張雪茹，馮美臣，李廣信，2，楊武德，王超，郭小麗，史超超

（1.山西農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，山西太谷030801；2.山西省農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，山西太原030031）

低溫脅迫下冬小麥葉綠素含量高光譜估測

張雪茹1，馮美臣1，李廣信1，2，楊武德1，王超1，郭小麗1，史超超1

（1.山西農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，山西太谷030801；2.山西省農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，山西太原030031）

近年來，拔節(jié)期凍害已成為影響北方冬麥區(qū)主要的農(nóng)業(yè)氣象災(zāi)害。為實(shí)現(xiàn)低溫脅迫下冬小麥葉綠素含量的精確診斷，利用多元統(tǒng)計(jì)分析方法（偏最小二乘法和逐步多元線性回歸）提取低溫脅迫下冬小麥葉綠素含量特征波段，并構(gòu)建其估測模型。結(jié)果表明，經(jīng)B-coefficient和VIP證實(shí)，結(jié)合SMLR提取葉綠素含量監(jiān)測的光譜特征波段為401，681，727 nm，預(yù)測模型的R2，RMSE，RE分別為0.751，0.622，0.128，并且驗(yàn)證模型R2也達(dá)到了0.707，模型精度較高，具有一定的普適性。利用PLS-SMLR提取特征波段、建模的方法是可行的，可為低溫脅迫下冬小麥葉綠素含量估測提供一定的理論依據(jù)。

冬小麥；葉綠素含量；多元統(tǒng)計(jì)分析；低溫脅迫；模型

葉綠素含量是衡量作物光合作用能力和作物是否受環(huán)境脅迫的指示器。近年來，拔節(jié)期凍害已成為影響北方冬麥區(qū)主要的農(nóng)業(yè)氣象災(zāi)害[1]。高光譜技術(shù)具有及時(shí)、快速、準(zhǔn)確獲取大量數(shù)據(jù)的優(yōu)點(diǎn)，可為葉綠素含量估測提供一定的技術(shù)指導(dǎo)[2-3]。因此，開展快速、無損的葉綠素含量診斷技術(shù)是實(shí)現(xiàn)冬小麥凍害監(jiān)測的重要舉措。

國內(nèi)外學(xué)者對冬小麥凍害進(jìn)行了研究。利用分裂窗算法進(jìn)行地面溫度的反演是研究地面作物凍害的重要手段[4-5]。JURGENS[6]基于SPOT及Landsat TM的影像數(shù)據(jù)，利用mNDVI指數(shù)評估了農(nóng)業(yè)霜凍害的發(fā)生狀況。張雪芬等[7]在WOFOST作物模型的基礎(chǔ)上，對商丘市冬小麥發(fā)生的5 a晚霜凍災(zāi)害進(jìn)行了模擬分析。王慧芳等[8]利用主成分分析技術(shù)對高光譜數(shù)據(jù)進(jìn)行分析，結(jié)果表明，基于該方法建立的模型能夠?qū)崿F(xiàn)冬小麥凍害嚴(yán)重度反演。上述研究雖為凍害監(jiān)測提供了一定的理論依據(jù)，但用高光譜遙感技術(shù)監(jiān)測低溫脅迫下葉綠素含量的研究較少，宮兆寧等[9]研究了植被葉綠素含量與三邊參數(shù)的相關(guān)關(guān)系，并建立了反演模型。牛魯艷等[10]采用相關(guān)分析法分析了小麥葉綠素含量與光譜反射率及其一階導(dǎo)數(shù)的關(guān)系，建立了葉綠素含量的監(jiān)測模型。王慧琴等[11]基于高光譜技術(shù)和實(shí)測數(shù)據(jù)對冬小麥拔節(jié)期的葉綠素含量進(jìn)行定量估算，并利用衛(wèi)星遙感數(shù)據(jù)對冬小麥的葉綠素含量進(jìn)行了反演。WU等[12]和HUNT等[13]分析了10余種光譜指數(shù)構(gòu)建了葉綠素含量的估測模型。王偉等[14]通過驗(yàn)證高光譜成像技術(shù)結(jié)合偏最小二乘-最小二乘支持向量機(jī)建模方法，結(jié)果表明，所建葉綠素含量預(yù)測模型的決定系數(shù)達(dá)到0.845 9。趙婷婷等[15]采用偏最小二乘法和改進(jìn)偏最小二乘法2種定標(biāo)方法對原始光譜分別進(jìn)行不同的預(yù)處理，建立了黍稷籽粒淀粉定標(biāo)模型。孫陽陽等[16]研究表明，利用分波段提取的主成分能夠在多元線性回歸模型中更好地反演葉綠素含量。楚萬林等[17]研究表明，基于一階導(dǎo)數(shù)光譜的多元逐步回歸模型對葉綠素含量的估算效果最優(yōu)。雖然利用偏最小二乘法和逐步多元線性回歸分析高光譜數(shù)據(jù)的研究較多[18-19]，但將PLS和SMLR方法結(jié)合起來應(yīng)用于低溫脅迫下冬小麥葉綠素含量估測的研究較少且不夠深入。

本研究擬通過田間小區(qū)試驗(yàn)，對拔節(jié)期大田冬小麥進(jìn)行低溫脅迫處理，以葉綠素含量為因變量，利用PLS法對光譜數(shù)據(jù)進(jìn)行葉綠素含量重要光譜區(qū)域的提取，實(shí)現(xiàn)光譜數(shù)據(jù)的降維，然后利用SMLR方法構(gòu)建低溫脅迫下冬小麥葉綠素含量的預(yù)測模型，以期為高光譜技術(shù)在冬小麥凍害監(jiān)測方面提供一定的理論依據(jù)。

1 材料和方法

1.1 試驗(yàn)材料

試驗(yàn)材料為臨麥7006（半冬性品種）。

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2015年10月至2016年6月在山西農(nóng)業(yè)大學(xué)農(nóng)業(yè)部華北黃土高原地區(qū)作物栽培與耕地保育科學(xué)觀測實(shí)驗(yàn)站進(jìn)行。于2015年10月2日進(jìn)行小麥播種，行距為20 cm，常規(guī)施肥，田間管理按一般高產(chǎn)田進(jìn)行。試驗(yàn)于2016年4月15—16日（拔節(jié)期）對冬小麥進(jìn)行低溫處理（采用定制的可移動式制冷設(shè)備），處理溫度分別為-4，-6℃，處理時(shí)間分別為4，8，12 h，重復(fù)3次。分別測量處理后5，10，20，35 d葉片的葉綠素含量。

1.3 冠層光譜測定

利用ASD FieldSpec 3（美國ASD）光譜儀，分別于冬小麥低溫脅迫處理前、處理后5，10，20，35 d進(jìn)行冠層光譜反射率的測定。光譜儀350～1 000 nm間的光譜采樣間隔為1.4nm，分辨率為3nm，1000～2500nm的光譜采樣間隔為2nm，分辨率為10nm。測量時(shí)間為10：00—14：00，在晴朗無風(fēng)的天氣條件下進(jìn)行測量。由于葉綠素對葉片光譜的響應(yīng)波段主要位于可見光和反射紅外波段，因此，本研究選用400～1 350 nm波段。

測量時(shí)，傳感器探頭始終與地面保持90°，距離冠層高度大約為1.2 m，每個處理選3個觀測點(diǎn)，每個點(diǎn)測量10次，取平均值作為該處理的光譜反射率數(shù)據(jù)，測量中及時(shí)進(jìn)行白板校正（即所得到的目標(biāo)物光譜反射率是相對反射率），對每組目標(biāo)的觀測前后均以參考板標(biāo)定。

1.4 葉綠素含量測定方法

測定方法參照文獻(xiàn)[20]進(jìn)行。

1.5 數(shù)據(jù)處理與分析方法

1.5.1 數(shù)據(jù)分析方法多元統(tǒng)計(jì)分析方法是提取因變量重要特征光譜的有效方法。偏最小二乘法（PLS）是結(jié)合主成分分析、多元線性回歸方法于一體，尤其適用于自變量間共線性大、自變量遠(yuǎn)大于樣本數(shù)和構(gòu)建較為穩(wěn)定的全譜模型的情況。利用該方法中的B系數(shù)和VIP可以選擇與因變量關(guān)系密切的光譜區(qū)域，達(dá)到光譜數(shù)據(jù)降維的目的，并利用逐步多元線性回歸（SMLR）方法逐步提取與因變量密切相關(guān)的光譜波段。本研究在提取光譜敏感區(qū)域的基礎(chǔ)上，利用SMLR方法構(gòu)建低溫脅迫下冬小麥葉綠素含量的光譜監(jiān)測模型。

1.5.2 模型評價(jià)模型的評價(jià)選取決定系數(shù)（R2）、均方根誤差（RMSE）和相對誤差（RE）來進(jìn)行綜合評定，計(jì)算公式同王紀(jì)華等[21]。

1.6 統(tǒng)計(jì)分析

利用ViewSpec Pro軟件進(jìn)行原始高光譜數(shù)據(jù)的預(yù)處理；PLS分析采用MatlabR2010a軟件進(jìn)行；用SPSS 19.0進(jìn)行SMLR分析；利用Excel 2007和Origin 8.0軟件進(jìn)行相關(guān)數(shù)據(jù)的處理、分析與制圖。

2 結(jié)果與分析

2.1 低溫脅迫下冬小麥冠層光譜反射率特征

以凍后5 d為例，分析遭受低溫脅迫后冬小麥冠層光譜的變化特征，如圖1所示。伴隨低溫持續(xù)時(shí)間和脅迫程度的加劇，冬小麥冠層光譜反射率呈現(xiàn)一定的規(guī)律性差異。低溫脅迫后5 d，葉面積指數(shù)和葉綠素含量均降低，導(dǎo)致可見光區(qū)域的光譜反射率出現(xiàn)不同程度的上升，由于該區(qū)域反射率相對較低（多處于0.1以下），所以，處理間差異不明顯。但在近紅外波段處差異明顯，與對照組相比，脅迫后均出現(xiàn)反射率較大幅度抬升的現(xiàn)象。表明對低溫脅迫下冬小麥葉綠素含量進(jìn)行高光譜估測是可行的。

2.2 低溫脅迫下冬小麥葉綠素含量高光譜監(jiān)測

2.2.1 低溫脅迫下冬小麥葉綠素含量光譜特征波段分析本研究對不同低溫脅迫處理冬小麥冠層光譜進(jìn)行PLS回歸分析，以模型的RMSE來估測主要光譜波段維數(shù)，可得出最佳潛在因子數(shù)為8，因此，通過對最佳維數(shù)為8時(shí)的B-coefficient和VIP進(jìn)行分析，當(dāng)B-coefficient和VIP（VIP＞1）較大，表明該波段對模型的貢獻(xiàn)較大，可作為新變量構(gòu)建模型（圖2）。

當(dāng)VIP＞1時(shí)，通過選取B-coefficient較大的光譜曲線區(qū)域，可得出401～406，668～682，714～737，761～763 nm處波段對低溫脅迫下冬小麥葉綠素含量的貢獻(xiàn)率較大，可作為冬小麥葉綠素含量新的光譜波段區(qū)域進(jìn)行逐步多元線性回歸分析。

2.2.2 基于SMLR的葉綠素含量光譜敏感波段提取在PLS的基礎(chǔ)上，對以上波段區(qū)域進(jìn)行逐步多元線性回歸（SMLR）分析，經(jīng)SMLR提取的特征波段為401，681，727 nm。其特征波段在可見光、近紅外區(qū)域均有分布。利用提取的特征波段建立低溫脅迫下冬小麥葉綠素含量光譜預(yù)測模型，通過擬合驗(yàn)證精確度（表1）。

從表1可以看出，低溫脅迫下冬小麥葉綠素含量預(yù)測模型的R2＝0.751，RMSE＝0.622，RE＝0.128，通過對驗(yàn)證集葉綠素含量預(yù)測值與實(shí)測值進(jìn)行1∶1擬合，可得出驗(yàn)證模型的R2＝0.707，RMSE＝0.733，RE＝0.125。表明該模型較為可靠，具有一定的普適性。

3 討論與結(jié)論

冀榮華等[22]研究表明，在不同生長時(shí)期，蘋果葉片葉綠素a含量與反射光譜在515～590，688～715 nm這2組波段內(nèi)具有較高的相關(guān)性。趙祥等[23]研究表明，模型在350～1 060 nm波段具有較高的反演精度?？梢姽獠ǘ畏秶?20～740 nm間的歸一化光譜反射率與水稻葉綠素含量間呈良好的負(fù)相關(guān)關(guān)系[24]。本試驗(yàn)結(jié)合PLS和SMLR統(tǒng)計(jì)分析方法對低溫脅迫下冬小麥葉綠素含量進(jìn)行研究，提取的特征波段為401，681，727 nm，在400～700 nm區(qū)域，葉綠素a、葉綠素b等色素對該波段區(qū)域的強(qiáng)吸收，致使該區(qū)域的反射光和透射光都很低，形成2個吸收谷，而550 nm處的反射峰主要是由色素對該波段的弱吸收引起的，呈現(xiàn)出區(qū)別于其他地物的光譜特征，即“藍(lán)邊”、“綠峰”、“黃邊”和“紅谷”。在700～780 nm區(qū)域內(nèi)既有紅光波段的葉綠素強(qiáng)吸收，也有近紅外波段多次反射形成的高反射平臺的過渡波段，該研究中提取的特征波段與前人的研究結(jié)果[25]是一致的，這是由于冬小麥在低溫脅迫后，葉綠素含量降低，從而出現(xiàn)“紅邊藍(lán)移”現(xiàn)象所致。

本研究通過SMLR方法建立低溫脅迫下冬小麥葉綠素含量預(yù)測模型，R2較大，RMSE和RE均較小，模型精確度較高。驗(yàn)證結(jié)果表明，模型具有較好的普適性，可為大面積凍害監(jiān)測提供一定的理論依據(jù)?；赑LS-SMLR提取特征波段預(yù)測冬小麥葉綠素含量是可行的，對本地區(qū)不同低溫脅迫下冬小麥葉綠素含量估測具有一定的指導(dǎo)意義。本研究雖較為精確地提取了冬小麥葉綠素含量特征波段，并建立低溫脅迫下冬小麥葉綠素含量預(yù)測模型，但冠層光譜的測定易受溫度、栽培環(huán)境等因素的影響，如何避免此類因素的影響，還有待于進(jìn)一步研究。

本研究以84個冬小麥樣本的葉綠素含量和冠層光譜為依托，利用多元統(tǒng)計(jì)方法對冬小麥葉綠素含量進(jìn)行估測，基于PLS提取冬小麥葉綠素含量的特征波段為401，681，727 nm；通過SMLR構(gòu)建的預(yù)測模型為y＝4.335＋372.681R401－114.231R681－19.828R727（R2＝0.751，RMSE＝0.622，RE＝0.128），驗(yàn)證模型的R2＝0.707，RMSE＝0.733，RE＝0.125，表明模型精度較高，具有一定的普適性。本研究結(jié)果可為冬小麥凍害監(jiān)測提供一定的理論依據(jù)。

［1］慕臣英，楊曉光，楊婕，等.黃淮海地區(qū)不同冬春性小麥抗凍能力及凍害指標(biāo)Ⅰ.隆冬期不同冬春性小麥抗凍能力比較[J].應(yīng)用生態(tài)學(xué)報(bào)，2015，26（10）：3119-3125.

［2］VANE G，GOETZ A F H.Terrestrial imaging spectrometry：Current status，future trends[J].Remote Sensing of Environment，1993，44：117-126.

［3］FASSNACHTKS，GOWER S T，MACKENZIE MD，et al.Estimating the leaf area index of North Central Wisconsin forests using the landsat thematic mapper[J].Remote Sensing of Environment，1997，61（2）：229-245.

［4］PRICE J C.Land surface temperature measurements from the split windowchannels ofthe NOAA-7AVHRR[J].Journal ofGeophysical Research，1984，89：7231-7237.

［5］BECKER F，LI Z L.Towards a local split windowmethod over land surface[J].International Journal of Remote Sensing，1990，11： 369-393.

［6］JURGENS C.The modified normalized difference vegetation index（mNDVI）-a new index to determine frost damages in agriculture based on Landsat TMdata[J].International Journal of Remote Sensing，1997，18（17）：3583-3594.

［7］張雪芬，余衛(wèi)東，王春乙，等.WOFOST模型在冬小麥晚霜凍害評估中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào)，2006，15（6）：337-341.

［8］王慧芳，王紀(jì)華，董瑩瑩，等.冬小麥凍害脅迫高光譜分析與凍害嚴(yán)重度反演[J].光譜學(xué)與光譜分析，2014，34（5）：1357-1361.

［9］宮兆寧，趙雅莉，趙文吉，等.基于光譜指數(shù)的植物葉片葉綠素含量的估算模型[J].生態(tài)學(xué)報(bào)，2014，34（20）：5736-5745.

［10］牛魯燕，孫家波，劉延忠，等.基于成像高光譜的小麥葉片葉綠素含量估測模型研究[J].河南農(nóng)業(yè)科學(xué)，2016，45（4）：150-154.

［11］王慧琴，馮美臣，李廣信，等.基于高光譜和HJ-1 CCD的水旱地冬小麥葉綠素含量反演[J].山西農(nóng)業(yè)科學(xué)，2014，42（8）：821-826.

［12］WU C Y，NIU Z，TANG Q，et al.Estimating chlorophyll content from hyperspectral vegetation indices：Modeling and validation[J]. Agricultural and Forest Meteorology，2008，148（8/9）：1230-1241.

［13］HUNTE R，DORAISWAMYP C，MCMURTREY J E，et al.A visible band index for remote sensing leaf chlorophyll content at the canopy scale[J].International Journal of Applied Earth Observation and Geoinformation，2013，21：103-112.

［14］王偉，彭彥昆，王秀，等.基于高光譜和PLS-LS-SVM的冬小麥葉綠素含量檢測[J].農(nóng)機(jī)化研究，2010（9）：170-175.

［15］趙婷婷，張麗珍，鄭淑華，等.黍稷籽粒淀粉含量的近紅外光譜分析[J].華北農(nóng)學(xué)報(bào)，2011，26（1）：234-238.

［16］孫陽陽，汪國平，楊可明，等.玉米葉綠素含量高光譜反演的線性模型研究[J].山東農(nóng)業(yè)科學(xué)，2015，47（7）：117-121.

［17］楚萬林，齊雁冰，常慶瑞，等.棉花冠層葉片葉綠素含量與高光譜參數(shù)的相關(guān)性[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（9）：65-73.

［18］孫華，鞠洪波，張懷清，等.偏最小二乘回歸在Hyperion影像葉面積指數(shù)反演中的應(yīng)用[J].中國農(nóng)學(xué)通報(bào)，2012，28（7）：44-52.

［19］李栓明，郭銀巧，王克如，等.小麥籽粒蛋白質(zhì)光譜特征變量篩選方法研究[J].中國農(nóng)業(yè)科學(xué)，2015，48（12）：2317-2326.

［20］任鵬.低溫脅迫下冬小麥冠層高光譜變化特征及響應(yīng)生理參數(shù)監(jiān)測[D].太谷：山西農(nóng)業(yè)大學(xué)，2015.

［21］王紀(jì)華，趙春江，黃文江.農(nóng)業(yè)定量遙感基礎(chǔ)與應(yīng)用[M].北京：科學(xué)出版社，2008.

［22］冀榮華，鄭立華，鄧小蕾，等.基于反射光譜的蘋果葉片葉綠素和含水率預(yù)測模型[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（8）：269-275.

［23］趙祥，劉素紅，王培娟，等.基于高光譜數(shù)據(jù)的小麥葉綠素含量反演[J].地理與地理信息科學(xué)，2004，20（3）：36-39.

［24］徐新剛，趙春江，王紀(jì)華，等.新型光譜曲線特征參數(shù)與水稻葉綠素含量間的關(guān)系研究[J].光譜學(xué)與光譜分析，2011，31（1）：188-191.

［25］任鵬，馮美臣，楊武德，等.冬小麥冠層高光譜對低溫脅迫的響應(yīng)特征[J].光譜學(xué)與光譜分析，2014，34（9）：2490-2494.

Hyperspectral Estimation on the Chlorophyll Content of Winter Wheat under Low Temperature Stress

ZHANGXueru1，F(xiàn)ENGMeichen1，LI Guangxin1，2，YANGWude1，WANGChao1，GUOXiaoli1，SHI Chaochao1
（1.College ofAgronomy，Shanxi Agricultural University，Taigu 030801，China；2.Institute ofCrop Sciences，Shanxi AcademyofAgricultural Sciences，Taiyuan 030031，China）

In recent years,freeze injury had became a main meteorological disaster on winter wheat jointing stage in northern region.To monitor the chlorophyll content of winter wheat under low temperature stress,the sensitive wavelengths were extracted and chlorophyll content of winter wheat monitoring model were constructed by using multivariate statistical analysis methods of partial least square and stepwise multiple liner regression.The results showed that characteristic bands of 401,681,727 nm were input into chlorophyll content spectrum monitoring model by using the parameters of B-coefficient and the variable importance for projection,and the values of R2，RMSE and RE for the predictive model were 0.751,0.622 and 0.128,respectively.The value of R2for the validated model was 0.707,which indicated that the multivariate methods had potential application on extracting the important wavelengths of chlorophyll content and constructing the predictive model.The study would provide some theoretical basis to the evaluation of winter wheat chlorophyll content under lowtemperature stress.

winter wheat;chlorophyll content;multivariate statistical analysis;lowtemperature stress;model

S512.1＋1

A

1002-2481（2017）04-0526-04

10.3969/j.issn.1002-2481.2017.04.09

2017-03-03

國家自然科學(xué)基金項(xiàng)目（31201168，31371572）；山西省科學(xué)技術(shù)發(fā)展計(jì)劃項(xiàng)目（201603D221037-3）；山西省青年基金項(xiàng)目（20120210235）

張雪茹（1991-），女，山西呂梁人，在讀碩士，研究方向：作物生態(tài)與信息技術(shù)。馮美臣為通信作者。