基于非成像高光谱的云烟97号叶片钾含量估算研究

刘延 吴秋菊 舒清态

摘要：为无损快速检测基于单位重量的烟叶钾元素含量，应用ASD Field Spec 3 便携式地物光谱仪采集了曲靖市大莫古镇主栽品种云烟97号不同长势的烟草叶片光谱，测定了相应烟叶的钾元素含量；利用光谱分析技术提取烟草叶片光谱特征变量，并分析了烤烟叶片钾元素含量与原始光谱、光谱一阶微分及高光谱特征变量间的相关性；采用多元逐步回归分析的方法，建立了基于光谱特征单变量估测钾含量模型并进行该模型的精度检验。结果表明，钾元素（K）与原始光谱反射率的相关系数在350 nm波长处最大；钾元素（K）与光谱一阶微分在1 089 nm波长处极显著负相关（相关系数为-0.661），在2 297 nm处极显著正相关（相关系数为0.710）；钾元素与高光谱特征变量绿边面积（SDg）的相关系数最大。综合来看，基于叶片光谱反射率一阶微分的钾元素回归模型对烟草叶片钾含量的估测精度较高，估测效果较好。

关键词：烟叶；钾含量；光谱特征；估测模型

中图分类号：S127+S572文献标识号：A文章编号：1001-4942（2018）04-0138-04

Abstract To quickly detect the potassium content per unit weight in tobacco leaves nondestructively， the leaf spectrums of Yunyan 97 as the main cultivar in Damogu Town，Qujing City with different growth vigor were collected by the ASD Field Spec 3 portable ground object spectrometer. The potassium contents of corresponding leaves were determined in lab. With the spectral analysis technology， the variables of spectral characteristics of tobacco leaves were extracted to analysis the correlations between the potassium content and original spectrum， the first derivative of the spectrum and hyperspectral characteristics. By the method of multiple stepwise regression， the potassium content estimation model was established based on the single variable of spectral characteristics， and the accuracy of the model was tested. The results showed that the correlation coefficient between K content and original spectral reflectance was the largest at 350 nm. The correlation between K and the first derivative of the spectrum was negatively extremely significant at 1 089 nm with the value of -0.661， and positively extremely significant at 2 297 nm with the value of 0.710. The correlation coefficient between K and green peak area （SDg） was the largest. To sum up， the regression model based on the first derivative of spectral reflectance had higher accuracy and better estimation effects of the potassium content in tobacco leaves.

Keywords Tobacco leaf； Potassium content； Spectral characteristics； Estimation model

在優质烟草的实际生产当中，科学的矿质营养管理充当着极其重要的角色，一定条件下的营养失调都会通过外部症状来表现[1]。钾元素是植被正常生长所必需的三大元素之一，具有可以提高光合作用强度、促进作物体内淀粉和糖形成、增强作物抗逆性和抗病能力及提高作物对氮的吸收利用等作用。缺钾会导致烟草叶尖和叶片边缘出现黄色斑点和坏死斑，随着缺钾程度的加重，烟草叶片变为红棕色或干枯状直至叶片脱落。由于植物对钾具有奢侈性吸收的特点，过量施用钾肥，不仅浪费肥料，提高生产成本，而且抑制植物对镁、钙的吸收，影响作物产量和品质[2]。因此，合理施用钾肥，进行科学合理的田间管理，对于确保烟株正常生长发育、提高烟叶产量和品质具有重要意义，对推动精细农业的发展具有积极作用。

随着高光谱遥感的日益推广，基于光谱特征的无损研究成为热点，但目前针对植物光谱特征的研究主要集中在粮食作物上，对于烟草等高附加值植物的研究还很少，而且多是有关氮（N）、磷（P）肥的研究，针对钾（K）元素在烟草生长周期内的光谱研究少见报道。Tarpley 等[3]研究认为基于红边与近红外波长的比值进行氮素含量预测，能得到理想的精度。付虎燕等[4]通过提取光谱特征变量，采用回归分析建立了叶绿素含量估测模型，得到与叶绿素a、b相关系数最大的高光谱特征变量λb与SDr/SDb。朱燕等[5]的研究得出610、660、680 nm处的稻麦冠层反射率与叶片氮素含量相关系数较高。邢雪霞等[6]通过提取植被指数后建立烟碱含量的估测模型发现，主成分分析建模方法对烟碱含量的估测精度极好，SDr/SDb与烟碱含量的相关系数最大。李向阳等[7]研究得出差异性供养条件下烟草叶片光谱曲线存在明显差异。吕小娜[8]研究表明，随着施氮量的增加，原始冠层光谱经一阶导数处理后呈现出向长波方向移动的趋势，“双峰”现象更加明显，烤烟冠层的红边位置变化不明显，但红边面积与红边幅值呈增加趋势；同一生育时期内各部位叶片的红边位置均发生 “红移”现象。李向阳[9]以烟草NC89为研究材料发现，在可见光范围内，烟草冠层反射率随施磷量的增大呈现出下降的趋势。

本试验以主栽品种云烟97号为研究对象，对田间烟叶高光谱参数与钾含量的关系进行分析，旨在建立适于田间烟叶钾含量估测的模型，为检测烟叶生长状况和烟田施肥及精细农业发展提供参考。

1 材料与方法

1.1 试验设计

试验于2017 年在云南省陆良县大莫古镇烟草种植基地进行，供试烟草品种为云烟97号，移栽期4月20日。在移栽后40天随机获取田间烟叶样品，样本涵盖不同长势（优、中、良）健康植株，选取单株上、中、下部叶，每片叶各测定4次，获得12个光谱反射率曲线，利用软件ViewSpecPro进行统计处理，取均值作为单株烟草的叶片光谱反射率。对供试叶片称重、编号后迅速低温贮存，用于实验室钾含量的测定。

1.2 光谱及生化参数测定方法

1.2.1 光谱数据采集 采用Field Spec 3 便携式地物光谱仪测定烤烟叶片光谱反射率，光谱分辨率在350～1 500 nm范围内为3 nm，采样间隔为1.4 nm；1 500～2 500 nm范围内为10 nm，采样间隔为2 nm。选择晴朗无风的天气，测定田间非离体状态的烟叶光谱数据，测定时间为10—15时，选用10°光谱仪视场角，探头垂直向下，与采集样本的垂直距离为30 cm。定时进行系统优化和白板校正，记录12个光谱数据，计算其平均值作为一次采样光谱。

1.2.2 钾含量测定 参照YC/T 217—2007检测标准，采用连续流动法测定烟叶钾（K）含量（质量分数）。

1.3 数据处理

1.3.1 光谱数据预处理及分析 利用ViewSpecPro软件加载原始光谱数据并剔除掉因水汽吸收和受系统误差影响明显的1 314～1 399、1 749～1 999、2 351～2 500 nm范围内的波段。完成后对剩余的原始光谱反射曲线采用Savitzky-Golay滤波器进行去噪，该滤波器可以很好地对噪声进行平滑，同时又保证了数据的真实性，其原理为：

其中：Yi为滤波后的高光谱数据；Cj为滤波系数；Yi+j为原始光谱数据；滑动窗口包含数据点2n+1为M。

而后对平滑数据进行光谱一阶微分处理，提取烟草高光谱特征。拟提取的高光谱特征参数见表1[10]。

1.3.2 高光谱数据统计分析 随机选取30个样本进行钾（K）元素含量的估测模型建立，另选10个样本用于模型精度验证。利用Microsoft Excel 2007和PASW Statistics 18对经预处理后的光谱数据进行制图及相关分析等。

2 结果与分析

2.1 钾含量与高光谱反射率的关系

2.1.1 经Savitzky-Golay滤波器平滑后的原始光谱反射率与钾含量的相关性 经平滑去噪后的烟叶光谱反射率曲线见图1。由图2可知，平滑后的光谱反射率与钾（K）含量的相关性主要表现在：350～1 105 nm波段范围内烟叶光谱反射率与钾（K）含量呈正相关关系，其中422～480、509～528、634～691 nm波段达到显著水平（P<0.05），350～421、482～508 nm波段内达到极显著水平（P<0.01），且在350 nm处相关系数最大，达到0.578；1 106～1 313、1 400～1 748、2 001～2 350 nm范围内烟叶光谱反射率与K含量呈负相关关系。

2.1.2 光譜一阶微分处理与钾含量的相关性 从图3可以看出，在0.05显著水平下，正相关波段主要集中在428～468、1 216～1 236、1 452～1 454、2 061～2 298、2 313～2 354 nm等波段范围内；负相关波段主要集中在350～355、385～411、656～669、1 280～1 313、1 400～1 431 nm等波段范围内。在0.01极显著水平下，光谱反射率一阶微分与钾含量达到极显著正相关的波段主要集中在439～449、454～472、2 294～2 297 nm波段范围内，其中在2 297 nm处相关系数最大，为0.710；达到极显著负相关的波段集中在356～364、390～409、1 055～1 068、1 087～1 110、1 176～1 179、1 262～1 274 nm等波段范围内，其中在1 089 nm处相关系数达到极值-0.661。

2.2 高光谱特征参数与钾含量的相关性

从表2可以得出，钾元素与高光谱特征变量中位置及面积变量的蓝边幅值（Db）、蓝峰面积（SDb）、红边幅值（Dr）和绿峰反射率 （ρg）显著相关，与蓝边位置（λb）、绿边面积（SDg）和红光吸收谷幅值 （ρr）极显著相关；与植被变量中的 （SDr-SDb）/（SDr+SDb ）显著负相关。其中钾元素与高光谱特征参数绿边面积（SDg）的相关性最高。

2.3 钾含量估测模型的建立及精度验证

根据上述分析结果，选取与烟草叶片钾含量相关性达0.01极显著水平的高光谱参数——蓝边位置、绿边面积、红光吸收谷幅值，采用多元逐步回归分析方法，建立钾元素与原始光谱反射率及一阶微分反射率的估测模型，并对估测模型进行检验，结果（表3）表明，基于烟草光谱一阶微分选取极显著波段然后采用逐步回归分析所建立的模型，估测值和实测值的R2最高，均方差（RMSE）和相对误差（RE）值最小。

3 结论

（1） 钾元素（K）与原始光谱反射率的相关系数在350 nm波长处最大，达到0.578 2。K与光谱一阶微分的相关系数在1 089 nm波长处达到负的极显著水平，极值为-0.661；在2 297 nm处达到正的极显著水平，极值为0.710。 钾元素与高光谱特征变量绿边面积（SDg）的相关系数最大，为0.460；红光吸收谷幅值次之（ρr），为0.451。

（2）基于烟草光谱一阶微分选取极显著波段采用逐步回归分析方法所建立的模型y=525.574x2297-924.852x1459+1944.640x439-452.558x1109+0.584，估测值和实测值的R2最高，均方差（RMSE）和相对误差（RE）值最小，被选作检测云烟97号烟草叶片钾含量的最优估测模型。

参 考 文 献：

[1] Layten D D， Nielsen M T. Tobacco—Production， chemistry and technology [M]. Beijing： Chemical Industry Press， 2003.

[2] 周冀衡，朱小平，王彦亭，等. 烟草生理与生物化学[M]. 合肥：中国科学技术大学出版社，1996.

[3] Tarpley L， Raja R K， Gretchen F. Reflectance indices with precision and accuracy in predicting cotton leaf nitrogen [J]. Crop Science， 2000， 40（6）：1814-1819.

[4] 付虎燕，张军，舒清态，等. 贵州喀斯特山区烟叶高光谱参数与叶绿素含量的关系[J]. 烟草科技，2015，48（2）： 21-26.

[5] 朱燕，李映雪，周冬琴，等. 稻麦叶片氮含量与冠层反射光谱的定量关系[J]. 生态学报，2006，26（10）： 3463-3469.

[6] 邢雪霞，张童，刘冰洋，等. 基于高光谱的烤烟烟碱含量估测模型研究[J]. 山东农业科学，2016，48（6）：142-146.

[7] 李向阳，刘国顺，杨永锋，等. 烤烟叶片高光谱参数与多种生理生化指标关系研究[J]. 中国农业科学，2007，40（5）：987-994.

[8] 吕小娜.不同供氮水平烤烟冠层光谱特性及其农学参数估测[D].成都：四川农业大学，2012.

[9] 李向阳.烟草高光谱特性与农艺生理品质指标的关系和估测模型研究[D].郑州：河南农业大学，2007.

[10]黃敬峰，王福民，王秀珍. 水稻高光谱遥感实验研究[M]. 杭州：浙江大学出版社，2010.