基于高光譜的鳳眼蓮植株氮含量無損監(jiān)測

王晶晶， 孫 玲， 劉華周， 胡宇容， 肖 敏

(1.江蘇省農業(yè)科學院農業(yè)經(jīng)濟與信息研究所，江蘇 南京 210014;2.江蘇省農業(yè)科學院農業(yè)資源與環(huán)境研究所，江蘇 南京210014)

鳳眼蓮，俗名水葫蘆，屬單子葉植物綱百合目雨久花科，多年生漂浮性宿根大型水生草本植物。氮素是植物必需的營養(yǎng)元素之一，植物氮含量是評價植被長勢的重要指標，是研究全球變化及營養(yǎng)元素遷移的重要因子［1-4］。鳳眼蓮根系發(fā)達，生長繁殖快，是公認的富集水體氮、磷能力最強的水生植物之一，國內外已有許多應用鳳眼蓮去除水體富營養(yǎng)化的研究報道［5-7］。鳳眼蓮植株富含氮、磷、鉀，是良好的有機肥料，利用鳳眼蓮實現(xiàn)養(yǎng)分在水體與農田間的循環(huán)可產生較好的生態(tài)經(jīng)濟效益［8-9］。鳳眼蓮植株氮含量的動態(tài)監(jiān)測對于診斷植物的營養(yǎng)狀況、正確評價其生長的水體環(huán)境具有重要意義，也為其資源化利用提供基礎數(shù)據(jù)。

國內外在植物氮素營養(yǎng)診斷發(fā)展過程中，經(jīng)歷了植株養(yǎng)分測試、葉色比對、硝酸鹽快速診斷和無損測試技術的發(fā)展過程［10］。鳳眼蓮生長密集區(qū)域，致密的草墊易堵塞水道，使得實地觀測比較困難;鳳眼蓮生長速度快，常規(guī)監(jiān)測難以掌握動態(tài)變化數(shù)據(jù);當鳳眼蓮覆蓋面積較大時，實地取樣的方法耗時耗力且難以得到全局性數(shù)據(jù)。因此，實地取樣與近距離接觸式的檢測方法，在實現(xiàn)鳳眼蓮大面積的快速連續(xù)監(jiān)測應用方面受到限制。與傳統(tǒng)監(jiān)測方法相比，植物植株氮含量的無損監(jiān)測研究更能滿足區(qū)域尺度的規(guī)模化信息獲取和生產調控應用的需求。遙感技術是不直接接觸目標物體，通過接收目標物體的反射或輻射的電磁波，獲取目標地物的光譜數(shù)據(jù)與圖像，從而實現(xiàn)對地物進行定量或定性描述的一種無損測試技術，具有獨特的宏觀、低成本、快速、動態(tài)的優(yōu)勢。植物個體及群體的生理生化差異及內、外部形態(tài)結構的差異所導致的光譜特征差異構成了植物光譜診斷的生理生態(tài)基礎。植物組織中各種蛋白氮、氨基酸、葉綠體及其他氮素形態(tài)組分分子結構中的化學鍵在一定輻射水平光能的照射下發(fā)生振動響應，從而引起對某些波長的光產生吸收和反射差異，形成了不同的反射、吸收和透射光譜。植物氮含量光譜估算的實現(xiàn)是基于氮素組分敏感的反射光譜或吸收光譜與氮含量的定量關系。

20世紀70年代以來，開始有學者研究植物氮素的敏感波段及其反射率在不同氮素水平下的表現(xiàn)。Thomas等利用550 nm和670 nm反射率定量估算了甜椒冠層葉片的氮含量［11］。Fernandez等也發(fā)現(xiàn)用660 nm和545 nm光譜線性組合可以估算小麥的氮含量［12］。薛利紅等利用近紅外與綠光波段的比值預測水稻葉片氮積累量［13］。研究結果表明利用綠光、紅光和近紅外波段之間組合生成的植被指數(shù)可以用來監(jiān)測植物氮素狀況［14］。冠層反射光譜能夠反映作物群體面源信息［15］，但是植被冠層反射光譜受背景、傳感器姿態(tài)和信噪比、大氣吸收、冠層結構等因素的影響，導致植株氮素狀況監(jiān)測的敏感波段與特征光譜參數(shù)的提取和預測模型的建立更為復雜［16］。高光譜遙感以其高分辨率、窄波段及連續(xù)性特點，可以提供更多的精細光譜信息，識別微小的反射和吸收特征，使得植被的許多生理、生化指標的定量估測成為可能［17］，為植物氮素監(jiān)測提供了有效手段和技術途徑。越來越多的研究利用高光譜遙感數(shù)據(jù)構建新型植被指數(shù)、微分光譜、植被紅邊參數(shù)來估測植物氮素狀況［10］。微分光譜技術已用于減弱大氣散射和吸收對于目標光譜特征的影響［18］，并部分減弱了背景因素的影響，在植被研究中得到了良好的應用［19］。

Lee等研究證明紅邊位置與短波近紅外波段組合的預測精度較高［20］。牛錚等建立了微分光譜與葉片全氮含量的回歸方程［21］;馬亞琴等研究發(fā)現(xiàn)紅邊積分面積變量與冠層全氮含量有顯著相關性［22］。

目前，遙感技術主要應用于水稻、小麥、棉花等作物的氮素實時監(jiān)測和營養(yǎng)診斷，在水生植被氮含量監(jiān)測中的應用鮮有報道。本文通過高光譜遙感方法來研究鳳眼蓮植株氮素含量，分析鳳眼蓮植株氮含量與冠層高光譜參數(shù)的關系，從而確定鳳眼蓮植株氮含量光譜估算的敏感波段和光譜參數(shù)，并建立定量估算模型，為鳳眼蓮植株氮含量的高光譜遙感監(jiān)測提供理論依據(jù)和技術途徑。

1 材料與方法

1.1 試驗區(qū)

試驗區(qū)位于江蘇省常州市太湖竺山湖湖區(qū)，在該區(qū)用圍欄進行鳳眼蓮人工控制性放養(yǎng)。利用不銹鋼鋼管、圍網(wǎng)制成圍區(qū)，圍區(qū)尺寸為90 m×150 m。圖1為試驗區(qū)位置及圍區(qū)布局圖。試驗于2010年7月至10月，分別在鳳眼蓮生長初期至衰老期間，采集了3個不同時間段鳳眼蓮植株的氮含量數(shù)據(jù)及同步的光譜反射率值。

1.2 鳳眼蓮冠層光譜數(shù)據(jù)的測定

使用美國ASD公司的FieldSpec HandHeld光譜議測量鳳眼蓮冠層光譜反射率。波長范圍325.0～1 075.0 nm，光譜分辨率為3.5 nm，光譜采樣間隔1.6 nm，共512個波段。探頭視場角25°。反射光譜測量選擇晴朗天氣、風速很低時進行，每次測量時間為上午10∶30～13∶30。測量時，探頭垂直向下，距離冠層高度約1 m。每樣區(qū)測量5次，取平均值作為樣點的光譜反射率值，各樣點光譜測量前均利用標準白板進行反射校正。

圖1 試驗區(qū)位置及圍區(qū)布局圖Fig.1 The location and layout of study area

1.3 植株氮含量的測定

與光譜測量同步進行鳳眼蓮植株取樣，樣區(qū)數(shù)為5個，每樣區(qū)取3～5株鳳眼蓮，取樣后用水洗去殘留物，放置陰涼處晾干表面殘留水分，105℃殺青0.5 m in，70℃烘干至恒質量，稱質量，粉碎，利用丹麥FOSS公司的流動注射分析儀FIAstar5000測定鳳眼蓮植株氮含量。

1.4 高光譜參數(shù)的選取

本研究一方面采用微分光譜技術提取了針對植被光譜的基于高光譜位置參數(shù)、基于高光譜面積參數(shù);另外一方面基于可見光區(qū)域的光譜反射率計算出高光譜植被指數(shù)，共計15個特征參數(shù)(表1)與鳳眼蓮植株氮含量進行分析［23］。

表1 高光譜特征參數(shù)的定義Table 1 The definition of hyperspectral parameters

1.5 模型的檢驗

為了定量比較各模型的擬合效果，采用以下3個統(tǒng)計參數(shù)來進行模型精度檢驗，分別為決定系數(shù)R2、均方根誤差(RMSE)和平均相對誤差絕對值，R2越大模型效果越好;RMSE=，RMSE越小模型效果越好，MAPE=，MAPE越小模型效果越好;式中yi為實測氮含量，y'i為模型預測氮含量，y為實測氮含量的平均值，n為樣本點數(shù)量。

2 結果

2.1 鳳眼蓮植株冠層反射光譜特征

實測鳳眼蓮植株冠層反射率見圖2。結果(圖2)顯示，鳳眼蓮具有綠色植物普遍的光譜反射特征:在400～700 nm可見光波段，植被的反射率較低。在550 nm附近形成一個反射峰，稱為“綠峰”;吸收波段主要集中于藍、紅光波段，形成了“藍邊”、“黃邊”及“紅谷”等，區(qū)別于土壤、巖石、水體的獨特的光譜特征。在700～780 nm波段，是植被在紅光波段的強吸收到近紅外波段多次散射形成的高反射平臺的過渡段，稱為“紅邊”。

圖2 鳳眼蓮植株冠層光譜反射率曲線Fig.2 Spectral reflectance of water hyacinth canopy

2.2 鳳眼蓮植株氮含量與光譜反射率的相關性

通過鳳眼蓮植株氮含量與原始光譜反射率之間的相關性計算探求其敏感波段，400～1 000 nm波段的光譜反射率與鳳眼蓮植株氮含量的相關系數(shù)見圖3。結果顯示，530～560 nm波段反射率與鳳眼蓮植株的氮含量具有最佳的相關性，相關系數(shù)的平均值為0.82。此結果與前人針對其他植被葉片及植株氮含量的敏感波段研究結果較為一致［24-25］。

圖3 鳳眼蓮植株氮含量與光譜反射率的相關系數(shù)曲線Fig.3 The change of correlation coefficient between water hyacinth nitrogen concentrations and spectral reflectance

2.3 鳳眼蓮植株氮含量與高光譜參數(shù)的相關性

鳳眼蓮植株氮含量與高光譜位置參數(shù)的相關性見表2，結果顯示，兩者相關性達到0.01極顯著水平相關的高光譜參數(shù)有綠峰反射率(Rg)、藍邊振幅(Db)、黃邊振幅(Dy)和紅邊振幅(Dr)，另外，鳳眼蓮氮含量變化引起的“藍邊”及“黃邊”的波長的偏移比較顯著，而“綠峰”、“紅谷”及“紅邊”波長的偏移并不顯著。黃邊振幅與鳳眼蓮植株氮含量的相關性最好，呈顯著的負相關，相關系數(shù)為-0.85。

鳳眼蓮植株氮含量與高光譜面積參數(shù)的相關性見表3，結果顯示，藍邊面積(SDb)、黃邊面積(SDy)和藍邊面積(SDr)與氮含量的相關性均達到0.01極顯著水平，其中黃邊面積與鳳眼蓮植株氮含量的相關性最好，呈顯著的正相關，相關系數(shù)為0.83。

鳳眼蓮植株氮含量與高光譜植被指數(shù)的相關性見表4，結果顯示，綠峰反射率與紅谷反射率建立的比值植被指數(shù)(Rg/Ro)及綠峰反射率與紅谷反射率建立的歸一化植被指數(shù)［(Rg-Ro)/(Rg+Ro)］與氮含量的相關性都未達極顯著水平。

表2 鳳眼蓮植株氮含量與高光譜位置參數(shù)的相關系數(shù)Table 2 Correlation coefficients between nitrogen concentrations of water hyacinth and hyperspectral location parameters

表3 鳳眼蓮植株氮含量與高光譜面積參數(shù)的相關系數(shù)Table 3 Correlation coefficients between nitrogen concentrations ofwater hyacinth and the hyperspectral area parameters

表4 鳳眼蓮植株氮含量與高光譜植被指數(shù)的相關系數(shù)Table4 Correlation coefficients between nitrogen concentrations of water hyacinth and hyperspectral vegetation indices

2.4 鳳眼蓮植株氮含量高光譜估算模型

通過對鳳眼蓮冠層多個高光譜參數(shù)與植株氮含量進行相關分析，選擇與氮含量顯著相關的敏感波段及光譜參數(shù)，優(yōu)選出7個顯著相關的高光譜參數(shù)分別是Rg、Db、Dy、Dr、SDb、SDy及SDr。通過線性回歸分析建立鳳眼蓮植株氮含量高光譜估算模型，檢驗結果見表5。結果顯示，以黃邊振幅(Dy)與黃邊面積(SDy)建立的線性回歸方程精度較好，其中以黃邊振幅(Dy)建立的鳳眼蓮植株氮含量估算精度最高，線性回歸方程的決定系數(shù)為0.74，估算的均方根誤差為0.21%，平均相對誤差絕對值為3.29%。

表5 鳳眼蓮植株氮含量高光譜估算模型Table 5 Estimation models of nitrogen concentrations of water hyacinth on hyperspectral parameters

3 討論

本研究利用高光譜遙感數(shù)據(jù)，基于不同生長期的鳳眼蓮植株氮含量的野外大水域試驗，通過對原始反射光譜與15個高光譜參數(shù)與鳳眼蓮植株氮含量進行相關分析，探求其敏感波段及高光譜特征參數(shù)，并建立了鳳眼蓮植株氮含量的估算模型。提出了Rg、Db、Dy、Dr、SDb、SDy及SDr與鳳眼蓮植株氮含量有較顯著的相關性。利用黃邊振幅(Dy)建立線性回歸方程能夠有效估算鳳眼蓮植株的氮含量，估算的均方根誤差為0.21%，平均相對誤差絕對值是3.29%。

本研究結果顯示，530～600 nm是鳳眼蓮植株氮含量的敏感波段，530～560 nm波段光譜反射率與鳳眼蓮植株的氮含量的相關性的平均值可達0.82，通過550～600 nm波段的光譜反射率的一階微分建立的黃邊特征參數(shù)黃邊振幅(Dy)和黃邊面積(SDy)與鳳眼蓮植株的氮含量顯著相關，其中Dy與氮含量的相關系數(shù)為-0.85。

本研究中鳳眼蓮植株氮含量的高光譜參數(shù)和估算模型是在某一個較大水域試驗資料上研究和構建的，仍需要在多個生態(tài)系統(tǒng)水域進行廣泛檢驗和完善，從而發(fā)揮更大的應用價值。同時，可以嘗試將本研究中提出的高光譜估算參數(shù)和模型與空間遙感信息相結合，在更大的空間尺度上進行鳳眼蓮植株氮含量的提取和診斷。

致謝: 感謝南京師范大學地理科學學院張鷹教授為本研究光譜數(shù)據(jù)采集提供支持!

［1］ ROTH GW，F(xiàn)OX R H.Plant tissue test for predicting nitrogen fertilizer requirement of winter wheat［J］.Agronomy Journal，1989(81):502-507.

［2］ 蔣守華，劉葛山.不同密度、施氮量對油菜淮油18號產量的影響［J］.江蘇農業(yè)科學，2013，41(12):83-85.

［3］ 王志春，王永慧，陳建平，等.氮磷鉀肥配施對鹽堿地甜高粱產量及干物質積累的影響［J］.江蘇農業(yè)科學，2013，41(11):80-81.

［4］ 方淑梅，梁喜龍，紀偉波，等.外源NO對鹽堿脅迫下水稻幼苗生長抑制的緩解作用［J］.江蘇農業(yè)科學，2013，41(8):67-69.

［5］ AMANDAM N，WILLIAM J M.Tropical treatment wetlands dominated by free-floating macrophytes for water quality improvement in Costa Rica［J］.Ecological Engineering，2006，28:246-257.

［6］ 鄭建初，常志州，陳留根，等.水葫蘆治理太湖流域水體氮磷污染的可行性研究［J］.江蘇農業(yè)科學，2008(3):247-250.

［7］ 張志勇，劉海琴，嚴少華，等.水葫蘆去除不同富營養(yǎng)化水體中氮、磷能力的比較［J］.江蘇農業(yè)學報，2009，25(5):1039-1046.

［8］ 盛 婧，鄭建初，陳留根，等.水葫蘆富集水體養(yǎng)分及其農田施用研究［J］.農業(yè)環(huán)境科學學報，2009，28(10):2119-2123.

［9］ 周文兵，譚良峰，劉大會，等.鳳眼蓮及其資源化利用研究進展［J］.華中農業(yè)大學學報，2005，24(4):423-428.

［10］ 郭建華，趙春江，王 秀，等.作物氮素營養(yǎng)診斷方法的研究現(xiàn)狀及進展［J］.中國土壤與肥料，2008(4):10-14.

［11］ THOMAS JR，OERTHER G F.Estimating nitrogen content of sweet pepper leaves by reflectance measurements［J］.Agronomy Journal，1972，64:11-13.

［12］ FERNANDEZ S，VIDAL D，SIMON E，et al.Radiometric characteristics of triticum aestivum cv，astral under water and nitrogen stress［J］.International Journal of Remote Sensing，1994，15(9):1867-1884.

［13］ 薛利紅，羅衛(wèi)紅，曹衛(wèi)星，等.作物水分和氮素光譜診斷研究進展［J］.遙感學報，2003，7(1):73-79.

［14］ RACY M B，JAMESSS，GARY E V，et al.Nitrogen deficiency detection using reflected short-wave radiation from irrigated corn canopies［J］.Agronomy Journal，1996，88:1-5.

［15］ 馮 偉，朱 艷，姚 霞，等.小麥氮素積累動態(tài)的高光譜監(jiān)測［J］.中國農業(yè)科學，2008，41(7):1937-1946.

［16］ 田永超，朱 艷，姚 霞，等.基于光譜信息的作物氮素營養(yǎng)無損監(jiān)測技術［J］.生態(tài)學雜志，2007，26(9):1454-1463.

［17］ BOEGH E，SOEGAARD H，BROGE N，et al.Airborne multispectral data for quantifying leaf area index，nitrogen concentration，and photosynthesis efficiency in agriculture［J］.Remote Sensing of Environment，2002，81:179-193.

［18］ PHILPOT W D.The derivative ratio algorithm:avoiding atmospheric effects in remote sensing［J］.IEEE Transaction on Geosciences and Remote Sensing，1991，19(3):350-357.

［19］ LIY，DEMETRIADES-SHAH TH，KANEMASU E T，et al.Use of second derivatives of canopy reflectance for monitoring prairie vegetation over different soil backgrounds［J］.Remote Sensing of Environment，1993，44:81-87.

［20］ LEE T，RAIA K R，GRETCHEN F S.Reflectance indices with precision and accuracy in predicting cotton leaf nitrogen concentration［J］.Crop Science，2000，40:1814-1819.

［21］ 牛 錚，陳永華，隋洪智，等.葉片化學組分成像光譜遙感探測機理分析［J］.遙感學報，2000，4(2):125-129.

［22］ 馬亞琴，包安明，王登偉，等.水分脅迫下棉花冠層葉片氮素狀況的高光譜估測研究［J］.干旱區(qū)地理，2003，26(4):408-412.

［23］ 萬玲鳳，林 輝，劉秀英.樟樹幼林生物化學參數(shù)與高光譜遙感特征參數(shù)相關分析［J］.中南林業(yè)科技大學學報，2007，27(4):44-48.

［24］ CHUBACHIN R，ASANOLO T.The Diagnosis ofnitrogen of rice plants using chlorophyllmeter［J］ .Japanese Journal of Soil Science and Plant Nutrition，1986，57:109-193.

［25］ TRACY M B，JAMESSS，GARY E ，et al.Nitrogen deficiency detection using reflected short-wave radiation from irrigated corn canopies［J］ .Agronomy Journal，1996，88:1-5.