作物冠层氮素的高光谱无损监测技术研究

杨玉鑫， 聂宜民， 房贤一， 李传勇， 邢耀文 (山东农业大学资源与环境学院，山东泰安 271018)

作物冠层氮素的高光谱无损监测技术研究

杨玉鑫， 聂宜民*， 房贤一， 李传勇， 邢耀文 (山东农业大学资源与环境学院，山东泰安 271018)

氮素是作物生长发育和品质形成的重要指标。实时、快速、准确、无损地监测作物冠层氮素含量对于作物生长诊断、提高氮素利用率、减少过量施氮带来的环境污染具有重要的意义。从冠层氮素的高光谱无损监测的国内外研究现状出发，围绕作物冠层氮素无损监测的技术原理、作物冠层无损监测现状及存在的问题、作物冠层氮素无损监测技术的发展方向等问题进行阐述和探讨，以期为冠层氮素高光谱无损监测研究提供一定的参考。

作物；氮素；高光谱；无损监测

氮素是植物生长不可或缺的大量营养元素之一，对植物的新陈代谢和生长起重要作用，是蛋白质、叶绿素、氨基酸和其他有机分子的基本组成元素，与作物的产量和品质形成密切相关。作物缺氮会造成生长缓慢，植株矮小、瘦弱，叶片薄而小，影响作物光合作用器官的形成，导致作物产量降低甚至绝产。另一方面，过多的施用氮肥会造成作物叶绿素含量增加，延长作物的成熟时间，还会影响产品品质，使得作物易受病虫害和恶劣气候的影响。这不仅增加生产成本，降低氮肥利用率，而且造成地表水和地下水污染，进而产生一系列的生态环境问题。因此，快速、无损、准确监测作物氮素状况，从而实现科学合理施肥就显得尤为重要。传统的氮素监测方法主要是采用化学分析方法，不仅费时、费力，而且获取数据成本高，很难得到普遍应用。高光谱技术作为一种探测作物长势和营养信息的有效手段，以其实时、快速、准确、无损的特点为植物氮素营养监测提供一种新的技术手段和方法[1]。近年来，许多学者利用高光谱波段多、分辨率高的特点来定量监测作物理化成分，在玉米[2-5]、水稻[6-7]、大豆[8]、小麦[9-12]、棉花[13]等农作物的氮素营养监测方面取得许多可喜的成果，但也遇到很多需要解决的难题。笔者从国内外作物冠层氮素的高光谱无损监测研究出发，围绕作物冠层氮素无损监测的技术原理、作物冠层氮素无损监测及作物冠层氮素无损监测技术的发展方向等方面进行分析，以期为作物氮素的高光谱无损监测研究提供一定的参考。

1 作物冠层氮素无损监测的技术原理

1.1 作物冠层特征光谱产生的机制作物冠层特征光谱的产生主要是由于作物冠层组织器官内不同形态的氮化合物对不同波段电磁波的特征性吸收、反射和透射。不同的作物具有不同的化学和形态学特征，而这些特定结构的产生与作物的发育、健康状况和生长条件等是密不可分的。这也就构成作物的“指纹效应”，即每种作物都有其区别于其他作物的光谱特征。这也是利用作物冠层光谱反演作物组分含量或浓度的理论基础。

1.2 冠层光谱对作物氮素的响应对于作物冠层氮素的高光谱无损监测，由于氮素的吸收光谱和透射光谱被作物吸收，很难对其进行定量监测，反射特征光谱能够较容易地监测，因而反射特征光谱应用最为广泛。植物冠层反射光谱负载了作物氮素信息，通过冠层反射光谱的监测分析可以反演作物氮素信息[14]。在可见光范围内，各种色素是支配作物光谱响应的主要因素，其中叶绿素起着相当重要的作用。在450和650 nm处，由于叶绿素对红光和蓝紫光强烈吸收，导致形成2个反射谷，而在550 nm处由于吸收作用较小，因而形成一个反射峰。这也是我们看到的绝大多数作物是绿色的主要原因。在680～760 nm附近作物反射率急剧上升，形成“红边”。它与叶绿素的浓度密切相关[15]。在红外波段，特定的反射率波段与氮素含量也有关联。对于作物冠层光谱，它们具有相似的光谱吸收特征，但是由于冠层结构、作物体内氮素含量、作物的健康状况以及生长环境等因素的影响，不同作物冠层会形成不同的反射光谱。冠层光谱对作物氮素的响应正是基于光谱和作物氮素的响应来定量反演作物氮素状况，达到氮素状况的无损监测。

2 作物冠层氮素无损监测

2.1 作物冠层反射光谱的获取作物冠层反射光谱的获取是作物冠层氮素无损监测的首要环节，也是作物冠层氮素无损监测成功与否的重要环节。目前，最常用的测量冠层反射光谱的仪器是美国ASD公司生产的FieldSpec系列的地物光谱仪。它的波段范围为350～2 500 nm,共计2 151个波段，仪器视场角为25°，重采样后光谱分辨率达到1 nm。选择晴朗无风或风力小于三级以及无卷积云与浓积云的天气，光谱采集一般在10:00～14:00太阳高度角变化小的时间段进行，以保证有较高的太阳高度角。在测量过程中，光谱采集人员身着深颜色服装，正对太阳，立于目标后方。传感器探头垂直向下，根据不同作物冠层直径的大小选择与冠层的合适高度。采集样本重复测量多次，取平均值，且在采集前与采集过程中及时用参考白板进行校正，以消除辐射差异的影响。成像光谱仪多采用上海技术物理研究所研制的实用性模块化成像光谱仪OMIS。另外，美国研制的手持式冠层长势仪Greenseeker系列以及HandHeld系列也被广泛应用在农业科研和生产中。此外，国内研究者以田间实际应用为目标进行了相关仪器设备[16-21]的开发，用于作物冠层反射光谱的获取。

2.2 作物冠层氮素特征光谱参数的提取作物冠层氮素监测受大气状况、冠层结构、探测角度、探测高度、土壤背景等的影响。敏感波段和特征光谱参数的提取就显得尤为复杂和困难。目前，对于特征光谱的提取，第1类是通过多元统计方法进行研究。学者们采用导数光谱、微分光谱、红边参数、倒数光谱等各种数学变换形式对原始光谱数据进行处理。这是最简单的方法，但是所提取的特征光谱受作物种类、样本数量、测量条件等的影响，用所提取的特征光谱来估算作物体内生化组分很难进行理论解释。第2类是植被指数。植被指数在一定程度上反映植物的生理特征与光谱相互作用的机制。按照发展阶段植被指数又可分为3类，一是基于波段的线性组合或比值组合，以RVI为主要代表，这类植被指数没有考虑大气、土壤、冠层结构等的影响，因此应用受到限制；二是在原有植被指数的基础上不断发展而来的NDVI、PVI、SAVI、PRI、TVI等，与第1类植被指数相比，第2类植被指数部分消除背景因素的影响，因而应用较广泛；三是为了突出目标信息，降低光谱因子对某些干扰因子的敏感度而对第2类植被指数进行改进的修正型植被指数，如MCARI、OSAVI、RDVI、MSAVI、TSAVI等。尽管许多植被指数消除了某些干扰因子的影响，但是NDVI仍然是应用最为广泛的。现存的植被指数只是根据不同作物单一的降低对一种或几种其他环境参数的敏感性，并且不存在一种对任一作物光谱都敏感的植被指数。

2.3 作物冠层氮素监测模型及其普适性作物冠层氮素监测模型的建立是高光谱遥感能否成功反演作物理化性状的重要一环。目前，国内外学者针对不同的作物进行了大量作物氮素监测模型的构建，其中模型构建主要由两大类构成。第1类是以筛选的相关系数较大的光谱参量为自变量，以作物氮素浓度或积累量为因变量建立线性或非线性氮素含量估算模型，包括简单线性模型、对数模型、指数模型、抛物线模型、一元多次函数模型、乘幂函数等。这类方法对于作物干叶或粉末的氮素组分反演取得良好的效果。但是，作物冠层易受冠层结构、表面结构、氮素组分分布、测量环境等影响，运用第1类方法建立的估测模型相关系数低，不能满足监测精度需求。第2类是运用复杂数学模型进行建模分析，主要包括主成分分析法(PCA)、小波变换(WAVELET)、支持向量机(SVM)、偏最小二乘法(PLS)、BP神经网络、遗传算法(GA)等。这类算法具有第1类方法所不具有的很多优点，通过对数据的大量变换，最后建立的监测模型监测精度高，但对所进行的变换和所选参数很难进行理论解释。目前，所建立的作物模型种类繁多，各类模型的适用范围和复杂程度也不尽相同。针对不同作物所建立的不同模型通常有其适应性和针对性，结合具体的条件对不同地区的作物模型进行验证、评价、改正，完成模型的本地化后方可使用。

2.4 作物冠层光谱的应用在基于遥感的作物氮素营养监测中，国内外学者多通过遥感反演氮浓度和氮积累量来判定作物氮素营养状况，从而为作物施肥提供理论依据。有研究表明，利用红边位置可以预测马铃薯冠层氮含量。Bajwa等[7]发现，RVI(937,718)与水稻植株氮积累量密切相关。Feng等[10]研究表明，mNDM705和FD729等指数可以很好地监测小麦氮含量。姚霞等[11]发现，RSI(FD691,FD711)和SASI(FD700,FD690)可以很好地预测小麦氮含量。冯伟等[12]研究了小麦地上部氮积累量与冠层高光谱参数的定量关系，并以植被指数VOG2、VOG3和[(R750-800)/(R695-740)-1]监测小麦地上部氮积累量。王渊等[22]利用逐步回归方法实现了对油菜叶片和冠层氮素的高光谱估算。王磊等[4]根据玉米氮素营养的生理特点，在关键生育期建立了叶片氮含量的监测模型。刘冰峰等[5]利用线性回归和非线性回归方法,研究了玉米不同生育期叶片全氮高光谱监测模型。唐延林等[23]研究了不同氮素和不同时期大麦冠层光谱、一阶导数光谱和红边与氮素的相关性。赵瑞娇等[24]研究发现,利用530和760 nm特征波长得到的归一化植被指数(NDCI)与番茄叶片氮含量有较好的相关性。

3 作物冠层氮素无损监测技术的发展方向

随着高光谱遥感技术的飞速发展，作物冠层氮素无损监测正朝着简单化、智能化、规范化方面发展。目前，国内外学者针对作物氮素监测相继研发了一些相关的硬件设备，但仍不能满足作物生产实践的应用需求。作物氮素监测仪的研究开发还应从以下方面进行加强。从硬件的角度看，作物氮素监测仪应从被动式逐渐转变为主动式，以克服自然光的影响，拓宽仪器的时间使用范围；其次，应逐渐从叶片尺度测量向冠层尺度转变，点测量向面测量转变。从软件的角度看，目前国内外还没有一种专门用于光谱数据处理的软件，使得光谱数据的处理显得较困难，研究集传感器参数校正、特征光谱提取以及光谱监测模型建立和精度监验为一体的智能化光谱数据处理软件就显得尤为重要。

利用高光谱遥感监测作物氮素一般从粉末或叶片、冠层或个体、机载或星载传感器区域3个层次展开。目前，国内外学者的研究大都局限于从一个尺度进行研究。由于不同尺度监测各有自己的优点和特色，如何将不同尺度的作物氮素监测结合起来，实现高光谱遥感监测的快速、准确、广泛监测的有机融合，是今后高光谱研究的一大发展趋势

[1] 田永超，朱艳，姚霞，等.基于光谱信息的作物氮素营养无损监测技术[J].生态学杂志，2007,26(9):1454-1463.

[2] 谭昌伟，郭文善，朱心开，等.不同条件下夏玉米冠层反射光谱响应特征的研究[J].农业工程学报，2008,24(9):131-135.

[3] 王磊，白由路，卢艳丽，等.不同形式的光谱参量对春玉米氮素营养诊断的比较[J].农业工程学报，2010,26(2):218-223.

[4] 王磊，白由路，卢艳丽，等.基于光谱分析的玉米氮素营养诊断[J].植物营养与肥料学报，2011,17(2)：333-340.

[5] 刘冰峰，李军，赵钢锋，等.夏玉米叶片全氮含量高光谱遥感估测模型研究[J].植物营养与肥料学报，2012,18(4):813-824.

[6] 周冬琴，朱艳，杨杰，等.基于冠层高光谱参数的水稻叶片碳氮比监测[J].农业工程学报，2009，25(3):135-142.

[7] BAJWA S G，MISHRA A R，NORMAN R J.Canopy Reflectance response to plant nitrogen accumulation in rice[J].Precision Agriculture,2010,11:488-506.

[8] 乔欣，马旭，张小超，等.大豆叶绿素和钾素信息的冠层光谱响应[J].农业机械学报，2008,39(4):108-116.

[9] 蒋金豹，陈云浩，黄文江，等.条锈病胁迫下冬小麦冠层叶片氮素含量的高光谱估测模型[J].农业工程学报，2008,24(1):35-39.

[10] FENG W，YAO X，ZHU Y，et al.Monitoring leaf nitrogen status with hyperspectral reflectance in wheat[J].European Journal of Agronomy,2008,28:394-404.

[11] 姚霞，朱艳，田永超，等.小麦叶层氮含量估测的最佳高光谱参数研究[J].中国农业科学,2009,42(8):2716-2725.

[12] 冯伟，朱艳，姚霞，等.小麦氮素积累动态的高光谱监测[J].中国农业科学，2008,41(7):1937-1946.

[13] 王克如，潘文超，李少昆，等.不同施氮量棉花冠层高光谱特征研究[J].光谱学与光谱分析，2011,31(7):1868-1872.

[14] 田亦陈，贾坤，吴炳方，等.大麻植物冠层光谱特征研究[J].光谱学与光谱分析，2010,30(12):3334-3337.

[15] 童庆禧，张兵，郑兰芬.高光谱遥感-原理、技术与应用[M].北京：高等教育出版社，2006:22-24.

[16] 韩书庆，于渤，孙明，等,便携式叶绿素、氮素、水分一体化测定仪设计[J].农业机械学报，2009,40(S1):256-259.

[17] 刘海俊，孙传范，曹卫星，等.便携式作物氮素监测仪性能水稻田间测试[J].农业机械学报，2010,41(9):80-84.

[18] 聂鹏程，袁石林，章伟聪，等.基于光谱技术的水稻叶片氮素测定仪的开发[J].农业工程学报，2010，26(7):152-156.

[19] 李修华，张锋，李民赞，等.四波段作物冠层分析仪设计[J].农业机械学报，2011,42(11):169-173.

[20] 于渤，孙明，韩书庆，等.小麦叶绿素、氮素、水分一体化测定仪的开发与测试[J].光谱学与光谱分析，2011，31(8):2294-2297.

[21] 徐志刚，朱艳，焦学磊，等.作物氮素营养无损监测仪的光学系统设计[J].农业机械学报，2008,39(3):120-122.

[22] 王渊，黄敬峰，王福民，等.油菜叶片和冠层水平但素含量的高光谱反射率估算模型[J].光谱学与光谱分析，2008,28(2):273-277.

[23] 唐延林，王人潮，张金恒，等.高光谱与叶绿素计快速测定大麦氮素营养状况研究[J].麦类作物学报，2003,23(1):63-66.

[24] 赵瑞娇，李民赞，杨策，等.温室番茄和叶片光谱特征分析及营养诊断[J].光谱学与光谱分析，2010,30(11):3103-3106.

Non-destructive Monitoring of Crop Canopy Nitrogen Based on Hyperspectrum

YANG Yu-xin, NIE Yi-min*, FANG Xian-yi et al

(College of Resources and Environment, Shandong Agriculture University, Taian, Shandong 271018)

Nitrogen is an important indicator for crop growth and quality formation. Real-time, rapid, accurate, non-destructive monitoring of crop canopy nitrogen content is of significance in crop growth diagnosis, improving nitrogen use efficiency and reducing environment problems caused by excess nitrogen. Starting from the domestic and foreign research situation about non-destructive monitoring of the crop canopy nitrogen based on hyperspectrum, the principle, status, existing problems, development direction of crop canopy nitrogen non-destructive monitoring technology were elaborated and discussed, in order to provide a certain reference for non-destructive monitoring of the crop nitrogen based on hyperspectrum.

Crop; Nitrogen; Hyperspectrum; Non-destructive monitoring

杨玉鑫(1989- )，男，山东临沂人，硕士研究生，研究方向：国土资源信息化。*通讯作者，教授，硕士生导师，从事地理信息系统方面的研究。

2015-03-27

S 126

A

0517-6611(2015)14-010-03