不同生育時期冬小麥葉片相對含水量高光譜監測

劉曉靜，陳國慶，王 良，陳玉潔，王 蘭，劉肖瑜，李學國

(作物生物學國家重點實驗室/山東省作物生物學重點實驗室/山東農業大學農學院，山東泰安 271018)

葉片相對含水量與土壤含水量密切相關，同時關系著葉片的生理功能，可反映逆境下植物的保水能力，是植物組織水分狀況最為直接的指示指標[1-2]。葉片相對含水量的常規測量費事費力，進行大量樣品測定時較難得到精準的結果，因此，尋求一種快速準確監測葉片相對含水量的方法，對于指導冬小麥的科學精確灌概具有十分重要的意義。隨著遙感技術的發展，尤其是高光譜技術不斷成熟和應用，使之成為地表植被地學過程對地觀測的強有力工具[3-5]。目前的研究表明，利用高光譜遙感技術可對作物地上部干物質量[6-7]、葉片氮含量和磷含量[8-15]、葉面積指數[16-19]、覆蓋度[20-22]等參數進行估測，并表現出了明顯的優勢。在作物水分含量的預測反演方面，利用高光譜遙感技術也已經成為重要手段。Inoue等[23]和Yu等[24]利用不同波段反射率來反演冠層葉片相對含水量。田慶久等[25]、王紀華等[26-27]發現，小麥葉片相對含水量與光譜反射率在1 450 nm附近的特征吸收峰和面積呈良好線性正相關。同時，基于光譜反射率構建的植被指數也被廣泛應用于作物葉片含水量的監測。研究發現，植被指數NDWI、SR與作物葉片含水量存在顯著正相關[28]，歸一化差值(NDSI)及差值光譜指數(DSI)也可以很好預測作物葉片含水量[29]。此外，蘇 毅等[30]利用水分指數(WI)、歸一化差值水分指數(NDWI)、水分脅迫指數(MSI)、水分波段指數(WBI)構建了作物含水量和葉片含水量的最佳監測模型。由于作物水分狀況和生育階段等因素的影響，作物冠層反射率存在一定差異。在不同生育階段，冬小麥冠層結構和背景信息不同，從而造成不同生育時期所構建植被指數對葉片相對含水量的敏感程度存在差異，最終導致通過單一植被指數難以精確構建全生育期的葉片相對含水量監測模型。鑒于此，本研究分別在不同生育時期，分析小麥葉片相對含水量與光譜參數的定量關系，建立小麥葉片相對含水量高光譜監測模型，探索能適應不同生育時期更為精準的光譜參數，以期為不同水分處理下冬小麥不同生育時期作物水分的精確監測提供理論依據和技術支撐。

1 材料與方法

1.1 試驗設計

試驗1：于2016-2017年在山東農業大學水肥耦合試驗站進行，采用池栽方式，小麥供試品種為濟麥22。試驗共設0、30、60 和90 mm 四個灌水量處理，分別用W1、W2、W3和W4代表，灌水時間在拔節期(追肥后)和孕穗期進行，兩次灌水量相等。小麥條播種植，行距20 cm，小區面積為18 m2(5 m×3.6 m)，播種密度為每平方米222株，采用人工點播。每小區底施尿素 192.2 kg·hm-2、 磷酸二銨 260.9 kg·hm-2和硫酸鉀 210.0 kg·hm-2，拔節期追施尿素192.2 kg·hm-2，其他管理同高產田。試驗數據用于監測模型構建。

試驗2：于2016-2017年在山東農業大學南校試驗田進行，池栽試驗，小麥供試品種為濟麥22。分別設置拔節期和拔節后10 d灌水兩種水分處理，灌水量均為30 mm。純氮、磷肥(P2O5)和鉀肥(K2O)施用量分別為225.0、120.0和105.0 kg·hm-2，其中氮肥基施和追施量各占一半，拔節期追施，磷、鉀肥全部基施。田間管理按照高產田的標準進行管理，試驗數據用于監測模型驗證。

1.2 測定項目與方法

1.2.1 冠層光譜數據測定

利用SOC710VP便攜式高光譜成像儀(光譜范圍400～1 000 nm，分辨率4.68 nm，波段為128個)測量拔節期至灌漿期冬小麥的冠層光譜。冠層光譜的測定時間為早晨9點至下午3點，選擇在天氣晴朗、無積云、無風或少風(最好不超過3級)時進行。測量人員身著無強反射的暗色衣物，與儀器背光測量。測量時鏡頭垂直向下，距離冠層垂直高度1.0 m。每小區測量三個點，每點重復3次，取平均值作為該樣點光譜測量值。測量時用參考版進行標定(冬小麥和參考版要在相同的光照條件和環境狀態下測定)。

1.2.2 冠層溫度及氣溫測定

以德國生產testo890熱紅外成像儀采集拔節期至灌漿期冬小麥的冠層溫度(Tc)。測量時儀器與作物冠層呈45度角，并距冠層25～30 cm，測定時間為12:00-14:00，每個水分處理測量3次，取其平均值。氣溫(Ta)采用JM222數字溫度表觀測，并計算冠氣溫差(TDc-a)。TDc-a=Tc-Ta。

1.2.3 葉片相對含水量(RWC)的測定

與光譜測量同步，每小區選有代表性的植株10株，迅速摘取莖稈上所有葉片，裝入自封塑料袋，帶回實驗室用萬分之一精度的電子天平稱取鮮重(WF)，然后將裝有葉片的自封袋內分別裝滿自來水，泡8 h后，用吸水紙擦去水分，稱取葉片飽和鮮重(WS)，最后在105 ℃下殺青30 min后，于80 ℃下烘干至恒重(WD)。RWC=(WF-WD)/(WS-WD)×100%

1.2.4 植被指數的選擇

本研究選取4種植被指數(表1)建立冬小麥葉片相對含水量高光譜遙感監測模型。由于冠氣溫差可指示作物的水分狀況[31-32]，也將其作為監測葉片相含水量的備選指標之一。

表1 高光譜植被指數計算公式Table 1 Expressions of hyperspectral vegetation indices

R810、R610、R560、R645和R555分別為810、610、560、800、670 nm波段的光譜反射率。

R810,R610,R560,R645andR555are spectral reflectance of 810, 610, 560, 800 and 670 nm，respectively.

1.2.5 監測模型的檢驗

模型的精度用決定系數(r2)、平均相對誤差(MRE)和均方根差(RMSE)對所建立的監測模型進行檢驗，決定系數越接近1，平均相對誤差越小，均方根誤差越接近零時，模型預測的準確率越高，反之則越差。

式中，xi為葉片相對含水量模擬值；yi為葉片相對含水量實測值；i為樣本序數，i=1，2，…，n；n為樣本數。

2 結果與分析

2.1 不同水分處理下冬小麥葉片相對含水量的變化

在拔節和抽穗兩個時期，由于冬小麥葉片相對含水量是在澆水后進行測定的，因而只有W1處理顯著低于W2、W3、W4處理，后三個處理之間無明顯差異。隨著生育進程的推進，處理間差異逐漸顯現出來，灌漿后期四個水分處理之間彼此差異顯著，表現為W4>W3>W2>W1(圖1)。隨生育進程的推進，不同水分處理下冬小麥葉片相對含水量的變化趨勢相似，抽穗期含水量較高，在灌漿后期含水量較小。

2.2 不同水分處理下冬小麥冠層光譜反射率

不同水分處理下冬小麥冠層光譜特征的變化趨勢一致，但是不同水分處理和不同生育時期的冠層光譜反射率存在一定的差異(圖2)。在可見光波段(400～700 nm)，隨灌水量的增加，冬小麥冠層光譜反射率呈降低的趨勢，W1處理與其他處理的差異明顯。在近紅外波段(750～950 nm)，抽穗期、開花期和灌漿期W3、W4處理冠層光譜反射率均高于W1、W2處理，而拔節期W1處理冠層光譜反射率高于其他處理，可能原因是W1處理下水分脅迫嚴重，影響作物地上部生長，植被覆蓋率小，土壤背景對冠層植被反射的影響大[37-39]，致使W1水分處理反射率較高。此外，整個生育期W2處理冠層光譜反射率均小于W1處理。在不同生育時期中，冬小麥冠層光譜反射率也不相同，在近紅外波段抽穗期的冠層反射率最高，這主要歸因于抽穗期生物量和葉面積的增大。

圖柱上的字母不同表示同一時期不同處理間差異顯著(P<0.05)。

Different letters on the columns mean significant differences among treatments at same stage at 0.05 level.

圖1冬小麥不同生育時期不同水分處理葉片相對含水量變化

Fig.1Changesofleafrelativewatercontentunderdifferentwatertreatmentsatvariousgrowthstagesofwinterwheat

圖2 不同生育時期冬小麥不同水分處理的冠層光譜反射率

2.3 冬小麥光譜參數與葉片相對含水量的相關性

相關分析(表2)表明，4個小麥植被指數(RVI、NDVI、R/ND和OSAVI)及TDc-a與葉片相對含水量的相關性均達到極顯著水平，相關系數的絕對值范圍為0.814～0.972，表明所選的4 種植被指數及TDc-a均能作為參數用于拔節期至灌漿末期冬小麥葉片相對含水量的反演。

表2 光譜參數與葉片相對含水量的相關性Table 2 Correlation coefficients between spectral parameters and leaf relative water content

**：P<0.01;n=36.

2.4 小麥葉片相對含水量監測模型的擬合與驗證

將小麥葉片相對含水量與植被指數及TDc-a進行擬合，建立不同生育時期葉片相對含水量監測模型(表3)。在拔節期、抽穗期和開花期，分別基于NDVI、OSAVI和R/ND建立的監測模型具有較高的擬合度，r2分別為0.842、0.884和0.831；灌漿前期和灌漿后期，均以基于TDc-a建立的模型擬合度較高，r2分別為0.864、0.945。進一步分析表明，上述模型對相應時期的葉片相對含水量的預測效果均較好。其中，利用監測模型的預測值與實測值計算得到的r2、RMSE和MRE在拔節期分別為0.799、0.019和2.16%(圖3a)，在抽穗期分別為0.884、0.016和1.80%(圖3b)，在開花期分別為0.831、0.027和3.30%(圖3c)，在灌漿前期分別為0.864、0.032和3.81%(圖3d)，在灌漿后期分別為0.945、0.024和3.53%(圖3d)。

表3 冬小麥葉片相對含水量的擬合監測模型Table 3 Fitting monitor model of leaf relative water content of winter wheat

a:拔節期；b:抽穗期；c:開花期；d:灌漿前期(上)和后期(下)。

a:Jointing stage;b:Heading stage;c:Anthesis stage;d:Early(upper) and Latter(down) stage of grain filling.

圖3小麥葉片相對含水量預測值與實測值比較分析

Fig.3Comparativeanalysisofpredictedandmeasuredleafrelativewatercontentofwheat

3 討 論

本研究對比分析了多種光譜參數監測不同時期冬小麥葉片相對含水量的監測效果，由于葉片相對含水量受多種因素的共同影響，所得結果有待進一步檢驗。從本研究結果看，隨著干旱程度的加劇，冬小麥葉片相對含水量隨之下降。水分供應影響冬小麥植株的生長狀態，從而影響冠層光譜反射率。在可見光波段，隨著灌水量的增加，冬小麥冠層光譜反射率呈降低的趨勢；而在近紅外波段，隨著灌水量的增加，冬小麥冠層光譜反射率呈升高的趨勢。其可能原因是，干旱脅迫使葉片內的自由水含量降低，束縛水含量増加，導致葉面積縮小，葉綠素含量下降，葉片的光合作用能力降低[40]。同時，由于土壤水分的缺乏，幼葉需要從老葉中爭奪水分，致使老葉死亡，光合面積下降，引起冠層光譜反射率變化[41]。在冬小麥不同生育時期，冠層光譜也不相同，這與冬小麥的生長狀況有很大的關系。在生育前期，隨著冬小麥生物量的增加，近紅外波段的冠層光譜反射率高；而在生育后期，隨著葉片的衰老死亡，葉綠素減少，紅藍波段的反射率上升加快，這與前人的研究結果一致[42]。

在不同生育時期，RVI、NDVI、R/ND、OSAVI、TDc-a與葉片相對含水量均呈極顯著相關，不同生育時期葉片相對含水量監測模型均具有較高的預測精度。通過獨立數據對所建模型驗證，實測值與預測值之間具有較小的RMSE和MRE。本研究從時間序列上對冬小麥生育期進行劃分，在不同生育時期選擇最佳光譜監測參數，以最佳的光譜監測參數建立檢測精度較高的葉片相對含水量監測模型，該方法不失為一種較好的方法。

作物的冠層溫度主要受到空氣溫度、濕度、光照強度、風速等的影響，其中氣溫的影響最大，因此基于作物的冠氣溫差反演植株水分狀況時需要綜合考慮了作物、土壤和氣象因素。另外，不同的植被指數對矯正光譜反射率、降低土壤背景及大氣溶膠等噪聲的程度不同[43-45]，所以應根據小麥不同生育時期的長勢狀況及光譜參數的特性，選擇適宜的光譜參數，建立葉片相對含水量監測模型，才能獲得較好預測效果。植被指數 NDVI對綠色植被表現敏感，常被用來監測區域或全球植被狀態變化，是植被豐度、長勢的靈敏指示參數，該指數適合于植被早中期生長階段的監測[46]，因此在拔節期有較好的監測效果；但是當作物受到水分脅迫時，植被密度低于一定程度時，特別是孕穗后，冬小麥由營養生長的旺盛時期開始向生殖生長時期過渡，葉片的養分開始向穗部轉移，之后下部葉片衰老、脫落[47]，植被與土壤背景之間的光譜響應差異逐漸被拉大，冠層光譜反射率易受土壤背景的影響，而 OSAVI 可在一定程度上消除土壤背景的影響[48]，所以在抽穗期有較好的監測效果。研究表明，采用兩個波段組合而成的光譜指數(比值指數和歸一化指數)來建立水分監測模型，可提高預測的精度，降低單波段反射光譜值的干擾因素(如易受大氣效應、圖像分辨率、圖像解譯精確度、儀器精度以及模型參數等)的影響[49]，所以R/ND在該階段有較好的預測結果。進入灌漿期以后，由于水分脅迫的影響，植株由營養生長到生殖生長速度加快，葉片開始變黃，利用冠氣溫差監測作物生育后期的含水量有較好的效果[50]。

由于光譜的數據量大，連續性強，而且不同植被指數具各自不同的特點，如何篩選出最為有效合理的植被指數建立監測模型，還需要不斷的探索和研究；由于利用熱紅外成像獲取冬小麥冠層溫度受拍攝角度的影響，結果會有差異，所以如何確定最佳的拍攝角度，建立最佳的監測模型仍需繼續研究。由于本試驗以山東地區的冬小麥為試驗對象，受試驗條件的限制，所建立的模型在其他地區的適用性還需要進一步的驗證；本研究的試驗數據是在晴朗天氣下獲得,在陰天時冠氣溫差與水分狀況關系有待于進一步探討。因此在今后的工作中還需更加深入的研究，為實現冬小麥水分的精確監測提供理論依據和技術支撐。