侯學(xué)會(huì)，王 猛，高 帥，隋學(xué)艷，梁守真

(1.農(nóng)業(yè)農(nóng)村部華東都市農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室/山東省農(nóng)業(yè)可持續(xù)發(fā)展研究所，山東濟(jì)南 250100；2.中國(guó)科學(xué)院遙感與數(shù)學(xué)地球研究所 遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100101)

作物含水量是表征作物長(zhǎng)勢(shì)狀況的重要因子，已成為遙感監(jiān)測(cè)作物長(zhǎng)勢(shì)的重要研究?jī)?nèi)容之一。目前，基于遙感技術(shù)進(jìn)行作物冠層含水量監(jiān)測(cè)主要采用物理模型和統(tǒng)計(jì)模型兩種方法。物理模型綜合考慮了作物葉片、冠層、土壤和觀測(cè)情況等因素，更能反映復(fù)雜的地表環(huán)境，反演精度相對(duì)較高，被廣泛應(yīng)用于冠層生化參數(shù)反演。目前應(yīng)用最廣泛的物理模型為PROSAIL模型[1]。如宋小寧等[2]基于Hyperion數(shù)據(jù)實(shí)現(xiàn)了玉米冠層含水量的區(qū)域反演，Cheng等[3-4]基于PROSAIL模擬和機(jī)載高光譜數(shù)據(jù)實(shí)現(xiàn)了不同植被覆蓋下的冠層含水量反演。統(tǒng)計(jì)模型法主要是建立光譜指數(shù)或光譜指數(shù)變型與地面實(shí)測(cè)植被含水量的線性、指數(shù)、多項(xiàng)式等統(tǒng)計(jì)模型，進(jìn)行含水量反演，統(tǒng)計(jì)法簡(jiǎn)單易懂，是估算植被含水量的常用方法[5]。如程曉娟等[6]對(duì)比發(fā)現(xiàn)，綜合EVI和NDWI中構(gòu)建的新指數(shù)對(duì)估算冬小麥冠層含水量具有更好的優(yōu)勢(shì)。而王 強(qiáng)等[7]通過(guò)對(duì)地面實(shí)測(cè)棉花冠層高光譜數(shù)據(jù)進(jìn)行所有可能的兩兩組合，構(gòu)建了反演精度更好的新型比值指數(shù)和歸一化指數(shù)。Gao等[8-10]研究發(fā)現(xiàn)，歸一化水分指數(shù)NDWI對(duì)植被冠層水分信息比NDVI更為敏感。隨著植被含水量遙感反演研究的不斷深入，基于光譜特征空間構(gòu)建光譜參量進(jìn)行植被含水量反演又成為許多學(xué)者關(guān)注的熱點(diǎn)之一[11]。如Richardson等[12]利用Nir-Red光譜特征空間的土壤線[13]提出了垂直植被指數(shù)(perpendicular vegetation index，PVI)概念，用來(lái)監(jiān)測(cè)干旱區(qū)作物含水量[14]；而詹志明等[15-18]則建立了反演裸土或低植被覆蓋區(qū)土壤含水量的垂直干旱指數(shù)(perpendicular drought index，PDI)；Ghulam等[19]對(duì)PDI進(jìn)行了改進(jìn)，構(gòu)建了一種改進(jìn)型的垂直干旱指數(shù)(modified perpendiculardrought index，MPDI)，在一定程度上提高了低植被覆蓋區(qū)的植被含水量反演精度[20]；而程曉娟等[21]則利用PDI和PVI的比值形式構(gòu)建一種作物水分遙感監(jiān)測(cè)新指標(biāo)(plant water index，PWI)，來(lái)反演拔節(jié)-開(kāi)花灌漿期的小麥冠層含水量；阿布都瓦斯提·吾拉木等[22]又根據(jù)地物在Nir-Swir光譜特征空間的分異規(guī)律，構(gòu)建了適用于全覆蓋植被冠層的短波紅外作物失水指數(shù)(shortwave infrared perpendicular water stress index，SPSI)；而Feng 等[23]則基于PROSAIL模型，構(gòu)建了基于MODIS數(shù)據(jù)的短波紅外作物失水指數(shù)(modified shortwave infraredperpendicular water stress index，MSPSI)，并開(kāi)展區(qū)域土壤水分監(jiān)測(cè)。

從目前的研究看，基于作物在不同光譜特征空間構(gòu)建的一系列水分指數(shù)均能較好地反演植被水分含量，但已發(fā)表的光譜特征指數(shù)都是基于Nir-Red或Nir-Swir二維光譜特征進(jìn)行構(gòu)建，并沒(méi)有綜合考慮所有波段在水分估算中的優(yōu)勢(shì)和局限。如基于Nir-Red光譜特征空間構(gòu)建的PVI、PDI及MPDI能很好地反映地表覆蓋及其變化，具有較明顯的物理意義，但它們只適宜于低植被覆蓋區(qū)域或者裸土區(qū)域的土壤水分監(jiān)測(cè)，在植被覆蓋度較大的區(qū)域，基于Nir-Red波段探測(cè)植被水分精度有限。而基于Nir-Swir波段構(gòu)建的SPSI引入了對(duì)植被水分比較敏感的短波紅外波段，對(duì)作物含水量反演的精度有所提高，但它是在植被全覆蓋條件下建立的作物失水指數(shù)，且只能在植被葉子因嚴(yán)重缺水而失去水分后有所指示，在低植被覆蓋區(qū)，SPSI無(wú)法消除土壤影響。另外，從植被不同組分的光譜響應(yīng)特征來(lái)看，葉面積指數(shù)、植被生物量等與植被覆蓋度相關(guān)的結(jié)構(gòu)參數(shù)差異主要體現(xiàn)在可見(jiàn)光-近紅外波段，而短波紅外波段反射率主要受植被含水量的影響[24]。因此，本研究嘗試基于植被水分在Nir-Red和Nir-Swir二維光譜特征空間中分異規(guī)律，綜合垂直干旱指數(shù)PDI對(duì)低植被覆蓋區(qū)植被水分監(jiān)測(cè)和短波紅外失水指數(shù)SPSI在估算全覆蓋區(qū)作物冠層含水量的局限和優(yōu)勢(shì)，融合土壤水分和作物水分在近紅外-紅波段-短波紅外(Nir-Red-Swir)三波段上的響應(yīng)，嘗試構(gòu)建一種新的基于三波段光譜特征空間的作物水分監(jiān)測(cè)指數(shù)，并探討、分析該指數(shù)對(duì)不同覆蓋條件下的作物冠層水分遙感反演的 能力。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

1.1.1 小麥植株含水量數(shù)據(jù)

田間試驗(yàn)在中國(guó)科學(xué)院禹城綜合試驗(yàn)站(116.57°E，36.83°N)進(jìn)行，供試小麥品種為濟(jì)麥22，2015年10月12日播種，行距13 cm，基本苗210株·m-2。在返青期、拔節(jié)期、開(kāi)花期和灌漿期分別進(jìn)行地面數(shù)據(jù)采集，對(duì)應(yīng)時(shí)間分別為2016年3月29日、4月18日、5月6日和5月11日。為保證Landsat 8上有純像元，每次在試驗(yàn)區(qū)內(nèi)隨機(jī)選取若干個(gè)60 m×60 m且小麥長(zhǎng)勢(shì)比較均一的小區(qū)，用GPS獲得每個(gè)小區(qū)的四個(gè)角點(diǎn)和中心點(diǎn)經(jīng)緯度，然后在每個(gè)小區(qū)內(nèi)隨機(jī)選兩個(gè)30 cm×30 cm的樣方，對(duì)植株地上部分全部收割。將小麥植株樣品放入密封袋內(nèi)帶回，在實(shí)驗(yàn)室內(nèi)，將冬小麥植株樣品稱(chēng)鮮重(W1)，然后105 ℃殺青，在80 ℃下烘干至恒重，稱(chēng)干重(W2)，按照公式(1)計(jì)算小麥植株含水量(VWC)。2個(gè)樣方的平均值作為小區(qū)的實(shí)測(cè)值，4個(gè)時(shí)期共獲得47個(gè)地面樣方數(shù)據(jù)，其中返青期、拔節(jié)期、開(kāi)花期和灌漿期分別為17、10、10和10個(gè)。

VWC=(W1-W2)/W1×100%

(1)

1.1.2 遙感數(shù)據(jù)

本研究從遙感數(shù)據(jù)共享網(wǎng)站(http://ids.ceode.ac.cn/)獲取覆蓋研究區(qū)的四景Landsat 8 OLI影像，成像時(shí)間分別為2016年3月26日、4月18日、5月4日和5月13日。衛(wèi)星數(shù)據(jù)獲取時(shí)間與地面數(shù)據(jù)采集時(shí)間最大相差3 d，考慮到小麥3 d之內(nèi)地面實(shí)測(cè)光譜變化很小，且研究區(qū)未發(fā)生灌溉和降水，故認(rèn)為地面實(shí)測(cè)數(shù)據(jù)與相近時(shí)間的衛(wèi)星影像數(shù)據(jù)一致?；贓NVI軟件對(duì)獲取的四景Landsat 8 OLI原始數(shù)據(jù)進(jìn)行輻射定標(biāo)，并經(jīng)FLAASH模型進(jìn)行大氣校正，將各個(gè)譜段輻亮度轉(zhuǎn)化為地表反射率，然后基于一景經(jīng)過(guò)幾何精校正的TM影像對(duì)四景數(shù)據(jù)進(jìn)行幾何校正，誤差控制在0.5個(gè)像元內(nèi)。

1.2 研究方法

1.2.1 基于Nir-Red光譜特征空間的垂直干旱指數(shù)(PDI)的計(jì)算

詹志明等[15]根據(jù)土壤水分在Nir-Red光譜特征空間的分布規(guī)律構(gòu)建了基于土壤線的土壤PDI。PDI利用Nir-Red三角形光譜特征空間中任意一點(diǎn)到土壤基線的垂線距離來(lái)表征區(qū)域的干旱狀況，PDI值越大，到土壤基線的垂線的距離越遠(yuǎn)，表征地表越干旱。

(2)

式中M1為土壤在Nir-Red光譜特征空間的土壤線斜率，RRed為紅波段的反射率，RNir為近紅外波段的反射率。

1.2.2 基于Nir-Swir光譜特征空間的短波紅外垂直失水指數(shù)(SPSI)的計(jì)算

阿布都瓦斯提·吾拉木等[22]分析地物 Nir-Swir光譜特征空間的分異規(guī)律時(shí)發(fā)現(xiàn)，在 Nir-Swir光譜特征空間內(nèi)也可以提取土壤線，稱(chēng)為 Nir-Swir基線，并基于Nir-Swir基線構(gòu)建SPSI，監(jiān)測(cè)全植被覆蓋下的作物冠層含水量。

(3)

式中M2為土壤在Nir-Swir二維光譜特征空間的土壤線斜率，RSwir為短波紅外波段的反 射率。

1.2.3 土壤線的提取

土壤線提取主要是基于裸土在Nir-Red或者Nir-Swir的二維光譜空間特征。土壤反射率受多種因素的影響，如土壤肥力、研究區(qū)域、影像獲取時(shí)間以及觀測(cè)角度等[25-29]，導(dǎo)致土壤線不唯一。為了最大程度地消除眾多因素對(duì)土壤線提取精度的影響，本研究基于預(yù)處理后的Landsat 8遙感數(shù)據(jù)，依據(jù)秦其明等[30]的思路分別進(jìn)行Nir-Red(圖1a～圖1d)和Nir-Swir光譜特征空間(圖1e～圖1h)的土壤線自動(dòng)提取。本研究使用的短波紅外波段是對(duì)作物水分更敏感的Landsat 8第6波段(1 550～1 750 nm)[8，31]。

1.2.4 綜合Nir-Red-Swir三維光譜特征的作物水分指數(shù)構(gòu)建

本研究嘗試綜合PDI在表征土壤水分和SPSI在表征全覆蓋條件下作物水分的優(yōu)勢(shì)，基于土壤水分和作物水分在Nir-Red-Swir三波段上的反射率特征，以PDI和SPSI的比值變換形式，建立一種融合Nir-Red-Swir三波段光譜特征空間的不同植被覆蓋度條件下的作物含水量遙感監(jiān)測(cè)新指數(shù)-三波段垂直植被水分指數(shù)(three-band perpendicular vegetation water index, TPVWI)。其表達(dá)式為

(4)

對(duì)某一時(shí)期、某一地區(qū)的影像來(lái)說(shuō)， 為定值，并不影響TPVWI與VWC的相關(guān)關(guān)系，因此式(4)可進(jìn)一步簡(jiǎn)化為：

(5)

式中M1為Nir-Red光譜特征空間的土壤線斜率，M2為Nir-Swir光譜特征空間的土壤線 斜率。

1.2.5 不同水分監(jiān)測(cè)指數(shù)與小麥冠層含水量的相關(guān)分析

根據(jù)GPS信息獲取地面采樣點(diǎn)對(duì)應(yīng)的Landsat 8 Nir-Red-Swir三波段反射率，并基于式(5)計(jì)算三波段TPVWI值及PDI、SPSI、PWI、NDVI值，利用最優(yōu)化方法擬合得到冬小麥冠層含水量與TPVWI、PDI、PWI和NDVI的最優(yōu)化模型。為了檢驗(yàn)TPVWI相對(duì)其他指數(shù)在不同覆蓋條件下監(jiān)測(cè)作物含水量的有效性，本研究分別利用返青期的17個(gè)地面數(shù)據(jù)和拔節(jié)-開(kāi)花期-灌漿期的30個(gè)地面數(shù)據(jù)，即低植被覆蓋度和基本全覆蓋條件下的小麥冠層含水量與對(duì)應(yīng)時(shí)期的TPVWI、PDI、SPSI、PWI和NDVI進(jìn)行線性擬合。另外，在保證每組都包括返青-拔節(jié)-開(kāi)花期-灌漿期數(shù)據(jù)的條件下，將47個(gè)地面實(shí)測(cè)小麥含水量數(shù)據(jù)隨機(jī)分成2組，其中35個(gè)地面數(shù)據(jù)用來(lái)建模，12個(gè)用來(lái)驗(yàn)證模型精度。并對(duì)不同水分監(jiān)測(cè)指數(shù)與VWC進(jìn)行Pearson相關(guān)分析。

2 結(jié)果與分析

2.1 不同植被指數(shù)與小麥冠層含水量的相關(guān)性

從各植被指數(shù)與植被冠層含水量(VWC)的線性模型(表1)看，在返青期，由于地面植被覆蓋度較小，NDVI、PWI和SPSI三種指數(shù)受土壤信息的影響較大，對(duì)小麥冠層水分的敏感性較弱，用其所建模型的決定系數(shù)均沒(méi)有到達(dá)顯著水平，只有垂直干旱指數(shù)PDI和新構(gòu)建的三波段垂直植被水分指數(shù)TPVWI與小麥冠層含水量呈極顯著相關(guān)，且TPVWI擬合模型的擬合效果(r2= 0.472)優(yōu)于PDI擬合模型(r2=0.369)。在拔節(jié)-開(kāi)花灌漿期，即全覆蓋條件下，除NDVI與VWC顯著相關(guān)外，其他4種指數(shù)與VWC的相關(guān)性都達(dá)到極顯著水平，且TPVWI與VWC擬合模型的決定系數(shù)顯著高于其他3種植被指數(shù)的擬合模型。但基于返青-拔節(jié)-開(kāi)花-灌漿期數(shù)據(jù)建立的模型中，由于加入返青期數(shù)據(jù)，各植被指數(shù)與VWC的模型擬合效果均低于全覆蓋條件下即拔節(jié)-開(kāi)花-灌漿期的模型，但PDI和TPVWI與小麥冠層含水量仍現(xiàn)極顯著相關(guān)，且TPVWI擬合模型的r2優(yōu)于PDI擬合模型，PWI、SPSI與VWC的相關(guān)性較弱。這說(shuō)明新指數(shù)TPVWI綜合了Red-Nir-Swir三波段光譜特征，不僅能消除部分土壤背景的影響，而且增強(qiáng)了不同覆蓋條件下對(duì)植被含水量的光譜敏感性。

表1 不同植被指數(shù)與小麥冠層含水量的相關(guān)模型Table 1 Regression models and r2 between VI (vegetation index) and VWC (vegetation water content)

根據(jù)大氣校正后的四景Landsat 8 OLI數(shù)據(jù)，分別計(jì)算每個(gè)時(shí)期數(shù)據(jù)的土壤線，然后根據(jù)紅波段、近紅外波段和短波紅外波段的反射率，計(jì)算四個(gè)時(shí)期的TPVWI，并進(jìn)一步根據(jù)表1中基于TPVWI構(gòu)建的涵蓋返青期-拔節(jié)期-開(kāi)花期-灌漿期數(shù)據(jù)的VWC的擬合模型，反演禹城站周邊9 km范圍內(nèi)的小麥種植區(qū)的冠層含水量。從圖2可以看出，研究時(shí)間段內(nèi)，小麥冠層含水量總體呈現(xiàn)先增后減的趨勢(shì)。3月26日前后(圖2a)，禹城站周邊小麥處在返青期，植被覆蓋度較低，部分區(qū)域顯示的是小麥田土壤的含水量狀況，一般在72%以下。4月18日(圖2b)至5月4日(圖2c)，為小麥拔節(jié)期和開(kāi)花期，小麥長(zhǎng)勢(shì)較好，地面幾乎全被小麥覆蓋，小麥冠層含水量逐漸增大。到5月13日，小麥進(jìn)入灌漿期，植株從生殖生長(zhǎng)轉(zhuǎn)為營(yíng)養(yǎng)生長(zhǎng)，小麥冠層含水量開(kāi)始下降(圖2d)，這與地面實(shí)測(cè)數(shù)據(jù)及冠層含水量隨小麥生育期的變化趨勢(shì)較一致。

a：2016-3-26；b：2016-4-18；c：2016-5-4；d：2016-5-13.圖2 基于TPVWI估測(cè)不同生育期小麥冠層含水量的空間格局Fig.2 Spatial patterns of predicted VWC for winter wheat at different growth stages based on TPVWI

2.2 模型驗(yàn)證效果

為了驗(yàn)證TPVWI指數(shù)在監(jiān)測(cè)全生育期小麥冠層含水量模型的精度，用剩余的12個(gè)地面實(shí)測(cè)VWC數(shù)據(jù)與TPVWI估測(cè)的VWC值進(jìn)行一一比對(duì)。結(jié)果(圖3)表明，模型預(yù)測(cè)VWC與實(shí)測(cè)值之間存在較好線性關(guān)系，其決定系數(shù)r2與RMSE分別為0.763和22.96%，該精度能夠滿(mǎn)足農(nóng)業(yè)、生態(tài)對(duì)區(qū)域植被含水量信息的需求。

圖3 基于TPVWI的小麥冠層含水量估測(cè)植與實(shí)測(cè)植的對(duì)比Fig.3 Comparison between actual VWC and predicted VWC for winter wheat

3 討 論

覆蓋度是影響作物冠層含水量遙感反演模型精度的因素之一。已有研究發(fā)現(xiàn)，基于可見(jiàn)光-近紅外光譜空間特征構(gòu)建的植被指數(shù)(如PDI、PVI、MPDI等)對(duì)低覆蓋度條件下植被冠層含水量監(jiān)測(cè)有效，而基于近紅外-短波紅外光譜空間特征構(gòu)建的SPSI指數(shù)僅在全覆蓋條件下監(jiān)測(cè)冠層含水量的精度較高[5，22]。本研究以PDI和SPSI的比值形式，構(gòu)建了一種基于可見(jiàn)光-近紅外-短波紅外三波段光譜空間特征的垂直植被水分指數(shù)TPVWI，結(jié)果進(jìn)一步證明基于光譜空間特征構(gòu)建的光譜特征在反演含水量研究中具有更明確的物理意義，精度相對(duì)較高[15]，且與程曉娟等[6]基于EVI和NDWI乘積形式開(kāi)展作物冠層研究結(jié)果相似，綜合三波段信息的光譜指數(shù)，可有效提高作物冠層含水量的估算精度。此外，因綜合了可見(jiàn)光波段對(duì)土壤信息的敏感性以及短波紅外波段對(duì)高覆蓋植被的抗飽和能力，新構(gòu)建的三波段垂直植被水分指數(shù)TPVWI在不同的植被覆蓋條件下均具有較好的反演精度。在小麥返青期，與PDI監(jiān)測(cè)低植被覆蓋區(qū)土壤水分[15-18]或植被含水量[21]的能力相似，TPVWI對(duì)低植被覆蓋區(qū)的水分敏感性也較好，且其精度優(yōu)于PDI (TPVWI:r2=0.472,P< 0.01；PDI :r2=0.369,P< 0.01)；拔節(jié)期以后，在地面幾乎全被小麥覆蓋的條件下，基于TPVWI進(jìn)行冠層水分反演的精度顯著高于基于可見(jiàn)光-近紅外或近紅外-短波紅外兩種光譜空間特征構(gòu)建的光譜指數(shù)，而且即使基于返青-拔節(jié)-開(kāi)花-灌漿即小麥全生育期的數(shù)據(jù)，TPVWI監(jiān)測(cè)小麥冠層含水量的精度也優(yōu)于PDI、SPSI、PWI和NDVI。在小區(qū)域尺度上，與NDWI等常用的作物含水量表征指標(biāo)能力一致[32]，基于TPVWI構(gòu)建的小麥冠層含水量擬合模型也能很好地表征小麥冠層含水量隨生育期變化的時(shí)空趨勢(shì)。經(jīng)地面實(shí)測(cè)數(shù)據(jù)驗(yàn)證，基于TPVWI估算的小麥冠層含水量精度能夠滿(mǎn)足農(nóng)業(yè)、生態(tài)對(duì)區(qū)域植被含水量信息的需求，在植被含水量監(jiān)測(cè)研究中具有一定的實(shí)用價(jià)值和應(yīng)用 -潛力。

本研究結(jié)果為植被含水量反演研究提供了一種新的思路，但本研究是基于極小區(qū)域范圍內(nèi)的有限的試驗(yàn)樣本進(jìn)行探討，且使用遙感數(shù)據(jù)源單一，如真正向大區(qū)域應(yīng)用推廣，本研究所建立的反演模型可能會(huì)存在一定的不確定性，因而還需要更大范圍的試驗(yàn)對(duì)結(jié)果進(jìn)一步驗(yàn)證，以提高模型的區(qū)域適用性和穩(wěn)定性。