基于紅邊參數不同品種的估算模型

葛元梅，陳翔宇，洪 帥，馬露露，呂 新，張 澤

(1.石河子大學農學院/新疆生產建設兵團綠洲生態農業重點實驗室，新疆石河子 832003；2.石河子大學生命科學學院，新疆石河子 832003)

0 引 言

【研究意義】葉面積指數(leaf area index,LAI)可綜合表述為單位土地面積上作物葉片的葉面積總和[1]，是描述土壤—植被—大氣之間物質和能量交換的關鍵參數，其表征葉片的疏密程度和冠層結構，能夠體現植被光合、呼吸和蒸騰作用等物理過程[2]。獲取準確的LAI,在作物長勢監測和產量預測中具有實用價值,可以描述植被結構特性,成為生態監測的重要指標[3]。“紅邊”是包含綠色植被多種信息的特征光譜[4-6]，其位置向紅外方向還是藍光方向偏移，是診斷作物營養狀況、病蟲侵害、水分脅迫及所處生育時期的重要光譜參數[7-10]。光譜紅邊主要是由植被葉片葉綠素在紅光波段對光的強烈吸收與葉片內部組織在近紅外波段對光的多次散射形成的強反射造成的，波長在680～750 nm。由于光譜紅邊主要依據作物的營養狀況、生物量和物候期而發生變化，作物的葉片組織發生變化時也會引起光譜紅邊的相應變化，尤其當植被受到各種脅迫時植被的紅邊特征常發生顯著的變化[11-13]。開展不同品種滴灌棉花的高光譜快速無損傷監測。研究,對建立不同品種滴灌棉花葉面積指數估測模型，有實際意義。【前人研究進展】“紅邊”通常采用紅邊幅值(紅邊斜率)、紅邊面積和紅邊位置三因子來描述其特征[19]。由于光譜紅邊主要依據作物的營養狀況、生物量和物候期而發生變化，作物的葉片組織發生變化時也會引起光譜紅邊的相應變化，尤其當植被受到各種脅迫時植被的紅邊特征常發生顯著的變化[20]。謝巧云等[14]研究表明，高光譜數據紅邊區域 680～750 nm 波段范圍內，植被指數與LAI的相關性非常高；黃春燕等[15]研究表明，紅邊位置主要依據作物的營養狀況、生物量和物候期而變化，沿波長軸方向移動，它與作物的葉面積指數有關。王秀珍等[16]指出可以用紅邊參數測定LAI；馬文君[17]指出在盛蕾期，與LAI相關性較好的光譜變量只有紅邊位置。Kyu-Sung[18]研究發現，紅邊范圍較其它波段的光譜能更精確預測LAI，并且LAI與紅邊參數存在著密切的相關性，因而可以用紅邊位置的移動來估算LAI。【本研究切入點】實時、無損、準確的檢測棉花植株營養狀況對于指導精確管理一直是棉花生產迫切需要解決的難題[23]。利用棉花反射光譜數據來估測其光合有效輻射、長勢和葉綠素含量等已多見報道，但利用光譜紅邊特征來研究棉花的LAI還鮮見報道。研究紅邊參數的動態變化規律建立不同品種滴灌棉花葉面積指數估測模型。【擬解決的關鍵問題】以新陸早50號、新陸早58號及魯棉研24號3個品種為研究對象，開展不同施肥梯度試驗，研究紅邊參數與LAI動態變化，找尋兩者之間的關系，并建立基于紅邊參數與LAI模型，為推動精準農業發展提供理論支持。

1 材料與方法

1.1 材 料

2017年在新疆瑪納斯縣六戶地鎮設置田間試驗。以新陸早50號、新陸早58號和魯棉研24號(雜交棉)品種為供試棉花品種。小區覆膜，膜寬2.05 m，栽培模式為1膜3管6行，行距配置為(10+66+10+66+10)cm，株距10.5 cm。種植方式為棉花連作，東西走向，兩頭設置保護區。每個小區面積為25 m2(10 m×2.5 m)，完全隨機區組設計，重復3次，小區間設隔離帶。設4個施氮水平，為0、120、240、360 kg/hm2純氮，分別以N0、Nl、N2、N3表示。完全隨機區組設計，重復3次，小區間設隔離帶。灌溉定額為當地滴灌棉田一般灌溉量，其他田間管理均按高產栽培要求進行。

1.2 方 法

1.2.1 棉花光譜數據測量

棉花冠層高光譜數據的獲取采用美國ASD公司Field Spec Pro FR2500型背掛式野外高光譜輻射儀(Analytical Spectral Devices)。波段為350～2 500 nm，采樣間隔為1 nm。采樣日選擇在晴朗無云、無風和風速很小的天氣進行冠層光譜測定，測定時間控制在12:00～14:00。測量時傳感器探頭垂直向下，光譜儀視場角為25°，距棉花冠層頂垂直高度約0.5 m。每個小區采集3個點，每個點采集5條光譜數據，最后用15條數據的平均值作為該小區采樣點的光譜值。為保證測量精度，測量過程中對每組目標的觀測前后均進行標準白板校正，以減小云層及太陽高度變化等對光譜反射率的影響。

1.2.2 樣品采集

對地上植株進行9次樣品采集，采集時間分別為2017年6月1日，6月9日，6月22日，7月5日，7月17日，7月27日，8月7日，8月18日，8月27日。

1.2.3LAI(Leaf Area Index，LAI)測定

用CI-203激光葉面積儀測定LAI。

1.3 數據處理

1.3.1 線性內插法紅邊位置(Red edge position: linear interpolation method)公式

線性內插法紅邊位置(REP)=700+40[(R670+R780)/2-R700]/(R740-R700).

(1)

1.3.2 葉面積指數計算公式

葉面積指數(LAI)=作物綠色葉面積總和與相應土地面積之比。

(2)

1.3.3 紅邊參數與葉面積指數相關性的建立

為了能使LAI估算模型相對更為精確，進行模型估測和實際值進行擬合分析，使用擬合方程的決定系數(R2)、均方根誤差(RMSE)檢驗模型的估測能力和精度，R2越接近1，RMSE越小，表明模型精度越高。

葉面積指數是反映作物光和生產能力，描述作物冠層特征，預測作物產量的重要參數。根據出苗后天數分析紅邊參數和LAI的相關規律，比較多種擬合方法確立棉花LAI的最優光譜模型，采用均方根誤差(RMSE)和決定系數(R2)檢驗，RMSE越小說明模型擬合度越好。數據處理采用SPSS19.0 和Microsoft Excel 2010相關軟件。

1.3.4 預測的均方根差(RMSE)計算

(3)

2 結果與分析

2.1 不同氮素處理下滴灌棉花LAI動態變化

研究表明，3個棉花品種葉面積指數隨著棉花生長發育總體呈現出先上升后逐漸下降的變化規律；出苗70 d前，3個品種棉花LAI均呈上升趨勢但是增長速率表現出很大的不同，魯棉研24號>新陸早50號>新陸早58號；在出苗70～80 d，3個品種棉花LAI均出現明顯下降，但相較新陸早50號、新陸早58號，魯棉研24號下降幅度較大。圖1

圖1 花葉片葉面積指數變化特征
Fig.1 Characteristics of leaf area index of cotton leaves

2.2 不同氮素處理下滴灌棉花紅邊位置變化

研究表明，不同生育時期紅光波段的一階導數最大值、最小值對應的波段是不同的；同一時期不同施肥處理間，僅僅對應的導數值有區別，波段相同。將棉花各生育時期高光譜一階導數值找出的最大值、最小值的波段經由線性內插法紅邊位置公式進行運算。

3品種隨出苗天數的推進其紅邊位置的移動規律類似：隨著棉花的生長發育，紅邊位置所在波段逐漸向長波方向移動(紅移)，當棉花逐漸進入后期生長時紅邊位置所在的波段逐漸向短波方向移動(藍移)。可以根據紅邊位置在棉花生育期內呈現規律的變化，用紅邊位置描述棉花的生長狀況。在32～80 d棉花快速生長時，紅邊位置出現紅移現象；在80～100 d出現嚴重病蟲害，紅邊位置出現藍移現象；在100 d后病蟲害消退，紅邊位置對應波段出現回升趨勢。表1,圖2

圖2 棉花紅邊位置變化
Fig.2 Cotton Red edge Position change curve 棉花隨出苗天數紅邊位置變化
Table 1 Variation of the Red Edge position of Cotton with Seedling days

品種Variety處理Treatment出苗后天數Days after emergence(d)3243708091100111新陸早50號 Xinluzao No.50N0719.25721.71722.14724.04722.82720.42720.77N1719.21721.43722.6572376722.04720.65721.88N2718.95721.42722.32722.95722.21720.63721.44N3719.37721.91722.53722.99722.36720.09720.83新陸早58號Xinluzao No.58N0719.34721.20722.36723.03722.42720.81721.59N1718.16721.55722.59723.41720.96721.07723.28N2718.92721.67722.58723.85723.27721.96722.17N3719.37721.23723.51724.41722.05721.24722.80魯棉研24號Lumianyan No.24N0718.84721.17722.59723.17723.16721.31722.16N1718.26720.98722.18723.16723.78720.76722.76N2717.67721.94722.35723.66722.73721.49722.89N3717.76721.84722.84724.04724.26722.38722.87

2.3 紅邊位置與LAI的相關性

研究表明，3品種棉花紅邊位置與LAI的相關性均達到0.5以上，且都通過99%置信水平的顯著性檢驗。棉花品種新陸早58號紅邊位置與LAI的相關系數最高，達到了0.726**。其次為魯棉研24號0.721**和新陸早50號 0.585**，新陸早58號0.726**。用棉花冠層反射光譜的紅邊位置來估算其LAI是可行的。表2

2.4 基于紅邊位置LAI估算模型的建立

研究表明，對比3品種不同函數模型精度，均是采用對數函數所建立的估算模型比其他函數估算模型精準；對比3品種精度較好的模型——對數函數估算模型，魯棉研24號精度較高(R2=0.660 8，RMSE=1.76)。表2

表2 棉花葉面積指數(LAI)對紅邊參數回歸方程
Table 2 Regression equation of cotton leaf area index (LAI) to red edge parameter

品種Variety模型類型Model模型表達式Expression決定系數R2均方根誤差RMSE新陸早50號Xinluzao No.50線性Y = 0.787x - 564.110.341 91.56對數Y=567.9 ln(x)-3 733.90.447 01.56指數Y= 3E-109 e0.347 7x0.448 31.84新陸早58號Xinluzao No.58線性Y = 0.888 6x - 637.50.527 61.32對數Y=641.2 ln(x)-4 216.30.650 21.32指數Y = 1E-124 e0.397 1x0.649 51.76魯棉研24號Lumianyan No.24線性Y= 0.854 1x - 612.770.519 81.54對數Y=615.7 ln(x)-404 8.70.660 91.54指數Y= 5E-123 e0.391 5x0.660 81.76

注:**表示通過0.01的顯著性檢驗；*表示通過0.05的顯著性檢驗

Note:**means passing the significance test of 0.01 and*means passing the significance test of 0.05

2.5 精度檢測

構建的紅邊位置與棉花葉片LAI相關的線性函數模型，分別反演棉花新陸早50號、新陸早58號及魯棉研24號在4種施氮水平條件下的棉花葉片LAI。模型方程的估算精度分別為 63.91%、75.29%、81.68%，RMSE為0.94、0.82、0.77，用紅邊位置能夠較好的估算不同品種滴灌棉花葉片的LAI，且魯棉研24號所建模型較其他2品種精度較好(R2=0.816 8，RMSE=0.77)。表3，圖3

表3 棉花葉面積指數估算模型精度
Table 3 Accuracy analysis of cotton leaf area index estimation model

品種Variety驗證模型Equation決定系數R2均方根誤差RMSE新陸早50號Xinluzao No.50Y = 1.477 6ln(x) + 1.931 30.639 10.94新陸早58號Xinluzao No.58Y = 1.753 5ln(x) + 1.698 70.752 90.82魯棉研24號Lumianyan No.24Y = 1.905 4ln(x) + 1.479 40.816 80.77

圖3 棉花LAI的紅邊參數估算模型擬合結果
Fig.3 Fitting result of Red edge parameter estimation model of Cotton LAI

3 討 論

近年來，結合了統計方法和物理模型方法的混合反演方法被越來多的應用于LAI反演中，混合反演方法的發展得益于機器學習的快速發展，越來越多的學者將機器學習方法用于LAI反演[15]。研究結合棉花生長發育規律，用相關分析方法研究棉花LAI與紅邊參數的相關關系，基于兩者的相關性建立紅邊參數與棉花葉片LAI估測模型，反演棉花LAI，結果表明,用光譜紅邊位置可以較好的反演棉花冠層葉片的LAI。為大田棉花生長檢測與實時診斷提供了科學指導，對于提高棉花科學管理水平，增強對棉花群體的調控能力，以及對整個農作物管理水平的提高，都具有十分重要的意義。

研究設計的滴灌棉花3品種4氮肥處理試驗，驗證了棉花紅邊位移變化規律：在出苗后32～80 d棉花快速生長時，紅邊位置出現紅移現象；在80～100 d由于出現嚴重病蟲害以及葉片葉綠素含量降低，生長發育速度降低，紅邊位置對應波段減小，紅邊位置出現藍移現象；在100 d后病蟲害消退，紅邊位置對應波段出現回升趨勢，上述結論與前人研究一致。唐延林等[21]研究表明,棉花冠層光譜的紅邊具有“雙峰”現象，隨發育期推移，冠層紅邊位置呈“紅移”、“紅邊平臺”和“藍移”變化規律。黃春燕等[15]指出當作物生長旺盛，處于健壯時期，其紅邊會向長波方向偏移；反之，作物衰老、感染病蟲害，紅邊就會向短波方向移動。

試驗LAI動態變化規律與前人研究結果大體一致，在個別時期出現差異。3品種棉花LAI在出苗80～100 d出現明顯下降的異常現象，查找全年大田試驗記錄以及氣象資料，在出苗后60～100 d期間大田出現較大規模的病蟲害(蚜蟲危害為主)。新陸早58號在整個生育時期受蟲害程度較均勻，整體變化趨勢穩定，由于N1、N2小區受蟲害較重所以在90 dLAI值回升幅度較小。對比受蟲害期間3品種最小值，魯棉研24號作為雜交棉抗性較好，LAI值受蟲害影響較小。新陸早50號各氮素水平之間受害程度不同，所以LAI變化規律出現異常；查詢大田相關記錄在出苗后90 d出現的小規模紅蜘蛛現象對新陸早58號造成了一定的影響，N1施氮水平條件下LAI回升程度較小。

對棉花紅邊位置與葉面積指數進行相關性分析以此建立相關模型，并對所建立模型進行精度檢測，結果顯示,魯棉研24號所建立的紅邊參數-LAI模型精度最好(R2=0.816 8，RMSE=0.77)；整個生育期中新陸早50號收到蚜蟲和紅蜘蛛兩大蟲害的影響，對LAI變化規律造成了一定程度的干擾，建立的紅邊參數-LAI估算模型檢驗精度較低。研究認為蟲害程度大小和發生次數會一定程度的影響紅邊參數-LAI模型的估算精度。

4 結 論

4.1 不同品種滴灌棉花葉面積指數在50～70 d均呈上升趨勢，但不同品種間葉面積指數增長速率存在明顯差異，魯棉研24號>新陸早50號>新陸早58號。

4.2 棉花正常生長時期，紅邊位置出現紅移現象；當大田爆發病蟲害，紅邊位置出現藍移現象；后期棉花逐漸恢復正常生長，紅邊位置對應波段出現緩慢回升趨勢。

4.3 新陸早50號、新陸早58號及魯棉研24號紅邊位置與LAI的相關性均達到 1%極顯著相關，建立的模型的決定系數分別達到0.585**、0.726**、0.721**；對所建模型進行精度檢驗，估算精度分別為63.91%、75.29%、81.68%，因此，認為魯棉研24號所建立的紅邊參數-LAI估算模型精度較高。