栗方亮，孔慶波，張 青

(福建省農(nóng)業(yè)科學(xué)院 土壤肥料研究所/福建省農(nóng)產(chǎn)品質(zhì)量安全重點(diǎn)實(shí)驗(yàn)室，福建 福州 350013)

氮素是作物生長(zhǎng)必需的大量營(yíng)養(yǎng)元素之一[1-2]。我國(guó)是世界上最大的氮肥生產(chǎn)國(guó)與消費(fèi)國(guó)，氮肥的需求量約占世界的1/3[3]，我國(guó)氮肥利用率僅為30%多，而發(fā)達(dá)國(guó)家則為50%～60%[4]。過(guò)量施用氮肥可能造成養(yǎng)分含量超標(biāo)，既提高了成本，同時(shí)未被利用的營(yíng)養(yǎng)元素以滯留、吸附、隨水徑流等方式污染土壤、環(huán)境和大氣，對(duì)生態(tài)環(huán)境造成嚴(yán)重影響。農(nóng)業(yè)農(nóng)村部制定了到2020年化肥農(nóng)藥施用量零增長(zhǎng)的行動(dòng)方案，因此提高氮肥利用率已成為刻不容緩的問(wèn)題。及時(shí)準(zhǔn)確的作物氮素營(yíng)養(yǎng)診斷，合理施用氮肥，實(shí)現(xiàn)均衡施肥，對(duì)提高肥料利用率和保護(hù)環(huán)境有重要意義。

作物對(duì)氮肥的需求具有空間和時(shí)間差異性。實(shí)時(shí)獲取作物氮含量信息對(duì)繪制作物施肥處方圖、實(shí)現(xiàn)管理精準(zhǔn)化具有重要意義[5-8]。目前，缺乏能夠準(zhǔn)確、迅速、經(jīng)濟(jì)地判斷作物氮營(yíng)養(yǎng)狀況及確定氮肥需求量的測(cè)試方法[1]。長(zhǎng)期以來(lái)，作物氮營(yíng)養(yǎng)診斷和氮肥的推薦施肥以實(shí)驗(yàn)室常規(guī)測(cè)試為基礎(chǔ)，而傳統(tǒng)測(cè)試手段在取樣、測(cè)定、數(shù)據(jù)分析等方面需耗費(fèi)大量的人力物力，且時(shí)效性差，不利于推廣應(yīng)用[1]。而在快速檢測(cè)作物氮含量的傳感器中，較常見(jiàn)的是葉綠素計(jì)SPAD-502，其通過(guò)檢測(cè)透過(guò)作物紅光(650 nm)和近紅外(940 nm)信號(hào)計(jì)算葉片的SPAD值，但其檢測(cè)范圍小，不適合大面積作物氮含量的測(cè)定[5]。

隨著物理學(xué)、空間技術(shù)、遙感等領(lǐng)域的發(fā)展，加速了現(xiàn)代儀器、裝備在農(nóng)業(yè)中應(yīng)用，特別是基于光譜技術(shù)的無(wú)損監(jiān)測(cè)、近地遙感等技術(shù)應(yīng)運(yùn)而生[9]。光譜分析已成為當(dāng)前發(fā)展的前沿和研究的新熱點(diǎn)[10]。光譜分析技術(shù)已在食品安全控制、農(nóng)作物病害檢測(cè)、農(nóng)作物營(yíng)養(yǎng)水平監(jiān)測(cè)以及農(nóng)畜產(chǎn)品的品質(zhì)檢測(cè)等方面取得了應(yīng)用[11-13]。因其能夠進(jìn)行無(wú)損檢測(cè)，無(wú)需樣品采集，大大簡(jiǎn)化了分析工作，也不需要任何生物化學(xué)藥劑，節(jié)約實(shí)驗(yàn)室資源，彌補(bǔ)了傳統(tǒng)作物養(yǎng)分檢測(cè)方法的不足，此外，還能提供大量數(shù)據(jù)建立數(shù)據(jù)庫(kù)，利用光譜技術(shù)快速準(zhǔn)確地對(duì)作物進(jìn)行檢測(cè)或診斷成為可能[14-15]。這一切都為實(shí)時(shí)、便捷的大范圍作物的精準(zhǔn)養(yǎng)分管理提供了重要的理論依據(jù)。

1 光譜分析技術(shù)的特點(diǎn)及作物氮素診斷理論基礎(chǔ)

光譜是由自然界物質(zhì)吸收、散射和反射來(lái)自外界的電磁輻射產(chǎn)生的光根據(jù)波長(zhǎng)排列形成的。根據(jù)葉肉細(xì)胞、葉綠素、氮素、水等生化成分含量，不同波段的植物的反射光譜呈現(xiàn)不同的形狀和特征(圖1)[16-17]。利用作物的光譜特性可以對(duì)作物進(jìn)行光譜診斷。研究發(fā)現(xiàn)很多作物葉綠素的強(qiáng)反射峰一般在550 nm附近，反射低谷在670 nm或680 nm處，700～750 nm處的光譜反射曲線很陡，幾乎呈直線，光譜反射率曲線的斜率通常受葉綠素含量影響[18-19]。光譜分析的特點(diǎn)：(1)光譜信息豐富，可用于糖、脂肪、蛋白質(zhì)等許多化學(xué)指標(biāo)的分析[19]；(2)樣品分子結(jié)構(gòu)一般不會(huì)被光子影響，因此光譜分析技術(shù)不會(huì)損壞樣品，也不會(huì)對(duì)實(shí)驗(yàn)人員造成傷害，環(huán)境友好；(3)光譜分析主要基于校正數(shù)學(xué)模型，不消耗實(shí)驗(yàn)試劑，同時(shí)分析速度比較快。

圖1 綠色植物的光譜響應(yīng)特征

通過(guò)對(duì)作物葉片的光反射特性進(jìn)行檢測(cè)，可了解作物營(yíng)養(yǎng)狀況。其中葉綠素、含碳化合物、蛋白質(zhì)、水分等是影響葉片對(duì)光吸收反射的主要物質(zhì)，以葉綠素最為重要[1]。當(dāng)給作物施用氮肥量發(fā)生改變時(shí)，則可能會(huì)影響作物葉片葉綠素和酶等合成，影響作物葉片顏色和外觀，以及作物葉片內(nèi)部特征和外部形態(tài)，從而作物光譜特征發(fā)生變化。作物缺氮時(shí)光譜的紅邊位置(紅光與近紅外波段交界處)的形狀和位置會(huì)發(fā)生變化[20-21]。因此，這些譜段與作物氮素含量密切相關(guān)[22]。用于預(yù)測(cè)氮含量的植被指數(shù)主要有光譜比率指數(shù)、優(yōu)化歸一化指數(shù)、歸一化植被指數(shù)、差值植被指數(shù)、歸一化光譜指數(shù)、比值光譜指數(shù)、冠層葉綠素含量指數(shù)、改進(jìn)型覆蓋光譜指數(shù)等[5]。

2 光譜分析技術(shù)在不同尺度作物氮素診斷研究

以前的研究證明，通過(guò)光譜分析可用于估測(cè)單葉和冠層尺度上植物氮素狀況[23-24]。單葉尺度研究能夠正確地獲得作物葉片氮素情況，增強(qiáng)作物氮素營(yíng)養(yǎng)診斷的理論基礎(chǔ)；而作物冠層尺度可得到整體氮素情況，對(duì)大面積營(yíng)養(yǎng)診斷的運(yùn)用具有更大的研究意義。

2.1 單葉尺度的作物氮素光譜診斷研究

作物葉片含氮含量的研究已從實(shí)驗(yàn)室研究逐漸向田間試驗(yàn)轉(zhuǎn)變，從最初的實(shí)驗(yàn)室離體培養(yǎng)到后期的田間活體葉片。由于單葉光譜受作物冠層、周?chē)h(huán)境、土壤背景等干擾因素的影響小，因此在單葉尺度上進(jìn)行氮素診斷的準(zhǔn)確性相對(duì)較高[25]。確定作物葉片中各種氮素營(yíng)養(yǎng)成分的敏感波段是實(shí)現(xiàn)作物葉片氮素光譜診斷的關(guān)鍵[26]。研究者對(duì)作物干葉和鮮葉的光譜特征進(jìn)行了大量的研究。

研究人員在20世紀(jì)60～70年代就對(duì)葉片粉末進(jìn)行了研究，并提出了一些氮素敏感波段，建立了回歸模型，但缺乏廣適性[27]。為了克服這些缺點(diǎn)，Kokaly等[25]采用逐步多元線性回歸法和波深歸一化法，利用干葉和地被葉的連續(xù)去除反射光譜來(lái)估算氮、木質(zhì)素和纖維素含量。構(gòu)建了相對(duì)一致且高精度的氮素含量預(yù)測(cè)方程。Curran等[28]采用逐步回歸和標(biāo)準(zhǔn)一階導(dǎo)數(shù)反射光譜等多種方法，對(duì)干燥和地面濕地松針氮、葉綠素等12種葉片的生化組分含量進(jìn)行了預(yù)測(cè)，證明了Kokaly等方法的穩(wěn)定性。施潤(rùn)和等[29]采用了近百種來(lái)源于NASA ACCP數(shù)據(jù)集的干葉數(shù)據(jù)，采用波深歸一化方法，對(duì)不同碳氮濃度下葉片光譜數(shù)據(jù)進(jìn)行了分析，證明了氮濃度對(duì)2054 nm和2172 nm光譜特征的影響。Kokaly[30]研究了干燥和磨碎的植物葉片的反射光譜，發(fā)現(xiàn)隨著氮濃度的增加，2.1 μm的吸收特性變寬。通過(guò)對(duì)干葉反射光譜中這些吸收特征的觀測(cè)，提出了干葉反射光譜與氮濃度之間逐步多元線性回歸建立高相關(guān)性的物理基礎(chǔ)。

鮮葉比干葉的研究更多[27]。牛錚等[31]研究了冬小麥、黃楊、竹葉等12種植被的葉片樣本的7種化學(xué)組分含量與其光譜特性的關(guān)系，發(fā)現(xiàn)由葉片的光譜特征可以反映出化學(xué)組分含量。Tarpley等[32]通過(guò)棉花葉片和光譜指數(shù)的回歸分析發(fā)現(xiàn)紅邊位置(700或716 nm)與近紅外區(qū)域(755～920 nm和1000 nm)的比值準(zhǔn)確度較好。Sims等[33]發(fā)現(xiàn)利用光化學(xué)指數(shù)建模型可較好地預(yù)測(cè)多種樹(shù)木單葉色素含量，并不會(huì)對(duì)植株葉片結(jié)構(gòu)和生長(zhǎng)階段等造成影響。Gitelson等[34]研究了楓樹(shù)、板栗樹(shù)、野藤和山毛櫸葉片在不同色素含量和組成范圍內(nèi)的光譜反射率。發(fā)現(xiàn)在520～550 nm和695～705 nm的(Rλ)-1與各樹(shù)種葉片中總?cè)~綠素含量密切相關(guān)。

綜上所述，利用單葉光譜技術(shù)檢測(cè)植物氮素是可行的。外界環(huán)境等對(duì)單葉尺度光譜檢測(cè)干擾小，且有植被組分吸收的光譜機(jī)理支撐，從而獲得較穩(wěn)定可靠的結(jié)果[23]。然而，目前在單葉光譜檢測(cè)葉片氮素含量研究中，能夠入選的波段不一致，往往隨植物不同和試驗(yàn)條件的變化而改變，氮素回歸方程外推性不強(qiáng)。單葉尺度的研究是把單葉作為一個(gè)數(shù)據(jù)集，而不是從空間角度探索和分析分葉層，這可能忽略了冠層氮素的垂直分布特性，可能會(huì)影響作物氮素營(yíng)養(yǎng)的診斷準(zhǔn)確度[27]。因此，如何利用單葉氮素營(yíng)養(yǎng)反映整個(gè)植株的氮素信息是光譜檢測(cè)的主要難題[35-36]。

2.2 冠層尺度的作物氮素光譜診斷研究

冠層尺度光譜可反映植物生長(zhǎng)、生理參數(shù)和各種環(huán)境因素背景等比較綜合的信息。通過(guò)解析作物冠層光譜信息和構(gòu)建植被指數(shù)，可有效利用作物的實(shí)時(shí)信息，因而更具研究意義。然而，作物冠層反射光譜受環(huán)境因素如土壤背景、大氣吸收、傳感器和信噪比、冠層結(jié)構(gòu)等因素影響，會(huì)使作物冠層氮素狀況的敏感波段、提取特征光譜參數(shù)和建立預(yù)測(cè)模型更復(fù)雜。目前，基于作物冠層光譜的氮素檢測(cè)研究主要集中在冠層葉片或植株水平上[27]。

王紀(jì)華等[37]研究發(fā)現(xiàn)，冬小麥中下層葉片光譜與氮素含量關(guān)系密切。Hansen和Schjoerring用歸一化差分植被指數(shù)和偏最小二乘回歸法測(cè)定了小麥冠層的生物量和氮素狀況[24]。薛利紅等[38]研究發(fā)現(xiàn)水稻冠層光譜反射率與葉片氮累積量顯著相關(guān)，特別是近紅外與綠光波段的比值與葉片氮積累量呈顯著線性相關(guān)。王樹(shù)文等[39]采用回歸模型進(jìn)行了玉米苗期冠層氮含量的準(zhǔn)確估測(cè)，精度可達(dá)0.8。葉曉青等[40]利用比值植被指數(shù)RVI(810,680)實(shí)現(xiàn)了烤煙植株各層氮素積累量的準(zhǔn)確反演。Leon等[41]研究指出棉花和大豆冠層光譜不僅能反映作物生長(zhǎng)狀況，并且與田間土壤肥力特征有著密切關(guān)系。Inoue等[42]利用400～900 nm波長(zhǎng)范圍的水稻冠層高光譜圖像建立了水稻葉片氮素營(yíng)養(yǎng)回歸模型。王淵等[43]研究了油菜葉片和冠層水平氮素含量的高光譜反射率估算模型等。潘蓓[44]研究了蘋(píng)果冠層氮素營(yíng)養(yǎng)與反射特征光譜的關(guān)系，并建立了氮素含量預(yù)測(cè)方程，最佳預(yù)測(cè)模型的擬合決定系數(shù)為0.6201，相比單葉尺度的預(yù)測(cè)精度要低。

由此可知，對(duì)冠層尺度光譜作物葉片氮素情況已取得了一定的結(jié)果。但是，由于光譜數(shù)據(jù)相鄰波段間相關(guān)性高，所選波段不夠穩(wěn)定，且常隨建模樣本的變化而不同，這還需大量實(shí)測(cè)數(shù)據(jù)驗(yàn)證。另外，由于傳感器、背景干擾和環(huán)境影響，導(dǎo)致監(jiān)測(cè)模型的準(zhǔn)確度和可靠性可能不高，限制模型的外推和應(yīng)用[23]。同時(shí)，由于目前植物氮素營(yíng)養(yǎng)估測(cè)指數(shù)、核心波段和模型難以統(tǒng)一，因此，需進(jìn)一步研究更科學(xué)的光譜信息和更通用的氮素營(yíng)養(yǎng)估測(cè)模型，以便于光譜氮素營(yíng)養(yǎng)估測(cè)在生產(chǎn)中的廣泛應(yīng)用[45-56]。

3 光譜分析技術(shù)在農(nóng)作物氮素診斷上的應(yīng)用

國(guó)內(nèi)外對(duì)于植被氮素含量的估測(cè)研究主要集中在糧食作物、蔬菜作物等，如水稻[42,47-50]、小麥[51]、玉米[52-53]等。

光譜分析在水稻植株氮素方面研究得較多，如Bajwa等[48]利用偏最小二乘回歸模型擬合水稻植株氮素含量的結(jié)果表明，比值植被指數(shù)RVI(810,560)與水稻氮素積累顯著相關(guān)[49]。Tian等[50]推算出可較正確估測(cè)水稻葉片含氮量的多波段植被指數(shù)。Inoue等[54]建立了可預(yù)測(cè)水稻葉片N素營(yíng)養(yǎng)的多元回歸模型，決定系數(shù)R2達(dá)到0.72。Lee等[55]指出使用735 nm處的光譜反射率能構(gòu)建與水稻冠層N含量呈線性關(guān)系的光譜指數(shù)。Tian等[56]得出比值指數(shù)SR(R553,R537)與水稻冠層葉片N含量相關(guān)性最好，并指出光譜指數(shù)會(huì)受到植被范圍與葉面積指數(shù)比值的影響。

在小麥方面，Vigneau等[51]研究表明，400～1000 nm波段的光譜反射率與小麥葉片含N量密切相關(guān)，其中利用671 nm和780 nm 2個(gè)波段的光譜反射率組合可較好地估測(cè)小麥植株全N含量。Zubillaga等[57]證明，歸一化植被指數(shù)可對(duì)小麥N素吸收量和N營(yíng)養(yǎng)指數(shù)進(jìn)行很好地預(yù)測(cè)。Reyniers等[58]建立歸一化植被指數(shù)與小麥產(chǎn)量關(guān)系，其中與氮的相關(guān)性最大。Vigneau等[51]通過(guò)建立小麥光譜信息與N含量間PLS回歸模型，得到了決定系數(shù)R2為0.90；對(duì)盆栽小麥植株的R2為0.89；大田植株上的R2為0.88。

在玉米方面，Schlemmer等[53]利用紅邊波段有效地檢測(cè)了夏玉米N素含量。王磊等[53]研究了不同形式的光譜參量對(duì)春玉米N素營(yíng)養(yǎng)診斷。Schlemmer等[59]分別在葉片與冠層對(duì)玉米的N含量進(jìn)行了預(yù)測(cè)?；谌~片水平，運(yùn)用紅邊葉綠素指數(shù)植被指數(shù)對(duì)氮、葉綠素預(yù)測(cè)的R2分別為0.74、0.94；基于冠層水平，預(yù)測(cè)的結(jié)果分別為0.9、0.87。陳志強(qiáng)等[60]用差值光譜指數(shù)DSI(564、681 nm)和DSI(681、707 nm)預(yù)測(cè)了玉米大喇叭口期的氮素含量，精度達(dá)93.4%。

為了進(jìn)一步提高植被指數(shù)在作物N素營(yíng)養(yǎng)監(jiān)測(cè)中的穩(wěn)定性和準(zhǔn)確性，前人對(duì)歸一化、比值植被指數(shù)進(jìn)行了修正。Reyniers等[61]提出一種優(yōu)化植被指數(shù)來(lái)優(yōu)化小麥中氮的預(yù)測(cè)準(zhǔn)確性。Tian等[56]指出簡(jiǎn)單比值植被指數(shù)能減少水稻葉面積指數(shù)和植被覆蓋的影響。Yao等[62]針對(duì)不同土壤背景提出改進(jìn)型覆蓋光譜指數(shù)，能有效減少小麥土壤背景因素干擾。

其他經(jīng)濟(jì)作物如棉花[32,63]、甘蔗[64]、油菜[43]等也有研究。如研究者發(fā)現(xiàn)甜椒葉片N含量與550～675 nm波段范圍內(nèi)葉片的反射系數(shù)高度相關(guān)。利用紅邊位置與短波紅外波段比值建立的估測(cè)模型能夠很好地估測(cè)棉花葉片氮濃度[32,63]。提出具有甘蔗葉片含氮量預(yù)測(cè)潛力的隨機(jī)森林回歸算法[64]。王淵等[43]研究了油菜葉片和冠層水平氮素含量的高光譜反射率估算模型等。以上研究主要是光譜分析技術(shù)在大田作物上的應(yīng)用。

4 光譜分析技術(shù)在果樹(shù)氮素診斷上的應(yīng)用

近年來(lái)，隨著高光譜技術(shù)的快速發(fā)展，利用高光譜技術(shù)進(jìn)行果樹(shù)營(yíng)養(yǎng)診斷與監(jiān)測(cè)的研究愈加受到重視。研究尺度可分為單葉光譜和冠層光譜。在蘋(píng)果方面，刑?hào)|興等[65]使用光譜分析估測(cè)蘋(píng)果樹(shù)營(yíng)養(yǎng)元素含量，表明基于所選特征波長(zhǎng)的估測(cè)模型具有良好的線性趨勢(shì)。潘蓓[44]證明了蘋(píng)果冠層N素營(yíng)養(yǎng)與反射特征光譜的定量關(guān)系，建立了敏感光譜參數(shù)和N素含量預(yù)測(cè)方程，R2為0.6201，相比單葉尺度的預(yù)測(cè)精度要低。朱西存等[66-67]通過(guò)研究蘋(píng)果花N素營(yíng)養(yǎng)與光譜反射率的關(guān)系，篩選出6個(gè)蘋(píng)果花N素的敏感波段，并建立了蘋(píng)果花N素含量的光譜預(yù)測(cè)模型，平均預(yù)測(cè)精度達(dá)90%以上。通過(guò)光譜數(shù)據(jù)變換，張瑤等[68]建立了基于蘋(píng)果葉片光譜的N素含量預(yù)測(cè)模型，R2分別達(dá)到0.9036和0.8787。安靜等[67]運(yùn)用BP人工神經(jīng)網(wǎng)絡(luò)算法建立了蘋(píng)果葉片敏感波段與葉片N素含量的反演模型，并進(jìn)行了檢驗(yàn)，為測(cè)定蘋(píng)果葉片N素含量提供了一種可靠方法。

在柑橘方面，李金夢(mèng)等[69]建立了柑橘植株葉片含N量預(yù)測(cè)模型，經(jīng)連續(xù)投影算法篩選出的光譜數(shù)據(jù)與葉片氮含量建立的神經(jīng)網(wǎng)絡(luò)模型和基于光譜數(shù)據(jù)一階導(dǎo)數(shù)特征波長(zhǎng)的神經(jīng)網(wǎng)絡(luò)模型最優(yōu)。王巧男等[70]發(fā)現(xiàn)基于811和856 nm的雙波段植被指數(shù)能夠建立最佳的柑橘葉片含氮量預(yù)測(cè)模型(R2=0.6071)。岳學(xué)軍等[71]建立的柑橘葉片N素模型，其4個(gè)生長(zhǎng)期的最佳驗(yàn)證集模型決定系數(shù)依次為0.90、0.93、0.90和0.88。

從國(guó)內(nèi)外研究趨勢(shì)和進(jìn)展來(lái)看，運(yùn)用光譜分析技術(shù)對(duì)植株葉中營(yíng)養(yǎng)成分的分析檢測(cè)是可行的，將光譜技術(shù)作為一種現(xiàn)代技術(shù)，通過(guò)對(duì)光譜預(yù)處理方法、光譜波段、數(shù)據(jù)的統(tǒng)計(jì)變換合理選擇，來(lái)提高光譜分析的準(zhǔn)確性，實(shí)現(xiàn)對(duì)果樹(shù)氮素營(yíng)養(yǎng)的定量快速檢測(cè)，為果樹(shù)科學(xué)施肥提供理論依據(jù)具有十分重要的意義。

5 展望

基于光譜分析的作物氮素診斷技術(shù)，有著廣泛的應(yīng)用前景，是發(fā)展數(shù)字農(nóng)業(yè)的重要研究前沿[3]。國(guó)內(nèi)外學(xué)者開(kāi)展了不少的研究工作，并取得了一定的研究成果[35]。但光譜分析技術(shù)也存在需要解決的問(wèn)題，一些方面還需進(jìn)一步研究。

(1)進(jìn)一步研究光譜分析氮素營(yíng)養(yǎng)診斷的各種影響因素。雖然使用特定的光譜和光譜組合可較準(zhǔn)確地預(yù)測(cè)葉片氮含量，但作物不同生長(zhǎng)條件周?chē)h(huán)境，測(cè)量過(guò)程也受到不確定因素影響，其光譜響應(yīng)仍存在較大差異。需進(jìn)一步探究各影響因素對(duì)模型效果的影響，這仍是一項(xiàng)艱巨的任務(wù)。(2)進(jìn)一步研究多尺度下作物氮含量光譜檢測(cè)。由于不同尺度遙感技術(shù)均有自身特點(diǎn)，對(duì)于不同需求作物氮素診斷應(yīng)結(jié)合該技術(shù)特點(diǎn)進(jìn)行研究分析。(3)進(jìn)一步針對(duì)研究各作物氮素診斷特性和光譜普適性。盡管不同作物基于光譜分析技術(shù)氮素診斷在一定程度上存在相似性，但是由于不同作物內(nèi)部細(xì)胞結(jié)構(gòu)、形態(tài)、生理需求存在差異，因此各種模型效果在不同作物間不具有可比性，氮素診斷監(jiān)測(cè)模型的普適性進(jìn)一步研究。隨著光譜分析研究逐步深入，未來(lái)會(huì)獲得更多研究成果，逐漸解決光譜分析制約因素，光譜分析技術(shù)在作物營(yíng)養(yǎng)診斷方面有著廣泛的研究和應(yīng)用前景。