不同棉花品种SPAD值光谱估测模型及产量估测

刘芸 石楠 胡文瑞 卢建祥 阳会兵 李彩红 杨彬

摘要：本研究通过大田试验，对湘XH50、湘K26和湘K27三个棉花品种主要生育时期的冠层光谱、叶片SPAD值、产量等指标进行测定，同时研究不同棉花品种花铃期SPAD值光谱估测模型及产量的估测。分析棉花叶片SPAD值与冠层一阶微分光谱的相关性，构建基于敏感波段值的SPAD值估测模型和基于SPAD值的产量估测模型，通过R2、RMSE、RE等指标的综合评估，对棉花的产量进行精确估算。结果表明：在可见光波段（400～780 nm），各品种棉花光谱反射率差异较小，在近红外波段（780～1000 nm）则差异较大；品种湘XH50和湘K26一阶微分光谱反射率與SPAD值分别在478 nm、929 nm达到极显著正相关，品种湘K27在波长994 nm达到极显著负相关；以敏感波长为自变量估算SPAD值的模型中，湘K27的多项式模型精度最好，其建模集R2、RMSE和RE分别为0.6638、1.3104和2.718%，验证集R2、RMSE和RE分别为0.6366、1.1448和2.315%；以SPAD值为自变量构建的产量估测模型效果较好，R2都在0.5以上，其中湘K27的模型效果最佳，决定系数R2为0.9196。结论：利用冠层光谱对棉花叶绿素含量进行估测，其中湘K27的SPAD值估测模型精度最佳；利用SPAD值对不同棉花品种产量进行估测，其中湘K27的产量估测模型精度最佳。

关键词：棉花品种；SPAD值；冠层光谱；产量

中图分类号：S562;TP7 文献标志码：A

Spectral Estimation Models for SPAD Values and Yield Estimation of Different Cotton Varieties

LIU Yun1， SHI Nan1， HU Wenrui1， LU Jianxiang1， YANG Huibing1*，

LI Caihong2， YANG Bin2

（1College of Agronomy， Hunan Agricultural University， Changsha， Hunan 410128， China; 2Hunan Cotton Science Institute， Changde， Hunan 415000， China; 3Hunan University， Changsha， Hunan 410128， China）

Abstract： In this study， the canopy spectrum， leaf SPAD value and yield of three different cotton varieties， Xiang XH50， Xiang K26 and Xiang K27， were measured at the main growth stages through field experiments. The spectral estimation model for SPAD value and yield estimation of different cotton varieties at the flower and boll stage were studied. The correlation between the SPAD value of cotton leaves and the first-order differential spectrum of the canopy was analyzed， and the SPAD value estimation model based on sensitive band value and the yield estimation model based on SPAD value were constructed. Through the comprehensive evaluation of R2， RMSE， RE and other indicators， the yield of cotton was accurately estimated. The results showed that in the visible light band （400-780 nm）， there was little difference in spectral reflectance among different cotton varieties， while in the near-infrared band （780-1000 nm）， there was a significant difference; the first-order differential spectral reflectance of Xiang XH50 and Xiang K26 was significantly positively correlated with SPAD value at 478 nm and 929 nm， respectively， and Xiang K27 was significantly negatively correlated at 994 nm; among the models for estimating SPAD values with sensitive wavelengths as independent variables， the polynomial model of Xiang K27 had the best accuracy， with R2， RMSE and RE of the modeling set being 0.6638， 1.3104 and 2.718%， respectively， and the R2， RMSE and RE of the validation set being 0.6366，1.1448 and 2.315 %， respectively; the yield estimation models constructed with SPAD value as the independent variable had a good effect， with R2 above 0.5. Among them， the model of Xiang K27 had the best effect， with the determination coefficient R2 as 0.9196. Conclusion： The chlorophyll content of cotton was estimated by canopy spectrum， and the SPAD value estimation model of Xiang K27 had the best accuracy; the yield of different cotton varieties was estimated by the SPAD value， and the yield estimation model of Xiang K27 had the best accuracy.

Key words： Cotton variety; SPAD value; canopy spectrum; yield

棉花是我国最主要的经济作物，在国民经济中起着举足轻重的作用。我国既是棉花进口大国，也是棉花种植大国。目前，我国现有五大棉区，主要包括黄河流域棉区、长江流域棉区、西北内陆棉区、北部特早熟棉区和华南棉区。其中，西北内陆棉区主要包括新疆和甘肃地区[1]。新疆是我国最大的商品棉基地和全球最大的棉花产区，也是全国唯一的长绒棉生产基地[2]。但自2019年以来，在中美两国的博弈、美国反全球化等因素的影响下，新疆地区的棉花产业发展受到了空前的影响，棉花产量出现了逐年下降的趋势[3]。因此在当前复杂的国际、国内环境中，怎样才能稳定国内棉花产量，提高出口贸易量，这对于维持我国棉纺织行业的竞争优势、保证社会就业具有十分重要的实际意义[4]。

叶绿素是植物生理状态的重要指标，也是植物长势监测的重要指标[5]。而SPAD值是指植物体中的叶绿素相对含量，它不仅与植物的光合作用密切相关，还与产量之间存在着协同效应[6]，因此监测SPAD值变化具有重要意义。田明璐等[7]通过分析不同光谱参数与SPAD值的相关性，得出反演棉花SPAD值精度较高的模型。纪伟帅等[8]通过对华北区域SPAD和光谱数据之间的相关关系进行分析，优选出较高精度的SPAD估算模型。李旭等[9]研究发现连续小波分析在信息降噪和挖掘特征信息方面优于傳统光谱模型，对棉花叶绿素含量预测更为精确。由此可见，我国现有的关于棉花SPAD值与光谱分析的研究，主要侧重于从建模方法和光谱分析的角度出发，尝试不同的建模方法对SAPD值进行估测，提高模型的准确度，而对产量估算方法的探讨则相对不足。

国内对棉花的研究多是对于棉花SPAD值反演模型的研究，而对通过SPAD值估测棉花产量的研究较少。因此，本试验以3个棉花品种为基础，于不同时期测定冠层光谱和叶片SPAD值，收获后测定产量，研究构建不同品种SPAD值估测模型和产量估测模型，为棉花产量估测提供理论和技术支撑。

1 材料与方法

1.1 供试材料与试验条件

1.1.1 供试品种与试验地点

供试棉花品种为湖南省棉花科学研究所培育的湘XH50、湘K26和湘K27三个品种。于2022年在湖南省常德市鼎城区棉花研究基地开展试验研究。试验地处中亚热带向北亚热带过渡的季风湿润气候区内，年平均气温15～23 ℃，年最高气温40 ℃，年最低气温?4 ℃，年总降水量1095.1 mm。前茬为油菜，试验区基础肥力基本一致。

1.1.2 试验设计

供试的3个棉花品种，每个品种种植24个小区，每个小区面积42 m2，每个品种试验区总面积为1008 m2，采用随机区组试验设计。3个品种种植密度均为1800株/667 m2，其他栽培管理措施按当地的栽培方式执行。

1.2 数据采集

1.2.1 冠层光谱数据采集

采用美国ASD公司生产的Hand Held 2手持地物光谱仪测定光谱反射率，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。于棉花移栽后蕾期、花铃期、吐絮期3个关键生育时期，选择天气晴朗、无风或风速较小的北京时间10：00—14：00进行数据采集。测量时仪器垂直向下，距离棉花冠层垂直高度约0.3 m，每3个小区重复测定前用自带参考白板校正1次。每个小区选取2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。本试验共三个品种，每个品种各采集48条光谱数据，每次共采集144条。

1.2.2 SPAD值的测定

与冠层光谱数据采集时间同步，3个品种分别在蕾期、花铃期、吐絮期，采用日本KONICA MINOLTA公司生产的SPAD502叶绿素仪，每个小区选取2株长势均匀的棉花，测定倒4叶片叶绿素值（SPAD），每个叶片不同部位测量3次，避开叶脉，取平均值作为各小区的叶绿素含量。本试验共3个品种，每个品种各采集48条SPAD值数据，每次共采集144条。

1.2.3 小区测产

棉花吐絮后开展籽棉的测产，收获前后（具体时间2022年10月20日）进行棉花籽棉产量测定，每个小区随机设置大小为1 m2的样点，将每个样点的棉花进行拾取测重，记为小区的籽棉产量。

1.3 数据处理

本试验测定了3个棉花品种蕾期、花铃期和吐絮期主要生育期SPAD 值与冠层光谱数据。3个品种，每个品种分24个小区，共72个小区，每个小区测量冠层光谱和SPAD值各2次，每次采集144组样点数据。由于花铃期是棉花营养与生殖发育的重要时期，是棉花品质与产量的关键时期，因此本研究选取棉花花铃期测量数据为研究数据，分析建模时将各个品种花铃期的48组数据按照分层随机抽样法选取32组作为建模集，剩余16组作为检验集。

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400～1000 nm的波长进行数据分析，利用Excel 2010和SPSS 26.0软件分析棉花冠层光谱数据和SPAD值的相关关系，再根据各品种花铃期一阶微分光谱与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MATLAB-R2022b 和 Excel 2010 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。R2、RMSE和RE的计算公式如下：

2 结果与分析

2.1 不同棉花品种主要生育期冠层光谱反射的特征分析

对3个棉花供试品种主要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，得出图1、图2所示的各品种主要生育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（400～730 nm）各品种冠层原始光谱反射率在不同生育期差异较小，表现为湘K26<湘K27<湘XH50。而在近红外波段（780～1000 nm），各品种在不同生育期的光谱反射率差异较大。随着生育时期的递进，各品种光谱反射率呈不断降低的趋势，这与楚万林等[10]的研究类似，吐絮期湘XH50光谱反射率高于K26、K27两个品种。

由图2可知一阶微分光谱反射率在红边区域（680～731 nm），蕾期和花铃期各品种光谱反射率差异不大，而在吐絮期湘XH50光谱反射率高于其他2个品种，表明在吐絮期湘XH50比其他2个品种叶片光合速率强

2.2 棉花冠层一阶微分光谱与SPAD值的相关性分析

将各品种主要生育期棉花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=32），得到如图 3 所示结果。由图3可知，各棉花品种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，只有在690～728 nm的红边区域存在明显差异。在蕾期，品种湘XH50在波长487 nm和874 nm达到极显著正相关，湘K27在波长469 nm、665 nm和671 nm达到极显著正相关，湘K26在波长929 nm达到极显著正相关；在花铃期，品种湘XH50在波长478 nm达到极显著正相关，湘K27在波长833 nm达到极显著正相关，在波长994 nm达到极显著负相关，湘K26在波长929 nm达到极显著正相关；在吐絮期，品种湘XH50在波长987 nm达到极显著正相关，湘K27在波长864 nm、974 nm达到极显著正相关，湘K26在波长497 nm、934 nm达到极显著负相关。

2.3 基于敏感波段的SPAD值估算模型构建

根据棉花花铃期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。湘XH50冠层一阶微分光谱反射率与相应SPAD值的最大相关系数是0.5084，对应波长478 nm；湘K27最大相关系数是-0.5434，对应波长994 nm；湘K26最大相关系数是0.4965，对应波长929 nm（表1）。根据各品种选取的特征波长分别构建SPAD值的线性、指数及多项式回归模型，并计算各个模型的R2、RMSE和RE。由表2可知，各棉花品种构建的模型中，各品种均是多项式模型表现最优，线性模型次之，指数模型最差（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品种表现最优的多项式模型：湘XH50的y=2E+07x2+19445x+34.842，湘K27的y=-9517.9x2-695.44x+39.309，湘K26的y=-72922x2+1473.7x+35.911作为SPAD值的估测模型。用各生育期剩余的16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16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，各品种最佳模型的验证结果都表现较好。不同品种模型精度存在差异，总体表现为湘K27模型精度最高，其次是湘XH50，最后是湘K26。结合图1和图4，湘K27多项式模型效果最好，其建模集R2、RMSE和RE分别为0.6638、1.3104和2.718%，验证集R2、RMSE和RE分别为0.6366、1.1448和2.315%。

2.5 不同品种棉花SPAD值与产量相关性分析

根据各棉花品种花铃期的SPAD值和产量构建线性拟合模型（图5），各品种SPAD值与产量之间均出现较强的线性关系，R2都在0.5以上。从表3可知，SPAD值与产量的相关系数都在0.8以上，呈高度正相关，说明随着棉花叶片叶绿素含量的增加，产量呈增加趋势。各棉花品种的产量方差分析如表4所示，湘K26与湘XH50和湘K27之间产量达到显著性差异，湘XH50和湘K27间差异不显著，湘K26与湘XH50之间达到极显著性差异。

3 讨论与结论

叶绿素含量对作物生长发育和产量有重要影响。在本试验中棉花叶片SPAD值与产量之间呈正相关，各品种SPAD值和产量之间存在着协同效应，这与王潭刚等[11]研究结果类似。本研究采集不同品种棉花冠层重要生育期蕾期、花铃期和吐絮期的光谱数据，通过分析不同品种棉花重要生育期冠层一阶微分光谱反射率与叶片SPAD值的相关性，构建了花铃期棉花SPAD值光谱估算模型，并对模型反演精度进行了比较，最后基于SPAD值对各棉花品种进行了估产，得到如下结论：（1）通过分析不同品种主要生育期棉花冠层光谱曲线特征，得出不同品种棉花冠层光谱反射率的变化趋势基本一致，可见光范围内的光谱曲线反射率比近红外范围内的反射率低，这与依尔夏提·阿不来提等[12]的研究类似；（2）通过对各品种重要生育期的棉花冠层一阶微分光谱与SPAD值的相关性分析，可知各品种最适生育期花铃期敏感波段，分别为湘XH50（478 nm）、湘K27（994 nm）、湘K26（929 nm）；（3）花鈴期各品种构建的线性、指数和多项式模型中各品种均表现为多项式模型的SPAD值含量估测效果最佳，且经过模型检验，其中湘K27的模型拟合效果最佳，其建模集R2、RMSE和RE分别为0.6638、1.3104和2.718%，验证集R2、RMSE和RE分别为0.6366、1.1448和2.315%；（4）通过SPAD值对不同棉花品种进行产量预测，分析得出各品种产量的模型估测效果都较好，决定系数R2都在0.5以上，其中湘K27的估产模型效果最佳，决定系数R2为0.9196，其次是湘XH50，R2为0.8086，最后是湘K26，R2为0.7131。

本研究基于各品种棉花花铃期建立了SPAD值的光谱估算模型，并对不同品种的产量进行估测，所构建的光谱分析模型具有良好的准确度，可为棉花生长和产量估测提供依據。但模型的建立方式相对比较简单，个别模型的适用性不是很好，比如湘XH50的产量很低，没有达到这个品种的要求，这可能跟试验地异常高温和降雨量稀少的情况有关，另外，本试验只做了一个生态试验点，没有对多个试验点进行比较分析，下阶段在此试验基础上，开展同一年不同生态区试验，探究导致品种产量降低的其他原因，以及构建其他生长指标与产量的光谱估测模型，并在建模方法上做进一步探究。

参考文献

[1] 周婷婷， 肖庆刚， 杜睿， 等. 我国棉花脱叶催熟技术研究进展[J]. 棉花学报， 2020， 32（2）： 170-184.

[2] 喻树迅. 中国棉花产业百年发展历程[J]. 农学学报， 2018， 8（1）： 85-91.

[3] 张若薇， 陈玉兰， 赵达君. 新疆棉花产业发展现状与建议[J]. 智慧农业导刊， 2023， 3（6）： 1-5.

[4] 陈常兵. 我国内地棉区棉花生产现状与发展对策[J]. 中国农技推广， 2022， 38（10）： 10-13.

[5] MAIN R， CHO M A， MATHIEU R， et al. An investigation into robust spectral indices for leaf chlorophyll estimation[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2011， 66（6）： 751-761.

[6] 李田甜， 向为民， 胡宇凯， 等. 无膜棉‘中619不同品系SPAD值与产量品质的关系[J]. 塔里木大学学报， 2022， 34（1）： 71-76.

[7] 田明璐， 班松涛， 常庆瑞， 等. 基于无人机成像光谱仪数据的棉花叶绿素含量反演[J]. 农业机械学报， 2016， 47（11）： 285-293.

[8] 纪伟帅， 陈红艳， 王淑婷， 等. 基于无人机多光谱的华北平原花铃期棉花叶片SPAD建模方法研究[J]. 中国农学通报， 2021， 37（22）： 143-150.

[9] 李旭， 陈柏林， 周保平， 等. 利用叶片高光谱反射率预测棉花叶绿素含量[J]. 华中农业大学学报， 2023， 42（3）： 195-202.

[10] 楚万林， 齐雁冰， 常庆瑞， 等. 棉花冠层叶片叶绿素含量与高光谱参数的相关性[J]. 西北农林科技大学学报（自然科学版）， 2016， 44（9）： 65-73.

[11] 王潭刚. 不同基肥用量对棉花SPAD值和产量的影响[J]. 新疆农垦科技， 2018， 41（6）： 34-36.

[12] 依尔夏提·阿不来提， 白灯莎·买买提艾力， 买买提·沙吾提， 等. 基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算[J]. 光学学报， 2019， 39（9）： 372-380.