基于光譜分析不同溫度下棉花葉片SPAD值含量估測

付彥博，王治國，耿慶龍，齊瑩瑩，孟阿靜，饒曉娟，馮耀祖

(1.新疆農(nóng)業(yè)科學(xué)院土壤肥料與農(nóng)業(yè)節(jié)水研究所，烏魯木齊 830091；2.新疆農(nóng)業(yè)科學(xué)院科技成果轉(zhuǎn)化中心，烏魯木齊 830091；3.新疆農(nóng)業(yè)職業(yè)技術(shù)學(xué)院，新疆昌吉 831100)

基于光譜分析不同溫度下棉花葉片SPAD值含量估測

付彥博1，王治國1，耿慶龍1，齊瑩瑩2，孟阿靜1，饒曉娟3，馮耀祖1

(1.新疆農(nóng)業(yè)科學(xué)院土壤肥料與農(nóng)業(yè)節(jié)水研究所，烏魯木齊 830091；2.新疆農(nóng)業(yè)科學(xué)院科技成果轉(zhuǎn)化中心，烏魯木齊 830091；3.新疆農(nóng)業(yè)職業(yè)技術(shù)學(xué)院，新疆昌吉 831100)

【目的】研究不同溫度對棉花葉片SPAD值的影響，利用高光譜反演葉片SPAD值。【方法】以不同溫度處理花鈴期水培棉花葉片為材料，利用美國SVC-HR768光譜儀測定葉片光譜反射率和SPAD502葉綠素計測定葉片SPAD值，采用相關(guān)分析、線性回歸等方法，分析葉片SPAD值與原始光譜、一階微分光譜和高光譜參數(shù)數(shù)據(jù)之間的關(guān)系。【結(jié)果】隨著溫度的升高，葉片SPAD值和原始光譜反射率逐漸下降，葉片SPAD值與原始光譜、一階微分光譜和高光譜參數(shù)數(shù)據(jù)均具有較好的相關(guān)性，通過相關(guān)系數(shù)、調(diào)整R2和平均相對誤差最大優(yōu)選原則綜合比較，篩選建立的葉片SPAD值與原始光譜、一階微分光譜和高光譜參數(shù)的較優(yōu)估測模型，相關(guān)系數(shù)分別為0.81、0.857和0.833，調(diào)整R2分別0.747、0.844和0.824，平均相對誤差分別為9.12%、5.78%和7.72%。【結(jié)論】一階微分光譜671和683 nm組合波段構(gòu)建的模型Y=50.487X683-131.617X671+36.777預(yù)測葉片SPAD值最為精確，高光譜參數(shù)次之，原始光譜最差，為利用高光譜遙感信息反演花鈴期棉花葉片SPAD值提供理論依據(jù)。

棉花；溫度；SPAD值；光譜反射率；參數(shù)；一階微分；模型

0 引 言

【研究意義】溫度變化是影響作物養(yǎng)分吸收和利用重要因素之一，不同的作物對溫度有著不同的響應(yīng)[1,2]，而作物的營養(yǎng)脅迫狀況和作物長勢狀況與葉綠素密切相關(guān)[3]，實時監(jiān)測植物葉片中葉綠素含量的動態(tài)變化是長勢監(jiān)測的重要環(huán)節(jié)[4]。遙感技術(shù)可以解決葉綠素含量大面積快速測定的問題，其具有大面積快速、無破壞性采樣、及時等特點，被廣泛應(yīng)用[5-7]。【前人研究進展】Bauerle等[8]通過研究發(fā)現(xiàn)SPAD值與400～700 nm波長范圍內(nèi)光存在顯著回歸關(guān)系，但建立的模型精確度不高。隨后，相繼利用高光譜數(shù)據(jù)分別對水稻、小麥、玉米、油菜、土豆、白三葉等植物的SPAD值含量進行了估測研究[9-13]。利用紅邊位置為參數(shù)所建的模型能夠準(zhǔn)確的預(yù)測水稻葉片的SPAD值[9]。姚付啟等[10]利用“綠峰”與“紅谷”分別預(yù)測小麥各個生育期的SPAD值光譜模型。李俊霞等[11]利用550 nm的光譜反射率估測了不同施氮水平下不同品種玉米葉片SPAD值。【本研究切入點】前人研究重點多放在不同施氮水平下的農(nóng)作物，而對不同溫度下棉花的SPAD值定量估測鮮見報道。旨在采用相關(guān)分析、線性回歸等統(tǒng)計方法確定棉花葉片SPAD值與原始光譜、一階微分光譜和高光譜參數(shù)數(shù)據(jù)之間的關(guān)系。【擬解決的關(guān)鍵問題】以新疆棉花為研究對象， 測定并分析棉花葉片SPAD值與光譜反射率的關(guān)系，建立不同溫度處理下棉花葉片SPAD值的高光譜估測模型，為新疆不同溫度下棉花葉片SPAD值快速的營養(yǎng)診斷提供技術(shù)支撐與理論依據(jù)。

1 材料與方法

1.1 材 料

試驗于2014年6～9月在新疆農(nóng)業(yè)科學(xué)院土壤肥料與農(nóng)業(yè)節(jié)水研究安寧渠國家灰漠土肥力與肥料效益基地網(wǎng)室 (N:44.59055556°，E:87.77916667°) 進行，海拔高度680～920 m，采用Vantage Pro2有線自動氣象站測得6～9月平均氣溫21.5℃，降水量45.82 mm。棉花品種為新陸早41號。

1.2 方 法

1.2.1 試驗設(shè)計

幼苗先通過沙培在光照培養(yǎng)箱下育苗，當(dāng)幼苗長出第一片真葉時移入水培中培養(yǎng)，水培盆規(guī)格：長×寬×高=50 cm×35 cm×20 cm；營養(yǎng)液配方參照霍格蘭仕營養(yǎng)液，每隔7 d換一次營養(yǎng)液，每隔8 h沖一次氧，每次加氧時間30 min。設(shè)置3個處理培養(yǎng)：常規(guī)處理，增溫處理和降溫處理。增溫處理在盆底部放置恒溫加熱棒，將溫度調(diào)控在30℃培養(yǎng)；降溫處理采用循環(huán)制冷機降溫，溫度為18℃，每個處理中均放置U盤溫度計，測定水中實時溫度，采用即時溫度計測定各處理的即時溫度。處理分四個時期，各時期處理時間為10 d，每處理3次重復(fù)，花鈴期棉花于9月10日開始進行溫度處理，常規(guī)處理平均溫度為16.3℃。

1.2.2 光譜數(shù)據(jù)采集與SPAD值的測定

于9月17日，利用美國 SVC- HR768光譜儀測定葉片光譜反射率和 SPAD502葉綠素計測定葉片 SPAD值，試驗在安寧渠國家灰漠土基地暗室進行。測定時探頭垂直距棉花葉片表面40 cm，每盆測定3個葉片(倒三葉)，每個葉片測定l0條光譜反射率曲線，去掉異常線后取平均作為該葉片的光譜反射率值。表1

表1 SVC-HR768光譜參數(shù)
Table 1 SVC-HR768 spectral parameters

參數(shù)名稱Parametername光譜波段Spectralbands(nm)通道數(shù)Channelnumber光譜帶寬Spectralbandwidth最小積分時間Minimumintegraltime(ms)視場角Viewingangle(°)光源天頂角Thezenithangleoflightsource(°)標(biāo)準(zhǔn)光源Standardilluminant(W)參數(shù)值Parametervalues350～2500768350～1000nm范圍內(nèi)≤3.5nm;1000～1500nm和1500～2100nm范圍≤16nm141550

1.3 數(shù)據(jù)處理

為了使數(shù)據(jù)具有更好的連續(xù)性，采用SVC HR-768光譜儀配套軟件進行預(yù)處理。采用SPSS 19.0統(tǒng)計軟件進行單因素方差分析(one-way ANOVA)和回歸模型建立。

2 結(jié)果與分析

研究表明，花鈴期不同溫度處理下，棉花葉片的SPAD值發(fā)生明顯變化，其棉花葉片SPAD值大小順序為降溫>常規(guī)>增溫，各處理之間差異均達到顯著水平(P<0.05)，與常規(guī)處理相比較，增溫處理降低了14.70%，降溫處理增高了12.53%。圖1

圖1 不同溫度處理下SPAD值
Fig.1 The SPAD of different temperature treatment

2.1 不同溫度處理下水培棉花葉片原始光譜特征

研究表明，不同的波段棉花光譜響應(yīng)不同，在350～760 nm，不同溫度處理之間的棉花葉片光譜反射率差異不是很大，但是550～700 nm區(qū)域是葉綠素的兩個主要吸收峰；在700～2 350 nm區(qū)域內(nèi)光譜反射率隨著溫度的升高原始光譜反射逐漸降低。圖2

圖2 不同溫度處理下原始光譜反射率
Fig.2 Original spectral reflectance of different temperature treatment

2.2 葉片SPAD值與原始光譜反射率的相關(guān)性

研究表明，原始光譜反射率與棉花葉片SPAD值具有較好的相關(guān)性，相關(guān)系數(shù)在0.3～0.8，且呈正相關(guān)。在可見光波段350～500 nm范圍內(nèi)兩者之間的相關(guān)系數(shù)較低；在500～750 nm附近是葉綠素的強反射峰，該波段與葉綠素含量密切相關(guān)， 在紅邊位置附近原始光譜反射率與棉花葉片SPAD值相關(guān)系數(shù)最高，達0.85，且達到極顯著水平(P<0.01)。在770～1 900 nm葉片SPAD值與原始光譜之間的相關(guān)系數(shù)達0.8，達到顯著水平(P<0.01)。圖3

2.3 葉片SPAD值與一階微分光譜反射率相關(guān)性

光譜數(shù)據(jù)的一階微分有利于部分消除大氣對目標(biāo)的影響，能夠更好的反映和揭示植被光譜的內(nèi)在特性[14]，650～800 nm出現(xiàn)明顯的反射峰，在1 400 nm左右出現(xiàn)明顯的波谷(圖4(a))。棉花葉片SPAD值與一階微分光譜之間的相關(guān)性(圖4(b))，發(fā)現(xiàn)棉花葉片SPAD值與一階微分光譜之間的相關(guān)性呈正負相關(guān)交替，相關(guān)系數(shù)在-0.9～0.9。在480～550、670～760和1 400～1 650 nm相關(guān)系數(shù)為正相關(guān)，且達到極顯著水平(P<0.01)，在560～670和1 350～1 400 nm相關(guān)系數(shù)為負相關(guān)且達到較高水平。圖4，表2，表3

圖3 棉花葉片SPAD值與原始光譜相關(guān)性
Fig.3 Correlation between SPAD and original spectrum of cotton leaves

圖4 棉花葉片SPAD值與一階微分光譜反射率相關(guān)性
Fig.4 The relationship between the SPAD and the first order differential spectral reflectance表2 光譜參數(shù)定義
Table 2 Definition of hyperspectral remote sensing parameters

類型Type光譜參數(shù)Spectralparameter計算公式或定義Formulaordefinition基于光譜位置的特征變量CharacteristicvariablesbasedonthespectralpositionDr紅邊(680～760nm)內(nèi)最大一階微分值Db藍邊(490～530nm)內(nèi)最大一階微分值Dy黃邊(550～580nm)內(nèi)最大一階微分值Rg綠峰(510～580nm)內(nèi)原始光譜最大的相對反射率Ro紅谷(640～680nm)內(nèi)原始光譜最小的反射率基于光譜面積的變量VariablesbasedonthespectralareaSDr紅邊(680～760nm)內(nèi)一階微分總和5SDb藍邊(490～530nm)內(nèi)一階微分總和5SDy黃邊(550～580nm)內(nèi)一階微分總和5

表3 棉花葉片SPAD值(y)與不同敏感波段光譜(x)之間定量關(guān)系
Table 3 Quantitative relation between SPAD(y) and spectrum of different sensitive bands(x)

類型Type敏感波段Sensitivebands(nm)模型Model調(diào)整R2AdjustedR2一階導(dǎo)數(shù)Firstderivative480～550560～7501350～1650Y=109.516X493+39.8200.683Y=94.327X485+124.857X493+40.1060.833Y=-92.039X635+38.1640.677Y=46.684X683+37.2240.663Y=50.487X683-131.617X671+36.7770.844Y=-11.887X1375+36.4310.660Y=183.091X1639-36.8280.677Y=1162.322X1639-376.7051X1572+40.2330.806

2.4 葉片SPAD值與高光譜參數(shù)的關(guān)系

研究表明，棉花葉片SPAD與高光譜參數(shù)具有一定相關(guān)性，棉花葉片SPAD值與Dy的相關(guān)性較差，與Rg、Ro的相關(guān)性呈顯著相關(guān)關(guān)系，與其他變量Dr、Db、SDr、SDb相關(guān)性均呈極顯著相關(guān)關(guān)系。說明采用這些變量對葉片SPAD值進行估算具有可行性。棉花葉片SPAD值與高光譜特征變量之間具有很強的相關(guān)性，從這些變量中進行單變量線性擬合分析，建立較適合于葉片SPAD值估算的高光譜遙感模型。構(gòu)建的回歸模型中，SDr和SDy所構(gòu)建的一階微分總與基于其他變量所構(gòu)建的模型相比，具有最大的調(diào)整R2系數(shù)(0.801和0.824)， 說明利用該光譜參數(shù)建立的模型精度和穩(wěn)定性較好，能夠用來估測葉片SPAD值。表4

2.5 棉花葉片SPAD值高光譜估測模型的建立及優(yōu)化

根據(jù)其建立的模型相關(guān)系數(shù)和調(diào)整R2系數(shù)的最大優(yōu)選原則綜合比較，篩選以原始光譜反射率、一階微分光譜、高光譜參數(shù)為自變量建立的棉花葉片SPAD值的估測模型，進行葉片SPAD值估算。根據(jù)所建立的棉花葉片SPAD值高光譜預(yù)測模型，一階微分光譜模型中，在683和671 nm共同構(gòu)建的模型最好，調(diào)整R2值達到了0.844，平均相對誤差為5.98%，說明模型穩(wěn)定性較好，可見利用671和683 nm處的一階微分光譜反射率診斷棉花葉片SPAD值是可行的；原始光譜反射率的模型中，698 nm處構(gòu)建的模型較好，調(diào)整R2值為0.747，預(yù)測平均誤差為9.12%，表明利用698 nm處光譜也可以預(yù)測棉花葉片SPAD值。高光譜參數(shù)建立的模型中，SDb構(gòu)建的模型較好，調(diào)整R2值為0.824，預(yù)測平均誤差為7.72%，表明高光譜參數(shù)SDb可以預(yù)測棉花葉片SPAD值。基于原始光譜反射率、一階微分光譜反射率和高光譜參數(shù)建立的模型相比，一階微分光譜反射率所建立的模型的精度優(yōu)于原始光譜和高光譜參數(shù)所建立的模型。表4，表5

表4 棉花葉片SPAD值(y)與不同光譜參數(shù)(x)之間定量關(guān)系
Table 4 Quantitative relation between SPAD(y) and spectrum of different spectral parameters (x)

光譜參數(shù)Spectralparameters回歸方程Model調(diào)整R2AdjustedR2相關(guān)系數(shù)(r)CorrelationcoefficientDrY=6.276X+35.4610.7570.776**DbY=17.617X+36.7180.5370.761**DyY=-27.727X+36.7670.384-0.419RgY=0.486X+35.0560.6640.691*RoY=1.134X+33.5340.5720.660*SDrY=0.204X+35.6040.8010.816**SDbY=1.337X+36.5100.8240.833**SDyY=-2.280X+36.1830.410-0.441

注：**代表極顯著(P<0.05)，*代表顯著(P<0.05)

Note:**Showed very significant (P< 0.01)，*Showed significantlyP<0.05)

表5 棉花葉片SPAD值量高光譜估測模型
Table 5 Hyperspectral Estimation Model for SPAD value of cotton leaves

變量xVariable模型表達式Modelexpression調(diào)整R2AdjustedR2相對誤差范圍(%)Relativeerrorrange平均相對誤差(%)Averagerelativeerror698(原始)Y=0.471X698+35.9870.7476.60～16.909.12485,493Y=124.857X493+94.327X485+40.1060.8332.40～13.087.77683,671Y=50.487X683-131.617X671+36.7770.8441.30～9.705.781639,1572Y=1162.322X1639-376.7051X1572+40.2330.8063.90～12.708.23SDrY=0.204X+35.6040.8014.80～12.708.35SDbY=1.337X+36.5100.8243.20～11.507.72

3 討 論

棉花是喜溫作物，亦是溫度敏感型作物，溫度是影響棉花生長發(fā)育，物質(zhì)代謝的重要能量因素[15]。溫度過高或過低都會影響棉花的生長導(dǎo)致棉花減產(chǎn)[16,17]。棉花在各生育期的溫度響應(yīng)不同，研究結(jié)果表明 ，30℃處理下葉片SPAD值較常規(guī)溫度處理(9月10～17日日平均溫度為15.8℃)和低溫處理的SPAD值相比均降低，說明30℃處理阻礙了花鈴期的棉花的生長。

通過對不同溫度下花鈴期棉花葉片SPAD值于原始光譜反射率，一階微分光譜反射率及高光譜參數(shù)之間的相關(guān)性分析，葉片SPAD值葉片在不同處理下有不同的反射特征，這種差別在“紅邊”附近最為明顯，這與其它作物的光譜反射特征相同[18]。棉花葉片SPAD值一階微分光譜的敏感波段位于480～550、560～760和1 350～1 600 nm，最優(yōu)波長為組合波段(485、493 nm)、(671、683 nm)和(1 639、1 572 nm)處，這與袁小康等[19]對番茄的研究結(jié)果(670 nm)和王強等[20]對棉花的研究結(jié)果(756 nm)的結(jié)果有部分相同，也有部分差異，主要原因是多方面的，如品種、環(huán)境和測量儀器型號等不同。高光譜參數(shù)建立的預(yù)測模型中，SDb和SDr的光譜預(yù)測模型較優(yōu)，研究結(jié)果與唐延林等[21]的研究結(jié)果一致。研究根據(jù)相關(guān)系數(shù)和調(diào)整R2系數(shù)的最大優(yōu)選原則，初步篩選原始光譜反射率(698 nm)的一階微分(671和683 nm)，高光譜參數(shù)(SDb)構(gòu)建的SPAD值預(yù)測模型進行葉片SPAD值估算。但將水培棉花的實驗結(jié)果完全用于大田棉花試驗還需進一步研究和驗證。

4 結(jié) 論

4.1 不同溫度處理下，棉花葉片SPAD值發(fā)生明顯變化，與常規(guī)處理相比較，增溫處理降低了14.70%，降溫處理增高了12.53%。

4.2 不同溫度處理下，棉花葉片的原始光譜反射率存在明顯差異， 700～2 350 nm區(qū)域不同處理之間棉花葉片光譜反射率差異較大，且隨著溫度的升高光譜反射逐漸降低。

4.3 不同溫度處理下，棉花葉片原始光譜反射率、一階微分和高光譜參數(shù)與葉片SPAD值均具有良好的相關(guān)性，原始光譜最佳估測模型為Y=0.471X698+35.987，調(diào)整R2=0.747；一階微分模型Y= 50.487X683-131.617X671+36.777，調(diào)整R2=0.844，高光譜參數(shù)模型為Y= 1.337XSDb+ 36.510，調(diào)整R2=0.824；通過平均相對誤差篩選優(yōu)化，最終確定棉花葉片SPAD值與光譜的一階微分模型Y= 50.487X683-131.617X671+36.777作為對葉片SPAD值的預(yù)測模型最為理想。

References)

[1] 鄭丕堯.作物生理學(xué)導(dǎo)論[M].北京:北京農(nóng)業(yè)大學(xué)出版社,1992:469-471.

ZHENG Pi-yao. (1992).Anintroductiontocropphysiology[M]. Beijing: China Agricultural University Press: 469-471. (in Chinese)

[2] 馮玉龍,劉恩舉,孟慶超.根系溫度對植物的影響Ⅱ.根溫對植物代謝的影響[J].東北林業(yè)大學(xué)學(xué)報,1995,23(4):94-99.

FENG Yu-long, LIU En-ju, MENG Qing-chao. (1995).Influence of temperature of root system on plant (Ⅱ)-influence of root temperature on plant metabolism [J].JournalofNortheastForestryUniversity, 23(4):94-99. (in Chinese)

[3] Collins, W., & Collins, W. (1978). Remote sensing of crop type and maturity.PhotogrammetricEngineeringandRemoteSensing, 44(1):43-55.(in Chinese)

[4] 李云梅，倪紹祥，王秀珍．線性回歸模型估算水稻葉片葉綠素含量的適宜性分析[J].遙感學(xué)報,2003,9(5):364-371.

LI Yun-mei, NI Shao-xiang, WANG Xiu-zhen.(2003). The robustness of linear regression model in rice leaf chlorophyll concentration prediction [J].JournalofRemoteSensing, 9(5):364-371. (in Chinese)

[5] 申廣榮,王人潮.植被高光譜遙感的應(yīng)用研究綜述[J].上海交通大學(xué)學(xué)報(農(nóng)業(yè)科學(xué)版)， 2001,19(4): 315-321.

SHEN Guang-rong, WANG Ren-chao,(2001).Review of the application of vegetation hyperspectral remote sensing [J].JournalofShanghaiJiaotongUniversity, 19(4): 315-321. (in Chinese)

[6] 宮兆寧,趙雅莉,趙文吉,等.基于光譜指數(shù)的植物葉片葉綠素含量的估算模型[J].生態(tài)學(xué)報,2014,34(20):5 736-5 745.

GONG Zhao-ning, ZHAO Ya-li, ZHAO Wen-ji, et al. (2014). Estimation model for plant leaf chlorophyll content based on the spectral index content[J].ActaEcologicaSinica, 34(20):5,736-5,745. (in Chinese)

[7] 章文龍,曾從盛,高燈州, 等.閩江河口濕地秋茄葉綠素含量高光譜遙感估算[J].生態(tài)學(xué)報,2014,34(21):6 190-6 197.

ZHANG Wen-long, ZENG Cong-sheng, GAO Deng-zhou, et al.(2014). Estimating the chlorophyll content of Kandelia candel based on hyper-spectral remote sensing in the Min River Estuarine wetland [J].ActaEcologicaSinica, 34(21): 6,190-6,197. (in Chinese)

[8] Bauerle, W. L., Weston, D. J., Bowden, J. D., Dudley, J. B., & Toler, J. E. (2004). Leaf absorptance of photosynthetically active radiation in relation to chlorophyll meter estimates among woody plant species.ScientiaHorticulturae, 101(1):169-178.(in Chinese)

[9] 謝曉金,申雙和,李映雪,等.高溫脅迫下水稻紅邊特征及SPAD和LAI的監(jiān)測[J].農(nóng)業(yè)工程學(xué)報,2010,26(3):183-190.

XIE Xiao-jin, SHEN Shuang-he, LI Ying-xue, et al.(2010). Red edge characteristics and monitoring SPAD and LAI for rice with high temperature stress[J].TransactionsoftheCSAE, 26(3):183-190. (in Chinese)

[10] 姚付啟,蔡煥杰,孫金偉,等.平穩(wěn)小波變換在冬小麥SPAD高光譜監(jiān)測中的應(yīng)用[J].應(yīng)用生態(tài)學(xué)報,2015,26(7):2 139-2 145.

YAO Fu-qi, CAI Huan-jie, SUN Jin-wei, et al. (2015). Application of stationary wavelet transformation to winter wheat SPAD hyperspectral monitoring [J].ChineseJournalofAppliedEcology, 26(7):2,139-2,145. (in Chinese)

[11] 李俊霞,楊俐蘋,白由路,等.不同品種玉米氮含量與葉片光譜反射率及SPAD值的相關(guān)性[J].中國土壤與肥料,2015,(3):34-39,119.

LI Jun-xia, YANG Li-ping, BAI You-lu, et al.(2015). The correlation of total nitrogen content with leaf spectral reflectance and SPAD values in different maize varieties [J].SoilandFertilizerSciencesinChina, (3):34-39,119. (in Chinese)

[12] 丁希斌,劉飛,張初,等.基于高光譜成像技術(shù)的油菜葉片SPAD值檢測[J].光譜學(xué)與光譜分析,2015,(2):486-491.

DING Xi-bing, LIU Fei, ZHANG Chu, et al.(2015). Prediction of SPAD vale in oilseed rape leaves using hyperspectral imaging technique[J].SpectroscopyandSpectralAnalysis, (2):486-491. (in Chinese)

[13] 張賢,晏榮,曹文娟,等.SPAD及FT-NIR光譜法快速篩選白三葉種質(zhì)蛋白質(zhì)性狀[J].光譜學(xué)與光譜分析,2009,(9):2 388-2 391.

ZHANG Xian, YAN Rong, CAO Wen-juan, et al.(2009). Rapid selection of white clover germplasms' crude protein traits by SPAD and Fourier transform near-infrared reflectance spectroscopy [J].SpectroscopyandSpectralAnalysis, (9):2,388-2,391. (in Chinese)

[14] 柴仲平,王雪梅,盛建東,等. 基于光譜分析的庫爾勒香梨葉片全氮含量估測研究[J].果樹學(xué)報,2013,(3):421-426.

CHAI Zhong-ping, WANG Xue-mei, SHEN Jian-dong, et al.(2013). Prediction of the total nitrogen content in leaves of Korla fragrant pear by spectral analysis [J].JournalofFruitScience, (3):421-426. (in Chinese)

[15] Wang, H. L., Gan, Y. T., Wang, R. Y., Niu, J. Y., Zhao, H., & Yang, Q. G., et al. (2008). Phenological trends in winter wheat and spring cotton in response to climate changes in northwest china.Agricultural&ForestMeteorology, 148(8-9):1,242-1,251. (in Chinese)

[16] Singh, R. P., Pvv, P., Sunita, K., Giri, S. N., & Reddy, K. R. (2007). Influence of high temperature and breeding for heat tolerance in cotton: a review.AdvancesinAgronomy, 93:313-385.(in Chinese)

[17] Bhatt, J. G. (1977). Growth and flowering of cotton (gossypiumhirsutuml.) as affected by daylength and temperature.JournalofAgriculturalScience, 89(3):583-587.(in Chinese)

[18] 梁爽,趙庚星,朱西存.蘋果樹葉片葉綠素含量高光譜估測模型研究[J].光譜學(xué)與光譜分析,2012,(5):1 367-1 370.

LIANG Shuang, ZHAO Geng-xing, ZHU Xi-cun.(2012). Hyperspectral estimation models of chiorophyll content in apple leaves[J].SpectroscopyandSpectralAnalysis, (5):1,367-1,370. (in Chinese)

[19] 袁小康,楊再強,邱譯萱,等.番茄葉片葉綠素含量光譜估算模型[J].中國農(nóng)業(yè)氣象,2014,(6):700-707.

YUAN Xiao-kang, YANG Zai-qiang, QI Yi-xuan, et al.(2014).Chlorophyll Content of Tomato Leaf Estimate Model Under Different Water Stress Treatments Based on Hyperspectral [J].ChineseJournalofAgrometeorology, (6):700-707. (in Chinese)

[20] 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(nóng)業(yè)工程學(xué)報,2012,(15):125-132.

WANG Qiang, YI Qiu-xiang, BAO An-ming, et al. (2012). Estimating chlorophyll density of cotton canopy by hyperspectral reflectance[J].TransactionsoftheCSAE, (15):125-132. (in Chinese)

[21] 唐延林,王紀(jì)華,黃敬峰,等.水稻成熟過程中高光譜與葉綠素、類胡蘿卜素的變化規(guī)律研究[J].農(nóng)業(yè)工程學(xué)報,2003,19(6):167-173.

TANG Yan-lin, WANG Ji-hua, HUANG Jing-feng, et al.(2003). Variation law of hypersprctral data and chlorophyll and carotenoid for rice in mature process [J].TransactionsoftheCSAE, 19(6):167-173. (in Chinese)

Supported by:Supported by National Natural Science Foundation of China "Effects of drip irrigation water temperature on Xinjiang gray desert soil and cotton growth" (51169025)and Effect of Mulched Drip Oxygation on Soil Environment and Growth of Cotton in Xinjiang(41261076)

FENG Yao-zu(1973-), male, resarcher doctor, resarch direction:plant nutriction

Prediction of SPAD Value of Cotton Leaf at Different Temperatures Leaves Based on Spectral Analysis

FU Yan-bo1, WANG Zhi-guo1, GENG Gin-long1, QI Ying-ying2， MENG A-jing3, RAO Xiao-juan1, FENG Yao-zu1

(1.ResearchInstituteofSoil,FertilizerandAgriculturalWaterConservation,XinjiangAcademyofAgriculturalSciences,Urumqi830091,China; 2.TransformationCenterofScientificandTechnologicalAchievements,XinjiangAcademyofAgriculturalSciences,Urumqi830091,China; 3.XinjiangAgriculturalVocationalandTechnicalCollege,Urumqi831100,China)

【Objective】 To understand the effect of different temperatures on the SPAD value of cotton leaves, the SPAD value of leaf was retrieved by hyperspectral data during the blossoming and boll-forming period. 【Method】The statistical methods, such as the correlation analysis and linear regression, were used to analyze the relationship between SPAD value, original spectra, first-order differential spectra and hyperspectral parameters. 【Result】It was shown that the SPAD and original spectral reflectivity of the leaf would decrease with the rising temperature. The SPAD value was correlated to the original spectra, first-order differential spectra and hyperspectral parameters. After the overall comparison of correlation coefficient, adjustedR2and the optimization of mean relative error, the optimal estimation mode for the SPAD value, original spectra, first-order differential spectra and hyperspectral parameters were built, with the correlation coefficient being 0.81, 0.857 and 0.833, the adjustedR2being 0.747, 0.844 and 0.824 as well as the mean relative error being 9.12%, 5.78% and 7.72%. The model built through the combination of the first-order differential spectra 671 nm and 683 nm (Y=50.487X683-131.617X671+36.777) can achieve the highest accuracy in predicting the SPAD value, followed by the hyperspectral parameter and original spectra. 【Conclusion】As shown by the experimental results, the hyperspectral sensing information can provide the theoretical basis for predicting the SPAD value for the cotton leaf during the blossoming and boll-forming period.

cotton；temperature；SPAD value; spectral reflectance；parameters；first order differential

10.6048/j.issn.1001-4330.2017.03.003

2016-12-08

國家自然科學(xué)基金項目“滴灌灌溉水溫對新疆灰漠土環(huán)境及棉花生長影響機制研究”(51169025)；國家自然科學(xué)基金項目“膜下加氧滴灌對棉田土壤環(huán)境及棉花生長的影響”(41261076)

付彥博(1986-)，男，河南人，助理研究員，碩士，研究方向為土壤生態(tài)與農(nóng)業(yè)節(jié)水，(E-mail)fuyanbo2010@163.com

馮耀祖(1973-)，男，甘肅武威人，研究員，研究方向為植物營養(yǎng)，(E-mail)fengyaozu@sina.com

S562.01

A

1001-4330(2017)03-0409-08