有序机抛条件下杂交稻SPAD值光谱估算模型

2021-01-12胡海燕阳会兵

农业研究与应用 2021年5期

胡海燕阳会兵

摘要：在轻简化栽培技术的前提下，研究有序机抛条件下水稻不同生育期叶绿素相对含量的光谱估算模型。分析水稻叶片SPAD 值与冠层一阶微分光谱的相关性，选取相关系数最大的波段作为敏感波长，建立了基于敏感波长的线性、指数和多项式的SPAD 值估算模型，并利用决定系数（R2）、均方根误差（RMSE）以及相对误差（RE）对模型精度进行评价。结果表明：在近红外波段（780～1000nm），杂交稻不同生育时期的光谱反射率差异较大;各生育期的SPAD值与冠层光谱相关性较好，分蘖期R439=0.7182、孕穗期R773=0.8294、齐穗期R669=0.7761和灌浆期R994=0.8028的多项式模型的SPAD值含量估测效果较好;孕穗期的模型拟合效果最佳。

关键词：有序机抛;杂交稻;SPAD值;冠层光谱

中图分类号：S511;TP7 文献标志码：A

Spectral Estimation Model for SPAD Value of Hybrid Rice under Orderly Throwing Cultivation

HU Haiyan， YANG Huibing*

（College of Agriculture， Hunan Agricultural University，

Changsha， Hunan 410128， China）

Abstract： Based on the light simplified cultivation techniques， the spectral estimation model of chlorophyll relative content of rice at different growth stages under orderly throwing cultivation was studied. The correlation between the SPAD value of rice leaves and the first-order differential spectrum of canopy was analyzed， and the band with the largest correlation coefficient was selected as the sensitive wavelength to establish the linear， exponential and polynomial SPAD value estimation model based on the sensitive wavelength， and the accuracy of the model was evaluated by using the determination coefficient （R2）， root mean square error （RMSE） and relative error （RE）. The results showed that the spectral reflectance of hybrid rice at different growth stages varied greatly in the near infrared band （780～1000 nm）; the correlation between SPAD value and canopy spectrum at each growth stage was good. The polynomial model with R439 = 0.7182 at tillering stage， R773 = 0.8294 at booting stage， R669 = 0.7761 at full heading stage and R994 = 0.8028 at filling stage had better estimation effect; the model fitting effect at booting stage was the best.

Key words： Orderly machine throwing; hybrid rice; SPAD value; canopy spectrum

水稻是我國重要的粮食作物之一，在保障国家粮食安全方面起了极其重要的作用。随着农村劳动力的减少以及现代农业的进步与发展，人们对水稻种植的机械化需求增加，而传统人工栽插的水稻种植方式已经无法适应日益发展的水稻生产需求[1]。为保证口粮安全，我国传统水稻生产方式朝机械化、轻简化的方向转型[2]。而目前机械移栽技术是水稻全程机械化生产方面的瓶颈和热点。水稻有序机抛技术作为湖南省主推的水稻栽培新技术之一，其工作效率高，且生产效益好[3]。再加上目前农业生产领域“一控两减三基本”战略中的“两减”是要求减少化肥、农药使用总量，研究有序机抛技术条件增密减肥轻简化栽培具有现实意义。

叶绿素含量是影响植物光合作用能力、反映植物生长发育状况的重要指标[4]。叶绿素含量变化也是植物长势监测的重要指标。而SPAD值代表植物叶片叶绿素含量的相对值，同时也可以反映了植物的绿色程度，且能在一定程度上评价作物的生长状况[5，6]。因此，对植物SPAD值的监测与研究具有重要意义。目前国内外很多学者在高光谱估测SPAD值方面做了大量的研究。唐延林等（2003年）测定了不同品种不同供氮条件下的水稻冠层高光谱反射率和对应的叶绿素和类胡萝卜素含量，分析出由微分光谱所得的红边位置、红边斜率和植被指数与冠层叶绿素、类胡萝卜素含量显著相关[7]。孙小香等（2018年）发现利用主成分分析结合支持向量回归构建的模型能很好的预测SPAD值[8]。孙玉婷等（2020年）通过多种植被指数与光谱位置参数与SPAD值的相关性研究，发现选择相关性高的信息作为建模输入，得到更理想的建模结果[9]。由此可见，国内已有研究在水稻SPAD值与光谱的研究方面，注重于通过建模方法以及光谱特征参数的丰富来提升模型精度。但由于地形地势及种植面积等多种因素限制，高光谱技术与水稻全程机械化相结合的研究较少，普适性不够强。

本研究采集水稻关键生育期的光谱数据和SPAD 值，分析一阶微分光谱数据与SPAD值的相关关系，利用相关性最强的波段分别建立不同生育期水稻SPAD 值的一元线性、指数、多项式的预测模型，通过计算模型的 R2、RMSE 和 RE 等对模型精度进行验证和比较，得出最优模型，并通过1：1的线性拟合，得出建模效果最佳的生育时期。

1 材料与方法

1.1 试验区概况与试验条件

1.1.1 试验区概况

试验地点位于湖南农业大学浏阳教学科研综合基地（113°84′E，28°30′N），试验区面积0.5 hm2，系丘陵小盆地，属亚热带季风湿润气候，年平均气温17.3 ℃，1月平均气温5.4 ℃，7月平均气温28.7 ℃，年均降水量1358.6～1552.5 mm。土壤为潴育性水稻土，有机碳、全氮、全磷、全钾含量分别为 29.1、1.58、0.49、14.62g/kg，pH值为5.71。前茬为油菜，还田生物量较大，试验区的总体施肥水平略低于冬闲田。

1.1.2 供试品种

供试品种选用湖南水稻生产主推的晶两优华占（由晶4155S和华占杂交选育而成），该品种在长江中下游作一季中稻种植，全生育期138.5天。

1.1.3 有序机抛技术体系

水稻有序机抛技术是2020年湖南省主推的水稻栽培新技术之一，其技术体系包括流水线播种、智能催芽、机钵体育秧、有序抛栽等核心技术。实现了水稻移栽机械化、精量化、有序化（成行成穴），通过使用水稻有序抛秧机将秧苗在水田中抛成规则行与蔸，并按高产要求促控管理，能有效解决传统抛秧栽培与种植方式的无序性和低效性[10]。

1.2 试验设计

由于试验田基础肥力一致，考虑全程机械化作业的可操作性和现有机械的行距设置档位情况，采用裂区试验设计。主区为机抛密度，设3种密度处理：低密度（16万穴/hm2）、中密度（19万穴/hm2）、高密度（24万穴/hm2），分别用D1、D2、D3表示。副区为施肥量，设2种施肥处理：常规施肥（复合肥600 kg/hm2、尿素225 kg/hm2、氯化钾105 kg/hm2）和减少施肥（复合肥450 kg/hm2、尿素225 kg/hm2、氯化钾105 kg/hm2），分别用N1和N2表示。共6个不同的密度及施肥处理，每个处理设3次重复，共计18个小区，小区面积为260 m2（20 m×13 m）。试验处理以外的水分管理以及病虫防治均采用常规技术。

试验于2020年5-9月在湖南农业大学浏阳教学科研综合基地进行。5月3日浸種，5月5日播种育秧，5月23日采用中联重科抛秧机进行移栽， 9月7日用收割机收获。

1.3 数据采集

1.3.1 光谱数据采集

水稻冠层光谱采用美国 ASD 公司生产的 Hand Held 2 手持地物光谱仪进行测定，该仪器波段为325～1075 nm，其中光谱分辨率 <3 nm@700 nm，波长精度为1 nm。于水稻分蘖盛期（6月17日）、孕穗期（7月14日）、齐穗期（8月17日）、灌浆中期（8月22日）等关键生育时期，选择天气晴朗、无风或者风速微弱的北京时间 10：00—14：00 进行数据采集。测量时保持仪器垂直向下，距水稻冠层垂直高度约70 cm，且每3个重复的小区测定前均用自带的标准白板校正1次。每个小区选取5个有代表性的样本点进行光谱测定，取平均值作为该小区的最终光谱反射值，本试验设 3 次重复，6个处理，每个生育期采集90条光谱数据。

1.3.2 SPAD 值测定

水稻SPAD值采用日本KONICA MINOLTA公司生产的 SPAD-502Plus 叶绿素计进行测定。光谱数据采集当天，在对应测定冠层光谱的样点处选择一株，每株避开叶脉测定 5 次叶片的SPAD 值，取平均值作为该样点的SPAD值。每小区共测量 5 株，取平均值作为该小区的叶绿素含量，本试验设 3 次重复，6 个处理，每个生育期采集90个SPAD 值数据。

1.4 数据处理

本试验在水稻4个关键生育期测定SPAD值与冠层光谱数据。6个处理，每个处理设 3 次重复，共18个小区，每个小区测量冠层光谱和 SPAD 值各5个，每次采集90组样点数据，全生育期共获得 360组样点的数据，分析建模时将每个生育期中的90 组样点数据按照分层随机抽样法选取 60组作为建模集，剩余 30组作为检验集。

首先，利用View Spec Pro 6.0软件对采集到的光谱数据进行预处理，将原始光谱进行拼接校正，平滑光谱曲线，并对原始光谱数据进行一阶微分求导，输出原始光谱反射率和一阶微分光谱值。考虑到噪声影响，选取400～1000nm的波长进行数据分析，利用Excel和SPSS 17.0软件分析水稻冠层光谱数据和SPAD值的相关关系，再根据各生育期一阶微分光谱与SPAD值的相关关系选择相关系数最大的波段即特征波段，构建一元线性、指数和多项式叶绿素含量反演模型，用 OriginPro 2021b软件进行绘图。

采用决定系数（R2）、均方根误差（RMSE）以及相对误差（RE）等指标对模型进行验证与评价。R2越大，RMSE和RE越小，说明模型的精度越好。RMSE和RE的计算公式如下：

（yi代表实测值，<E：＼H盘的＼2017年广西热作＼2021年＼第5期＼b胡海燕1.tif>代表预测值，n是样本数）

2 结果与分析

2.1 不同生育期水稻冠层反射光谱的特征

对供试水稻4个关键生育期的冠层原始光谱及一阶微分光谱反射率数据进行平均计算，得出如图1、2所示的各关键生育时期的冠层原始光谱及一阶微分光谱反射率的曲线。由图 1可知，在可见光区域（400～730nm），各生育期冠层原始光谱反射率差异较小，光谱反射率随生育期的递进呈上升趋势，表现为分蘖期<孕穗期<齐穗期<灌浆期。而在近红外波段（760～1000 nm），各生育期的光谱反射率差异较大。随着生育期的递进，光谱反射率先上升后下降。从分蘖期到齐穗期，光谱反射率上升，且在齐穗期达到最大值，这是由于孕穗期是水稻由营养生长的积累转向生殖生长的阶段，叶片饱满，冠层面积变大，光谱反射率高。而齐穗期到成熟灌浆期，光谱反射率整体是下降的，可见进入生殖生长后，水稻光合作用产生的能量主要进入稻穗以保证其生殖发育，叶片及茎秆叶绿素含量降低开始枯黄，叶面积也减少，因此对近红外光反射减少，光谱反射率整体相应下降[11]。

由图2可知，各生育期在红光范围内（680～760 nm）特征较为明显，由分蘖期到齐穗期，水稻光谱的红边位置保持在726 nm处不变，表明水稻生长状况稳定。到灌浆期红边位置移动到716 nm处，即出现“蓝移”，这是由于进入灌浆期水稻叶片叶绿素含量降低，叶片枯黄且覆盖率降低所致。

2.2 水稻冠层一阶微分光谱与SPAD值的相关性分析

将各生育期水稻一阶微分光谱反射率与其对应的SPAD值分别进行相关性分析（n=60），得到如图3所示结果。由图3可知，供试水稻不同生育期一阶微分光谱反射率与SPAD值的相关系数变化规律不太明显，且相关系数不太稳定，只有在680～760 nm的红边区域较为稳定。各生育期都有多处波段达显著性甚至极显著相关，其中孕穗期的最多，可见孕穗期冠层一阶微分光谱反射率与对应的SPAD值相关性最为稳定且明显，这与田容才[12]等的研究基本类似。

2.3 基于敏感波段的SPAD值估算模型构建

根据各生育期水稻冠层一阶微分光谱反射率与叶绿素含量的相关性，选择相关系数最大的波段作为SPAD值估测的敏感波长。分蘖期一阶微分光谱反射率与相应SPAD值的最大相关系数是0.7182，对应波长439 nm;孕穗期最大相关系数是0.8294，对应波长773 nm;齐穗期最大相关系数是-0.7761，对应波长669 nm;灌浆期最大相关系数是-0.8028，对应波长为994 nm。因此根据各生育期选取的特征波长分别构建SPAD值的线性、指数以及多项式回归模型，并计算各个模型的R2、RMSE和RE（表1）。由表 1 可知：各关键生育期SPAD 值估算模型效果均较好，决定系数都在0.5以上。各生育期构建的模型中，除齐穗期是线性模型表现最差外，其余三个生育期都以指数模型表现最差，而多项式模型在每个生育期都表现为最优（R2最大，RMSE和 RE最小）。

2.4 模型优选与验证

通过上述分析，基于敏感波长选取各生育期表现最优的多项式模型：分蘖期的y =-3E+06x2 + 5016.2x + 41.083，孕穗期的y =-755533x2 + 9137.1x + 31.868，齐穗期的y = 3E+06x2 - 3942.6x + 41.222，灌浆期的y =-75005x2-1979.3x+39.597作为SPAD值的估测模型。用各生育期剩余的30组实测的数据，分别用构建的模型求出预测的SPAD值。再将每个生育期的30组预测值与实测值进行线性拟合，得到验证集的R2，并计算得到各模型相应的RMSE和RE（图4）。由图4可知，各生育期最佳模型的验证结果都表现较好。不同生育期模型精度存在差异，总体表现为齐穗期和孕穗期模型精度最高，其次是灌浆期，最后是分蘖期。结合表1和图4，孕穗期多项式模型效果最好，其建模集R2、RMSE和RE分别为0.688、1.336和2.572%，验证集R2、RMSE和RE分别为0.633、0.691和1.290%。

3 结论与讨论

目前高光谱遥感监测植物长势的研究主要集中于植物的叶片[13]和冠层[14]两个方面，本研究采集水稻冠层关键生育期（分蘖期、孕穗期、齐穗期及灌浆期）的光谱数据，通过分析各生育期冠层一阶微分光谱反射率与叶片SPAD值的相关性，构建了水稻SPAD值光谱估算模型，并对模型反演精度进行了比较，得到如下结论：1）分析各生育期水稻冠层光谱曲线特征，在可见光波段差异较小，在近红外光波段差异较大。且从孕穗期开始随着生育期的递进，SPAD值与光谱反射率的相关性降低，这与严林[15]等的研究类似;2）通过对水稻冠层一阶微分光谱与SPAD值的相关性分析，得到了各生育期敏感波段，分别为分蘖期（439 nm）、孕穗期（773 nm）、齐穗期（669 nm）与灌浆期（994 nm）; 3）各生育期构建的线性、指数和多项式模型中均表现为多项式模型的SPAD值含量估测效果较好，且经过模型检验，其中孕穗期的模型拟合效果最佳，其建模集R2、RMSE和RE分别为0.688、1.336和2.572%，验证集R2、RMSE和RE分别为0.633、0.691和1.290%。

本研究基于全程机械化有序机抛技术对水稻各生育期建立了SPAD值的光谱估算模型，旨在为全程机械化及轻简化栽培下的水稻遥感监测提供数据支撑，构建的模型精度较好，能为水稻遥感的监测长势提供参考。但应用的建模方法较为基础，得出的结果适应性不够强，且仅通过研究SPAD值与水稻冠层光谱的关系无法反映作物生长状况以及轻简化栽培技术的实际效果，今后将继续在此基础下探究其他生长指标以及产量等的光谱估测模型构建，并在建模方法上做进一步探究。

参考文献

[1] 魏國俊，刘颖.水稻种植农艺和机械化技术发展趋势研究[J]. 江苏农机化，2020（5）：38-

41.

[2] 王慰亲，唐启源，陈元伟，等.水稻机械精量有序抛秧栽培的产量形成和生长发育特征研究[J].作物学报，2021，47（5）：942-951.

[3] 罗友谊，王慰亲，郑华斌，等.不同机械有序种植方式对水稻生长特性及产量的影响[J].中国农业科技导报，2021，23（7）：162-171.

[4] Collins W. Remote sensing of crop type and maturity[J]. Photogrammetric Engineering and Remote Sensing， 1978，44（1）：43-55.

[5] 艾天成，李方敏，周治安，等.作物叶片叶绿素含量与SPAD值相关性研究[J].湖北农学院学报，2000，20（1）：6-8.

[6] 赵小敏，孙小香，王芳东，等.水稻高光谱遥感监测研究综述[J]. 江西农业大学学报，2019， 41（1）：1-12.

[7] 唐延林，王纪华，黄敬峰，等.水稻成熟过程中高光谱与叶绿素、类胡萝卜素的变化规律研究[J].农业工程学报，2003，19（6）：167-173.

[8] 孙小香，王芳东，郭熙，等.基于水稻冠层高光谱的叶片SPAD值估算模型研究[J].江西农业大学学报，2018，40（3）：444-453.

[9] 孙玉婷，杨红云，孙爱珍，等.水稻叶片SPAD值的高光谱估算模型[J]. 南方农业学报，

2020，51（5）：1062-1069.