干旱脅迫對冬小麥光合色素含量影響的高光譜監(jiān)測

閆曉斌，王志剛，王亞新，馮美臣，王超，肖璐潔，禹靜濤，楊武德

（山西農業(yè)大學 農學院/旱作農業(yè)工程研究所，山西 太谷 030801）

近年來全球變暖，極端氣候災害明顯增多，干旱成為限制農業(yè)發(fā)展的主要因素[1]。我國冬小麥生產主要分布在干旱、半干旱地區(qū)，水資源的匱乏及干旱氣候的加劇嚴重制約了小麥的生產[2]。隨著全球人口數量的不斷增長，對糧食的需求也會隨之增長。據統(tǒng)計，到2050年，全球對小麥和玉米等主要谷物的需求預計將增長70%[3]。因此，進一步挖掘干旱等極端條件對作物生理生態(tài)的影響，對作物生產和保障糧食安全有極其重要的意義。

有研究表明，適度的干旱脅迫會促使作物本身產生抗旱性且積累大量可溶性糖，復水后向外運輸葉片積累的可溶性化合物，在后期的營養(yǎng)生長及產量上會體現出一定的生長補償[4]。但重度的干旱脅迫及干旱時期過長，會對作物的細胞結構、組織及器官等造成破壞，造成了小麥光合能力及產量的下降[5]。當作物在生長期間受到干旱脅迫時，其在外部形態(tài)上的變化會有滯后性，肉眼觀測到其形態(tài)發(fā)生變化時，作物內部的結構功能等已經發(fā)生破壞，因此，實時精確的對干旱脅迫下冬小麥生理狀況進行監(jiān)測，對制定科學的農田管理決策具有重要意義[6-7]。

光合色素在植物光合作用中參與吸收、傳遞光能及引起原初光化學反應的作用，是表征植物光合能力的重要參數[8]。傳統(tǒng)植株采樣測定作物光合色素含量的方法繁瑣、耗時且對植株具有破壞性，不適用于大范圍實時的作物光合色素含量監(jiān)測[9]。高光譜遙感技術可從微弱的光譜反射率差異定量分析作物群體生長發(fā)育過程中的細微變化，為評估植物生理狀態(tài)提供了一種快速、無損的方法[10]。近年來，隨著高光譜技術的發(fā)展，利用高光譜技術監(jiān)測作物不同生長階段的光譜變化規(guī)律及作物受到脅迫后體內生理生化指標的高光譜響應特性已經成為研究的熱點[11]。有研究表明，光合色素含量與高光譜反射率存在很強的相關性，光合色素有鮮明的高光譜響應特征，因此，利用高光譜技術對作物光合色素含量進行定量監(jiān)測有極大的應用潛力[12-13]。

目前，國內外專家學者利用高光譜技術對冬小麥光合色素含量進行了定量監(jiān)測研究，例如，趙祥等[14]應用偏最小二乘回歸方法建立了冬小麥葉綠素含量的監(jiān)測模型。孫紅等[15]分析了冬小麥生長期冠層反射光譜和葉綠素含量的相關性，并建立了拔節(jié)期葉綠素含量線性檢測模型（R2=0.92）和孕穗期二項式模型（R2=0.91）。ATZBERGER等[16]比較了3種化學計量技術（PLS、主成分分析和逐步回歸）對冬小麥冠層葉綠素含量的估算能力，結果表明，基于PLS建立的預測模型表現最好。雖然在前人的研究中建立了較高精度的光合色素含量預測模型，但鮮有對長時間干旱后復水對冬小麥光合色素含量影響的研究，旱后復水對冬小麥光合色素含量影響的高光譜響應特性尚不明確[17-19]。

本研究利用高光譜技術對干旱脅迫下及復水后的冬小麥光合色素含量進行實時監(jiān)測，對掌握冬小麥各生長階段的需水規(guī)律、揭示冬小麥旱后復水的恢復機制及提高水分利用效率有積極作用。

1 材料和方法

1.1 試驗地概況

本試驗于2020年10月至2021年7月在山西省晉中市太谷區(qū)山西農業(yè)大學農學院農作站進行。該地區(qū)坐標為112°34′16.96′′E，37°25′19.81′′N，屬于溫帶大陸性氣候，年平均氣溫10.4℃，年平均總降水397.1 mm，年平均無霜期日數179 d，冬小麥生長季的降水量和月平均溫度如圖1所示。試驗小區(qū)土壤（0～20 cm）的基礎養(yǎng)分情況：機質含量為22.01 g/kg，堿解氮含量為53.8 mg/kg，速效磷含量為18.43 mg/kg，速效鉀含量為236.9 mg/kg，土壤田間持水量為25.55%。

圖1 2020—2021年冬小麥生長季氣象數據Fig.1 Meteorological data map of winter wheat growing season in 2020-2021

1.2 試驗材料

供試小麥品種為長6878，該品種為冬性中早熟品種，分蘗力強、穗層整齊、抗旱，適宜在山西省中部晚熟冬麥區(qū)肥旱地種植。

1.3 試驗設計

在拔節(jié)至抽穗期設置了不同干旱程度的水分脅迫，分別為重度脅迫（T1，田間持水量的45%±5%）、中度脅迫（T2，田間持水量的55%±5%）和輕度脅迫（T3，田間持水量的65%±5%），設置對照（CK，田間持水量的75%～80%），每個處理3個重復，共12個小區(qū)。小區(qū)長3 m、寬3 m，小區(qū)面積9 m2。期間每隔3 d采用烘干法測定一次土壤含水量，并進行土壤水分的控制，使土壤試驗保持在目標含水量附近。開花至灌漿期恢復正常供水（田間持水量的75%～80%）。種植前灌足底墑水，種植后統(tǒng)一澆灌越冬水和返青水。試驗地設有可移動防雨棚，可消除自然降雨的影響，每個小區(qū)四周都設置了PVC防滲板以防止地塊之間的水分交換，通過水表控制灌溉量，可實現精準控水。

1.4 樣本采集與測定

在拔節(jié)期、孕穗期、開花期和灌漿期采用美國ASD公司的ASD FieldSpec 3.0光譜儀采集冬小麥冠層光譜；采集時間為10：00—14：00，選擇風力小于3級、晴朗無云的天氣進行。傳感器探頭置于冠層上方1 m處，與地面保持垂直。為消除環(huán)境變化對儀器的影響，每隔10 min進行白板校正。每一樣本重復測量3次后取均值。采集光譜數據后，迅速采集對應處理的冬小麥葉片，測定光合色素含量。

1.5 數據分析

采用SPSS 20.0進行顯著性分析，Origin 2019b進行圖形繪制，The Unscrambler X 10.4進行光譜數據一階導數處理，Matlab 2010軟件進行模型的建立。

本研究采用連續(xù)投影算法（SPA）提取特征波長，應用偏最小二乘法（PLS）和多元線性回歸法（MLR）進行模型的建立。連續(xù)投影算法（SPA）是一種使矢量空間共線性最小化的前向變量選擇算法，它的優(yōu)勢在于提取全波段的幾個特征波長，能夠消除原始光譜矩陣中冗余的信息，可用于光譜特征波長的篩選[20]。多元線性回歸（MLR）是指有2個或2個以上的自變量的回歸分析，由多個自變量的最優(yōu)組合共同來預測或估計因變量[21]。偏最小二乘（PLS）是一種強大的多元統(tǒng)計工具，這種方法可以有效地將大量的光譜數據減少為少數幾個不相關的主成分，可以很好地解決數據的共線性問題[22]。

采用決定系數（R2）、均方根誤差（RMSE）和相對分析誤差（RPD）來對模型的精度進行評價，其中，R2越高、RMSE越小，表示模型的擬合效果和預測效果越好，當RPD≥2.0時，表明模型有很好的預測能力；當1.4≤RPD＜2.0時，表明模型的預測能力一般；當RPD＜1.4時，表明模型的預測能力較差，難以應用于實踐[23]。

式中，Yi為實測值；Y'i為預測值；n為樣本數；p為自變量個數；SD為檢驗樣本的標準差。

2 結果與分析

2.1 不同水分脅迫對冬小麥冠層光合色素含量的影響

不同生長階段各處理冬小麥冠層光合色素含量如表1所示。

表1 不同生長階段各處理冬小麥冠層光合色素含量Tab.1 Photosynthetic pigment content in canopy of winter wheat at different growth stages mg/g

由表1可知，從拔節(jié)期到灌漿期，冬小麥的3種光合色素含量水平均呈現出先升高后降低的趨勢，且在開花期達到了最大值。在拔節(jié)期，與CK相比，由于T1處理下冬小麥處于重度干旱環(huán)境，光合色素含量均顯著降低；T2處理下Ca和Cb含量沒有顯著的變化，但Car含量顯著降低；T3處理下Ca和Car含量顯著下降。孕穗期與CK相比，T3處理下光合色素含量顯著升高，T1和T2處理則由于長時間的重度和中度干旱脅迫造成了光合色素含量顯著降低。復水后3種光合色素含量在開花期達到了最大值，與CK相比，T1和T2處理由于生長前期長時間的重度干旱脅迫，光合色素含量均顯著降低。T3處理則在復水后表現出了補償效應，呈現出光合色素含量顯著升高的現象，因此，在冬小麥生長前期進行輕度脅迫，生長后期復水后有利于光合色素含量的提高。

2.2 不同水分脅迫下冬小麥冠層光譜反射率特征分析

由圖2可知，拔節(jié)期在可見光區(qū)域內，光譜反射率呈現出T1＞T2＞T3＞CK的規(guī)律；在近紅外光區(qū)域，光譜反射率表現為T1＞CK＞T3＞T2，但T2與T3的差異較小。孕穗期可見光區(qū)域和近紅外長波區(qū)域內，光譜反射率表現為T1＞T2＞T3＞CK，在近紅外短波區(qū)域表現為CK＞T3＞T1＞T2。開花期可見光區(qū)域內反射率表現為T2＞T1＞CK＞T3，近紅外光短波區(qū)域內光譜反射率表現為CK＞T3＞T2＞T1，近紅外長波區(qū)域內具體表現為：1 400～1 800 nm表現為CK＞T2＞T1＞T3，在1 900～2 450 nm則呈現出T2＞CK＞T3＞T1的現象。灌漿期可見光區(qū)域內光譜反射率表現為T1＞T2＞T3＞CK，近紅外光短波區(qū)域表現為T3＞CK＞T1＞T2，近紅外光長波區(qū)域表現為T1＞T2＞T3＞CK。在拔節(jié)至灌漿期，CK、T2和T3處理的冠層光譜反射率表現出先升高后降低的現象，在開花期冠層光譜反射率達到了最大，但T1處理下的光譜反射率曲線的表現趨勢不一致。灌漿期T1和T2處理下的光譜特征發(fā)生了較大的變化，波峰和波谷的特征變得不明顯。

圖2 不同水分脅迫下冬小麥冠層光譜反射率Fig.2 Spectral reflectance of winter wheat canopy under different water stresses

2.3 冬小麥冠層光譜紅邊參數分析

紅邊參數是進行作物長勢狀況監(jiān)測的重要指標，紅邊位置（Drλed）指在680～760 nm波段內一階導數光譜的最大值所對應的波長。紅邊幅值（rλed）是當波長為紅邊位置時的一階微分值。紅邊面積（Sred）為680～760 nm的一階導數光譜所包圍的面積。由表2可知，隨著生育時期變化，從拔節(jié)期到灌漿期，CK和T3處理下冬小麥冠層光譜紅邊位置開始先向長波方向移動，再向短波方向移動，即先“紅移”再“藍移”；紅邊幅值和紅邊面積先升高再降低，開花期達到了最大值。在不同的生育時期，T1和T2處理下紅邊位置沒有明顯的變化，T2處理下的紅邊振幅和紅邊面積與CK和T3處理表現一致。T1處理下紅邊振幅和紅邊面積表現出與其他3個處理不同的現象，拔節(jié)期T1處理的紅邊振幅達到了最大值，由于長時間的重度干旱脅迫，孕穗期紅邊振幅和紅邊面積減小，抽穗期復水后到了開花期，紅邊振幅和紅邊面積有所回升，此時紅邊面積達到了最大值。將拔節(jié)期與灌漿期的紅邊參數進行對比可以發(fā)現，CK下紅邊參數沒有明顯的變化，T3處理下紅邊振幅和紅邊面積有所提升，T1和T2處理下紅邊振幅和紅邊面積降低幅度較大，其中，T1處理的降低幅度最大。

表2 不同生育時期冬小麥冠層光譜紅邊參數Tab.2 Red edge parameters of canopy spectrum of winter wheat at different growth stages

2.4 光合色素含量與光譜反射率的相關性分析

從圖3可以看出，光合色素含量與原始光譜反射率相關系數最大值均在近紅外短波區(qū)域，其中Ca和Cb與高光譜反射率的相關系數分別在1 070、1 096 nm達 到最大，分 別為0.575和0.565。Car與高光譜反射率的相關系數最大值出現在867 nm，為0.552。原始光譜反射率經一階微分變幻后，光合色素含量與一階微分光譜反射率相關系數最大值均出現在770 nm附近，其中，Ca和Cb與一階微分光譜反射率的相關系數均在772 nm達到最大，分別為0.730和0.766。Car與一階微分光譜反射率的相關系數最大值出現在771 nm，為0.626。原始光譜數據經一階微分變換后，光合色素含量與高光譜反射率的相關性明顯提高，其中，Ca的相關性提高了0.155，Cb提高了0.201，Car與光譜反射率的相關系數從0.552提高到了0.626。

圖3 光合色素含量與光譜反射率的相關性Fig.3 Correlation of coefficient of photosynthetic pigment content and spectral reflectance

2.5 特征波長的篩選

表3為應用SPA提取的光合色素的特征波長。由表3可知，原始光譜反射率下，應用SPA提取Ca的特征波長數為7個（933、1 350、1 663、2 262、2 380、2 382、2 400 nm），Cb的特征波長數為8個（681、760、1 000、1 134、1 171、1 350、1 548、2 360 nm），Car的特征波長數為4個（675、1 950、2 053、2 262 nm）。一階微分光譜反射率下，應用SPA提取Ca的特征波長數為2個（1 054、1 703 nm），Cb的特征波長數為4個（947、1 692、2 106、2 369 nm），Car的特征波長數為4個（581、1 169、2 292、2 307 nm）。原始光譜反射率經一階微分處理后，Ca和Cb的特征波長數量有所減少，但類胡蘿卜素的特征波長數量沒有變化。

表3 基于連續(xù)投影算法（SPA）篩選的特征波長Tab.3 The characteristic wavelengths filtered by successive projection algorithm（SPA） nm

2.6 光合色素含量的描述性統(tǒng)計分析

將光合色素含量從低到高進行排序，采用濃度梯度法將3種光合色素含量按3∶1劃分為校正集和驗證集。由表4可知，Ca含量校正集和驗證集的范圍分別為3.033、2.892 mg/g，平均值分別為2.773、2.882 mg/g，標準差分別為0.815、0.885 mg/g。Cb含量校正集和驗證集的范圍分別為1.261、1.083 mg/g，平均值分別為1.095、1.104 mg/g，標準差分別為0.343、0.349 mg/g。Car含量校正集和驗證集的范圍分別為0.659、0.611 mg/g，平均值分別為0.531、0.539 mg/g，標 準 差 分 別 為0.166、0.174 mg/g。Ca、Cb和Car含量的偏度均大于0小于1，從統(tǒng)計學的角度來看，分布具有正偏離，分布服從正態(tài)，因此，可以進行進一步的統(tǒng)計分析。

表4 光合色素含量的描述性統(tǒng)計Tab.4 Descriptive statistics of photosynthetic pigment content

2.7 光合色素含量的監(jiān)測模型

基于原始光譜反射率和一階微分光譜反射率建立的光合色素含量模型評價如表5所示。

表5 光合色素含量模型評價Tab.5 Evaluation of photosynthetic pigment content model

偏最小二乘回歸法在處理因變量較多而自變量較少的數據時有一定的優(yōu)勢。SPA的主要目的是消除自變量之間的共線性，篩選出物理意義明確的波段，簡化MLR模型的結構，提高模型精度。在對原始光譜反射率進行了一階微分處理后，本研究分別建立了基于原始光譜反射率和一階微分變換后光譜反射率的PLS光合色素模型和SPA+MLR光合色素模型。由表5可知，在全波譜的PLS模型中，較R+PLS模型相比，1st+PLS模型對Cb含量和Car含量的監(jiān)測效果較好，但對Ca含量的監(jiān)測效果沒有明顯的提升，其中，Cb含量模型R2C達到了0.867，R2V達到了0.696，Car含量監(jiān)測模型的R2C達到了0.689，R2V達到了0.493。與應用特征波長建立的光合色素監(jiān)測模型相比，應用全波譜建立的光合色素模型精度整體較高。在利用特征波長建立的模型中，R+SPA+MLR模型在對3種光合色素含量的監(jiān)測效果均優(yōu)于1st+SPA+MLR模型。

3 討論

3.1 干旱脅迫對冬小麥光合色素含量的影響分析

光合色素含量是評估作物光合能力和生長狀況的重要參數，干旱脅迫會對作物光合色素含量造成顯著影響[24-26]。本研究結果表明，與CK相比，T3處理在拔節(jié)期Ca和Car含量顯著降低，這是由于冬小麥在前期適應干旱環(huán)境時，碳同化能力下降，造成了光合色素含量的合成減少[27]。在開花期，由于冬小麥完成了營養(yǎng)生長，此時葉片定型，葉片光合能力達到了峰值，因此，各處理下的小麥光合色素含量均達到最大。T3處理在灌漿期3種光合色素均顯著升高，由于生長前期對干旱環(huán)境的適應，小麥根系及抗旱能力變強，復水后形成光合色素含量的補償效應[28-29]。在生長前期，T1和T2處理下冬小麥光合色素含量有不同程度的下降，中度和重度的干旱環(huán)境造成了植物光合功能和光合器官的損傷，抑制了冬小麥葉片光合色素的合成[30]。由于光合功能和光合器官不可逆的損傷，復水后仍表現出光合色素含量顯著低于CK的現象。

3.2 旱后復水對冬小麥冠層光譜特性的影響分析

冬小麥冠層光譜反射率受植株含水量、生物量及光合色素含量等綜合因素的影響，其中可見光區(qū)域主要受葉綠素含量的影響[31]。在本研究中，拔節(jié)期和孕穗期隨著干旱脅迫程度的增加導致小麥葉片葉綠素含量逐漸減少，對能量的吸收也逐漸減少，因此，表現出了在可見光區(qū)域光譜反射率逐漸升高的現象。復水后，由于T3處理光合色素含量產生了補償效應，在可見光區(qū)表現出了冬小麥光譜反射率低于CK的現象。近紅外短波和近紅外長波區(qū)域反射率的高低則取決于植株含水量及葉片結構[32]。孕穗期CK和T3處理下小麥含水量要高于T1和T2處理，其葉片結構也較為完整，在近紅外短波區(qū)域光譜反射率表現出了CK＞T3＞T1＞T2的現象。T1＞T2可能的原因是T1處理下的冬小麥未能封壟，光譜反射率受到了土壤背景的干擾，隨著生育時期的推移及復水，在開花期表現出了CK＞T3＞T2＞T1的現象。到了灌漿期，由于長時間的復水，輕度脅迫下小麥生理生化功能得到恢復，并且出現了一定的補償效應，近紅外光短波區(qū)域光譜反射率表現出了T3＞CK＞T1＞T2的現象。紅邊區(qū)域（680～760 nm）可以很好地反映作物生長狀況，作物紅邊參數會隨著生育時期的變化而變化[33]。本研究表明，隨著生育時期的推進，CK、T2和T3處理下冬小麥的紅邊振幅、紅邊位置和紅邊面積呈現先升高后降低的趨勢，且在開花期達到最大，但T1處理下表現出不一致的現象，由于重度干旱脅迫，在孕穗期T1處理的紅邊振幅和紅邊面積減小，復水后開花期與孕穗期相比紅邊參數沒有明顯的變化，該現象表明在長時間的重度干旱下，冬小麥光合色素含量降低，即使生長后期復水，也無法緩解對光合色素含量的損傷。

3.3 冬小麥旱后復水模型構建與可行性分析

在明確了不同干旱環(huán)境及旱后復水對冬小麥光合色素含量及冠層光譜影響的基礎上，本研究對原始光譜反射率進行了一階微分變換，并且分別進行了3種光合色素含量與冠層光譜反射率的相關性分析，結果表明，3種光合色素含量與冠層光譜反射率有較好的相關關系，經一階微分變換后的原始光譜反射率與光合色素含量的相關性有了明顯的提高，與前人的相關研究結果一致[34]。在光合色素的高光譜監(jiān)測研究中，大多數研究是基于可見光區(qū)域的，因為可見光區(qū)域對色素的響應較近紅外區(qū)域更為敏感[35]。本研究表明，應用SPA篩選出Ca、Cb和Car的特征波長大多出現在近紅外區(qū)域，這可能是因為干旱脅迫造成了小麥細胞結構的損傷及植株含水量的減少，造成了光譜特征在近紅外區(qū)域的變化，而這些變化趨勢與葉綠素的合成相關。在進行光合色素含量的監(jiān)測時，不同的預處理方法及建模方法的使用對其預測精度有很大的影響，因此，本研究分別建立了基于原始光譜反射率和一階微分變換后光譜反射率的全波譜PLS模型和基于特征波長的MLR模型，結果表明，相比四類監(jiān)測模型，基于R+SPA+MLR建立的葉綠素a含量監(jiān)測模型的精度最高。利用SPA對葉綠素a的原始光譜進行了特征波長的提取，很大程度上消除了光譜的冗余信息，進一步明確了光譜波段與葉綠素a含量的關系，為利用MLR建立線性的葉綠素a含量監(jiān)測模型奠定了基礎。而基于1st+PLS建立的葉綠素b含量監(jiān)測模型和類胡蘿卜素監(jiān)測模型的精度最高。一階微分的使用增強了原始光譜的有效信息，在增強信息的基礎上，采用PLS可以將大量的光譜數據壓縮為幾個不相關的主成分，很好地解決了數據的共線性問題。本研究表明，光譜預處理方法結合恰當的建模方法在建立光合色素含量監(jiān)測模型方面有很好的應用潛力。隨著信息技術的快速發(fā)展，這種通過不同方法互相組合來探索最佳模型的黑盒方法正逐漸成為一種趨勢，能夠有效地發(fā)現數據的內在規(guī)律，從而促進科學研究的發(fā)展。本研究所采集的冬小麥品種單一，未來應該進一步探索不同抗旱性冬小麥品種的光合色素含量與冠層光譜的關系，為實現冬小麥光合色素含量的精準監(jiān)測作出貢獻。

4 結論

本研究表明，冬小麥生長前期進行輕度脅迫，生長后期復水后冬小麥的光合色素含量顯著增加，而中度和重度干旱脅迫下生長后期復水后冬小麥的光合色素含量顯著下降。隨著干旱脅迫程度的增加，冬小麥冠層光譜反射率在可見光區(qū)域逐漸升高，紅邊位置逐漸藍移，光合色素含量及紅邊參數在開花期達到了最大值，復水后輕度脅迫下紅邊參數恢復到了CK水平。光合色素含量與高光譜反射率有很好的相關性，其中，葉綠素a和葉綠素b含量與一階微分變換后的高光譜反射率的相關系數均在772 nm達到了最大值，分別為0.730和0.766，類胡蘿卜素與一階微分變換后高光譜反射率的相關系數最大值出現在771 nm，為0.626。3種光合色素的最優(yōu)模型分別為基于R+SPA+MLR建立的Ca含量監(jiān)測模型（R2v=0.705，RMSEv=0.556，RPD=1.592）、基于1st+PLS建立的Cb含量監(jiān)測模 型（R2v=0.696，RMSEv=0.188，RPD=1.856）和基于1st+PLS建立的Car含量監(jiān)測模型（R2v=0.493，RMSEv=0.138，RPD=1.261）。