南丰蜜桔叶片氮含量光谱监测模型的构建

舒时富 李艳大 叶春 吴罗发 黄俊宝 陈立才 王康军 陈盾

摘要：为了快速无损地监测南丰蜜桔叶片氮含量，于南丰蜜桔关键生长期取样测定叶片氮含量和叶片光谱数据，筛选出南丰蜜桔叶片氮含量的敏感光谱波段和最佳植被指数，构建南丰蜜桔叶绿素含量光谱监测模型。结果表明，基于南丰蜜桔叶片氮含量监测敏感光谱波段552nm和817nm构建的光谱监测模型（y= -0.285x2+2.854x +7.953， R2=0.835）的效果最佳。可以利用光谱技术进行南丰蜜桔叶片氮素水平的检测和诊断，指导精量施肥。

关键词：光谱模型;氮素;南丰蜜桔

中图分类号：S-3

文献标识码：A

DOI：10.19754/j.nyyjs.20191215002

南丰蜜桔有“贡桔”之美称，种植面积达6.67万hm2，产值超过100亿元。营养条件影响南丰蜜桔的生长发育、产量形成及果实品质优劣。营养肥料中，氮肥是南丰蜜桔需求最大、消耗最多、对生长影响最显著的。南丰蜜桔对缺氮较为敏感，缺氮会致使新梢抽生不正常， 枝叶稀少而细小， 叶薄， 叶色呈淡绿色至黄色， 病叶提前脱落;而氮素过多，会使果实皮粗果大。叶片是诊断缺氮的最为有效的方法。近年来，关于果树的养分监测诊断已取得初步成效，这表明利用光谱技术监测植物营养状态是有效可行的。因此，构建基于光谱特征的南丰蜜桔氮素监测诊断模型，实现南丰蜜桔氮肥的精确管理，可提高南丰蜜桔生产的科学化水平，改善南丰蜜桔品质，促进南丰蜜桔产业的可持续发展。

1材料与方法

1.1南丰蜜桔树样本管理

试验于2016—2018年在江西省南丰县蜜桔产业局桔园进行，果园面积约1.667hm2，树龄平均为10a，株行距约3m×3m。试验设置4个施氮水平，氮肥分别为0kg/株、0.5kg/株、1.0kg/株、1.5kg/株，分别在春梢、夏梢和秋梢前分3次施入。磷肥和钾肥的施入量均相同。

1.2数据获取

光谱数据获取仪器为美国ASD公司的Field Spec Hand Held2便携式光谱仪，波段为350～1075nm，光谱获取时间为10：00—14：00之间，光谱测定时光纤垂直向下。

光谱测定的叶片选取南丰蜜桔果树上、中、下3个位置的正常健康叶片，每个位置的叶片选5片。将采集的叶片，表面用酒精擦干净后，用ASD光纤对准叶片的中部位置（避开叶脉）连续测定3次，取其平均值为叶片的光谱数据。

叶片氮含量的测定，将采集的南丰蜜桔叶片用酒精擦洗，再用去蒸馏水漂洗干净。放入烘箱中105℃杀青30min，再用80℃烘干48h以上。使用凯氏定氮法进行叶片氮含量的测定。

1.3模型的构建

提取每个样本叶片的平均光谱反射曲线，分析所提取的光谱数据和每个样本叶片氮含量之间的相关性。通过获取双波段植被指数（TBVI=（Rλ1-Rλ2）/（Rλ1+Rλ2）。确定光谱数据与叶片氮含量之间相关系数达到最高TBVI值，从而获得计算该最优TBVI值的波段，并利用敏感波段建立基于光谱数据的含氮量关系模型（Rλ表示波长λ处的光谱反射率）。

选择任意80%的数据进行建模，剩余20%的数据用以验证模型的效果。使用数据分别建立不同光谱模型，选取出效果最好的函数模型，最后验证所建模型的预测效果。

2结果与分析

2.1叶片的光谱特性

将获取的光谱数据进行预处理，进行一阶导数、二阶导数处理，以及进行平滑处理，然后分析南丰蜜桔叶片不同含氮水平下的光谱特征（图1）。从图1中可知，不同氮含量的样本其光谱曲线走势一致，其中在560nm处有1个强反射峰，在690～720nm范围内反射率迅速增大，在720～1075nm范围内反射率处于高位，且随着波长增加呈先降低又升高的趨势。不同叶片氮水平样本之间，在325～1075nm范围内，光谱反射率随叶片含氮量的增加而显著增加，表明南丰蜜桔的光谱特征可以作为监测叶片氮含量的有效方法。

2.2模型的构建及验证

在叶片高光谱数据所有波段中选取任意的2个波段λ1和λ2，把它们的光谱反射率值代入TVBI公式，采用Matlab软件将TVBI数值与叶片氮含量进行相关性分析。结果表明，由525nm、817nm 2个波段计算得到的TVBI值与叶片氮含量的相关性最高（R2=0.835）。确定了南丰蜜桔叶片氮水平的敏感双波段为552nm和817nm。根据敏感波段建立南丰蜜桔叶片氮含量的预测模型，分别构建了差值植被指数（DVI）模型方程（y=-0.285x2+2.854x+7.953，R2=0.835）、比值植被指数（RVI） 模型方程（y= -0.106x2 + 1.485x + 3.519，R2=0.621）和归一化植被指数（NDVI）模型方程（y= -0.114x2+4.737x+3.716，R2=0.514）。从结果中可知，不同光谱植被指数与叶片氮含量之间的相关性有显著差异。叶片氮含量与差值植被指数相关性较高，叶片氮含量与差值植被指数构建的回归模型的相关性最高（R2=0.835）。

为了验证双波段模型的预测效果，采用根均方差（RMSE）的方法对模型的模拟值与实际观测值进行分析统计，绘制出模拟值与观测值之间的1∶1关系图，可以直观展示观测值与模拟值之间的拟合度及可靠性。从图2中可以看出，采用敏感双波段552nm、817nm差值植被指数构建的叶片氮素监测模型具有良好的预测效果（R2=0.88，RMSE=0.19），表明基于双波段552nm、817nm差值植被指数的叶片氮素监测模型对南丰蜜桔叶片氮含量具有较好的监测性。

3小结

近年来，基于地物光谱特性的光谱技术快速发展，实时、快速、无损、定量地获取植株营养状况成为可能，为植物生长的无损监测和快速诊断调控提供了新的方法。本研究通过SAD光谱仪，获取南丰蜜桔叶片光谱特征，筛选出了552nm、817nm的敏感双波段，并与叶片氮含量进行相关性分析，构建出了基于差值植被指数的叶片氮含量光谱监测模型（y=-0.285x2+2.854x +7.953），通过验证表明光谱模型具有较好的预测效果。研究结果为南丰蜜桔的氮肥精确管理提供了理论依据与技术途径。本次研究只针对单叶片进行，对南丰蜜桔整体的监测具有一定的局限性。南丰蜜桔为多年生果树，其整个冠层氮素的变化更为复杂，需要开展更多深入的试验研究。

参考文献

[1] 刁莉华.柑橘叶片营养元素含量的季节变化[D].重庆：西南大学，2013.

[2]Daughtry C S T， Wahhall C L， Kim M S， et a1. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J]. Remote Sensing of Environment， 2000， 74（2）：229-239.

[3]周冬琴.基于冠层反射光谱的水稻氮素营养与籽粒品质监测[D].南京：南京农业大学，2007.

[4]叶春，李艳大，舒时富，等. 基于高光谱的柑橘叶片氮素营养监测模型[J].江苏农业科学，2018，46（7）： 223-226.

[5]岳学军，全东平，洪添胜，等. 柑橘叶片叶绿素含量高光谱无损检测模型[J].农业工程学报，2015，31（1）：294-302.

[6]李艳大，舒时富，陈立才，等. 基于便携式作物生长监测诊断仪的江西双季稻氮肥调控研究[J].农业工程学报， 2019，35（2） ：100-106.

作者简介：

舒时富（1986-），男，硕士，助理研究员。研究方向：农业工程等。