基于便携式蜜柚光谱仪的金沙柚叶片叶绿素含量监测模型

2023-07-31潘玉霞李艳大曹中盛孙滨峰黄俊宝吴自明冯旭萍郭永久

江西农业学报 2023年5期

潘玉霞，李艳大，曹中盛，孙滨峰，黄俊宝，吴自明，冯旭萍，郭永久

（1.江西省农业科学院农业工程研究所/江西省智能农机装备工程研究中心/江西省农业信息化工程技术研究中心，江西南昌 30200；2.江西农业大学农学院，江西南昌 3300451；3.浙江大学生物系统工程与食品科学学院，浙江杭州 310029；4.安徽朗坤物联网有限公司，安徽合肥 230000）

0 引言

江西省吉安市栽种培育的井冈蜜柚具有产量稳定、品质优良、抗逆性强等特点，其主栽品种有桃溪蜜柚、金沙柚和金兰柚［1-2］，目前种植面积约2.86万hm2，总产量约8万t［3-4］，蜜柚已经成为当地乡村振兴的特色主导产业。叶片叶绿素含量(Leaf chlorophyll content，LCC)是表征果树光合能力、生长发育及氮素营养状况的重要指标，能直接影响果树的光合作用与产量形成［5-9］。前人［10-15］主要采用传统的室内紫外可见分光光度法和荧光分析法来测定果树叶片叶绿素含量，虽然结果准确可靠，但存在操作过程繁琐，费时耗力，需破坏性取样，时效性差等缺点。近年来，光谱遥感技术得到了快速发展，并被广泛应用于果树长势、叶片营养元素等生长指标的无损、快速和定量监测中［16-20］。如Naqvi等［21］借助植被指数反演了柑橘叶绿素含量，并通过实验证明修正三角植被指数、土壤和大气抗性植被指数的组合能够稳健地预测叶绿素含量；沈佳等［22］分析了蜜柚叶片色素含量与高光谱特征参数相关性，发现NDVI(596，758)与健康蜜柚叶片色素含量的相关性最高；Chang等［23］采用归一化植被指数(NDVI)、土壤调整植被指数(MSAVI)、归一化红边指数(NDRE)和叶绿素指数(CI)来比较柑橘绿化之间的差异；易时来等［24］使用高光谱仪对温州蜜柑3个时期抽生的叶片进行测定，发现夏梢叶片反射率最大，春梢次之，秋梢最低；栗方亮等［25］对蜜柚LCC的原始光谱特征进行了分析建模，发现光谱反射率随着LCC的升高而降低。虽然许多学者已经借助高光谱仪对果树LCC的光谱特征进行了研究，构建了具有实用性的监测模型，但由于果树种类、建模方法及栽培管理措施等不同，导致所建模型的形式和适用性等均存在一定的差异，且前人研究使用的手持式光谱仪多为国外进口，价格昂贵，操作复杂，主要适用于小麦、水稻等株高较低的大田作物，而对于株高2 m以上的柚树，若使用手持式光谱仪采集冠层数据，则需要借助梯子等才能完成，数据获取过程费时耗工。因此，为了确保金沙柚LCC监测模型的精度，本文以吉安市金沙柚为研究对象，通过设置4个施氮水平的果园试验，利用课题组研发的便携式蜜柚光谱仪(Portable pomelo spectrometer，PPS)、美国Analytical Spectral Devices公司生产的FieldSpec HandHeld 2高光谱仪(ASD FH2)和美国生产的RapidSCAN CS-45光谱仪(Rapid)同步采集不同时期金沙柚的冠层植被指数，构建基于PPS 的金沙柚LCC光谱监测模型，以期为金沙柚生长指标信息快速无损获取提供技术支持。

1 材料与方法

1.1 试验设计

试验于2021年在江西省吉安市吉州区和吉水县进行。供试果园土壤为红壤，吉州区试验点土壤成分为：全氮1.31 g/kg、碱解氮119.34 mg/kg、有机质22.17 g/kg、速效磷30.14 mg/kg、速效钾128.44 mg/kg。吉水县试验点土壤成分为：全氮1.16 g/kg、碱解氮107.22 mg/kg、有机质20.15 g/kg、速效磷28.45 mg/kg、速效钾117.52 mg/kg。供试对象为树龄8年的金沙柚，株行距为4 m×5 m。

试验基于当地丰产栽培经验和前人研究成果［26-27］，设置4个施氮水平，分别为全年每棵柚树施纯氮0、0.5、1.0和1.5 kg（分别记为N0、N1、N2和N3），重复3次，在每个重复中选取4棵长势健康一致的、相邻的柚树为1个小区，共计12个小区、48棵柚树。氮肥采用尿素和商品有机肥，施用按照基肥∶萌芽肥∶保果肥∶壮果肥=40%∶ 15%∶15%∶30%，另配P2O50.6 kg/棵、K2O 1.0 kg/棵；磷肥采用过磷酸钙和商品有机肥；钾肥采用硫酸钾和商品有机肥分基肥(70%)和壮果肥(30%)施用。采用条状沟施的方法，每次施肥将按比例配好的肥料与土壤拌匀回填，前后2次施肥的位置错开。

1.2 测定项目与方法

1.2.1 金沙柚叶片叶绿素含量测定分别在金沙柚幼果期（花后59 d）和果实膨大期（花后120 d），每个小区选取1棵长势健康的柚树，在采样柚树东南西北4个方位的冠层中部选择外围春梢，从上向下采集第3和第4片叶，每个方位采集10片，每棵柚树共采集40片叶作为1个样品，每个时期共采12个样品。采用乙醇(95%)浸提法测定金沙柚的LCC［28］。将采样叶片带回实验室洗净，避开叶片主脉，将其剪成细碎长条状并混匀，称取0.2 g，放入容量瓶中，然后加入乙醇(95%)定容至25 mL，将其封口后放于室温暗处浸泡提取48 h。待浸提叶片完全变白后，用紫外可见分光光度计分别测定并记录其在665 nm和649 nm处的吸光度值。LCC的计算方法为：

式(1)～式(3)中：Chl a、Chl b、ChlLCC分别为叶片叶绿素a含量、叶片叶绿素b含量、叶片叶绿素总含量；A665、A649分别为分光光度计在665、649 nm处的吸光度值(A)；V为提取液的体积(mL)；W为样品鲜重(g)。

1.2.2 ASD FH2冠层植被指数测定利用ASD FH2（手持式，被动光源，波长范围325～1075 nm)，于金沙柚幼果期和果实膨大期选择晴朗、微风的天气，每小区选取采样柚树1棵，对其进行冠层光谱反射率进行测定，测量时间为10:00～14:00。测定前先使用标准白板进行校正，测量时探头垂直向下，距离冠层1 m，每棵柚树东南西北4个方位各测3个点，每个点测5次，取平均值作为此树冠层植被指数的测量值，每个时期共测12棵柚树的冠层植被指数。提取红光(R，670 nm)、红边(RE，730 nm)、近红外(NIR，780 nm)3个波段的光谱反射率值，计算NDVI和NDRE，计算公式为：

式(4)、式(5)中：NDVIASD和NDREASD分别为ASD FH2测量计算得的NDVI和NDRE；R、RE和NIR分别为670、730和780 nm波段光谱反射率。

1.2.3 RapidSCAN冠层植被指数测定与ASD FH2冠层植被指数测定同步，利用Rapid（手持式，主动光源，具有红光670 nm、红边730 nm、近红外780 nm 3个波段测定此3个波段的光谱反射率值，计算归一化植被指数和归一化红边指数，分别记为NDVIRapid和NDRERapid。冠层植被指数测定方法与ASD FH2的相同。

1.2.4 PPS冠层植被指数测定与ASD FH2冠层植被指数测定同步，利用PPS（被动光源，波长范围400～1100 nm)。提取670、730、780 nm这3个波段光谱反射率值，计算NDVIPPS和NDREPPS。冠层植被指数测定方法与ASD FH2的相同。

1.3 数据处理分析及监测模型构建与检验

利用SPSS 23软件进行相关分析和方差分析。监测模型的构建使用吉州区试验点的数据，模型检验使用吉水县试验点的数据。将冠层植被指数(NDVI和NDRE)作为自变量，LCC作为因变量，利用Microsoft Excel 2013软件对冠层植被指数与LCC之间的定量关系进行拟合分析，筛选构建相关性最高的模型。采用均方根误差(Root mean square error，RMSE)、相对均方根误差(Relation root mean square error，RRMSE)和相关系数(Correlation coefficient，r)等3个指标来评价模型的可靠性，并绘制观测值与模拟值的关系图显示模型拟合度和预测效果。各个指标的计算公式为：

式（6）～式（8）中：OBSi为观测值；OBSi为观测值的平均值；SIMi为模拟值；为模拟值的平均值；n为样本容量。

2 结果与分析

2.1 金沙柚叶片叶绿素含量的变化特征

由图1可知，在金沙柚幼果期和果实膨大期叶片叶绿素含量总体上随施氮量的增加而升高，且在不同施氮水平间差异显著。在吉州区试验点的金沙柚幼果期，N0、N1、N2和N3处理的LCC分别为1.48、1.74、2.09和2.26 mg/g；而在金沙柚果实膨大期，N0、N1、N2和N3处理的LCC分别为1.90、2.15、2.65和2.89 mg/g。在同一施氮水平下，果实膨大期的LCC均高于幼果期的，如吉水县试验点的幼果期N0处理的LCC为1.45 mg/g，果实膨大期N0处理的LCC为1.90 mg/g。因此，果实膨大期采集的LCC数据建模效果好于幼果期，但后续还需要进一步验证。

图1 各试验点不同施氮水平下金沙柚幼苗期和果实膨大期的LCC变化特征

2.2 3种光谱仪采集的金沙柚冠层植被指数间的相关关系

由表1可知，PPS、ASD FH2和RapidSCAN这3种光谱仪测定的金沙柚幼果期、果实膨大期和生长中期（即综合幼果期和果实膨大期的数据）冠层植被指数NDVI、NDRE间差异不显著。在金沙柚不同生育期，经PPS测定的冠层植被指数NDVIPPS、NDREPSS与经ASD FH2测定的冠层植被指数NDVIASD、NDREASD间均呈极显著相关关系，金沙柚不同生育期NDVI和NDRE的相关系数分别介于0.9062～0.9460和0.9159～0.9676。在金沙柚不同生育期，经PPS测定的冠层植被指数NDVIPPS、NDREPSS与经RapidSCAN测定的冠层植被指数NDVIRapid、NDRERapid间均呈极显著相关关系，金沙柚不同生育期NDVI和NDRE的相关系数分别介于0.9867～0.9941和0.9324～0.9673。由此可见，经PPS采集的金沙柚冠层植被指数与经ASD FH2、RapidSCAN采集的具有高度一致性，其能够代替国外进口的ASD FH2、RapidSCAN这2种光谱仪来获取金沙柚不同生育期的冠层植被指数。

表1 经PPS、ASD FH2和RapidSCAN光谱仪采集的不同生育期金沙柚冠层植被指数间的相关关系

2.3 金沙柚叶片叶绿素含量监测模型的构建

由表2可知，将PPS采集的金沙柚幼果期和果实膨大期的NDVIPPS和NDREPPS分别与LCC进行拟合分析，发现NDVIPPS、NDREPPS与LCC的相关模型均为多项式回归模型，其中NDVIPPS与LCC的决定系数在金沙柚幼果期和果实膨大期分别为0.9878、0.9888，NDREPPS与LCC则分别为0.8580、0.9470。将NDVIPPS和NDREPPS两者的决定系数相比，发现NDVIPPS与LCC之间的相关性更高；基于NDVIPPS构建的金沙柚果实膨大期LCC监测模型精度最高，建模决定系数为0.9888。从生长中期数据来看，生长中期植被指数与LCC的相关性相对较差，建模决定系数均低于0.8。

表2 基于PPS的金沙柚叶片叶绿素含量监测模型

2.4 金沙柚叶片叶绿素含量监测模型的检验

为了进一步验证金沙柚LCC监测模型的准确性，利用吉水县试验数据对建立的金沙柚LCC监测模型进行检验和评价。采用RMSE、RRMSE和r来比较分析金沙柚LCC的观测值和模拟值之间的一致性，进而评价监测模型的准确性。由图2可知，基于NDVIPPS的多项式模型对金沙柚LCC预测效果较好，在幼果期，基于NDVIPPS建立的金沙柚LCC监测模型的RMSE、RRMSE和r分别为0.09%、4.6%和0.9889（图2a）；在果实膨大期，基于NDVIPPS建立的金沙柚LCC监测模型的RMSE、RRMSE和r分别为0.07%、2.8%和0.9912（图2b）；在生长中期，基于NDVIPPS建立的金沙柚LCC监测模型的RMSE、RRMSE和r分别为0.19%、9.0%和0.8725（图2c）。

图2 吉水县基于PPS的金沙柚LCC监测模型检验

3 讨论

我国是世界上柑橘种植面积和产量最大的国家，作为柑橘中重要类别之一的井冈蜜柚，其种植面积和产量在近年来持续增长［29］，成为当地富民强县的重要产业之一［3，30］。叶片叶绿素含量是评价果树营养状况和光合能力的重要指标［31］。因此，实时、无损和准确地获取金沙柚叶片叶绿素含量信息，对于实现金沙柚生长精确监测诊断及丰产高效栽培具有重要意义。

本研究于金沙柚关键生育期，利用PPS、ASD FH2和RapidSCAN光谱仪采集不同处理的冠层植被指数(NDVI和NDRE)，同步取样测定LCC数据。结果表明，金沙柚的LCC随着氮肥施用量的增加而增大，果实膨大期的金沙柚LCC高于幼果期的，这与前人［32-33］的研究结论相似，说明不同施氮量对金沙柚LCC具有调控作用，从而影响叶片对光能的吸收与利用，最终影响金沙柚的产量和品质。

近年来，光谱监测技术因其便捷、准确、无损等优点在果树LCC监测上广泛应用［9,25］。对于株高较高的果树，使用目前所使较多的手持式光谱仪，则易造成获取数据成本较高。本研究将课题组研发的具有纵向高度和横向距离便携式蜜柚光谱仪（PPS）与美国进口ASD FH2高光谱仪、RapidSCA光谱仪所采集的金沙柚冠层植被指数进行相关性分析，结果显示，3种光谱仪采集的NDVI和NDRE间差异不显著，基于PPS和ASD FH2光谱仪的NDVI和NDRE之间的相关系数分别为0.9062～0.9460和0.9159～0.9676；基于PPS和RapidSCAN的NDVI和NDRE之间的相关系数分别为0.9867～0.9941和0.9324～0.9673，这表明这3种光谱仪采集的冠层植被指数具有高度一致性，且PPS测量精度较高，在实际生产操作中可替代国外进口且价格昂贵的ASD FH2和RapidSCAN光谱仪用于采集金沙柚冠层NDVI和NDRE数据。

本研究利用PPS采集金沙柚不同施氮水平的试验数据，构建了基于NDVIPPS和NDREPPS这2个冠层植被指数的金沙柚LCC监测模型，并使用吉水县试验数据对监测模型的拟合水平进行了检验。结果显示，在金沙柚的幼果期、果实膨大期及生长中期，基于PPS的NDVI和NDRE这2个冠层植被指数相比，NDVIPPS与LCC的相关性更高，且其相关模型为多项式回归模型；基于NDVIPPS的LCC监测模型的R2为0.7936～0.9888，模型检验的RMSE、RRMSE和r分别介于0.07%～0.19%、2.8%～9.0%和0.8725～0.9912，比前人构建的琯溪蜜柚LCC监测模型的预测结果更准确可靠［25］。由此可见，基于PPS建立的模型精度较高，且与RapidSCAN、ASD FH2光谱仪相比，具有成本较低廉，对果树冠层光谱采集操作更方便等优点，与传统LCC测定方法相比，本研究所构建的LCC监测模型不仅具有快捷、无损和准确等优点，而且可以克服传统测量法费时耗力、破坏性取样等弊端。

当然，本研究只利用了吉水县试验数据对所建LCC监测模型进行检验，今后还需要获取吉安市不同试验点和生育期的试验数据对LCC模型进行检验，以提高模型的准确性。