基于CGMD302水稻生长指标光谱监测技术研究

王睿+李飞飞+吕尊富

摘 要：运用CGMD302作物生长监测光谱仪对植株进行无损监测，能够在不影响作物生长的前提下，及时有效地对生长指标进行测量。该试验在浙江湖州浙江农林大学德清现代农业高科技园区，采用甬优538和秀水134两个品种，设立不同氮水平试验小区，开展单季稻小区试验。试验明确了在直播播种技术下叶面积指数和生物量与播种后天数的量化关系，建立了叶面积指数、生物量和产量与CGMD302作物生长监测光谱仪测得的光谱参数的估计模型。能够在各个生育时期对水稻的不同生长指标进行监测，及时了解水稻生长状况，在水稻的生长过程中起到很好的监测指导作用。

关键词：水稻；光谱监测；生长指标

中图分类号 S511 文献标识码 A 文章编号 1007-7731（2017）20-0021-05

Study on Spectral Monitoring Technique of Rice Growth Index Based on CGMD302

Wang Rui et al.

（College of Agriculture and Food Science，Zhejiang Agriculture and Forestry University，Lin'an 311300，China）

Abstract：CGMD302 crop growth monitoring spectrometer can be used to monitor the plant growth，in the premise of not affecting crop growth.This test is in Zhejiang Agriculture and Forestry University modern agricultural hi-tech park.Two varieties，five nitrogen level were set up to carry out the plot test.The quantitative relation between LAI，biomass and the number of days after sowing was determined by the experiment.The estimation model of spectral parameters measured by the LAI，biomass and yield and CGMD302 crop growth monitoring spectrometer was established.We can monitor the different growth indicators of rice at different growth stages，understand the growth status of rice in time，and predict the LAI and biomass，which plays a very good role in monitoring the growth of rice.

Key words：Rice；Spectrum monitoring；Growth indicators

1 前言

水稻是我国最为重要的粮食作物之一，世界上有50%人以水稻为主要粮食，因此需要一个能够对水稻生长进行快捷实时有效的监测进行预估的模型[1-3]。水稻在各个时期的生育状况对水稻最后的产量影响很大，伴随着遥感技术日新月异，对于水稻不同生育时期的实时无损监测就至关重要，使用便携设备对作物各个生育时期的生长指标进行监测，能够及时了解作物生长状况，及时调整作物生长[4-7]。作物的冠层光谱特性是通过不同光的吸收、透射和反射的不同反应，传递出作物的各种不同长势，而作物的生长指标，如叶面积指数、生物量等能够有效地表达作物的生长状况，因此可以根据作物冠层的光谱特性监测作物的生长状况。近年来，很多国内外的学者对作物冠层的光谱特性做了深入的研究，研究了作物的光谱反射在不同条件、不同时间和不同地形条件下的变化规律与作物的生长指标之间的量化关系，不断完善作物生长指标与光谱反射特性之间的实时监测模型，为运用光谱特性进行作物生长监测打下了坚实的基础[8-10]。

CGMD302监测仪是南京农业大学国家信息农业工程技术中心研究的最新一代光谱监测仪，本研究采用CGMD302作物生长监测光谱仪对水稻进行快速、准确监测，构建水稻生长指标光谱监测模型，能够及时反应水稻生长状况并调控水稻各种肥料的精确施用[11-13]。CGMD302作物生长监测光谱仪，在作物生物时期对作物进行实时、准确、快速的无损伤监测，使现代化信息管理和传统的农业生产很好地结合在一起，实现了对作物生长严格监测、生产上的实时精确管理、作物产量估计，对实现田间作物精确管理具有重要意义[14-15]。

2 材料与方法

2.1 试验设计 本试验在浙江湖州浙江农林大学德清现代農业高科技园区建立水稻实验区，选择了性状优良的甬优538和秀水134两个品种进行相关小区试验。在5月3日对水稻田四周、田埂清除杂草进行前期准备工作。甬优538，5月28日采用直播技术播种，大田用量18.75kg/hm2，设置15个小区；秀水134，5月28日采用直播技术播种，大田用量45kg/hm2，设置15个小区，共30个小区。

本试验采取独立小区，小区之间通过田埂相隔，采取独立排灌系统，保证小区之间氮肥不会相互影响。设置5个氮肥处理，分别施肥尿素0（N0）、70（N1）、140（N2）、210（N3）、280（N4）kg/hm2，在基肥，分蘖肥和穗肥施肥时不同小区氮用量N1∶N2∶N3∶N4为1∶2∶3∶4（表1）。在施用基肥时磷肥增基肥一次性用完，用过磷酸钙990kg/hm2；氯化钾基肥375kg/hm2，穗肥用375kg/hm2，所有小区水平一致。本试验小区设计将甬优538与秀水134两个品种分开，每个品种设计15个小区，不同氮浓度的小区由田埂隔开，一个小区宽10m长34m的长方形区域，保护行宽为1m的长方形区域，净播种面积为0.06hm2。endprint

2.2 田间取样 分别在分蘖期前期、分蘖期、分蘖末期、拔节期、孕穗期、灌浆期从每个小区选区散珠株能够代表该小区水稻生长状况的水稻样品。取得的水稻样品去除泥土清晰干净后按照顶1叶、顶2叶、顶3叶、顶4叶、其它叶和穗，剩余部分为茎秆等不同器官部位分别装袋并记录，然后在105℃高温下杀菌0.5h，取出后降温，然后放入80℃下慢慢烘干，直至重量不再变化，测定其重量，通过比叶重法测量植株的叶面积指数，成熟后分小区收获、测量产量。

2.3 试验仪器 将CGMD302作物生长监测光谱仪上镜头对准太阳（图1），在作物上方1m左右使用，主要通过多光谱传感器上镜头筛选光源，接收长为720nm和810nm的太阳光，下镜头接收相应波段上作物的反射光辐射信息。然后通过处理器进行一系列的处理，最后在显示屏上显示出相应的NDVI和RVI值[16]。

2.4 数据获得 在水稻分蘖期前期、分蘖期盛期、分蘖末期、拔节期、孕穗期和灌浆期，选择无云天气晴朗，环境比较稳定的环境，在11：30到13：00太陽光相对比较稳定，测量数据比较准确。用CGMD302作物生长监测光谱仪采集NDVI和RVI数据[17]。

CGMD302作物生长监测光谱仪采取数据的多光谱传感器由720nm和810nm2种探测镜头组成，用于测量作物冠层特征光谱反射率。归一化植被指数NDVI、比值植被指数RVI，由于光谱仪在带宽上的差异，在波长720nm和810nm所得到数据的差异通过如下计算方式获得[18]。

[NDVI=R810-R720R810+R720] （1）

[RVI=r810R720] （2）

3 结果与分析

3.1 叶面积指数随生长期的变化 对不同氮素水平下的叶面积指数随生长期的变化进行分析。如图2，甬优538、秀水134在各施氮水平下的叶面积指数随生长期呈现先上升后下降趋势。甬优538、秀水134分别在分蘖末期和孕穗期达到峰值，甬优538的叶面积指数略高于秀水134。甬优538和秀水134随施氮量增加叶面积指数也相应增大，即各氮含量水平下的叶面积指数为N4>N3>N2>N1>N0。

3.2 生物量随生长期而变化 对不同氮素水平下的叶面积指数随生长期的变化进行分析。如图3，在各施氮水平下甬优538、秀水134的生物量随生育期变化而逐渐增长。在分蘖前期到分蘖期快速增长，这个期间水稻幼苗正在快速增长，干物重不断积累；分蘖期到拔节期增长较为平缓，这段期间水稻的大量无效分蘖开始死亡，与水稻正常生长相抵消，所以水稻干物重增长缓慢；拔节期到灌浆期快速增长，这段期间水稻开始结穗，干物重快速增长，在灌浆期达到峰值。甬优538和秀水134随施氮量增加生物量也相应增大，即各氮含量水平下的生物量为N4>N3>N2>N1>N0。

3.3 叶面积指数光谱分析 对甬优538和秀水134各生长时期的叶面积指数与CGMD302作物生长监测光谱仪采集的NDVI和RVI进行光谱分析。叶面积指数分别与NDVI和RVI呈正相关。采用决定系数（S-R2）的线性函数对叶面积指数进行分析，测得的R2介于0和1之间，数值越大越接近1，代表两者之间拟合的关系越好。通过表2和表3比较分析得到，各时期甬优538和秀水134的NDVI和RVI的R2值均较高，基本保持在0.70以上，达到了极显著的相关。

甬优538在分蘖前期NDVI和RVI的R2处于最高值分别为0.9175和0.9534，除分蘖末期外，其它生育时期R2都处于较高值，都大于0.73。而分蘖末期R2的数值远低于其它生育时期，NDVI和RVI的R2分别为0.664和0.751。秀水134在分蘖末期NDVI的R2处于最高值为0.9016，在拔节期NDVI的R2处于最低值为0.6753。其它各生育时期都处于较高值，都大于0.70。

综表3和表4得知，CGMD302作物生长监测光谱仪在不同作物之间差异并不明显，NDVI和RVI与叶面积指数的拟合关系比较好。NDVI与叶面积指数拟合测得的R2值在各个时期基本都大于RVI与叶面积指数拟合测得的R2值，这说明NDVI与叶面积指数拟合上比RVI更精确；RVI与叶面积指数拟合测得的R2值变动较小，始终稳定在一定的水平上，而NDVI与叶面积指数拟合测得的R2值，变动较大，最高值与最低值相差较大。

3.4 生物量光谱分析 对甬优538和秀水134各生长时期的生物量与CGMD302作物生长监测光谱仪采集的NDVI和RVI进行光谱分析。生物量分别与NDVI和RVI呈正相关。决定系数（S-R2）的线性函数对叶面积指数进行分析，测得的R2介于0和1之间，数值越大越接近1，代表两者之间拟合的关系越好。

通过表4和表5比较分析得到，甬优538NDVI和RVI与生物量拟合测得的R2值分别在分蘖前期和分蘖末期达到最大值分别为0.941和0.945，在灌浆期达到最低值分别为0.63和0.66。秀水134NDVI和RVI与生物量拟合测得的R2值分别在分蘖期和分蘖前期达到最高值分别为0.90和0.93，在灌浆期达到最低值分别为0.49和0.50。综上图表得知，除灌浆期外，其他时期CGMD302作物生长监测光谱仪NDVI和RVI与水稻生物量的拟合关系达到极显著，能够用较快测量生育期内水稻生物量。

3.5 产量光谱分析 对甬优538和秀水134各氮素水平的产量与CGMD302作物生长监测光谱仪采集的NDVI和RVI进行光谱分析。采用决定系数（S-R2）的线性函数对叶面积指数进行分析，测得的R2介于0和1之间，数值越大越接近1，代表两者之间拟合的关系越好。

通过表6和表7比较分析得，各时期甬优538和秀水134NDVI和RVI的R2值都较高，基本保持在0.75以上，达到了极显著的相关。甬优538在各个生育时期NDVI和RVI与产量拟合测得的R2值均大于0.95。秀水134在拔节期NDVI和RVI与产量拟合测得的R2值达到峰值，分别为0.84与0.87，在孕穗期达到最低值，分别为0.75与0.77。endprint

综上表得知，CGMD302作物生长监测光谱仪在NDVI和RVI与产量的拟合关系较好。NDVI与产量拟合测得的R2值在各个时期基本都大于RVI与产量拟合测得的R2值，这说明NDVI与产量拟合上比RVI更精确，而且NDVI与产量拟合测得的R2值均大于0.95，证明在不同生育时期作为测得的NDVI能够较为精确测得该植株在最后所获得的产量；并且NDVI与产量拟合测得的R2值十分稳定且数值接近1，在产量的预测上，NDVI比RVI更加有效准确。

4 结论与讨论

本试验通过在浙江湖州浙江农林大学德清现代农业高科技园区设立不同氮水平的对比试验，使用CGMD302作物生长监测光谱仪对水稻各个生育时期测量相应的NDVI和RVI值，采用甬优538和秀水134两个品种，通过不同的品种分析CGMD302作物生长监测光谱仪对于品种间的差异性，系统分析了NDVI和RVI与水稻各生育时期的叶面积指数、生物量和产量的关系。结果表明：（1）随着生育期的不断推进，NDVI与RVI值从分蘖前期到分蘖期下降，随后一直升高到拔节期达到峰值，随后下降；（2）不同氮水平下的NDVI和RVI值差异显著；（3）不同品种间略有差异。

本试验采用了杂交水稻甬优538和常规水稻秀水134两个品种，在相同播种方式和相同的氮水平处理，最后的光谱分析存在一定的差异，杂交水稻甬优538相比于常规水稻秀水134长势更加均匀，因此使用CGMD302作物生长监测光谱仪测得的NDVI和RVI能够更好地反应植株生长状况，拟合的更好，对与叶面积指数和产量的预测更加精确。

在N3条件下，秀水134叶面积指数呈现M型，叶面积指数从分蘖末期到拔节期下降，是由于本次试验采取直播播种技术，种植密度比移栽插秧播种大，对于水稻的光照有影响，在分蘖末期到拔节期间，很多小的分蘖由于光照等问题，大量的无效分蘖开始死亡，导致叶面积下降，使得叶面积指数第一次下降；叶面积指数在灌浆期下降是由于，CGMD302作物生长监测光谱仪工作原理是对植株叶片进行监测，灌浆期长出的穗会覆盖叶片，影响叶面积的监测，叶片被覆盖使得叶面积变小，出现第二次下降，所以叶面积指数随生长呈现M型。生物量进行光谱分析时，在灌浆期测得的R2值显著下降的原因也是由于穗影响了CGMD302作物生长监测光谱仪的测量，导致拟合不显著。NDVI和产量的拟合测得的R2均大于0.9，这表明CGMD302作物生长监测光谱仪前期在田间的监测能够很好地预测该氮水平下最后的产量，对于实际生产上，相关人员可以通过预测对当前生育期的水稻進行相关的调整，对后期的产量有一定的保障。

参考文献

[1]杨惠杰，杨仁崔，李义珍，等.水稻超高产品种的产量潜力及产量构成因素分析[J].福建农业学报，2000，15（3）：1-8.

[2]姚霞，刘小军，王薇，等.小麦氮素无损监测仪敏感波长的最佳波段宽度研究[J].农业机械学报，2011，42（2）：162-167.

[3]张直中.合成孔径雷达遥感技术及其应用[J].火控雷达技术，2000，3：1-39.

[4]邵芸，郭华东，范湘涛，等.水稻时域散射特征分析及其应用研究[J].遥感学报，2001，5（5）：340-345.

[5]方红亮，田庆久.高光谱遥感在植被监测中的研究综述[J].遥感技术与应用，1998，13（1）：62-69.

[6]李映雪，谢晓金，徐德福.高光谱遥感技术在作物生长监测中的应用研究进展[J].麦类作物学报，2009，29（1）：174-178.

[7]凌启鸿，苏祖芳.水稻成穗率与群体质量的关系及其影响因素的研究[J].作物学报，1995，21（4）：463-469.

[8]Wang W，Yao X，Yao X，et al.Estimating leaf nitrogen concentration with three-band vegetation indices in rice and wheat[J].Field Crops Research，2012，129（384）：90–98.

[9]Mutanga O，Skidmore A K，Van Wieren S.Discriminating tropical grass （Cenchrus ciliaris） canopies grown under different nitrogen treatment using spectroradiometry[J].Isprs Journal of Photogrammetry & Remote Sensing，2003，57（4）：263-272.

[10]Gausman H W，Allen W A，Cardenas R，et al.Relation of light reflectance to histological and physical evaluations of cotton leaf maturity.[J].Applied Optics，1970，9（3）：545-52.

[11]WANG，Changhai，Yali，et al.Coupling Relationship Analysis on Households Production Behaviors and Their Influencing Factors in Nature Reserves：A Structural Equation Model[J].Chinese Geographical Science，2013，23（4）：506-518.

[12]陈青春，田永超，顾凯健，等.基于多种光谱仪的水稻前期植株氮积累量监测[J].农业工程学报，2011，27（1）：223-229.

[13]田永超.基于高光谱遥感的水稻氮素营养参数监测研究[D].南京：南京农业大学，2008.

[14]朱德峰，张玉屏，陈惠哲，等.中国水稻高产栽培技术创新与实践[J].中国农业科学，2015，48（17）：3404-3414.

[15]倪军，姚霞，田永超，等.便携式作物生长监测诊断仪的设计与试验[J].农业工程学报，2013，29（6）：150-156.

[16]王磊，白由路，卢艳丽，等.基于GreenSeeker的冬小麦NDVI分析与产量估算[J].作物学报，2012，38（4）：747-753.

[17]方秀琴，张万昌.叶面积指数（LAI）的遥感定量方法综述[J].国土资源遥感，2003，15（3）：58-62.

[18]傅玮东，刘绍民.冬小麦生物量遥感监测模型的研究[J].干旱区资源与环境，1997（1）：84-89. （责编：施婷婷）endprint