利用高光譜數(shù)據(jù)估測(cè)不同溫度脅迫下的水稻籽粒中粗蛋白和直鏈淀粉含量

謝曉金，李秉柏，朱紅霞

冠層反射光譜能夠反映作物群體面源信息，通過對(duì)冠層光譜信息的解析，可以有效提取和突出作物目標(biāo)的實(shí)時(shí)信息。多年來，反射光譜數(shù)據(jù)已成為估測(cè)葉面積指數(shù)、地上生物量、葉綠素含量和氮素營(yíng)養(yǎng)等農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)和遙感估產(chǎn)的重要手段[1，2]。粗蛋白和直鏈淀粉含量是谷類作物營(yíng)養(yǎng)品質(zhì)的兩個(gè)重要指標(biāo)，近年來，國(guó)內(nèi)外許多研究表明，利用反射光譜來預(yù)測(cè)谷類籽粒的粗蛋白和直鏈淀粉含量也是可行的。Hansen等報(bào)道了利用冠層光譜反射率和偏最小二乘法預(yù)測(cè)小麥籽粒蛋白質(zhì)含量[3]。李映雪等指出，灌漿中期冠層光譜指數(shù)RVI(1 220,710)能預(yù)測(cè)不同小麥品種成熟期籽粒蛋白質(zhì)含量的變化[4]。劉蕓等利用原始光譜反射率和一階導(dǎo)數(shù)光譜來構(gòu)建植被指數(shù)來預(yù)測(cè)籽粒粗蛋白、粗淀粉和直鏈淀粉含量，其決定系數(shù)達(dá)0.7以上[5]。但以上研究主要偏重于氮素脅迫下的谷類籽粒品質(zhì)的光譜反演，而定量反演高溫脅迫條件下水稻籽粒品質(zhì)的研究未見報(bào)道。目前，隨著全球氣候變化的日益加劇，夏季極端高溫和持續(xù)高溫頻繁出現(xiàn)，我國(guó)長(zhǎng)江流域水稻發(fā)生熱害的頻率與受害程度隨之加大，對(duì)水稻品質(zhì)損害的程度也越來越嚴(yán)重，而利用高光譜遙感技術(shù)進(jìn)行高熱害長(zhǎng)勢(shì)和品質(zhì)監(jiān)測(cè)的研究必是未來農(nóng)業(yè)遙感重心之一[6,7]。本研究以不同年份、不同品種類型在不同溫度脅迫下的水稻試驗(yàn)為基礎(chǔ)，測(cè)定不同生育期水稻冠層高光譜反射率以及成熟籽粒的粗蛋白和直鏈淀粉含量，討論水稻籽粒的粗蛋白和直鏈淀粉含量與冠層反射光譜參數(shù)的定量關(guān)系，為快速、低成本地檢測(cè)稻米品質(zhì)提供依據(jù)，同時(shí)也為用高光譜遙感方法在水稻高溫?zé)岷χ械钠焚|(zhì)監(jiān)測(cè)應(yīng)用提供重要的理論依據(jù)。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)1：試驗(yàn)于2007、2008年在江蘇省農(nóng)業(yè)科學(xué)院試驗(yàn)站進(jìn)行，供試水稻品種為揚(yáng)稻6號(hào)（常規(guī)秈稻，全生育期約138d）和南粳43（常規(guī)粳稻，全生育期約160d）。5月15日育秧，6月18日移栽，揚(yáng)稻6號(hào)于8月18日開始抽穗，南粳43于9月1日開始抽穗。采用浙江余姚生產(chǎn)的遠(yuǎn)紅外加熱燈管（長(zhǎng)1.5m，額定功率1000W）和自動(dòng)控溫系統(tǒng)，自行設(shè)計(jì)高1.7m，長(zhǎng)、寬各1.5m的柱型鋼管支架，安置在水稻試驗(yàn)田中，遠(yuǎn)紅外加熱管離地1.5m高。在溫控和通風(fēng)系統(tǒng)的調(diào)控下，使加熱區(qū)（離地面0.8m-1.2m高的空間）的溫度變幅控制在±0.2℃左右。在兩個(gè)水稻品種處于孕穗期時(shí)，隨機(jī)選取10箱水稻進(jìn)行高溫處理，另外10箱為常溫對(duì)照（CK），加熱設(shè)施提前30min通電預(yù)熱，以確保09:00-14:00時(shí)段內(nèi)穗層溫度為35℃、38℃與41℃，處理時(shí)間為3d，每天高溫處理5h后停止增溫。在處理時(shí)段內(nèi)，常溫對(duì)照的氣溫為30℃-31℃，相對(duì)濕度為65%，高溫處理的相對(duì)濕度為68%。

試驗(yàn)2：在以上兩個(gè)水稻品種處于孕穗期時(shí)，隨機(jī)選取5箱水稻移入RXZ型人工氣候光照培養(yǎng)箱中，進(jìn)行35℃、38℃與41℃3個(gè)溫度梯度處理，處理時(shí)間為3d，每天處理5h（09:00-14:00），每天高溫處理結(jié)束之后放置于網(wǎng)室內(nèi)。以自然環(huán)境條件下溫度為對(duì)照。試驗(yàn)資料用于檢驗(yàn)預(yù)測(cè)模型。

1.2 試驗(yàn)測(cè)定

1.2.1 光譜測(cè)定 于水稻開花期、灌漿期及蠟熟期采用美國(guó)Analytical Spectral Device(ASD)公司生產(chǎn)的FieldSpec Pro FR2500型背掛式野外高光譜輻射儀測(cè)定冠層光譜反射率，光譜儀的波段范圍為350 nm-2 500 nm，其中，350 nm-1 000 nm光譜采樣間隔為1.4 nm，光譜分辨率為3nm；1 000 nm-2 500 nm光譜采樣間隔為2 nm，光譜分辨率為10 nm。冠層光譜測(cè)定選擇在天氣晴朗、無(wú)風(fēng)或風(fēng)速很小時(shí)進(jìn)行，時(shí)間范圍為10:00-14:00，傳感器探頭垂直向下，距冠層頂垂直高度約1.0m，光譜儀視場(chǎng)角為25°，地面視場(chǎng)范圍直徑為0.44m。每個(gè)小區(qū)記錄10個(gè)采樣光譜，取平均值作為該處理的高光譜反射值。測(cè)量過程中及時(shí)進(jìn)行標(biāo)準(zhǔn)白板校正。用ASD ViewSpec Programs軟件讀取反射光譜原始數(shù)據(jù)。

1.2.2 粗蛋白和直鏈淀粉測(cè)定 將光譜測(cè)量區(qū)域的水稻收獲后碾磨去殼，得大米。大米直鏈淀粉的提取參照洪雁等[8]方法。用凱氏定氮法測(cè)全氮含量，根據(jù)一般大米蛋白質(zhì)含約16.80%氮的原理，將所得的全氮含量乘以換算因子K=5.95，推算為粗蛋白含量。

1.3 數(shù)據(jù)分析

參照已有的植物光譜參數(shù)計(jì)算方法[9-12]，基于所有波段的反射率、一階導(dǎo)數(shù)構(gòu)建兩波段組合的比值、差值和歸一化植被指數(shù)以及紅邊幅值等特征光譜參數(shù)，以試驗(yàn)1為基礎(chǔ)，對(duì)水稻冠層各項(xiàng)光譜參數(shù)與成熟籽粒粗蛋白質(zhì)和直鏈淀粉含量進(jìn)行相關(guān)分析，選擇與籽粒粗蛋白質(zhì)和直鏈淀粉含量顯著相關(guān)的波段及植被指數(shù)進(jìn)行回歸擬合，并通過回歸分析確定監(jiān)測(cè)水稻籽粒蛋白質(zhì)和直鏈淀粉含量的最佳光譜參數(shù)，建立預(yù)測(cè)模型。利用試驗(yàn)2的觀測(cè)數(shù)據(jù)對(duì)以上模型進(jìn)行測(cè)試和檢驗(yàn)。采用國(guó)際上常用的根均方差法 (RMSE,root mean square error)對(duì)模型進(jìn)行檢驗(yàn)。RMSE以模擬值與觀測(cè)值的一致性來反映模型的預(yù)測(cè)能力，RMSE值小于10%，表明預(yù)測(cè)性強(qiáng)；RMSE值大于30%，則表明預(yù)測(cè)性差。并引用Massart等[13]提出的精確度(Precision)和準(zhǔn)確度(Accuracy)概念對(duì)模型的預(yù)測(cè)精度進(jìn)行評(píng)價(jià)，精確度即實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)，準(zhǔn)確度即實(shí)測(cè)值與預(yù)測(cè)值擬合方程的斜率。

2 結(jié)果與分析

2.1 高溫脅迫下籽粒粗蛋白和直鏈淀粉含量的變化

圖1展示出不同溫度脅迫條件下?lián)P稻6號(hào)和南粳43的粗蛋白和直鏈淀粉含量的變化特點(diǎn)。可以看出，與對(duì)照相比，兩個(gè)水稻品種的籽粒粗蛋白和直鏈淀粉含量均達(dá)到顯著或極顯著水平（p＜0.05或P＜0.01），并且隨脅迫溫度的增加，兩個(gè)品種的籽粒粗蛋白含量呈下降趨勢(shì)，而直鏈淀粉含量呈上升趨勢(shì)。

2.2 冠層反射光譜與水稻籽粒粗蛋白和直鏈淀粉含量的關(guān)系

2.2.1 冠層單波段反射率與籽粒粗蛋白和直鏈淀粉含量的相關(guān)性 從圖2可以看出，水稻籽粒的粗蛋白和直鏈淀粉含量與3個(gè)生育期冠層光譜反射率的相關(guān)性具有相反的趨勢(shì)，其中粗蛋白與開花期和灌漿期冠層光譜反射率在整個(gè)光譜區(qū)域都達(dá)到正相關(guān)，直鏈淀粉含量與開花期冠層光譜反射率僅在紅光（642 nm-691nm）范圍內(nèi)呈正相關(guān)，在其他光譜范圍內(nèi)均呈負(fù)相關(guān)，而與灌漿期冠層光譜反射率在整個(gè)光譜區(qū)域都達(dá)到正相關(guān)。對(duì)于蠟熟期，粗蛋白在350 nm-532 nm、575 nm-695 nm以及1 760 nm以上光譜區(qū)域呈負(fù)相關(guān)，在其他光譜范圍內(nèi)均呈正相關(guān)。直鏈淀粉含量在350 nm-706 nm光譜區(qū)域呈正相關(guān)，而706 nm以上可見光和紅外區(qū)域光譜為負(fù)相關(guān)。另外，水稻籽粒的粗蛋白和直鏈淀粉含量與不同生育期葉片冠層光譜一階導(dǎo)數(shù)在某些波段（如376 nm、416 nm、628 nm和715 nm等）也達(dá)到了顯著或極顯著相關(guān)水平（p＜0.05或p＜0.01）。這表明，可以通過冠層原始高光譜反射率和一階導(dǎo)數(shù)來估測(cè)籽粒的粗蛋白和直鏈淀粉的相對(duì)含量。本試驗(yàn)還顯示，籽粒的粗蛋白與直鏈淀粉含量之間呈顯著負(fù)相關(guān)，相關(guān)系數(shù)達(dá)-0.356，表明水稻籽粒粗蛋白含量越高，其直鏈淀粉含量相對(duì)就越低。

2.2.2 各類光譜變量與籽粒粗蛋白和直鏈淀粉含量的相關(guān)性將水稻冠層原始光譜反射率、一階導(dǎo)數(shù)以及組合成的光譜變量與粗蛋白和直鏈淀粉含量進(jìn)行相關(guān)性分析，并將相關(guān)系數(shù)較大的光譜變量列于表1，部分估算方程列于表2。結(jié)果顯示：3個(gè)生育期冠層光譜變量對(duì)粗蛋白和直鏈淀粉含量預(yù)測(cè)性都較好，均達(dá)到顯著或極顯著水平（p＜0.05或p＜0.01），但開花期的冠層光譜變量對(duì)粗蛋白和直鏈淀粉含量的預(yù)測(cè)性優(yōu)于灌漿期，而灌漿期的預(yù)測(cè)性又優(yōu)于蠟熟期，光譜變量中的差值植被指數(shù)DVI(810,450)、DVI(810,680)和670 nm-755nm面積可以同時(shí)預(yù)測(cè)籽粒的粗蛋白和直鏈淀粉含量。

表1 不同生育期冠層光譜參數(shù)與水稻籽粒粗蛋白和直鏈淀粉含量的相關(guān)性(n=40)

表2 不同生育期冠層光譜參數(shù)與水稻籽粒粗蛋白和直鏈淀粉含量的回歸方程(n=40)

2.3 籽粒粗蛋白與直鏈淀粉含量的監(jiān)測(cè)模型及檢驗(yàn)

基于單波段反射率、一階導(dǎo)數(shù)以及表1所列的光譜參數(shù)，對(duì)籽粒粗蛋白和直鏈淀粉含量進(jìn)行回歸分析，篩選DVI(810,450)作為最佳光譜參數(shù)，并且開花期的DVI(810,450)對(duì)籽粒粗蛋白和直鏈淀粉含量的預(yù)測(cè)優(yōu)于灌漿期和蠟熟期。圖3展示了開花期DVI(810,450)與成熟籽粒粗蛋白和直鏈淀粉含量的關(guān)系，并得出基于開花期冠層反射光譜的籽粒粗蛋白含量（GCPC）和直鏈淀粉含量(GAC)的預(yù)測(cè)方程：

利用試驗(yàn)2開花到蠟熟期的數(shù)據(jù)對(duì)水稻成熟籽粒粗蛋白和直鏈淀粉含量預(yù)測(cè)方程進(jìn)行測(cè)試和檢驗(yàn)（見表3），結(jié)果顯示，預(yù)測(cè)值與實(shí)際值的精確度為0.393-0.683，均達(dá)到極顯著水平；準(zhǔn)確度為0.708-0.923，RMSE值為8.706%-11.296%。說明粗蛋白和直鏈淀粉含量預(yù)測(cè)模型對(duì)不同時(shí)期水稻的估測(cè)效果具有一定的可靠性。

表3 籽粒粗蛋白和直鏈淀粉含量預(yù)測(cè)模型的預(yù)測(cè)表現(xiàn)

3 結(jié)論與討論

3.1 結(jié)論

與常溫對(duì)照相比，兩個(gè)水稻品種的籽粒粗蛋白和直鏈淀粉含量均達(dá)到顯著或極顯著水平，并且隨脅迫溫度的增加，兩個(gè)水稻品種的籽粒粗蛋白含量呈上升趨勢(shì)，而直鏈淀粉含量呈下降趨勢(shì)。將水稻冠層原始光譜反射率、一階導(dǎo)數(shù)以及組合成的光譜變量與粗蛋白與直鏈淀粉含量進(jìn)行相關(guān)性分析，結(jié)果表明：三個(gè)生育期冠層光譜變量對(duì)粗蛋白與直鏈淀粉含量預(yù)測(cè)性都較好，但開花期的預(yù)測(cè)性優(yōu)于灌漿期與蠟熟期，其中光譜變量中的 DVI(810,450)、DVI(810,680)和670nm-755nm面積三個(gè)參數(shù)可以同時(shí)預(yù)測(cè)籽粒的粗蛋白與直鏈淀粉含量。

3.2 討論

前人研究表明，在氮素和干旱脅迫下，谷類籽粒的粗蛋白和直鏈淀粉含量都有顯著變化[14,15]，本研究發(fā)現(xiàn)，與常溫對(duì)照相比，高溫脅迫下水稻籽粒的粗蛋白和直鏈淀粉含量均達(dá)到顯著或極顯著水平。冠層反射光譜能夠反映作物群體面源信息，在一定程度上能反映籽粒的品質(zhì)信息，因此利用反射光譜預(yù)測(cè)籽粒的粗蛋白和直鏈淀粉含量具有一定的可行性。本研究發(fā)現(xiàn)，基于開花期的冠層光譜參數(shù)對(duì)籽粒粗蛋白和直鏈淀粉含量的預(yù)測(cè)均優(yōu)于灌漿期和蠟熟期，原因可能由于水稻籽粒營(yíng)養(yǎng)成分的形成大部分來自抽穗前莖、葉營(yíng)養(yǎng)貯存的轉(zhuǎn)移，即主要取決于灌漿前期，而蠟熟期水稻葉、穗大部分變黃，葉面積與葉片葉綠素含量明顯降低，這與粗蛋白和淀粉正相關(guān)的葉片葉綠素對(duì)整個(gè)冠層光譜的貢獻(xiàn)相對(duì)減弱，因此，相比之下，灌漿期和蠟熟期冠層光譜預(yù)測(cè)水稻籽粒粗蛋白和淀粉的精度降低。本研究基于開花期的冠層反射光譜參數(shù)DVI(810,450)構(gòu)建了成熟期籽粒粗蛋白和直鏈淀粉含量的預(yù)測(cè)模型，通過檢驗(yàn)表明，其估測(cè)效果較好，因此該模型具有一定的準(zhǔn)確性，可為高光譜遙感方法在水稻高溫?zé)岷ζ焚|(zhì)監(jiān)測(cè)中的應(yīng)用提供方法和依據(jù)。另外，由于水稻籽粒粗蛋白質(zhì)和直鏈淀粉含量的形成是一個(gè)動(dòng)態(tài)過程，因此要利用遙感手段進(jìn)行水稻籽粒粗蛋白質(zhì)和直鏈淀粉含量的精確監(jiān)測(cè)預(yù)報(bào)，還必須深入探明稻穗的特征光譜及不同葉位葉片和莖稈對(duì)冠層反射光譜的影響及其與籽粒蛋白質(zhì)形成的機(jī)理關(guān)系。

[1] 馮偉,朱艷,田永超,等.基于高光譜遙感的小麥葉片氮積累量[J].生態(tài)學(xué)報(bào),2008,28(1):23-32.

[2] Huang Z,Turner B J,Dury S J,et al.Estimating foliage nitrogen concentration from HYMAPdatausingcontinuumremoval analysis[J].Remote Sens Environ,2004(93):18-29.

[3]Hansen PM,Jorgensen JR,Thomsen A.Predicting grain yield and protein content in winter wheat and spring barley using repeated canopyreflectancemeasurementsand partialleastsquaresregression[J].JAgri Sci,2002,139(3):307-318.

[4] 李映雪,朱艷,田永超,等.小麥冠層反射光譜與籽粒蛋白質(zhì)含量及相關(guān)品質(zhì)指標(biāo)的定量關(guān)系 [J].中國(guó)農(nóng)業(yè)科學(xué),2005,38(7):1332-1338.

[5] 劉蕓,唐延林,黃敬峰,等.利用高光譜法估測(cè)稻穗稻谷的粗蛋白質(zhì)和粗淀粉含量[J].中國(guó)農(nóng)業(yè)科學(xué),2008,41(9):2617-2623.

[6] 雷東陽(yáng),陳立云,李穩(wěn)香,等.雜交水稻抽穗揚(yáng)花期高溫對(duì)結(jié)實(shí)率及相關(guān)生理特性的影響[J]雜交水稻,2006,21(3):68-71．

[7] 程高峰,張佳華,李秉柏,等.不同溫度處理下水稻高光譜及紅邊特征分析[J].江蘇農(nóng)業(yè)學(xué)報(bào),2008,24(5):573-580．

[8] 洪雁,顧正彪,劉曉欣.直鏈淀粉和支鏈淀粉純品的提取及其鑒定[J].食品工業(yè)科技,2004,25(4):86-88.

[9]Rouse JW,Haas RH,Schell JA.Monitoringthevernal advancement of retrogradation of natural vegetation[J].NASA/GSFC,Type III,Final Report,Greenbelt,MD,USA,1974.

[10] Richardson A J,Wiegand C L.Distinguishing vegetation from soil backgroundinformation[J].Photogrammetric Engineeringand Remote Sensing,1977,43(12):1541-1552.

[11] Horler D N H,Dockray M,Barber J.The red edge of plant reflectance[J].International Journal of Remote Sensing.1983(4):273-288.

[12] Jordan CF.Derivation of leaf area index from quality of light on the forest floor[J].Ecology,1969(50):663-666.

[13] Massart D L,Buydens L,Peeters A.Knowledge representation for the selection of methods in analytical chemistry[J].Chemometrics and Intelligent Laboratory Systems,1988(5):73-79.

[14] 馮偉,姚霞,田永超,等.小麥籽粒蛋白質(zhì)含量高光譜預(yù)測(cè)模型研究[J].作物學(xué)報(bào),2007,33(12):1935-1942.

[15] 趙輝,荊奇,戴廷波,等.花后高溫和水分逆境對(duì)小麥籽粒蛋白質(zhì)形成及其關(guān)鍵酶活性的影響 [J].作物學(xué)報(bào),2007,33(12):2021-2027.