基于冠層光譜儀的芹菜當季產量潛力預測

紀榮婷，王 遠，閔 炬，施衛明，徐麗萍，張龍江

（1．生態環境部南京環境科學研究所，江蘇 南京 210042；2．中國科學院南京土壤研究所，土壤與農業可持續發展國家重點實驗室，江蘇 南京 210008；3．南京市六合區農業技術推廣中心耕地質量保護站，江蘇 南京 211500）

芹菜（Apium graveolensL.）在我國有著悠久的種植歷史和廣泛的種植分布，種植規模居世界首位，具有重要的藥用價值和豐富的營養成分，富含蛋白質、碳水化合物、胡蘿卜素、B族維生素等多種養分［1-2］。太湖地區是我國重要的農業生產區和蔬菜主產區，芹菜是當地春秋季重要的栽培蔬菜類型，其產量水平直接決定著農民的收益［3］。在生產中，芹菜的產量取決于多種因素，如施肥量、管理水平、作物品種和環境條件等，其中，氮素的合理施用是最為重要的因素［4］。一般來說，充足的氮肥投入是保證作物生長和土壤肥力的先決條件［5-7］。然而，過量或不當的氮肥施用均不利于產量的形成和品質的提升，還會影響芹菜的高產高質；同時過量的氮肥投入還會導致養分流失，水、氣、土質量下降［8-10］。因此，如何在生育期內準確預測芹菜產量，并指導后期合理精準追氮和高產管理對芹菜可持續生產具有重要意義。然而，目前的產量估測方法主要針對大田作物（水稻、小麥、玉米等），蔬菜種類多樣，品種較多，當前對蔬菜產量的預測方法研究仍較為局限，大部分是依據多年數據的模型模擬，數據要求量較大，且時效性和準確性較差［11-12］。目前未有適宜芹菜作物的產量預測方法，因此，亟須研究出一種快速、無損、便捷的芹菜產量估測方法［13-14］。

研究表明，利用光譜技術可準確判斷作物的氮素營養狀況，實現作物當季產量的預測［15］。在多種光譜儀中，手持式冠層光譜儀可在冠層高度監測作物的氮素營養狀況和產量水平，分辨率和準確性較高；同時，與高光譜儀相比，其成本較低且操作更加便捷；與葉綠素儀等葉片傳感器相比，其操作便捷高效且代表性較高，因此，多種冠層光譜儀已成功應用于多種作物氮素營養管理［16-17］。GreenSeeker光譜儀是一種常見的主動光源冠層光譜儀，具有主動光源，不易受外界環境干擾，可測定作物冠層在紅光和近紅外光波段的光譜反射值并計算出植被歸一化指數（NDVI）［18］。已有研究結果表明，NDVI值可用于多種大田作物的當季產量潛力預測和氮肥追施指導［19-21］。Raun等［18］研究表明GreenSeeker冠層光譜儀在起身期（Feekes 4）和葉鞘伸長期（Feekes 5）生長階段測定的NDVI值可準確預測冬小麥的當季產量潛力。在玉米中，V8生長期測定的冠層NDVI值與收獲期產量間預測效果較好（R2=0.77）［22］。在蔬菜作物中，GreenSeeker冠層光譜儀也開展了一定應用，已有研究報道，GreenSeeker冠層光譜儀可用于監測胡蘿卜健康狀況，并可作為甜菜和辣椒氮素營養快速無損檢測的手段［23-24］。我們在前期的研究中發現，GreenSeeker可作為蔬菜產量預測的潛在工具，移栽后110 d的光譜測定值可準確預測不同品種包心菜的當季產量［25］。由于芹菜品種多樣、生育期相對較短，且GreenSeeker冠層光譜儀對芹菜當季產量潛力預測的可行性及準確性尚不清楚，其產量潛力監測的最佳時期仍有待研究。

因此，本研究選擇西芹（XQ）和藥芹（YQ）2個常見的芹菜品種，設置不同施氮水平田間試驗，利用GreenSeeker冠層光譜儀獲取不同生長階段的冠層NDVI值，以構建基于冠層NDVI值的當季產量潛力預測模型，比較各個時期NDVI測定值對產量預測的準確性，以期實現對芹菜當季產量潛力的準確評估，并為指導后期產量管理實踐提供科學支撐。

1 材料與方法

1.1 試驗地概況

本研究共設置4個芹菜田間試驗，于2015～2016年進行。試驗地點均位于宜興市丁蜀鎮農業科技示范園（31°14′ N，119°53′ E），該地區屬于亞熱帶季風性氣候，年平均氣溫和降水量分別為15.7℃和1177 mm。試驗地土壤類型為水耕人為土，供試土壤0～20 cm理化性質為：pH值5.69，EC值0.28 mS·cm-1，土壤有機質、總氮、硝態氮、有效磷和速效鉀含量分別為24.9 g·kg-1、1.04 g·kg-1、42 mg·kg-1、64 mg·kg-1和63 mg·kg-1。該試驗涉及不同芹菜品種類型、施氮水平和年份（表1），其中，Exp.1和Exp.2田間試驗用于芹菜當季產量預測建模分析，Exp.3和Exp.4田間試驗用于產量預測模型驗證分析，試驗芹菜品種選用西芹（XQ）和藥芹（YQ）2種，試驗為隨機區組設計。

表1 試驗設計描述

1.2 數據采集與產量測定

芹菜冠層NDVI值采用手持式冠層光譜儀GreenSeekerTM（Trimble Inc.，Sunnyvale，CA，USA）測定，紅光波段測定波長為（650±10）nm，近紅外波段測定波長為（770±15）nm。各小區NDVI值測定時間為9：00～10：00，測定時光譜儀垂直置于芹菜冠層上方60 cm處，與種植行平行，NDVI值通過紅光和近紅外光波段的冠層光譜反射值計算（Eq.1）。測定時手持光譜儀勻速行進，各小區獲取4個測定值并以其平均值作為小區測定結果［26］。各試驗冠層NDVI測定時期分別為移栽后10、30、40、50、60、70、80 d，各測定期對應的芹菜生長時期見表2。各小區芹菜于移栽后90 d左右至休眠期前進行采收（不同試驗、不同年份芹菜采用統一收獲標準），將小區內所有芹菜地上部部分進行收獲并測定鮮重，并通過含水量測定將各小區收獲產量測定統一為90%含水量。

表2 各光譜測定期對應的芹菜生長時期

式中，ρNIR為近紅外波段的光譜反射值，ρRed為紅光波段的光譜反射值。

1.3 數據處理方法

Exp.1和Exp.2試驗數據用于光譜參數與產量潛力預測模型的構建，Exp.3和Exp.4試驗數據用于模型的測試和檢驗。相關性分析運用SPSS 20.0的Pearson相關分析進行。回歸分析利用Matlab R2020a進行。所有圖形采用Origin 8.5繪制。決定系數（R2）、均方根誤差（RMSE）（Eq. 2）和相對均方根誤差（RRMSE）（Eq.3）用來評估預測模型的準確性。

式中，n為模型檢驗樣本數；Pi為預測值；Oi為觀測值；為觀測值的平均值。RMSE和RRMSE值越小，則說明模型準確性越高。

2 結果與分析

2.1 不同品種芹菜冠層NDVI值變化動態

利用Exp.1和Exp.2試驗數據，分析了移栽期至收獲期不同品種芹菜冠層NDVI值的動態變化（圖1）。由圖1可知，XQ和YQ兩品種芹菜冠層NDVI值均呈快速上升趨勢，但生長后期XQ品種冠層NDVI值緩慢上升至平臺期。XQ品種芹菜冠層NDVI變化范圍為0.40～0.81，YQ品種芹菜的NDVI值變化范圍為0.15～0.69。總體而言，各生長期XQ品種的NDVI測定值均高于YQ品種，但生育后期XQ品種的冠層NDVI測定值趨于飽和，而YQ品種的NDVI值仍在不斷增長。

2.2 不同生育期NDVI測定值與芹菜產量間相關性分析

冠層NDVI測定值與XQ和YQ當季產量的Pearson相關分析結果見表3。XQ和YQ的相關系數分別為0.583～0.805和0.256～0.922，兩品種產量與NDVI值的相關性系數分別在移栽后50和70 d達到最高。在XQ生長季，相關系數在生長早期較低，之后逐漸升高，至移栽后50 d時最高，隨后逐漸降低。在YQ生長季，移栽初期，NDVI測定值與產量間無顯著相關性，隨后相關系數逐漸升高，至移栽后70 d達到最高值后保持穩定。綜上，對于不同芹菜品種，冠層NDVI值與產量間的相關系數隨生長時期變化存在著相似的變化趨勢：在生長階段早期相關系數相對較低，在生長中期左右達到穩定；隨后，相關系數相對穩定或略有下降。

表3 芹菜冠層NDVI測定值與兩品種芹菜產量間的相關性分析

為定量評估冠層NDVI值與不同品種芹菜產量間的回歸關系，使用線性、指數和冪函數3種方程回歸分析芹菜當季產量與冠層NDVI值的定量關系，同時使用決定系數（R2）和F檢驗來評估不同回歸方程的顯著性（表4）。結果表明，3種類型回歸方程的準確性無顯著差異。在XQ生長季，移栽后10 d NDVI測定值與產量間的回歸方程決定系數較低，3種回歸方程的R2均在移栽后30和50 d時達到最高，R2為0.65；移栽后50 dR2逐漸降低，至移栽后80 d時R2僅為0.34。對于YQ品種，移栽后10 d，NDVI測定值無法預測芹菜當季產量，隨后NDVI測定值與產量間回歸方程的R2逐漸升高，至移栽后80 d時R2最高，但移栽后70與80 d的R2無顯著差異。因此，綜合兩芹菜品種，移栽后30～70 d測定的冠層NDVI值可預測芹菜當季產量。

表4 不同時期XQ與YQ的NDVI測定值與當季產量間的3種回歸方程分析

2.3 不同生育期冠層NDVI值與兩芹菜品種產量間預測分析

利用移栽后30～70 d測定的冠層NDVI值進行兩芹菜品種產量潛力預測，結果見圖2。結果表明，在不同生長季，NDVI測定值均可準確測定芹菜產量。就單個品種而言，XQ和YQ品種NDVI測定值與產量擬合曲線的R2值分別為0.54～0.65和0.73～0.85。使用綜合方程進行不同品種芹菜NDVI測定值與產量擬合發現，擬合曲線的R2為0.66～0.84，RMSE為7.40～10.72。雖然XQ的產量潛力和冠層NDVI值均顯著高于YQ，但兩品種芹菜NDVI-產量預測方程的趨勢基本一致。因此，可采用綜合方程進行兩品種芹菜當季產量預測。分析不同時期擬合結果，前期預測結果波動較大，后期冠層結構趨于穩定，預測方程的R2逐漸升高。

2.4 方程檢驗

為進一步驗證不同時期NDVI-產量預測方程的準確性及其在不同芹菜品種中的適用性，本研究通過采集第2年不同芹菜品種冠層NDVI值及產量數據對產量預測方程進行驗證，驗證結果見圖3。結果表明，移栽后30 d，預測方程的斜率僅為0.70，預測產量低于實測產量。隨著生長期的推進，驗證方程的準確性逐漸升高，且預測產量與實測產量間的差距逐漸降低。移栽后60 d，預測產量和實測產量間的決定系數較高（R2=0.63），所有數據點均分布在1∶1線附近，擬合曲線的斜率為0.95，表明該時期的綜合產量預測方程準確性較高。移栽后70 d，驗證方程的斜率為1.05，預測產量略高于實測產量（R2=0.73）。綜上，可利用外葉生長盛期和立心期的產量預測方程進行芹菜當季產量預測，外葉生長盛期是利用冠層NDVI值進行產量預測的最早時期（表5）。

表5 芹菜當季產量預測方程及決定系數

3 討論

3.1 冠層光譜儀對芹菜產量預測的可行性分析

精準估測作物產量可強化氮素管理，提高作物產量，同時降低運營成本和環境風險［27］。然而，目前芹菜等蔬菜作物產量預測方法仍較為缺乏。冠層光譜儀因其可在冠層水平監測作物的生長和氮素營養狀況，已成功用于多種大田作物的當季產量估測，并為進一步的氮肥推薦管理提供指導［18，21］。芹菜等蔬菜作物冠層結構的復雜性、品種類型的多樣性和生育期的可變性增加了冠層光譜技術應用于其的難度［23］。本研究中，相關性分析和回歸分析結果表明，除移栽初期和成熟期外，GreenSeeker冠層光譜儀測定的NDVI值與芹菜當季產量呈顯著正相關（表3），且3種回歸方程的預測準確性均較高（R2=0.51～0.84）。因此，冠層光譜儀可用于芹菜當季產量預測。

3.2 品種對芹菜產量預測準確性的影響

不同作物品種的生長特性和對氮肥施用的響應有所不同［28］，因此有必要研究基于冠層光譜儀的產量預測模型對不同品種的適用性。研究表明，各生長期XQ的NDVI測定值均高于YQ，且其產量潛力高于YQ（圖1，圖2）。這主要是兩芹菜品種自身的農藝性狀和品種特性決定的，XQ的株高、根頭粗、葉片數、葉柄數等性狀均優于YQ，因此，冠層NDVI值和產量潛力較高［29］。XQ的葉片數較多，冠層面積較大，冠層光譜測定值更高［30］。與先前對水稻和包心菜等作物的研究結果一致，不同品種氮素吸收特性有所差異，因此冠層光譜特性和產量潛力略有不同［26，31］。在本研究中，雖然兩品種NDVI值和產量潛力有所差異，但兩品種NDVI-產量擬合曲線的趨勢基本一致，表明產量預測方程可適用于不同芹菜品種（圖2）。通過綜合預測方程對比，不同品種芹菜NDVI-產量預測方程的R2值為0.66～0.84，RMSE值為7.40～10.72。在甘蔗、玉米、水稻和包心菜中，基于冠層光譜儀的產量預測方程準確度分別為48%、77%、63%和80%［21-22，26，30］。與上述預測結果相比，本研究中芹菜產量預測準確性相差不大或更好，表明雖然不同品種芹菜生長特性略有差異，但冠層光譜儀可適用于不同品種芹菜的產量預測。

3.3 生育期對芹菜產量預測準確性的影響

綜合芹菜生長不同生育期分析，在生長早期，冠層NDVI值與當季產量間關系較弱，尤其是YQ品種。移栽后30 d前，芹菜冠層NDVI測定值與當季產量間無相關關系（表3，表4），這主要是由于YQ植株相對較小，芹菜等蔬菜作物種植密度較一般大田作物較大，在生長早期，土壤本身的高背景反射值對冠層光譜儀的測定影響較大，因而無法進行產量預測［31-33］。而當芹菜處于生長后期至成熟期（移栽后80～90 d），預測準確性下降，尤其是XQ品種，該時期，芹菜冠層開始封閉，NDVI測定值趨于飽和（圖1，表3）［26，34］，NDVI測定值與當季產量間的相關性顯著下降或維持相對穩定；因此，進行芹菜產量預測時必須要考慮合適的生育期。經模型建立和驗證分析，當芹菜處于生長中期（外葉生長盛期和立心期），產量預測準確性較高（R2=0.74～0.84），外葉生長盛期是芹菜預測產量的最早時期，該時期芹菜生長較快，養分吸收量高，同時該時期也是生產中氮肥追施的必要時期［35］。因此，在生產中，可利用該時期的冠層光譜測定值進行芹菜當季產量預測及氮肥的精準追施量計算。

4 結論

利用GreenSeeker冠層光譜儀測定的冠層NDVI值可準確預測芹菜的當季產量，且預測模型可適用于不同芹菜品種；不同時期預測效果有所不同，早期預測結果易受土壤背景值的影響，而在生育后期，NDVI值飽和，影響預測準確性；經驗證，外葉生長盛期是預測芹菜產量的最早時期，該時期的冠層NDVI值可準確預測芹菜當季產量，R2和RMSE分別為0.84和7.40。

在生產中，可以利用GreenSeeker冠層光譜儀快速、準確、實時地獲取芹菜的生長情況，以進行當季產量的預測并指導后期實時追氮管理。這種相對簡單的產量預測方法可為農戶提供一種有效的產量預測手段，為進一步加強蔬菜生產決策和高產管理提供借鑒作用。下一步研究將繼續聚焦于冠層光譜儀對芹菜氮素營養指標的預測效果及準確性研究，并進一步建立氮肥推薦施肥算法以指導芹菜氮肥精準管理。