尚　艷，常慶瑞，劉秀英,2，王曉星，田明璐

(1 西北農(nóng)林科技大學(xué) 資源環(huán)境學(xué)院，陜西 楊凌712100；2 河南科技大學(xué) 農(nóng)學(xué)院，河南 洛陽(yáng)471003)

?

關(guān)中地區(qū)小麥冠層光譜與氮素的定量關(guān)系

尚艷1，常慶瑞1，劉秀英1,2，王曉星1，田明璐1

(1 西北農(nóng)林科技大學(xué) 資源環(huán)境學(xué)院，陜西 楊凌712100；2 河南科技大學(xué) 農(nóng)學(xué)院，河南 洛陽(yáng)471003)

[摘要]【目的】 分析不同生育期及整個(gè)生育期小麥葉片氮含量(LNC)與冠層光譜反射特征的關(guān)系，以實(shí)現(xiàn)對(duì)田間小麥活體氮素營(yíng)養(yǎng)狀況的監(jiān)測(cè)，為小麥葉片氮素狀況的精確診斷提供依據(jù)?！痉椒ā?以位于陜西關(guān)中地區(qū)楊凌揉谷鎮(zhèn)、扶風(fēng)馬席村和巨良農(nóng)場(chǎng)的3個(gè)小麥試驗(yàn)田為研究對(duì)象，測(cè)定不同長(zhǎng)勢(shì)及生育期小麥LNC及冠層光譜反射率，分析不同長(zhǎng)勢(shì)下小麥LNC和反射率的變化，并研究氮含量與冠層光譜反射率的相關(guān)性，以及小麥LNC與比值植被指數(shù)(RVI)、歸一化植被指數(shù)(NDVI)的相關(guān)性，建立小麥LNC的敏感波段及光譜監(jiān)測(cè)模型。【結(jié)果】 在同一生育期，長(zhǎng)勢(shì)差的小麥葉片氮含量較低，長(zhǎng)勢(shì)較好的葉片氮含量高。與單波段相比，組合波段構(gòu)成的植被指數(shù)RVI、NDVI與LNC的相關(guān)性明顯提高，近紅外波段(730～1 075 nm)和紅波段630，660，690 nm組成組合波段的RVI、NDVI與LNC呈極顯著正相關(guān)，其中LNC與RVI的相關(guān)性較高。利用獨(dú)立的小麥田間試驗(yàn)數(shù)據(jù)，采用通用的均方根差(RMSE)、決定系數(shù)(R2)、準(zhǔn)確度(斜率)3個(gè)指標(biāo)對(duì)所建立的模型進(jìn)行檢驗(yàn)，最終選取RVI(970,690)為監(jiān)測(cè)小麥LNC的最佳光譜參數(shù)，構(gòu)建的最佳模型為L(zhǎng)NC=0.176 3×RVI(970,690)0.775 6，R2為0.863，RMSE為0.137，準(zhǔn)確度為 0.979，接近于1?！窘Y(jié)論】 利用小麥冠層光譜反射率構(gòu)建了預(yù)測(cè)小麥LNC的最佳模型，該模型具有較好的準(zhǔn)確度和普適性，適用于整個(gè)生育期小麥葉片氮含量的監(jiān)測(cè)。

[關(guān)鍵詞]小麥；葉片氮含量；冠層高光譜反射率；比值植被指數(shù)；定量分析；監(jiān)測(cè)模型

氮素是植物生長(zhǎng)必不可少的營(yíng)養(yǎng)元素，占植物體干質(zhì)量的0.3%～0.5%[1]。氮素是植物體內(nèi)許多重要有機(jī)化合物的組分，也是遺傳物質(zhì)的基礎(chǔ)，對(duì)植物生命活動(dòng)以及作物產(chǎn)量和品質(zhì)均有極其重要的作用。植株全氮含量可以很好地反映作物氮素營(yíng)養(yǎng)狀況，與作物產(chǎn)量也有很好的相關(guān)性[2]；氮也是作物蛋白質(zhì)、核酸、葉綠素、輔酶等的重要組成成分，對(duì)作物的生長(zhǎng)、產(chǎn)量和品質(zhì)影響最為顯著，為作物的光合作用、生態(tài)系統(tǒng)生產(chǎn)提供著重要支持[3]。因此，快速無(wú)損地實(shí)時(shí)監(jiān)測(cè)作物長(zhǎng)勢(shì)、營(yíng)養(yǎng)狀況及產(chǎn)量形成等是精確農(nóng)作管理的主要內(nèi)容之一[4]。

傳統(tǒng)的氮素營(yíng)養(yǎng)監(jiān)測(cè)是以實(shí)驗(yàn)室分析為基礎(chǔ)，時(shí)效性差。有研究表明，在波長(zhǎng)為550～675 nm時(shí)甜椒葉片氮含量與葉片反射系數(shù)具有高度相關(guān)性，所預(yù)測(cè)的氮含量與實(shí)際測(cè)量的誤差小于7%，說(shuō)明植物的光譜分析法有可能較為簡(jiǎn)便、精確、快速，可非破壞性地監(jiān)測(cè)植物氮素營(yíng)養(yǎng)[5]。近年來(lái)，隨著高光譜遙感的興起，許多學(xué)者通過(guò)各種統(tǒng)計(jì)方法來(lái)尋求氮含量與光譜反射率或其衍生量的關(guān)系，并建立模型來(lái)估算作物的氮素含量。國(guó)內(nèi)外許多學(xué)者在大豆[6]、水稻[7-8]、玉米[9]、小麥[10-13]等作物上研究了氮素敏感光譜波段與植被指數(shù)的關(guān)系。前人對(duì)雜草和花卉植物的研究發(fā)現(xiàn)，500～750 nm光譜反射率與植物葉片氮含量具有很高的相關(guān)性，提出550～600與800～900 nm光譜反射率的比值可以用于監(jiān)測(cè)植株氮素狀況[3]。宋英博[14]在研究以不同施氮水平下大豆反射光譜預(yù)測(cè)葉片氮含量的模型中發(fā)現(xiàn)，在530，550，890，930 nm 4個(gè)波段的光譜反射率與大豆葉片氮含量的相關(guān)性達(dá)顯著或極顯著水平。周冬琴等[15]在研究水稻葉片全氮濃度與冠層反射光譜的定量關(guān)系中發(fā)現(xiàn)，歸一化植被指數(shù)NDVI[1 220,710]為反演群體葉片全氮濃度的最佳光譜參數(shù)。李映雪等[4]初步研究表明，葉片氮含量與冠層反射光譜的NDVI[1 220,710]和紅邊位置均有密切的定量關(guān)系。薛利紅等[5]的研究表明，由660和460 nm 兩波段反射率組成的冠層植被指數(shù)可以較好地反映小麥葉片氮含量。吳華兵等[16]、朱艷等[17]建立了棉花葉片氮含量的敏感波段及預(yù)測(cè)模型。

但是冠層光譜反映的是植被群體信息，包括莖、葉、穗及土壤背景光譜，且其又受大氣吸收散射的影響，不同條件下這些影響因子是不同的，所建立的氮素光譜診斷模型也不能用于其他時(shí)空條件[5]。綜合前人研究結(jié)果，葉片氮含量的適宜特征光譜隨作物、試驗(yàn)條件的不同而有所差異，其中在小麥上的研究結(jié)果則由于受到試驗(yàn)?zāi)攴?、氮素處理和小麥品種類型的限制，而需要進(jìn)一步的探索和明確[4]。為此，本研究在關(guān)中地區(qū)選用3個(gè)不同試驗(yàn)田的一些代表性小麥，通過(guò)對(duì)測(cè)量數(shù)據(jù)進(jìn)行一階微分、植被指數(shù)轉(zhuǎn)換等處理，系統(tǒng)分析了不同生育期以及整個(gè)生育期小麥葉片氮含量與冠層光譜反射特征的關(guān)系，以期建立一個(gè)不受生育時(shí)期影響的通用小麥葉片氮素診斷模型，實(shí)現(xiàn)對(duì)田間小麥活體氮素營(yíng)養(yǎng)狀況的監(jiān)測(cè)，為小麥葉片氮素狀況的精確診斷提供依據(jù)。

1材料與方法

1.1試驗(yàn)設(shè)計(jì)

本研究選擇了3個(gè)不同的小麥田間試驗(yàn)區(qū)，分別在陜西省楊凌區(qū)揉谷鎮(zhèn)石家村、寶雞市扶風(fēng)縣杏林鎮(zhèn)馬席村和巨良農(nóng)場(chǎng)。綜合分析小麥群體密度及株高，將小麥長(zhǎng)勢(shì)劃分為7個(gè)梯度，分別用S1、S2、S3、S4、S5、S6、S7表示，其中S1為長(zhǎng)勢(shì)稀疏、株高最低的小麥，S7為長(zhǎng)勢(shì)稠密、株高最高的小麥。在各試驗(yàn)區(qū)選擇不同長(zhǎng)勢(shì)的小麥地塊，形成一個(gè)天然的葉片氮含量梯度。其中，揉谷試驗(yàn)區(qū)(RG)選取了5個(gè)長(zhǎng)勢(shì)梯度，馬席試驗(yàn)區(qū)(MX)選取了5個(gè)長(zhǎng)勢(shì)梯度，巨良農(nóng)場(chǎng)試驗(yàn)區(qū)(JL)選取了7個(gè)長(zhǎng)勢(shì)梯度，共計(jì)17個(gè)地塊進(jìn)行野外田間觀測(cè)和樣品采集。

1.2研究方法

1.2.1光譜數(shù)據(jù)的采集小麥冠層光譜數(shù)據(jù)的采集使用美國(guó)ASD Fieldspec HH 型野外光譜輻射譜儀，光譜波長(zhǎng)325～1 075 nm，光譜分辨率5 nm。在小麥的返青期(2013-03-30)、拔節(jié)期(2013-04-14)、抽穗期(2013-05-02)、灌漿期(2013-05-19)測(cè)定其冠層光譜反射率。測(cè)量選擇在晴朗無(wú)云的天氣進(jìn)行，測(cè)量時(shí)間為當(dāng)天10:30-14:00。測(cè)量前均用白板進(jìn)行標(biāo)定，25°視場(chǎng)角，傳感器探頭垂直向下，距離冠層頂部高度約0.8 m。每個(gè)地塊選擇3個(gè)樣點(diǎn)，每個(gè)樣點(diǎn)測(cè)量10條光譜曲線，取平均值作為該樣點(diǎn)的光譜測(cè)量值。每期共測(cè)得51個(gè)樣點(diǎn)在325～1 075 nm的光譜反射率。

1.2.2葉片全氮含量的測(cè)定與光譜測(cè)量同步，在每個(gè)試驗(yàn)區(qū)的3個(gè)樣點(diǎn)分別取適量小麥植株樣品，帶回實(shí)驗(yàn)室在105 ℃下殺青30 min，80 ℃下烘干至恒質(zhì)量，然后粉碎裝袋供化學(xué)分析。小麥植株氮素含量(質(zhì)量分?jǐn)?shù))采用凱氏定氮法[5]進(jìn)行測(cè)定。

1.3數(shù)據(jù)分析與應(yīng)用

本研究以揉谷(RG)和馬席(MX)試驗(yàn)田的試驗(yàn)數(shù)據(jù)為基礎(chǔ)，首先對(duì)小麥冠層反射光譜與各生育期及全生育期的葉片氮含量進(jìn)行相關(guān)分析，在此基礎(chǔ)上篩選出與葉片氮含量顯著相關(guān)的敏感波段；其次利用敏感波段與近紅外波段構(gòu)造比值植被指數(shù)(RVI)及歸一化植被指數(shù)(NDVI)，并進(jìn)行相關(guān)性分析，從而篩選出表現(xiàn)較好的光譜波段及植被指數(shù)；最后通過(guò)回歸分析，建立小麥葉片氮含量與光譜反射率之間的定量關(guān)系模型。利用巨良農(nóng)場(chǎng)試驗(yàn)田的樣點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果用均方根誤差(RMSE)、決定系數(shù)(R2)、準(zhǔn)確度(斜率)等指標(biāo)值判定。

植被指數(shù)的計(jì)算公式為：比值植被指數(shù)(RVI)=Nir/Red，歸一化植被指數(shù)NDVI=(Nir-Red)/(Nir+Red)；其中Nir表示近紅外波段的反射率，Red表示紅波段的反射率。均方根誤差的計(jì)算公式為：

式中：n為樣本數(shù)，Pi和Qi分別為第i個(gè)樣本的預(yù)測(cè)值和觀測(cè)值。

2結(jié)果與分析

2.1不同長(zhǎng)勢(shì)水平下各生育期小麥葉片的氮含量

葉片氮含量是表征作物葉片氮素狀況的主要指標(biāo)。由表1可以看出，在同一生育時(shí)期，長(zhǎng)勢(shì)較差的葉片氮含量較低，長(zhǎng)勢(shì)較好的葉片氮含量較高；且長(zhǎng)勢(shì)較好的小麥葉片平均氮素含量是長(zhǎng)勢(shì)較差小麥葉片的2.13倍。在不同生育期同一長(zhǎng)勢(shì)下，隨著生育期延長(zhǎng)，小麥葉片氮素含量總體呈下降趨勢(shì)，其中返青期小麥葉片氮含量基本最高，之后隨著時(shí)間推移，氮素轉(zhuǎn)移到植株和籽粒中，氮含量降低。

如表1所示，在揉谷、馬席試驗(yàn)田各生育期內(nèi)，葉片氮含量的差異較為明顯。但是各生育期內(nèi)隨著長(zhǎng)勢(shì)越來(lái)越好，葉片氮含量變化趨勢(shì)偶爾會(huì)出現(xiàn)波動(dòng)，這可能是由于在實(shí)驗(yàn)室將樣品粉碎時(shí)混入了其他雜質(zhì)，如土粒等，從而影響了葉片氮含量的檢測(cè)結(jié)果。

表 1　陜西關(guān)中地區(qū)不同長(zhǎng)勢(shì)水平下各生育期的小麥葉片氮含量

2.2小麥冠層原始光譜變化規(guī)律

各種農(nóng)作物的光譜曲線一方面反映了其對(duì)太陽(yáng)光從可見(jiàn)光到近紅外區(qū)間各波段的反射強(qiáng)度，另一方面也反映出各種作物由于內(nèi)部組織結(jié)構(gòu)、冠層結(jié)構(gòu)的不同在各波段反射光譜結(jié)構(gòu)的差異性。小麥的反射光譜特征在整個(gè)生育期差異很大，在不同的生長(zhǎng)階段，對(duì)太陽(yáng)光的反射明顯不同。

圖 1陜西關(guān)中地區(qū)不同長(zhǎng)勢(shì)水平下小麥冠層的光譜反射率(返青期)

Fig.1Wheat canopy spectral reflectance with different growing conditions in Guanzhong,Shaanxi (Green period)

如圖1所示，不同長(zhǎng)勢(shì)水平下小麥冠層光譜反射率變化趨勢(shì)基本一致。由于長(zhǎng)勢(shì)不同，小麥葉片氮含量呈現(xiàn)出較明顯的差異。隨著長(zhǎng)勢(shì)越來(lái)越好，氮含量不斷增加，在可見(jiàn)光區(qū)(400～710 nm)，冠層光譜反射率在550 nm附近有較大差異。由圖1可知，S1有較好的反射率，之后隨著長(zhǎng)勢(shì)漸好，反射率逐漸降低，到S5時(shí)反射率又有所回升；在近紅外波段(760～1 075 nm)，S1的反射率最低，之后逐漸升高，且不同長(zhǎng)勢(shì)之間反射率差異比較明顯。在近紅外區(qū)域，氮含量最低的S1光譜反射率最小，氮含量最高的S5光譜反射率最高。

圖 2陜西關(guān)中地區(qū)不同生育期小麥冠層的光譜反射率

Fig.2Wheat canopy spectral reflectance under different growing periods in Guanzhong,Shaanxi

由圖2可知，不同生育期小麥冠層光譜反射率有較大差異。由于綠色植物葉片的葉綠素對(duì)可見(jiàn)光(尤其是紅光波段)有較強(qiáng)烈的吸收作用，因此植物葉片的反射和透射都很低。在可見(jiàn)光(400～710 nm)區(qū)域，由于色素的強(qiáng)烈吸收，冠層光譜反射率存在2個(gè)吸收谷和1個(gè)反射峰，即450～550 nm的藍(lán)谷、650～700 nm的紅谷，以及550 nm附近的綠峰；隨著生育期的推進(jìn)，小麥冠層光譜在返青期與拔節(jié)期有較高的反射率，到抽穗期有所下降，到灌漿期又有所回升，這可能是受葉綠素的影響較大所致。在近紅外區(qū)域，冠層光譜反射率的變化情況與可見(jiàn)光區(qū)域不同，隨著生育期的推進(jìn)，冠層光譜反射率逐漸下降。由于受到葉片結(jié)構(gòu)的影響，在750～1 075 nm波段出現(xiàn)一個(gè)較高的反射平臺(tái)，反射率在35%左右，這可能是葉片內(nèi)部組織結(jié)構(gòu)復(fù)雜，細(xì)胞層多次反射的結(jié)果[14]。

2.3單波段反射率與小麥葉片氮含量的相關(guān)性

對(duì)揉谷、馬席全生育期所有數(shù)據(jù)的相關(guān)分析表明，葉片氮含量與可見(jiàn)光波段(400～720 nm)反射率呈負(fù)相關(guān)，其中在583～704 nm波段達(dá)到極顯著水平，相關(guān)系數(shù)為-0.408～-0.559。葉片氮含量與近紅外波段(730～1 075 nm)反射率呈極顯著正相關(guān)，相關(guān)系數(shù)為0.433～0.815，同時(shí)形成一個(gè)反射平臺(tái)，主要是由于氮含量的不同，導(dǎo)致葉綠素含量、葉面積指數(shù)和生物量不同。從圖3可以看出，小麥葉片氮含量與單波段反射率的相關(guān)性從負(fù)相關(guān)轉(zhuǎn)到正相關(guān)，其中可見(jiàn)光波段的相關(guān)系數(shù)低于近紅外波段。同時(shí)，通過(guò)相關(guān)性分析發(fā)現(xiàn)，紅波段630，660，690 nm以及近紅外波段780，970 nm等波段處反射率的相關(guān)性較好，因此可以利用小麥冠層在630，660，690，780，970 nm等波段處的反射率差異顯著性來(lái)區(qū)分氮含量的高低。

圖 3　陜西關(guān)中地區(qū)小麥冠層反射率與葉片氮含量的相關(guān)關(guān)系

同時(shí)對(duì)揉谷、馬席試驗(yàn)田各個(gè)生育期小麥葉片氮含量與冠層光譜反射率進(jìn)行相關(guān)性分析，發(fā)現(xiàn)二者相關(guān)系數(shù)并未高于全生育期的相關(guān)系數(shù)，因此本研究重點(diǎn)在于建立一個(gè)適用于全生育期的小麥氮素監(jiān)測(cè)模型。

2.4比值植被指數(shù)(RVI)和歸一化植被指數(shù)(NDVI)與小麥葉片氮含量的關(guān)系

冠層光譜反映的是植被群體信息，包括莖、葉、穗及土壤背景光譜，同時(shí)又受大氣吸收散射的影響，進(jìn)而影響了敏感波段的差異顯著性，但若用兩個(gè)波段的組合則可以擴(kuò)展地物特別是植被間的光譜差異，提高光譜診斷的精度[14]。本研究利用紅波段630，660，690 nm和所有近紅外波段構(gòu)造兩波段的比值植被指數(shù)(RVI)及歸一化植被指數(shù)(NDVI)(相關(guān)數(shù)據(jù)省略)。研究發(fā)現(xiàn)，紅波段630，660，690 nm與近紅外波段780，970 nm組合而成的植被指數(shù)與葉片氮含量的相關(guān)性較高。與單波段相比，組合波段構(gòu)成的植被指數(shù)與葉片氮含量的相關(guān)性明顯提高，在整個(gè)生育期內(nèi)二者呈極顯著正相關(guān)。因此，本研究選擇紅波段630，660，690 nm和近紅外780，970 nm組合成的RVI及NDVI來(lái)估算小麥葉片氮含量，建立小麥葉片氮含量的高光譜估算模型，從中篩選出與葉片氮含量決定系數(shù)R2最大的擬合方程作為最佳模型，擬合結(jié)果見(jiàn)表2。

表 2　不同組合波段下RVI、NDVI(X)與葉片氮含量(Y)的回歸方程

圖 4NDVI[780，630]、RVI(780，630)與小麥葉片氮含量的關(guān)系

Fig.4Relationship of wheat leaf nitrogen content with NDVI [780,630] and RVI (780,630)

2.5模型驗(yàn)證

由表2可知，通過(guò)對(duì)組合波段光譜反射率與葉片氮含量的線性、指數(shù)、對(duì)數(shù)、乘冪和多項(xiàng)式的相關(guān)分析，發(fā)現(xiàn)葉片氮含量與比值植被指數(shù)(RVI)呈顯著的冪函數(shù)關(guān)系，與歸一化植被指數(shù)(NDVI)呈顯著的指數(shù)函數(shù)關(guān)系，且在相同波段組合中，比值植被指數(shù)與氮含量的決定系數(shù)R2大于歸一化植被指數(shù)。圖4為基于NDVI[780，630]、RVI(780，630)建立的小麥葉片氮含量估算模型擬合效果。

為了檢驗(yàn)監(jiān)測(cè)模型的可靠性與普適性, 本研究從巨良農(nóng)場(chǎng)試驗(yàn)區(qū)中篩選出部分?jǐn)?shù)據(jù)對(duì)上述回歸方程分別進(jìn)行驗(yàn)證。采用通用的均方根誤差(RMSE)、決定系數(shù)R2、準(zhǔn)確度(斜率)3個(gè)指標(biāo)進(jìn)行檢驗(yàn)，模型的預(yù)測(cè)精度如表3所示。

表 3　構(gòu)建的RVI、NDVI與葉片氮含量模型預(yù)測(cè)精度的檢驗(yàn)

由表3可知，所選取的小麥葉片氮含量估算模型均具有良好的檢驗(yàn)結(jié)果，其中以RVI(970,690)最佳。

通過(guò)綜合分析建模過(guò)程及模型檢驗(yàn)結(jié)果，本著擬合R2和預(yù)測(cè)R2相對(duì)較高而RMSE較小、斜率接近于1的原則，本研究選擇RVI(970,690)建立小麥葉片氮含量的估算模型，建立的估算模型為Y=0.176 3X0.775 6。圖5為根據(jù)該模型計(jì)算的小麥葉片氮含量預(yù)測(cè)值與實(shí)測(cè)值的比較，其預(yù)測(cè)決定系數(shù)R2為0.863，RMSE為0.137，準(zhǔn)確度(斜率)為 0.979，接近于1，說(shuō)明在關(guān)中地區(qū)該模型對(duì)小麥葉片氮含量的預(yù)測(cè)具有較好的準(zhǔn)確度和普適性。

圖 5小麥葉片氮含量預(yù)測(cè)值與觀測(cè)值的比較

Fig.5Comparison of predicted and observed

wheat leaf nitrogen contents

3結(jié)論

本研究通過(guò)分析陜西關(guān)中地區(qū)揉谷鎮(zhèn)、扶風(fēng)馬席村和巨良農(nóng)場(chǎng)3塊不同小麥田的試驗(yàn)數(shù)據(jù)，探討不同長(zhǎng)勢(shì)下小麥冠層光譜與葉片氮含量的定量關(guān)系。研究結(jié)果表明，冠層單波段反射率中，葉片氮含量與可見(jiàn)光波段(400～720 nm )反射率呈負(fù)相關(guān)，與近紅外波段(730～1 075 nm)反射率呈極顯著正相關(guān)；各個(gè)生育期小麥葉片氮含量與冠層光譜反射率相關(guān)分析的相關(guān)系數(shù)低于全生育期的相關(guān)系數(shù)，因此本研究建立了一個(gè)適用于全生育期的小麥氮素監(jiān)測(cè)模型。

本研究發(fā)現(xiàn)，紅波段630，660，690 nm處的冠層光譜反射率與葉片氮含量的相關(guān)系數(shù)較高；與NDVI相比，波段組合構(gòu)成的RVI表現(xiàn)較好。利用RVI與NDVI檢測(cè)小麥葉片氮含量時(shí)發(fā)現(xiàn)，葉片含氮量與RVI呈顯著的冪函數(shù)關(guān)系，與NDVI呈顯著的指數(shù)函數(shù)關(guān)系，且決定系數(shù)R2均在0.6以上，其中RVI的檢測(cè)效果較好。利用RVI(970,690)與小麥葉片氮含量進(jìn)行回歸分析，方程擬合效果較好(R2=0.642)。通過(guò)不同的獨(dú)立數(shù)據(jù)(巨良農(nóng)場(chǎng)試驗(yàn)田)對(duì)模型進(jìn)行驗(yàn)證，該模型的精度最高(RMSE=0.137，R2=0.863)，表明在關(guān)中地區(qū)該模型在不同的試驗(yàn)條件下具有較好的普適性。

本研究建立的小麥葉片氮素診斷模型適用于全生育期，但監(jiān)測(cè)模型是在同一年不同大田實(shí)驗(yàn)資料上構(gòu)建的，若今后能通過(guò)長(zhǎng)期檢驗(yàn)并不斷完善，將對(duì)大田小麥氮素監(jiān)測(cè)與診斷具有更大的應(yīng)用價(jià)值。本研究運(yùn)用冠層光譜特征特別是比值植被指數(shù)可以較好地監(jiān)測(cè)和診斷小麥葉片氮素狀況，此結(jié)論與薛利紅等[5]的研究結(jié)果較為接近。

[參考文獻(xiàn)]

[1]馮偉,王永華,謝迎新,等.作物氮素診斷技術(shù)的研究綜述 [J].中國(guó)農(nóng)學(xué)通報(bào),2008,24(11):179-185.

Feng W,Wang Y H,Xie Y X,et al.Review of study on technique of crop nitrogen diagnosis [J].China’s Agriculture Notified,2008,24(11):179-185.(in Chinese)

[2]Leight R A,Johnson A E.Nitrogen concentration in field grow-nspring barely:an experiment of the usefulness of expecting concentrationon the basis of tissue water [J].Journal of Agriculture Science Cambridge,1985,105:397-406.

[3]呂小娜.不同供氮水平烤煙冠層光譜特性及其農(nóng)學(xué)參數(shù)估測(cè) [D].四川雅安：四川農(nóng)業(yè)大學(xué)，2012.

Lü X N.Analysis of hyperspectral on flue-cured tobacco and its agricultural parameter estimation under different nitrogen levels [D].Ya’an，Sichuan:Sichuan Agricultural University,2012.(in Chinese)

[4]李映雪,朱艷,田永超,等.小麥葉片氮含量與冠層反射光譜指數(shù)的定量關(guān)系 [J].作物學(xué)報(bào),2006,32(3):358-362.

Li Y X,Zhu Y,Tian Y C,et al.Quantitative relationship between leaf nitrogen concentration and canopy reflectance spectra [J].Acta Agronomica Sinica,2006,32(3):358-362.(in Chinese)

[5]薛利紅,曹衛(wèi)星,羅衛(wèi)紅,等.小麥葉片氮素狀況與光譜特性的相關(guān)性研究 [J].植物生態(tài)學(xué)報(bào),2004,28(2):172-177.

Xue L H,Cao W X,Luo W H,et al.Correlation between leaf nitrogen status and canopy spectral characteristics in wheat [J].Acta Phytoecologica Sinica,2004,28(2):172-177.(in Chinese)

[6]宋開(kāi)山,張柏,王宗明,等.大豆葉綠素含量高光譜反演模型研究 [J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(8):16-21.

Song K S,Zhang B,Wang Z M,et al.Inverse model for estimating soybean chlorophyll concentration using in-situ collected canopy hyperspectral data [J]. Transactions of the Chinese Society of Agricultural Engineering,2006,22(8):16-21.(in Chinese)

[7]薛利紅,曹衛(wèi)星,羅衛(wèi)紅,等.基于冠層反射光譜的水稻群體葉片氮素狀況監(jiān)測(cè) [J].中國(guó)農(nóng)業(yè)科學(xué),2003,36(7):807-812.

Xue L H,Cao W X,Luo W H,et al.Diagnosis of nitrogen status in rice leaves with the canopy spectral reflectance [J].Scientia Agricultura Sinica,2003,36(7):807-812.(in Chinese)

[8]朱艷,李映雪,周冬琴,等.稻麥葉片氮含量與冠層反射光譜的定量關(guān)系 [J].生態(tài)學(xué)報(bào),2006,26(10):3463-3469.

Zhu Y,Li Y X,Zhou D Q,et al.Quantitative relationship between leaf nitrogen concentration and canopy reflectancespectra in rice and wheat [J].Acta Ecologica Sinica,2006,26(10):3463-3469.(in Chinese)

[9]張俊華,張佳寶,賈科利.不同施肥條件下夏玉米光譜特征與葉綠素含量和LAI的相關(guān)性 [J].西北植物學(xué)報(bào),2008,28(7):1461-1467.

Zhang J H,Zhang J B,Jia K L.Correlation between summer maize spectral reflectance and leaf chlorophyll,LAI under different fertilizations [J].Acta Botanica Boreali-Occidentalia Sinica,2008,28(7):1461-1467.(in Chinese)

[10]馮偉,姚霞,田永超,等.小麥籽粒蛋白質(zhì)含量高光譜預(yù)測(cè)模型研究 [J].作物學(xué)報(bào),2007,33(12):1935-1942.

Feng W,Yao X,Tian Y C,et al.Predicting grain protein content with canopy hyperspectral remote sensing in wheat [J].Acta Agronomica Sinica,2007,33(12):1935-1942.(in Chinese)

[11]姚霞,朱艷,田永超,等.小麥葉層氮含量估測(cè)的最佳高光譜參數(shù)研究 [J].中國(guó)農(nóng)業(yè)科學(xué),2009,42(8):2716-2725.

Yao X,Zhu Y,Tian Y C,et al.Research of the optimum hyperspectral vegetation indices on monitoring the nitrogen content in wheat leaves [J].Scientia Agricultura Sinica,2009,42(8):2716-2725.(in Chinese)

[12]馮偉,朱艷,田永超,等.基于高光譜遙感的小麥葉片氮積累量 [J].生態(tài)學(xué)報(bào),2008,28(1):23-32.

Feng W,Zhu Y,Tian Y C,et al.Monitoring leaf nitrogen accumulation with hyper-spectral remote sensing in wheat [J].Acta Ecologica Sinica,2008,28(1):23-32.(in Chinese)

[13]李映雪,朱艷,田永超,等.小麥葉片氮含量與冠層反射光譜指數(shù)的定量關(guān)系 [J].作物學(xué)報(bào),2006,32(3)：358-362.

Li Y X,Zhu Y,Tian Y C,et al.Quantitative relationship between leaf nitrogen concentration and canopy reflectance spectra [J].Acta Agronomica Sinica,2006,32(3):358-362.(in Chinese)

[14]宋英博.不同施氮水平下大豆反射光譜預(yù)測(cè)葉片氮含量模型 [J].大豆科學(xué),2010,29(4):641-644.

Song Y B.Predictingmodel of soybean leaf nitrogen content by leaf reflectance spectra under different nitrogen supply levels [J].Soybean Science,2010,29(4):641-644.(in Chinese)

[15]周冬琴,田永超,姚霞,等.水稻葉片全氮濃度與冠層反射光譜的定量關(guān)系 [J].應(yīng)用生態(tài)學(xué)報(bào),2008,19(2):337-344.

Zhou D Q,Tian Y C,Yao X,et al.Quantitative relationships between leaf total nitrogen concentration and canopy reflectancespectra of rice [J].Journal of Applied Ecology,2008,19(2):337-344.(in Chinese)

[16]吳華兵,朱艷,田永超,等.棉花冠層高光譜指數(shù)與葉片氮積累量的定量關(guān)系 [J].作物學(xué)報(bào),2007,33(3):518-522.

Wu B H,Zhu Y,Tian Y C,et al.Relationship between canopy hyperspectral index and leaf nitrogen accumulation in cotton [J].Acta Agronomica Sinica,2007,33(3):518-522.(in Chinese)

[17]朱艷,吳華兵,田永超,等.基于冠層反射光譜的棉花葉片氮含量估測(cè) [J].應(yīng)用生態(tài)學(xué)報(bào),2007,18(10):2263-2268.

Zhu Y,Wu H B,Tian Y C,et al.Estimation of nitrogen concentration in cotton leaf based on canopy reflectance spectra [J].Journal of Applied Ecology,2007,18(10):2263-2268.(in Chinese)

Quantitative relationship between wheat canopy spectrum and nitrogen in Guanzhong area

SHANG Yan1,CHANG Qing-rui1,LIU Xiu-ying1,2,WANG Xiao-xing1,TIAN Ming-lu1

(1CollegeofNaturalResourcesandEnvironment,NorthwestA&FUniversity,Yangling,Shaanxi712100,China;2AgronomyCollege,HenanUniversityofScienceandTechnology,Luoyang,Henan471003,China)

Abstract:【Objective】 Relationship between wheat leaf nitrogen content (LNC) and canopy spectral reflection characteristics during different growth periods and the whole growth period was analyzed to realize the monitoring of living nitrogen nutrition in field and provide basis for accurate diagnosis of wheat leaf nitrogen status.【Method】 In this paper, experiments were conducted in three wheat fields located in Shaanxi Guanzhong region including Yangling Rougu,Fufeng Maxi village,and Juliang farm.Leaf nitrogen content (LNC) and canopy spectral reflectance of wheat at different growth periods and the whole growth period were measured and the changes in LNC and reflectance and correlation between them were analyzed.Ratio vegetation index (RVI) and normalized difference vegetation index (NDVI) were also investigated to establish a monitoring model for LNC sensitive wave bands and spectrum.【Result】 In same stage and different growing conditions,poor wheat leaves had lower LNC than well growing leaves.LNC had higher correlations with vegetation indexes of combined bands than with vegetation indexes of single band.RVI and NDVI of combined near infrared bands (730-1 075 nm) and red bands (630,660 and 690 nm) showed significantly positive correlations with LNC,and RVI showed the best relationship.Based on independent wheat field experimental data,root mean square difference (RMSE),determination coefficient (R2),and accuracy (slope) were used to test the established model and RVI of R970 and R690 was selected as the best parameter for predicting LNC.The quantitative equation was LNC=0.176 3×RVI (970,690)0.775 6with R2 of 0.863,RMSE of 0.137 and slope of 0.979.【Conclusion】 The established optimal model for forecasting wheat leaf nitrogen content (LNC) using wheat canopy spectral reflectance had good accuracy and universality and was suitable for monitoring LNC at the whole growth period.

Key words:wheat;leaf nitrogen content;crown height spectral reflectance;RVI;quantitative analysis;monitoring model

DOI：網(wǎng)絡(luò)出版時(shí)間:2016-04-0709:0010.13207/j.cnki.jnwafu.2016.05.006

[收稿日期]2014-10-15

[基金項(xiàng)目]國(guó)家“863”高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(2013AA102401)；“十二五”國(guó)家科技支撐計(jì)劃項(xiàng)目(2012BAH29B04)；河南省科技攻關(guān)計(jì)劃項(xiàng)目(132102110210)

[作者簡(jiǎn)介]尚艷(1988-)，女，陜西榆林人，在讀碩士，主要從事遙感模型與信息處理研究。E-mail:shangyan1114@126.com[通信作者]常慶瑞(1959-)，男，陜西榆林人，教授，博士生導(dǎo)師，主要從事地物波譜特性測(cè)試與遙感模型反演研究。E-mail:changqr@nwsuaf.edu.cn

[中圖分類號(hào)]S127

[文獻(xiàn)標(biāo)志碼]A

[文章編號(hào)]1671-9387(2016)05-0038-07

網(wǎng)絡(luò)出版地址:http://www.cnki.net/kcms/detail/61.1390.S.20160407.0900.012.html