基于葉片高光譜指數(shù)的水稻氮素及色素含量監(jiān)測研究.pdf

1、作物生長光譜監(jiān)測的主要任務是要確立能夠反映作物生長狀態(tài)的敏感波段和特征指數(shù)，并建立光譜指數(shù)與農(nóng)學參數(shù)之間的定量關系。高光譜遙感波譜具有連續(xù)、精細的特點，可顯著增強對植株生物理化參數(shù)的探測手段和能力，為定量估測植株單一生化組分狀況提供了有效途徑。本研究以水稻為對象，以系列田間試驗為依托，綜合運用高光譜信息分析、生理生化測試及數(shù)理統(tǒng)計建模等技術手段，分析不同氮素水平和品種條件下水稻葉片高光譜反射特征與葉片和群體氮素及色素之間的定量關系，進而

2、確立基于葉片高光譜監(jiān)測水稻單葉和群體氮素及色素之間的適宜光譜指數(shù)及相應監(jiān)測模型，從而為水稻氮素營養(yǎng)的無損監(jiān)測和精確診斷提供理論基礎和關鍵技術。
　　 首先分析了不同施氮量和不同氮含量水平下水稻葉片光譜反射特征的變化模式。結果表明，隨著土壤施氮量和葉片氮含量水平的提高，葉片反射光譜在可見光區(qū)的反射率下降，負相關顯著；而近紅外波段反射率則小幅上升，但相關性不高。葉片氮含量與一階導數(shù)的相關關系表明在可見光至紅邊區(qū)眾多波段均達到極顯著相

3、關水平，相關系數(shù)呈明顯的峰谷特征?？梢?，不同試驗條件下水稻葉片的氮素狀況和反射光譜特征呈現(xiàn)了明顯的動態(tài)變化模式，為進一步定量解析葉片反射光譜與氮素營養(yǎng)狀況的關系提供了豐富的信息基礎.
　　 基于葉片高光譜特征，系統(tǒng)分析了水稻葉片氮素組分與葉片反射光譜、一階導數(shù)光譜、兩波段組合的比值(SR)、歸一化(ND)及差值(SD)等光譜指數(shù)的相關關系。葉片全氮和蛋白氮含量的敏感波段主要位于可見光綠光區(qū)520-590 nm及紅邊區(qū)域695-7

4、15 nm，其中紅邊區(qū)域表現(xiàn)最為顯著。通過比較不同波段組合的不同形式光譜參數(shù)發(fā)現(xiàn)，以700-702 nm附近波段與近紅外短波段的比值組合估算水稻上部葉片的全氮和蛋白氮含量的效果最好，其次為黃光區(qū)583-587 nm左右波段與近紅外短波段的比值組合.其中，窄波段比值指數(shù)SR(R780,R702)和SR(R770，R700)分別為估算水稻葉片全氮和蛋白氮含量的最佳光譜變量，而基于有效組合區(qū)域內(nèi)光譜指數(shù)敏感性的寬波段比值指數(shù)SR[AR(763

5、-860),AR(697-707)]和SR[AR(746-815)，AR(697-705)]分別用于全氮和蛋白氮含量估算，表現(xiàn)出與窄波段組合相似的敏感性和預測力，表明在此敏感組合區(qū)域內(nèi)帶寬選擇對反演結果的準確度影響不大。最佳差值和歸一化差值指數(shù)僅出現(xiàn)在740-755 nm小范圍內(nèi)，組合波段鄰近，且與最佳一階導數(shù)波段相近，但總體表現(xiàn)均不及比值組合優(yōu)秀。
　　 系統(tǒng)分析了已有葉綠素敏感光譜指數(shù)及新型兩波段組合的比值和歸一化光譜指數(shù)與

6、葉片葉綠素含量的關系，提出了水稻葉片不同組分葉綠素含量的敏感光譜指數(shù)及預測方程。發(fā)現(xiàn)紅邊波段構成的比值或歸一化光譜指數(shù)均可較好地指示水稻上部4葉的葉綠素含量。估算葉綠素a（Chla）和葉綠素總量（Chla+b）的敏感區(qū)域一致，最佳比值指數(shù)均為SR(R730,R710)，最佳歸一化指數(shù)分別為ND(R780,R710)和ND(R780，R712);估算葉綠素b(Chlb)的最佳比值和歸一化光譜指數(shù)分別為SR(R780，R725)和ND(R8

7、0,R725)。此外，引入445nm波段反射率對上述光譜指數(shù)進行修正，可以降低模型的預測誤差，提高模型的穩(wěn)定性。當寬波段比值指數(shù)SR[AR(720-740)，AR(705-715)]用于葉片Chla和Chla+b含量估算，SR[AR(750-850),AR(715-735)]用于葉片Chlb含量估算，以及寬波段歸一化指數(shù)ND[AR(750-850)，AR(705-715)]、ND[AR(750-850），AR(706-718)]和ND[

8、AR(750-850),AR(715-735)]分別用于Chla、Chla+b和Chlb含量的估算時，均表現(xiàn)出敏感度和穩(wěn)定性的統(tǒng)一，且波段選擇較靈活，從而有助于指導便攜式葉綠素監(jiān)測儀的研制開發(fā)。
　　 進一步分析了不同葉位葉片光譜或單葉光譜組合與水稻群體葉片氮素組分的關系，明確了基于葉片尺度光譜監(jiān)測群體葉片全氮和蛋白氮含量的適宜取樣葉位、敏感波段及光譜指數(shù)，并建立了相應的監(jiān)測模型?；谌~片光譜監(jiān)測群體葉片全氮含量和蛋白氮含量時，

9、頂2葉和頂3葉為適宜取樣葉位，而頂2葉和頂3葉的光譜平均值（L23）為最理想的葉片光譜形式；敏感波段主要位于可見光綠光及紅邊區(qū)；可見光580nm附近波段及紅邊702 nm附近波段與近紅外短波段的比值組合和群體葉片全氮及蛋白氮含量關系最為密切。估算全氮含量以綠光窄波段指數(shù)SR（R780，R580)和寬波段指數(shù)SR[AR(750-850),AR(568-588)]表現(xiàn)最好；而估算蛋白氮含量則以紅邊窄波段指數(shù)SR(R780,R701)和寬波段

10、指數(shù)SR[AR(750-850),AR(697-706)]表現(xiàn)最好。利用葉片特征光譜指數(shù)可以對群體葉片全氮和蛋白氮含量進行準確可靠的監(jiān)測。
　　 基于不同生態(tài)點、年份、品種和施氮水平下4個大田試驗資料，通過比較不同葉位（組合）葉片光譜指數(shù)與群體葉片Chla和Chla+b含量的關系，確立了適宜于監(jiān)測群體葉片Chla和Chla+b含量的關鍵葉位、敏感光譜指數(shù)及監(jiān)測方程。不同葉位葉片光譜對群體葉片葉綠素含量的估算效果存在明顯差異，基于

11、頂2葉和頂3葉平均光譜構建的敏感光譜指數(shù)和監(jiān)測方程表現(xiàn)較好.比值和歸一化指數(shù)均可較好的估算群體葉片葉綠素含量，但最佳組合的中心波段有所差別，歸一化組合以560±10 nm vs.NIR和71Q±6 nm vs.NIR表現(xiàn)較好，比值組合以554±10 nm vs.NIR和718±6 nm vs.NiR表現(xiàn)較好。由此，提出綠光歸一化指數(shù)ND(R776，R560)和ND[R(750-850),R(550-570)]、綠光比值指數(shù)SR(R554

12、，R776)和SR[R(544-564),R(750-850)]、紅邊歸一化指數(shù)ND(R780，R10)和ND[R(750-850),R（704-716）]、以及紅邊比值指數(shù)SR(R718,R780)和SR[R（712-724)，R(750-850)]可用于水稻群體葉片Chla和Chla+b含量的估算，模型校正及檢驗結果均顯示了各參數(shù)的可靠性和適用性，尤以紅邊組合指數(shù)的敏感性表現(xiàn)最好。
　　 通過分析水稻單葉類胡蘿卜素（Car）

13、含量和類胡蘿卜素/葉綠素比值（Car/Chl）與不同波段組合的多種類型光譜指數(shù)的相關性，構建了適于水稻單葉Car含量和Car/Chl比值監(jiān)測的敏感光譜指數(shù)及監(jiān)測方程。結果顯示，723 nm附近波段與近紅外波段的比值組合及713 nm附近波段與近紅外波段的歸一化組合可以較好地監(jiān)測水稻單葉Car含量，基于窄波段組合SR(R723，R770)和ND(R770，R713)及寬波段組合SR[AR(715-729)，AR(750-820)]和ND[

14、AR(740-840)，AR(707-719)]的監(jiān)測方程線性擬合效果較好，獨立資料的檢驗亦表明各方程穩(wěn)定性高，可以對不同條件下水稻單葉Car含量進行可靠的監(jiān)測。由于水稻葉片Car/Chl比值的變化與葉片衰老或脅迫程度的關系密切，因而提出SR(R698，R712)、ND(R716，R695)、SR(R615,R713)和ND(R737，R622)用于灌漿中后期衰老葉片Car/Chl比值的監(jiān)測，線性擬合關系良好。進一步分析水稻不同葉位葉片