高光譜成像系統(tǒng)：小麥葉綠素監(jiān)測(cè)遙感植被與神經(jīng)網(wǎng)絡(luò)研究

一、引言

土壤支持果樹(shù)生長(zhǎng)，為果樹(shù)提供水分及礦質(zhì)營(yíng)養(yǎng)。土壤中的主要速效養(yǎng)分包括堿解氮、有效磷和速效鉀，能夠在當(dāng)季被作物吸收利用，其含量直接影響到作物的生長(zhǎng)發(fā)育情況和果實(shí)質(zhì)量。氮磷鉀都是蘋(píng)果樹(shù)生長(zhǎng)必需的重要營(yíng)養(yǎng)元素，用于構(gòu)成果樹(shù)體內(nèi)各種蛋白質(zhì)、核酸和磷脂的主要結(jié)構(gòu)。

堿解氮含量與作物的氮素營(yíng)養(yǎng)有較好的相關(guān)性，因此測(cè)定堿解氮含量可以反映出近期土壤供氮狀況的高低。施肥是綜合管理中的重要環(huán)節(jié)，由于各發(fā)育時(shí)期的果樹(shù)對(duì)不同元素的需求不同，過(guò)量施肥不僅會(huì)污染環(huán)境、增加生產(chǎn)成本，還會(huì)降低果實(shí)的產(chǎn)量。因此，及時(shí)準(zhǔn)確地監(jiān)測(cè)果園土壤主要速效養(yǎng)分含量水平對(duì)果園科學(xué)施肥和園地質(zhì)量精準(zhǔn)管理具有重要意義。

傳統(tǒng)的土壤養(yǎng)分化驗(yàn)方法時(shí)間長(zhǎng)、成本高，采樣時(shí)還會(huì)損害植物根系。高光譜技術(shù)憑借快速、無(wú)損、無(wú)污染的優(yōu)勢(shì)能夠在短時(shí)間內(nèi)大批量的測(cè)量土壤樣本，被應(yīng)用于果園的科學(xué)管理中。

果園選址多為山地丘陵地區(qū)，受地理、氣候及土壤質(zhì)地等因素的影響，土壤光譜信號(hào)較弱。常規(guī)的光譜變換如微分變換、對(duì)數(shù)變換等均能夠在一定程度上提升光譜與土壤養(yǎng)分含量的相關(guān)性，但對(duì)其光譜敏感性的提升程度有限。為進(jìn)一步提升光譜信噪比，發(fā)掘更深入的光譜信息，本研究以山東省濟(jì)南市長(zhǎng)清區(qū)雙泉鎮(zhèn)一處丘陵蘋(píng)果園為例，將數(shù)學(xué)變換和連續(xù)小波分析耦合對(duì)光譜數(shù)據(jù)進(jìn)行處理，建立優(yōu)選土壤堿解氮（AN）、有效磷（AP）、速效鉀（AK）三種主要速效養(yǎng)分含量的高光譜估測(cè)模型，探討不同光譜變換方式與不同建模方式對(duì)模型精度的影響；同時(shí)為將高光譜估測(cè)技術(shù)應(yīng)用于實(shí)際生產(chǎn)管理，提出一套針對(duì)蘋(píng)果園土壤速效養(yǎng)分的簡(jiǎn)便估測(cè)技術(shù)流程。

二、材料與方法

2.1試驗(yàn)設(shè)計(jì)

以冬小麥為研究對(duì)象，基于不同年份、地點(diǎn)、品種類(lèi)型、氮肥水平、種植密度和生育時(shí)期的做了6次田間試驗(yàn)。

2.2冠層多角度光譜測(cè)定

本試驗(yàn)主要是基于冠層尺度，自行設(shè)計(jì)一個(gè)輕巧簡(jiǎn)單的多角度高光譜觀測(cè)裝置(圖2-2)，波段值為325-1075nm，高光譜的采樣間隔和光譜分辨率分別為1.5nm和3.5nm。在風(fēng)力較小、晴朗無(wú)云的中午進(jìn)行多角度冠層光譜測(cè)定，光譜儀視場(chǎng)角為25°，在太陽(yáng)主平面內(nèi)進(jìn)行觀測(cè)，垂直角度觀測(cè)時(shí)定義為0°，此時(shí)探頭離小麥冠層100cm，太陽(yáng)照射方向與觀測(cè)方向異側(cè)定義為前向觀測(cè)方向(+)，照射方向與觀測(cè)方向同側(cè)定義為后向觀測(cè)方向(-)，z在每個(gè)觀測(cè)角度下測(cè)量10次，將其平均值作為該觀測(cè)角度下光譜反射率值，不同觀測(cè)角度測(cè)定前或后立即進(jìn)行參考板的校正(標(biāo)準(zhǔn)白板反射率為1)。

2-2多角度觀測(cè)裝置

2.3葉片葉綠素密度測(cè)定

(1)葉綠素含量測(cè)定

取葉片中部0.200g剪成細(xì)絲，在50ml95%的乙醇中浸一周，使用分光光度計(jì)測(cè)定葉綠素a和b在665nm和649nm下的吸光度值(OD)，再依據(jù)其在特定波長(zhǎng)下的消光系數(shù)，計(jì)算出該色素的濃度。具體計(jì)算公式如下：

Ca=13.95OD665-6.88OD649(1)

Cb=24.96OD649-7.32OD665(2)

式中Ca和Cb分別為葉綠素a和b的濃度。

葉綠素密度=C×V×A/1000(mg·m-2soil)(3)

公式中C為葉綠素濃度，V為樣液體積，A為單位土地面積上葉片鮮重，葉綠素鮮重含量單位為：mg。

(2)植株氮含量測(cè)定

與光譜測(cè)定同步，每小區(qū)取10株小麥，按不同器官分開(kāi)處理，然后在105°C下殺青15分鐘，待溫度降至80℃，烘干后粉碎待測(cè)。以上樣品全氮含量均采用Kjeltec2300(FOSS)自動(dòng)定氮儀按凱氏定氮法測(cè)定。

(3)葉面積指數(shù)測(cè)定

采用重量相關(guān)法計(jì)算葉面積，因?yàn)槿~片干重與葉片面積之間存在一定的比例關(guān)系。具體步驟如下：將10株小麥植株的綠色葉片分離，將葉片中部按直線相連排列，測(cè)量長(zhǎng)度為20cm，并將中部5cm長(zhǎng)度切取，該部分即為小麥樣葉的葉面積，重復(fù)操作一次。分別稱(chēng)量樣葉葉面積的和剩余葉片的重量，然后計(jì)算出樣葉葉面積與地上部綠色葉片總面積，最后換算出單位土地上綠色葉片總面積，即為葉面積指數(shù)(LAI)。

2.4數(shù)據(jù)分析與利用

本研究以不同觀測(cè)角度下分析小麥冠層光譜參數(shù)與群體葉片色素密度的關(guān)系，篩選出與葉片色素密度密切相關(guān)的敏感波段及光譜參數(shù)，利用擬合決定系數(shù)(R2)和估計(jì)標(biāo)準(zhǔn)誤差(SE)篩選回歸監(jiān)測(cè)模型，采用2011-2012年試驗(yàn)數(shù)據(jù)對(duì)所建立的模型進(jìn)行檢驗(yàn)，繪制觀察值與預(yù)測(cè)值之間1:1關(guān)系圖，并使用預(yù)測(cè)相對(duì)誤差(RE)和預(yù)測(cè)精度(R2)進(jìn)行綜合評(píng)定，優(yōu)選出6個(gè)表現(xiàn)最好的高光譜參數(shù)為Green-NDVI、VOG1、RI-1dB、mND705、NDRE和DD。

三、結(jié)果與分析

3.1小麥冠層多角度反射率與葉綠素密度的相關(guān)性

利用試驗(yàn)3中豫麥49-198拔節(jié)期N16施氮水平下不同觀測(cè)角度光譜反射率與葉綠素密度進(jìn)行相關(guān)分析(圖1)。結(jié)果表明，光譜反射率與葉綠素密度的相關(guān)性隨觀測(cè)角度增加而降低，尤其是后向近紅外區(qū)域的角度敏感性最明顯，垂直角度附近的觀測(cè)角度間無(wú)明顯差異。光譜反射率與葉綠素密度在400-720nm范圍內(nèi)呈負(fù)相關(guān)關(guān)系，在720-900nm范圍內(nèi)呈正相關(guān)關(guān)系。相關(guān)系數(shù)在紅光區(qū)域小于-0.7，在近紅外區(qū)域大于0.7，與葉綠素密度關(guān)系密切。紅邊區(qū)域內(nèi)相關(guān)系數(shù)在觀測(cè)角度間無(wú)顯著差異，但相關(guān)系數(shù)變化迅速，在720nm處所有觀測(cè)角度下的相關(guān)系數(shù)都接近于零。

圖1不同觀測(cè)角度下小麥冠層光譜反射率與葉綠素密度的關(guān)系

3.2不同觀測(cè)角度下冠層高光譜參數(shù)與小麥葉綠素密度的定量關(guān)系

表1不同觀測(cè)角度下小麥葉綠素密度與冠層高光譜參數(shù)的定量關(guān)系(n=174)

所選用的植被指數(shù)在垂直角度附近的觀測(cè)角度下均能較好地表達(dá)色素密度及動(dòng)態(tài)變化。其中VOG-1、RI-1dB和NDRE所選用波段位于紅邊區(qū)域，與色素密度關(guān)系均非常密切，在后向-20°的R2均為0.71,RMSE則均低于0.31。SDr和SDb分別為紅邊面積和藍(lán)邊面積，SDr/SDb同樣在后向-20°取得較高的監(jiān)測(cè)精度，R2和RMSE分別為0.71和0.30。參數(shù)DD在后向0°的監(jiān)測(cè)精度最高，R2和RMSE分別為0.74和0.28。GNDVI的表現(xiàn)相對(duì)較差，參數(shù)趨向飽和，最優(yōu)化的R2和RMSE分別為0.68和0.35(圖2)。

圖2小麥葉綠素密度與高光譜參數(shù)的關(guān)系

3.3不同觀測(cè)角度下兩波段歸一化和比值光譜指數(shù)與小麥葉綠素密度的關(guān)系

系統(tǒng)研究了不同觀測(cè)角度下原始光譜的兩波段比值和歸一化光譜指數(shù)與葉綠素密度的關(guān)系(圖3,4)。其中，A、B、C、D、E、F、a、b、c、d、e、f和N分別代表不同的數(shù)據(jù)集:(A)-60°、(B)-50°、(C)-40°、(D)-30°、(E)-20°、(F)-10°、(N)垂直角度、(a)+60°、(b)+50°、(c)+40°、(d)+30°、(e)+20°、(f)+10°。

圖3不同觀測(cè)角度下400-900nm內(nèi)兩波段歸一化植被指數(shù)與葉綠素密度關(guān)系的等勢(shì)圖

圖4不同觀測(cè)角度下400-900nm內(nèi)兩波段比值植被指數(shù)與葉綠素密度關(guān)系的等勢(shì)圖。

結(jié)果表明，所有觀測(cè)角度下都存在兩塊敏感區(qū)域，分別為藍(lán)光-紅邊區(qū)域和紅邊組合區(qū)域。其中紅邊組合區(qū)域在后向觀測(cè)效果最佳，而藍(lán)光-紅光組合在前向觀測(cè)效果最優(yōu)。無(wú)論前向或后向觀測(cè)方向，R2隨觀測(cè)角度增加而降低，對(duì)葉綠素密度敏感的區(qū)域面積隨觀測(cè)角度增加而減小。在±20°的觀測(cè)角度范圍內(nèi)監(jiān)測(cè)精度均較高。在后向觀測(cè)方向，與葉綠素密度相關(guān)較好的兩種光譜指數(shù)形式組合波段范圍基本一致，主要是小麥紅邊范圍末端720-734nm與720-764nm等兩個(gè)區(qū)域波段的組合。在前向觀測(cè)方向，與葉綠素密度相關(guān)較好的2種光譜指數(shù)形式組合波段集中在464-494nm與618-644nm(表2)。

表2不同觀測(cè)角度下歸一化和比值植被指數(shù)的中心波段和擬合系數(shù)（R2）

以前向+20°的ND(468，634)和SR(468，634)以及后向-20°的ND(720，760)和SR(732，738)的光譜參數(shù)為代表作散點(diǎn)(圖5)。以展示優(yōu)化光譜參數(shù)對(duì)葉綠素密度的擬合效果，由圖5可知，ND(468,634)、SR(468,634)、ND(720,760)和SR(732,738)與不同色素密度的關(guān)系密切，其R2均為0.74，RMSE均低于0.29，顯示了以上4個(gè)光譜參數(shù)可以很好地指示葉綠素密度的動(dòng)態(tài)變化。

圖5小麥葉綠素密度與ND和SR光譜參數(shù)的關(guān)系

3.4葉綠素密度監(jiān)測(cè)模型檢驗(yàn)

為了考察葉綠素密度監(jiān)測(cè)模型的普適性與可靠性，將試驗(yàn)1和2的獨(dú)立數(shù)據(jù)用來(lái)檢驗(yàn)上述監(jiān)測(cè)模型。6個(gè)光譜參數(shù)對(duì)色素密度預(yù)測(cè)的效果不同(圖6)。

圖6小麥葉綠素密度實(shí)測(cè)值與預(yù)測(cè)值之間的比較

在色素密度建模過(guò)程中前向+20°觀測(cè)角度下的ND(468,634)和SR(468,634)表現(xiàn)較好，但在建模檢驗(yàn)中對(duì)不同色素預(yù)測(cè)RE大于23%，預(yù)測(cè)值均大于實(shí)測(cè)值。光譜參數(shù)DD、SDr/SDb、ND(720,760)和SR(732,738)的監(jiān)測(cè)效果較好，對(duì)葉綠素密度的預(yù)測(cè)R2均大于0.80，相對(duì)誤差范圍為16%-19%。其中以DD的預(yù)測(cè)效果最好，R2和RE分別為0.89和16%。這些結(jié)果表明，基于垂直角度和后向觀測(cè)角度的高光譜參數(shù)，可以對(duì)小麥葉綠素密度進(jìn)行比較可靠的監(jiān)測(cè)。

3.5基于不同觀測(cè)角度神經(jīng)網(wǎng)絡(luò)的小麥葉綠素密度估算

由SPSS軟件進(jìn)行因子分析后，分別得出各個(gè)觀測(cè)角度下的公共因子值及因子累計(jì)貢獻(xiàn)率超過(guò)99%的因子數(shù)。不同觀測(cè)角度下的公共因子值與實(shí)測(cè)的葉綠素密度進(jìn)行相關(guān)分析，結(jié)果如表3所示，所有觀測(cè)角度下與葉綠素密度相關(guān)性較好的因子均為第一因子。

表3不同觀測(cè)角度下公共因子與葉綠素密度的相關(guān)關(guān)系

圖5顯示了不同觀測(cè)角度下光譜敏感波段與葉綠素密度相關(guān)性較高的兩個(gè)因子載荷分布情況。第一因子在藍(lán)光和紅光波段載荷較大，第二因子在近紅外波段載荷較大。無(wú)論前向或后向觀測(cè)方向，綠光波段在第一因子的載荷隨觀測(cè)角度的增加而降低，在第二因子的載荷隨觀測(cè)角度的增加而增加。FA-BPNN模型在垂直角度附近的模擬精度較高，但其相對(duì)誤差大于20%。因此FA-BPNN在多角度遙感監(jiān)測(cè)葉綠素密度的應(yīng)用還有待進(jìn)一步研究。

四、結(jié)論與討論

本研究通過(guò)不同試驗(yàn)因子的大田試驗(yàn)觀測(cè)，基于多種光譜分析方法與葉片色素密度的相關(guān)分析，系統(tǒng)比較了不同觀測(cè)角度下多種光譜分析方法對(duì)葉片色素密度的模擬效果及模型預(yù)測(cè)能力，確定了監(jiān)測(cè)色素密度的光譜參數(shù)、監(jiān)測(cè)模型和敏感觀測(cè)角度。紅邊光譜參數(shù)VOG1、RI-1dB、NDRE和SDr/SDb能夠很好地監(jiān)測(cè)小麥葉片葉綠素密度。兩波段歸一化和比值植被指數(shù)在后向觀測(cè)角度的敏感波段主要集中在紅邊區(qū)域，在前向觀測(cè)角度的敏感波段主要集中在藍(lán)光和紅光區(qū)域。物理模型FA-BPNN在垂直角度附近的模擬效果較好。垂直角度附近的后向觀測(cè)角度更適宜用來(lái)監(jiān)測(cè)小麥葉片葉綠素密度的變化。

本研究結(jié)果對(duì)于小麥植株的光合能力預(yù)測(cè)、氮素營(yíng)養(yǎng)狀況及診斷等具有重要參考價(jià)值，為多角度遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用提供了關(guān)鍵技術(shù)支持。大量研究表明紅邊波段對(duì)色素變化十分敏感，為此構(gòu)建了大量紅邊比值和歸一化等指數(shù)。文中VOG1、RI-1dB和NDRE可作為小麥冠層色素密度的實(shí)用性監(jiān)測(cè)指標(biāo)，兩波段歸一化和比值植被指數(shù)在后向觀測(cè)角度的敏感波段分布在紅邊區(qū)域，而物理模型FA-BPNN的第二因子也主要集中在紅邊區(qū)域。紅邊位置是植株結(jié)構(gòu)和色素等因素相互作用的結(jié)果，其對(duì)植被長(zhǎng)勢(shì)、葉綠素及生育時(shí)期表現(xiàn)十分敏感，也為利用紅邊波段監(jiān)測(cè)葉綠素含量提供了理論基礎(chǔ)。大量研究表明紅光和藍(lán)光波段能較好地監(jiān)測(cè)氮素狀況和植被長(zhǎng)勢(shì)。

本文中，兩波段比值和歸一化植被指數(shù)在前向觀測(cè)方向的敏感波段集中在藍(lán)光和紅光區(qū)域，而物理模型FA-BPNN相關(guān)性最高的第一因子在藍(lán)光和紅光區(qū)域的載荷較高。通過(guò)微分技術(shù)可以弱化背景噪音的影響，改善光譜參數(shù)與色素密度的關(guān)系。利用SDb和SDr可以成功評(píng)價(jià)美洲巨杉營(yíng)養(yǎng)狀況和水稻LAI的狀況。因此，本研究中SDr/SDb可以充分發(fā)揮色素敏感波段和微分光譜的優(yōu)勢(shì)，提高冠層色素的監(jiān)測(cè)精度。

推薦：

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專(zhuān)門(mén)用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢(shì)具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性?xún)r(jià)比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計(jì)，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶(hù)需求更換物鏡。

審核編輯 黃宇