基于CGMD302水稻生長指標光譜監測技術研究

王睿+李飛飛+呂尊富

摘 要：運用CGMD302作物生長監測光譜儀對植株進行無損監測，能夠在不影響作物生長的前提下，及時有效地對生長指標進行測量。該試驗在浙江湖州浙江農林大學德清現代農業高科技園區，采用甬優538和秀水134兩個品種，設立不同氮水平試驗小區，開展單季稻小區試驗。試驗明確了在直播播種技術下葉面積指數和生物量與播種后天數的量化關系，建立了葉面積指數、生物量和產量與CGMD302作物生長監測光譜儀測得的光譜參數的估計模型。能夠在各個生育時期對水稻的不同生長指標進行監測，及時了解水稻生長狀況，在水稻的生長過程中起到很好的監測指導作用。

關鍵詞：水稻；光譜監測；生長指標

中圖分類號 S511 文獻標識碼 A 文章編號 1007-7731（2017）20-0021-05

Study on Spectral Monitoring Technique of Rice Growth Index Based on CGMD302

Wang Rui et al.

（College of Agriculture and Food Science，Zhejiang Agriculture and Forestry University，Lin'an 311300，China）

Abstract：CGMD302 crop growth monitoring spectrometer can be used to monitor the plant growth，in the premise of not affecting crop growth.This test is in Zhejiang Agriculture and Forestry University modern agricultural hi-tech park.Two varieties，five nitrogen level were set up to carry out the plot test.The quantitative relation between LAI，biomass and the number of days after sowing was determined by the experiment.The estimation model of spectral parameters measured by the LAI，biomass and yield and CGMD302 crop growth monitoring spectrometer was established.We can monitor the different growth indicators of rice at different growth stages，understand the growth status of rice in time，and predict the LAI and biomass，which plays a very good role in monitoring the growth of rice.

Key words：Rice；Spectrum monitoring；Growth indicators

1 前言

水稻是我國最為重要的糧食作物之一，世界上有50%人以水稻為主要糧食，因此需要一個能夠對水稻生長進行快捷實時有效的監測進行預估的模型[1-3]。水稻在各個時期的生育狀況對水稻最后的產量影響很大，伴隨著遙感技術日新月異，對于水稻不同生育時期的實時無損監測就至關重要，使用便攜設備對作物各個生育時期的生長指標進行監測，能夠及時了解作物生長狀況，及時調整作物生長[4-7]。作物的冠層光譜特性是通過不同光的吸收、透射和反射的不同反應，傳遞出作物的各種不同長勢，而作物的生長指標，如葉面積指數、生物量等能夠有效地表達作物的生長狀況，因此可以根據作物冠層的光譜特性監測作物的生長狀況。近年來，很多國內外的學者對作物冠層的光譜特性做了深入的研究，研究了作物的光譜反射在不同條件、不同時間和不同地形條件下的變化規律與作物的生長指標之間的量化關系，不斷完善作物生長指標與光譜反射特性之間的實時監測模型，為運用光譜特性進行作物生長監測打下了堅實的基礎[8-10]。

CGMD302監測儀是南京農業大學國家信息農業工程技術中心研究的最新一代光譜監測儀，本研究采用CGMD302作物生長監測光譜儀對水稻進行快速、準確監測，構建水稻生長指標光譜監測模型，能夠及時反應水稻生長狀況并調控水稻各種肥料的精確施用[11-13]。CGMD302作物生長監測光譜儀，在作物生物時期對作物進行實時、準確、快速的無損傷監測，使現代化信息管理和傳統的農業生產很好地結合在一起，實現了對作物生長嚴格監測、生產上的實時精確管理、作物產量估計，對實現田間作物精確管理具有重要意義[14-15]。

2 材料與方法

2.1 試驗設計 本試驗在浙江湖州浙江農林大學德清現代農業高科技園區建立水稻實驗區，選擇了性狀優良的甬優538和秀水134兩個品種進行相關小區試驗。在5月3日對水稻田四周、田埂清除雜草進行前期準備工作。甬優538，5月28日采用直播技術播種，大田用量18.75kg/hm2，設置15個小區；秀水134，5月28日采用直播技術播種，大田用量45kg/hm2，設置15個小區，共30個小區。

本試驗采取獨立小區，小區之間通過田埂相隔，采取獨立排灌系統，保證小區之間氮肥不會相互影響。設置5個氮肥處理，分別施肥尿素0（N0）、70（N1）、140（N2）、210（N3）、280（N4）kg/hm2，在基肥，分蘗肥和穗肥施肥時不同小區氮用量N1∶N2∶N3∶N4為1∶2∶3∶4（表1）。在施用基肥時磷肥增基肥一次性用完，用過磷酸鈣990kg/hm2；氯化鉀基肥375kg/hm2，穗肥用375kg/hm2，所有小區水平一致。本試驗小區設計將甬優538與秀水134兩個品種分開，每個品種設計15個小區，不同氮濃度的小區由田埂隔開，一個小區寬10m長34m的長方形區域，保護行寬為1m的長方形區域，凈播種面積為0.06hm2。endprint

2.2 田間取樣 分別在分蘗期前期、分蘗期、分蘗末期、拔節期、孕穗期、灌漿期從每個小區選區散珠株能夠代表該小區水稻生長狀況的水稻樣品。取得的水稻樣品去除泥土清晰干凈后按照頂1葉、頂2葉、頂3葉、頂4葉、其它葉和穗，剩余部分為莖稈等不同器官部位分別裝袋并記錄，然后在105℃高溫下殺菌0.5h，取出后降溫，然后放入80℃下慢慢烘干，直至重量不再變化，測定其重量，通過比葉重法測量植株的葉面積指數，成熟后分小區收獲、測量產量。

2.3 試驗儀器 將CGMD302作物生長監測光譜儀上鏡頭對準太陽（圖1），在作物上方1m左右使用，主要通過多光譜傳感器上鏡頭篩選光源，接收長為720nm和810nm的太陽光，下鏡頭接收相應波段上作物的反射光輻射信息。然后通過處理器進行一系列的處理，最后在顯示屏上顯示出相應的NDVI和RVI值[16]。

2.4 數據獲得 在水稻分蘗期前期、分蘗期盛期、分蘗末期、拔節期、孕穗期和灌漿期，選擇無云天氣晴朗，環境比較穩定的環境，在11：30到13：00太陽光相對比較穩定，測量數據比較準確。用CGMD302作物生長監測光譜儀采集NDVI和RVI數據[17]。

CGMD302作物生長監測光譜儀采取數據的多光譜傳感器由720nm和810nm2種探測鏡頭組成，用于測量作物冠層特征光譜反射率。歸一化植被指數NDVI、比值植被指數RVI，由于光譜儀在帶寬上的差異，在波長720nm和810nm所得到數據的差異通過如下計算方式獲得[18]。

[NDVI=R810-R720R810+R720] （1）

[RVI=r810R720] （2）

3 結果與分析

3.1 葉面積指數隨生長期的變化 對不同氮素水平下的葉面積指數隨生長期的變化進行分析。如圖2，甬優538、秀水134在各施氮水平下的葉面積指數隨生長期呈現先上升后下降趨勢。甬優538、秀水134分別在分蘗末期和孕穗期達到峰值，甬優538的葉面積指數略高于秀水134。甬優538和秀水134隨施氮量增加葉面積指數也相應增大，即各氮含量水平下的葉面積指數為N4>N3>N2>N1>N0。

3.2 生物量隨生長期而變化 對不同氮素水平下的葉面積指數隨生長期的變化進行分析。如圖3，在各施氮水平下甬優538、秀水134的生物量隨生育期變化而逐漸增長。在分蘗前期到分蘗期快速增長，這個期間水稻幼苗正在快速增長，干物重不斷積累；分蘗期到拔節期增長較為平緩，這段期間水稻的大量無效分蘗開始死亡，與水稻正常生長相抵消，所以水稻干物重增長緩慢；拔節期到灌漿期快速增長，這段期間水稻開始結穗，干物重快速增長，在灌漿期達到峰值。甬優538和秀水134隨施氮量增加生物量也相應增大，即各氮含量水平下的生物量為N4>N3>N2>N1>N0。

3.3 葉面積指數光譜分析 對甬優538和秀水134各生長時期的葉面積指數與CGMD302作物生長監測光譜儀采集的NDVI和RVI進行光譜分析。葉面積指數分別與NDVI和RVI呈正相關。采用決定系數（S-R2）的線性函數對葉面積指數進行分析，測得的R2介于0和1之間，數值越大越接近1，代表兩者之間擬合的關系越好。通過表2和表3比較分析得到，各時期甬優538和秀水134的NDVI和RVI的R2值均較高，基本保持在0.70以上，達到了極顯著的相關。

甬優538在分蘗前期NDVI和RVI的R2處于最高值分別為0.9175和0.9534，除分蘗末期外，其它生育時期R2都處于較高值，都大于0.73。而分蘗末期R2的數值遠低于其它生育時期，NDVI和RVI的R2分別為0.664和0.751。秀水134在分蘗末期NDVI的R2處于最高值為0.9016，在拔節期NDVI的R2處于最低值為0.6753。其它各生育時期都處于較高值，都大于0.70。

綜表3和表4得知，CGMD302作物生長監測光譜儀在不同作物之間差異并不明顯，NDVI和RVI與葉面積指數的擬合關系比較好。NDVI與葉面積指數擬合測得的R2值在各個時期基本都大于RVI與葉面積指數擬合測得的R2值，這說明NDVI與葉面積指數擬合上比RVI更精確；RVI與葉面積指數擬合測得的R2值變動較小，始終穩定在一定的水平上，而NDVI與葉面積指數擬合測得的R2值，變動較大，最高值與最低值相差較大。

3.4 生物量光譜分析 對甬優538和秀水134各生長時期的生物量與CGMD302作物生長監測光譜儀采集的NDVI和RVI進行光譜分析。生物量分別與NDVI和RVI呈正相關。決定系數（S-R2）的線性函數對葉面積指數進行分析，測得的R2介于0和1之間，數值越大越接近1，代表兩者之間擬合的關系越好。

通過表4和表5比較分析得到，甬優538NDVI和RVI與生物量擬合測得的R2值分別在分蘗前期和分蘗末期達到最大值分別為0.941和0.945，在灌漿期達到最低值分別為0.63和0.66。秀水134NDVI和RVI與生物量擬合測得的R2值分別在分蘗期和分蘗前期達到最高值分別為0.90和0.93，在灌漿期達到最低值分別為0.49和0.50。綜上圖表得知，除灌漿期外，其他時期CGMD302作物生長監測光譜儀NDVI和RVI與水稻生物量的擬合關系達到極顯著，能夠用較快測量生育期內水稻生物量。

3.5 產量光譜分析 對甬優538和秀水134各氮素水平的產量與CGMD302作物生長監測光譜儀采集的NDVI和RVI進行光譜分析。采用決定系數（S-R2）的線性函數對葉面積指數進行分析，測得的R2介于0和1之間，數值越大越接近1，代表兩者之間擬合的關系越好。

通過表6和表7比較分析得，各時期甬優538和秀水134NDVI和RVI的R2值都較高，基本保持在0.75以上，達到了極顯著的相關。甬優538在各個生育時期NDVI和RVI與產量擬合測得的R2值均大于0.95。秀水134在拔節期NDVI和RVI與產量擬合測得的R2值達到峰值，分別為0.84與0.87，在孕穗期達到最低值，分別為0.75與0.77。endprint

綜上表得知，CGMD302作物生長監測光譜儀在NDVI和RVI與產量的擬合關系較好。NDVI與產量擬合測得的R2值在各個時期基本都大于RVI與產量擬合測得的R2值，這說明NDVI與產量擬合上比RVI更精確，而且NDVI與產量擬合測得的R2值均大于0.95，證明在不同生育時期作為測得的NDVI能夠較為精確測得該植株在最后所獲得的產量；并且NDVI與產量擬合測得的R2值十分穩定且數值接近1，在產量的預測上，NDVI比RVI更加有效準確。

4 結論與討論

本試驗通過在浙江湖州浙江農林大學德清現代農業高科技園區設立不同氮水平的對比試驗，使用CGMD302作物生長監測光譜儀對水稻各個生育時期測量相應的NDVI和RVI值，采用甬優538和秀水134兩個品種，通過不同的品種分析CGMD302作物生長監測光譜儀對于品種間的差異性，系統分析了NDVI和RVI與水稻各生育時期的葉面積指數、生物量和產量的關系。結果表明：（1）隨著生育期的不斷推進，NDVI與RVI值從分蘗前期到分蘗期下降，隨后一直升高到拔節期達到峰值，隨后下降；（2）不同氮水平下的NDVI和RVI值差異顯著；（3）不同品種間略有差異。

本試驗采用了雜交水稻甬優538和常規水稻秀水134兩個品種，在相同播種方式和相同的氮水平處理，最后的光譜分析存在一定的差異，雜交水稻甬優538相比于常規水稻秀水134長勢更加均勻，因此使用CGMD302作物生長監測光譜儀測得的NDVI和RVI能夠更好地反應植株生長狀況，擬合的更好，對與葉面積指數和產量的預測更加精確。

在N3條件下，秀水134葉面積指數呈現M型，葉面積指數從分蘗末期到拔節期下降，是由于本次試驗采取直播播種技術，種植密度比移栽插秧播種大，對于水稻的光照有影響，在分蘗末期到拔節期間，很多小的分蘗由于光照等問題，大量的無效分蘗開始死亡，導致葉面積下降，使得葉面積指數第一次下降；葉面積指數在灌漿期下降是由于，CGMD302作物生長監測光譜儀工作原理是對植株葉片進行監測，灌漿期長出的穗會覆蓋葉片，影響葉面積的監測，葉片被覆蓋使得葉面積變小，出現第二次下降，所以葉面積指數隨生長呈現M型。生物量進行光譜分析時，在灌漿期測得的R2值顯著下降的原因也是由于穗影響了CGMD302作物生長監測光譜儀的測量，導致擬合不顯著。NDVI和產量的擬合測得的R2均大于0.9，這表明CGMD302作物生長監測光譜儀前期在田間的監測能夠很好地預測該氮水平下最后的產量，對于實際生產上，相關人員可以通過預測對當前生育期的水稻進行相關的調整，對后期的產量有一定的保障。

參考文獻

[1]楊惠杰，楊仁崔，李義珍，等.水稻超高產品種的產量潛力及產量構成因素分析[J].福建農業學報，2000，15（3）：1-8.

[2]姚霞，劉小軍，王薇，等.小麥氮素無損監測儀敏感波長的最佳波段寬度研究[J].農業機械學報，2011，42（2）：162-167.

[3]張直中.合成孔徑雷達遙感技術及其應用[J].火控雷達技術，2000，3：1-39.

[4]邵蕓，郭華東，范湘濤，等.水稻時域散射特征分析及其應用研究[J].遙感學報，2001，5（5）：340-345.

[5]方紅亮，田慶久.高光譜遙感在植被監測中的研究綜述[J].遙感技術與應用，1998，13（1）：62-69.

[6]李映雪，謝曉金，徐德福.高光譜遙感技術在作物生長監測中的應用研究進展[J].麥類作物學報，2009，29（1）：174-178.

[7]凌啟鴻，蘇祖芳.水稻成穗率與群體質量的關系及其影響因素的研究[J].作物學報，1995，21（4）：463-469.

[8]Wang W，Yao X，Yao X，et al.Estimating leaf nitrogen concentration with three-band vegetation indices in rice and wheat[J].Field Crops Research，2012，129（384）：90–98.

[9]Mutanga O，Skidmore A K，Van Wieren S.Discriminating tropical grass （Cenchrus ciliaris） canopies grown under different nitrogen treatment using spectroradiometry[J].Isprs Journal of Photogrammetry & Remote Sensing，2003，57（4）：263-272.

[10]Gausman H W，Allen W A，Cardenas R，et al.Relation of light reflectance to histological and physical evaluations of cotton leaf maturity.[J].Applied Optics，1970，9（3）：545-52.

[11]WANG，Changhai，Yali，et al.Coupling Relationship Analysis on Households Production Behaviors and Their Influencing Factors in Nature Reserves：A Structural Equation Model[J].Chinese Geographical Science，2013，23（4）：506-518.

[12]陳青春，田永超，顧凱健，等.基于多種光譜儀的水稻前期植株氮積累量監測[J].農業工程學報，2011，27（1）：223-229.

[13]田永超.基于高光譜遙感的水稻氮素營養參數監測研究[D].南京：南京農業大學，2008.

[14]朱德峰，張玉屏，陳惠哲，等.中國水稻高產栽培技術創新與實踐[J].中國農業科學，2015，48（17）：3404-3414.

[15]倪軍，姚霞，田永超，等.便攜式作物生長監測診斷儀的設計與試驗[J].農業工程學報，2013，29（6）：150-156.

[16]王磊，白由路，盧艷麗，等.基于GreenSeeker的冬小麥NDVI分析與產量估算[J].作物學報，2012，38（4）：747-753.

[17]方秀琴，張萬昌.葉面積指數（LAI）的遙感定量方法綜述[J].國土資源遙感，2003，15（3）：58-62.

[18]傅瑋東，劉紹民.冬小麥生物量遙感監測模型的研究[J].干旱區資源與環境，1997（1）：84-89. （責編：施婷婷）endprint