楊廣云，牛魯燕

（1.山東省莘縣農(nóng)業(yè)農(nóng)村局，山東 莘縣 252400；2.山東省農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)信息與經(jīng)濟(jì)研究所，山東 濟(jì)南 250100；3.山東省農(nóng)業(yè)農(nóng)村遙感應(yīng)用中心，山東 濟(jì)南 250100）

玉米作為我國(guó)僅次于水稻和小麥的第三大糧食作物，是重要的糧食作物和飼料來源，在促進(jìn)我國(guó)經(jīng)濟(jì)發(fā)展和保障糧食安全中占有非常重要的地位［1］。葉綠素作為植物進(jìn)行光合作用的主要色素，在光合過程中起著將光能轉(zhuǎn)化為植物內(nèi)部化學(xué)能，并為植物的生長(zhǎng)發(fā)育提供物質(zhì)和能量的作用［2］。葉綠素含量是評(píng)價(jià)植物光合作用的主要化學(xué)參數(shù)，其值的高低決定了植物吸收太陽(yáng)輻射量的多少，并且對(duì)判斷植物生理狀況有著重要意義［3］，所以監(jiān)測(cè)植株葉綠素的含量有助于衡量作物光合能力的大小和生理?yè)p傷狀況［4］，進(jìn)而達(dá)到評(píng)估作物的生長(zhǎng)環(huán)境及水肥管理情況的目的。

高效、無損地監(jiān)測(cè)作物的長(zhǎng)勢(shì)是精準(zhǔn)農(nóng)業(yè)種植的核心。無人機(jī)多光譜遙感影像地面分辨率較高，可以達(dá)到厘米級(jí)，對(duì)空間異質(zhì)信息響應(yīng)敏感，并且獲得的農(nóng)作物長(zhǎng)勢(shì)信息范圍大、即時(shí)性強(qiáng)、可靠性高，這可以在一定程度上彌補(bǔ)傳統(tǒng)監(jiān)測(cè)設(shè)備監(jiān)測(cè)范圍小、難度大等缺陷，具有很好的應(yīng)用價(jià)值［5］。目前國(guó)內(nèi)外學(xué)者利用無人機(jī)技術(shù)在作物生長(zhǎng)反演方面已經(jīng)進(jìn)行了廣泛研究。陳浩等［6］基于無人機(jī)多光譜遙感影像，對(duì)不同施氮水平下夏玉米冠層葉綠素含量的變化規(guī)律進(jìn)行了分析，研究認(rèn)為無人機(jī)多光譜遙感結(jié)合逐步回歸模型可以實(shí)現(xiàn)田間尺度夏玉米冠層葉綠素含量的實(shí)時(shí)監(jiān)測(cè)；周敏姑等［7］提取了冬小麥不同生育期冠層的光譜影像反射率特征參數(shù)，并與SPAD值建立了反演模型，結(jié)果證明無人機(jī)遙感可作為快速、無損監(jiān)測(cè)小麥葉綠素含量的技術(shù)手段。王麗愛等［8］利用環(huán)境減災(zāi)衛(wèi)星對(duì)2010～2013年江蘇地區(qū)稻茬小麥不同生育期葉片SPAD值與8種植被指數(shù)的相關(guān)關(guān)系進(jìn)行了分析，結(jié)果顯示所建立的回歸方程能夠較好地估算SPAD值；毛智慧等［9］比較了2種多光譜傳感器（MAC和Sequoia）對(duì)不同施肥水平下玉米冠層葉綠素含量的預(yù)測(cè)能力，發(fā)現(xiàn)了有更高預(yù)測(cè)精度的植被指數(shù)構(gòu)建模型，分別為綠波段和近紅外波段構(gòu)造的植被指數(shù)與紅邊波段和近紅外波段構(gòu)造的植被指數(shù)。上述研究雖然都取得了一定的研究成果，但由于作物生長(zhǎng)的復(fù)雜性，夏玉米監(jiān)測(cè)在不同地區(qū)、不同經(jīng)驗(yàn)?zāi)Ｐ?、不同生育期之間都存在著空間和時(shí)間上的差異性，導(dǎo)致適用模型具有地域性差別。

目前針對(duì)山東地區(qū)單一生育期夏玉米葉綠素含量的反演研究鮮有報(bào)道，尤其是在決定玉米產(chǎn)量的關(guān)鍵生育期。抽雄期是玉米一生中生長(zhǎng)發(fā)育最快的時(shí)期，這個(gè)時(shí)期標(biāo)志著玉米由營(yíng)養(yǎng)生長(zhǎng)轉(zhuǎn)向生殖生長(zhǎng)，是灌溉、追肥的關(guān)鍵時(shí)期。筆者采用無人機(jī)多光譜遙感和地面監(jiān)測(cè)相結(jié)合的方法，以山東抽雄期夏玉米穗位葉葉綠素含量（用SPAD值表示）反演為研究?jī)?nèi)容，構(gòu)建了10種基于多光譜數(shù)據(jù)的植被指數(shù)，建立了表征不同植被指數(shù)與玉米穗位葉SPAD值之間關(guān)系的回歸模型，并對(duì)這些模型的精度進(jìn)行了評(píng)價(jià)，以期為通過無人機(jī)遙感監(jiān)測(cè)山東地區(qū)夏玉米葉片葉綠素含量提供理論依據(jù)，并為山東農(nóng)作物的長(zhǎng)勢(shì)監(jiān)測(cè)和水肥精準(zhǔn)管理提供技術(shù)支撐。

1 材料與方法

1.1 試驗(yàn)區(qū)概況及試驗(yàn)材料

試驗(yàn)小區(qū)位于山東省濟(jì)南市章丘龍山試驗(yàn)基地，地理坐標(biāo)為：北緯36°25′～37°9′，東經(jīng)117°10′～117°35′。該區(qū)位于濟(jì)南市的東部，屬于暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候區(qū)，四季分明，雨熱同季，年均日照2647.6 h，日照率60%，年均氣溫12.8 ℃。地勢(shì)南高北低，黃河流經(jīng)北境。

本次試驗(yàn)供試玉米品種為鄭單958，種植方式、灌溉與病蟲草害防治管理與常規(guī)田相同。種植密度為67500株/hm2，玉米行間距60 cm。

1.2 數(shù)據(jù)采集

1.2.1 無人機(jī)多光譜數(shù)據(jù)的采集 本次試驗(yàn)使用大疆無人機(jī)M600 Pro在晴朗無云的天氣進(jìn)行作業(yè)，時(shí)間為10：00～13：00。多光譜數(shù)據(jù)通過搭載的美國(guó)MicasenseRedEge多光譜相機(jī)獲取。MicasenseRedEge多光譜相機(jī)包含紅（668 nm）、綠（560 nm）、藍(lán)（475 nm）、紅邊（717 nm）、近紅外（840 nm）5個(gè)波段，焦距為5.5 nm，視場(chǎng)角為47.2°，圖像分辨率為1280×960像素。機(jī)載多光譜成像系統(tǒng)如圖1所示。

圖1 無人機(jī)搭載的多光譜成像系統(tǒng)

1.2.2 葉綠素含量（SPAD值）的測(cè)定 SPAD（Soil and Plant Analyzer Development）值是農(nóng)作物生長(zhǎng)過程中重要的生化參數(shù)之一［10］。在樣地內(nèi)選取一定數(shù)量的夏玉米穗位葉，使用 SPAD－502Plus葉綠素儀測(cè)定其SPAD值，取平均值作為該樣本的SPAD最終值。葉綠素含量（SPAD值）的測(cè)量與無人機(jī)飛行測(cè)量保持同步。

1.3 數(shù)據(jù)處理方法

1.3.1 機(jī)載多光譜影像的處理 機(jī)載多光譜影像的處理使用Pix4D專業(yè)版，先對(duì)影像進(jìn)行拼接處理，得到試驗(yàn)區(qū)完整的灰度圖；再通過ENVI軟件對(duì)各波段進(jìn)行配準(zhǔn)，組合成ENVI格式的反射率數(shù)據(jù)。

1.3.2 多光譜植被指數(shù)的選取 綠色植物葉片和植被冠層的光譜特性及其差異、變化可以反映遙感影像上的植被信息。植被指數(shù)的建立原理就是基于植被在紅光和近紅外波段反射率差別較大的光譜特征，在綜合考慮各光譜信號(hào)的基礎(chǔ)上，把多波段反射率做一定的數(shù)學(xué)變換，以增強(qiáng)植被信息，最小化非植被信號(hào)［11］。本研究結(jié)合葉綠素吸收光譜的特點(diǎn)，并考慮到植被指數(shù)的廣泛性和實(shí)用性，選取了10種多光譜植被指數(shù)：歸一化植被指數(shù)（NDVI）、冠層葉綠素含量指數(shù)（CCCI）、無藍(lán)色波段增強(qiáng)型植被指數(shù)（EVI2）、比值植被指數(shù)（RVI）、土壤調(diào)整植被指數(shù)（SAVI）、綠色歸一化植被指數(shù)（GNDVI）、土壤調(diào)節(jié)植被指數(shù)（OSAVI）、紅邊優(yōu)化土壤調(diào)節(jié)植被指數(shù)（REOSAVI）、綠色比值植被指數(shù)（GRVI）、紅邊歸一化植被指數(shù)（RENDVI），研究了各植被指數(shù)與實(shí)測(cè)夏玉米葉綠素含量之間的關(guān)系。各植被指數(shù)的計(jì)算公式見表1。

表1 多光譜植被指數(shù)及其計(jì)算公式

1.4 模型的構(gòu)建與驗(yàn)證

選擇一元線性回歸模型進(jìn)行模型的構(gòu)建；為了確保模型的穩(wěn)定性和精度，應(yīng)用決定系數(shù)R2、均方根誤差（Root Mean Square Error，RMSE）進(jìn)行模型的精度評(píng)價(jià)。

2 結(jié)果與分析

2.1 夏玉米抽雄期各植被指數(shù)與葉綠素含量的擬合分析

采用Excel 2007軟件對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果顯示，抽雄期夏玉米穗位葉葉綠素含量（SPAD值）與10種植被指數(shù)在0.01水平上呈極顯著相關(guān)。

2.2 回歸模型的建立

以不同的植被指數(shù)作為自變量，以葉綠素含量（SPAD值）作為因變量，建立一元線性回歸模型，結(jié)果如表2所示。在10個(gè)一元線性回歸模型中，SPAD-CCCI模型的決定系數(shù)R2最大，達(dá)0.8300；SPAD-EVI2模型的決定系數(shù)R2次之，為0.3618；SPAD-REOSAVI模型的決定系數(shù)R2最小，僅為0.0002。根據(jù)決定系數(shù)R2的大小，10個(gè)一元線性回歸模型的擬合精度排序如下：SPAD-CCCI模型＞SPAD-EVI2 模型＞SPAD-RVI 模型＞SPADOSAVI模型＞SPAD-NDVI模型＞SPAD-GRVI模型＞SPAD-GNDVI模型＞SPAD-RENDVI模型＞SPAD-SAVI模型＞SPAD-REOSAVI模型。

表2 不同植被指數(shù)反演夏玉米冠層葉片SPAD值的回歸模型

2.3 葉綠素含量（SPAD值）估測(cè)模型的驗(yàn)證

用驗(yàn)證樣本的SPAD實(shí)測(cè)值和SPAD預(yù)測(cè)值進(jìn)行一元線性回歸方程的擬合，擬合的預(yù)測(cè)模型及其驗(yàn)證結(jié)果如表3所示，在10個(gè)預(yù)測(cè)模型中，SPAD-SAVI模型的精度最優(yōu)，其決定系數(shù)R2最大，達(dá)到0.9596，且RMSE和RE值均最小，分別只有0.6700和-0.12%；其次是SPAD-RENDVI模型，其決定系數(shù)R2為0.6920，且回歸方程的斜率為0.7119，最接近于1；而SPAD-GNDVI模型的預(yù)測(cè)效果最差，其決定系數(shù)R2僅為0.0001，回歸方程的斜率只有0.0001。

表3 10個(gè)預(yù)測(cè)模型的精度驗(yàn)證結(jié)果

按照決定系數(shù)的大小，10個(gè)預(yù)測(cè)模型的精度表現(xiàn)為：SPAD-SAVI模型＞SPAD-RENDVI模型＞SPAD-GRVI模型＞SPAD-CCCI模型＞SPADEVI2 模型＞SPAD-REOSAVI 模 型＞SPAD-RVI模型＞SPAD-NDV 模型＞SPAD-OSAVI 模型＞SPAD-GNDVI模型。

3 討論與小結(jié)

本研究發(fā)現(xiàn)，在對(duì)夏玉米抽雄期穗位葉葉綠素含量（SPAD值）的反演中，基于冠層葉綠素含量指數(shù)CCCI構(gòu)建的一元線性回歸模型（y=-0.0016x+0.6955）的預(yù)測(cè)能力較好；基于無藍(lán)色波段增強(qiáng)型植被指數(shù)EVI2和比值植被指數(shù)RVI構(gòu)建的SPAD-EVI2模型（y=-0.0011x+0.8487）和SPAD-RVI 模型（y=0.0543x+21.8920），對(duì)于夏玉米穗位葉葉綠素含量SPAD值具備一定的預(yù)測(cè)能力；而由紅邊優(yōu)化土壤調(diào)節(jié)植被指數(shù)REOSAVI構(gòu)建的SPAD-REOSAVI模型（y=7E-06x+0.5934）的預(yù)測(cè)能力最差，究其原因，可能是因?yàn)樵谛K試驗(yàn)田水平上，光譜信息的獲取受植被及其環(huán)境背景的共同影響，而多光譜影像的后期處理會(huì)采用閾值分割法，以達(dá)到去除遙感影像中環(huán)境背景的目的，而紅邊優(yōu)化土壤調(diào)節(jié)植被指數(shù)REOSAVI在設(shè)計(jì)之初是為了減少環(huán)境背景對(duì)植被指數(shù)的影響，所以在小空間尺度上使用紅邊優(yōu)化土壤調(diào)節(jié)植被指數(shù)REOSAVI會(huì)在一定程度上影響光譜信息的完整性，從而影響植被指數(shù)對(duì)作物葉片葉綠素含量的反演。

另外，在本次夏玉米抽雄期葉片葉綠素含量SPAD值的反演試驗(yàn)中，由常用的歸一化植被指數(shù)NDVI構(gòu)建的SPAD-NDVI模型的相關(guān)性優(yōu)勢(shì)并沒有顯示出來，這也說明任何一個(gè)植被指數(shù)都不具有普適性，因此在對(duì)不同品種、不同生育期及不同觀測(cè)范圍的作物葉片葉綠素含量進(jìn)行反演時(shí)，要選擇合適的植被指數(shù)，比如歸一化植被指數(shù)NDVI對(duì)較高的植被葉綠素含量不敏感，不適用于這類植被葉綠素含量的反演，這也與一些學(xué)者的研究結(jié)果［12］相近。而抽雄期是玉米生長(zhǎng)發(fā)育的旺盛階段，在此期間植被覆蓋度顯著上升，直到達(dá)到一個(gè)最大值，這導(dǎo)致在覆蓋度達(dá)到一定程度時(shí)，應(yīng)用歸一化植被指數(shù)NDVI去反演葉綠素含量SPAD值的效果反而不好。

由此可見，鑒于無人機(jī)遙感的時(shí)效性高、空間分辨率高及操作方便快捷的優(yōu)勢(shì)，通過無人機(jī)平臺(tái)獲取多光譜遙感反射率，從而反演作物的長(zhǎng)勢(shì)是可行的，但是要想獲得精準(zhǔn)的反演結(jié)果還需要考慮作物品種、生育期及觀測(cè)范圍的影響。本研究采用夏玉米抽雄期不同植被指數(shù)與穗位葉葉綠素SPAD值的數(shù)據(jù)建立反演模型，所建立的模型具有較好的預(yù)測(cè)精度，能夠作為夏玉米葉片葉綠素含量監(jiān)測(cè)的有效手段。