基于冠层高光谱的水稻长势估测的研究

摘要：为了定量分析不同生育期冠层反射光谱参数与水稻长势的相互关系，确定能够准确预测高温胁迫下水稻长势的敏感光谱参数，通过大田小区试验，测定了抽穗期4 种温度胁迫处理后的两个水稻品种不同生育期冠层高光谱反射率、叶绿素指数和叶面积指数。光谱参数R808和SD755同时与淮稻5号抽穗期和灌浆期的SPAD相关性最好，R808、SD764和SD484与镇稻9424的两个时期的SPAD相关性最好。淮稻5号两个时期的LAI与其光谱相关性以R808、SD988和SD875为最好，镇稻9424的两个时期的LAI与其光谱相关性以R808、SD934和SD860为最好。

关键词：水稻；高温胁迫；冠层高光谱反射；长势预测；光谱参数

Abstract: In order to relationship between quantitative analysis in different growth periods and the growth of rice canopy spectral reflectance parameters, determined to be able to accurately predict sensitive spectral parameters under high temperature stress, the growth of rice, the field experiment, the heading stage was determined in different growth period of 4 kinds of two rice varieties of temperature stress after the canopy hyperspectral reflectance, chlorophyll index and leaf area index. The best correlation between SPAD 5, heading stage and milking stage spectral parameters of R808 and SD755 at the same time and Huaidao, best SPAD correlation between the two periods of R808, SD764 and SD484 and Zhendao 9424. LAI and its spectral correlation Huaidao No. 5 two period with R808, SD988 and SD875 was the best, LAI and spectral correlation between two periods of Zhendao 9424 with the R808, SD934 and SD860 for the best.

Key words: rice; high temperature stress; canopy hyperspectral reflectance; growth prediction; spectral parameters

中图分类号：S161

引言：水稻是世界三大粮食作物之一，中国是世界水稻最重要的生产国也是消费国。我国近60%的人口以稻米为主食，而长江中下游地区，包括湖南、湖北、江西、江苏、安徽、浙江六个省份是水稻盛产区。近年来伴随全球工业化进程的加速，温室效应加剧，长江中下游地区夏季极端高温和持续高温频繁出现，导致该地区水稻热害日益严重，水稻安全问题已引起中国政府与研究人员的高度重视。许多研究表明，在逆境条件下（干旱、盐胁迫或氮胁迫等），作物光谱特征将有所变化。如2003年冯伟等[1]通过不同小麦品种和不同施氮水平的试验研究，分析小麦产量和冠层高光谱参数的相互关系，建立小麦氮胁迫下的产量估测模型。2009年李晓利等[2]通过5个供氮水平处理下两个品种水稻的研究，确定了基于冠层高光谱的水稻长势模型。但关于高温胁迫下其叶片或冠层反射光谱特征的研究较少。

1 材料与方法

1.1 试验设计

试验于2011年5月-11月在南京信息工程大学农业生态园进行，供试水稻品种为淮稻5号和镇稻9424，生育期为150d左右，2个品种在5月20日左右育秧，在6月25日左右移栽在塑料桶（规格为：30cm*18cm），每桶3穴，每穴2株，均在8月25日左右抽穗，于9月14日灌浆。采用浙江余姚生产的远红外加热灯管（长1.5 m，额定功率1 000 W）安置在自行设计的高1.7m 的柱型钢管支架上，另外配合自动控温系统使加热区（离地面0.8-1.2 m高的空间）的温度变幅控制在±0.2℃。在2个水稻品种处于抽穗期和灌浆期时，随机采取2桶进行高温处理，另外2盆为常温对照（CK）。加热设施提前30min通电预热，以确保09:00-14:00时段内穗层温度为35℃、38℃与41℃，每天高温处理5h，处理时间为3d和6d，然后移到自然条件下生长。

1.2 数据获取

1.2.1 光谱数据的获取

在水稻抽穗期和灌浆期采用背挂式野外高光谱辐射仪（FieldSpec Pro FR2500型，美国Analytical Spectral Device公司）测定冠层光谱反射率。光谱仪的波段范围为350-2 500 nm ，其中，350-1 000 nm 光谱采样间隔为1. 4 nm，光谱分辨率为3 nm；1 000-2 500 nm 光谱采样间隔为2 nm ，光谱分辨率为10 nm。冠层光谱测定选择在天气晴朗、无风或风速很小时进行，时间范围为10 : 00-14 :00(太阳高度角大于45°) 。传感器探头垂直向下，距冠层顶垂直高度约110 m ，光谱仪视场角为25°，地面视场范围直径为0.44 m。每个小区记录10 个采样光谱，取平均值作为该处理的高光谱反射值。测量过程中及时进行标准白板校正。用ASD ViewSpec Programs 软件读取反射光谱原始数据。

1.2.2 长势相关数据的获取

与高光谱测定同时进行，采用日本生产SPAD502叶绿素仪对不同胁迫处理的水稻剑叶进行测定，每个处理随机测定10组数据，取平均值作为该处理的SPAD值。

与高光谱测定同时进行，采用美国产LI-3000叶面积仪测得单穴叶面积，依据种植密度计算LAI。

1.3数据分析

本研究综合了已有的高光谱参数的算法，在MATLAB 语言环境下编程实现。其中，主要高光谱参数的计算方法及出处列于表1 。

表1 光谱参数计算方法及出处

Table 1 Algorithm and references of spectral indices

2 结果分析

2.1 高温胁迫下不同生育期水稻冠层高光谱反射的变化

冠层高光谱反射率测定主要挑选抽穗期和灌浆期2个特殊时期。从图1可以看出，各温度胁迫下2个生育期水稻冠层反射光谱曲线形状相似，都具有一般绿色植物高光谱反射特征。在400-700 nm 可见光范围内，有明显的550 nm处绿峰、680 nm处红光低谷和780-1 100 nm近红外区的高原区。可见光范围内的峰和谷是由于叶绿素为主的色素强烈吸收红光而相对反射绿光造成的。在680-760 nm 范围内，光谱反射率随波长增加快速增加；在760-924 nm范围内，光谱反射率缓慢增加，形成一个相对高的反射平台；在960-980 nm处出现光谱反射率低谷，反射率在0.30-0.60。1 300-2 500 nm的反射率主要是水分吸收区域，其中1 450 nm和1 930 nm是强吸收区[8]。在不同区域不同高温胁迫下光谱反射率稍有差异，主要表现为可见光区的反射率随温度的升高而上升。这可能是高温胁迫导致叶面积和叶绿素含量减少所引起的。近红外光区反射率刚好相反，随温度增高而下降。

图1 不同温度胁迫下不同生育期水稻冠层高光谱反射率的变化

Fig 1 Changes of Hyper-spectral reflectance for rice at different growth stages under different temperatures

2.2 高温胁迫下水稻一阶导数光谱与红边特征的变化

由图2可以看出，水稻冠层一阶导数光谱在680-760nm范围内具有明显的“双峰”现象，其中主峰集中于725nm左右，次锋集中于715nm左右。抽穗期作物生长较快，双峰比较明显，到灌浆期由于作物叶片开始变黄、脱落，“双峰”逐渐减弱。

图2 不同胁迫温度下不同生育期水稻冠层一阶导数光谱的变化

Fig 2 Changes of first derivation for rice at different growth stages under different temperature

表2为淮稻5号和镇稻9424不同生育期不同温度胁迫下的红边参数的变化表，从中可以看出，淮稻5号红边位置(Red edge position，REP)为718-742nm，红边幅值(Red edge amplitude，REA)为0.004-0.012，红边面积(Red edge region area，RERA)为0.14-0.53，镇稻9424红边位置为718-731nm，红边幅值为0.46-0.84，红边面积为0.20-0.40。同一观测时期，两个水稻品种的红边位置随着胁迫温度的增加而向短波方向移动，而在同一温度处理下随着生育期推进，红边位置和红边面积都出现了“红移”现象，红边幅值表现为逐渐减小。同一温度胁迫下淮稻5号在同一观测时期的红边参数总体上比镇稻9424大。

表2 不同温度处理胁迫下水稻冠层光谱红边参数的变化

Table2 Changes of parameters of red edge of canopy spectral for under different temperatures

注：1 抽穗期Heading，2灌浆期Filling.

2.3 SPAD与高光谱参数的相关性

为了分析叶片的SPAD值与高光谱数据的关系，根据水稻的光谱曲线特征，本文主要采用了以下常用的波长反射率之比及红边参数来构建光谱变量。其中淮稻5号主要相关性光谱变量有R808、SD754、SD755、FD756、FD785等（FD为一阶导数光谱，SD为二阶导数光谱）；镇稻9424主要相关性光谱变量有R808、SD755、SD764、SD484、SD712等。

从表3可以看出淮稻5号SPAD值与光谱相关性以R808、SD755最好，相关系数都在0.32以上，都达到极显著水平；而SD754和FD756在抽穗期达到显著水平，在灌浆期达到极显著水平。镇稻9424的SPAD值与光谱相关性达到极显著水平的有R808、SD764和SD484；SD755和SD712在抽穗期达到极显著水平，而在灌浆期则达到显著水平。这说明可以用光谱变量R808、SD755、SD754和FD756来很好的估算不同生育期水稻剑叶SPAD值，其中以R808、FD756、SD754、SD755等光谱变量为例，其回归估算方程如表4。

表3 不同生育期水稻SPAD值与光谱变量的相关系数(n=60)

Table 3 Correlation coefficients between the SPAD value of rice and their spectra variables at different growth stages (n=60)

R(0.05,60)=0.25;R(0.01,60)=0.32.

表4 不同生育期水稻SPAD值对红边参数的回归方程(n=60)

Table 4 Regression equations relating spectral variables to SPAD value of rice at different growth stages (n=60)

注：1 抽穗期Heading，2灌浆期Filling

2.4 LAI与高光谱参数的相关性

表5为LAI与光谱变量的相关性系数，从表中可以看出淮稻5号LAI与其光谱相关性以R808、SD988、SD875、FD757和FD1296为最好，两个时期都相关性系数都在0.68以上，达到了极显著水平；而SD1588、FD756、FD1295和FD1297在抽穗期相关性系数介于0.55和0.68之间，均达到显著水平，但在灌浆期相关性系数大于0.68，达到了极显著水平。镇稻9424的LAI与其光谱相关性以R808、SD934、SD1747、FD1681和SD860为最好，两个时期均达到极显著水平；而SD663、SD516、ND980和SD886在抽穗期达到了极显著水平，在灌浆期达到显著水平。这说明可以用光谱变量R808、SD988、SD875、SD934和SD1747等来估算不同时期水稻剑叶的LAI值。以R808、SD988、SD875等为例，其回归估算方程如表6。

表5 不同生育期水稻LAI与光谱变量的相关系数(n=12)

Table 5Correlation coefficients between the LAI of rice and their spectra variables at different

R(0.05,12)=0.55，R(0.01,12)=0.68.

表6 不同生育期水稻LAI值对红边参数的回归方程(n=12)

Table 6 Regression equations relating spectral variables to LAI(leaf area index) value of rice at different growth stages(n=12)

注：1 抽穗期Heading，2灌浆期Filling

3 结论

叶绿素含量和叶面积指数是反应作物长势的2个重要生物学参数，它与植物的蒸腾作用、太阳光的截取、光合作用以及净初级生产力等密切相关，常被用来作为植被状况的指示器[10]。郑有飞[11]等研究表明用光谱参数对SPAD和LAI进行预测，效果较好。此外，水稻冠层反射光谱的绿峰和红边特征在不同胁迫条件下有所变化，出现“红移”与“蓝移”，并且在许多研究中都得到证实[12]。各类胁迫环境（如氮素胁迫、干旱胁迫以及水分胁迫等）会破坏植物叶片保护膜的结构和功能，影响叶片的生理生化机能，加速叶片的衰老，叶片叶绿素含量与叶面积指数也相应的减少，这与本研究的结果一致，随着胁迫温度的增加，相同生育期的水稻剑叶SPAD值与LAI值呈下降趋势，不同温度处理之间差异均达到显著水平(p

此外，本研究结果在盆栽试验获取，影响因子比较单一，并为预试验，仅只有一年的试验数据，而实际大田生产中，各地的肥力条件、熟制及管理条件等不尽相同，可能会影响水稻的光谱特性。今后需要通过不同的生态点、生产力水平和栽培条件的广泛检验和完善，实现模型估测的精确性和普适性的有效统一，从而促进模型估测在水稻产量预报中的直接应用，为水稻高温热害监测提供理论基础和技术参考。

参考文献:

冯伟,姚霞,田永超,等.小麦籽粒产量蛋白质含量高光谱预测模型研究[J]. 麦类作物学报, 2007, 33(12):1935-1940.

李晓利,唐延林,楼佳.杂交水稻叶片叶绿素含量与光谱吸收率的关系[J]. 山地农业生物学报, 2011, 30(1): 1-5.

Jordan C F. Derivation of leaf area index from quality of light on the forest floor[J]. Ecology, 1969, 50: 663-666.

Richardson A J, Wiegand C L. Distinguishing vegetation from soil background information[J]. Photogram Engi & Remote Sensing, 1977, 43 (12) : 1541-1552.

郑有飞,Guo X，Olfert O,等. 高光谱遥感在农作物长势监测中的应用[J]. 气象与环境科学, 2007, 30(1): 1-7.

唐延林,王纪华,黄敬峰等. 利用水稻成熟期冠层高光谱数据进行估产研究[J]. 作物学报, 2004, 30(8): 739-744.

谷艳芳,丁圣彦,陈海生,等. 干旱胁迫下冬小麦(Triticum aestivum)高光谱特征和生理生态响应[J]. 生态学报, 2008, 28(6): 1961-1962.

王秀珍,王人潮,李云梅等. 不同氮素营养水平的水稻冠层光谱红边参数及其应用研究[J]. 浙江大学学报:农业与生命科学版, 2001(3): 301-306.