2024年5月22日发(作者：糜文彬)
紫花苜蓿冠层反射光谱与叶片含水率关系研究
付彦博;范燕敏;盛建东;李宁;武红旗;李美婷;李丽;赵云
【摘 要】以呼图壁县草地生态站不同灌溉量下现蕾期紫花苜蓿冠层光谱反射率为
研究对象,研究确定紫花苜蓿叶片含水率的光谱诊断模型.结果表明:(1)在近红外波段
随着紫花苜蓿叶片含水率的增加冠层光谱反射率逐渐减小；(2)利用归一化反射光
谱建立的苜蓿叶片含水率光谱反演模型优于原始反射光谱,并且在1344～1
660nm波段内所建立的苜蓿叶片含水率预测模型平均相对误差最低(7.8％).(3)筛
选建立的叶片含水率光谱诊断模型为:Y=0.962-7.560X1451+5.295X1473.所建立
的紫花苜蓿叶片含水率光谱预测模型可为苜蓿科学灌溉提供决策依据.
【期刊名称】《光谱学与光谱分析》
【年(卷),期】2013(033)003
【总页数】4页(P766-769)
【关键词】紫花苜蓿;含水率;冠层光谱反射率;现蕾期;模型
【作 者】付彦博;范燕敏;盛建东;李宁;武红旗;李美婷;李丽;赵云
【作者单位】新疆农业大学草业与环境科学学院,新疆乌鲁木齐830052;新疆农业
大学草业与环境科学学院,新疆乌鲁木齐830052;新疆农业大学草业与环境科学学
院,新疆乌鲁木齐830052;新疆农业大学草业与环境科学学院,新疆乌鲁木齐
830052;新疆农业大学草业与环境科学学院,新疆乌鲁木齐830052;新疆农业大学
草业与环境科学学院,新疆乌鲁木齐830052;新疆农业大学草业与环境科学学院,新
疆乌鲁木齐830052;新疆农业大学草业与环境科学学院,新疆乌鲁木齐830052
【正文语种】中 文
【中图分类】S143.1
引 言
紫花苜蓿属于多年生豆科牧草，是中国种植面积最多的牧草品种之一［1］。目前
随着国家西部大开发战略的实施，结合退耕还林还草工程和大面积人工草地的建植，
国内苜蓿种子短缺的状况进一步突显，严重影响新疆支柱产业之一畜牧业的发展。
而水分亏缺是影响紫花苜蓿生长及产量的因素之一，加之新疆地处干旱半干旱地区，
水资源短缺，如何快速有效诊断苜蓿水分状况，利用有限的水资源提高苜蓿种子产
量更具重要意义。
Abrams［2］等利用近红外光谱技术分析了牧草品质；肖艳芳［3］等通过因子分
析确定了苜蓿叶片叶绿素高光谱反演模型；姜健［4］等通过近红外技术对紫花苜
蓿幼苗进行了鉴定。国内外学者对苜蓿光谱特征已有研究，然而对紫花苜蓿光谱诊
断研究较少；郑红梅［5］等认为，现蕾期施肥灌水对于紫花苜蓿种子生产尤其重
要。本工作通过对不同灌溉量下紫花苜蓿冠层反射光谱与叶片含水率关系的研究，
建立冠层光谱反射率敏感波段与紫花苜蓿叶片水分状况的模型，为实时无损监测苜
蓿植株水分状况和精确灌溉提供依据。
1 实验部分
1.1 试验地概况
试验地为新疆呼图壁县种牛场新疆农业大学草地生态实验站。该站位于呼图壁河冲
洪积扇缘与冲积平原交错地带，地理位置为44°18′N，86°57′E，海拔439～
454m，年降水量154.2mm，年蒸发量2 200mm，生长季（4—9月）平均气温
19.5℃。该区光热资源丰富，年总辐射量为5.6×102 kJ·cm－2，年日照时数3
120h，年日照百分率70%。试验地自2009年5月种植紫花苜蓿，试验地土壤基
本性状见表1。
Table 1 Basic properties of soil in experimental area采样深度／cm有机质／
（g·kg－1）碱解氮／（mg·kg－1）速效磷／（mg·kg－1）速效钾／（mg·kg－
1）总盐／（g·kg－1） pH 0.86 7.9±0.1 20～40 14.98±0.80 10.8±0.5 28±1.8
262±15.2 9.1±0 0～20 19.36±1.23 14.2±0.8 37±2.4 289±28.4 10.2±.67
7.9±0.1
1.2 供试材料
供试苜蓿品种为新牧1号杂花苜蓿（Medicago varia nmu No.1），
种子由新疆农业大学草业与环境科学学院提供。
1.3 试验设计
采用单因素随机区组设计，设3个灌水定额：W1＝500 m3·hm－2，W2＝1
000m3·hm－2，W3＝1 500m3·hm－2，分别达到田间最大持水量的67%，75%
和80%。在现蕾期灌水一次，水量以水表控制。磷肥300kg·hm－2、钾肥75
kg·hm－2作为基肥一次性施入；氮肥以100kg·hm－2在现蕾期作为追肥，灌水
时撒施，肥料品种为尿素（含N 46%）、重过磷酸钙（含P2O546%）和硫酸钾
（含K2O 40%）。每个处理设置5次重复，共15个小区，每小区20m2，其他
管理同田间实际生产。
1.4 测定方法与内容
采用美国SVC公司生产便携式地物光谱仪（SVC HR－768）测量苜蓿冠层的光谱
反射率；该仪器的波长范围：350～2 500nm；光谱分辨率：3nm （350～1
000nm），10nm（1 000～2 500nm）；视场角：4°，探头离苜蓿冠层的距离为
40cm，面向太阳垂直角度进行光谱采集。光谱测定时选择晴朗无云、无风的天气，
在12：00—16：00进行，每10min作一次白板校正，尽可能消除大气辐射的影
响。
在紫花苜蓿现蕾期（2011年5月25日）进行采样，每个处理小区选取代表性苜
蓿5株测定其冠层光谱，每一株采集10条光谱，取5株平均值做为该小区的平均
光谱反射率，采完光谱齐地剪下植株，迅速带回实验室，将所有叶片迅速摘下，称
取其鲜重，立即在105℃下杀青20min，然后在80℃烘干至恒重，测定苜蓿叶片
的含水率。叶片含水量的计算公式如下（鲍士旦，2005）
1.5 光谱数据处理与分析
利用SVC HR－768光谱仪配套软件对原始光谱数据进行预处理；采用10点加权
移动平均法平滑去噪使数据具有更好的连续性。由于2 481～2 500nm波段光谱
曲线波动性较大将其剔除。
通过对紫花苜蓿冠层光谱曲线包络线去除（如图1所示），有效的突出了紫花苜
蓿的吸收和反射光谱特征的个性和共性，该方法的具体算法如下
其中Rc和Rcr分别是去包络线（特征吸收）、包络线和原始光谱反射率值，λ是
波长［6］，包络线的去除在ENVI中实现。
Fig.1 Comparison between spectral continuum removal and normal
spectra of alfalfa
2 结果与讨论
2.1 不同灌溉下紫花苜蓿冠层光谱反射率特征
由图2可知：随着灌溉量的增加苜蓿叶片含水率呈上升趋势，W1处理下苜蓿叶片
含水率明显小于W2处理和W3处理的叶片含水率（P＜0.05），W2处理叶片含
水率小于W3处理，但差异不显著（P＜0.05）。
Fig.2 Relationship between amount of irrigation and leaf moisture content
of alfalfa
不同灌溉量条件下紫花苜蓿冠层光谱反射率关系见图3，分析该图可知：
（1）不同灌水量的苜蓿光谱在红边区域、1 450nm左右及1 900nm附近的吸收
深度不同，已有的研究表明，这是由于植物内部水分吸收造成的［7，8］。为此，
这为后续研究紫花苜蓿含水率提供了三个特征波段。
（2）在680～750nm之间苜蓿光谱曲线都有一条陡边，即植物光谱曲线最敏感
的红边（植物反射光谱曲线上斜率最大时对应的波长）。
（3）在450～650nm波段，植物色素支配植物光谱响应，是叶绿素的主要吸收
带［10］。
（4）在近红外波段区域随着灌溉量和叶片含水量的增加苜蓿光谱反射率逐渐减小。
Fig.3 Relationship between Irrigation amount and canopy spectral
reflectance of alfalfa
2.2 紫花苜蓿冠层反射光谱与叶片含水量的相关性分析
对紫花苜蓿冠层原始光谱反射率和归一化光谱反射率与叶片含水率相关性分析表明，
原始光谱反射率与紫花苜蓿叶片含水率具有良好的相关性（如图4），在1 436～
1 549和1 917～1 971nm的相关系数达0.75以上且达到显著水平（p＜0.01），
但在950～1 046nm原始光谱反射率与紫花苜蓿叶片含水率的相关系数较低。
Fig.4 Correlation coefficient of the moisture content of alfalfa leaves and
canopy spectral reflectance
将原始光谱去除包络线后，紫花苜蓿含水量与归一化光谱反射率之间相关性较好，
在950～1 046，1 344～1 660和1 901～2 073nm相关系数较高且达到极显著
水平（p＜0.01），与紫花苜蓿叶片含水量和冠层原始光谱反射率的相关系数相比，
归一化光谱反射率相关系数明显提高，且均为负相关，说明原始光谱在1 436～1
549，1 917～1 971nm和归一化光谱反射率在950～1 046，1 344～1 660和1
901～2 073nm与紫花苜蓿叶片含水率相关性最密切，可以有效反映紫花苜蓿叶
片含水率。分析确定原始光谱在1 436～1 549，1 901～1 971nm和归一化光谱
反射率在950～1 046，1 344～1 660和1 901～2 073nm为含水量的敏感波段。
2.3 不同灌溉量下紫花苜蓿叶片含水率光谱预测模型的建立
随机选取一定样本的原始反射率和归一化光谱反射率，在1 436～1 549，1
901～1 971nm 和归一化光谱反射率在950～1 046，1 344～1 660和1 901～2
073nm内相关系数最高的波段分别建立紫花苜蓿叶片含水率光谱预测模型。对归
一化光谱反射率和原始光谱反射率与叶片含水率进行逐步回归时，波段之间可能存
在严重的共线性。为了使模型不失真，剔除存在共线性的波段。
对1 344～1 660nm归一化光谱反射率进行逐步回归分析时选择相关系数最高的
变量1 451，1 473，1 519，1 557和1 587nm五个波段。通过共线性诊断，1
519，1 557和1 587 nm波段有共线性，故剔除。因此，建立1 451和1
473nm波段的线性方程
其中：Y为紫花苜蓿含水率（%）；X为紫花苜蓿在此波段的归一化光谱反射率。
其他波段同理，建立的模型如表2所示。
Table 2 The spectral reflectance prediction models and parameters of
moisture content of alfalfa in different irrigation amounts注：Y：
represents the moisture content of alfalfa；X：represents the reflectance
of alfalfa in this band反射率 波段范围／nm 模型 调整R2 相对误差范围／% 平
均相对误差／%原始光谱 1 436～1 549 Y＝0.726－0.191 X1 451－0.136 X1
534 0.801 8.3～16.9 9.7 1 917～1 971 Y＝0.818－1.05 X1 950 0.877 11.0～
18.6 14.5归一化光谱20.1 12.3 950～1 046 Y＝3.522－3.200 X977 0.777
10.6～20.4 17.6 1 344～1 660 Y＝0.962－7.560 X1 451＋5.295 X1 473 0.926
1.9～12.0 7.8 1 901～2 073 Y＝0.859－2.776 X1 933 0.849 4.8～
将非建模样本实测的紫花苜蓿冠层光谱反射率分别代入不同的预测模型计算叶片含
水量，并将计算结果与实际测定紫花苜蓿叶片含水率进行对比，以此来检验模型精
度。通过检验可知：归一化反射率在1 344～1 660nm波段处的模型最好，模型
预测值的平均相对误差在8%左右。
根据不同灌溉量下紫花苜蓿光谱建立含水率预测模型（如表2），归一化光谱反射
率的模型中，在1 344～1 660nm模型最好，调整R2值达到了0.9以上，平均相
对误差为7.8%，说明模型稳定性较好，可见利用1 451和1 473nm处的归一化
光谱反射率诊断紫花苜蓿叶片含水率是可行的；原始光谱反射率的模型中，1
436～1 549nm模型较好，调整R2值为0.791，预测平均误差为9.7%，表明利
用1 451和1 534nm处的光谱可以预测紫花苜蓿叶片含水率。基于归一化光谱反
射率和原始光谱反射率建立的模型相比，归一化光谱反射率所建立的模型的精度高
于原始光谱所建立的模型。
3 结 论
（1）不同灌溉量紫花苜蓿的叶片含水率不同，随着灌溉量的增加苜蓿叶片含水量
呈上升趋势，这一结果在佟长福［10］等的研究中也得到了证实。
（2）在近红外区域，随着叶片含水率的增加紫花苜蓿冠层光谱反射率逐渐减小，
张冬强［11］、田永超［12］等研究也得出了此结论，原因主要是苜蓿冠层反射
率与冠层结构有关，水分不足的紫花苜蓿分枝数少，茎秆细，叶片较小，水分适宜
的紫花苜蓿叶面积和叶产量提高，叶的比例提高；近红外波段的光量子与叶片水分
中的H—O键发生作用，导致被强烈吸收光谱反射率减小。
（3）在归一化光谱反射率和原始光谱反射率选取的敏感波段中，归一化光谱在1
344～1 660nm 波段和1 901～2 073nm波段与叶片含水率的相关系数较高，并
且1 344～1 660nm波段处模型略优于1 901～2 073nm波段处，此模型的调整
R2值为0.926，平均相对误差为7.8%，这与该波段是水和二氧化碳的强吸收且受
大气影响较小的波段有关。因此，归一化光谱反射率所建立模型优于原始光谱反射
率所建立的模型。
（4）赵钊［13］等通过对荒漠植物含水量的光谱特征分析，选取的1 374～1
534nm波段与含水率相关性较好；本研究建立含水率模型在1 344～1 660nm波
段处，相对前置，选取波段基本一致，该模型利用1 451与1 473nm处的归一化
光谱反射率可以诊断紫花苜蓿叶片含水率。孙俊［14］和田永超［12］在1
450nm处分别建立了冠层光谱与小麦叶片和水稻叶片含水量模型，与苜蓿叶片含
水率模型相比基本一致，说明1 450nm波段左右是植物水分吸收强波段，因不同
植物也会产生微小变化。
通过田间试验对现蕾期不同灌溉量下紫花苜蓿冠层反射率和苜蓿叶片含水量的研究，
得到了诊断苜蓿叶片含水量的模型，表明高光谱诊断能够快速对苜蓿含水量进行适
时监测和诊断，科学指导苜蓿灌溉，及时调整田间管理措施，提高水分利用率，节
约成本。但是此模型具有一定局限性，对于整个生育期指导农田水分管理的实用性
还有待进一步探索。
References
【相关文献】
［1］HUANG Wen－hui，LIU Zi－xue（黄文惠，刘自学）.Overview of the Distribution and
Development of Alfalfa·China Alfalfa（综述苜蓿的分布和发展·中国苜蓿）.Beijing：China
Agriculture Press（北京：中国农业出版社），1995.2.
［2］Abrams S M，Shenk J S，Westerhaus M O，et l of Dairy Science，1987，70：
806.
［3］XIAO Yan－fang，GONG Hui－li，ZHOU De－min，et al（肖艳芳，宫辉力，周德民，
等）.Acta Ecologica Sinica（生态学报），2012，32：3098.
［4］JIANG Jian，YANG Bao－ling，XIA Tong，et al（姜 健，杨宝灵，夏 彤，
等）.Transactions of the Chinese Society of Agricultural Engineering（农业工程学报），
2010，26（12）：207.
［5］ZHENG Hong－mei，HU Tian－ming，et al（郑红梅，呼天明，等）.Seed World（种子
世界），2004，5：36.
［6］XIE Bo－cheng，XUE Xu－zhang，LIU Wei－dong，et al（谢伯承，薛绪掌，刘伟东，
等）.Acta Pedologica Sinica（土壤学报），2005，42（1）：171.
［7］WANG Ji－hua，ZHAO Chun－jiang，GUO Xiao－wei，et al（王纪华，张春江，郭晓维，
等）.Scientia Agriculture Sinka（华北农学报），2001，16（1）：104.
［8］ZHANG Xiao－dong，MAO Han－ping，ZUO Zhi－yu，et al（张晓东，毛罕平，左志
宇，等）.Journal of Anhui Agricultural Sciences（安徽农业科学），2011，39（30）：18451.
［9］Gates D M，Keegan H J，Schleter J C，et d Optics，1965，4（1）：11.
［10］TONG Chang－fu，GUO Ke－zhen，SHI Hai－bin，et al（佟长福，郭克贞，史海滨，
等）.Transactions of The Chinese Society of Agricultural Engineering（农业工程学报），
2005，21（12）：152.
［11］YANG Yong，ZHANG Dong－qiang，LI Shuo，et al（杨 勇，张冬强，李 硕，
等）.Chinese Agricultural Science Bulletin（中国农学通报），2011，27（2）：180.
［12］TIAN Yong－chao，ZHU Yan，CAO Wei－xing，et al（田永超，朱 艳，曹卫星，
等）.Chinese Journal of Applied Ecology（应用生态学报），2004，15（11）：2072.
［13］ZHAO Zhao，LI Xia，YIN Ye－biao，et al（赵 钊，李 霞，尹业彪，等）.Xinjiang
Agricultural Sciences（新疆农业科学），2010，30（9）：2500.
［14］SUN Jun，MAO Han－ping，YANG Yi－qing，et al（孙 俊，毛罕平，羊一清，
等）.Transactions of the Chinese Society of Agricultural Engineering（农业工程学报），
2009，25：133.
2024年5月22日发(作者：糜文彬)
紫花苜蓿冠层反射光谱与叶片含水率关系研究
付彦博;范燕敏;盛建东;李宁;武红旗;李美婷;李丽;赵云
【摘 要】以呼图壁县草地生态站不同灌溉量下现蕾期紫花苜蓿冠层光谱反射率为
研究对象,研究确定紫花苜蓿叶片含水率的光谱诊断模型.结果表明:(1)在近红外波段
随着紫花苜蓿叶片含水率的增加冠层光谱反射率逐渐减小；(2)利用归一化反射光
谱建立的苜蓿叶片含水率光谱反演模型优于原始反射光谱,并且在1344～1
660nm波段内所建立的苜蓿叶片含水率预测模型平均相对误差最低(7.8％).(3)筛
选建立的叶片含水率光谱诊断模型为:Y=0.962-7.560X1451+5.295X1473.所建立
的紫花苜蓿叶片含水率光谱预测模型可为苜蓿科学灌溉提供决策依据.
【期刊名称】《光谱学与光谱分析》
【年(卷),期】2013(033)003
【总页数】4页(P766-769)
【关键词】紫花苜蓿;含水率;冠层光谱反射率;现蕾期;模型
【作 者】付彦博;范燕敏;盛建东;李宁;武红旗;李美婷;李丽;赵云
【作者单位】新疆农业大学草业与环境科学学院,新疆乌鲁木齐830052;新疆农业
大学草业与环境科学学院,新疆乌鲁木齐830052;新疆农业大学草业与环境科学学
院,新疆乌鲁木齐830052;新疆农业大学草业与环境科学学院,新疆乌鲁木齐
830052;新疆农业大学草业与环境科学学院,新疆乌鲁木齐830052;新疆农业大学
草业与环境科学学院,新疆乌鲁木齐830052;新疆农业大学草业与环境科学学院,新
疆乌鲁木齐830052;新疆农业大学草业与环境科学学院,新疆乌鲁木齐830052
【正文语种】中 文
【中图分类】S143.1
引 言
紫花苜蓿属于多年生豆科牧草，是中国种植面积最多的牧草品种之一［1］。目前
随着国家西部大开发战略的实施，结合退耕还林还草工程和大面积人工草地的建植，
国内苜蓿种子短缺的状况进一步突显，严重影响新疆支柱产业之一畜牧业的发展。
而水分亏缺是影响紫花苜蓿生长及产量的因素之一，加之新疆地处干旱半干旱地区，
水资源短缺，如何快速有效诊断苜蓿水分状况，利用有限的水资源提高苜蓿种子产
量更具重要意义。
Abrams［2］等利用近红外光谱技术分析了牧草品质；肖艳芳［3］等通过因子分
析确定了苜蓿叶片叶绿素高光谱反演模型；姜健［4］等通过近红外技术对紫花苜
蓿幼苗进行了鉴定。国内外学者对苜蓿光谱特征已有研究，然而对紫花苜蓿光谱诊
断研究较少；郑红梅［5］等认为，现蕾期施肥灌水对于紫花苜蓿种子生产尤其重
要。本工作通过对不同灌溉量下紫花苜蓿冠层反射光谱与叶片含水率关系的研究，
建立冠层光谱反射率敏感波段与紫花苜蓿叶片水分状况的模型，为实时无损监测苜
蓿植株水分状况和精确灌溉提供依据。
1 实验部分
1.1 试验地概况
试验地为新疆呼图壁县种牛场新疆农业大学草地生态实验站。该站位于呼图壁河冲
洪积扇缘与冲积平原交错地带，地理位置为44°18′N，86°57′E，海拔439～
454m，年降水量154.2mm，年蒸发量2 200mm，生长季（4—9月）平均气温
19.5℃。该区光热资源丰富，年总辐射量为5.6×102 kJ·cm－2，年日照时数3
120h，年日照百分率70%。试验地自2009年5月种植紫花苜蓿，试验地土壤基
本性状见表1。
Table 1 Basic properties of soil in experimental area采样深度／cm有机质／
（g·kg－1）碱解氮／（mg·kg－1）速效磷／（mg·kg－1）速效钾／（mg·kg－
1）总盐／（g·kg－1） pH 0.86 7.9±0.1 20～40 14.98±0.80 10.8±0.5 28±1.8
262±15.2 9.1±0 0～20 19.36±1.23 14.2±0.8 37±2.4 289±28.4 10.2±.67
7.9±0.1
1.2 供试材料
供试苜蓿品种为新牧1号杂花苜蓿（Medicago varia nmu No.1），
种子由新疆农业大学草业与环境科学学院提供。
1.3 试验设计
采用单因素随机区组设计，设3个灌水定额：W1＝500 m3·hm－2，W2＝1
000m3·hm－2，W3＝1 500m3·hm－2，分别达到田间最大持水量的67%，75%
和80%。在现蕾期灌水一次，水量以水表控制。磷肥300kg·hm－2、钾肥75
kg·hm－2作为基肥一次性施入；氮肥以100kg·hm－2在现蕾期作为追肥，灌水
时撒施，肥料品种为尿素（含N 46%）、重过磷酸钙（含P2O546%）和硫酸钾
（含K2O 40%）。每个处理设置5次重复，共15个小区，每小区20m2，其他
管理同田间实际生产。
1.4 测定方法与内容
采用美国SVC公司生产便携式地物光谱仪（SVC HR－768）测量苜蓿冠层的光谱
反射率；该仪器的波长范围：350～2 500nm；光谱分辨率：3nm （350～1
000nm），10nm（1 000～2 500nm）；视场角：4°，探头离苜蓿冠层的距离为
40cm，面向太阳垂直角度进行光谱采集。光谱测定时选择晴朗无云、无风的天气，
在12：00—16：00进行，每10min作一次白板校正，尽可能消除大气辐射的影
响。
在紫花苜蓿现蕾期（2011年5月25日）进行采样，每个处理小区选取代表性苜
蓿5株测定其冠层光谱，每一株采集10条光谱，取5株平均值做为该小区的平均
光谱反射率，采完光谱齐地剪下植株，迅速带回实验室，将所有叶片迅速摘下，称
取其鲜重，立即在105℃下杀青20min，然后在80℃烘干至恒重，测定苜蓿叶片
的含水率。叶片含水量的计算公式如下（鲍士旦，2005）
1.5 光谱数据处理与分析
利用SVC HR－768光谱仪配套软件对原始光谱数据进行预处理；采用10点加权
移动平均法平滑去噪使数据具有更好的连续性。由于2 481～2 500nm波段光谱
曲线波动性较大将其剔除。
通过对紫花苜蓿冠层光谱曲线包络线去除（如图1所示），有效的突出了紫花苜
蓿的吸收和反射光谱特征的个性和共性，该方法的具体算法如下
其中Rc和Rcr分别是去包络线（特征吸收）、包络线和原始光谱反射率值，λ是
波长［6］，包络线的去除在ENVI中实现。
Fig.1 Comparison between spectral continuum removal and normal
spectra of alfalfa
2 结果与讨论
2.1 不同灌溉下紫花苜蓿冠层光谱反射率特征
由图2可知：随着灌溉量的增加苜蓿叶片含水率呈上升趋势，W1处理下苜蓿叶片
含水率明显小于W2处理和W3处理的叶片含水率（P＜0.05），W2处理叶片含
水率小于W3处理，但差异不显著（P＜0.05）。
Fig.2 Relationship between amount of irrigation and leaf moisture content
of alfalfa
不同灌溉量条件下紫花苜蓿冠层光谱反射率关系见图3，分析该图可知：
（1）不同灌水量的苜蓿光谱在红边区域、1 450nm左右及1 900nm附近的吸收
深度不同，已有的研究表明，这是由于植物内部水分吸收造成的［7，8］。为此，
这为后续研究紫花苜蓿含水率提供了三个特征波段。
（2）在680～750nm之间苜蓿光谱曲线都有一条陡边，即植物光谱曲线最敏感
的红边（植物反射光谱曲线上斜率最大时对应的波长）。
（3）在450～650nm波段，植物色素支配植物光谱响应，是叶绿素的主要吸收
带［10］。
（4）在近红外波段区域随着灌溉量和叶片含水量的增加苜蓿光谱反射率逐渐减小。
Fig.3 Relationship between Irrigation amount and canopy spectral
reflectance of alfalfa
2.2 紫花苜蓿冠层反射光谱与叶片含水量的相关性分析
对紫花苜蓿冠层原始光谱反射率和归一化光谱反射率与叶片含水率相关性分析表明，
原始光谱反射率与紫花苜蓿叶片含水率具有良好的相关性（如图4），在1 436～
1 549和1 917～1 971nm的相关系数达0.75以上且达到显著水平（p＜0.01），
但在950～1 046nm原始光谱反射率与紫花苜蓿叶片含水率的相关系数较低。
Fig.4 Correlation coefficient of the moisture content of alfalfa leaves and
canopy spectral reflectance
将原始光谱去除包络线后，紫花苜蓿含水量与归一化光谱反射率之间相关性较好，
在950～1 046，1 344～1 660和1 901～2 073nm相关系数较高且达到极显著
水平（p＜0.01），与紫花苜蓿叶片含水量和冠层原始光谱反射率的相关系数相比，
归一化光谱反射率相关系数明显提高，且均为负相关，说明原始光谱在1 436～1
549，1 917～1 971nm和归一化光谱反射率在950～1 046，1 344～1 660和1
901～2 073nm与紫花苜蓿叶片含水率相关性最密切，可以有效反映紫花苜蓿叶
片含水率。分析确定原始光谱在1 436～1 549，1 901～1 971nm和归一化光谱
反射率在950～1 046，1 344～1 660和1 901～2 073nm为含水量的敏感波段。
2.3 不同灌溉量下紫花苜蓿叶片含水率光谱预测模型的建立
随机选取一定样本的原始反射率和归一化光谱反射率，在1 436～1 549，1
901～1 971nm 和归一化光谱反射率在950～1 046，1 344～1 660和1 901～2
073nm内相关系数最高的波段分别建立紫花苜蓿叶片含水率光谱预测模型。对归
一化光谱反射率和原始光谱反射率与叶片含水率进行逐步回归时，波段之间可能存
在严重的共线性。为了使模型不失真，剔除存在共线性的波段。
对1 344～1 660nm归一化光谱反射率进行逐步回归分析时选择相关系数最高的
变量1 451，1 473，1 519，1 557和1 587nm五个波段。通过共线性诊断，1
519，1 557和1 587 nm波段有共线性，故剔除。因此，建立1 451和1
473nm波段的线性方程
其中：Y为紫花苜蓿含水率（%）；X为紫花苜蓿在此波段的归一化光谱反射率。
其他波段同理，建立的模型如表2所示。
Table 2 The spectral reflectance prediction models and parameters of
moisture content of alfalfa in different irrigation amounts注：Y：
represents the moisture content of alfalfa；X：represents the reflectance
of alfalfa in this band反射率 波段范围／nm 模型 调整R2 相对误差范围／% 平
均相对误差／%原始光谱 1 436～1 549 Y＝0.726－0.191 X1 451－0.136 X1
534 0.801 8.3～16.9 9.7 1 917～1 971 Y＝0.818－1.05 X1 950 0.877 11.0～
18.6 14.5归一化光谱20.1 12.3 950～1 046 Y＝3.522－3.200 X977 0.777
10.6～20.4 17.6 1 344～1 660 Y＝0.962－7.560 X1 451＋5.295 X1 473 0.926
1.9～12.0 7.8 1 901～2 073 Y＝0.859－2.776 X1 933 0.849 4.8～
将非建模样本实测的紫花苜蓿冠层光谱反射率分别代入不同的预测模型计算叶片含
水量，并将计算结果与实际测定紫花苜蓿叶片含水率进行对比，以此来检验模型精
度。通过检验可知：归一化反射率在1 344～1 660nm波段处的模型最好，模型
预测值的平均相对误差在8%左右。
根据不同灌溉量下紫花苜蓿光谱建立含水率预测模型（如表2），归一化光谱反射
率的模型中，在1 344～1 660nm模型最好，调整R2值达到了0.9以上，平均相
对误差为7.8%，说明模型稳定性较好，可见利用1 451和1 473nm处的归一化
光谱反射率诊断紫花苜蓿叶片含水率是可行的；原始光谱反射率的模型中，1
436～1 549nm模型较好，调整R2值为0.791，预测平均误差为9.7%，表明利
用1 451和1 534nm处的光谱可以预测紫花苜蓿叶片含水率。基于归一化光谱反
射率和原始光谱反射率建立的模型相比，归一化光谱反射率所建立的模型的精度高
于原始光谱所建立的模型。
3 结 论
（1）不同灌溉量紫花苜蓿的叶片含水率不同，随着灌溉量的增加苜蓿叶片含水量
呈上升趋势，这一结果在佟长福［10］等的研究中也得到了证实。
（2）在近红外区域，随着叶片含水率的增加紫花苜蓿冠层光谱反射率逐渐减小，
张冬强［11］、田永超［12］等研究也得出了此结论，原因主要是苜蓿冠层反射
率与冠层结构有关，水分不足的紫花苜蓿分枝数少，茎秆细，叶片较小，水分适宜
的紫花苜蓿叶面积和叶产量提高，叶的比例提高；近红外波段的光量子与叶片水分
中的H—O键发生作用，导致被强烈吸收光谱反射率减小。
（3）在归一化光谱反射率和原始光谱反射率选取的敏感波段中，归一化光谱在1
344～1 660nm 波段和1 901～2 073nm波段与叶片含水率的相关系数较高，并
且1 344～1 660nm波段处模型略优于1 901～2 073nm波段处，此模型的调整
R2值为0.926，平均相对误差为7.8%，这与该波段是水和二氧化碳的强吸收且受
大气影响较小的波段有关。因此，归一化光谱反射率所建立模型优于原始光谱反射
率所建立的模型。
（4）赵钊［13］等通过对荒漠植物含水量的光谱特征分析，选取的1 374～1
534nm波段与含水率相关性较好；本研究建立含水率模型在1 344～1 660nm波
段处，相对前置，选取波段基本一致，该模型利用1 451与1 473nm处的归一化
光谱反射率可以诊断紫花苜蓿叶片含水率。孙俊［14］和田永超［12］在1
450nm处分别建立了冠层光谱与小麦叶片和水稻叶片含水量模型，与苜蓿叶片含
水率模型相比基本一致，说明1 450nm波段左右是植物水分吸收强波段，因不同
植物也会产生微小变化。
通过田间试验对现蕾期不同灌溉量下紫花苜蓿冠层反射率和苜蓿叶片含水量的研究，
得到了诊断苜蓿叶片含水量的模型，表明高光谱诊断能够快速对苜蓿含水量进行适
时监测和诊断，科学指导苜蓿灌溉，及时调整田间管理措施，提高水分利用率，节
约成本。但是此模型具有一定局限性，对于整个生育期指导农田水分管理的实用性
还有待进一步探索。
References
【相关文献】
［1］HUANG Wen－hui，LIU Zi－xue（黄文惠，刘自学）.Overview of the Distribution and
Development of Alfalfa·China Alfalfa（综述苜蓿的分布和发展·中国苜蓿）.Beijing：China
Agriculture Press（北京：中国农业出版社），1995.2.
［2］Abrams S M，Shenk J S，Westerhaus M O，et l of Dairy Science，1987，70：
806.
［3］XIAO Yan－fang，GONG Hui－li，ZHOU De－min，et al（肖艳芳，宫辉力，周德民，
等）.Acta Ecologica Sinica（生态学报），2012，32：3098.
［4］JIANG Jian，YANG Bao－ling，XIA Tong，et al（姜 健，杨宝灵，夏 彤，
等）.Transactions of the Chinese Society of Agricultural Engineering（农业工程学报），
2010，26（12）：207.
［5］ZHENG Hong－mei，HU Tian－ming，et al（郑红梅，呼天明，等）.Seed World（种子
世界），2004，5：36.
［6］XIE Bo－cheng，XUE Xu－zhang，LIU Wei－dong，et al（谢伯承，薛绪掌，刘伟东，
等）.Acta Pedologica Sinica（土壤学报），2005，42（1）：171.
［7］WANG Ji－hua，ZHAO Chun－jiang，GUO Xiao－wei，et al（王纪华，张春江，郭晓维，
等）.Scientia Agriculture Sinka（华北农学报），2001，16（1）：104.
［8］ZHANG Xiao－dong，MAO Han－ping，ZUO Zhi－yu，et al（张晓东，毛罕平，左志
宇，等）.Journal of Anhui Agricultural Sciences（安徽农业科学），2011，39（30）：18451.
［9］Gates D M，Keegan H J，Schleter J C，et d Optics，1965，4（1）：11.
［10］TONG Chang－fu，GUO Ke－zhen，SHI Hai－bin，et al（佟长福，郭克贞，史海滨，
等）.Transactions of The Chinese Society of Agricultural Engineering（农业工程学报），
2005，21（12）：152.
［11］YANG Yong，ZHANG Dong－qiang，LI Shuo，et al（杨 勇，张冬强，李 硕，
等）.Chinese Agricultural Science Bulletin（中国农学通报），2011，27（2）：180.
［12］TIAN Yong－chao，ZHU Yan，CAO Wei－xing，et al（田永超，朱 艳，曹卫星，
等）.Chinese Journal of Applied Ecology（应用生态学报），2004，15（11）：2072.
［13］ZHAO Zhao，LI Xia，YIN Ye－biao，et al（赵 钊，李 霞，尹业彪，等）.Xinjiang
Agricultural Sciences（新疆农业科学），2010，30（9）：2500.
［14］SUN Jun，MAO Han－ping，YANG Yi－qing，et al（孙 俊，毛罕平，羊一清，
等）.Transactions of the Chinese Society of Agricultural Engineering（农业工程学报），
2009，25：133.