張亞彪 羅舉 唐健等

摘要研究了7個供試水稻品種孕穗期葉片色素以及含水率與高光譜特征參數之間的關系。在綠峰反射、紅谷吸收以及水分吸收處，不同供試水稻品種高光譜波段反射率有顯著差異。利用相關的分析方法，以（R640-R670）/R670、（R800-R680）/（R800+R680）、1/R510-1/R550、Dr、Sr、Rg 6個光譜參數構建水稻葉片色素模型；同時，分析1 450 nm處水稻葉片含水率與吸收深度及吸收面積的相關性。研究表明，不同品種水稻含水率與光譜吸收差異在一定程度上反映出水稻品種間抗蟲性差異。水稻葉片色素、含水率的高光譜特征在較大尺度上對田間水稻品種分類、健康診斷和品種抗性鑒定上有重大意義。

關鍵詞水稻葉片；高光譜特征；葉片色素含量；含水率；抗蟲性

中圖分類號S511文獻標識碼

A文章編號0517-6611（2015）07-040-05

Hyperspectral Characteristics of Rice Leaves and Their Pigment and Water Content Analysis

ZHANG Ya-biao1， LUO Ju2， TANG Jian2， LIU Ying-hong1* （1. Plant Protection College， Southwest University， Chongqing 400715； 2. China National Rice Research Institute， Hangzhou， Zhejiang 310000）

Abstract The relationship between leaf pigment content as well as water content and hyperspectral characteristic parameters in seven tested rice varieties in booting stage was studied. There are significant differences of hyperspectral reflectance in rice varieties in green reflectance maintain， red absorption maintain and water absorption maintain. By correlative analysis method， the paper uses （R640-R670）/R670， （R800-R680）/（R800+R680），1/R510-1/R550，Dr，Sr Rg to build up leaf pigment content models， and analyzes correlation between water content and absorption depth as so as area in 1 450 nm. The results showed that the difference of water content and spectral absorption partly reflects the difference of insect resistance among different rice varieties. Hyperspectral characteristics of water content and pigment content in rice leaves have great significance for field rice varieties classification， health diagnosis and resistance identification in a large scale.

Key words Rice leaves； Hyperspectral characteristics； Leaf pigment content； Water content； Insect resistance

植物葉片色素主要包括葉綠素和類胡蘿卜素，能夠反映綠色植物的生長狀況，與植物光合作用密切相關。葉綠素主要吸收光能，而類胡蘿卜素起保護葉綠素的作用。水分在植物生長過程中具有不可替代的作用。葉片色素與水分含量是植物生長過程中營養(yǎng)脅迫、干旱脅迫、病蟲為害以及衰老進程等的良好指示劑[1-3]，因此監(jiān)測植物葉片中色素含量與含水率在植物健康診斷、營養(yǎng)狀況中具有重要意義。近年來，隨著高光譜技術的發(fā)展，其快速、無損的診斷優(yōu)勢在農業(yè)領域越來越明顯，逐步成為農作物營養(yǎng)生長、病蟲監(jiān)測的重要手段。在可見光范圍內，光譜特征以色素吸收為主。Daughtry等[4-5]研究了玉米葉片光譜反射率與葉片色素的相關性。朱西存等[6]研究了蘋果葉片的高光譜反射特征。Thomas等[7]采用完全飽和葉片在室溫下逐漸干燥的方法，證明葉片含水量與1 450、1 930 nm處光譜反射率顯著相關。此后，很多學者研究都認為在970、1 450、1 900 nm處的光譜反射率反映植物水分狀況[8-9]。高光譜技術在農業(yè)領域的研究，主要集中在不同施肥量等處理、重金屬脅迫、病蟲為害等引起光譜曲線的變化。唐延林等[10-11]研究了不同施氮量下水稻光譜特征。修麗娜等[12-13]研究了鉛、鎘污染下的水稻光譜特征。吳昊等[14-15]研究了白背飛虱、褐飛虱為害下水稻葉片的光譜特征。在利用高光譜分析不同水稻品種葉片光譜特征與葉片色素及含水率的關系以及含水率與品種抗性的關系等方面的研究較少。筆者研究了不同水稻品種間光譜反射差異，構建水稻葉片色素與高光譜參數的模型，分析含水率與光譜特征的相關性以及水稻品種抗性差異，旨在對水稻生長監(jiān)測、水稻品種抗性監(jiān)測提供理論依據。

1材料與方法

1.1試驗材料

供試水稻品種選用mudgo、ASD7、IR26、IR36、IR42、IR56以及TN1。其中，IR26、mudgo為抗褐飛虱生物Ⅰ型品系（含1號基因），IR36、IR42、ASD7為抗褐飛虱生物Ⅱ型品系（含2號基因），IR56為抗褐飛虱生物型Ⅲ品系（含3號基因），TN1為感蟲品系。試驗區(qū)位于杭州富陽市中國水稻研究所試驗田。2014年6月10日直播田播種，8月18日（水稻孕穗期）進行采樣。統(tǒng)一水肥管理，即在三葉期以前控水保苗，三葉期以后排水擱田；二葉一心時施“斷乳肥”，五六葉施分蘗肥。在水稻生長孕穗期，取充分展開、無損、無病蟲害的水稻健康劍葉，每個品種取20片，將采集葉片迅速裝入保鮮袋，放入盛有冰袋的保險箱中，帶回實驗室。

1.2光譜測定

1.2.1光譜系統(tǒng)。光譜測定采用GaiaSorter“蓋亞”高光譜分選儀（北京卓立漢光儀器有限公司，中國），可見光相機（image-λ-V10E-LU）采集波段為400～1 000 nm，光譜分辨率為2.8 nm，其中400～450和900～1 000 nm波段范圍內，光譜曲線信噪比較低，故選用450～900 nm波段范圍內光譜信息進行分析；短波紅外相機（image-λ-N25E-XE）采集波段為1 000～2 500 nm，光譜分辨率為10 nm，其中1 000～1 050和2 450～2 500 nm范圍內，光譜曲線性噪比較低，故選用1 050～2 450 nm波段范圍內光譜信息。

1.2.2光譜圖像采集與校正。

將水稻葉片平鋪展開，置于載物臺上。設置白板與水稻葉片同一水平面。在數據采集時，先對相機進行調焦，再獲取高光譜圖像。

為了克服光強分布弱的波段存在圖像噪聲與暗電流的影響，可對采集的圖像進行校正。該試驗采用的校正方法為黑白幀校正，具體操作如下：在采集數據前，首先將鏡頭聚焦在白板位置，采集一幀反射率為100%的全白標定圖像，然后蓋上相機蓋，采集一幀反射率為0的全黑標定圖像，進而在相同參數設定下采集樣本圖像信息。根據式（1）得到黑白標定后的樣本相對光譜圖像，其像素區(qū)域在波段i處反射率（R）為：

R（i）=Is（i）-Id（i）Iw（i）-Id（i） （1）

式中，Is為樣本光譜圖像；Id為全黑標定圖像；Iw為全白標定圖像；R為光譜反射率。

1.3農學參數設定

1.3.1葉片含水量測定。

稱重水稻葉片鮮重（Fw），然后將葉片置于110°高溫殺青處理30 min，再將葉片放置在60°烘箱中，24 h后取出，測葉片干重（Dw），然后根據公式計算每次葉片的含水率。

葉片含水率=Fw-DwFw×100% （2）

1.3.2葉片色素測定。

稱取一部分測定光譜的葉片（FW），將其剪碎放入試管中，加入10 ml萃取液（萃取液配置為4.5 ml丙酮、4.5 ml乙醇、1.0 ml水），置于黑布遮光環(huán)境中靜置，24 h后利用紫外可見光分光光度計PC765-UV分別測663 nm（葉綠素a最大吸收峰）、645 nm（葉綠素b最大吸收峰）、440 nm（類胡蘿卜素最大吸收峰）處的光密度OD值。利用以下公式[16]，計算葉片色素含量。

式中，Ri為波長i處的反射率；λi為波長i處的波長值；Δλ為相鄰波長的差值。從一階導數中可以提取位置變量、面積變量、植被指數變量等參數。

紅邊幅值（Dr）是紅邊（680～760 nm）波段范圍內最大的一階微分值；紅邊位置λr是最大的一階微分值對應的波長；綠峰幅值是綠光范圍內最大的波段反射率，綠峰位置則是相對應的波長；紅光吸收谷幅值是紅光范圍內最小的波段發(fā)射率，紅吸收谷位置是對應的波長。紅邊面積是相對應波段范圍內一階微分值之和。

利用EXCEL進行基礎數據錄入，并且使用SPSS 19.0進行相關統(tǒng)計分析檢驗及繪圖。

2結果與分析

2.1水稻葉片的高光譜特征

由圖1可知，不同品種水稻葉片的光譜反射曲線形狀相似，說明不同品種水稻葉片的主要構成物質與結構沒有質的區(qū)別，只有葉片厚薄、顏色深淺以及含水量多少的差異。在波長550 nm綠光區(qū)水稻葉片反射率出現峰值，在紅光區(qū)680 nm及短波紅外區(qū)1 450 nm和1 900 nm處水稻葉片出現強烈吸收。

圖1不同水稻品種光譜反射率曲線

由圖2可知，在可見光區(qū)域波段510、560、690 nm附近有明顯的信號信息，750 nm之后信號波動劇烈，信息量較大。在短波紅外區(qū)域1 130、1 380、1 480、1 745、1 870 nm處有明顯信號，在2 000 nm之后有強烈信號波動。

圖2水稻品種光譜反射率的一階導數

結合圖1與圖2，對反射與吸收強烈處進行方差分析。由表1可知，在550 nm處，水稻品種IR42與IR56之間反射率差異不大，與其他6個品種之間差異在0.05水平顯著；mudgo與IR36、TN1之間差異性不大，與其他5個品種間反射率差異在0.05水平顯著；水稻品種ASD7與IR26之間無差異，但是這2個品種與其他4個品種之間存在0.05水平顯著性差異。在680 nm處，水稻品種IR42、IR56、TN1之間光譜吸收沒有差異，但與ASD7之間差異較大。在1 450 nm處，ASD7與IR36、TN1之間吸收無差異，mudgo與IR26之間光譜反射率無差異，IR42與IR56品種間也無差異；在1 900 nm處，ASD7、mudgo、IR26以及TN1品種之間反射率無差

異，與IR36之間差異不大，與IR42、IR56品種之間有顯著

由表2可知，文中所采用的6個參數與7個品種的葉片色素在0.01水平下均有顯著相關性，可以參與構建葉片色素與光譜參數的模型。將這6個參數分別一起用于葉綠色a、葉綠素b、葉綠素總量以及類胡蘿卜素含量建模，分別篩選出對各自模型有顯著貢獻的參數。建模結果見表3。

求得的擬合預測方程是否與實際相符，需要進行假設檢驗[19-20]。若擬合曲線符合實際情況，則預測值y（x）與實際測量所得gi（x）（i=0，1，2 … n）之間存在線性關系，此時方程系數ci≠0（i=0，1，…，n），否則y（x）就不依賴于g（x），或者說是不線性依賴于g（x）。

由圖3可知，葉片色素預測值與實測值存在線性關系，模型在顯著水平0.05下Fa（1.124）=1.63，Chla、Chlb、Chl（a+b）、Car的F值大于Fa，拒絕原假設，認為模型能較好地反映水稻葉片色素含量；Chla、Chlb、Chl（a+b）、Car的相對誤差（RE%）分別為0.002 8、0.021 9、0.001 5、0.004 6，除Chlb外，其他均較小，表明模型的可靠性。

表3葉色素與光譜參數模型擬合（n=126）

因變量回歸方程 自變量自變量名稱 回歸系數相伴概率（Sig.）

Chla=2.712 3-3.142 3x1 x1（R640-R670）/R670 0

Chlb=3.468 5-1.320 9x1-3.163 4x5 x1 （R640-R670）/R670 0

x5 Rg0.001

Chl（a+b）=3.241 5-3.861 4x1 x1 （R640-R670）/R6700

Car=5.249 8-2.136 3x1-4.477 8x5x1（R640-R670）/R670 0

x5Rg0

圖3水稻葉片色素含量監(jiān)測值與實測值比較（n=126）

2.3含水率相關性分析

由圖1可知，在1 450、1 900 nm處，水分有明顯吸收。有研究針對1 450 nm處光譜特征隨葉片含水量的波動，提出吸收深度（Depth）和吸收面積（Area）2個參量[21-22]。吸收深度指特征吸收峰最小點相對反射率100%線的距離，面積指吸收峰深度一半處寬度與深度的乘積。

對7個品種共140組水稻葉片的1 450 nm處光譜特征吸收峰的深度與面積進行分析。由圖4可知，品種IR42、IR56、IR26、mudgo的含水率高于ASD7、IR36、TN1，7個品種實測含水率與吸收深度以及吸收面積均有0.05水平顯著相關性，R均大于R0.01[20]，且7個品種有明顯三類，即IR26與mudgo、IR42與IR56、IR36與ASD7以及TN1。當前田間褐飛虱種群由主要是生物型Ⅰ、生物型Ⅱ混合發(fā)生向生物型Ⅲ轉變[23]。在1975年成功推廣后，mudgo與IR26抗褐飛虱生物型Ⅰ品系對褐飛虱種群抗性下降[24]；IR56為抗生物型Ⅲ品系且對褐飛虱種群表現高抗，IR42為抗生物型Ⅱ品系，對褐飛虱種群表現為中抗[25]；ASD7與IR36抗生物型Ⅱ但敏感于生物型Ⅲ[26]，TN1是感蟲品系。結果表明，含水率與吸收深度及吸收面積的相關性在一定程度上反映出水稻品種間抗性差異。

從圖4還可以看出，水稻葉片含水量與1 450 nm處吸收峰與吸收面積顯著正相關，即谷底越深，吸收峰越大，含水量越多；吸收面積越大，含水量也越多。不同品種之間含水量與吸收深度以及吸收面積之間也有一定差異。

3討論

以水稻孕穗期水稻劍葉為例，探討了水稻葉片的光譜曲線特征。結果表明，不同水稻品種的光譜曲線整體趨勢一致。在可見光區(qū)域，不同供試品種的光譜曲線差異集中在綠峰、紅谷處；在短波紅外區(qū)域1 450 nm水分吸收峰處，供試品種之間也表現出不同，特別是1 900 nm之后不同供試品種的光譜反射率區(qū)別明顯。有研究表明，2 100 nm前后主要是水、O-H基合頻吸收，2 300 nm前后主要是C-H基合頻吸收[27-28]，而C-H基是植物體碳水化合物、碳氮化合物等大分子的基本基團，含碳化合物等與水稻抗蟲性有關[29-30]。理論上，尋找到合適的指標，能夠直接利用高光譜對水稻品種進行抗性鑒定。這在水稻抗性品系鑒定方面有重大意義。

圖4含水率與吸收深度及吸收面積的相關

研究中以葉綠素指數、胡蘿卜素指數、植被歸一化指數、紅邊幅值、紅邊面積以及綠峰反射率光譜參數構建了光譜曲線與葉片色素含量模型，葉綠素a含量與葉綠素指數、紅邊面積相關，葉綠素b與葉綠素指數、紅邊幅值相關，類胡蘿卜素含量與葉綠素指數、植被歸一化指數有關；以水分吸收峰深度、吸收面積構建了光譜曲線與葉片含水率模型，表明水分含量跟吸收深度、吸收面積正相關。這與前人的一些研究[31-33]類似。研究還表明，高光譜能快速監(jiān)測水稻的生理生化指標，對稻田監(jiān)測有重大意義。

參考文獻

[1]

姚云軍，秦其明，張自力，等.高光譜技術在農業(yè)遙感中的應用研究進展[J].農業(yè)工程學報，2008，24（7）：301-306.

[2] LICHTENTHALER H K，GITELSON A，LANG M.Non-destructive determination of chlorophyll content of leaves of a green and an area mutant of tobacco by reflectance measurements[J].Journal of Plant Physiology，1996，148：483-493.

[3] YANG H，ZHANG J，VAN DER M F，et al.Imaging spectrometry data correlated to hydrocarbon microseepage[J].International Journal of Remote Sensing，2000，21（1）：197-202.

[4] DAUGHTRY C S T，WALTHALL C L，KIM M S，et al.Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J].Remote Sensing of Environment，2000，74（2）：229-239.

[5] 唐延林，黃敬峰，王秀珍，等.玉米葉片高光譜特征及與葉綠素、類胡蘿卜素相關性研究[J].玉米科學，2008，16（2）：71-76.

[6] 朱西存，趙庚星，王瑞燕，等.蘋果葉片的高光譜特征及其色素含量監(jiān)測[J].中國農業(yè)科學，2010，43（6）：1189-1197.

[7] THOMAS J R，NAMKEN L N，OERTHER G F，et al.Estimating leaf water content by reflectance measurements[J].Agronomy Journal，1971，63（6）：845-847.

[8] PENUELAS J，FILELLA I，BIEL C，et al.The reflectance at the 950-970 nm region as an indicator of plant water status[J].International Journal of Remote Sensing，1993，14（10）：1887-1905.

[9] KOKALY R F，CLARK R N.Spectroscopic determination of leaf biochemistry using band-depth analysis of absorption features and stepwise multiple linear regression[J].Remote Sens，1999，67（3）：267-287.

[10] 唐延林，王人潮，黃敬峰，等.不同供氮水平下水稻高光譜及其紅邊特征研究[J].遙感學報，2004，8（2）：185-192.

[11] 潘興哲.基于不同施氮量水平水稻高光譜特征分析[D].南昌：江西農業(yè)大學，2013：20-34.

[12] 修麗娜，劉湘楠，劉美玲.鎘污染水稻高光譜分析及建模[J].光譜學與光譜分析，2011，31（1）：192-196.

[13] 仲春曉.施氮水平、鉛鎘污染對水稻冠層與米質高光譜特征的影響分析[D].揚州：揚州大學，2012：67-84.

[14] 吳昊，邱白晶，陳國平，等.水稻白背飛虱蟲害的單葉高光譜特征分析[J].農機化研究， 2009（4）：117-119.

[15] YANG C M，CHENG C H.Spectral characteristics of rice plants infested by brown planthoppers[J].Proceedings of the National Science Council，Republic of China：Part B，Life Sciences，2001，25（3）：180-186.

[16] 張志良，瞿偉菁.植物生理學實驗指導[M].北京：高等教育出版社，2003：67-70.

[17] TSAI F，PHILPOT W.Derivative analysis of hyperspectral data[J].Remote Sensing of Environment，1998，66（1）：41-51.

[18] 鄧書斌.ENVI遙感圖像處理方法[M].北京：科學出版社，2010：374-386.

[19] 金彪，吳北平，李艷芳.曲線擬合與自回歸模型在地鐵變形監(jiān)測中的運用[J].地礦測繪，2009，25（1）：35-37.

[20] 李希菲，洪玲霞.杉木、落葉松斷面積模型參數比較[J].林業(yè)科學研究，1997，10（5）：500-505.

[21] 王紀華，趙春江，郭曉維，等.用光譜反射率診斷小麥水分葉片狀況的研究[J].中國農業(yè)科學，2001，34（1）：104-107.

[22] 劉小軍，田永超，姚霞，等.基于高光譜的水稻葉片含水量監(jiān)測研究[J].中國農業(yè)科學，2012，45（3）：435-442.

[23] 呂亮，陳其志，張舒，等.褐飛虱田間致害型監(jiān)測[J].湖北農業(yè)科學，2009，48（6）：1367-1368.

[24] 商科科.水稻新材料對褐飛虱的抗性及褐飛虱適應性變化[D].武漢：華中農業(yè)大學，2012：2.

[25] 陳峰，傅強，羅舉，等.苗期抗性不同的水稻品種成株期對褐飛虱的抗性[J].中國水稻科學，2009，23（2）：201-206.

[26] 吳榮宗.水稻品種對稻褐飛虱抗性的研究[J].植物保護學報，1980，7（3）：133-138.

[27] 吳新生，謝益民.植物纖維原料的近紅外光譜吸收機理的研究[J].光譜實驗室，2010，27（5）：1685-1690.

[28] 吳新生，謝益民.植物纖維的主要成分在近紅外光譜吸收上的差異[J].計算機與應用化學，2011，28（3）：279-282.

[29] 丁識伯.水稻不同品種對褐飛虱的抗性水平鑒定及抗性因子初探[D].鄭州：河南農業(yè)大學，2010：7-10.

[30] 劉光杰，WILKINS R M，SAXENA R C.白背飛虱對不同抗蟲性稻株糖類物質的利用[J].昆蟲學報，1995，38（4）：421-427.

[31] 陳君穎，田慶久，施潤和.水稻葉片葉綠素含量的光譜反演研究[J].遙感信息，2005（6）：12-16.

[32] 唐延林，王紀華，黃敬峰，等.水稻成熟過程中高光譜與葉綠素、類胡蘿卜素的變化規(guī)律研究[J].農業(yè)工程學報，2003，19（6）：167-173.

[33] 李向陽，劉國順，楊永鋒，等.烤煙葉片高光譜參數與多種生理生化指標關系研究[J].中國農業(yè)科學，2007，40（5）：987-994.