不同干旱程度胁迫条件下烤烟叶片气孔导度的光谱响应

李梦竹，叶红朝，贾方方，刘国顺，王 惠

1.河南农业大学烟草行业烟草栽培重点实验室，郑州市文化路95 号 450002

2.河南省烟草洛阳市公司宜阳县分公司，河南省洛阳市宜阳县红旗中路32 号 471600

3.河南省烟草公司洛阳市公司，河南省洛阳市洛龙区开元大道246 号 471000

4.商丘师范学院，河南省商丘市文化路298 号 476000

气孔是植物与大气间进行水分和CO2气体交换的调节通道，控制着植物的水分蒸腾和光合作用［1-3］。Bota等［4］研究发现，在干旱环境下作物光合速率降低的主导因素是气孔导度的降低，气孔导度即气体的通透性能强度［5-6］，与外界环境的水分状况密切相关。胡玮等［7］研究表明，5个主栽烤烟品种重度干旱条件下比正常条件下的气孔导度平均值降低72.70%。孙梅霞等［8］研究也表明，烤烟叶片气孔导度可作为土壤水分状况的衡量指标，两者之间极显著正相关。可见，研究干旱条件下烤烟叶片气孔导度的变化规律，对提高水分利用效率及烤烟产量具有重要意义。

随着遥感技术的发展，前人对遥感光谱信息与作物气孔导度关系方面已进行了较多研究［9］。Royo等［10］研究提出，在小麦灌浆期通过冠层光谱反射率可较为准确地估算小麦产量，同样植被反射光谱与叶片气孔导度两者之间也存在一定关系。Carter［11］研究表明，在某些松树叶片中气孔导度与比值指数（R701/R820）呈负相关关系，且气孔导度与简单比值植被指数（SR）、归一化植被指数（NDVI）也存在相关性。刘帆等［12］研究表明，玉米冠层光谱反射率可快速、实时、定量地监测玉米叶片气孔导度，为大面积作物气孔导度估算奠定了基础。孙金英等［13］利用各波段光谱反射率组合而成的植被指数，对油菜气孔导度进行了相关性分析，R2均在0.727 以上，效果较好。田永超等［14］研究了冠层光谱反射特征与水稻叶片气孔导度之间的关系，发现比值指数（R1650/R760）可较好地反映水稻叶片的气孔导度状况。可见对小麦和玉米等粮食作物的光谱响应研究报道较多，但在烤烟上仅涉及烟叶常规化学成分、叶绿素密度（单位土地面积上的叶片叶绿素含量）等生理生化指标的光谱监测方面，而对烤烟叶片气孔导度的光谱监测方面则鲜见研究报道。为此，利用无损定量光谱监测技术，对不同干旱胁迫条件下烤烟叶片气孔导度进行了实时监测，并通过分析烤烟叶片气孔导度与冠层光谱反射率及光谱一阶导数间的相关关系，构建烤烟叶片气孔导度监测模型，实时无损地监测烤烟全生长期气孔导度状况，旨在为烤烟生长状况和产量品质的遥感监测提供依据。

1 材料与方法

1.1 试验基本情况

试验于2015～2016 年连续两年在河南农业大学现代烟草科技示范园（北纬34°01′，东经113°49′）进行，其中2015 年试验数据作为构建模型样本，2016年试验数据作为检验模型样本。供试品种为K326和中烟100。采用桶栽（每桶1株），桶高70 cm，直径为40 cm。供试土壤前茬作物为红薯，土壤理化性状见表1。化肥为分析纯（NH4）2SO4、KNO3和KH2PO4，施N 量按200 mg·kg-1干土计算，m（N）∶m（P2O5）∶m（K2O）=1∶1.5∶3，氮磷钾肥均作基肥一次性施入，将田间土壤均匀过筛后，与化肥混合均匀装桶。为避免雨水影响土壤水分状况，试验中设置了人工防雨棚。于5 月15 日移栽，烟苗还苗后利用土壤水分速测仪（Takeme-10 型，大连哲勤科技有限公司）实时监测土壤含水率。试验采用随机区组设计，设置4 个干旱处理，见表2。依据烤烟伸根期、旺长期和成熟期3 个生育时期的土壤含水率，每天严格控水，浇水量为设定土壤质量含水率与实际土壤质量含水率之差乘以每桶装土壤质量（75 kg）［15］。每处理6次重复，两个品种共计144桶。为保证阳光充足与通风良好，桶与桶之间均相距75 cm。

表1 供试土壤的理化性状Tab.1 Physical and chemical properties of tested soils

表2 试验处理设置Tab.2 Setting of experimental treatments （%）

1.2 烤烟冠层光谱的测定

使用野外光谱测定仪（FieldSpec3，美国ASD 公司）测定烤烟冠层光谱，波长350～2 500 nm。分别在烤烟伸根期、旺长期和成熟期，选择晴朗无云且无风的天气，于10：00—14：00 期间利用野外光谱测定仪（波段为350～2 500 nm）对各水分处理烤烟冠层光谱反射率进行采集。在采集光谱数据时，应使传感器探头垂直向下，正对着烟株，且在测定时距离烤烟冠层顶端的高度保持l m。每次测量前必须进行标准白板校正，在烟株的正上方测定，每次记录10组数据，最后以平均值作为该样本的光谱反射值，每个处理测定3株。

1.3 烤烟气孔导度的测定

分别在烤烟伸根期、旺长期和成熟期，选取单株烟由上至下第5 叶位，使用便携式光合作用测定仪（美国Li-COR 公司）测定叶片的气孔导度（Gs）。测定时间为上午9：00—10：00，每个处理测定3 株，取平均值。

1.4 数据分析

采用ViewSpec Pro 软件处理光谱数据，选用Excel、SPSS 22.0、Sigmaplot 10.0、Matlab 6.0 软件进行数据分析、模型构建及绘图，采用决定系数（R2）、均方根误差（RMSE）对模型精度进行检验，采用Pearson双尾检验显著性［16］。

2 结果与分析

2.1 不同程度干旱胁迫下烤烟冠层气孔导度和冠层光谱反射率的变化

随着烤烟叶片水分的散失及水势的下降，气孔保卫细胞和附近表皮细胞直接向大气失水导致气孔张开度减小，CO2进入叶片受到阻碍［17］。图1结果表明，在烤烟整个生育时期中，伸根期烤烟叶片Gs较低，正常需水量处理平均值为0.289 mol H2O·（m-2·s-1），轻度、中度和重度干旱处理叶片气孔导度的平均值分别较正常需水量处理降低35.01%、51.48%和92.20%。到旺长期Gs 值处于较高水平，K326 品种最高达0.751 mol H2O·（m-2·s-1），正常处理Gs 平均值为0.730 mol H2O·（m-2·s-1）。烤烟进入成熟期后，Gs 值减小。在水分胁迫条件下，各烤烟品种都通过减小气孔导度的方式来减少蒸腾作用，保持叶片内的水分，但是气孔导度的降低同样会使外部环境的CO2进入叶片受到阻碍，对光合作用产生不利影响。试验结果显示，随干旱程度的加剧，两个品种气孔导度均呈降低趋势，除旺长期中烟100 品种重度干旱处理外，其他处理间差异均达到显著水平，表明不同烤烟品种气孔导度的变化趋势一致。

图1 干旱胁迫条件下烤烟的气孔导度比较（2015年试验数据，n=72）Fig.1 Stomatal conductance of flue-cured tobacco under drought stress（2015 experiment data，n=72）

K326 和中烟100 两个品种在伸根期、旺长期和成熟期不同干旱程度胁迫下的冠层光谱反射曲线见图2。由图2可见，不同处理整体曲线的变化趋势大致相同，但各波段的反射率值差异较明显。不同生育时期两品种在700～1 350 nm 波段均表现为正常需水量处理反射率值最高，即在红边区域内呈现最高峰值，且在此波段范围内，烤烟在不同生育时期对干旱胁迫的响应也有所不同，旺长期的冠层光谱反射率高于伸根期和成熟期。这主要是由于烤烟冠层结构及细胞结构不同所致，且干旱胁迫导致烤烟叶面积和叶绿素含量下降，从而导致烤烟冠层光谱反射率均呈现随干旱程度的加剧而降低的趋势。可见，烤烟冠层光谱反射率与烤烟气孔导度在不同干旱程度胁迫下的变化趋势表现一致。

图2 干旱胁迫条件下烤烟冠层的高光谱反射率比较（2015年试验数据，n=72）Fig.2 Hyperspectral reflectance of flue-cured tobacco canopy under drought stress（2015 experiment data，n=72）

2.2 不同程度干旱胁迫下烤烟冠层气孔导度与冠层原始光谱反射率及其一阶导数的相关性

烤烟叶片气孔导度与350～2 500 nm 全波段范围内烤烟冠层原始光谱及光谱一阶导数的相关性分析结果见图3。对于冠层原始光谱，715～930 nm 和963～1 000 nm 处的相关系数达0.6 以上，相关性均达到极显著水平，其中相关性最高的波段为738 nm。对于光谱一阶导数，712～715 nm和718～719 nm处的相关系数达到0.7以上，702～711 nm和716～717 nm、720～729 nm 处的相关系数达0.6 以上，相关性均达到极显著水平，其中相关性最高的波段为714 nm。可见，无论是烤烟冠层原始光谱，还是光谱一阶导数，敏感波段均处于近红外光区域，且烤烟冠层原始光谱大多波段与烤烟叶片气孔导度的相关性均优于光谱一阶导数，但对于单个最佳敏感波段，光谱一阶导数与叶片气孔导度的相关性最强。

图3 烤烟叶片气孔导度与冠层原始光谱及光谱一阶导数的相关性（2015年试验数据，n=72）Fig.3 Correlations between stomatal conductance of flue-cured tobacco leaves and the original spectra or the first derivative of canopy spectra（2015 experiment data，n=72）

2.3 烤烟叶片气孔导度估算模型的建立

2.3.1 线性回归模型

分别利用738 nm 处的冠层原始光谱（R738）、714 nm 处的光谱一阶导数（DR714）构建烤烟叶片气孔导度一元线性回归模型，得到Y=1.613XR738-0.501（R2=0.459，RMSE=0.052），Y=78.149XDR714-0.555（R2=0.513，RMSE=0.080），见图4。可见，利用DR714构建的线性回归模型效果优于R738，说明利用单个波段反映烤烟叶片气孔导度时采用光谱一阶导数可能更适合烤烟叶片Gs监测模型的构建。

图4 烤烟气孔导度的线性回归分析（2015年试验数据，n=72）Fig.4 Linear regression analysis of stomatal conductance of flue-cured tobacco（2015 experiment data，n=72）

2.3.2 BP神经网络模型

分别选取烤烟冠层原始光谱及光谱一阶导数中与叶片气孔导度相关性最高的前5个波段，即736～740 nm处的冠层原始光谱和711～715 nm处的光谱一阶导数，以此为基础利用三层BP神经网络构建烤烟叶片Gs 的BP 神经网络模型。其中，输入层为SMLR 模型中的独立变量（R736～740、DR711～715），采用正切S型传递函数；输出层为烤烟叶片气孔导度，采用线性传递函数；训练函数为Trainlm。通过“试错法”进行多次尝试后，得到构建烤烟叶片气孔导度模型的隐含层节点数为67。图5表明，利用736～740 nm处的冠层原始光谱构建的烤烟叶片Gs 模型的R2=0.831，RMSE=0.088；利用711～715 nm 处的光谱一阶导数构建的烤烟叶片Gs模型的R2=0.908，RMSE=0.065。可见，光谱一阶导数构建的BP 神经网络模型决定系数较高，均方根误差较小。

图5 BP神经网络模型的预测结果（2015年试验数据，n=72）Fig.5 Predicted results by BP neural network model（2015 experiment data，n=72）

2.3.3 预测模型的检验

利用2016 年试验数据对烤烟叶片Gs 一元线性回归模型和BP神经网络模型的检验结果见图6。由图6 可知，利用738 nm 处的冠层原始光谱和714 nm处光谱一阶导数构建的一元线性回归模型检验的R2分别为0.399 和0.410，RMSE 分别为0.106 和0.756。可见利用R738和DR714构建的线性回归模型准确性不理想。而利用736～740 nm处冠层原始光谱和711～715 nm 处光谱一阶导数构建的BP 神经网络模型检验结果R2分别为0.784 和0.799，RMSE 分别为0.007和0.008。表明利用筛选出的5个最佳敏感波段构建的BP 神经网络模型的精度更高，且利用711～715 nm 处光谱一阶导数构建的烤烟叶片Gs 模型优于736～740 nm处的冠层原始光谱构建的模型。

图6 预测模型的检验（2016年试验数据，n=48）Fig.6 Tests of the prediction models（2016 experiment data，n=48）

3 讨论

本研究中发现，烤烟叶片气孔导度在伸根期较低，旺长期提高，成熟期呈现下降趋势，且不同处理烤烟叶片Gs 值均表现出随干旱胁迫程度加重而降低的趋势，K326 和中烟100 两个品种表现一致。这与胡玮等［7］对不同烤烟品种在不同干旱条件下气孔导度变化的研究结果一致，也与丁雪丹等［18］研究得出的气孔导度随不同生育阶段干旱时间的延长而呈现明显下降趋势的结果一致。烤烟旺长期的冠层光谱反射率高于伸根期和成熟期，不同时期、不同品种均在红边区域内出现峰值，且不同干旱处理均呈现出随干旱程度的加剧而降低的趋势，这与贾方方等［19］在不同水分处理条件下对烟草冠层高光谱参数和生理指标的研究结果一致。对烤烟气孔导度与冠层光谱的相关分析发现，烤烟叶片气孔导度敏感波段主要集中在近红外光区域，主要为715～930 nm 和963～1 000 nm 处的冠层原始光谱，712～715 nm 和718～719 nm 处光谱一阶导数，702～711 nm、716～717 nm 和720～729 nm 处光谱一阶导数。说明烤烟气孔导度与冠层光谱变化趋势表现一致，且存在相关性，因此利用冠层光谱构建烤烟气孔导度模型是可行的，进一步选取烤烟冠层原始光谱及光谱一阶导数中与叶片气孔导度相关性最高的前5 个波段，分别构建线性回归模型和BP 神经网络模型，发现利用711～715 nm 处的光谱一阶导数构建的BP 神经网络模型效果最佳。气孔导度的定量化对研究烤烟光合作用、蒸腾作用等均具有重要意义，但目前气孔导度模型大致分为基于Jarvis 模型改进的经验模型、基于BWB 模型改进的半经验模型、基于ABA 调控建立的气孔导度模型和基于保卫细胞膨压控制理论建立的气孔导度模型等［20］，尚未发现利用光谱一阶导数构建烤烟气孔导度BP 神经网络模型的相关研究。但本研究中构建的模型以及检验模型的样本数较少，因此对其在大田生产中的实际应用效果有待进一步试验。

4 结论

通过相关分析筛选出烤烟叶片气孔导度敏感波段，主要集中在近红外光区域，分别为715～930 nm和963～1 000 nm 处的冠层原始光谱，712～715 nm和718～719 nm 处光谱一阶导数，702～711 nm、716～717 nm和720～729 nm处光谱一阶导数，并利用711～715 nm 处光谱一阶导数构建了烤烟气孔导度的BP 神经网络模型，模型R2=0.908，RMSE=0.065。因此，利用烤烟冠层光谱一阶导数可较精准地反映烤烟叶片气孔导度状况。