高光譜數(shù)據(jù)估測稻麥葉面積指數(shù)和葉綠素密度研究

本研究應用了400-1000nm的高光譜相機，可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進行相關研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

該研究利用高光譜遙感技術(shù)分析水稻和小麥兩種作物不同生育期的冠層光譜及其葉面積指數(shù)和葉綠素密度的變化，比較高光譜植被指數(shù)與兩種作物的葉面積指數(shù)和葉綠素密度之間的關系，最后確定估算兩種作物的葉面積指數(shù)和葉綠素密度最佳植被指數(shù)。結(jié)果表明：水稻和小麥兩作物的葉面積指數(shù)和葉綠素密度在整個生育期內(nèi)的變化規(guī)律基本一致，即先升高后下降的趨勢，但兩作物葉綠素密度與葉面積指數(shù)最大值出現(xiàn)的時期不同；稻麥兩作物在整個生育期內(nèi)的光譜反射率曲線，在可見光區(qū)域(400～700nm)變化無明顯規(guī)律，在近紅外區(qū)域(700～1000nm),生育前期反射率由低到高，到生育后期則由高到低，其中最大值分別出現(xiàn)在抽穗期和灌漿期左右；通過14種植被指數(shù)與兩作物的葉面積指數(shù)和葉綠素密度相關性比較分析得知，二次修正土壤調(diào)節(jié)植被指數(shù)(MSAVI2)與水稻農(nóng)學參數(shù)相關性最好，相關系數(shù)r>0.91,而小麥在800nm處的光譜反射率(Rsoo)與其農(nóng)學參數(shù)相關性最好，相關系數(shù)r>0.92;并利用線性回歸的方法，建立了估算兩作物葉面積指數(shù)和葉綠素密度的模型，決定系數(shù)R2>0.85。這樣為不同環(huán)境條件下(水作和旱作)農(nóng)作物的動態(tài)監(jiān)測和科學管理及決策提供了技術(shù)支持。

數(shù)據(jù)分析

本研究首先分析了2種農(nóng)作物在不同生育時期光譜反射率的差異性，并利用筆者先前研究中的高光譜植被

指數(shù)(表1),分析兩種農(nóng)作物的葉面積指數(shù)和葉綠素密度與高光譜植被指數(shù)的相關性，分別篩選出對兩種農(nóng)作物的葉面積指數(shù)和葉綠素密度敏感的最佳植被指數(shù)，然后利用線性回歸分析建立相應的模型，并進行精度檢驗。

結(jié)果與分析

不同生育期稻麥葉面積指數(shù)和葉綠素密度的變化

由圖1可知，稻麥兩種作物的葉面積指數(shù)和葉綠素密度在生育期內(nèi)均呈現(xiàn)拋物線的變化規(guī)律。水稻由移栽后到始穗階段，由于水稻分蘗數(shù)量增加，單葉面積持續(xù)增長，促使葉面積指數(shù)不斷增加，葉面積指數(shù)增加的速率由快到慢，至抽穗期左右，葉面積指數(shù)達到最大值。灌漿期以后，由于葉片已經(jīng)不能夠進行較強的光合作用，葉片開始衰老，植株下部的葉片逐漸枯黃以至干死，葉面積指數(shù)迅速減小。而小麥葉面積指數(shù)從出苗到乳熟期不斷增加，并達到最大值，乳熟期以后，隨著生育期的推進，下部葉片逐漸衰老脫落，葉面積指數(shù)迅速下降。

葉綠素是作物生產(chǎn)干物質(zhì)的基質(zhì)，單位面積綠色體及葉綠素的含量將影響作物經(jīng)濟產(chǎn)量的高低。通常，把葉片葉綠素含量與單位面積總綠葉鮮質(zhì)量的乘積定義為冠層葉綠素密度，圖1所示，兩種作物的冠層葉綠素密度與葉面積指數(shù)變化趨勢基本接近，其中水稻葉綠素密度最大值出現(xiàn)的時期與葉面積指數(shù)基本一致，但小麥葉綠素密度最大值出現(xiàn)在灌漿期，比葉面積指數(shù)提前一些，這可能是由于小麥作物需要較強的光合作用來促進生殖生長，提高作物產(chǎn)量。從兩種作物生育期總體來看，群體的葉綠素密度與葉面積指數(shù)變化規(guī)律相似，其主要原因可能是群體的葉綠素密度包含有葉面積指數(shù)與單葉葉綠素含量的信息，是二者的綜合體現(xiàn)。

不同生育期稻麥冠層光譜特征比較

隨著水稻和小麥發(fā)育期的推進，冠層高光譜反射率出現(xiàn)了較為明顯的變化。圖2反映了兩種作物在營養(yǎng)生長期和生殖生長期的冠層光譜特征的變化。

隨著科技的發(fā)展，我們相信高光譜相機將會在水稻研究中發(fā)揮更大的作用。例如，我們可以將高光譜相機與無人機、衛(wèi)星等設備結(jié)合，實現(xiàn)從空中對水稻田進行大面積的高光譜拍攝，從而獲取水稻生長的宏觀情況。我們也可以將高光譜相機應用于水稻的分子生物學研究中，以揭示水稻生長、發(fā)育的更深層次的機理。

高光譜相機與水稻葉面積指數(shù)研究

葉面積指數(shù)（LAI）是反映作物生長狀況的重要參數(shù)，傳統(tǒng)的方法是通過直接測量或者模型模擬來計算，然而這兩種方法都有其局限性。高光譜相機則能夠通過測量水稻的反射光譜，利用相關的數(shù)據(jù)分析算法，直接獲取水稻的LAI值，具有快速、無損、準確的優(yōu)點。

例如，研究人員在實驗中使用了高光譜相機對水稻進行拍攝，獲取其反射光譜數(shù)據(jù)，并通過建立反射光譜與LAI之間的模型，成功地計算出了水稻的LAI值。實驗結(jié)果表明，高光譜相機獲取的LAI值與傳統(tǒng)方法相當，而且其優(yōu)勢在于可以直接獲取實時的LAI值，無需對水稻進行破壞性的采樣。

高光譜相機與水稻葉綠素密度研究

葉綠素是植物光合作用的重要物質(zhì)，其密度（Chl密度）與水稻的生長狀況密切相關。與LAI類似，傳統(tǒng)的Chl密度測量方法也是基于直接測量或者模型模擬，而這些方法都無法避免對水稻的損傷。高光譜相機則能夠在無損的情況下，獲取水稻的Chl密度。

研究人員通過實驗發(fā)現(xiàn)，高光譜相機獲取的Chl密度值與傳統(tǒng)方法獲取的值高度一致，同時，高光譜相機還能夠提供Chl密度的空間分布情況，這在水稻的田間管理、病蟲害預警等方面具有很高的應用價值。

高光譜相機在水稻葉面積指數(shù)及葉綠素密度的研究中表現(xiàn)出強大的潛力。其優(yōu)點包括無損、快速、準確等，而且能夠提供水稻生長狀況的實時信息。然而，如何進一步提高高光譜相機在測量中的精度和穩(wěn)定性，以及如何降低其成本，使其能夠在更廣的范圍得到應用，這都是未來研究的重要方向。同時，高光譜相機獲取的大量數(shù)據(jù)處理需要強大的數(shù)據(jù)分析能力，這也是未來研究中需要解決的問題。