渍害胁迫下小麦SPAD的高光谱监测方法研究

李燕丽，熊勤学，卢碧林，李继福，李磊，田广丽

（1.中国农业科学院农田灌溉研究所/河南商丘农田生态系统国家野外科学观测研究站，河南商丘476001；2.长江大学农学院，湖北荆州434025；3.荆州市农业技术推广中心，湖北荆州434025）

0 引言1

【研究意义】长江中下游地区是我国主要的小麦产区之一，也是受渍害影响最严重的地区之一，在小麦生育中后期因过多降雨造成的涝渍灾害是该区小麦高产稳产的主要限制因子[1-2]。涝渍胁迫导致小麦的灾损程度不仅取决于灾害发生的时期及其程度，还与排灌设施及地下水埋深情况有关[3-5]，且由于涝渍害具有一定的滞后性，传统的鉴别方法操作过程烦琐且费时费力，很难满足现实需要。因此研究一种能实时、快速识别小麦受渍方法对及时了解农作物受害程度、指导农业生产管理及产量估测等方面具有重要的意义。

【研究进展】近年来，高光谱遥感以其光谱分辨率高、波段连续性强、光谱信息量大的优点为农作物研究提供了新的平台[6-7]。前人利用高光谱遥感在高温、干旱、冻害、盐胁迫等环境胁迫和大气污染、有机物污染和重金属污染等逆境下作物生理生态参数估测方面取得了较大进步[8-11]。在涝渍害监测研究方面也取得了一定的进展。吴启侠等[12]研究了小麦花后0、20、40 cm 地下水持续17 d 左右时冠层光谱反射率变化，表明地下水埋深越浅、持续时间越长，在蓝紫光波段和红光波段的2个吸收谷越不明显，蓝移越明显，且以红边位置、红边偏度、红边峰度为输入层建立的BP 神经网络模型对叶绿素的估算精度较好；熊勤学等[13]通过研究不同品种小麦受渍光谱曲线随时间的变化特征，发现归一化水指数（Normalized difference water index，NDWI）的差异值可以用来反映小麦受渍情况；段丁丁等[14]研究了利用高光谱参数的变化特征判断小麦是否受涝和受涝程度的可行性。【切入点】但是，当前研究主要以作物渍害高光谱曲线特征分析为主，而对作物生理生态指标灾损情况估测的研究相对较少。理清小麦受渍后生理参数的变化特征及其与高光谱特征参数的相关性，筛选最优监测模型，是利用高光谱遥感技术监测小麦渍害的基础，也是实现小麦灾损快速、精确预测的前提。

叶绿素是作物光合作用能力和发育阶段的指示器，是监测植物生长健康状况的重要指标之一[15-16]。利用SPAD-502 快速测得的SPAD值，可以用来代替作物叶绿素量[17]。【拟解决的关键问题】本研究依据长江中下游小麦受渍特点，通过田间小区试验，分析8个小麦品种在灌浆期受渍前后SPAD的变化特征及其与高光谱特征参数的相关关系，并构建基于高光谱反射率和特征参数衰减量的渍害估算模型，探索小麦渍害损失程度的遥感监测方法，以期为小麦渍害大尺度监测提供理论基础。

1 材料与方法

1.1 试验区概况

试验区位于长江大学农学院试验基地（30°21′N，112°08′E），属东部季风农业气候大区、长江中下游农业气候区，雨热同期且与作物生产季节一致。该区地下水位相对较浅（3 m 左右），且由于受夏季风影响，每年4—10月常发生暴雨洪涝灾害。年均降水量约1 095 mm，年均日照时间1 718 h，种植农作物主要为小麦、油菜、水稻、棉花、玉米等。

1.2 试验设计

试验设置渍水处理F 和对照N，供试小麦品种为郑麦9023、漯6010、西农223、富麦168、鄂麦23、农大195、鄂麦19 和广源11-2（编号分别为C1—C8）8个小麦品种。其中前5个抗渍性较强、后3个抗渍性较差[13,18]，小区面积为12 m2（2.4 m×5.0 m），随机区组排列，每个处理3个重复共计48个小区。试验田土壤pH值为7.6，有机质为21.8 g/kg，速效氮为128.6 mg/kg，速效磷为14.1 mg/kg，速效钾量为163.9 mg/kg。

试验于2017年11月3日播种。已有气象资料表明，试验所在区域小麦产量形成关键期（4—6月）降水量偏丰[1]，形成渍害概率明显高于苗期，且渍水处理后的小麦叶片在灌浆中期明显干枯变黄[1]。因此，本研究人工模拟渍害时期为灌浆期（2018年4月14日），渍水处理期间持续灌水7 d，并使其地下水位埋深保持0.05 m 左右。渍水区和正常区之间留1.5 m 间隔距离，且中间用塑料膜隔离。试验前分别在受渍区和正常区10 cm 土层埋入EC-5 土壤水分自动监测传感器，设定每隔10 min 自动采集1次数据，试验期间土壤体积含水率如图1所示。所有小区田间管理与当地情况一致。

1.3 样品采集与测定

本研究利用小麦冠层高光谱反射率进行小麦渍害监测，而冠层反射率主要针对上层叶片（旗叶），因而为了减少测量误差，每个处理挂牌定点测定10个单茎旗叶的SPAD值，并取其平均值作为该小区的冠层SPAD值[19]。SPAD值采用SPAD-502 仪测定。数据测定时间分别为渍害处理前1 d（S1，渍害0 d），渍害处理结束的第2 天（S2，渍害处理8 d），渍害处理结束起自然生长7 d（S3，恢复7 d）。

图1 试验期间土壤体积含水率Fig.1 Soilvolumemoisture content of the experiment

采用Fieldspec 4 Wide-Res 型便携式地物光谱仪，进行小麦冠层光谱测定（波谱观测范围为350～2 500 nm）。光谱采集选择晴朗无风的天气条件下进行，测定时间为10:00—14:00。采用25°视场角探头，探头垂直向下，离小麦冠层顶部垂直高度为1 m。每个样地光谱采集前均进行标准参考版校正，每个样区采集10 条光谱曲线，以其平均值作为该区小麦冠层的光谱反射率值。分别于渍害处理前、中、后每隔3 d 进行光谱数据采集，如遇阴雨天则观测延后。本研究共进行5次光谱数据采集，时间分别为4月13日（渍害0 d）、16日（渍害3 d）、22日（渍害8 d）、25日（恢复3 d）和30日（恢复7 d）。

1.4 数据处理与分析

利用光谱分析软件ViewSpecPro 进行高光谱的断点校正、求均值等预处理，同时利用Savitzky-Golay多项式平滑法去除光谱噪声。由于叶绿素在红光光谱段的强吸收作用，使600～700 nm 光谱段的反射率降低，且叶绿素a 在680～700 nm附近的吸收率可达90%左右。因此，本研究利用600～700 nm 红光光谱反射率的平均值（AR）以及常用16个基于位置和面积变量的高光谱特征参数（表1）进行分析[10,12]。采用各参数或SPAD的减少量来衡量小麦受害程度[19]，计算式为：

式中：DX代表高光谱反射率、特征参数和SPAD的减少量；Xnormal和Xwaterlogging分别代表正常（不受渍）和受渍的高光谱反射率、特征参数和SPAD值。基于高光谱反射率和特征参数的减少量构建小麦SPAD灾损估算模型。本研究采用独立样本验证的方法对所建模型进行验证，即C2、C4、C6 和C8 采集的数据用于建模，C1、C3、C5 和C7的数据用于验证。分别基于SPSS和The Unscrambler 软件建立SPAD减少量的线性回归模型和偏最小二乘回归（Partial least squares regression，PLSR）模型，并用建模集决定系数R2、均方根误差RMSE和验证集决定系数R2v、均方根误差RMSEv进行模型精度评价，且决定系数越大、均方根误差越小，代表模型精度越高。

表1 基于位置和面积变量的高光谱特征参数Table1 Hyperspectral characteristic parameters of position and area

2 结果与分析

2.1 渍害胁迫对小麦SPAD的影响

图2（a）为渍水前后8个品种小麦SPAD均值的变化。由图2（a）可知，与正常小麦相比，受渍8 d的SPAD值（S2）差异并不明显；而停止渍水7 d后，受渍小麦SPAD值显著低于正常小麦。由图2（b）可见，受渍8 d时，除C5以外，其他几个品种的SPAD均有所下降，且C1的减少量最大；其中，C6、C8的SPAD减少量显著低于C1的减少量，而显著高于C2、C4、C5的减少量；至停止渍水7 d后，C7、C8 2个品种小麦的SPAD减少量均显著高于C1、C2、C3、C4、C5。结果表明渍水胁迫对不同品种小麦的SPAD影响程度有所差异，且抗渍能力弱的SPAD降低较为明显。

2.2 高光谱特征参数与SPAD值的相关性

渍害胁迫下小麦SPAD值与17个高光谱特征参数的相关关系见表2所示。从表2可以看出，渍害胁迫下SPAD值与10个高光谱特征参数（AR、Rg、Rr、Rg/Rr、Db、SDb、SDy、SDg、SDr/SDb、SDr/Sdy）呈极显著相关关系，且AR与SPAD值的相关性最高，其相关系数的绝对值达到0.84（n=48）。同时，受渍小麦高光谱特征参数与SPAD值的相关性明显高于正常小麦，相关系数的绝对值最高达到0.91（n=24）。

2.3 基于高光谱特征参数的小麦渍害灾损估算

基于式（1）分别计算以上所选10个高光谱特征参数的减少量，并建立SPAD值的灾损线性估算模型。由表3可知，基于10个高光谱特征参数构建的小麦SPAD值减少量模型决定系数R2在0.42～0.80之间。其中，以AR为变量构建的SPAD值的估算模型效果最好，验证R2v达到0.77，RMSEv为1.04，表明可以利用AR的减少量来监测小麦的灾损状况。

不同品种小麦受渍后AR的减少量随时间的变化情况如图3所示。根据其变化特点，可将受渍后小麦分成2 类，一类是郑麦9023、西农223、漯6010、富麦168 和鄂麦23（图3（a）），其特点为具有一定的抗渍能力，虽受渍当天就有反应，但在持续过程中逐渐恢复，富麦168 和鄂麦23 恢复相对缓慢；一类是鄂麦19、广源11-2 和农大195（图3（b）），其特点为受渍后前2 天反应不明显，持续过程中出现渍害反应，且没有恢复过程，表明AR的减少量可以用来反映不同品种小麦受渍情况。

图2 渍害下小麦SPAD值和不同品种小麦SPAD值的减少量Fig.2 Effects of wheat SPAD under waterlogging stressand the SPAD reduction of different wheat varieties

表2 渍害胁迫下高光谱特征参数与SPAD值的相关关系Table2 Correlation of the hyperspectral characteristic parameters and SPAD

表3 基于10个高光谱特征参数减少量的小麦SPAD值灾损估算结果Table3 Estimation results of SPAD reduction based on the ten hyperspectral characteristic parameters

2.4 基于偏最小二乘回归的小麦渍害灾损估算

基于高光谱反射率建立小麦SPAD值及其减少量的PLSR 估算模型如图4所示。由图4（a）可见，利用PLSR 方法建立的小麦冠层SPAD值估算模型中引进的因子数为17个，模型决定系数R2和RMSE分别达到0.980 和0.589（n=48）。基于式（1）分别计算各小区冠层光谱反射率的减少量，基于建模集数据（n=12）建立SPAD值减少量的PLSR 估算模型，模型中引进的因子数为10个，并利用验证集数据（n=12）对模型进行独立验证。由图4（b）和图4（c）可知，基于高光谱反射率构建的小麦SPAD值减少量建模集R2和验证集R2v分别达到0.984 和0.917，二者的均方根误差RMSE和RMSEv分别为0.358 和0.639，其精度明显高于基于单个高光谱特征参数的估算结果。

图3 不同品种小麦受渍后AR 减少量变化情况Fig.3 Changes of AR decrease of different wheat varieties after waterlogging

图4 基于PLSR的小麦SPAD值及其灾损估算结果Fig.4 Estimation results of wheat SPAD and its reduction based on PLSR method

3 讨论

小麦本身对渍害有一定的抗性，但当渍害超出其耐渍范围时，叶片光合结构受到损害，叶绿素量逐渐降低（图2），光合能力下降，最终影响其正常的生长发育[20-21]。叶绿素是监测植物生长健康状况的重要指标之一，且有研究表明，渍水胁迫对小麦叶绿素的抑制作用较为明显[22]。因此，本研究以小麦SPAD为研究对象，来分析渍害胁迫下小麦高光谱遥感监测的可行性。研究表明，渍害胁迫下小麦SPAD值降低，其变化随着品种的不同而有所差异，且与其抗性有关，这与前人研究结果基本一致[12,19]。

在水分胁迫下小麦高光谱特征参数的变化主要以红边等参数为主[13,23-25]，且小麦受涝渍害后红谷、绿峰、黄边位置易发生“红移”，红边位置发生“蓝移”[14]。本研究分析对比了正常和受渍小麦的红光光谱600～700 nm 反射率平均值（AR）及16个常用高光谱参数与SPAD的相关关系，结果显示AR与SPAD的相关性最高（r=-0.84）（表2），且受渍小麦的相关性明显高于正常小麦。根据小麦受渍后AR的减少量随受渍时间变化特征可将受渍后小麦分成2 类（图3），与品种的耐渍能力相吻合，且这2 类共同的特点是渍害处理结束3～8 d 后，小麦冠层红光光谱反射率逐渐升高，SPAD值减小。这主要是由于渍害胁迫影响小麦正常生长发育，致使其提前进入蜡熟期，而正常小麦还处于灌浆期[17]。

本研究利用受渍前后高光谱反射率及特征参数的减少量来量化小麦受害程度，并进行SPAD的灾损估算，结果显示基于高光谱反射率的PLSR 灾损估算模型精度明显高于基于高光谱特征参数的建模结果，其建模集和验证集决定系数分别达到0.984 和0.917（图4）。主要是由于高光谱特征参数建立的本质是对有关光谱反射率做一定的数学变换，以达到增强植被信息的目的，所用光谱信息相对较少。而PLSR 方法是将全部光谱信息作为输入自变量，并可在有效消除多个自变量之间共线性的同时，使自变量和因变量之间的共变性达到最大化[6-7]，进而建立回归模型。

本研究基于高光谱数据进行了渍害胁迫下小麦SPAD灾损监测研究，但由于小麦受害程度不仅与受渍时间和品种有关，还因灌溉条件、土壤类型、受渍时期等的不同而有所差异[26]，因而后续研究可将这些影响因素加以考虑，以提高其小麦渍害监测精度，实现区域作物渍害的卫星遥感监测。

4 结论

1）与正常小麦相比，受渍8 d 时的SPAD值差异并不明显；而停止渍水7 d 后，受渍小麦SPAD值较正常小麦显著降低，且渍害对不同品种小麦的SPAD影响程度有所差异。

2）小麦SPAD与17个高光谱特征参数中AR指数的相关性最高（r=-0.84），且其减少量随受渍时间的变化与品种的耐渍能力基本吻合，表明AR的减少量可以用来反映不同品种小麦受渍情况。

3）与基于高光谱特征参数的小麦SPAD灾损估算模型相比，基于PLSR 方法建立的模型估算精度较高（R2和R2v分别为0.984、0.917），可以进行渍害胁迫下小麦SPAD的灾损估算。