田间小麦晚霜冻害光谱指数及冻害评估方法研究

Late frost damage first appears in wheat young ear. Its severity not only depends on the temperature-decreasing intensity, but also is closely related to the developmental progression, variety and soil moisture. The differences of the factors in space significantly increase space-time uncertainty of the damage. The damage symptoms will appear out only after the heading when it’s too late to take action. It can be seen that the study on non-destructive detection technology is the key for the timely and accurate evaluation on the late frost damage. Certainly, it should first be realized how each factor affects the damage severity. Previous studies have shown that narrow-waveband spectral index (NWSI) based on hyperspectral data can quickly detect the subtle changes of wheat canopy physiological parameters under frost stress. If frost damage, physiology and spectral index can be quantitatively correlated, while eliminating the impacts of varieties and top-soil moisture on the spectrum, it will be possible to open up an innovative way to evaluate frost damage. In this study, an interaction mechanism about ‘frost damage - physiological changes - spectral response’ is firstly revealed to determine the critical point of the damage start and spectral response characteristics, based on canopy non-imaging and imaging hyperspectral data. Then, space-time mismatch problem of the spectrum with the variety and top-soil humidity changes is resolved to build generalized frost damage spectral index (FSI) and damage assessment model at the fine space scale, which can provide technical support for the regional application of the frost injury assessment in Huang-huai wheat area.

晚霜冻害首先发生于小麦幼穗，其严重程度不仅取决于降温强度，而且与发育进程、品种和土壤湿度密切相关。各因子在空间范围内的显著差别使得冻害程度时空不确定性增加，而冻害症状只有等到抽穗后才能看出来。可见，在掌握各因子交互影响冻害发生规律的前提下，开展非破坏性测定技术研究是即时精准评估冻害的关键。前期研究表明，基于高光谱数据的窄波段光谱指数可快速检测冻害胁迫下小麦冠层生理参数的细微变化。如果将冻害、生理与光谱指数定量关联，同时消除品种、土壤表层湿度等对光谱的影响，则可开辟一条创新性技术途径。为此，本研究拟以冠层非成像和成像高光谱数据为基础，通过冻害影响－生理变化－光谱响应机制研究以明确灾变临界点及光谱响应特性，解决随品种、土壤表层湿度变化的光谱时空不匹配问题，构建通用型冻害光谱指数及冻害评估模型，实现精细空间尺度下冻害即时精准诊断，为面向黄淮麦区冻害评估的区域化应用提供技术支撑。

黄淮平原冬小麦拔节至抽穗前遭受自然霜冻，幼穗冻害症状通常在5–7天内便可显现，在这之前准确评估霜冻害，对高效实施田间管理措施具有指导价值。在区域尺度上，卫星遥感技术往往采用植被指数（VI）来量化霜冻害的影响，但该类指数对霜冻害响应相对不敏感且时间滞后，不适于冻后快速评估目的。百叶箱温度（ST）在霜冻过程中降幅明显，是早期判别霜冻害的最常见的手段，但是在不同降温环境中差异大，严重制约了其判别精度的提升。本项目从冠层光谱响应霜冻害的机制研究入手，开展了不同发育进程下的模拟霜冻试验，测定了冻后3日内冠层反射率，明确了霜冻害胁迫下反射率在近红外区域显著下降、在可见光和短波红外区域上升的规律，揭示了冻后暴露时间、霜冻害程度、发育进程、土壤湿度等对冠层反射率的影响，构建了对水分敏感的冻害光谱指数，该指数包含了950nm附近的水分吸收波段。在Sentinel-2卫星多光谱数据支持下，针对典型霜冻年份冬小麦产量损失的早期预测研究表明，该指数的精度是其他所有波段组合中最高的，在区域尺度上具有良好的适用性。研究也表明，光谱指数在模拟霜冻和自然霜冻条件下响应冻害的敏感性并不一致，反映出二者在降温原理、霜冻环境以及小麦生理等方面的不同。此外，本项目开展了草面温度（GT）与ST的比较研究，发现将GT = -3℃作为临界温度时识别霜冻事件的精度最高，二者识别的霜冻事件重叠率不到50%，最低ST显示出更大误差。构建了一个基于最低GT的综合霜冻胁迫指数（IFS），该指数集成了低温、低温持续时长和发育进程对霜冻害的综合影响，在对自然霜冻胁迫下冬小麦产量损失进行早期预测时，IFS比基于最低ST的任何指标都有显著的精度提升。通过分析最低GT、最低ST与气象和土壤湿度因子的相关性，发现最低GT与空气相对湿度、土壤湿度呈正相关，而最低ST恰恰相反，表明最低ST不适于在湿度变化较大的农田降温环境下识别霜冻害。