王国洲+参考文献.doc

【精品文档】如有侵权，请联系网站删除，仅供学习与交流王国洲+参考文献.精品文档.基于光谱理论的作物营养诊断研究进展王国州 摘要:本文主要概述了光谱技术在农作物营养诊断方面的应用状况，着重评述了光谱技术在作物叶绿素含量、叶面积指数（LAI）、水分含量、氮N、磷P、钾K营养元素等估测的国内外研究状况和进展。并对光谱技术在作物营养诊断与检测方面的研究进行了展望。关键词:植物营养;；高光谱技术;；光谱诊断Research advance on plant nutrition diagnosis based on spectral theoryWANG Guo-zhouAbstract: In the article，the application of spectral technology on plant nutrition diagnosis was mainly introduced. Then the methods of hyper spectral data extraction and analysis were summarized focusing on the crops leaves chlorophyll content, leaf area index, moisture, nitrogen, phosphorus, potassium nutrients nutrition diagnosis and nutrients contents prediction. In addition, the prospect of spectral technology on plant nutrition diagnosis and detection was brought up.Key words: plant nutrition; hyper spectral technology; spectral diagnosis前言随着现代科学技术的发展，特别是计算机技术、空间技术和信息技术的迅猛发展，人类社会已经步入信息时代，人们也越来越借助于现代高新技术来解决农业生产中的问题。人们利用全球定位系统(GPS)、地理信息系统(GIS)在空间尺度上挖掘田间信息的同时，遥感技术(RS)的发展，也日益深入到农业生产中。近30多年来，农业遥感在沿着单一波段多光谱高光谱方向发展的同时，遥感技术(RS)在作物长势监测与估产1-2、农情宏观预报、环境监测、灾害防治、农业资源调查等方面作出了重要贡献3。在农作物生产中，尤其是在当今越来越显现其优势的精准农业中，而养分管理是农业生产中的重要环节之一。利用作物的光谱特性对其营养状况实时监测和快速诊断一直是精准农业中的研究热点4。植物叶片的光谱特征与叶片厚度、叶片表面特性、水分含量和叶绿素等色素含量有关5，同时也与植物营养状况密切相关6-8。在400-2400nm光谱范围内大约420nm处对应一定生物化学成分的吸收特征，它们可以帮助我们理解光谱吸收特征的生物学意义，为运用遥感手段估测叶片生化组成及含量提供了可能9。随着高光谱遥感技术的发展，高光谱技术以它的光谱分辨率高(3-10nm)、波段连续性强(400 -2500nm范围内有几百个波段)等优点和特点可以用来监测农作物长势和营养状况并反演农作物的理化特性。因此，作物养分的管理是以高产、优质、高效为目标的作物生产中最为重要的管理内容之一。本文就光谱技术的原理及其在作物营养诊断上的应用作一下概述。1 植物光谱诊断原理每一种物体的内部结构和表面特性均不相同，对不同波长的电磁波的吸收和反射都不同。物体的这种对不同波段光谱的响应特性叫光谱特性。农作物和自然界存在的各种物体一样，其体温总在绝对温度0 K以上，就随时随地都在不断地发射各种波长的电磁波，并对外界照射来的人工和自然电磁辐射发生一定的吸收和反射10。植物光谱诊断的基础便是植物的光谱特性11。植物叶子中生物化学成分含量的变化在光谱维方向上表现在其吸收波形的变化，植物光谱的导数实质上反映了植物内部物质(叶绿素及其它生物化学成分)的吸收波形变化，因而可通过植物的光谱特性监测植物的营养状况12。植物缺乏营养元素不仅会严重影响其生长速度和产量，而且还能引起植株体内相关生化成分的变化。宏观上，作物的长势、冠层结构、叶片颜色和厚度；微观上叶片色素、水分等某些理化组分的含量等发生不同的变化，都会引起某些波长处的光谱反射和吸收产生差异，从而产生了不同的光谱反射率，利用光谱上产生显著差异的敏感光谱或关键波段建立估测模型，反演作物体内生化成分含量。2 国内外利于光谱技术诊断作物营养的研究进展目前，描述农作物的生化参数有多种，其中主要有叶绿素、叶面积指数、含水量和植株的氮N、磷P、钾K素等，这些参数与农作物的营养状况、产量紧密相关；而农作物营养元素含量的多少会在叶片的光谱特性上有所反映。高光谱遥感技术是通过检测作物冠层的光反射和光吸收性质来检测作物营养状况，可实现大面积、无破坏、快速地获取农田长势信息。2.1 利用光谱技术检测作物叶绿素叶绿素含量是植被光合作用能力、氮N素胁迫和发育阶段（特别是衰老阶段）的指示器。Horle 等13研究了植被光谱与叶绿素浓度的关系，并提出了光谱“红边”位置(植被的导数光谱在 0.7m 附近的极大值处的波长值)在植被叶绿素浓度估计中的作用。A.Pinar 等14比较了草丛群体光谱“红边”位置与叶片叶绿素浓度、叶绿素密度的关系，表明群体植被光谱“红边”位置能够更好地反映草丛的叶绿素密度信息。申晓慧15研究表明：大豆在550nm处光谱反射率有小幅度上升趋势并趋于平缓，而叶绿素含量变化是先增高再下降，在近红外区光谱反射率逐渐下降，说明此时受冠层结构和叶片结构及生物含量不同等因素的影响，从花期到结荚期，叶片光谱反射率随着生育期的推移呈现下降趋势，随着时间的推移叶绿素含量逐渐增加。mSR705、mND705无论是在低含量叶绿素的叶片上还是较高含量叶绿素的叶片上，都表现出与叶绿素含量极显著正相关，表明这两个植被指数对叶绿素含量的估计都将有较好的预测效果。因此，mSR705、mND705是预测叶片叶绿素含量的最好的植被指数。宋开山16等对大豆研究表明:大豆微分光谱在红边波段与叶绿素a、b含量的相关性明显强于反射光谱与叶绿素a、b含量的相关性。吴长山等17发现植被群体反射光谱及其导数光谱与叶绿素密度有较高的相关性，并利用几种农作物的导数光谱在近红外波段处（0.762m）与叶绿素密度的高相关性，建立了回归方程，其估计的标准偏差为 0.272g/m2，估计精度约为 80.6%。 2.2 利用光谱技术检测作物叶面积指数早在 20世纪70年代，Wiegand 等人18研究了光谱特征与叶面积指数 LAI之间的关系。 Miller 19应用比值植被指数、垂直植被指数等来反演叶面积指数。Patel 等20利用基于植被反射光谱波形分析的红边参数来反演叶面积指数。2002 年，Aparicio 等21在小麦上的研究表明，LAI 与植被指数的关系不仅不受栽培措施的影响，也不受品种及栽培地区的影响。薛利红等22综合比较分析了几种常见光谱植被指数与水稻叶面积指数的相关性及预测力，发现宽波段光谱植被指数与水稻 LAI 相关性呈现幂函数和指数关系。黄春燕23基于RVI和MSAVI2植被指数，建立了大豆叶面积指数(LAI)的6种单变量线性与非线性函数模型，经检验均达到1%极显著水平。田永超24指出叶面积指数与原始高光谱组成植被指数存在着良好的相关性,其中两波段差值指数形式最好，其次为比值和归一化植被指数。3种形式中与LAI相关较好的组合波段范围较接近，均分布在750-850nm与730-770nm范围的组合但各种形式效果最好的组合稍有差异，如差值指数形式组合较好的波段为800-860nm与755-765nm的组合，归一化和比值指数形式组合较好的波段为800-860nm与745-755nm的组合。其中差值指数形式的组合与LAI的相关性显著高于其他两种形式。2.3 利用光谱技术检测作物含水量从 20世纪 80 年代开始，国内外学者已经发现作物的水分胁迫状况能够在光谱反射率数据中有所体现，大量的研究表明，植被水分信息可以在许多波段处有所反映。2001 年 Ceccato等25，结合使用短波红外波段(1.3-3.0m)和近红外波段(0.7-1.3m)的比值(1.6m 和 0.82m 波段的1.6/0.82)，比只用单一波段估测的植被含水量更准确。Michio 等26利用 0.96m 处的导数光谱来监测水稻的水分亏缺状况。Penuelas 等指出27可用 R0.97m/R0.9m作为水分指数监测小麦的水分状况，水分指数 WI（Water Index）可以较为灵敏地反映叶片相对含水量、叶片水势、气孔电导性和细胞壁弹性等。而田庆久等研究得出28，小麦叶片相对水分含量与光谱反射率在 1.45m附近水的特征吸收峰深度和面积呈现良好的线性正相关关系，通过光谱反射率可以定量测定作物含水量和诊断小麦缺水状况。王纪华等29研究认为，小麦叶片含水量与1.65-1.85m 处的光谱特征峰的吸收深度和吸收面积呈现显著的线性负相关关系。2.4 利用光谱技术检测作物氮N素N素是作物生长发育周期中需要量最多的营养元素之一，也是对作物生长、产量和品质影响最为显著的营养元素之一。20世纪70年代以来科学家们就进行了大量的基础研究去研究利用光谱诊断氮N素的可能性，寻找N素的关键波段(敏感波段)及其反射率在不同N素水平下的表现，试图在氮N素和光谱之间建立某种关系。Thomas 等30根据不同氮N素水平下的作物叶片光谱特征，发现缺氮缺N时可见光波段反射率增加。受氮N素胁迫的玉米叶片在可见光区的光谱反射率比正常玉米的光谱反射率要强31，在近红外(NIR)波段反射率比正常玉米的光谱反射率要弱32，而在近红外波段有所下降。Everitt等 33研究认为野牛草在不施氮N的情况下，在可见光500-750 nm之间有最高的光谱反射率。Hinzman等34研究表明氮肥N肥处理的小麦冠层反射率在可见光区下降，在近红外区上升，在中红外区下降。王人潮35研究氮N素营养水平与水稻叶片光谱的关系，得出 NDVI与 RVI 等指数与水稻叶片含氮N量的相关关系，以及其后又提出利用上下叶位叶片红边一阶微分光谱反射峰变化趋势的描述参数 LRPSA(Leaf Red Edge Peak Slope Angle)，分析了其与叶片光谱、叶绿素含量值、叶片光谱红边斜率和叶片含氮N量之间的相关性，并建立了估算氮N素含量的回归模型。薛利红和曹卫星36等研究表明：水稻冠层光谱反射率与叶片氮N积累量(单位土地面积上叶片的氮N素总量)显著相关，尤其是近红外与绿光波段的比值(R810/R560)与叶片氮N积累量(LNA)呈显著线性关系，不受氮肥N肥水平和生育时期的影响。2.5 利用光谱技术检测作物磷P素与氮N相比，植物中磷P营养与光谱特性的关系研究较少。研究表明，植物磷P营养元素的多少对光谱特性有较大影响，但其影响不像氮N营养水平那样一致37。植物轻度缺磷P时，叶绿素浓度有可能提高，但在严重缺磷P时，叶片光谱分析才能用于磷P营养诊断。Milton等38在大豆的水培试验中发现，缺P植物在绿光和黄光区其光谱反射率有所增加，并不表现出红边位移特征。Sembiring等39用435nm处的反射率和695-1405nm比值这两个光谱变量作为判断狗牙根吸收P的指标。Ponzoni等40研究了缺磷P按树苗期叶子光谱特征时发现，积分球的定向半球反射率与叶片含磷P量呈正相关关系。程一松等41研究夏玉米磷P的光谱特征时指出，在可见光波段范围内，其光谱特征与氮N相反，光谱反射率随磷P肥用量的增加而提高，约在 580nm-710nm波段内更为明显，在近红外波段则与氮N素变化趋势相似，即光谱反射率也随磷P肥用量的增加而提高，但其红边位置更靠近可见光波段，在近红外区域光谱特征曲线的区分不如氮N素胁迫明显，这是因为作物轻度缺磷P时，叶绿素浓度有可能提高。2.6 利用光谱技术检测作物钾K素钾K营养元素对植物光谱特性的影响介于氮N营养与磷P营养之间。植物钾K状况与光谱特性的关系研究较少，结果也不太一致。钾K虽对叶绿素的形成有影响，但与氮N相比，不起主导作用。但由于钾K的营养状况与植物叶片的结构和水分状况关系密切，所以钾K的营养状况必然会对近中红外的光谱信息产生影响，因此可从近中红外波段来寻找钾K营养的光谱信息。Al-AbbaS等42在玉米叶子光谱研究中报道K营养元素亏损导致近红外反射率(830nm，940nm，1100nm)下降。Jackson等43研究不同钾K营养水平的水稻冠层和叶片的光谱特性。结果表明:580-710nm和750-950nm两个波段处的不同钾K营养水平水稻冠层光谱反射率的差异均达显著水平，可把这两个波段作为检测水稻钾K营养水平的冠层光谱敏感波段。在叶片水平上，在近红外波段区间(780-1300nm)钾K营养水平越低，反射率越高，这与氮N营养的影响正好相反，在1450nm波段处，随着钾K营养水平的降低，吸收谷明显变浅。程一松等44研究钾K肥处理下的夏玉米的光谱特性指出，在低氮N低磷P水平下，它与氮N素胁迫的变化基本一致，即可见光波段处随钾K肥用量增加而反射率提高，近红外波段区域随钾K肥用量增加而降低，但是在高氮N高磷P水平下却正好相反。3结论与展望综上所述,众多学者对作物营养元素与其光谱特性做了大量的研究实验，并利用不同的光谱提取和分析方法，从不同角度说明了作物营养与其光谱特性之间存在的密切关系。研究作物营养光谱特性的最终目的在于对作物进行适时监测和诊断，并及时的调整田间管理措施，提高肥料利用率，节约成本，最终保证作物的优质高产。但是目前，高光谱遥感技术仍处在由定性研究向定量研究的过渡阶段，其精度还不能完全满足用户的要求。今后的一段时间内，研究的重点主要是提高分析水平和检测精度，并不断扩大应用领域。具体体现在以下几个方面：光谱波段向更精细的超光谱发展；农学参数的信息提取和信息集成化；开发作物营养快速诊断智能仪器等。这样，高光谱遥感技术在农田高产、构建数字化农业技术体系等方面必将发挥出更大的作用。参考文献：1 陈沈斌.小麦、玉米和水稻遥感估产技术试验研究文集M.北京:中国科学技术出版社, 1993.2 李建龙,蒋平.遥感技术在大面积天然草地估产和预报中的应用探讨J.武汉测绘科技大学学报,1998,23(2):153-158.3 陆登槐.农业遥感的应用效益及在我国的发展战略J.农业工程学报,1998,14(3):64-70.4 金继运,白由路.精准农业与土壤养分管理M.北京:中国大地出版社,2001，10-15.5 王珂,沈掌泉,王人潮.植物营养胁迫与光谱特性J.国土资源遥感,1999,39(1):9-14.6 周启发,王人潮.水稻氮素营养水平与光谱特征的关系J.浙江农业大学学报,1993,19(增刊):40-46.7 王人潮,陈铭臻,蒋亨显.水稻遥感估产的农学机理研究. I.不同氮素水平的水稻光谱特征及其敏感波段的选择J.浙江农业大学学报,1993,19(增刊):7-14.8 王珂,沈掌泉,Abou-Ismail ，等.不同钾营养水平的水稻冠层和叶片光谱特征研究初报J.科技通报,1997,13(4):211-214.9 浦瑞良,宫鹏.高光谱遥感及其应用M.北京:高等教育出版社,2000.185-228.10 张宏名.农田作物光谱特征及其应用J.光谱学与光谱分析,1994,14(5):25-30.11 薛利红,罗卫红,曹卫星,等.作物水分和氮素光谱诊断研究进展J.遥感学报,2003,7(1):73-80.12 申广荣,王人潮.植被高光谱遥感的应用研究综述J.上海交通大学学报(农业科学版),2001,19(4):315-321.13 Horler D N H, Barber J P, Ferns, DC, Barringer, AR. Approaches to detection of geochemical stress in vegetation J. Advanced Space Reasearch, 1983,3:175-179.14 Blackburn G A, Milton E J. Seasonal variations in the spectral reflectance of deciduous treecanopies. Int. J. Remote Sensing of Environ, 1995,16(4): 709-720.15 申晓慧,张敬涛,姜成.大豆叶片叶绿素含量与光谱的特征分析J.大豆科学,2009,28(4):747-750.16 宋开山,张柏,王宗明,等.大豆叶绿素含量高光谱反演模型研究J.农业工程学报,2006,22(8):16-20.17 吴长山,项月琴.利用光谱数据对作物群体叶绿素密度估算的研究J.遥感学报,2000,4(3):228-232.18 Wiegand, C L, S J Mass, J K Aase,J L Hatfield, P J PinterJr, D Jacksin, E T Kane masu& R L Lapitan, Multisite analyses of spectral-biophysical data for wheat. Romote Sensing of Environment, 1992, 42:1-21.19 Miller J R. Quantitative Characterization of the Vegetation Red Edge Reflectance.An Inver-ted Gauss Ian Reflectance ModelJ.Interna-tional Journal of Remote Sensing,1990,(11):1775-1795.20 Patel N K,C Patnaik.Study of crop growth parametes using air borne imaging spectrometerJ.International Journal of Remote Sensing,2001,(20):2401-2411.21 Aparicio, N., D. Villegas, et al. Relationship between growth traits and spectral vegeta-tion indices in Durum wheatJ.Agronomy Jour-nal,2002,(42):1547-1555.22 薛利红 , 蒋亨显 . 不同氮素水平的水稻光谱特征及其敏感波段的选择 J. 浙农业大学学报,1993,19:7-14.23 黄春燕,刘胜利,王登伟，等.大豆叶面积指数的高光谱估算模型研究J.大豆科学，2008,27(2):228-232.24 田永超杨杰姚霞.高光谱植被指数与水稻叶面积指数的定量关系J. 应用生态学报2009,20(7): 1685-1690.25 Ceccato P, Flasse S, Tarantola, et al, Detecting vegetation leaf water conrent using reflectance in the optical domain. J. Remate Semsing of Environment, 2001,77:2223.26 Michio S. Tsuyoshi A. Seasonal visible， near-Infrared and mid-infrared spectra of rice canopies in relation to LAI and aboveground dry phylomass. Remote Sensing of Environment, 1989, 27:119-127.27 Penuelas J. Filellal, Bielc, el al. The reflectance at the 950970 urn region as an indicator of plant water status. Internal Journal of Remote Sensing. 1993, 14(10): 1887-1905.28 田庆久，宫鹏，赵春江.用光谱反射率诊断小麦水分状况的可行性分析J.科学通报.。2000，45（24）：2645-265029 王纪华，赵春江，郭晓维，等.利用遥感方法诊断小麦叶片含水量的研究J.华北农学报.。2000，15（4）：68-72.30 Thomas J R, and Gausman H W Leaf Reflectance vs. Leaf chlorophyll and carotenoid concentration for eight crops J. Agronomy Journal, 1977, 69: 799802.31 Blackmer.T M.Scheps J S.Varvel G E.light reflectance comparede with other nitrogen stress measurement in corn leavies.Agronomy Journal,1994,86:934-93832 MunderR ,CurrenPJ.TherelationshiPbetweenrededgeandehloroPhylleoneentrationinthebroadbalkwinterwheatexPerirnentatRothamsted.IntemationalJournalofRemoteSensing，1994，15(3):705-70.33 Everitt J H, Richardson AJ, Gausman H W. Leaf reflectance-nitrogen-chlorohpyll relations in buffel grassJ.Photogram metric Engineering and Remote Sensing,1985,51:463-466.34 Hinzman L D, Bauer M E, Daughtry C S T. Effects of nitrogen fertilization on growth and reflectance characteristics of winter wheatJ.Remote Sensing ofEnvironment,1986,19:47-61.35 王人潮，黄敬峰.水稻遥感估产M、北京：中国农业出版社，2002， 29.36 薛利红，曹卫星.基于冠层反射光谱的水稻群体叶片氮素状况监测M.中国农业科学，2003,36(7):807-812.37 Al-AbbasAH,Barr R,HallJD et al.Spectra of normal and nutrient deficient maize leavesJ.Agronomy.1974,66:16-20.38 MiltonNM,EswerthBA,AgerCM.Effect of phosphorus deficeince on spactral reflectance and morphology of soybean pants.Remote Sensing of Enviroment,1991,36:121-127.39 Sembiring H,Raun WR,Johnson GV,etal.Detection of nitrogen and phosphorus nutrient status in bermudagrass using spectral adiance.Journal of Plant Nutrition,1998,21:1189-1206.40 Ponzoni FJ,JldeM,Goncalves.Spectral features associated with nitrogen,phosphorus and potassium deficiencies in Eucalyptus saligna seedling leaves.International Journal of Remote sensing,1999,20(11):2249-2264.41 程一松,胡春胜,郝二波,等.氮素胁迫下的冬小麦高光谱特征提取与分析J.资源科学,2003,25(1):86-93.42 Al-AbbasAH,Barr R,HallJD et al.Spectra of normal and nutrient deficient maize leavesJ.Agronomy.1974,66:16-20.43 Jackson RD,Jones CA,Uehara G,SantoLT.Remote detection of nutrient and water deficiencies in sugarcane under variable cloudinessJ.Remote Sensing of Environment.1980,11:327-331.44 程一松,胡春胜.光谱遥感在精准农业中的应用J.农业系统科学与综合研究,2001,17(3):193-195.