李永梅，張立根，蔣云峰

（1.寧夏農(nóng)林科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息技術(shù)研究所，寧夏 銀川 750002；2.寧夏建筑 科學(xué)研究院股份有限公司，寧夏 銀川 750021；3.吉林師范大學(xué)旅游與地理 科學(xué)學(xué)院，吉林 四平 136000）

枸杞（Lycium barbarumL.）屬鹽生植物，具有較強(qiáng)的耐貧瘠、耐鹽堿、抗旱、抗風(fēng)沙等特性，是我國(guó)西北干旱地區(qū)的特色藥用植物資源[1]，也是西部地區(qū)生態(tài)治理、勞動(dòng)力就業(yè)、脫貧富民的重要資源。然而，當(dāng)?shù)罔坭降姆仕芾泶蟛糠植捎么笏嗯c穴施覆土的模式[2]。這種灌溉模式一方面造成水資源浪費(fèi)，使西部地區(qū)灌溉水源更加緊缺，同時(shí)引起土壤鹽漬化或次生鹽漬化等問(wèn)題；另一方面嚴(yán)重影響枸杞產(chǎn)量與品質(zhì)，制約農(nóng)業(yè)經(jīng)濟(jì)持續(xù)發(fā)展[1]。如何快速準(zhǔn)確獲取枸杞植株水分信息，制定枸杞水分精確施用方案，進(jìn)而實(shí)現(xiàn)枸杞精準(zhǔn)灌溉，已成為枸杞產(chǎn)業(yè)急需研究的重大課題。

葉片含水量是植株水分狀況的診斷指標(biāo)。實(shí)時(shí)、快速地獲取葉片水分信息是進(jìn)行灌溉調(diào)控的前提[3]。通常，葉片含水量是通過(guò)田間破壞取樣、實(shí)驗(yàn)室烘干與稱(chēng)重來(lái)計(jì)算，其操作復(fù)雜、耗時(shí)費(fèi)力、時(shí)效性差。高光譜遙感（Hyperspectral Remote Sensing）技術(shù)是以極其狹窄的電磁波段從地面獲取地物連續(xù)光譜信息的一種全新技術(shù)，在預(yù)測(cè)作物含水量和無(wú)損檢測(cè)營(yíng)養(yǎng)方面有其獨(dú)特優(yōu)勢(shì)，已成為作物水分含量遙感反演的重要手段[3-5]。國(guó)內(nèi)外學(xué)者在利用高光譜遙感技術(shù)獲取植物連續(xù)反射光譜以估測(cè)植被水分狀況方面開(kāi)展了大量研究，提出一系列表征植被水分信息的光譜指數(shù)。例如：Penuelas 等[6]提出水分指數(shù)（Water index，WI）和植被水分指數(shù)（Plant water index，PWI），Gao 等[7]構(gòu)建了歸一化差值水分指數(shù)（Normalized difference water index，NDWI），Ceccato 等[8]和Chen 等[9]構(gòu)造了全球植被水分指數(shù)（Global vegetation water index，GVWI）， Thenot 等[10]提出中心波長(zhǎng)水分指數(shù)（Center wavelength water index，Ratio975）、Pu 等[11]提出比值/歸一化植被指數(shù)（Ratio/Normalized vegetation index，R/ND）。隨后，這些光譜指數(shù)被廣泛應(yīng)用到小麥、水稻、豆類(lèi)作物、甜菜、蘋(píng)果樹(shù)、橘樹(shù)、桃樹(shù)、橄欖樹(shù)等植株含水量的估測(cè)中[12-17]，結(jié)果表明是可行的，但估測(cè)精度不高。隨著研究的深入，針對(duì)不同植物，如何構(gòu)建能穩(wěn)健反映植株水分信息的光譜指數(shù)，進(jìn)一步提高遙感反演精度，成為學(xué)者們關(guān)注的重點(diǎn)。劉小軍等[18]等通過(guò)系統(tǒng)分析350～2 500 nm 波段范圍內(nèi)任意兩波段組合而成的比值（RSI）、歸一化差值（NDSI）及差值（DSI）光譜指數(shù)，并分析其與葉片含水量的量化關(guān)系，構(gòu)建了快速、無(wú)損診斷水稻葉片含水量的估測(cè)模型，估測(cè)精度得到提高。梁亮等[16]利用水氮脅迫試驗(yàn)條件下小麥主要生長(zhǎng)期的導(dǎo)數(shù)光譜構(gòu)建了16 種新指數(shù)，將其與NDII、WBI以及NDWI等常用指數(shù)進(jìn)行比較分析，篩選出小麥葉片含水量反演的最佳光譜指數(shù)，并利用其建立反演模型進(jìn)行小麥含水量的遙感填圖。

枸杞作為一種多年生落葉灌木，目前鮮見(jiàn)利用高光譜遙感技術(shù)監(jiān)測(cè)其葉片水分含量的研究報(bào)道。筆者從枸杞葉片水分含量實(shí)測(cè)值與高光譜反射率數(shù)據(jù)出發(fā)，提取枸杞葉片導(dǎo)數(shù)光譜位置（λ）、斜率（D）及面積（SD）參數(shù)，構(gòu)建導(dǎo)數(shù)光譜差值（DSI）、比值（RSI）及歸一化差值（NDSI）指數(shù)，同時(shí)參考前人研究成果，選取對(duì)水分估測(cè)效果較好的15 個(gè)光譜指數(shù)，在分析導(dǎo)數(shù)光譜參數(shù)、導(dǎo)數(shù)光譜指數(shù)及前人構(gòu)建的光譜指數(shù)與枸杞葉片含水量的定量關(guān)系的基礎(chǔ)上，篩選監(jiān)測(cè)枸杞葉片水分信息的適用光譜，建立并優(yōu)選水分含量遙感反演最佳模型，以期實(shí)現(xiàn)枸杞葉片水分含量快速無(wú)損監(jiān)測(cè)，為水肥一體化智能控制設(shè)備提供科學(xué)決策依據(jù)，對(duì)推動(dòng)西部地區(qū)枸杞高產(chǎn)高效栽培技術(shù)創(chuàng)新、生態(tài)環(huán)境恢復(fù)、經(jīng)濟(jì)社會(huì)發(fā)展意義重大。

1 材料與方法

1.1 試驗(yàn)材料

以寧夏地區(qū)枸杞主栽品種寧杞7 號(hào)為試驗(yàn)材料，在枸杞主產(chǎn)區(qū)選取賀蘭縣洪廣鎮(zhèn)暖泉農(nóng)場(chǎng)和中寧縣恩和鎮(zhèn)作為樣本采集區(qū)。為保證樣本的多樣性，采用隨機(jī)方式在各試驗(yàn)區(qū)選取枸杞樣株，采集當(dāng)年生健康葉片作為待測(cè)樣本。為減少葉片含水量的損失，樣本采集后立刻裝入自封袋、封口、標(biāo)記，并放入裝有冰袋的保鮮箱內(nèi)，迅速帶回實(shí)驗(yàn)室，進(jìn)行光譜和葉片含水量的測(cè)定。

1.2 測(cè)定項(xiàng)目

1.2.1 葉片光譜測(cè)定光譜測(cè)定在黑暗密室內(nèi)進(jìn)行，光源采用50 W 鹵素?zé)?，光源距樣本垂直高?.50 m，方位角60°。采用美國(guó)ASD 公司生產(chǎn)的FieldSpec Pro FR 地物光譜儀（傳感器視場(chǎng)角探頭25，光譜范圍350～2 500 nm）測(cè)定葉片光譜。測(cè)定時(shí)，將枸杞葉片樣本平鋪于黑色絨布上，探頭置于樣本中心位置且垂直向下，探頭距樣本的垂直距離根據(jù)公式（1）計(jì)算。每次測(cè)定 10 條光譜，以其均值作為該樣本的光譜反射率。

式中，H為距離樣本垂直距離，L為所要測(cè)定范圍直徑，A為探頭視場(chǎng)角。

1.2.2 葉片含水量測(cè)定該研究中枸杞葉片樣本含水量采用自然含水量（Moisture Content，MC）計(jì)算，通常以葉片中水量占鮮葉重百分比表示，見(jiàn)公式（2）。

式中，Wf和Wd分別表示葉片鮮重和干重。

1.3 數(shù)據(jù)分析

1.3.1 前人構(gòu)建的光譜指數(shù)選取光譜指數(shù)是某些特定波段或波段反射率構(gòu)成的組合，與植被的水、葉片色素或光合作用以及氮脅迫狀態(tài)等有關(guān)。參考前人關(guān)于高光譜遙感估測(cè)植被水分的相關(guān)研究成果，選取估測(cè)水分含量較好的15 個(gè)光譜指數(shù)進(jìn)行研究，詳見(jiàn)表1。

1.3.2 一階導(dǎo)數(shù)光譜參數(shù)提取基于光譜位置（λ）、斜率（D）及面積（SD），充分考慮枸杞葉片一階導(dǎo)數(shù)光譜在850～2 350 nm 變化特征（圖1）, 提取波谷925～975 nm、1 100～1 200 nm、1 275～1 450 nm、 1 825～1 925 nm 處導(dǎo)數(shù)光譜參數(shù)（表2）。有研究表明位于680～750 nm 的“紅邊”波段主要受植物葉綠素含量的影響，故該研究未提取“紅邊”參數(shù)。

1.3.3 一階導(dǎo)數(shù)光譜指數(shù)構(gòu)建圖1 中，954、1 143、1 387、1 873 nm 位于波谷谷底，綜合植物生理學(xué)及光譜估測(cè)葉片水分信息相關(guān)研究成果可知，這4 個(gè)波谷是葉片水分在970、1 200、1 450 與1 940 nm 附近強(qiáng)烈吸收形成斜邊所致，可反映葉片的水分狀況。采用這4 個(gè)光譜，構(gòu)建表征枸杞葉片水分含量的一階導(dǎo)數(shù)光譜指數(shù)，見(jiàn)表3。

1.3.4 含水量遙感反演模型建立與檢驗(yàn)將枸杞葉片含水量作為因變量，一階導(dǎo)數(shù)光譜參數(shù)、一階導(dǎo)數(shù)光譜指數(shù)及前人構(gòu)建的光譜指數(shù)分別作為自變量，構(gòu)建枸杞葉片水分含量反演模型，包括線性模型、指數(shù)模型、對(duì)數(shù)模型、冪函數(shù)模型及一元二次函數(shù)模型。

采用擬合度（S-R2）、檢驗(yàn)決定系數(shù)（T-R2）、均方根差（RMSE）和平均相對(duì)誤差（ARE）對(duì)模型進(jìn)行檢驗(yàn)，見(jiàn)公式（3）～（4）決定系數(shù)越接近1，RMSE和ARE越小，模型預(yù)測(cè)的準(zhǔn)確率越高。

式中，xi為葉片含水量預(yù)測(cè)值；yi為葉片含水量實(shí)測(cè)值；i為樣本序數(shù)，i=1，2，……，n；n為樣本數(shù)。

2 結(jié)果與分析

2.1 葉片水分含量與光譜指（參）數(shù)的相關(guān)性

將表1 選取的15 個(gè)光譜指數(shù)、表2 中一階導(dǎo)數(shù)光譜參數(shù)和表3 中一階導(dǎo)數(shù)光譜指數(shù)分別與枸杞葉片水分含量進(jìn)行相關(guān)性分析。由于論文篇幅有限，僅提供與枸杞葉片含水量呈現(xiàn)顯著相關(guān)的光譜參數(shù)或光譜指數(shù)，如表4 所示。由表4 可知，前人構(gòu)建的光譜指數(shù)GVWI、NDWI（R860，R1640）、MSI、R/ND、PRI，均可作為枸杞葉片水分含量反演的光譜指數(shù)。其中R/ND、 PRI 與枸杞葉片含水量呈顯著相關(guān)；GVWI、NDWI、MSI 與杞葉片含水量呈極顯著相關(guān)，GVWI 的相關(guān)系數(shù)最大（r= 0.749）。一階導(dǎo)數(shù)光譜參數(shù)中D（1275～1450）、SD（1275～1450）、D（1825～1925）與枸杞葉片含水量呈顯著相關(guān)，D（925～975）和SD（1825～1925）與枸杞葉片含水量達(dá)到極顯著相關(guān)，相關(guān)系數(shù)分別為-0.717 和0.691，均可用于枸 杞葉片含水量遙感反演。表4 中15 個(gè)一階導(dǎo)數(shù)光譜指 數(shù)也均可作為枸杞葉片含水量遙感反演的光譜指數(shù)，其中RSI（954/1143）、NDSI（1143-1387）/（1143+1387）、DSI（1387-1873）和NDSI（1387-1873）/（1387+1873）與枸杞葉片含水量呈顯著相關(guān)，其余11 個(gè)一階光譜指數(shù)與枸杞葉片含水量均呈極顯著相關(guān)。

表1 研究選取的15 個(gè)光譜指數(shù)

圖1 枸杞葉片光譜均值

表 2 一階導(dǎo)數(shù)光譜參數(shù)

表 3 一階導(dǎo)數(shù)光譜指數(shù)

2.2 枸杞葉片含水量遙感反演模型建立

以上述與枸杞葉片含水量呈現(xiàn)顯著相關(guān)的光譜參 數(shù)或光譜指數(shù)為變量，采用線性函數(shù)、指數(shù)函數(shù)、對(duì) 數(shù)函數(shù)、冪函數(shù)及一元二次多項(xiàng)式，構(gòu)建枸杞葉片含 水量遙感反演單變量回歸模型。表5 為擬合度S-R2≥ 0.600 0 的各光譜指數(shù)或光譜參數(shù)構(gòu)建的模型。由表5可知，前人構(gòu)建的光譜指數(shù)中，基于GVWI 構(gòu)建的一元二次模型擬合度S-R2等于0.600 0；一階導(dǎo)數(shù)光譜指數(shù)模型中，DSI（954-1387）、RSI（954/1387）、NDSI（954-1387）/（954+1387）、 DSI（954-1873）、RSI（954/1873）、NDSI（954-1873）/（954+1873）模型擬合度均大于0.600 0，其中DSI（954-1387）的模型擬合度最大為S-R2= 0.659 6；表5 中未見(jiàn)基于一階導(dǎo)數(shù)參數(shù)構(gòu)建的模型，表明由一階導(dǎo)數(shù)參數(shù)構(gòu)建的模型遙感反演效果不佳，S-R2＜0.600 0。

表4 葉片水分含量與光譜指（參）數(shù)相關(guān)系數(shù)

2.3 遙感反演模型檢驗(yàn)

對(duì)枸杞葉片含水量遙感反演模型的預(yù)測(cè)能力進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表6。綜合分析檢驗(yàn)決定系數(shù)T-R2值、RMSE 和ARE，結(jié)果表明，光譜指數(shù)GVWI 模型的預(yù)測(cè)精度最差；一階導(dǎo)數(shù)光譜指數(shù)構(gòu)建的模型預(yù)測(cè)精度均較高，其中DSI（954-1387）模型的預(yù)測(cè)精度最高。

由表5 和表6 可以得出，基于一階導(dǎo)數(shù)光譜指數(shù)DSI（954-1387）構(gòu)建的模型y= 566 965x2-4 719.5x+88.864反演效果最佳，其S-R2、T-R2、RMSE 和ARE 分別為0.659 6、0.760 4、0.665 9、0.716 4 %，故該模型為監(jiān)測(cè)枸杞葉片水分含量的最優(yōu)模型，一階導(dǎo)數(shù)光譜指數(shù)DSI（954-1387）為最佳優(yōu)選指數(shù)。

表5 枸杞葉片含水量遙感反演單變量回歸模型

表6 枸杞葉片含水量遙感反演單變量回歸模型精度檢驗(yàn)結(jié)果

3 結(jié)論與討論

有研究表明，前人構(gòu)建的一系列表征植被水分信息的光譜指數(shù)是估算植物水分含量的良好指標(biāo)，但也有研究指出它們對(duì)葉片等效水厚度較敏感，而對(duì)葉片含水量的表征則不敏感[5]。筆者參考前人相關(guān)研究成果，選取對(duì)植物含水量估測(cè)效果較好的15個(gè)光譜指數(shù)，應(yīng)用到枸杞葉片含水量的遙感反演中，發(fā)現(xiàn)光譜指數(shù)GVWI、NDWI（R860，R1640）、MSI、R/ND、PRI 用 于 反演枸杞葉片含水量是可行的，但適用的光譜指數(shù)數(shù)量有限，且反演效果不佳，這與植物種類(lèi)、試驗(yàn)條件及水分指標(biāo)等有關(guān)。還有研究表明，植物葉片中各種生化成分混合在一起，致使相互間或削弱或加強(qiáng)各自吸收特征，所以估測(cè)某一生化成分時(shí)只用單一波段是不夠的，需要進(jìn)行波段選擇和重組，而構(gòu)造光譜指數(shù)的數(shù)學(xué)模型可以使植被的有效光譜信息最大化，進(jìn)而提高預(yù)測(cè)精度[19-21]。研究結(jié)果顯示，提取的一階導(dǎo)數(shù)光譜參 數(shù)D（925～975）、D（1275～1450）、SD（1275～1450）、D（1825～1925）、SD（1825～1925）與枸杞葉片水分含量呈顯著或極顯著相關(guān)，但由其構(gòu)建的模型遙感反演效果較差；而由一階導(dǎo)數(shù)光譜指數(shù)構(gòu)建的模型擬合度較高，模型的預(yù)測(cè)效果及穩(wěn)定性也顯著優(yōu)于一階導(dǎo)數(shù)光譜參數(shù)。這是因?yàn)殡m然對(duì)光譜數(shù)據(jù)進(jìn)行導(dǎo)數(shù)處理能有效去除干擾信息，但提取的一階導(dǎo)數(shù)光譜參數(shù)是單一波段，未能突出有效信息；而一階導(dǎo)數(shù)光譜指數(shù)，是在獲取導(dǎo)數(shù)光譜的基礎(chǔ)上， 進(jìn)行波段重組，進(jìn)而增強(qiáng)枸杞葉片含水量光譜信息。

利用篩選的最佳光譜指數(shù)和最優(yōu)反演模型對(duì)枸杞葉片水分含量進(jìn)行反演，可快速獲取枸杞葉片水分實(shí)時(shí)信息。在水肥一體化智能控制設(shè)備大范圍推廣的背景下，這種信息為水肥一體化設(shè)備實(shí)現(xiàn)精確滴灌提供了決策參考，進(jìn)而實(shí)現(xiàn)枸杞種植過(guò)程中水分的科學(xué)管理，確保枸杞產(chǎn)量及品質(zhì)的穩(wěn)定性，同時(shí)也減少大水漫灌帶來(lái)的生態(tài)環(huán)境問(wèn)題，對(duì)推動(dòng)西部地區(qū)枸杞田間水分管理技術(shù)創(chuàng)新、生態(tài)環(huán)境恢復(fù)、社會(huì)經(jīng)濟(jì)發(fā)展具有重大意義。

但是，由于受觀測(cè)樣本多樣性、數(shù)量有限性及研究方法單一性等影響，該研究所選取的光譜指數(shù)或光譜參數(shù)及模型反演精度均十分有限。今后應(yīng)在豐富樣本多樣性、補(bǔ)充樣本數(shù)量及提高光譜信息質(zhì)量的基礎(chǔ)上，綜合包絡(luò)線去除法、連續(xù)小波分析法、主成分分析、偏最小二乘回歸分析及人工智能等多種方法，繼續(xù)深入開(kāi)展枸杞葉片含水量高光譜遙感反演研究，進(jìn)一步提高模型預(yù)測(cè)精度及穩(wěn)定性，為枸杞科學(xué)灌溉提供實(shí)時(shí)依據(jù)。