基于便攜式蜜柚光譜儀的金沙柚葉片葉綠素含量監測模型

潘玉霞，李艷大，曹中盛，孫濱峰，黃俊寶，吳自明，馮旭萍，郭永久

（1.江西省農業科學院 農業工程研究所/江西省智能農機裝備工程研究中心/江西省農業信息化工程技術研究中心，江西 南昌 30200；2.江西農業大學 農學院，江西 南昌 3300451；3.浙江大學 生物系統工程與食品科學學院，浙江 杭州 310029；4.安徽朗坤物聯網有限公司，安徽 合肥 230000）

0 引言

江西省吉安市栽種培育的井岡蜜柚具有產量穩定、品質優良、抗逆性強等特點，其主栽品種有桃溪蜜柚、金沙柚和金蘭柚［1-2］，目前種植面積約2.86萬hm2，總產量約8萬t［3-4］，蜜柚已經成為當地鄉村振興的特色主導產業。葉片葉綠素含量(Leaf chlorophyll content，LCC)是表征果樹光合能力、生長發育及氮素營養狀況的重要指標，能直接影響果樹的光合作用與產量形成［5-9］。前人［10-15］主要采用傳統的室內紫外可見分光光度法和熒光分析法來測定果樹葉片葉綠素含量，雖然結果準確可靠，但存在操作過程繁瑣，費時耗力，需破壞性取樣，時效性差等缺點。近年來，光譜遙感技術得到了快速發展，并被廣泛應用于果樹長勢、葉片營養元素等生長指標的無損、快速和定量監測中［16-20］。如Naqvi等［21］借助植被指數反演了柑橘葉綠素含量，并通過實驗證明修正三角植被指數、土壤和大氣抗性植被指數的組合能夠穩健地預測葉綠素含量；沈佳等［22］分析了蜜柚葉片色素含量與高光譜特征參數相關性，發現NDVI(596，758)與健康蜜柚葉片色素含量的相關性最高；Chang等［23］采用歸一化植被指數(NDVI)、土壤調整植被指數(MSAVI)、歸一化紅邊指數(NDRE)和葉綠素指數(CI)來比較柑橘綠化之間的差異；易時來等［24］使用高光譜儀對溫州蜜柑3個時期抽生的葉片進行測定，發現夏梢葉片反射率最大，春梢次之，秋梢最低；栗方亮等［25］對蜜柚LCC的原始光譜特征進行了分析建模，發現光譜反射率隨著LCC的升高而降低。雖然許多學者已經借助高光譜儀對果樹LCC的光譜特征進行了研究，構建了具有實用性的監測模型，但由于果樹種類、建模方法及栽培管理措施等不同，導致所建模型的形式和適用性等均存在一定的差異，且前人研究使用的手持式光譜儀多為國外進口，價格昂貴，操作復雜，主要適用于小麥、水稻等株高較低的大田作物，而對于株高2 m以上的柚樹，若使用手持式光譜儀采集冠層數據，則需要借助梯子等才能完成，數據獲取過程費時耗工。因此，為了確保金沙柚LCC監測模型的精度，本文以吉安市金沙柚為研究對象，通過設置4個施氮水平的果園試驗，利用課題組研發的便攜式蜜柚光譜儀(Portable pomelo spectrometer，PPS)、美國Analytical Spectral Devices公司生產的FieldSpec HandHeld 2高光譜儀(ASD FH2)和美國生產的RapidSCAN CS-45光譜儀(Rapid)同步采集不同時期金沙柚的冠層植被指數，構建基于PPS 的金沙柚LCC光譜監測模型，以期為金沙柚生長指標信息快速無損獲取提供技術支持。

1 材料與方法

1.1 試驗設計

試驗于2021年在江西省吉安市吉州區和吉水縣進行。供試果園土壤為紅壤，吉州區試驗點土壤成分為：全氮1.31 g/kg、堿解氮119.34 mg/kg、有機質22.17 g/kg、速效磷30.14 mg/kg、速效鉀128.44 mg/kg。吉水縣試驗點土壤成分為：全氮1.16 g/kg、堿解氮107.22 mg/kg、有機質20.15 g/kg、速效磷28.45 mg/kg、速效鉀117.52 mg/kg。供試對象為樹齡8年的金沙柚，株行距為4 m×5 m。

試驗基于當地豐產栽培經驗和前人研究成果［26-27］，設置4個施氮水平，分別為全年每棵柚樹施純氮0、0.5、1.0和1.5 kg（分別記為N0、N1、N2和N3），重復3次，在每個重復中選取4棵長勢健康一致的、相鄰的柚樹為1個小區，共計12個小區、48棵柚樹。氮肥采用尿素和商品有機肥，施用按照基肥∶萌芽肥∶保果肥∶壯果肥=40%∶ 15%∶15%∶30%，另配P2O50.6 kg/棵、K2O 1.0 kg/棵；磷肥采用過磷酸鈣和商品有機肥；鉀肥采用硫酸鉀和商品有機肥分基肥(70%)和壯果肥(30%)施用。采用條狀溝施的方法，每次施肥將按比例配好的肥料與土壤拌勻回填，前后2次施肥的位置錯開。

1.2 測定項目與方法

1.2.1 金沙柚葉片葉綠素含量測定 分別在金沙柚幼果期（花后59 d）和果實膨大期（花后120 d），每個小區選取1棵長勢健康的柚樹，在采樣柚樹東南西北4個方位的冠層中部選擇外圍春梢，從上向下采集第3和第4片葉，每個方位采集10片，每棵柚樹共采集40片葉作為1個樣品，每個時期共采12個樣品。采用乙醇(95%)浸提法測定金沙柚的LCC［28］。將采樣葉片帶回實驗室洗凈，避開葉片主脈，將其剪成細碎長條狀并混勻，稱取0.2 g，放入容量瓶中，然后加入乙醇(95%)定容至25 mL，將其封口后放于室溫暗處浸泡提取48 h。待浸提葉片完全變白后，用紫外可見分光光度計分別測定并記錄其在665 nm和649 nm處的吸光度值。LCC的計算方法為：

式(1)～式(3)中：Chl a、Chl b、ChlLCC分別為葉片葉綠素a含量、葉片葉綠素b含量、葉片葉綠素總含量；A665、A649分別為分光光度計在665、649 nm處的吸光度值(A)；V為提取液的體積(mL)；W為樣品鮮重(g)。

1.2.2 ASD FH2冠層植被指數測定 利用ASD FH2（手持式，被動光源，波長范圍325～1075 nm)，于金沙柚幼果期和果實膨大期選擇晴朗、微風的天氣，每小區選取采樣柚樹1棵，對其進行冠層光譜反射率進行測定，測量時間為10:00～14:00。測定前先使用標準白板進行校正，測量時探頭垂直向下，距離冠層1 m，每棵柚樹東南西北4個方位各測3個點，每個點測5次，取平均值作為此樹冠層植被指數的測量值，每個時期共測12棵柚樹的冠層植被指數。提取紅光(R，670 nm)、紅邊(RE，730 nm)、近紅外(NIR，780 nm)3個波段的光譜反射率值，計算NDVI和NDRE，計算公式為：

式(4)、式(5)中：NDVIASD和NDREASD分別為ASD FH2測量計算得的NDVI和NDRE；R、RE和NIR分別為670、730和780 nm波段光譜反射率。

1.2.3 RapidSCAN冠層植被指數測定 與ASD FH2冠層植被指數測定同步，利用Rapid（手持式，主動光源，具有紅光670 nm、紅邊730 nm、近紅外780 nm 3個波段測定此3個波段的光譜反射率值，計算歸一化植被指數和歸一化紅邊指數，分別記為NDVIRapid和NDRERapid。冠層植被指數測定方法與ASD FH2的相同。

1.2.4 PPS冠層植被指數測定 與ASD FH2冠層植被指數測定同步，利用PPS（被動光源，波長范圍400～1100 nm)。提取670、730、780 nm這3個波段光譜反射率值，計算NDVIPPS和NDREPPS。冠層植被指數測定方法與ASD FH2的相同。

1.3 數據處理分析及監測模型構建與檢驗

利用SPSS 23軟件進行相關分析和方差分析。監測模型的構建使用吉州區試驗點的數據，模型檢驗使用吉水縣試驗點的數據。將冠層植被指數(NDVI和NDRE)作為自變量，LCC作為因變量，利用Microsoft Excel 2013軟件對冠層植被指數與LCC之間的定量關系進行擬合分析，篩選構建相關性最高的模型。采用均方根誤差(Root mean square error，RMSE)、相對均方根誤差(Relation root mean square error，RRMSE)和相關系數(Correlation coefficient，r)等3個指標來評價模型的可靠性，并繪制觀測值與模擬值的關系圖顯示模型擬合度和預測效果。各個指標的計算公式為：

式（6）～式（8）中：OBSi為觀測值；OBSi為觀測值的平均值；SIMi為模擬值；為模擬值的平均值；n為樣本容量。

2 結果與分析

2.1 金沙柚葉片葉綠素含量的變化特征

由圖1可知，在金沙柚幼果期和果實膨大期葉片葉綠素含量總體上隨施氮量的增加而升高，且在不同施氮水平間差異顯著。在吉州區試驗點的金沙柚幼果期，N0、N1、N2和N3處理的LCC分別為1.48、1.74、2.09和2.26 mg/g；而在金沙柚果實膨大期，N0、N1、N2和N3處理的LCC分別為1.90、2.15、2.65和2.89 mg/g。在同一施氮水平下，果實膨大期的LCC均高于幼果期的，如吉水縣試驗點的幼果期N0處理的LCC為1.45 mg/g，果實膨大期N0處理的LCC為1.90 mg/g。因此，果實膨大期采集的LCC數據建模效果好于幼果期，但后續還需要進一步驗證。

圖1 各試驗點不同施氮水平下金沙柚幼苗期和果實膨大期的LCC變化特征

2.2 3種光譜儀采集的金沙柚冠層植被指數間的相關關系

由表1可知，PPS、ASD FH2和RapidSCAN這3種光譜儀測定的金沙柚幼果期、果實膨大期和生長中期（即綜合幼果期和果實膨大期的數據）冠層植被指數NDVI、NDRE間差異不顯著。在金沙柚不同生育期，經PPS測定的冠層植被指數NDVIPPS、NDREPSS與經ASD FH2測定的冠層植被指數NDVIASD、NDREASD間均呈極顯著相關關系，金沙柚不同生育期NDVI和NDRE的相關系數分別介于0.9062～0.9460和0.9159～0.9676。在金沙柚不同生育期，經PPS測定的冠層植被指數NDVIPPS、NDREPSS與經RapidSCAN測定的冠層植被指數NDVIRapid、NDRERapid間均呈極顯著相關關系，金沙柚不同生育期NDVI和NDRE的相關系數分別介于0.9867～0.9941和0.9324～0.9673。由此可見，經PPS采集的金沙柚冠層植被指數與經ASD FH2、RapidSCAN采集的具有高度一致性，其能夠代替國外進口的ASD FH2、RapidSCAN這2種光譜儀來獲取金沙柚不同生育期的冠層植被指數。

表1 經PPS、ASD FH2和RapidSCAN光譜儀采集的不同生育期金沙柚冠層植被指數間的相關關系

2.3 金沙柚葉片葉綠素含量監測模型的構建

由表2可知，將PPS采集的金沙柚幼果期和果實膨大期的NDVIPPS和NDREPPS分別與LCC進行擬合分析，發現NDVIPPS、NDREPPS與LCC的相關模型均為多項式回歸模型，其中NDVIPPS與LCC的決定系數在金沙柚幼果期和果實膨大期分別為0.9878、0.9888，NDREPPS與LCC則分別為0.8580、0.9470。將NDVIPPS和NDREPPS兩者的決定系數相比，發現NDVIPPS與LCC之間的相關性更高；基于NDVIPPS構建的金沙柚果實膨大期LCC監測模型精度最高，建模決定系數為0.9888。從生長中期數據來看，生長中期植被指數與LCC的相關性相對較差，建模決定系數均低于0.8。

表2 基于PPS的金沙柚葉片葉綠素含量監測模型

2.4 金沙柚葉片葉綠素含量監測模型的檢驗

為了進一步驗證金沙柚LCC監測模型的準確性，利用吉水縣試驗數據對建立的金沙柚LCC監測模型進行檢驗和評價。采用RMSE、RRMSE和r來比較分析金沙柚LCC的觀測值和模擬值之間的一致性，進而評價監測模型的準確性。由圖2可知，基于NDVIPPS的多項式模型對金沙柚LCC預測效果較好，在幼果期，基于NDVIPPS建立的金沙柚LCC監測模型的RMSE、RRMSE和r分別為0.09%、4.6%和0.9889（圖2a）；在果實膨大期，基于NDVIPPS建立的金沙柚LCC監測模型的RMSE、RRMSE和r分別為0.07%、2.8%和0.9912（圖2b）；在生長中期，基于NDVIPPS建立的金沙柚LCC監測模型的RMSE、RRMSE和r分別為0.19%、9.0%和0.8725（圖2c）。

圖2 吉水縣基于PPS的金沙柚LCC監測模型檢驗

3 討論

我國是世界上柑橘種植面積和產量最大的國家，作為柑橘中重要類別之一的井岡蜜柚，其種植面積和產量在近年來持續增長［29］，成為當地富民強縣的重要產業之一［3，30］。葉片葉綠素含量是評價果樹營養狀況和光合能力的重要指標［31］。因此，實時、無損和準確地獲取金沙柚葉片葉綠素含量信息，對于實現金沙柚生長精確監測診斷及豐產高效栽培具有重要意義。

本研究于金沙柚關鍵生育期，利用PPS、ASD FH2和RapidSCAN光譜儀采集不同處理的冠層植被指數(NDVI和NDRE)，同步取樣測定LCC數據。結果表明，金沙柚的LCC隨著氮肥施用量的增加而增大，果實膨大期的金沙柚LCC高于幼果期的，這與前人［32-33］的研究結論相似，說明不同施氮量對金沙柚LCC具有調控作用，從而影響葉片對光能的吸收與利用，最終影響金沙柚的產量和品質。

近年來，光譜監測技術因其便捷、準確、無損等優點在果樹LCC監測上廣泛應用［9,25］。對于株高較高的果樹，使用目前所使較多的手持式光譜儀，則易造成獲取數據成本較高。本研究將課題組研發的具有縱向高度和橫向距離便攜式蜜柚光譜儀（PPS）與美國進口ASD FH2高光譜儀、RapidSCA光譜儀所采集的金沙柚冠層植被指數進行相關性分析，結果顯示，3種光譜儀采集的NDVI和NDRE間差異不顯著，基于PPS和ASD FH2光譜儀的NDVI和NDRE之間的相關系數分別為0.9062～0.9460和0.9159～0.9676；基于PPS和RapidSCAN的NDVI和NDRE之間的相關系數分別為0.9867～0.9941和0.9324～0.9673，這表明這3種光譜儀采集的冠層植被指數具有高度一致性，且PPS測量精度較高，在實際生產操作中可替代國外進口且價格昂貴的ASD FH2和RapidSCAN光譜儀用于采集金沙柚冠層NDVI和NDRE數據。

本研究利用PPS采集金沙柚不同施氮水平的試驗數據，構建了基于NDVIPPS和NDREPPS這2個冠層植被指數的金沙柚LCC監測模型，并使用吉水縣試驗數據對監測模型的擬合水平進行了檢驗。結果顯示，在金沙柚的幼果期、果實膨大期及生長中期，基于PPS的NDVI和NDRE這2個冠層植被指數相比，NDVIPPS與LCC的相關性更高，且其相關模型為多項式回歸模型；基于NDVIPPS的LCC監測模型的R2為0.7936～0.9888，模型檢驗的RMSE、RRMSE和r分別介于0.07%～0.19%、2.8%～9.0%和0.8725～0.9912，比前人構建的琯溪蜜柚LCC監測模型的預測結果更準確可靠［25］。由此可見，基于PPS建立的模型精度較高，且與RapidSCAN、ASD FH2光譜儀相比，具有成本較低廉，對果樹冠層光譜采集操作更方便等優點，與傳統LCC測定方法相比，本研究所構建的LCC監測模型不僅具有快捷、無損和準確等優點，而且可以克服傳統測量法費時耗力、破壞性取樣等弊端。

當然，本研究只利用了吉水縣試驗數據對所建LCC監測模型進行檢驗，今后還需要獲取吉安市不同試驗點和生育期的試驗數據對LCC模型進行檢驗，以提高模型的準確性。

4 結論

LCC隨施氮量增加而增大；3種光譜儀采集的冠層植被指數之間具有較高的相關性和一致性，便攜式蜜柚光譜儀(PPS)采集的NDVIPPS與LCC相關性更高，基于NDVIPPS的多項式模型可較準確地監測LCC；與傳統測量LCC法相比，采用PPS能實時準確地獲取LCC，在金沙柚生產中具有應用價值。