玉米被用作飼料和加工業原料。粗脂肪的含量是判定飼料產品質量和等級的重要指標。目前, 飼料中的粗脂肪一般依據GBY643321986 測定,然而現行的化學分析手段已不能滿足農業生產發展的要求,尤其是在精準農業領域,快速、適時、準確的植物營養診斷方法成了植物營養領域中研究的熱點。

高光譜遙感(hyperspectral remote sensing) 是當前遙感前沿技術。它是指利用很多很窄(一般< 10 nm) 的電磁波波段從感興趣的物體獲取有關數據。近年來,隨著高光譜分辨率遙感技術的應用,使遙感可以在光譜維上展開,能直接對地物進行微弱光譜差異的定量分析,在植被遙感研究與應用中表現出強大優勢。

國內外對玉米生化成分含量與高光譜反射率之間的關系已有一些報道,如Daughtry 等研究表明,玉米葉片葉綠素含量與葉片水平及冠層水平的光譜反射率之間密切相關,譚昌偉等通過夏玉米冠層光譜參量建立了全氮含量和葉綠素含量的預測數學模型,表明利用一階微分光譜和紅邊位置推算夏玉米冠層葉綠素含量不僅可行而且反演精度較高;程一松等研究了不同氮素營養條件下夏玉米的光譜特性,確定了全生育期以及不同生育階段的葉綠素敏感波段范圍,Graeff 和Claupein 等研究表明可通過冠層光譜反射率來診斷玉米氮素狀況,蔣海榮等認為利用玉米冠層光譜可對葉片纖維素和半纖維素含量進行估算。以上研究多是分析葉綠素和氮素含量與光譜反射率之間的關系,對玉米粗纖維含量與光譜之間關系的研究未見報道。

本文旨在探討通過構建高光譜模型快速、簡便、準確診斷玉米粗纖維含量的可行性,為替代或部分替代費時、費錢的植物化學分析方法提供借鑒。

1 　材料與方法

1.1 　材料與試驗設計

玉米品種掖單13 、丹玉13、蘇玉糯1 號、蘇玉糯2 號、特甜1 號和超甜2018 種植于浙江大學試驗農場(120°10′E ,30°14′N) 。小區面積1125 m ×3164 m ,行、株距0135 m ×0128 m ,每小區播種2 行,約5 株m- 2 ,每品種設3 個重復。在玉米成熟期,對不同品種玉米進行整株采樣,每一品種每小區隨機采3 株,采樣后立即運回實驗室,按葉片、莖、穗和葉鞘分離,并同步測定各器官室內光譜反射率。

1.2 　光譜測定

使用美國ASD (Analytical2Spectral Device) 公司的ASDFieldSpec Pro FRTM光譜儀,波段值為350～2 500 nm,其中,350～1 000 nm光譜采樣間隔(波段寬) 為114 nm,光譜分辨率為3nm ,1 000～2 500 nm光譜采樣間隔(波段寬) 為2 nm ,光譜分辨率為10 nm。針對玉米不同器官測定光譜反射率。測定時將樣品平置于反射率近似為零的黑色橡膠上,光譜儀視場角為8°,探頭垂直向下,距樣品表面距離0.10 m;光源用光譜儀所帶的50 W鹵化燈,光源距樣品表面距離0.45 m ,方位角(光源與樣品表面之間的夾角) 70°。每次數據采集前都進行標準白板校正,光譜采樣每次記錄10 條光譜值,取平均值作為樣本的光譜值。除了葉鞘樣本數為5 外,其余各器官樣本數均為6 ,總計樣本數為35。

1.3 　粗脂肪的測定

采用索氏抽提法,與光譜樣本數對應有35 個粗脂肪含量值。或者用粗脂肪測定儀、SZF-06A脂肪測定儀測定，這兩款儀器都能一次性測試多個樣品，大大提高了測試效率。

1.4 　一階微分光譜

伴隨高光譜數據的大量增多,背景及測量環境對光譜數據的影響會越來越大,微分光譜技術將為解決這類問題提供有力工具。微分光譜技術已廣泛應用于減弱大氣散射和吸收、背景、儀器噪聲對目標物光譜特征的影響。一階微分光譜可表達為

,

式中,ρ′(λi ) 為λi 處的一階微分光譜,λi 是波段i 的波長值、ρ(λi ) 是波長λi 處的光譜值(如反射率、透射率等) ,Δλ是波長λi - 1到λi 的間隔,視波段波長而定。

1.5 　數據分析

采用SPSS1010 統計分析軟件包和Excel 數據分析功能。

2 　結果與分析

2.1 　粗脂肪含量與原始高光譜反射率的相關性分析及估算模型

從圖1 可見,粗脂肪與原始高光譜反射率之間的相關性在可見光區和近紅外光區呈極顯著負相關,約在1 350 nm之后呈極顯著正相關;在1 507 nm 處具有最大正相關系數, r= 0.722。以1 507 nm處的光譜反射率為自變量,粗脂肪含量為因變量通過曲線擬合建立兩者之間的線性和非線性回歸模型,非線性方程包含有指數和對數形式。非線性回歸模型中的指數模型要優于對數模型(圖2) 。從圖2 可見,指數模型( R2 = 015873) 與粗脂肪含量的擬合效果略優于線性模型( R2 = 015212) ,說明用指數模型對粗脂肪含量進行預測更為合適,其預測精度還有待檢驗。

2.2 　粗脂肪含量與反射率一階微分之間的相關性分析及估算模型

　　從圖3 可見,粗脂肪含量與一階微分之間的相關性沒有明顯的規律,相關系數隨著波長的變化而劇烈變化,但在1 954 nm處兩者之間具有最大相關系數, r = 0.814 ,呈極顯著正相關,比原始光譜與粗脂肪含量之間的相關性強。以1 954 nm處反射率的一階微分為自變量,粗脂肪含量為因變量建立兩者之間的線性和非線性回歸模型(圖4) 。從圖4 可見,反射率的一階微分所構建的模型與粗脂肪含量的擬合效果要優于原始高光譜反射率所構建的模型;同時,其指數模型( R2 = 016977) 的擬合效果優于線性模型( R2 = 016619) ,說明指數模型對粗脂肪含量變化的解釋能力要優于線性模型。模型的預測精度還有待檢驗。

3 　精度檢驗

通常精度評價標準可采用以下幾種:

(1) 相關系數評價

在光譜數據和生物物理、生物化學參數的相關及回歸分析中可用相關系數來評價由高光譜模型所推算的理論值與實測值之間的相關性及預測結果之優劣。

(2) 均方根差( RMSE) 評價

由單變量和多變量回歸模型估計出的參數,其精度可用均方根差來評價。式中, yi 和y′i 分別為實測值和理論值, n為樣本數。RMSE 值越小說明方程的精度越高。

(3) 相對誤差評價

相對誤差( %) = (y -  y′)P€y ×100 % 其中, y 和€ y′分別代表實測值和理論值的平均值。相對誤差越小說明方程精度越高。對構建的模型進行精度檢驗,結果如表1。

分析表1 可發現,一階微分所構建的指數模型各精度指標較好,與原始光譜反射率相比,此模型同時具有最大的相關系數和最小相對誤差以及最小RMSE 值,由這個模型所計算的粗脂肪含量的理論值與實測值的相關程度見圖5。從圖5 可見,由一階微分的指數模型所計算的理論值與實測值之間具有很強的線性相關關系,散點圖分布較為均勻,因此認為一階微分的指數模型對粗脂肪含量進行估算具有可行性。此結論還有待進一步論證。

4 　結論與討論

本研究首次采用玉米不同器官的粗脂肪含量及對應的光譜反射率分析高光譜反射率對玉米粗脂肪含量估算的可行性,并得到以下結論:玉米不同器官粗脂肪含量與高光譜反射率之間極顯著相關;通過對粗脂肪含量與反射率及其一階微分之間進行相關性分析,分別篩選出1 507 nm 和1 954nm作為反演粗脂肪含量的特征波長,同時建立了反演方程;通過精度檢驗表明反射率一階微分對玉米粗脂肪含量進行反演具有可行性,由模型反演的粗脂肪含量理論值與實測值之間的相關性達到極顯著水平。

本試驗構建模型所采用的高光譜數據是室內光譜反射率,初步結論是基于一個地點一個年份的觀測數據,樣本數量較少,所構建的方程的普適性還需要進一步驗證;另外對于粗脂肪含量與高光譜之間關系基于農學基礎的解釋也是今后需要進一步開展的工作。