種植密度對玉米冠層高光譜特征的響應(yīng)研究

鄒楠 ，楊文杰 ，肖春華 *，王克如 ，陳兵 ，張國強(qiáng) ，張召星

（1石河子大學(xué)農(nóng)學(xué)院/綠洲生態(tài)農(nóng)業(yè)重點實驗室，新疆 石河子 832003；2中國農(nóng)業(yè)科學(xué)院作物研究所/農(nóng)業(yè)部作物生理生態(tài)重點實驗室，北京 100081；3新疆農(nóng)墾科學(xué)院棉花研究所/農(nóng)業(yè)部西北內(nèi)陸區(qū)棉花生物學(xué)與遺傳育種重點實驗室，新疆 石河子 832003）

種植密度是重要的栽培措施之一，其影響葉面積空間分布。葉面積指數(shù)（leaf area index，LAI）是單位地表面積上植物葉面積的總和[1]，是表征植被冠層結(jié)構(gòu)最基本的參數(shù)之一，是作物水肥調(diào)控、長勢監(jiān)測以及產(chǎn)量評估的重要指標(biāo)[2]。不同地區(qū)由于栽培措施的差異，種植密度不同，采取的水肥管理措施也不一樣。如何快速、準(zhǔn)確判斷作物種植密度，采取精細(xì)的管理措施是實現(xiàn)農(nóng)業(yè)生產(chǎn)節(jié)本增效的途徑。高光譜遙感擁有更多的波段和更高的波譜分辨率，能夠提供精細(xì)化的光譜信息[3-4]，具有簡便快速、非破壞性等優(yōu)點，被廣泛應(yīng)用于作物類型識別、長勢監(jiān)測及生理生化參數(shù)提取的研究中[5-8]。

20世紀(jì) 70年代科學(xué)家已展開了LAI與植被光譜特征的研究，Wiegand等[9]最早研究了玉米、高粱、棉花光譜特征與LAI之間的關(guān)系；Bunnik[10]從應(yīng)用遙感中證實了提取LAI的可能性。隨著高光譜遙感技術(shù)發(fā)展，通過光譜技術(shù)直接對地物進(jìn)行分析，在農(nóng)作物長勢監(jiān)測研究中具有較大優(yōu)勢[11]。唐延林等[12-14]對不同作物光譜特性進(jìn)行了比較，提出棉花紅邊位置、紅邊幅值、紅邊峰值面積（680-760 nm）與LAI有顯著相關(guān)關(guān)系，并且認(rèn)為水稻LAI與垂直植被指數(shù)PVI同歸一化植被指數(shù)NDVI具有很好相關(guān)性。Thenkabail等[15]定性研究得出在500-550 nm、650-700 nm和900-940 nm的反射率可較好的解釋LAI的變異。Hatfield等[16]認(rèn)為比值植被指數(shù)與LAI具有較高的相關(guān)性。李鳳秀[17]構(gòu)建NDVI、RVI、DVI、TSAVI、PVI植被指數(shù)玉米LAI估算模型。高雨茜等[18-19]構(gòu)建了不同環(huán)境下夏玉米的高光譜估算模型。王秀珍等[6]認(rèn)為水稻LAI與群體光譜反射率在可見光波段和740 nm以后的近紅外波段內(nèi)有較好相關(guān)。林卉等[20]利用優(yōu)化土壤調(diào)整植被指數(shù)（optimized soil adjusted vegetation index，OSAVI） 建立小麥LAI值反演模型。楊敏華等[21]用歸一化植被指數(shù)的對數(shù)模型對小麥LAI進(jìn)行了估算。

為了研究不同密度下冠層高光譜與葉面積指數(shù)的相關(guān)關(guān)系，通過分析種植密度、葉面積指數(shù)及冠層高光譜參數(shù)之間的定量關(guān)系，可為實現(xiàn)種植密度的快速、準(zhǔn)確檢測提供理論依據(jù)。

1 材料與方法

1.1 試驗地點

試驗于2015-2016年布置在2個春玉米高產(chǎn)區(qū)，新疆生產(chǎn)建兵團(tuán)第四師71團(tuán)、第六師奇臺農(nóng)場。試驗點基本情況見表1。

表1 試驗點經(jīng)緯度及光熱資源Tab.1 The information of latitude and longitude，light and heat resource in experiment field

1.2 試驗設(shè)計

采用裂區(qū)設(shè)計，品種為主區(qū)，密度為副區(qū)，種植品種為ZD958、KWS3564、XY335。密度處理分別為 6萬株 /hm2（D1）、12 萬株 /hm2（D2）、18 萬株 /hm2（D3），每個處理12行，行長7 m，小區(qū)面積50.4 m2，隨機(jī)區(qū)組排列，重復(fù)3次，采用50 cm+70 cm寬窄行種植。地膜覆蓋于窄行，寬行為機(jī)械中耕、追肥、開溝作業(yè)區(qū)。保苗率控制在95%以上，其他按大田高產(chǎn)栽培管理。

1.3 數(shù)據(jù)采集

高光譜數(shù)據(jù)測定：利用高光譜儀(ASD Fieldspec Pro 2500)進(jìn)行玉米冠層反射光譜數(shù)據(jù)的采集，選擇晴朗無云天氣，北京時間12∶00-16∶00點進(jìn)行測定。選擇生長均勻的樣點，探頭垂直于冠頂上方距冠頂約75cm測定。每個小區(qū)內(nèi)選取5個樣點，每一樣點測定3次，測量前均同步測量參考板的反射進(jìn)行標(biāo)定，每次測定2條光譜曲線，每條光譜曲線掃描時間0.2 s，取測定15次的平均值作為該小區(qū)光譜反射值。

LAI測定：與光譜數(shù)據(jù)采集同步，在小區(qū)內(nèi)選取長勢均勻的5株樣，采用長寬系數(shù)法測定。

上式中，n為第j株玉米的總?cè)~片數(shù)；m為測定株數(shù)；D為玉米種植密度，L為葉長，B為葉寬[22]。

1.4 數(shù)據(jù)處理

用ASD光譜儀自帶軟件(Viewspec Program4.0)計算光譜反射率值，利用 EXCEL2007、SPSS 19.0對所得數(shù)據(jù)進(jìn)行處理分析。

2 結(jié)果與分析

2.1 種植密度與玉米冠層LAI定量關(guān)系分析

通過分析LAI與密度的定量關(guān)系，得出密度與葉面積指數(shù)的相關(guān)關(guān)系。由圖1可見，LAI與密度之間呈現(xiàn)線性的相關(guān)關(guān)系，且R2為0.938**，達(dá)到極顯著水平。

圖1 密度與LAI的相關(guān)性Fig.1 Correlation between density andLAI

2.2 不同密度下玉米冠層光譜與植株LAI相關(guān)性分析

選取不同密度處理下玉米植株冠層光譜與植株LAI，分析玉米LAI與光譜反射率的相關(guān)關(guān)系（圖2）。

圖2 葉面積指數(shù)與光譜相關(guān)性Fig.2 Correlation betweenLAIand spectrum

在 D1密度下，350-532、563-704和 742-1000 nm處玉米LAI與光譜反射率具有極顯著的相關(guān)性，在可見光波段，497與675 nm分別位于2個波谷處，相關(guān)性為0.64，在近紅外波段，935 nm位于波峰處，相關(guān)性為0.63。在D2密度下，720-1158 nm處玉米LAI與光譜反射率具有極顯著的相關(guān)性。在D3密度下，415-672、678-1750 nm處玉米LAI與光譜反射率具有極顯著的相關(guān)性，在可見光波段，551與724 nm分別位于2個波谷處，相關(guān)性為0.57與0.63，在近紅外波段，931 nm位于波谷處，相關(guān)性為0.55。

2.3 不同密度下玉米LAI與特征參數(shù)的相關(guān)性

對相關(guān)性高的波段及其組合的特征參數(shù)與LAI進(jìn)行相關(guān)性分析（表2），選擇的29個光譜參數(shù)中，在 D1密度下，RVI[497，935]與LAI的相關(guān)性最好，為 0.762；在 D2 密度下，DVI[720，936]與LAI的相關(guān)性最好，為 0.691；在 D3密度下，DVI[551，724]與LAI的相關(guān)性最好，為0.648。

表2 玉米葉面積指數(shù)和高光譜參數(shù)間的相關(guān)性Tab.2 The correlation between maizeLAIand hyperspectral parameters

表2 續(xù)

2.4 玉米LAI估算模型

通過表2的相關(guān)性分析，選取相關(guān)性最高的RVI[497，935]、DVI[720，936]、DVI[551，724]參數(shù)與LAI進(jìn)行擬合（表3）。由表3可見，3類估算模型均為非線形模型，即LAI的變化隨著單波段與植被指數(shù)呈曲線變化。6個模型R都達(dá)到0.43以上。其中D1密度下中RVI[497，935]R2最高為 0.67；在 D2密度下中DVI[720，936]R2最高為 0.49；在 D3密度下DVI[551，724]R2最高為 0.65。

表3 LAI擬合模型Tab.3 Regression models for LAI estimation

為驗證LAI估算模型的預(yù)測精度，選取研究區(qū)域2014年的12組樣點進(jìn)行玉米LAI估算，利用實地觀測的LAI值進(jìn)行對比分析，計算決定系數(shù)（R2）和總均方根差RMSE，驗證構(gòu)建的模型是否能夠精確估算玉米LAI值。圖3顯示了檢驗結(jié)果，LAI估算模型精度R2為 0.46-0.73；RMSE為 0.1-0.34。在 D1密度下基于RVI[497，935]構(gòu)建的LAI估算模型的模擬值更加接近實測值，精度R2為0.73，RMSE為0.2；在 D2密度下中DVI[720，936]的精度R2為0.47，RMSE 為 0.34；在 D3 密度下DVI[551，724]的精度R2為 0.66，RMSE為 0.1。

圖3 樣區(qū)葉面積指數(shù)估測值和實際值的比較Fig.3 Comparison between estimatedLAIand observedLAI

3 討論與結(jié)論

本研究設(shè)計了3個密度，在D1密度下，波段為350-532、563-704和 742-1000 nm處玉米LAI與光譜反射率具有極顯著的相關(guān)性；在D2密度下，波段為720-1158 nm處玉米LAI與光譜反射率具有極顯著的相關(guān)性；在D3密度下，波段為415-672和678-1750 nm處玉米LAI與光譜反射率具有極顯著的相關(guān)性。與張俊華[23]的研究結(jié)果相對比，其分析認(rèn)為波段為510-1100 nm時可以準(zhǔn)確反演夏玉米的LAI，且兩波段組合的光譜變量與LAI的擬合方程的擬合度優(yōu)于相應(yīng)單一波段與之建立的方程的擬合度。與本研究中得到相關(guān)性波段范圍以及擬合相似，只是在波段范圍上有差別，這說明玉米在大部分的密度下，其敏感波段在這一范圍內(nèi)，這為今后的相關(guān)研究提供依據(jù)。

本研究中 D1、D2、D3密度下可以分別用RVI[497，935]、DVI[720，936]、DVI[551，724]3 個植被指數(shù)監(jiān)測，而譚昌偉等[24]的研究發(fā)現(xiàn)相對于其他9個植被指數(shù)，R810/R560能夠更好地預(yù)測夏玉米全生育期LAI，且不受品種類別、生育時期、供氮水平等栽培因素的影響，具有一定的可靠性和廣適性，與本研究中得到的可以通過RVI[497，935]來預(yù)測D1密度下的LAI結(jié)果差異不大，在D2、D3密度下差異大，可能的原因是高密度情況下玉米LAI較大，在高LAI值的情況下，比值植被指數(shù)精度較低。

參考文獻(xiàn)：

[1] 趙春江.精準(zhǔn)農(nóng)業(yè)研究與實踐[M].北京:科學(xué)出版社，2009.

[2] Inoue Y.Synergy of remote sensing and modeling for estimating eco physiological processes in plant production[J].Plant Production Science，2003，6(1):3-16.

[3] 萬余慶，譚克龍，周日平.高光譜遙感應(yīng)用研究[M].北京:科學(xué)出版社，2006:3-10.

[4] 牛錚，陳永華，隋洪智，等.葉片化學(xué)組分成像光譜遙感探測機(jī)理分析[J].遙感學(xué)報，2000，4（2）:125-130.Niu Z，Chen Y H，Sui H Z，et al.Mechanism analysis of leaf biochemical concentration by High spectral remote sensing[J].Journal of Remote Sensing，2000，4（2）:125-130.

[5] 浦瑞良，宮鵬.高光譜遙感及其應(yīng)用[M].北京:高等教育出版社，2000.

[6] 王秀珍，黃敬峰，李云梅，等.水稻葉面積指數(shù)的高光譜遙感估算模型[J].遙感學(xué)報，2004，8（1）:81-88.Wang X Z，Huang J F，Li Y M，et al.The study on hyperspectral remote sensing estimation models aboutLAIof rice[J].Journal of Remote Sensing，2004，8（1）:81-88.

[7] 柏軍華，李少昆，王克如，等.基于近地高光譜棉花生物量遙感估算模型[J].作物學(xué)報，2007，33（2）:311-316.Bai J H，Li S K，Wang K R，et al.Estimation models of cotton aboveground fresh biomass based on field hyperspectral remote sensing[J].Acta Agronomica Sinica，2007，33（2）:311-316.

[8] 李映雪，朱艷，田永超，等.小麥葉片氮積累量與冠層反射光譜指數(shù)的定量關(guān)系[J].作物學(xué)報，2006，32（2）:203-209 Li Y X，Zhu Y，Tian Y C，et al.Quantitative relationship between leaf nitrogen accumulation and canopy reflectance spectra in wheat[J].Acta Agronomica Sinica，2006，32（2）:203-209

[9] Wiegand C L，Gausman H W，Cueller J A，et al.Vegetation density as deduced from erts-1 mss response[J].Nasa Special Publication，1974，1，351.

[10] Bunnik N J J.The multispectral reflectance of shortwave radiation by agricultural crops in relation with their morphological and optical properties[D].Wagenigen:Candbouwhoge School，1978.

[11] 王偉，彭彥昆，馬偉，等.冬小麥葉綠素含量高光譜檢測技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報，2010，4（C5）:172-177.Wang W，Peng L K，Ma W，et al.Prediction of chlorophyll content of winter wheat using leaf-level hyperspectral data[J].Transactions of the Chinese Society for Agricultural Machinery，2010，4（C5）:172-177.

[12] 唐延林，黃敬峰，王秀珍，等.水稻、玉米、棉花的高光譜及其紅邊特征比較[J].中國農(nóng)業(yè)科學(xué)，2004，37（1）:29-35.Tang Y L，Huang J F，Wang X Z，et al.Comparison of the characteristics of hyperspectra and the red edge in rice，corn and cotton[J].Scientia Agricultura Sinica，2010，37（1）:29-35.

[13] 唐延林，王秀珍，王珂.利用光譜法測定水稻生物物理參數(shù)及其與光譜變量的相關(guān)性研究[J].貴州大學(xué)學(xué)報(農(nóng)業(yè)與生物科學(xué)版)，2002，21（5）:327-331.Tang Y L，Wang X Z，Wang K.Study on the correlation between biophysical parameter and spectral variable[J].Journal of Mountain Agriculture and Biology，2002，21（5）:327-331.

[14] 唐延林，王人潮，王秀珍，等.水稻葉面積指數(shù)和葉片生化成分的光譜法研究 [J].華南農(nóng)業(yè)大學(xué)學(xué)報，2003，24（1）:4-7.Tang Y L，Wang R C，Wang X Z，et al.Study on the LAI and biochemical contents of rice blade by the spectral method[J].Journal of South China Agricultural University.2003，24（1）:4-7.

[15]Thenkabail P S，Smith R B，Pauw E D.Hyperspectral vegetation indices and their relationships with agricultural crop characteristics[J].Remote Sensing of Environment，2000，71(2):158-182.

[16] Hatfield E T，Kanemas U G.Leaf-area estimates from spectral measurements over various planting dates of wheat[J].International Journal of Remote Sensing，1985，6(1):167-175.

[17] 李鳳秀，張柏，宋開山，等.玉米葉面積指數(shù)與高光譜植被指數(shù)關(guān)系研究[J].遙感技術(shù)與應(yīng)用，2007，22（5）:586-592.Li F X，Zhang B，Song K S，et al.Research and analysis of the correlation between hyperspectral vegetation index and LAI[J].Remote Sensing Technology and Application，2007，22（5）:586-592.

[18] 高雨茜.夏玉米葉綠素、葉面積指數(shù)高光譜估測研究[D].楊凌：西北農(nóng)林科技大學(xué)，2016.

[19]劉冰峰.夏玉米不同生育時期生理生態(tài)參數(shù)的高光譜遙感監(jiān)測模型[D].楊凌：西北農(nóng)林科技大學(xué)，2016.

[20] 林卉，梁亮，張連蓬，等.基于支持向量機(jī)回歸算法的小麥葉面積指數(shù)高光譜遙感反演 [J].農(nóng)業(yè)工程學(xué)報，2013，29（11）:139-146.Liu H，Liang L，Zhang L P，et al.Wheat leaf area index inversion with hyperspectral remote sensing based on support vector regression algorithm[J].Transactions of the Chinese Society of Agricultural Engineering，2013，29（11）:139-146.

[21] 楊敏華，劉良云，劉團(tuán)結(jié)，等.小麥冠層理化參量的高光譜遙感反演試驗研究[J].測繪學(xué)報，2002，31（4）:316-321.Yang M H，Liu L Y，Liu T J，et al.Research on a method to retrieve biophysical and biochemical parameters of wheat canopy with hyperspectral remote sensing[J].Acta Geodaetica et Cartographica Sinica，2002，31（4）:316-321.

[22] 姚延娟，范聞捷，劉強(qiáng)，等.玉米全生長期葉面積指數(shù)收獲測量方法的改進(jìn)[J].農(nóng)業(yè)工程學(xué)報，2010，26（8）：189-194.Yao Y J，F(xiàn)an W J，Liu Q，et al.Improved harvesting method for corn LAI measurement in corn whole growth stages[J].Transactions of the Chinese Society of Agricultural Engineering，2010，26（8）：189-194.

[23] 張俊華，張佳寶，賈科利.不同施肥條件下夏玉米光譜特征與葉綠素含量和LAI的相關(guān)性 [J].西北植物學(xué)報，2008，28(7):1461-1467.Zhang J H，Zhang B J，Jia K L.correlation between summer maize spectral reflectance and leaf chlorophyll，lai under different fertilizations[J].Acta Botanica Boreali-Occidentalia Sinica，2008，28(7):1461-1467.

[24] 譚昌偉，黃義德，黃文江，等.夏玉米葉面積指數(shù)的高光譜遙感植被指數(shù)法研究[J].安徽農(nóng)業(yè)大學(xué)學(xué)報，2004，31(4):392-397.Tan C W，Huang Y D，Huang W J，et al.Study on colony leaf area index of summer maizeby remote sensing vegetation indexes method[j].Journal of Anhui Agricultural University，2004，31(4):392-397.