不同品种水稻叶片的高光谱特征及其色素、含水率分析

张亚彪 罗举 唐健等

摘要研究了7个供试水稻品种孕穗期叶片色素以及含水率与高光谱特征参数之间的关系。在绿峰反射、红谷吸收以及水分吸收处，不同供试水稻品种高光谱波段反射率有显著差异。利用相关的分析方法，以（R640-R670）/R670、（R800-R680）/（R800+R680）、1/R510-1/R550、Dr、Sr、Rg 6个光谱参数构建水稻叶片色素模型；同时，分析1 450 nm处水稻叶片含水率与吸收深度及吸收面积的相关性。研究表明，不同品种水稻含水率与光谱吸收差异在一定程度上反映出水稻品种间抗虫性差异。水稻叶片色素、含水率的高光谱特征在较大尺度上对田间水稻品种分类、健康诊断和品种抗性鉴定上有重大意义。

关键词水稻叶片；高光谱特征；叶片色素含量；含水率；抗虫性

中图分类号S511文献标识码

A文章编号0517-6611（2015）07-040-05

Hyperspectral Characteristics of Rice Leaves and Their Pigment and Water Content Analysis

ZHANG Ya-biao1， LUO Ju2， TANG Jian2， LIU Ying-hong1* （1. Plant Protection College， Southwest University， Chongqing 400715； 2. China National Rice Research Institute， Hangzhou， Zhejiang 310000）

Abstract The relationship between leaf pigment content as well as water content and hyperspectral characteristic parameters in seven tested rice varieties in booting stage was studied. There are significant differences of hyperspectral reflectance in rice varieties in green reflectance maintain， red absorption maintain and water absorption maintain. By correlative analysis method， the paper uses （R640-R670）/R670， （R800-R680）/（R800+R680），1/R510-1/R550，Dr，Sr Rg to build up leaf pigment content models， and analyzes correlation between water content and absorption depth as so as area in 1 450 nm. The results showed that the difference of water content and spectral absorption partly reflects the difference of insect resistance among different rice varieties. Hyperspectral characteristics of water content and pigment content in rice leaves have great significance for field rice varieties classification， health diagnosis and resistance identification in a large scale.

Key words Rice leaves； Hyperspectral characteristics； Leaf pigment content； Water content； Insect resistance

植物叶片色素主要包括叶绿素和类胡萝卜素，能够反映绿色植物的生长状况，与植物光合作用密切相关。叶绿素主要吸收光能，而类胡萝卜素起保护叶绿素的作用。水分在植物生长过程中具有不可替代的作用。叶片色素与水分含量是植物生长过程中营养胁迫、干旱胁迫、病虫为害以及衰老进程等的良好指示剂[1-3]，因此监测植物叶片中色素含量与含水率在植物健康诊断、营养状况中具有重要意义。近年来，随着高光谱技术的发展，其快速、无损的诊断优势在农业领域越来越明显，逐步成为农作物营养生长、病虫监测的重要手段。在可见光范围内，光谱特征以色素吸收为主。Daughtry等[4-5]研究了玉米叶片光谱反射率与叶片色素的相关性。朱西存等[6]研究了苹果叶片的高光谱反射特征。Thomas等[7]采用完全饱和叶片在室温下逐渐干燥的方法，证明叶片含水量与1 450、1 930 nm处光谱反射率显著相关。此后，很多学者研究都认为在970、1 450、1 900 nm处的光谱反射率反映植物水分状况[8-9]。高光谱技术在农业领域的研究，主要集中在不同施肥量等处理、重金属胁迫、病虫为害等引起光谱曲线的变化。唐延林等[10-11]研究了不同施氮量下水稻光谱特征。修丽娜等[12-13]研究了铅、镉污染下的水稻光谱特征。吴昊等[14-15]研究了白背飞虱、褐飞虱为害下水稻叶片的光谱特征。在利用高光谱分析不同水稻品种叶片光谱特征与叶片色素及含水率的关系以及含水率与品种抗性的关系等方面的研究较少。笔者研究了不同水稻品种间光谱反射差异，构建水稻叶片色素与高光谱参数的模型，分析含水率与光谱特征的相关性以及水稻品种抗性差异，旨在对水稻生长监测、水稻品种抗性监测提供理论依据。

1材料与方法

1.1试验材料

供试水稻品种选用mudgo、ASD7、IR26、IR36、IR42、IR56以及TN1。其中，IR26、mudgo为抗褐飞虱生物Ⅰ型品系（含1号基因），IR36、IR42、ASD7为抗褐飞虱生物Ⅱ型品系（含2号基因），IR56为抗褐飞虱生物型Ⅲ品系（含3号基因），TN1为感虫品系。试验区位于杭州富阳市中国水稻研究所试验田。2014年6月10日直播田播种，8月18日（水稻孕穗期）进行采样。统一水肥管理，即在三叶期以前控水保苗，三叶期以后排水搁田；二叶一心时施“断乳肥”，五六叶施分蘖肥。在水稻生长孕穗期，取充分展开、无损、无病虫害的水稻健康剑叶，每个品种取20片，将采集叶片迅速装入保鲜袋，放入盛有冰袋的保险箱中，带回实验室。

1.2光谱测定

1.2.1光谱系统。光谱测定采用GaiaSorter“盖亚”高光谱分选仪（北京卓立汉光仪器有限公司，中国），可见光相机（image-λ-V10E-LU）采集波段为400～1 000 nm，光谱分辨率为2.8 nm，其中400～450和900～1 000 nm波段范围内，光谱曲线信噪比较低，故选用450～900 nm波段范围内光谱信息进行分析；短波红外相机（image-λ-N25E-XE）采集波段为1 000～2 500 nm，光谱分辨率为10 nm，其中1 000～1 050和2 450～2 500 nm范围内，光谱曲线性噪比较低，故选用1 050～2 450 nm波段范围内光谱信息。

1.2.2光谱图像采集与校正。

将水稻叶片平铺展开，置于载物台上。设置白板与水稻叶片同一水平面。在数据采集时，先对相机进行调焦，再获取高光谱图像。

为了克服光强分布弱的波段存在图像噪声与暗电流的影响，可对采集的图像进行校正。该试验采用的校正方法为黑白帧校正，具体操作如下：在采集数据前，首先将镜头聚焦在白板位置，采集一帧反射率为100%的全白标定图像，然后盖上相机盖，采集一帧反射率为0的全黑标定图像，进而在相同参数设定下采集样本图像信息。根据式（1）得到黑白标定后的样本相对光谱图像，其像素区域在波段i处反射率（R）为：

R（i）=Is（i）-Id（i）Iw（i）-Id（i） （1）

式中，Is为样本光谱图像；Id为全黑标定图像；Iw为全白标定图像；R为光谱反射率。

1.3农学参数设定

1.3.1叶片含水量测定。

称重水稻叶片鲜重（Fw），然后将叶片置于110°高温杀青处理30 min，再将叶片放置在60°烘箱中，24 h后取出，测叶片干重（Dw），然后根据公式计算每次叶片的含水率。

叶片含水率=Fw-DwFw×100% （2）

1.3.2叶片色素测定。

称取一部分测定光谱的叶片（FW），将其剪碎放入试管中，加入10 ml萃取液（萃取液配置为4.5 ml丙酮、4.5 ml乙醇、1.0 ml水），置于黑布遮光环境中静置，24 h后利用紫外可见光分光光度计PC765-UV分别测663 nm（叶绿素a最大吸收峰）、645 nm（叶绿素b最大吸收峰）、440 nm（类胡萝卜素最大吸收峰）处的光密度OD值。利用以下公式[16]，计算叶片色素含量。

式中，Ri为波长i处的反射率；λi为波长i处的波长值；Δλ为相邻波长的差值。从一阶导数中可以提取位置变量、面积变量、植被指数变量等参数。

红边幅值（Dr）是红边（680～760 nm）波段范围内最大的一阶微分值；红边位置λr是最大的一阶微分值对应的波长；绿峰幅值是绿光范围内最大的波段反射率，绿峰位置则是相对应的波长；红光吸收谷幅值是红光范围内最小的波段发射率，红吸收谷位置是对应的波长。红边面积是相对应波段范围内一阶微分值之和。

利用EXCEL进行基础数据录入，并且使用SPSS 19.0进行相关统计分析检验及绘图。

2结果与分析

2.1水稻叶片的高光谱特征

由图1可知，不同品种水稻叶片的光谱反射曲线形状相似，说明不同品种水稻叶片的主要构成物质与结构没有质的区别，只有叶片厚薄、颜色深浅以及含水量多少的差异。在波长550 nm绿光区水稻叶片反射率出现峰值，在红光区680 nm及短波红外区1 450 nm和1 900 nm处水稻叶片出现强烈吸收。

图1不同水稻品种光谱反射率曲线

由图2可知，在可见光区域波段510、560、690 nm附近有明显的信号信息，750 nm之后信号波动剧烈，信息量较大。在短波红外区域1 130、1 380、1 480、1 745、1 870 nm处有明显信号，在2 000 nm之后有强烈信号波动。

图2水稻品种光谱反射率的一阶导数

结合图1与图2，对反射与吸收强烈处进行方差分析。由表1可知，在550 nm处，水稻品种IR42与IR56之间反射率差异不大，与其他6个品种之间差异在0.05水平显著；mudgo与IR36、TN1之间差异性不大，与其他5个品种间反射率差异在0.05水平显著；水稻品种ASD7与IR26之间无差异，但是这2个品种与其他4个品种之间存在0.05水平显著性差异。在680 nm处，水稻品种IR42、IR56、TN1之间光谱吸收没有差异，但与ASD7之间差异较大。在1 450 nm处，ASD7与IR36、TN1之间吸收无差异，mudgo与IR26之间光谱反射率无差异，IR42与IR56品种间也无差异；在1 900 nm处，ASD7、mudgo、IR26以及TN1品种之间反射率无差

异，与IR36之间差异不大，与IR42、IR56品种之间有显著

由表2可知，文中所采用的6个参数与7个品种的叶片色素在0.01水平下均有显著相关性，可以参与构建叶片色素与光谱参数的模型。将这6个参数分别一起用于叶绿色a、叶绿素b、叶绿素总量以及类胡萝卜素含量建模，分别筛选出对各自模型有显著贡献的参数。建模结果见表3。

求得的拟合预测方程是否与实际相符，需要进行假设检验[19-20]。若拟合曲线符合实际情况，则预测值y（x）与实际测量所得gi（x）（i=0，1，2 … n）之间存在线性关系，此时方程系数ci≠0（i=0，1，…，n），否则y（x）就不依赖于g（x），或者说是不线性依赖于g（x）。

由图3可知，叶片色素预测值与实测值存在线性关系，模型在显著水平0.05下Fa（1.124）=1.63，Chla、Chlb、Chl（a+b）、Car的F值大于Fa，拒绝原假设，认为模型能较好地反映水稻叶片色素含量；Chla、Chlb、Chl（a+b）、Car的相对误差（RE%）分别为0.002 8、0.021 9、0.001 5、0.004 6，除Chlb外，其他均较小，表明模型的可靠性。

表3叶色素与光谱参数模型拟合（n=126）

因变量回归方程 自变量自变量名称 回归系数相伴概率（Sig.）

Chla=2.712 3-3.142 3x1 x1（R640-R670）/R670 0

Chlb=3.468 5-1.320 9x1-3.163 4x5 x1 （R640-R670）/R670 0

x5 Rg0.001

Chl（a+b）=3.241 5-3.861 4x1 x1 （R640-R670）/R6700

Car=5.249 8-2.136 3x1-4.477 8x5x1（R640-R670）/R670 0

x5Rg0

图3水稻叶片色素含量监测值与实测值比较（n=126）

2.3含水率相关性分析

由图1可知，在1 450、1 900 nm处，水分有明显吸收。有研究针对1 450 nm处光谱特征随叶片含水量的波动，提出吸收深度（Depth）和吸收面积（Area）2个参量[21-22]。吸收深度指特征吸收峰最小点相对反射率100%线的距离，面积指吸收峰深度一半处宽度与深度的乘积。

对7个品种共140组水稻叶片的1 450 nm处光谱特征吸收峰的深度与面积进行分析。由图4可知，品种IR42、IR56、IR26、mudgo的含水率高于ASD7、IR36、TN1，7个品种实测含水率与吸收深度以及吸收面积均有0.05水平显著相关性，R均大于R0.01[20]，且7个品种有明显三类，即IR26与mudgo、IR42与IR56、IR36与ASD7以及TN1。当前田间褐飞虱种群由主要是生物型Ⅰ、生物型Ⅱ混合发生向生物型Ⅲ转变[23]。在1975年成功推广后，mudgo与IR26抗褐飞虱生物型Ⅰ品系对褐飞虱种群抗性下降[24]；IR56为抗生物型Ⅲ品系且对褐飞虱种群表现高抗，IR42为抗生物型Ⅱ品系，对褐飞虱种群表现为中抗[25]；ASD7与IR36抗生物型Ⅱ但敏感于生物型Ⅲ[26]，TN1是感虫品系。结果表明，含水率与吸收深度及吸收面积的相关性在一定程度上反映出水稻品种间抗性差异。

从图4还可以看出，水稻叶片含水量与1 450 nm处吸收峰与吸收面积显著正相关，即谷底越深，吸收峰越大，含水量越多；吸收面积越大，含水量也越多。不同品种之间含水量与吸收深度以及吸收面积之间也有一定差异。

3讨论

以水稻孕穗期水稻剑叶为例，探讨了水稻叶片的光谱曲线特征。结果表明，不同水稻品种的光谱曲线整体趋势一致。在可见光区域，不同供试品种的光谱曲线差异集中在绿峰、红谷处；在短波红外区域1 450 nm水分吸收峰处，供试品种之间也表现出不同，特别是1 900 nm之后不同供试品种的光谱反射率区别明显。有研究表明，2 100 nm前后主要是水、O-H基合频吸收，2 300 nm前后主要是C-H基合频吸收[27-28]，而C-H基是植物体碳水化合物、碳氮化合物等大分子的基本基团，含碳化合物等与水稻抗虫性有关[29-30]。理论上，寻找到合适的指标，能够直接利用高光谱对水稻品种进行抗性鉴定。这在水稻抗性品系鉴定方面有重大意义。

图4含水率与吸收深度及吸收面积的相关

研究中以叶绿素指数、胡萝卜素指数、植被归一化指数、红边幅值、红边面积以及绿峰反射率光谱参数构建了光谱曲线与叶片色素含量模型，叶绿素a含量与叶绿素指数、红边面积相关，叶绿素b与叶绿素指数、红边幅值相关，类胡萝卜素含量与叶绿素指数、植被归一化指数有关；以水分吸收峰深度、吸收面积构建了光谱曲线与叶片含水率模型，表明水分含量跟吸收深度、吸收面积正相关。这与前人的一些研究[31-33]类似。研究还表明，高光谱能快速监测水稻的生理生化指标，对稻田监测有重大意义。

参考文献

[1]

姚云军，秦其明，张自力，等.高光谱技术在农业遥感中的应用研究进展[J].农业工程学报，2008，24（7）：301-306.

[2] LICHTENTHALER H K，GITELSON A，LANG M.Non-destructive determination of chlorophyll content of leaves of a green and an area mutant of tobacco by reflectance measurements[J].Journal of Plant Physiology，1996，148：483-493.

[3] YANG H，ZHANG J，VAN DER M F，et al.Imaging spectrometry data correlated to hydrocarbon microseepage[J].International Journal of Remote Sensing，2000，21（1）：197-202.

[4] DAUGHTRY C S T，WALTHALL C L，KIM M S，et al.Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J].Remote Sensing of Environment，2000，74（2）：229-239.

[5] 唐延林，黄敬峰，王秀珍，等.玉米叶片高光谱特征及与叶绿素、类胡萝卜素相关性研究[J].玉米科学，2008，16（2）：71-76.

[6] 朱西存，赵庚星，王瑞燕，等.苹果叶片的高光谱特征及其色素含量监测[J].中国农业科学，2010，43（6）：1189-1197.

[7] THOMAS J R，NAMKEN L N，OERTHER G F，et al.Estimating leaf water content by reflectance measurements[J].Agronomy Journal，1971，63（6）：845-847.

[8] PENUELAS J，FILELLA I，BIEL C，et al.The reflectance at the 950-970 nm region as an indicator of plant water status[J].International Journal of Remote Sensing，1993，14（10）：1887-1905.

[9] KOKALY R F，CLARK R N.Spectroscopic determination of leaf biochemistry using band-depth analysis of absorption features and stepwise multiple linear regression[J].Remote Sens，1999，67（3）：267-287.

[10] 唐延林，王人潮，黄敬峰，等.不同供氮水平下水稻高光谱及其红边特征研究[J].遥感学报，2004，8（2）：185-192.

[11] 潘兴哲.基于不同施氮量水平水稻高光谱特征分析[D].南昌：江西农业大学，2013：20-34.

[12] 修丽娜，刘湘楠，刘美玲.镉污染水稻高光谱分析及建模[J].光谱学与光谱分析，2011，31（1）：192-196.

[13] 仲春晓.施氮水平、铅镉污染对水稻冠层与米质高光谱特征的影响分析[D].扬州：扬州大学，2012：67-84.

[14] 吴昊，邱白晶，陈国平，等.水稻白背飞虱虫害的单叶高光谱特征分析[J].农机化研究， 2009（4）：117-119.

[15] YANG C M，CHENG C H.Spectral characteristics of rice plants infested by brown planthoppers[J].Proceedings of the National Science Council，Republic of China：Part B，Life Sciences，2001，25（3）：180-186.

[16] 张志良，瞿伟菁.植物生理学实验指导[M].北京：高等教育出版社，2003：67-70.

[17] TSAI F，PHILPOT W.Derivative analysis of hyperspectral data[J].Remote Sensing of Environment，1998，66（1）：41-51.

[18] 邓书斌.ENVI遥感图像处理方法[M].北京：科学出版社，2010：374-386.

[19] 金彪，吴北平，李艳芳.曲线拟合与自回归模型在地铁变形监测中的运用[J].地矿测绘，2009，25（1）：35-37.

[20] 李希菲，洪玲霞.杉木、落叶松断面积模型参数比较[J].林业科学研究，1997，10（5）：500-505.

[21] 王纪华，赵春江，郭晓维，等.用光谱反射率诊断小麦水分叶片状况的研究[J].中国农业科学，2001，34（1）：104-107.

[22] 刘小军，田永超，姚霞，等.基于高光谱的水稻叶片含水量监测研究[J].中国农业科学，2012，45（3）：435-442.

[23] 吕亮，陈其志，张舒，等.褐飞虱田间致害型监测[J].湖北农业科学，2009，48（6）：1367-1368.

[24] 商科科.水稻新材料对褐飞虱的抗性及褐飞虱适应性变化[D].武汉：华中农业大学，2012：2.

[25] 陈峰，傅强，罗举，等.苗期抗性不同的水稻品种成株期对褐飞虱的抗性[J].中国水稻科学，2009，23（2）：201-206.

[26] 吴荣宗.水稻品种对稻褐飞虱抗性的研究[J].植物保护学报，1980，7（3）：133-138.

[27] 吴新生，谢益民.植物纤维原料的近红外光谱吸收机理的研究[J].光谱实验室，2010，27（5）：1685-1690.

[28] 吴新生，谢益民.植物纤维的主要成分在近红外光谱吸收上的差异[J].计算机与应用化学，2011，28（3）：279-282.

[29] 丁识伯.水稻不同品种对褐飞虱的抗性水平鉴定及抗性因子初探[D].郑州：河南农业大学，2010：7-10.

[30] 刘光杰，WILKINS R M，SAXENA R C.白背飞虱对不同抗虫性稻株糖类物质的利用[J].昆虫学报，1995，38（4）：421-427.

[31] 陈君颖，田庆久，施润和.水稻叶片叶绿素含量的光谱反演研究[J].遥感信息，2005（6）：12-16.

[32] 唐延林，王纪华，黄敬峰，等.水稻成熟过程中高光谱与叶绿素、类胡萝卜素的变化规律研究[J].农业工程学报，2003，19（6）：167-173.

[33] 李向阳，刘国顺，杨永锋，等.烤烟叶片高光谱参数与多种生理生化指标关系研究[J].中国农业科学，2007，40（5）：987-994.