APP下载

成熟期烤烟叶面积指数的时空分布及其与冠层光谱参数的相关性

2022-09-24余志虹陈建军邓世媛李淮源

烟草科技 2022年9期
关键词:冠层植被指数下层

余志虹,邹 勇,陈建军,邓世媛,李淮源,徐 潇

1.深圳波顿香料有限公司,广东省深圳市南山区茶光路波顿科技园 518051 2.深圳烟草工业有限责任公司,广东省深圳市龙华区清宁路2号 518109 3.华南农业大学烟草研究室,广州市天河区五山路483号 510642

叶面积指数(LAI)是指单位地表面积上植物叶片的总面积,可反映植被结构、密度、叶面数量和群落生命活力等。对作物的LAI进行估算,有助于了解作物的长势与病虫害发生情况,对作物估产及大田管理具有重要意义[1]。LAI的传统测量方法有格点法、方格法、点接触法和描形称量法等,这些方法多具破坏性,且费时费力,难以在大面积范围内进行测量[2]。遥感技术因其具有实时、快速和无损等特点,为大范围估测作物LAI提供了有效途径。前人对作物LAI的光谱反演已进行了大量研究。夏天等[3]试验提出,冬小麦冠层光谱反射率中LAI的敏感波段为870、670、550和450 nm。薛利红等[4]研究了9个植被指数与水稻全生育期LAI的相关性和预测准确性,认为R810/R560对水稻LAI具有较好估算效果。齐波等[5]对52份大豆品种(系)不同生育期LAI进行光谱分析发现,盛花期比值植被指数RVI(825,586)、盛荚期RVI(763,606)、鼓粒初期RVI(744,580)均能较好地估测大豆LAI。随着作物LAI遥感研究的深入,一些学者采用神经网络法[6]、支持向量机法[7]和随机森林算法[8]等机器学习算法在提高LAI反演精度方面进行了探索,并取得了较好效果。但目前遥感分析技术应用于烤烟大田LAI监测方面的报道较少,而不同作物类型和种间差异对LAI光谱模型的适用性具有影响[9]。烤烟属阔叶型作物,以成熟落黄叶片为收获对象,在冠层分布及叶片形态等方面与粮食作物存在较大差异[10]。部分学者针对烤烟LAI光谱反演进行了试验[11~14],但大多数研究未涉及烟株LAI在空间上的差异,仅将烤烟烟株作为一个整体进行研究,且关注重点集中在烤烟成熟采收前,即烤烟打顶之前LAI的变化,而未对烤烟分层、分次采收过程中LAI变化进行跟踪,因而构建的LAI反演模型存在一定局限性。为此,研究了成熟期烤烟LAI时空分布情况,确定烤烟各叶层LAI与冠层光谱参数间的定量关系,并利用光谱植被指数和红边振幅建立了烤烟不同叶层LAI的光谱估算模型,旨在为LAI遥感技术应用于烤烟生产管理及长势监测提供依据。

1 材料与方法

1.1 试验材料

试验于2010年和2021年在广东省韶关市马市镇进行,供试烤烟品种为K326。试验地土壤为紫色土,前茬作物为花生,土壤基本理化性状见表1。

表1 土壤基本理化性状Tab.1 Basic physicochemical properties of soil

1.2 试验设计

试验设置4个氮肥用量处理,分别为纯氮0(N0)、105 kg·hm-2(N1)、150 kg·hm-2(N2)和195 kg·hm-2(N3)。每处理3次重复,共12个小区。采用随机区组排列,每小区约100株烟,行株距为1.2 m×0.6 m,四周设置保护行。供试肥料为烟草专用肥[m(N)∶m(P2O5)∶m(K2O)=13.0∶9.0∶14.0]、硝酸钾[m(N)∶m(K2O)=13.5∶44.5]、碳酸氢铵(N:17.1%)、硫酸钾(K2O:50.0%)、过磷酸钙(P2O5:12.0%)。各小区磷肥和钾肥施用量相同,磷肥全部用作基施,氮肥70%基施,追肥时将碳酸氢铵和硝酸钾溶解后混合配制成质量分数为20%的溶液,采用滴灌系统按体积比1∶100均匀施入。田间试验烟苗于2月26日移栽,4月26至5月1日现蕾打顶,留叶数20~22片,5月7日第1次采收,7月4日最后1次采收。其他栽培措施按照当地优质烤烟生产技术规范进行。

2010年试验数据主要用于确定烤烟不同叶层LAI与冠层光谱参数间的定量关系,建立烤烟不同叶层LAI光谱反演模型;2021年试验数据主要用于模型拟合效果的验证。

1.3 测定项目和方法

1.3.1 冠层光谱与叶面积指数(LAI)的测定

采用多光谱野外便携式辐射光谱仪(MSR-16R型,美国Cropscan公司)按照叶晓青等[15]的方法测定烤烟冠层光谱参数。光谱测定后即随机取3株烟,计算烟株叶面积[16]。LAI计算公式:

1.3.2 光谱参数的计算

光谱参数计算公式:

1.3.3 叶层的分层方法

参考王纪华等[23]的冬小麦冠层垂直分层方法,按打顶后烤烟株高将冠层平均分为三层,如图1所示,分别为上层、中层和下层。

1.4 数据分析

采用MATLAB 2012、EXCEL 2010及SPSS12.0软件进行数据处理和统计分析。

图1 烤烟叶层分层方法Fig.1 Leaf layering method of flue-cured tobacco plant

2 结果与分析

2.1 烤烟成熟期LAI的时空变化

由图2可以看出,烤烟植株LAI在成熟期均呈现先增加后降低的趋势,其中低氮处理(N0、N1和N2)在5月17日出现拐点,之后减小;而高氮处理(N3)则在5月29日才出现拐点,之后减小;随着成熟期的推进,植株LAI主导叶层发生变化,表现为成熟前期(5月17日之前)下层烟叶LAI作为植株LAI的主导叶层(占60%以上),成熟中期(5月29日)上、中、下层烟叶LAI在植株总LAI中的占比差异不大,成熟后期(6月6日之后)烤烟中上层LAI逐渐成为植株LAI的主导叶层。

图2 施氮量对烤烟LAI时空分布的影响Fig.2 Effects of nitrogen application rate on spatial-temporal distribution of LAI for flue-cured tobacco

施氮量对烟株LAI变化存在较大影响,除N3处理外,成熟前期烤烟LAI整体呈随施氮量增加而增加,排序依次为N2>N3>N1>N0;进入成熟中后期(5月29日开始)随着氮肥效应的出现,N3处理LAI呈现出增加趋势,而此时各中低氮(N0、N1、N2)处理叶片逐渐衰老,LAI逐渐减小,5月29日之后,处理间LAI排序依次为:N3>N2>N1>N0。同时发现,N2和N3处理间植株最大叶面积指数(LAImax)差异不显著,但均显著大于N0和N1处理。施氮量对烤烟不同叶层LAI变化有较大影响,中低氮处理烟株进入成熟期后下层LAI呈减小趋势,中上层则呈先增加而后保持基本稳定的趋势;高氮(N3)处理下层烟叶LAI则呈现出先增加后减小的趋势,中上层LAI变化规律与低氮处理一致。

2.2 LAI时空分布与冠层光谱反射率的相关性

对烤烟叶层进行多种组合以分析烤烟叶层间LAI时空分布对冠层光谱反射率的影响,各叶层分别定义为上层、中层、下层、上中层、中下层和冠层(上中下层),如图3所示。不同叶层及其组合LAI与冠层光谱反射率相关性在可见光区域(460~760 nm)和近红外区域(760~1 650 nm)差异较大。除个别波段外均表现为上层LAI与光谱反射率相关性总体低于下层,下层总体低于中层。不同叶层组合间也呈现出一定规律,表现为上层LAI与光谱反射率相关性规律和上中层组合基本一致,但上层LAI除在少数几个波段(460、1 100、1 300 nm)与光谱反射率显著相关外其余波段与光谱反射率相关性不明显;而上中层却与之相反,除少数波段(560、1 220、1 500 nm)外均与光谱反射率呈显著的相关关系。其余各叶层及组合(中层、下层、中下层、冠层)规律基本一致,均随波长的增加相关系数先减小而后急剧增加并保持稳定,之后减小。综合分析可以看出,中层、中下层、冠层LAI与光谱反射率相关性规律基本一致,均在可见光区域与光谱反射率呈显著负相关,而在760~1 300 nm波段呈显著正相关。即烤烟中层LAI能在很大程度上反映整个植株的LAI。

图3 烤烟不同叶层LAI与冠层光谱反射率的相关性Fig.3 Correlations between LAIs of different leaf layers of flue-cured tobacco and canopy spectral reflectivity

2.3 植被指数及红边振幅与烤烟LAI时空分布的相关性

由表2可知,6个植被指数及红边振幅与上层LAI的相关性不显著,植被指数RVI(810,680)、DVI(810,680)、NDVI(810,680)、SAVI及OSAVI与除上层外的其他叶层LAI均显著相关,相关性最大的叶层为冠层,其他依次为中层、中下层、上中层、下层;与植被指数EVI810相关性最大的叶层也为冠层,而后是中下层、中层、下层,最小的是上中层;与红边振幅DλRed相关性最大的叶层是中下层,然后是冠层、下层、中层,上中层最小。综合分析认为,中层LAI、冠层LAI与植被指数及红边振幅的相关性曲线最相似,即中层LAI对植株冠层光谱参数的贡献最大,上层最小。

另一方面,适用于不同叶层及其组合LAI估算的最优光谱参数并不完全一致,其中上层LAI与SAVI相关性最大,用SAVI来估算上层LAI较好;而中层、上中层、冠层LAI则与RVI(810,680)相关性最大,上层、中层、上中层、冠层LAI用RVI(810,680)来估算更好;下层、中下层LAI则与DλRed相关性最高,下层、中下层LAI可用DλRed来估算。

由表3可知,各叶层(除上层外)LAI与对应的最优光谱参数均能建立回归方程,经检验发现实测数据和预测数据拟合效果较好,可实现各叶层LAI的有效反演。上层LAI与SAVI相关性不显著,因此,对上层LAI的光谱定量监测还有待进一步研究。

表2 不同叶层LAI与冠层植被指数、红边振幅的相关性①Tab.2 Correlations between LAIs of different leaf layers and canopy vegetation index or DλRed

表3 不同叶层LAI回归模型及模型验证Tab.3 Regression models for LAIs of different leaf layers and their validations

3 讨论

叶面积是构成作物群体结构的重要因子,叶面积的变化可以用叶面积指数(LAI)来反映。本试验中发现,烤烟LAI在成熟期呈现先增后减的单峰曲线变化,其中施氮0、105和150 kg·hm-2的处理在5月17日达到LAImax后出现拐点,施氮195 kg·hm-2的处理可能受烟株生长发育前期干旱的影响而导致氮素效应推迟,于5月29日达到LAImax后出现拐点;施氮150 kg·hm-2和195 kg·hm-2处理间LAImax差异不显著,但均显著高于施氮0 kg·hm-2和105 kg·hm-2的处理,说明增施氮肥有利于烤烟叶面积增加,但氮肥用量超过一定值时烤烟LAI达到最大值的时间将推迟,且LAImax保持稳定,这与徐元等[24]研究结果基本一致。

绿色植被在可见光区域的反射率主要受叶绿素含量的影响[25],680、635和470 nm分别是Chla、Chlb和Car的强吸收波段[26],近红外波段受冠层及叶片结构、地上生物量等的影响较大[27],其光谱特征表现为反射率高、透过率高、吸收率低。随着成熟期的推进,下层烟叶逐步落黄采收,茎叶角度增大、叶片失绿以及叶片数减少导致下层烟叶可见光区域光谱反射率增加、近红外区域光谱反射率降低;上层烟叶由于其开片度的增加,叶层LAI增加,在可见光区域光谱吸收率增加反射率降低,而近红外波段则反射率增加,这可能是引起不同叶层及其组合LAI与冠层光谱反射率相关性在可见光区域和近红外区域存在较大差异的原因。

单一波段光谱反射率易受地上生物量及环境背景等影响[28],采用两波段构建植被指数能改善诊断的精度[29]。同时,植物冠层光谱是混合光谱,其中混入了土壤等环境背景低频噪声,尤其是下层烟叶离地面更近,受土壤等环境背景影响更大,进行一阶微分可以部分地消除低频光谱成分的影响。本试验中发现,利用植被指数RVI(810,680)对烤烟植株上层、中上层及冠层LAI反演效果最佳,而基于一阶微分处理的红边振幅(DλRed)反演烤烟下层、中下层LAI效果更优。不同叶层LAI分布情况的实时实地无损反演,对不适用烟叶处理、适熟采收监管和指导具有重要意义,在分叶层烟叶产量及部位结构预测及病虫害预测等方面亦有较广泛的应用前景。当然,烤烟LAI受品种特性、气象条件和栽培措施等诸多因素影响,本研究结果还需要在不同生态环境、品种、水肥和种植密度等条件下进一步验证。

4 结论

烤烟中层、上中层LAI与光谱植被指数RVI(810,680)呈极显著的二次曲线关系,回归方程分别为y=-0.000 6x2+0.076 0x-0.289 5(R2=0.878**)和y=0.000 4x2+0.089 0x-0.038 1(R2=0.636**);烤烟冠层LAI与光谱植被指数RVI(810,680)呈极显著幂函数正相关,回归方程为y=0.055 7x1.3853(R2=0.948**);烤烟下层、中下层LAI与红边振幅DλRed呈极显著二次曲线相关,回归方程分别为y=5.357 5x2-2.505 1x+0.336 0(R2=0.717**)、y=3.787 1x2+0.235 0x-0.136 7(R2=0.858**);模型经检验均具有较好的拟合效果,可用于烤烟中层、下层、上中层、中下层和冠层LAI的估算。

猜你喜欢

冠层植被指数下层
六种冠层阻力模型在冬小麦蒸散估算中的应用
干旱处理条件下水稻冠层温度的变化规律探究
密度与行距配置对向日葵冠层结构及光合特性的影响
基于无人机图像的草地植被盖度估算方法比较
基于无人机和地面图像的田间水稻冠层参数估测与评价
折叠积雪
积雪
植被指数监测绿洲农区风沙灾害的适宜性分析
有借有还