白術(shù)葉片對干旱脅迫的光譜特征響應(yīng)*

徐琳煜, 劉守贊, 白 巖**, 張汝民, 丁 恒, 吳學(xué)謙, 鄭炳松

?

白術(shù)葉片對干旱脅迫的光譜特征響應(yīng)*

徐琳煜1,2, 劉守贊3, 白 巖1,2**, 張汝民1,2, 丁 恒1,2, 吳學(xué)謙1,2, 鄭炳松1,2

(1. 省部共建亞熱帶森林培育國家重點(diǎn)實(shí)驗(yàn)室 臨安 311300; 2. 浙江農(nóng)林大學(xué)林業(yè)與生物技術(shù)學(xué)院 臨安 311300; 3. 浙江農(nóng)林大學(xué)植物園 臨安 311300)

白術(shù)根莖膨大初期對輕度的土壤水分缺失具有一定的耐受性, 但是過度干旱會抑制其根莖膨大及成分積累, 因此, 無損傷診斷該時期白術(shù)是否受到干旱脅迫至關(guān)重要。本文以2年生白術(shù)為試驗(yàn)材料, 在根莖膨大初期控制土壤水分, 形成不同程度的干旱脅迫, 利用UniSpec-SC光譜分析儀測定其光譜反射率, 并結(jié)合光合色素含量, 探討白術(shù)葉片光譜特征對干旱脅迫的響應(yīng)規(guī)律, 為利用光譜參數(shù)監(jiān)測白術(shù)生長狀況提供技術(shù)依據(jù)。結(jié)果顯示, 隨著干旱脅迫程度增加, 可見光區(qū)域(400~750 nm)白術(shù)葉片光譜反射率升高, 說明其光能吸收利用能力下降; 但在750~1 000 nm的近紅外波段, 光譜反射率則逐漸平穩(wěn), 在1 000 nm處, 干旱脅迫下的全部葉片反射率均低于對照。微分光譜在680~750 nm間差異明顯, 并與葉綠素含量在700~750 nm間呈顯著相關(guān)。同時, 大多數(shù)光譜參數(shù)與色素含量呈顯著相關(guān)(<0.05), 尤其類胡蘿卜指數(shù)(mCRI)、色素歸一化指數(shù)(PSNDb)、紅邊位置(red)、紅邊幅值(red)、紅邊面積(red)與之呈極顯著相關(guān)(<0.01)。從上述結(jié)果可知, 微分光譜680~750 nm可作為檢測白術(shù)是否受到干旱影響的主要監(jiān)測波段, 紅邊參數(shù)、類胡蘿卜指數(shù)及色素歸一化指數(shù)可以作為重要指標(biāo), 快速、準(zhǔn)確、無傷害診斷白術(shù)受干旱脅迫程度。本研究結(jié)果可為應(yīng)用反射光譜進(jìn)行白術(shù)干旱脅迫程度診斷提供理論依據(jù)和技術(shù)支持。

白術(shù); 干旱脅迫; 光譜特征; 光譜反射率; 光合色素; 光譜參數(shù)

干旱是植物生存環(huán)境中主要逆境因子之一, 能引起葉片水分降低, 光合電子傳遞鏈?zhǔn)茏? PSⅡ反應(yīng)中心耗散光能的能力增強(qiáng), 導(dǎo)致光合效率下降[1-2], 進(jìn)而影響植物生長發(fā)育。當(dāng)植物受到干旱脅迫時, 光合色素含量會發(fā)生相應(yīng)變化, 且與光譜反射率有顯著的相關(guān)性[3]。OSóRIO等[4]研究發(fā)現(xiàn), 溫度和水分雙重脅迫綜合作用于光化學(xué)反射指數(shù)(PRI), 且葉片總?cè)~綠素含量與紅邊位置(red)顯著相關(guān)。冬小麥(L.)冠層反射率在可見光波段隨著水分含量的增加而逐漸降低, 而在近紅外波段與之相反[5]; 關(guān)于白皮烏口樹(Hutchins)的研究表明, 冠層光譜反射率、紅邊幅值、紅邊面積等葉片光譜特征可反映植物干旱脅迫程度[6]; 李夢竹等[7]和林毅等[8]通過分析煙草(L.)和春玉米(L.)的光譜反射率變化特征, 分別建立了BP神經(jīng)網(wǎng)絡(luò)模型和光譜參數(shù)對土壤水分的反演模型。由此可見, 反射光譜參數(shù)不但可快速并準(zhǔn)確地監(jiān)測旱情、反映植物生長情況, 并且擬合的模型可為生產(chǎn)抗旱提供重要的參考依據(jù)。

白術(shù)(Koidz.)[9]為菊科多年生草本植物, 常用于補(bǔ)氣復(fù)方中, 以2年生干燥根莖入藥, 具有補(bǔ)脾健胃、化濕止瀉、燥濕利尿[10]、降低血糖血脂[11-12]及升高白血球[13]等作用, 為著名的“浙八味”之一。目前多數(shù)研究集中在白術(shù)有效成分[14]及藥理作用方面[15], 且最新研究發(fā)現(xiàn)白術(shù)對于抗腫瘤具有輔助作用[16-17], 但是對于其抗旱能力及反射光譜研究尚少見報道。浙江省作為白術(shù)的優(yōu)質(zhì)產(chǎn)區(qū)之一, 8—9月份雨量充沛, 適宜白術(shù)生長, 但是近幾年持續(xù)在7、8兩月出現(xiàn)極端高溫少雨天氣, 陽光輻射強(qiáng), 蒸騰劇烈, 同時導(dǎo)致土壤水分快速蒸發(fā), 常引起白術(shù)葉片失水萎蔫, 生長遭遇干旱脅迫, 甚至?xí)绊懫涓o膨大, 造成產(chǎn)量下降。因此, 研究快速無損傷檢測白術(shù)所受干旱脅迫程度, 對于提升其栽培技術(shù)具有較為重要的現(xiàn)實(shí)意義。

本研究利用反射光譜技術(shù), 從葉片的光譜反射率入手, 探討白術(shù)反射光譜及其相關(guān)參數(shù)對不同干旱脅迫的響應(yīng)特征, 為解析白術(shù)干旱脅迫下的生理生化及成分合成積累規(guī)律提供基礎(chǔ)研究, 也為生產(chǎn)上利用光譜參數(shù)進(jìn)行大區(qū)域、無破壞、實(shí)時快速監(jiān)測白術(shù)生長狀況提供技術(shù)依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)在浙江農(nóng)林大學(xué)智能溫室內(nèi)進(jìn)行, 于2015年6月下旬, 選取平均株高40.0 cm左右、健壯、無病蟲害的2年生白術(shù)苗, 移栽入直徑30 cm、高25 cm的盆中, 盆土采用田間表層土, 每盆1株, 緩苗1個月, 正常澆水。7月下旬, 選擇連續(xù)晴朗高溫天氣[室內(nèi)平均溫度范圍(39±1) ℃, 利用抽濕機(jī)和排風(fēng)扇等設(shè)備制造干旱小環(huán)境, 室內(nèi)空氣相對濕度為28%±5%], 正式開始干旱脅迫試驗(yàn)。

試驗(yàn)選取長勢相近的健康植株, 共設(shè)計(jì)5個處理組, 每組10盆。第1組作為對照組(CK), 正常澆水, 即每天澆水量0.5 L; 第2~4組作為干旱處理組, 分別停止?jié)菜? d (Tr1)、4 d (Tr2)、6 d (Tr3)和8 d (Tr4), 并測定5個處理組的土壤含水量。處理結(jié)束后測定土壤含水量, 采集白術(shù)葉片光譜信息并進(jìn)行光合色素含量測定。

1.2 試驗(yàn)方法

1.2.1 土壤含水量測定

參考林大儀[18]的方法, 于盆中取土樣, 利用四分法混勻, 再精密稱取土樣10 g, 在(105±2) ℃烘箱中烘至恒重, 稱重, 并計(jì)算含水量。不同水分脅迫處理土壤絕對含水量結(jié)果見表1。

表1 不同水分脅迫處理的土壤含水量

CK: 對照組, 正常澆水, 每天澆水量0.5 L; Tr1、Tr2、Tr3和Tr4為干旱處理組, 分別停止?jié)菜? d、4 d、6 d和8 d。不同字母表示在0.05水平上差異顯著。CK: control group, watered 0.5 L per day; Tr1, Tr2, Tr3 and Tr4 were drought-treated groups, stopped watering for 2 days, 4 days, 6 days and 8 days, respectively. Different lowercase letters mean significant differences at 0.05 level.

1.2.2 光合色素含量測定

每個干旱處理選取長勢相近的3株白術(shù), 每株取樣3次, 均選中部葉片。采用分光光度計(jì)法, 分別在波長為663 nm、645 nm和470 nm處測定OD值, 計(jì)算葉綠素a (Chla)、葉綠素b (Chlb)、類胡蘿卜素(Cars)、總?cè)~綠素(Chla+b)含量及葉綠素比(Chla/b)[19]。

1.2.3 光譜數(shù)據(jù)采集

利用美國產(chǎn)UniSpec-SC光譜分析儀采集光譜數(shù)據(jù), 測量波段為310~1 130 nm, 光譜采樣間隔1 nm, 光譜分辨率1 nm。在干旱脅迫后, 各處理中選擇長勢相近的白術(shù)5盆, 選取中部葉片, 每隔1 d于11: 00—14: 00測定白術(shù)葉片的反射光譜數(shù)據(jù)。將健康無病無破損的白術(shù)葉片放入光譜儀的葉夾中, 根據(jù)程序進(jìn)行測定, 測量過程中及時進(jìn)行標(biāo)準(zhǔn)白板校正, 以免產(chǎn)生較大誤差。利用Multispec 5.1數(shù)據(jù)處理軟件讀取反射光譜原始數(shù)據(jù), 計(jì)算每個處理的平均值作為該樣品葉片光譜反射率。

1.3 數(shù)據(jù)處理與分析

利用Orining Pro 8和SPSS進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析和繪圖。

將測得的白術(shù)葉片反射光譜, 通過以下公式進(jìn)行一階微分處理, 得到微分光譜。

式中:為不同波段的波長值;(λ)為波長的光譜反射率值; ?為波長λ-1到的差值, 由光譜采樣間隔決定。

2 結(jié)果與分析

2.1 干旱脅迫對白術(shù)葉片光合色素含量的影響

干旱脅迫影響白術(shù)葉片的葉綠素含量(表2), 隨著干旱時間延長, Chla、Chlb和Cars的含量都呈現(xiàn)先增大后減少的趨勢, 且變化顯著(<0.05), Chla在干旱時間為4 d時出現(xiàn)最大值, Chlb和Cars在干旱時間為2 d時出現(xiàn)最大值, 含量分別比對照提高27.99%、10.18%和46.06%; 當(dāng)干旱時間為8 d時, Chla、Chlb和Cars比對照分別降低57.78%、54.50%和47.58%。Chla/b隨著干旱時間的延長出現(xiàn)先增加后降低的趨勢, 在干旱6 d時達(dá)到最大值, 且在干旱4 d和6 d后, 與其他處理相比差異顯著。

表2 干旱脅迫對白術(shù)葉片光合色素含量的影響

CK: 對照組, 正常澆水, 每天澆水量0.5 L; Tr1、Tr2、Tr3和Tr4為干旱處理組, 分別停止?jié)菜? d、4 d、6 d和8 d。同行不同字母表示在0.05水平上差異顯著。CK: control group, watered 0.5 L per day; Tr1, Tr2, Tr3 and Tr4 were drought-treated groups, stopped watering for 2 days, 4 days, 6 days and 8 days, respectively. Different lowercase letters in the same line mean significant differences at 0.05 level.

2.2 干旱脅迫下白術(shù)葉片反射光譜特征

2.2.1 干旱脅迫對白術(shù)葉片光譜反射率的影響

不同干旱脅迫后白術(shù)葉片光譜反射率曲線的整體變化趨勢相似, 均具有明顯的綠峰(510~560 nm)、紅谷(640~680 nm)和近紅外平臺(760~1 000 nm), 但反射光譜的反射率大小存在差異(圖1)。最明顯的差異是黃光區(qū)(605~655 nm)和綠光區(qū)(525~605 nm), 其次是短波近紅外區(qū)(750~1 000 nm)。在可見光區(qū)(400~750 nm), 白術(shù)葉片對照、干旱2 d和4 d的反射率相近, 干旱6 d和8 d的反射率相近, 并且前三者的值低于后二者; 在波長550 nm下, 白術(shù)葉片反射率隨干旱時間增加依次升高, 干旱8 d的反射率升高到25.71%, 比對照組高26.5%, 這是因?yàn)樵诎仔g(shù)控水處理過程中, 含水率降低, 葉綠素部分分解, 吸收減弱, 葉片對可見光的反射增強(qiáng)。在近紅外區(qū)750 nm處, 反射率隨著干旱時間的增加而增加, 但到干旱8 d時驟減并低于對照, 在1 000 nm處, 干旱脅迫下的全部葉片反射率均低于對照。這是因?yàn)殡S白術(shù)干旱程度增加, 葉片含水率降低, 水吸收減弱, 葉片內(nèi)部分子空隙加大, 對近紅外和短波紅外散射逐漸減弱。

圖1 不同干旱脅迫對白術(shù)葉片反射光譜的影響

CK: 對照組, 正常澆水, 即每天澆水量0.5 L; Tr1、Tr2、Tr3和Tr4為干旱處理組, 分別停止?jié)菜? d、4 d、6 d和8 d。CK: control group, watered 0.5 L per day; Tr1, Tr2, Tr3 and Tr4 were drought-treated groups, stopped watering for 2 days, 4 days, 6 days and 8 days, respectively.

2.2.2 干旱脅迫下白術(shù)葉片反射光譜的三邊特征

對試驗(yàn)所測得的光譜數(shù)據(jù)求一階導(dǎo)數(shù), 去除背景噪聲對反射光譜的影響, 結(jié)果見圖2。不同干旱脅迫的白術(shù)葉片在紅光范圍(680~750 nm)波段內(nèi)都只有1個峰值, 紅邊位置在干旱2 d即達(dá)最大值, 且變化極顯著, 其后隨著干旱脅迫時間的延長略有波動; 紅邊幅值以對照最大, 之后整體呈現(xiàn)降低趨勢, 但在干旱4 d時有一個次峰出現(xiàn), 干旱6 d時達(dá)到極顯著差異; 紅邊面積隨著干旱時間的延長而先增大后減小, 在4 d時形成峰值且達(dá)到顯著變化。藍(lán)邊位置在不同干旱脅迫時間下無明顯差異, 藍(lán)邊幅值和藍(lán)邊面積隨著干旱脅迫時間的延長呈現(xiàn)出先增加后降低的趨勢, 峰值均出現(xiàn)在干旱6 d。對照和處理的黃邊位置變化相近, 黃邊幅值在干旱2 d達(dá)最大值之后, 隨著干旱時間的增加變化較為平穩(wěn), 黃邊面積隨著干旱時間的延長而出現(xiàn)先增加后降低再增加的趨勢, 峰值出現(xiàn)在干旱6 d(表3)。

圖2 不同干旱脅迫處理白術(shù)葉片反射光譜一階導(dǎo)數(shù)

CK: 對照組, 正常澆水, 即每天澆水量0.5 L; Tr1、Tr2、Tr3和Tr4為干旱處理組, 分別停止?jié)菜? d、4 d、6 d和8 d。CK: control group, watered 0.5 L per day; Tr1, Tr2, Tr3 and Tr4 were drought-treated groups, stopped watering for 2 days, 4 days, 6 days and 8 days, respectively.

表3 不同干旱脅迫處理下白術(shù)葉片紅邊、黃邊和藍(lán)邊參數(shù)

CK: 對照組, 正常澆水, 即每天澆水量0.5 L; Tr1、Tr2、Tr3和Tr4為干旱處理組, 分別停止?jié)菜? d、4 d、6 d和8 d。同行不同字母表示在0.05水平上差異顯著。CK: control group, watered 0.5 L per day; Tr1, Tr2, Tr3 and Tr4 were drought-treated groups, stopped watering for 2 days, 4 days, 6 days and 8 days, respectively. Different lowercase letters in the same line mean significant differences at 0.05 level.

2.2.3 干旱脅迫對白術(shù)葉片光譜參數(shù)的影響

白術(shù)葉片的光譜參數(shù)計(jì)算結(jié)果見表4。隨干旱脅迫時間延長, 先升后降的參數(shù)有RR、SR705、rNDVI、mND705和PRI, 下降的參數(shù)有SR680、NDVI、gNDN、PSNDa、PSNDb和SIPI, 呈升-降-升趨勢的參數(shù)是RARSa和RARSb, 呈降-升-降趨勢的參數(shù)是CRI1、CRI2和mCRI; 紅綠比變化不大, 最低值出現(xiàn)在干旱2 d, 之后略呈上升趨勢, 在第8 d達(dá)到最大值。

表4 不同干旱脅迫處理下白術(shù)葉片反射光譜參數(shù)的影響

CK: 對照組, 正常澆水, 即每天澆水量0.5 L; Tr1、Tr2、Tr3和Tr4為干旱處理組, 分別停止?jié)菜? d、4 d、6 d和8 d。同行不同字母表示在0.05水平上差異顯著。CK: control group, watered 0.5 L per day; Tr1, Tr2, Tr3 and Tr4 were drought-treated groups, stopped watering for 2 days, 4 days, 6 days and 8 days, respectively. Different lowercase letters in the same line mean significant differences at 0.05 level.

2.3 白術(shù)葉片反射光譜參數(shù)與色素含量的相關(guān)性

2.3.1 色素含量與光譜反射率的相關(guān)性

求取不同干旱脅迫程度下的白術(shù)葉片光合色素含量與400~1 000 nm光譜反射率的相關(guān)系數(shù), 繪制圖3, 并進(jìn)行相關(guān)性分析。400~720 nm之間, Chla、Chlb和Cars含量與反射率呈負(fù)相關(guān), 且Chla、Chlb、Chla+b與Chla/b反射率達(dá)顯著相關(guān), 其中Chla在416 nm處的相關(guān)性最高, 相關(guān)系數(shù)為-0.954; 在720~1 000 nm之間, 白術(shù)葉片Chla、Chlb和Cars含量與反射率呈正相關(guān), 且Chla、Chla+b與Chla/b為顯著正相關(guān), 其中, Chla/b在730~737 nm之間與反射率呈極顯著相關(guān), 最大相關(guān)系數(shù)為0.997。

圖3 白術(shù)葉片光合色素含量與光譜反射率的相關(guān)性

Ca: 葉綠素a; Cb: 葉綠素b; Cars: 胡蘿卜素; a/b: 葉綠素a/b; T: 總?cè)~綠素含量; 0.05: 顯著性水平為0.05; 0.01: 顯著性水平為0.01。Ca: chlorophyll a; Cb: chlorophyll b; Cars: carotene; a/b: chlorophyll a/b; T: total chlorophyll content; 0.05: significant level 0.05; 0.01: significant level 0.01.

2.3.2 光合色素含量與微分光譜的相關(guān)性

計(jì)算不同干旱脅迫程度下的白術(shù)葉片光合色素含量與400~1 000 nm微分光譜的相關(guān)系數(shù), 進(jìn)行相關(guān)性分析, 如圖4。白術(shù)葉片的葉綠素和類胡蘿卜素含量與反射率呈顯著相關(guān)。其中Chla、Chlb、Cars、Chla/b和Chla+b分別在488 nm、634 nm、636 nm、542 nm和488 nm出現(xiàn)最大值, 分別為0.989、0.981、0.977、0.991和0.976, 呈極顯著正相關(guān); Cars在999 nm處出現(xiàn)最低值(-0.975), 呈極顯著負(fù)相關(guān); Chla、Chlb、Chla/b和Chla+b分別在978 nm、978 nm、402 nm和978 nm處出現(xiàn)最低值, 分別為-0.936、-0.9222、-0.930和-0.939, 呈顯著負(fù)相關(guān)。

2.3.3 光合色素含量與反射光譜參數(shù)的相關(guān)性

相關(guān)分析表明(表5), 白術(shù)葉片Chla、Chlb、Chla+b及Cars含量與絕大多數(shù)反射光譜參數(shù)都存在正相關(guān)性, 其中, Chla與SR680、NDVI、rNDVI、gNDN、PSNDa、PSNDb、SIPI、CRI1、mCRI和red, Chlb與SR705、NDVI、rNDVI、SIPI和CRI1, Chla+b與RR、SR680、SR705、NDVI、rNDVI、gNDN、SIPI、CRI1、mCRI和red, Cars與PSNDb和mCRI等光譜參數(shù)呈顯著正相關(guān); Chlb與RR、SR680、gNDN、PSNDa、PSNDb和mCRI, Chla+b與PSNDa和PSNDb等參數(shù)呈極顯著正相關(guān)。Chla、Chlb、Chla+b和RARSa、RARSb、RGI等參數(shù)呈負(fù)相關(guān)。

圖4 白術(shù)葉片光合色素含量與微分光譜的相關(guān)性

Ca: 葉綠素a; Cb: 葉綠素b; Cars: 胡蘿卜素; a/b: 葉綠素a/b; T: 總?cè)~綠素含量; 0.05: 顯著性水平為0.05; 0.01: 顯著性水平為0.01。Ca: chlorophyll a; Cb: chlorophyll b; Cars: carotene; a/b: chlorophyll a/b; T: total chlorophyll content; 0.05: significant level 0.05; 0.01: significant level 0.01.

表5 不同干旱脅迫處理下白術(shù)葉片反射光譜參數(shù)與光合色素含量的相關(guān)性

*表示相關(guān)性顯著(<0.05); **表示相關(guān)性極顯著(<0.01)。* and ** mean significant correlation at 0.05 and 0.01 levels, respectively.

3 討論與結(jié)論

植物在生長發(fā)育進(jìn)程中, 吸收和利用光的能力是相對穩(wěn)定的, 未被吸收利用的部分則被反射, 高溫、干旱、施肥等因素均會引起反射光譜的變化, 因此, 檢測反射光譜可無損傷判斷植物的生長狀況。本研究利用該項(xiàng)技術(shù), 測定并分析了白術(shù)反射光譜及其相關(guān)參數(shù)對不同干旱脅迫的響應(yīng)特征。結(jié)果發(fā)現(xiàn), 在干旱處理初期光合色素的含量均上升, 6 d后呈現(xiàn)下降趨勢。分析認(rèn)為, 脅迫初期葉片水分減少但光合色素未分解, 導(dǎo)致單位重量內(nèi)光合色素含量上升。同時, 隨著干旱脅迫程度的加重, 可見光區(qū)域光譜反射率逐漸升高, 即在可見光區(qū)域, 葉綠素和類胡蘿卜素的含量是影響光譜反射的主導(dǎo)因子。研究結(jié)果與浙江雪膽(Cogn. ex Forbes et Hemsl.)和烏頭(Pers. var.Ledeb.)的研究結(jié)果相近[20-21], 即光合色素含量會隨土壤水分含量的減少而降解, 能良好指示植物環(huán)境脅迫、光合能力和衰老進(jìn)程等生理狀態(tài), 因此, 可用于監(jiān)測植物長勢、估算植物光合效率和生物量[22]。

本研究中, 不同干旱脅迫后白術(shù)葉片光譜反射率曲線的整體變化趨勢相似, 均具有明顯的綠峰(510~560 nm)、紅谷(640~680 nm)和近紅外平臺(750~1 000 nm)等普通綠色植物的反射特征, 且在可見光波段反射率表現(xiàn)出上升趨勢, 這與對生菜(L. var.Hort.)[23]、冬小麥[24]葉片含水率研究結(jié)果一致; 短波近紅外光波段反射率隨干旱程度增加呈明顯降低的趨勢與對棉花(sp.)[25]含水率研究結(jié)果一致?？傮w來說,綠峰和紅谷差異性較明顯, 其余波段差異不明顯。

不同干旱處理下白術(shù)葉片光譜反射率曲線在500~680 nm區(qū)間差異明顯, 而其光譜反射率與色素含量的相關(guān)性在730~750 nm間較好。經(jīng)過降低背景和噪音等干擾的微分處理后發(fā)現(xiàn), 微分光譜在680~750 nm間差異明顯, 與葉綠素含量在700~750 nm間呈顯著相關(guān), 可較好指示測試結(jié)果。因此, 700~750 nm可作為檢測白術(shù)是否受到干旱影響的主要監(jiān)測波段。

紅邊位置、紅邊幅值、紅邊面積由于對土壤干旱脅迫的響應(yīng)時間較短[8], 經(jīng)常在光譜分析中對其特征量加以討論, 并作為判斷干旱發(fā)生時的重要參考指標(biāo)。干旱脅迫后的白術(shù),red與對照組相比出現(xiàn)“紅移”, 與大部分研究結(jié)果相反, 分析認(rèn)為, 可能與其處于開花前期有關(guān)(白術(shù)從6月下旬開始現(xiàn)蕾, 至9月上旬開花), 這與賀可勛等[26]研究發(fā)現(xiàn)小麥在開花前期出現(xiàn)“紅移”相似。光譜參數(shù)SR680、NDVI、rNDVI、gNDN、PSNDa、PSNDb、SIPI、CRI1和mCRI等光譜參數(shù)與葉綠素含量呈顯著正相關(guān)(<0.05), RGI、RARSa與葉綠素含量呈顯著負(fù)相關(guān)(<0.05), 通過對比, 光譜參數(shù)mCRI、PSNDb與葉片色素含量之間的相關(guān)系數(shù)明顯優(yōu)于其他參數(shù), 可以作為監(jiān)測干旱脅迫對于白術(shù)影響的指示參數(shù), 及時應(yīng)對早期干旱。至于干旱對白術(shù)地下塊根產(chǎn)量和有效成分的影響, 則需進(jìn)一步研究, 分析并討論反射光譜及其相關(guān)參數(shù)與地下塊根生長發(fā)育、成分積累之間的規(guī)律。

根據(jù)本文結(jié)果可得出如下結(jié)論, 干旱脅迫程度增加致使可見光區(qū)域(400~750 nm)白術(shù)葉片光譜反射率升高, 尤其微分光譜680~750 nm間差異明顯, 因此, 此波段可作為檢測白術(shù)是否受到干旱影響的主要波段; 同時, 類胡蘿卜指數(shù)(mCRI)、色素歸一化指數(shù)(PSNDb)、紅邊位置(red)、紅邊幅值(red)、紅邊面積(red)亦可以作為重要指標(biāo), 快速、準(zhǔn)確、無損傷診斷白術(shù)受干旱脅迫程度, 為揭示白術(shù)受干旱脅迫后生理生態(tài)特性提供理論依據(jù)和研究基礎(chǔ)。

[1] 胡宏遠(yuǎn), 王振平. 干旱脅迫對赤霞珠葡萄葉片水分及葉綠素?zé)晒鈪?shù)的影響[J]. 干旱區(qū)資源與環(huán)境, 2017, 31(4): 124–130 HU H Y, WANG Z P. Effects of drought stress on leaf water content and chlorophyll fluorescence parameters of Cabernet Sauvignon[J]. Journal of Arid Land Resources and Environment, 2017, 31(4): 124–130

[2] 郭曉飛, 黃春燕, 田春燕, 等. 不同水分處理?xiàng)l件下棉花高光譜植被指數(shù)與光合參數(shù)的相關(guān)分析[J]. 新疆農(nóng)業(yè)科學(xué), 2017, 54(1): 20–26 GUO X F, HUANG C Y, TIAN C Y, et al. Correlation analysis between hyperspectral vegetation indices and photosynthetic parameters of cotton under different water treatments[J]. Xinjiang Agricultural Sciences, 2017, 54(1): 20–26

[3] MOORTHY I, MILLER J R, NOLAND T L. Estimating chlorophyll concentration in conifer needles with hyperspectral data: An assessment at the needle and canopy level[J]. Remote Sensing of Environment, 2008, 112(6): 2824–2838

[4] OSóRIO J, OSóRIO M L, ROMANO A. Reflectance indices as nondestructive indicators of the physiological status ofseedlings under varying moisture and temperature regimes[J]. Functional Plant Biology, 2012, 39(7): 588–597

[5] 陳智芳, 宋妮, 王景雷, 等. 基于高光譜遙感的冬小麥葉水勢估算模型[J]. 中國農(nóng)業(yè)科學(xué), 2017, 50(5): 871–880 CHEN Z F, SONG N, WANG J L, et al. Leaf water potential estimating models of winter wheat based on hyperspectral remote sensing[J]. Scientia Agricultura Sinica, 2017, 50(5): 871–880

[6] 張樹斌, 張教林, 曹坤芳. 季節(jié)性干旱對白皮烏口樹(Hutchins)水分狀況、葉片光譜特征和熒光參數(shù)的影響[J]. 植物科學(xué)學(xué)報, 2016, 34(1): 117–126 ZHANG S B, ZHANG J L, CAO K F. Effects of seasonal drought on water status, leaf spectral traits and fluorescence parameters inHutchins, a Chinese savanna evergreen species[J]. Plant Science Journal, 2016, 34(1): 117–126

[7] 李夢竹, 劉國順, 賈方方. 干旱脅迫下旺長期烤煙冠層葉綠素密度的高光譜估測[J]. 中國煙草科學(xué), 2017, 38(1): 23–28 LI M Z, LIU G S, JIA F F. Hyperspectral estimation of canopy chlorophyll density in flue-cured Tobacco under different drought stress at the vigorous growth stage[J]. Chinese Tobacco Science, 2017, 38(1): 23–28

[8] 林毅, 李倩, 王宏博, 等. 干旱條件下春玉米高光譜特征及土壤含水量反演[J]. 生態(tài)學(xué)雜志, 2016, 35(5): 1323–1329 LIN Y, LI Q, WANG H B, et al. Hyperspectral characteristics of spring maize and the inversion of soil moisture under drought stress[J]. Chinese Journal of Ecology, 2016, 35(5): 1323–1329

[9] 國家藥典委員會. 中華人民共和國藥典(第一部)[M]. 北京: 中國醫(yī)藥科技出版社, 2015: 103–104State Pharmacopeia Committee of China. Pharmacopoeia of the People’s Republic of China (Volume Ⅰ)[M]. Beijing: China Medicine Science and Technology Press, 2015: 103–104

[10] 陳靜, 孫云超, 冉小庫, 等. 白術(shù)利尿作用研究[J]. 中國現(xiàn)代中藥, 2016, 18(5): 563–567CHEN J, SUN Y C, RAN X K, et al. Study on diuretic effect ofRhizoma[J]. Modern Chinese Medicine, 2016, 18(5): 563–567

[11] 林海雄, 王曉彤, 王菁, 等. 參苓白術(shù)散對高脂血癥小鼠血糖血脂及瘦素水平的影響[J]. 中華中醫(yī)藥學(xué)刊, 2017, 35(1): 143–145LIN H X, WANG X T, WANG J, et al. Effects of Shenling Baizhu powder on blood lipid, glucose and leptin in hyperlipidemia mice[J]. Chinese Archives of Traditional Chinese Medicine, 2017, 35(1): 143–145

[12] 唐琪晶, 陳素紅, 潘丹丹, 等. 白術(shù)精提物對代謝性高脂血癥大鼠的藥效及機(jī)制研究[J]. 中國中藥雜志, 2015, 40(9): 1803–1807TANG Q J, CHEN S H, PAN D D, et al. Preliminary study on efficacy and mechanism ofRhizoma extracts in metabolic hyperlipidemia rats[J]. China Journal of Chinese Materia Medica, 2015, 40(9): 1803–1807

[13] 周瓊. 參苓白術(shù)散加味治療腫瘤化療后白細(xì)胞減少臨床觀察[J]. 實(shí)用中醫(yī)藥雜志, 2017, 33(2): 128–129 ZHOU Q. Clinical observation on treatment of leukopenia after chemotherapy with Shenling baizhu powder[J]. Journal of Practical Traditional Chinese Medicine, 2017, 33(2): 128–129

[14] 趙玉嬌, 徐文慧, 沈小麗, 等. 白術(shù)中內(nèi)酯類成分的TLC鑒別與UPLC含量測定[J]. 中國中藥雜志, 2017, 42(3): 531–535 ZHAO Y J, XU W H, SHEN X L, et al. Study on TLC identification and UPLC determination method of atractylenolide in[J]. China Journal of Chinese Materia Medica, 2017, 42(3): 531–535

[15] 徐洋洋, 蔡皓, 段煜, 等. 白術(shù)芍藥散治療潰瘍性結(jié)腸炎研究進(jìn)展[J]. 中國中藥雜志, 2017, 42(5): 856–862 XU Y Y, CAI H, DUAN Y, et al. Research progress of Baizhu Shaoyao powder in treating ulcerative colitis[J]. China Journal of Chinese Materia Medica, 2017, 42(5): 856–862

[16] 張彩霞, 張亞杰, 江濱, 等. 白術(shù)內(nèi)酯Ⅱ促進(jìn)大腸癌Lovo細(xì)胞凋亡及對PARP1和Caspase-3表達(dá)的影響[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志, 2017, 23(5): 157–161 ZHANG C X, ZHANG Y J, JIANG B, et al. Effect ofⅡ in promoting apoptosis of Lovo cells and its impact on expression of PARP1 and Caspase-3[J]. Chinese Journal of Experimental Traditional Medical Formulae, 2017, 23(5): 157–161

[17] 郭晨旭, 劉靜波, 趙艷, 等. 白術(shù)抑制胃癌細(xì)胞SGC-7901增殖并促進(jìn)其凋亡[J]. 中國組織化學(xué)與細(xì)胞化學(xué)雜志, 2017, 26(5): 468–474 GUO C X, LIU J B, ZHAO Y, et al.inhibits proliferation and promotes apoptosis in gastric cancer cell line SGC-7901[J]. Chinese Journal of Histochemistry and Cytochemistry, 2017, 26(5): 468–474

[18] 林大儀. 土壤學(xué)實(shí)驗(yàn)指導(dǎo)[M]. 北京: 中國林業(yè)出版社, 2004 LIN D Y. Soil Science Experiment Guidance[M]. Beijing: China Forestry Publishing House, 2004

[19] 張志良, 瞿偉菁, 李小方. 植物生理學(xué)實(shí)驗(yàn)指導(dǎo)[M]. 第4版. 北京: 高等教育出版社, 2009 ZHANG Z L, QU W Q, LI X F. Plant Physiology Experiment Guidance[M]. 4th ed. Beijing: Higher Education Press, 2009

[20] 哀建國, 金松恒. 干旱脅迫對浙江雪膽光合特性的影響[J]. 中草藥, 2008, 39(7): 1074–1078AI J G, JIN S H. Effects of drought stress on photosynthetic characteristics in[J]. Chinese Traditional and Herbal Drugs, 2008, 39(7): 1074–1078

[21] 李潔, 周春娥, 梁志英, 等. 干旱脅迫對烏頭部分生理指標(biāo)的影響[J]. 中國水土保持科學(xué), 2011, 9(3): 93–100 LI J, ZHOU C E, LIANG Z Y, et al. Impacts of drought stress on physiological characteristics of Aconitums[J]. Science of Soil and Water Conservation, 2011, 9(3): 93–100

[22] NAIDU R A, PERRY E M, PIERCE F J, et al. The potential of spectral reflectance technique for the detection of Grapevinein two red-berried wine grape cultivars[J]. Computers and Electronics in Agriculture, 2009, 66(1): 38–45

[23] 毛罕平, 高洪燕, 張曉東. 生菜葉片含水率光譜特征模型研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2011, 42(5): 166–170 MAO H P, GAO H Y, ZHANG X D. Spectral characteristics model of lettuce leaves’ water content[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(5): 166–170

[24] 李方舟, 馮美臣, 楊武德, 等. 水旱地冬小麥葉綠素含量高光譜監(jiān)測[J]. 生態(tài)學(xué)雜志, 2013, 32(12): 3213–3218LI F Z, FENG M C, YANG W D, et al. Monitoring of winter wheat chlorophyll content in irrigated and dry lands of Shanxi Province of China based on hyperspectral remote sensing[J]. Chinese Journal of Ecology, 2013, 32(12): 3213–3218

[25] 蘇毅, 王克如, 李少昆, 等. 棉花植株水分含量的高光譜監(jiān)測模型研究[J]. 棉花學(xué)報, 2010, 22(6): 554–560SU Y, WANG K R, LI S K, et al. Monitoring models of the plant water content based on cotton canopy hyperspectral reflectance[J]. Cotton Science, 2010, 22(6): 554–560

[26] 賀可勛, 趙書河, 來建斌, 等. 水分脅迫對小麥光譜紅邊參數(shù)和產(chǎn)量變化的影響[J]. 光譜學(xué)與光譜分析, 2013, 33(8): 2143–2147 HE K X, ZHAO S H, LAI J B, et al. Effects of water stress on red-edge parameters and yield in wheat cropping[J]. Spectroscopy and Spectral Analysis, 2013, 33(8): 2143–2147

Responses of leaf spectral characteristics ofKoidz. to drought stress*

XU Linyu1,2, LIU Shouzan3, BAI Yan1,2**, ZHANG Rumin1,2, DING Heng1,2, WU Xueqian1,2, ZHENG Bingsong1,2

(1. State Key Laboratory of Subtropical Silviculture, Zhejiang Agriculture and Forestry University, Lin’an 311300, China; 2. School of Forestry and Biotechnology, Zhejiang Agriculture and Forestry University, Lin’an 311300, China; 3. Botanical Garden, Zhejiang Agricultural and Forestry University, Lin’an 311300, China)

Koidz. is a perennial herb belonging to Compositae family, which is fond of cool climate regions. Rhizome dried for over 2 years are used for a series of medicinal functions. It is a top medicinal herb in Zhejiang Province, China. At the early stage of rhizome enlargement,has a certain tolerance to mild soil drought, but excessive drought can inhibit rhizome enlargement and accumulation of constituent chemicals. Increasing degree of drought stress could slow down growth, inhibit rhizome enlargement and limit yield. In order to provide reference for drought stress control and cultivation of drought-resistant varieties, biennialwere planted under different drought stress. Spectral reflectance ofleaves determined by UniSpec-SC spectrum analyzer and combined with photosynthetic pigment contents were used to explain the response of spectral characteristics under drought stress. The results showed that spectral reflectance increased in the visible region (400-750 nm) with increasing drought stress. This indicated that the absorption and utilization ability of light energy decreased under increased drought stress. However, spectral reflectance gradually stabilized in the near-infrared band 750-1 000 nm. The reflectance of all the leaves under drought stress was lower than that of the control at 1 000 nm. The difference in spectrum of 680-750 nm was significant, which was correlated with chlorophyll content in 700-750 nm. This band could be used to monitor whetherwas affected by drought. The contents of photosynthetic pigments increased initially and then decreased with the increased drought stress. It indicated that a suitable degree of drought was good for growth. Most of the spectral parameters were significantly correlated with pigments contents (< 0.05). Spectral parameters of mCRI, PSNDb, red-edge position (red), red-edge amplitude (red) and red-edge area (red) were significantly correlated with leaf pigments contents (< 0.01), which could be used to diagnose drought indicators. In summary, differential spectrum of 680-750 nm could be used to detect drought impact on. Red-edge parameters, carotenoid reflectance indexes and pigment specific normalized difference may be used as indicators to diagnose drought stress degree of. This conclusion not only provided a reference for the study of high-spectrum plant research, but also provided theoretical basis and technical support for the application of spectrum diagnosis ofin drought stress analysis.

Koidz.; Drought stress; Spectral characteristics; Spectral reflectance; Photosynthetic pigment; Spectral parameter

, E-mail: hzbaiyan@163.com

Aug. 2, 2017;

Jan. 11, 2018

10.13930/j.cnki.cjea.170704

R282.2

A

1671-3990(2018)05-0719-09

白巖, 主要從事藥用植物栽培與生理生化調(diào)控研究。E-mail: hzbaiyan@163.comb 徐琳煜, 主要從事藥用植物栽培與生理研究。E-mail: xlyzjnl@163.com

2017-08-02

2018-01-11

* This study was supported by the Natural Science Foundation of Zhejiang Province of China (LY13C130010).

* 浙江省自然科學(xué)基金項(xiàng)目(LY13C130010)資助

徐琳煜, 劉守贊, 白巖, 張汝民, 丁恒, 吳學(xué)謙, 鄭炳松. 白術(shù)葉片對干旱脅迫的光譜特征響應(yīng)[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2018, 26(5): 719-727

XU L Y, LIU S Z, BAI Y, ZHANG R M, DING H, WU X Q, ZHENG B S. Responses of leaf spectral characteristics ofKoidz. to drought stress[J]. Chinese Journal of Eco-Agriculture, 2018, 26(5): 719-727