蔡 瑤，繆宇軒，吳 浩，王 丹

(南京信息工程大學(xué) 應(yīng)用氣象學(xué)院，江蘇 南京 210044)

由于人口增長、能源生產(chǎn)利用、森林砍伐和其他密集的人類活動，目前大氣中CO濃度已經(jīng)從工業(yè)革命前的280 μmol·mol增加到400 μmol·mol，預(yù)計(jì)在2050年將會達(dá)到550 μmol·mol。葉面積指數(shù)(LAI)和葉綠素含量是植物生長狀態(tài)的重要指示因子。目前，人們常用SPAD值來表征植物的葉綠素含量。小麥?zhǔn)侨藗冑囈陨娴闹匾Z食作物，同時(shí)也是世界市場上交易量最大的農(nóng)作物商品。隨著全球范圍內(nèi)的CO濃度升高，小麥的生理和形態(tài)勢必會發(fā)生適應(yīng)性的變化。

通過遙感手段，尤其是高光譜遙感對植被參數(shù)進(jìn)行反演，在作物長勢監(jiān)測方面具有積極的意義。在過去的20年間，高光譜遙感技術(shù)得到了長足的發(fā)展，研究人員將作物上的一些光譜特征參數(shù)與重要的作物指標(biāo)結(jié)合起來，用于估算作物葉綠素含量、葉面積指數(shù)、含水量和產(chǎn)量等。尼加提·卡斯木等對紅邊、黃邊、藍(lán)邊等16個(gè)光譜特征參數(shù)與小麥葉綠素含量的相關(guān)性進(jìn)行了分析，并結(jié)合偏最小二乘回歸法對葉綠素含量進(jìn)行估算。吳啟俠等分析了小麥旗葉葉綠素含量與紅邊位置的關(guān)系，建立了高擬合精度的紅邊位置葉綠素含量估算模型。王曉星等對冬小麥的光譜反射率與葉綠素含量進(jìn)行分析，確定了冬小麥的敏感波段為684 nm，并建立起抽穗期冬小麥冠層葉綠素含量的估算模型。陶惠林等利用多元線性回歸、偏最小二乘、隨機(jī)森林等方法探究了冬小麥不同生育期葉面積指數(shù)的高光譜估算模型?？偟膩砜矗陙?，關(guān)于植物高光譜特征的研究主要集中在品種、水分脅迫和氮素處理等方面，基于高CO濃度下植物高光譜特征的研究鮮見報(bào)道。為此，本研究特結(jié)合冬小麥不同生育期SPAD值和LAI的動態(tài)變化規(guī)律，分析不同CO濃度下光譜特征的差異性，探究LAI、SPAD值與光譜特征參數(shù)的相關(guān)性，并利用回歸分析方法建立可用于估算不同CO濃度下冬小麥LAI和SPAD值的模型，以期進(jìn)一步提高高光譜遙感技術(shù)在農(nóng)作物生長監(jiān)測上的精度和適用性。

1 材料與方法

1.1 試驗(yàn)場地與試驗(yàn)設(shè)計(jì)

試驗(yàn)于2019年2—6月在南京信息工程大學(xué)農(nóng)業(yè)氣象試驗(yàn)站(32°16′N，118°86′E)進(jìn)行。耕作層(0～20 cm)土壤質(zhì)地為壤質(zhì)黏土，黏粒含量為26.1%，土壤容重為1.57 g·cm，pH值為6.3，有機(jī)碳、全氮含量分別為11.95、1.19 g·kg。

試驗(yàn)共設(shè)置2個(gè)CO濃度處理：CK，環(huán)境CO濃度；T，比CK的CO濃度高200 μmol·mol。每個(gè)處理均設(shè)置4個(gè)重復(fù)。T處理從冬小麥返青期開始，一直持續(xù)到冬小麥生長末期。試驗(yàn)使用開頂式氣室(OTC)控制CO濃度，共有8個(gè)OTC，均為正八邊形棱柱體(對邊直徑3.75 m，高3 m，底面積10 m)，并配有高透光率的鋼化玻璃和鋁合金框架。

冬小麥選擇當(dāng)?shù)爻Ｒ?guī)種植的品種寧麥13號。小麥生育期氮肥用量為225 kg·hm，播種期(基肥)、返青期、拔節(jié)期的施用比例分別為70%、20%、10%?；蕿閺?fù)合肥(N 15%，PO15%，KO 15%)，返青期和拔節(jié)期的肥料為尿素(N 46.7%)。各處理的水分和其他田間管理措施均統(tǒng)一采用當(dāng)?shù)爻Ｒ?guī)模式。

1.2 光譜數(shù)據(jù)獲取

冬小麥冠層光譜反射率數(shù)據(jù)使用美國ASD公司的Field Spec4便攜式地物光譜儀獲取，波段范圍是350～2 500 nm，其中：350～1 000 nm波段范圍內(nèi)光譜采樣間隔為1.4 nm，光譜分辨率為3 nm；1 001～2 500 nm波段范圍內(nèi)光譜采樣間隔為2 nm，光譜分辨率為10 nm。選擇晴朗無云的天氣，在北京時(shí)間10：00—14:00進(jìn)行測量。分別于冬小麥拔節(jié)期、孕穗-抽穗期、灌漿期和乳熟期測定其冠層反射率。測量時(shí)傳感器探頭垂直向下，視場角為10°，探頭距冠層頂部約20 cm，各氣室測定前后立即進(jìn)行參考白板校正。

1.3 LAI和SPAD值獲取

LAI和SPAD值獲取與光譜測量在同一天進(jìn)行。

使用美國LI-COR公司的LAI-2200C植物冠層分析儀測量LAI。為了減小測量誤差，避免陽光直射的影響，采用45°角的蓋子，并保持儀器探頭水平。對于每個(gè)OTC氣室，均選擇5個(gè)均勻區(qū)域進(jìn)行LAI測量，并取5個(gè)值的平均值作為LAI的測量值。

使用日本柯尼卡美能達(dá)株式會社的SPAD-502便攜式葉綠素儀測量冬小麥的冠層葉綠素含量。選擇完全展開的健康葉片進(jìn)行測量，避開葉脈、葉根和葉尖，在葉片兩側(cè)的4個(gè)點(diǎn)進(jìn)行測量，以5片葉片的平均測量值作為SPAD值的測量值。

1.4 光譜數(shù)據(jù)分析

一階導(dǎo)數(shù)是一種廣泛應(yīng)用的光譜曲線變換方法。光譜的一階導(dǎo)數(shù)可以有效地消除線性和二次背景噪聲：

(1)

式(1)中：是波段的波長，(+1)和(-1)分別是+1和-1處的光譜反射率，′()是處光譜反射率的一階導(dǎo)數(shù)，Δ是波長從+1到-1的間隔。

三邊(紅邊、黃邊和藍(lán)邊)特征參數(shù)是對應(yīng)光譜可見光范圍內(nèi)特定位置和面積的特征參數(shù)，與植物水分、葉綠素、氮和各種碳水化合物的含量有關(guān)。

將選定的光譜特征參數(shù)及其含義總結(jié)如下：Dr，紅邊振幅；λr，紅邊位置；SDr，紅邊面積；Dy，黃邊振幅；λy，黃邊位置；SDy，黃邊面積；Db，藍(lán)邊振幅；λb，藍(lán)邊位置；SDb，藍(lán)邊面積；SDr/SDy，紅黃邊面積比；SDr/SDb，紅藍(lán)邊面積比；SDr-SDy，紅黃邊面積差；SDr-SDb，紅藍(lán)邊面積差；(SDr-SDy)/(SDr+SDy)，紅黃邊面積歸一化；(SDr-SDb)/(SDr+SDb)，紅藍(lán)邊面積歸一化。

1.5 模型建立與驗(yàn)證

將測量數(shù)據(jù)分為2組：一組(建模集)64個(gè)樣本數(shù)據(jù)用于建立LAI和SPAD值估算模型，另一組(驗(yàn)證集)32個(gè)樣本數(shù)據(jù)用于驗(yàn)證建立的模型。

使用Matlab2017a軟件對數(shù)據(jù)進(jìn)行處理，選擇與LAI、SPAD值的皮爾遜(Pearson)相關(guān)系數(shù)大于0.6的光譜特征參數(shù)建立估算模型。分別使用5種函數(shù)模型來擬合它們之間的關(guān)系：(1)線性函數(shù)=+；(2)指數(shù)函數(shù)=×exp()；(3)冪函數(shù)=；(4)對數(shù)函數(shù)=+ln；(5)多項(xiàng)式函數(shù)=++。在這些模型中：是預(yù)測值，是光譜特征變量，、、是回歸常數(shù)和系數(shù)。

采用決定系數(shù)()和均方根誤差(RMSE)來驗(yàn)證回歸模型。值越大，RMSE值越小，說明估算模型越精確。

(2)

(3)

2 結(jié)果與分析

2.1 不同處理下冬小麥的LAI、SPAD值

在2種CO濃度下，冬小麥的LAI、SPAD值在拔節(jié)期—乳熟期均表現(xiàn)為先增加后減少的趨勢，且均在灌漿期取得最大值(表1)。與CK相比，T處理下冬小麥拔節(jié)期、灌漿期的LAI值，以及灌漿期的SPAD值均顯著(<0.05)升高，但乳熟期的SPAD值顯著(<0.05)降低。

表1 不同處理下冬小麥的LAI和SPAD值Table 1 LAI and SPAD value of winter wheat under different treatments

2.2 不同處理下冬小麥冠層的高光譜特征

2.2.1 原始光譜反射率

在2種CO濃度下，不同生育期冬小麥冠層的光譜反射率變化趨勢相似(圖1)：在450 nm附近有小的反射峰；在500 nm處有一個(gè)吸收帶；在550 nm附近出現(xiàn)了一個(gè)明顯的綠色反射峰；在680 nm附近出現(xiàn)“紅谷”；在680～760 nm，曲線急劇升高(紅邊)；在760 nm后，進(jìn)入近紅外波段高反射平臺。

總的來看，T處理下冬小麥冠層的光譜反射率在拔節(jié)期、孕穗-抽穗期、灌漿期和乳熟期略低于CK，僅在乳熟期1 050～1 350 nm波段略高于CK，在孕穗-抽穗期，2個(gè)處理的光譜反射率相近。從拔節(jié)期到乳熟期，2個(gè)處理下冬小麥冠層的光譜反射率均在孕穗-抽穗期達(dá)到最高。

A，拔節(jié)期；B，孕穗-抽穗期；C，灌漿期；D，乳熟期。下同。A，Jointing stage;B，Booting-heading stage;C，F(xiàn)illing stage;D，Milk-ripening stage.The same as below.圖1 不同生育期冬小麥冠層的光譜反射率Fig.1 Spectral reflectance of winter wheat at different growing stages

2.2.2 光譜一階微分

將不同CO濃度下各時(shí)期冬小麥的冠層光譜進(jìn)行一階微分(圖2)：紅邊光譜均呈“雙峰”型，CK處理下主峰在孕穗-抽穗期向長波方向移動到736 nm，T處理下主峰位置在灌漿期短暫維持736 nm后在乳熟期迅速向短波方向移動。

圖2 不同生育期冬小麥冠層光譜的一階導(dǎo)數(shù)Fig.2 First derivative spectral reflectance of winter wheat at different growing stages

將不同生育期的紅邊特征參數(shù)整理于表2。拔節(jié)期—乳熟期，CK和T處理的紅邊位置先紅移后藍(lán)移，與CK處理相比，T處理的紅邊位置在乳熟期下降明顯。CK和T處理的紅邊振幅與紅邊面積均表現(xiàn)為孕穗-抽穗期最高，乳熟期最低，但在各生育期，T處理的紅邊振幅與紅邊面積均低于CK處理。

表2 冬小麥不同生育期的紅邊特征參數(shù)Table 2 Red edge parameters of winter wheat at different growing stages

2.3 LAI、SPAD值與光譜反射率的相關(guān)性

相關(guān)性分析的結(jié)果(圖3)顯示：LAI、SPAD值與冬小麥冠層的原始光譜反射率在750～1 350 nm呈穩(wěn)定的正相關(guān)，在400～750 nm呈負(fù)相關(guān)。LAI與光譜反射率的相關(guān)系數(shù)在777 nm處取得最大值(0.63)，SPAD值與光譜反射率的相關(guān)系數(shù)在770 nm處取得最大值(0.71)?？偟膩碚f，SPAD值與光譜反射率的相關(guān)性大于LAI與光譜反射率的相關(guān)性。

圖3 LAI、SPAD值與光譜反射率的相關(guān)性Fig.3 Correlation of LAI，SPAD value with spectral reflectance

2.4 反演模型建立與驗(yàn)證

選取與LAI高度相關(guān)的光譜反射率敏感波段(R)，以及與LAI極顯著(<0.01)相關(guān)，且相關(guān)系數(shù)大于0.6的光譜特征參數(shù)建立LAI()反演模型并進(jìn)行模型驗(yàn)證(表3，僅給出通過<0.01水平顯著性檢驗(yàn)的)：其中，以SDr/SDy作為預(yù)測因子(自變量)的估算模型，在建模集上的值最高，達(dá)到0.78，在驗(yàn)證集上的值和RMSE值分別為0.66和0.42，與其他模型相比，值更高，RMSE值更低，是本研究中關(guān)于LAI反演效果最好的模型。

表3 LAI估算模型的建立與驗(yàn)證Table 3 Establishment and validation of LAI estimation model

相似地，選取與SPAD值高度相關(guān)的光譜反射率敏感波段(R)，以及與SPAD值極顯著(<0.01)相關(guān)，且相關(guān)系數(shù)大于0.6的光譜特征參數(shù)建立SPAD值()反演模型并進(jìn)行模型驗(yàn)證(表4，僅給出通過<0.01水平顯著性檢驗(yàn)的)：其中，以Dr作為預(yù)測因子(自變量)的估算模型，在建模集上的值最高，達(dá)到0.60，在驗(yàn)證集上的值和RMSE值分別為0.63和4.61，與其他模型相比，值更高，RMSE值更低，是本研究中關(guān)于SPAD值反演效果最好的模型。

表4 SPAD值估算模型的建立與驗(yàn)證Table 4 Establishment and validation of SPAD value estimation model

3 結(jié)論與討論

本研究利用光譜反射率、光譜特征參數(shù)與冬小麥LAI和SPAD值的相關(guān)性，探究不同CO濃度下冬小麥LAI和SPAD值的最佳高光譜估算模型。從拔節(jié)期到乳熟期，冬小麥的LAI和SPAD值均呈先升后降的趨勢，且高CO濃度會加快冬小麥生長前中期的發(fā)育進(jìn)程，提高冬小麥孕穗-抽穗期和灌漿期的LAI和SPAD值，但生長后期會加速冬小麥衰老，從而降低冬小麥乳熟期的LAI和SPAD值。本試驗(yàn)的2種CO濃度下，冬小麥的LAI和SPAD值均是在灌漿期最高。這一結(jié)果與Ommen等的研究相近。

總的來看，CO濃度升高條件下，冬小麥冠層的光譜反射率在拔節(jié)期、孕穗-抽穗期、灌漿期和乳熟期低于CK處理。高CO濃度處理雖然改變了冬小麥冠層的最大反射率，但并未改變冬小麥各生育期光譜曲線的整體波形，這一結(jié)果與Gray等的研究相近。當(dāng)冬小麥長勢良好時(shí)，紅邊位置會紅移，否則就會藍(lán)移。短期的高CO濃度處理使冬小麥前期的長勢更加旺盛，但灌漿期后則會出現(xiàn)“早衰”現(xiàn)象，導(dǎo)致紅邊位置先紅移再藍(lán)移。

本研究所建立的模型可以有效地估算冬小麥的LAI和SPAD值，但上述模型僅是針對試驗(yàn)品種所建立的。在未來的氣候變化形勢下，為了指導(dǎo)作物管理和監(jiān)測作物生長狀況，還需要進(jìn)一步提高模型的精度和普適性。