馮珊珊，梁雪映，2，樊風(fēng)雷，3*，王 塞，伍健恒

(1. 華南師范大學(xué)地理科學(xué)學(xué)院，廣州 510631； 2. 廣東省生態(tài)環(huán)境技術(shù)研究所廣東省農(nóng)業(yè)環(huán)境綜合治理重點實驗室，廣州 510650；3. 西藏大學(xué)高原地表環(huán)境遙感監(jiān)測聯(lián)合實驗室，拉薩 850000)

土壤水分表示一定深度土層中土壤的干濕程度，是氣候、生態(tài)、水文和農(nóng)學(xué)等研究領(lǐng)域的一個基礎(chǔ)參數(shù)[1]. 在農(nóng)業(yè)生產(chǎn)中，農(nóng)田的土壤水分是旱澇指示因子，是農(nóng)作物旱情判斷及灌溉管理的基礎(chǔ)指標(biāo)，也是影響農(nóng)作物的生長發(fā)育的重要因素，更是影響精準(zhǔn)農(nóng)業(yè)發(fā)展的關(guān)鍵因素[2]. 因此，全面、實時和準(zhǔn)確的農(nóng)田土壤水分監(jiān)測，對農(nóng)作物長勢的科學(xué)認(rèn)識、精準(zhǔn)灌溉技術(shù)的實施和農(nóng)作物產(chǎn)量的評估都有重要的現(xiàn)實意義.

土壤水分監(jiān)測方法主要有傳統(tǒng)的土壤水分測定方法和遙感監(jiān)測方法. 傳統(tǒng)的土壤水分測定方法是基于手工的單點測定，盡管具有測定精度高和操作簡單的優(yōu)點，但數(shù)據(jù)時效性差，且單點土壤水分信息不能代表區(qū)域土壤水分情況，難以滿足大范圍、實時的土壤水分監(jiān)測需求[3-4].

遙感技術(shù)的發(fā)展，給土壤水分的實時、動態(tài)、宏觀監(jiān)測提供了新思路，一定程度上彌補了傳統(tǒng)測定方法的不足. 遙感手段獲取土壤水分是基于土壤表面的遙感數(shù)據(jù)，通過研究遙感數(shù)據(jù)與土壤水分的關(guān)系，建立土壤水分與遙感數(shù)據(jù)的關(guān)系模型來反演土壤水分信息[5-6]. 目前利用遙感技術(shù)反演土壤水分主要用到的遙感波段有：可見光-近紅外、熱紅外和微波. 學(xué)者們基于這些遙感波段得到了許多模型和方法，如作物缺水指數(shù)(Crop Water Stress Index，CWSI)法[7-8]、水分虧缺指數(shù)(Water Deficit Index，WDI)法[9]、植被供水指數(shù)(Vegetation Supply Water Index，VSWI)法[10]、微波法[11-12]等. 其中，可見光-近紅外遙感監(jiān)測土壤水分方法根據(jù)土壤反射率會隨著土壤水分增加而降低的特征，通過構(gòu)建光譜指數(shù)與土壤水分之間的關(guān)系模型進(jìn)而反演土壤水分. 基于近紅外和紅光(NIR-Red)對水分的吸收特性，GHULAM等[13]提出了垂直干旱指數(shù) (Perpendicular Drought Index,PDI)，能有效探測土壤水分變化趨勢，簡單易用且物理意義明確，常應(yīng)用于不同地區(qū)土壤水分的監(jiān)測[14-16].

目前的遙感方法可以實現(xiàn)對土壤水分的大面積監(jiān)測，但仍存在時效性較差、精度較低的問題. 無人機(jī)(Unmanned Aerial Vehicle,UAV)可以實時獲取和傳輸高分辨率的遙感數(shù)據(jù)，UAV遙感可以彌補目前的遙感方法監(jiān)測土壤水分時效性差的不足，為作物土壤水分監(jiān)測提供了新的技術(shù)和思路. 近年來，基于UAV遙感的土壤水分監(jiān)測方法得到了廣泛的研究，如：張智韜等[17]利用UAV數(shù)據(jù)對裸土含水率進(jìn)行大范圍快速測定并確定了最佳土壤監(jiān)測深度；陳震等[18]利用UAV影像進(jìn)行作物土壤水分虧缺反演研究，構(gòu)建了土壤水分反演模型；葛翔宇等[19]提出了一種基于UAV遙感快速監(jiān)測土壤水分的新方案. 當(dāng)前，UAV遙感監(jiān)測土壤水分的方法和相關(guān)模型正在不斷地完善，如何利用UAV數(shù)據(jù)進(jìn)行準(zhǔn)確、快速、大范圍的土壤水分監(jiān)測是未來研究中的重點和難點.

本文旨在探索一種基于UAV遙感的農(nóng)田土壤水分監(jiān)測方法：利用實時獲取的UAV多光譜數(shù)據(jù)，構(gòu)建農(nóng)田土壤水分反演模型，從而實現(xiàn)大范圍農(nóng)田土壤水分的快速監(jiān)測，為農(nóng)作物合理灌溉、農(nóng)業(yè)精準(zhǔn)化管理提供參考.

1 研究區(qū)域

研究區(qū)域是位于廣東省韶關(guān)市始興縣東北部的特色煙葉種植農(nóng)田 (中心經(jīng)緯度：114°11′44″ E,25°03′10″ N)，如圖1所示. 該農(nóng)田總面積約為16.67 hm2，田間作物種植統(tǒng)一有序，田埂排列整齊. 作物的生長期為每年的3—6月份，圖1是2019年5月12日獲取的農(nóng)田范圍的多光譜影像. 由于研究區(qū)面積較大，為了快速建立農(nóng)田土壤水分反演模型，本研究在農(nóng)田中選取了一塊面積為0.38 hm2的重點觀測區(qū)(農(nóng)田東北部的黃色矩形區(qū)域)，用于實地探測田間樣點的土壤水分.

圖1 研究區(qū)域

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)采集

數(shù)據(jù)采集包括UAV多光譜數(shù)據(jù)獲取與田間樣點的土壤水分探測. UAV數(shù)據(jù)的獲取采用大疆精靈4 pro UAV信息采集系統(tǒng)，搭載Parrot Sequoia傳感器作為遙感數(shù)據(jù)采集平臺，飛行設(shè)備及野外調(diào)研照片如圖2所示. Parrot Sequoia傳感器由多光譜傳感器和光照傳感器兩部分組成，其獲取的多光譜影像共有4個光譜通道：綠光Green(波長550 nm，帶寬40 nm)、紅光Red(波長660 nm，帶寬40 nm)、紅邊Red_edge(波長735 nm，帶寬10 nm)和近紅外NIR(波長790 nm，帶寬40 nm). 本研究在作物生長期內(nèi)一共飛行采集了6個時相的覆蓋整塊農(nóng)田的UAV多光譜影像(具體時間見表1)，UAV飛行高度均為80 m，UAV多光譜影像空間分辨率為0.1 m，數(shù)據(jù)質(zhì)量良好.

圖2 無人機(jī)、多光譜傳感器設(shè)備及野外作業(yè)

表1 數(shù)據(jù)采集信息Table 1 The information of data collection

為了快速建立農(nóng)田土壤水分反演模型，每次飛行采集UAV多光譜數(shù)據(jù)完成后，均在重點觀測區(qū)隨機(jī)選取若干個建模樣點，并進(jìn)行土壤水分探測；最后，在農(nóng)田其他區(qū)域也選取若干個驗證樣點并進(jìn)行土壤水分探測，用于檢驗反演模型的精度水平，詳細(xì)信息見表1. 田間樣點的土壤水分采用Decagon公司生產(chǎn)的ECH2O/EC-5土壤濕度監(jiān)測儀進(jìn)行單點測定，該儀器的探針插入土壤中,通過計算土壤中電解質(zhì)的質(zhì)量分?jǐn)?shù)來估算單位土壤容積中水分子所占的比例，則可快速探測出樣點的土壤體積含水率(Volumetric Water Content，VWC)，儀器的測量偏差值為±0.03. 每個樣點最終記錄的VWC值均是通過連續(xù)3次探測所取的平均值(VWC值越大，代表土壤水分越高)，每次探測時長為3～4 s，探測土壤深度為0～10 cm.

2.2 土壤水分監(jiān)測方法

本文利用UAV多光譜數(shù)據(jù)和垂直干旱指數(shù)(PDI)，設(shè)計了一種快速監(jiān)測農(nóng)田土壤水分的方法，并通過6個時相獲取的UAV數(shù)據(jù)進(jìn)行方法實驗. 技術(shù)流程如圖3所示，具體方法介紹如下：(1)通過搭載在UAV的多光譜相機(jī)獲取覆蓋整塊農(nóng)田的多光譜數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行拼接、配準(zhǔn)、校正等預(yù)處理；(2)計算歸一化植被指數(shù)(NDVI)，從而得到植被覆蓋(作物)范圍，對植被覆蓋范圍進(jìn)行掩膜處理，得到農(nóng)田的土壤分布范圍；(3)計算農(nóng)田土壤范圍的PDI，得到整塊農(nóng)田土壤水分分布趨勢；(4)在整塊農(nóng)田中選定一個重點觀測區(qū)，并在重點觀測區(qū)隨機(jī)選取建模樣點探測土壤水分，即得到建模樣點的VWC值；(5)構(gòu)建PDI與VWC值的關(guān)系模型，即得到農(nóng)田土壤水分反演模型；(6)計算整塊農(nóng)田的VWC值，得到整塊農(nóng)田的土壤水分反演結(jié)果；(7)在整塊農(nóng)田中(重點觀測區(qū)除外)隨機(jī)選取驗證樣點進(jìn)行土壤水分探測，對土壤水分反演結(jié)果進(jìn)行精度驗證.

圖3 基于UAV數(shù)據(jù)的農(nóng)田土壤水分監(jiān)測技術(shù)路線

下面將對本方法所用的歸一化植被指數(shù)、垂直干旱指數(shù)和精度驗證指標(biāo)進(jìn)行詳細(xì)介紹.

2.2.1 歸一化植被指數(shù)NDVI 在計算PDI之前需要剔除植被像元對土壤水分計算的影響，本文利用歸一化植被指數(shù)(NDVI)[20]得到植被覆蓋范圍，并對植被覆蓋范圍進(jìn)行掩膜處理. NDVI計算公式如下：

(1)

2.2.2 垂直干旱指數(shù)PDI 土壤在紅波段Red和近紅外波段NIR的反射率具有線性關(guān)系，在NIR-Red光譜特征空間中，土壤的光譜變化表現(xiàn)為一個由近于原點發(fā)射的直線，稱為“土壤基線”[21]，可以表示為：

Rnir=M×Rred+I,

(2)

其中，Rred、Rnir分別是紅光、近紅外波段的反射率，M、I分別為土壤基線的斜率、截距.

GHULAM等[13]利用了土壤在NIR-Red光譜特征空間的特性，建立了垂直干旱指數(shù)(PDI)，可以有效地探測土壤水分. 其計算公式如下：

(3)

在NIR-Red二維散點圖中,PDI構(gòu)成垂直于土壤基線的法線. 在NIR-Red光譜特征空間上，從任何一個點到該法線的垂直距離可以說明土壤的干濕程度，距離越大則說明土壤越干旱，越小則說明土壤越濕潤，即PDI值越大表示土壤水分越低，反之土壤水分越高.

2.2.3 精度驗證指標(biāo) 精度驗證分別采用決定系數(shù)R2、均方根誤差(Root Mean Square Error,RMSE)和系統(tǒng)誤差(Systematic Error,SE)3個指標(biāo)來分析.

R2可以用來度量2個變量之間的回歸擬合效果，計算公式如下：

(4)

RMSE用來評價所有檢驗樣本的整體估算誤差，計算公式如下：

(5)

SE用來評價系統(tǒng)誤差的影響(如高估、低估)，計算公式如下：

(6)

RMSE和SE值越小，代表模型的估算精度越高. 其中SE值大于0表示結(jié)果被高估，反之則表示被低估.

3 結(jié)果與分析

3.1 土壤水分的反演模型

本文一共獲取了6個時相的農(nóng)田UAV多光譜數(shù)據(jù)和田間樣點土壤水分?jǐn)?shù)據(jù)進(jìn)行實驗. 根據(jù)在重點觀測區(qū)所探測的建模樣點的土壤體積含水率(VWC)和農(nóng)田土壤范圍的PDI，分別建立VWC與PDI的關(guān)系模型，得到每個時相的農(nóng)田土壤水分反演模型結(jié)果(圖4).

由6個時相的模型結(jié)果可知：PDI與VWC值均呈負(fù)相關(guān)關(guān)系，PDI越高，則VWC越低，即土壤水分越低；從模型的擬合效果來看，6個時相的模型方程的擬合較好，決定系數(shù)R2均在0.8以上，且擬合方程的顯著性檢驗均具有統(tǒng)計學(xué)意義(P<0.01).

3.2 土壤水分監(jiān)測結(jié)果

基于上述的農(nóng)田土壤水分反演模型，計算6個時相的農(nóng)田VWC值(圖5)，即可以得到每個時相的農(nóng)田土壤水分反演結(jié)果，實現(xiàn)整塊農(nóng)田土壤水分的監(jiān)測. 由圖5可知：(1)從農(nóng)田土壤水分結(jié)果來看，經(jīng)像元統(tǒng)計得到6個時相的農(nóng)田VWC均值分別為0.28、0.34、0.16、0.23、0.16、0.15；農(nóng)田土壤水分在作物生長期呈先增加后減少的趨勢，在作物生長后期(2019年5月中下旬)則明顯減少. (2)從農(nóng)田土壤水分空間分布來看，農(nóng)田的土壤水分在不同時期均存在空間分布不均的情況，在作物生長前期(2019年4月)表現(xiàn)得最為明顯；2019年4月21日農(nóng)田東邊的土壤水分明顯大于西邊，4月28日農(nóng)田南邊的土壤水分明顯大于北邊. 因此，通過土壤水分反演結(jié)果可以快速判斷農(nóng)田總體土壤水分的高低，還能快速獲取農(nóng)田土壤水分的空間分布情況，對農(nóng)田精準(zhǔn)灌溉和種植管理有重要的指導(dǎo)意義.

圖5 農(nóng)田土壤水分反演結(jié)果

3.3 精度驗證

為了檢驗6個時相土壤水分反演結(jié)果的精度水平，即對比模型反演結(jié)果(VWC估算值)與土壤水分實際探測值(VWC實測值)之間的差異，本文分別計算了VWC估算值與對應(yīng)實測值之間的R2、RMSE和SE，以驗證反演結(jié)果的精度.

由精度驗證結(jié)果(表2和圖6)可以看出：6個時相的VWC估算值與對應(yīng)實測值之間的R2均在0.8以上；除2019年4月28日的結(jié)果外，其余5個時相的RMSE和SE值均小于0.1；6個時相的SE值均大于0，說明土壤水分反演結(jié)果略有高估. 整體上，6個時相的農(nóng)田土壤水分反演結(jié)果精度較高，證明本文設(shè)計的基于UAV數(shù)據(jù)的農(nóng)田土壤水分監(jiān)測方法是有效的、可行的.

表2 農(nóng)田土壤水分反演結(jié)果的精度

圖6 VWC估算值與對應(yīng)實測值之間的關(guān)系

4 結(jié)論

土壤水分是作物生長和發(fā)育的保證，對農(nóng)田土壤水分進(jìn)行監(jiān)測，快速判斷農(nóng)田土壤水分的高低，獲取農(nóng)田土壤水分的空間分布情況，對農(nóng)作物合理灌溉和農(nóng)業(yè)精準(zhǔn)化管理有重要的指導(dǎo)意義. 本文基于UAV多光譜數(shù)據(jù)和垂直干旱指數(shù)(PDI)實現(xiàn)了農(nóng)田土壤水分的快速監(jiān)測.

本文一共獲取了6個時相的農(nóng)田UAV多光譜數(shù)據(jù)和田間樣點土壤水分?jǐn)?shù)據(jù)，構(gòu)建了6個時相的農(nóng)田土壤水分反演模型，并得到對應(yīng)的農(nóng)田土壤水分反演結(jié)果. 精度驗證結(jié)果表明：整體上反演結(jié)果精度較高，6個時相的農(nóng)田土壤水分反演結(jié)果R2均在0.8以上，5個時相的RMSE和SE值均小于0.1，說明本文設(shè)計的基于UAV數(shù)據(jù)監(jiān)測農(nóng)田土壤水分的方法是有效的、可行的. 因此，未來農(nóng)田土壤水分監(jiān)測，可以利用實時獲取的UAV多光譜數(shù)據(jù)，選取一個具有代表性的重點觀測區(qū)進(jìn)行隨機(jī)樣點土壤水分探測，快速構(gòu)建農(nóng)田土壤水分的反演模型，進(jìn)而完成農(nóng)田土壤水分的快速監(jiān)測. 本文提出的方法可以推廣和應(yīng)用于大范圍農(nóng)田土壤水分的快速監(jiān)測.