韓文霆 湯建棟 張立元 牛亞曉 王彤華

(1.西北農(nóng)林科技大學(xué)水土保持研究所，陜西楊凌 712100; 2.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西楊凌 712100；3.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院，陜西楊凌 712100)

0 引言

青貯玉米是指在籽粒蠟熟期后可全株收獲制作成青貯飼料的玉米品種，是目前用于飼料的主要玉米品種，在我國(guó)農(nóng)業(yè)畜牧業(yè)發(fā)展和生態(tài)建設(shè)中具有重要作用[1]。地上生物量是指植物組織地面以上部分的質(zhì)量，由植物進(jìn)行光合作用的干物質(zhì)積累形成，是反映青貯玉米長(zhǎng)勢(shì)、預(yù)測(cè)產(chǎn)量和收益[2]以及評(píng)價(jià)農(nóng)作區(qū)生態(tài)狀況的重要指標(biāo)。內(nèi)蒙古地區(qū)是我國(guó)青貯玉米的主要種植地，該地區(qū)處于典型的干旱半干旱氣候區(qū)，其農(nóng)業(yè)發(fā)展在很大程度上依賴于水資源的開(kāi)發(fā)利用，存在水資源短缺、利用率低和農(nóng)業(yè)水資源管理落后等問(wèn)題[3]，嚴(yán)重制約了當(dāng)?shù)剞r(nóng)業(yè)的可持續(xù)發(fā)展。對(duì)干旱半干旱地區(qū)青貯玉米生物量及其水分利用狀況進(jìn)行快速、準(zhǔn)確的評(píng)估可以為農(nóng)業(yè)生產(chǎn)提供管理調(diào)控的科學(xué)依據(jù)，對(duì)精準(zhǔn)農(nóng)業(yè)生產(chǎn)和水資源高效利用具有重要意義。

傳統(tǒng)的生物量和作物水分利用效率估測(cè)方法有田間采樣法和作物模型模擬法。田間采樣法需要破壞性取樣，該方法耗時(shí)、耗力，且很難獲得詳細(xì)的作物生長(zhǎng)時(shí)空分布狀況[4]；作物模型模擬法則需要通過(guò)大量的野外觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行參數(shù)校正，如土壤特性、作物參數(shù)和氣象數(shù)據(jù)等[5]。隨著科技的發(fā)展，衛(wèi)星遙感估測(cè)技術(shù)已成為大面積作物長(zhǎng)勢(shì)和農(nóng)情監(jiān)測(cè)重要的研究手段。其中，將衛(wèi)星遙感數(shù)據(jù)與作物生長(zhǎng)模型相結(jié)合來(lái)估測(cè)作物生物量和水分利用狀況是一種主要方法[6-7]。文獻(xiàn)[8]結(jié)合衛(wèi)星遙感數(shù)據(jù)與雙作物系數(shù)模型估算了玉米和甜菜的蒸散發(fā)(Evapotranspiration，ET)，再通過(guò)實(shí)測(cè)的產(chǎn)量數(shù)據(jù)估算作物水分利用效率(Crop water use efficiency，CWUE)。雖然衛(wèi)星遙感數(shù)據(jù)與輻射傳輸、作物生長(zhǎng)和土壤水分平衡模型的集成已被廣泛用于區(qū)域和田間尺度的生物量和作物水分利用效率制圖[9]，但衛(wèi)星遙感存在重訪周期較長(zhǎng)、時(shí)間分辨率較低的缺陷，而作物模型對(duì)遙感數(shù)據(jù)的觀測(cè)時(shí)間、空間密度以及反演參數(shù)的精度要求較高，這些因素會(huì)直接影響田塊尺度上作物生長(zhǎng)模擬的精度[10]。無(wú)人機(jī)遙感平臺(tái)具有高頻、迅捷、低成本、高空間分辨率、受天氣影響小等特點(diǎn)，在農(nóng)田信息精準(zhǔn)監(jiān)測(cè)方面具有良好的應(yīng)用前景[11-14]。

研究表明，利用無(wú)人機(jī)遙感技術(shù)能夠很好地反演多種作物生物量[15-17]，但目前主要還是通過(guò)回歸分析建立經(jīng)驗(yàn)?zāi)Ｐ蛠?lái)估測(cè)作物生物量[18-19]。這些研究均以數(shù)據(jù)為驅(qū)動(dòng)，而無(wú)法從作物的生長(zhǎng)發(fā)育機(jī)制來(lái)解釋[20]和分析作物整個(gè)生長(zhǎng)過(guò)程的水分利用狀況。目前，研究重點(diǎn)主要是評(píng)估相關(guān)的作物生長(zhǎng)性狀，即通過(guò)光譜指數(shù)分析不同生長(zhǎng)條件下的植物水分狀況。比如，文獻(xiàn)[21]使用無(wú)人機(jī)平臺(tái)結(jié)合能量平衡模型與光能利用效率模型估測(cè)了柳樹(shù)的瞬時(shí)凈輻射、蒸散發(fā)、作物總初級(jí)生產(chǎn)力、光能利用效率和水分利用效率。但此研究描述的是在單一時(shí)間點(diǎn)上的作物水分利用狀態(tài)，而作物的水分消耗是一個(gè)隨時(shí)變化的過(guò)程[9]。因此，將基于作物生長(zhǎng)過(guò)程的模擬模型與反映作物生長(zhǎng)狀況的光譜特征相結(jié)合會(huì)更好地表達(dá)作物生長(zhǎng)和水分消耗的本質(zhì)[22]。

目前，將無(wú)人機(jī)遙感平臺(tái)與作物模型相結(jié)合估算田間作物生物量及水分利用效率的研究較少。通常，用于常規(guī)無(wú)人機(jī)系統(tǒng)監(jiān)測(cè)生物量和水分利用效率的模型應(yīng)該易于操作、所需參數(shù)有限且容易獲取。AquaCrop模型[23]是一個(gè)不斷改進(jìn)更新、以水分為驅(qū)動(dòng)的作物生長(zhǎng)模型，文獻(xiàn)[24]將衛(wèi)星遙感數(shù)據(jù)輸入基于Aquacrop簡(jiǎn)化的水分利用效率模型中，用來(lái)估算作物水分生產(chǎn)力和生物量。通過(guò)無(wú)人機(jī)遙感平臺(tái)與作物生長(zhǎng)模型的集成可以更好地發(fā)揮兩者優(yōu)勢(shì)，對(duì)提高田間尺度上作物生長(zhǎng)參數(shù)的模擬精度、促進(jìn)無(wú)人機(jī)遙感平臺(tái)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用具有重要意義[25]。

鑒于以上研究現(xiàn)狀和存在問(wèn)題，本文利用無(wú)人機(jī)遙感平臺(tái)獲取不同生育期大田玉米冠層高分辨率多光譜遙感影像，結(jié)合當(dāng)?shù)貧庀髷?shù)據(jù)和土壤水分?jǐn)?shù)據(jù)，將其整合輸入簡(jiǎn)單的作物水分利用效率模型中，并獲取大田玉米水分利用效率與生物量的空間分布，研究分析本文方法在不同水分脅迫下的響應(yīng)，以期為干旱和半干旱地區(qū)農(nóng)田作物水分利用和灌溉管理提供理論依據(jù)和技術(shù)支持。

1 材料與方法

1.1 試驗(yàn)地概況

試驗(yàn)于2018年在內(nèi)蒙古自治區(qū)鄂爾多斯市達(dá)拉特旗昭君鎮(zhèn)(40°26′0.29″N，109°36′25.99″E，海拔1 010 m)開(kāi)展，該區(qū)域?qū)儆诘湫蜏貛Т箨懶詺夂颉Ｔ囼?yàn)地土壤為砂壤土，0～120 cm平均田間持水率為13%(體積含水率)，凋萎系數(shù)為5.6%，土壤容重為1.56 cm3[26]。試驗(yàn)玉米品種為“鈞凱918”，試驗(yàn)田為半徑約60 m的圓形地塊(圖1)，出苗日期5月18日，收獲日期為9月8日。其中玉米播種行距為0.58 m，株距0.25 m，行向由東至西，采用中心軸式噴灌機(jī)進(jìn)行灌溉。

試驗(yàn)區(qū)設(shè)置5個(gè)水分處理區(qū)，每個(gè)水分處理區(qū)下設(shè)置3個(gè)6 m×6 m的采樣區(qū)，也是3個(gè)重復(fù)區(qū)，共15個(gè)小區(qū)(圖1)。對(duì)扇形區(qū)域TRT1進(jìn)行充分灌溉(田間持水率的95%)，對(duì)其他4個(gè)區(qū)分別以TRT1處理區(qū)的不同百分比進(jìn)行不同梯度的水分脅迫處理，具體水分處理及生育期內(nèi)降雨及灌溉情況見(jiàn)表1(如TRT3的3個(gè)生育期灌溉處理(40/100/80)分別為TRT1的40%、100%、80%)。其中玉米所處的生育期階段是按照“葉領(lǐng)法”[26]進(jìn)行劃分，分別為營(yíng)養(yǎng)生長(zhǎng)期(Vegetative stage，V期)、生殖生長(zhǎng)期(Reproductive stage，R期)和成熟期(Maturation stage，M期)，營(yíng)養(yǎng)生長(zhǎng)期是根據(jù)發(fā)育完全的葉片的數(shù)量來(lái)確定的，生殖生長(zhǎng)期(R期)是從玉米抽穗至谷粒成熟，R4-R6也為玉米的成熟期。本試驗(yàn)進(jìn)行水分脅迫處理時(shí)間為：V7期開(kāi)始至整個(gè)生殖生長(zhǎng)期和成熟期。實(shí)際灌溉量和降雨量分別通過(guò)安裝在噴灌機(jī)上的流量計(jì)(MIK2000H型)和試驗(yàn)地相鄰的標(biāo)準(zhǔn)氣象站采集。各區(qū)其他管理措施除灌溉量外完全相同。

表1 不同玉米生育期各個(gè)處理區(qū)灌溉處理和降雨量情況

1.2 無(wú)人機(jī)系統(tǒng)與影像數(shù)據(jù)采集

數(shù)據(jù)采集采用自主研發(fā)的無(wú)人機(jī)多光譜影像采集系統(tǒng)，如圖2所示。該系統(tǒng)采用開(kāi)源飛控PIXHAWK，經(jīng)緯M600型機(jī)架，搭載RedEdge型多光譜相機(jī)(MicaSense，USA)，該相機(jī)具有5個(gè)波長(zhǎng)的光譜采集通道：475 nm(藍(lán)光，B)、560 nm(綠光，G)、668 nm(紅光，R)、717 nm(紅邊，RE)、840 nm(近紅外，NIR)，且配有光強(qiáng)傳感器和固定反射率校正板(Group Ⅷ)，無(wú)人機(jī)系統(tǒng)參數(shù)可參照文獻(xiàn)[25]。

在玉米生育期(V-R6)進(jìn)行影像采集，間隔為5～7 d。采集時(shí)間選定當(dāng)天11：00—13：00，此時(shí)天氣晴朗、陽(yáng)光強(qiáng)度穩(wěn)定、無(wú)云且風(fēng)力較小。無(wú)人機(jī)飛行高度為70 m，多光譜相機(jī)鏡頭垂直向下，地面分辨率為4.77 cm/像素。每次都采用固定航線飛行，航向和旁向重疊度均為85%。每次采集后的無(wú)人機(jī)影像采用Pix4DMapper軟件(Pix4DInc.，Switzerland，https:∥www.pix4d.com/)進(jìn)行拼接。主要拼接過(guò)程為：導(dǎo)入圖像和地面控制點(diǎn)坐標(biāo)，生成點(diǎn)云，輻射校正，生成數(shù)字表面模型、正射影像及歸一化植被指數(shù)[27](Normalized differential vegetation index，NDVI)分布圖。使用15個(gè)樣區(qū)的shp文件利用R語(yǔ)言程序(R-3.5.1，https:∥www.r-project.org/)對(duì)植被指數(shù)分布圖進(jìn)行批量化裁剪，提取各樣區(qū)的植被指數(shù)。

1.3 地面數(shù)據(jù)獲取

(1)氣象站數(shù)據(jù)采集：農(nóng)業(yè)氣象站由河北省清易電子科技有限公司組裝和調(diào)試，位于距離試驗(yàn)區(qū)1 km處，其下墊面為苜蓿，高度保持在12 cm左右。監(jiān)測(cè)參數(shù)包括空氣溫度(Air temperature，Ta)、相對(duì)濕度(Relative humidity，RH)、2 m處風(fēng)速(u2)、太陽(yáng)凈輻射(Netsolar radiation，Rn)和降雨量(Precipitation，P)，除降雨量外，每間隔30 min采集一次數(shù)據(jù)。

(2)土壤含水率數(shù)據(jù)采集：采用干燥法測(cè)量試驗(yàn)區(qū)玉米根系層的土壤含水率。從V7期開(kāi)始，大約每隔7 d在每一個(gè)采樣區(qū)中心位置采集一次土樣，并在灌溉前后和有效降雨后進(jìn)行加測(cè)。取土深度分別為10、20、30、45、60、90、120 cm，將7個(gè)不同深度土層的土壤含水率取平均值，代表6 m×6 m采樣區(qū)土壤含水率的均值，并采用線性插值法對(duì)土壤含水率進(jìn)行處理，得到各樣區(qū)土壤含水率的逐日數(shù)據(jù)序列。

(3)地上部玉米干生物量數(shù)據(jù)采集：在無(wú)人機(jī)光譜數(shù)據(jù)采集完后，在采樣區(qū)內(nèi)隨機(jī)選取一個(gè)0.5 m×0.5 m的區(qū)域進(jìn)行地上玉米生物量的采集。將玉米從莖基部剪下，獲得完整的冠部，編號(hào)分裝好后放入干燥箱內(nèi)，在105℃下殺青2 h，恒溫(80℃)干燥至恒質(zhì)量后稱量。稱量時(shí)采用精度為0.01 g的電子天平，獲取采樣區(qū)的地上部玉米干生物量。

1.4 基于無(wú)人機(jī)遙感的水分利用效率與生物量估算方法

1.4.1基于生物量的水分利用效率及標(biāo)準(zhǔn)化水分利用效率模型

植物生長(zhǎng)和生物量積累是光合作用過(guò)程中CO2同化和水分通過(guò)植物氣孔的蒸騰交換的結(jié)果，其中所需的能量由太陽(yáng)輻射提供[28]。考慮到這一過(guò)程的生理基礎(chǔ)，生長(zhǎng)模擬的經(jīng)典方法包括將蒸騰的水分轉(zhuǎn)換為生物量的效率，這種經(jīng)典的模型被稱為水利用效率(Water use efficiency，WUE)模型，是許多作物模型的基礎(chǔ)[29]。WUE表示作物單位水分消耗獲得的干生物量，生物量是實(shí)際蒸騰量Tc,adj時(shí)間積分與WUE乘積的結(jié)果[30]，即

(1)

式中mBio——t0～t時(shí)間段內(nèi)增長(zhǎng)的地上部干生物量，g/m2

t0——出苗日期

t——生物量獲取日期

WUE——作物水分利用效率，kg/m3

由于WUE容易受不同的區(qū)域、年份和管理措施等的影響而產(chǎn)生差異，文獻(xiàn)[31]指出，針對(duì)不同氣候環(huán)境下的蒸發(fā)需求，需要進(jìn)行標(biāo)準(zhǔn)化處理。已有許多研究使用飽和氣壓差(Vapor pressure deficit，VPD)和參考蒸發(fā)蒸騰量(Reference evapotranspiration，ET0)來(lái)進(jìn)行標(biāo)準(zhǔn)化處理，在聯(lián)合國(guó)糧農(nóng)組織發(fā)布的AquaCrop模型中認(rèn)為針對(duì)氣候差異使用ET0是最佳水分利用效率標(biāo)準(zhǔn)化方法[23,32]。據(jù)此提出了標(biāo)準(zhǔn)化水分利用效率(Normalization of water productivity，WP*)的計(jì)算模型[33]。文獻(xiàn)[34]研究表明，在內(nèi)蒙古地區(qū)多變的氣候條件下，WP*是一個(gè)比WUE更為穩(wěn)定評(píng)估作物生產(chǎn)力和生長(zhǎng)速率的參數(shù)。

(2)

其中

Tc,adj=ktkstkswET0

(3)

式中WP*——標(biāo)準(zhǔn)化水分利用效率，g/m2

kt——蒸騰系數(shù)

kst——溫度脅迫系數(shù)

ksw——水分脅迫系數(shù)

1.4.2無(wú)人機(jī)遙感平臺(tái)與水分利用效率模型的結(jié)合

水分利用效率與生物量關(guān)系的核心參數(shù)是隨時(shí)間變化的蒸騰量Tc,adj。Tc,adj又由蒸騰系數(shù)kt決定，而基于傳統(tǒng)的方法很難獲取大面積農(nóng)田上連續(xù)的作物蒸騰系數(shù)kt，因無(wú)人機(jī)遙感平臺(tái)可以獲取高時(shí)空分辨率的作物冠層信息，為獲取kt信息提供新的思路。研究表明，通過(guò)基于植被指數(shù)經(jīng)驗(yàn)?zāi)Ｐ涂梢院芎玫毓罍y(cè)作物蒸騰系數(shù)，提供田間尺度上詳細(xì)連續(xù)的kt分布[35]。文獻(xiàn)[8]提出了可以適用于不同氣候條件下的、基于歸一化植被指數(shù)NDVI的蒸騰系數(shù)計(jì)算模型

(4)

式中kt,max——作物達(dá)到完全覆蓋時(shí)的最大蒸騰系數(shù)

NDVImax——作物達(dá)到全覆蓋時(shí)最大NDVI

NDVImin——裸土狀態(tài)下NDVI[27]

α——模型經(jīng)驗(yàn)系數(shù)

為實(shí)現(xiàn)上述計(jì)算方法，本研究實(shí)測(cè)的NDVImax、NDVImin分別為0.82、0.14；根據(jù)FAO-56作物需水量計(jì)算手冊(cè)[36]中雙作物系數(shù)計(jì)算kt,max，目前在中國(guó)利用雙作物系數(shù)法估算和區(qū)分灌溉條件下農(nóng)田蒸騰和蒸發(fā)量的研究較多[37]，通過(guò)FAO-56提供的計(jì)算公式，使用氣象與作物參數(shù)數(shù)據(jù)，可以計(jì)算得到kt,max為1.2；本研究采用簡(jiǎn)單線性模型，因此α取1。代入式(4)得

kt=1.8NDVI-0.25

(5)

通過(guò)2個(gè)水分利用效率模型和無(wú)人機(jī)遙感植被指數(shù)NDVI之間關(guān)系的描述，本研究基于無(wú)人機(jī)遙感結(jié)合水分利用效率模型估算大田青貯玉米水分利用效率及生物量的流程如圖3所示。具體流程為：①通過(guò)無(wú)人機(jī)遙感平臺(tái)獲取玉米各個(gè)生育期不同日期整個(gè)地塊的NDVI分布。②通過(guò)式(4)、(5)獲取整個(gè)地塊的蒸騰系數(shù)kt，通過(guò)時(shí)間線性插值獲取整個(gè)生育期內(nèi)每天的kt分布圖。③結(jié)合每天的氣象數(shù)據(jù)和土壤水分?jǐn)?shù)據(jù)得到校正系數(shù)kst、ksw和ET0，即可通過(guò)式(3)獲得整個(gè)生育期玉米不同時(shí)期各個(gè)處理區(qū)∑ktkswkst和∑Tc,adj分布。④使用實(shí)測(cè)的生物量數(shù)據(jù)通過(guò)式(1)即可計(jì)算每個(gè)處理下的WUE和WP*分布。雖然已有很多研究計(jì)算過(guò)玉米的WUE，但是WUE隨環(huán)境的易變性和WP*數(shù)據(jù)的稀缺性，需要在當(dāng)?shù)貙?duì)其進(jìn)行校正[35]。⑤基于以上步驟，同樣可以計(jì)算各小樣區(qū)的WUE和WP*經(jīng)驗(yàn)值，然后采用WUE和WP*經(jīng)驗(yàn)值進(jìn)行生物量的估算并驗(yàn)證，從而獲取整個(gè)處理區(qū)的生物量分布圖。

1.4.3環(huán)境脅迫因子kst、ksw計(jì)算

以上kt表示的是標(biāo)準(zhǔn)狀況下沒(méi)有脅迫狀況的作物蒸騰系數(shù)，而實(shí)際的作物生長(zhǎng)會(huì)在不同的環(huán)境、管理措施下偏離正常的生長(zhǎng)。本文根據(jù)FAO-66手冊(cè)，將溫度脅迫系數(shù)kst和水分脅迫系數(shù)ksw計(jì)入模型中。

溫度脅迫系數(shù)kst在0～1之間，0表示溫度太低不能滿足作物生長(zhǎng)，大于0小于1表示由于受作物生長(zhǎng)所需熱量不能完全滿足，作物蒸騰量只能部分轉(zhuǎn)換為作物生物量，1表示作物生長(zhǎng)所需熱量能完全滿足，作物蒸騰量可全部轉(zhuǎn)換為作物生物量[38]。本文采用文獻(xiàn)[39]提出的計(jì)算方法計(jì)算kst。

(6)

式中SrelT——相對(duì)水分脅迫水平

T0——玉米最適宜生長(zhǎng)的溫度,℃

Tb——不能滿足玉米生長(zhǎng)的臨界溫度,℃

Tm——實(shí)測(cè)的日平均氣溫,℃

根據(jù)文獻(xiàn)[39]：T0、Tb分別取30、8℃。當(dāng)Tm>T0時(shí)，kst=1；當(dāng)Tm≤T0時(shí)，kst計(jì)算式為

(7)

式中Sn——kst上限，取1

Sx——kst下限，取0.001

r——速率因子，取15[40]

由于本試驗(yàn)設(shè)置了不同的水分脅迫處理，同時(shí)存在未及時(shí)灌溉的情況，玉米會(huì)產(chǎn)生水分脅迫。土壤根系層低于作物適宜生長(zhǎng)的含水率時(shí)會(huì)產(chǎn)生水分脅迫，影響作物生物量累積。水分脅迫系數(shù)計(jì)算式為[41]

(8)

式中θ——作物根系層土壤含水率，%

θf(wàn)c——田間持水率(體積含水率)，取13%[26]

θwp——凋萎系數(shù)(體積含水率)，取5.6%[26]

θj——適宜土壤含水率，取8.9%

p——發(fā)生水分脅迫之前根系中所消耗水量與土壤總有效水量的比值，取0.55

1.5 精度評(píng)價(jià)及方法驗(yàn)證

為驗(yàn)證不同水分處理下本文方法的適用性，將TRT1、TRT2和TRT4每個(gè)處理區(qū)中的2個(gè)小樣區(qū)(2小樣區(qū)各參數(shù)平均值)作為水分利用效率模型建立區(qū)，將TRT1、TRT2和TRT4處理區(qū)剩余的一個(gè)小樣區(qū)和TRT3和TRT5區(qū)平均值分別作為驗(yàn)證數(shù)據(jù)集。采用決定系數(shù)R2、均方根誤差(Normalized root mean square error，RMSE)、一致性指數(shù)d(Index of agreement)3個(gè)指標(biāo)進(jìn)行精度評(píng)價(jià)。一致性指數(shù)越大表示監(jiān)測(cè)值與預(yù)測(cè)值的一致性程度越高，其計(jì)算式為

(9)

Pi——預(yù)測(cè)值n——樣本數(shù)量

2 結(jié)果分析

2.1 玉米不同生育期的基礎(chǔ)氣象數(shù)據(jù)與作物參數(shù)變化

2018年玉米生育期參考蒸發(fā)蒸騰量ET0、降雨量和灌溉量的變化過(guò)程見(jiàn)圖4。ET0整體呈下降趨勢(shì)，其中5月末至6月初呈波動(dòng)增大趨勢(shì)，而在7—9月初呈減小趨勢(shì)，青貯玉米整個(gè)生育期ET0為554 mm。青貯玉米主要降雨量集中在7月玉米營(yíng)養(yǎng)生長(zhǎng)期的后期，在降雨量不足時(shí)進(jìn)行補(bǔ)充灌溉。灌溉量主要集中于玉米生育期前期，不同處理區(qū)灌溉量在V7期之前一致，從V7-R6期按TRT1的不同百分比進(jìn)行灌溉(表1)。

圖5為TRT1、TRT2和TRT4處理區(qū)青貯玉米土壤含水率變化曲線。本試驗(yàn)從V7期開(kāi)始(圖5中綠色虛線處)進(jìn)行水分脅迫處理，在水分脅迫處理前各試驗(yàn)區(qū)的降雨灌溉量一致，但由于存在不同處理區(qū)間的土壤異質(zhì)性，TRT2在進(jìn)行水分處理前和進(jìn)行水分處理后期某些時(shí)間段含水率大于TRT1和TRT4處理區(qū)，但在水分脅迫處理后大部分生育期各處理區(qū)的土壤含水率與灌溉梯度一致，從大到小依次為TRT1、TRT2、TRT4。

圖6為玉米生育期內(nèi)的地上部干生物量的變化趨勢(shì)。本試驗(yàn)從2018年6月19日，V6初期開(kāi)始采集生物量數(shù)據(jù)，隨著時(shí)間推移而逐漸增大，大約至R5(蠟熟期)末期，玉米的地上部干生物量基本不再增加。因?yàn)樵谙炇炱诤笃?，干物質(zhì)累積過(guò)程結(jié)束，干生物量達(dá)到最大值。不同水分處理下的干生物量增長(zhǎng)趨勢(shì)也不同，總體上TRT1區(qū)的生物量高于其余2個(gè)處理區(qū)。在不同的水分脅迫處理下，相比于TRT1處理區(qū)，TRT2和TRT4兩處理區(qū)最終的累積干生物量分別減少20%和22%。

圖7為玉米生育期內(nèi)冠層植被指數(shù)NDVI的變化曲線。在所有的16次測(cè)量中，3個(gè)處理區(qū)的NDVI都呈現(xiàn)出先緩慢增長(zhǎng)(V2-V5)，快速增長(zhǎng)(V6-VT)，平緩不再增長(zhǎng)(R1-R4)到逐漸減少(R5-R6)的變化趨勢(shì)。NDVI主要與作物的覆蓋度有關(guān)，由于在V6-VT期，玉米的葉片發(fā)育迅速，因此玉米的覆蓋度和冠層NDVI快速增長(zhǎng)。VT期的玉米達(dá)到全覆蓋，NDVI達(dá)到最大值(約為0.82)且基本不再增長(zhǎng)。在R5-R6期玉米的葉片開(kāi)始部分枯萎發(fā)黃和脫落，導(dǎo)致覆蓋度和NDVI減小。且從圖7可知NDVI對(duì)水分脅迫響應(yīng)明顯，3個(gè)處理區(qū)的NDVI在不同的水分脅迫狀況下具有明顯的梯度。

2.2 水分脅迫系數(shù)和溫度脅迫系數(shù)

圖8a為TRT1、TRT2和TRT4處理區(qū)通過(guò)對(duì)土壤含水率插值的水分脅迫系數(shù)ksw計(jì)算結(jié)果，水分處理從V7期開(kāi)始，之前生育期都為充分灌溉，且灌溉頻率高，ksw為1。由于青貯玉米在VT-R6生育期內(nèi)不同處理區(qū)間存在不同水分處理，具有不同的脅迫梯度，具體表現(xiàn)為：在V7-VT期，TRT1、TRT2和TRT4處理區(qū)平均ksw分別為1.00、0.97和1.00；在R1-R3期分別為0.93、0.90和0.83；在R4-R6期分別為0.94、0.72和0.69。雖然TRT1區(qū)是按照100%進(jìn)行灌溉，但可能由于采樣點(diǎn)土質(zhì)等其他原因也出現(xiàn)了較長(zhǎng)時(shí)期的水分脅迫。同時(shí)，由于V7-VT期灌溉降雨量較多(圖4)，3個(gè)處理區(qū)ksw差異不大，都基本不存在水分脅迫狀況。

圖8b為玉米生育期每天的平均氣溫與相應(yīng)溫度脅迫系數(shù)kst，在溫度影響下kst整體表現(xiàn)為生育期前期和末期小，6、7、8月這3個(gè)月值大，有利于玉米生長(zhǎng)，也是玉米的主要生長(zhǎng)期。由于5月下旬和9月上旬晝夜溫差大且日間溫度相對(duì)較低導(dǎo)致一天平均溫度過(guò)低，導(dǎo)致kst很小，一部分時(shí)間甚至接近于0，整個(gè)生育期的kst平均值為0.78，說(shuō)明當(dāng)?shù)貧夂驅(qū)τ谟衩咨锪坷鄯e具有較大的影響。

2.3 水分利用效率(WUE)

圖9為各區(qū)根據(jù)實(shí)測(cè)的各生育期地上部干生物量與相對(duì)應(yīng)日期基于光譜數(shù)據(jù)計(jì)算的玉米生育期內(nèi)實(shí)際蒸騰量(∑Tc,adj)擬合結(jié)果；結(jié)果表明不同水分處理下生物量與蒸騰量(∑Tc,adj)之間具有極顯著的正相關(guān)關(guān)系(P<0.001)，決定系數(shù)R2分別為0.92、0.95和0.93。但從圖9中可以看出，在玉米的生育期后期(R5、R6)，相關(guān)性明顯較低。在不同的水分處理下，TRT1、TRT2和TRT4 3個(gè)處理區(qū)整個(gè)生育期的蒸騰量分別為257、253、183 mm。在水分效率分析中線性關(guān)系的截距與0沒(méi)有區(qū)別，因此將斜率作為WUE[24,35]，TRT1、TRT2和TRT4處理區(qū)的水分利用效率分別為7.4、6.9、7.9 kg/m3。不同水分處理下的WUE沒(méi)有明顯的趨勢(shì)，TRT4處理區(qū)雖然具有較高的WUE，但其生物量沒(méi)有TRT1和TRT2處理區(qū)高，TRT1處理區(qū)的生物量最高且有較高的WUE。

圖10為各區(qū)根據(jù)實(shí)測(cè)的收獲時(shí)地上部干生物量與基于光譜數(shù)據(jù)的玉米生育期總的實(shí)際蒸騰量∑Tc,adj通過(guò)式(1)計(jì)算獲取的不同水分處理區(qū)(TRT1、TRT2和TRT4)的WUE分布圖，具體處理步驟見(jiàn)1.4.2節(jié)流程圖及其說(shuō)明。由表2可知，3個(gè)處理區(qū)TRT1、TRT2、TRT4 WUE均值分別為7.6、6.7、8.6 kg/m3，其中TRT1、TRT2 WUE平均值與圖9中擬合的結(jié)果相近，而水分脅迫更嚴(yán)重的TRT4較之于TRT1、TRT2表現(xiàn)出了很大的差異。WUE平均值隨著水分脅迫并沒(méi)有明確的變化趨勢(shì)，但是隨著水分脅迫的增加，WUE空間變異性呈現(xiàn)出增長(zhǎng)的趨勢(shì)。如表2所示，TRT1、TRT2和TRT4處理區(qū)WUE的變異系數(shù)分別為10.2%、12.6%和17.2%。

表2 處理區(qū)TRT1、TRT2和TRT4 WUE分布統(tǒng)計(jì)參數(shù)

2.4 標(biāo)準(zhǔn)化水分利用效率(WP*)

圖11為采用1.4.2節(jié)的方法對(duì)水分利用效率進(jìn)行標(biāo)準(zhǔn)化處理獲得的WP*，生物量與∑ktkswkst之間同樣具有極顯著的正相關(guān)關(guān)系(P<0.001)，且R2均不小于0.93。不同水分脅迫下的WP*分別為31.6、29.4、33.7 g/m2，都與FAO-66手冊(cè)推薦值33.7 g/m2相近。

圖12為根據(jù)實(shí)測(cè)的收獲時(shí)地上部干生物量與基于光譜數(shù)據(jù)的玉米生育期總的∑ktkswkst通過(guò)式(2)計(jì)算獲取的不同水分處理區(qū)(TRT1、TRT2和TRT4)的WP*分布圖，具體處理步驟見(jiàn)1.4.2節(jié)流程圖及其說(shuō)明。由表3可知3個(gè)處理區(qū)TRT1、TRT2和TRT4的均值分別為37.9、31.1、39.5 g/m2。其中TRT2的WP*與圖11中擬合的結(jié)果相近，TRT1、TRT4表現(xiàn)出了相對(duì)較大的差異，可能是由于受土壤背景的影響和使用收獲時(shí)單個(gè)生物量計(jì)算使得相對(duì)于圖12中整個(gè)生育期擬合結(jié)果偏大。但從圖12中可以看出，大部分WP*還是分布在30～35 g/m2區(qū)間內(nèi)。WP*平均值隨著水分脅迫并沒(méi)有明確的變化趨勢(shì)。但是隨著水分脅迫的增加，與WUE類似，WP*分布的標(biāo)準(zhǔn)差和變異系數(shù)呈現(xiàn)出增長(zhǎng)的趨勢(shì)。如表3所示，TRT1、TRT2和TRT4處理區(qū)WP*的變異系數(shù)分別為8.6%、9.7%和13.5%。

表3 處理區(qū)TRT1、TRT2和TRT4 WP*分布統(tǒng)計(jì)參數(shù)

2.5 模型檢驗(yàn)及生物量估算

為驗(yàn)證該模型的適用性和可重復(fù)性，本文使用2.3節(jié)和2.4節(jié)模型擬合的WUE與WP*對(duì)驗(yàn)證集的生物量進(jìn)行估算，并通過(guò)實(shí)測(cè)的地上部生物量進(jìn)行驗(yàn)證。數(shù)據(jù)驗(yàn)證集包括TRT1、TRT2和TRT4每個(gè)處理區(qū)下預(yù)留的一個(gè)采樣區(qū)和與TRT1、TRT2、TRT4水分脅迫模式不同的TRT3和TRT5處理區(qū)。圖13a、13b分別為使用2.3節(jié)和2.4節(jié)中模擬的結(jié)果(TRT1、TRT2和TRT4的WUE和WP*)進(jìn)行生物量估測(cè)的驗(yàn)證結(jié)果。結(jié)果顯示在整個(gè)生育期內(nèi)基于標(biāo)準(zhǔn)化水分利用效率WP*的驗(yàn)證精度(RMSE為256 g/m2，d=0.96)略高于WUE，2種方法誤差主要來(lái)自于玉米地上部干生物量大于1 500 g/m2的生育期后期(R5-R6)。V-R4期采用2種方法進(jìn)行驗(yàn)證時(shí)，RMSE分別降低為91.7 g/m2和126 g/m2，一致性指數(shù)d上升為0.98。

由于TRT3和TRT5處理區(qū)的水分脅迫狀況不同于TRT1、TRT2和TRT4處理區(qū)，所以分別采用TRT1、TRT2和TRT4區(qū)的WUE平均值(7.4 kg/m2)與WP*平均值(31.5 g/m2)對(duì)TRT3和TRT5處理區(qū)的生物量估算驗(yàn)證，驗(yàn)證不同水分狀況下WUE與WP*估測(cè)生物量的適用性。圖13c、13d為TRT3和TRT5處理區(qū)的驗(yàn)證結(jié)果，總體上WP*驗(yàn)證精度(RMSE為195 g/m2，d=0.97)高于WUE(RMSE為306 g/m2，d=0.93)。在使用WUE對(duì)不同水分脅迫下的TRT3和TRT5處理區(qū)進(jìn)行驗(yàn)證時(shí)，在全生育期都會(huì)呈現(xiàn)出高估的現(xiàn)象。而WP*的驗(yàn)證精度遠(yuǎn)高于WUE，但使用WP*進(jìn)行估測(cè)時(shí)發(fā)現(xiàn)，當(dāng)實(shí)測(cè)生物量小于1 000 g/m2時(shí)表現(xiàn)出高估而大于1 000 g/m2時(shí)低估的現(xiàn)象。綜上，無(wú)論在相同水分脅迫還是不同水分脅迫條件下，在估測(cè)生物量時(shí)采用WP*效果比WUE更好。

2.6 生物量空間分布

由2.5節(jié)結(jié)果可知，使用標(biāo)準(zhǔn)化水分利用效率WP*模型對(duì)生物量有良好的估算效果，本文采用式(2)對(duì)TRT3和TRT5處理區(qū)進(jìn)行生物量估算，獲取不同水分脅迫下的生物量空間分布狀況。雖然表1中的TRT3和TRT5處理區(qū)水分處理相差不多，但是由于土壤異質(zhì)性導(dǎo)致TRT3實(shí)際的土壤含水率大于TRT5：水分處理后的TRT3和TRT5ksw分別為0.91和0.75。由圖14可知，在不同水分脅迫下的TRT3和TRT5處理區(qū)的生物量同樣差異明顯，TRT3和TRT5處理區(qū)生物量均值分別為1 788、1 401 g/m2。

3 討論

生物量與作物水分利用效率是反映青貯玉米產(chǎn)量以及指導(dǎo)灌溉的重要參數(shù)，而植被不同時(shí)期的生長(zhǎng)狀況可以通過(guò)其冠層光譜特征來(lái)反映，再結(jié)合作物生長(zhǎng)模型，可從作物生長(zhǎng)發(fā)育機(jī)制的角度更為精準(zhǔn)地估算作物生物量及水分利用狀況。本文利用無(wú)人機(jī)平臺(tái)獲取玉米全生育期內(nèi)高時(shí)空分辨率的多光譜圖像，并將氣象數(shù)據(jù)與土壤水分?jǐn)?shù)據(jù)一起輸入到水分利用效率模型中，較為精準(zhǔn)地估算了作物生物量及水分利用效率，并獲取了高空間分辨率的大田青貯玉米水分利用效率分布圖。結(jié)果表明使用基于無(wú)人機(jī)遙感數(shù)據(jù)的∑Tc,adj及∑ktkswkst與實(shí)測(cè)地上部生物量擬合的水分利用效率(WUE)和標(biāo)準(zhǔn)化水分利用效率(WP*)具有極顯著的相關(guān)性，決定系數(shù)R2都在0.92以上，這與文獻(xiàn)[24]利用衛(wèi)星數(shù)據(jù)構(gòu)建土壤調(diào)節(jié)植被指數(shù)SAVI計(jì)算WP*精度相一致。并且較文獻(xiàn)[35,40]利用多個(gè)遙感平臺(tái)估算水分利用效率，本研究通過(guò)單一無(wú)人機(jī)平臺(tái)就能獲取更加細(xì)致的作物信息，減少融合多個(gè)衛(wèi)星遙感平臺(tái)數(shù)據(jù)帶來(lái)的誤差，同時(shí)獲取田塊尺度上更為詳細(xì)的WUE和WP*的空間分布，有利于評(píng)估田塊尺度內(nèi)大田玉米水分利用效率的空間變異性(圖10和圖12)。本研究在田塊尺度中水分利用效率空間變異性一部分由土壤異質(zhì)性帶來(lái)的，本試驗(yàn)采樣區(qū)雖然是均勻地布置在試驗(yàn)區(qū)內(nèi)，但由于土壤的空間異質(zhì)性會(huì)導(dǎo)致作物生長(zhǎng)差異較大，對(duì)數(shù)據(jù)采集分析具有一定的影響。同時(shí)，由表2和表3可以看出，不同的水分脅迫狀況(即干旱)同樣可以導(dǎo)致作物水分利用效率產(chǎn)生較大的空間變異性，這與文獻(xiàn)[42]分析相一致。從另一方面也可以看出基于高分辨率無(wú)人機(jī)多光譜遙感平臺(tái)相對(duì)于衛(wèi)星遙感的優(yōu)勢(shì)[43]。不同土壤狀況下的作物長(zhǎng)勢(shì)(生物量、水分利用效率)的高度變化信息的獲取，意味著使用無(wú)人機(jī)遙感結(jié)合作物模型有利于更加精細(xì)的灌溉管理。

目前國(guó)內(nèi)外使用無(wú)人機(jī)遙感平臺(tái)估算作物生物量主要還是在特定的生育期尋找特定的光譜指數(shù)與特定日期的生物量建立經(jīng)驗(yàn)?zāi)Ｐ?，如文獻(xiàn)[44]利用棉花主要生育時(shí)期的無(wú)人機(jī)近紅外影像數(shù)據(jù)，提取4種不同的植被指數(shù)，通過(guò)與棉花地上生物量的實(shí)測(cè)值建立擬合關(guān)系，分析了不同植被指數(shù)在棉花各生育時(shí)期的估算效果并對(duì)其進(jìn)行了驗(yàn)證，最高決定系數(shù)R2為0.86。文獻(xiàn)[45]利用平均綠色歸一化植被指數(shù)(GNDVI)估算了干豆開(kāi)花和補(bǔ)莢中期的生物量，相關(guān)系數(shù)最高為0.73。本文通過(guò)植被指數(shù)NDVI計(jì)算作物關(guān)鍵參數(shù)Tc,adj輸入到簡(jiǎn)單的作物生長(zhǎng)模型中，最終擬合結(jié)果決定系數(shù)R2都在0.92以上，較之前的研究相關(guān)性更高。STEDUTO等[29,46]認(rèn)為大田作物絕大部分生育期的WP*是不變的，因此，本文基于無(wú)人機(jī)遙感數(shù)據(jù)擬合出單一的WUE或WP*可以較為準(zhǔn)確地同時(shí)獲取多個(gè)生育期的生物量，在這方面本研究極大地提高了基于無(wú)人機(jī)遙感平臺(tái)估算作物生物量的效率和準(zhǔn)確度。

結(jié)果顯示，本文方法估計(jì)生物量在大部分生育期雖然較為準(zhǔn)確，但是在高值區(qū)，即生育期后期(R5-R6)誤差明顯，導(dǎo)致整體精度并不高。同一水分脅迫下，分別使用TRT1、TRT2和TRT4處理區(qū)WUE和WP*進(jìn)行各區(qū)的生物量驗(yàn)證，RMSE只有259 g/m2和256 g/m2(圖13a、13b)，低于預(yù)期。這與文獻(xiàn)[24]的研究結(jié)果相似，在R5期，其研究中雨養(yǎng)條件下的玉米生物量誤差最高能達(dá)到800 g/m2左右。造成這種高值區(qū)誤差較大的原因可能是因?yàn)樵谀Ｐ椭小芓c,adj和∑ktkswkst為單調(diào)遞增，且本研究玉米生育后期的水分脅迫較嚴(yán)重(圖8)，所以模擬生物量的增長(zhǎng)率會(huì)隨著ksw急劇減小而快速下降，但可能由于玉米的抗旱性，實(shí)際的玉米生長(zhǎng)過(guò)程生物量增長(zhǎng)率并不會(huì)如此快速地下降，因此出現(xiàn)低估現(xiàn)象。針對(duì)這一問(wèn)題，文獻(xiàn)[47]采用Logistic和Sigmoid方程提出了一種非線性的WP*模型，并將其替換了原來(lái)Aquacrop模型中WP*的算法，提高了生物量的模擬精度?；诖?，后續(xù)研究可以使用非線性的WUE或WP*模型與無(wú)人機(jī)遙感平臺(tái)相結(jié)合來(lái)提高此方法對(duì)后期高值區(qū)玉米生物量的估算精度。盡管如此，水分利用效率線性模型在同樣水分處理?xiàng)l件下，基于擬合的WUE、WP*能夠精確地估計(jì)大部分生育期的大田玉米生物量，具有很強(qiáng)的應(yīng)用價(jià)值。

以往基于該模型計(jì)算水分利用效率和生物量都是在充分灌溉條件下或是沒(méi)有完整分析水分脅迫處理對(duì)該模型的影響[35,40]。本文通過(guò)設(shè)置不同的水分脅迫處理分析了模型的適用性。如前所述，在同種水分脅迫處理下，使用擬合的WUE與WP*在V-R4期有很好的精確性，RMSE分別為126、91.7 g/m2，在R5-R6生育期的誤差較大。而使用TRT1、TRT2和TRT4的WUE、WP*平均值驗(yàn)證TRT3、TRT5處理區(qū)時(shí)，WUE(RMSE為306 g/m2)的估算精度遠(yuǎn)不如WP*(RMSE為195 g/m2)(圖13c、13d)，說(shuō)明水分脅迫對(duì)WUE的影響較大，因此使用WUE估算不同水分狀況下的玉米生物量會(huì)造成較大的誤差。同樣，在玉米生長(zhǎng)期V-R4內(nèi)，使用TRT1、TRT2和TRT4處理區(qū)WP*平均值估測(cè)不同水分狀況下的TRT3和TRT5處理區(qū)時(shí)的精度(圖13d)不如同種水分脅迫下的估算精度(圖13b)且會(huì)出現(xiàn)高估的現(xiàn)象，原因是TRT3、TRT5處理區(qū)的V7-VT期的灌溉水量?jī)H為充分灌溉的40%，低于TRT1、TRT2和TRT4處理區(qū)的灌溉水量(100%、65%、65%)。低灌溉降雨量下的TRT3、TRT5處理區(qū)在生育期前期因水分脅迫比其它處理區(qū)嚴(yán)重，導(dǎo)致這時(shí)期的水分生產(chǎn)力低于TRT1、TRT2和TRT4處理區(qū)，所以才會(huì)出現(xiàn)高估現(xiàn)象。綜上水分脅迫對(duì)于該模型的WUE生物量驗(yàn)證精度具有較大的影響，但是使用WP*對(duì)不同水分脅迫下的生物量進(jìn)行估算具有可以接受的精度。

4 結(jié)論

(1)在不同水分脅迫下，將基于無(wú)人機(jī)多光譜遙感植被指數(shù)NDVI估算的蒸騰系數(shù)kt及氣象、土壤水分?jǐn)?shù)據(jù)輸入到作物模型中，模擬得出的作物水分利用效率WUE與標(biāo)準(zhǔn)化水分利用效率WP*與實(shí)測(cè)生物量具有極顯著的相關(guān)性，WUE和WP*決定系數(shù)都在0.92以上。在估測(cè)WUE和WP*的基礎(chǔ)上，獲取了大田玉米WUE和WP*的高空間分辨率分布圖，同時(shí)分析土壤水分脅迫對(duì)WUE和WP*空間異質(zhì)性的影響，表明土壤水分脅迫增加會(huì)導(dǎo)致其空間異質(zhì)性增大。

(2)在同一水分脅迫下，使用擬合的WUE和WP*對(duì)生物量的估測(cè)精度幾乎相同，在玉米V-R4生育期估測(cè)精度較高(RMSE分別為126、91.7 g/m2，d均為0.98)，但在R5-R6生育期內(nèi)精度不高。盡管如此，基于同一水分脅迫下擬合的WUE和WP*仍具有很好的應(yīng)用性。

(3)在不同水分脅迫下，使用WUE和WP*估測(cè)生物量時(shí)，WUE容易受到水分脅迫影響，精度不理想，而WP*的精度較高(RMSE為195 g/m2，d=0.97)。因此，WP*更適合用于估算不同水分脅迫下的生物量。