芥菜型油菜不同葉色葉綠素含量與冠層反射光譜的定量關系

程 潛，陳家樂，張振乾，王 悅，陳 浩，鄔賢夢

（湖南農業大學農學院，南方糧油作物協同創新中心，湖南 長沙 410128）

芥菜型油菜不同葉色葉綠素含量與冠層反射光譜的定量關系

程 潛，陳家樂，張振乾，王 悅，陳 浩，鄔賢夢

（湖南農業大學農學院，南方糧油作物協同創新中心，湖南 長沙 410128）

以綠色和紫色葉的盆栽芥菜型油菜為試驗對象，分別于幼苗期和抽薹期測定其冠層高光譜和SPAD值，研究兩者之間的關系。研究結果為：以綠葉型油菜原始光譜兩特征波段和一階導數光譜兩特征波段構建光譜參數，其中基于DVI'（717，955）的線性和多項式模型擬合決定系數較高，分別達到0.429 8，0.453 5；以紫葉型油菜原始光譜兩特征波段構建光譜參數，其中基于RVI（698，107 2）的指數模型擬合決定系數較高，達到0.425 3。研究結果表明，高光譜模型具有一定的預測精度，可為區域尺度油菜生長的快速、無損遙感監測提供參考。

油菜；葉綠素；高光譜遙感技術

傳統的農學研究采用實地調查或采樣進行實驗室測定，費時費力、效率低下，而且實驗室測定需要對作物破壞性采樣[1]。精細農業技術能對田間作物進行科學管理，特別是高光譜遙感技術能在作物生長監測上發揮重要作用[2-3]。通過遙感監測作物生長過程進而改善栽培[4-5]，優化作物分類收獲、分級收購加工體制，提高作物品質監控水平，保證作物品質[6]。葉綠素含量遙感監測能夠提供作物生理生化狀態的有效信息[7]，同時葉綠素含量與作物的氮含量、光合作用也密切相關[8]。作物葉綠素含量的高光譜遙感監測主要應用在冠層[9-11]。地物波譜儀就是利用高光譜遙感數據反演得到地物反射的光譜信息，它能研究地表物體的種類、物質的成分、含量、存在狀態、空間分布以及動態變化[12]。近年來，隨著油菜育種技術的快速發展，出現了不同生態型的油菜品系（品種），而這些新品種的大面積推廣亟需通過遙感技術來進行無損監測其長勢。為此，項目組分別利用SPAD 502和地物波譜儀（美國ASD FieldSpec Pro FR 2500型背掛式野外地物波譜儀）研究不同顏色油菜葉片葉綠素含量與光譜間的定量關系，找出其中敏感波段，為今后通過高分辨率衛星影像監測油菜田間生長提供參考依據。

1 材料與方法

1.1 試驗材料

不同葉色芥菜型油菜，選自湖南農業大學油料所，綠葉型油菜含有28個樣品，紫葉型含有23個樣品，分別采用盆栽方式種植。

1.2 測定項目與方法

1.2.1 SPAD值測定 分別于苗期、抽薹期采用SPAD 502葉綠素測定儀（日本）測量油菜的SPAD值。在晴朗天氣測定倒數第三片葉，注意避開葉脈。

1.2.2 冠層光譜測定 采用地物波譜儀測定油菜苗期、抽薹期高光譜，測試波段為350～2 500 nm。測定時盡量選擇在晴朗、無云、無風的天氣，時間為10:00～13:00。選擇長勢均勻一致的冠層區域重復測量3次，取其平均值。參照王強等[13]的方法進行測量。

1.3 冠層光譜數據分析

從原始光譜反射率中提取光譜植被指數，其中包括比值植被指數（RVI），差值植被指數（DVI）和歸一化植被指數（NDVI）；對冠層反射光譜數據進行一階微分處理，同樣從中提取比值植被指數（RVI'），差值植被指數（DVI'）和歸一化植被指數（NDVI'）[1]，用Excel 2010處理上述植被指數。

2 結果與分析

2.1 不同葉色葉片葉綠素含量（SPAD值）

綠葉型和紫葉型油菜的苗期和抽薹期葉綠素含量分別見圖1和圖2。

圖1 綠葉型油菜葉片葉綠素含量

圖2 紫葉型油菜葉片葉綠素含量

葉綠素含量是油菜重要的生理指標，與光合作用密切相關，該研究用SPAD值來表征葉綠素含量，從圖1和圖2中可以看出不管是綠葉型還是紫葉型油菜，其抽薹期的SPAD值都比同植株苗期SPAD值要大，高出10～15，表明從苗期到抽薹期油菜植株不斷長大，葉綠素含量也呈逐漸增加趨勢。

2.2 不同葉色油菜葉片葉綠素含量與冠層反射光譜的定量關系

由圖3看出，紫葉型和綠葉型油菜可見光波段的反射率都比較低，這主要由于可見光被葉片葉綠素吸收導致；700～780 nm波段的反射率由很低迅速升到很高，是因為葉綠素強烈吸收紅外光和對近紅外光多次散射；780～1 300 nm為近紅外區，反射率較高，這與植物葉片內部組織結構的多次反射和散射有關；1 300 nm以后，植物對光的吸收增加，反射和散射減少，反射率也變小，在1 800 nm以后，由于噪音的存在，反射率呈現不規則變化。

圖3 不同葉色芥菜型油菜的光譜特征

2.3 基于相關性系數較大波段的綠葉型油菜葉片葉綠素含量模型

2.3.1 綠葉型油菜葉片葉綠素含量與冠層光譜反射率的相關分析 通過對光譜反射率與葉綠素含量進行相關性分析，結果發現，綠葉型油菜葉綠素含量與光譜原始數據的最大相關系數為-0.120 9，位于近紅外波段1 062 nm，最小相關系數為-0.412 3，為554 nm，在可見光區域。這兩個相關波段建立相關光譜參數，得到其與葉綠素含量的相關系數（表1）。

表1 光譜參數與葉片葉綠素含量之間的相關性分析 (n=56)

2.3.2 綠葉型葉片葉綠素含量與一階微分光譜的相關分析 為了消除地面土壤對反射光譜的影響，對一階微分光譜與綠葉型油菜葉綠素含量進行相關性分析，結果表明，葉綠素含量與光譜一階導數的最大相關系數為0.637 5，位于可見光紅光波段717 nm；最小相關系數為-0.681 7，為955 nm，在近紅外區域。這兩個相關波段建立相關光譜參數，得到其與葉綠素含量的相關系數（表2）。

表2 一階微分光譜參數與葉片葉綠素含量之間的相關性分析 (n=56)

2.3.3 基于相關性系數較大波段的葉片葉綠素模型 綜合兩表的各光譜參數與葉綠素含量（SPAD值）的相關系數，選出較大（＞0.6）的光譜參數，并用這些相關光譜參數建立葉綠素含量的線性與非線性模型，模型方程、擬合決定系數R2（表3）。

表3 葉片葉綠素含量與優選光譜參數的定量關系

基于優選光譜參數的油菜葉片葉綠素含量監測模型擬合決定系數都經過檢驗，達到顯著水平，其中DVI'（717，955）的線性、指數、對數和多項式達到極顯著水平，較大的相關系數為0.429 8，0.453 5。

2.4 基于相關性系數較大波段的紫葉型油菜葉片葉綠素含量模型

2.4.1 紫葉型油菜葉片葉綠素含量與冠層光譜反射率的相關分析 通過對光譜反射率與葉綠素含量進行相關性分析，結果發現紫葉型油菜葉綠素含量與光譜原始數據的最大相關系數為0.024 1，位于近紅外波段1 072 nm，最小相關系數為-0.356 0，為698 nm，在可見光區域。這兩個相關波段建立相關光譜參數，得到其與葉綠素含量的相關系數（表4）。

表4 光譜參數與葉片葉綠素含量之間的相關性分析 (n=46)

2.4.2 紫葉型葉片葉綠素含量與一階微分光譜的相關分析 為了消除地面土壤對反射光譜的影響，對一階微分光譜與葉綠素含量進行相關性分析，結果發現，紫葉葉綠素含量與光譜一階導數的最大相關系數為0.736 8，位于可見光區域波段754 nm，最小相關系數為-0.683 9，為955 nm，在近紅外區域。這兩個相關波段建立相關光譜參數，得到其與葉綠素含量的相關系數（表5）。

表5 一階微分光譜參數及與紫葉葉片葉綠素含量之間的相關性分析 (n=46)

2.4.3 基于相關性系數較大波段的葉片葉綠素模型 綜合兩表的各光譜參數與葉綠素含量（SPAD值）的相關系數，選出相關系數較大（＞0.6）的光譜參數，并用這些相關光譜參數建立葉綠素含量的線形與非線性模型，模型方程、擬合決定系數R2（表6）。

表6 油菜葉片葉綠素含量與優選光譜參數的定量關系

基于優選光譜參數的油菜葉片葉綠素含量監測模型擬合決定系數都通過檢驗，達到顯著水平，并且基于RVI（698，107 2）的指數、線性、多項式和冪模型達到極顯著水平，其中指數模型擬合決定系數最高，達到0.425 3。

3 結論與討論

（1）綠葉型葉綠素含量與原始光譜的最大相關系數為-0.120 9，位于近紅外波段1 062 nm，最小相關系數為-0.412 3，為554 nm，在可見光區域；葉綠素含量與光譜一階導數的最大相關系數為0.637 5，位于可見光紅光波段717 nm，最小相關系數為-0.681 7，為955 nm，在近紅外區域，并分別以原始光譜兩特征波段和一階導數光譜兩特征波段構建光譜參數，其中基于DVI'（717，955）的線性和多項式模型擬合決定系數較高，分別達到0.429 8，0.453 5。通過檢驗，達到極顯著水平。

（2）紫葉型油菜葉綠素含量與光譜原始數據的最大相關系數為0.024 1，位于近紅外波段1 072 nm，最小相關系數為-0.356 0，為698 nm，在可見光區域。葉綠素含量與光譜一階導數的最大相關系數為0.736 8，位于可見光區域波段754 nm，最小相關系數為-0.683 9，為955 nm，在近紅外區域。其中基于RVI（698，107 2）的指數模型擬合決定系數較高，達到0.425 3。通過檢驗，達到顯著水平，具有一定的預測精度。

研究數據模型擬合決定系數與何友鑄[1]的研究結果存在差異，可能是由于實驗材料及樣品處理方式等不同所致。項目組研究了油菜冠層反射光譜與油菜單葉SPAD值間的定量關系，從冠層水平監測葉片葉綠素水平，利用高光譜遙感技術獲得油菜冠層的精細光譜信息，建立了有一定預測精度的監測模型，從而能夠精準監測油菜生理生化狀況、作物長勢和產量品質等，促進了油菜生產的科學化管理。

[1] 何友鑄. 油菜生理生化參數、油菜籽含油量與冠層反射光譜的定量關系[D]. 長沙：湖南農業大學，2015.

[2] 汪懋華. “精細農業”發展與工程技術創新[J]. 農業工程學報，1999，（1）：1-8.

[3] 胡著智，王慧麟，陳欽巒. 遙感技術與地學應用[M]. 南京：南京大學出社，1999，（8）：1-5.

[4] 王紀華，趙春江，劉良云，等. 信息技術在小麥調優栽培及品質測報上的應用[J]. 中國科技成果，2004，（12）：47-50.

[5] 潘瑜春，王紀華，趙春江，等. 基于網絡GIS的作物品質監測與調優栽培系統[J]. 農業工程學報，2004，（6）：120-123.

[6] 王紀華，李存軍，劉良云. 作物品質遙感監測預報研究進展[J]. 中國農業科學，2008，（9）：2633-2640.

[7] Lichtenthaler H K. The stress concept in plants：An introduction [J]. Annals of the New York Academy of Science，1998，（851）：187-198.

[8] Myneni R B，Hall F G，Sellers P J，et al . The interpretation of special vegetation indexes [J]. IEEE Trans on Geoscience remote sensing，1995，（33）：481- 486.

[9] 劉偉東，項月琴，鄭蘭芬，等. 高光譜數據與水稻葉面積指數及葉綠素密度的相關分析[J]. 遙感學報， 2000，（4）：279- 283.

[10] 宮兆寧，趙雅莉，趙文吉，等. 基于光譜指數的植物葉片葉綠素含量的估算模型[J]. 生態學報，2014，（20）：5736-5745.

[11] 譚海珍，李少昆，王克如，等. 基于成像光譜儀的冬小麥苗期冠層葉綠素密度監測[J]. 作物學報，2008，（10）：1812-1817.

[12] 陳述彭，童慶禧，郭華東. 遙感信息機理研究[M]. 北京：北京科學出版，1998.

[13] 王 強，易秋香，包安明，等. 基于高光譜反射率的棉花冠層葉綠素密度估算[J]. 農業工程學報，2012，（15）：125-132.

（責任編輯：肖彥資）

The Quantitative Relationship between the Chlorophyll Content of Different Leaf Color and Canopy Reflectance Spectra of Brassica Juncea

CHENG Qian，CHEN Jia-le，ZHANG Zhen-qian，WANG Yue，CHEN Hao，WU Xian-meng
（College of Agriculture, Hunan Agricultural University, Southern Regional Collaborative Innovation Center for Grain and Oil Crops in China, Changsha 410128, PRC）

The potted Brassica juncea with green leaves and purple leaves were used as raw materials, the hyperspectral reflectance characteristics and SPAD were determined and the relationships between them were discussed.The results showed that constructed the spectral parameters by two characteristic bands of the original spectrum and the first derivative spectrum of the two characteristic bands from green leaf rape, based on DVI'(717, 955), the linear and polynomial model fitting coefficient was higher, reaching to 0.429 8, respectively, 0.453 5; used original spectral two characteristic bands of purple leaves type rapeto construct spectral parameters, which the fitting coefficientwas high and reached 0.425 3 base on RVI (698, 1072) exponential model. The results showed that the hyperspectral model had a certain accuracy, which can provide a reference for the rapid and non-destructive remote sensing monitoring of regional scale rape growth.

rape; chlorophyll; hyperspectral remote sensing technology

S565

：A

：1006-060X（2017）02-0028-04

10.16498/j.cnki.hnnykx.2017.002.008

2016-11-25

國家自然科學基金（31201240）；湖南省科技重大專項（2014FJ1006）

程 潛（1996-），男，湖南岳陽市人，本科生，專業為農學。

張振乾