一、引 言

氮素是作物生長發育所必需的營養元素，與光合作用有著密切的關系，直接影響作物長勢和產量品質的形成，而作物氮素營養主要來源于土壤氮素含量。土壤供氮狀況對作物增產起著至關重要的作用，在一定范圍內增加氮肥施用量有利于小麥產量的提高，但施氮量過高會導致氮肥利用率的降低，施肥經濟效益下降，因此，提高土壤氮素利用率已成為當前精準農業的主要目標之一。實時、準確地獲取小麥葉片氮含量和土壤氮含量，兼顧二者的監測，可以有效地做到合理施用氮肥，提高氮肥利用率及作物產量、品質的形成。

高光譜遙感技術以實時、快速和非破壞性等優勢成為當前精準農業技術之一，在作物葉片氮含量和土壤供氮水平的監測方面表現出良好的應用前景。因此，本研究探討了利用高光譜遙感監測小麥葉片氮含量及土壤對小麥供氮水平的研究。

本研究以2年3點不同施氮水平下2個小麥品種的田間試驗數據為對象，運用植被指數法和 PLSR，分析小麥冠層反射光譜與葉片氮含量、土壤氮含量的定量關系，比較并選擇小麥葉片氮含量、土壤氮含量的最佳預測模型。預期結果將為遙感技術對小麥葉片氮素營養及土壤氮素水平的診斷，以及合理施氮管理提供理論依據。

二、材料與方法

騰格里沙漠位于阿拉善地區東南部，是中國第四大沙漠。騰格里沙漠屬于典型的大陸性干旱氣候。沙漠內部沙丘、湖盆、山地、殘丘及平地等交錯分布，其中沙丘占71%，湖盆草灘占7%，山地、殘丘及平地占22%。2011年8月下旬，蘭州大學資源環境學院騰格里沙漠科學考察隊發現，騰格里沙漠的主要植物有芨芨草、沙冬青、沙蒿、白刺、老鴰頭、油蒿、駱駝蓬、鵝絨藤、鹽爪爪、沙蔥、梭梭、地錦、沙生針茅、蟲實、紅砂、霸王、蘆葦等。

2.1 試驗設計

本研究共涉及 3 個不同的田間試驗，分別于2011—2013年小麥生長季節進行。

試驗 1：2011-2012 年度在山西省曲沃縣試驗田進行。供試土壤類型為褐土性土，土壤呈中性、微堿性反應，礦物質、有機質積累較多，腐殖質層較厚，肥力較高。土壤耕層有機質含量10.75 g/kg，全氮含量0.49 g/kg，堿解氮27.77 mg/kg，速效磷 15.46 mg/kg。供試品種為‘運麥 20410’。該試驗數據用于建立模型。試驗采用單因素隨機區組排列，3次重復 。設5個施氮水平，分別為0、75、150、225、300 kg/hm2 純氮，以尿素(N 46%)作氮肥，分40%基肥、60%返青后期施入。磷鉀肥以基肥一次性施入，過磷酸鈣(P2O516.5%)作磷肥，施磷量(P2O5) 100 kg/hm2 ，氯化鉀(K2O61.5%)作鉀肥，施鉀量(K2O) 100 kg/hm2。小麥返青后一次性追肥，田間光譜采樣時期分別為選擇返青期、拔節期、孕穗期和灌漿期。

表1 施肥方案設計

試驗2：2011-2012年度，在山西省臨汾市堯都區驗田各處理曲沃縣處理的方法相同。選擇在冬小麥返青期、拔節期、孕穗期和灌漿期測定小麥冠層反射光譜，同步采集葉片、土壤樣本并測定氮素指標，該試驗數據用于模型驗證。

試驗 3：2012-2013 年度，設在太原市東陽試驗田，供試土壤為黃土母質發育而成的石灰性褐土，土壤肥力水平中等，土壤耕層有機質含量20.07 g/kg，堿解氮49.3 mg/kg，有效磷18.79 mg/kg，速效鉀247.3 mg/kg。試驗采用單因素隨機區組排列，3次重復。供試小麥品種為國審‘晉太170’。試驗設計、施肥量、田間光譜采集時間及測定方法以及田間管理同于試驗1。該試驗數據用于建立模型。

2.2 測定方法

1.2.1 冠層光譜的測定

冬小麥的冠層光譜數據測量可采用萊森光學生產的iSpecField-WNIR系列地物光譜儀，測量波段范圍350~2500 nm。冠層光譜測定選擇在天氣晴朗、無風或風速很小時進行，測定時間為 10:00-14:00。測量時傳感器探頭垂直向下，距冠層頂垂直高度約1.5 m，地面視場范圍直徑0.44 m。測量時間為10:00-14:00。每小區重復測量3次，取平均值作為該觀測點的光譜反射值。測量過程中及時進行標準白板校正（所測得的目標物體光譜為無量綱的相對反射率）。

1.2.2 氮素的測定

在小麥返青期、拔節期、孕穗期和灌漿期測定小麥冠層反射光譜后，同步測定小麥葉片氮含量及土壤氮含量。具體方法為：在各小區隨機選取5 株代表性植株，將植株莖、葉分離，在 105℃下殺青30 min之后，75℃下烘干至恒重，稱干重，使用凱氏定氮法測定小麥葉片氮含量(%)；此外，按五點法對各小區耕層0~40 cm取土，每個小區取混合樣，使用凱氏定氮法測定并計算土壤氮含量(g/kg)。

2.3 數據分析方法

所采集冠層光譜數據處理可采用SpecAnalysis地物光譜數據后處理分析軟件進行處理。在MATLAB平臺下編程實現所有光譜參數的算法，選擇敏感光譜參數（表2）并建立線性和非線性（冪函數、指數函數和對數函數）回歸模型，從中選擇最佳預測模型。此外，采用偏最小二乘回歸(PLSR)重點分析350~2500 nm 光譜反射率與單因變量（葉片氮含量或土壤氮含量）之間的線性模型，具體分析過程基于 SAS 平臺下使用PROC PLS過程步，首先對光譜數據進行標準化變換，數據分析采用“舍一交叉驗法”，并使用迭代的NIPALS算法。

表2 本研究所選高光譜參數及計算方法

注：Rλ為波長λnm處的冠層光譜反射率；RCi、RSi、REi分別為反射特征中心點、起點和結束點的光譜反射率；λCi、λSi、λEi分別為反射特征中心點、起點和結束點的波長。本文的Areai中的i取值為672 nm，NDi中i的取值為705 nm和672nm。

以試驗1和試驗3的數據為建模數據建立基于小麥冠層反射光譜的葉片氮含量及土壤氮含量的預測模型，進而利用試驗2為獨立資料數據對預測模型進行驗證，模型驗證采用預測值和實測值的擬合決定系數(R2 )和相對均方根誤差(RRMSE)等指標來評定模型預測精度的好壞，其中，相對均方根差(RRMSE) 計算公式如式(1)。

RRMSE值越小則模型的預測精度水平越高。

三、結果與分析

3.1冠層光譜與葉片氮含量及土壤氮含量的相關分析

利用小麥全生育期光譜反射率分別與葉片氮含量及土壤氮含量進行相關性分析，圖1為小麥葉片氮含量與光譜反射率的相關性曲線，在可見光波段表現為顯著負相關(P<0.05)，其中367~719 nm光譜反射率與葉片氮含量達到極顯著負相關(P<0.01)，而大部分近紅外波段表現為顯著正相關(P<0.05)，其中738~1143 nm波段光譜反射率與葉片氮含量在全生育期都呈現極顯著正相關(P<0.01)，且在693 nm和792 nm波段分別達到最大負相關和負相關，相關系數分別為-0.863 和0.709（表3）。

圖1 小麥葉片氮含量與冠層光譜反射率及一階導數光譜的相關系數

表3 小麥冠層光譜反射率及一階導數光譜與葉片氮含量、土壤氮含量的相關系數

圖2為土壤氮含量與光譜反射率的統計相關性曲線，可見光波段表現為顯著負相關，432~717 nm光譜反射率與土壤氮含量達極顯著負相關，而大多數近紅外波段表現為顯著正相關，739~1141 nm 波段光譜反射率與土壤氮含量均呈顯著正相關，其中在796 nm和694 nm波段處分別達到最大負相關和正相關，相關系數分別為-0.647和0.721。

針對全生育期一階導數光譜與葉片氮含量、土壤氮含量進行相關性分析，分別提取對一階導數光譜與葉片氮含量、土壤氮含量的最大正相關和負相關的光譜信息（表3）。

F0.05為顯著相關；F0.01為極顯著相關

圖2 土壤氮含量與小麥冠層光譜反射率及一階導數光譜的相關系數

結果顯示，一階導數光譜與葉片氮含量、土壤氮含量的最大相關性均優于原始冠層光譜。可能原因是對原始光譜的求導能有效地降低背景噪聲，從而增強冠層光譜反射率與目標性狀的相關性。由圖1和圖2可以看出，小麥冠層反射光譜及一階導數光譜與葉片氮含量、土壤氮含量的相關性均表現較好，說明光譜信息中含有指示葉片氮含量及土壤氮含量的重要信息，可進一步研究反射光譜與葉片氮含量、土壤氮含量之間的回歸關系。

3.2基于植被指數的葉片氮含量及土壤氮含量的估算模型

利用試驗1和試驗3的采集數據對小麥冠層光譜特征參數與葉片氮含量、土壤氮含量的回歸分析，建立了利用冠層光譜參量反演小麥葉片氮含量、土壤氮含量的預測模型，然后利用試驗2資料數據進行模型驗證，通過模型間的比較分析，從中優選出模型預測表現較好的模型（表4）。所選葉片氮含量預測模型多數為線 性 模 型 ，其 中 光 譜 參 數 NDVI(810,560)、ND705、GNDVI、Area672、NDCI、PSNDb、mND705、ND672、SDr/SDb對小麥葉片氮含量的預測效果較好，決定系數(R2 )和標準誤(RMSE)變化范圍分別為 0.818~0.927，0.397~0.413，模型驗證的預測精度及相對均方根誤差的變化范圍分別為0.785~0.808，0.124~0.135。

表4 小麥葉片氮含量和土壤氮含量與最佳光譜參數的回歸分析及其驗證

根據模型決定系數最大和標準誤差最小的原則，基于ND705和GNDVI建立的葉片氮含量估算模型的預測表現最好（圖3），決定系數分別為0.827和0.826，均方根誤為0.397和0.398，相應的模型驗證也有較好的表現，預測精度分別為0.808和0.805，相對均方根誤分別為0.124和0.126。此外，所選光譜參數VOG2、VOG1、RI-2dB、mSR705、mND705、ND705 對土壤氮含量所建模型以非線性模型為主，決定系數和標準誤變化范圍分別為0.634~0.646，0.093~0.094，模型驗證的預測精度及相對均方根誤差的變化范圍分別為0.607~0.625，0.127~0.131。根據模型決定系數最大和標準誤差最小的原則，基于VOG-2建立二項式回歸的土壤氮含量模型預測表現最好（圖4），從圖4可以看出，樣本觀測值基本散落在回歸曲線附近，決定系數和均方根誤分別為0.646和0.093，其模型驗證表現較為穩定，預測精度和相對均方根誤分別為0.625和0.127。

圖3 葉片氮含量與光譜參數ND705和GNDVI的關系散點圖

總之，上述所建小麥葉片氮含量和土壤氮含量遙感估算模型的精準性和穩定性均較好，而且模型驗證結果表現也較好。說明利用冠層光譜估算小麥葉片氮含量及土壤氮含量具有可行性和可靠性，擬推薦上述所選模型為小麥葉片氮含量和土壤氮含量的最佳預測模型，可用于估算小麥氮素營養水平和土壤供氮狀況。

圖4 光譜參數VOG2與土壤氮含量的關系散點圖

四、討論

作物氮素營養與生長發育、光合作用及產量之間有密切的關系。葉片氮素是葉綠素分子的基本組分，而葉綠素是作物光合作用的主要色素，其含量的高低直接影響作物光合同化的物質積累能力。利用遙感技術對作物葉片氮含量與營養豐缺的無損監測，已成為合理施用氮肥，提高氮肥利用效率和作物產量、改善作物品質的重要途徑。因此，根據不同氮肥水平下小麥全生育期氮素營養的高光譜響應差異建立的預測模型，對于小麥氮素營養豐缺狀況的診斷及合理施肥管理具有重要意義。但是，小麥氮素營養主要來源于土壤供氮狀況，土壤氮含量及氮肥利用率也是指導氮肥合理施用的重要因素。盡管增施氮肥是提高作物產量的重要措施之一，但由于施肥方法、作物自身原因以及氮肥利用率高低等問題，導致不合理的增施氮肥，不僅浪費資源，同時也對生態環境造成嚴重的破壞性。

因此，進一步研究小麥冠層反射光譜對土壤供氮狀況的響應差異，確立其估算模型，可以實時快速地診斷土壤對小麥的供氮狀況，為合理施氮及管理提供重要的理論依據。小麥葉片氮含量與冠層光譜及一階導數的相關性明顯地優于土壤氮含量，說明冠層光譜所含信息主要來源于小麥冠層光譜結構及其化學成分，而土壤的信息較少。此外，小麥葉片氮含量、土壤氮含量與一階導數光譜的相關性顯著地高于冠層原始光譜，說明一階導數光譜可有效地降低背景噪音，提高光譜指示目標性狀的敏感性。冠層光譜與葉片氮含量在可見光部分表現出強烈的線性負相關，在近紅外部分表現出顯著正相關，而其與土壤氮含量的相關曲線的趨勢與前者呈現相反趨勢。究其原因，本研究所測光譜是以小麥冠層葉片的光譜反射率為主，由于小麥葉片對土壤的遮擋，使得所測光譜中僅含有少量反映土壤成份的信息。

此外，本研究所光譜參數 ND705 和GNDVI對葉片氮含量所建模型的決定系數分別達到0.827 和 0.826，光譜參數 VOG2 與土壤氮含量所建二項式曲線回歸的決定系數達到0.646，說明敏感光譜參數均優于冠層光譜與目標性狀的敏感性。此外，所選光譜參數的構成波段均落入相關性顯著(P<0.05)的波段范圍，進一步證明冠層反射光譜與目標性狀相關性顯著的波段范圍內含有指示目標性狀的重要信息。所選敏感植被指數僅包含了指示目標性狀的2個特征波段，而其它波段中所蘊含的指示目標性狀的信息未能得以充分利用，因此深入挖掘冠層光譜中指示目標性狀的重要信息應盡量整合大多數光譜波段反射率的信息。光譜范圍350~1350 nm波段反射率與小麥葉片氮含量、土壤氮含量均有較強的相關性，因此，有必要進一步深入挖掘光譜信息中指示小麥葉片氮含量和土壤氮含量的信息，明確該光譜范圍內波段反射率與二者的定量關系。

五、結論

小麥冠層反射光譜與葉片氮含量的相關性分析表明，可見光波段367~719 nm光譜反射率與葉片氮含量達到極顯著負相關(P<0.01)，而近紅外波段738~1143 nm光譜反射率與葉片氮含量均呈現極顯著正相關(P<0.01)。冠層光譜與土壤氮含量的相關性分析表明可見光波段432~717 nm光譜反射率與土壤氮含量達極顯著負相關(P<0.01)，而近紅外波段739~1141 nm光譜反射率與土壤氮含量均呈顯著正相關(P<0.01)。基于光譜參數ND705和GNDVI建立的葉片氮含量估算模型的決定系數分別為 0.827 和 0.826，標準誤分別為0.397和0.398。基于光譜參數VOG2建立的土壤氮含量估算模型的決定系數和標準誤為分別為 0.646 和0.093。所建小麥葉片氮含量的PLSR估算模型的決定系數和均方根誤差分別為0.842和0.379，所建土壤氮含量 PLSR 模型的決定系數和均方根誤差分別為0.654和0.092。

推薦：

便攜式高光譜成像系統iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫學醫療、精準農業、礦物地質勘探等領域的最新產品，主要優勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統集成高性能數據采集與分析處理系統，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。

審核編輯 黃宇