鹽脅迫下匍匐翦股穎高光譜分析與電解質(zhì)滲透率反演

肖國增，吳雪蓮，滕 珂，晁躍輝，李偉濤，韓烈保*

1. 北京林業(yè)大學草坪研究所，北京 100083 2. 長江大學園藝園林學院，湖北 荊州 434025 3. 華中農(nóng)業(yè)大學經(jīng)濟管理學院，湖北 武漢 430070 4. 滁州學院地理信息與旅游學院，安徽 滁州 239000

鹽脅迫下匍匐翦股穎高光譜分析與電解質(zhì)滲透率反演

肖國增1, 2，吳雪蓮3，滕 珂1，晁躍輝1，李偉濤4，韓烈保1, 2*

1. 北京林業(yè)大學草坪研究所，北京 100083 2. 長江大學園藝園林學院，湖北 荊州 434025 3. 華中農(nóng)業(yè)大學經(jīng)濟管理學院，湖北 武漢 430070 4. 滁州學院地理信息與旅游學院，安徽 滁州 239000

葉片電解質(zhì)滲透率是反映植物細胞滲透性的一個重要指標，對草坪草遭受鹽脅迫的研究有重要意義。針對葉片電解質(zhì)滲透率傳統(tǒng)檢測方法，耗時長，損傷葉片，無法大面積監(jiān)測等弊端，探討了用高光譜快速無損檢測葉片電解質(zhì)滲透率的方法。以匍匐翦股穎(Agrostisstolonifera)為對象，在溫室中水培兩周后進行濃度分別為0(對照)，100和200 mmol·L-1的鹽處理，7 d后按間隔7 d取樣3次，共72個樣。每次取樣時先測量樣品的光譜值，然后采用電導(dǎo)率法測定葉片電解質(zhì)滲透率。分析匍匐翦股穎三種鹽處理與光譜反射率之間的關(guān)系和差異，對三種鹽處理的光譜反射率計算歸一化植被指數(shù)和差值植被指數(shù)，采用差分法計算光譜反射率的一階微分，同時計算出藍、綠和紅光的三邊參數(shù)，分析葉片電解質(zhì)滲透率與光譜反射率、歸一化植被指數(shù)、差值植被指數(shù)和三邊參數(shù)的相關(guān)性。利用葉片電解質(zhì)滲透率和各光譜數(shù)據(jù)相關(guān)程度高的數(shù)據(jù)，對校正集采用一元線性回歸、多元線性回歸和偏最小二乘回歸法構(gòu)建葉片電解質(zhì)滲透率反演模型，用預(yù)測集檢驗反演模型。結(jié)果表明： 鹽脅迫與葉片高光譜在450～700 nm波段呈正相關(guān)；葉片電解質(zhì)滲透率與450～732 nm波段反射率在0.01水平上顯著相關(guān)；三邊參數(shù)中綠邊幅值和綠邊面積與葉片電解質(zhì)滲透率顯著相關(guān)；采用偏最小二乘回歸法建立的反演模型精度最好，建模和反演預(yù)測的決定系數(shù)分別達到了0.681和0.758，均方根誤差分別為7.124和7.079。偏最小二乘法構(gòu)建的反演模型實現(xiàn)了鹽脅迫下匍匐翦股穎葉片電解質(zhì)滲透率的快速無損檢測，也為采用高光譜實時監(jiān)測鹽脅迫對匍匐翦股穎及其同類植物的傷害提供了依據(jù)和理論參考。

高光譜；鹽脅迫；草坪草；匍匐翦股穎；電解質(zhì)滲透率；反演模型

引 言

匍匐翦股穎(Agrostisstolonifera)是重要的冷季型牧草和草坪草，具有坪觀質(zhì)量好、生長迅速、成坪快、耐低修剪等優(yōu)良特性，在城市綠化和高爾夫球場草坪中得到廣泛應(yīng)用，但是，需要頻繁的澆水才能保證它的功能和良好特性。如今，淡水資源匱乏，大多數(shù)城市采用再生水來替代飲用水對城市綠地和高爾夫球場草坪進行澆灌，然而，再生水相對飲用水較高的含鹽量易造成對草坪的鹽脅迫，影響草坪的坪觀質(zhì)量和正常生長[1]。目前，評價草坪草鹽脅迫有葉綠素含量、葉片相對含水量、丙二醛含量、抗氧化酶含量、電解質(zhì)滲透率等指標，其中電解質(zhì)滲透率是評價植物鹽脅迫的關(guān)鍵指標[2]。它的電導(dǎo)率測試方法雖然技術(shù)成熟、測定準確，但是測定耗時長、測定數(shù)量有限，不能實時快速的反映鹽脅迫情況，在區(qū)域大尺度上的鹽脅迫監(jiān)測更受到限制，因此，研究快速而有效的方法對草坪再生水灌溉區(qū)鹽脅迫程度監(jiān)測就顯得尤為重要。

近年來，高光譜儀的應(yīng)用和普及進一步拓展了小區(qū)域的植被脅迫研究[3]。高光譜在快速、廣度和無損監(jiān)測中具有明顯優(yōu)勢，大部分研究都集中于高光譜分析的基礎(chǔ)上結(jié)合常用的統(tǒng)計方法建立反演模型，對相關(guān)指標進行反演預(yù)測。在植物干旱脅迫、凍害、葉綠素含量、氮素含量和水分含量等生理生化參數(shù)的高光譜監(jiān)測和反演模型領(lǐng)域的研究取得了較好的成果[4-7]。然而，對鹽脅迫下匍匐翦股穎等草坪草的高光譜特征，以及用高光譜監(jiān)測和反演鹽脅迫的研究還未見報道。

因此，本研究對不同鹽濃度脅迫下匍匐翦股穎葉片的高光譜數(shù)據(jù)進行分析，結(jié)合測定鹽脅迫下匍匐翦股穎葉片電解質(zhì)滲透率的基礎(chǔ)上，應(yīng)用回歸分析方法構(gòu)建葉片電解質(zhì)滲透率與葉片高光譜的反演模型，對鹽脅迫下葉片電解質(zhì)滲透率進行反演預(yù)測，以期建立鹽脅迫下匍匐翦股穎葉片電解質(zhì)滲透率的高光譜快速無損檢測方法，同時，也為鹽脅迫草坪的高光譜實時監(jiān)測提供依據(jù)和理論參考。

1 實驗部分

1.1 試驗設(shè)計

試驗于2014年6月至10月，在北京林業(yè)大學苗圃溫室和草坪實驗室進行。6月1日選取Penncross和SeasideⅡ兩個匍匐翦股穎草種，按5 g·m-2播種量播入花盆中，花盆口徑15 cm，高28 cm，基質(zhì)為純沙。苗期進行間苗，留下長勢一致和分布均勻的植株，每星期澆一次0.5強度的Hoagland營養(yǎng)液[8]。至9月5日，把草移入水培箱內(nèi)進行水培，用增氧泵通氣到試驗結(jié)束。在此期間，每星期換一次水，換水時加入0.5強度的Hoagland營養(yǎng)液。

水培兩周后即9月19日進行鹽脅迫處理，0(對照)，100和200 mmol·L-1三個NaCl濃度處理、每個鹽濃度重復(fù)4次，兩個草種，共24盆。第一次加鹽時，把相應(yīng)的鹽濃度平均分成四次加入，每天加一次，直至達到相應(yīng)的鹽處理濃度。于2014年9月30日，10月7日，10月14日三個取樣時間點的上午，在溫室中測定葉片光譜反射率，把測試完的樣品裝入自封袋，編號后放入冰盒帶回實驗室，在2 h內(nèi)測定葉片電解質(zhì)滲透率。

1.2 葉片高光譜光譜測定與數(shù)據(jù)處理

光譜測定選用單通道便攜式光譜分析儀(Unispec-SC Spectral Analysis System，PP SYSTEMS，USA)，它在310～1 130 nm間的光譜采樣間隔為3.3 nm，重采樣間隔1 nm，輸出波段數(shù)為821。利用光譜儀的內(nèi)置鹵素光源在暗室中進行光譜測量，從每盆取樣植株頂部向下的第3片葉除塵后測試，共測試了花盆不同位置的5片葉，計算平均值作為該處理的葉片光譜反射率。測試中及時進行白板校正。采用差分法計算光譜反射率的一階微分，在一階微分的基礎(chǔ)上計算邊位置、邊幅值和邊面積的三邊參數(shù)，并進行統(tǒng)計分析[9]。

1.3 葉片電解質(zhì)滲透率測定

在所有葉片光譜數(shù)據(jù)采集完成后，將葉片帶回實驗室，采用電導(dǎo)率法測定每個樣的電解質(zhì)滲透率(electrolyte leakage，EL)[2]，重復(fù)一次。

1.4 建模方法與檢驗

通過分析樣本光譜各波段的反射率和一階微分值，定性分析鹽脅迫對葉片光譜反射率和三邊參數(shù)的影響。對葉片EL和光譜單波段反射率進行相關(guān)分析，確定葉片光譜對鹽脅迫響應(yīng)的敏感波段；分析葉片EL與任意兩波段反射率生成的歸一化植被指數(shù)(normalized difference vegetation index，NDVI)和差值植被指數(shù)(difference vegetation index，DVI)的相關(guān)性，為反演模型參數(shù)選擇最佳波段組合；分析葉片EL與三邊參數(shù)的相關(guān)性，將相關(guān)性好的指標作為構(gòu)建模型參量。從9月30日和10月7日兩個取樣點的每個鹽處理梯度所采集的樣品中隨機抽取3個重復(fù)，從10月14日取樣點的每個鹽處理梯度所采集的樣品中隨機抽取2個重復(fù)，共48份樣本數(shù)據(jù)為校正集構(gòu)建模型，其余24份樣本數(shù)據(jù)為預(yù)測集用于模型檢驗。采用一元線性回歸(unary linear regression，ULR)、多元線性回歸(multivariate linear regression，MLR)和偏最小二乘回歸(partial least-squares regression，PLSR)[10]三種方法構(gòu)建葉片電解質(zhì)滲透率與高光譜各參數(shù)間的反演模型，選取決定系數(shù)(R2)、均方根誤差(root-mean-square error，RMSE)兩個指標對模型進行精度檢驗。利用Excel2010，Spss18.0和Matlab R2012A軟件進行數(shù)據(jù)處理分析、制圖和構(gòu)建反演模型。

2 結(jié)果與討論

2.1 鹽脅迫下匍匐翦股穎葉片的高光譜特征分析

2.1.1 鹽脅迫對匍匐翦股穎葉片光譜反射率的影響

匍匐翦股穎受到鹽脅迫后，植株體內(nèi)細胞發(fā)生變化，在可見光與近紅外波段產(chǎn)生影響，因此，在葉片光譜數(shù)據(jù)分析中，主要分析450～850 nm的波段。匍匐翦股穎受到鹽脅迫后會出現(xiàn)葉片失水、葉綠素含量降低，生長遲緩等癥狀[11]。0(對照)，100和200 mmol·L-1NaCl三種不同鹽濃度脅迫下匍匐翦股穎葉片光譜反射率均值變化曲線見圖1(附圖1)，主要區(qū)別在450～700和725～850 nm兩部分波段。450～700 nm的可見光波段反射率差異明顯，隨著鹽濃度的增加反射率逐步升高，200 mmol·L-1鹽脅迫比對照和100 mmol·L-1葉片有更高的反射率；725～850 nm近紅外波段，100和200 mmol·L-1鹽脅迫的反射率值低于對照。葉片光譜對鹽脅迫響應(yīng)特征表明，在可見光波段，由于鹽脅迫的作用使植株的生理功能衰退，導(dǎo)致葉片在該波段對光吸收能力減弱，反射能力增強；在近紅外波段范圍，葉片受到鹽脅迫后失水，細胞結(jié)構(gòu)受到影響，造成該波段的反射率減小，因此受到鹽脅迫的葉片近紅外反射率低于未受脅迫的健康葉片的反射率。由此可見，匍匐翦股穎在鹽脅迫下450～700 nm波段，葉片光譜反射率隨鹽濃度增加而升高，二者呈正相關(guān)。但在725～850 nm波段，兩者相關(guān)性不明顯。

圖1 不同鹽脅迫下葉片光譜的反射率

2.1.2 鹽脅迫對匍匐翦股穎葉片光譜三邊參數(shù)的影響

光譜三邊參數(shù)是反演植被生長狀況的重要依據(jù)[12]。按照一階微分差分法計算不同鹽濃度脅迫下葉片光譜反射率的一階微分見圖2(附圖2，3)，鹽脅迫對葉片的紅邊、綠邊和藍邊位置沒有顯著影響。三邊幅值中藍邊幅值、綠邊幅值隨鹽濃度增加而升高，對兩者有顯著的影響；紅邊幅值在630～675 nm波段處隨鹽濃度增加而降低，在643 nm波段有顯著影響。三邊面積與三邊幅值的變化趨勢一致，藍邊面積和綠邊面積隨鹽濃度增加而升高，紅邊面積隨鹽濃度增加而降低，紅邊面積和綠邊面積的敏感性要高于藍邊面積。

圖2 不同鹽脅迫下葉片光譜的一階微分

2.2 鹽脅迫對匍匐翦股穎葉片EL的影響

對72個匍匐翦股穎葉片樣本采用電導(dǎo)率法測定了EL，將其測定值分成校正集48個樣本和預(yù)測集24個樣本兩組，分別用于模型的建立和模型檢驗見表1。72個樣本總體的EL分布廣泛，最大值為70.73%，最小值為11.66%。校正集和預(yù)測集的偏移幅度都比較理想，能夠作為代表性樣本進行建模和預(yù)測。

表1 不同鹽脅迫下葉片電解質(zhì)滲透率統(tǒng)計分析

Table 1 The statistical analysis of leaves electrolyte leakage (%) under the different salt stress

數(shù)量最大值最小值平均值標準差樣本總體7270.7311.6634.4512.98校正集4870.7314.0232.9712.74預(yù)測集2462.1311.6637.4213.21

2.3 鹽脅迫下匍匐翦股穎葉片EL與光譜數(shù)據(jù)的相關(guān)分析

2.3.1 葉片EL與單波段反射率的相關(guān)分析

計算了72個葉片樣本EL與各波段反射率的相關(guān)度見圖3，在450～732 nm波段的反射率與EL在0.01水平上顯著正相關(guān)，在482～703 nm波段相關(guān)系數(shù)在0.7以上，特別是在622～665 nm波段相關(guān)系數(shù)達到了0.8以上，在651 nm波段相關(guān)系數(shù)達到了最高值0.817。以上結(jié)果表明，鹽脅迫下匍匐翦股穎葉片的光譜在藍、綠、黃和紅光波段與其EL呈顯著正相關(guān)，在紅光622～665 nm波段尤為顯著。

2.3.2 葉片EL與波段間反射率運算指數(shù)的相關(guān)分析

為了研究在鹽脅迫下匍匐翦股穎葉片EL與各波段間反射率運算指數(shù)的相關(guān)分析，引入了NDVI和DVI。NDVI為任意兩波段反射率差與和的比值： (Rm-Rn)/(Rm+Rn)；DVI為任意兩波段反射率的差值：Rm-Rn。圖4所示為應(yīng)用Matlab計算出的葉片EL與NDVI和DVI間的相關(guān)系數(shù)矩陣。圖中紅色為正相關(guān)，藍色為負相關(guān)，黃色和青色相關(guān)度低。由圖4可以看出，在NDVI圖中紅色和藍色面積占總面積的比率大，說明葉片EL與NDVI的相關(guān)度高，相關(guān)系數(shù)最高值在541和617 nm波段為0.831；在DVI圖中紅色和藍色面積占總面積的比率小，出現(xiàn)了大面積的黃色和青色，表明葉片EL與DVI的相關(guān)度較低，相關(guān)系數(shù)最大值在667和668 nm波段為0.724。

圖3 葉片電解質(zhì)滲透率與光譜反射率的相關(guān)分析

圖4 葉片電解質(zhì)滲透率與反射率運算指數(shù)的相關(guān)矩陣

Fig.4 Correlation matrix of relationship between leaves electrolyte leakage and the calculated index of reflectance

2.3.3 葉片EL與光譜三邊參數(shù)相關(guān)分析

根據(jù)光譜反射率一階微分值分別計算藍光、綠光和紅光的三邊參數(shù)，與葉片EL做相關(guān)性分析見表2，綠邊面積相關(guān)系數(shù)最大為0.539，其次為綠邊幅值為0.404均達到了顯著水平，其余參數(shù)相關(guān)度低。匍匐翦股穎受到鹽脅迫后EL隨著鹽濃度增加而升高[13]，表明植株內(nèi)部結(jié)構(gòu)受到破壞滲透物質(zhì)增多，從而使葉綠素合成與代謝受阻，葉綠素含量不斷下降，導(dǎo)致葉綠素在綠波段對光吸收減弱，反射率增強。因此，EL的變化與綠波段反射率變化趨勢一致，相關(guān)程度高。

表2 葉片電解質(zhì)滲透率與三邊參數(shù)的相關(guān)分析

Table 2 Analysis of relationship between leaves electrolyte leakage and the Trilateral parameters

類型紅邊幅值(Dr)綠邊幅值(Dg)藍邊幅值(Db)紅邊面積(SDr)綠邊面積(SDg)藍邊面積(SDb)相關(guān)系數(shù)0.1220.4040.332-0.2800.539-0.083

2.4 匍匐翦股穎葉片EL與高光譜反演模型構(gòu)建

本研究分別采用ULR，MLR和PLSR三種成熟的建模方法，根據(jù)鹽脅迫下匍匐翦股穎葉片EL與高光譜反射率、一階微分、三邊參數(shù)及高光譜反射率運算指數(shù)的相關(guān)性分析結(jié)果，利用48個校正集數(shù)據(jù)構(gòu)建了4個反演模型見表3。將相關(guān)系數(shù)最高的651 nm波段反射率，541和617 nm波段反射率構(gòu)成的NDVI分別進行對數(shù)運算后作為自變量，鹽脅迫下匍匐翦股穎葉片EL作為因變量構(gòu)建ULR的M1和M2模型。依據(jù)葉片EL與高光譜數(shù)據(jù)相關(guān)系數(shù)大小和顯著水平的同時，兼顧各變量因子之間的綜合性和線性關(guān)系，選取了8個自變量以葉片EL為因變量構(gòu)建了MLR和PLSR的M3和M4模型。8個自變量選取如下： 分別在綠光波段、黃光波段、紅光波段選擇相關(guān)系數(shù)高的541，617和651 nm波段的反射率；在三邊參數(shù)中選擇相關(guān)度高的綠邊幅值和綠邊面積；在NDVI和DVI中分別選擇相關(guān)系數(shù)最高的541和617 nm波段的NDVI，以及667和668 nm波段的DVI，考慮到鹽脅迫下匍匐翦股穎葉片EL與紅光波段的NDVI相關(guān)性大，再選擇651和718 nm波段的NDVI以增加反演模型的綜合性。構(gòu)建的各模型擬合精度的R2都在0.6以上，均達到了顯著相關(guān)的水平。在4個構(gòu)建好的模型中，MLR M3和PLSR M4模型的R2分別為0.688和0.681，RMSE分別為7.046和7.124，好于ULR M2模型的R2和RMSE，M1模型的R2和RMSE最低。ULR只涉及到一個自變量，而MLR和PLSR的自變量多，能很好把各種特征波段和光譜參數(shù)與因變量高度擬合。因此，校正集構(gòu)建的4個模型中基于MLR和PLSR構(gòu)建的模型M3和M4能很好的反演鹽脅迫下匍匐翦股穎葉片EL。

表3 葉片電解質(zhì)滲透率與高光譜參數(shù)的反演模型及其精度

Note： ULR: Unary linear regression; MLR: Multivariate linear regression; PLSR: Partial least-squares regression; Dg: Green edge amplitude; SDg: Area of green edge;R2: Coefficient of determination; RMSE: Root-mean-square error

2.5 葉片EL與高光譜反演模型檢驗

用預(yù)測集24個樣本的高光譜數(shù)據(jù)作為自變量分別代入構(gòu)建好的4個模型(見表3)計算出鹽脅迫下匍匐翦股穎葉片EL的預(yù)測值，并將預(yù)測值與實測值擬合見圖5，各模型擬合精度的R2都在0.730以上，均達到了顯著水平?；赑LSR的M4模型預(yù)測值與實測值擬合精度的R2最大為0.758，其次為ULR的M2模型R2，M1和M3的R2最小。M2的RMSE最大為7.404，其次是M1和M3的RMSE，M4的RMSE最小為7.079。

用預(yù)測集檢驗回歸模型準確性的過程中，M2和M3模型的R2和RMSE與構(gòu)建模型時的值不一致，其中M2的R2反而比M3高，可能是由于預(yù)測集的樣本數(shù)比校正集的樣本數(shù)要少造成了這一結(jié)果，說明樣本數(shù)的多少對模型預(yù)測的結(jié)果會有一定的影響，但是，從M2與M3整體比較來看，R2相差不大，而M3比M2有更小的RMSE，因此，從一定程度上說明M3比M2有更好的準確性，自變量個數(shù)多有利于增加模型反演的準確性?？傊瑢τ陬A(yù)測集和校正集而言基于PLSR構(gòu)建的模型M4具有最大的R2和最小的RMSE，說明在鹽脅迫下該模型能很好的反演匍匐翦股穎葉片EL。

圖5 葉片電解質(zhì)滲透率預(yù)測值與實測值的比較

3 結(jié) 論

在研究不同鹽濃度脅迫下匍匐翦股穎葉片高光譜特征，以及測定葉片EL的基礎(chǔ)上，分別采用了ULR，MLR和PLSR三種建模方法，用相關(guān)性分析方法進行降維，選擇與EL相關(guān)系數(shù)高的高光譜反射率、三邊參數(shù)和運算指數(shù)為自變量，EL為因變量構(gòu)建反演模型，并對模型的精度進行了檢驗評價，結(jié)論如下：

(1)不同鹽濃度脅迫與匍匐翦股穎葉片高光譜反射率具有相關(guān)性，在450～700 nm波段為正相關(guān)。鹽脅迫下匍匐翦股穎葉片的光譜在藍、綠、黃和紅光波段與葉片EL呈顯著正相關(guān)，在622～665 nm波段尤為顯著，在651 nm波段相關(guān)系數(shù)達到了最高值0.817。

(2)葉片高光譜三邊參數(shù)中，綠邊幅值和綠邊面積與葉片EL相關(guān)性顯著，相關(guān)系數(shù)分別為0.404和0.539。

(3)葉片EL與任意波段間反射率構(gòu)成的NDVI和DVI也具有相關(guān)性。位于541和617 nm波段處的NDVI與葉片EL相關(guān)度最高為0.831，在667和668 nm波段處的DVI與葉片EL相關(guān)度最高為0.724，但DVI與葉片EL的相關(guān)性不及NDVI與葉片EL的相關(guān)性顯著。

(4)構(gòu)建的4個葉片高光譜反演葉片EL模型中，都具有較好的R2和RMSE。在校正集中基于MLR和PLSR構(gòu)建的反演模型R2和RMSE均好于ULR的反演模型；在預(yù)測集中基于PLSR的反演模型R2好于另三個模型，RMSE好于兩個模型M1和M2，分別達到了0.758和7.079。

綜上所述，在不同鹽濃度脅迫下采用了與匍匐翦股穎葉片EL相關(guān)系數(shù)最高的541，617和651 nm波段反射率值，541和617 nm波段和651和718 nm波段組成的NDVI，667和668 nm波段組成的DVI，以及三邊參數(shù)中綠邊幅值和綠邊面積為自變量構(gòu)建的反演模型要優(yōu)于單一波段和單一運算指數(shù)構(gòu)建的反演模型，特別是基于PLSR構(gòu)建的模型對葉片EL反演效果好。該模型的構(gòu)建能夠?qū)崿F(xiàn)鹽脅迫下匍匐翦股穎葉片電解質(zhì)滲透率的快速無損檢測，也為采用高光譜實時監(jiān)測鹽脅迫對匍匐翦股穎及其同類植物的傷害提供了依據(jù)和理論參考。電解質(zhì)滲透率雖然是評價鹽脅迫的重要指標，但是，在野外由于溫度、水分等原因造成的對植物熱脅迫、干旱脅迫和低溫脅迫也會影響細胞滲透率，從而影響EL評價鹽脅迫程度的準確性。因此，在以后的實驗中應(yīng)當對相關(guān)的脅迫進行研究，排除其干擾，提高高光譜檢測鹽脅迫EL的準確性和增加高光譜檢測鹽脅迫EL的適用范圍。

附圖：

附圖1 不同鹽脅迫下葉片光譜反射率

附圖2 不同鹽脅迫下葉片光譜的一階微分

附圖3 不同鹽脅迫下葉片光譜的一階微分

[1] Wang S, Zhang Q. Hortscience, 2010, 45(11): 1747.

[2] WANG Xue-kui(王學奎). Principle and Technology of Plant Physiological and Biochemical Experiments(植物生理生化實驗原理與技術(shù)). 2nd ed(第2版). Beijing: Higher Education Press(北京： 高等教育出版社), 2006. 282.

[3] Hall R J, Crown P H, Titus S J, et al. Canadian Journal of Remote Sensing, 2014, 21: 388.

[4] Jiang Y, Carrow R N. Crop Science, 2007, 47(4): 1611.

[5] Lee G J, Carrow R N, Duncan R R. Plant Sci., 2004, 166: 1417.

[6] Naumann J, Anderson J, Young D. Remote Sensing of Environment, 2008, 112(10): 3865.

[7] Zhang H, Hu H, Zhang X, et al. Acta Physiologiae Plantarum, 2012, 34(2): 581.

[8] Hoagland D R, Arnon D I. Circular. California Agricultural Experiment Station, 1950, 347: 1.

[9] REN Peng, FENG Mei-chen, YANG Wu-de, et al(任 鵬, 馮美臣, 楊武德, 等). Spectroscopy and Spectral Analysis(光譜學與光譜分析), 2014, 34(9): 2490.

[10] Wold S, Sjostrom M, Erikssonn L. Chemometrics and Intelligent Laboratory System, 2001, 58(2): 109.

[11] Yu Q, Chang Z, Li D. Crop Science, 2013, 53(4): 1734.

[12] HUANG Jing-feng, WANG Yuan, WANG Fu-min, et al(黃敬峰, 王 淵, 王福民, 等). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學報), 2006, 22(8): 22.

[13] Xu C, Sibicky T, Huang B. Plant Cell Reports, 2010, 29(6): 595.

(Received Sep. 7, 2015; accepted Jan. 28, 2016)

*Corresponding author

Hyperspectral Analysis and Electrolyte Leakage Inversion of Creeping Bentgrass under Salt Stress

XIAO Guo-zeng1, 2, WU Xue-lian3, TENG Ke1, CHAO Yue-hui1, LI Wei-tao4, HAN Lie-bao1, 2*

1. Institute of Turfgrass Science, Beijing Forestry University, Beijing 100083, China 2. The College of Horticulture and Garden, Yangtze University, Jingzhou 4340252, China 3. The College of Economics & Management, Huazhong Agriculture University, Wuhan 430070, China 4. Geography Information and Tourism College, Chuzhou University, Chuzhou 239000, China

Leaf electrolyte leakage is an important index of the plant cell permeability which plays an important role in the study of turfgrass salt stress. Traditional methods of measuring leaf electrolyte leakage have many disadvantages such as time-consuming, destroying the plants and being unable to monitor salt stress in large area. The aim of this study is to build a hyperspectral inversion model for leaf electrolyte leakage of creeping bentgrass under different salt concentration stresses thus to promote the application of the hyperspectral techniques in turfgrass salt stress monitoring. Creeping bentgrass was used in this study, and it was grown in water for two weeks before salt treatments. Leaves were collected at 7, 14 and 21 d under 0(CK), 100 and 200 mmol·L-1NaCl respectively. The spectral values were gathered using Unispec-SC Spectral Analysis System (PP SYSTEMS，USA)before collecting grass leaves. Leaf electrolyte leakage was measured with electrical conductivity method. The relation and differences between salt treatments and spectral reflectance values were analyzed with EXCEL. Normalized difference vegetation index (NDVI) and difference vegetation index (DVI) were calculated using the spectral reflectance values. The first-order differential was calculated with difference method. The trilateral parameters of the blue, green and red rays were calculated at the meantime. The correlation analysis of the Leaf electrolyte leakage, spectral reflectance value, DVI and trilateral parameters was achieved by using EXCEL and Matlab software. Electrolyte leakage inversion model of the calibration set consisted of 48 high correlational samples, was built using unary linear regression, multivariate linear regression and partial least-squares regression methods. The prediction set inspection inversion model was established using the other 24 samples. The results showed that there is a positive correlation between salt stresses and 450～700 nm wave band. The leaf electrolyte leakage was positively associated with 450～732 nm band region at 0.01. The green edge amplitude and area of green edge were correlated with the foliar electrolyte leakage positively. Models based on partial least squares regression could inversion the foliar electrolyte leakage optimally. The calibrationR2reached to 0.681, and the validationR2reached to 0.758. The calibration RMSE was 7.124, and the validation RMSE reached to 7.079. The inversion model made it possible to detect creeping bentgrass leaf electrolyte leakage under salt stress rapidly. This study also provided theoretical reference for monitoring the damage of other creeping bentgrass related plant species resulted by salt stress.

Hyperspectral；Salt stress；Turfgrass；Creeping bentgrass；Electrolyte leakage；Inversion model

2015-09-07，

2016-01-28

國家高技術(shù)研究發(fā)展計劃(863計劃)項目(2013AA102607)和2016年安徽地理信息集成應(yīng)用協(xié)同創(chuàng)新中心開放基金項目(201116Y03)資助

肖國增，1979年生，北京林業(yè)大學草坪研究所講師 e-mail： x_gz99@163.com *通訊聯(lián)系人 e-mail： hanliebao@163.com

O657.3

A

10.3964/j.issn.1000-0593(2016)11-3630-07