高　鑫，高聚林，于晓芳，王志刚，张宝林，胡树平，谢　岷，孙继颖，罗瑞林，于　博，吕福虎

(1 内蒙古农业大学 农学院，内蒙古 呼和浩特 010019；2 内蒙古师范大学 化学与环境科学学院，内蒙古 呼和浩特 010022；3 包头市农业科学研究所，内蒙古 包头 014030)



不同玉米品种叶片SPAD值估测模型的构建及其差异性研究

高鑫1，高聚林1，于晓芳1，王志刚1，张宝林2，胡树平1，谢岷1，孙继颖1，罗瑞林2，于博1，吕福虎3

(1 内蒙古农业大学 农学院，内蒙古 呼和浩特 010019；2 内蒙古师范大学 化学与环境科学学院，内蒙古 呼和浩特 010022；3 包头市农业科学研究所，内蒙古 包头 014030)

【目的】 探究玉米叶片SPAD值与其高光谱特征之间的品种差异，构建不同玉米品种叶片SPAD值估测模型，并对模型应用范围进行验证。【方法】 通过大田试验，测定多个玉米品种叶片的SPAD值及其高光谱数据，利用相关分析及逐步回归分析等方法，构建和筛选玉米叶片SPAD值与相关光谱参数的回归模型，并利用偏差率对模型精度进行检验。【结果】 不同玉米品种叶片的SPAD值与其高光谱反射率及一阶导数的相关波段存在差异，但品种间差异较小，关系最密切的波段均处于560和700 nm附近。对不同玉米品种的光谱反射率一阶导数进行比较时，出现“红移”现象，“红移”规律与各品种叶片SPAD值大小表现一致；叶片SPAD值与光谱反射率一阶导数的显著相关波段在510，615，690和740 nm附近。在构建估测模型时，以单波段光谱参数构建的模型估测效果较组合波段构建的模型好，且模型类型为多元方程和指数方程。以单一玉米品种叶片光谱参数建立的模型可以对其他玉米品种叶片的SPAD值进行估测，但估测精度在不同品种间存在差异。【结论】 以高光谱560 nm附近波段反射率建立的模型精度最高，对不同品种的玉米叶片SPAD预测值偏差率普遍小于5.00%。

玉米叶片；SPAD值；高光谱估测模型；品种差异

SPAD值是SPAD-502叶绿素仪测量值，是作物植株氮素快速诊断的重要指标[1-5]，但SPAD值反映植株氮素水平只限于个体，不能有效地表达整个群体的氮素水平，而高光谱遥感技术的快速发展，为实现植株群体氮素监测提供了可能。冠层高光谱能够快速、无损地反映植株群体氮素水平，已被广泛应用于多种作物[6-10]。但冠层高光谱易受到土壤、草等外界环境的干扰，从而影响其精准度[11]。叶片高光谱技术直接针对叶片，可以避免外界环境的干扰，具有更高的精准度。因此，将SPAD值与叶片高光谱相结合，为进一步实现植株个体与群体的统一、提高氮素监测精度奠定了基础，很多学者对此进行了大量研究。杨海清等[12]研究表明，植物SPAD值与高光谱敏感的波段为683～783 nm，根据光谱反射率可以建立SPAD值预测模型。朱西存等[13]利用高光谱红边位置λr建立了2种苹果叶片SPAD值的估测模型，精度分别达94.2%和96.7%。李敏夏等[14]对2个苹果品种进行研究，认为品种间SPAD值与光谱反射率存在差异，并利用光谱 653～694 nm反射率的平均一阶微分值建立了苹果叶片SPAD值的预测模型，决定系数达0.781 8。裘正军等[15]利用684 nm处一阶微分光谱建立了线性回归模型，对油菜叶片SPAD值的预测相关系数达到 0.801。陈志强等[16]认为，以一阶导数为光谱参数构建的预测模型效果不稳定；以叶绿素指数LCI (R550、R680附近)和差值光谱指数DSI(R680、R710附近)构建的预测模型效果良好，能有效预测玉米叶片SPAD值。但上述研究对品种差异考虑较少，对估测模型是否能够应用于其他品种、应用效果如何并未做深入探讨。基于此，本试验对不同玉米品种叶片的高光谱特征与SPAD值的关系进行了分析，构建不同玉米品种叶片SPAD值估测模型，同时验证模型在其他玉米品种中的应用效果，以期为遥感技术在玉米氮素监测中的应用提供理论参考。

1　材料与方法

1.1试验设计

试验布设于包头市土默特右旗门头沟镇北只图村，地处北纬40°55′，东经110°52′。试验选用当地主栽玉米品种6个：金创998(JC998)、先玉335(XY335)、郑单958(ZD958)、KX3564、大民3307(DM3307)和金创3号(JC3)。试验采用机械条播，种植密度82 500株/hm2，行距50 cm，小区面积480 m2，每品种3次重复。施肥量为纯N 300 kg/hm2，以3∶7的质量比分别于拔节期、大喇叭口期追施；P2O5、K2O用量分别为105和45 kg/hm2，播种时一次性施入。玉米生长期内分别在拔节期、大喇叭口期和灌浆期灌水3次。其他管理同一般生产田。

1.2数据采集

试验设计在玉米吐丝期及其后每隔7 d测定1次相关数据，但由于天气因素无法保证正常进行，故以实际测定时间为准，分别为吐丝期及吐丝后8，15，22，31和40 d。

1.2.1叶片SPAD值采用SPAD-502叶绿素仪(日本美能达公司生产)测定玉米叶片SPAD值，其工作原理是通过测量叶片在2种波长(650 nm 和940 nm)下光学浓度差的方式来确定叶片当前叶绿素的相对数量。2013年试验期间，每品种选取并标记代表性植株5株，将植株叶片分为上、中、下3部分，分别取上部叶中间叶片(上位叶)、穗位叶、下部叶中间叶片(下位叶)进行测定，每片叶均匀测定10个点，取平均值记为SPAD实测值。

1.2.2叶片高光谱数据采用美国Spectra Vista公司生产的HR 1024型地物光谱仪采集高光谱数据。该仪器自带人工光源手持型叶片光谱探头，可直接进行活体夹叶测定，其光谱波段为350～2 500 nm，其中350～1 000 nm分辨率≤3.5 nm，采样间隔≤1.5 nm；1 000～1 850 nm分辨率≤9.5 nm，采样间隔≤3.6 nm；1 850～2 500 nm分辨率≤6.5 nm，采样间隔≤2.5 nm。测定时，每测1株，利用镜头自带白板进行光谱校准一次。测定叶片与SPAD值测定叶片相同，每叶片测定3次。

1.3计算公式

利用叶片光谱反射率(R)及其光谱反射率一阶导数(R′)，计算归一化差值光谱指数(NDSI)、比值光谱指数(RSI)和差值光谱指数(DSI)。反射率一阶导数及各指数计算公式如下：

Rλ′=(Rλ+1-Rλ-1)/(λi+1-λi-1)；

NDSI(λ1,λ2)= (Rλ1-Rλ2)/(Rλ1+Rλ2)[17]；

RSI(λ1,λ2)=Rλ2/Rλ1[18]；

DSI(λ1,λ2)=Rλ1-Rλ2[19]。

式中：λ表示某一波长，Rλ表示在波长λ处的光谱反射率，Rλ′表示在波长λ处光谱反射率的一阶导数。对光谱反射率一阶导数(R′)进行指数计算，公式同上。

对叶片SPAD值与计算的光谱参数进行相关分析及逐步回归分析，选取拟合度最好(R2值最大)的回归方程作为玉米叶片SPAD值的预测模型，同时将相应的光谱参数带入方程，计算叶片SPAD值，利用偏差率对模型精度进行检验，其公式为：

D=(P预测值-P实测值)/P实测值×100%[20]；

AD(δ)=∑|D|/n。

式中：D表示偏差率，P表示玉米理化指标，AD表示平均偏差率，δ表示相对误差，|D|表示偏差率的绝对值，n表示指标个数。

1.4数据分析

采用Excel 2003和SPSS 17.0对数据进行整理、统计和分析，使用SigmaPlot12.0对计算结果绘图。

2　结果与分析

2.1吐丝期后不同玉米品种不同层位叶片SPAD值的变化

如图1所示，在吐丝期后40 d中，不同层位叶片SPAD值的变化趋势较为相似，尤以穗位叶表现最为明显，呈抛物线下降趋势，但品种间叶片SPAD值差异较大。对不同玉米品种各时间段叶片的SPAD值进行综合平均计算，6个玉米品种的平均SPAD值存在差异，SPAD平均值表现为 KX3564(59.1)>先玉335(58.7)>大民3307(58.6)>金创3号(56.2)>郑单958(55.8)>金创998(52.9)。

图 1　吐丝期后不同玉米品种叶片SPAD值的变化Fig.1　Change of SPAD values of different maize varieties after pollination

2.2吐丝期后不同玉米品种叶片的高光谱特征

对不同玉米品种不同层位叶片的光谱反射率及其一阶导数进行平均计算，结果见图2。由图2可以看出，不同品种玉米叶片的光谱反射率响应曲线变化规律表现一致，但由于不同玉米品种叶片的组织结构与元素含量的差异，导致不同品种叶片响应曲线的波峰及波谷处的反射率大小有所不同。在光谱波段520～580，780～1 210 nm反射率差异较大，在波段520～580 nm处的表现为金创998>金创3号>郑单958>大民3307>先玉335>KX3564，与6个玉米品种叶片平均SPAD值的表现大致相反。通过对不同品种叶片光谱反射率进行一阶导数运算，其最大波峰范围在690～760 nm，“红边”位置均出现在721 nm处，但从不同品种一阶导数曲线位置变化来看，这一波段范围出现“红移”现象，且“红移”的变化规律与6个玉米品种叶片平均SPAD值的表现一致。

图 2　不同玉米品种叶片光谱反射率(A)及其一阶导数(B)Fig.2　Leaf spectral reflectance (A) and its first derivation (B) of different maize varieties

2.3玉米叶片SPAD值与其光谱特征的相关分析

利用吐丝期后不同玉米品种不同层位叶片的SPAD值与叶片光谱反射率及其一阶导数进行相关分析，结果见图3。由图3-A可以看出，除个别波段外，不同玉米品种之间SPAD值与光谱反射率的相关系数曲线整体变化趋势较为相似，且为负相关，叶片光谱反射率与SPAD值相关系数最大的波段在560和700 nm附近。叶片SPAD值与光谱反射率一阶导数的相关系数的实际曲线比较繁杂，因此采用处理后的平滑曲线观察其规律变化，再结合实际曲线进行分析。结果(图3-B)表明，不同玉米品种叶片SPAD值与光谱反射率一阶导数的相关系数的平滑曲线表现形式差异较大，但在350～780 nm具有较高的一致性，且多数玉米品种在这一波段的相关系数达到显著。通过上述分析，选出不同品种玉米叶片SPAD值与叶片高光谱反射率及其一阶导数相关系数较大的波段，详见表1。

图 3　不同品种玉米叶片SPAD值与光谱反射率(A)及其一阶导数的相关系数(B)Fig.3　Leaf SPAD value spectral reflectance rate (A) and its correlation coefficient of the first derivative (B) of different maize varieties

2.4不同玉米品种叶片SPAD值估测方程的构建

从表1 中选取各玉米品种反射率对应的2个波段和一阶导数波段范围较近的2个波段，参照光谱指数运算公式，计算光谱参数归一化差值光谱指数(NDSI)、比值光谱指数(RSI)、差值光谱指数(DSI)，并与SPAD值进行相关分析，最终选出相关系数最大的单波段或组合波段光谱参数，进行线性和非线性回归模拟(回归方程中y表示玉米叶片SPAD估测值，x表示光谱参数值)。结果(表2)显示，以一元二次方程和指数方程的模拟效果较好，二者的R2值(决定系数)非常接近。不同玉米品种所对应的高光谱参数的最适模型类型有所差异，表2中为以高光谱参数构建的各玉米品种叶片SPAD值的最佳估测模型。

表 1　不同品种玉米叶片SPAD值与光谱反射率及其一阶导数相关性较高的波段Table 1　Leaf SPAD value spectral reflectance rate and the bands with high correlation with the first derivative of different maize varieties

表 2　不同玉米品种叶片SPAD值的估测方程Table 2　Estimation equations of leaf SPAD values for different maize varieties

注：公式中y表示SPAD值的估测值；x表示光谱参数值,其中各波段光谱反射率与一阶导数值为百分数数值。

Note:yindicates the estimated SPAD value,xrepresents the value of the spectral parameter.Spectral reflectance rate and each first derivative formula values of waveband are percentages.

2.5不同玉米品种叶片SPAD估测值的偏差率

根据偏差率公式对不同玉米品种的各个估测模型进行偏差率计算，结果见表3和图4。

表 3　不同玉米品种叶片SPAD估测值的偏差率Table 3　Discrepancy rate of estimated leaf SPAD values of different maize varieties

表 3(续)　Continued table 3

图 4　不同玉米品种叶片SPAD估测值的偏差率Fig.4　Discrepancy rate of estimated leaf SPAD values of different maize varieties

由表3和图4可知，由不同光谱参数构建的估测模型对叶片SPAD估测值的偏差率差异明显，单波段构建模型的精确度和稳定性要大于组合波段构建的模型，以波段560 nm附近构建模型的精确度最高。

各玉米品种叶片SPAD估测值的最大正偏差率小于26%，最大负偏差率小于20%；若去除个别偏差率较大的数值，各玉米品种叶片SPAD估测值偏差率在-10%～10%。从偏差率数值(图4)来看，各品种正偏差率的数目要多于负偏差率，说明叶片SPAD估测值要普遍大于实测值。在进行偏差率比较时发现：对于同一品种，R2值与平均偏差率对不同光谱参数构建模型精确度的表达效果相同；对于不同品种，R2值大小只能反映以邻近波段光谱参数构建方程的精确度大小，而平均偏差率则能够反映各光谱参数构建方程的精确度大小。

2.6不同玉米品种叶片SPAD值估测模型的相互检验

利用各玉米品种叶片SPAD值估测模型分别对其他品种叶片SPAD值进行估算，并用平均偏差率来评价估算效果，结果见表4。由表4可知，不同玉米品种之间，叶片SPAD值估测模型是可以相互通用的，但品种间存在差异。其中，以单波段光谱参数构建的模型精确度及稳定性较好，对叶片SPAD值估算的平均偏差率无明显变化；而以组合波段光谱参数构建的模型精确度和稳定性则较差，对其他品种叶片SPAD值的估算平均偏差率普遍大于本品种。综上所述，560 nm附近的单波段光谱反射率能更好地反映叶片SPAD值的变化。

表 4　不同估测模型对各玉米品种叶片SPAD值估测的平均偏差率Table 4　Averaged discrepancy rates by different models of leaf SPAD values of different maize varieties　 %

3　讨　论

前人在不同氮梯度条件下，利用单一品种郑单958在整个生育时期的光谱参数构建了玉米叶片SPAD值估测模型，认为以组合波段光谱参数所构建的模型精度较高[16]。本研究的结果则是以单波段反射率所构建模型的精度较高，这种差异是否是由测量目标的先决条件引起的，尚需进一步探究。本研究中各品种模型能够相互通用，可能是因为构建模型的高光谱参数处于相邻波段，其光谱反射率基本相同，所以达到的效果也基本一致。由此作者以为，对于玉米叶片SPAD值的估测可以使用统一模型，但如何构建精确度和稳定性都较高的统一模型，尚需进一步研究。本试验采用的是玉米叶片光谱数据，是否适用于冠层光谱，有待于进一步分析。

4　结　论

通过对不同玉米品种叶片SPAD值和高光谱数据的分析，得出以下结论：

1)玉米叶片SPAD值与光谱反射率关系最密切的波段处于560和700 nm附近，与反射率一阶导数最敏感的波段出现在350～780 nm。

2)以560 nm附近的单光谱参数建立的玉米叶片SPAD值估测模型精度较高，偏差率基本小于 5.00%。

3)以单一玉米品种光谱参数构建的估测模型，也可以用于其他玉米品种，但估测效果存在差异。

[1]Tumer F T,Jund M F.Assessing the nitrogen requirements of rice crops with a chlorophyll meter [J].Australian Journal of Experimental Agriculture,1994,34:1001-1005.

[2]Chapman S C,Barreto H J.Using a chlorophyll meter to estimate specific leaf nitrogen of tropical maize during vegetative growth [J].Agronomy Joumal,1997,89:557-562.

[3]Cartelat A,Cerovic Z G,Goulas Y,et al.Optically assessed contents of leaf polyphenolics and chlorophyll as indicators of nitrogen deficiency in wheat [J].Field Crops Research,2005,91:35-49.

[4]Lin X Q,Zhou W J,Zhu D F,et al.Effect of SWD irrigation on photosynthesis and grain yield of rice [J].Field Crops Research,2005,94:67-75.

[5]Errecart P M,Agnusdei M G,Lattanzi F A,et al.Leaf nitrogen concentration and chlorophyll meter readings as predictors of tall fescue nitrogen nutrition status [J].Field Crops Research,2012,129:46-58.

[6]Shibayama M,Akiyama T A.Canopy water deficit detection in paddy rice using a high resolution field spectroradiometer [J].Remote Sensing of Environment,1993,45：117-126.

[7]Johnson L F.Nitrogen influence on fresh-leaf NIR spectra [J].Remote Sensing of Enviroment,2001,78(3):314-320.

[8]Ian B S，Elizabeth P，Johanne B B.Impact of nitrogen and environmental conditions on corn as detected by hyperspectral reflectance [J].Remote Sensing of Environment，2002，80:213-224.

[9]易秋香，黄敬峰，王秀珍，等．玉米全氮含量高光谱遥感估算模型研究 [J].农业工程学报，2006，22(9)：138-143．

Yi Q X,Huang J F,Wang X Z,et al.Hyperspectral remote sensing estimation models for nitrogen contents of maize [J].Transactions of the CSAE,2006,22(9):138-143.

[10]金梁，胡克林，田明明，等．小麦氮素积累动态的高光谱监测 [J].中国农业科学，2008，41(7)：1937-1946．

Jin L,Hu K L,Tian M M,et al.Monitoring plant nitrogen accumulation dynamics with hyperspectral remote sensing in wheat [J].Scientia Agricultura Sinica,2008,41(7):1937-1946.

[11]唐延林，黄敬峰．农业高光谱遥感研究的现状与发展趋势 [J].遥感技术与应用，2001，16(4)：248-251．

Tang Y L,Huang J F.Study on hyperspectral remote sensing in agriculture [J].Remote Sensing Technology and Application,2001,16(4):248-251.

[12]杨海清，姚建松，何勇．基于反射光谱技术的植物叶片SPAD值预测建模方法研究 [J].光谱学与光谱分析，2009，29(6)：1607-1610．

Yang H Q,Yao J S,He Y.SPAD prediction of leave based on reflection spectroscopy [J].Spectroscopy and Spectral Analysis,2009,29(6):1607-1610.

[13]朱西存，赵庚星，姜远茂，等．基于高光谱红边参数的不同物候期苹果叶片的SPAD值估测 [J].红外，2011，32(12)：31-38．

Zhu X C,Zhao G X,Jiang Y M,et al.Estimation of SPAD value of apple leaf in different phenophase based on hyperspectral red edge parameters [J].Infrared,2011,32(12):31-38.

[14]李敏夏，张林森，李丙智，等．苹果叶片高光谱特性与叶绿素含量和SPAD 值的关系 [J].西北林学院学报，2010，25(2)：35-39．

Li M X,Zhang L S,Li B Z,et al.Relationship between spectral reflectance feature and their chlorophyll contentrations and SPAD value of apple leaves [J].Journal of Northwest Forestry University,2010,25(2):35-39.

[15]裘正军，宋海燕，何勇，等．应用SPAD和光谱技术研究油菜生长期间的氮素变化规律 [J].农业工程学报，2007，23(7)：150-154．

Qiu Z J,Song H Y,He Y,et al.Variation rules of the nitrogen content of the oilseed rape at growth stage using SPAD and visible-NIR [J].Transactions of the CSAE,2007,23(7):150-154.

[16]陈志强，王磊，白由路，等．整个生育期玉米叶片SPAD高光谱预测模型研究 [J].光谱学与光谱分析，2013，33(10)：2838-2842．

Chen Z Q,Wang L,Bai Y L,et al.Hyperspectral prediction model for maize leaf SPAD in the whole growth period [J].Spectroscopy and Spectral Analysis,2013,33(10):2838-2842.

[17]Miller J R,Hare E W,Wu J.Quantitative characterization of the vegetation red edge reflectance1:An inverted-Gaussian reflectance model [J].International Journal of Remote Sensing,1990,11(10):1755-1773.

[18]Anderson G L,Hanson J D,Hass R H.Evaluating landsat th-ematic mapper derived vegetation indices for estimating above-ground biomass on semisrid rangelands [J].Remote Sensing of Environment,1993,45(2):165-175.

[19]Richardson A J,Wiegand C L.Distinguishing vegetation from soil background information [J].Photogrammetric Engineering and Remote Sensing，1977(43):1541-1552.

[20]周丽丽，冯汉宇，阎忠敏，等．玉米叶片氮含量的高光谱估算及其品种差异 [J].农业工程学报，2010，26(8)：195-199．

Zhou L L,Feng H Y,Yan Z M,et al.Hyperspectral diagnosis of leaf N concentration of maize and variety difference [J].Transactions of the CSAE,2010,26(8):195-199.

Establishment and differences of high spectral estimation models for leaf SPAD values of different maize species

GAO Xin1,GAO Jülin1,YU Xiaofang1,WANG Zhigang1,ZHANG Baolin2,HU Shuping1,XIE Min1,SUN Jiying1,LUO Ruilin2,YU Bo1,LÜ Fuhu3

(1AgriculturalCollege,InnerMongoliaAgriculturalUniversity,Huhhot,InnerMongolia010019,China;2ChemistryandEnvironmentalScienceCollege,InnerMongoliaNormalUniversity,Huhhot,InnerMongolia010022,China;3AgriculturalResearchInstituteofBaotou,Baotou,InnerMongolia014030,China)

【Objective】 This study explored the differences between leaf SPAD values of maize species and the hyper spectral feature,built the estimation models for SPAD values,and verified the application range.【Method】 Through field experiment,this study measured the leaf SPAD values of multiple maize varieties and their hyper spectral data.By using the correlation analysis,stepwise regression analysis and other methods,regression models of SPAD values and related spectral parameters were constructed and screened. The accuracies of models were also tested using deviation rate.【Result】 Leaf SPAD values of different maize varieties were different from high spectral reflectance and the first derivative of relevant band gap,while the differences among varieties were small.The closest relationships located near 560 and 700 nm.When comparing the first derivative of spectral reflectance between varieties,“red shift” phenomenon appeared,which was consistent in size with SPAD values.Leaf SPAD values and first derivative of spectral reflectance were significantly correlated near 510,615,690,and 740 nm.The model constructed by single band spectrum parameter was better than the model by combinational band,and the models were multiple and exponential equations.The built model with leaf spectral parameters of single maize can be used for other varieties with different accuracies.【Conclusion】 The model established with hyper spectral band reflectance near 560 nm had the highest precision,and the deviation rate for predicting leaf SPAD values was generally less than 5.00%.

maize leaf;SPAD value;hyperspectral estimation model;variety difference

时间:2016-09-0709:02DOI：10.13207/j.cnki.jnwafu.2016.10.006

2015-03-20

国家科技部粮食丰产科技工程项目(2011BAD16B13，2012BAD04B04，2013BAD07B04，2011BAD16B14)；国家玉米产业技术体系项目(CARS-02-63)

高鑫(1985-)，男，黑龙江鹤岗人，博士，主要从事玉米生理生态研究。E-mail：gxrty2009@126.com

高聚林(1964-)，男，内蒙古鄂尔多斯人，教授，博士，博士生导师，主要从事作物生理生态及决策系统研究。

E-mail：nmgaojulin@163.com

TP79：S513

A

1671-9387(2016)10-0037-08

网络出版地址:http://www.cnki.net/kcms/detail/61.1390.S.20160907.0902.012.html