不同干旱程度脅迫條件下烤煙葉片氣孔導(dǎo)度的光譜響應(yīng)

李夢竹，葉紅朝，賈方方，劉國順，王 惠

1.河南農(nóng)業(yè)大學(xué)煙草行業(yè)煙草栽培重點(diǎn)實(shí)驗(yàn)室，鄭州市文化路95 號 450002

2.河南省煙草洛陽市公司宜陽縣分公司，河南省洛陽市宜陽縣紅旗中路32 號 471600

3.河南省煙草公司洛陽市公司，河南省洛陽市洛龍區(qū)開元大道246 號 471000

4.商丘師范學(xué)院，河南省商丘市文化路298 號 476000

氣孔是植物與大氣間進(jìn)行水分和CO2氣體交換的調(diào)節(jié)通道，控制著植物的水分蒸騰和光合作用［1-3］。Bota等［4］研究發(fā)現(xiàn)，在干旱環(huán)境下作物光合速率降低的主導(dǎo)因素是氣孔導(dǎo)度的降低，氣孔導(dǎo)度即氣體的通透性能強(qiáng)度［5-6］，與外界環(huán)境的水分狀況密切相關(guān)。胡瑋等［7］研究表明，5個主栽烤煙品種重度干旱條件下比正常條件下的氣孔導(dǎo)度平均值降低72.70%。孫梅霞等［8］研究也表明，烤煙葉片氣孔導(dǎo)度可作為土壤水分狀況的衡量指標(biāo)，兩者之間極顯著正相關(guān)?？梢姡芯扛珊禇l件下烤煙葉片氣孔導(dǎo)度的變化規(guī)律，對提高水分利用效率及烤煙產(chǎn)量具有重要意義。

隨著遙感技術(shù)的發(fā)展，前人對遙感光譜信息與作物氣孔導(dǎo)度關(guān)系方面已進(jìn)行了較多研究［9］。Royo等［10］研究提出，在小麥灌漿期通過冠層光譜反射率可較為準(zhǔn)確地估算小麥產(chǎn)量，同樣植被反射光譜與葉片氣孔導(dǎo)度兩者之間也存在一定關(guān)系。Carter［11］研究表明，在某些松樹葉片中氣孔導(dǎo)度與比值指數(shù)（R701/R820）呈負(fù)相關(guān)關(guān)系，且氣孔導(dǎo)度與簡單比值植被指數(shù)（SR）、歸一化植被指數(shù)（NDVI）也存在相關(guān)性。劉帆等［12］研究表明，玉米冠層光譜反射率可快速、實(shí)時、定量地監(jiān)測玉米葉片氣孔導(dǎo)度，為大面積作物氣孔導(dǎo)度估算奠定了基礎(chǔ)。孫金英等［13］利用各波段光譜反射率組合而成的植被指數(shù)，對油菜氣孔導(dǎo)度進(jìn)行了相關(guān)性分析，R2均在0.727 以上，效果較好。田永超等［14］研究了冠層光譜反射特征與水稻葉片氣孔導(dǎo)度之間的關(guān)系，發(fā)現(xiàn)比值指數(shù)（R1650/R760）可較好地反映水稻葉片的氣孔導(dǎo)度狀況?？梢妼π←満陀衩椎燃Z食作物的光譜響應(yīng)研究報道較多，但在烤煙上僅涉及煙葉常規(guī)化學(xué)成分、葉綠素密度（單位土地面積上的葉片葉綠素含量）等生理生化指標(biāo)的光譜監(jiān)測方面，而對烤煙葉片氣孔導(dǎo)度的光譜監(jiān)測方面則鮮見研究報道。為此，利用無損定量光譜監(jiān)測技術(shù)，對不同干旱脅迫條件下烤煙葉片氣孔導(dǎo)度進(jìn)行了實(shí)時監(jiān)測，并通過分析烤煙葉片氣孔導(dǎo)度與冠層光譜反射率及光譜一階導(dǎo)數(shù)間的相關(guān)關(guān)系，構(gòu)建烤煙葉片氣孔導(dǎo)度監(jiān)測模型，實(shí)時無損地監(jiān)測烤煙全生長期氣孔導(dǎo)度狀況，旨在為烤煙生長狀況和產(chǎn)量品質(zhì)的遙感監(jiān)測提供依據(jù)。

1 材料與方法

1.1 試驗(yàn)基本情況

試驗(yàn)于2015～2016 年連續(xù)兩年在河南農(nóng)業(yè)大學(xué)現(xiàn)代煙草科技示范園（北緯34°01′，東經(jīng)113°49′）進(jìn)行，其中2015 年試驗(yàn)數(shù)據(jù)作為構(gòu)建模型樣本，2016年試驗(yàn)數(shù)據(jù)作為檢驗(yàn)?zāi)Ｐ蜆颖?。供試品種為K326和中煙100。采用桶栽（每桶1株），桶高70 cm，直徑為40 cm。供試土壤前茬作物為紅薯，土壤理化性狀見表1?；蕿榉治黾儯∟H4）2SO4、KNO3和KH2PO4，施N 量按200 mg·kg-1干土計(jì)算，m（N）∶m（P2O5）∶m（K2O）=1∶1.5∶3，氮磷鉀肥均作基肥一次性施入，將田間土壤均勻過篩后，與化肥混合均勻裝桶。為避免雨水影響土壤水分狀況，試驗(yàn)中設(shè)置了人工防雨棚。于5 月15 日移栽，煙苗還苗后利用土壤水分速測儀（Takeme-10 型，大連哲勤科技有限公司）實(shí)時監(jiān)測土壤含水率。試驗(yàn)采用隨機(jī)區(qū)組設(shè)計(jì)，設(shè)置4 個干旱處理，見表2。依據(jù)烤煙伸根期、旺長期和成熟期3 個生育時期的土壤含水率，每天嚴(yán)格控水，澆水量為設(shè)定土壤質(zhì)量含水率與實(shí)際土壤質(zhì)量含水率之差乘以每桶裝土壤質(zhì)量（75 kg）［15］。每處理6次重復(fù)，兩個品種共計(jì)144桶。為保證陽光充足與通風(fēng)良好，桶與桶之間均相距75 cm。

表1 供試土壤的理化性狀Tab.1 Physical and chemical properties of tested soils

表2 試驗(yàn)處理設(shè)置Tab.2 Setting of experimental treatments （%）

1.2 烤煙冠層光譜的測定

使用野外光譜測定儀（FieldSpec3，美國ASD 公司）測定烤煙冠層光譜，波長350～2 500 nm。分別在烤煙伸根期、旺長期和成熟期，選擇晴朗無云且無風(fēng)的天氣，于10：00—14：00 期間利用野外光譜測定儀（波段為350～2 500 nm）對各水分處理烤煙冠層光譜反射率進(jìn)行采集。在采集光譜數(shù)據(jù)時，應(yīng)使傳感器探頭垂直向下，正對著煙株，且在測定時距離烤煙冠層頂端的高度保持l m。每次測量前必須進(jìn)行標(biāo)準(zhǔn)白板校正，在煙株的正上方測定，每次記錄10組數(shù)據(jù)，最后以平均值作為該樣本的光譜反射值，每個處理測定3株。

1.3 烤煙氣孔導(dǎo)度的測定

分別在烤煙伸根期、旺長期和成熟期，選取單株煙由上至下第5 葉位，使用便攜式光合作用測定儀（美國Li-COR 公司）測定葉片的氣孔導(dǎo)度（Gs）。測定時間為上午9：00—10：00，每個處理測定3 株，取平均值。

1.4 數(shù)據(jù)分析

采用ViewSpec Pro 軟件處理光譜數(shù)據(jù)，選用Excel、SPSS 22.0、Sigmaplot 10.0、Matlab 6.0 軟件進(jìn)行數(shù)據(jù)分析、模型構(gòu)建及繪圖，采用決定系數(shù)（R2）、均方根誤差（RMSE）對模型精度進(jìn)行檢驗(yàn)，采用Pearson雙尾檢驗(yàn)顯著性［16］。

2 結(jié)果與分析

2.1 不同程度干旱脅迫下烤煙冠層氣孔導(dǎo)度和冠層光譜反射率的變化

隨著烤煙葉片水分的散失及水勢的下降，氣孔保衛(wèi)細(xì)胞和附近表皮細(xì)胞直接向大氣失水導(dǎo)致氣孔張開度減小，CO2進(jìn)入葉片受到阻礙［17］。圖1結(jié)果表明，在烤煙整個生育時期中，伸根期烤煙葉片Gs較低，正常需水量處理平均值為0.289 mol H2O·（m-2·s-1），輕度、中度和重度干旱處理葉片氣孔導(dǎo)度的平均值分別較正常需水量處理降低35.01%、51.48%和92.20%。到旺長期Gs 值處于較高水平，K326 品種最高達(dá)0.751 mol H2O·（m-2·s-1），正常處理Gs 平均值為0.730 mol H2O·（m-2·s-1）。烤煙進(jìn)入成熟期后，Gs 值減小。在水分脅迫條件下，各烤煙品種都通過減小氣孔導(dǎo)度的方式來減少蒸騰作用，保持葉片內(nèi)的水分，但是氣孔導(dǎo)度的降低同樣會使外部環(huán)境的CO2進(jìn)入葉片受到阻礙，對光合作用產(chǎn)生不利影響。試驗(yàn)結(jié)果顯示，隨干旱程度的加劇，兩個品種氣孔導(dǎo)度均呈降低趨勢，除旺長期中煙100 品種重度干旱處理外，其他處理間差異均達(dá)到顯著水平，表明不同烤煙品種氣孔導(dǎo)度的變化趨勢一致。

圖1 干旱脅迫條件下烤煙的氣孔導(dǎo)度比較（2015年試驗(yàn)數(shù)據(jù)，n=72）Fig.1 Stomatal conductance of flue-cured tobacco under drought stress（2015 experiment data，n=72）

K326 和中煙100 兩個品種在伸根期、旺長期和成熟期不同干旱程度脅迫下的冠層光譜反射曲線見圖2。由圖2可見，不同處理整體曲線的變化趨勢大致相同，但各波段的反射率值差異較明顯。不同生育時期兩品種在700～1 350 nm 波段均表現(xiàn)為正常需水量處理反射率值最高，即在紅邊區(qū)域內(nèi)呈現(xiàn)最高峰值，且在此波段范圍內(nèi)，烤煙在不同生育時期對干旱脅迫的響應(yīng)也有所不同，旺長期的冠層光譜反射率高于伸根期和成熟期。這主要是由于烤煙冠層結(jié)構(gòu)及細(xì)胞結(jié)構(gòu)不同所致，且干旱脅迫導(dǎo)致烤煙葉面積和葉綠素含量下降，從而導(dǎo)致烤煙冠層光譜反射率均呈現(xiàn)隨干旱程度的加劇而降低的趨勢。可見，烤煙冠層光譜反射率與烤煙氣孔導(dǎo)度在不同干旱程度脅迫下的變化趨勢表現(xiàn)一致。

圖2 干旱脅迫條件下烤煙冠層的高光譜反射率比較（2015年試驗(yàn)數(shù)據(jù)，n=72）Fig.2 Hyperspectral reflectance of flue-cured tobacco canopy under drought stress（2015 experiment data，n=72）

2.2 不同程度干旱脅迫下烤煙冠層氣孔導(dǎo)度與冠層原始光譜反射率及其一階導(dǎo)數(shù)的相關(guān)性

烤煙葉片氣孔導(dǎo)度與350～2 500 nm 全波段范圍內(nèi)烤煙冠層原始光譜及光譜一階導(dǎo)數(shù)的相關(guān)性分析結(jié)果見圖3。對于冠層原始光譜，715～930 nm 和963～1 000 nm 處的相關(guān)系數(shù)達(dá)0.6 以上，相關(guān)性均達(dá)到極顯著水平，其中相關(guān)性最高的波段為738 nm。對于光譜一階導(dǎo)數(shù)，712～715 nm和718～719 nm處的相關(guān)系數(shù)達(dá)到0.7以上，702～711 nm和716～717 nm、720～729 nm 處的相關(guān)系數(shù)達(dá)0.6 以上，相關(guān)性均達(dá)到極顯著水平，其中相關(guān)性最高的波段為714 nm?？梢?，無論是烤煙冠層原始光譜，還是光譜一階導(dǎo)數(shù)，敏感波段均處于近紅外光區(qū)域，且烤煙冠層原始光譜大多波段與烤煙葉片氣孔導(dǎo)度的相關(guān)性均優(yōu)于光譜一階導(dǎo)數(shù)，但對于單個最佳敏感波段，光譜一階導(dǎo)數(shù)與葉片氣孔導(dǎo)度的相關(guān)性最強(qiáng)。

圖3 烤煙葉片氣孔導(dǎo)度與冠層原始光譜及光譜一階導(dǎo)數(shù)的相關(guān)性（2015年試驗(yàn)數(shù)據(jù)，n=72）Fig.3 Correlations between stomatal conductance of flue-cured tobacco leaves and the original spectra or the first derivative of canopy spectra（2015 experiment data，n=72）

2.3 烤煙葉片氣孔導(dǎo)度估算模型的建立

2.3.1 線性回歸模型

分別利用738 nm 處的冠層原始光譜（R738）、714 nm 處的光譜一階導(dǎo)數(shù)（DR714）構(gòu)建烤煙葉片氣孔導(dǎo)度一元線性回歸模型，得到Y(jié)=1.613XR738-0.501（R2=0.459，RMSE=0.052），Y=78.149XDR714-0.555（R2=0.513，RMSE=0.080），見圖4?？梢姡肈R714構(gòu)建的線性回歸模型效果優(yōu)于R738，說明利用單個波段反映烤煙葉片氣孔導(dǎo)度時采用光譜一階導(dǎo)數(shù)可能更適合烤煙葉片Gs監(jiān)測模型的構(gòu)建。

圖4 烤煙氣孔導(dǎo)度的線性回歸分析（2015年試驗(yàn)數(shù)據(jù)，n=72）Fig.4 Linear regression analysis of stomatal conductance of flue-cured tobacco（2015 experiment data，n=72）

2.3.2 BP神經(jīng)網(wǎng)絡(luò)模型

分別選取烤煙冠層原始光譜及光譜一階導(dǎo)數(shù)中與葉片氣孔導(dǎo)度相關(guān)性最高的前5個波段，即736～740 nm處的冠層原始光譜和711～715 nm處的光譜一階導(dǎo)數(shù)，以此為基礎(chǔ)利用三層BP神經(jīng)網(wǎng)絡(luò)構(gòu)建烤煙葉片Gs 的BP 神經(jīng)網(wǎng)絡(luò)模型。其中，輸入層為SMLR 模型中的獨(dú)立變量（R736～740、DR711～715），采用正切S型傳遞函數(shù)；輸出層為烤煙葉片氣孔導(dǎo)度，采用線性傳遞函數(shù)；訓(xùn)練函數(shù)為Trainlm。通過“試錯法”進(jìn)行多次嘗試后，得到構(gòu)建烤煙葉片氣孔導(dǎo)度模型的隱含層節(jié)點(diǎn)數(shù)為67。圖5表明，利用736～740 nm處的冠層原始光譜構(gòu)建的烤煙葉片Gs 模型的R2=0.831，RMSE=0.088；利用711～715 nm 處的光譜一階導(dǎo)數(shù)構(gòu)建的烤煙葉片Gs模型的R2=0.908，RMSE=0.065?？梢?，光譜一階導(dǎo)數(shù)構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)模型決定系數(shù)較高，均方根誤差較小。

圖5 BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果（2015年試驗(yàn)數(shù)據(jù)，n=72）Fig.5 Predicted results by BP neural network model（2015 experiment data，n=72）

2.3.3 預(yù)測模型的檢驗(yàn)

利用2016 年試驗(yàn)數(shù)據(jù)對烤煙葉片Gs 一元線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型的檢驗(yàn)結(jié)果見圖6。由圖6 可知，利用738 nm 處的冠層原始光譜和714 nm處光譜一階導(dǎo)數(shù)構(gòu)建的一元線性回歸模型檢驗(yàn)的R2分別為0.399 和0.410，RMSE 分別為0.106 和0.756?？梢娎肦738和DR714構(gòu)建的線性回歸模型準(zhǔn)確性不理想。而利用736～740 nm處冠層原始光譜和711～715 nm 處光譜一階導(dǎo)數(shù)構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)結(jié)果R2分別為0.784 和0.799，RMSE 分別為0.007和0.008。表明利用篩選出的5個最佳敏感波段構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)模型的精度更高，且利用711～715 nm 處光譜一階導(dǎo)數(shù)構(gòu)建的烤煙葉片Gs 模型優(yōu)于736～740 nm處的冠層原始光譜構(gòu)建的模型。

圖6 預(yù)測模型的檢驗(yàn)（2016年試驗(yàn)數(shù)據(jù)，n=48）Fig.6 Tests of the prediction models（2016 experiment data，n=48）

3 討論

本研究中發(fā)現(xiàn)，烤煙葉片氣孔導(dǎo)度在伸根期較低，旺長期提高，成熟期呈現(xiàn)下降趨勢，且不同處理烤煙葉片Gs 值均表現(xiàn)出隨干旱脅迫程度加重而降低的趨勢，K326 和中煙100 兩個品種表現(xiàn)一致。這與胡瑋等［7］對不同烤煙品種在不同干旱條件下氣孔導(dǎo)度變化的研究結(jié)果一致，也與丁雪丹等［18］研究得出的氣孔導(dǎo)度隨不同生育階段干旱時間的延長而呈現(xiàn)明顯下降趨勢的結(jié)果一致。烤煙旺長期的冠層光譜反射率高于伸根期和成熟期，不同時期、不同品種均在紅邊區(qū)域內(nèi)出現(xiàn)峰值，且不同干旱處理均呈現(xiàn)出隨干旱程度的加劇而降低的趨勢，這與賈方方等［19］在不同水分處理?xiàng)l件下對煙草冠層高光譜參數(shù)和生理指標(biāo)的研究結(jié)果一致。對烤煙氣孔導(dǎo)度與冠層光譜的相關(guān)分析發(fā)現(xiàn)，烤煙葉片氣孔導(dǎo)度敏感波段主要集中在近紅外光區(qū)域，主要為715～930 nm 和963～1 000 nm 處的冠層原始光譜，712～715 nm 和718～719 nm 處光譜一階導(dǎo)數(shù)，702～711 nm、716～717 nm 和720～729 nm 處光譜一階導(dǎo)數(shù)。說明烤煙氣孔導(dǎo)度與冠層光譜變化趨勢表現(xiàn)一致，且存在相關(guān)性，因此利用冠層光譜構(gòu)建烤煙氣孔導(dǎo)度模型是可行的，進(jìn)一步選取烤煙冠層原始光譜及光譜一階導(dǎo)數(shù)中與葉片氣孔導(dǎo)度相關(guān)性最高的前5 個波段，分別構(gòu)建線性回歸模型和BP 神經(jīng)網(wǎng)絡(luò)模型，發(fā)現(xiàn)利用711～715 nm 處的光譜一階導(dǎo)數(shù)構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)模型效果最佳。氣孔導(dǎo)度的定量化對研究烤煙光合作用、蒸騰作用等均具有重要意義，但目前氣孔導(dǎo)度模型大致分為基于Jarvis 模型改進(jìn)的經(jīng)驗(yàn)?zāi)Ｐ?、基于BWB 模型改進(jìn)的半經(jīng)驗(yàn)?zāi)Ｐ?、基于ABA 調(diào)控建立的氣孔導(dǎo)度模型和基于保衛(wèi)細(xì)胞膨壓控制理論建立的氣孔導(dǎo)度模型等［20］，尚未發(fā)現(xiàn)利用光譜一階導(dǎo)數(shù)構(gòu)建烤煙氣孔導(dǎo)度BP 神經(jīng)網(wǎng)絡(luò)模型的相關(guān)研究。但本研究中構(gòu)建的模型以及檢驗(yàn)?zāi)Ｐ偷臉颖緮?shù)較少，因此對其在大田生產(chǎn)中的實(shí)際應(yīng)用效果有待進(jìn)一步試驗(yàn)。

4 結(jié)論

通過相關(guān)分析篩選出烤煙葉片氣孔導(dǎo)度敏感波段，主要集中在近紅外光區(qū)域，分別為715～930 nm和963～1 000 nm 處的冠層原始光譜，712～715 nm和718～719 nm 處光譜一階導(dǎo)數(shù)，702～711 nm、716～717 nm和720～729 nm處光譜一階導(dǎo)數(shù)，并利用711～715 nm 處光譜一階導(dǎo)數(shù)構(gòu)建了烤煙氣孔導(dǎo)度的BP 神經(jīng)網(wǎng)絡(luò)模型，模型R2=0.908，RMSE=0.065。因此，利用烤煙冠層光譜一階導(dǎo)數(shù)可較精準(zhǔn)地反映烤煙葉片氣孔導(dǎo)度狀況。