高光谱的草本植物水分含量检测模型构建

引用本文

赵阳, 成晨, 杨璐璐, 余新晓. 高光谱的草本植物水分含量检测模型构建[J]. 光谱学与光谱分析, 2019,39(3): 894-898.
ZHAO Yang, CHENG Chen, YANG Lu-lu, YU Xin-xiao. Study of the Establishment of Herb Water Content Detection Model Based on Hyperspectral Technology[J]. Spectroscopy and Spectral Analysis, 2019,39(3): 894-898.
Doi:10.3964/j.issn.1000-0593(2019)03-0894-05 复制到剪切板

Permissions

《光谱学与光谱分析》期刊社所有

高光谱的草本植物水分含量检测模型构建

赵阳¹, 成晨¹, 杨璐璐², 余新晓²

1. 流域水循环模拟与调控国家重点实验室, 中国水利水电科学研究院, 北京 100048

2. 北京林业大学, 北京 100083

作者简介: 赵阳, 1986年生, 中国水利水电科学研究院高级工程师 e-mail: zhaoyang1224@163.com

收稿日期: 2018-02-07

基金: 国家自然科学基金项目(41501041), 江西省水利科技项目(KT201404)资助

摘要

基于高光谱开展植物水分盈缺检测是当前植物生理学研究的热点。羊茅草是我国北方草坪使用量最大的草本植物之一, 其生长对水分需求量大, 水分亏缺会使其叶片颜色、纹理、形态等物理特征和组织生理特性发生系列变化。开展基于高光谱的草本植物水分含量检测模型构建, 可实现对羊茅草等草本植物水分盈缺状况的快速无损监测, 利于全面、可靠的诊断草本植物水分状况并及时采取应对措施, 为预测未来气候变化下北方常见草本植物生理响应及变化过程提供重要依据。以北方使用量最大的草本植物——羊茅草为例, 采用盆栽控制实验法开展基于高光谱的植物水分含量观测模拟实验研究。实验在恒温恒湿培养箱中进行。经查阅有关文献, 该实验共设置空气CO₂浓度(CX)(包括400和700 μmol·mol^-1两个梯度)和土壤持水量(WX)(包括: 100%田间持水量, 40%田间持水量, 20%田间持水量三个梯度)两个变量, 共六种不同情景; 在不同情景条件下, 借助ASD Field Spec HandHeld光谱仪于每天10:00—14:00测定羊茅草叶片光谱反射参数, 主要包括: 光谱反射率( R_i)、一阶导数光谱( Dλ_i)、红边幅值( Dλr)、红边位置( λr)、红谷吸收深度( D)、红边面积( Sr)、光化学反射指数(PRI)、叶绿素指数(Rch)、归一化植被指数(NDVI)、比值植被指数(RVI)、归一化光谱指数(NDSI)、比值光谱指数(RSI)、分形维数(Fd)等。通过采集不同情景下植物光谱反射参数, 采用多元线性逐步回归分析、方差分析、数学统计模型构建等多种方法, 探讨不同生境条件下羊茅草叶片水分含量与光谱反射率( R_i)、红边幅值( Dλr)、红边面积( Sr)等光谱参数之间的量化关系, 筛选出可以用于检测羊茅草水分含量状况的最优光谱特征参数, 并构建了基于高光谱的羊茅草水分含量检测模型公式。研究结果表明: 归一化植被指数(NDVI)、叶绿素指数(Rch)、分形维数(Fd)与羊茅草叶片含水量之间相关性在99%置信水平上达到极显著水平( p<0.01), 且对于不同土壤水分胁迫条件下的羊茅草长势分辨效果较好, 是监测羊茅草水分含量的有效参数和最优参数。同时发现, 羊茅草叶片水分含量( Y)与诸多光谱特征参数( X)之间具有良好的多元线性关系, 拟合得到羊茅草水分含量检测模型公式为:Y=-0.125XRch+1.714XNDVI-0.023XFd+0.018,相关系数平方( R²)达到0.89, 通过F检验, 模型检验达到极显著水平( F=15.588>7.21, p<0.01), 说明建立的回归模型具备统计学意义, 可以用于羊茅草水分含量检测。为快速便捷且准确无损的监测羊茅草受旱程度, 指导大面积草坪灌溉和管理等提供; 重要的技术支撑, 对于丰富植被水分光谱探测研究具有重要理论与实践意义。

关键词: 光谱; 水分盈缺; 统计模型; 评估

中图分类号:S132 文献标志码:A

Study of the Establishment of Herb Water Content Detection Model Based on Hyperspectral Technology

ZHAO Yang¹, CHENG Chen¹, YANG Lu-lu², YU Xin-xiao²

1. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100048, China

2. Beijing Forestry University, Beijing 100083, China

Abstract

The detection of plant water deficit based on hyperspectral technology is the current research hotspot. Fescue is one of the major herbaceous plants which have the maximum usage in northern China, and its growth has a large demand for water, and it will have a series of changes in physical characteristics (color, texture, shape, etc. ) and physiological characteristics under the condition of water deficit. By studying the establishment of plant water content detection model based on hyperspectral technology, the rapid non-destructive monitoring and assessment for the plant water deficit can be achieved, and the plant water status can be diagnosed comprehensively and reliably. The research can provide important basis for predicting the physiological response and change of common herbaceous plants in the North under future climate change. Fescue was sampled to carry out pot control simulation research under constant temperature and humidity conditions. The experiment involves two variables of CO₂ concentration (CX) and soil water holding capacity (WX). Two CO₂ gradients were set, 400 and 700 μmol·mol^-1, respectively. Three water holding capacity treatments were carried out at each CO₂ gradient, 100%, 40% and 20% of water holding capacity respectively. And then an ASD Field spec Hand Held spectrometer was used to measure the spectral reflection parameters of the fescue at 10:00—14:00 per day, including Spectral Reflectance ( Ri), First Derivative Spectrum ( Dλi), Red Ddge Magnitude ( Dλr), Red Edge Position ( λr), Red Valley Absorption Depth ( D), Red Edge Area ( Sr), Photochemical Reflectance Index (PRI), Chlorophyll Index (Rch), Normalized Difference Vegetation Index (NDVI), Ratio Vegetation Index (RVI), Normalized Difference Spectral Index (NDSI), Ratio Spectrum Index (RSI), Fractal Dimension (Fd), etc. Regression analysis and statistical model building were applied to analyze the quantitative relationships between spectral parameters and physiological parameters. The complex relationships between spectral characteristic parameters and Fescue leaf water content were analyzed using statistical methods to extract optimal spectral characteristic parameters and subsequently to establish the estimation models of spectral characteristics and water deficit. The results showed that Normalized Difference Vegetation Index (NDVI), Chlorophyll Index (Rch), and Fractal Dimension (Fd) were significantly correlated with leaf water content at the 99% confidence level. So, we reckoned that the three spectral characteristic indicators are the most effective parameters for monitoring water deficit of Fescue. There are good linearities between leaf water content and spectral characteristic parameters, and the formula of detection model is, Y=-0.125 X_Rch+1.714 X_NDVI-0.023 X_Fd+0.018, and the model test is significant at the 99% confidence level. The results can provide the technical supports for rapid non-destructive monitoring of the drought degree of Fescue, and provide a scientific guidance for large scale irrigation and management of Fescue.

Keyword: Hyperspectral; Water deficit; Statistical model; Evaluation

文章图片

引言

大气CO₂浓度上升, 降水量减少及分配不均等引发的气候暖干化是当前全球气候变化的主要表现形式。植物光合作用作为陆地生态系统物质与能量循环的重要环节, 在受植物自身生长状况影响的同时, 气候变化背景下的外部光热条件改变势必会对植物光合作用及其光谱特征等产生重要影响^{[1, 2]}。一方面, 大气CO₂浓度升高和气候干旱导致的土壤水分持续亏缺会对植物光合作用等生理生态过程造成影响, 进而导致作物产量或生物量发生改变^[3]。另一方面, 不同生境条件下, 植被因色素含量、细胞结构、含水量改变而导致植物光谱特征存在一定差异^[4]。近年来, 随着高光谱遥感技术在植物生长状况及其水分胁迫程度动态监测等方面的广泛应用, 气候暖干化背景下植物生理生态响应研究又增加了新的技术手段^[5]。

因此, 基于高光谱探究气候变化条件下植物水分盈缺等生理特征参数变化趋势, 能在丰富植被生长状况监测技术同时, 实时动态监测植物受旱程度、预测植物对未来气候变化条件下的变化特征。国内外学者在应用高光谱图像检测植物含水量等方面进行了诸多探索^[6]。刘小军等^[7]研究表明高光谱可用于水稻叶片含水量的定量监测; 梁亮等^[8]认为导数光谱可实现小麦冠层叶片含水量信息的准确估测; 吴龙国等^[9]认为NIR高光谱成像技术提取特征波长进行长枣水分检测是可行的。以往研究多集中于农作物生理特征对气候变化响应规律的探讨, 气候变化背景下基于高光谱的草本植物受旱程度评估研究较少, 且多定性分析, 缺乏定量讨论。

羊茅草是国内使用量最大的冷季型草坪草之一, 在我国北方大面积分布。开展气候变化背景下基于光谱技术的羊茅草水分盈缺监测指标筛选研究, 实现利用高光谱对羊茅草草坪草水分、生长状况的快速评估, 对有效地指导草坪灌溉和管理具有重要实际意义。本研究采用控制实验法模拟不同CO₂浓度和水分胁迫下羊茅草光谱特征与生理生态响应, 筛选用于预测羊茅草水分含量的光谱特征参数, 并基于生理特征参数与光谱特征量化关系构建羊茅草水分含量检测模型, 为实现大面积羊茅草草坪草受旱程度评价提供技术支撑。

1 实验部分

1.1 材料

选取羊茅草(Festuca arundinacea)Arid Ⅲ 号为试验对象, 该草种属禾本目, 禾本科多年生地被植物, 茎圆形, 直立, 粗壮, 簇生。叶鞘圆形, 光滑或有时粗糙, 开裂, 边缘透明, 基部红色。鉴于该植物适应性强, 出苗快, 幼苗活力强, 具有非常好的耐热、抗旱性能, 形成的草坪质地细腻、草坪覆盖度大、密度高, 故而大量应用于运动场草坪和防护草坪, 在我国华北、东北等地区广泛分布。

1.2 控制实验

采取羊茅草盆栽变量控制实验法开展模拟研究, 整个实验选择在羊茅草抽穗期(4月— 9月)进行。首先于4月选取长势相近的羊茅草样本, 分别移植至九个花盆内(每盆20株); 5月将样本花盆移植至FH-230恒温恒湿培养箱中进行模拟实验。整个实验过程要求控制光照、湿度以及温度等环境因子与北京市近2010年— 2014年同期平均水平一致。实验控制变量主要包括: CO₂浓度(CX)和土壤持水量(WX)。其中, CO₂浓度(CX)设置2个梯度(400和700 μ mol· mol^-1), 土壤含水量(WX)设置3个梯度(20%, 40%和100%田间持水量), 由称重法进行含水量控制, 每种处理设置三个重复。变量组合见表1。

表1 CO₂浓度和水分梯度组合情况 Table 1 CO₂ concentration and soil moisture gradient in the experiment

1.3 叶片含水量指标获取

叶片含水量指标数据采集于羊茅草抽穗期(5月— 9月), 每月10日、 20日和30日定期采样, 采样周期为10 d。指标采集标准见表2。

表2 生理特征指标表 Table 2 Description of physiological characteristics

1.4 光谱数据获取

采用ASD Field Spec HandHeld光谱仪(Analytical Spectral Device, US, 波段值为300~1 100 nm, 光谱分辨率3 nm, 采样间隔0.6 nm), 于每天10:00— 14:00测定叶片光谱反射参数。为保证光谱仪探头视野范围全部落在阳光下的样本叶片上, 光谱仪传感器探头垂直向下, 距草本冠层顶垂直高度约0.7 m, 视场角为25° 。每次测量前使用标准白板进行校正, 每次测定3次取平均值作为测量定值, 光谱特征参数主要包括: 光谱反射率(R_i)、一阶导数光谱(Dλ _i)、红边幅值(Dλ r)、红边位置(λ r)、红谷吸收深度(D)、红边面积(Sr)、光化学反射指数(PRI)、叶绿素指数(Rch)、归一化植被指数(NDVI)、比值植被指数(RVI)、归一化光谱指数(NDSI)、比值光谱指数(RSI)、分形维数(Fd)等, 具体计算方法参见相关文献。

2 结果与讨论

2.1 不同模拟条件对羊茅草光谱特征的影响

2.1.1 不同条件下羊茅草光谱反射率变化

由图1(a)可知, 不同生境下羊茅草光谱反射率(R_i)曲线在380~1 000 nm波长范围内整体变化趋势大致相似, 具有一般绿色植物的特征, 但考虑生境不同, 不同情景下光谱反射率曲线又存在一定差异。其中, 在550和700 nm波长附近, 存在反射率在10%左右的反射绿峰和反射率在5%左右的红光低谷。受干旱胁迫影响, 光谱绿峰高度(H)和红谷深度(D)分别平均下降15.2%和8.5%。在760~980 nm范围内存在反射率高达40%以上的反射高原区[图1(b)]。图1 (c)和(d)对比可知, 在可见光波段, 低CO₂浓度情景下, 羊茅草叶片光谱反射率总体偏低。其中, 重度干旱胁迫下, 叶片反射率明显偏低。在高CO₂浓度情景下, 光谱反射率受干旱胁迫影响较小。在近红外波段, 低CO₂浓度重度干旱胁迫条件下, 叶片光谱反射率明显降低, 这与龙光强^[10]研究结果一致。其他生境条件下考虑不同CO₂浓度和干旱胁迫产生的交互作用, 叶片光谱反射率差异不大。

	Figure Option View Download New Window
	图1 不同CO₂浓度和土壤水分处理下羊茅草的光谱反射曲线Fig.1 Hyperspectral reflectance curves of Fescue under different CO₂ concentrations and soil water supply

2.1.2 不同CO₂浓度和干旱胁迫下羊茅草红边特征变化

“ 红边” 现象是植物光谱曲线最明显特征, 植物缺水时, 红边位置会发生明显变化, 开展植物红边特征变化分析对了解植物水分状况具有重要指示意义。由表3可知, 在CO₂浓度由700~400 μ mol· mol^-1变化过程中, 干旱胁迫使羊茅草反射曲线的红边位置(λ r)发生“ 蓝移” , 即向短波方向移动; CO₂浓度升高后, 反射曲线的红边位置受干旱胁迫影响较小。不同情境下红边斜率(Dλ r)、红边面积(Sr)变化具体表现为: 低CO₂浓度时, 随轻度干旱上升, 重度干旱下降; 高CO₂浓度时, 轻度干旱下降, 重度干旱上升。红边次峰斜率(Dλ sr)与Dλ r变化规律相似, 但区分度高于Dλ r, 说明可以更加明确地反映羊茅草反射光谱的红边参数特征。

表3 不同CO₂浓度和土壤水分条件下羊茅草的光谱反射参数 Table 3 Reflectance spectra red edge parameters of Fescue under different CO₂ concentration and soil moisture gradient

2.2 不同CO₂浓度和干旱胁迫对羊茅草叶片含水量的影响

由图2可知, 不同CO₂浓度和干旱胁迫下羊茅草叶片含水量变化区分度较高。其中, 低CO₂浓度下, 羊茅草叶片含水量(LWC)随土壤含水量降低而呈现明显的减少趋势, 减幅达9.6%。相反的, 在高CO₂浓度下, 羊茅草叶片含水量(LWC)随土壤含水量降低而呈现小幅增加, 这与高二氧化碳浓度可以导致叶片气孔阻力增加, 蒸腾速率下降密切相关, 同时也说明高二氧化碳浓度可以抵消干旱胁迫给植物生长带来的负效应, 进而利于保持叶片含水量。

	Figure Option View Download New Window
	图2 不同处理条件下羊茅草叶片含水量变化 2.3 羊茅草水分含量检测模型构建Fig.2 Changes in leaf water content of Fescue under different CO₂ concentrations and soil moisture conditions

结合以上研究, 选择Dλ r, Sr, Rch, PRI, NDVI, RVI, NDSI, RSI和Fd等光谱特征参数, 以土壤水分条件为参照殷子分别对C1和C2两组CO₂浓度条件下实验样本光谱特征参数进行方差分析。由表4知, Rch, NDVI和Fd在两种大气CO₂浓度条件下, 组间差异达到极显著水平(p< 0.05), 表明是利用高光谱遥感对羊茅草受旱程度进行监测的最优参数。叶片含水量指标(Y)与光谱特征参数指标(X)之间的关系, 利用SPSS18软件进行多元线性回归分析, 拟合得到羊茅草水分含量检测模型公式为

$\begin{array}{l} Y = - 0.125 X_{Rch} + 1.714 X_{NDVI} - 0.023 X_{Fd} + 0.018 \\ R^{2} = 0.89 (1) \end{array}$

对模型公式进行显著性检验, 由表5可知, 模型F统计量为15.588> 7.21, 显著性检验水平p值为0.000< 0.01, 说明模型公式中羊茅草叶片含水量与X_Rch, X_NDVI, X_Fd等自变量线性关系十分显著, 建立的回归模型具备统计学意义。模型决定系数达到0.89, 说明三个光谱特征变量能够用于检测羊茅草水分含量情况。植物反射光谱具有明显的分形特征, 其与叶片含水量都具有显著的负相关关系, 同时结合以上参数在羊茅草瘦旱情况下具有较好的区分度, 故综合认为采用以上三种参数可以实现对羊茅草水分无损监测。

表4 方差分析 Table 4 Analysis of variance

表5 F检验 Table 5 F-Test

3 结论

水分是限制植物生长好坏的主要因子之一, 了解和掌握植物生长水分状况, 对于科学评估区域生境情况具有重要意义。基于高光谱数据, 对大气CO₂浓度及干旱胁迫引起的羊茅草水分含量及光谱特征变化进行了分析, 结果表明归一化植被指数(NDVI)、叶绿素指数(Rch)、分形维数(Fd) 对于不同土壤水分胁迫下的羊茅草长势分辨效果较好, 是监测羊茅草水分含量的有效参数; 据此构建了羊茅草水分含量检测模型, 初步实现了羊茅草受旱程度的高光谱检测方法, 对于丰富植被光谱探测技术研究具有重要理论与实践意义。考虑到植物对环境的适应性反应是逐步形成的, 故需对植物生长情况进行长期监测, 更有利于获取可靠准确的研究结果, 这是下一步研究的重点。

The authors have declared that no competing interests exist.

参考文献

文献列表

[1]	LIU Ke, ZHOU Qing-bo, WU Wen-bin, et al(刘轲, 周清波, 吴文斌, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2016, 32(3): 155. [本文引用:1]
[2]	JIANG Zi-zhu, ZHU Heng-guang, ZHANG Qian(姜籽竹, 朱恒光, 张倩). Crops(作物杂志), 2015, (3): 23. [本文引用:1]
[3]	ZHANG Shu-yong, XIA Jiang-bao, ZHANG Guang-can, et al(张淑勇, 夏江宝, 张光灿, 等). Acta Ecologica Sinica(生态学报), 2014, 34(8): 1937. [本文引用:1]
[4]	WANG Shu-wen, ZHAO Shan, ZHANG Chang-li, et al(王树文, 赵珊, 张长利, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2016, 32(13): 149. [本文引用:1]
[5]	LI Lan-tao, WANG Shan-qin, REN Tao, et al(李岚涛, 汪善勤, 任涛, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2016, 32(14): 209. [本文引用:1]
[6]	YUE Xue-jun, QUAN Dong-ping, HONG Tian-sheng, et al(岳学军, 全东平, 洪添胜, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2015, 31(8): 207. [本文引用:1]
[7]	LIU Xiao-jun, TIAN Yong-chao, YAO Xia, et al(刘小军, 田永超, 姚霞, 等). Scientia Agricultura Sinica(中国农业科学), 2012, 45(3): 435. [本文引用:1]
[8]	LIANG Liang, ZHANG Lian-peng, LIN Hui, et al(梁亮, 张连蓬, 林卉, 等). Scientia Agricultura Sinica(中国农业科学), 2013, 46(1): 19. [本文引用:1]
[9]	WU Long-guo, HE Jian-guo, LIU Gui-shan, et al(吴龙国, 何建国, 刘贵珊, 等). Journal of Optoelectronics·Laser(光电子·激光), 2014, 25(1): 135. [本文引用:1]
[10]	LONG Guang-qiang, CHEN Gong, GUO Bin, et al(龙光强, 陈功, 郭滨, 等). Journal of Yunnan Agricultural University(云南农业大学学报), 2008, 23(4): 468. [本文引用:1]

2016

0.0

LIU

, ZHOU

Qing-bo

, WU

Wen-bin

, et al(刘轲, 周清波, 吴文斌, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2016, 32(3): 155.

近年来，高光谱遥感数据广泛应用于农作物叶面积指数（LAI）反演。与常用的多光谱遥感数据相比，高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题，该研究利用实测冬小麦冠层高光谱反射率数据，构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM（a two-layer canopy reflectance model）模型、2套参数化方案及上述5种光谱数据，对冬小麦LAI进行反演，分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明：当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时，LAI反演精度与稳定性更高，提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低；反之，当高光谱数据波段选择不当或者模型参数不确定性较大时，提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题，为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。

... 植物光合作用作为陆地生态系统物质与能量循环的重要环节, 在受植物自身生长状况影响的同时, 气候变化背景下的外部光热条件改变势必会对植物光合作用及其光谱特征等产生重要影响^[1,2] ...

2015

0.0

2014

0.0

ZHANG

Shu-yong

, XIA

Jiang-bao

, ZHANG

Guang-can

, et al(张淑勇, 夏江宝, 张光灿, 等). Acta Ecologica Sinica(生态学报), 2014, 34(8): 1937.

Atmospheric CO 2 concentrations, soil moisture, and photosynthetically active radiation are the major factors limiting plant growth and photosynthetic productivity in large areas of the world. These factors affect agricultural and forest production and the distribution and composition of vegetation. Human activities have resulted in increased CO 2 concentrations in the atmosphere, leading to changes in temperature, water cycling, and radiation. CO 2 is required for photosynthesis, and the ongoing increases in atmospheric CO 2 concentrations could eventually lead to higher temperatures and greater evaporative demands. Hence, droughts will be more frequent, intense, and erratic, and may affect regions that are not currently affected by drought. The effect of changes in CO 2 concentrations and soil water content on plants is an important theme in studies on global change. To date, few studies have assessed the effects of continuous increases in CO 2 concentration and soil moisture on photosynthesis. Securinega suffruticosa is one of the dominant drought-tolerant species growing on the shell islands in the Yellow River Delta region. To investigate the carbon and water cycles of the ecological system in this region, it is important to investigate the photosynthetic responses of S. suffruticosa to changes in CO 2 concentrations and soil moisture conditions. This has important practical significance both in terms of food safety and for constructing, improving, and managing a functional ecological environment as the global climate changes. The study materials were 2-year-old plants of S. suffruticosa , originally from the shell islands in the Yellow River Delta. These plants were obtained from a nursery. The plants were subjected to seven different levels of water supply using an artificial water control system in a covered shed, and to a series of CO 2 concentrations controlled using a LI-COR 6400 portable photosynthesis system. The objective of this study was to investigate photosynthetic responses to CO 2 concentrations and determine whether photosynthetic productivity was quantitatively related to soil moisture content. The photosynthetic rate ( P n ) and characteristic parameters of photosynthesis showed threshold-value responses to variations in soil relative water content ( SRWC ). S. suffruticosa plants were able to maintain higher photosynthetic productivity in the range of 50.3% to 83.2% RWC ; in this range, the range of suitable CO 2 concentrations was 700 to 1100 μmol/mol, and P n increased with increasing CO 2 concentrations. The most suitable SRWC was 70.5%, and P n peaked at the CO 2 concentration of 900 μmol/mol. The characteristic parameters of photosynthesis showed different responses to changes in SRWC . Under normal and double CO 2 concentrations, the ranges of SRWC in which S. suffruticosa maintained higher photosynthetic productivity were 45.5%-90.0% and 47.0%-92.6%, respectively, indicating that S. suffruticosa was highly adaptable to changes in soil moisture content. The apparent maximum photosynthesis rate ( P max,c ) and carboxylation efficiency ( CE ) increased with increasing SRWC , peaking at 70.5% SRWC and then decreasing slowly at higher SRWC . The CO 2 compensation point showed the opposite trend to that of P max,c and CE , and reached a minimum value (approx. 51.3 μmol/mol) at 70.5% SRWC . The photorespiration rate increased slowly with increasing SRWC and peaked at approximately 2.6175 μmol·m -2 ·s -1 at 50.3% SRWC . We concluded that photosynthesis in leaves of S. suffruticosa is widely adaptable to changes in CO 2 concentrations and soil moisture, and that this species has the typical physiological characteristics of a water-tolerant and drought-tolerant plant. Thus, S. suffruticosa has the potential for cultivation on the shell ridge islands of the Yellow River Delta, China.

为阐明黄河三角洲贝壳砂生境叶底珠叶片光合作用对CO 2 浓度的响应规律，明确其光合生产力与土壤水分的定量关系，以2年生叶底珠（ Securinega suffruticosa ）苗木为材料，采用旱棚人工控水试验，利用光合测定系统测定分析了不同水分条件下叶底珠叶片光合作用的CO 2 响应特征。结果表明，叶底珠叶片净光合速率（ P n ）和光合作用特征参数对土壤水分（ SRWC ）变化具有阈值效应。维持叶底珠叶片较高光合生产力的 SRWC 为50.3%-83.2%，CO 2 浓度为700-1100 μmol/mol，其中最适宜的 SRWC 为70.5%，最大值出现在CO 2 浓度为900 μmol/mol，而正常CO 2 浓度和倍增CO 2 浓度下维持叶底珠叶片较高光合生产力水平的 SRWC 范围分别为45.5%-90.0%和47.0%-92.6%。叶底珠叶片表观最大净光合速率（ P max，c ）和羧化效率（ CE ）随着 SRWC 的增加而呈抛物线变化。CO 2 补偿点（ Г ）呈现与 P max，c 和 CE 相反的变化规律，在 SRWC 为70.5%时， Г 达到最低值（51.3 μmol/mol）。光呼吸速率（ R p ）在 SRWC 为50.3%时达到最小值（2.62 μmol·m -2 ·s -1 ），随着 SRWC 的增加， R p 增加缓慢。说明黄河三角洲贝壳砂生境条件下，叶底珠叶片光合作用对CO 2 浓度和土壤水分具有宽泛的适应范围，对贝壳砂生境经常出现的干湿交替逆境表现出一定适应能力，在黄河三角洲贝壳堤岛可引种栽培。

... 一方面, 大气CO₂浓度升高和气候干旱导致的土壤水分持续亏缺会对植物光合作用等生理生态过程造成影响, 进而导致作物产量或生物量发生改变^[3] ...

2016

0.0

WANG

Shu-wen

, ZHAO

Shan

, ZHANG

Chang-li

, et al(王树文, 赵珊, 张长利, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2016, 32(13): 149.

为了探索寒地玉米冠层氮素含量,以不同氮素水平下玉米大田试验为基础,利用高光谱成像技术探讨苗期玉米冠层光谱,通过相关矩阵法选择植被指数的变量,并依据叶片氮素含量与植被指数的相关性,建立玉米冠层氮素含量预测模型。结果表明:根据玉米冠层高光谱图像,选择与各波段相关性较强的525、566、700、715、895 nm作为植被指数的变量,构建与氮素含量相关性强的植被指数归一化植被指数NDVI(normalized difference vegetation index)、归一化光谱植被指数NDSI(normalized difference spectral index)、比值光谱指数RSI(ratio spectral index)、差值光谱指数DSI(difference spectral index)。以与叶片氮素含量相关性较高的植被指数为自变量,建立单变量、多变量回归预测模型。采用单变量NDVI二次函数回归模型作为0、50 kg/hm 2 施氮量下玉米冠层氮素含量预测模型,其R2分别为0.719、0.803。在100 kg/hm 2 施氮量下玉米冠层氮素含量的预测模型为3变量回归模型,其R2达到0.657。用置信椭圆F检验法检验预测模型,其F值均小于F0.05,估测值与实测值间R2分别是0.724、0.798、0.655,标准误差 RMSE分别为0.156、0.140、0.156 mg/g,表明实测值和估测值间的差异不明显,预测模型可用。

... 另一方面, 不同生境条件下, 植被因色素含量、细胞结构、含水量改变而导致植物光谱特征存在一定差异^[4] ...

2016

0.0

Lan-tao

, WANG

Shan-qin

, REN

Tao

, et al(李岚涛, 汪善勤, 任涛, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2016, 32(14): 209.

为快捷、无损和精准表征冬油菜磷素营养与冠层光谱间的定量关系，该文以连续3a田间试验为基础，探究叶片磷含量的敏感波段范围及光谱变换方式，明确基于高光谱快速诊断的叶片磷含量有效波段，降低光谱分析维度，提高磷素诊断时效性。以2013－2016年田间试验为基础，测定不同生育期油菜叶片磷含量和冠层光谱反射率。此后，对原初光谱（raw hyperspectral reflectance，R）分别进行倒数之对数（inverse-log reflectance，log(1/R)）、连续统去除（continuum removal，CR）和一阶微分（first derivative reflectance，FDR）光谱变换，采用Pearson相关分析确定叶片磷含量的敏感波段区域。在此基础上，利用偏最小二乘回归（partial least square，PLS）构建最优预测模型并筛选有效波段。结果表明，油菜叶片磷含量的敏感波段范围为730～1300 nm的近红外区域；基于敏感波段的FDR-PLS模型预测效果显著优于其他光谱变换方式，建模集和验证集决定系数（coefficient of determination，R2）分别为0.822和0.769，均方根误差（root mean square error，RMSE）分别为0.039%和0.048%，相对分析误差（relative percent deviation，RPD）为2.091。根据各波段变量重要性投影（variable importance in projection，VIP）值大小，确定油菜叶片磷含量有效波段分别为753、826、878、995、1 187和1 272 nm。此后，再次构建基于有效波段的油菜叶片磷含量估算模型，R2和RMSE分别为0.678和0.064%，预测精度较为理想。研究结果为无损和精确评估冬油菜磷素营养提供了新的研究思路。

... 近年来, 随着高光谱遥感技术在植物生长状况及其水分胁迫程度动态监测等方面的广泛应用, 气候暖干化背景下植物生理生态响应研究又增加了新的技术手段^[5] ...

2015

0.0

YUE

Xue-jun

, QUAN

Dong-ping

, HONG

Tian-sheng

, et al(岳学军, 全东平, 洪添胜, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2015, 31(8): 207.

针对传统柑橘叶片磷含量检测耗时费力、操作繁琐且损伤叶片等弊端，该研究引入高光谱信息探索柑橘叶片磷含量快速无损检测与预测模型，选ASD FieldSpec 3光谱仪采集柑橘4个重要生长期的叶片反射光谱，同步采用硫酸-双氧水消煮-钼锑抗比色法测定叶片的磷含量；先用正交试验确定小波去噪的最佳去噪参数组合，再分别选拉普拉斯特征映射（laplacian eigenmaps，LE）、局部线性嵌入（locally-linear embedding，LLE）、局部切空间对齐（local tangent space alignment，LTSA）、等距映射（isometric mapping，Isomap）和最大方差展开（maximum variance unfolding，MVU）5种典型的流形学习算法对去噪后的光谱数据进行降维和特征提取，进而建立基于支持向量机回归（support vector regression，SVR）的柑橘叶片磷含量预测模型。结果表明，基于一阶导数谱的Isomap-SVR建模结果最佳，全生长期校正集和验证集模型决定系数分别为0.9430和0.8949。试验表明，5种流形学习算法皆适用于对柑橘叶片磷含量的预测，为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。

... 国内外学者在应用高光谱图像检测植物含水量等方面进行了诸多探索^[6] ...

2012

0.0

LIU

Xiao-jun

, TIAN

Yong-chao

, YAO

Xia

, et al(刘小军, 田永超, 姚霞, 等). Scientia Agricultura Sinica(中国农业科学), 2012, 45(3): 435.

【Objective】 The objective of the experiments is to develop a key method for fast and nondestructive monitoring leaf water content (LWC) in rice (Oryza sativa L.). 【Method】 Two field experiments were conducted with different soil water conditions and rice cultivars across two growing seasons, and time-course measurements were taken on leaf hyperspectral reflectance and LWC at top four leaves over main growth stages. Several kinds of hyperspectral indices at leaf scale including ratio spectral indices (RSI), normalized difference spectral indices (NDSI) and difference spectral indices (DSI) with all combinations of two wavebands between 350 and 2 500 nm were calculated, and their relationships to LWC were analyzed. 【Result】 The results indicated that the leaf spectral reflectance varied distinctly with soil water treatments and different top leaves, the sensitivity bands mostly occured within near-infrared and short-infrared spectral regions. The spectral indices as RSI (R1402, R2272) and NDSI (R1402, R2272) were linear with LWC, giving the determination coefficient of linear regression (S-R2) of 0.80, and the predicted R2 (P-R2) based on the testing performance with independent datasets as 0.86. 【Conclusion】 It is concluded that the RSI (R1402, R2272) and NDSI (R1402, R2272) can be used to monitor leaf water content in rice.

1.南京农业大学农学院/国家信息农业工程技术中心/江苏省信息农业高技术研究重点实验室，南京210095

【目的】建立快速、无损诊断水稻叶片含水量的估测模型，为水稻水分精确管理提供依据。【方法】基于2年不同土壤水分处理和水稻品种的池栽试验，于水稻主要生育时期同步测定顶部4张叶片的光谱反射率和含水量，系统分析350—2 500 nm波段范围内任意两波段组合而成的比值（RSI）、归一化差值（NDSI）及差值（DSI）光谱指数，并分析其与叶片含水量的量化关系。【结果】不同土壤水分处理和叶位间，叶片反射光谱具有显著的时空变化特征，叶片含水量的敏感光谱波段主要位于近红外及短波红外区域；RSI （R1402, R2272）及NDSI （R1402, R2272）光谱指数与叶片含水量呈现良好的线性相关，线性拟合R2均达到0.80。基于独立试验资料对所建模型进行测试检验也显示，预测值和观察值的拟合R2也均达到0.86。【结论】RSI（R1402, R2272）、NDSI（R1402, R2272）均可用于水稻叶片含水量的定量监测。

... 刘小军等^[7]研究表明高光谱可用于水稻叶片含水量的定量监测 ...

2013

0.0

... 梁亮等^[8]认为导数光谱可实现小麦冠层叶片含水量信息的准确估测 ...

2014

0.0

... 吴龙国等^[9]认为NIR高光谱成像技术提取特征波长进行长枣水分检测是可行的 ...

2008

0.0

... 在近红外波段, 低CO₂浓度重度干旱胁迫条件下, 叶片光谱反射率明显降低, 这与龙光强^[10]研究结果一致 ...