马 保 东,徐 奥,方 丹 梅,李 兴 春,吴 立 新,2

(1．东北大学测绘遥感与数字矿山研究所，辽宁 沈阳 110819；2．中国矿业大学物联网(感知矿山)研究中心，江苏 徐州 221008)

不同胁迫条件下茄子叶片理化参数与光谱特征差异研究

马 保 东1,徐 奥1,方 丹 梅1,李 兴 春1,吴 立 新1,2

(1．东北大学测绘遥感与数字矿山研究所，辽宁 沈阳 110819；2．中国矿业大学物联网(感知矿山)研究中心，江苏 徐州 221008)

以茄子为实验材料，采用盆栽培养的方式，研究干旱胁迫和铜胁迫对茄子叶片的理化参数和光谱红边参数的影响。结果表明：干旱与铜胁迫均会导致叶片叶面积和含水量减小，但干旱胁迫导致叶片叶绿素含量上升，铜胁迫导致叶绿素含量下降；两种胁迫均会导致整体光谱反射率、红边斜率下降，但干旱胁迫使红边位置发生红移9 nm，铜胁迫使红边位置发生蓝移7 nm。因此，叶绿素与光谱红边位置可以作为识别铜胁迫与干旱胁迫的关键参数。该研究对有效利用高光谱遥感进行精准农业管理与生态环境监测具有一定意义。

干旱胁迫；铜胁迫；理化参数；光谱特征；红边

0 引言

植被和作物可能会遭受干旱、重金属污染等不同类型的胁迫[1-3],如何准确识别不同的胁迫类型，对有针对性地缓解胁迫、有效进行作物管理至关重要,而高光谱遥感能够充分利用地物光谱特征，为作物的胁迫监测提供有效手段。在干旱胁迫方面，Chávez等研究了干旱胁迫下植被的冠层反射率，指出CIred-edge能够很好地评估叶面积指数[4]。贾方方等研究了不同水分条件下烟草的冠层高光谱特征参数与烟草生理之间的关系，指出与叶面积指数、叶片干重、叶片含水率关系最密切的光谱特征变量均是红边面积与黄边面积的归一化值,与叶绿素关系最密切的光谱特征变量是红边位置[5]。张晓东等分析了不同干旱胁迫下油菜的光谱数据，指出960 nm、1 450 nm、1 650 nm波段的光谱反射率与油菜含水率呈极显著相关[6]。金林雪等指出水分指数、水分胁迫指数及中红外植被指数与叶片含水量的相关性密切且表现稳定，因此利用光谱法监测小麦的叶片水分及绿度特征具有可行性[7]。王宏博等监测不同干旱胁迫下春玉米在拔节-吐丝期冠层的高光谱分布，分析了可见光、红边区和近红外区光谱特征与土壤湿度的相关性[8]。肖丽娟等基于高光谱遥感植被指数对棉花的水分胁迫指数的遥感估算表明,边归一化指数与水分胁迫指数呈线性负相关关系[9]。

在植物重金属污染的光谱特征研究方面，任红艳等研究表明,水稻重金属污染可以被地面遥感传感器快速检测，其浓度变化与所提取的光谱特征间呈极显著相关[10]。修丽娜等提出了一种基于可见光-近红外光谱小波奇异性分析，可以较为准确地诊断水稻受镉胁迫的状况[11]。杨璐等实验表明，随着Cu胁迫程度的不断加深，在可见光及其附近波段(350～800 nm)植物光谱反射率曲线不断抬升，“绿峰”明显上升，“红谷”深度明显变浅，“红谷”和“绿峰”之间的坡度变缓，“红边”有规律地“蓝移”[12]。刘帅等测量了铜胁迫下玉米叶绿素含量和光谱反射率，发现两者在350～695 nm光谱区内相关性最好，且在464 nm处相关性达到最高[13]。

目前虽然已有大量关于植物在干旱、重金属等单因素胁迫类型下生理状态变化和光谱响应的研究，但对不同胁迫类型的对比研究尚不多见。事实上，植物可能遭受不同类型的胁迫，只有准确判断出所受胁迫的具体类型，才能实施相应的水肥调节等管理手段。因此，开展不同胁迫类型下植物的光谱特征差异研究显得十分必要。本文以茄子幼苗为例，通过对比不同胁迫类型下理化参数和光谱特征参数，研究植被在铜胁迫下和干旱胁迫下的生理状态差异和光谱响应差异，为植物胁迫类型的遥感识别奠定实验基础。

1 材料与方法

(1)供试材料培养与实验设置。以茄子(沈茄一号)为植物样本,培养方式为盆栽培养(盆底直径10 cm，盆顶直径17 cm，盆高13 cm)，所用土壤为东北大学校内园林土，每盆土壤重1.5 kg。将长势均一的茄子幼苗移栽至盆中，待茄子缓苗正常后(5叶)，将幼苗平均分为3组，分别设置为对照组、铜胁迫组和干旱胁迫组，每组3个重复。对照组土壤含水量为20%，干旱胁迫土壤含水量为10%，通过称重法控制实现。铜胁迫采用CuSO4·5H2O分析纯试剂，将配好的溶液均匀浇洒在土壤中，胁迫浓度为400 mg/kg，同时保持20%的土壤含水量。将所有的植物样本放置在气温为20～24 ℃、空气湿度为70%的环境下，胁迫一周后进行数据采集。

(2)光谱数据采集。使用SVC HR-1024光谱仪(350～ 2 500 nm)采集叶片的反射光谱数据。实验室光源为卤素灯，高度角为45°，距目标50 cm。光谱仪测量时间为2 s，使用4°镜头，镜头距叶片高度为30 cm，确保叶片充满视场。每盆植株自顶层舒展叶片向下依次选取3片叶片进行光谱测量,每个叶片测得6条曲线，取平均值作为该样品的光谱曲线。

(3)理化参数采集与数据分析。先用SPAD-502叶绿素仪测量叶片叶绿素含量，在叶片不同位置测量9次后取平均值；然后称叶片鲜重，再通过数字图像二值化方法求得叶片的叶面积；最后，将叶片烘干至恒重，称干重，计算叶片的相对含水量。用SVC HR-1024、Erdas和EXECL软件进行数据整理与统计分析。

2 结果与分析

2.1 不同胁迫下叶片理化参数的差异

叶绿素含量、含水量和叶面积是植物的重要生理指标。叶绿素含量决定着植物光合作用能力的大小，含水量指示着植被生态活性的健康程度，叶面积则可以判断植被生长状况是否良好。监测结果表明(图1)，在叶绿素含量(SPAD值)上，干旱胁迫>对照>铜胁迫；在含水量上，对照>干旱胁迫>铜胁迫；在叶面积上，对照>铜胁迫>干旱胁迫。统计分析发现，各组之间差异全部通过显著性检验(P<0.05)。

叶片是蒸腾作用和光合作用的主要场所，是植物水分消耗的重要器官。因此，干旱条件下，植物叶片的含水量会下降；同时，植物通过减小叶面积来降低蒸腾速率，以维持体内水分的相对充足[14]。但植物幼苗的叶绿素含量在干旱胁迫下有升有降，这与物种和胁迫持续时间有关。在本实验中，干旱胁迫导致茄子叶片叶绿素含量升高，可能是对叶面积减小的补偿作用，是幼苗维持光合速率的生理机制[15]。

图1 不同胁迫类型的理化参数对比Fig.1 Comparison of bio-physical and bio-chemical parameters under different stress types

铜胁迫会使叶片组织细胞失水，导致叶片含水量下降[16]。本实验中铜胁迫下的含水量比干旱胁迫还低，可能是重金属胁迫引发的渗透胁迫程度较重所致。此外，Cu2+可以对叶片细胞器的超微结构特别是叶绿体、线粒体和细胞核造成损伤，进而破坏与降解叶绿素，降低光合作用效率，从而出现生长缓慢、叶面积减小的现象[17，18]，但减小幅度低于干旱胁迫。

2.2 不同胁迫下叶片光谱曲线的差异

植物的光谱反射特性是由其化学和形态学特性决定的，而这种特性与植物的生长条件密切相关。当植物的生长条件改变时，其理化参数会发生相应变化，进而改变光谱曲线的形态。

三组叶片光谱曲线存在许多差异(图2)：1)整体上(红谷、1 400 nm与1 900 nm附近除外)，对照组、干旱胁迫组、铜胁迫组的反射率依次降低。2)在绿光波段(550 nm附近)，铜胁迫组的反射率最低，几乎没有出现绿峰，对照组反射率高于干旱胁迫组(表1)；在红光波段，铜胁迫组的反射率最高，其他两组反射率相当。3)在近红外波段(750～1 250 nm，即红外反射坪)，反射率均值分别为35.72%、31.57%和18.82%，对照组最高，干旱组次之，铜胁迫组最低(表1)。4)在1 400 nm、1 900 nm附近，铜胁迫组的光谱反射率高于对照组和干旱胁迫组。

图2 不同胁迫下茄子叶片光谱曲线Fig.2 The eggplant leaf spectral curve of the control group,drought stress and copper stress

表1 不同胁迫类型的叶片反射率差异Table 1 Reflectance difference under different stress types

可见光波段的光谱曲线主要受叶绿素等色素控制，而铜胁迫的叶片叶绿素含量最低，因此在550 nm附近(绿峰)反射率最低而在680 nm附近(红谷)反射率最高。干旱胁迫叶绿素含量虽然比对照组高，但其在绿峰反射率比对照组低，可能是叶片厚度变薄所致。在近红外波段，叶片光谱主要取决于叶片内部细胞结构，由海绵组织强烈反射形成光谱曲线上的最高峰区，其反射率可达40%以上。干旱胁迫下，细胞萎缩会导致折射率差异减少，宏观表现为反射率明显下降[19]。铜胁迫下，叶肉细胞间隙数量减少，细胞结构受到破坏，导致叶片近红外区域光谱反射率降低[20]。在1 400 nm、1 900 nm附近存在水的强烈吸收谷。铜胁迫的叶片含水量最低，因此其在1 400nm、1 900 nm附近反射率较高、谷深较浅。

2.3 不同胁迫下叶片光谱红边参数差异

不同胁迫类型的植物样本光谱曲线存在差异，据此可提取一些典型光谱特征参数来反映光谱曲线的差异。红边参数是最常用的植物光谱特征参数之一，主要包括红边位置和红边斜率。红边位置的定义为：680～750 nm波段范围内光谱一阶导数最大值对应的波长位置。红边斜率的定义为：680～750 nm波段内所有光谱一阶导数的最大值。一阶的光谱微分表达式为[21]:

其中:λi为每个波段的波长，ρ(λi)为波长 λi的一阶微分光谱，Δλ是波长λi-1到 λi+1的间隔。

将光谱曲线进行一阶微分后，提取680～750nm范围内的一阶导数并计算红边参数(图3、表2)。由图3和表2可知：1)相比于对照组，干旱胁迫组的红边位置发生了“红移”，红移量为9nm；铜胁迫组的红边位置出现“蓝移”，蓝移量为7nm。2)对照组的红边斜率最大，为0.40；干旱组次之，为0.33，减小0.07；铜胁迫组最小，为0.10，减小0.30。

图3 不同胁迫类型下的红边及光谱一阶导数Fig.3 The red edge and first derivative spectrum under different stress conditions

表2 不同胁迫类型的红边参数差异Table 2 The red edge parameters under different stress types

红边位置主要受叶绿素含量控制。干旱胁迫导致叶片叶绿素含量升高，使红边位置发生红移；铜胁迫导致叶绿素含量降低，使红边位置发生蓝移。红边斜率则表示红边的“陡升”程度，主要受叶片结构控制，与叶片结构参数N呈正比[22]，而参数N与叶片厚度有关[23]。干旱胁迫使叶片失水变薄，因此红边斜率低于对照组;铜胁迫不仅使叶片失水变薄，还会破坏叶片内部结构，因此红边斜率最低。

3 结论

以茄子幼苗为植物样本，将其分为对照组、干旱组和铜胁迫组进行相应的胁迫实验。测量了叶片的叶绿素含量、含水量及叶面积，同时测量了叶片的光谱曲线。以对照组为基准，通过对比分析不同胁迫下植物叶片的理化参数与光谱特征参数，得出以下结论：1)与对照组相比，干旱胁迫与铜胁迫都使叶片含水率下降，铜胁迫降幅更大；两种胁迫都使叶面积减小，干旱胁迫减幅更大。但干旱胁迫使叶绿素含量升高，铜胁迫使叶绿素含量降低，两种胁迫差异明显。2)与对照组相比，整体上(红谷、1 400 nm与1 900 nm附近除外)两种胁迫使叶片光谱反射率降低，铜胁迫降幅最大；干旱胁迫使光谱红边位置红移9 nm，铜胁迫使红边位置蓝移7 nm，与叶绿素含量变化情况相对应；两种胁迫均导致红边斜率降低，干旱胁迫减小0.07，铜胁迫降幅最大，减小0.30。因此，红边参数可作为判断胁迫类型的有效光谱参数。

研究表明，根据各项理化参数和光谱参数的对比，可以分辨出植被所受胁迫类型，这将有利于胁迫类型的遥感探测。本研究还存在一些缺陷，如对叶片厚度、叶片内部结构等理化参数未做测量，未观测冠层尺度光谱，对叶面积的反映不充分,将在今后的实验中，加以改进与提高。

[1] MITTLER R.Abiotic stress，the field environment and stress combination[J].Trends in Plant Science，2006，11(1):15-19.

[2] HOLMSTRUP M，MARALDO K，KROGH P H.Combined effect of copper and prolonged summer drought on soil microarthropods in the field[J].Environmental Pollution，2007(146):525-533.

[3] RAMEGOWDA V，SENTHIL-KUMAR M.The interactive effects of simultaneous biotic and abiotic stresses on plants:Mechanistic understanding from drought and pathogen combination[J].Journal of Plant Physiology，2015(176):47-54.

[4] CH VEZ R O，CLEVERS J G P W，HEROLD M，et al.Modelling the spectral response of the desert tree Prosopis tamarugo to water stress[J].International Journal of Applied Earth Observation & Geoinformation，2013，21(4):53-65.

[5] 贾方方，乔红波，熊淑萍，等.不同水分处理对烟草冠层高光谱参数和生理指标的影响[J].河南农业大学学报，2010(2):130-136.

[6] 张晓东，毛罕平，左志宇，等.干旱胁迫下油菜含水率的高光谱遥感估算研究[J].安徽农业科学，2011，30:18451-18452,18487.

[7] 金林雪，李映雪，徐德福，等.小麦叶片水分及绿度特征的光谱法诊断[J].中国农业气象，2012(1):124-128.

[8] 王宏博，冯锐，纪瑞鹏，等.干旱胁迫下春玉米拔节-吐丝期高光谱特征[J].光谱学与光谱分析，2012(12):3358-3362.

[9] 肖莉娟，王登伟，黄春燕，等.基于冠层温度棉花水分胁迫指数与高光谱植被指数的关系[J].新疆农业科学，2013(9):1577-1582.

[10] 任红艳，庄大方，潘剑君，等.重金属污染水稻的冠层反射光谱特征研究[J].光谱学与光谱分析，2010(2):430-434.

[11] 修丽娜，刘湘南，刘美玲.镉污染水稻高光谱诊断分析与建模[J].光谱学与光谱分析，2011(1):192-196.

[12] 杨璐，高永光，胡振琪.铜胁迫下植被光谱变化规律研究[J].矿业研究与开发，2008(4):74-76.

[13] 刘帅，高永光.铜胁迫下玉米叶绿素质量比与光谱反射率关系[J].辽宁工程技术大学学报(自然科学版)，2008(1):125-128.

[14] 蔡海霞，吴福忠，杨万勤.干旱胁迫对高山柳和沙棘幼苗光合生理特征的影响[J].生态学报，2011(9):2430-2436.

[15] 李芳兰，包维楷，吴宁.白刺花幼苗对不同强度干旱胁迫的形态与生理响应[J].生态学报，2009(10):5406-5416.

[16] 杨汉波，胡蓉，王春艳，等.重金属Pb～(2+)、Cd～(2+)胁迫对青稞幼苗抗氧化能力的影响[J].麦类作物学报，2010(5):842-846.

[17] 计汪栋，施国新，杨海燕，等.铜胁迫对竹叶眼子菜叶片生理指标和超微结构的影响[J].应用生态学报，2007(12):2727-2732.

[18] 徐学华，黄大庄，王连芳，等.土壤铅、镉胁迫对红瑞木生长及生理生化特性的影响[J].水土保持学报，2009(1):213-216.

[19] 童庆禧，张兵，郑兰芬.高光谱遥感的多学科应用[M].北京：电子工业出版社，2006.76.

[20] 刘素红，刘新会，侯娟，等.植物光谱应用于白菜铜胁迫响应研究[J].中国科学(E辑:技术科学)，2007(5):693-699.

[21] 浦瑞良，宫鹏．高光谱遥感及其应用[M]，北京：高等教育出版社，2000.3-5，43-45，53．

[22] 梁守真，施平，马万栋，等.植被叶片光谱及红边特征与叶片生化组分关系的分析[J].中国生态农业学报，2010(4):804-809.

[23] 刘良云.植被定量遥感原理与应用[M].北京：科学出版社，2014.49.

Differences of Bio-parameters and Spectral Characteristics of Eggplant Leaves under Different Stress Types

MA Bao-dong1，XU Ao1，FANG Dan-mei1，LI Xing-chun1，WU Li-xin1,2

(1.InstituteforGeoinformatics&DigitalMineResearch,NortheasternUniversity,Shenyang110819; 2.IoT/PerceptionMineResearchCenter,ChinaUniversityofMining&Technology,Xuzhou221008,China)

Taking eggplant as experiment material,change of leaf chlorophyll content,leaf area,water content,spectral curve and red edge parameters were studied when eggplant suffered from copper stress and drought stress.Results showed that both of drought and copper stress would lead to decrease of leaf area and leaf water content,but drought stress caused the rise of leaf chlorophyll content,while the chlorophyll content was in a decline under the copper stress.In addition,the two types of stress would cause a decline of most spectral reflectivity and red-edge slope,but drought stress led to red shift (9 nm) in the position of red edge and copper stress led to blue shift (7 nm).Therefore,chlorophyll content and red edge position could be used as the key parameters for identification of copper stress and drought stress.It may be beneficial to management of precision agriculture and environment monitoring by using hyperspectral remote sensing.

drought stress;copper stress;bio-parameters;spectral characteristics;red edge

2015-04-09；

2015-12-04

国家自然科学基金青年基金项目(41201359)

马保东(1983-),男，博士，讲师,研究方向为遥感分析。E-mail:digitalmine@126.com

10.3969/j.issn.1672-0504.2016.02.004

TP79;S127

A

1672-0504(2016)02-0017-04