不同寬窄波段組合的光譜參量對夏玉米穗位葉氮素含量估測

王仲林，諶俊旭，程亞嬌，范元芳，李 凡，趙剛成，楊 峰，楊文鈺

（四川農業大學農學院/農業部西南作物生理生態與耕作重點實驗室，成都 611130）

氮素作為植物的生命元素，是構成葉綠素、蛋白質、核酸、激素和磷脂等的主要成分，在物質能量代謝、 細胞結構組成和生命活動調節中起到十分重要的作用。玉米作為易感氮作物，對氮素豐缺響應十分明顯，被稱為“氮指示作物”[1]。 而玉米在吐絲期對氮素的吸收速率和敏感度達到最大，其豐缺程度直接影響灌漿期氮素從葉片向籽粒的移動，其中穗位葉對籽粒產量和品質的貢獻最大。 傳統診斷玉米氮素狀況的方法是田間診斷，而此種方法不能對玉米氮素進行精確的判斷，經常造成施氮過量和缺失；也有通過作物離體化學分析方法測定[2]，但破壞性強、耗時費力且費用高，難以及時為玉米追肥提供決策。因此，有必要尋求一種快速、精確、無損、簡便的方法來診斷玉米植株氮素營養水平，對于了解玉米植株氮素營養狀況和科學施肥具有十分重要的意義。20世紀80年代初美國提出了精準農業的概念和設想，隨之高光譜遙感技術應用而生并得到快速的發展和生產應用，而高光譜遙感技術具有快速、精確、無損和高效監測作物的長勢[3]、病蟲害[4]、水分狀況[5]以及診斷作物營養狀況[6]等特點，通過高光譜遙感技術監測玉米葉片氮素狀況，為達到玉米高產、優質、高效的目的，是目前迫切需要解決的重要問題之一。

迄今為止，前人利用高光譜遙感技術監測作物氮素營養狀況已經取得了很大的進展，并總結出了較多的光譜處理技術，如導數變換[7-8]、紅邊參數[9-10]、對數變換[11]、主成分分析[12]等。 王磊等[11]選取了單因素氮處理下春玉米葉片光譜波段510、550、580、630和720 nm，并構建單波段、單波段對數、雙波段組合和雙波段對數組合4 種形式的光譜參數，其中雙波段對數組合的光譜參數與氮含量具有較高的擬合度；梁惠平等[13]等構建玉米氮素營養指數與紅邊/綠邊比值參數、紅外/近紅外比值參數、紅邊敏感點參數等敏感光譜參數的逐步回歸模型，具有較高的精確度和可靠性；B.Mistele 等[14]發現通過構建不同的比值指數對冬小麥氮素含量進行預測具有可行性；王克如等[15]利用棉株氮素含量的敏感波段構建了11 個光譜參數與氮素含量呈極顯著相關；S.Daniela 等[16]利用483 和503 nm 構建的植被指數NDI 與水稻植株氮素含量具有較好的相關性，可以用于水稻氮素狀況的監測； 也有大多數研究者采用較寬范圍或較窄范圍的光譜波段構建模型[17-20]，但對于寬窄波段組合的光譜參數研究較少?；诖?，本試驗研究了不同施氮水平下夏玉米吐絲期穗位葉光譜的變化特征，明確穗位葉氮素含量的敏感波段，通過構建8 種不同形式的寬窄波段組合植被指數，以提高對夏玉米氮素營養狀況的估測精度，為精確診斷田間玉米氮素營養狀況和精準施肥、科學施肥提供依據。

1 材料和方法

1.1 試驗設計

本試驗選用夏玉米品種登海605 作為研究材料，由山東登海種業股份有限公司選育而成。 于2015年在四川農業大學成都校區第3 教學實驗樓進行盆栽試驗，2015年3月28日于溫室中穴盤播種育苗，玉米幼苗長至兩葉一心時開始移栽，選取長勢相同的幼苗移栽至裝有15 kg 黃棕土的相同規格花盆（內徑30 cm，深度25 cm）中，每盆兩株。 試驗采用單因素隨機區組排列，設置5 個不同施氮處理：N0：0 kg/hm2；N1：170 kg/hm2；N2：340 kg/hm2；N3：500 kg/hm2；N4：625 kg/hm2，每個氮肥處理設置6 個重復。 氮肥（尿素）25%作為基肥施用，25%于幼苗成活后1 w 施入，50%用于拔節期追肥，磷肥（過磷酸鈣）和鉀肥（氯化鉀）均以150 kg/hm2用量作為基肥一次性施用。盆栽按大田密度擺放，每天進行常規管理，于吐絲期測量玉米穗位葉葉片光譜并采樣。

1.2 測定方法

1.2.1 光譜采集

本試驗采用荷蘭AvaField-3 便攜式高光譜地物波譜儀（光譜范圍為350～2 500 nm，采樣間隔為0.6 nm，視場角為25°，選用400～1 000 nm 波段）對夏玉米吐絲期穗位葉進行葉片光譜數據測量。 每個處理連續選取一盆（2 株），將葉片伸展平鋪在黑布上，用標準探頭垂直放置在葉片中間較寬部分，避免探頭對著葉脈，并保證葉片平展和測定面積相同，以提高光譜信息的穩定性和精確性[8]。每個穗位葉連續測量10 次，以其平均值作為該觀測點的光譜反射值，測量前后及時用標準白板進行校正。

1.2.2 氮素測定

將葉片打孔放入紙袋并編號，置于烘箱105 ℃殺青1 h，80 ℃烘干至恒重，粉碎并過100 mm 網篩，同時將樣品用自封袋密閉低溫保存。 稱取粉樣0.1～0.2 g，采用法國Alliance 公司Futura 多通道連續流動分析儀測定氮素含量。

1.3 數據處理

采用Microsoft Excel 2010 整理數據，SPSS22.0進行統計分析，Origin 2017 作圖以及使用Matlab 對光譜數據進行相關性分析。 根據穗位葉氮素敏感波段構建不同形式寬窄波段組合的植被指數，分析植被指數與葉片氮素含量之間的相關性，并與本研究所引用前人的植被指數進行比較（表1），篩選出相關性較好的植被指數用于構建預測模型予以驗證。

2 結果與分析

2.1 不同施氮處理玉米穗位葉氮素含量的變化規律

如圖1所示，隨著施氮量的增加，玉米穗位葉氮含量隨之增加，且各處理之間存在顯著性差異（P＜0.05）；施氮處理N0、N1 分別與N2 比較，葉片氮含量迅速增加，其中N1 是N0 的1.42 倍，N2 是N1 的1.44 倍；而在施氮處理N3、N4 下，葉片氮含量緩慢增加，其中N3 是N2 的1.19 倍，N4 是N3 的1.1 倍。表明適當的增施氮肥可以促進玉米葉片對氮素的吸收和積累，而施氮過量會抑制玉米葉片對氮素的積累，使氮素積累速率顯著下降，降低了氮肥的利用率。

表1 本研究所引用的植被指數Table 1 Vegetation index quoted in this study

圖1 不同施氮處理下玉米穗位葉氮素含量Figure 1 Nitrogen content in ear leaves of maize under the different nitrogen treatments

2.2 玉米穗位葉原始及一階導數光譜變化特征

不同的施氮處理導致玉米穗位葉光譜信息發生變化，如圖2a 所示。 不同施氮處理玉米穗位葉光譜曲線變化趨勢基本一致，在400～1 000 nm 范圍內，施氮處理N2 與N0、N1 之間光譜反射率差異十分明顯，與施氮處理N3、N4 反射率差異較小，與氮素含量變化規律相似。在可見光區域，穗位葉光譜反射率隨施氮量增加而降低；由于葉片對綠光的強烈反射，導致554 nm 處出現一個明顯的綠峰，最大反射率為16%，在680 nm 處出現一個反射紅谷，最小反射率為4.9%；近紅外光750～1 000 nm 波段范圍內，穗位葉光譜反射率趨于平穩且出現一個較高的近紅外平臺，光譜反射率隨施氮量增加而升高。

為了消除土壤和大氣等外界環境因素對光譜信息的影響，對葉片原始光譜進行一階導數處理，如圖2b 所示。 一階導數光譜曲線具有兩個明顯的波峰，其中在710 nm 左右出現紅邊幅值，隨施氮量的增加，各處理對應紅邊幅值波長位置依次為698、703、709、714 和714 nm，紅邊位置向長波方向移動，出現“紅移”現象，且紅邊幅值隨施氮量增加而降低，N3 和N4 處理的紅邊位置和紅邊幅值無明顯差異。

圖2 不同施氮處理下玉米穗位葉光譜反射曲線Figure 2 The hyperspectral reflection in ear leaves of maize under the different nitrogen treatments

2.3 玉米穗位葉氮素含量與光譜數據相關分析

2.3.1 玉米穗位葉氮素含量與原始及一階導數光譜相關分析

通過對玉米穗位葉原始及一階導數光譜特征進行分析，發現與氮素含量變化規律相似，穗位葉光譜與氮素之間可能存在著某種關系；因此，對玉米穗位葉原始及一階導數光譜與氮素含量進行相關性分析。如圖3a 所示，穗位葉原始光譜與氮素含量的相關性在不同波段差異明顯； 在418～740 nm范圍內，葉片原始光譜與氮素含量呈現負相關，其中在448～736 nm 波段內達到顯著負相關（P＜0.05），最小相關系數處于711 nm（P＜0.01，r=-0.95）；在741～1 000 nm 范圍內，葉片原始光譜與氮素含量呈現正相關，其中748～1 000 nm 波段內達到顯著正相關（P＜0.05），最大相關系數處于996 nm（P＜0.01，r=0.74）。

圖3 玉米穗位葉氮素含量與原始及一階導數光譜相關分析Figure 3 Correlation analysis of nitrogen content with original and first derivative spectra in ear leaves of maize

一階導數光譜與氮素含量相關性分析如圖3b所示，波段496～541 nm、681～706 nm 內一階導數光譜與氮素含量相關性達到顯著負相關（P＜0.05），最小相關系數處于697 nm（P＜0.01，r=-0.95）；在710～762 nm 波段內，一階導數光譜與氮素含量達到顯著正相關（P＜0.05），最大相關系數處于742 nm（P＜0.01，r=0.92），發現最小相關系數和最大相關系數均處于紅邊范圍內。

2.3.2 寬窄波段組合植被指數的構建

根據圖3玉米穗位葉氮素含量與光譜相關性曲線選擇相關性較好的窄波段、寬波段的反射率，如紅谷（680 nm）、紅邊位置（711 nm）、紅邊范圍（680～760 nm）和近紅外波段（800～900 nm）等，構建如表2所示的寬窄波段組合植被指數，依次為：①近紅外波段與紅邊敏感波長植被指數； ②近紅外波段與紅邊波段植被指數； ③近紅外波段與壓縮后的紅邊波段植被指數； ④紅邊波段修正后的近紅外波段與紅邊敏感波長植被指數； ⑤壓縮后的紅邊波段修正近紅外波段與紅邊敏感波長植被指數； ⑥紅谷波長修飾紅外波段與紅谷修飾后的紅邊敏感波長植被指數；⑦紅谷修飾后的兩個敏感波長植被指數； ⑧紅光波段修飾后的近紅外波段與紅邊敏感波長植被指數。

2.3.3 玉米穗位葉氮素含量與植被指數相關分析

通過對本研究所選用的10 個植被指數和構建的8 個寬窄波段組合植被指數與玉米穗位葉氮素含量進行相關性分析，如表3所示。

表3 玉米穗位葉氮素含量與植被指數相關分析Table 3 Correlation analysis of maize ear nitrogen content and vegetation index

結果表明，所選的10 個植被指數與氮素含量均達到極顯著相關（P＜0.01），其中紅邊模型REM、地面葉綠素指數MTCI、修正簡單比值指數mSR705和修正歸一化差異指數mND705的相關系數較高（r＞0.90），以mND705的相關系數最大，為0.95；以轉化葉綠素吸收反射指數TCARI 和修正葉綠素吸收反射指數MCARI 的相關系數最小，均為-0.94。

構建的寬窄波段組合植被指數與氮素含量的相關性均達到極顯著正相關（P＜0.01），相關系數總體較本研究引用的植被指數要高（r＞0.93），其中植被指數［R（800-900）+R（650-670）］/R711 的相關系數最大，為0.96。

2.4 玉米穗位葉氮素含量估測模型的構建與檢驗

2.4.1 玉米穗位葉氮素含量估測模型的構建

上述分析發現，本研究構建的寬窄波段組合植被指數的相關性總體比前人采用的植被指數要好。因此，利用8 個寬窄波段組合植被指數為自變量（x），氮素含量為因變量（y），構建玉米穗位葉氮素含量的線性和非線性回歸模型，用于構建模型的樣本數為15 個，如表4所示。本研究采用5 種擬合模型，分別如下：

線性函數：y=ax+b；

二次函數：y=ax2+bx+c；

指數函數：y=a×ebx；

對數函數：y=a×In（x）+b；

乘冪函數：y=a×xb。

結果表明，利用8 個寬窄波段組合的植被指數構建的氮素含量估測模型決定系數較高（R2＞0.8），表明寬窄波段組合的植被指數與氮素含量存在擬合度較高的回歸關系； 進一步發現各植被指數構建的估測模型均以乘冪函數的決定系數R2和F 值最高；進一步發現各植被指數構建的估測模型中，以植被指數[R（800-900）+R（650-670）]/R711 構建的5 個估測模型擬合度要高，其中以乘冪函數y=0.1374x1.621決定系數R2和F 檢驗值最高，分別為0.93 和172.73，表明可以利用構建的植被指數對氮素含量進行估測。

2.4.2 玉米穗位葉氮素含量估測模型的檢驗

本研究計算了預測值和實測值的決定系數（R2）、均方根誤差（RMSE）和相對分析誤差（RPD）對上述構建的植被指數乘冪函數估測模型進行精度檢驗，用于檢驗的樣本數為15 個，如圖4所示。所構建的8 個乘冪函數模型估算的預測值和實測值之間存在較大的決定系數（R2＞0.8）和較小的RMSE，表明估測模型檢驗效果較好；基于植被指數[R（800-900）-R（692-729）]/R711 構建的乘冪函數模型檢驗精度最好，其R2、RMSE 和RPD 分 別 為0.92、0.09 和5.04；其次基于植被指數[R（800-900）+R（650-670）]/R711 構建的乘冪函數模型檢驗精度較好，其R2、RMSE 和RPD 分別為0.92、0.09 和5.00； 這兩個估測模型的R2、RMSE 和RPD 差異較小，對于估測玉米穗位葉氮素含量均具有較好的符合度和預測性。

3 討論與結論

本試驗研究了夏玉米在吐絲期的穗位葉光譜變化規律，并對不同施氮處理下的氮素含量與葉片光譜和植被指數進行相關分析，構建了氮素含量估測模型。 本研究發現，在N0 處理下增施氮肥，氮素含量明顯提升，如N1、N2，而N3 和N4 處理的施氮量超過玉米正常需氮水平時，氮素含量提升幅度不明顯，這與趙靚等研究結果相似[26]，說明過量增施氮肥不僅會引起氮素的浪費，而且會降低氮肥利用率，甚至降低玉米的產量和品質。因此，根據玉米穗位葉的氮素情況，適量追施氮肥，可有效避免氮營養元素的浪費及提高玉米產量和品質[27]。

可見光波段400～700 nm 主要受葉綠素等光合色素的影響，葉綠素對光產生強烈吸收作用，而氮素作為核酸、蛋白質和酶等主要成分，有利于玉米葉片葉綠素的合成，且其含量隨施氮量的增加而增加，導致光譜反射率逐漸降低，綠峰（554 nm）處差異尤為突出[2]。 近紅外波段700～1 000 nm 主要受葉片內部組織結構起主導作用；本研究中，近紅外波段光譜反射率隨施氮量增加而升高，可能是由于施氮量較少的葉片細胞小且組織結構緊密，吸收了大量的近紅外光，而施氮量較多的葉片細胞間隙較大，導致近紅外光發生較多的反射和漫射[28]。 說明不同的施氮量會導致玉米葉片性狀、 物理特征和生理生化參數發生變化，進而導致葉片對光的反射、吸收和透射的不同，以及葉片光譜反射率的不同；由此，在不同施氮處理下穗位葉葉片光譜曲線上表現出明顯的差異。

有研究表明，紅邊特征參數[29]和近紅外波段光譜反射率[30]可以預測氮素含量；本研究發現玉米穗位葉氮素含量與紅谷（680 nm）、紅邊位置（711 nm）、紅邊范圍（680～760 nm）和近紅外波段（800～900 nm）光譜反射率等敏感波段具有較好的相關性，可用于預測氮素含量。 本研究構建的寬窄波段組合植被指數和氮素含量的相關性高于單一敏感波段，與劉冰峰等[31]篩選的特征波段和全氮含量的相關性相比，也具有較好的優越性，主要是因為單一光譜參數易受到土壤、噪聲和大氣散射等偶然因素的影響；同時比較了寬窄波段組合植被指數和前人的植被指數與氮素含量的相關性，發現寬窄波段組合植被指數較優，可以更好地反映玉米穗位葉氮素狀況。 因此，利用本研究構建的植被指數具有更好的優越性、 估測效果更佳。

表4 玉米穗位葉氮素含量與植被指數的估測模型（n=15）Table 4 Estimation model of maize ear nitrogen content and vegetation index（n=15）

圖4 玉米穗位葉氮素含量估測模型的精度檢驗（n=15）Figure 4 Accuracy test of maize ear nitrogen content estimation model（n=15）

利用寬窄波段組合植被指數構建的5 個擬合模型中，均以乘冪函數估測模型具有較高的精度，與王磊等[11]利用對數處理的光譜參數構建的線性擬合模型相比，決定系數略低，可能是由于未對構建的植被指數中某些單一波段（680 nm 和711 nm）進行處理，導致估測模型穩定性降低；因此，對窄波段和寬波段進行對數處理，構建對數寬窄波段組合的植被指數，可能會提高估測模型的精確度和穩定性。

本研究考察的一個品種盆栽試驗具有較大的局限性，還需多品種、多年份進行多點試驗，更進一步探討寬波段和窄波段的寬度變化能否優化植被指數，并驗證寬窄波段組合植被指數的普適性和代表性，提高反演潛力。

因此，通過分析發現不同施氮處理下玉米穗位葉氮素含量和光譜特征存在差異；在700～1 000 nm近紅外波段區域內，玉米穗位葉原始光譜反射率隨施氮量的增加而升高，與氮素含量變化規律相似；各處理一階導數光譜的紅邊位置處于710 nm 左右，且紅邊位置隨施氮量的增加向長波方向移動，紅邊幅值逐漸降低； 光譜特征參數和引用的植被指數與穗位葉氮素含量有較高的相關性，但低于本研究構建的寬窄波段組合植被指數（r＞0.93）；基于寬窄波段組合植被指數建立的估測模型中，以植被指數[R（800-900）-R（692-729）]/R711 和植被指數[R（800-900）+R （650-670）]/R711 構建的乘冪函數估測模型具有較好的擬合度和可靠性，R2和RMSE 分別為0.92 和0.09，可以用于診斷玉米葉片氮素營養狀況。