賈 彪 賀 正

(寧夏大學(xué)農(nóng)學(xué)院， 銀川 750021)

0 引言

作物光響應(yīng)曲線特征參數(shù)是其光合作用過程中最重要的指標(biāo)[1-3]，也是表征作物冠層葉片養(yǎng)分利用和生理特性的重要參數(shù)[1]，能充分反映作物氮素營養(yǎng)分配及其對光合作用的影響[1-2,4-5]。適量施氮可提高作物葉片對光的響應(yīng)能力，調(diào)節(jié)光響應(yīng)曲線特征參數(shù)，進而提高凈光合速率Pn( Net photosynthetic rate)[6-9]，通過分析光合有效輻射和Pn間的特性，可得到表觀量子效率α(Apparent quantum efficiency)、最大凈光合速率Pnmax(Maximum net photosynthetic rate)、光補償點(Light compensation point，LCP)、暗呼吸速率Rd(Dark respiration rate)等光響應(yīng)曲線特征參數(shù)[1-3]。通常，作物光響應(yīng)的特征參數(shù)需要通過光響應(yīng)曲線測算得出[1-3]，此方法較為通用，但耗時費力，測算過程長，難以滿足大面積快速測定的需求。

目前，隨著各種成像監(jiān)測設(shè)備精度的提高及光譜分析技術(shù)的日益成熟，國內(nèi)外學(xué)者使用農(nóng)業(yè)遙感技術(shù)對作物進行光合生理監(jiān)測[10-17]。然而光譜儀和熱成像儀價格高昂、普及性差。隨著數(shù)字圖像處理技術(shù)的日趨成熟，采用數(shù)碼相機獲取作物數(shù)字圖像在水稻[18]、小麥[19]、棉花[20-22]、玉米[23-24]長勢監(jiān)測等領(lǐng)域已廣泛應(yīng)用，而利用手機圖像對作物的光響應(yīng)特征參數(shù)進行監(jiān)測的研究較少。

利用手機相機對作物進行監(jiān)測具有便于攜帶、易操作、普及性強、分辨率和性價比高等優(yōu)勢。本文以寧夏引黃灌區(qū)滴灌水肥一體化玉米為研究對象，在平吉堡農(nóng)場開展不同氮素處理試驗。采用手機相機獲取玉米冠層圖像，利用LI-6400XT光合測定系統(tǒng)測定大喇叭口期玉米葉片光響應(yīng)曲線，并計算光響應(yīng)曲線的特征參數(shù)，分析玉米冠層數(shù)字圖像特征參數(shù)與光響應(yīng)特征參數(shù)間的相關(guān)關(guān)系，建立基于手機相機的玉米光響應(yīng)特征參數(shù)關(guān)系模型，并通過獨立試驗數(shù)據(jù)和相關(guān)評價指標(biāo)對模型進行評價。利用手機冠層圖像特征參數(shù)反演玉米光響應(yīng)曲線的特征參數(shù)，為作物光合生理機制與作物信息學(xué)的交叉研究提供方法和思路。

1 材料與方法

1.1 試驗地概況

試驗于2018年在寧夏回族自治區(qū)平吉堡農(nóng)場(106°01′45″E, 38°26′42″N)開展，田間土壤類型為淡灰鈣土，質(zhì)地是壤土，肥力中等。0～20 cm耕層土壤有機質(zhì)質(zhì)量比為12.82 g/kg、全氮質(zhì)量比為0.75 g/kg、全磷質(zhì)量比0.48 g/kg、堿解氮質(zhì)量比36.82 mg/kg、速效磷質(zhì)量比17.37 mg/kg、速效鉀質(zhì)量比95.31 mg/kg。

1.2 試驗設(shè)計

試驗采用隨機區(qū)組設(shè)計，6個氮素處理，分別為N0(0 kg/hm2，絕對對照CK)、N1(90 kg/hm2)、N2(180 kg/hm2)、N3(270 kg/hm2)、N4(360 kg/hm2)、N5(450 kg/hm2)，3次重復(fù)，共18個小區(qū)，小區(qū)面積為67.5 m2(長15 m，寬4.4 m)，采用寬窄行機播模式，寬行70 cm，窄行40 cm，株距20 cm，密度約為9×104株/hm2。供試玉米品種為天賜19(TC19)，該品種生育期137 d左右，株型半緊湊，屬中晚熟型雜交種。

供試氮肥為尿素(NPK 46-0-0)，磷肥為磷酸二氫鉀(NPK 0-52-34)，鉀肥為硫酸鉀(NPK 0-0-52)，均為水溶性肥料，其中磷肥138 kg/hm2、鉀肥120 kg/hm2為常規(guī)用量，作為基肥播前一次性施入，肥料用量均以元素態(tài)計算。氮肥隨水施入，采用水肥一體化滴灌模式，共施肥8次，分別為苗期1次、拔節(jié)期3次、抽雄期1次、灌漿期3次。各生育時期施肥量分別占總量的10%、45%、20%、25%。其他管理措施與當(dāng)?shù)卮筇锷a(chǎn)相同。玉米于4月底播種，9月底收獲。

圖1 田間數(shù)據(jù)獲取Fig.1 Field data collection

1.3 玉米葉片光響應(yīng)曲線特征參數(shù)計算

于大喇叭口期，采用LI-6400XT型便攜式氣體交換測量系統(tǒng)(LI-Cor，美國)測定，天氣晴朗，觀測時間為09:00—12:00與14:30—16:30，每個處理隨機選取6株長勢一致、上層第1片完全展開葉片進行測定(圖1a)。選擇紅藍光源，氣體流速設(shè)置為500 μmol/s，葉室內(nèi)CO2濃度控制在(380±2)μmol/mol、空氣相對濕度為(45±5)%，葉片溫度控制為(30±3)℃，測定13個梯度的PAR玉米葉片凈光合速率，依次遞減為2 000、1 700、1 400、1 100、800、600、400、200、110、80、50、20、0 μmol/(m2·s)，系統(tǒng)自動記錄并保存光合數(shù)據(jù)，最小等待時間和最大等待時間分別為120 s和180 s。選擇YE等[25-26]提出的直角雙曲線模型對光響應(yīng)曲線進行擬合。

1.4 玉米冠層圖像獲取

在玉米大喇叭口期，天氣晴朗，太陽高度角相對穩(wěn)定的11:00—12:00之間，利用手機相機(iPhone，1 200萬像素) 獲取玉米冠層圖像。采用自主設(shè)計的便攜式圖像采集系統(tǒng)，主要由大疆靈眸(Osmo Mobile 2)防抖手持云臺手機穩(wěn)定器、碳素纖維伸縮桿、固定支架、藍牙遙控器組成，伸縮范圍0.6～3 m，能自由調(diào)節(jié)伸縮桿角度來獲取冠層圖像。拍攝時，將手機固定于云臺手機穩(wěn)定器，點擊云臺開機鍵，使用手機DIG GO 4軟件通過藍牙連接手機和云臺。進入拍照界面，使用云臺位置遙感鍵調(diào)整手機與玉米冠層垂直后拍攝，點擊云臺模式(M)鍵將云臺Y軸(垂直設(shè)定)鎖定，指示燈由綠變黃，可保證手機恒定垂直于玉米冠層。將相機鏡頭距離地面3.2 m垂直高度(距玉米冠層約1.0 m)，同時將相機調(diào)至Auto模式，以自動曝光控制色彩平衡。圖像以JPEG格式存儲，分辨率為3 024像素×4 032像素，試驗均采用圖1b設(shè)備獲取冠層圖像。

1.5 玉米歸一化冠層覆蓋系數(shù)提取

作物冠層圖像的RGB像元其本質(zhì)是對R、G、B3個波段反射光強的量化表達[27]，以此來反映作物冠層葉片對光的反射特性[27]，本文利用手機相機獲取玉米冠層圖像，包括玉米冠層和土壤部分，如果對原始圖像直接進行R、G、B波段信息的提取，由于土壤干擾，其結(jié)果會影響到玉米冠層參數(shù)對光響應(yīng)參數(shù)診斷的準(zhǔn)確性[28]。因此，采用文獻[20,27,29]冠層圖像修正方法，通過土壤調(diào)整植被指數(shù)(Soil adjusted vegetation index, SAVIgreen)計算玉米歸一化冠層覆蓋系數(shù)(CC)。具體計算公式與來源見表1。

表1 玉米冠層圖像特征參數(shù)選取Tab.1 Canopy image characteristic parameter of maize

表1玉米冠層圖像特征參數(shù)CC提取過程為：將手機采集的玉米冠層圖像傳輸至計算機，使用Visual Studio平臺、Visual C++和Matlab軟件的數(shù)字圖像分析系統(tǒng)[20,22]，將玉米冠層圖像與土壤進行分割[29]，提取分割處理后圖像的R、G、B通道的像元均值，結(jié)果如圖2所示。

圖2 玉米歸一化冠層覆蓋系數(shù)CC提取過程Fig.2 Extraction process of normalized canopy cover factor of maize

1.6 玉米冠層圖像其他特征參數(shù)篩選

對作物冠層圖像特征參數(shù)標(biāo)準(zhǔn)化、歸一化和組合計算，可篩選出多種有用的圖像特征參數(shù)[22,27,30，32]，本文篩選與作物農(nóng)學(xué)參數(shù)具有較高相關(guān)性的歸一化特征參數(shù)r、g、b、CC和ExG作為玉米冠層特征參數(shù)[20,22,27,29-32](表1)，來建立玉米冠層圖像特征參數(shù)與光響應(yīng)過程特征參數(shù)的關(guān)系模型。

1.7 數(shù)據(jù)處理與模型評價

本試驗數(shù)據(jù)來自2個區(qū)，在玉米大喇叭口期每個區(qū)采集18組數(shù)據(jù)，選擇其中1個區(qū)的試驗數(shù)據(jù)進行建模，另1個區(qū)的試驗數(shù)據(jù)進行模型檢驗；采用Excel 2016進行數(shù)據(jù)整理與分析，運用R3.5.2進行相關(guān)性分析，運用Origin 8.5進行模型擬合。為檢驗?zāi)Ｐ蜏?zhǔn)確性，選取決定系數(shù)(R2)、均方根誤差(RMSE)及標(biāo)準(zhǔn)均方根誤差(nRMSE)對模型進行評價[19-21]，計算公式見表2。計算模型誤差以判別觀測值與模擬值間的差異，RMSE和nRMSE越小、R2越接近于1，模型精度越高。

2 結(jié)果與分析

2.1 施氮對手機圖像特征參數(shù)的影響

由圖3可知，在玉米大喇叭口期，通過手機獲取的玉米冠層圖像中，各N素處理間提取的玉米冠層圖像特征參數(shù)隨著施氮量的不同，差異比較明顯，其中特征參數(shù)CC與b隨著施氮量的增加均呈正態(tài)分布，且未出現(xiàn)異常；隨著施氮量的增加CC與b的動態(tài)變化趨勢相似，均呈先增加后下降趨勢，且處理N5降幅較低(圖3a、3d)；其他3個圖像特征參數(shù)r、g和ExG隨施氮量的增加其動態(tài)變化趨勢與CC相反，隨著施氮量的增加先減小后增加，處理N5升幅較小(圖3b、3c、3e)。

表2 模型評價指標(biāo)Tab.2 Model evaluation indices

圖3 冠層圖像特征參數(shù)隨施氮量變化箱線圖Fig.3 Box diagrams of canopy-image characteristic parameters at different nitrogen rates

2.2 施氮對光響應(yīng)曲線特征參數(shù)的影響

由圖4可知，在不同施氮量下，玉米大喇叭口期各光響應(yīng)特征參數(shù)隨施氮量的增加產(chǎn)生差異性，光響應(yīng)特征參數(shù)α、Pnmax、LCP和Rd等指標(biāo)與CC動態(tài)分布相似，均呈正態(tài)分布，且未出現(xiàn)異常，各氮素處理間差異也比較明顯，隨著施氮量的增加呈先增加后降低趨勢，且處理N5降幅較低。

從圖4的結(jié)果看，各特征參數(shù)均以N0處理表現(xiàn)最低，N4處理最高。高氮處理(N3、N4、N5)的光響應(yīng)參數(shù)明顯高于低氮處理(N0、N1、N2)，故合理施氮可提高玉米的光響應(yīng)特征參數(shù)值進而提高玉米的光合作用能力，然而過量施氮肥不一定能促進玉米光合作用。

2.3 手機圖像特征參數(shù)與光響應(yīng)特征參數(shù)間相關(guān)性分析

圖4 光響應(yīng)曲線特征參數(shù)隨施氮量變化箱線圖Fig.4 Box diagrams of light response curve characteristic parameters at different nitrogen rates

運用R3.5.2統(tǒng)計軟件對玉米大喇叭口期冠層圖像特征參數(shù)CC、r、g、b、ExG與光響應(yīng)曲線特征參數(shù)α、Pnmax、LCP和Rd進行了相關(guān)性分析，如圖5所示(*** 表示P<0.001)，對角線上部表示各參數(shù)間Pearson相關(guān)系數(shù)；對角線下部為各參數(shù)間散點關(guān)系。由圖5可知，本研究篩選出的5個數(shù)字圖像特征參數(shù)與4個玉米光響應(yīng)特征參數(shù)呈顯著相關(guān)性，且各參數(shù)均在P<0.001水平下呈極顯著相關(guān)。其中冠層圖像特征參數(shù)CC和b與玉米光響應(yīng)曲線的特征參數(shù)α、Pnmax、LCP、Rd間呈極顯著正相關(guān)，其他圖像特征參數(shù)r、g和ExG與α、Pnmax、LCP、Rd間呈極顯著負相關(guān)。玉米冠層圖像特征參數(shù)中，CC與玉米的4個光響應(yīng)曲線的特征參數(shù)相關(guān)性最好，與Pnmax的相關(guān)系數(shù)最高，達到0.93，與LCP的相關(guān)系數(shù)相對較低，為0.83；b與玉米光響應(yīng)曲線的特征參數(shù)的相關(guān)系數(shù)較CC次之，與Pnmax的相關(guān)系數(shù)最高，達到0.75，與Rd最低，為0.68；其余的圖像特征參數(shù)均與光響應(yīng)參數(shù)呈極顯著相關(guān)，ExG最低，相關(guān)系數(shù)都在0.52以上。

2.4 基于CC的玉米光響應(yīng)特征參數(shù)動態(tài)模型

圖5 玉米冠層葉片圖像特征參數(shù)和光響應(yīng)特征參數(shù)相關(guān)性分析Fig.5 Correlation analysis between image parameters and light response parameters of maize canopy leaves

在玉米大喇叭口期，CC與光響應(yīng)特征參數(shù)均在P<0.001水平顯著相關(guān)，且高于其他圖像特征參數(shù)(圖5)。隨著施氮量的增加，CC與各光響應(yīng)參數(shù)呈現(xiàn)相似的變化趨勢(圖3)，因此，以CC為自變量，運用Origin軟件建立CC與α、Pnmax、LCP、Rd等光響應(yīng)特征參數(shù)非線性回歸函數(shù)關(guān)系模型，并根據(jù)模型評價指標(biāo)R2、RMSE和nMRSE篩選出評價指標(biāo)較高和具有生物學(xué)意義的最優(yōu)動態(tài)模型。如圖6所示，CC與表觀量子效率α的最優(yōu)模型為有理函數(shù)，其決定系數(shù)R2為0.943；與最大凈光合速率Pnmax最優(yōu)模型為冪函數(shù)模型，其R2為0.891；與光補償點LCP的最優(yōu)模型為指數(shù)函數(shù)模型，其R2為0.915；與暗呼吸速率Rd的最優(yōu)模型為二次函數(shù)多項式，其R2為0.876。與α的決定系數(shù)最高，與Rd的決定系數(shù)最低。故由模型的擬合結(jié)果看，通過手機獲取玉米冠層圖像，提取的冠層圖像特征參數(shù)CC能較好地擬合光響應(yīng)特征參數(shù)，能實現(xiàn)對玉米光響應(yīng)過程進行快速無損監(jiān)測。

2.5 模型評價與檢驗

本文選用決定系數(shù)(R2)、均方根誤差(RMSE)及標(biāo)準(zhǔn)均方根誤差(nRMSE)等指標(biāo)對玉米圖像特征參數(shù)CC與光響應(yīng)特征參數(shù)間的動態(tài)模擬模型進行了評價和驗證，其評價和檢驗結(jié)果如表3所示。由表3可以看出，模型的模擬效果均較好，決定系數(shù)由大到小依次為LCP、α、Pnmax、Rd，其中CC與LCP擬合效果最好，其建模集與驗證集的決定系數(shù)R2分別為0.915、0.911，RMSE分別為3.673、5.989 μmol/(m2·s)，標(biāo)準(zhǔn)均方根誤差(nRMSE)分別為5.062%、8.495%。

圖6 基于CC的玉米大喇叭口期光響應(yīng)特征參數(shù)模型Fig.6 Models of light response curve characteristic parameters at big flare stage based on normalized canopy cover factor

由圖7可知，不論是建模集的擬合值與實測值，還是驗證集的擬合值與觀測值，利用手機獲取的玉米冠層圖像特征參數(shù)CC對光響應(yīng)曲線的特征參數(shù)反演，具有一定的準(zhǔn)確性和可靠性。

3 討論

葉片是作物獲取光合作用的主要器官[6-7]，合理施氮可增加玉米的葉面積[8]，進而提高圖像歸一化冠層覆蓋系數(shù)[20,27]，提高玉米的光合能力[9]，從而影響光合生理過程[6-8]以及光響應(yīng)生理參數(shù)[5]。本文得出玉米冠層圖像特征參數(shù)和光響應(yīng)曲線特征參數(shù)均與各氮素處理間存在著明顯的差異性，冠層圖像特征參數(shù)隨施氮量的變化由大到小依次是CC、r、ExG、g、b(圖3)。隨著施氮量的增加，玉米光響應(yīng)特征參數(shù)α、Pnmax、LCP和Rd所呈現(xiàn)出的動態(tài)變化規(guī)律與CC相似(圖4)，先升高后降低。相關(guān)性分析表明，寧夏引黃灌區(qū)滴灌玉米大喇叭口期冠層圖像特征參數(shù)CC與其光響應(yīng)特征參數(shù)具有最高的相關(guān)性(圖5)，其他的玉米冠層圖像特征參數(shù)與光響應(yīng)特征參數(shù)的相關(guān)性也較高，如紅光通道歸一化標(biāo)準(zhǔn)值(r)與光響應(yīng)特征參數(shù)間呈顯著負相關(guān)，其原因是隨著施氮量的增加，葉片的葉綠素含量增加，綠色程度增強[20,29，32]，光合能力也增強[9]，而紅光則在葉片中的比例減少，造成r值降低[30]。由于農(nóng)學(xué)參數(shù)較大的變化會引起變異范圍較小的作物冠層圖像特征參數(shù)變化，所以在選擇最佳冠層參數(shù)時要同時考慮相關(guān)性高和變異范圍較大的參數(shù)，因此，本文選取玉米冠層數(shù)字化圖像特征參數(shù)CC來反演光響應(yīng)特征參數(shù)α、Pnmax、LCP和Rd。

本文通過手機相機獲取玉米冠層圖像，建立的基于歸一化冠層覆蓋系數(shù)的寧夏滴灌玉米光響應(yīng)生理參數(shù)反演模型(圖6)中未涉及LSP，其他參數(shù)最佳反演模型的R2都達到了0.876以上，RMSE的值為0.002～3.673 μmol/(m2·s)，nRMSE的值為4.102%～9.071%(表3)，且通過獨立的數(shù)據(jù)對模型進行檢驗，結(jié)果表明各模型的R2均不小于0.833，RMSE的值均不大于5.989 μmol/(m2·s)，nRMSE均不超9.659%(表3)。這充分說明冠層圖像特征參數(shù)CC能較好地反演玉米光響應(yīng)曲線特征參數(shù)，可實現(xiàn)對玉米光響應(yīng)曲線特征參數(shù)的大面積快速監(jiān)測。

表3 模型評價與檢驗Tab.3 Model evaluation and verification

圖7 光響應(yīng)曲線的特征參數(shù)Fig.7 Fitting diagrams of light response curve characteristic parameters

本文通過數(shù)字圖像特征參數(shù)反演作物光響應(yīng)特征參數(shù)，解決了玉米光合監(jiān)測過程中遇到的難題，同時玉米作為高莖作物，其株高可達3 m以上，本文采用自主設(shè)計的便攜式手機圖像采集系統(tǒng)裝置，便捷、易操作、普及性高、農(nóng)戶易接受，獲取的冠層圖像參數(shù)可快速反映作物的光合生理過程、光合能力，對了解作物生長發(fā)育具有重要意義[22-23]。本文僅對玉米大喇叭口期的光響應(yīng)特征參數(shù)進行了反演研究，對于玉米其他各生育時期的光響應(yīng)特征參數(shù)動態(tài)變化規(guī)律是否可通過手機圖像進行反演有待進一步研究。

4 結(jié)論

(1)施氮量對手機圖像特征參數(shù)和光響應(yīng)特征參數(shù)的影響不同，圖像歸一化冠層覆蓋系數(shù)與光響應(yīng)參數(shù)隨著施氮量的增加具有相似的變化趨勢。當(dāng)施氮量不超過360 kg/hm2時，施氮可提高CC與光響應(yīng)參數(shù)值；當(dāng)施氮量達到450 kg/hm2時則呈下降趨勢，但降幅較小，說明適量施氮可以提高玉米葉片光合作用。

(2)不同氮素處理下，玉米大喇叭口期的冠層圖像特征參數(shù)與光響應(yīng)曲線特征參數(shù)相關(guān)性較高，相關(guān)系數(shù)由大到小依次為CC、b、g、r、ExG，其中CC與光響應(yīng)特征參數(shù)的相關(guān)性最高，說明CC可反演玉米光響應(yīng)特征參數(shù)。

(3)建立了基于CC的滴灌玉米光響應(yīng)特征參數(shù)關(guān)系模型，并根據(jù)模型評價指標(biāo)R2、RMSE和nRMSE篩選出各光響應(yīng)特征參數(shù)的最優(yōu)模型。CC與α的最優(yōu)模型為有理函數(shù)模型，與Pnmax最優(yōu)模型為冪函數(shù)模型，與LCP的最優(yōu)模型為指數(shù)函數(shù)模型，與Rd的最優(yōu)模型為二次多項式模型。各反演模型的R2均不小于0.876，RMSE范圍為0.002～3.673 μmol/(m2·s)，nRMSE不超過9.071%，且各模型驗證集的R2不小于0.833，RMSE均不大于5.989 μmol/(m2·s)，nRMSE不超過9.659%，模型擬合效果較好。