水氮運籌是作物生產中最重要的管理措施，適時適量的氮素供給是作物高產優(yōu)質的根本保障。因此，生產上需要基于適時掌握作物長勢和氮素狀況，進行及時合理地氮素診斷與施肥調控。然而已有的作物氮素監(jiān)測方法在時間或空間上難以滿足實時、快速、無損、準確診斷的要求。隨著高光譜遙感技術的發(fā)展，使得遙感能在光譜維上展開，可以直接對地物進行微弱光譜差異的定量分析，在植物遙感與應用中表現出強大優(yōu)勢，并在農業(yè)生產中得到長足發(fā)展。高光譜遙感數據具有波段窄和連續(xù)的特點，可以構造許多對生物理化參數相對敏感的光譜指數，能夠精細表達植被葉綠素、水、氮等生化組分吸收及細胞結構多次散射的波形，有助于提高高光譜數據用于提取作物生長信息的水平。冠層光譜是一種綜合信息，是眾多地物的混合光譜，為了準確提取目標物的特征信息，可以通過構造植被指數和使用微分光譜技術，以消除大氣和背景的影響。因此，通過對冠層高光譜信息的提取和分析，可以對作物長勢進行有效監(jiān)測與營養(yǎng)診斷。高光譜指數與多光譜指數相比，能夠顯著提高許多植被參數的估測精度，但有時候會暴露出過于敏感的特點。在遙感定量分析中，有必要采用不同的光譜數據處理技術，用于壓縮背景噪聲，提高分析的精度；同時加大訓練樣本的數量和復雜度，增強分析結果的真實性和適用性。

葉片氮積累量是葉片氮含量與葉重的乘積，它既反映植株個體葉片氮含量的信息，又包含植被群體蓋度特征。改善作物氮素營養(yǎng)，提高葉片氮含量，增加群體蓋度，在葉片氮積累量水平上會反映得更為明顯，反之亦然。因此，葉片氮積累量對作物群體長勢及氮素診斷具有重要的理論意義。田間地力水平及管理措施的差異常導致作物個體與群體的異質性，但小麥葉片氮積累量卻與產量密切相關5。小麥葉片氮素在開花～乳熟前高積累，灌漿開始葉片氮素穩(wěn)定輸出再分配，可以同時提高小麥產量和籽粒蛋白質含量，因此，了解葉片氮積累量的水平及動態(tài)變化，對評價作物生產能力及預測產量和品質均有重要意義。植被冠層光譜反映群體特征綜合信息，研究葉片氮積累量與冠層光譜之間的量化關系，在小麥氮素診斷中具有重要的應用價值。

高光譜相機無損估測小麥葉片氮積累量

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）。

本研究目的是以不同年份、品種、施氮水平的田間試驗為基礎，綜合分析小麥葉片氮素積累量與冠層高光譜參數的關系，以期確立氮素營養(yǎng)指標的定量監(jiān)測模型，為遙感技術在小麥氮素營養(yǎng)診斷的實際應用提供理論依據和技術支持。

1材料與方法

1.1試驗設計

本研究進行了3個田間試驗，涉及到不同年份、不同類型品種及不同施氮水平。田間試驗基本情況列于

表1。

試驗1:于2003～2004年在江蘇省農業(yè)科學院(南京市，118°78′E,32°04'N)進行。前茬水稻田，供試土壤為黃黏土，有機質0.96%,全氮0.10%,速效磷4029mg·kg1,速效鉀10278mg·kg1。供試小麥品種為寧麥9號(低蛋白質含量，約10%)、淮麥20(中蛋白質含量，約12%)、徐州26(高蛋白質含量，約15%)和揚麥10(中蛋白質含量，約13%)。設5個施氮水平，分別為0、75、150、225和300 kg·hm2純氮，基追比64,60%作基肥，拔節(jié)肥和孕穗肥各占20%,配施P2Os150 kg·hm?2和K?O 1125kg·hm2,全部用作基肥。小區(qū)面積為16m2,基本苗為1.8×10°株/hm2,行距25am。兩因素隨機區(qū)組排列，3次重復。其他管理措施同高產大田栽培。該試驗資料用于監(jiān)測模型的檢驗。

試驗2:2004～2005年在江蘇省農科院進行，供試品種為寧麥9號(低蛋白含量，約10%),揚麥12號(中蛋白含量，約127%),豫麥34(高蛋白含量，約15%),土壤質地為重粘土，有機質209%,全氮0.18%,速效

氮150.20mg·kg1,速效磷140.03mg·kg',速效鉀113.5mg·kg'。前茬為水稻，試驗設4個施氮水平：純氮0 kg·hm?2(N0),純氮75kg·hm2(N1),純氮150 kg·hm?2(N2),純氮225 kg·hm2(N3),配施80 kg·hmP?Os和150 kg·hm2K?O,磷鉀肥全部用作基肥，以上各處理的氮肥50%用作基肥，50%為拔節(jié)期追肥。試驗隨機排列，3次重復，小區(qū)面積4×4.5=18m2,基本苗1.5×10株/hm2,行距25 cm。其他栽培管理措施同一般高產麥田。該試驗資料用于建立監(jiān)測模型。

試驗3:2005～2006年在江蘇省南京市農林局科學試驗田(江寧區(qū)淳化鎮(zhèn)，118°83'E,31°95'N)進行，供試品種為寧麥9號(低蛋白含量，約10%),豫麥34(高蛋白含量，約15%),土壤質地為黃棕壤，有機質1143%,全氮011%,速效氮625mg·kg1,速效磷10.36mg·kg,速效鉀825mg·kg1。前茬為水稻，試驗設4個施氮水平：純氮0kg·hm?2(N0),純氮90 kg·hm?2(N1),純氮180 kg·hm?2(N2),純氮270 kg·hm?2

(N3),配施150 kg·hm2P?O?和210kg·hm2K?O,磷鉀肥全部用作基肥，以上各處理的氮肥50%用作基肥，50%為拔節(jié)期追肥。試驗隨機排列，3次重復，小區(qū)面積5×5.5=27.5m2,基本苗1.8×10°株/hm2,行距25

cm。其他栽培管理措施同一般高產麥田。該試驗資料用于建立監(jiān)測模型。

1.2測定方法

1.21光譜數據測定

小麥冠層光譜測量采用美國Analytical SpectralDevice(ASD)公司生產的FieldSpec Pro FR2500型背掛式野外高光譜輻射儀，波段值為350～2500 mm,其中，350～1000 mm光譜采樣間隔為1.4 mm,光譜分辨率為3mm;1000～2500 nm光譜采樣間隔為2nm,光譜分辨率為10mm。冠層光譜測定選擇在天氣晴朗、無風或風速很小時進行，時間范圍為10:00～14:00,傳感器探頭垂直向下，光譜儀視場角為25°,距冠層頂垂直高度約1.0

m,地面視場范圍直徑為0.44m。每個小區(qū)記錄10個采樣光譜，以其平均值作為該小區(qū)的光譜反射值。測量過程中及時進行標準白板校正(標準白板反射率為1,這樣所得的目標物光譜是無量綱的相對反射率),對每組目標的觀測前后均以參考板標定。

1.22農學參數測定

與光譜測量同步每小區(qū)取小麥20株按器官分離，各器官烘干、稱重(將籽粒與穎殼剝離),粉碎后測定全氮含量。全氮含量采用凱氏定氮法測定，葉片氮素積累量LNA(gN·m22)=葉片氮含量LNC(%)×葉片干物重LDW(gDWm22)。

1.3數據分析與利用

本研究綜合了已有光譜參數的算法，并在MAILAB語言環(huán)境下編程實現。以試驗2和試驗3資料為基

礎，對小麥冠層多個光譜參數與葉片氮積累量進行相關分析，選擇與葉片氮積累量顯著相關的敏感波段及植被指數，通過回歸分析建立小麥葉片氮積累量監(jiān)測模型，利用估計標準誤差(SE)和擬合決定系數(R2)優(yōu)化方程。利用試驗1資料對所篩選建立的模型進行測試和檢驗，采用通用的均方根差(RMSE)、平均相對誤差

(RE)、精度(R2)和準確度(斜率)4個指標進行綜合評定，并繪制觀察值與預測值之間11關系圖。本文所選取高光譜參數及定義見表2。

2  結果與分析

2.1不同施氮水平下小麥葉片氮素積累狀況葉片氮含量和氮積累量是表征小麥氮素狀況的主要指標。以試驗3結果為例(表3),可以看出，兩小麥

品種在各生育時期的葉片氮積累量均隨施氮量增加而提高，不同處理間的差異隨生育時期而表現不同，抽穗~開花植株生長旺盛，此時植株對氮的需求急劇增加，葉片氮積累量在處理間均達顯著水平。品種間比較，葉片氮積累量在整個生育期均表現為寧麥9號高于豫麥34。葉片氮積累量隨生育時期推進呈現先升后降的趨勢，且在孕穗～抽穗達到高峰，兩品種表現相同。增加施氮量提高葉片氮積累量的幅度因生育時期的差異而表現不同，寧麥9號在抽穗期最大，提高了7.15倍，豫麥34在孕穗期最大，提高了4.35倍，整個生育期均表現寧麥9號高于豫麥34,這表明寧麥9號較豫麥34對氮素的反應更為敏感。

2.2不同葉片氮素積累量水平下小麥冠層光譜變化

利用試驗3中寧麥9號孕穗期冠層高光譜反射率為例，說明不同葉片氮積累量水平下小麥冠層高光譜反射率的響應模式(圖1A),并對寧麥9號N2處理(純氮180kg·hm2)拔節(jié)至灌漿后期冠層光譜反射率作圖表達冠層光譜隨生育時期的動態(tài)變化(圖1B)。圖1A顯示,冠層葉片氮積累量的差異顯著影響冠層光譜反射特征，在不同波段區(qū)域光譜響應不同。冠層光譜反射率在350～710mm和1400～2500mm波段隨葉片氮積累量水平的增加而降低，相反，在740～1100 nm波段范圍內提高，但在1100～1400 nm波段內未表現出明顯規(guī)律。圖1B對不同生育時期冠層光譜的分析表明，生育期差異對光譜的影響與葉片氮積累量類似，具有明顯規(guī)律性變化的波段區(qū)域主要存在于紫外可見光波段(350～710mm)和近紅外反射平臺(740～1100 nm)區(qū)域，這是由于不同生育階段的冠層結構和植株生化組分均發(fā)生劇烈變化，必然對光譜特征產生重要影響。從拔節(jié)到孕穗期，植株生長旺盛，吸氮量和冠層蓋度急劇增加，并在抽穗～開花期維持較高水平，灌漿前期開始隨著籽粒灌漿進程的推進，碳水化合物及氮素開始向籽粒轉移并積累，綠葉減少，枯黃葉增加。因此，不同生育期的植株長勢及生理變化對冠層光譜必然產生重要影響，拔節(jié)至孕穗、開花期，可見光區(qū)的光譜反射率逐潮降低，在近紅外區(qū)逐漸升高，而在開花和灌漿前期至灌漿后期，冠層光譜的變化與生育前期卻相反。

2.3小麥葉片氮素積累量與原始光譜及一階導數間的相關性

將試驗2和試驗3所有生育時期的葉片氮積累量與對應的冠層光譜反射率及其一階微分光譜數據(n=

402)進行總體統計相關分析(圖2A)。由圖2A可知，波長小于727 mm和大于1350 nm,光譜反射率與葉片氮積累量呈負相關，其中在560～710mm間相關系數存在一個較低的波谷(r·-0.73),在745～1100 mm間相關系數存在一個較高的平臺(r@081),而在726 nm附近，相關系數迅速下降，且波動較大。葉片氮積累量與一階微分光譜之間的相關系數圖(圖2B)表明，在480～510 mm為負相關且達較高水平，最高為- 0.84,此區(qū)域位于藍邊范圍內；在710～755 nm間表現正相關，最大相關系數波長位于742mm附近(r=092),達極顯著水平，該位置的光譜急劇變化，處于紅邊范圍，與生物量及LA聯系密切。在短波紅外的1280～1340 mm和1500～1580 nm相關性均達較高水平。

2.4小麥葉片氮素積累量與高光譜參數的關系

冠層光譜反映植被群體信息，包括莖、葉、穗及土壤背景光譜，又受大氣吸收散射的影響，通過對冠層光譜數據求微分，可以減小背景噪音的影響，同時有效分解混合光譜。利用微分光譜技術衍生了許多與之相關的光譜參數，通過葉片氮積累量與光譜參數間相關分析，篩選出5個表現較好的參數(表4),其中，利用紅藍邊面積比和742mm處一階導數作因變量，方程擬合效果較好，決定系數在0.9以上，此冪函數可以很好地表達

葉片氮積累量與光譜參數的關系(圖3A、B)。單波段包含的信息簡單且易受背景噪聲的影響，與群體長勢關系不穩(wěn)定，因此，構造了多種植被指數。對葉片氮積累量與不同植被指數進行相關分析并建回歸方程，優(yōu)選出8個光譜參數用以表達與葉片氮積累量的關系(表4)。所選用的植被指數主要為差值或歸一化指數，入選的波段為窄波段與寬波段并用，回歸方程多表現為冪函數關系。而GREENNDV與葉片氮積累量的關系為指

數函數(R2=0.8996),當葉片氮積累量達到6gm2水平時就出現嚴重飽和，影響該函數的預測效果。其中，利用AVHRRXGVI摻數，所建立的回歸估算方程具有較高的決定系數，擬合效果最好(圖3D)。

2.5模型的測試與檢驗

為了考察模型的可靠性和普適性，利用2003～2004年度獨立數據(Exp.1)對上述建立的方程分別進行驗證，采用通用的均方根差(RMSE)、相對誤差(RE)、精度(R2)、準確度(斜率)4個指標進行檢驗，模型的預測能力如表5所示。結果表明，綜合4個指標，對葉片氮積累量的預測以FD742和紅邊位置兩個光譜參數表現最優(yōu)，預測的精度分別為0.8449和08394,RMSE分別為0984和1.014,預測的相對誤差為15.65%和

15.38%,準確度均十分接近于1,說明該模型對葉片氮積累量的預測具有較好的準確度和普適性(表5、圖

4)。考慮所采用2004～2005和2005～2006連續(xù)2a試驗資料的建模過程，FD742與葉片氮積累量的關系密切(R2=09097),而紅邊位置(REPc)與葉片氮積累量的關系稍差(R2=0.8359),且利用FD742參數建立的方程不易飽和，可以適用于較高的葉片氮積累量水平。因此，利用FD742預測葉片氮積累量，方程擬合符合

度和模型預測精度均較高。利用SDr/SDb和AVHRRZGVI兩個光譜參數對葉片氮積累量進行預測，測試檢驗的結果稍差，但其預測能力也達較高水平，且該參數在兩年試驗資料的建模過程中表現比較突出。因此，在預測葉片氮積累量時SDr/SDb和AVHRRXGV地是比較有潛力的指標，這還有待于在不同時空條件下進一步測試和評價。

3結語與討論

葉片氮積累量包括葉片氮含量和葉片重量雙重信息,能夠更有效地反映小麥群體狀態(tài)，用來表征冠層營養(yǎng)狀況，指示小麥生產潛力。利用冠層光譜對氮含量和地上生物量或LA進行估測已有不少研究，但對冠層葉片氮積累量進行光譜定量分析是有重要意義和應用價值，本實驗室對此已開展不少工作[12,13]。薛利紅等研究表明，1220 nm與660 m波段組合可以較好反映小麥葉片氮積累量，李映雪[等在此基礎上將122(nm調整為近紅外平臺超寬波段平均反射率，與660 nm波段組合，可以有效改善模型對葉片氮積累量的估算效果。本文利用連續(xù)3年大田試驗資料，包括不同品種和施氮水平，不同年際和試驗地點，資料內涵豐富，紡合分析了多種高光譜參數與葉片氮積累量的關系,建立了擬合度和檢驗精度均很好的監(jiān)測模型。本研究采用的光譜參數構造形式多樣,主要有多波段組合、模擬寬光譜波段的組合及微分光譜參數，比較分析了不同形式光譜參數的預測效果,其中,模擬寬光譜波段的組合可以為高空大面積遙感監(jiān)測小麥氮素營養(yǎng)狀況提供理論依據和技術支撐，利用微分光譜參數監(jiān)測葉片氮積累量為高光譜遙感精細探測冠層生化組分提供了技術途徑。

葉綠素的敏感波段主要在可見光區(qū),生物量和蓋度等對光譜的反應主要發(fā)生在近紅外波段，而蛋白質的特征吸收光譜在中紅外光區(qū)(2054 mm和2172mm),利用蛋白質特征光譜估測氮含量適用于干樣品，由于水分的干擾，難以應用推廣到活體群體水平。由于氮素是葉綠素最重要的組成部分,葉綠素與氮素存在良好的線性相關，因此對葉綠素的光譜研究同樣適用于氮素狀況的光譜估測。Bonham Carter等定義了紅邊”位置，并開始了紅邊”位置與色素關系的研究。Rock51、Curan?和Pinar"等認為，作物群體植被光譜的紅邊"位置能夠很好地反映葉綠素密度信息。Gitelson?,1等研究認為“紅邊”位置更能反映LAI很好地估測生物量。Moses等開展了對不同算法下紅邊”位置的氮素估算效果進行評價。唐延林等研究表明，冠層光譜“紅邊”位置在孕穗前“紅移”,抽穗后“藍移”;趙春江  等研究認為，紅邊”隨著施氮量的增加而紅移”,相反，發(fā)生“藍移”。本研究資料也顯示，葉片氮積累量在孕穗前不斷增加，發(fā)生紅移”,于孕穗～抽穗期達到高峰，紅移”程度與葉片氮積累量高度正相關；之后，籽粒開始灌漿，葉片氮素轉移，葉片氮積累量逐漸下降，開始“藍移”。因此，利用“紅邊”位置可以有效表達葉片氮積累量，這正是光譜監(jiān)測的農學機理所在，本文基于此建立了利用紅邊”位置為變量的葉片氮積累量監(jiān)測模型，在模型測試中表現突出。

葉綠素吸收光譜區(qū)約550～750mm,其中在綠峰(約550nm)和紅谷(約680mm)附近光譜反射率隨氮素狀況呈規(guī)律性變化，生長旺盛時紅光吸收加深加寬，導致變形點紅移，表現衰老時，葉結構開始破壞和葉綠素減少，導致紅光反射增加，變形點藍移。因此，營養(yǎng)生長旺盛時，葉片氮積累量水平高，紅移發(fā)生且紅谷愈深，紅邊面積SDr增加，反之，發(fā)生藍移且紅谷變淺甚至消失，紅邊面積減小。由于綠峰反射率與氮素水平呈顯著負相關，黃邊面積SDy的變化規(guī)律與紅邊面積相似，而藍邊面積SDb的變化卻與紅邊面積相反。唐延林[201、王秀珍[2]等研究表明，紅藍面積比可以很好地估計LAI和地上部生物量。Hansen2等利用692 mm和447nm兩個波段的歸一化指數預測小麥葉片氮含量，Penue las24.251等采用680 mm和430mm兩個波段定義色素簡單比值指數SRPI和歸一化色素指數NPC預測氮素狀況。以上研究揭示，紅光波段與藍光波段在評價植被長勢和氮素狀況均十分有用。因此，構造紅邊面積與藍邊面積的比值或差值作為參數，它有助于改善與葉片氮積累量的相關性。本文以紅藍面積比為變量，與葉片氮積累量作回歸分析，方程擬合性好，預測精度也

較高。

紅邊(680～780 mm)內最大的一階微分值為紅邊斜率，與葉片氮積累量的關系顯著相關，紅邊斜率所在波長位置即紅邊位置，其與葉片氮積累量的關系表現并不突出，而利用Miller"等求得的紅邊位置REP。(倒高斯模型)可用來預測葉片氮積累量(R2=0.8394,RMSE=1.014,n=134)。紅邊內與葉片氮積累量關系最密切的一階微分值不在紅邊位置，而在742nm附近，此波長是光譜變化最劇烈的位置，葉片氮積累量水平越高，此處的冠層光譜變化就愈劇烈。有研究發(fā)現，水稻LAI和生物量與一階微分光譜之間最大相關系數的波長位置亦發(fā)生在743m附近，且顯著正相關(2)。因此，利用FD742與葉片氮積累量作回歸分析，方程擬合效果好(R2=Q9097,SE =1.079,n=402),通過另一年的獨立數據對模型進行檢驗，該模型預測精度高(R2=

0.8449,RMSE=0.984,n=134),表明本模型在不同條件下具有較好的普適性。然而本文中的監(jiān)測模型是在一個生態(tài)區(qū)多年大田試驗資料上構建的,若今后能通過不同生態(tài)點的廣泛檢驗并不斷完善,將在小麥氮素監(jiān)測與診斷中具有更大的應用價值。

隨著高光譜技術的發(fā)展和算法的進步，無損估測小麥葉片氮積累量的方法將更加精確和高效。未來，我們可以將高光譜相機與無人機、衛(wèi)星等其他技術結合，實現從空中對小麥氮營養(yǎng)進行大范圍監(jiān)測，這將為精準農業(yè)提供強有力的支持。高光譜相機作為一種新型的光學儀器，為作物氮營養(yǎng)的監(jiān)測提供了新的解決方案。無損估測小麥葉片氮積累量的方法不僅可以提高監(jiān)測效率，而且不會對作物產生損害，具有巨大的應用潛力。雖然這種方法還面臨著一些挑戰(zhàn)，但隨著技術的進步和算法的改進，其前景令人期待。