張國圣， 許童羽， 于豐華， 陳春玲， 王 洋

(沈陽農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，遼寧 沈陽 110886)

基于高光譜的水稻葉片氮素估測與反演模型

張國圣， 許童羽*， 于豐華， 陳春玲， 王 洋

(沈陽農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，遼寧 沈陽 110886)

快速、無損、準(zhǔn)確地監(jiān)測水稻葉片氮素狀況，對于診斷水稻生殖生長特征、提高氮肥運(yùn)籌水平具有重要意義。利用無人飛行平臺搭載高光譜成像系統(tǒng)獲取水稻冠層高光譜數(shù)據(jù)，分析了試驗(yàn)點(diǎn)水稻分蘗期葉片氮素與冠層高光譜信息之間的關(guān)系。結(jié)果表明，水稻分蘗期葉片氮素含量與同期歸一化差值植被指數(shù)(NDVI)之間有良好的相關(guān)性，可以建立水稻分蘗期葉片氮素含量反演的相關(guān)統(tǒng)計(jì)模型。

水稻氮素；高光譜；統(tǒng)計(jì)模型；歸一化植被指數(shù)

大米是我國傳統(tǒng)主食之一，而作為大米的產(chǎn)出者——水稻，則在我國糧食種植中占據(jù)了重要地位。鑒于我國對環(huán)境問題的日益重視，以及退耕還林等一系列環(huán)境保護(hù)措施的實(shí)施，新世紀(jì)水稻栽培科學(xué)的發(fā)展已經(jīng)由追求高產(chǎn)的單一目標(biāo)，發(fā)展為追求高產(chǎn)、優(yōu)質(zhì)、高效、生態(tài)、安全的綜合目標(biāo)。面對這一新的目標(biāo)，水稻栽培科學(xué)要有新的發(fā)展、大的作為，必須走精確定量的發(fā)展方向[1]。氮元素在植物的生長過程中起重要作用，因此氮肥在農(nóng)業(yè)生產(chǎn)與應(yīng)用中具有重要作用，如何針對性施肥，在最大程度上減少化肥使用量，既能夠降低其對環(huán)境的危害，又能夠使農(nóng)作物不會(huì)因此而減產(chǎn)成為“精細(xì)農(nóng)業(yè)”中一個(gè)亟待解決的問題。

傳統(tǒng)的作物氮素診斷方法主要有常規(guī)室內(nèi)化學(xué)定量檢測分析及“看苗施肥”、葉色卡等定性和半定量的方法。這樣的方法雖然較直觀可靠，但因其破壞性的大量采樣，導(dǎo)致費(fèi)時(shí)費(fèi)工、分析成本高而難以得到普遍應(yīng)用[2]。所以，快速、無損、準(zhǔn)確地監(jiān)測水稻葉片氮素狀況 ，對于診斷水稻生殖生長特征、提高氮肥運(yùn)籌水平具有重要意義[3]。利用光譜指數(shù)進(jìn)行作物冠層氮素營養(yǎng)狀況的估測一直是農(nóng)業(yè)遙感研究的重要內(nèi)容之一[4]，作為一種重要的經(jīng)濟(jì)作物，水稻氮含量的高光譜測定更是受到了廣泛關(guān)注，在氮素的高光譜定量反演方面，國內(nèi)外學(xué)者已進(jìn)行了大量的研究工作，并取得了一定的成果[5-9]。

基于以上分析，本試驗(yàn)以沈陽農(nóng)業(yè)大學(xué)道南試驗(yàn)田為研究區(qū)，通過獲取水稻取樣點(diǎn)的高光譜圖像植被指數(shù)，建立區(qū)域水稻分蘗期冠層葉片氮素反演模型，從而對水稻冠層氮素含量進(jìn)行估測，進(jìn)而實(shí)現(xiàn)對水稻氮肥的精細(xì)管理。由于其與傳統(tǒng)實(shí)驗(yàn)室方法相比具有破壞性小、檢測速度快的特點(diǎn)，在農(nóng)業(yè)生產(chǎn)生活中將會(huì)得到越來越多的應(yīng)用。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2016年6—10月在沈陽農(nóng)業(yè)大學(xué)農(nóng)學(xué)院教學(xué)科研試驗(yàn)基地進(jìn)行，試驗(yàn)田總面積約1 km2，其中進(jìn)行本試驗(yàn)的試驗(yàn)田面積為900 m2。

供試水稻品種為沈稻47，株距10 cm，插秧時(shí)間5月27日，底肥均為過磷酸鈣510 kg·hm-2，硫酸鉀150 kg·hm-2。設(shè)0、225 kg·hm-2(1/2正常)、450 kg·hm-2(正常)、675 kg·hm-2(3/2倍正常)尿素4個(gè)施肥處理。種植18個(gè)小區(qū)，每個(gè)小區(qū)規(guī)格為8 m×5 m，編號為1～18號，小區(qū)采用完全隨機(jī)排列，保護(hù)行100 cm。試驗(yàn)小區(qū)單灌單排，小區(qū)間采取隔離措施保證水肥不互相滲透。小區(qū)除施肥措施外，其他田間管理措施保持一致。

每個(gè)小區(qū)每周進(jìn)行一次高光譜數(shù)據(jù)采集，同時(shí)進(jìn)行破壞性取樣，每個(gè)樣品選取在試驗(yàn)地塊中間位置，以減小邊緣效應(yīng)對實(shí)驗(yàn)數(shù)據(jù)的影響。每一小區(qū)根據(jù)遙感圖像在長勢較好和長勢較差處各取一穴(約18株)，株高用卷尺進(jìn)行測量。器官分離后隨機(jī)分為2份，送至實(shí)驗(yàn)室進(jìn)行水稻葉片的全氮分析，一份作為建模數(shù)據(jù)，另一份用來檢驗(yàn)?zāi)Ｐ途?。試?yàn)田情況如圖1所示。

圖1 試驗(yàn)區(qū)域遙感圖像Fig.1 Map of experimental area

1.2 數(shù)據(jù)獲取

1.2.1 光譜測量儀器

水稻冠層高光譜數(shù)據(jù)通過無人飛行平臺經(jīng)緯M600搭載高光譜成像系統(tǒng)Gaia Sky-mini進(jìn)行采集，其光譜范圍為400～1 000 nm，光譜分辨率(4.0±0.5)nm，全幅像素1 320(空間維)×1 040(光譜維)，飛行器最大飛行速度18 m·s-1(無風(fēng))，最大飛行高度1 000 m，圖像采集視場角25°，空間分辨率0.34 m。大疆經(jīng)緯M600采用了模塊化設(shè)計(jì)，搭載ZenmuseX5云臺和“如影”RONIN-MX穩(wěn)定器。M600內(nèi)置專業(yè)級A3飛行控制系統(tǒng)、Lightbridge2圖像傳輸系統(tǒng)，配置6塊獨(dú)立TB47S智能電池，電池容量4 500 mAh、電壓22.2 V、整體質(zhì)量595 g。

1.2.2 光譜數(shù)據(jù)獲取

每次試驗(yàn)盡量選擇在晴朗無云、氣溫峰值的氣象條件下獲取水稻冠層光譜信息，測定時(shí)間控制在10：00—14：00，如遇到陰雨天，則向后順延，最遲不得超過16：00。測量時(shí)應(yīng)保證傳感器探頭垂直向下，距離水稻冠層1 m，每次懸停10 s，以獲取采樣點(diǎn)附近區(qū)域的高光譜數(shù)據(jù)，所采集的圖像使用ENVI5.3進(jìn)行輻射校正。

1.2.3 農(nóng)學(xué)參數(shù)獲取

水稻農(nóng)學(xué)參數(shù)隨水稻生長過程進(jìn)行獲取，從每個(gè)小區(qū)破壞性取樣水稻兩穴，清查每穴水稻的株數(shù)，然后于自然條件下晾曬30 d，器官分離后將水稻葉片放入烤箱，在65 ℃條件下烘干12 h殺青，然后以95 ℃烘烤直至烘干。將水稻葉片研磨成粉、烘干，待冷卻至室溫后進(jìn)行稱量，每份樣品0.2 g并進(jìn)行平行試驗(yàn)，于實(shí)驗(yàn)室條件下以H2SO4-H2O2消煮法測量水稻葉片全氮含量。

歸一化差值植被指數(shù)(normalized differential vegetation index，NDVI)用于增加在近紅外范圍綠葉的散射與紅色波段范圍葉綠素吸收的差異，NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、枯葉、粗糙度等，且與植被覆蓋有關(guān)。其計(jì)算公式如下所示：

(1)

其中ρNIR為近紅外波段的反射值，ρRED為紅光波段反射值，其值介于-1～1。

光化學(xué)植被指數(shù)(photochemicalreflectanceindex，PRI)對活植物的類胡蘿卜素較為敏感，類胡蘿卜素可標(biāo)識光合作用中的光利用率或碳吸收率。其計(jì)算公式如下所示：

(2)

其中ρ531為中心波長531nm波段的反射值，ρ570為中心波長570nm波段的反射值，其值介于-1～1。

1.3 數(shù)據(jù)分析方法

本文依據(jù)水稻冠層光譜數(shù)據(jù)構(gòu)建NDVI、PRI值，利用回歸擬合方法構(gòu)建水稻冠層葉片氮素反演模型，采用均方根誤差(meansquareerror，MSE)和決定系數(shù)(R2)兩種參數(shù)優(yōu)選估測模型。R2越接近1，說明模型擬合度越好；MSE越小，說明模型精確度越高。在實(shí)驗(yàn)室條件下以化學(xué)手段所測數(shù)據(jù)對所篩選的估測模型進(jìn)行驗(yàn)證，同時(shí)繪制葉片氮素含量實(shí)測值與估算值間1∶1散點(diǎn)圖。本文中數(shù)據(jù)分析在SPSS22.0、ENVI5.3和Excel2010中完成。

2 結(jié)果與分析

對水稻分蘗期高光譜圖像進(jìn)行提取得到所需農(nóng)學(xué)參數(shù)，并與相應(yīng)的水稻葉片氮素含量進(jìn)行對比分析可得，NDVI值與水稻冠層氮素含量的回歸模型為N=0.0321NDVI+0.638，決定系數(shù)R2=0.8 234，PRI值與水稻冠層氮素含量的回歸模型為N=0.0227PRI+0.0172，R2=0.2 609(表1)。這表明，水稻冠層氮素含量與NDVI值具有較顯著的線性相關(guān)性，而與PRI值幾乎不具有線性相關(guān)性。同時(shí)模型預(yù)測的水稻冠層氮素含量與實(shí)測值二者間MSE=0.4 174，處于可接受范圍內(nèi)，表明模型精確度較高。利用反演模型得出的估測值與實(shí)際測量值間均方差較小，P值大于0.05，可視為樣本來自同一群體，預(yù)測值與實(shí)測值間無明顯差異，表明反演模型的預(yù)測精度較高(表2)。

表1 高光譜圖像植被指數(shù)值與葉片氮素含量間的回歸模型(n=72)

Table1Regressionequationsbetweenvaluesofhyperspectralremotesensingimageandnitrogencontentofriceleaf(n=72)

植被指數(shù)Vegetationindexmodel回歸模型Regression決定系數(shù)R2Decisioncoefficient均方根誤差MSESquareerrorNDVIN=0 0321NDVI+0 6380 82340 0147PRIN=0 0227PRI+0 01720 26090 0186

表2 模型預(yù)測值與實(shí)際測量值對比(n=36)

Table 2 Comparison between predicted values by model and measured values(n=36)

來源Resource平方和Sumofsquares自由度df均方MeansquareF值F?valueP值P?value組間Intergroup5 804340 1719 9760 247組內(nèi)Intragroup0 01710 017總計(jì)Total5 82135

圖2 模型預(yù)測值與實(shí)測水稻葉片氮素含量間的關(guān)系(n=36)Fig.2 Relation between model predicted and measured nitrogen content of rice leaf(n=36)

圖3 模型預(yù)測和實(shí)測的水稻葉片氮素含量與NDVI值的關(guān)系(n=36)Fig.3 Relation between predicted and measured nitrogen content and NDVI value of rice leaf(n=36)

3 結(jié)論與討論

本試驗(yàn)使用無人飛行平臺搭載高光譜成像設(shè)備對水稻冠層NDVI值與PRI值進(jìn)行了測定，并對兩種植被指數(shù)數(shù)值進(jìn)行了優(yōu)化，進(jìn)而分析了水稻分蘗期葉片氮素含量與兩種植被指數(shù)間的線性關(guān)系。結(jié)果表明，隨著施氮量的增加，NDVI預(yù)測值與NDVI計(jì)算值均呈現(xiàn)增加趨勢，各個(gè)處理間差異顯著，具有一定的代表性，可以作為研究使用的載體；經(jīng)過計(jì)算決定系數(shù)發(fā)現(xiàn)，模型預(yù)測的水稻葉片氮素含量與NDVI值具有良好的線性相關(guān)性(R2=0.694)，實(shí)測水稻葉片氮素含量與NDVI值也具有良好的線性相關(guān)性(R2=0.716)，而水稻葉片氮素含量與PRI值并無明顯線性關(guān)系(R2=0.260 9)；通過均方差分析發(fā)現(xiàn)，模型預(yù)測的水稻葉片氮素含量與實(shí)測水稻葉片氮素含量二者間MSE=0.417 4，說明二者無明顯差異，模型預(yù)測值與實(shí)際值較為接近。

綜上所述，利用高光譜圖像得到的NDVI值能夠較好的反演水稻冠層氮素含量，可以建立較為準(zhǔn)確、高精度的反演模型(N=0.0321NDVI+0.638)。但是其中仍存在不足，本反演模型只能應(yīng)用于水稻分蘗期，當(dāng)將其他時(shí)期得到的數(shù)據(jù)帶入模型后，其結(jié)果并不理想。同時(shí)，反演模型是以統(tǒng)計(jì)學(xué)方法建立，需要一定數(shù)量的樣本數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，這對于樣本個(gè)數(shù)有限的試驗(yàn)來說是有影響的，尤其是在樣本數(shù)較少的情況下，這個(gè)問題顯得更加突出。

致謝：感謝沈陽農(nóng)業(yè)大學(xué)分析與測試中心吳正超老師的支持與幫助!

[1] 凌啟鴻，張洪程，丁艷鋒，等. 水稻高產(chǎn)技術(shù)的新發(fā)展——精確定量栽培[J]. 中國稻米， 2005，11(1)：3-7. LING Q H， ZHANG H C， DING Y F， et al. Development of rice high-yielding techniques—Precisely fixed quantity planting[J].ChinaRice， 2005，11(1)：3-7. (in Chinese with English abstract)

[2] 鄒長明，秦道珠，高菊生，等. 水稻氮肥施用技術(shù)Ⅱ-看苗施用氮肥的葉片診斷指標(biāo)[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào) (自然科學(xué)版) ， 2001 ， 27 (1) :29-31. ZHOU C M， QIN D Z， GAO J S， et al. Application technology of N fertilizer on riceⅡ.The index of diagnosing nitrogen nutrition in rice leaf[J].JournalofHunanAgricultureUniversity(NaturalSciences)， 2001， 27 (1):29-31. (in Chinese with English abstract)

[3] 張浩，姚旭國，張小斌，等.區(qū)域水稻穗期葉片氮素的遙感估測初探[J]. 核農(nóng)學(xué)報(bào)，2009，36(3): 364-368. ZHANG H， YAO X G， ZHANG X B， et al. A primary study on nitrogen content of rice leaf based on remote sensing at spiking stage[J].JournalofNuclearAgricultureSciences， 2009，36(3):364-368. (in Chinese with English abstract)

[4] 王仁紅，宋曉宇，李振海，等. 基于高光譜的冬小麥氮素營養(yǎng)指數(shù)估測[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30(19):191-198. WANG R H， SONG X Y， LI Z H， et al. Estimation of winter wheat nitrogen nutrition index using hyperspectral remote sensing[J].TransactionsoftheChineseSocietyofAgriculturalEngineering，2014，30(19):191-198. (in Chinese with English abstract)

[5] CLEVERS J G P W， KOOISTRA， L. Using hyperspectral remote sensing data for retrieving total canopy chlorophyll and nitrogen content[J].IEEEJournalofSelectedTopicsinAppliedEarthObservations&RemoteSensing， 2012，5(2):574-583.

[6] HANSEN P M， SCHJOERRING J K. Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J].RemoteSensingofEnvironment， 2003， 86(4): 542-553.

[7] ZHU Y， ZHOU D， YAO X， et al. Quantitative relationships of leaf nitrogen status to canopy spectral reflectance in rice[J].AustralianJournalofAgriculturalResearch， 2007， 58(11): 1077-1085.

[8] FENG W， YAO X， ZHU Y， et al. Monitoring leaf nitrogen status with hyperspectral reflectance in wheat[J].EuropeanJournalofAgronomy， 2008， 28(3): 394-404.

[9] DANIELA S， MIRCO B， PIETRO A B， et al. Plant nitrogen concentration in paddy rice from field canopy hyperspectral radiometry[J].FieldCropsResearch， 2009， 111(1/2): 119-129.

[10] 李冰，劉镕源，劉素紅，等. 基于低空無人機(jī)遙感的冬小麥覆蓋度變化監(jiān)測[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28(13)：160-165. LI B， LIU R Y， LIU S H， et al. Monitoring vegetation coverage variation of winter wheat by low-altitude UAV remotesensing system[J].TransactionsoftheChineseSocietyofAgriculturalEngineering， 2012， 28(13):160-165. (in Chinese with English abstract)

[11] 田永超，朱艷，姚霞，等. 基于光譜信息的作物氮素營養(yǎng)無損監(jiān)測技術(shù)[J].生態(tài)學(xué)雜志，2007，26 (9) :1454-1463. TIAN Y C，ZHU Y，YAO X， et al. Non-destructive monitoring of crop nitrogen nutrition based on spectral information[J].ChineseJournalofEcology， 2007， 26 (9) :1454-1463. (in Chinese with English abstract)

[12] 張浩，胡昊，陳義，等. 水稻葉片氮素及籽粒蛋白質(zhì)含量的高光譜估測模型[J].核農(nóng)學(xué)報(bào)，2012 ，26(1):135-140. ZHANG H， HU H， CHEN Y， et al. Estimating nitrogen of rice leaf and protein of rice seed based on hyperspectral data[J].JournalofNuclearAgricultureSciences， 2012， 26(1): 135-140. (in Chinese with English abstract)

[13] 姚霞，朱艷，馮偉，等. 監(jiān)測小麥葉片氮素積累量的新高光譜特征波段及比值植被指數(shù)[J].光譜學(xué)與光譜分析，2009，29(8):2191-2195. YAO X， ZHU Y， FENG W， et al. Exploring novel hyperspectral band and key index for leaf nitrogen accumulation in wheat[J].SpectroscopyandSpectralAnalysis， 2009， 29(8):2191-2195. (in Chinese with English abstract)

[14] 李剛?cè)A，丁艷鋒，薛利紅，等. 利用葉綠素計(jì)(SPAD-502)診斷水稻氮素營養(yǎng)和推薦追肥的研究進(jìn)展[J]. 植物營養(yǎng)與肥料學(xué)報(bào)，2005，11(3):412-416. LI G H， DING Y F， XUE L H， et al. Research progress on diagnosis of nitrogen nutrition and fertilization recommendation for rice by use chlorophyll meter[J].PlantNutritionandFertilizerScience， 2005， 11(3):412-416. (in Chinese with English abstract)

[15] 譚昌偉，周清波，齊臘，等. 水稻氮素營養(yǎng)高光譜遙感診斷模型[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2008，19(6):1261-1268. TAN C W， ZHOU Q B， QI L， et al. Hyperspectral remote sensing diagnosis models of rice plant nitrogen nutritional status[J].ChineseJournalofAppliedEcology， 2008， 19(6):1261-1268. (in Chinese with English abstract)

[16] 田永超. 基于高光譜遙感的水稻氮素營養(yǎng)參數(shù)監(jiān)測研究[D]. 南京：南京農(nóng)業(yè)大學(xué)，2008. TIAN Y C. Monitoring research of rice nitrogen nutrition parameter based on hyperspectural remote sensing[D].Nanjing: Nanjing Agricultural University，2008.

(責(zé)任編輯 張 韻)

Nitrogen content inversion of rice leaf based on the hyperspectral data

ZHANG Guosheng， XU Tongyu*， YU Fenghua， CHEN Chunling， WANG Yang

(CollegeofEngineeringandElectricity，ShenyangAgricultureUniversity，Shenyang110886，China)

Non-destructive， rapid and accurate monitoring of nitrogen nutrition of rice leaf at spikingstage is significant in estimating crop reproductive growth， enhancing nitrogen management and use efficiency. In this study， the field experiments were carried out and the hyperspectral data of rice canopy was acquired at the same time by the unmanned aerial vehicle. The relationship between nitrogen content and hyperspectral data was analyzed. The result showed that the leaf nitrogen content at tillering stage had good correlation with the normalized differential vegetation index. The regression model can be established.

nitrogen content of crop; hyperspectrl; regression model; NDVI value

http://www.zjnyxb.cn

10.3969/j.issn.1004-1524.2017.05.23

2017-01-12

國家重點(diǎn)研發(fā)計(jì)劃(2016YFD020060307)

張國圣(1991—)，男，遼寧大連人，碩士研究生，主要從事農(nóng)業(yè)信息化方面的研究。E-mail: 287063310@qq.com

*通信作者，許童羽，E-mail: yatongmu@163.com

S126

A

1004-1524(2017)05-0845-05

浙江農(nóng)業(yè)學(xué)報(bào)ActaAgriculturaeZhejiangensis， 2017，29(5): 845-849

張國圣，許童羽，于豐華，等. 基于高光譜的水稻葉片氮素估測與反演模型[J].浙江農(nóng)業(yè)學(xué)報(bào)，2017，29(5)： 845-849.