基于成像高光谱的苹果叶片叶绿素含量估测模型研究

牛鲁燕，郑纪业，张晓艳，孙家波，王风云，孔庆福

叶绿素含量是植物生长过程中一个重要的生化参数，对植被光合能力、发育阶段以及营养状况有指示作用［1］。目前，常用于叶绿素监测的方法为分光光度法和SPAD－502型叶绿素仪检测法；但传统的分光光度法费时、费力，属于有损检测，很难满足精准农业实时、快速、无损和大面积监测的要求。日本Minolta Camera公司生产的手持式SPAD－502型叶绿素仪只能逐点对叶片进行监测，并且需要测定多株，将平均值作为测定结果，工作量大［2］。高光谱遥感是一种快速、无损监测技术，可在不破坏植物组织结构的前提下，实现对作物生长季营养状况的监测［3］。

国内学者对苹果高光谱的研究主要集中在树冠LAI高光谱估测［4］、树冠 SPAD 高光谱估测［5］、基于RGB模型的苹果叶片叶绿素含量估测［6］、叶片磷素含量高光谱估测［7］、苹果树叶片病害区域提取［8］等。但针对山东区域内苹果树正常叶片和受红蜘蛛胁迫的叶片叶绿素含量估测的研究鲜有报道。

本研究利用在试验区测定的苹果叶片高光谱与实测的苹果叶片叶绿素含量数据，在进行相关分析的基础上，建立了苹果叶片叶绿素含量与光谱特征参量间的定量关系模型，以期为利用高光谱遥感技术对苹果生长监测提供理论依据和技术支持。

1 材料与方法

1.1 实验设计

本试验所使用的叶片是在山东泰安万吉山基地采摘的苹果树叶片；将采摘的叶片装在保鲜袋中，在确保低温无损害的条件下带回实验室。采集时间为2017年6月8日。

对受红蜘蛛危害的叶片，根据红蜘蛛在叶面上的数量进行等级划分，分为初级、中级、高级三种受损程度，并采集正常叶片（定义为0级）作为对照。每种程度采摘10片叶子，共收集40片苹果叶。

1.2 光谱测定

苹果树叶片高光谱测量采用美国Surface Optics Corporation公司生产的SOC710VP可见－近红外高光谱成像式地物光谱仪在可控制光照条件（钨灯照明）实验室内进行，光谱范围为350～1050 nm，光谱分辨率为4.6875 nm

1.3 苹果叶片叶绿素SPAD值的测定

本次试验采用SPAD－502叶绿素仪测量苹果叶片的SPAD值。采用现摘现测的方式，并对每片叶片进行标记，与所测定的高光谱数据对应。

2 结果与分析

2.1 红蜘蛛胁迫下苹果叶片的光谱特征提取与分析

从图1可以看出，苹果叶片在红蜘蛛胁迫（叶片附有红蜘蛛）下，受胁迫程度不同（初级、中级、高级）的叶片光谱反射率差异不明显，但与正常叶片在420～700、750～1050 nm波段差异明显。

在4种状态（0级、初级、中级、高级）下，苹果叶片高光谱反射率曲线有一致的趋势，即380和550 nm处的反射峰、680 nm处的吸收谷、680～780 nm处的红边，以及780 nm以上波段的近红外反射平台。在近红外波段（780～1050 nm），正常叶片的反射率值最高，高级受损叶片和中级受损叶片次之，初级受破坏叶片最低。这说明，正常叶片内部细胞结构正常，形成多次反射，所以反射率值最高；受红蜘蛛胁迫的叶片，叶片内部细胞遭到破坏，反射率值要低于正常叶片。

随着胁迫程度的加深，附着在叶片上的红蜘蛛本身的反射率随波长的增加而逐渐升高，所以在近红外波段850～1050 nm这个范围内，高级受损叶片的反射率开始逐步高于中级受损叶片。

正常叶片和受红蜘蛛胁迫叶片的光谱反射率在420～700、750～1050 nm波段有明显差异，因此这2个波段可作为判断遭受红蜘蛛胁迫的识别波段。

红蜘蛛的光谱反射率也表现出一定的植被特征，在近红外波段（780～1050 nm）由于红蜘蛛个体的反射导致叶片反射率有增高趋势，这也可以为划分红蜘蛛病情指数提供一定的参考。

在400～780 nm波段范围内，受红蜘蛛不同程度胁迫的苹果叶片间光谱反射率差别不大。

2.2 红边位置的提取

红边是绿色植物在680～750 nm的反射率增高最快的点，也是一阶导数在该区间的拐点，是由植物在红光波段强烈的吸收与近红外波段强烈的反射造成的。

图2表明，苹果叶片0级和高级的一阶导数高光谱曲线变化趋势基本相似，在400 nm处和720 nm处都形成一个明显的波谷和波峰。采用一阶导数最大值所在波段提取红边位置，本研究的红边位置在720 nm波长处。

图1 苹果叶片的原始光谱反射率高光谱曲线

图2 苹果叶片的原始光谱反射率一阶导数高光谱曲线

2.3 受红蜘蛛胁迫苹果叶片光谱反射率及其一阶导数与叶绿素含量的相关分析

在苹果成长的早期，初级、中级、高级受红蜘蛛破坏叶片的反射率相差不大，可以把三者统称为遭受红蜘蛛的胁迫状态。在本文中我们选择高级受红蜘蛛破坏后的叶片进行分析。

相关分析和SPSS统计分析结果（图3）表明，苹果0级叶片的原始光谱反射率与叶绿素含量呈负相关，在377 nm处呈显著负相关（P＜0.05），是原始光谱反射率作为估测苹果叶片叶绿素含量的敏感波长；在可见光范围（490～780 nm）内最大相关系数出现在波长710 nm处，相关系数为－0.605，其次为715 nm处，相关系数为－0.589。苹果高级叶片的原始光谱反射率与叶绿素含量间的相关系数比较小，且相关性不显著，但是也出现了明显的波峰和波谷。

图3 苹果叶片原始光谱反射率与叶绿素含量的相关性

对苹果0级叶片的光谱反射率一阶导数与叶绿素含量进行相关分析，结果（图4）表明：在513～539 nm、564～585 nm、694 nm（Pearson相关系数为－0.822**）、699 nm（Pearson相关系数为－0.877**）处两者间均呈极显著负相关；在372 nm（Pearson相关系数为－0.672*）、498 nm（Pearson相关系数为－0.694*）、508 nm（Pearson相关系数为－0.739*）、544 nm（Pearson相关系数为－0.739*）、549 nm（Pearson相关系数为－0.749*）、559 nm（Pearson相关系数为－0.758*）、590 nm（Pearson相关系数为0.736*）、611 nm（Pearson相关系数为 0.759*）、642 nm（Pearson相关系数为0.716*）、705 nm（Pearson相关系数为－0.759*）、816 nm（Pearson相关系数为0.749*）、843 nm（Pearson相关系数为－0.726*）、945 nm（Pearson相关系数为0.674*）、951 nm（Pearson相关系数为0.771*）处均呈显著相关。

由图4还可见：苹果高级叶片的光谱反射率一阶导数与叶绿素含量在961 nm处呈显著正相关，Pearson相关系数为0.632*；在972 nm处呈显著负相关，Pearson相关系数为－0.723*。

图4 苹果叶片的原始光谱反射率一阶导数与叶绿素含量的相关性

综合以上分析结果，对于苹果0级叶片，选择2个波段区间和4个单波段作为敏感变量，分别为377 nm 处的原始光谱反射率，513～539、564～585、694 和699 nm处的原始光谱反射率一阶导数，以及红边位置720 nm处的原始光谱反射率。对于苹果高级叶片，选择961和972 nm处的原始光谱一阶导数、红边位置720 nm处的原始光谱反射率作为敏感变量。

2.4 基于敏感性波段的模型建立

应用SPSS软件，将敏感波段的原始光谱反射率进行各种变换后作为变量，建立苹果叶片叶绿素含量的估测回归模型；然后进行比较，找出每种变换中拟合度较高的模型，筛选结果见表1。从表1可以看出：以377 nm处原始光谱反射率作为变量确定的线性函数估测模型的R2最大，为0.427*；其次是以377 nm处原始光谱反射率作为变量确定的对数函数估测模型，其R2值为0.425*。因此对这2个估测模型进行进一步的验证。

表1 苹果0级叶片叶绿素含量回归模型及其参数的准确性（n＝135）

续表1：

从表2可以看出：以972 nm处的一阶导数作为变量确定的线性函数估测模型的R2最大，为0.523*；其次是以961 nm处的一阶导数作为变量确定的线性函数估测模型，其R2值为0.400*。对这2个估测模型进一步进行模型验证。

表2 苹果高级叶片叶绿素含量回归模型及其参数的准确性（n＝30）

2.5 模型验证

随机抽取在同组试验中测定的苹果叶片的试验数据，对上述筛选出的苹果叶片SPAD值的4个估测模型进行测试与检验，筛选出检验精度高的模型。结果见表3和表4。

表3 苹果0级叶片模型的拟合精度参数检查（n＝9）

表4 苹果高级叶片模型的拟合精度参数检查（n＝20）

3 结论与讨论

受季节、土壤、气候等自然因素和施肥、栽培技术与管理等人为因素的影响，苹果叶片的高光谱信息会有不同的变化。本研究主要对山东区域内苹果叶片叶绿素含量进行监测研究，并用同一区域的样本数据对模型进行了验证，增强了监测模型的可信性和适应性。但是所建立的估测模型对于不同地区、不同品种、不同生长期的苹果叶片叶绿素含量检测是否适用，还需要做进一步的探索。

本研究利用叶绿素含量与高光谱特征参量之间的关系，建立了苹果叶片叶绿素含量的估测模型，经过精度检验分析对比，最后确定山东区域苹果0级（正常）叶片叶绿素含量的最佳估测模型为线性函数模型SPAD＝152.450－1884.851R377；苹果高级受损叶片叶绿素含量的最佳估测模型为线性函数模型SPAD＝49.371－46428.473 R’972。这两个模型为苹果叶片叶绿素含量的估测提供了方法和参考，对苹果的精准施肥以及快速、无损长势监测具有一定的指导意义和参考价值。

［1］蒋金豹，陈云浩，黄文江.用高光谱微分指数估测条锈病胁迫下小麦冠层叶绿素密度［J］.光谱学与光谱分析，2010，30（8）：2243－2247.

［2］王纪华，黄文江，劳彩莲，等.运用PLS算法由小麦冠层反射光谱反演氮素垂直分布［J］.光谱学与光谱分析，2007，27（2）：1319－1322.

［3］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.

［4］韩兆迎，朱西存，房贤一，等.基于SVM与RF的苹果冠层树冠 LAI高光谱估测［J］.光谱学与光谱分析，2016，36（3）：800－805.

［5］韩兆迎，朱西存，王凌，等.基于连续统去除法的苹果冠层SPAD高光谱估测［J］.激光与光电子学进展，2016，53（023001）：1－10.

［6］程立真，朱西存，高璐璐，等.基于RGB模型的苹果叶片叶绿素含量估测［J］.园艺学报，2017，44（2）：381－390.

［7］程立真，朱西存，高璐璐，等.基于随机森林模型的苹果叶片磷素含量高光谱估测［J］.果树学报，2016，33（10）：1216－1229.

［8］胡荣明，魏曼，竞霞，等.基于成像高光谱的苹果树叶片病害区域提取方法研究［J］.西北农林科技大学学报：自然科学版，2012，40（8）：95－99.