不同玉米品種葉片SPAD值估測模型的構建及其差異性研究

高　鑫，高聚林，于曉芳，王志剛，張寶林，胡樹平，謝　岷，孫繼穎，羅瑞林，于　博，呂?；?/p>

(1 內蒙古農業(yè)大學 農學院，內蒙古 呼和浩特 010019；2 內蒙古師范大學 化學與環(huán)境科學學院，內蒙古 呼和浩特 010022；3 包頭市農業(yè)科學研究所，內蒙古 包頭 014030)

?

不同玉米品種葉片SPAD值估測模型的構建及其差異性研究

高鑫1，高聚林1，于曉芳1，王志剛1，張寶林2，胡樹平1，謝岷1，孫繼穎1，羅瑞林2，于博1，呂?；?

(1 內蒙古農業(yè)大學 農學院，內蒙古 呼和浩特 010019；2 內蒙古師范大學 化學與環(huán)境科學學院，內蒙古 呼和浩特 010022；3 包頭市農業(yè)科學研究所，內蒙古 包頭 014030)

【目的】 探究玉米葉片SPAD值與其高光譜特征之間的品種差異，構建不同玉米品種葉片SPAD值估測模型，并對模型應用范圍進行驗證。【方法】 通過大田試驗，測定多個玉米品種葉片的SPAD值及其高光譜數據，利用相關分析及逐步回歸分析等方法，構建和篩選玉米葉片SPAD值與相關光譜參數的回歸模型，并利用偏差率對模型精度進行檢驗?！窘Y果】 不同玉米品種葉片的SPAD值與其高光譜反射率及一階導數的相關波段存在差異，但品種間差異較小，關系最密切的波段均處于560和700 nm附近。對不同玉米品種的光譜反射率一階導數進行比較時，出現“紅移”現象，“紅移”規(guī)律與各品種葉片SPAD值大小表現一致；葉片SPAD值與光譜反射率一階導數的顯著相關波段在510，615，690和740 nm附近。在構建估測模型時，以單波段光譜參數構建的模型估測效果較組合波段構建的模型好，且模型類型為多元方程和指數方程。以單一玉米品種葉片光譜參數建立的模型可以對其他玉米品種葉片的SPAD值進行估測，但估測精度在不同品種間存在差異?！窘Y論】 以高光譜560 nm附近波段反射率建立的模型精度最高，對不同品種的玉米葉片SPAD預測值偏差率普遍小于5.00%。

玉米葉片；SPAD值；高光譜估測模型；品種差異

SPAD值是SPAD-502葉綠素儀測量值，是作物植株氮素快速診斷的重要指標[1-5]，但SPAD值反映植株氮素水平只限于個體，不能有效地表達整個群體的氮素水平，而高光譜遙感技術的快速發(fā)展，為實現植株群體氮素監(jiān)測提供了可能。冠層高光譜能夠快速、無損地反映植株群體氮素水平，已被廣泛應用于多種作物[6-10]。但冠層高光譜易受到土壤、草等外界環(huán)境的干擾，從而影響其精準度[11]。葉片高光譜技術直接針對葉片，可以避免外界環(huán)境的干擾，具有更高的精準度。因此，將SPAD值與葉片高光譜相結合，為進一步實現植株個體與群體的統一、提高氮素監(jiān)測精度奠定了基礎，很多學者對此進行了大量研究。楊海清等[12]研究表明，植物SPAD值與高光譜敏感的波段為683～783 nm，根據光譜反射率可以建立SPAD值預測模型。朱西存等[13]利用高光譜紅邊位置λr建立了2種蘋果葉片SPAD值的估測模型，精度分別達94.2%和96.7%。李敏夏等[14]對2個蘋果品種進行研究，認為品種間SPAD值與光譜反射率存在差異，并利用光譜 653～694 nm反射率的平均一階微分值建立了蘋果葉片SPAD值的預測模型，決定系數達0.781 8。裘正軍等[15]利用684 nm處一階微分光譜建立了線性回歸模型，對油菜葉片SPAD值的預測相關系數達到 0.801。陳志強等[16]認為，以一階導數為光譜參數構建的預測模型效果不穩(wěn)定；以葉綠素指數LCI (R550、R680附近)和差值光譜指數DSI(R680、R710附近)構建的預測模型效果良好，能有效預測玉米葉片SPAD值。但上述研究對品種差異考慮較少，對估測模型是否能夠應用于其他品種、應用效果如何并未做深入探討?；诖耍驹囼瀸Σ煌衩灼贩N葉片的高光譜特征與SPAD值的關系進行了分析，構建不同玉米品種葉片SPAD值估測模型，同時驗證模型在其他玉米品種中的應用效果，以期為遙感技術在玉米氮素監(jiān)測中的應用提供理論參考。

1　材料與方法

1.1試驗設計

試驗布設于包頭市土默特右旗門頭溝鎮(zhèn)北只圖村，地處北緯40°55′，東經110°52′。試驗選用當地主栽玉米品種6個：金創(chuàng)998(JC998)、先玉335(XY335)、鄭單958(ZD958)、KX3564、大民3307(DM3307)和金創(chuàng)3號(JC3)。試驗采用機械條播，種植密度82 500株/hm2，行距50 cm，小區(qū)面積480 m2，每品種3次重復。施肥量為純N 300 kg/hm2，以3∶7的質量比分別于拔節(jié)期、大喇叭口期追施；P2O5、K2O用量分別為105和45 kg/hm2，播種時一次性施入。玉米生長期內分別在拔節(jié)期、大喇叭口期和灌漿期灌水3次。其他管理同一般生產田。

1.2數據采集

試驗設計在玉米吐絲期及其后每隔7 d測定1次相關數據，但由于天氣因素無法保證正常進行，故以實際測定時間為準，分別為吐絲期及吐絲后8，15，22，31和40 d。

1.2.1葉片SPAD值采用SPAD-502葉綠素儀(日本美能達公司生產)測定玉米葉片SPAD值，其工作原理是通過測量葉片在2種波長(650 nm 和940 nm)下光學濃度差的方式來確定葉片當前葉綠素的相對數量。2013年試驗期間，每品種選取并標記代表性植株5株，將植株葉片分為上、中、下3部分，分別取上部葉中間葉片(上位葉)、穗位葉、下部葉中間葉片(下位葉)進行測定，每片葉均勻測定10個點，取平均值記為SPAD實測值。

1.2.2葉片高光譜數據采用美國Spectra Vista公司生產的HR 1024型地物光譜儀采集高光譜數據。該儀器自帶人工光源手持型葉片光譜探頭，可直接進行活體夾葉測定，其光譜波段為350～2 500 nm，其中350～1 000 nm分辨率≤3.5 nm，采樣間隔≤1.5 nm；1 000～1 850 nm分辨率≤9.5 nm，采樣間隔≤3.6 nm；1 850～2 500 nm分辨率≤6.5 nm，采樣間隔≤2.5 nm。測定時，每測1株，利用鏡頭自帶白板進行光譜校準一次。測定葉片與SPAD值測定葉片相同，每葉片測定3次。

1.3計算公式

利用葉片光譜反射率(R)及其光譜反射率一階導數(R′)，計算歸一化差值光譜指數(NDSI)、比值光譜指數(RSI)和差值光譜指數(DSI)。反射率一階導數及各指數計算公式如下：

Rλ′=(Rλ+1-Rλ-1)/(λi+1-λi-1)；

NDSI(λ1,λ2)= (Rλ1-Rλ2)/(Rλ1+Rλ2)[17]；

RSI(λ1,λ2)=Rλ2/Rλ1[18]；

DSI(λ1,λ2)=Rλ1-Rλ2[19]。

式中：λ表示某一波長，Rλ表示在波長λ處的光譜反射率，Rλ′表示在波長λ處光譜反射率的一階導數。對光譜反射率一階導數(R′)進行指數計算，公式同上。

對葉片SPAD值與計算的光譜參數進行相關分析及逐步回歸分析，選取擬合度最好(R2值最大)的回歸方程作為玉米葉片SPAD值的預測模型，同時將相應的光譜參數帶入方程，計算葉片SPAD值，利用偏差率對模型精度進行檢驗，其公式為：

D=(P預測值-P實測值)/P實測值×100%[20]；

AD(δ)=∑|D|/n。

式中：D表示偏差率，P表示玉米理化指標，AD表示平均偏差率，δ表示相對誤差，|D|表示偏差率的絕對值，n表示指標個數。

1.4數據分析

采用Excel 2003和SPSS 17.0對數據進行整理、統計和分析，使用SigmaPlot12.0對計算結果繪圖。

2　結果與分析

2.1吐絲期后不同玉米品種不同層位葉片SPAD值的變化

如圖1所示，在吐絲期后40 d中，不同層位葉片SPAD值的變化趨勢較為相似，尤以穗位葉表現最為明顯，呈拋物線下降趨勢，但品種間葉片SPAD值差異較大。對不同玉米品種各時間段葉片的SPAD值進行綜合平均計算，6個玉米品種的平均SPAD值存在差異，SPAD平均值表現為 KX3564(59.1)>先玉335(58.7)>大民3307(58.6)>金創(chuàng)3號(56.2)>鄭單958(55.8)>金創(chuàng)998(52.9)。

圖 1　吐絲期后不同玉米品種葉片SPAD值的變化Fig.1　Change of SPAD values of different maize varieties after pollination

2.2吐絲期后不同玉米品種葉片的高光譜特征

對不同玉米品種不同層位葉片的光譜反射率及其一階導數進行平均計算，結果見圖2。由圖2可以看出，不同品種玉米葉片的光譜反射率響應曲線變化規(guī)律表現一致，但由于不同玉米品種葉片的組織結構與元素含量的差異，導致不同品種葉片響應曲線的波峰及波谷處的反射率大小有所不同。在光譜波段520～580，780～1 210 nm反射率差異較大，在波段520～580 nm處的表現為金創(chuàng)998>金創(chuàng)3號>鄭單958>大民3307>先玉335>KX3564，與6個玉米品種葉片平均SPAD值的表現大致相反。通過對不同品種葉片光譜反射率進行一階導數運算，其最大波峰范圍在690～760 nm，“紅邊”位置均出現在721 nm處，但從不同品種一階導數曲線位置變化來看，這一波段范圍出現“紅移”現象，且“紅移”的變化規(guī)律與6個玉米品種葉片平均SPAD值的表現一致。

圖 2　不同玉米品種葉片光譜反射率(A)及其一階導數(B)Fig.2　Leaf spectral reflectance (A) and its first derivation (B) of different maize varieties

2.3玉米葉片SPAD值與其光譜特征的相關分析

利用吐絲期后不同玉米品種不同層位葉片的SPAD值與葉片光譜反射率及其一階導數進行相關分析，結果見圖3。由圖3-A可以看出，除個別波段外，不同玉米品種之間SPAD值與光譜反射率的相關系數曲線整體變化趨勢較為相似，且為負相關，葉片光譜反射率與SPAD值相關系數最大的波段在560和700 nm附近。葉片SPAD值與光譜反射率一階導數的相關系數的實際曲線比較繁雜，因此采用處理后的平滑曲線觀察其規(guī)律變化，再結合實際曲線進行分析。結果(圖3-B)表明，不同玉米品種葉片SPAD值與光譜反射率一階導數的相關系數的平滑曲線表現形式差異較大，但在350～780 nm具有較高的一致性，且多數玉米品種在這一波段的相關系數達到顯著。通過上述分析，選出不同品種玉米葉片SPAD值與葉片高光譜反射率及其一階導數相關系數較大的波段，詳見表1。

圖 3　不同品種玉米葉片SPAD值與光譜反射率(A)及其一階導數的相關系數(B)Fig.3　Leaf SPAD value spectral reflectance rate (A) and its correlation coefficient of the first derivative (B) of different maize varieties

2.4不同玉米品種葉片SPAD值估測方程的構建

從表1 中選取各玉米品種反射率對應的2個波段和一階導數波段范圍較近的2個波段，參照光譜指數運算公式，計算光譜參數歸一化差值光譜指數(NDSI)、比值光譜指數(RSI)、差值光譜指數(DSI)，并與SPAD值進行相關分析，最終選出相關系數最大的單波段或組合波段光譜參數，進行線性和非線性回歸模擬(回歸方程中y表示玉米葉片SPAD估測值，x表示光譜參數值)。結果(表2)顯示，以一元二次方程和指數方程的模擬效果較好，二者的R2值(決定系數)非常接近。不同玉米品種所對應的高光譜參數的最適模型類型有所差異，表2中為以高光譜參數構建的各玉米品種葉片SPAD值的最佳估測模型。

表 1　不同品種玉米葉片SPAD值與光譜反射率及其一階導數相關性較高的波段Table 1　Leaf SPAD value spectral reflectance rate and the bands with high correlation with the first derivative of different maize varieties

表 2　不同玉米品種葉片SPAD值的估測方程Table 2　Estimation equations of leaf SPAD values for different maize varieties

注：公式中y表示SPAD值的估測值；x表示光譜參數值,其中各波段光譜反射率與一階導數值為百分數數值。

Note:yindicates the estimated SPAD value,xrepresents the value of the spectral parameter.Spectral reflectance rate and each first derivative formula values of waveband are percentages.

2.5不同玉米品種葉片SPAD估測值的偏差率

根據偏差率公式對不同玉米品種的各個估測模型進行偏差率計算，結果見表3和圖4。

表 3　不同玉米品種葉片SPAD估測值的偏差率Table 3　Discrepancy rate of estimated leaf SPAD values of different maize varieties

表 3(續(xù))　Continued table 3

圖 4　不同玉米品種葉片SPAD估測值的偏差率Fig.4　Discrepancy rate of estimated leaf SPAD values of different maize varieties

由表3和圖4可知，由不同光譜參數構建的估測模型對葉片SPAD估測值的偏差率差異明顯，單波段構建模型的精確度和穩(wěn)定性要大于組合波段構建的模型，以波段560 nm附近構建模型的精確度最高。

各玉米品種葉片SPAD估測值的最大正偏差率小于26%，最大負偏差率小于20%；若去除個別偏差率較大的數值，各玉米品種葉片SPAD估測值偏差率在-10%～10%。從偏差率數值(圖4)來看，各品種正偏差率的數目要多于負偏差率，說明葉片SPAD估測值要普遍大于實測值。在進行偏差率比較時發(fā)現：對于同一品種，R2值與平均偏差率對不同光譜參數構建模型精確度的表達效果相同；對于不同品種，R2值大小只能反映以鄰近波段光譜參數構建方程的精確度大小，而平均偏差率則能夠反映各光譜參數構建方程的精確度大小。

2.6不同玉米品種葉片SPAD值估測模型的相互檢驗

利用各玉米品種葉片SPAD值估測模型分別對其他品種葉片SPAD值進行估算，并用平均偏差率來評價估算效果，結果見表4。由表4可知，不同玉米品種之間，葉片SPAD值估測模型是可以相互通用的，但品種間存在差異。其中，以單波段光譜參數構建的模型精確度及穩(wěn)定性較好，對葉片SPAD值估算的平均偏差率無明顯變化；而以組合波段光譜參數構建的模型精確度和穩(wěn)定性則較差，對其他品種葉片SPAD值的估算平均偏差率普遍大于本品種。綜上所述，560 nm附近的單波段光譜反射率能更好地反映葉片SPAD值的變化。

表 4　不同估測模型對各玉米品種葉片SPAD值估測的平均偏差率Table 4　Averaged discrepancy rates by different models of leaf SPAD values of different maize varieties　 %

3　討　論

前人在不同氮梯度條件下，利用單一品種鄭單958在整個生育時期的光譜參數構建了玉米葉片SPAD值估測模型，認為以組合波段光譜參數所構建的模型精度較高[16]。本研究的結果則是以單波段反射率所構建模型的精度較高，這種差異是否是由測量目標的先決條件引起的，尚需進一步探究。本研究中各品種模型能夠相互通用，可能是因為構建模型的高光譜參數處于相鄰波段，其光譜反射率基本相同，所以達到的效果也基本一致。由此作者以為，對于玉米葉片SPAD值的估測可以使用統一模型，但如何構建精確度和穩(wěn)定性都較高的統一模型，尚需進一步研究。本試驗采用的是玉米葉片光譜數據，是否適用于冠層光譜，有待于進一步分析。

4　結　論

通過對不同玉米品種葉片SPAD值和高光譜數據的分析，得出以下結論：

1)玉米葉片SPAD值與光譜反射率關系最密切的波段處于560和700 nm附近，與反射率一階導數最敏感的波段出現在350～780 nm。

2)以560 nm附近的單光譜參數建立的玉米葉片SPAD值估測模型精度較高，偏差率基本小于 5.00%。

3)以單一玉米品種光譜參數構建的估測模型，也可以用于其他玉米品種，但估測效果存在差異。

[1]Tumer F T,Jund M F.Assessing the nitrogen requirements of rice crops with a chlorophyll meter [J].Australian Journal of Experimental Agriculture,1994,34:1001-1005.

[2]Chapman S C,Barreto H J.Using a chlorophyll meter to estimate specific leaf nitrogen of tropical maize during vegetative growth [J].Agronomy Joumal,1997,89:557-562.

[3]Cartelat A,Cerovic Z G,Goulas Y,et al.Optically assessed contents of leaf polyphenolics and chlorophyll as indicators of nitrogen deficiency in wheat [J].Field Crops Research,2005,91:35-49.

[4]Lin X Q,Zhou W J,Zhu D F,et al.Effect of SWD irrigation on photosynthesis and grain yield of rice [J].Field Crops Research,2005,94:67-75.

[5]Errecart P M,Agnusdei M G,Lattanzi F A,et al.Leaf nitrogen concentration and chlorophyll meter readings as predictors of tall fescue nitrogen nutrition status [J].Field Crops Research,2012,129:46-58.

[6]Shibayama M,Akiyama T A.Canopy water deficit detection in paddy rice using a high resolution field spectroradiometer [J].Remote Sensing of Environment,1993,45：117-126.

[7]Johnson L F.Nitrogen influence on fresh-leaf NIR spectra [J].Remote Sensing of Enviroment,2001,78(3):314-320.

[8]Ian B S，Elizabeth P，Johanne B B.Impact of nitrogen and environmental conditions on corn as detected by hyperspectral reflectance [J].Remote Sensing of Environment，2002，80:213-224.

[9]易秋香，黃敬峰，王秀珍，等．玉米全氮含量高光譜遙感估算模型研究 [J].農業(yè)工程學報，2006，22(9)：138-143．

Yi Q X,Huang J F,Wang X Z,et al.Hyperspectral remote sensing estimation models for nitrogen contents of maize [J].Transactions of the CSAE,2006,22(9):138-143.

[10]金梁，胡克林，田明明，等．小麥氮素積累動態(tài)的高光譜監(jiān)測 [J].中國農業(yè)科學，2008，41(7)：1937-1946．

Jin L,Hu K L,Tian M M,et al.Monitoring plant nitrogen accumulation dynamics with hyperspectral remote sensing in wheat [J].Scientia Agricultura Sinica,2008,41(7):1937-1946.

[11]唐延林，黃敬峰．農業(yè)高光譜遙感研究的現狀與發(fā)展趨勢 [J].遙感技術與應用，2001，16(4)：248-251．

Tang Y L,Huang J F.Study on hyperspectral remote sensing in agriculture [J].Remote Sensing Technology and Application,2001,16(4):248-251.

[12]楊海清，姚建松，何勇．基于反射光譜技術的植物葉片SPAD值預測建模方法研究 [J].光譜學與光譜分析，2009，29(6)：1607-1610．

Yang H Q,Yao J S,He Y.SPAD prediction of leave based on reflection spectroscopy [J].Spectroscopy and Spectral Analysis,2009,29(6):1607-1610.

[13]朱西存，趙庚星，姜遠茂，等．基于高光譜紅邊參數的不同物候期蘋果葉片的SPAD值估測 [J].紅外，2011，32(12)：31-38．

Zhu X C,Zhao G X,Jiang Y M,et al.Estimation of SPAD value of apple leaf in different phenophase based on hyperspectral red edge parameters [J].Infrared,2011,32(12):31-38.

[14]李敏夏，張林森，李丙智，等．蘋果葉片高光譜特性與葉綠素含量和SPAD 值的關系 [J].西北林學院學報，2010，25(2)：35-39．

Li M X,Zhang L S,Li B Z,et al.Relationship between spectral reflectance feature and their chlorophyll contentrations and SPAD value of apple leaves [J].Journal of Northwest Forestry University,2010,25(2):35-39.

[15]裘正軍，宋海燕，何勇，等．應用SPAD和光譜技術研究油菜生長期間的氮素變化規(guī)律 [J].農業(yè)工程學報，2007，23(7)：150-154．

Qiu Z J,Song H Y,He Y,et al.Variation rules of the nitrogen content of the oilseed rape at growth stage using SPAD and visible-NIR [J].Transactions of the CSAE,2007,23(7):150-154.

[16]陳志強，王磊，白由路，等．整個生育期玉米葉片SPAD高光譜預測模型研究 [J].光譜學與光譜分析，2013，33(10)：2838-2842．

Chen Z Q,Wang L,Bai Y L,et al.Hyperspectral prediction model for maize leaf SPAD in the whole growth period [J].Spectroscopy and Spectral Analysis,2013,33(10):2838-2842.

[17]Miller J R,Hare E W,Wu J.Quantitative characterization of the vegetation red edge reflectance1:An inverted-Gaussian reflectance model [J].International Journal of Remote Sensing,1990,11(10):1755-1773.

[18]Anderson G L,Hanson J D,Hass R H.Evaluating landsat th-ematic mapper derived vegetation indices for estimating above-ground biomass on semisrid rangelands [J].Remote Sensing of Environment,1993,45(2):165-175.

[19]Richardson A J,Wiegand C L.Distinguishing vegetation from soil background information [J].Photogrammetric Engineering and Remote Sensing，1977(43):1541-1552.

[20]周麗麗，馮漢宇，閻忠敏，等．玉米葉片氮含量的高光譜估算及其品種差異 [J].農業(yè)工程學報，2010，26(8)：195-199．

Zhou L L,Feng H Y,Yan Z M,et al.Hyperspectral diagnosis of leaf N concentration of maize and variety difference [J].Transactions of the CSAE,2010,26(8):195-199.

Establishment and differences of high spectral estimation models for leaf SPAD values of different maize species

GAO Xin1,GAO Jülin1,YU Xiaofang1,WANG Zhigang1,ZHANG Baolin2,HU Shuping1,XIE Min1,SUN Jiying1,LUO Ruilin2,YU Bo1,Lü Fuhu3

(1AgriculturalCollege,InnerMongoliaAgriculturalUniversity,Huhhot,InnerMongolia010019,China;2ChemistryandEnvironmentalScienceCollege,InnerMongoliaNormalUniversity,Huhhot,InnerMongolia010022,China;3AgriculturalResearchInstituteofBaotou,Baotou,InnerMongolia014030,China)

【Objective】 This study explored the differences between leaf SPAD values of maize species and the hyper spectral feature,built the estimation models for SPAD values,and verified the application range.【Method】 Through field experiment,this study measured the leaf SPAD values of multiple maize varieties and their hyper spectral data.By using the correlation analysis,stepwise regression analysis and other methods,regression models of SPAD values and related spectral parameters were constructed and screened. The accuracies of models were also tested using deviation rate.【Result】 Leaf SPAD values of different maize varieties were different from high spectral reflectance and the first derivative of relevant band gap,while the differences among varieties were small.The closest relationships located near 560 and 700 nm.When comparing the first derivative of spectral reflectance between varieties,“red shift” phenomenon appeared,which was consistent in size with SPAD values.Leaf SPAD values and first derivative of spectral reflectance were significantly correlated near 510,615,690,and 740 nm.The model constructed by single band spectrum parameter was better than the model by combinational band,and the models were multiple and exponential equations.The built model with leaf spectral parameters of single maize can be used for other varieties with different accuracies.【Conclusion】 The model established with hyper spectral band reflectance near 560 nm had the highest precision,and the deviation rate for predicting leaf SPAD values was generally less than 5.00%.

maize leaf;SPAD value;hyperspectral estimation model;variety difference

時間:2016-09-0709:02DOI：10.13207/j.cnki.jnwafu.2016.10.006

2015-03-20

國家科技部糧食豐產科技工程項目(2011BAD16B13，2012BAD04B04，2013BAD07B04，2011BAD16B14)；國家玉米產業(yè)技術體系項目(CARS-02-63)

高鑫(1985-)，男，黑龍江鶴崗人，博士，主要從事玉米生理生態(tài)研究。E-mail：gxrty2009@126.com

高聚林(1964-)，男，內蒙古鄂爾多斯人，教授，博士，博士生導師，主要從事作物生理生態(tài)及決策系統研究。

E-mail：nmgaojulin@163.com

TP79：S513

A

1671-9387(2016)10-0037-08

網絡出版地址:http://www.cnki.net/kcms/detail/61.1390.S.20160907.0902.012.html