范劍 尤慧 劉凱文 高華東

（1 荊州市氣象局，荊州 434020；2 江漢平原生態(tài)氣象遙感監(jiān)測技術(shù)協(xié)同創(chuàng)新中心，荊州 434025；3 湖北省荊州農(nóng)業(yè)氣象試驗(yàn)站，荊州 434025）

0 引言

播期是田間管理的一個重要因子，作物不同播期的變化，其光、溫、降水等時空位與質(zhì)量就會有差別，對作物生長發(fā)育、產(chǎn)量、品質(zhì)等會造成一定的影響[1]。聶居超等[2]通過對6個玉米品種在5個不同播期處理下產(chǎn)量、產(chǎn)量構(gòu)成因素及相關(guān)性狀和抗病性研究中指出，適時早播能延長玉米生育期，并獲得高產(chǎn)。張寧等[3]在對不同播期夏玉米研究中指出，播期每提前1d，灌漿時間延長0.74 d，產(chǎn)量增加9%～13.9%。劉艷陽[4]指出隨播期推遲，小麥全生育期所需天數(shù)縮短，播期與產(chǎn)量呈極顯著二次曲線關(guān)系，并對出粉率、籽粒蛋白質(zhì)含量、濕面筋含量、淀粉含量等有明顯影響。

葉面積指數(shù)（Leaf area index，LAI ）是反映作物生理生化過程和生產(chǎn)力狀況的良好指標(biāo)，對農(nóng)作物長勢監(jiān)測和產(chǎn)量估測等應(yīng)用具有重要意義[5]。傳統(tǒng)的作物L(fēng)AI監(jiān)測方法（如方格法、激光葉面積法、數(shù)碼圖像處理法等），雖然能相對準(zhǔn)確地獲得小范圍LAI，但成本高、效率低并具有一定的破壞性[6]。高光譜遙感的出現(xiàn)，為實(shí)現(xiàn)大范圍LAI的快速、高效、無損監(jiān)測提供了有力的技術(shù)手段，并得到了有效的應(yīng)用。梁亮等[7]選取18種高光譜指數(shù)進(jìn)行比較分析，篩選出敏感高光譜指數(shù)模型OSAVI，并結(jié)合地面光譜樣本數(shù)據(jù)建立統(tǒng)一的小麥LAI的反演模型。馬驛等[6]通過選取12個光譜特征參數(shù)和11個植被指數(shù)，建立油菜6葉期至角果期LAI的5種線性和非線性定量反演模型，并指出采用統(tǒng)一參數(shù)建模難以準(zhǔn)確估算全生育期LAI，不同生長時期需進(jìn)行植被指數(shù)分段建模估算LAI。賀佳等[8]通過相關(guān)分析、回歸分析等統(tǒng)計(jì)方法，利用5種高光譜指數(shù)OSAVI、 EVI、NVI、mNDVI、mSRI研究不同氮磷水平下冬小麥不同生育時期葉面積指數(shù)監(jiān)測模型。當(dāng)前國內(nèi)外相關(guān)研究主要集中在針對作物生長發(fā)育及品質(zhì)產(chǎn)量等的影響研究或是不同氮素水平下的作物L(fēng)AI反演研究，并建立作物統(tǒng)一的LAI監(jiān)測模型，然而單一的監(jiān)測模型易受播種時間、小麥品種、氣候等因素的影響，導(dǎo)致LAI反演精度不高。

由于各種環(huán)境、氣候、社會因素（如地理位置、小麥品種、氣候條件等）都會造成小麥播種時間的差異，因此通過分析不同播期冬小麥的冠層光譜響應(yīng)規(guī)律以構(gòu)建不同播期LAI監(jiān)測模型，具有一定的意義。本文擬通過對不同播期的田間試驗(yàn)，在同步獲取分蘗至乳熟期冠層光譜與LAI的基礎(chǔ)上，結(jié)合不同播期及混合播期的LAI與植被指數(shù)之間的定量關(guān)系，構(gòu)建不同播期LAI高光譜遙感監(jiān)測模型。此外，將4個播期所有生育期的冠層光譜及LAI數(shù)據(jù)進(jìn)行組合，模擬出一個混合播期，并進(jìn)行研究分析。旨在為不同播期水平下冬小麥長勢監(jiān)測和小麥生產(chǎn)的宏觀管理調(diào)控等提供理論依據(jù)和技術(shù)支撐。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

冬小麥分期播種試驗(yàn)于2016年10月—2017年6月，在中國氣象局荊州農(nóng)業(yè)氣象試驗(yàn)站（30°21′N，112°09′E）進(jìn)行，播種期為以當(dāng)?shù)爻Ｄ甏筇飳?shí)際播種期（10月30日）為界，提前10 d播種為播期1，正常播種為播期2，比正常播種晚10 d播種為播期3，晚20 d為播期4，共播種4期，每期分3個重復(fù)，每個試驗(yàn)地塊面積為20 m2，各地塊間留0.5 m保護(hù)間隔。小麥種植品種為“鄭麥9023”，種植方式采用南北方向條播，保持良好的通風(fēng)透光，行距統(tǒng)一為20cm，研究區(qū)各個試驗(yàn)地塊在小麥生長期采用基本一致的施肥和灌溉管理。

1.2 小麥冠層光譜與參數(shù)獲取

冬小麥冠層光譜反射率的測定采用ASD HandHeld2手持式地物光譜儀，該光譜儀的光譜范圍為325～1075 nm，光譜采樣間隔約1.5 nm。選擇天氣晴朗、無云無風(fēng)的天氣進(jìn)行監(jiān)測，測定時間控制在北京時間10:00—14:00，分別測定不同播期小麥分蘗期、拔節(jié)期、孕穗期、抽穗期、開花期、乳熟期的冠層光譜反射率，每個生長期每隔8 d左右進(jìn)行一次觀測。測量時，傳感器距離小麥冠層頂部高度約1m，探頭垂直向下。每個試驗(yàn)樣本區(qū)每次記錄5條光譜曲線，重復(fù)測定3次，計(jì)算該15條曲線的平均值作為該樣本小區(qū)的冠層反射率值。每半小時用參考板對儀器進(jìn)行一次校正以消除環(huán)境變化所帶來的影響。

1.3 葉面積指數(shù)測定

在冬小麥冠層光譜反射率監(jiān)測的相應(yīng)位置處，連續(xù)取10株長勢較均勻的小麥，采用面積系數(shù)法計(jì)算冬小麥葉面積指數(shù)。通過測定單株上各葉片長寬乘積之和與校正系數(shù)之積，根據(jù)單株葉面積與1 m2密度之積/10000，求得該區(qū)小麥葉面積指數(shù)。

1.4 植被指數(shù)選取

研究采用如表1所示具有代表性的8種植被指數(shù)進(jìn)行不同播期冬小麥LAI的監(jiān)測，并以不同植被指數(shù)為自變量，小麥實(shí)測LAI為因變量，進(jìn)行冬小麥LAI高光譜遙感監(jiān)測模型的建立。其中播期1、播期2、播期3及播期4參與計(jì)算的采樣數(shù)據(jù)量（n）分別為66，64，58及64組。

表1 本文采用的植被指數(shù)Table 1 The vegetation indices

1.5 數(shù)據(jù)處理與分析

利用ViewSpec軟件對采集的冠層光譜數(shù)據(jù)進(jìn)行預(yù)處理，首先對每個采樣點(diǎn)采集的光譜數(shù)據(jù)進(jìn)行篩選，剔除變化差異較大的誤差數(shù)據(jù)后計(jì)算平均，作為該樣本點(diǎn)的光譜反射率數(shù)據(jù)。其次，為了減弱噪聲對實(shí)際光譜數(shù)據(jù)的影響，將原始光譜反射率在325～400 nm范圍內(nèi)的數(shù)據(jù)進(jìn)行剔除，以便于進(jìn)行數(shù)學(xué)分析及監(jiān)測模型的建立。再基于SPSS和Excel軟件分別對4個播期和基于該4個播期的同生育期數(shù)據(jù)分別進(jìn)行平均處理后模擬出的混合播期數(shù)據(jù)進(jìn)行相關(guān)統(tǒng)計(jì)計(jì)算分析。

2 結(jié)果與分析

2.1 不同播期冬小麥光譜變化分析

隨著播期的不同，冬小麥冠層反射率光譜存在不同的響應(yīng)。圖1為不同播期小麥在同一時段觀測的冠層光譜均值曲線，此時播期1處于孕穗末期，播期2為孕穗始期，播期3和播期4均為拔節(jié)期?？梢钥闯鲈?50 nm附近出現(xiàn)小的反射峰，不同播期差異較??；在760～1075 nm，不同播期光譜反射率出現(xiàn)明顯差異，反射率隨著播期的延后而減??；在970 nm附近光譜反射率出現(xiàn)吸收谷，并隨著播期的延后，吸收谷有加深的趨勢。

圖1 不同播期下冠層光譜反射率的變化Fig. 1 Changes in spectral reflectance of canopy at different sowing dates

2.2 冬小麥冠層反射率與葉面積指數(shù)的相關(guān)性

將4個播期及利用所有播期模擬的混合播期的冬小麥冠層反射率分別與其對應(yīng)LAI進(jìn)行相關(guān)分析（圖2）。從圖中可以看出，4個播期處理及混合播期的LAI隨冠層光譜反射率的變化規(guī)律相似。從播期1（圖2a）中可以看出，在400～727 nm冬小麥冠層光譜反射率與LAI呈顯著負(fù)相關(guān)（P＜0.05），在743～1075 nm呈極顯著正相關(guān)（P＜0.01）；播期2（圖2b）在400～721nm為顯著負(fù)相關(guān)（P＜0.05），在749～1075 nm為極顯著正相關(guān)（P＜0.01）；播期3（圖2c）在400～728 nm為極顯著負(fù)相關(guān)（P＜0.01），在745～1075 nm呈極顯著正相關(guān)（P＜0.01）；播期4（圖2d）在400～717nm為極顯著負(fù)相關(guān)（P＜0.01），在732～1075 nm呈極顯著正相關(guān)（P＜0.01）；混合播期（圖2e）在400～725 nm冬小麥冠層光譜反射率與LAI呈極顯著負(fù)相關(guān)（P＜0.01），在735～1075 nm呈極顯著正相關(guān)（P＜0.01）。

通過分析，在467 nm藍(lán)光波段處有最大負(fù)相關(guān)，相關(guān)系數(shù)約為—0.81；紅光波段最大相關(guān)在651 nm，相關(guān)系數(shù)為—0.8，綠光波段最大相關(guān)在491 nm，相關(guān)系數(shù)為—0.801；近紅外波段824 nm處有最大正相關(guān)，相關(guān)系數(shù)為0.762。因而植被指數(shù)計(jì)算時紅光波段波長選用651 nm，綠光波段波長為491 nm，藍(lán)光波段波長為467 nm，近紅外波段波長為824 nm。

2.3 不同播期及混合播期植被指數(shù)相關(guān)性分析

圖2 不同播期下冬小麥冠層反射率與LAI的相關(guān)性（a～e分別為不同播期及混合播期冬小麥冠層光譜反射率與LAI的相關(guān)性）Fig.2 Correlation between canopy reflectance and LAI of winter wheat in different sowing dates(a-e shows the correlation between spectral reflectance and LAI of winter wheat canopy at different sowing dates and all sowing dates together)

通過表1計(jì)算8種植被指數(shù)，分析不同播期及混合播期冬小麥LAI與對應(yīng)植被指數(shù)的相關(guān)性（表2）。從表2中可以看出，混合播期不同植被指數(shù)與LAI均達(dá)到極顯著性相關(guān)水平（P＜0.01），相關(guān)系數(shù)（r）范圍為0.798～0.891，按照統(tǒng)計(jì)學(xué)規(guī)定，植被指數(shù)與LAI 相關(guān)系數(shù)均達(dá)到中度到高度相關(guān)水平；播期1的植被指數(shù)與LAI為顯著相關(guān)（P＜0.05），r為0.506～0.799，達(dá)中度相關(guān)水平；播期2的8種植被指數(shù)與LAI為極顯著相關(guān)水平（P＜0.01），r為0.615～0.898，達(dá)中度相關(guān)水平；播期3的植被指數(shù)與LAI達(dá)到極顯著相關(guān)水平（P＜0.01），r為0.828～0.952，植被指數(shù)與LAI為高度相關(guān)水平；播期4中植被指數(shù)與LAI為極顯著相關(guān)（P＜0.01），r為0.863～0.894，植被指數(shù)與LAI為高度相關(guān)；因此所選的8種植被指數(shù)均可用來監(jiān)測不同播期的冬小麥LAI，以作為構(gòu)建冬小麥LAI監(jiān)測模型參數(shù)。

2.4 不同播期葉面積指數(shù)監(jiān)測模型的擬合與驗(yàn)證

將LAI與8種植被指數(shù)分別進(jìn)行擬合，建立不同播期及混合播期冬小麥LAI分期監(jiān)測模型（表3），并以試驗(yàn)田實(shí)測LAI與反演LAI數(shù)據(jù)（n=60）進(jìn)行擬合模型的驗(yàn)證?？梢园l(fā)現(xiàn)，在混合播期中植被指數(shù)NDGI與LAI之間線性關(guān)系極顯著，R2為0.798，F(xiàn)統(tǒng)計(jì)量為243.192，實(shí)測LAI與反演LAI的均方根誤差（RMSE）為0.91；播期1基于EVI2建立的監(jiān)測模型具有較高的擬合精度，R2和F統(tǒng)計(jì)量分別為0.803和76.187，通過對EVI2監(jiān)測模型的驗(yàn)證，RMSE為0.81，監(jiān)測效果較好；播期2、播期3均能基于NDGI建立較高精度的擬合模型，R2分別為0.823和0.907，F(xiàn)統(tǒng)計(jì)量分別為86.278和127.057，RMSE分別為0.78和0.63，通過驗(yàn)證，NDGI監(jiān)測模型對播期2及播期3具有較好的驗(yàn)證效果；播期4基于mNDVI建立的監(jiān)測模型具有較高的擬合精度，R2和F統(tǒng)計(jì)量分別為0.819和75.698，RMSE為0.82。

表2 不同播期植被指數(shù)與葉面積指數(shù)的相關(guān)系數(shù)Table 2 Correlation coefficients between vegetation indices and leaf area index at different sowing dates

從表3中可知，混合播期及播期2和播期3冬小麥葉面積指數(shù)反演模型參數(shù)中均以NDGI為最佳擬合光譜參數(shù)，播期1和播期4分別以植被指數(shù)EVI2和mNDVI擬合效果最好。通過綜合比較分析來看，混合播期的擬合模型雖然具有一定的普適性，反演效果較好，但不同播期的分期監(jiān)測模型較混合播期統(tǒng)一擬合模型效果更佳，驗(yàn)證精度也更高，并且播期3的擬合效果最佳。因此對于不同播期的冬小麥LAI的監(jiān)測時，應(yīng)建立不同播期的分期監(jiān)測模型，其中播期1的監(jiān)測模型為LAI＝10.401×EVI2－0.456；播期2監(jiān)測模型為LAI＝63.276×NDGI＋0.5884；播期3為LAI＝66.174×NDGI＋0.5712；播期4為LAI＝14.181×mNDVI－4.8695。

3 結(jié)論

1）隨著播期的不同，冬小麥冠層反射率光譜存在不同的響應(yīng)。冬小麥LAI與冠層光譜反射率在近紅外波段、紅光波段、綠光波段和藍(lán)光波段的最大相關(guān)波長分別為824，651，491和467 nm。通過分析不同播期及混合播期8種植被指數(shù)與LAI的相關(guān)性，發(fā)現(xiàn)不同類型的植被指數(shù)與LAI呈極顯著相關(guān)。在混合播期及播期2、播期3中植被指數(shù)NDGI與LAI之間相關(guān)性最高，播期1和播期4分別以EVI2和mNDVI為最佳。

2）通過監(jiān)測模型擬合及驗(yàn)證可知，混合播期的擬合模型雖然具有一定的普適性，但是播期1至播期4的分期監(jiān)測模型較混合播期統(tǒng)一監(jiān)測模型的擬合效果更好，精度更高，并且播期3的擬合效果及精度最高。因此，反演不同播期的LAI時通過建立統(tǒng)一監(jiān)測模型的精度較差，應(yīng)根據(jù)不同播期建立LAI分期監(jiān)測模型更合理，并且LAI估測的最佳播期為播期3。

高光譜數(shù)據(jù)波段數(shù)目多，數(shù)據(jù)量龐大，且不同植被指數(shù)具有各自的特點(diǎn)和優(yōu)勢，但在如何進(jìn)行植被指數(shù)的篩選及監(jiān)測模型的建立上，仍需不斷探索和研究。由于本研究是基于田間小區(qū)試驗(yàn)條件下得到的，氣候及相關(guān)影響因素同質(zhì)性大，異質(zhì)性低，所建立的不同播期分期監(jiān)測模型雖然精確性較高，但適用范圍可能較窄，存在一定的局限性。因此，未來的研究方向應(yīng)集中在不同播期的不同耕作類型、品種、生態(tài)條件下的LAI大面積、高精度光譜監(jiān)測。

表3 不同播期冬小麥LAI與植被指數(shù)的定量關(guān)系Table 3 Quantitative relationship between LAI and the vegetation indices of winter wheat with different sowing dates