不同宽窄波段组合的光谱参量对夏玉米穗位叶氮素含量估测

王仲林，谌俊旭，程亚娇，范元芳，李 凡，赵刚成，杨 峰，杨文钰

（四川农业大学农学院/农业部西南作物生理生态与耕作重点实验室，成都 611130）

氮素作为植物的生命元素，是构成叶绿素、蛋白质、核酸、激素和磷脂等的主要成分，在物质能量代谢、 细胞结构组成和生命活动调节中起到十分重要的作用。玉米作为易感氮作物，对氮素丰缺响应十分明显，被称为“氮指示作物”[1]。 而玉米在吐丝期对氮素的吸收速率和敏感度达到最大，其丰缺程度直接影响灌浆期氮素从叶片向籽粒的移动，其中穗位叶对籽粒产量和品质的贡献最大。 传统诊断玉米氮素状况的方法是田间诊断，而此种方法不能对玉米氮素进行精确的判断，经常造成施氮过量和缺失；也有通过作物离体化学分析方法测定[2]，但破坏性强、耗时费力且费用高，难以及时为玉米追肥提供决策。因此，有必要寻求一种快速、精确、无损、简便的方法来诊断玉米植株氮素营养水平，对于了解玉米植株氮素营养状况和科学施肥具有十分重要的意义。20世纪80年代初美国提出了精准农业的概念和设想，随之高光谱遥感技术应用而生并得到快速的发展和生产应用，而高光谱遥感技术具有快速、精确、无损和高效监测作物的长势[3]、病虫害[4]、水分状况[5]以及诊断作物营养状况[6]等特点，通过高光谱遥感技术监测玉米叶片氮素状况，为达到玉米高产、优质、高效的目的，是目前迫切需要解决的重要问题之一。

迄今为止，前人利用高光谱遥感技术监测作物氮素营养状况已经取得了很大的进展，并总结出了较多的光谱处理技术，如导数变换[7-8]、红边参数[9-10]、对数变换[11]、主成分分析[12]等。 王磊等[11]选取了单因素氮处理下春玉米叶片光谱波段510、550、580、630和720 nm，并构建单波段、单波段对数、双波段组合和双波段对数组合4 种形式的光谱参数，其中双波段对数组合的光谱参数与氮含量具有较高的拟合度；梁惠平等[13]等构建玉米氮素营养指数与红边/绿边比值参数、红外/近红外比值参数、红边敏感点参数等敏感光谱参数的逐步回归模型，具有较高的精确度和可靠性；B.Mistele 等[14]发现通过构建不同的比值指数对冬小麦氮素含量进行预测具有可行性；王克如等[15]利用棉株氮素含量的敏感波段构建了11 个光谱参数与氮素含量呈极显著相关；S.Daniela 等[16]利用483 和503 nm 构建的植被指数NDI 与水稻植株氮素含量具有较好的相关性，可以用于水稻氮素状况的监测； 也有大多数研究者采用较宽范围或较窄范围的光谱波段构建模型[17-20]，但对于宽窄波段组合的光谱参数研究较少。基于此，本试验研究了不同施氮水平下夏玉米吐丝期穗位叶光谱的变化特征，明确穗位叶氮素含量的敏感波段，通过构建8 种不同形式的宽窄波段组合植被指数，以提高对夏玉米氮素营养状况的估测精度，为精确诊断田间玉米氮素营养状况和精准施肥、科学施肥提供依据。

1 材料和方法

1.1 试验设计

本试验选用夏玉米品种登海605 作为研究材料，由山东登海种业股份有限公司选育而成。 于2015年在四川农业大学成都校区第3 教学实验楼进行盆栽试验，2015年3月28日于温室中穴盘播种育苗，玉米幼苗长至两叶一心时开始移栽，选取长势相同的幼苗移栽至装有15 kg 黄棕土的相同规格花盆（内径30 cm，深度25 cm）中，每盆两株。 试验采用单因素随机区组排列，设置5 个不同施氮处理：N0：0 kg/hm2；N1：170 kg/hm2；N2：340 kg/hm2；N3：500 kg/hm2；N4：625 kg/hm2，每个氮肥处理设置6 个重复。 氮肥（尿素）25%作为基肥施用，25%于幼苗成活后1 w 施入，50%用于拔节期追肥，磷肥（过磷酸钙）和钾肥（氯化钾）均以150 kg/hm2用量作为基肥一次性施用。盆栽按大田密度摆放，每天进行常规管理，于吐丝期测量玉米穗位叶叶片光谱并采样。

1.2 测定方法

1.2.1 光谱采集

本试验采用荷兰AvaField-3 便携式高光谱地物波谱仪（光谱范围为350～2 500 nm，采样间隔为0.6 nm，视场角为25°，选用400～1 000 nm 波段）对夏玉米吐丝期穗位叶进行叶片光谱数据测量。 每个处理连续选取一盆（2 株），将叶片伸展平铺在黑布上，用标准探头垂直放置在叶片中间较宽部分，避免探头对着叶脉，并保证叶片平展和测定面积相同，以提高光谱信息的稳定性和精确性[8]。每个穗位叶连续测量10 次，以其平均值作为该观测点的光谱反射值，测量前后及时用标准白板进行校正。

1.2.2 氮素测定

将叶片打孔放入纸袋并编号，置于烘箱105 ℃杀青1 h，80 ℃烘干至恒重，粉碎并过100 mm 网筛，同时将样品用自封袋密闭低温保存。 称取粉样0.1～0.2 g，采用法国Alliance 公司Futura 多通道连续流动分析仪测定氮素含量。

1.3 数据处理

采用Microsoft Excel 2010 整理数据，SPSS22.0进行统计分析，Origin 2017 作图以及使用Matlab 对光谱数据进行相关性分析。 根据穗位叶氮素敏感波段构建不同形式宽窄波段组合的植被指数，分析植被指数与叶片氮素含量之间的相关性，并与本研究所引用前人的植被指数进行比较（表1），筛选出相关性较好的植被指数用于构建预测模型予以验证。

2 结果与分析

2.1 不同施氮处理玉米穗位叶氮素含量的变化规律

如图1所示，随着施氮量的增加，玉米穗位叶氮含量随之增加，且各处理之间存在显著性差异（P＜0.05）；施氮处理N0、N1 分别与N2 比较，叶片氮含量迅速增加，其中N1 是N0 的1.42 倍，N2 是N1 的1.44 倍；而在施氮处理N3、N4 下，叶片氮含量缓慢增加，其中N3 是N2 的1.19 倍，N4 是N3 的1.1 倍。表明适当的增施氮肥可以促进玉米叶片对氮素的吸收和积累，而施氮过量会抑制玉米叶片对氮素的积累，使氮素积累速率显著下降，降低了氮肥的利用率。

表1 本研究所引用的植被指数Table 1 Vegetation index quoted in this study

图1 不同施氮处理下玉米穗位叶氮素含量Figure 1 Nitrogen content in ear leaves of maize under the different nitrogen treatments

2.2 玉米穗位叶原始及一阶导数光谱变化特征

不同的施氮处理导致玉米穗位叶光谱信息发生变化，如图2a 所示。 不同施氮处理玉米穗位叶光谱曲线变化趋势基本一致，在400～1 000 nm 范围内，施氮处理N2 与N0、N1 之间光谱反射率差异十分明显，与施氮处理N3、N4 反射率差异较小，与氮素含量变化规律相似。在可见光区域，穗位叶光谱反射率随施氮量增加而降低；由于叶片对绿光的强烈反射，导致554 nm 处出现一个明显的绿峰，最大反射率为16%，在680 nm 处出现一个反射红谷，最小反射率为4.9%；近红外光750～1 000 nm 波段范围内，穗位叶光谱反射率趋于平稳且出现一个较高的近红外平台，光谱反射率随施氮量增加而升高。

为了消除土壤和大气等外界环境因素对光谱信息的影响，对叶片原始光谱进行一阶导数处理，如图2b 所示。 一阶导数光谱曲线具有两个明显的波峰，其中在710 nm 左右出现红边幅值，随施氮量的增加，各处理对应红边幅值波长位置依次为698、703、709、714 和714 nm，红边位置向长波方向移动，出现“红移”现象，且红边幅值随施氮量增加而降低，N3 和N4 处理的红边位置和红边幅值无明显差异。

图2 不同施氮处理下玉米穗位叶光谱反射曲线Figure 2 The hyperspectral reflection in ear leaves of maize under the different nitrogen treatments

2.3 玉米穗位叶氮素含量与光谱数据相关分析

2.3.1 玉米穗位叶氮素含量与原始及一阶导数光谱相关分析

通过对玉米穗位叶原始及一阶导数光谱特征进行分析，发现与氮素含量变化规律相似，穗位叶光谱与氮素之间可能存在着某种关系；因此，对玉米穗位叶原始及一阶导数光谱与氮素含量进行相关性分析。如图3a 所示，穗位叶原始光谱与氮素含量的相关性在不同波段差异明显； 在418～740 nm范围内，叶片原始光谱与氮素含量呈现负相关，其中在448～736 nm 波段内达到显著负相关（P＜0.05），最小相关系数处于711 nm（P＜0.01，r=-0.95）；在741～1 000 nm 范围内，叶片原始光谱与氮素含量呈现正相关，其中748～1 000 nm 波段内达到显著正相关（P＜0.05），最大相关系数处于996 nm（P＜0.01，r=0.74）。

图3 玉米穗位叶氮素含量与原始及一阶导数光谱相关分析Figure 3 Correlation analysis of nitrogen content with original and first derivative spectra in ear leaves of maize

一阶导数光谱与氮素含量相关性分析如图3b所示，波段496～541 nm、681～706 nm 内一阶导数光谱与氮素含量相关性达到显著负相关（P＜0.05），最小相关系数处于697 nm（P＜0.01，r=-0.95）；在710～762 nm 波段内，一阶导数光谱与氮素含量达到显著正相关（P＜0.05），最大相关系数处于742 nm（P＜0.01，r=0.92），发现最小相关系数和最大相关系数均处于红边范围内。

2.3.2 宽窄波段组合植被指数的构建

根据图3玉米穗位叶氮素含量与光谱相关性曲线选择相关性较好的窄波段、宽波段的反射率，如红谷（680 nm）、红边位置（711 nm）、红边范围（680～760 nm）和近红外波段（800～900 nm）等，构建如表2所示的宽窄波段组合植被指数，依次为：①近红外波段与红边敏感波长植被指数； ②近红外波段与红边波段植被指数； ③近红外波段与压缩后的红边波段植被指数； ④红边波段修正后的近红外波段与红边敏感波长植被指数； ⑤压缩后的红边波段修正近红外波段与红边敏感波长植被指数； ⑥红谷波长修饰红外波段与红谷修饰后的红边敏感波长植被指数；⑦红谷修饰后的两个敏感波长植被指数； ⑧红光波段修饰后的近红外波段与红边敏感波长植被指数。

2.3.3 玉米穗位叶氮素含量与植被指数相关分析

通过对本研究所选用的10 个植被指数和构建的8 个宽窄波段组合植被指数与玉米穗位叶氮素含量进行相关性分析，如表3所示。

表3 玉米穗位叶氮素含量与植被指数相关分析Table 3 Correlation analysis of maize ear nitrogen content and vegetation index

结果表明，所选的10 个植被指数与氮素含量均达到极显著相关（P＜0.01），其中红边模型REM、地面叶绿素指数MTCI、修正简单比值指数mSR705和修正归一化差异指数mND705的相关系数较高（r＞0.90），以mND705的相关系数最大，为0.95；以转化叶绿素吸收反射指数TCARI 和修正叶绿素吸收反射指数MCARI 的相关系数最小，均为-0.94。

构建的宽窄波段组合植被指数与氮素含量的相关性均达到极显著正相关（P＜0.01），相关系数总体较本研究引用的植被指数要高（r＞0.93），其中植被指数［R（800-900）+R（650-670）］/R711 的相关系数最大，为0.96。

2.4 玉米穗位叶氮素含量估测模型的构建与检验

2.4.1 玉米穗位叶氮素含量估测模型的构建

上述分析发现，本研究构建的宽窄波段组合植被指数的相关性总体比前人采用的植被指数要好。因此，利用8 个宽窄波段组合植被指数为自变量（x），氮素含量为因变量（y），构建玉米穗位叶氮素含量的线性和非线性回归模型，用于构建模型的样本数为15 个，如表4所示。本研究采用5 种拟合模型，分别如下：

线性函数：y=ax+b；

二次函数：y=ax2+bx+c；

指数函数：y=a×ebx；

对数函数：y=a×In（x）+b；

乘幂函数：y=a×xb。

结果表明，利用8 个宽窄波段组合的植被指数构建的氮素含量估测模型决定系数较高（R2＞0.8），表明宽窄波段组合的植被指数与氮素含量存在拟合度较高的回归关系； 进一步发现各植被指数构建的估测模型均以乘幂函数的决定系数R2和F 值最高；进一步发现各植被指数构建的估测模型中，以植被指数[R（800-900）+R（650-670）]/R711 构建的5 个估测模型拟合度要高，其中以乘幂函数y=0.1374x1.621决定系数R2和F 检验值最高，分别为0.93 和172.73，表明可以利用构建的植被指数对氮素含量进行估测。

2.4.2 玉米穗位叶氮素含量估测模型的检验

本研究计算了预测值和实测值的决定系数（R2）、均方根误差（RMSE）和相对分析误差（RPD）对上述构建的植被指数乘幂函数估测模型进行精度检验，用于检验的样本数为15 个，如图4所示。所构建的8 个乘幂函数模型估算的预测值和实测值之间存在较大的决定系数（R2＞0.8）和较小的RMSE，表明估测模型检验效果较好；基于植被指数[R（800-900）-R（692-729）]/R711 构建的乘幂函数模型检验精度最好，其R2、RMSE 和RPD 分 别 为0.92、0.09 和5.04；其次基于植被指数[R（800-900）+R（650-670）]/R711 构建的乘幂函数模型检验精度较好，其R2、RMSE 和RPD 分别为0.92、0.09 和5.00； 这两个估测模型的R2、RMSE 和RPD 差异较小，对于估测玉米穗位叶氮素含量均具有较好的符合度和预测性。

3 讨论与结论

本试验研究了夏玉米在吐丝期的穗位叶光谱变化规律，并对不同施氮处理下的氮素含量与叶片光谱和植被指数进行相关分析，构建了氮素含量估测模型。 本研究发现，在N0 处理下增施氮肥，氮素含量明显提升，如N1、N2，而N3 和N4 处理的施氮量超过玉米正常需氮水平时，氮素含量提升幅度不明显，这与赵靓等研究结果相似[26]，说明过量增施氮肥不仅会引起氮素的浪费，而且会降低氮肥利用率，甚至降低玉米的产量和品质。因此，根据玉米穗位叶的氮素情况，适量追施氮肥，可有效避免氮营养元素的浪费及提高玉米产量和品质[27]。

可见光波段400～700 nm 主要受叶绿素等光合色素的影响，叶绿素对光产生强烈吸收作用，而氮素作为核酸、蛋白质和酶等主要成分，有利于玉米叶片叶绿素的合成，且其含量随施氮量的增加而增加，导致光谱反射率逐渐降低，绿峰（554 nm）处差异尤为突出[2]。 近红外波段700～1 000 nm 主要受叶片内部组织结构起主导作用；本研究中，近红外波段光谱反射率随施氮量增加而升高，可能是由于施氮量较少的叶片细胞小且组织结构紧密，吸收了大量的近红外光，而施氮量较多的叶片细胞间隙较大，导致近红外光发生较多的反射和漫射[28]。 说明不同的施氮量会导致玉米叶片性状、 物理特征和生理生化参数发生变化，进而导致叶片对光的反射、吸收和透射的不同，以及叶片光谱反射率的不同；由此，在不同施氮处理下穗位叶叶片光谱曲线上表现出明显的差异。

有研究表明，红边特征参数[29]和近红外波段光谱反射率[30]可以预测氮素含量；本研究发现玉米穗位叶氮素含量与红谷（680 nm）、红边位置（711 nm）、红边范围（680～760 nm）和近红外波段（800～900 nm）光谱反射率等敏感波段具有较好的相关性，可用于预测氮素含量。 本研究构建的宽窄波段组合植被指数和氮素含量的相关性高于单一敏感波段，与刘冰峰等[31]筛选的特征波段和全氮含量的相关性相比，也具有较好的优越性，主要是因为单一光谱参数易受到土壤、噪声和大气散射等偶然因素的影响；同时比较了宽窄波段组合植被指数和前人的植被指数与氮素含量的相关性，发现宽窄波段组合植被指数较优，可以更好地反映玉米穗位叶氮素状况。 因此，利用本研究构建的植被指数具有更好的优越性、 估测效果更佳。

表4 玉米穗位叶氮素含量与植被指数的估测模型（n=15）Table 4 Estimation model of maize ear nitrogen content and vegetation index（n=15）

图4 玉米穗位叶氮素含量估测模型的精度检验（n=15）Figure 4 Accuracy test of maize ear nitrogen content estimation model（n=15）

利用宽窄波段组合植被指数构建的5 个拟合模型中，均以乘幂函数估测模型具有较高的精度，与王磊等[11]利用对数处理的光谱参数构建的线性拟合模型相比，决定系数略低，可能是由于未对构建的植被指数中某些单一波段（680 nm 和711 nm）进行处理，导致估测模型稳定性降低；因此，对窄波段和宽波段进行对数处理，构建对数宽窄波段组合的植被指数，可能会提高估测模型的精确度和稳定性。

本研究考察的一个品种盆栽试验具有较大的局限性，还需多品种、多年份进行多点试验，更进一步探讨宽波段和窄波段的宽度变化能否优化植被指数，并验证宽窄波段组合植被指数的普适性和代表性，提高反演潜力。

因此，通过分析发现不同施氮处理下玉米穗位叶氮素含量和光谱特征存在差异；在700～1 000 nm近红外波段区域内，玉米穗位叶原始光谱反射率随施氮量的增加而升高，与氮素含量变化规律相似；各处理一阶导数光谱的红边位置处于710 nm 左右，且红边位置随施氮量的增加向长波方向移动，红边幅值逐渐降低； 光谱特征参数和引用的植被指数与穗位叶氮素含量有较高的相关性，但低于本研究构建的宽窄波段组合植被指数（r＞0.93）；基于宽窄波段组合植被指数建立的估测模型中，以植被指数[R（800-900）-R（692-729）]/R711 和植被指数[R（800-900）+R （650-670）]/R711 构建的乘幂函数估测模型具有较好的拟合度和可靠性，R2和RMSE 分别为0.92 和0.09，可以用于诊断玉米叶片氮素营养状况。