甘蔗葉片光譜特征分析及氮含量估算初探

楊紹鍔，陳廷速

（1.廣西壯族自治區農業科學院農業資源與環境研究所，廣西 南寧 530007；2.廣西壯族自治區農業科學院微生物研究所，廣西 南寧 530007）

甘蔗是我國重要的糖料作物，主要種植在華南地區，廣西種植面積占全國60%以上，是我國重要的甘蔗種植基地。近年來，由于農民片面追求產量，過量施肥現象非常嚴重，由此帶來的土壤質量下降、種植成本增加、生態環境污染等問題越來越突出［1-2］。科學施肥是解決這一問題的重要途徑，而及時有效地了解甘蔗營養狀況是科學施肥的重要前提。研究甘蔗葉片氮含量的快速估算方法，可為合理施肥提供科學依據。

近年來，學者們探討了多種快速估算作物氮營養的方法［3］，其中高光譜技術在該領域展現出極大優勢，被廣泛用于農作物葉片氮含量快速估測研究。劉冰峰等［4］針對夏玉米開展了葉片全氮含量高光譜估算研究，在各生育期分別選擇了最佳擬合光譜參數，并構建了最佳的估算模型；周麗麗等［5］研究了3個玉米品種葉片氮含量與不同波段光譜反射率的相關性，并建立了不同品種的葉片氮含量估算模型。田永超等［6］分析了水稻冠層氮含量與高光譜反射率的關系，獲得了對氮反應最敏感的波段，構建了水稻冠層氮含量估測的高光譜植被指數；譚昌偉等［7］對水稻氮素含量與原始光譜反射率、一階微分光譜以及高光譜特征參數間的相關性進行了分析，并構建和驗證了以遙感參數為自變量的水稻氮素營養診斷模型。翟清云等［8］對3種不同土壤質地條件下小麥冠層葉片氮含量的高光譜響應差異進行比較，分析了350～1 050 nm波段的敏感波段區域，構建了光譜指數與葉片氮含量的量化關系，并建立葉片氮含量估算模型；李丹等［9］利用光譜理論模型進行光譜指數波段優化，顯著提高了小麥玉米冠層氮素含量的預測能力。眾多研究結果表明，高光譜技術具備正確估算葉片氮含量的能力。然而，目前的研究多集中在大宗作物。在針對甘蔗的研究中，汪沛等［10］研究了甘蔗苗期和分蘗期水分狀況與冠層光譜反射率的相關關系，結果顯示近紅外波段與460、560 nm的反射率比值與土壤含水量有顯著正相關關系；李修華等［11］針對單張甘蔗葉片開展了葉綠素估算研究，發現527～578 nm和701～731 nm光譜反射率與葉綠素含量有顯著的負相關關系，而由725、840 nm兩波段計算的NDVI能較好地估算葉綠素含量。目前針對甘蔗葉片氮含量的高光譜估算研究仍較欠缺。本研究分析甘蔗分蘗期葉片氮含量與光譜反射率的相關關系，確定對甘蔗葉片氮含量敏感的光譜波段，據此構建甘蔗葉片氮含量高光譜估算模型，以期為甘蔗合理施肥提供科學依據。

1 材料與方法

1.1 田間試驗設計

甘蔗種植時間為2017年1月3日，試驗品種為桂糖22號，種植地點在廣西農業科學院南寧市里建科研基地，施N量設置0、112.5、168.75、225、281.25 kg/hm25個處理，依次以N0、N1、N2、N3、N4表示，其中1/2氮肥作為基肥在播種前施入，1/2氮肥在培土時施入。種植行距為1.2 m，每小區種植4行，小區長度為5 m，重復8次。

1.2 葉片光譜及全氮含量測定

在分蘗期（5月9日）選取3株代表性甘蔗植株，剪取冠層葉片混合成一個樣本，在暗室內采用ASD FieldSpec HandHeld2進行高光譜測量，設置20次光譜采樣為一組光譜值，每個樣本測量3組光譜值，以其平均值作為該樣本的光譜反射值；相同施肥水平的各樣本光譜值取平均作為該施肥水平的光譜反射值。測量時將3層葉片平鋪在黑色鴨絨布上，葉片完全遮擋住鴨絨布，從而減少背景影響。測量完光譜后對葉片進行殺青、烘干等處理，采用凱氏定氮法（LY/T 1269-1999）測量葉片全氮含量。

1.3 光譜特征參數計算

使用兩個波段的光譜反射率計算歸一化植被指數NDVI、比值植被指數RVI：

式中，Rλ1為 λ1 波段的光譜反射率，Rλ2為 λ2 波段的光譜反射率。

1.4 模型精度評價

采用均方根誤差（RMSE）和相對誤差（RE）對模型預算的精度進行評估：

式中，n為樣本個數，Mi為實測值，Pi為預測值。

2 結果與分析

2.1 葉片反射率特征

各施肥水平的葉片光譜反射率如圖1所示。在400～1 000 nm波段區間，N0、N1、N2、N3、N4處理的甘蔗葉片光譜反射率依次降低，施N量越少，葉片光譜反射率越大，表現出葉片光譜反射率隨施N量減少而增加的規律。同時，不同施肥水平的葉片光譜反射率變化規律比較一致，表現出與其他綠色植被相似的光譜反射特征：在400～680 nm區間光譜反射率較低，在550 nm左右出現一個反射率峰值；“紅邊”出現在680～760 nm區間，反射率一階導數顯示（圖2），紅邊的位置在730 nm附近；在760～1 000 nm區間呈現高反射率平臺。

圖1 甘蔗葉片光譜反射率

2.2 葉片氮含量與光譜參數相關性

由圖3可知，在400～1 000 nm波段區間，甘蔗葉片氮含量與反射率呈負相關關系；在401～1 000 nm波段，相關系數均通過了F=0.05檢驗，顯示各波段與葉片氮含量有顯著的負相關關系；在402～953 nm波段，相關系數通過了F=0.01檢驗，顯示各波段與葉片氮含量有著極顯著的負相關關系。相關系數在550、741 nm出現了兩個峰值，分別是-0.678和-0.715，顯示這兩個波段附近的光譜反射率對葉片氮含量較為敏感。

圖2 “紅邊”周圍光譜反射率一階導數

圖3 氮含量與光譜反射率相關系數

歸一化植被指數NDVI和比值植被指數RVI是兩個常用于作物氮含量估算的光譜指數［12-14］。參照 NDVI、RVI的計算方法，用550、741 nm兩個敏感波段的反射率計算NDVI（550，741）和 RVI（550，741），并分別分析其與甘蔗葉片氮含量的相關性。根據李修華等［11］研究結果，由710～735 nm和780～850 nm兩個波段區間計算的NDVI值與甘蔗葉片葉綠素有顯著相關關系。由于葉綠素與氮含量有密切聯系［15-17］，結合此次數據，選取730、835 nm兩個波段的反射率計算NDVI（730，835）和RVI（730，835），并分別分析其與甘蔗葉片氮含量的相關性。

各光譜參數與氮含量相關系數分別為：R550，-0.678；R741，-0.715；NDVI（550，741），0.417；RVI（550，741），0.401；NDVI（730，835），0.480；RVI（730，835），0.468。由相關系數來看，NDVI、RVI與氮含量為正相關關系，即NDVI、RVI值越大，葉片氮含量越高；根據相關系數界值比較，各光譜參數與氮含量的相關系數均大于P0.05；只有RVI（550，741）小于P0.01，其余各參數均大于P0.01，說明各光譜參數均與氮含量有顯著或極顯著的線性相關關系。各光譜參數中，R550、R741是由單波段組成的參數，NDVI、RVI則是由雙波段組成的參數。本試驗結果顯示，單波段參數與甘蔗葉片氮含量的相關系數大于雙波段參數，同時，在雙波段參數中，NDVI大于RVI；說明單波段參數比雙波段參數與氮含量關系更密切，而NDVI比RVI與氮含量關系更密切。

2.3 估算模型構建及精度檢驗

隨機抽取每個施肥水平中的6個數據，共30個數據用來構建估算模型，剩余的10個數據用于模型驗證。各光譜參數分別構建線性函數、指數函數、對數函數、冪函數和二次函數共5種模型，結果見表2。從表2可以看出，NDVI（550，741）、RVI（550，741）、NDVI（730，835）、RVI（730，835）構建的各模型的決定系數都較小，方程擬合度較差，不適用于葉片氮含量的估算，本文未對這些模型進行估算誤差分析。由R550、R741構建的模型決定系數相對較大，R741構建的二次函數模型的決定系數最大為0.681；總體來看，由R741構建的模型決定系數大于R550。

使用由R550、R741構建的模型估算10個葉片樣本的氮含量，估算結果的誤差分析如表2所示。總體來看，由R741模型估算的均方根差、平均相對誤差、最大相對誤差都略大于R550模型，表現出R741模型的估算精度略低于R550模型；除R550的二次函數模型平均相對誤差達到了10.86%，其余各模型的平均相對誤差均低于9%，顯示出了較好的估算結果；但同時各個模型的最大相對誤差都大于15%，說明模型估算的結果變異范圍較大，今后需補充更多的實驗數據以修正估算模型。綜合考慮模型的決定系數、均方根差、相對誤差等比較結果，本研究推薦R741的二次函數模型（y =-119.1x2+ 61.53x + 3.851）作為甘蔗葉片氮含量估算模型。

3 結論與討論

采用高光譜技術對作物營養進行快速估測，是數字農業、信息農業發展的重要方向，眾多學者在此領域進行了探討研究。以目前研究結果來看，該方法的研究主要集中在大宗作物上，極具潛力；但針對不同作物及品種，所采用的特征光譜有所區別。由于甘蔗的種植面積相對較小，針對甘蔗的營養快速估測研究尚未得到的足夠重視，相關的研究仍較欠缺，研究還有待加強。

本試驗受到儀器設備的限制，只針對400～1 000 nm的光譜波段進行研究，在此波段范圍外的研究并未涉及，有待今后進一步補充相關研究。根據此次試驗的分析結果，特定光譜與甘蔗葉片氮含量有差異的線性相關關系，顯示出了采用特定光譜進行甘蔗葉片氮含量快速估測的潛力。另外，與李修華等［11］對甘蔗葉片葉綠素含量估測的研究結果進行比較，可見葉綠素與氮含量所對應的特定光譜有較大的區別，雖然葉綠素與氮含量有非常密切的聯系，但二者不能混為一談，今后的研究中需對二者進行區分研究。

甘蔗葉片具有與其他綠色植被相似的光譜反射特征曲線；在401～1 000 nm波段區間，甘蔗葉片的光譜反射率與氮含量具有顯著負相關關系，其中在402～953 nm波段區間呈極顯著負相關關系，尤其在550 nm和741 nm兩個波段附近的光譜反射率對甘蔗葉片氮含量較為敏感；由R741構建的二次函數模型（y = -119.1x2+ 61.53x + 3.851）取得了較好的估算效果，可作為甘蔗分蘗期葉片氮含量估算模型。

參考文獻：

［1］張淑香，張文菊，沈仁芳，等.我國典型農田長期施肥土壤肥力變化與研究展望［J］.植物營養與肥料學報，2015，21（ 6）：1389-1393.

表2 各光譜參數構建的模型及估算誤差

［2］徐明崗，張文菊，黃紹敏，等.中國土壤肥力演變［M］.第2版.北京：中國農業科學技術出版社，2015.

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

［4］劉冰峰，李軍，趙剛峰，等.夏玉米葉片全氮含量高光譜遙感估算模型研究［J］.植物營養與肥料學報，2012，18（4）：813-824.

［5］周麗麗，馮漢宇，閻忠敏，等.玉米葉片氮含量的高光譜估算及其品種差異［J］.農業工程學報，2010，26（8）：195-199.

［6］田永超，楊杰，姚霞，等.估測水稻葉層氮濃度的新型藍光氮指數［J］.應用生態學報，2010，21（4）：966-972.

［7］譚昌偉，周清波，齊臘，等.水稻氮素營養高光譜遙感診斷模型［J］.應用生態學報，2008，19（6）：1261-1268.

［8］翟清云，張娟娟，熊淑萍，等.基于不同土壤質地的小麥葉片氮含量高光譜差異及監測模型構建［J］.中國農業科學，2013，46（13）：2655-2667.

［9］李丹，李斐，胡云才，等.基于光譜指數波段優化算法的小麥玉米冠層含氮量估測［J］.光譜學與光譜分析，2016，36（4）：1150-1157.

［10］汪沛，李就好，周志艷.不同土壤水分狀況下甘蔗冠層光譜特征研究［J］.水資源與水工程學報，2010，21（1）：34-37.

［11］Li X H，Chen X，Zhou Y H，et al.Spectral characteristics analysis and chlorophyll content detection of sugarcane leaves under different fertilizer treatments［J］.Transactions of the Chinese Society of Agricultural Engineering，2015，31（2）：118-123.

［12］李新偉，呂新，張澤，等.棉花氮素營養診斷與追肥推薦模型［J］.農業機械學報，2014，45（12）：209-214.

［13］陳青春，吳繼賢，秦彥博，等.基于GreenSeeker的水稻氮素估測［J］.中國農業大學學報，2014，19（6）：49-55.

［14］賀志遠，朱艷，李艷大，等.中國南方雙季稻氮營養指數及產量估算模型研究［J］.南京農業大學學報，2017，40（1）：11-19.

［15］Filella I，Serrano I，Serra J，et al.Evaluating wheat nitrogen status with canopy relfectance indices and discriminant analysis［J］.Crop Science，1995，35：1400-1405.

［16］Barnes E M，Clarke T R，Richards S E，et al.Coincident detection of crop water stress，nitrogen status and canopy density using ground based multispectral data//Proceedings of the 5th International Conference on Precision Agriculture［C］.Bloomington，Minnesota，USA，2000.

［17］郭志頂，李志洪，李辛，等.施氮水平及方式對玉米冠層NDVI、氮含量、葉綠素和產量的影響［J］.玉米科學，2013，21（6）：111-121.