鄭智康, 常慶瑞, 符欣彤, 張子娟, 李 鎧, 姜時(shí)雨, 宋子怡

(西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院,陜西 楊凌 712100)

葉片含水率(LWC)是作物重要的生長指標(biāo),是作物光合作用和蒸騰作用等生理生化過程的關(guān)鍵限制因素,直接影響作物生長發(fā)育及產(chǎn)量的形成[1]。快速高效估算作物葉片含水率對(duì)作物長勢監(jiān)測、水資源合理利用以及農(nóng)田水分管理有著重大意義。傳統(tǒng)的烘干稱質(zhì)量法測定作物葉片含水率不僅耗時(shí)費(fèi)力,且難以實(shí)現(xiàn)大范圍作物葉片含水率的持續(xù)監(jiān)測。高光譜技術(shù)的出現(xiàn)與發(fā)展為作物葉片含水率的遙感監(jiān)測提供了新的手段。

目前,利用高光譜遙感估算作物葉片含水率已成為研究熱點(diǎn)[2],國內(nèi)外大量眾多學(xué)者的研究結(jié)果表明光譜反射率與作物葉片含水率之間存在顯著相關(guān),作物葉片含水率的特征光譜位于近紅外波段和短波紅外波段[3-4]。光譜的各種變換和不同光譜指數(shù)的構(gòu)建,提高了特征光譜與葉片含水率之間的響應(yīng)水平及相關(guān)估算模型的精度[5-9]。劉小軍等[10]綜合分析任意兩波段構(gòu)成的比值光譜指數(shù)(RSI)、差值光譜指數(shù)(DSI)和歸一化光譜指數(shù)(NDSI)與水稻葉片含水率的相關(guān)關(guān)系,證明了利用光譜指數(shù)估算水稻葉片含水率是可行的。

截至目前,利用高光譜估算作物葉片含水率大多集中在水稻、小麥、枸杞等作物,對(duì)玉米的研究相對(duì)較少。本研究以關(guān)中地區(qū)夏玉米為研究對(duì)象,基于原始光譜和變換光譜構(gòu)建任意兩波段的差值光譜指數(shù)(DSI)、比值光譜指數(shù)(RSI)和歸一化光譜指數(shù)(NDSI),并結(jié)合人工智能算法,分析窄波段光譜指數(shù)與夏玉米葉片含水率之間的關(guān)系,構(gòu)建夏玉米葉片含水率的單因素和多因素估算模型,為關(guān)中地區(qū)夏玉米長勢監(jiān)測和農(nóng)田灌溉提供理論依據(jù)和技術(shù)支持。

1 材料與方法

1.1 研究地點(diǎn)與試驗(yàn)設(shè)計(jì)

試驗(yàn)于2017年在陜西省咸陽市乾縣齊南村(108°07′04″E,34°38′32″N)進(jìn)行。該村位于黃土高原與關(guān)中平原的過渡地帶,試驗(yàn)田位置如圖1所示。本研究以陜單226為試驗(yàn)材料,開展氮磷鉀配施試驗(yàn)和純氮肥試驗(yàn)。氮磷鉀配施試驗(yàn)共設(shè)18個(gè)處理,各處理的施肥方案如表1所示。

表1 氮磷鉀配施試驗(yàn)設(shè)計(jì)

上述18個(gè)處理設(shè)置2次重復(fù),小區(qū)面積為90 m2。純氮肥試驗(yàn)設(shè)4個(gè)水平,施氮量分別為0 kg/hm2、60 kg/hm2、120 kg/hm2、180 kg/hm2,不施磷肥和鉀肥,小區(qū)面積為153 m2。上述肥料均于播種前一次性施入,水分管理與當(dāng)?shù)乇３忠恢?。每小區(qū)設(shè)2個(gè)采樣點(diǎn),共80個(gè)采樣點(diǎn)。于夏玉米拔節(jié)期開展葉片含水率和高光譜測定。

圖1 研究區(qū)玉米試驗(yàn)田位置Fig.1 Location of maize test field in the study area

1.2 數(shù)據(jù)獲取與處理

1.2.1 葉片高光譜測定 于玉米拔節(jié)期,選取晴朗無風(fēng)日(7月3日)采用非成像全光譜地物波譜儀SVC HR-1024i(美國Spectrum Vista公司產(chǎn)品)獲取夏玉米葉片高光譜數(shù)據(jù)。測定時(shí)間為10:00-12:00,每隔30 min進(jìn)行一次白板校正。光譜測定范圍350～2 500 nm,其中350～1 000 nm光譜分辨率為3.5 nm,1 001～1 850 nm光譜分辨率為9.5 nm,1 851～2 500 nm光譜分辨率為6.5 nm。測量前使用紙巾將葉片表面擦拭干凈,在玉米葉片尖部、中部、基部各測量3次,每片葉片測9次,每個(gè)樣點(diǎn)測3張葉片,共獲得測27條光譜曲線。

1.2.2 玉米葉片含水率測定 采用烘干法進(jìn)行玉米葉片含水率測定:首先稱取光譜測定后的玉米葉片鮮質(zhì)量,然后將鮮葉置于烘箱中105 ℃殺青30 min,殺青結(jié)束后80 ℃烘72 h至質(zhì)量恒定。玉米葉片含水率計(jì)算公式為:

(1)

式中:LWC表示葉片含水率,Wf表示葉片鮮質(zhì)量,Wd表示葉片干質(zhì)量。

1.2.3 高光譜數(shù)據(jù)處理和光譜指數(shù)構(gòu)建 利用SVC HR-1024i光譜儀自帶的軟件對(duì)原始光譜數(shù)據(jù)進(jìn)行350～2 500 nm重采樣,采樣間隔為1 nm,取每個(gè)樣點(diǎn)重采樣之后的27條光譜曲線平均值為該樣點(diǎn)的原始光譜(PS)曲線。進(jìn)一步利用Excel 2019和MATLAB R2019b軟件對(duì)原始光譜分別進(jìn)行一階導(dǎo)數(shù)(FDS)和標(biāo)準(zhǔn)正態(tài)分布(SNV)的變換。

為了分析光譜指數(shù)與玉米葉片含水率之間的相關(guān)關(guān)系,本研究利用原始光譜、一階導(dǎo)數(shù)光譜和標(biāo)準(zhǔn)正態(tài)分布光譜分別構(gòu)建任意兩波段差值光譜指數(shù)(DSI)[11]、比值光譜指數(shù)(RSI)[12]和歸一化光譜指數(shù)(NDSI)[13],其計(jì)算公式如下:

DSI=Ri-Rj

(2)

(3)

(4)

式中,i和j分別表示波長,Ri和Rj分別表示波長為i和j時(shí)對(duì)應(yīng)的光譜反射率。

1.3 模型構(gòu)建和精度檢驗(yàn)

以原始光譜、一階導(dǎo)數(shù)光譜和標(biāo)準(zhǔn)正態(tài)分布光譜構(gòu)建的任意兩波段3種光譜指數(shù)(RSI、DSI、NDSI)分別與夏玉米葉片含水率進(jìn)行相關(guān)性分析,選取3種光譜下相關(guān)性最高的光譜指數(shù)為參數(shù),分別建立玉米葉片含水率的指數(shù)、線性、對(duì)數(shù)、乘冪和多項(xiàng)式估算模型,比較篩選得到夏玉米葉片含水率單因素估算優(yōu)化模型;進(jìn)一步以相關(guān)性最高的光譜指數(shù)為參數(shù),基于支持向量回歸算法(SVR)、反向傳播神經(jīng)網(wǎng)絡(luò)回歸算法(BPNN)和麻雀搜索優(yōu)化隨機(jī)森林回歸算法(SSA-RFR),構(gòu)建玉米葉片含水率多因素估算模型。單因素模型和多因素模型分別利用Excel 2019和MATLAB R2019b軟件建立與實(shí)現(xiàn)。

本研究對(duì)80個(gè)樣本按3∶1比例進(jìn)行隨機(jī)抽樣,分為建模樣本60個(gè),驗(yàn)證樣本20個(gè)。采用決定系數(shù)(R2)、均方根誤差(RMSE)和相對(duì)誤差(RE)來評(píng)價(jià)模型精度,計(jì)算算法如下:

(5)

(6)

(7)

2 結(jié)果與分析

2.1 夏玉米葉片含水率與高光譜特征分析

不同數(shù)據(jù)集葉片含水率的統(tǒng)計(jì)特征如表2所示。由表2可知,總數(shù)據(jù)集玉米葉片含水率最大值為80.67%,最小值為72.62%,極差為8.05個(gè)百分點(diǎn)。采用等距離方式將含水率劃分為5個(gè)等級(jí),分別統(tǒng)計(jì)5個(gè)等級(jí)的樣本數(shù),結(jié)果如圖2所示。

由圖2可知,玉米葉片含水率的分布近似于標(biāo)準(zhǔn)正態(tài)分布,含水率75.85%～77.45%的樣本數(shù)最多,占總樣本數(shù)的32.5%。不同含水率玉米葉片的高光譜曲線如圖3所示。其中,在可見光波段(390～780 nm)和近紅外波段(781～1 300 nm),反射率最高和反射率最低分別對(duì)應(yīng)含水率最低和含水率最高的梯度范圍,含水率74.24%～79.06%時(shí),光譜曲線變化與含水率之間沒有明顯變化規(guī)律,說明在上述波段范圍內(nèi)玉米葉片含水率不是導(dǎo)致光譜變化的主導(dǎo)因子。在短波紅外波段(1 301～2 500 nm),則嚴(yán)格遵循隨著葉片含水率的降低光譜反射率逐漸升高這一規(guī)律,因此該波段對(duì)玉米葉片水分含量變化更為敏感,是估算玉米葉片含水率的理想波段。以玉米葉片含水率中位數(shù)(76.07%)的原始光譜為依據(jù)繪制的玉米葉片一階導(dǎo)數(shù)光譜和標(biāo)準(zhǔn)正態(tài)分布光譜如圖4所示。其中一階導(dǎo)數(shù)光譜相較于原始光譜變化明顯,反射率大多集中于(-0.001,0.001);標(biāo)準(zhǔn)正態(tài)分布光譜與原始光譜變化趨勢相同,但是反射率的變化區(qū)間發(fā)生了較大變化,反射率最小值為-1.37,最大值為1.53。

表2 不同數(shù)據(jù)集玉米葉片含水率統(tǒng)計(jì)特征

a:72.62%～74.23%;b:74.24%～75.84%;c:75.85%～77.45%;d:77.46%～79.06%;e:79.07%～80.67%。圖2 玉米葉片含水率樣本分布Fig.2 Sample distribution of maize leaf moisture content

圖3 不同含水率玉米葉片高光譜變化特征Fig.3 Hyperspectral variation characteristics of maize leaves with different moisture contents

a:一階導(dǎo)數(shù)光譜; b:標(biāo)準(zhǔn)正態(tài)分布光譜。圖4 玉米葉片變換光譜特征Fig.4 Characteristics of transformed spectrum of maize leaves

2.2 不同光譜與玉米葉片含水率相關(guān)性分析

原始光譜、一階導(dǎo)數(shù)光譜及標(biāo)準(zhǔn)正態(tài)分布光譜與玉米葉片含水率相關(guān)性如圖5所示。由圖5可知,原始光譜在全波段都與葉片含水率呈負(fù)相關(guān),僅在400 nm和1 000 nm附近與玉米葉片含水率相關(guān)性沒有達(dá)到極顯著水平(P>0.01),相關(guān)性達(dá)到極顯著性水平(P<0.01)的敏感波段數(shù)為1 869個(gè),相關(guān)系數(shù)絕對(duì)值最大值出現(xiàn)在1 878 nm處,對(duì)應(yīng)相關(guān)系數(shù)為-0.76。一階導(dǎo)數(shù)光譜和標(biāo)準(zhǔn)正態(tài)分布光譜與玉米葉片含水率相關(guān)性達(dá)到極顯著性水平的敏感波段數(shù)分別為1 480個(gè)和1 944個(gè),相關(guān)系數(shù)絕對(duì)值最大值分別出現(xiàn)在1 888 nm和1 399 nm處,對(duì)應(yīng)的相關(guān)系數(shù)分別為0.77和-0.75。與原始光譜相比,一階導(dǎo)數(shù)光譜和標(biāo)準(zhǔn)正態(tài)分布光譜與葉片含水率的相關(guān)系數(shù)波動(dòng)性增加;一階導(dǎo)數(shù)光譜中相關(guān)性達(dá)到極顯著水平的敏感波段數(shù)比原始光譜有所減少,而標(biāo)準(zhǔn)正態(tài)分布光譜敏感波段數(shù)最多。總體來看,經(jīng)過光譜變換后,開始出現(xiàn)正相關(guān)和負(fù)相關(guān),整體相關(guān)性都較好。

a:原始光譜; b:一階導(dǎo)數(shù)光譜; c:標(biāo)準(zhǔn)正態(tài)分布光譜。圖5 不同光譜與玉米葉片含水率的相關(guān)性Fig.5 Correlation between different spectra and moisture content of maize leaves

2.3 不同光譜指數(shù)與玉米葉片含水率相關(guān)性分析

原始光譜、一階導(dǎo)數(shù)光譜和標(biāo)準(zhǔn)正態(tài)分布光譜下,不同光譜指數(shù)與葉片含水率相關(guān)系數(shù)絕對(duì)值最大值及其對(duì)應(yīng)波長如表3所示。3種光譜指數(shù)與葉片含水率的相關(guān)系數(shù)絕對(duì)值范圍在0.79至0.83之間,且入選波長相對(duì)集中,主要分布在1 300～1 500 nm、1 700～1 900 nm和2 300～2 500 nm。與原始光譜相比,基于一階導(dǎo)數(shù)光譜和標(biāo)準(zhǔn)正態(tài)分布光譜得到的相關(guān)系數(shù)絕對(duì)值均有所提高,一階導(dǎo)數(shù)光譜提升較大,RSI和NDSI與葉片含水率的相關(guān)系數(shù)絕對(duì)值均達(dá)到0.83;標(biāo)準(zhǔn)正態(tài)分布光譜下,NDSI的相關(guān)性提升不明顯,DSI的最大相關(guān)系數(shù)達(dá)到0.82。3種光譜相比,基于一階導(dǎo)數(shù)光譜構(gòu)建的光譜指數(shù)與葉片含水率相關(guān)性更好,說明一階導(dǎo)數(shù)光譜為最優(yōu)光譜變換類型。

2.4 夏玉米葉片含水率單因素模型構(gòu)建及精度評(píng)價(jià)

3種光譜下,基于表3得到的最優(yōu)光譜指數(shù)分別構(gòu)建夏玉米葉片含水率的指數(shù)、線性、對(duì)數(shù)、乘冪和多項(xiàng)式估算模型,篩選出的最佳模型如表4所示。由表4可知,原始光譜和一階導(dǎo)數(shù)光譜均以RSI為自變量的線性函數(shù)為最佳模型,而標(biāo)準(zhǔn)正態(tài)分布光譜則以歸一化光譜指數(shù)(NDSI)為自變量的一元二次函數(shù)為最佳模型?；谝浑A導(dǎo)數(shù)光譜和RSI構(gòu)建的線性模型建模集決定系數(shù)(R2)最高,RMSE和RE均為最低。但該模型驗(yàn)證集的決定系數(shù)和RMSE均不及原始光譜和標(biāo)準(zhǔn)正態(tài)分布光譜構(gòu)建的模型。綜合建模集和驗(yàn)證集結(jié)果來看,以標(biāo)準(zhǔn)正態(tài)分布光譜和歸一化光譜指數(shù)(NDSI)構(gòu)建的一元二次函數(shù)模型為玉米葉片含水量最優(yōu)估算模型。

表3 不同光譜指數(shù)最佳波段組合

2.5 夏玉米葉片含水率多因素估算模型構(gòu)建及精度評(píng)價(jià)

由于多因素模型的模擬效果一般要優(yōu)于單因素模型[14-16],因此,以表3中的9個(gè)光譜指數(shù)為自變量,玉米葉片含水率為因變量,構(gòu)建基于支持向量回歸算法(SVR)、反向傳播神經(jīng)網(wǎng)絡(luò)回歸算法(BPNN)和麻雀搜索隨機(jī)森林回歸算法(SSA-RFR)的玉米葉片含水率多因素估算模型。3種算法下構(gòu)建的多因素模型精度如表5所示。結(jié)果顯示,基于麻雀搜索隨機(jī)森林回歸算法構(gòu)建的模型精度最高,決定系數(shù)(R2)達(dá)到0.78,RMSE和RE分別為1.14%和1.09%,均為最低,基于反向傳播神經(jīng)網(wǎng)絡(luò)回歸算法和支持向量回歸算法構(gòu)建的模型建模精度稍低。綜合來看,基于麻雀搜索隨機(jī)森林回歸算法構(gòu)建的模型為最優(yōu)模型,其次為基于反向傳播神經(jīng)網(wǎng)絡(luò)回歸算法構(gòu)建的模型,基于支持向量回歸算法構(gòu)建的模型相對(duì)較差。

表4 不同光譜曲線及最優(yōu)光譜指數(shù)構(gòu)建的玉米葉片含水率單因素估算模型及精度

表5 基于不同算法的玉米葉片含水率多因素估算模型的精度比較

2.6 模型驗(yàn)證

最優(yōu)單因素模型和基于3種算法的多因素模型驗(yàn)證結(jié)果如圖6所示。綜合來看,3種多因素模型的模擬效果都優(yōu)于單因素模型。基于麻雀搜索隨機(jī)森林回歸算法模型實(shí)測值與預(yù)測值擬合線更接近1∶1線,因此該模型預(yù)測能力最好,精度最高。當(dāng)玉米葉片含水量實(shí)測值低時(shí),4個(gè)模型的預(yù)測結(jié)果一般比實(shí)際值大,而當(dāng)實(shí)際含水量高時(shí),預(yù)測結(jié)果比實(shí)際值小。

3 討 論

本研究發(fā)現(xiàn)玉米葉片光譜反射率在短波紅外波段較可見光波段和近紅外波段對(duì)葉片水分含量波動(dòng)更為敏感,且隨著葉片水分含量的減少光譜反射率逐漸升高,這與前人研究結(jié)果一致[17-18]。其原因在于,隨著葉片水分含量的減少,葉片細(xì)胞質(zhì)壁分離度逐步增加,進(jìn)而導(dǎo)致短波紅外波段光譜反射率的上升。受葉片表面物理特征(葉片粗糙度、角質(zhì)層等)和內(nèi)部結(jié)構(gòu)(葉綠素含量等)因素的影響,單一波段原始光譜難以全面反映玉米葉片含水率的狀況。高光譜數(shù)據(jù)具有波段多且窄的特點(diǎn),信息量大,同時(shí)冗余多,光譜變換和光譜指數(shù)的構(gòu)建能降低背景噪聲和增強(qiáng)光譜信息的響應(yīng)強(qiáng)度,提高光譜信息的利用率及估算模型精度[19-20]?；谧儞Q光譜構(gòu)建的光譜指數(shù)與玉米葉片含水率相關(guān)系數(shù)絕對(duì)值得到了提高,這與Tucher[21]和李永梅等[22]的研究結(jié)果一致。本研究構(gòu)建DSI、RSI和NDSI等指標(biāo)所用波段集中在1 300～1 500 nm、1 700～1 900 nm和2 300～2 500 nm等波段,與Yu等[23]研究結(jié)果類似,這說明利用短波紅外波段的光譜數(shù)據(jù)構(gòu)建光譜指數(shù)估算作物葉片含水率是可靠的。

a:基于標(biāo)準(zhǔn)正態(tài)分布光譜和歸一化光譜指數(shù)的葉片含水量估算模型;b: 基于支持向量回歸算法的葉片含水率估算模型;c: 基于反向傳播神經(jīng)網(wǎng)絡(luò)回歸算法的葉片含水率估算模型;d: 基于麻雀搜索隨機(jī)森林回歸算法的葉片含水率估算模型。R2:決定系數(shù);RMSE:均方根誤差;RE:相對(duì)誤差。圖6 不同模型模擬效果比較Fig.6 Comparison of simulation effects of different models

本研究利用單因素模型和基于機(jī)器學(xué)習(xí)的多因素模型對(duì)玉米葉片含水率進(jìn)行估算,其中多因素模型的模擬效果明顯優(yōu)于單因素模型,這與前人研究結(jié)果[24]基本一致。主要由于單因素模型所用信息少,沒有涵蓋影響玉米葉片含水率的眾多要素,因此模型精度不如多因素模型。多因素模型中以基于麻雀搜索隨機(jī)森林回歸算法(SSA-RFR)構(gòu)建的模型效果最好。隨機(jī)森林回歸算法中的隨機(jī)性使得該方法不易出現(xiàn)過擬合現(xiàn)象,且抗噪能力和泛化能力強(qiáng),是處理非線性問題的一種良好選擇。麻雀搜索算法(SSA)的應(yīng)用,能快速優(yōu)化隨機(jī)森林模型內(nèi)部參數(shù),從而提高模型估算精度。目前,麻雀搜索算法和隨機(jī)森林回歸算法在農(nóng)業(yè)遙感中集合應(yīng)用還未有報(bào)道,本研究中首次將2種算法結(jié)合應(yīng)用于玉米葉片含水率估算,取得了較好的效果。然而,本研究建立的模型普遍存在低值高估和高值低估的現(xiàn)象,這可能與處理中玉米葉片水分含量差異較小有關(guān)。一般來說,數(shù)據(jù)集的變異較小時(shí),估算模型的精度會(huì)受到一定影響[25-26]。因此,在后續(xù)研究中尚需進(jìn)一步優(yōu)化模型,以提高模型的估算精度。

玉米拔節(jié)期開始出現(xiàn)雌雄穗分化,特別是雄穗形成后,雌穗開始小花、小穗分化,對(duì)水分要求較大[27]。對(duì)該時(shí)期玉米葉片含水量的遙感監(jiān)測,可更好地指導(dǎo)田間水分管理。本研究中僅對(duì)關(guān)中地區(qū)夏玉米拔節(jié)期的葉片含水率進(jìn)行了監(jiān)測,在將來的研究中,可結(jié)合無人機(jī)進(jìn)行全生長期的葉片含水率監(jiān)測及玉米葉片適宜含水率的分析,進(jìn)而實(shí)現(xiàn)精確的區(qū)域農(nóng)田水分管理。