李 轉(zhuǎn) 彭致功 李王成* 丁 杰

（1、寧夏大學(xué)土木與水利工程學(xué)院，寧夏 銀川 750021 2、中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038）

遙感作為現(xiàn)階段主流的監(jiān)測(cè)技術(shù)，在農(nóng)業(yè)方面有著重要的作用，有利于精準(zhǔn)農(nóng)業(yè)科學(xué)決策的制定。而高光譜遙感作為一種非破壞性、快速、實(shí)時(shí)的監(jiān)測(cè)手段，在冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)中具有重要應(yīng)用價(jià)值[1]。冬小麥作為重要的糧食作物，其供求矛盾影響著國(guó)家安全與穩(wěn)定，因此，實(shí)現(xiàn)對(duì)冬小麥的長(zhǎng)勢(shì)監(jiān)測(cè)及準(zhǔn)確的產(chǎn)量評(píng)估具有重要意義[2]。本文通過分析高光譜對(duì)關(guān)鍵農(nóng)學(xué)參數(shù)監(jiān)測(cè)及估產(chǎn)模型的研究進(jìn)展，達(dá)到冬小麥產(chǎn)量反演的目的。

1 葉面積指數(shù)高光譜監(jiān)測(cè)

在遙感長(zhǎng)勢(shì)監(jiān)測(cè)中，葉面積指數(shù)是最常用的用于表征作物生長(zhǎng)發(fā)育情況的綜合參數(shù)[3]。目前，葉面積指數(shù)反演模型中用到較多的植被指數(shù)為歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI、垂直植被指數(shù)PVI、OSAVI等，其中NDVI[4]使用更廣泛。陳雪洋等[5]研究植被指數(shù)NDVI、RVI、SAVI、EVI建立的LAI監(jiān)測(cè)模型，NDVI估算精度最高。夏天等[6]得出植被指數(shù)RVI、DVI、GRVI、EVI、NDVI、SAVI與LAI關(guān)系密切，相關(guān)性均達(dá)極顯著水平，在避免NDVI飽和的情況下，NDVI模擬精度是最好的，適合LAI反演。可見，NDVI會(huì)受到限制，為了在作物茂密的情況下仍能使用NDVI，必須對(duì)其改造，保證更精確地估算LAI。為此，曹仕等[7]以NDVI為基礎(chǔ)，提出了一種歸一化綜合植被指數(shù)NCVI，由NDVI與DSWI相乘得到，用其建立反演模型更能代表植被的生理生態(tài)特征。此外，李鑫川等[8]用植被指數(shù)與短波紅外水分指數(shù)分別相乘，構(gòu)建的新指數(shù)可提高與LAI相關(guān)性，擴(kuò)大LAI適用范圍，與sLAIDI*相乘得到新指數(shù)估算效果最佳，構(gòu)建的模型表現(xiàn)好。束美艷等[9]由標(biāo)準(zhǔn)差分紅邊指數(shù)NORE與水分敏感指數(shù)WI的比值構(gòu)建新型植被指數(shù)RRWVI，提高了冬小麥LAI高光譜模型反演精度。

2 基于冬小麥產(chǎn)量的高光譜監(jiān)測(cè)方法

反演作物產(chǎn)量可以分為直接和間接兩種，一是利用光譜參數(shù)或植被指數(shù)構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ椭苯臃囱?，形成“光譜特征參數(shù)－產(chǎn)量”或“植被指數(shù)－產(chǎn)量”的路徑，二是借助中間量構(gòu)建的間接反演模型，如“光譜特征參數(shù)－農(nóng)學(xué)參數(shù)－產(chǎn)量”技術(shù)路線。因光譜參數(shù)可較好地反演農(nóng)學(xué)參數(shù)，利用模型傳遞性，農(nóng)學(xué)參數(shù)也能較好地監(jiān)測(cè)作物產(chǎn)量。方法一：依靠統(tǒng)計(jì)學(xué)規(guī)律進(jìn)行建模，模型簡(jiǎn)單，操作方便，由于其不能對(duì)作物產(chǎn)量進(jìn)行機(jī)理性解釋，因此在不同年限和不同地區(qū)間的推廣應(yīng)用比較困難；方法二：利用農(nóng)學(xué)參數(shù)，間接估測(cè)作物產(chǎn)量，通過引入農(nóng)學(xué)參數(shù)使模型具有一定的機(jī)理，增加模型的適用性，但從統(tǒng)計(jì)學(xué)角度分析，模型的傳遞在一定程度上導(dǎo)致模型精度的降低。

表1 反演葉面積指數(shù)的植被指數(shù)表

3 高光譜對(duì)產(chǎn)量的直接監(jiān)測(cè)

許多研究通過直接的高光譜監(jiān)測(cè)來估測(cè)小麥產(chǎn)量。王愷寧等[10]發(fā)現(xiàn)高光譜植被指數(shù)可估測(cè)小麥產(chǎn)量，在建立樣點(diǎn)多植被指數(shù)組合與實(shí)測(cè)產(chǎn)量非線性模型進(jìn)行遙感估產(chǎn)時(shí)，SVM模型估產(chǎn)精度最高。肖乾廣等[11]認(rèn)為小麥單產(chǎn)估測(cè)的最佳時(shí)機(jī)為抽穗期前后，其中植被指數(shù)NDVI表現(xiàn)最好。張松等[12]比較了不同生育期植被指數(shù)對(duì)冬小麥籽粒產(chǎn)量的監(jiān)測(cè)效果，認(rèn)為孕穗期和抽穗期植被指數(shù)的監(jiān)測(cè)效果最好，拔節(jié)期次之，灌漿期和成熟期效果最差。陶惠林等[13]研究得出，在不同生育期，7個(gè)植被指數(shù)LCI、GNDVI、NDVI、MSR、RVI、REP及Dr/Drmin均與產(chǎn)量呈極顯著相關(guān)，將其與產(chǎn)量建立單參數(shù)回歸模型，得到不同生育期的最佳植被指數(shù)不盡相同，因此在建立估產(chǎn)模型時(shí)要考慮生育期的差別。與單個(gè)植被指數(shù)建立估產(chǎn)模型相比，由PLSR方法構(gòu)建的基于植被指數(shù)、基于植被指數(shù)和紅邊參數(shù)相結(jié)合的產(chǎn)量模型，顯著提高了模型的精度，在開花期模型預(yù)測(cè)效果最好。陶惠林等[14]運(yùn)用多元線性回歸MLR模型、隨機(jī)森林RF模型在不同生育期進(jìn)行12個(gè)光譜參數(shù)的產(chǎn)量估算，得到MLR模型精度更高，在挑旗期、開花期、灌漿期，與產(chǎn)量相關(guān)性最好的分別是TCARI/OSAVI、SR、TCARI/OSAVI。對(duì)生育期來說，效果最好的是灌漿期。

4 高光譜對(duì)產(chǎn)量的間接監(jiān)測(cè)

借助高光譜滿足實(shí)時(shí)、快速、準(zhǔn)確、無損害地獲取作物長(zhǎng)勢(shì)信息的需求，從而間接預(yù)測(cè)產(chǎn)量。何亞娟等[15]采用“植被指數(shù)-LAI-產(chǎn)量”間接路徑進(jìn)行甘蔗的估產(chǎn)，先分析了LAI與NDVI的相關(guān)性，得出兩者在不同生育期均是顯著正相關(guān)，尤其在全生育期和分蘗期相關(guān)最高。再探討分蘗期的LAI與產(chǎn)量的關(guān)系，建立二次函數(shù)估產(chǎn)模型，且精度較高。馮偉等[16]通過“光譜參數(shù)-葉片氮素營(yíng)養(yǎng)-籽粒產(chǎn)量”路徑，分別以葉片氮含量、葉面積氮積累量及葉面積氮指數(shù)作為中間農(nóng)學(xué)參數(shù)來預(yù)測(cè)籽粒產(chǎn)量，得到葉面積氮指數(shù)為橋梁的路徑估產(chǎn)效果更好，并根據(jù)小麥灌漿前期、拔節(jié)期和成熟期特征光譜指數(shù)的累積值，建立了小麥籽粒產(chǎn)量預(yù)測(cè)模型。林少喆等[17]通過比較以植株含氮量、植株含水率、水氮耦合為中間參數(shù)建立的估產(chǎn)模型，得出基于水氮耦合的高光譜估產(chǎn)模型精度最高，模型最穩(wěn)定，灌漿期效果為最佳。張松等[18]比較直接和間接模型的精度，利用LAI、SPAD、地上干生物量為中間量進(jìn)行估產(chǎn)，對(duì)比顯示利用LAI建立的間接模型效果較好，估產(chǎn)的最好時(shí)期為開花期。

5 結(jié)論與展望

綜上，學(xué)者們對(duì)最佳估產(chǎn)生育期的研究不盡相同，分別得到灌漿期、拔節(jié)期、開花期為最佳估產(chǎn)階段，今后要分生育期考慮冬小麥產(chǎn)量預(yù)測(cè)，更準(zhǔn)確的把握預(yù)測(cè)階段。此外，仍一些方面需進(jìn)一步研究，由于冬小麥品種、生育期、地區(qū)的不同等因素，估產(chǎn)監(jiān)測(cè)模型難以大范圍推廣，為此盡量完善模型適用范圍，深入研究提高模型精度的方法，分生育時(shí)段進(jìn)行生長(zhǎng)指標(biāo)的監(jiān)測(cè)和建立估產(chǎn)模型，如構(gòu)建分生育期估產(chǎn)模型等。反演小麥產(chǎn)量方法中，農(nóng)學(xué)參數(shù)也可借助其他生理生化指標(biāo)來進(jìn)行估產(chǎn)。選擇時(shí)要考慮高光譜的對(duì)該指標(biāo)的監(jiān)測(cè)效果、傳遞模型信息能力以及模型在生育期內(nèi)的差異。

表2 冬小麥產(chǎn)量估算模型表