不同作物叶片和茎全磷含量与高光谱植被指数的关系

许嘉桐，陈书涛，张苗苗，夏 可，王 晖

（1. 南京信息工程大学 江苏省农业气象重点实验室，江苏 南京 210044；2. 南京信息工程大学 应用气象学院，江苏 南京 210044）

磷是农田作物生长所必需的元素之一，作物磷含量决定着作物生长状况的优劣，并影响形成的籽粒产量大小和籽粒品质[1]。叶片是作物进行光合作用的主要器官，叶片磷含量影响光合作用效率[2⁃3]，进而影响干物质积累。茎中的磷来自根系吸收的磷，不仅输送到叶片中，而且在作物生长后期供给籽粒中的磷积累。研究作物叶片、茎全磷含量状况对于农业生产具有重要意义。

作物叶片、茎磷元素含量与作物生理生态特征和生长状况有关[4]，基于冠层高光谱反射率的植被指数可反映作物生理生态特征及生长状况[5⁃6]。在以往研究中，高光谱植被指数在反映作物营养元素含量和长势方面显示了巨大优势，通过建立作物某种营养元素含量与某些高光谱植被指数之间的数值模型可对作物营养元素含量状况进行大范围模拟和估算[7⁃9]。我国农田生态系统中种植的作物类型较多，冬小麦、油菜、蚕豆、大豆、玉米、红薯等作物的种植范围均较广，不同作物在生理生态特征和生长状况方面存在很大差异，这可能会导致作物营养元素与高光谱植被指数之间的关系存在差异[10⁃11]。以往关于作物（如冬小麦、玉米）叶片或地上部分营养元素含量与高光谱植被指数之间关系的研究主要集中在氮元素上[12⁃14]，而对于磷元素的研究鲜见报道[15]。鉴于此，设置2 个生长季的田间试验，种植冬小麦、油菜、蚕豆、大豆、玉米、红薯6种作物，测定不同生长阶段的叶片、茎全磷含量和高光谱冠层反射率，进而计算高光谱植被指数，以分析不同作物叶片和茎全磷含量与不同高光谱植被指数的关系，并建立基于高光谱植被指数的模拟模型，为利用高光谱遥感对不同作物叶片和茎磷元素含量进行大范围估算提供基础数据和理论支撑。

1 材料和方法

1.1 试验地点

在南京信息工程大学农业气象试验站（32°12′N，118°42′E）进行田间试验。试验地年平均降水量1 106.5 mm，年平均温度15.4 ℃，年平均日照时数1 902.5 h。供试土壤为黄棕壤（灰马肝土属）。0～20 cm耕层土壤质地为壤质黏土，容重1.54 g/cm3，pH值为6.50，有机碳、全氮含量分别为7.40、0.92 g/kg，有效磷含量20.80 mg/kg。

1.2 试验设计

设置随机区组试验，3个区组（重复），每个区组设置3 个种植不同作物的小区，每个小区面积为3 m×3 m，共9 个小区。于2020 年11 月至2021 年5月种植3 种越冬夏熟作物冬小麦（Triticum aestivumL.）、油菜（Brassica napusL.）、蚕豆（Vicia fabaL.），品种分别为宁麦13、德兴油558、七粒香。2020 年11 月3 日播种，同日以复合肥形式基施肥料，N、P2O5、K2O 施用量均为7.7 g/m2，2021 年1 月12日追施尿素（N）24.7 g/m2，于2021 年5 月15 日收获冬小麦、油菜、蚕豆。于2021年6—10月种植3种秋熟作物大豆（Glycine maxL.）、玉米（Zea maysL.）、红薯（Ipomoea batatasL.），品种分别为八月白、凤糯、天目山香薯。大豆、玉米、红薯的前茬作物分别为冬小麦、油菜、蚕豆，于2021年6月1日播种，同日以复合肥形式基施肥料，N、P2O5、K2O 施用量均为7.7 g/m2，于2021年10月20日收获大豆、玉米、红薯。

1.3 叶片、茎样品采集与全磷含量测定

于2020 年12 月15 日及2021 年2 月22 日、3 月18 日、4 月2 日、4 月22 日分别在田间采集冬小麦、油菜、蚕豆地上部分植株样品，于2021 年的6 月15日、6 月30 日、7 月15 日、8 月5 日、8 月31 日、9 月13 日、10 月2 日采集大豆、玉米、红薯的地上部分植株样品。地上部分植株分为叶片和茎，叶片和茎分别于105 ℃杀青0.5 h，在70 ℃烘干至恒定质量，分别磨碎，过0.15 mm 孔径筛，样品以硫酸-双氧水消解，以钼锑抗比色法测定叶片和茎的全磷含量[16]。

1.4 高光谱反射率数据获取与植被指数计算

1.4.1 高光谱反射率数据获取 在采集作物叶片和茎样品的当天中午（晴天），采用便携式地物光谱仪（Fieldspec 4 Standardard-Res，ASD 公司，美国）测定各作物冠层反射率，探头视场角为25°。冠层反射率的波段范围为350～2 500 nm，350～1 000 nm 波段分辨率为3 nm，采样间隔1.4 nm；1 001～2 500 nm波段分辨率10 nm，采样间隔2 nm。在每次数据采集前使用40 cm×40 cm 高光谱标准白板进行校正，校准与测量时间间隔在5 min 以内。测量时，光谱仪探头距离作物冠层上方50 cm，保持探头垂直向下。每个小区选择2 个点进行测定，每个点获得5条光谱曲线，则在每个小区可得10条反射率曲线。采用ViewSepcPro 光谱处理软件对原始光谱曲线进行预处理，得到各个小区的冠层反射率。

1.4.2 植被指数计算 根据各个小区作物冠层反射率计算归一化植被指数（NDVI）、差值植被指数（DVI）、比值植被指数（RVI）、增强植被指数（EVI）、光化学植被指数（PRI）、红边叶绿素指数（RECI）6种植被指数（表1）。

表1 植被指数计算公式Tab.1 Calculation functions of vegetation index

1.5 数据分析

以EXCEL 绘制不同作物叶片和茎全磷含量季节动态变化图，并绘制不同作物高光谱植被指数NDVI、DVI、RVI、EVI、PRI、RECI 季节动态变化图。以Pearson相关分析探讨不同作物叶片、茎全磷含量与6 种高光谱植被指数NDVI、DVI、RVI、EVI、PRI、RECI的相关关系，以相关系数（r）和相伴概率（P）评估全磷含量与高光谱植被指数的相关性。以基于不同高光谱植被指数的多元非线性回归模型模拟不同作物叶片、茎全磷含量的季节动态变化，以均方根误差（RMSE）、模拟有效性（ME）、平均绝对误差（MAE）评估模型模拟效果，进而以一元线性回归分析所有作物叶片、茎全磷含量实测值与模拟值之间的关系[22]，以评估模型对6 种作物叶片、茎全磷含量季节变化的模拟效果。

2 结果与分析

2.1 不同作物叶片、茎全磷含量的季节变化

冬小麦、油菜、蚕豆叶片全磷含量总体表现为随着作物生长呈逐渐降低的趋势（图1a），这3 种作物叶片全磷含量的季节变化范围分别为2.24～3.68 g/kg、2.73～4.56 g/kg、3.31～4.75 g/kg，3 种作物在越冬前（2020 年12 月15 日）的叶片全磷含量均为一个生长季中的最大值。冬小麦叶片全磷含量在整个生长季均低于油菜和蚕豆。大豆、玉米、红薯叶片全磷含量的季节变化范围分别为1.99～5.56 g/kg、0.53～4.20 g/kg、2.38～4.90 g/kg。大豆叶片全磷含量在生长季初期（2021 年6月15日）最高，在生长季中期变化较小，生长季后期有所下降；随着作物生长，玉米叶片全磷含量表现为先增加后降低的趋势，于2021年10 月2 日达到最低值；红薯叶片全磷含量最大值出现在作物生长中期，生长初期和末期叶片全磷含量均相对较小。

作物茎全磷含量与叶片全磷含量的季节变化规律类似（图1a、b）。冬小麦、油菜、蚕豆茎全磷含量的季节变化范围分别为1.05～3.95 g/kg、2.24～4.06 g/kg、2.29～3.62 g/kg，冬小麦茎全磷含量随作物生长总体表现为逐渐降低趋势，冬小麦、油菜茎全磷含量在作物生长末期（2021 年4 月22 日）最低。大豆、玉米、红薯茎全磷含量的季节变化范围分别为1.44～4.89 g/kg、0.54～4.21 g/kg、1.80～5.08 g/kg。大豆茎全磷含量在生长季的第1 次采样中数值最高，并且从6 月30 日至生长季末期呈总体上升趋势；随着作物生长，玉米茎全磷含量先增加后降低；红薯茎全磷含量也表现为随着作物生长先增加后降低的趋势。在作物生长后期，玉米茎全磷含量明显低于大豆和红薯。6 种作物叶片全磷含量季节平均值均高于茎全磷含量季节平均值。

图1 不同作物叶片、茎全磷含量的季节变化Fig.1 Seasonal variations in the total phosphorus contents of leaf and stem of different crops

2.2 不同作物高光谱植被指数的季节变化

如图2 所示，从出苗后到作物收获，冬小麦、油菜、蚕豆田的NDVI、DVI、RVI、EVI、RECI 存在类似的季节变化规律，均表现为从生长初期到2021 年4月2日总体上呈逐渐增加的趋势，而在生长季最后一次测定中数值最低。3 种作物PRI 在生长季初期相对较低，而生长季中后期季节变异规律不明显。大豆、玉米、红薯田的NDVI、RVI、PRI、RECI 均总体上表现为单峰变化规律，从出苗后逐渐增加，于生长季中期达到最大值，之后逐渐降低。大豆、玉米、红薯田的RVI、EVI、RECI季节变异规律基本一致。

图2 不同作物高光谱植被指数（NDVI、DVI、RVI、EVI、PRI、RECI）的季节变化Fig.2 Seasonal variations in the hyperspectral vegetation indexes（NDVI，DVI，RVI，EVI，PRI，and RECI）of different crops

2.3 不同作物叶片、茎全磷含量与高光谱植被指数的关系

Pearson 相关分析（表2）表明，冬小麦叶片全磷含量与NDVI 存在边缘显著（0.05

表2 不同作物叶片、茎全磷含量与高光谱植被指数（NDVI、DVI、RVI、EVI、PRI、RECI）的Pearson相关关系Tab.2 Pearson’s correlations between total phosphorus contents of leaf and stem and hyperspectral vegetation indexes（NDVI，DVI，RVI，EVI，PRI，and RECI）

基于6 种植被指数NDVI、DVI、RVI、EVI、PRI、RECI 的模型可模拟6 种作物叶片全磷含量37.9%（R2=0.379）、58.4%（R2=0.584）、44.0%（R2=0.440）、75.2%（R2=0.752）、33.9%（R2=0.339）、54.8%（R2=0.548）的季节变化，模型的RMSE在0.441～1.088 变异（表3）。基于5 种植被指数NDVI、RVI、EVI、PRI、RECI的模型可模拟6种作物茎全磷含量38.0%（R2=0.380）、37.4%（R2=0.374）、26.0%（R2=0.260）、23.4%（R2=0.234）、60.0%（R2=0.600）、46.1%（R2=0.461）的季节变化，模型的RMSE在0.492～0.934变异（表3）。

对叶片全磷含量实测值与利用表3中基于高光谱植被指数模拟得到的叶片全磷含量进行一元回归分析，以验证模型模拟效果（图3）。由图3 可见，叶片全磷含量实测值与模拟值之间具有较好一致性，两者符合一元线性回归关系，模拟模型的R2较为理想（R2=0.657，P<0.001），回归线接近1∶1线。茎全磷含量实测值与基于高光谱植被指数模拟得到的茎全磷含量之间也具有较好一致性，一元线性回归方程的R2为0.524（P<0.001），回归线接近1∶1 线，也可得到较好的模拟结果（图4）。由此表明，基于高光谱植被指数的模型可较好模拟不同作物叶片和茎全磷含量的季节变化。

图3 不同作物叶片全磷含量实测值与模拟值之间的关系Fig.3 Relationship between observed and modelled total phosphorus content of leaf of different crops

图4 不同作物茎全磷含量实测值与模拟值之间的关系Fig.4 Relationship between observed and modelled total phosphorus content of stem of different crops

表3 基于高光谱植被指数的不同作物叶片（PL）、茎（PS）全磷含量模拟模型Tab.3 Models for simulating the total phosphorus contents of leaf and stem based on the hyperspectral vegetation indexes

续表3 基于高光谱植被指数的不同作物叶片（PL）、茎（PS）全磷含量模拟模型Tab.3（Continued） Models for simulating the total phosphorus contents of leaf and stem based on the hyperspectral vegetation indexes

3 结论与讨论

3.1 叶片和茎全磷含量与植被指数的关系

叶片和茎的全磷含量具有季节变异性，同一种作物叶片和茎全磷含量存在差异，不同作物叶片和茎全磷含量也存在差异。这种差异与作物本身的特性、生长阶段、器官位置有关，反映了随着生长时期的延长，作物对磷元素吸收的状况以及供给生长末期形成籽粒产量的能力，也体现了向籽粒中供给磷元素的潜力[23⁃24]。不同作物叶片、茎全磷含量的季节变化反映了作物生长状况的变化和差异。以往研究表明，玉米叶片全磷含量与叶绿素和花青素有关[25]；柴仲平等[26]发现，库尔勒香梨叶片全磷含量与高光谱红边面积之间存在显著相关关系；WANG等[27]发现，苔草叶片磷含量与NDVI、PRI 之间具有显著相关关系，但与未反映红边区域的三波段指数相关性相对较小。研究表明，RECI对应的冠层反射率红边区域不仅与叶绿素含量有关，而且可反映氮、蛋白质、糖类、纤维素含量等的动态变化[28]。以往研究还发现，叶片全磷含量与全氮含量具有显著正相关性[29]，而叶片氮含量与NDVI、归一化差异光谱指数（NDSI）、RECI 等高光谱植被指数的关系已被大量研究所证实[30⁃32]。这些研究结果与本研究中作物叶片和茎全磷含量与高光谱植被指数存在相关性的结果基本一致。

高光谱植被指数表征作物生理生态特征和生长状况，而作物磷含量可反映生理生态特征和生长状况。本研究中，不同作物叶片、茎全磷含量与不同高光谱植被指数存在相关关系，冬小麦叶片全磷含量与NDVI 存在边缘显著（P=0.095）相关关系，油菜 叶 片 全 磷 含 量 与NDVI（P=0.049）和PRI（P=0.034）存在显著相关关系，红薯叶片全磷含量与RVI（P=0.001）、EVI（P=0.004）、RECI（P=0.001）存在极显著相关关系，这表明不同作物叶片全磷含量的特征植被指数不同[33⁃34]。冬小麦茎全磷含量与NDVI（P=0.012）和RECI（P=0.032）存在显著相关关系，而红薯茎全磷含量与NDVI（P=0.003）、RVI（P<0.001）、PRI（P=0.009）、RECI（P=0.001）均存在极显著相关关系。叶片、茎全磷含量与高光谱植被指数的关系不仅与作物类型有关，而且与植被指数类型有关[35⁃36]。6 种作物中，红薯叶片、茎全磷含量与绝大多数植被指数具有显著或极显著相关性，这说明红薯叶片、茎全磷含量对作物生理生态特征和生长状况均具有重要影响，而这种影响程度的大小可通过高光谱植被指数有效地反映出来。

3.2 基于植被指数的叶片和茎全磷含量模拟模型

由于叶片、茎全磷含量受作物类型、生长阶段（夏熟作物或秋熟作物）、采样时期的综合影响[37⁃38]，因此，基于不同高光谱植被指数的模型模拟效果不同，用于评估模型的R2、P、RMSE、ME、MAE有所差异。一方面，对于同一种作物而言，用于模拟叶片或茎全磷含量的高光谱植被指数存在差异；另一方面，以某一个或几个固定的高光谱植被指数不能模拟所有作物叶片和茎全磷含量的季节变化规律。这种基于不同高光谱植被指数模拟效果的差异体现了不同作物生长状况本身的差异，与作物元素含量、冠层密度、叶片性状、茎的特性等内在属性存在密切关系[39⁃40]。

虽然由于作物特性不同造成高光谱植被指数的不同，作物叶片、茎全磷含量模拟效果存在差异，但从模型总体估计偏差来看，回归线距离1∶1 线相对较小。模型对叶片全磷含量的模拟效果优于对茎全磷含量的模拟效果，这可能是由于作物茎部分被叶片遮挡，高光谱植被指数会更好地反映作物叶片全磷含量状况。本试验结果表明，模型对于蚕豆和大豆茎全磷含量的模拟效果不甚理想，两者茎全磷含量模拟方程的R2分别为0.260 和0.234。对于蚕豆而言，整个生长季茎全磷含量变异性相对较小，这增加了模拟难度；对于大豆而言，茎全磷含量低值的模拟效果相对较差，较低的全磷含量对作物生理生态特征和生长状况的影响可能相对较小[41]，造成高光谱植被指数不能有效反映大豆茎全磷含量。

本研究表明，应用多种不同高光谱植被指数可较好地模拟冬小麦、油菜、蚕豆、大豆、玉米、红薯叶片和冬小麦、油菜、玉米、红薯茎全磷含量季节变化，并且这些植被指数对叶片全磷含量的模拟效果优于茎全磷含量。蚕豆、大豆茎自身的生理生长及磷积累特征导致高光谱植被指数对其全磷含量的模拟效果不甚理想，该问题有待进一步深入研究。