大豆不同水氮脅迫響應(yīng)規(guī)律的高光譜分析

劉 爽，于海業(yè)，陳美辰，樸兆佳，于 通，李發(fā)秦尉，隋媛媛

吉林大學(xué)生物與農(nóng)業(yè)工程學(xué)院，吉林 長春 130022

引 言

水分和氮對作物生長發(fā)育具有一定的影響，適宜的水氮含量可以有效改善作物生長，起到提高作物品質(zhì)的作用[1]。水氮脅迫會嚴(yán)重影響大豆體內(nèi)營養(yǎng)物質(zhì)(蛋白質(zhì)與氨基酸等)的含量，因此，實(shí)現(xiàn)大豆水氮脅迫的早期檢測，是保證大豆品質(zhì)與產(chǎn)量的關(guān)鍵[2]。隨著高光譜技術(shù)的發(fā)展，有學(xué)者使用高光譜數(shù)據(jù)研究脅迫作用，Salah[3]等用光譜指數(shù)研究水分脅迫下玉米的水分狀況，發(fā)現(xiàn)指數(shù)模型(R970-R900)/(R970+R900)能預(yù)測玉米水分含量。高光譜技術(shù)以其快速、實(shí)時(shí)、無損等優(yōu)點(diǎn)廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域作物指標(biāo)的監(jiān)測，但是關(guān)于利用高光譜技術(shù)監(jiān)測和評價(jià)不同水氮含量對大豆葉片光譜植被指數(shù)和作物參數(shù)的影響研究仍鮮有報(bào)道[4-5]。

通過分析水氮脅迫下大豆高光譜、光譜植被指數(shù)、葉綠素含量和凈光合速率(下文中稱上述指標(biāo)為農(nóng)學(xué)參數(shù))的變化特征，明確大豆農(nóng)學(xué)參數(shù)對水氮脅迫的響應(yīng)規(guī)律，并提取敏感波段，建立大豆單葉葉綠素含量和凈光合速率的反演模型，旨在為大田環(huán)境及大面積種植時(shí)精確管控水氮含量提供參考，同時(shí)為生產(chǎn)上利用光譜數(shù)據(jù)進(jìn)行大范圍、無破壞和快速監(jiān)測大豆長勢提供技術(shù)依據(jù)。

1 實(shí)驗(yàn)部分

1.1 材料及設(shè)計(jì)

供試品種為虎山60，采用盆栽實(shí)驗(yàn)，于2018年6月16日播種，每盆播種1粒種子。實(shí)驗(yàn)于吉林大學(xué)日光溫室內(nèi)進(jìn)行，所有植株進(jìn)行一致管理，于2018年7月23日—8月23日(開花結(jié)莢期)進(jìn)行水氮脅迫實(shí)驗(yàn)。氮素使用含氮量為20%的尿素，水分和氮素水平如表1(a)和表1(b)所示，其中表1(a)中數(shù)值以最大田間持水量為基準(zhǔn)，表1(b)中數(shù)值為氮素施用量。本實(shí)驗(yàn)采用隨機(jī)區(qū)組設(shè)計(jì)，即W1N0，WIN1，W1N2，W1N3，WN4，W2N0，W2N1，W2N2，W2N3，W2N4，W3N0，W3N1，W3N2，W3N3，W3N4，W4N0，W4N1，W4N2，W4N3，W4N4，共20種處理，3次重復(fù)，共60個(gè)樣本。借鑒文獻(xiàn)[6]中采用的方法，通過稱量土壤和盆栽的總重量來控制土壤脅迫的水分含量[6]。

表1(a) 4種水分水平表Table 1(a) Table of 4 moisture levels

表1(b) 5種氮素水平表Table 1(b) Table of 5 nitrogen levels

1.2 對照組的確定

于2018年5月15日—7月18日進(jìn)行大豆水氮脅迫的預(yù)實(shí)驗(yàn)，預(yù)實(shí)驗(yàn)的地點(diǎn)、環(huán)境和水氮水平與上述實(shí)驗(yàn)設(shè)計(jì)相同。通過預(yù)實(shí)驗(yàn)測得W3N3處理水平下的大豆結(jié)籽量最多，因此本實(shí)驗(yàn)的對照組水氮處理水平設(shè)為W3N3，稱為未受脅迫處理，其他所有處理水平稱為受脅迫處理。在表1(a)中，按W4，W2，W1的順序稱為水分脅迫程度的增加，在表1(b)中，按N4，N2，N1和N0的順序稱為氮素脅迫程度的增加。

1.3 數(shù)據(jù)采集及處理

于2018年8月20日—27日選擇天色明朗時(shí)進(jìn)行數(shù)據(jù)采集，采集時(shí)間為9:00—14:00，采集大豆功能葉片相同葉位的高光譜、葉綠素含量和凈光合速率3種數(shù)據(jù)。高光譜采用Analytical Spectral Devices分析光譜儀器公司產(chǎn)HH 2地物光譜儀測定，測量范圍325～1 075 nm，采樣間隔1.4 nm，分辨率3 nm@700 nm，每片葉獲取10條數(shù)據(jù)。葉綠素含量采用日本產(chǎn)SPAD-502測定，每片葉獲取3條數(shù)據(jù)。凈光合速率采用美國產(chǎn)LI-6400型光合作用儀測定，每片葉獲取3條數(shù)據(jù)。以上3種數(shù)據(jù)均取其平均值。利用ViewSpec Pro，Spss 24.0和Origin 19.0軟件進(jìn)行數(shù)據(jù)處理與分析。

2 結(jié)果與分析

2.1 不同水氮脅迫下大豆高光譜差異分析

植物葉片的高光譜特征與其內(nèi)部細(xì)微的結(jié)構(gòu)特征有關(guān)，受到脅迫后其生理信息的微弱變化可反映在高光譜圖像上[7]。如圖1所示，受脅迫與未受脅迫大豆植株表現(xiàn)出不同的光譜特征，但光譜曲線總體變化趨勢一致，在可見光綠光區(qū)(520～600 nm)的550 nm處形成一個(gè)反射峰即“綠峰”，原因是此波段范圍內(nèi)的植物光合效應(yīng)較低，吸收的光較少，反射率較高。在可見光紅光區(qū)(630～690 nm)的680 nm處形成一個(gè)反射谷即“紅谷”，原因是此波段為植物具有最強(qiáng)葉綠素吸收和光合活性的光譜帶，對光的吸收較多，反射率較低。在近紅外光區(qū)(700～900 nm)，由于植物葉肉細(xì)胞的反射作用，高光譜曲線快速升高，在760 nm處曲線基本升高至最高點(diǎn)，形成一個(gè)反射平臺。

圖1 大豆未受脅迫(W3N3)和受脅迫(W1N0，W2N0，W4N0)下的光譜特征

Fig.1 Spectral characteristics of unstressed (W3N3) and stressed (W1N0, W2N0, W4N0) soybeans

大豆在不同的水分和氮素水平下表現(xiàn)出不同的光譜反射率特征，在W3N3(未受脅迫)時(shí)，500～700 nm波段的反射率值低于受脅迫處理，760～900 nm波段的反射率值高于受脅迫處理。原因?yàn)榇蠖乖?00～700 nm波段的反射率主要受葉綠素含量的影響，而水氮脅迫會加速大豆體內(nèi)已形成葉綠素的分解，使其含量降低，因此W3N3水平大豆的葉綠素含量高，對光的吸收多從而反射率低，760～900 nm波段植株的反射率主要受大豆內(nèi)部構(gòu)造的控制，水氮脅迫使會大豆內(nèi)部結(jié)構(gòu)發(fā)生一定程度的損傷，導(dǎo)致對光的吸收減少從而反射率高。

同一水分水平下的不同氮素水平的光譜特征各不相同，如圖2(a)，(b)，(c)和(d)所示，N3水平(未受脅迫)的大豆光譜反射率在500～700 nm波段最低，760～900 nm波段最高，且隨著氮素脅迫程度的增加(N4，N2，N1，N0)，500～700 nm波段的反射率值逐漸增大。出現(xiàn)這種現(xiàn)象是因?yàn)樵诘孛{迫下，大豆葉片的葉綠素合成受到抑制，對綠光的吸收減弱，大豆的光合作用受到抑制，對光的吸收減弱，反射率增加，脅迫程度越大，反射率越高。

2.2 敏感光譜植被指數(shù)的選取

光譜植被指數(shù)是幾個(gè)波段間的不同光譜數(shù)據(jù)形式的組合運(yùn)算，以增強(qiáng)植被的某一特性，可通過其值進(jìn)行不同脅迫類型的檢測[8]。對于復(fù)雜的光譜數(shù)據(jù)，為了能最大程度地反映植被的生理信息及生長狀態(tài)，在處理光譜數(shù)據(jù)時(shí)，常用植被指數(shù)來反映所研究內(nèi)容的特征[9]。

圖2 不同水分和氮素脅迫下大豆葉片高光譜特征(a): W1與5種氮素水平交互作用; (b): W2與5種氮素水平交互作用;(c): W3與5種氮素水平交互作用; (d): W4與5種氮素水平交互作用Fig.2 Hyperspectral characteristics of soybean leaves under different water and nitrogen stresses(a): W1 combined with five nitrogen levels; (b) W2 combined with five nitrogen levels;(c): W3 combined with five nitrogen levels; (d): W4 combined with five nitrogen levels

相關(guān)分析法通?？梢郧宄孛枋龉庾V植被指數(shù)與作物參數(shù)之間的關(guān)系[10]。采用相關(guān)分析法確定敏感的植被指數(shù)，以指示大豆農(nóng)學(xué)參數(shù)的變化。15個(gè)光譜植被指數(shù)，標(biāo)記為SI1—SI15如表2所示，包括光譜反射率值和一階微分值，其中R，D分別代表反射率、一階導(dǎo)數(shù)，其下標(biāo)數(shù)字為對應(yīng)數(shù)字的波長。

表2 光譜植被指數(shù)公式及參考文獻(xiàn)Table 2 Spectral vegetation index formula and references

將15個(gè)光譜植被指數(shù)分別與葉綠素含量、凈光合速率進(jìn)行相關(guān)性分析，得到相關(guān)系數(shù)如圖3所示，可見SI1，SI4，SI13，SI14和SI15與葉綠素含量和凈光合速率的相關(guān)系數(shù)均較高，選取作為本工作所使用的植被指數(shù)。5個(gè)植被指數(shù)依次為NDVI，RVI，GNDVI，mNDVI705和LCI。

2.3 不同水氮脅迫處理對光譜植被指數(shù)的影響

為了更好地反應(yīng)大豆高光譜對水氮脅迫的響應(yīng)規(guī)律，進(jìn)一步分析植被指數(shù)的變化情況，如表3所示，NDVI，RVI，GNDVI，mNDVI705和LCI具有相同的變化規(guī)律： 未受脅迫(W3N3)時(shí)具有較高的植被指數(shù)值。同一水分水平下，植被指數(shù)值N3>N4>N2>N1>N0，隨著氮素脅迫程度的增加(N4，N2，N1，N0)呈現(xiàn)逐漸降低的趨勢； 同一氮素水平下，植被指數(shù)值W3>W4>W2>W1，隨著水分脅迫程度的增加(W4，W2，W1)也呈現(xiàn)逐漸降低的趨勢，水分和氮素脅迫程度最大時(shí)植被指數(shù)值最低，表明可通過植被指數(shù)進(jìn)行大豆脅迫及脅迫程度的識別。

很明顯，受脅迫大豆葉片的植被指數(shù)值低于正常生長大豆，探究其原因，由前文所述可知受脅迫的大豆葉片在500～700 nm波段的反射率高于未受脅迫大豆，而760～900 nm波段的反射率低于未受脅迫大豆，由表3可知植被指數(shù)值是這兩個(gè)波段反射率值進(jìn)行不同運(yùn)算后的比值，所以其植被指數(shù)值的變化規(guī)律如表3所示。

2.4 大豆單葉葉綠素含量和凈光合速率反演模型的建立

由以上結(jié)果表明植被光譜特征與作物參數(shù)顯著相關(guān)，因此，通過光譜建立大豆葉片葉綠素含量和凈光合速率反演模型是可行的。將2種作物參數(shù)分別與對應(yīng)的高光譜數(shù)據(jù)進(jìn)行相關(guān)性分析如圖4、圖5所示，結(jié)果顯示： 全波段中，相關(guān)系數(shù)絕對值大于0.443(p<0.05)的波長范圍集中在520～622 nm波段(葉綠素含量)和485～664 nm波段(凈光合速率)，因此選取520～622和485～664 nm用于建立大豆葉片葉綠素含量和凈光合速率反演模型所用波段。

圖3 大豆葉片葉綠素含量值及凈光合速率與植被指數(shù)相關(guān)系數(shù)

Fig.3 Correlation coefficient between chlorophyll content and net photosynthetic rate and vegetation index in soybean leaves

表3 不同水氮脅迫處理下大豆光譜植被指數(shù)值Table 3 Spectral vegetation index values of soybeans under different water and nitrogen stresses

圖4 大豆單葉高光譜與葉綠素含量的相關(guān)性Fig.4 Correlation between hyperspectrum and chlorophyllcontent of soybean single leaf

用60個(gè)大豆葉片的高光譜數(shù)據(jù)建模，采用梯度法選取45個(gè)樣本作為校正集，其余15個(gè)樣本作為預(yù)測集。對比分析了不同的光譜預(yù)處理和建模方法的應(yīng)用情況，選用的預(yù)處理方法有MSC，SNV，F(xiàn)D，SD和S-G。建模方法有PLS和PCR，用校正集和預(yù)測集的相關(guān)系數(shù)作為模型的評價(jià)指標(biāo)。不同預(yù)處理和建模方法組合結(jié)果如表4所示，通過對比12種組合方法分析發(fā)現(xiàn)，采用MSC+FD+S-G+PLS組合的方法建立葉綠素含量反演模型的相關(guān)系數(shù)最高分別為0.960 6和0.972 0，采用SNV+SD+S-G+PLS組合的方法建立凈光合速率反演模型的相關(guān)系數(shù)最高分別為0.992 7和0.970 8，因此確定這兩種方法為最優(yōu)建模方法。

圖5 大豆單葉高光譜與凈光合速率的相關(guān)性Fig.5 Correlation between hyperspectrum and netphotosynthetic rate of soybean single leaf

表4 不同預(yù)處理和建模方法組合結(jié)果Table 4 Combination results of different preprocessing and modeling methods

3 結(jié) 論

對不同水氮脅迫類型的大豆進(jìn)行葉片高光譜、葉綠素含量和凈光合速率測量，對光譜數(shù)據(jù)、植被指數(shù)及作物參數(shù)進(jìn)行了相關(guān)分析，結(jié)果表明: (1)可通過大豆高光譜進(jìn)行大豆水氮脅迫及脅迫程度的判斷，具有500～700 nm波段最低反射率和760～900 nm波段最高反射率的光譜曲線代表未受脅迫大豆，在500～700 nm波段的反射率逐漸增加表示脅迫程度的增加； (2)也可通過植被指數(shù)進(jìn)行大豆水氮脅迫及脅迫程度的判斷，5種植被指數(shù)表現(xiàn)為一致的變化特征，植被指數(shù)的最大值代表未受脅迫大豆，其值逐漸降低表示脅迫程度的增加； (3)所建立的最優(yōu)反演模型可對所有水氮處理的大豆進(jìn)行葉片葉綠素含量和凈光合速率的預(yù)測，可為大面積檢測大豆受脅迫和未受脅迫下其內(nèi)部生理信息提供技術(shù)支持，具有重要的指導(dǎo)和實(shí)踐意義。