一种基于日光诱导叶绿素荧光指数的水稻盐胁迫早期定量监测方法

技术领域

本发明涉及近地面尺度基于日光诱导叶绿素荧光光谱的作物生长状况快速无损定量监测，具体是一种基于日光诱导叶绿素荧光指数的水稻盐胁迫早期定量监测方法，属于智慧农业技术领域。

背景技术

由于灌溉措施不当等原因引起的土壤盐渍化问题，已成为当今农业生产的主要障碍之一，有人预计到2050年，将有超过50％的可耕地发生严重的盐渍化，这将对水稻等作物的生产构成严重威胁。随着盐胁迫时间的延长，水稻正常的生长发育过程会受到严重影响，包括渗透失水、营养失衡、光合系统损伤等，最后导致水稻产量下降。因此，能够在盐胁迫对水稻产生实质性伤害之前，无损、快速、准确的对水稻盐胁迫做出检测，对及时调整水稻田间生产应对措施，以及降低甚至阻止盐胁迫对水稻生产的影响，有着重要的积极意义。目前，随着遥感技术手段的不断发展，为实现无损、快速、准确的诊断出盐胁迫下水稻生长状态，提供了强有力的技术支持。从而让及时发现水稻盐胁迫，快速调整盐胁迫下水稻生产措施并精准实施成为可能。

迄今为止，众多检测作物盐胁迫的传统方法，多是基于生理生化分析的破坏性取样研究，一般通过定量分析作物生理生化参数的变化，来反映作物本身对盐胁迫的响应，以达到检测盐胁迫的目的。常见的有作物光合过程对盐胁迫的响应、作物叶片内渗透调节物质的变化、作物叶片离子含量的变化等。综上来看，通过定量分析作物生理生化参数的变化，在一定程度上能够反映作物本身对盐胁迫的响应。但这些传统的研究方法费时费力且需要破坏性取样，无法高效率的对水稻盐胁迫进行检测，因此需要一种高效、精准、无损的方法来监测盐胁迫。

随着近年来科学技术的发展，非破坏性数字成像技术和非成像光谱技术在盐胁迫生物学参数的快速获取中得到了应用。例如，通过RGB图像与荧光成像技术计算获取的水稻苗期不同盐胁迫程度下的总生物量、总叶面积和衰老叶面积，发现RGB图像计算得到的水稻生物量与实测生物量有很好的相关性(R

近年来，日光诱导叶绿素荧光因其与光合作用紧密的相关性被认为是监测早期胁迫的新兴科学方法。与植被反射率不同，叶绿素荧光产生于植被光合作用过程，一般植物叶片中的叶绿素分子吸收光能(太阳辐射)后，叶绿素分子中的电子由基态跃迁到激发态，由于激发态电子的寿命短，随后很快由激发态回到基态，这一过程中释放的能量，大部分会由光合作用或光化学反应消耗，仅有少部分以热耗散和发射叶绿素荧光(chlorophyllfluorescence,CF)的形式消耗掉，三种能量消耗方式之间此消彼长，三者不同的能量消耗比例表示植物处于不同的生理和胁迫状态，通过植物CF的变化即可反映出植物光合生理的状态。前人研究表明植物在不同光照和胁迫条件下时，叶绿素荧光和光合作用会呈现出不同的相关关系，且在植物受胁迫时，CF的变化要早于叶绿素含量等生物学指标，CF的变化能够于植物的可视症状发生之前被探测到，进而能够较早的反映植物光合生理的状态，实现植物胁迫的早期诊断。而盐胁迫对植物的早期影响主要表现在盐离子聚集引起的渗透胁迫，致使植物细胞汲取水分困难，从而导致植物叶片气孔收缩来阻止自身水分散失，进而造成植物减少了对二氧化碳的固定和同化，最后对光合作用产生抑制，影响叶绿素荧光辐射，因此通过检测叶绿素荧光对盐胁迫的早期变化，能够实现盐胁迫的监测诊断。目前日光诱导叶绿素荧光遥感技术已在作物氮素、高温干旱、病害等胁迫的诊断监测、交通环境污染监测、估算生态系统总初级生产力(GPP)和光合作用等方面取得了显著进展。相较于传统植被指数，日光诱导叶绿素荧光(SIF)在胁迫的早期变化显著，对胁迫的响应敏感、迅速，能够实现作物胁迫的早期监测。

发明内容

本发明的目的在于提供一种基于日光诱导叶绿素荧光指数的水稻盐胁迫早期定量监测方法，通过构建一个能定量反映水稻早期盐胁迫的盐胁迫响应指数(SRI)，并基于日光诱导叶绿素荧光技术构建SRI支持向量机(SVR)回归估算模型，以实现水稻盐胁迫的早期定量快速无损监测。

为实现上述目的，本发明采取的技术方案为：一种基于日光诱导叶绿素荧光指数的水稻盐胁迫早期定量监测方法，其包括如下步骤：

步骤一、数据采集：采集水稻单叶日光诱导叶绿素荧光光谱信息，当天同步测定水稻叶片净光合速率、光系统II最大光化学效率、叶绿素含量，获得估算模型训练数据和验证数据；

步骤二、计算日光诱导叶绿素荧光产量指数；

步骤三、基于主成分方法确定生理生化参数权重值W

步骤四、基于隶属度函数计算生理生化参数隶属度值x

步骤五、构建盐胁迫响应指数：基于步骤三和步骤四确定的生理生化参数权重值和隶属度值，计算盐胁迫响应指数SRI：

其中，p表示参评生理生化参数的个数，x

步骤六、构建水稻盐胁迫响应指数SRI估算模型；

步骤七、检验水稻SRI估算模型：基于随机划分出的验证数据集对水稻SRI估算模型进行验证：根据水稻叶片SRI估算模型，验证根据筛选出的FY获得水稻SRI预测值；然后通过验证数据中的SRI实测值对SRI预测值进行检验，选用决定系数R

其中，N表示数据集中的样本数，SRI

进一步的，所述步骤一中，数据采集来自同一个年份、不同的生育时期，采集的样本数据将按照一定的比例随机划分为训练数据集和验证数据集。

进一步的，所述步骤一中：

a、选择晴天的10:00-14:00之间获取日光诱导叶绿素荧光光谱曲线信息，测定水稻叶片的反射辐亮度光谱、透射辐亮度光谱；分别记录未滤去波长650nm以后的光和滤去波长650nm以后的光的叶片上行辐亮度光谱和下行辐亮度光谱；

b、使用光合测试仪在晴天上午9:00至11:00测量叶片净光合速率；

c、使用主动荧光测试仪测定光系统II最大光化学效率，每次测试之前，叶片先进行一段时间的暗适应，然后测定最小荧光Fo和最大荧光Fm，得到Fv/Fm＝(Fm-Fo)/Fm；

d、使用叶绿素测量仪，在每片测试叶片上取1/3，1/2和2/3处3点测试，对每张叶片的3点数据取平均值作为该叶片的叶绿素含量。

进一步的，所述步骤二中，使用吸收的光合有效辐射将SIF归一化计算SIF产量。

进一步的，所述步骤三中，基于全数据集进行计算得到生理生化参数权重值，步骤如下：

a、原始矩阵标准化处理后，使用相关系数矩阵来计算特征值和对应的特征向量；

b、计算主成分方差贡献率，确定累计贡献率大于85％的前k个主成分为有效主成分；

c、计算评价指标综合权重，将每一个主成分表达式中对应参数的系数分别乘以对应主成分的方差贡献率，再除以所提取主成分的累计贡献率，最后进行累加求和；经归一化后即为每一个参数对应的权重，权重值之和为1：

其中，k表示入选主成分的个数，p表示生理生化参数个数，E

进一步的，所述步骤四中，隶属度值x

其中，x

进一步的，所述步骤五中，基于方差分析与敏感性分析，确定SRI在盐胁迫早期的响应表现。

进一步的，所述步骤六中，模型构建如下：

a、基于灰色关联分析算法，筛选出与盐胁迫响应指数关联度较好的叶绿素荧光产量指数；

b、按照3:1的比例随机划分训练数据集和验证数据集，基于训练数据，利用筛选出的叶绿素荧光产量指数构建盐胁迫响应指数支持向量机回归估算模型。

进一步的，选择高斯核函数作为支持向量回归机的核函数，使用网格搜索算法寻找惩罚系数C和核函数内部参数g的参数组合，采用K折交叉验证法进行参数组合验证，最终选择能使训练集交叉验证误差最小的组合为最优的参数组合。

与现有技术相比，本发明的优势在于：

本发明通过构建SRI及其估算模型，能够实现水稻盐胁迫早期的定量监测，能够在盐胁迫对水稻产生实质性伤害之前，无损、快速、准确的对水稻盐胁迫做出检测，为决策者及时调整水稻田间生产应对措施创造条件，以期降低甚至阻止盐胁迫对水稻生产的影响。

本发明避免了传统方法、非破坏性数字成像技术和非成像光谱技术中的一些技术局限性，可拓展应用到卫星、无人机平台的区域范围内盐胁迫下水稻早期生长状态的实时、无损监测。

附图说明

图1为本发明方法具体实施详解图。

图2为本发明方差分析下的生理生化参数动态表现；其中，A-C：拔节期；D-E：孕穗期。

图3为本发明方差分析下的SRI动态表现；其中，A：拔节期；B：孕穗期。

图4为本发明不同盐胁迫水平下水稻叶片SIF光谱曲线；其以孕穗期为例：A:1DAT；B:2DAT；C:6DAT；D:8DAT。

图5为本发明SRI支持向量机(SVR)回归估算模型在不同数据集上的检验结果；其中，A：全数据集估算结果；B：孕穗期估算结果；C：拔节期估算结果。

具体实施方式

下面通过具体实施方式对本发明的技术方案做进一步说明。

本实施例基于同一年份的不同生育期时序调查数据进行，具体如表1所示：

表1.不同生育期时序调查数据获取情况

以上调查的实测数据经计算处理后，将按照3:1的比例随机划分为模型训练集和模型验证集。其中，数据集要具有较好的系统性、尽可能多的样本数量等要求，使所得模型具有较好的稳定性。由于天气原因，存在不同生育期数据量差距过大对构建模型表现的影响。“√”代表当天获取到数据，“-”代表因天气原因未获取到数据。

如图1，一种基于日光诱导叶绿素荧光指数的水稻盐胁迫早期定量监测方法，具体步骤如下：

步骤一、数据采集：

a、选择晴天的10:00-14:00之间获取日光诱导叶绿素荧光(Sun-inducedchlorophyll Fluorescence,SIF)光谱曲线信息，测定水稻叶片的反射辐亮度光谱、透射辐亮度光谱。分别记录未滤去波长650nm以后的光和滤去波长650nm以后的光的叶片上行辐亮度光谱和下行辐亮度光谱；

b、使用光合测试仪(Li-6400XT)在晴天上午9:00至11:00测量叶片净光合速率(Net photosynthetic rate,Pn)。测试过程中，叶室内光强设定为1200μmol·m

c、使用主动荧光测试仪测定光系统II(PSII)最大光化学效率(Fv/Fm)。每次测试之前，叶片需要暗适应20分钟，然后测定最小荧光(Fo)和最大荧光(Fm)，得到Fv/Fm＝(Fm-Fo)/Fm(图2)；

d、使用叶绿素测量仪，在每片测试叶片上取1/3,1/2和2/3处3点测试，对每张叶片的3点数据取平均值作为该叶片的叶绿素含量(Chlorophyll content,Chl)(图2)；

步骤二、计算日光诱导叶绿素荧光产量指数(Sun-induced chlorophyllFluorescence Yield Indices,FY)：

由于太阳高度角等因素的影响，不同时间点的太阳辐射强度存在差异，需使用吸收光合有效辐射(APAR)将SIF归一化计算SIF产量，以消除太阳辐射强度对荧光强度的影响。APAR相当于光合有效辐射(PAR)区域(400-700nm)中入射太阳辐射与吸收率乘积的积分(公式(1)–(5))。总荧光产量(totFY)等于上、下行荧光产量的总和(totFY＝↑FY+↓FY)。

fAPAR＝(1-R-T) (2)

式中PAR为光合有效辐射，APAR为吸收的光合有效辐射，fAPAR为光合有效辐射吸收率，F为荧光强度，R为反射率，T为透射率，I为太阳辐照度。叶绿素荧光产量曲线(图4)的红光区域和远红光区域峰值在分布上接近正态分布，前人通过对两个区域的峰值所在波长分布的统计分析，发现687nm和739nm处作为峰值的频率最高。因此本发明基于两个波段处的荧光产量计算了如表2所示的9个荧光产量指数：

表2.本发明计算的SIF产量指数

步骤三、基于PCA算法确定各生理生化参数权重值：

a、原始矩阵标准化处理后，使用相关系数矩阵来计算特征值和对应的特征向量(Eigenvector，E)；特征向量即是主成分表达式中各项系数，其代表了原始生理生化参数对于主成分的重要程度；

b、计算主成分方差贡献率(Variance contribution rate，V)，确定累计贡献率大于85％的前k个主成分为有效主成分；

c、计算评价指标综合权重(Comprehensive weight，W)；将每一个主成分表达式中对应参数的系数分别乘以对应主成分的方差贡献率，再除以所提取主成分的累计贡献率，最后进行累加求和。经归一化后即为每一个参数对应的权重(表3)，权重值之和为1：

其中，k表示入选主成分的个数，p表示生理生化参数个数，E

表3.生理生化参数的综合权重

步骤四、基于隶属度函数计算各生理生化参数隶属度值：

隶属度值是参数无纲量化后的标准值，目的消除不同单位背景的影响。因三个生理生化参数与盐胁迫下水稻的生长状态正相关，根据如下公式计算：

其中，x

步骤五、构建盐胁迫响应指数(Salt Stress Response Index,SRI)：基于步骤三和步骤四确定的生理生化参数权重值和隶属度值，计算盐胁迫响应指数：

其中，p表示参评生理生化参数的个数，x

步骤六、构建水稻盐胁迫响应指SRI估算模型：

a、基于灰色关联分析算法，筛选出与盐胁迫响应指数关联度较好的FY(表4)：选择关联度排序前五的FY：totFY739、↓FY739、↑FY739、totFY687和↑FY687；

表4.日光诱导叶绿素荧光产量指数与SRI灰色关联分析结果

b、按照3:1的比例随机划分训练数据集和验证数据集，基于训练数据，利用筛选出的FY构建盐胁迫响应指数支持向量机(SVR)回归估算模型。本发明选择使用最多，参数设定较少，复杂程度低且易计算，对不同维度和数量的样本适应性好的高斯核函数(RadialBasis Function，RBF)作为支持向量回归机的核函数，使用网格搜索算法寻找惩罚系数C和核函数内部参数g的参数组合，采用K折交叉验证法进行参数组合验证，最终选择能使训练集交叉验证误差最小的组合为最优的参数组合(表5)；

步骤七、检验水稻SRI估算模型：基于随机划分出的验证数据集对水稻SRI估算模型进行验证：根据水稻叶片SRI估算模型，验证根据筛选出的FY获得水稻SRI预测值；然后通过检验数据中的SRI实测值对SRI预测值进行检验(图5)，选用决定系数(R

其中，N表示数据集中的样本数，SRI

表5.基于FYs的盐胁迫响应指数估算模型建模结果

检验结果如表5和图5所示，通过模型的校正和验证结果显示，在孕穗期数据集上估算模型具有最佳且最稳定的表现，其次是全数据集、拔节期数据集。本实施例构建的SRI及其估算模型能够实现水稻早期盐胁迫的实时监测。

以上是对本发明的较佳实施方式做了详细说明，但是本发明并不限于上述实施内容和方式，在本领域的普通技术人员所具备的知识范围内，可以在不脱离本发明宗旨的前提下做出相应变化，以期进行拓展探索应用到其他作物胁迫监测上。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。