD值的處理首先將所測SPAD值數(shù)據(jù)按照不同觀測點(diǎn)、品種、采樣時間分別進(jìn)行處理，剔除異常樣點(diǎn)，使獲得的小麥SPAD值多處于40～70之間，共獲得有效觀測樣點(diǎn)40個。然后用Microsoft Excel對數(shù)據(jù)進(jìn)行初步處理，計(jì)算各觀測樣點(diǎn)的平均值。

1.2.2小麥多光譜圖像的處理田間獲取的ADC多光譜圖像如圖1a所示，圖1b為校正后的多光譜圖像，圖1c為處理后的多光譜圖像。根據(jù)小麥多光譜圖像的特點(diǎn)，借助Pixel Wrench 2軟件對采集的樣點(diǎn)多光譜圖像進(jìn)行處理，獲取每個有效觀測樣點(diǎn)每張圖像的光譜特征值（歸一化植被指數(shù)NDVI），進(jìn)而計(jì)算出各觀測樣點(diǎn)的NDVI平均值。

1.3數(shù)據(jù)分析

首先借助SPSS軟件對泰農(nóng)18和山農(nóng)15越冬期、返青期、起身期的SPAD值與NDVI值進(jìn)行相關(guān)分析，獲得兩種小麥各個生育期對應(yīng)的相關(guān)系數(shù)，然后根據(jù)相關(guān)系數(shù)的顯著性判斷建立SPAD與NDVI關(guān)系模型的可行性，在此基礎(chǔ)上，分別構(gòu)建兩種小麥不同生育期的線性、對數(shù)、乘冪、指數(shù)、二次函數(shù)5種模型，根據(jù)模型的擬合程度選取兩種小麥的最佳估測模型作為該生育期葉綠素的反演模型。

2結(jié)果與分析

2.1小麥SPAD值的動態(tài)變化

泰農(nóng)18、山農(nóng)15不同時期SPAD均值的最小值都出現(xiàn)在越冬期，分別是49.85和48.00，最大值都出現(xiàn)在起身期，分別是59.08和57.53，且SPAD值從越冬期至起身期不斷升高（表1）。由此可見，從越冬期到起身期不同品種小麥葉綠素含量呈不斷增長趨勢。

2.2小麥NDVI值的動態(tài)變化

兩品種小麥冠層NDVI值隨生育時期的推進(jìn)具有一致的變化趨勢，均不斷增加（表2）。越冬期至返青期變化相對平緩，增幅較小，NDVI值大多處于0.060～ 0.480之間；返青期至起身期，氣溫回升，麥苗生長迅速，NDVI值開始大幅度上升，最高達(dá)到0.937，之后小麥進(jìn)入開花、孕穗的生殖生長時期。

2.3小麥SPAD值與NDVI值的相關(guān)性

由表3可以看出，兩種小麥冠層NDVI值與SPAD值均呈現(xiàn)出極顯著相關(guān)關(guān)系（P<0.01），其中泰農(nóng)18以起身期兩者的相關(guān)系數(shù)最高，山農(nóng)15以越冬期最高。表明，可以通過小麥不同時期的NDVI值來間接估測其葉綠素含量。

2.4小麥冠層SPAD值估測模型

建立了泰農(nóng)18和山農(nóng)15 SPAD值與NDVI值的關(guān)系模型，見表4，結(jié)果顯示各估測模型的擬合度均較高，泰農(nóng)18各模型的擬合度多高于山農(nóng)15。泰農(nóng)18越冬期、返青期、起身期擬合度最好的函數(shù)關(guān)系模型分別是對數(shù)方程y=10.399ln（x）+72.245、乘冪方程y=75.056x0.2667和乘冪方程y=68.585x0.5841，其中起身期的估測模型最佳，R2達(dá)0.8244。山農(nóng)15越冬期、返青期、起身期擬合度最好的函數(shù)關(guān)系模型分別是多項(xiàng)式方程y=124.4x2+23.212x+44.973、多項(xiàng)式方程y=-76.006x2+83.432x+38.999和乘冪方程y=70.265x0.9766，其中越冬期估測模型最佳，R2為0.7658。可見，可以通過模擬模型，利用NDVI值比較簡單、快速地估測出作物葉片的SPAD值。

3討論與結(jié)論

本研究結(jié)果表明，小麥冠層NDVI值與SPAD值極顯著相關(guān)，泰農(nóng)18 SPAD值估測最佳模型為y=68.585x0.5841，R2為0.8244，估測最佳時期為起身期；山農(nóng)15小麥冠層SPAD值估測最佳模型為y=124.4x2+23.212x+44.973，R2為0.7658，估測最佳時期為越冬期，這與夏天等[13]、鄭飛等[14]的研究成果相一致。本研究所提出的利用ADC多光譜相機(jī)估測小麥冠層葉綠素含量的方法，對小麥科學(xué)栽培與管理有積極意義。

本研究僅提出了適合泰農(nóng)18與山農(nóng)15兩品種三個生育時期的SPAD值估測模型，還需進(jìn)一步研究其他小麥品種及其他時期的SPAD值估測方法，以探索具有普適性的小麥葉綠素估測及營養(yǎng)診斷方法。

參考文獻(xiàn)：

[1]

唐延林，王人潮，張金恒，等. 高光譜與葉綠素計(jì)快速測定大麥氮素營養(yǎng)狀況研究[J]. 麥類作物學(xué)報，2003，23 （1）：63-66.

[2]李民贊. 光譜分析技術(shù)及其應(yīng)用[M].北京：科學(xué)出版社，2006.

[3]商兆堂，吳建中，蔣名淑，等.小麥長勢對產(chǎn)量和品質(zhì)的影響[J]. 安徽農(nóng)業(yè)科學(xué)，2007，35（28）：8826-8829.

[4]孫海燕，楊靖，李友勇. 小麥營養(yǎng)品質(zhì)現(xiàn)狀及改良研究進(jìn)展[J]. 現(xiàn)代農(nóng)業(yè)科技，2015（16）：27-28.

[5]朱新開，盛海君，顧晶，等.應(yīng)用SPAD值預(yù)測小麥葉片葉綠素和氮含量的初步研究[J].麥類作物學(xué)報，2005，25（2）：46-50.

[6]張喜杰，李民贊.基于反射光譜的溫室黃瓜葉片磷素含量分析與預(yù)測[J].光譜與光譜分析，2008，28（10）：2404-2408.

[7]田永超，朱艷，姚霞，等.基于光譜信息的作物氮素營養(yǎng)無損監(jiān)測技術(shù)[J].生態(tài)學(xué)雜志，2007，26（9）：1454-1463.

[8]Zarco-Tejada P J，Berni J A J，Suarez L， et al. Imaging chlorophyll fluorescence with an airborne narrow - band multispectral camera for vegetation stress detection [J]. Remote Sensing of Environment，2009，113（6）：1262-1275.

[9]吳迪，朱登勝，何勇，等.基于地面多光譜成像技術(shù)的茄子灰霉病無損檢測研究[J].光譜學(xué)與光譜分析，2008，28（7）：1496-1500.

[10]任紅艷，潘劍君，張佳寶.不同施氮水平下的小麥冠層光譜特征及產(chǎn)量分析[J].土壤通報， 2005，36（1）：26-29.

[11]江東，王乃斌，楊小喚，等. NDVI曲線與農(nóng)作物長勢的時序互動規(guī)律[J].生態(tài)學(xué)報， 2002， 22（2）：247-253.

[12]丁永軍，李民贊，孫紅，等.基于多光譜圖像技術(shù)的番茄營養(yǎng)素診斷模型[J].農(nóng)業(yè)工程學(xué)報，2012，28（8）：175-180.

[13]夏天，吳文斌，周清波，等.不同地域冬小麥葉片SPAD高光譜估算研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2014，35（4）：49-57.

[14]鄭飛，岳俊芹，邵運(yùn)輝，等.不同弱春性小麥品種NDVI與SPAD之間的相關(guān)性[J].麥類作物學(xué)報，2008，28（2）：291-294.