馬 緯，武志明，余科松

（山西農(nóng)業(yè)大學(xué) 農(nóng)業(yè)工程學(xué)院，山西 太谷 030801）

硒（Se）在自然界廣泛存在于有機(jī)物和無(wú)機(jī)物中，是一種人和動(dòng)物生長(zhǎng)所必需、對(duì)植物生長(zhǎng)有益的非金屬營(yíng)養(yǎng)元素，自然界中硒元素主要以無(wú)機(jī)硒和植物中有機(jī)硒的形式存在，人體或動(dòng)物可直接吸收作物中的有機(jī)態(tài)硒，易溶于水的硒離子（Se4+、Se6+等）可被作物吸收，但其吸收效果受土壤環(huán)境（例如pH 值、土壤含水量等）影響較大[1-2]。在農(nóng)作物的精細(xì)管理中，采用外源硒肥噴施可顯著提高作物中硒含量[3-5]。已有相關(guān)研究表明，適量施硒可促進(jìn)小麥等作物的葉片葉綠素合成，高濃度硒肥施入會(huì)抑制作物葉片葉綠素含量持續(xù)增加，因此，研究外源硒肥施入量對(duì)提高作物品質(zhì)及滿足人或動(dòng)物的需求有著重要的意義[6-7]。

遙感技術(shù)在農(nóng)作物表型參數(shù)的獲取方面已經(jīng)有了廣泛應(yīng)用[8-10]，葉綠素作為植物進(jìn)行光合作用的重要色素，可用于農(nóng)作物長(zhǎng)勢(shì)或營(yíng)養(yǎng)狀況評(píng)價(jià)。目前，通過(guò)無(wú)人機(jī)多光譜影像和地面實(shí)測(cè)值建立葉綠素模型主要有經(jīng)驗(yàn)指數(shù)法和經(jīng)驗(yàn)指數(shù)-物理模型法2 種。其中，學(xué)者們采用經(jīng)驗(yàn)指數(shù)方法的研究居多[11-13]。經(jīng)驗(yàn)指數(shù)法是利用獲得的作物冠層反射率計(jì)算植被指數(shù)（VI），再建立VI、光譜波段反射率和實(shí)測(cè)值之間的數(shù)學(xué)關(guān)系，由此獲得的模型精度較高，但不同品種作物在不同時(shí)間的估測(cè)效果相差大，模型難以推廣。王丹等[11]以山東濟(jì)南夏玉米為研究對(duì)象，通過(guò)無(wú)人機(jī)多光譜相機(jī)獲取夏玉米3 個(gè)生育時(shí)期的多光譜影像，并結(jié)合田間實(shí)測(cè)葉綠素相對(duì)含量（SPAD 值）進(jìn)行了反演研究，結(jié)果表明，以歸一化植被指數(shù)（NDVI）、土壤調(diào)整植被指數(shù)（SAVI）和冠層葉綠素含量指數(shù)（CCCI）為輸入變量的多元線性回歸模型（MLR）最優(yōu)且穩(wěn)定。劉仕元等[12]利用無(wú)人機(jī)搭載的多光譜相機(jī)獲取了花生葉片的多光譜影像，同步采集花生葉片葉綠素值，構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)2 種模型，發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)在花生葉片葉綠素監(jiān)測(cè)中的效果更優(yōu)，平均絕對(duì)誤差在0.8左右。傅友強(qiáng)等[13]以華南秈稻（美香占2號(hào)和吉豐優(yōu)1002）為研究對(duì)象，探究不同施氮條件下無(wú)人機(jī)多光譜的水稻冠層光譜特征規(guī)律，在水稻施肥試驗(yàn)里設(shè)置了3 個(gè)氮肥處理，以VI 為輸入量，地面實(shí)測(cè)葉綠素值為輸出，采用多元線性逐步回歸構(gòu)建水稻SPAD 值反演模型，結(jié)果表明，美香占2 號(hào)和吉豐優(yōu)1002 的決定系數(shù)分別為0.973 和0.817，該模型對(duì)華南地區(qū)秈稻的精準(zhǔn)施肥作業(yè)提供了重要理論依據(jù)。經(jīng)驗(yàn)指數(shù)-物理模型法是在經(jīng)驗(yàn)指數(shù)的基礎(chǔ)上融入環(huán)境物理參數(shù)（例如氣象數(shù)據(jù)）嘗試獲得準(zhǔn)確性更好的模型，這種方法研究報(bào)道較少且融合物理參數(shù)后的模型與其他模型相比精度是否提高需進(jìn)一步開展大量研究。馮浩等[14]以陜西關(guān)中地區(qū)夏玉米為研究對(duì)象，通過(guò)無(wú)人機(jī)多光譜相機(jī)獲取多光譜影像，建立了融合氣象因子（降雨量和最高氣溫）的分層線性模型（HLM）葉綠素估算模型，結(jié)果表明，融合氣象因子雖可以提高估算精度，但低于傳統(tǒng)經(jīng)驗(yàn)指數(shù)法建立的隨機(jī)森林模型。

綜上，無(wú)人機(jī)多光譜遙感可較好地估測(cè)農(nóng)田作物冠層葉綠素含量，但大多數(shù)研究都停留在未設(shè)置營(yíng)養(yǎng)元素梯度或?yàn)樽魑锷L(zhǎng)的土壤設(shè)置常見營(yíng)養(yǎng)元素（例如N 元素等）的基礎(chǔ)上進(jìn)行作物葉綠素遙感估測(cè)模型的研究，不同外源硒肥濃度對(duì)作物冠層葉片光譜反射率的影響研究及在此基礎(chǔ)上建立的模型差異性等問(wèn)題還鮮見報(bào)道。因此，以晉中地區(qū)蕎麥為研究對(duì)象，采用傳統(tǒng)經(jīng)驗(yàn)指數(shù)方法，在研究葉片施硒對(duì)蕎麥葉綠素含量影響規(guī)律的同時(shí)，分析蕎麥葉綠素的光譜特征規(guī)律，以16 個(gè)光譜變量（5個(gè)波段反射率和11 種VI）為建模因子，在分析光譜變量與SPAD 值的相關(guān)性后分別建立基于開花期、灌漿期、開花—灌漿期的偏最小二乘法回歸（Partial least squares regression，PLSR）、主 成 分 回 歸（Principal component regression，PCR）、支持向量機(jī)回歸（Support vector machine regression，SVR）和反向傳播神經(jīng)網(wǎng)絡(luò)（Back propagation neural network，BPNN）估測(cè)模型，最終進(jìn)行模型精度評(píng)價(jià)獲取最優(yōu)算法模型，以期為農(nóng)田無(wú)人機(jī)估測(cè)蕎麥冠層葉綠素含量提供研究支持。

1 材料和方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2020 年8—10 月在山西省晉中市太谷區(qū)申奉村開展，研究區(qū)域如圖1所示，該區(qū)域位于太谷區(qū)西北部（北緯37°24′，東經(jīng)112°36′），平均海拔約為776 m，屬于暖溫帶大陸性氣候，春溫高于秋溫，夏季暖熱多雨，冬季長(zhǎng)而偏冷。試驗(yàn)研究對(duì)象為苦蕎和甜蕎，根據(jù)施硒量的不同設(shè)置5 個(gè)水平：CK（不施硒）、S1（5 mg/L）、S2（10 mg/L）、S3（15 mg/L）、S4（20 mg/L）。共10個(gè)處理，每個(gè)處理重復(fù)3次。噴施的葉面肥為生物富硒復(fù)合增效劑（太原市志達(dá)順復(fù)合肥高科技有限公司），硒質(zhì)量濃度為100 mg/L，于8月25 日采用植保無(wú)人機(jī)葉面噴施，飛行參數(shù)：飛行速度4 m/s，飛行高度在蕎麥冠層以上2 m，噴幅4.5 m。肥料于8 月下旬一次性施入，肥料施入后，分別于2種蕎麥?zhǔn)⒒ㄆ诤凸酀{期獲取無(wú)人機(jī)遙感影像和田間實(shí)測(cè)SPAD值。

1.2 多光譜圖像獲取與處理

采用大疆精靈4 搭載6 個(gè)COMS 鏡頭獲取蕎麥冠層多光譜影像數(shù)據(jù)。飛行器質(zhì)量為1.5 kg，飛行速度可達(dá)14 m/s，續(xù)航時(shí)間約27 min，單次拍攝可獲取具有200 萬(wàn)像素的照片6 張。無(wú)人機(jī)搭載有多頻多系統(tǒng)高精度RTK-GNSS，可實(shí)現(xiàn)飛行器厘米級(jí)定位，頂部集成光強(qiáng)傳感器，可校正太陽(yáng)光照對(duì)影像造成的影響，提高不同環(huán)境光線強(qiáng)度下采集數(shù)據(jù)的準(zhǔn)確性與一致性。航線規(guī)劃見圖1，多光譜相機(jī)參數(shù)如表1所示。

表1 多光譜相機(jī)參數(shù)Tab.1 Parameters of multispectral camera

圖1 研究區(qū)域和試驗(yàn)設(shè)計(jì)Fig.1 Study area and experimental design

多光譜影像數(shù)據(jù)采集：分別于2020年9月10日（盛花期）、10 月4 日（灌漿期）進(jìn)行無(wú)人機(jī)飛行與數(shù)據(jù)采集。數(shù)據(jù)采集當(dāng)天，選擇晴朗無(wú)云的時(shí)間段（12：00—14：00），設(shè)置飛行參數(shù)如下：高度80 m，航向、旁向重疊率均為80%。

多光譜影像數(shù)據(jù)處理采用DJI Terra 和ENVI5.3完成。使用DJI Terra 對(duì)獲取的多光譜影像進(jìn)行拼接，獲得單波段下的正射影像，格式為.tif。獲得的影像導(dǎo)入ENVI 進(jìn)行波段合成并提取波段下的灰度值（DN），最終將波段像素DN值轉(zhuǎn)換為反射率。

1.3 VI選取與計(jì)算

VI是一種可以減少外界大氣或土壤背景干擾、凸顯葉綠素等植被特征的參量，由于它的計(jì)算簡(jiǎn)便性，被廣泛應(yīng)用于無(wú)人機(jī)遙感估測(cè)農(nóng)作物表型參數(shù)領(lǐng)域中[13]。根據(jù)葉綠素吸收光譜的特點(diǎn)并結(jié)合文獻(xiàn)調(diào)研與分析，選取了與葉綠素相關(guān)的11 種VI，基于蕎麥冠層影像獲取的藍(lán)（B）、綠（G）、紅（R）、紅邊（RE）和近紅外（NIR）反射率計(jì)算VI，公式如表2所示。

表2 VI計(jì)算公式Tab.2 Calculation formula of vegetation index

續(xù)表2 VI計(jì)算公式Tab.2（Continued）Calculation formula of vegetation index

1.4 田間數(shù)據(jù)獲取

使用SPAD-502 葉綠素儀分別于甜、苦蕎的盛花期（9 月10 日）、灌漿期（10 月4 日）測(cè)定蕎麥葉片SPAD 值（表3）。在每個(gè)處理區(qū)選擇代表性的3 株植株，每個(gè)植株上選取冠層3 個(gè)葉片，單個(gè)葉片上部、中部、底部各測(cè)一次，將該處理區(qū)所有植株葉綠素平均值作為該處理區(qū)的SPAD值。

表3 田間實(shí)測(cè)SPAD值Tab.3 Field measured SPAD values

1.5 統(tǒng)計(jì)分析

試驗(yàn)數(shù)據(jù)采用IBM SPSS Statistics 24.0 軟件進(jìn)行單因素方差分析和相關(guān)性分析，采用LSD法檢驗(yàn)差異顯著性。由于作物生理生化指標(biāo)與光譜變量之間并不是簡(jiǎn)單的線性關(guān)系，研究者在利用無(wú)人機(jī)遙感開展解析作物表型時(shí)由傳統(tǒng)的一元或多元線性回歸轉(zhuǎn)向較為復(fù)雜的非線性模型[26]。采用PLSR、PCR、SVR 和BPNN 這4 種方法建立SPAD 值基于光譜變量的預(yù)測(cè)模型，并選用常用指標(biāo)決定系數(shù)（R2）、均方根誤差（RMSE）和相對(duì)分析誤差（RPD）來(lái)評(píng)價(jià)模型的性能。R2越大，RMSE越小則模型精度越好[27]。另外，就RPD而言，當(dāng)RPD＜1.4 時(shí)，認(rèn)為所建模型不可靠；當(dāng)1.4≤RPD＜2.0時(shí)，認(rèn)為所建模型較可靠；當(dāng)RPD≥2.0 時(shí)，則認(rèn)為所建模型具備較高可靠性，能夠用于模型分析[28-29]?；貧w分析與精度評(píng)價(jià)采用MATLAB 2018a。

2 結(jié)果與分析

2.1 蕎麥冠層SPAD值變化

由圖2 可知，蕎麥SPAD 值隨著濃度的增加呈先上升后下降的趨勢(shì)。在甜蕎的盛花期，各處理間SPAD 值依次為S2＞S3＞CK＞S1＞S4，S4 處理SPAD 值顯著低于S2 和S3。在甜蕎的灌漿期，各處理間SPAD 值依次為S2＞S1＞S3＞CK＞S4，S2、S1、S3處理顯著高于CK、S4。在苦蕎的盛花期，各處理間SPAD值依次為S3＞S2＞S1＞S4＞CK，S3 處理顯著高于其他處理。在苦蕎的灌漿期，各處理間SPAD 值依次為S3＞S2＞S1＞S4＞CK，S3 處 理 顯 著 高 于CK。可 見，10 mg/L 硒對(duì)甜蕎葉綠素含量的促進(jìn)作用最大，15 mg/L硒對(duì)苦蕎葉綠素含量的促進(jìn)作用最大。

圖2 葉面施硒對(duì)蕎麥SPAD值的影響Fig.2 Effects of selenium application on SPAD value of buckwheat

2.2 蕎麥冠層光譜特征分析

利用蕎麥冠層盛花期和灌漿期影像獲得波長(zhǎng)為450、560、650、730、840 nm 的藍(lán)光、綠光、紅光、紅邊和近紅外波段處的反射率，結(jié)果如圖3 所示。由圖3 可以看出，冠層葉片反射率呈現(xiàn)藍(lán)低綠高紅低近紅外高的趨勢(shì)，這與文獻(xiàn)[30]中華北平原棉花冠層光譜反射率的規(guī)律相似，同一時(shí)期相比，S2、S3處理下的反射率普遍高于CK、S1和S4。以圖3a為例，冠層葉片在綠波段反射率大小排序?yàn)镾3＞S2＞S1＞CK＞S4，這表明在S3 和S2 處理葉綠素含量更多，而CK 和S1 由于硒濃度低或者S4 由于硒濃度太高抑制了葉綠素合成，導(dǎo)致葉片發(fā)黃，因而反射率普遍較低，在近紅外波段也是這種現(xiàn)象。

圖3 蕎麥不同硒濃度下光譜反射率Fig.3 Spectral reflectance of buckwheat under different selenium concentrations

將所有SPAD 值和光譜反射率組成的數(shù)據(jù)集按照SPAD 值從小到大的順序排列，然后就此分析并獲得蕎麥冠層光譜反射率隨SPAD 值變化的點(diǎn)線圖（圖4）。由圖4可以看出，蕎麥冠層反射率明顯有區(qū)分且分為4～5 個(gè)區(qū)域，NIR 波段區(qū)域最高，RE 波段區(qū)域次之，G 波段區(qū)域再次，B 和R 波段區(qū)域較低；從梯度變化而言，G和R波段反射率隨SPAD值增加而上下略有浮動(dòng)且增加，NIR和RE波段反射率表現(xiàn)為隨SPAD 值增加，略有增加且穩(wěn)定，B 波段反射率值略有浮動(dòng)但整體變化并不明顯。

2.3 光譜建模因子與SPAD值相關(guān)性分析

通過(guò)計(jì)算得到盛花期（記作Ⅰ期）、灌漿期（記作Ⅱ期）和盛花—灌漿期（記作Ⅰ—Ⅱ期）不同硒濃度處理下各采樣點(diǎn)的11 個(gè)VI，將這11 個(gè)VI 與5 個(gè)光譜波段反射率共組成16 個(gè)光譜變量，分別對(duì)這3組生育期的SPAD 值與光譜變量進(jìn)行皮爾遜相關(guān)性分析，結(jié)果如圖5所示。

由圖5a 可知，在Ⅰ期，NRI 與SPAD 值相關(guān)性較差，相關(guān)系數(shù)|r|為0.21，GDVI、DVI、PVI 的|r|均在0.35～0.45，SPI、GCI、GNDVI、NGI、TOSAVI、TCARI、TVI 的|r|均在0.50 以上，且為極顯著相關(guān)。由圖5b可知，在Ⅱ期，DVI 的|r|為0.12，相關(guān)性較差，余下10個(gè)VI 的|r|大小順序依次為PVI、SPI、GCI、GNDVI、NGI、TOSAVI、TCARI、GDVI、TVI、NRI，|r|均在0.60以上。由圖5c可知，在Ⅰ—Ⅱ期，PVI的|r|在0.30以下，相關(guān)性較差，DVI、NRI 的|r|在0.30～0.40，SPI、GCI、GNDVI、NGI、TOSAVI、TCARI、GDVI、TVI 的|r|均大于等于0.50，|r|最高達(dá)0.82。綜合11 個(gè)VI 在3個(gè) 時(shí) 期 的 表 現(xiàn) 來(lái) 看，SPI、GCI、GNDVI、NGI、TOSAVI、TCARI、TVI 這7 種VI 有較好且穩(wěn)定的相關(guān)性，|r|為0.50～0.91。由圖5d 可知，NIR、G、RE、R波段下的反射率與SPAD 值呈現(xiàn)較好的相關(guān)性，其中NIR 波段的|r|在3 個(gè)時(shí)期內(nèi)均大于0.90，G 波段的|r|在3個(gè)時(shí)期內(nèi)均大于0.80。

圖5 蕎麥冠層葉片光譜變量與SPAD值相關(guān)性分析結(jié)果Fig.5 Correlation analysis results of buckwheat canopy leaf spectral variables and SPAD value

2.4 回歸模型的建立與模型驗(yàn)證

試驗(yàn)共有60 個(gè)樣本數(shù)據(jù)，采用Kennard-Stone算法將樣本劃分為校正集∶預(yù)測(cè)集=4∶1，Ⅰ期或Ⅱ期校正集數(shù)為24 個(gè)，預(yù)測(cè)集為6 個(gè)，Ⅰ—Ⅱ期校正集為48個(gè)，預(yù)測(cè)集為12個(gè)，通過(guò)PLSR、PCR、SVR 和BPNN 這4 個(gè)算法模型反演蕎麥SPAD 值，各模型預(yù)演精度結(jié)果如表4所示。

表4 4種模型估測(cè)蕎麥冠層葉綠素結(jié)果Tab.4 Chlorophyll content of buckwheat canopy predicted by four models

3 結(jié)論與討論

3.1 葉面噴硒濃度對(duì)蕎麥冠層葉綠素含量和光譜特征的影響

硒肥施用量會(huì)影響蕎麥葉片的葉綠素含量，硒肥的施用方式會(huì)影響作物對(duì)硒元素的吸收程度[31]。袁偉玲等[32]采用土壤施硒、葉面噴硒和硒浸種3 種方式對(duì)萵苣添加外源硒，研究硒肥方式對(duì)萵苣品質(zhì)的影響，結(jié)果表明，葉面噴硒100 mg/kg 為萵苣最佳外源施硒方式和施硒量。夏永香等[33]通過(guò)對(duì)大蒜葉面噴硒試驗(yàn)得出，適量硒肥提高大蒜葉片葉綠素含量效果顯著，最佳噴硒質(zhì)量濃度是10 mg/L（1 次或2次噴硒）。本研究通過(guò)蕎麥冠層葉面噴硒試驗(yàn)，分析葉面噴硒對(duì)蕎麥冠層葉綠素含量的影響，結(jié)果表明，葉片噴施不同濃度硒肥后葉綠素含量有差異，隨著硒肥施用量增加，蕎麥冠層葉綠素含量先增加后降低，由此可知，過(guò)量硒肥并不會(huì)持續(xù)提高葉綠素含量，這一結(jié)論與文獻(xiàn)[32-33]結(jié)論一致，而本試驗(yàn)得出甜蕎最佳噴硒質(zhì)量濃度為10 mg/L，苦蕎則為15 mg/L，而導(dǎo)致不同試驗(yàn)得出的作物最佳施硒濃度不一致是硒肥施用方式、葉面噴硒距離、次數(shù)及不同作物對(duì)硒吸收差異等因素共同作用的結(jié)果[34]。

本試驗(yàn)結(jié)果表明，蕎麥冠層反射率變化趨勢(shì)呈現(xiàn)藍(lán)低綠高紅低近紅外高的規(guī)律特征，這與文獻(xiàn)[35]所示的植物光譜特征的結(jié)論一致，植物的各種色素尤其葉綠素是形成植物光譜響應(yīng)的重要因素，在中心波長(zhǎng)為450 nm 和650 nm 的譜帶內(nèi)，由于葉綠素吸收了大量能量呈現(xiàn)反射率較低的現(xiàn)象，在這2 個(gè)吸收帶之間的中心波長(zhǎng)為550 nm 譜帶內(nèi)，吸收能量較少則形成一個(gè)反射峰，在中心波長(zhǎng)為840 nm的譜帶內(nèi)，作物的光譜特性則主要受葉片細(xì)胞結(jié)構(gòu)影響，反射率普遍在0.4以上[36]。

3.2 不同建模方式對(duì)蕎麥冠層葉綠素估測(cè)模型穩(wěn)定性的影響

目前關(guān)于無(wú)人機(jī)多光譜遙感估測(cè)農(nóng)學(xué)參數(shù)的研究多集中于玉米、小麥等農(nóng)作物[37-38]，且設(shè)置試驗(yàn)變量為土壤施氮或自然狀態(tài)下，有關(guān)蕎麥冠層葉片在噴硒作用下的研究較少見。本研究以經(jīng)驗(yàn)指數(shù)法構(gòu)建了光譜特征變量，采用相關(guān)性分析法篩選了光譜變量，并以敏感光譜變量為輸入，實(shí)測(cè)葉綠素為輸出，建立了蕎麥葉綠素的估算模型，并對(duì)模型的效果進(jìn)行評(píng)價(jià)。結(jié)果表明，SVR 模型整體表現(xiàn)精度高且穩(wěn)定可靠，R2P在0.94～0.96，RMSE在0.45～0.82，RPD均大于3.00。這比張恒瑞等[39]、陳浩等[37]采用一元、多元線性模型估測(cè)的R2提高了0.03～0.10，表明SVR 較簡(jiǎn)單線性模型有更好的精度。而就單個(gè)生育時(shí)期而言，BPNN 和PLSR 分別在盛花期和盛花—灌漿期精度達(dá)到最高。

本試驗(yàn)研究了葉面噴硒對(duì)蕎麥冠層葉綠素含量及光譜特征影響規(guī)律，并建立不同硒肥濃度下的回歸模型。本試驗(yàn)數(shù)據(jù)是基于同一地區(qū)2種蕎麥品種且在半年內(nèi)的遙感影像，而模型在不同地域、更多品種蕎麥上的適用性還有待研究，模型對(duì)于更長(zhǎng)生長(zhǎng)周期的蕎麥葉綠素估算精度也需進(jìn)一步研究。