不同時期香梨葉片鐵元素含量高光譜估算模型

李 園，王振錫*，劉玉霞，李 擎，丁 雅，王雅佩，劉夢婷

(1.新疆農業(yè)大學林學與園藝學院，新疆 烏魯木齊 830052; 2.新疆教育廳干旱區(qū)林業(yè)生態(tài)與產業(yè)技術重點實驗室，新疆 烏魯木齊 830052)

【研究意義】鐵(Fe)是植物微量元素中需求量最大的元素，其含量與植物葉綠素合成、光合作用等密切相關，是影響植物生長發(fā)育和果實品質的重要指標[1-3]。準確、高效的估測植物鐵(Fe)元素含量能夠為植物缺素診斷提供依據(jù)[4]?！厩叭搜芯窟M展】近年來，光譜技術在植被農學參數(shù)估測方面的研究日益增多[5-8]。針對植物鐵元素含量的測定，傳統(tǒng)測定方法費時耗力、有破壞性且不能及時有效的指導缺素施肥問題，而使用光譜手段實時、無損的估測植物葉片鐵(Fe)元素含量成為必然趨勢[9-10]。胡珍珠等利用不同生育時期的新溫185號(Juglansregia‘Xinwen185’)核桃光譜特征參量與葉片氮素含量進行相關分析，相關系數(shù)高達0.960[11]；邢東興等利用紅富士蘋果(MaluspumilaMill.)的特征波長與葉片全氮、全磷、全鉀建立估測模型R2均在0.800以上[12]；柴仲平等利用庫爾勒香梨(PyrusbrestschneideriRehd.)葉片一階微分光譜630 nm處與全鉀含量構建回歸模型，決定系數(shù)達0.986[13]。Fernandez等研究發(fā)現(xiàn)660和545 nm 2波段的線性組合可以有效的估測小麥(TriticumaestivumlL.)的氮素含量[14]。由此可見，國內外學者對植物大量元素光譜估算的研究較為普遍，而在植物微量元素——鐵(Fe)含量的光譜反演研究較少[15]，但有研究表明植物光譜對微量元素的響應與大量元素具有相似性[16-18]。因此，利用光譜估測植物鐵(Fe)元素含量具有一定的可行性。邢東興等開展了光譜與紅富士蘋果葉片微量元素含量的相關分析，發(fā)現(xiàn)四點差分的一階微分光譜與鐵(Fe)元素含量具有較強的相關性，構建的偏最小二乘回歸模型R2達到了0.860[19]。胡珍珠等利用一階微分光譜與輪臺小白杏(Armeniacavulgariscv. Luntaibaixing)葉片鐵(Fe)濃度建立估測模型，在小白杏果實硬核期，模型擬合度高達0.930[20]。以上研究在估測果樹葉片鐵元素含量方面都取得了較好的效果。另外，在光譜數(shù)據(jù)處理方面前人也開展了大量的研究[21-22]，譚昌偉等使用水稻(OryzasativaL.)光譜歸一化和氮素含量建立估測模型取得了較好的效果[23]；孫雪梅等進行水稻氮素、葉綠素、類胡蘿卜素含量光譜反演時，發(fā)現(xiàn)光譜參數(shù)(比值SR、歸一化ND、差值SD)變換方式能夠很大程度的提高反演模型的擬合度[24]。說明使用兩兩波段組合的光譜處理方法能夠有效提高模型的估測精度?！颈狙芯壳腥朦c】庫爾勒香梨是新疆特色林果的知名品牌，其果實香甜，皮薄質脆，主要分布在庫爾勒市周邊、阿克蘇地區(qū)等[25-27]。近年來，香梨缺鐵導致的黃化病在其主產區(qū)普遍發(fā)生，當香梨缺乏鐵元素時，不僅使產量降低，而且出現(xiàn)果實變小、風味下降、酸度增高、營養(yǎng)成分降低等問題，嚴重影響果實品質[1]。因此，開展實時、快速、高效估測香梨鐵元素含量方法的研究顯得尤為重要?！緮M解決的關鍵問題】以庫爾勒香梨為研究對象，通過不同時期香梨葉片光譜與鐵元素含量的相關分析，構建基于光譜兩兩波段組合的香梨葉片鐵(Fe)元素含量估測模型。以期為庫爾勒香梨樹體鐵元素含量的營養(yǎng)診斷乃至衛(wèi)星遙感水平植被元素含量估測提供技術支撐。

1 材料與方法

1.1 實驗材料

試驗于2016年6-9月在新疆阿克蘇市紅旗坡農場(地理坐標N41°17′56.42″～N41°18′5616″、E80°20′23″～E80°20′56.16″，海拔1215 m)。實驗對象為區(qū)域主栽果樹——庫爾勒香梨，在紅旗坡農場隨機選取8個生長狀況良好，處于盛果期的香梨生產園。每個生產園隨機選取8棵樣株，在每棵樣株樹冠中部的陰面、中間、陽面3個位置方向上，選取3片大小、顏色相近的成熟葉片，作為一組葉樣。共選取64棵樣株，192組葉樣。將摘下的鮮葉樣本立即置于自封袋內，密封、編號、記錄，迅速帶回實驗室進行葉片光譜和鐵元素含量的測定。

1.2 光譜數(shù)據(jù)

葉片光譜測定選用ASD FieldSpec4便攜式野外地物光譜儀，光譜范圍在350～2500 nm。其中在350～1000 nm的采樣間隔為1.4 nm，在1001～2500 nm采樣間隔為2 nm。利用儀器自帶的植物探頭以及葉片夾進行葉片光譜測定。初次測定數(shù)據(jù)時，需要對儀器進行標準白板校正，之后每隔30 min再次進行白板校正。將待測葉片擦拭干凈，測量時避開主葉脈，每個樣葉測定2個光譜點，每個光譜點采集5個數(shù)據(jù)，將采集的光譜數(shù)據(jù)平均值作為該點的葉片光譜反射率。去除異常樣本后，6-9月的總樣本數(shù)為176個，隨機篩選30個檢驗樣本，建模樣本為146個。

1.3 Fe含量的測定

將每個樣點的3片樣葉烘干、粉碎、混勻，使用原子吸收光譜法測定Fe含量。

1.4 光譜數(shù)據(jù)變換方式

對采集的香梨葉片原始光譜數(shù)據(jù)(R)進行以下4種變換。

一階微分變換。

d(R)=[(R3-R1)/Δλ,(R4-R2)/Δλ...(Rn-Rn-2)/Δλ]

(1)

比值組合。

SR(Rλ1,Rλ2)=Rλ1/Rλ2

(2)

歸一化組合。

ND(Rλ1,Rλ2)=(Rλ1-Rλ2)/(Rλ1+Rλ2)

(3)

差值組合。

SD(Rλ1,Rλ2)=Rλ1-Rλ2

(4)

1.5 數(shù)據(jù)分析與處理

通過光譜處理軟件View Spec Pro對測定的葉片光譜反射率數(shù)據(jù)進行預處理，借助MATLAB 2012a將350～2500 nm波段范圍內任意2個波段進行SR、ND、SD組合，分析葉片光譜與鐵元素含量的相關關系，在SPSS系統(tǒng)下進行建模分析。

2 結果與分析

2.1 不同時期香梨葉片光譜變化特征

根據(jù) 2016年6-9月測定的香梨葉片光譜數(shù)據(jù)(圖1)，6-9月4個時期香梨葉片平均光譜曲線的總體變化趨勢基本一致，符合綠色健康植物的光譜曲線特征，但不同時期的吸收、反射光譜波段也有著些許差異。6月香梨葉片平均光譜反射率在可見光波段(400～700 nm)、近紅外波段(700～1300 nm)、中紅外波段(1300～2500 nm)范圍內均低于其他時期，而這一范圍內7月光譜反射率最高，8月和9月的香梨葉片光譜反射率隨時間的推移表現(xiàn)出逐漸下降的趨勢。

圖1 不同時期香梨葉片光譜特征曲線Fig.1 The spectral characteristic curve of Pyrus brestschneideri Rehd leaves in different periods

2.2 香梨葉片F(xiàn)e含量與葉片光譜反射率及其一階微分的相關性分析

由圖2可知，不同時期香梨葉片光譜、一階微分光譜與鐵元素含量均具有一定的相關性，香梨葉片原始光譜反射率與鐵元素含量的相關性整體上比較弱，最高相關系數(shù)絕對值在0.400～0.700，而6-9月一階微分光譜相關曲線較高峰值介于0.500～0.800。4個時期香梨葉片原始光譜相關曲線變化比較平穩(wěn)，最大相關系數(shù)出現(xiàn)在7月，達到了0.700左右，其次是6月和9月的最大相關系數(shù)接近0.600，8月相關關系最弱，相關系數(shù)都在0.500以下。而一階微分光譜相關曲線波動性較大，4個時期的最大相關系數(shù)絕對值均在0.700左右。表明一階微分光譜變換后能夠提高與鐵素含量的相關性。因此，篩選相關性曲線較大峰值處波長作為香梨葉片光譜、一階微分光譜的敏感指示波長(表1)。

2.3 香梨葉片F(xiàn)e含量與葉片光譜兩兩組合變換的相關性分析

與單一波段相比，植物葉片光譜組合在估測植物農學參數(shù)方面有較好的效果[28-30]。在全波譜范圍內將不同時期香梨葉片光譜任意兩個波段進行比值(SR)、歸一化(ND)、差值(SD)處理，分別與對應的葉片F(xiàn)e素含量建立定量關系，繪制決定系數(shù)等勢圖(圖3)。如圖3所示，決定系數(shù)等勢圖顏色的變化體現(xiàn)了決定系數(shù)的變化，顏色越深，決定系數(shù)絕對值越大。不同時期的SR、ND和SD組合與Fe含量的相關性存在一定差異，相同時期的SR、ND組合與Fe含量的決定系數(shù)圖顏色變化差異較小，而SD組合的差異較大。從圖3可以發(fā)現(xiàn)，不同時期的SR、ND和SD組合與Fe含量的決定系數(shù)在(R950～1350，R950～1350)、(R1770～1850，R1770～1850)等區(qū)域的顏色均較深，且決定系數(shù)絕對值都在0.600以上。8月兩兩組合光譜的決定系數(shù)圖整體顏色最淺，但決定系數(shù)最高達0.760；其次6月和7月最高決定系數(shù)在0.730～0.750；而9月決定系數(shù)最小，僅為0.670。由此，篩選不同時期決定系數(shù)圖中顏色較深的SR、ND和SD波段組合作為Fe素含量的敏感指示波長(表2)。

圖2 不同時期的香梨葉片光譜反射率及一階微分與香梨Fe含量的相關關系Fig.2 The correlation of the Fe content and blade spectral reflectance and its first-order trace in different periods

表1 不同時期香梨葉片光譜反射率、一階微分光譜的敏感波段Table 1 The blade spectral reflectance in different periods, the sensitive wave bands of first-order trace

2.4 香梨葉片光譜與Fe含量的高光譜估算模型

以表1和表2中香梨葉片光譜反射率、一階微分光譜、SR、ND、SD波段組合為自變量，香梨葉片F(xiàn)e含量為因變量，進行逐步回歸分析構建模型(表3)。從表3可以看出，不同時期香梨葉片原始光譜反射率模型的R2值較低(R2<0.500)，而一階微分光譜、SR、ND、SD組合模型的R2值均高于原始光譜模型(R2>0.500)。除6月和9月一階微分光譜模型外，其余模型均達到了顯著或極顯著水平(P< 0.05或P< 0.01)。從建模光譜參量來看，不同時期SR、ND、SD組合的模型擬合度基本都高于葉片原始光譜和一階微分光譜。其中，6月SR組合R2最高，達0.760；8月SR組合、9月SD組合R2比較接近，分別為0.680、0.660；而7月最低，ND組合R2也達到了0.550。由此，利用不同時期香梨葉片全波段光譜兩兩組合(SR、ND、SD)的光譜參量篩選方式進行香梨葉片F(xiàn)e含量估算能夠取得較好的擬合效果。

2.5 不同月份香梨Fe含量反演精度評價

為進一步檢驗上述模型的實用性，隨機選取30個檢驗樣本進行模型檢驗。針對不同時期模型擬合度R2最高(6月SR組合、7月ND組合、8月SR組合、9月SD組合模型)，且達到顯著性水平的模型進行精度檢驗，以不同時期各組合的實測值作為自變量、估計值作為因變量進行檢驗，得表4。以實測值與估測值的模型擬合度R2為主要依據(jù)，并結合實測與估測總平均差、均方根誤差和相對均方根誤差對回歸模型進行評價。從表4可知，不同時期的香梨葉片F(xiàn)e含量的估測模型達到了極顯著水平(P<0.01)，SR、ND、SD組合可以有效的估測香梨鐵元素含量。經比較，不同時期的兩兩光譜組合實測值與估測值的模型擬合度R2均在0.662以上。其中6月SR組合和9月SD組合檢驗精度最高，且6月SR組合的實測值與估測值模型擬合度最佳，R2為0.855。表4可以看出不同時期的香梨葉片鐵元素實測與估測的總平均差、均方根誤差、相對均方根誤差的具有一定的差異性，其中6月SR組合的實測與估測總平均值最為接近，誤差僅為-1.748，7月和8月的實測與估測總平均值次之，但9月的實測和估測總平均值差波動較大；均方根誤差6月最低，僅為54.001，9月次之，7月和8月均方根誤差較大；相對均方根誤差越小表明模型預測效果越好，不同時期的相對均方根誤差均在0.280以下。由此說明，不同時期的兩兩波段光譜組合估測精度相對較高，其中6月SR組合最佳。

3 討 論

鐵元素含量是影響香梨果實生長發(fā)育的重要因素，鐵元素的缺失會造成香梨葉片活性鐵、葉綠素含量下降，導致葉黃化[1]。本文根據(jù)不同時期的香梨葉片光譜反射率、鐵元素含量等指標，研究不同時期的香梨葉片光譜反射率與鐵元素含量的變化規(guī)律，分析香梨葉片光譜特征與鐵元素含量的相關關系，在篩選鐵元素敏感波段的基礎上，建立基于香梨葉片光譜反射率、一階微分光譜、兩兩組合的光譜參數(shù)與鐵元素含量的回歸估測模型，為后期估測鐵元素含量和評價果實品質提供技術指導。

植物葉片光譜反射率可以反映植物生長發(fā)育的綜合信息。大多數(shù)植物的葉片光譜變化規(guī)律總體上都符合健康綠色植被的光譜特征。植被光譜反射率變化主要受到葉片結構、化學成分、色素含量等多種因素的影響，由于植物生長發(fā)育所處的階段不同，植被光譜曲線也有著相應的響應。在4個時期中6月香梨葉片平均光譜反射率在可見光波段、近紅外波段、中紅外波段范圍內均低于其他時期，7-9月隨著時間的推移表現(xiàn)出逐漸下降的趨勢。這可能與香梨在6-9月處于營養(yǎng)生長過渡到生殖生長的時期，葉片結構、組成等發(fā)生變化所造成。有研究表明香梨葉片在營養(yǎng)生長和生殖生長的過渡階段養(yǎng)分競爭十分激烈，黃化病的發(fā)生情況也尤為嚴重[1]，6月香梨葉片平均光譜反射率較低可能與這種葉片化學組分的強變化有關。此外，李敏夏等在分析7-9月蘋果葉片光譜曲線時發(fā)現(xiàn)，隨著時間的推移蘋果光譜曲線也表現(xiàn)為逐漸降低的趨勢[32]，同樣時期內香梨葉片光譜變化也具有類似的變化規(guī)律，在一定程度上說明果樹在7-9月的生殖生長時期由于葉片內部組分等的變化導致葉片光譜反射率有所降低。

圖3 香梨葉片光譜兩兩組合光譜參數(shù)與Fe含量決定系數(shù)等勢圖Fig.3 The equipotential of the leaf blade spectral of pairwise exchange and decisive coefficient of Fe content of Pyrus brestschneideri Rehd.

表2 不同時期香梨SR、ND、SD組合的敏感波段Table 2 The sensitive wave bands of the combination of Pyrus brestschneideri Rehd. SR, ND, SD

表3 光譜參數(shù)與香梨Fe含量的回歸關系Table 3 The regression relation of the spectral parameters and the Fe content of Pyrus brestschneideri Rehd

注：**在0.01水平上極顯著相關(P<0.01):*在0.05水平上顯著相關(P<0.05)，下同。

表4 不同時期香梨Fe含量的實際值和估測值統(tǒng)計結果Table 4 The actual numerical of the Fe content of Pyrus brestschneideri Rehd. and estimated numerical

在植被葉片光譜敏感波段選擇方面，大量研究結果[19，31]表明一階微分光譜變化方式能夠增強其與反演元素的相關關系，本文中香梨葉片一階微分光譜與鐵元素的相關性也明顯高于原始光譜反射率。盡管一階微分轉換能夠減弱噪聲影響而增強目標光譜，這種單一波段的光譜反射率難以全面、準確估測香梨葉片鐵素含量狀況。為全面的篩選香梨鐵元素含量高度敏感的光譜參數(shù)，本文在全波段350～2500 nm范圍內篩選比值(ND)、歸一化(SD)、差值(SR)光譜組合，結果表明兩兩波段組合進一步提高了其與鐵元素的相關性。這種方式不僅拓寬了光譜指數(shù)的研究范圍，而且通過消除波段間的共性因素，大大提高了與鐵元素的相關關系。宮兆寧等[34]、黃山等[35]、姚霞等[36]對通過光譜組合參數(shù)構建的植物葉片葉綠素、大豆冠層葉綠素、小麥葉片氮含量估測模型都取得了較好的擬合效果，也說明了比值、歸一化組合與植被農學參數(shù)的定量反演精度明顯優(yōu)于單一波段的估測精度[37]。本研究中利用SR、ND和SD波段組合構建的香梨葉片鐵元素估測模型的獨立樣本檢驗也表現(xiàn)出良好的擬合關系，其中6月SR組合預測R2達到了0.85，顯示出利用光譜數(shù)據(jù)估測香梨葉片鐵元素含量的巨大潛力。但從均方根誤差指標來看，取值有些偏大，說明構建模型在不同區(qū)域的預報水平存在著較大的差異，由于采樣范圍相對較小，仍然需要通過大量不同采樣區(qū)域的檢驗和完善，以提高其實用性。

4 結 論

庫爾勒香梨在不同生長發(fā)育階段葉片微量元素鐵元素存在高度敏感的光譜指示波段和波段組合，利用SR、ND、SD等兩兩波段組合參量反演葉片F(xiàn)e含量具有可行性。