高产是大豆育种的主要目标之一。大豆产量是遗传、环境及栽培管理等因素共同作用的结果,因此,高产品系的选择除了以收获后实测产量作为主要评估标准外,还需要有效地监测田间地上部生物量和叶面积指数(LAI)等其他生长指标的动态变化,用于评估光合效率和净初级生产量,作为高产品系选择的参考依据。然而,这些工作需耗费大量的人力、物力和财力,严重阻滞大豆育种的规模化进程,从而影响育种效率。为找到能够实时、快速、无损伤地进行田间长势监测和产量估测的技术和手段,本研究探索运用高光谱遥感技术,发展快速、无损伤地监测田间大豆长势和估测籽粒产量的有效手段,进而为实现大豆规模化育种提供有力的技术支持。本研究基于连续两年的田间试验发掘冠层光谱与大豆产量及生长性状之间的关系。试验材料的选择主要考虑两方面内容,一是材料间产量和生长性状均存在明显差异,二是材料间生育期相近,尤其是开花期,便于在同一生育期采集冠层光谱数据。基于上述考虑,选取了有代表性的52份材料,采用完全随机区组设计,3次重复,选择大豆盛花期(R2)、盛荚期(R4)和鼓粒始期(R5)三个关键生育时期测定冠层反射光谱,同步破坏性取样测定地上部生物量和叶面积指数,并在收获后测定产量。产量和生长性状的方差分析表明,材料间差异均达到极显著(P<0.01),材料与年份间互作差异均不显著。同时冠层光谱单波段反射率在材料和年份互作差异均不显著,说明两年试验数据可以进行联合分析。针对两年联合试验数据的分析,本研究侧重于使用较少的波段能够最大程度地解释目标性状变异,因此运用光谱分析技术和统计分析方法,着重探讨了单波段、两波段和三波段植被指数与产量及生长性状的关系,目的是能够确定指示大豆产量、地上部生物量和叶面积指数的核心波段及其适宜带宽、敏感光谱参数,建立准确而适用的大豆产量和生长性状的最优预测模型。其中核心波段及其适宜带宽的选择可为便携式光谱仪的开发提供技术支撑,以此可以在大豆规模化育种中实现快速无损的产量估测和生长监测。大规模育种试验中参试材料成千上万,不设重复,这时利用冠层植被指数间接估算家系产量及其田间长势的动态变化,可以帮助做好初选,减少收获工作量,提高工作效率。育种试验后期通常依靠严格的产量比较试验做出决选,但利用冠层植被指数,可以帮助做好收获前的辅助选择和备收工作。本研究的主要分析步骤和结果如下:(1)首先进行单波段分析,针对冠层原始光谱、一阶导数光谱与目标性状的相关性分析,通过t测验在可见光波段和近红外波段范围内发现差异显著(P<0.05)或极显著(P<0.01)的波段范围,从中提取正相关和负相关最大的相关系数的对应波段作为敏感波段。分析结果表明,大豆产量与冠层原始光谱及一阶导数光谱的相关性分析发现从R2至R5期相关性表现为逐步增大的趋势,且最大值出现在R5期,以此确定R5期为产量估测的最佳生育期,后续产量的研究主要基于R5期冠层光谱数据,其中R5期冠层原始光谱、一阶导数光谱与产量的相关系数最大值对应的敏感波段为694 nm、750 nm、689和935 nm。不同生育期原始光谱、一阶导数光谱与地上部生物量、叶面积指数均存在相关性差异显著或极显著的波段范围。对于地上部生物量而言,R2期的敏感波段为652 nm、742 nm、779 nm和1331 nm;R4期的敏感波段为605 nm、646nm、688nm 和 875nm;R5 期敏感波段为 633 nm、662nm、689nm 和 818nm。对于叶面积指数而言,R2期的敏感波段为653 nm、743nm、780nm和1302nm;R4期的敏感波段为606 nm、661 nm、689 nm和866 nm;R5期敏感波段为695 nm、689 nm、750 nm 和 817 nm。(2)本研究收集了 102个已报道的植被指数,这些植被指数包含不同的植被指数构建形式,其中大多数为两波段组合,基于冠层光谱构建这些已有植被指数,经与目标性状相关性分析,提取相关性最大的前10个已有植被指数,由此确定这些植被指数的构建形式。结果表明,与产量相关性最大的10个已有植被指数中,GNDVI、ND705、NDCI、NDVI(810,560)、PSNDa、PSNDb 和 RNDVI 均为类 NDVI 的构建形式,而RVI(810,560)、SR705和SR(900,680)均为类RVI的构建形式;对于地上部生物量而言,不同生育期与地上部生物量相关性最大的前10个植被指数中,GNDCI、NDCI、NDVI(810,560)和 PSNDb 均为类 NDVI 的构建形式,而 GM-1、GM-2、PSSRb、RI_half、RVI(810,560)和SR705均为类RVI的构建形式。对于LAI而言,不同生育期与LAI相关性最大的前10个植被指数中,GNDCI、NDCI、NDVI(810,560)和PSNDb均为类 NDVI 的构建形式,而 GM-1、GM-2、PSSRa、PSSRb、RVI(810,560)和 SR(900,680)均为类RVI的构建形式。由此发现大豆产量和生长性状的敏感植被指数形式均为NDVI和RVI的构建形式。(3)在全光谱范围350-2500 nm内穷尽上述构建形式(NDVI和RVI)的植被指数,与目标性状建立线性模型进行比较和分析,确定线性相关性最好的植被指数形式。在全光谱范围内基于这种形式构建的植被指数与目标性状建立线性与非线性模型,分别选取模型决定系数最大的线性与非线性模型,根据模型检验、参数检验、决定系数(R2)及标准误(SE)的比较和分析,确定基于敏感植被指数建立的最佳回归模型。分析结果表明,对于产量,首先确定基于R5期冠层光谱NDVI对产量的线性相关性优于RVI,进而确立基于NDVI(938,642)建立的指数模型(y=2.57e7.88x)的预测表现最好,其决定系数(R2)为0.711。同理,对于地上部生物量,发现不同生育期RVI对地上部生物量的线性相关性优于NDVI,进一步确定不同生育期RVI与地上部生物量的敏感植被指数及最佳回归模型,其中,R2期基于RVI(855,609)建立的模型(y=0.14x1.63)、R4 期基于 RVI(820,588)建立的模型(y=0.04x2.24)和 R5 期基于RVI(1000,604)建立的模型(y=6.34e0.11)的预测效果均表现较好,决定系数分别为0.771、0.762和0.783。对叶面积指数而言,发现不同生育期RVI对叶面积指数的线性相关性优于NDVI,进一步确立不同生育期RVI与叶面积指数的敏感植被指数及最佳回归模型,其中,R2期基于RVI(825,586)建立的模型(y=0.03x1.83)、R4期基于RVI(763,606)建立的模型(y=0.38e0.14x)和R5期基于RVI(744,580)建立的模型(y=0.06x1.79)的预测效果均在同时期表现最好,决定系数分别为0.677、0.639和0.664。由此可以看出,对大豆产量和生长性状反应敏感的反射光谱主要位于可见光和近红外区。(4)根据已报道的三波段植被指数构建形式,在近红外区(760-1000 nm)、红光区(620-760 nm)及蓝绿光区(蓝光区为430-470,绿光区500-560 nm)波段范围内穷尽所有的三波段植被指数,经与目标性状建立线性与非线性模型,分别选择决定系数最大的线性与非线性模型,再根据模型检验、参数检验、决定系数和标准误的比较和分析,选出基于三波段植被指数的最佳估测模型,然后与(3)中所选模型进行比较和分析,确定最佳回归模型。分析结果表明,对于产量,基于三波段植被指数NDVI(771,760,560)建立的指数模型(y=6755.41e5.65x)预测效果较好,其决定系数(R2)为0.622。对于地上部生物量,R2期基于NDVI(768,756,519)建立的模型(y=0.07x-2.18)、R4 期基于 NDVI(765,671,518)建立的模型(y=141.39x-12.94)和 R5 期基于NDVI(770,756,570)建立的模型(y=1.53x-1.48)的预测效果均在同时期表现最好,其决定系数(R2)分别为0.752、0.716和0.750。对于叶面积指数,R2期基于NDVI(770,757,520)建立的模型(y=0.02x-2.24)、R4 期基于 NDVI(894,757,528)建立的模型(y=0.01x-3.05)和 R5 期基于 NDVI(771,756,560)建立的模型(y=0.11x-1.89)的预测效果均在同时期表现最好,其决定系数(R2)分别为0.660、0.601和0.654。进一步比较和分析发现,大豆产量、地上部生物量和叶面积指数基于三波段植被指数建立的模型的决定系数(R2)值均低于基于两波段植被指数所建立的模型。(5)在全光谱范围内重新构建已有植被指数,与目标性状建立线性和非线性模型,根据决定系数的大小,选择决定系数最大的前5个已有植被指数的回归模型,经与上一步骤选出的回归模型进行模型决定系数和标准误的比较和分析,同时利用验证数据进行模型验证,再综合比较模型符合度和均方根误(RMSE),从而最终确定敏感植被指数以及基于此植被指数建立的最优回归模型。分析结果表明,上述(3)中基于两波段植被指数建立的大豆产量、地上部生物量和叶面积指数回归模型的预测效果均优于已有植被指数的模型,由此确定上述(3)所选的模型为最优回归模型。其中,产量的最优回归模型为基于R5期的敏感植被指数NDVI(938,642)建立的指数模型(y=2.57e7.88x)。地上部生物量的最优回归模型分别为R2期基于敏感植被指数RVI(855,609)建立的模型(y=0.14x1.63)、R4期基于敏感植被指数RVI(820,588)建立的模型(y=0.(0.04x2.24)和R5期基于敏感植被指数RVI(1000,604)建立的模型(y=6.34e0.11x)。叶面积指数的最优回归模型为R2期基于敏感植被指数RVI(825,586)建立的模型(y=0.03x1.83)、R4期基于敏感植被指数RVI(763,606)建立的模型(y=0.38e0.14x)和R5期基于敏感植被指数RVI(744,580)建立的模型(y=0.06x1.79)。(6)进一步确定指示目标性状的核心波段,根据上述步骤选择的敏感植被指数和单波段反射率与目标性状的相关性的比较分析,确定相关性最大者为核心波段,若敏感植被指数的相关性最大,则敏感植被指数所含波段组合为核心波段。分析结果表明,基于R5期的敏感植被指数NDVI(938,642)与产量的相关性明显好于单波段反射率,由此确定大豆产量的核心波段为938 nm和642 nm。同理,对于地上部生物量,R2的核心波段为855 nm和609 nm、R4期的核心波段为820 nm和588 nm,R5期的核心波段为1000 nm和604 nm。(7)进一步分析核心波段的光谱分辨率变化对目标性状预测精度的影响,以敏感植被指数为例,不断扩展核心波段范围(步长为1nm),拟合基于各个波段宽度对应的植被指数和目标性状的回归模型,通过所建回归模型的决定系数和标准误的比较,选取核心波段的适宜带宽。分析结果表明,光谱分辨率对不同植被指数(NDVI和RVI)的影响有差异。随着带宽的增加,大豆产量的敏感光谱植被指数NDVI(938,642)所建模型的R2在642 nm和938 nm两个方向呈递减趋势,其中在642 nm上变化最为明显,根据模型精度R2较大和标准误SE较小的选择标准,筛选出642 nm波段的分辨率小于9 nm、938 nm波段的分辨率小于15 nm时效果较好,由此确定两个核心波段642nm和938nm的适宜带宽分别为9nm和15nm。对地上部生物量而言,R2期核心波段855 nm和609 nm的适宜带宽分别为9 nm和13 nm;R4期核心波段820 nm和588 nm的适宜带宽分别为15 nm和9 nm;R5期核心波段1000 nm和604 nm的适宜带宽分别为21 nm和9 nm。对叶面积指数而言,R2期核心波段825 nm和586 nm的适宜带宽分别为13 nm和19 nm;R4期核心波段763 nm和606 nm的适宜带宽分别为11 nm和7 nm;R5期核心波段744 nm和580 nm的适宜带宽分别为7 nm和17 nm。(8)本研究进一步还分析了不同农艺性状间的共性核心波段组合,根据上述7个步骤中选择的大豆冠层植被指数与不同农艺性状的回归关系,设定和改变决定系数的阈值,不断地缩小共性核心波段组合的搜索范围,直到获得不同农艺性状的共性核心波段组合。分析结果表明,不同生育期叶面积指数与地上部生物量的共性核心波段组合与上文所推荐叶面积指数监测模型的核心波段一致,且不同生育期基于共性核心波段组合的RVI对地上部生物量预测均有较好的表现。R2期基于RVI(825,586)建立的模型(y=0.14x1.68)、R4期基于RVI(763,606)建立的模型(y=1.36e0.15x)和R5期基于RVI(744,580)建立的模型(y=5.47e0.17x)分别对同时期的地上部生物量均有较好的预测效果,其决定系数分别为0.760、0.757和0.775。同理,基于大豆R5期冠层反射光谱分析地上部生物量与产量的共性核心波段组合,分析结果表明R5期地上部生物量与产量的共性核心波段组合为938 nm和642 nm,此共性核心波段与上述所推荐产量估测模型的核心波段相同,且R5期基于RVI(938,642)建立的模型(y=6.96e0.08x)对地上部生物量的预测表现较好,其决定系数分别为0.745。基于共性核心波段组合所建的植被指数可以同时兼顾多个性状的估测,为大豆高产品系的选择提供更加全面的信息。综上所述,本研究从作物育种的角度出发,本着简便灵活、快速准确的原则,将高光谱技术引入到大豆规模化育种中,主要分析单波段、两波段、三波段植被指数与产量及生长性状的关系,期望用较少的波段来解释目标性状最大的变异。基于此分别确定了大豆产量和生长性状的核心波段及其适宜带宽、敏感植被指数及最优回归模型。在大豆规模化育种中,利用冠层植被指数,在R5期估算大豆品系产量,及在不同生育期估算田间生长性状,可以对高产品系做出初选,田间淘汰一部分材料,减少收获工作量,提高工作效率。不同性状的核心波段的适宜带宽,可为便携式光谱仪的开发提供参考,进一步使得冠层植被指数的信息获取更加高效。此外,考虑到使用相同的波段组合,可以同时监测两个以上性状,本研究还进一步确定了不同性状间共性核心波段组合,基于此构建的植被指数,可以在不同生育期监测地上部生物量和叶面积指数,以及在R5期同时估算大豆产量和地上部生物量,在大豆规模化育种中快速无损地选择高产品系,且可以增加便携式光谱仪的多功能化,有效地提高了仪器的监测效率,对于大豆规模化育种具有重要意义。