本发明属于农业技术领域，具体地说，涉及一种水稻不同生育期叶绿素含量高光谱估测方法。
背景技术：
叶绿素含量是植物的主要农学参数，是植物光合作用能力、叶片氮素含量以及生长发育的重要指示器，叶绿素含量变化是植物长势监测的重要指标。叶绿素含量的测定是农业科研和农业生产中经常遇到的问题。目前，可以使用多种方法对叶绿素含量进行测定，但传统方法不仅费时费力，采摘过程中容易损坏植物叶片组织结构。另外，由于叶绿素的结构不稳定，容易分解，导致最终测量的叶绿素含量可能会发生变化。随着高光谱遥感技术的不断发展，可以为植物叶绿素含量无损、快速的定量化诊断提供技术支持。国内外学者在利用高光谱遥感数据监测叶绿素含量大量的研究，邹小波等选用植被指数建立特征波长下光谱反射率与黄瓜叶片叶绿素含量之间的关系模型，较为准确的估算了叶片表面叶绿素的分布情况；孟庆野等通过对现有植被指数模型的改进，对小麦叶绿素含量进行了估算，取得了较好的可靠性。宫兆宁等通过分析植物叶片叶绿素含量与“三边”参数的相关性，构建了基于光谱指数的湿地植被叶片叶绿素含量估算模型，取得了较为理想的预测精度。刘桃菊等探讨了水稻冠层光谱对叶片叶绿素含量的响应规律，得出了水稻冠层叶片叶绿素监测的特征变量。
植被指数是要遥感应用研究中的常用方法之一，并成功应用于植被叶绿素含量、含水量、含氮量等农学参数和光合作用等生态参数研究。国内外学者提出了很多形式各异的植被指数，但每种植被指数的侧重点不同。归一化植被指数(normalizeddifferencevegetationindex,ndvi)是rouse等在对比值植被指数(ratiovegetationindex，rvi)进行非线性归一化处理后得到的植被指数，能监测植被生长状况、植被覆盖度以及消除部分辐射误差，是目前应用最广泛的植被指数。
目前对水稻冠层光谱反射率与叶绿素含量的研究以南方水稻为主，对西北地区水稻的研究并不多见，且多以单一生育期较为常见。
技术实现要素：
本发明的目的在于提供一种水稻不同生育期叶绿素含量高光谱估测方法，该方法以西北地区水稻为研究对象，分析水稻不同生育期内冠层光谱反射率与叶绿素含量的相关性，为利用高光谱遥感技术无损、快速、高效的估测水稻冠层叶绿素含量研究提供理论依据。
其具体技术方案为：
一种水稻不同生育期叶绿素含量高光谱估测方法，包括以下步骤：
步骤1、冠层光谱测定
水稻冠层光谱采用美国svc公司生产的svchr-1024i型野外光谱仪测定，光谱范围为350～2500nm，光谱分辨率(fwhm)：350～1000nm，≤3.5nm；1000～1850nm，≤9.5nm；1850～2500nm，≤6.5nm。分别在上述四个生育期选择晴朗无云、风力微弱的白天当地时间10:00～14:00时，测定冠层光谱。测量前均用白板进行标定，测量时，为了减少稻田水对光谱的影响，采用光谱仪可选配件光纤探头进行测定，探头距水稻叶片垂直高度约0.15m。每个样点测试5条光谱曲线，取其平均值作为该样点的光谱反射值，每次观测得到72条水稻冠层高光谱数据。
步骤2、叶绿素含量测定
采用日本konicaminolta公司生产的spad(soilplantanalysisdevelopmentunit)502叶绿素计，测量与采集光谱对应的水稻植株的叶片叶绿素，每个样点选择5株水稻，每株水稻选取冠层展开的第2、3片叶进行测量，共取10片叶子的平均值作为该样点的叶绿素含量值。每个生育期观测得到与72条高光谱曲线数据对应的72个叶绿素含量数据。
步骤3、数据处理
由于叶绿素含量对光谱的响应波段集中在可见光、近红外波段，且近红外1000nm之后的波段受各种因素的影响噪声较大，因此本文采用350～1000nm波段进行分析，对光谱数据进行平滑去噪之后将其重采样至1nm。通过对冠层原始光谱反射率与叶绿素含量的相关分析，选择相关系数最大的波段即特征波段采用指数、一元线性、对数函数、多项式以及幂函数构建叶绿素含量反演模型；基于全波段ndvi指数与叶绿素含量的相关性，从中选择对叶绿素含量变化最敏感的波段组合归一化植被指数(ndvi)构建叶绿素含量反演模型。
最后采用r2、rmse与re作为评价指标来检验反演模型的精度，从中选出最优反演模型。其中，rmse、re计算公式如下：
式中，
进一步，通过对水稻冠层原始光谱与叶绿素含量的相关性分析，得到各生育期敏感波段，分别为拔节期(612nm)、抽穗期(931nm)、乳熟期(932nm)与蜡熟期(811nm)。
进一步，通过分析各生育期逐波段构建的ndvi与叶绿素含量的相关性，确定各生育期内与叶绿素含量相关性最强的ndvi组合，分别为拔节期ndvi(475nm,456nm)、抽穗期ndvi(782nm,748nm)、乳熟期ndvi(822nm,823nm)与蜡熟期ndvi(730nm,731nm)。
进一步，通过对各生育期内ndvi构建的叶绿素含量反演模型的比较，得到了各生育期内最佳反演模型，分别为拔节期多项式模型、抽穗期指数模型、乳熟期指数模型和蜡熟期多项式模型。
与现有技术相比，本发明的有益效果：
本发明为了探讨不同生育期水稻冠层光谱与叶绿素含量的响应规律，以西北地区水稻为材料，经小区试验测定水稻冠层光谱与叶绿素含量，分析冠层光谱反射率与叶绿素含量的相关性，建立两者之间的相关模型，结果表明：不同生育期内，水稻冠层光谱反射率差异较大；水稻冠层光谱反射率与叶绿素含量相关性随着生育期的推进而逐渐降低；基于全波段归一化植被指数(ndvi)构建的拔节期(ndvi(456,475)，r2＝0.6502)、抽穗期(ndvi(748,782)，r2＝0.5264)、乳熟期(ndvi(822,823)，r2＝0.5708)、蜡熟期(ndvi(730,731)，r2＝0.4396)叶绿素模型能较好的预测水稻冠层叶绿素含量。
附图说明
图1是不同生育期水稻冠层光谱特征曲线；
图2是不同生育期冠层光谱反射率与叶绿素含量相关性；
图3是不同生育期归一化植被(ndvi)与叶绿素含量相关系数等势线图；
图4是基于各生育期最佳模型水稻叶绿素含量验证结果，其中，图4(a)拔节期；图4(b)抽穗期；图4(c)乳熟期；图4(d)蜡熟期。
具体实施方式
下面结合附图和具体实施方案对本发明的技术方案作进一步详细地说明。
1材料与方法
1.1研究区概况
研究区选择在宁夏青铜峡市叶盛镇的水稻示范基地。该区地处西北内陆，位于东部季风区与西部干旱区域的交汇地带，属于中温带大陆性干旱气候，冬无严寒，夏无酷暑，四季分明，昼夜温差大，全年日照3000h，年平均气温8℃，无霜期176d，年蒸发量1400nm，年降水量260mm，主要集中在7～9月。地貌类型为黄河河谷平原，海拔1200m，地形平坦，土层深厚；土壤为灌淤旱耕人为土，质地较砂，土壤有机质含量较低，养分含量较为贫乏。由于此处属于引黄灌溉区，为水稻的生长提供了得天独厚的条件，水稻是当地主要的作物之一。
1.2试验设计与样品采集
试验于2015年07月～09月在宁夏回族自治区青铜峡市叶盛镇宁夏农科院水稻田间试验区进行。试验共设置3个氮素水平，4个碳素水平，进行碳氮交互试验，共12个处理，每个处理设置一个重复，共24个试验小区，每个小区面积为21ⅹ4.8＝100.8m2，具体试验方案见表1。水稻品种为宁粳43号，采用自然生长方式，分三次施肥，每年五月底插秧，九月底或十月初收获。田间观测采样时，每个小区内选择3个样点，直接在原地进行光谱的测定；同时采集植株样品。每期共获取72个样点数据。2015年在水稻生长的07月14日(拔节期)、07月31日(抽穗期)、08月20日(乳熟期)和09月15日(蜡熟期)四个生育期分别进行观测采样，全生育期共获得328个样点的数据，分析建模时将每个生育期中的72个样点数据按照分层随机抽样法选取48个作为建模样本，剩余24个作为检验样本。
表1.试验方案
注：小区长21m，宽4.8m。c0，c1，c2，c3分别代表四个不同生物质碳用量水平，分别为0、4500、6750、9000kg/hm2，n0、n1、n2分别表示氮肥(按纯n量计)用量分别为0、240、300kg/hm2。
1.3冠层光谱测定
水稻冠层光谱采用美国svc公司生产的svchr-1024i型野外光谱仪测定，光谱范围为350～2500nm，光谱分辨率(fwhm)：350～1000nm，≤3.5nm；1000～1850nm，≤9.5nm；1850～2500nm，≤6.5nm。分别在上述四个生育期选择晴朗无云、风力微弱的白天当地时间10:00～14:00时，测定冠层光谱。测量前均用白板进行标定，测量时，为了减少稻田水对光谱的影响，采用光谱仪可选配件光纤探头进行测定，探头距水稻叶片垂直高度约0.15m。每个样点测试5条光谱曲线，取其平均值作为该样点的光谱反射值，每次观测得到72条水稻冠层高光谱数据。
1.4叶绿素含量测定
采用日本konicaminolta公司生产的spad(soilplantanalysisdevelopmentunit)502叶绿素计，测量与采集光谱对应的水稻植株的叶片叶绿素，每个样点选择5株水稻，每株水稻选取冠层展开的第2、3片叶进行测量，共取10片叶子的平均值作为该样点的叶绿素含量值。每个生育期观测得到与72条高光谱曲线数据对应的72个叶绿素含量数据。
1.5数据处理
由于叶绿素含量对光谱的响应波段集中在可见光、近红外波段，且近红外1000nm之后的波段受各种因素的影响噪声较大，因此本文采用350～1000nm波段进行分析，对光谱数据进行平滑去噪之后将其重采样至1nm。通过对冠层原始光谱反射率与叶绿素含量的相关分析，选择相关系数最大的波段即特征波段采用指数、一元线性、对数函数、多项式以及幂函数构建叶绿素含量反演模型；基于全波段ndvi指数与叶绿素含量的相关性，从中选择对叶绿素含量变化最敏感的波段组合归一化植被指数(ndvi)构建叶绿素含量反演模型。
最后采用r2、rmse与re作为评价指标来检验反演模型的精度，从中选出最优反演模型。其中，rmse、re计算公式如下：
式中，
2结果与分析
2.1不同生育期水稻冠层光谱特征
供试水稻不同生育期代表性光谱曲线如图1所示，各生育期只具有基本相似的反射波谱特性。在550nm处形成一个叶绿素的反射峰，在680nm处形成一个叶绿素的吸收谷，而在近红外波段(760nm～1000nm)形成一个高反射平台。
植物不同生育期由于植株体内的叶绿素含量、细胞结构，以及群体的生物量、叶面积指数等的不同，导致各光谱反射特性也会发生变化光谱反射曲线具有明显的差异。在可见光波段(380nm～760nm)，从拔节期到抽穗期，随着水稻的生长发育，反射率不断下降。从抽穗期到蜡熟期，反射率逐渐升高，最大反射率从0.0297上升到0.0974。不同生育期光谱反射率差异不显著。
在近红外波段，则是拔节期反射率最高，随着水稻的生长发育，反射率不断下降，且不同时期差异显著。在波长760～920nm波段范围，光谱反射率分别为：拔节期0.5417、抽穗期0.4389、乳熟期0.3893和蜡熟期0.3152，从拔节期到蜡熟期下降了0.2264，降幅达到41.81％。
2.2基于敏感波段的叶绿素估算模型
2.2.1光谱反射率与叶绿素相关性分析
将各生育期水稻冠层光谱反射率分别与其对应的叶绿素含量进行相关分析，结果如图2所示。从图2可以明显看出，在可见光波段内，两者呈负相关关系，近红外波段内，两者之间呈极显著正相关关系，且基本维持在同一水平。
在不同生育期，水稻冠层光谱反射率与叶绿素含量的相关性有较大差异。在可见光波段，从拔节期到乳熟期，随着生育期的推进，其光谱反射率与叶绿素含量的相关性逐渐减弱，相关系数由拔节期的-0.7下降到蜡熟期的-0.2以下，其中拔节期与抽穗期的相关系数通过f0.01水平的显著性检验；乳熟期相关系数通过f0.05水平的显著性检验。近红外波段，从拔节期到乳熟期相关系数均在0.5以上，差异不显著，蜡熟期相关系数在0.3上下波动，但是此时四个生育期均通过f0.01显著性水平检验。
2.2.2基于敏感波段的叶绿素估算模型
根据各生育期水稻冠层光谱反射率与叶绿素含量的相关性，从中选取相关系数最大的波段进行基于单波段的叶绿素含量反演。拔节期，冠层光谱反射率与叶绿素含量的相关性在612nm处最强，相关系数为-0.7691；抽穗期、乳熟期与蜡熟期相关关系最大的波段，分别为931nm、932nm与811nm，其对应的相关系数分别为0.6195、0.5879与0.3141。根据各生育期所选取的敏感波段构建不同函数类型的冠层光谱叶绿素估算模型，并且对模型进行验证，其结果如表2所示。
以决定系数(r2)、均方根误差(rmse)以及相对误差(re)作为评价指标，选取建模拟合度高、验证误差小的模型作为最佳估算模型。通过对比，各生育期的最佳反演模型分别为：拔节期多项式模型和抽穗期多项式模型、乳熟期指数函数模型、蜡熟期幂函数模型。从拔节期到蜡熟期，建模拟合度与验证拟合度逐渐下降，由拔节期内的0.5921、0.6348下降到蜡熟期的0.1708、0.0235；相对误差re由4.355％上升到19.433％。通过比对蜡熟期各模型的建模参数与验证参数，该生育期的叶绿素反演模型估测精度过低，不能实际应用。
表2基于敏感波段构建的不同生育期spad回归模型及验证
2.3基于ndvi的叶绿素估算模型
植被指数是遥感应用研究的常用方法之一，被成功地应用于植被叶绿素含量等生物物理参量和植物光合作用等生态功能参量估算。本文采用归一化植被指数(ndvi)来构建叶绿素估算反演模型。利用matlab编程逐波段计算各生育期水稻冠层光谱反射率的归一化植被指数(ndvi)，然后计算ndvi与叶绿素含量的决定系数(r2)，最终得到如图3所示的各生育期决定系数分布图。
从图3可以看出，拔节期450～500nm：420～460nm、540～580nm：750～1000nm、610～700nm：400～500nm以及720～1000nm：700～750nm四个区域内的相关系数均大于0.8，其中475nm与456nm组成的归一化植被指数ndvi(475,456)与叶绿素的相关性最大，相关系数为0.8418。抽穗期，640～660nm：400～500nm与740～1000nm：700～760nm两个组合区域内相关系数均大于0.7，ndvi与叶绿素含量相关性最强的波段组合为782nm与748nm(ndvi(782,748))，此时相关系数为0.7675。乳熟期，相关系数较大的区域逐渐向近红外-红光波段转移，且此时只有820～950nm：730～850nm区域内的相关系数大于0.6，其中由822nm与823nm波段组成的归一化植被指数ndvi(822,823)与水稻叶绿素相关性最强，相关系数为0.6798。蜡熟期，冠层光谱反射率与叶绿素的相关性逐渐减弱，相关系数大于0.6的只剩下700～750nm：720～770nm波段所组成的狭小区域，由730nm与731nm波段组合构成的归一化植被指数ndvi(730,731)与叶绿素含量的相关性最强，相关系数为0.6349。将以上各生育期相关性强的归一化植被指数作为特征指数，用于构建水稻叶绿素含量反演模型。
表3为基于归一化植被指数建立的不同生育期水稻叶绿素估算模型及拟合结果。从表3可知从拔节期到乳熟期，拟合r2与检验r2均逐渐减小。利用多项式模型构建的拔节期叶绿素含量反演模型拟合及验证结果较好，其拟合r2与检验r2分别为0.7515与0.6502，而rmse分别为1.885与1.436，其中检验的re为4.295％。抽穗期，叶绿素含量反演精度最高的为指数函数模型，其拟合r2为0.6288，检验r2为0.5254，re为4.553％。乳熟期综合r2、rmse与re三者的表现，指数函数模型为最佳模型，其拟合r2、检验r2与re分别为0.4465、0.5708与3.711％。蜡熟期的最佳反演模型为多项式模型，拟合r2为0.4877，检验r2为0.4396，re为15.037％。
表3.基于归一化植被指数的不同生育期水稻叶绿素含量估算模型及拟合结果
为了检验所建立的水稻叶绿素估算模型精度及普适性，分别利用检验样本对各生育期的最佳估算模型进行检验，其检验结果如图4所示。由图4可知，不同生育期，其模型精度差异显著。拔节期，模型精度较高，拟合度r2为0.6502，rmse为1.4356，re为4.30％；随着生育期的推进，模型精度逐渐下降，至蜡熟期，模型拟合度r2为0.4396，rmse为2.1403，re为15.04％。
以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。