玉米葉片花青素相對含量高光譜遙感反演

發布時間：2019-12-05所屬分類：農業論文瀏覽：1次

摘 要： 摘要：針對傳統植物葉片色素測量存在的問題，提出了一種采用高光譜遙感技術反演玉米葉片花青素相對含量的方法。以含花青素的玉米葉片為對象，獲取玉米葉片的花青素相對含量及高光譜反射率，分析350～1000nm波段范圍內玉米葉片的反射光譜特征，建立基于敏感波

　　摘要：針對傳統植物葉片色素測量存在的問題，提出了一種采用高光譜遙感技術反演玉米葉片花青素相對含量的方法。以含花青素的玉米葉片為對象，獲取玉米葉片的花青素相對含量及高光譜反射率，分析350～1000nm波段范圍內玉米葉片的反射光譜特征，建立基于敏感波段、已有光譜指數、新光譜指數的玉米葉片花青素相對含量反演模型，并進行分析、比較。結果表明，玉米葉片花青素相對含量的敏感波段為548nm;新光譜指數為521和698nm組成的比值指數(RI(521，698))、554和704nm組成的差值指數(DI(554，704))、557和701nm組成的歸一化指數(NI(557，701))。基于RI(521，698)建立的一元線性和一元二次模型及DI(554，704)建立的一元二次模型的擬合R2均大于0.78，預測R2均大于或等于0.73，RMSE小于0.12，是進行玉米葉片花青素相對含量高光譜遙感反演的最優模型，說明在一定的精度范圍內，新光譜指數具有無損反演玉米葉片花青素相對含量的潛力。

　　關鍵詞：花青素;高光譜;光譜指數;反演模型;玉米葉片

　　0引言

　　植物的組織中包含三類主要色素，即葉綠素、類胡蘿卜素、花青素，這些色素常常存在于高等植物的根、莖、葉、花及果實中，使其呈現不同的顏色，它們的相對和絕對數量，是植物生理狀態及物候狀況的重要指示器[1-2]。其中，花青素是一類水溶性的黃酮類化合物，顏色鮮艷，廣泛存在于自然界花、葉片及果實中，且安全無毒，能夠摻入水溶性的食品系統，被認為具有替代人工合成色素的潛力[3]。研究表明花青素具有較強的抗氧化活性，有藥理學及營養效果，能夠預防一般的慢性病，包括動脈粥硬化、冠心病、血栓及癌癥[4-6]。另外，花青素對植物具有多種保護及修復功能，包括修復葉片光環境[7]、提高植物抗冰凍及抗干旱脅迫的能力[8]，具有抗氧化特性[9]，能夠修復葉片損傷等[10-11]，因此，人們對于花青素的定量研究興趣越來越濃厚。目前，許多傳統的化學方法被用來測量植物組織中的花青素含量，例如高效液相色譜法(highperformanceliquidchromatogrphy，HPLC)[12]、微波法[13]、分光光度測定法[14]等。這些測定方法結果準確，但是耗時長、繁瑣，并且對葉片或組織具有破壞性。而高光譜遙感反演方法具有快速、準確、原位重復測量等優點，并具有放大到整個冠層及地理區域尺度的潛力，因此在植物生產力、植物生理等的研究中有著巨大的應用潛力[1]。

　　過去幾十年，高光譜遙感反演方法估計植被生理狀態已經取得了相當大的進步，但是許多的研究集中于對葉綠素和類胡蘿卜素含量的反演[15-16]，而花青素含量的反演相對較少[17]。已有研究表明通過選擇對花青素含量敏感的綠光波段及其對葉綠素含量敏感的紅光波段和降低葉片及冠層結構影響的近紅外波段組合構建不同的光譜指數，例如紅/綠指數(red/greenindex)[18]、花青素含量指數(anthocyanincontentindex，ACI)[19]、調整花青素含量指數(modifiedanthocyanincontentindex，MACI)[6]、花青素反射指數(anthocyaninreflectanceindex，ARI)[17]、調整花青素反射指數(modifiedanthocyaninreflectanceindex，MARI)[10]，可以成功進行一種或多種植物葉片花青素含量反演。Vi�媋和Gitelson對綠光波段反射率構建的4個不同植被指數，如綠色歸一化差值植被指數(gNDBI)、綠色葉綠素指數(CIg)、R：Gratio及可見光大氣阻抗植被指數(VARI)估算花青素含量的敏感性進行了探討，結果表明大氣阻抗植被指數與葉片花青素相對數量呈線性關系，相關性較高。也有學者構建了3波段指數進行色素含量估算，但是針對不同的植被、不同的色素，需要進行波段調整，計算量較大[9，20]。總之，已有光譜指數是針對特定種類的植物構建的，當植物種類發生改變時，葉片中葉綠素和花青素的組成及含量會發生改變，因而已有光譜指數的適應性和穩健性需要進一步驗證[17]。國內對于葉片花青素含量的高光譜遙感反演研究尚處于起步階段，相關研究報道較少[21]。

　　玉米(ZeamaysL.)，是一種非常重要的糧食作物和飼料來源，總產量是世界上最高的。處于環境脅迫時，比如缺磷、缺氮、低溫、病菌感染等，玉米葉片或植株可能會在苗期或者生長過程中由綠色變為紅色，甚至枯萎、死亡。當葉片由綠色向紅色轉變過程中，葉片葉綠素含量急劇下降，而花青素含量迅速增加，對玉米葉片進行花青素含量定量分析或實時監測，是了解玉米缺肥或病菌感染程度，實施科學田間管理的又一種較好的方法。但是從所查文獻來看，目前沒有普通玉米葉片花青素含量高光譜遙感反演方面的研究報道。因此，本文利用SVCHR-1024i型便攜式光譜儀和植物多酚―葉綠素測量計分別獲取含花青素的玉米葉片的高光譜反射率及花青素相對含量，在分析玉米葉片光譜特征的基礎上，利用敏感波段光譜、已有的光譜指數、新光譜指數，結合簡單統計回歸模型探討它們之間的定量關系，并用獨立樣本驗證，通過分析比較，得到穩定性較好、精度較高的玉米葉片花青素相對含量高光譜遙感反演模型，為無損監測玉米缺肥、病菌感染提供技術支持，也為冠層或區域尺度無損監測植被花青素含量提供參考。

　　1材料與方法

　　1.1數據獲取

　　1)高光譜反射率數據獲取。于2015年在陜西省農業示范區農業試驗基地———農作一站(108°10′E，34°10′N)進行夏玉米N、P缺肥脅迫小區試驗，供試品種為沈玉26號，土壤類型為紅油土。氮肥和磷肥分別設置6個處理，一個重復，共24個小區。氮處理小區施純磷7.5kg·hm-2，施純氮分別為0、15kg·hm-2、30kg·hm-2、45kg·hm-2、60kg·hm-2、75kg·hm-2;磷處理小區施純氮15kg·hm-2，施純磷分別為0、3.75kg·hm-2、7.5kg·hm-2、11.25kg·hm-2、15kg·hm-2、18.75kg·hm-2，播種時1次施入，其他管理措施同當地大田高產栽培。在氮、磷脅迫及玉米螟、氣溫劇烈變化等多種因素作用下，2015年9月觀察到部分玉米植株的葉片及莖桿部分或全部變紅，因此基于可視化特征分兩次在小區共采集植株上、中、下部位83個不同顏色的玉米葉片(為了拓寬模型的適應范圍，采集的玉米葉片顏色從綠、微紅到紫紅)進行花青素含量定量研究。

　　選用美國SpectraVista公司生產的SVCHR-1024i型便攜式光譜儀進行葉片高光譜反射率測量。測量時采用自帶光源型手持葉片光譜探測器直接測定，光源為內置鹵鎢燈。每次進行光譜測定前，都要利用漫反射參考板進行儀器的優化，然后將待測葉片中間部位置于探測器直接接觸測量。為了得到具有代表性的光譜，每個葉片測量6個位置，每個位置測量1條光譜，取6條光譜平均值作為1個樣本光譜。

　　2)花青素相對含量測定。植物色素便攜式儀器測量不僅能輔助理解植物脅迫響應，而且為農業提供一種重要的測量工具[22]。植物多酚-葉綠素測量計(DUALEXSCIENTIFIC+TM)是法國Force-A公司開發的新型多功能葉片測量儀，可以同時測量葉綠素指數、花青素指數、類黃酮指數和氮平衡指數，儀器的測量面積為5mm2。花青素指數表示花青素的相對含量，可以反映花青素含量的微弱變化，因而本研究采用植物多酚-葉綠素測量計測量葉片的花青素相對含量。測定花青素含量的玉米葉片應與采集光譜的葉片相同，并且測量位置也應保持一致，玉米葉片的花青素相對含量變化范圍是0.104～1.282。

　　1.2數據處理與模型建立

　　利用SVCHR-1024i儀器自帶的軟件進行玉米葉片光譜反射率(簡稱SVC光譜)預處理，主要進行重疊數據剔除及不同探測器的匹配算法、SIG文件合并，然后將光譜反射率重采樣到3nm間隔(350～1000nm傳感器光譜分辨率≤3.5nm)。由于葉片花青素主要在紫外和可見光波段對光譜具有響應，因此，本文主要選擇350～1000nm波段范圍光譜反射率進行研究。

　　數據測量過程中難免存在系統誤差和人為操作誤差，因此，首先利用拉依達準則法(3δ)進行花青素異常值剔除，剔除與平均值的偏差超過兩倍標準差的測定值，共剔除5組樣本數據，余下78組樣本數據進行研究。按照花青素相對含量值排序，間隔取1/3作為預測集，2/3作為建模集。用R2、RMSE對模型的建模及驗模效果進行評價，R2越大，RMSE越小，建模和驗模效果越好，并且建模及驗模參數越接近，模型越穩定[15，23]。

　　1.3光譜指數

　　采用表1列出的其他學者已經報道的光譜指數進行玉米葉片花青素相對含量反演研究。通過比較可知，依據分段相關系數的大小設置波段取值，精度略高于參考其他文獻所提供的波段值，因此，表1中各波段的取值依據分段相關系數的大小取平均值確定，僅花青素含量指數(ACI)的波長參照文獻進行選取(λgree和λNIR分別為530nm、940nm)，因為其效果優于參照相關系數選取的結果。

　　已有光譜指數均是針對特定植物構建的，并由特定波段或波段范圍的光譜組成，為了尋找預測玉米葉片花青素相對含量的最優光譜指數，本研究充分利用高光譜數據波段多而窄的特點，結合R語言編程計算350～1000nm波段范圍內任意兩波段組合的4類光譜指數(包括差值指數(RI(Ri-Rj))、比值指數(DI(Ri/Rj))、歸一化指數(NI(Ri-Rj)/(Ri+Rj))及倒數差值指數(RDI(1/Ri-1/Rj))，并計算4類光譜指數與葉片花青素相對含量的相關系數(R2)，同時采用R語言編程制作4類指數的相關等勢圖，根據R2最大的原則，選取新光譜指數進行花青素相對含量反演研究。

　　2結果與分析

　　2.1含花青素的玉米葉片光譜特征

　　圖1展示了350～1000nm具有代表性的不同花青素相對含量玉米葉片的光譜反射率。從圖中可以看出不同花青素相對含量的玉米葉片光譜反射率變化趨勢基本一致，400～680nm波段范圍，光譜反射率差異較大，其次為715～1000nm。在400～680nm波段范圍，550nm附近的光譜反射率差異最大。隨葉片花青素相對含量增加，玉米葉片對綠光的吸收增大，550nm附近的光譜反射率急劇減小，當花青素相對含量大于0.66時，可見光波段的光譜反射率幾乎成直線，并且550nm附近的峰值朝長波方向偏移，從而可以利用綠光波段光譜反射特征進行玉米植株健康狀況診斷。在715～1000nm波段范圍，隨著葉片花青素相對含量增加，光譜反射率有減小的趨勢;當花青素相對含量較少時，光譜反射率差異變小。

　　2.2任意兩波段組合光譜指數與玉米葉片花青素相對含量的相關分析

　　采用R語言編程計算350～1000nm波段范圍內的玉米葉片光譜反射率任意兩波段組合的4類光譜指數，然后編程計算4類光譜指數與玉米葉片花青素相對含量的相關系數(R2)，作出相關系數等勢圖(圖2)。分析圖2可知差值指數(圖2(b))、歸一化植被指數(圖2(c))、倒數差值指數(圖2(d))的相關系數均沿對角線對稱，而比值指數的相關系數沿對角線不對稱(圖2(a))。4類光譜指數與花青素相對含量之間相關系數較大的波段區域基本一致，大于或等于0.7的相關系數約位于500～720nm波段范圍。其中，698和521nm光譜反射率組成的比值指數(RI(R521，R698))與玉米葉片花青素相對含量相關性最強，相關系數(R2)為0.771;557和701nm組成的歸一化差值指數(NI(R557，R701))與玉米葉片花青素相對含量的相關性次之，相關系數為0.769;此外，554和704nm波段反射率組成的差值指數(DI(R554，R704))、593和596nm的波段反射率組成的倒數差值指數(RDI(R593，R596))與玉米葉片花青素相對含量的相關系數分別為0.758和0.738。由于RDI(R593，R596)僅由間隔3nm的黃光區2個相鄰波段組成，而目前航空和航天遙感器的分辨率一般在5nm，所以RDI(R593，R596)的實用性較差，不再進行進一步研究，因而選擇另外3個新光譜指數進行玉米葉片花青素相對含量反演研究。

　　2.3玉米葉片花青素相對含量反演模型

　　1)基于敏感波段的玉米葉片花青素相對含量反演模型。通過相關分析可以確定相關系數較大的波段為敏感波段[21]。對玉米葉片光譜反射率與花青素相對含量進行相關分析，其相關系數曲線見圖3。分析圖3可知，除620～650nm、716～734nm波段光譜反射率與葉片花青素相對含量的相關性未達到0.01極顯著相關外，其余波段二者的相關性都達到了0.01極顯著相關，且最大相關系數為-0.761，位于548nm，結合上文玉米葉片高光譜特征分析可知花青素的主要吸收波段位于550nm附近，因而可以確定548nm為玉米葉片花青素含量的敏感吸收波段。利用548nm處的光譜反射率進行玉米葉片花青素相對含量反演研究，其結果見表2。通過比較可以發現一元二次方程的擬合決定系數R2為0.681，經獨立樣本驗證，驗證R2為0.572，預測值與實測值之間的總均方根誤差RMSE為0.144，R2和RMSE分別是最高和最低的，說明該模型預測效果相對較好。其次，效果較好的為對數及冪函數模型，擬合及驗證R2均大于0.5，RMSE相對較小。由于使用敏感波段光譜擬合的模型較簡單，僅使用了最敏感的吸收波段信息，因而在精度許可的情況下，該方法不失為監測葉片花青素相對含量的一種快速、無損方法。

　　相關期刊推薦：《遙感信息》是由中國科學技術部國家遙感中心與國家測繪局主辦，國內外公開發行的專業技術綜合類刊物。《遙感信息》創刊與1986年，目前為季刊。注重學術性與技術性并重的辦刊風格，刊物欄目設置：論壇與綜述;理論研究;應用技術;專題報道;企業之窗;知識之窗;遙感圖象;國際動態;譯文選登;技術市場;簡訊;名詞解釋。本刊是廣大作者、讀者共同建設的知識共享平臺，我們真誠期待學者、工程技術人員、技術用戶踴躍投稿。