程 潜,李 斌,张振乾,官春云,王 悦,陈 浩,方希林,杨 鑫

(湖南农业大学油料所,湖南 长沙 410128)

【研究意义】硼是植物必需的营养元素之一，作物缺硼时，花药和花丝萎缩，花粉不能形成，表现出“花而不实”的病症[1]，油菜是需硼较多的作物，缺硼将造成油菜减产，施用硼肥不仅可以增加油菜产量，并能起到改善油菜品质的作用[2-4]。

叶绿素是绿色植物进行光合作用的物质基础，其含量高低是反应绿色植物叶片光合作用能力及植株健康状态的重要生理指标[5]，同时叶绿素含量与作物的氮含量、光合作用也密切相关[6]。目前，叶绿素含量的测定已经成为作物栽培、遗传育种等研究领域的一种常规工作[7-9]。传统测定叶绿素的方法需破坏植株且繁琐、耗时长、不能及时指导田间植物生产活动[10]。【前人研究进展】高光谱技术以其波段连续性强、波谱分辨率高、光谱信息量大等在植被遥感研究与应用中表现出强大优势[11-12]，通过遥感监测作物生长过程进而改善栽培[13-14]，优化作物分类收获、分级收购加工体制，提高作物品质监控水平，保证作物品质[15]，目前国内外已有不少相关研究[16-18]。金震宇等[19]发现水稻叶片的“红边”拐点波长位置与其叶绿素浓度之间具有很强的相关性。王秀珍等[20]对不同氮素营养水平下的水稻冠层光谱进行了研究，证明“红边参数”与上层叶片的叶绿素含量有着密切的关系。【本研究切入点】本文以早熟甘蓝型油菜420为材料，研究不同硼肥用量对油菜冠层特征光谱的影响并确定油菜冠层叶片叶绿素含量与冠层光谱间的定量关系。【拟解决的关键问题】找出其中特征波段，为今后通过无损监测油菜田间生长提供参考依据，目前国内尚无相关研究。

1 材料与方法

1.1 试验材料

试验选取早熟甘蓝型油菜420，由国家油料改良中心湖南分中心提供。

1.2 试验方法

1.2.1 试验设计 试验于2016年10月至2017年4月在湖南农业大学浏阳基地进行。供试田块耕作土壤pH：5.6，含有机质32.5 g/kg，全氮2.04 g/kg，碱解氮153 g/kg，有效磷12.4 g/kg，有效钾143.3 g/kg，有效硼0.265 g/kg。

试验采用等差法确定参数因素，设置3个硼素水平0.5倍(3.75 kg/hm2)，正常(7.5 kg/hm2)和1.5倍(11.25 kg/hm2)正常硼肥。采用随机区组设计，人工撒播，重复3次，各处理均施有效氮肥180 kg/hm2，有效磷肥90 kg/hm2，有效钾肥165 kg/hm2，所有肥料做基肥一次施入。小区面积2.5 m×4 m。除实验处理外，其他农事操作均与当地习惯操作为主。

1.2.2 叶绿素含量测定 分别于油菜的蕾薹期、花期和成熟期去浏阳基地取样，在田间测完冠层光谱的小区，每小区取长势均匀的植株3～4株[6]，选取有代表性的叶片，装入离心管中，再放入装有液氮的保温瓶中带回实验室。使用研磨法提取叶绿体色素[21]，并采用分光光度计(721型，上海菁华科技仪器有限公司)进行吸光度的测定。

1.2.3 冠层光谱测定 采用美国ASD FieldSpec Pro FR2500型背挂式野外地物波谱仪于油菜的蕾薹期、花期和成熟期进行冠层高光谱的测定，测试波段为350～2500 nm，由于光谱曲线在首端和末端有较大噪音，所以只取400～l355 nm波段的光谱用于分析。测定时尽量选择晴朗、无云、无风的天气，时间为10:00-14:00。选择长势均匀的冠层区域重复测量3次，取其平均值。

1.3 光谱数据分析

为消除地面土壤对反射光谱的影响，对原始光谱进行一阶微分处理，从中提取DVI(差值植被指数)，RVI(比值植被指数)和NDVI(归一化植被指数)[22]，用Excel 2010处理以上植被指数。并使用SPSS 22.0软件对最佳敏感波段做多自变量的回归分析。

2 结果与分析

2.1 不同硼肥用量情况下油菜冠层光谱的反射特征

由图1可以看出，在这3种硼肥条件下都具有相同的变化趋势，0.5倍硼肥条件下反射率较其他2种硼肥较低，最高反射率达到0.65左右，正常和1.5倍条件下的光谱反射率基本相同，反射率最高达到0.7。植物冠层的反射光谱随叶片中水分含量、叶肉细胞、叶绿素含量、氮素含量以及其他生物化学成分的不同而不同，因此，在不同的波段会呈现出不同形态和特征的反射光谱曲线[1]。400～700 nm的可见光区域是作物叶片的强吸收区域，由于叶绿素a、b的强吸收，在450和660 nm 2个可见光波段附近形成吸收谷和550 nm处形成1个吸收峰；780～1300 nm为近红外区，反射率较高，这与植物叶片内部组织结构的多次反射和散射有关[22]；在970和1200 nm附近由于水分的吸收特征，形成吸收谷。

图1 不同硼肥条件下的光谱特征Fig.1 Spectral characteristics under the condition of different boron treatments

图2 叶绿素含量与冠层光谱的相关性Fig.2 Correlation between chlorophyll content and canopy spectrum

2.2 基于0.5倍硼肥条件下相关性系数较大波段的叶绿素含量模型

2.2.1 叶绿素含量与光谱的相关性分析 如图2所示，叶绿素a的含量与光谱原始数据的最大相关系数为0.9254，位于近红外波段1350 nm；叶绿素b的含量与光谱原始数据的最大相关系数为0.8356，也位于近红外波段1350 nm处。由于叶绿素a和叶绿素b与冠层光谱都只表现出正相关关系，所以利用SPSS 22.0对找出的最佳敏感波段做单自变量的回归分析结果如表1。

2.2.2 叶绿素含量与光谱一阶微分的相关分析 为消除地面土壤对反射光谱的影响，对一阶微分光谱与叶绿素a和叶绿素b的含量进行相关性分析，结果表明叶绿素a与光谱一阶导数的最大相关系数为0.9097，位于可见光区域450 nm；最小相关系数为-0.8669，为763 nm，也在可见光区域。叶绿素b与光谱一阶导数的最大相关系数为0.8788，位于可见光区域421 nm处；最小相关系数为-0.8185，位于近红外波段763 nm处。这2个相关波段建立相关光谱参数，得到其与叶绿素含量的相关系数(表2)。

由表2可知，基于两敏感波段的3种植被指数、红边、黄边和蓝边幅值经过检验，均达到极显著水平以上。利用SPSS 22.0和Excel 2010对两敏感波段和3种植被指数进行函数模拟检验，结果如下表3。

表1 光谱参数与叶片叶绿素含量之间的相关性分析

注：n=27，P0.05=0.381，P0.01=0.487；下同。

Note:n=27，P0.05=0.381，P0.01=0.487,the same as below.

表2 一阶微分光谱参数与叶片叶绿素含量之间的相关性分析

表3 叶绿素含量与优选光谱参数的定量关系

图3 叶绿素含量与冠层光谱的相关性Fig.3 Correlation between chlorophyll content and canopy spectrum

2.3 基于正常硼肥条件下相关性系数较大波段的叶绿素含量模型

2.3.1 叶绿素含量与光谱的相关性分析 由图3可知，叶绿素a的含量与光谱原始数据的最大相关系数为0.8022，位于近红外波段1341 nm；叶绿素b的含量与光谱原始数据的最大相关系数位于可见光区域444 nm处，为0.7054。由于叶绿素a和叶绿素b与冠层光谱均表现出正相关关系，所以利用Spss 22.0对找出的最佳敏感波段做单自变量的回归分析(表4)。

2.3.2 叶绿素含量与光谱一阶微分的相关分析 对原始光谱进行一阶微分处理，再与叶绿素a和叶绿素b的含量进行相关性分析，叶绿素a与光谱一阶导数的最大相关系数为0.9087，位于近红外区域1263 nm；最小相关系数为-0.8802，为1143 nm，位于近红外区域。叶绿素b与光谱一阶导数的最大相关系数为0.8556，位于436 nm处；最小相关系数为-0.7876，位于近红外波段1135 nm处。这2个相关波段建立相关光谱参数，得到其与叶绿素含量的相关系数。

由表5可知，在叶绿素a与一阶光谱参数的两敏感波段的3种植被指数、红边、黄边和蓝边幅值经过检验，均达到极显著水平。叶绿素b与光谱一阶微分的两敏感特征波段的差值植被指数和红边、黄边、蓝边幅值达到极显著水平，比值和归一植被指数达到显著水平以上。利用SPSS 22.0和Excel 2010对两敏感波段和3种植被指数进行函数模拟检验，结果如表6。

2.4 基于1.5倍硼肥条件下相关性系数较大波段的叶绿素含量模型

2.4.1 叶绿素含量与光谱的相关性分析 叶绿素a的含量与光谱原始数据的最大相关系数为0.8639(图4)，位于近红外波段1332 nm；最大负相关系数为-0.4479，位于667 nm处。叶绿素b的含量与光谱原始数据的最大相关系数为0.8072，近红外波段1341 nm处；最小相关系数为-0.3679，位于可见光区域667 nm处。由于叶绿素a和叶绿素b与冠层光谱都表现出正负相关关系，所以利用SPSS 22.0对找出的最佳敏感波段做两自变量的回归分析，结果表7。

表4 光谱参数与叶片叶绿素含量之间的相关性分析

表5 一阶微分光谱参数与叶片叶绿素含量之间的相关性分析

表6 叶绿素含量与优选光谱参数的定量关系

续表6 Continued table 6

光谱参数拟合公式R2显著性y=3770.9x2+1624.2x+199.80.2856P>0.05DVI (436,1135)y=68.266e82.359x0.6138P<0.01y=10332x+67.8830.6267P<0.01y=49.04ln(x)+406.010.6465P<0.01y=1124.1x0.41010.6968P<0.01y=-577 046x2+20 128x+44.8440.6880P<0.01NDVI(436,1135)y=656.15e1.5363x0.1973P>0.05y=174.53x+331.310.1652P>0.05y=599.62x2+1880.2x+1475.40.2882P>0.05

图4 叶绿素含量与冠层光谱的相关性Fig.4 Correlation between chlorophyll content and canopy spectrum

2.4.2 叶绿素含量与光谱一阶微分的相关分析 对原始光谱进行一阶微分处理，再与叶绿素a和叶绿素b的含量进行相关性分析，结果表明，叶绿素a与光谱一阶导数的最大相关系数为0.8681，位于可见光区域725 nm；最小相关系数为-0.9211，为1334 nm，位于近红外区域。叶绿素b与光谱一阶导数的最大相关系数为0.8682，位于925 nm处；最小相关系数为-0.8690，位于近红外波段1143 nm处。将这2个相关波段建立相关光谱参数，得到其与叶绿素含量的相关系数。

表7 光谱参数与叶片叶绿素含量之间的相关性分析

表8 一阶微分光谱参数与叶片叶绿素含量之间的相关性分析

续表8 Continued table 8

光谱参数计算方法相关系数显著性Db(蓝边幅值)波长在490～530 nm内一阶导数光谱最大值0.8439P<0.01叶绿素bR925R9250.8682P<0.01R1143R1143-0.8690P<0.01RVI (925,1143)R1143/R925-0.7623P<0.01DVI (925,1143)R1143-R9250.8964P<0.01NDVI(925,1143)(R1143-R925)/(R1143+R925)-0.8048P<0.01Dr(红边幅值)波长在680～760 nm内一阶导数光谱最大值0.7928P<0.01Dy(黄边幅值)波长在560～640 nm内一阶导数光谱最大值0.6463P<0.01Db(蓝边幅值)波长在490～530 nm内一阶导数光谱最大值0.7918P<0.01

表9 叶绿素含量与优选光谱参数的定量关系

由表8可知，在叶绿素a与一阶光谱参数的两敏感波段的差值植被指数、三边幅值经过检验，都达到极显著水平，但是比值和归一值植被指数均未达到显著水平。叶绿素b与光谱一阶微分的两敏感特征波段的3种植被指数、3边幅值达到极显著水平，比值和归一植被指数达到显著水平以上。利用SPSS 22.0和Excel 2010对两敏感波段和3种植被指数进行函数模拟检验，结果如表9。

3 结 论

(1)3种硼肥下的油菜冠层反射光谱都具有相同的变化趋势，0.5倍硼肥的反射率较低于其它2个硼素水平。在400～700 nm可见光区域由于叶绿素a, b的吸收产生2个吸收谷，从而引起550 nm处产生1个吸收峰，在780～1300 nm为近红外区，反射率较高，在970和1200 nm附近由于水分的吸收特征，形成吸收谷。

(2)在3种硼肥条件下，光谱参数与叶绿素含量都表现出极显著的相关关系，在1.5倍硼肥条件下出现了负的相关系数。通过利用最佳敏感波段和叶绿素含量拟合的函数关系均表现出极显著的相关性。

(3)用光谱一阶微分与叶绿素含量做相关性分析发现，都具有极显著的相关关系，用SPSS 22.0拟合这两特征光谱得到的多元回归函数均达到极显著水平，R2都达到0.8以上。从一阶微分与叶绿素含量中提取的3种植被指数及3边幅值中，0.5倍硼肥条件下叶绿素a和b的3种植被指数和红，绿，黄3边幅值均达到极显著水平，它们拟合的指数等函数模型也达到显著水平以上。正常硼肥条件下的3种植被指数和3边幅值均达到显著水平以上，但是在叶绿素b与一阶微分光谱参数的比值和归一值植被指数中的各个函数模型均未达到显著水平，其他植被指数中的函数模型均达到极显著水平。1.5倍硼肥条件下，叶绿素a与光谱一阶微分的比值和归一化植被指数未达到显著水平，其他植被指数和3边幅值均达到显著水平以上。

4 讨 论

本研究从冠层水平分析了不同硼肥条件下，冠层反射光谱与油菜叶片叶绿素含量的定量关系，利用高光谱遥感技术获得了油菜冠层的精细光谱信息，建立了监测模型。在1.5倍硼肥条件下与原始光谱表现出了负相关系数，表明叶绿素含量会随所施硼肥的增加而减少，并且，在0.5倍硼肥条件下，3种植被指数及其函数模型都在显著水平以上，正常硼肥条件下出现了植被指数的函数模型的R2未达到P0.05水平以上，结果不显著，而在1.5倍硼肥条件下存在植被指数达不到显著水平的情况。硼肥过多将会影响叶绿素的含量，函数模型的相关系数和决定系数也会降低。本实验研究结果具有一定的预测精度，有一定的实际应用价值，能够精准监测油菜生理生化状况、产量品质和作物长势等，促进油菜未来生产的科学化管理。