高光譜定量反演火龍果莖枝葉綠素含量的研究

李莉婕，岳延濱，王延倉，趙澤英，黎瑞君，聶克艷，袁 玲

1.西南大學資源環境學院，重慶 400716 2.貴州省農業科學院科技信息研究所，貴州 貴陽 550006 3.北華航天工業學院，河北 廊坊 065000

引 言

位于植物表層的葉綠素在捕獲、轉化光能中承擔著重要作用，其含量高低直接影響著植物的正常生長、發育，且葉綠素濃度與植物氮的供給密切相關，因此，葉綠素含量的高低是評價植物生長狀況的重要指標之一。采用葉片物理模型開展光與葉片理化組分作用機理，可以為葉片葉綠素含量的精準診斷提供理論支撐[1]。目前研究多利用數學變換、小波變換處理分析葉片光譜，或統計分析紅邊位置、吸收峰深度等光譜特征參量，或構建新型植被指數，并結合相關分析算法提取敏感參量篩選，以提高光譜對葉綠素含量的敏感性[2-3]。在模型構建算法中，隨機森林、偏最小二乘算法(partial least squares regression，PLS)和支持向量機等算法常用于葉片生化參量診斷模型的構建[4]；利用植被多光譜、高光譜成像技術分析葉綠素在植株中的空間分布已取得一定的研究成果，采用高光譜技術反演植物葉片生化組分的研究偏多，少見針對以莖枝進行光合作用的植被光譜特性的研究，因此開展莖枝植被研究對于完善不同類型植被基于高光譜指數的葉綠素反演具有重要意義。

火龍果為仙人掌科(Cactaceae)量天尺屬(Hylocereus)攀援性植物，是一種通過肉質莖枝進行光合作用的熱帶水果，葉片退化為刺，莖枝表皮和皮層均具有完整的葉綠體結構[5]。火龍果于20世紀90年代初引入我國后在西南地區種植面積擴展迅速，貴州為主要產區之一。火龍果生長快，栽植一年后即可開始投產，在貴州主要種植在低海拔富熱區的荒坡地，因其耐旱耐瘠、經濟價值高，已成為當地脫貧致富的重要產業支撐。火龍果成齡樹年產量37 500 kg·hm-2以上，其中通過果實吸收的純氮量達84.38 kg·hm-2，充足的氮素供應是保證其高產穩產的重要因子[6]。實時、動態監測火龍果莖枝葉綠素含量的變化，對于田間火龍果的氮素營養診斷與施肥決策具有重要作用。遙感技術是開展區域尺度地物信息監測的最前沿手段，為研究火龍果無損營養診斷技術，彌補針對莖枝植被研究的不足，分析火龍果莖枝光譜特性，研究其葉綠素含量的估測方法，以不同供氮水平下實測高光譜數據及葉綠素含量為數據源，采用數學變換、二進制小波變換處理分析光譜數據，并利用PLS構建火龍果葉綠素含量估測模型，以期為火龍果植株葉綠素含量的精準監測提供基礎支撐。

1 實驗部分

1.1 試驗概況

為更好地分析火龍果莖枝光譜特性及其葉綠素含量的監測方法，以田間試驗觀測數據為數據源。試驗在紅水河流域貴州省羅甸縣龍坪鎮煙山火龍果種植基地開展。試驗區海拔473 m，年降雨量1 176.8 mm，月均溫19.6 ℃，無霜期335 d，年日照1 509.3 h，總輻射4 307.394 MJ·m-2，年積溫7 162.2 ℃，≥10 ℃積溫6 260.9 ℃。供試土壤為當地典型的砂質風化紅壤，pH值7.37，有機質23.98 g·kg-1，全氮1.51 g·kg-1，堿解氮119.0 mg·kg-1，有效磷146.1 mg·kg-1，速效鉀52.0 mg·kg-1。

供試火龍果品種為紫紅龍(Hylocereuspolyrhizus, Zihonglong)，采用柱式栽培，以水泥柱和水泥盤為支撐，水泥柱長×寬×高為0.1 m×0.1 m×2 m，水泥柱底部入土50 cm，柱頂加蓋直徑為0.5 m的水泥圈。在每樁水泥柱周圍種植3株火龍果苗并綁縛主莖順柱向上生長，分枝穿過水泥圈后繼續延伸生長至老熟下垂。2012年栽植，2013年開始掛果，試驗期間處于盛果期。設4個氮素水平，分別為：N0(純氮0 g·樁-1)、N1(純氮100 g·樁-1)、N2(純氮200 g·樁-1)和N3(純氮300 g N·樁-1)。以有機肥(腐熟羊糞，N，P2O5，K2O分別為0.65%，0.5%和0.3%，15 kg·樁-1)和磷肥(過磷酸鈣，P2O512%，0.33 kg·樁-1)做基肥，于2月初開挖弧形溝(深20 cm)，將基肥施入土壤，混勻后覆土；氮肥(尿素，含N 46.4%)鉀肥(硫酸鉀，含K2O 50%，0.60 kg·樁-1)全部作追肥，分3次施用(按總用量的40%，30%和30%于5月初、7月中旬和9月中旬施入土壤)。每個處理3次重復，共12個小區，共計72樁(216株)火龍果。其他田間管理措施同常規栽培。

1.2 樣本采集

選用火龍果一年生成熟枝條為研究對象，首先對目標莖枝進行光譜測量，然后在光譜測定部位快速剪取表皮和皮層組織，采用乙醇浸提法測定葉綠素含量[7]，其統計量如表1所示。

表1 火龍果莖枝的葉綠素含量的統計性描述

1.3 光譜測量

用便攜式地物光譜儀(ASD Fieldspec?3，USA)，測定350～2 500 nm范圍內的反射光譜。由于試驗區大氣濕度偏高，易對光譜測定產生負面影響，為避免外界不可控因子的干擾，提升光譜數據信噪比，使測定的光譜能客觀反映火龍果莖枝信息，選用ASD提供的鹵光燈作為光源，在火龍果采收末期，選擇各處理健壯枝條中部部位，將探頭垂直對準莖枝生長在光下的棱面進行光譜測量(圖1)，每次光譜測定前均采用標準白板校正，同一目標物觀測3次，取其平均值作為最終光譜，共計測量樣品96個。

1.4 光譜數據的處理

火龍果莖枝光譜測定后，先利用長度為9的海明窗低通濾波器對光譜數據進行平滑、去噪處理，以削弱高頻噪聲對火龍果莖枝光譜的影響；然后利用一階微分(R′)、倒數變換(1/R)、對數變換(Log(R))、倒數的一階微分((1/R)′)、對數的一階微分(Log(R))′)等數學變換和連續小波變換[8]兩類變換方法對光譜數據進行處理，以分析兩類光譜變換方法在提升光譜對火龍果莖枝葉綠素含量敏感性方面的作用。

1.5 模型精度驗證

火龍果莖枝光譜進行數學變換與連續小波處理后，利用PLS構建火龍果莖枝葉綠素含量診斷模型。采用隨機方法將樣本分為2組：建模組(64份)、驗證組(32份)，其中建模組用于診斷模型的構建，驗證組用于檢驗模型的預測精度。為客觀對所建模型進行評價，共采用3類指標進行評價，即決定系數(R2)、均方根誤差(RMSE)及剩余預測殘差(RPD)，其計算方法如式(1)—式(4)所示

(1)

(2)

(3)

其中

(4)

2 結果與討論

2.1 火龍果莖枝光譜特征分析

圖2是不同施氮水平下的火龍果莖枝光譜[圖2(a)]及其吸收峰深度[圖2(b)]圖。由圖2(a)可知，在410～2 500 nm區間，火龍果莖枝光譜曲線整體趨勢與綠色葉片光譜相近，但莖枝曲線整體隨施氮量的增加而呈逐步降低的趨勢，這與常規綠葉植物相關研究結論存在差異，其中350～750 nm光譜反射率逐步降低的主要原因應為施氮量的增加有助于火龍果莖枝葉綠素含量的提升，進而增強了可見光區域的吸收作用。810～2 350 nm降低的原因可能是火龍果莖枝表層的葉綠素是火龍果植株獲取能量的主要形式，火龍果莖枝呈肥厚肉質狀，含有發達的儲水組織，葉綠素含量的增加有助于火龍果莖枝的生長和儲水量的提升，增強了其對近紅外區域的吸收作用。由圖2(b)可知，位于410～2 350 nm的主要吸收峰隨氮素供應水平的增加而增高，即位于原光譜的吸收谷隨施氮量的增加而逐步加深，究其原因是莖枝葉綠素含量與莖枝內儲水組織的增加增強了莖枝對光譜的吸收作用。綜上可知，火龍果莖枝光譜整體上與常規植物葉片相似，但在近紅外處，其隨施氮量的變化規律與常見植株綠色葉片變化趨勢相反；火龍果莖枝光譜的吸收峰(谷)隨施氮量的增加而呈升高(加深)的趨勢。

圖2 不同施氮水平下的火龍果莖枝光譜曲線(a)及吸收峰深度(b)

2.2 相關性分析

經數學變換、小波變換后，火龍果莖枝光譜與相應葉綠素含量的決定系數矩陣(R2)如圖3所示。由圖3可知，原光譜與火龍果莖枝葉綠素含量的敏感區域主要位于730～1 400 nm，這與常見綠葉植物葉綠素含量的敏感波段為紅、綠波段結論不同。數學變換與連續小波變換均能明顯提升光譜對葉綠素含量的敏感性，且連續小波變換提升精度更高，表明連續小波變換更能有效挖掘原光譜內的可用信息。在L1—L10尺度內，敏感波段在L1—L5尺度內的波段位置相對穩定，主要位于730 nm附近與近紅外(1 100～1 600 nm)內，這與常見植物葉片葉綠素含量的敏感波段分布存在較大差異；隨分解尺度的提升，敏感波段在L6—L10尺度內的波段位置逐步向短波、長波方向移動，其中730 nm附近的敏感波段隨分解尺度的提升逐步分別向短波、長波方向移動，近紅外區域則主要向長波方向移動。在5類數學變換中，倒數變換(1/R)、對數變換(Log(R))與原光譜的敏感區域相一致，一階微分(R′)、倒數的微分((1/R)′)、對數的微分((Log(R))′)則與原始光譜的敏感區域相差較大，其中，一階微分能明顯提升光譜對葉綠素含量的敏感性，且敏感區域與連續小波變換L1—L5尺度的敏感區域大體一致。綜上可知，光譜變換方法均能明顯提升光譜對葉綠素含量的敏感性；與常見植株葉片葉綠素含量的敏感波段相比，火龍果莖枝葉綠素含量的敏感波段分布相對分散，主要位于730 nm、近紅外區域。

圖3 光譜與葉綠素含量的決定系數矩陣圖

2.3 構建火龍果莖枝葉綠素含量的估測模型

圖4 基于一階微分變換的實測值與預測值的散點圖

表2 基于數學變換火龍果莖枝葉綠素含量估測模型列表

圖5 基于連續小波變換的實測值與預測值的散點圖

表3 基于連續小波火龍果莖枝葉綠素含量估測模型列表

火龍果植株形態結構有別于傳統果樹，葉片退化為刺，莖由復表皮、飽含大量粘液的薄壁細胞的皮層和維管組織組成[5]，肉質莖組織結構承擔了更多功能(光合作用、儲水作用等)[9]，這些特點使肉質莖的光譜特征、理化組分估測與常見綠葉類植物存在較大差異。植株氮含量和葉綠素濃度有很強的相關性，通過對葉綠素含量的無損監測可以間接反映火龍果植株的氮素含量，為其無損營養診斷和精準施肥提供支撐。然而由于火龍果莖上下表面間肉質部分厚度可達10 mm以上，SPAD葉綠素速測儀等常用的無損快速檢測葉綠素的儀器發射的光線不能穿透肉質莖，在火龍果植株上無法使用。本研究表明，不同供氮水平下火龍果肉質莖的光譜曲線特征差異明顯，受肉質莖儲水作用的影響，在近紅外區域光譜特征與綠葉植物表現出不同的趨勢。

與常見植物葉片生化成分不同，火龍果莖富含多糖、多酚、次生代謝物等成分，但葉綠素含量相對低于其他植物[10]；梭梭、多枝檉柳同化枝葉綠素的光譜響應特征均與闊葉植物有所差異[11-12]。從火龍果光譜與葉綠素含量的敏感性進行分析可知，與莖枝葉綠素含量敏感性較強的波段多位于730 nm與近紅外處，而常見植物葉片葉綠素含量的敏感波段則多分布在藍、紅等可見光區域[13]，二者存在明顯差異，進而導致入選的葉綠素含量估測模型的特征波段也存在差異。從光譜變換技術分析可知：與數學變換相比，小波變換能明顯提升光譜對火龍果肉質莖枝葉綠素含量的敏感性，且基于小波變換構建的模型穩定性較高，究其原因主要是小波變換是按信號變異頻率對光譜信息進行分離，其較強的吸收特征易被分解到不同尺度內，有利于有效光譜信息的分離，進而有利于提升光譜對火龍果莖枝葉綠素含量的敏感性。

盡管本研究在一定程度上彌補了高光譜在肉質莖生化組分診斷方面的不足，但仍存在以下局限：(1)研究以單莖枝為研究對象，未開展冠層尺度下火龍果植株葉綠素含量估測研究，而冠層尺度的研究可為區域尺度檢測提供基礎理論與技術。(2)本研究選用莖枝關鍵部位進行樣本、數據的采集，實驗數據是點數據，而以面為單元的莖枝葉綠素含量的精準診斷更能反映火龍果生長發育的狀況。因此，仍需繼續開展深入研究，今后將進一步使用更多來自不同月齡和不同品種或區域的莖枝光譜數據進行驗證。

3 結 論

以火龍果莖枝為研究對象，以莖枝光譜及相應實測葉綠素含量值為數據源，研究分析火龍果莖枝葉綠素含量的估測方法，得出如下結論：

(1)火龍果莖枝葉綠素含量的敏感波段多位于730 nm、近紅外區域，且在近紅外處，火龍果莖枝光譜隨施氮量的變化規律異于常見綠葉植物葉片變化趨勢，火龍果莖枝光譜的吸收峰(谷)隨施氮量的增加而呈升高(加深)的趨勢。

(2)與數學變換相比，連續小波變換更能明顯提升光譜對葉綠素含量的敏感性，但敏感波段的分布相對分散，且位于730 nm、近紅外區域的敏感波段明顯較多，不同于常見植物葉綠素含量敏感波段多分布于可見光區域的波段的現象。