張恒瑞，段喜明，魏 征，張寶忠

（1.山西農(nóng)業(yè)大學(xué)林學(xué)院，山西太谷030801；2.中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京100038；3.國家節(jié)水灌溉北京工程技術(shù)研究中心，北京100048）

玉米是我國最重要的糧食作物之一，玉米生長情況的精準監(jiān)測有助于實現(xiàn)糧食增產(chǎn)和農(nóng)業(yè)繁榮。葉面積指數(shù)LAI 是農(nóng)林方面常用來表征植物冠層結(jié)構(gòu)的一個重要參數(shù)[1]，可以實時性地得知有關(guān)植被長勢等方面的相關(guān)信息[2]。

遙感具有大范圍、快速獲取作物光譜特性的能力，是預(yù)測區(qū)域尺度乃至全球尺度包括LAI 在內(nèi)的多種作物生長特征指標的重要技術(shù)手段[3]。無人機遙感監(jiān)測技術(shù)因其自身存在的方便、快捷、時間空間分辨率高、精度高、成本低等多種優(yōu)勢[4]，可以在快速準確獲取遙感影像[5]的基礎(chǔ)上有效獲取作物生長信息，省時省力且利于大田中作物的精確施策[6]?；跓o人機多光譜遙感實現(xiàn)LAI 反演已是近年來的熱點研究問題，相關(guān)方法主要以建立經(jīng)驗?zāi)Ｐ蜑橹?。?jīng)驗?zāi)Ｐ褪峭ㄟ^LAI和遙感光譜數(shù)據(jù)來建立數(shù)學(xué)關(guān)系的一種統(tǒng)計模型，該方法是廣域范圍內(nèi)可以較為經(jīng)濟的實現(xiàn)LAI預(yù)測的有效方法[7]，常適用于特定區(qū)域進行作物生長特性監(jiān)測的情況[8]。在實際中，諸多研究者們常通過建立監(jiān)測指標與光譜反射率或VIs 的經(jīng)驗?zāi)Ｐ蛠韺崿F(xiàn)作物的生長情況監(jiān)測。在光譜反射率方面，研究者們常使用多光譜相機拍攝的藍、綠、紅、紅邊、近紅外五種波段的光譜反射率來建立反演模型；而VIs 方面，以可見光波段和近紅外波段相結(jié)合的VIs 應(yīng)用較為廣泛。其中歸一化植被指數(shù)NDVI 目前應(yīng)用最廣，但是它受土壤背景影響較大；為了彌補這個缺點，學(xué)者們提出了土壤調(diào)節(jié)植被指數(shù)SAVI、優(yōu)化的土壤調(diào)節(jié)植被指數(shù)OSAVI 和修正的土壤調(diào)節(jié)植被指數(shù)MSAVI[9-11]；而為了提高LAI較大時的敏感度、較好地減少大氣的干擾，增強型植被指數(shù)EVI 也較多地應(yīng)用[12-13]。有關(guān)LAI反演與預(yù)測的相關(guān)研究，研究者們還應(yīng)用了其他植被指數(shù)。如譚昌偉等[14]基于夏玉米冠層光譜反射率與LAI，依據(jù)比值植被指數(shù)RVI 等10 種VIs較好地用于夏玉米LAI 的反演研究。趙虎等[15]利用NDVI、EVI、RVI、SAVI 等反演冬小麥LAI，驗證了LAI和不同VIs 之間較強的相關(guān)性。YANG 等[16]利用NDVI 和EVI 進行夏玉米LAI反演研究，結(jié)果表明，EVI 的反演精度高于NDVI。劉珺等[17]研究認為，OSAVI 適用于夏玉米生長前中期的LAI反演，NDVI適用于夏玉米生長后期的LAI反演。袁媛[18]通過構(gòu)建區(qū)域性夏玉米LAI模型表明，基于NDVI、RVI、DVI 構(gòu)建的模型對于同一生態(tài)區(qū)的夏玉米具有較好的精度和較普遍的適用性。

本研究旨在基于無人機多光譜遙感，依據(jù)無人機多光譜反射率以及基于多光譜反射率計算所得的多光譜植被指數(shù)相結(jié)合的多光譜混合指數(shù)，通過相關(guān)性分析篩選出相關(guān)性較高的多光譜混合指數(shù)來探索與建立適用于快速估測夏玉米LAI的反演模型，以實現(xiàn)夏玉米生長情況的模型監(jiān)測以及為無人機遙感技術(shù)在華北地區(qū)夏玉米生長情況監(jiān)測中的進一步應(yīng)用提供一定的技術(shù)支撐。

1 材料和方法

1.1 研究區(qū)概況

本試驗相關(guān)研究在北京市大興區(qū)魏善莊鎮(zhèn)的國家節(jié)水灌溉工程技術(shù)研究中心（北京）大興試驗研究基地（39°37′N，116°26′E）開展。該基地秋冬寒冷干旱，春夏溫暖多雨，年平均氣溫大約12.1 ℃，年日照時間約為2 600 h，平均風(fēng)速約為1.2 m/s，尤其是夏季風(fēng)速較低，適合無人機正常飛行；光照、溫度及土壤水分等條件適宜，適合本試驗供試夏玉米正常生長。

1.2 試驗材料及設(shè)備

供試夏玉米品種為紀元168，是河北新紀元種業(yè)有限公司選育的玉米品種。本試驗采用一種可以獲取多光譜影像的無人機采集系統(tǒng)，機架是經(jīng)緯M600，遙感傳感器是RedEdge 多光譜相機（MicaSence，USA），可同時獲取5 個光譜通道的波段影像。

1.3 試驗設(shè)計

2019 年6 月20 日播種夏玉米，9 月29 日收獲，共102d。共設(shè)置4 個施肥梯度，分別為F0（0kg/hm）2、F1（225 kg/hm2）、F2（450 kg/hm2）、F3（675 kg/hm2），播種前基施1/2 復(fù)合肥（含N、P2O5、K2O 量均為15%），而在拔節(jié)- 抽穗期追施1/2 尿素（含N 量46%）。小區(qū)面積56 m（28 m×7 m），每個處理設(shè)3 次重復(fù)，共12 個小區(qū)。其他條件各小區(qū)均相同。無人機影像獲取試驗與地面葉面積實測試驗同日進行，分別在夏玉米各生育期（拔節(jié)期7 月25 日、抽穗期8 月13 日、灌漿期8 月29 日和成熟期9 月20 日）進行1 次同步試驗。

1.4 數(shù)據(jù)獲取

1.4.1 遙感影像獲取 無人機數(shù)據(jù)采集一般在光照較強的晴天12：00 左右進行，飛行時設(shè)置高度為60 m、設(shè)置速度為3 m/s。像元分辨率是4.09 cm，航向、旁向的重疊度均是80%。

1.4.2 地面數(shù)據(jù)獲取 在無人機航拍試驗當天，于田間用卷尺同步測量夏玉米葉長（Lij）和最長葉寬（Bij）。本試驗中，12 個小區(qū)中隨機選擇3 株夏玉米并作標識，分別測量其全部葉片的Lij和Bij。拔節(jié)—成熟期共測量8 次，時間間隔約為7 天，LAI 計算公式[19]如下：

式中，α 為折算系數(shù)，取0.8；ρ 為種植密度（株/m2）；n為第j株的總?cè)~片數(shù)（片）；m為測定株數(shù)（株）。

1.5 數(shù)據(jù)處理

1.5.1 無人機圖像處理 無人機所拍攝的是tif.格式的零散圖像，運用Pix4D mapper 將450 多張圖像合成與拼接，并進行初始化處理、幾何校正、三維模型的構(gòu)建、紋理的提取和地物特征的構(gòu)造，最終生成可用于分析的正射影像圖和反射率影像圖。在ENVI 中展示上述影像圖，通過Masking 構(gòu)建感興趣區(qū)域ROI，并以圈圖方式對作物進行標記，以用于之后的繼續(xù)求解與建模。

1.5.2 植被指數(shù)的選擇與獲取

1.5.2.1 VIs 的選擇依據(jù) 根據(jù)諸多學(xué)者關(guān)于作物生長監(jiān)測所需VIs 的相關(guān)研究進展，以及該試驗所涉及多光譜5 種光譜通路特征情況，選擇如表1 所示VIs 來構(gòu)建夏玉米LAI 的反演模型。

表1 植被指數(shù)相關(guān)介紹

1.5.2.2 VIs 的獲取 在ENVI 中，利用Band Math分別計算多光譜5 個波段反射率，將ROI 范圍內(nèi)的夏玉米的平均反射率作為該小區(qū)夏玉米的光譜反射率，從而計算得到各生育期夏玉米各供試小區(qū)的光譜反射率，進而依據(jù)反射率在ENVI 中利用Spectral Indices 計算VIs。

1.6 數(shù)據(jù)分析

本試驗在Office 2019、SPSS 26.0 中實現(xiàn)相關(guān)性分析、一元與多元回歸分析。

1.7 建模與評價

1.7.1 建模 依據(jù)不同生育期夏玉米LAI 以及包括多光譜反射率、多光譜植被指數(shù)在內(nèi)的多光譜混合指數(shù)，采用一元與多元回歸分析方法分別建立LAI 優(yōu)選反演模型。

1.7.2 評價 將決定系數(shù)R2、平均絕對誤差MAE和相對誤差RE，作為主要依據(jù)來實現(xiàn)模型評價。以上評價指標的相關(guān)說明見表2。

表2 模型精度評價相關(guān)指標說明

2 結(jié)果與分析

2.1 夏玉米LAI 變化規(guī)律特征分析

從圖1 可以看出，隨著施肥梯度的增加，拔節(jié)期、抽穗期、灌漿期、成熟期的夏玉米LAI 均呈現(xiàn)逐漸增大的變化趨勢，但程度有所不同。這是因為施肥營養(yǎng)對于夏玉米LAI 的增大有較大促進作用。同一施肥水平下，隨著夏玉米生育期推進，LAI 呈現(xiàn)先急劇增大再逐漸減小的變化情況，即拔節(jié)期LAI 較小，抽穗期LAI 顯著增大，灌漿期LAI 略有變小，成熟期LAI 持續(xù)減小，這是因為拔節(jié)—抽穗期追施尿素，使得夏玉米生長相對較快，營養(yǎng)生長態(tài)勢明顯，而灌漿—成熟期夏玉米的生長情況由之前階段的營養(yǎng)生長為主轉(zhuǎn)向生殖生長為主，葉片的生長相對緩慢，導(dǎo)致夏玉米生長發(fā)育后期LAI 相對減小。

2.2 無人機多光譜反射率變化特征分析

從圖2 可以看出，夏玉米各生育期多光譜反射率變化規(guī)律基本一致，即在可見光波段多光譜反射率相對較低，在近紅外波段多光譜反射率相對較高，而且多光譜反射率均呈現(xiàn)先增大后減小，之后顯著增大的變化情況。各生育期多光譜反射率曲線均在綠光波段存在一個波峰，在紅光波段附近出現(xiàn)一個波谷，而且均在近紅外波段附近存在顯著增大的變化趨勢。

2.3 LAI——多光譜混合指數(shù)反演模型的建立與評價

2.3.1 相關(guān)性分析 從表3 夏玉米各生育期LAI與包括藍、綠、紅、近紅、紅邊光譜反射率和多光譜反射率計算所得的VIs 在內(nèi)的多光譜混合指數(shù)的相關(guān)性篩選情況可以看出，GREEN、REDEDGE 在各生育期均呈現(xiàn)極顯著相關(guān)，BLUE、NIR、RED 在各生育期均達到了顯著相關(guān)及極顯著相關(guān)，NDVI等13 種VIs 在不同生育期分別達到了一定程度的相關(guān)性。本研究將據(jù)此篩選出各生育期相關(guān)性較高的多光譜混合指數(shù)，以用于夏玉米不同生育期LAI模型的建立。

表3 不同生育期夏玉米LAI 與多光譜混合指數(shù)相關(guān)性篩選

2.3.2 模型建立 根據(jù)夏玉米各生育期LAI 與相關(guān)性較高（包含極顯著相關(guān)與顯著相關(guān)）的多光譜混合指數(shù)，分別建立一元和多元回歸模型，根據(jù)R2的大小，優(yōu)選出如表4 所示的夏玉米各生育期模型。研究發(fā)現(xiàn)，各生育期優(yōu)選模型的R2分別為0.849、0.811、0.642、0.669、0.935，均大于0.6，有較高的擬合度，尤其是拔節(jié)期、抽穗期和拔節(jié)—成熟期LAI 模型R2達到了0.8 以上，擬合性最好。整體來看，藍光、綠光、紅邊波段的反射率適合夏玉米各生育期LAI 模型的建立；RVI、OSAVI 適合于拔節(jié)期模型的建立，NLI、VARI、GEMI 適合于抽穗期模型的建立，DVI、NLI、VARI、GEMI 適合于灌漿期模型的建立，TNDVI、RVI、VARI、GEMI 適合于成熟期模型的建立，TNDVI、DVI、RVI、NLI、VARI、GEMI 適合于拔節(jié)—成熟期模型的建立。

表4 LAI-多光譜混合指數(shù)優(yōu)選模型

2.3.3 模型評價 圖3 是夏玉米各生育期優(yōu)選模型的評價擬合圖。從圖3 可以看出，基于夏玉米各施肥處理下的LAI 實測值與依據(jù)所建模型得出的LAI 模擬值，建立了1∶1 擬合圖，運用R2、MAE、RE 評價監(jiān)測模型的擬合精度。夏玉米各生育期評價模型的R2分別為0.849、0.811、0.642、0.669、0.935，MAE 分 別 為0.051、0.117、0.177、0.201、0.349，RE分別為0.075、0.026、0.039、0.054、0.104。統(tǒng)計學(xué)中，R2越大、MAE、RE 相對越小，表明評價模型的精度越高。本試驗中，各生育期驗證模型的R2均大于0.6，拔節(jié)期和抽穗期模型達到了0.8，尤其是拔節(jié)—成熟期模型達到0.9，除拔節(jié)期MAE 低于0.1外，其他生育期MAE 均處于0.1～0.4，各生育期RE均在0.1 附近，整體來看，各生育期模型的精度均較高。

3 結(jié)論與討論

多數(shù)研究多為綜合建模，一定情況上鮮見區(qū)分生育期建模，尤其是在夏玉米葉面積指數(shù)監(jiān)測研究中。為了更好地探究夏玉米各生育期LAI模型的效果與精度，本研究所建模型均區(qū)分生育期，且效果較好。趙娟等[27-28]對于冬小麥、水稻建立的分生育階段模型取得了較好的效果。

在模型構(gòu)建過程中，本研究主要是基于葉面積指數(shù)與多光譜混合指數(shù)的相關(guān)性高低來選擇模型變量的。通過多光譜反射率特征曲線可知，各生育期均出現(xiàn)波峰與波谷，表明在上述相關(guān)波段范圍內(nèi)，葉面積指數(shù)的變化較顯著，故相對應(yīng)的多光譜反射率對于葉面積指數(shù)較為敏感，進而通過相關(guān)性分析即可較好地篩選出BLUE、GREEN、REDEDGE以用于模型構(gòu)建。

對于多光譜植被指數(shù)的選擇，則主要是基于相關(guān)文獻研究結(jié)果的綜合分析，王亞杰[29]基于EVI、OSAVI、SAVI、NDVI、RDVI 分別建立了夏玉米拔節(jié)期、生長期、成熟期的多元模型，決定系數(shù)均處于0.9 左右，建模效果較好；王修信等[30]基于林地葉面積指數(shù)的研究表明，多光譜指數(shù)中以NDVI、RSR、SAVI 所建立的估算模型精度最高，R2達到了0.827，RMSE 為0.189；何亞娟等[31]基于NDVI 與葉面積指數(shù)的較高相關(guān)性，構(gòu)建了反演效果最好的模型，其R2達到了0.84，RE 僅為0.026。同時，NDVI、RDVI、TNDVI 是用來反映農(nóng)作物長勢的重要參數(shù)；RVI、DVI 對于植被有較大影響，且DVI 對于土壤背景更為敏感；EVI1、EVI2 可以提高生物區(qū)植被的敏感度, 降低土壤背景和大氣影響；SAVI、OSAVI、MSAVI 等土壤調(diào)節(jié)植被指數(shù)以及NLI、VARI、GEMI等與環(huán)境、大氣相關(guān)的植被指數(shù)也在一定程度上對于葉面積指數(shù)監(jiān)測有一定的影響。

本研究基于包括多光譜反射率和多光譜植被指數(shù)在內(nèi)的與LAI 相關(guān)的多光譜混合指數(shù)，并在相關(guān)性分析基礎(chǔ)上篩選出最優(yōu)指數(shù)，構(gòu)建了夏玉米各生育期多元回歸模型，各生育期優(yōu)選模型的R2分別為0.849、0.811、0.642、0.669、0.935，均大于0.6，有較高的擬合度，各生育期驗證模型的R2均大于0.6，除拔節(jié)期MAE 低于0.1 外，其他生育期MAE均處于0.1～0.4；各生育期RE 均在0.1 附近，精度較高。

在模型監(jiān)測的效果與精度方面，AASEN 等[32]基于VIs 反演大麥冠層LAI 的R2為0.32；牛慶林等[33]基于無人機影像數(shù)據(jù)估測玉米LAI，R2達到0.63；陸國政等[34]基于VIs 估測大豆LAI 的R2為0.70；高林等[35]基于無人機和光譜指數(shù)反演小麥LAI 的R2為0.78。本研究比較而言，反演效果更好，在一定程度上驗證了采用多光譜混合指數(shù)進行華北地區(qū)夏玉米LAI 研究的適用性與可行性。此外，一些學(xué)者基于深度學(xué)習(xí)、機器語言等較好的方法用于作物相關(guān)研究[36-37]，并取得了較好的效果，今后應(yīng)開展這方面的研究，以更好地提升夏玉米葉面積指數(shù)模型的效果與精度。