干旱脅迫下雷竹葉片葉綠素的高光譜響應特征及含量估算

張 瑋,王鑫梅,潘慶梅,謝錦忠,張勁松,孟 平,*

1 中國林業(yè)科學研究院亞熱帶林業(yè)研究所,杭州 311400 2 中國林業(yè)科學研究院林業(yè)研究所,北京 100091

水分是影響植物生長發(fā)育的重要因子[1- 2],嚴重的水分脅迫甚至會破壞植物葉綠體結構和功能,影響植物光合碳同化進程,造成光合產(chǎn)物合成受阻,致使生產(chǎn)力嚴重下降[3- 6]。竹類植物在我國分布廣、面積大,筍用竹林是廣大竹農(nóng)的重要經(jīng)濟收入來源[7]。但由于竹類植物根系通常分布較淺(0—30 cm),對淺層土壤水分變化敏感[8],加上近年來我國南方夏秋季節(jié)性干旱的發(fā)生頻率增加,已對亞熱帶地區(qū)農(nóng)林生產(chǎn)經(jīng)營造成重大影響[9]。及時準確地對干旱脅迫條件下植株葉片葉綠素含量進行估算及診斷,對制定科學的水肥管理措施及進行干旱狀況評估具有重要的現(xiàn)實意義。

傳統(tǒng)的生理生化分析方法對葉綠素進行測定的過程具有破壞性且難以實時、快速監(jiān)測。植被反射光譜受葉片內(nèi)部結構、水分、色素含量等因素的影響,已成為研究者獲取植物生理生化信息的重要手段[10-12]。目前已有相關研究利用反射光譜技術對植物葉片的葉綠素含量進行估算[13- 16],但不同的試驗材料其反射光譜對葉綠素的敏感特征可能不同[16-17],這就需要在應用前進行地面驗證。雷竹(Phyllostachysviolascens)屬禾本科(Poaceae)竹亞科(Bambusoideae)剛竹屬(Phyllostachys),是我國最重要的筍用竹種之一[18]。目前有關雷竹葉片反射光譜特征方面的研究較少,已有研究基于已有的光譜參數(shù)對雷竹葉綠素含量進行計算,但并未對雷竹葉綠素敏感波段做進一步的分析與光譜指數(shù)修正[19]。

本文以雷竹為研究對象,通過盆栽及不同的人工控水處理模擬夏秋季干旱脅迫條件,對其冠層葉片葉綠素及反射光譜進行測定,探討干旱脅迫下雷竹葉片葉綠素的高光譜響應特征以及利用敏感波段估算葉綠素含量的方法,以期為竹類植物葉片葉綠素含量的無損監(jiān)測以及進一步的高光譜高空遙感提供參考。

1 材料和方法

1.1 研究區(qū)概況

研究地位于浙江省杭州市臨安區(qū)(29°56′N—30°23′N,118°51′E—119°72′E)太湖源觀賞竹種園內(nèi),該區(qū)屬中亞熱帶季風氣候,年均溫15.4℃,極端最低溫-13.3℃,極端最高溫40.2℃,日均溫大于10℃的活動積溫約5100℃,年日照時數(shù)1850—1950 h,年均無霜期235 d,年降水量1250—1700 mm,年均空氣相對濕度在80%以上。

1.2 試驗方案

試驗材料為田間正常生長的雷竹,2017年3月31選擇生長狀況較為一致的2年生竹株切鞭進行盆栽,盆栽苗的平均胸徑3.6 cm,平均高度4.0 m,盆栽土壤為進行充分混合均一化的紅壤,移栽后所有雷竹采用常規(guī)統(tǒng)一管理進行恢復性生長。2017年8月2日選擇生長狀況相近的雷竹作3種水分處理,每處理12盆樣竹：正常水分處理(盆栽土壤水分保持田間最大持水量70%—90%,記為WW);中度缺水處理(盆栽土壤水分保持田間最大持水量40%—60%,記為MD);重度缺水處理(盆栽土壤水分保持田間最大持水量20%—40%,記為SD),試驗期間棚內(nèi)平均氣溫27.8℃,極端最高氣溫38.3℃,平均相對濕度大于80%,當盆栽土壤水分含量下降到試驗設計下限時進行補水,補水到不超過該試驗設計范圍的上限。樣品采集與測試在2017年8月31日進行(試驗處理進行到第28天,根據(jù)預備試驗,此時不同水分處理之間的雷竹生理生化指標已產(chǎn)生明顯差異),選取3種不同水分處理(WW、MD、SD)的雷竹各4株,每株樣竹選取3片冠層成熟葉片,共36片葉,用于測定葉片葉綠素含量及其對應的反射光譜特征。

1.3 測定指標、方法

每一片葉采下后立即進行反射光譜測定,然后編號放入自封袋,置于陰暗條件下立即帶回實驗室進行葉綠素含量的測定,葉綠素含量的測定采用丙酮-乙醇混合液浸提葉片24 h,通過分光光度計在663 nm與645 nm處進行比色測定,將葉綠素濃度換算成單位質(zhì)量的葉綠素含量。

葉片反射光譜采用美國ASD公司的FieldSpec 4地物光譜儀進行測定,利用儀器內(nèi)置光源及自帶的葉片夾與探頭進行測定,每組數(shù)據(jù)測量前進行標準白板校正,每一葉片測定4次,取平均值。光譜測量的波長范圍為350—2500 nm,分辨率為1 nm。

1.4 數(shù)據(jù)計算與分析方法

使用儀器自帶軟件進行光譜數(shù)據(jù)平均計算并導出作為原始光譜反射率,由于光譜儀采集的是離散數(shù)據(jù),對原始光譜數(shù)據(jù)進行一階微分計算[20],即

DRi=(Ri+1-Ri-1)/(λi+1-λi-1)= (Ri+1-Ri-1)/2Δλ

式中,i為光譜通道,Ri為第i個波長的光譜反射率,DRi為Ri的一階微分光譜,λi為第i個通道的波長。

使用Excel 2016軟件和SPSS 19.0軟件對數(shù)據(jù)進行平均值、相關系數(shù)、回歸方程等計算和制圖。

2 結果與分析

2.1 不同水分處理條件下雷竹葉片葉綠素含量變化

圖1顯示了不同缺水處理條件下雷竹葉片葉綠素含量的變化,經(jīng)缺水處理28天后,雷竹葉片葉綠素a、葉綠素b和葉綠素總量均隨缺水程度的增加呈逐步降低的趨勢。中度缺水處理(MD)雷竹葉片葉綠素a、葉綠素b和葉綠素總含量分別較水分良好的處理(WW)降低4.1%、4.5%和4.2%;重度缺水處理(SD)雷竹葉片葉綠素a、葉綠素b和葉綠素總含量分別較WW降低16.2%、10.9%和15.0%;但WW和MD處理雷竹葉片葉綠素a、葉綠素b和葉綠素總量差異不顯著(P<0.05),而SD處理葉片葉綠素a和葉綠素總量顯著低于WW和MD處理(P<0.05)。說明干旱脅迫顯著影響了雷竹葉片葉綠素含量,特別是重度缺水處理后造成葉綠素a和葉綠素總含量的銳減。

圖1 不同水分處理雷竹葉片葉綠素含量 Fig.1 Comparison of chlorophyll content in P. violascens leaves between different water treatmentWW：正常水分處理 Well-watered;MD：中度缺水處理 Moderate drought stress;SD：重度缺水處理 Severe drought stress;不同字母代表不同處理間差異顯著(P<0.05)

2.2 不同水分處理條件下雷竹葉片反射光譜及其一階微分值與葉綠素含量相關性

圖2顯示了不同水分處理間的雷竹葉片光譜反射率曲線,圖中顯示光譜反射率在350—500 nm及600—700 nm間形成兩個反射谷。在這2個谷之間,形成一小的綠光波段反射峰。675—755 nm反射率驟然上升,780 nm后進入近紅外波段,在1380—1500 nm和1900—2000 nm波段出現(xiàn)了兩個明顯的反射低谷。

不同的水分處理造成了葉片葉綠素及水分含量的變化,進而影響了葉片的反射光譜,在可見光及近紅外波段光譜反射率在不同處理間呈現(xiàn)出差異特征。在400—680 nm波段內(nèi)呈現(xiàn)隨干旱脅迫加重、葉綠素含量降低而反射率隨之增加的趨勢;680—750 nm波段,光譜反射率急劇變化,為反射光譜的“紅邊”區(qū)間,但不同葉綠素含量的原始光譜反射率差異較小。

圖3顯示了不同水分處理條件下雷竹葉片光譜反射率一階微分曲線,圖中可見,一階微分光譜中有4個峰值,分別位于500—540、690—755、1390—1410 nm以及1870—1900 nm波段,其峰值分別位于522、716、1396 nm及1885 nm處。

圖4顯示了雷竹葉片葉綠素含量與其光譜反射率一階導數(shù)的相關系數(shù)曲線,相關系數(shù)大于0.6的波長位于482—550、570—673、680—706、714—766、1890—1914 nm以及1970—2000 nm,在可見光區(qū)以波長493、639、693、756 nm等處的相關性最高。其中482—550、680—706、1970—2000 nm波段光譜一階微分值隨缺水脅迫程度增加、葉綠素含量的降低而增加,570—673、714—766、1890—1914 nm波段光譜一階微分值隨缺水脅迫程度增加、葉綠素含量的降低而降低。

圖2 不同水分處理條件下雷竹葉片光譜反射率曲線Fig.2 Changes of spectral reflectance curve of P. violascens leaves between different water treatment

圖3 不同水分處理條件下雷竹葉片光譜反射率一階微分曲線Fig.3 Changes of first derivative of spectral reflectance of P. violascens leaves between different water treatment

圖4 雷竹葉片葉綠素含量與其一階微分光譜值的相關系數(shù)曲線Fig.4 Correlation between leaf chlorophyll content and first derivative of spectral reflectance of P. violascens

2.3 雷竹葉片光譜特征參數(shù)變化及及其與葉綠素含量的相關性分析

“三邊”是植被光譜的典型特征,指的是藍邊(490—530 nm)、黃邊(560—640 nm)和紅邊(680—760 nm),描述“三邊”特征的參數(shù)主要有三邊位置、三邊幅值和三邊面積[21]。光譜特征參數(shù)的定義由表1所示,從表1可看出,雷竹葉片葉綠素含量與藍邊幅值、黃邊幅值、紅邊幅值、紅邊位置、綠峰反射率、紅谷反射率、紅谷位置、藍邊面積、黃邊面積、綠峰面積之間的相關系數(shù)都達到極顯著水平(P<0.01)。不同缺水處理條件下葉片葉綠素含量與黃邊幅值、紅邊位置、黃邊面積之間呈極顯著正相關關系,而與藍邊幅值、紅邊幅值、綠峰反射率、紅谷反射率、紅谷位置、藍邊面積之間呈極顯著負相關關系。其中,葉綠素含量與綠峰反射率、紅谷反射率、藍邊面積、綠峰面積之間的相關系數(shù)絕對值大于0.8。

圖3顯示出雷竹葉片紅邊一階微分光譜呈“單峰”變化,680—708 nm紅邊一階微分值隨葉綠素含量的增加而降低,“主峰”之后720—760 nm紅邊一階微分值隨葉綠素含量的增加而升高。

表1 反射光譜特征參數(shù)的定義及其與葉綠素含量的相關系數(shù)

*P<0.05;**P<0.01

2.4 植被光譜指數(shù)及其與葉綠素含量相關性分析

本研究選取了目前廣泛采用的3個光譜指數(shù)(歸一化植被指數(shù)NDVI、綠色歸一化植被指數(shù)GNDVI以及紅邊歸一化植被指數(shù)ND705)以及根據(jù)雷竹葉綠素敏感光譜波段進行修正后的3個指數(shù)(表2),將特定波段進行歸一化計算后,與葉片葉綠素含量值進行相關性分析。表2結果顯示,原有光譜指數(shù)與新構建的光譜指數(shù)與雷竹葉綠素含量均達到了極顯著相關水平(P<0.01),新構建的光譜指數(shù)與原有光譜指數(shù)相比擬合精度更好。

表2 植被光譜指數(shù)的定義及其與葉綠素含量的相關系數(shù)

2.5 基于光譜指數(shù)及敏感波段的葉綠素含量估算模型與驗證

將雷竹葉片葉綠素含量樣本數(shù)據(jù)隨機劃分為兩組,其中總樣本的2/3(n=24)用于建模,剩余的1/3(n=12)用于模型驗證。根據(jù)雷竹葉片葉綠素敏感光譜波段選取波長493、639、693、756 nm的原始反射率光譜值及其一階微分值作為自變量,與葉綠素含量進行多元線性回歸方程擬合。同時選取與葉綠素相關性較高的3個修正植被指數(shù)與葉綠素含量進行線性及非線性回歸方程擬合。從表3中可以看出,由敏感波段提取的4個波長光譜數(shù)據(jù)及其一階微分值構建的多元回歸方程以及基于綠峰面積的非線性回歸方程決定系數(shù)較高,由修正歸一化植被指數(shù)構建的非線性回歸模型決定系數(shù)次之。模型的驗證結果顯示,由4個敏感波段一階微分值構建的多元回歸方程的擬合精度最高,決定系數(shù)R2為0.882,平均相對誤差為2.72%,均方根誤差為0.157;修正綠色歸一化植被指數(shù)模型次之,這兩個模型估算與實測值擬合方程的斜率均較接近于1,更接近于實測值。因此,由敏感波段提取的4個波長(493、639、693、756 nm)光譜反射率一階微分值構建的多元回歸方程以及基于敏感波段修正的綠色歸一化植被指數(shù)(mGNDVI)模型其訓練樣本擬合與驗證樣本精度檢驗水平均較高,為雷竹葉綠素含量的較優(yōu)估算模型。

3 討論與結論

3.1 干旱脅迫處理對雷竹葉片葉綠素含量的影響

由植物缺水引起的葉片顏色、水分含量及形態(tài)結構等發(fā)生變化, 從而引起光譜反射特性的變化已在多種植物中得到證實[16-17],在本試驗中,干旱脅迫試驗處理進行到第28 d,重度缺水處理雷竹葉片葉綠素含量已顯著低于水分良好處理,且葉片已有輕度卷曲現(xiàn)象,在生產(chǎn)實踐中需要盡量避免竹林經(jīng)受超過20 d的重度高溫干旱的脅迫,盡早采取應對措施。

3.2 干旱脅迫處理條件下雷竹葉片葉綠素的高光譜響應特征

植物反射光譜含有大量的重復信息,而一階微分光譜可以減少光照條件、大氣散射和吸收以及背景光譜的影響,并且通常用于構建特征性光譜參數(shù)[24]。紅邊是綠色植物光譜最明顯的特征之一[25],有研究認為可見光和紅邊區(qū)光譜參數(shù)變化主要與脅迫誘導的生理變化如葉綠素含量等變化有關[15,26]。在本研究中,雷竹葉片光譜反射率隨脅迫導致的葉綠素含量的降低而升高,以波長493、639、693、756 nm等處一階微分值與葉綠素含量的相關性最高,雷竹葉片紅邊一階微分光譜呈“單峰”變化(圖3),680—708 nm紅邊一階微分值隨葉綠素含量的增加而降低,“主峰”之后720—760 nm紅邊一階微分值隨葉綠素含量的增加而升高。說明隨著葉綠素含量的增加,葉片反射光譜的紅邊位置向長波方向移動,即紅邊位置產(chǎn)生了“紅移”現(xiàn)象。然而,在一些研究中,植被紅邊反射光譜呈現(xiàn)出雙峰特征,其經(jīng)常發(fā)生在700 nm和720 nm附近,這削弱了紅邊位置在監(jiān)控葉片葉綠素含量上的實用性[27- 28]。

表3 葉綠素含量回歸模型擬合與驗證精度比較

Ri為第i個波長的光譜反射率;DRi為Ri的一階微分光譜

3.3 基于光譜指數(shù)及敏感波段的葉綠素含量估算

目前有許多基于705 nm附近的植被指數(shù)被開發(fā)出來用于葉綠素含量的計算[16,29]。國內(nèi)也有研究者提出了其他方法用于葉片葉綠素含量的估算,如程志慶等利用最佳指數(shù)-相關系數(shù)法提取出楊樹葉片葉綠素含量敏感波段[20],宋開山等利用小波分析構建大豆葉綠素含量的高光譜反演模型[30],以及有研究者利用神經(jīng)網(wǎng)絡模型進行相關指標的擬合及估測[31- 32]等。而通過兩個甚至多個光譜波段構建出的反射光譜指數(shù),在一定程度上也可以消除干擾,成為提取植被生化組分信息的重要手段,其中歸一化植被指數(shù)(NDVI)是應用頻率較高的指數(shù)之一[22]。本研究參照前人提出的部分植被指數(shù)進行針對性的修正,其中選用紅邊區(qū)和短波紅外區(qū)相關系數(shù)較高的波長值693 nm與950 nm的組合構建的修正歸一化植被指數(shù)(mNDVI)以及紅邊一階微分較小的波長值557 nm以及與葉綠素相關系數(shù)較高的波長值756 nm組合構建的綠色歸一化植被指數(shù)(mGNDVI)與雷竹葉片葉綠素含量相關系數(shù)較高,證實了其在竹類植物葉片葉綠素含量估算上可以得到較好的應用。

在植物葉綠素含量的無損快速監(jiān)測方面,利用便攜式葉綠素儀(SPAD 502)測定葉綠素相對含量也是一種光譜學方法,但其用于估算葉綠素含量的波段較為單一固定,不能根據(jù)特定的植被類型進行調(diào)整,且難以滿足大面積測定及區(qū)域尺度測算的需要。近年來發(fā)展起來的無人機低空遙感技術由于獲取的數(shù)據(jù)具有分辨率高、易判讀、時效性強等特點,倍受研究者青睞[33],逐步成為今后高光譜遙感的發(fā)展趨勢。本研究在雷竹葉片尺度上對其反射光譜進行測定,所得出的結果對雷竹冠層尺度上葉綠素含量的高光譜測算具有一定的參考意義,但仍需通過大量的測試和擬合檢驗來提高模型的估算精度。