花生高光譜葉片營養診斷研究

王有寧　趙麗艷　章愛群　劉牛

摘要：通過控制實驗室葉片光譜采集環境，在相同背景下利用光譜分析技術提取花生光譜特征變量，通過統計回歸分析方法建立光譜特征變量與花生生化組分含量間的關系，找出一些適于估算花生生化組分含量的敏感波段和特征參數，并評價其估算葉片生化組分含量的潛力。對花生氮磷鉀含量光譜診斷的研究結果發現，一階導數光譜對葉片生化組分含量的估算能力比原始光譜要好，葉片氮磷含量均能夠得到較好的預測，無法預測葉片鉀含量。

關鍵詞：花生；葉片；營養診斷；高光譜；遙感識別；估算模型

中圖分類號： S565206文獻標志碼： A

文章編號：002-302（204）2-029-03

花生是我國主要的油料作物之一，合理施肥是提高花生產量和改善花生品質的有效途徑。隨著光譜技術的發展，應用光譜技術在作物營養診斷和養分估測方面的研究越來越多。通過測定植物葉片光譜特征分析植物體內各種生化成分含量，是目前植物光譜營養診斷的主要方法，國內外學者利用光譜營養診斷方法對水稻、玉米、小麥、棉花等作物進行了較多的研究報道[-3]，但對花生高光譜營養診斷鮮有報道。本研究針對花生進行葉片光譜采集及葉片氮磷鉀含量測試分析，建立光譜特征參量與氮磷鉀含量的估算模型，旨在尋找最佳模型估算葉片養分含量，為花生鮮葉養分組分的高光譜遙感識別提供依據，對指導有效施肥具有現實意義。

材料與方法

試驗設計

試驗選擇在湖北省大悟縣進行，該縣地處鄂北地區，花生種植面積達2萬hm2，對它進行研究具有一定的代表性。試驗設氮磷鉀（NK）、缺氮（N0K）、缺磷（N0K）、缺鉀（NK0）和對照（CK）5個處理，重復4次，小區面積為0 m2，每個處理的施肥量見表。供試土壤類型為沙壤。供試氮肥為尿素（含46%N），磷肥為過磷酸鈣（含2%2O5），鉀肥為氯化鉀（含60%K2O），肥料用量通過純養分量計算獲得。每小區測定花生葉樣氮磷鉀含量和有關品質項目，在花生開花期進行野外冠層和葉片的光譜測定。

2光譜測定

[3]采用美國ASD FieldSpec3在花生開花期對各處理花生冠[2]層及葉片進行光譜測定。該光譜儀波段范圍在350～2 500 nm，光譜采樣間隔為4 nm （350～ 000 nm）和2 nm（ 000～2 500 nm），光譜分辨率為3 nm（350～ 000 nm）和0 nm（ 000～2 500 nm）。[CM（7]室內光譜測試環境設置如下：測量環境[CM）]

[FK（W9][HT6H][Z]表試驗處理及肥料用量[HTSS][STBZ]

[H5][BG（！][BHDFG3，WK62，WK222W]試驗處理[ZB（][BHDWG2，WK222W]肥料用量（kg/hm2）

[BHDWG2，WK72。3W]N2O5K2O[ZB）W]

[BHDG2，WK62，WK72。3W] CK000

[BHDW]NK756090

[BH]N0K06090

[BH]N0K75090

[BH]NK075600[H][BG）F][FK）]

為光源入射天頂角30°、入射方位角0°；觀測天頂角0°、觀測方位角330°，采用0°視場角，探頭垂直向下，距離葉片樣品表面23 cm，葉片樣品平放在黑色皮衣上，每一葉片樣本采集5條光譜曲線，將測得的葉片反射率光譜剔除異常值后取其平均值作為該樣本的反射率光譜值。每個小區單收單稱，記錄各處理的小區生物量，分別取植株和農產品樣品，用 H2SO4-H2O2 消煮蒸餾法測全氮、釩鉬黃比色法測全磷和火焰光度法測鉀，并對植株樣品進行室內光譜測定。同時在各處理小區取混合土樣各8 kg，帶回實驗室，采用半微量開氏法測全氮、NaOH熔融-鉬銻抗比色法測全磷、火焰光度法測全鉀含量，并對其進行光譜測定。

2結果與分析

2花生生化組分和土壤養分特征

分別對花生葉片樣品的全氮、全磷、全鉀含量以及土壤有機質、全氮、全磷、全鉀彼此間的相關性進行研究，生成如表2所示的相關系數矩陣。

由表2可見，土壤全氮含量與土壤有機質、植株全氮含量的相關性都很高，而各指標含量與植株全氮含量的相關系數相對較低。

22光譜特性分析

由于光譜的一階、二階和高階導數可以消除背景噪聲、分辨重疊光譜，因此常用導數光譜技術作為分析處理高光譜遙感信息的有效手段。由于實測的光譜數據是離散的，高光譜數據導數的求算一般用差分方法來近似計算。 一階導數光譜：

式（）、（2）中，λi是波段i的波長值，ρ（λi）是波長λi的光譜反射率值。

圖是對花生葉片光譜進行一階導數和二階導數計算的結果，從圖中可以發現，導數光譜能夠比較容易確定光譜曲線的拐點、最大反射率和最小反射率處的波長位置等光譜特征參數，如“三邊”參數、綠峰、紅谷等。分別將花生葉片氮磷鉀養分含量測定值與相應葉片的原始光譜、一階導數光譜等光譜特征變量做相關分析，得出花生葉片氮磷鉀含量與原始光譜、一階導數光譜間的相關系數曲線（圖2、圖3、圖4）。

[FK（W9][TWYNtif][FK）]

如圖2所示，在可見光和近紅外光范圍內大部分波段通過00極顯著性檢驗水平；全氮含量與原始光譜、一階導數光譜變量間的最大正相關系數、負相關系數分別為（0845、570 nm）、（-083、70 nm）。

[FK（W0][TWYN2tif][FK）]

如圖3所示，有部分原始光譜值通過005顯著性和 00 極顯著性檢驗水平，最大相關系數為（-0477，720 nm）；部分一階導數光譜值通過顯著性和極顯著性檢驗水平，最大正相關系數、負相關系數分別為（0538，565nm）和（-0537，70 nm）。

[FK（W0][TWYN3tif][FK）]

如圖4所示，在整個光譜區域內，只有極少數的原始光譜值通過顯著性檢驗水平，且均未達到極顯著性檢驗水平；少數一階導數光譜波段通過顯著性檢驗水平，極少數波段通過極顯著性檢驗水平。

[FK（W2][TWYN4tif][FK）]

23花生葉片養分含量估算模型分析

本研究選用5個單變量線性與非線性回歸模型，包括簡單線性模型（Linear）、拋物線模型（Quadratic）、對數模型（Logarithmic）、逆函數模型（Inverse）、指數模型（Exponential）。采用模型擬合R2值、預測R2值、均方根誤差（RMSE）3個檢驗指標，對各生化組分估算模型進行精度評價。各估算模型都有較好的估算效果，其中單變量回歸模型中以一階導數光譜變量dv570建立的逆函數模型為佳，其模型擬合R2值最大，RMSE值和MRE（平均相對誤差）值最小，預測R2值也較大。逐步回歸分析模型隨著入選方程變量增加，模型擬合R2值增大，而預測R2值減小，RMSE值和MRE值也隨著變大，因此，花生葉片氮素含量最佳估算模型為y=-0445 7-0002 6/dv570（表3）。

3結論與討論

本研究是在高光譜遙感技術對植被的理化特性和農學參數提取研究的基礎上，通過控制葉片光譜采集環境，利用光譜分析技術提取光譜特征變量，通過統計回歸分析方法建立光譜特征變量與花生生化組分含量間的關系，找出一些適于估算生化組分含量的敏感波段和特征參數，并評價其估算葉片生化組分含量的潛力。研究結果表明，一階導數光譜對葉片生化組分含量的估算能力比原始光譜好。對花生氮磷鉀含量光譜診斷的研究結果發現，無法預測葉片鉀含量；葉片氮、磷含量均能夠得到較好的預測。本研究只通過相關分析簡單建立光譜特征變量與葉片生化組分間的單變量回歸模型和多元回歸模型，今后可以嘗試通過構建人工神經網絡模型和構造光譜植被指數來預測各生化組分，同時還可以在分層次采集冠層葉片樣品、光譜采集過程、數據處理分析時利用曲線擬合提取光譜參數等方面進一步拓展。

[HS2][HT85H]參考文獻：[HT8SS]

[ZK（#]丁圣彥，李昊民，錢樂祥 應用遙感技術評價植被生化物質含量的研究進展 生態學雜志，2004，23（4）：09-7

[2]浦瑞良，宮鵬 高光譜遙感及其應用[M] 北京：高等教育出版社，2000：68-73

[3]Kokaly R FInvestigating a physical basis for spectroscopic estimates of leaf nitrogen concentration Remote Sensing of Environment，200，75：53-6[H82mm]

[4]Osbome S L，Schepers S，Francis D D，et alDetection of phosphorus and nitrogen deficiencies in corn using spectral radiance measurements Agronmy ournal，2002，94：25-22

[5]王秀珍，黃敬峰，李云梅，等 水稻生物化學參數與高光譜遙感特征參數的相關分析 農業工程學報，2003，9（2）：44-48

[6]趙文，劉國順，賈方方，等烤煙煙堿含量的高光譜預測模型江蘇農業科學，204，42（3）：275-279

[7]周鵬，張小剛，徐彪，等基于高光譜的南疆紅棗病蟲害特征譜段選擇模式江蘇農業科學，203，4（4）：08-

[8]唐延林，王秀珍，李建龍，等 棉花高光譜及其紅邊特征（Ⅱ） 棉花學報，2003，5（4）：25-220

[9]程一松，胡春勝，郝二波，等 氮素脅迫下的冬小麥高光譜特征提取與分析 資源科學，2003，25（）：86-93[ZK）]

[0][ZK（#]譚昌偉，王紀華，黃文江，等 夏玉米葉片全氮、葉綠素及葉面積指數的光譜響應研究 西北植物學報，2004，24（6）：04-046

王磊，白由路 基于光譜理論的作物營養診斷研究進展 植物營養與肥料學報，2006，2（6）：902-92

[2]李映雪，朱艷，曹衛星 不同施氮條件下小麥冠層的高光譜和多光譜反射特征 麥類作物學報，2006，26（2）：03-08

[3]孫俊，金夏明，毛罕平，等基于有監督特征提取的生菜葉片農藥殘留濃度高光譜鑒別研究江蘇農業科學，204，42（5）：227-229