大田玉米作物系數(shù)無人機(jī)多光譜遙感估算方法

韓文霆 邵國(guó)敏 馬代健 ZHANG Huihui 王 毅 牛亞曉

(1.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； 2.西北農(nóng)林科技大學(xué)水土保持研究所，陜西楊凌 712100；3.美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究服務(wù)屬，柯林斯堡 CO 80526)

0 引言

作物蒸散量(Evapotranspiration，ET)主要由土壤蒸發(fā)(Evaporation)和作物蒸騰(Transpiration)兩部分組成[1]，是連接生態(tài)與水文過程的重要紐帶[2]，其快速監(jiān)測(cè)對(duì)準(zhǔn)確制定和管理大田灌溉制度及提高大田灌溉用水效率有著非常關(guān)鍵的作用。常用的估算蒸散量的方法包括：渦度相關(guān)法、蒸滲儀法、土壤水量平衡法、 波文比能量平衡法、Penman-Monteith模型等[3-4]。其中PM模型基于能量平衡、空氣動(dòng)力學(xué)原理和冠層阻力來估算ET，具有明確的物理依據(jù)，可以清晰地分析ET變化過程及影響機(jī)制[2]。但PM模型計(jì)算復(fù)雜，因此聯(lián)合國(guó)糧農(nóng)組織(Food and agricultural organization，F(xiàn)AO)提出了參考作物蒸散量(Reference evapotranspiration，ET0)，由ET0和作物系數(shù)估算ET[5]。FAO-56作物系數(shù)法[6-7]是世界公認(rèn)的估算作物蒸散量方法，具有操作簡(jiǎn)便、精度可靠、實(shí)用性強(qiáng)等特點(diǎn)，在世界范圍內(nèi)被廣泛應(yīng)用。

目前，國(guó)內(nèi)外研究人員[1, 3, 8-15]利用蒸滲儀數(shù)據(jù)、渦度相關(guān)數(shù)據(jù)或者水量平衡法獲得作物的實(shí)際蒸散量ETc，并采用氣象數(shù)據(jù)獲得參考蒸散量ET0，結(jié)果已證實(shí)上述方法具有很好的精度和普適性，其中雙作物系數(shù)法估算蒸散量的精度更好[4]，馮禹等[9]的黃土高原旱作玉米蒸散估算結(jié)果表明，引入葉面積指數(shù)計(jì)算覆蓋度并校正雙作物系數(shù)的方法能夠較好地估算旱作玉米ET(R2=0.871)。

由于作物生長(zhǎng)狀況、氣象條件和水分脅迫等因素的影響，作物系數(shù)必須進(jìn)行校正才能估算實(shí)際蒸散量[7]，但及時(shí)發(fā)現(xiàn)這些外界因素造成的影響并快速調(diào)整作物系數(shù)曲線較難，并且在時(shí)空尺度上，田間作物用水存在差異性，使用推薦的作物系數(shù)計(jì)算作物蒸散量誤差較大。作物系數(shù)Kc和作物冠層光譜植被指數(shù)均受作物覆蓋度、葉面積指數(shù)LAI、綠度等因素的影響[16-18]，此關(guān)系使遙感技術(shù)估算作物系數(shù)成為可能。李賀麗等[4]采用地面光譜技術(shù)研究了華北平原地區(qū)小麥作物系數(shù)與植被指數(shù)(NDVI、差值植被指數(shù)DVI、RVI、SAVI、綠波段葉綠素指數(shù)CIgreen、EVI、修正型土壤調(diào)整植被指數(shù)MASVI和重歸一化植被指數(shù)RDVI)的關(guān)系以及水分和氮素脅迫對(duì)其的影響，結(jié)果表明不同施氮水平下Kc無明顯規(guī)律性差異，且植被指數(shù)和Kc的相關(guān)性較弱。HUNSAKER等[8]采用地面光譜技術(shù)研究了美國(guó)西南部沙漠地區(qū)棉花充分覆蓋前和充分覆蓋后的基礎(chǔ)作物系數(shù)Kcb與NDVI和積溫GDD的關(guān)系。ER-RAKI等[19]基于地面光譜技術(shù)研究了采用摩洛哥中心干旱地區(qū)小麥的NDVI估算其基礎(chǔ)作物系數(shù)Kcb和覆蓋度fc的方法，結(jié)果顯示植被指數(shù)與Kcb和fc有很高的相關(guān)性。GONTIA等[20]基于衛(wèi)星遙感技術(shù)研究了印度西孟加拉邦小麥植被指數(shù)(NDVI和SAVI)與其生育期內(nèi)每月的作物系數(shù)Kc的關(guān)系。MASELLI等[21]采用意大利中部地區(qū)250 m精度的MODIS-NDVI衛(wèi)星影像估算其植被覆蓋度并結(jié)合不同下墊面的氣象站觀測(cè)數(shù)據(jù)估算區(qū)域?qū)嶋H蒸散量。

現(xiàn)有研究中，地面光譜技術(shù)可以較好地估算基礎(chǔ)作物系數(shù)Kcb，但難以估算作物系數(shù)Kc；衛(wèi)星遙感技術(shù)可以較好地估算區(qū)域作物的作物系數(shù)，但衛(wèi)星的拍攝頻率和影像分辨率難以滿足大田作物的日蒸散量估算要求。無人機(jī)遙感技術(shù)由于其平臺(tái)構(gòu)建容易、運(yùn)行維護(hù)簡(jiǎn)便、分辨率高、作業(yè)周期短等特點(diǎn)，廣泛應(yīng)用于植被信息監(jiān)測(cè)研究中[22-24]，為估算大田作物系數(shù)提供了新的解決方案[25]。目前基于無人機(jī)遙感技術(shù)估算大田作物的作物系數(shù)研究較少，且準(zhǔn)確估算水分脅迫大田作物的作物系數(shù)對(duì)制定大田灌溉制度有重要意義。基于此，本文以2017年內(nèi)蒙古達(dá)拉特旗昭君鎮(zhèn)實(shí)驗(yàn)站大田玉米、土壤、氣象等數(shù)據(jù)為基礎(chǔ)，采用經(jīng)氣象因子和作物覆蓋度校正后的雙作物系數(shù)法計(jì)算不同水分脅迫與不同生長(zhǎng)時(shí)期玉米的作物系數(shù)，并使用自主研發(fā)的無人機(jī)多光譜系統(tǒng)航拍玉米的冠層多光譜影像，提取6種植被指數(shù)(SR、EVI、VARI、GNDVI、SAVI和NDVI)，研究不同生長(zhǎng)時(shí)期(快速生長(zhǎng)期、生長(zhǎng)中期和生長(zhǎng)后期)玉米Kc與6種常用植被指數(shù)的關(guān)系及水分脅迫對(duì)其影響，分析無人機(jī)多光譜遙感估算玉米Kc的可行性和適用性，為大田玉米作物系數(shù)的遙感估算研究提供技術(shù)支持。

1 材料與方法

1.1 實(shí)驗(yàn)區(qū)概況

實(shí)驗(yàn)區(qū)域位于內(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，屬于典型溫帶大陸性氣候。實(shí)驗(yàn)區(qū)域玉米(鈞凱918)播種時(shí)間為2017年5月20日，出苗時(shí)間為2017年6月1日，抽穗時(shí)間為2017年7月20日，收獲時(shí)間為2017年9月7日(青儲(chǔ))，生育期(Day after planting，DAP)共110 d。實(shí)驗(yàn)數(shù)據(jù)采集時(shí)間為2017年6月26日—8月29日，對(duì)應(yīng)玉米的生長(zhǎng)階段見表1。實(shí)驗(yàn)地塊(圖1中圓形區(qū)域)總面積為1.13 hm2，播種深度約5 cm，行距58 cm，株距25 cm，播種時(shí)秸稈還田，并按照當(dāng)?shù)胤N植習(xí)慣施底肥，出苗后根據(jù)出苗情況進(jìn)行補(bǔ)苗，并在玉米拔節(jié)期、大喇叭口期分別追加氮肥(240 kg/hm2)。實(shí)驗(yàn)階段總降雨量為44 mm，日平均氣溫22.9℃，日平均風(fēng)速0.5 m/s，日平均相對(duì)濕度為57.1%，日平均太陽(yáng)凈輻射為145.1 W/m2。生育期內(nèi)自然降雨難以滿足作物需水要求，主要的水分供給方式為噴灌。實(shí)驗(yàn)區(qū)土壤為砂壤土，其中砂粒(0.05～2 mm)占80.7%、粉粒(0.002～0.05 mm)占13.7%、黏粒(0～0.002 mm)占5.6%，耕層土壤有機(jī)質(zhì)質(zhì)量比為47.15 g/kg，田間持水率為29%(體積含水率)，土壤容重為1.56 g/cm3。實(shí)驗(yàn)地中選取2個(gè)扇形區(qū)域(圖1)，在區(qū)域1和區(qū)域2內(nèi)分別選取一塊10 m×10 m的方形樣地(圖1中A和B區(qū)域)，并對(duì)樣地A和樣地B的玉米進(jìn)行長(zhǎng)期監(jiān)測(cè)(2017年6月26日—8月29日)。

表1 2017年玉米生長(zhǎng)階段劃分Tab.1 Maize growth stage division in 2017

注：玉米生長(zhǎng)階段劃分依據(jù)參考FAO-56指南[7]。

圖1 實(shí)驗(yàn)地俯視圖(2017年8月15日，無人機(jī)RGB影像，5 cm/pixel)Fig.1 Experimental ground view (2017-08-15,unmanned aerial vehicle RGB image, 5 cm/pixel)

1.2 水分脅迫處理

實(shí)驗(yàn)地灌溉方式和灌溉量測(cè)量方法如圖2所示，采用中心支軸噴灌機(jī)(圖2a)灌溉，在玉米不同生育期進(jìn)行不同的水分脅迫處理，如表2所示，田間持水量的50%為充分灌溉，采用雨量筒(圖2b)測(cè)量樣地A和樣地B的灌溉量和降雨量，每個(gè)樣地內(nèi)均勻放置3個(gè)雨量筒，取其平均值。

圖2 灌溉方式和灌溉量測(cè)量方法Fig.2 Irrigation method and irrigation depth measuring method

1.3 無人機(jī)系統(tǒng)及影像數(shù)據(jù)采集方法

采用自主研發(fā)的無人機(jī)多光譜影像采集系統(tǒng)(圖3)，該系統(tǒng)采用開源飛控Pixhawk控制，經(jīng)緯 M600型機(jī)架，最大載量5 kg，最大續(xù)航時(shí)間30 min。搭載的多光譜相機(jī)(圖3b)為RedEdge(MicaSense，USA)，該相機(jī)有5個(gè)波段(表3)，相機(jī)焦距為5.5 mm，視場(chǎng)角為47.2°，圖像分辨率為1 280像素×960像素。該相機(jī)配備了兩塊3 m×3 m的灰板(GroupVIII，USA)(圖3c)及光強(qiáng)傳感器(圖3d)。光強(qiáng)傳感器可校正航拍過程中外界光線的變化對(duì)光譜影像造成的影響，灰板具有固定的反射率，如表3所示，可對(duì)航拍影像進(jìn)行反射率校正，生成反射率影像圖，并提取植被指數(shù)。

表2 實(shí)驗(yàn)區(qū)實(shí)際灌溉量與降雨量Tab.2 Actual irrigation amount and rainfall in experimental area mm

圖3 無人機(jī)多光譜影像采集系統(tǒng)Fig.3 UAV multispectral images acquisition system

表3 RedEdge多光譜相機(jī)參數(shù)及灰板對(duì)其中心波長(zhǎng)的反射率Tab.3 Multispectral camera parameters and reflectivity of gray plate to its center wavelength

選取晴朗無云天氣，于11:00—13:00拍攝玉米冠層多光譜影像，拍攝時(shí)鏡頭垂直向下，如圖4所示，每隔3 d拍攝一次，飛行高度70 m，地面分辨率為5 cm/pixel，航向和旁向重疊度均為80%，每次航拍采用固定航線。無人機(jī)作業(yè)時(shí)，首先飛至作業(yè)高度并拍攝地面兩塊灰板，然后進(jìn)行航拍作業(yè)。整個(gè)生育期共采集20組多光譜影像數(shù)據(jù)。

圖4 無人機(jī)航拍作業(yè)現(xiàn)場(chǎng)圖Fig.4 UAV aerial photography

1.4 地面數(shù)據(jù)采集方法

(1)氣象站數(shù)據(jù)采集：農(nóng)業(yè)氣象站由中國(guó)河北清易電子科技有限公司組裝和調(diào)試，位于實(shí)驗(yàn)區(qū)西南100 m處(40°25′55.53″N，109°36′22.69″E)，其下墊面為青草，草平面高度保持在12 cm左右。監(jiān)測(cè)參數(shù)包括空氣溫度、相對(duì)濕度、風(fēng)速、太陽(yáng)凈輻射和降雨量，每30 min采集一次數(shù)據(jù)。

(2)土壤含水率測(cè)量：采用干燥法測(cè)量實(shí)驗(yàn)區(qū)玉米的土壤含水率變化。在A和B樣地中心點(diǎn)附近隨機(jī)選取3組樣點(diǎn)，測(cè)量180 cm土層含水率變化。測(cè)量時(shí)，按照30 cm間隔對(duì)土壤進(jìn)行分層采樣，每3 d采集1次，并在灌溉前、灌溉后和降雨后進(jìn)行加測(cè)，取180 cm厚土層各采樣層土壤含水率的平均值。采用線性插值法對(duì)土壤含水率進(jìn)行處理，得到樣地A和樣地B土壤含水率的逐日數(shù)據(jù)序列。

(3)玉米生態(tài)指標(biāo)觀測(cè)：采用隨機(jī)采樣法對(duì)玉米的葉面積指數(shù)(LAI)、株高等指標(biāo)進(jìn)行采集，每7 d測(cè)量一次。在樣地A和樣地B內(nèi)隨機(jī)選取10個(gè)采樣點(diǎn)，采用LAI-2200C型冠層分析儀測(cè)量葉面積指數(shù)(LAI)，取其平均測(cè)量值；在樣地A和樣地B內(nèi)隨機(jī)選取10株具有代表性的玉米，采用米尺測(cè)量株高，取其平均測(cè)量值。

1.5 作物系數(shù)與植被指數(shù)計(jì)算方法

1.5.1FAO雙作物系數(shù)法

FAO-56[7]中指出雙作物系數(shù)法的計(jì)算流程。首先將作物的生育期分成4個(gè)生長(zhǎng)階段：生長(zhǎng)初期、快速生長(zhǎng)期、生長(zhǎng)中期和生長(zhǎng)后期；然后在FAO-56中查找該作物類型在標(biāo)準(zhǔn)情況下(無任何脅迫，田間管理良好，最小相對(duì)濕度為45%，冠層上方2 m高度風(fēng)速為2 m/s)不同生長(zhǎng)階段的基礎(chǔ)作物系數(shù)推薦值Kcb,tab，可得到標(biāo)準(zhǔn)情況下的基礎(chǔ)作物系數(shù)逐日曲線；標(biāo)況下玉米生長(zhǎng)初期、生長(zhǎng)中期和生長(zhǎng)末期的基礎(chǔ)作物系數(shù)分別取0.15、1.15、0.15。根據(jù)實(shí)驗(yàn)區(qū)氣候條件、作物生理參數(shù)(作物高度、LAI等)、土壤水分、田間管理等信息對(duì)標(biāo)況下的基礎(chǔ)作物系數(shù)曲線進(jìn)行校正，并按照FAO-56給出的算法[7]計(jì)算水分脅迫系數(shù)Ks和土壤蒸發(fā)系數(shù)Ke，計(jì)算公式為

(1)

Ke=Kc-KsKcb,a

(2)

其中

Kcb,a=Kc,min+(Kcb,adjust-Kc,min)[1-exp (-0.7LAI)]

(3)

(4)

式中Kcb,adjust——不同生長(zhǎng)階段經(jīng)氣象因子校正后的基礎(chǔ)作物系數(shù)

Kcb,tab——標(biāo)準(zhǔn)情況下的基礎(chǔ)作物系數(shù)

u2——不同生長(zhǎng)階段冠層上方2 m處的日平均風(fēng)速，m/s

RH,min——不同生長(zhǎng)階段日平均最小相對(duì)濕度，%

Kcb——不同生長(zhǎng)階段經(jīng)水分脅迫系數(shù)校正后的基礎(chǔ)作物系數(shù)

h——不同生長(zhǎng)階段平均株高，m

Kcb,a——根據(jù)作物實(shí)際覆蓋度校正的基礎(chǔ)作物系數(shù)

Kc——作物系數(shù)

Kc,min——裸土最小作物系數(shù)，取值為0.15～0.20

LAI——實(shí)測(cè)的冠層葉面積指數(shù)

1.5.2玉米植被指數(shù)提取方法

植被指數(shù)可以對(duì)地表植被狀況進(jìn)行簡(jiǎn)單、有效地度量，前人研究中也使用了植被指數(shù)建立作物系數(shù)的估算模型。常用的植被指數(shù)中，NDVI可以估算植被的生理生態(tài)參數(shù)(覆蓋度、葉面積指數(shù)、光合有效輻射等)，SR可監(jiān)測(cè)植被覆蓋變化且在植被覆蓋濃密的情況下效果最好，SAVI可降低土壤背景的影響，EVI可解決植被指數(shù)易飽和的問題，VARI可減小光照差異和大氣效應(yīng)的影響，GNDVI對(duì)作物的色素變化敏感[26-27]。因?yàn)樽魑锵禂?shù)Kc綜合考慮了作物蒸騰和土壤蒸發(fā)兩方面的影響因素，所以可監(jiān)測(cè)作物系數(shù)變化情況的植被指數(shù)應(yīng)能較好地反映植被和土壤的變化情況。

因此本文選取了6種植被指數(shù)(NDVI、SR、SAVI、EVI、VARI和GNDVI)，其計(jì)算公式見表4。采用Pix4DMapper軟件平臺(tái)對(duì)RedEdge相機(jī)拍攝的多光譜影像進(jìn)行幾何校正、高斯均值濾波和拼接處理，生成正射影像圖，并利用灰板和光照傳感器對(duì)光譜影像進(jìn)行反射率校正，生成反射率影像。采用ENVI軟件平臺(tái)裁剪樣地A和樣地B的反射率影像，并提取上述6種植被指數(shù)。計(jì)算時(shí)，灰板對(duì)多光譜相機(jī)各波段中心波長(zhǎng)的平均反射率分別作為藍(lán)、綠、紅、近紅外波段的反射率。

表4 植被指數(shù)計(jì)算公式Tab.4 Vegetation indices

注：RBlue、RGreen、RRed、RNir分別為灰板對(duì)RedEdge相機(jī)藍(lán)、綠、紅、近紅外波段的平均反射率。

2 結(jié)果與分析

2.1 玉米生理指標(biāo)

快速生長(zhǎng)期至生長(zhǎng)后期樣地A和樣地B玉米株高和LAI如圖5和圖6所示。

圖5 樣地A和樣地B玉米株高變化Fig.5 Variation of maize height in sample fields A and B

圖6 樣地A和樣地B玉米LAI變化Fig.6 Variation of maize LAI in sample fields A and B

圖5中，樣地A和樣地B在快速生長(zhǎng)期玉米高度逐漸增大，且兩樣地的株高差異較小，生長(zhǎng)中期達(dá)到最大值，最大高度分別為273 cm和268 cm。圖6中，樣地A和樣地B在快速生長(zhǎng)期玉米LAI逐漸增大；生長(zhǎng)中期兩樣地的LAI都先增大再減小，樣地A和樣地B玉米LAI最大值分別為3.07和2.70，兩樣地LAI的整體變化規(guī)律符合作物的生長(zhǎng)規(guī)律；生長(zhǎng)中期和生長(zhǎng)后期由于樣地B的灌溉頻率和灌溉量小于樣地A的值，樣地B出現(xiàn)水分脅迫，所以樣地B的LAI小于樣地A的值。

2.2 植被指數(shù)

快速生長(zhǎng)期至生長(zhǎng)后期樣地A和樣地B玉米植被指數(shù)如圖7和圖8所示。

圖7 樣地A植被指數(shù)變化曲線Fig.7 Curves of vegetation indices in sample field A

圖8 樣地B植被指數(shù)變化曲線Fig.8 Curves of vegetation indices in sample field B

由圖7和圖8可知，樣地A和樣地B在快速生長(zhǎng)期植被指數(shù)逐漸增大，生長(zhǎng)中期和后期植被指數(shù)NDVI、EVI、SAVI、GNDVI、VARI有緩慢降低趨勢(shì)，植被指數(shù)SR有較大的減小趨勢(shì)；生長(zhǎng)中期和后期，水分脅迫使得樣地B的葉面積指數(shù)小于樣地A，植被指數(shù)SR對(duì)作物的覆蓋度變化比較敏感，因此樣地B的植被指數(shù)SR比樣地A減小幅度大。

2.3 作物系數(shù)

快速生長(zhǎng)期至生長(zhǎng)后期樣地A和樣地B玉米的基礎(chǔ)作物系數(shù)Kcb、土壤蒸發(fā)系數(shù)Ke、水分脅迫系數(shù)Ks和作物系數(shù)Kc的逐日變化曲線如圖9所示。

圖9 快速生長(zhǎng)期至生長(zhǎng)后期作物系數(shù)逐日變化曲線Fig.9 Curves of daily crop coefficient from rapid growth stage to late growth stage

圖9a中，樣地A和樣地B玉米基礎(chǔ)作物系數(shù)Kcb在快速生長(zhǎng)期逐漸增大，生長(zhǎng)中期Kcb達(dá)到穩(wěn)定的較大值，生長(zhǎng)后期Kcb逐漸降低，該變化規(guī)律主要由于作物覆蓋度變化所致；生長(zhǎng)中期和生長(zhǎng)后期，由于水分脅迫的影響，樣地B的作物蒸騰受限，所以其Kcb小于樣地A的值；生長(zhǎng)中期和后期的Kcb變化是土壤水分條件和作物長(zhǎng)勢(shì)狀況等因素綜合影響的結(jié)果。圖9b中，快速生長(zhǎng)期和生長(zhǎng)中期土壤蒸發(fā)系數(shù)Ke逐漸減小，主要由于作物覆蓋度增大限制了土壤蒸發(fā)所致；生長(zhǎng)后期樣地A的Ke有增大趨勢(shì)，樣地B的Ke逐漸減小，主要原因在于生長(zhǎng)后期作物覆蓋度逐漸降低，充分灌溉條件下有利于土壤蒸發(fā)，水分脅迫會(huì)限制土壤蒸發(fā)；生長(zhǎng)后期的Ke變化也是土壤水分條件和作物長(zhǎng)勢(shì)狀況等因素綜合影響的結(jié)果；Ke出現(xiàn)的波動(dòng)變化主要因?yàn)楣喔日{(diào)整土壤含水率所致。圖9c中，快速生長(zhǎng)期至生長(zhǎng)后期，由于樣地A無水分脅迫，所以其水分脅迫系數(shù)Ks保持不變，樣地B有水分脅迫，隨著作物蒸騰和土壤蒸發(fā)，其水分脅迫系數(shù)逐漸降低。圖9d中，樣地A的作物系數(shù)Kc在快速生長(zhǎng)期逐漸增大，生長(zhǎng)中期保持相對(duì)穩(wěn)定的較大值，生長(zhǎng)后期逐漸減小，此變化規(guī)律和FAO-56中標(biāo)況下的Kc值變化情況基本相符。樣地B的Kc在快速生長(zhǎng)期有一定的波動(dòng)變化，是水分脅迫和土壤蒸發(fā)綜合作用結(jié)果；生長(zhǎng)中期和生長(zhǎng)后期作物系數(shù)Kc開始快速下降，主要由于較長(zhǎng)時(shí)間的水分脅迫(表2)使得水分脅迫系數(shù)Ks持續(xù)下降所致。上述結(jié)果與馮禹等[9]在黃土高原東部地區(qū)春玉米試驗(yàn)結(jié)果較為一致。

2.4 玉米植被指數(shù)與Kc關(guān)系模型

快速生長(zhǎng)期樣地A和樣地B玉米植被指數(shù)與作物系數(shù)Kc的關(guān)系如圖10、11所示。

圖10 快速生長(zhǎng)期樣地A植被指數(shù)與作物系數(shù)Kc的關(guān)系(n=25)Fig.10 Relationship between vegetation indices and Kc of maize in sample field A in rapid growing stage (n=25)

圖11 快速生長(zhǎng)期樣地B植被指數(shù)與作物系數(shù)Kc的關(guān)系(n=25)Fig.11 Relationship between vegetation indices and Kc of maize in sample field B in rapid growing stage (n=25)

由圖10、11可知，快速生長(zhǎng)期樣地A玉米植被指數(shù)與作物系數(shù)Kc的相關(guān)性較強(qiáng)(R2為0.731 2～0.940 1，p<0.05，RMSE為0.025 0～0.053 0，n=25)，見表5，其中比值植被指數(shù)SR與Kc的相關(guān)性最好。主要原因在于快速生長(zhǎng)期玉米的植被指數(shù)(圖7)逐漸增大，灌溉充足玉米的Kc也逐漸增大，因此植被指數(shù)和作物系數(shù)具有較好的相關(guān)性。樣地B玉米植被指數(shù)和作物系數(shù)Kc相關(guān)性較弱(R2為0.000 2～0.083 0)，因?yàn)榭焖偕L(zhǎng)期樣地B在水分脅迫和作物覆蓋度變化的影響下其Ke波動(dòng)較大，使得Kc波動(dòng)也較大，而植被指數(shù)變化趨勢(shì)較平滑(圖8)，所以兩者相關(guān)性較弱。

表5 快速生長(zhǎng)期樣地A玉米植被指數(shù)與作物系數(shù)Kc的關(guān)系Tab.5 Relationship between vegetation indices and Kc of maize in sample field A in rapid growing stage

生長(zhǎng)中期至生長(zhǎng)后期樣地A和樣地B玉米植被指數(shù)與作物系數(shù)Kc的關(guān)系如圖12、13所示。

圖12 生長(zhǎng)中期至生長(zhǎng)后期樣地A植被指數(shù)與作物系數(shù)Kc的關(guān)系(n=40)Fig.12 Relationship between vegetation indices and Kc of maize in sample field A from middle growing stage to later growing stage (n=40)

圖13 生長(zhǎng)中期至生長(zhǎng)后期樣地B植被指數(shù)與作物系數(shù)Kc的關(guān)系(n=40)Fig.13 Relationship between vegetation indices and Kc of maize in sample field B from middle growing stage to later growing stage (n=40)

由圖12、13可知，生長(zhǎng)中期至生長(zhǎng)后期樣地A玉米植被指數(shù)與作物系數(shù)Kc相關(guān)性(R2為0.276 5～0.373 2)較弱，因?yàn)樯L(zhǎng)中期至生長(zhǎng)后期樣地A玉米的覆蓋度較高，植被指數(shù)已達(dá)到飽和，對(duì)作物系數(shù)變化不敏感，所以兩者的相關(guān)性較弱。樣地B部分植被指數(shù)與作物系數(shù)Kc的相關(guān)性(R2為0.366 2～0.848 7，p<0.05，RMSE為0.114 2～0.233 8，n=40)較強(qiáng)，見表6，主要因?yàn)樵撋L(zhǎng)中期至生長(zhǎng)后期樣地B有水分脅迫，玉米覆蓋度逐漸減小，部分植被指數(shù)減小趨勢(shì)較明顯，所以兩者相關(guān)性較高。

表6 生長(zhǎng)中期至生長(zhǎng)后期樣地B植被指數(shù)與作物系數(shù)Kc的關(guān)系Tab.6 Relationship between vegetation indices and crop coefficient Kc of maize in sample field B from middle growing stage to later growing stage

由以上可知，不同生長(zhǎng)時(shí)期玉米的比值植被指數(shù)(SR)和作物系數(shù)相關(guān)性最好(R2最大為0.940 1，p<0.05，RMSE=0.025 0，n=25)，本研究相對(duì)于前人研究取得了較好的結(jié)果，李賀麗等[4]基于地面光譜技術(shù)建立小麥的VIs-Kc模型，決定系數(shù)R2最大為0.15，p<0.01，n=195，PARK等[34]基于衛(wèi)星遙感技術(shù)建立NDVI、LAI和土壤含水率與Kc模型，決定系數(shù)R2最大為0.64。本文采用的水分脅迫程度較大，模型的適用性有待進(jìn)一步驗(yàn)證，后期實(shí)驗(yàn)應(yīng)劃分多個(gè)水分脅迫水平，對(duì)多種水分脅迫玉米的Kc估算精度進(jìn)行評(píng)價(jià)。時(shí)間上非連續(xù)采集土壤含水率，對(duì)模型也存在一定的影響。目前水分脅迫的監(jiān)測(cè)手段有熱紅外影像[35]、地面?zhèn)鞲衅骶W(wǎng)絡(luò)等。后期實(shí)驗(yàn)可同時(shí)采集多光譜影像和熱紅外影像數(shù)據(jù)，并搭建地面?zhèn)鞲衅骶W(wǎng)絡(luò)連續(xù)監(jiān)測(cè)作物、土壤等相關(guān)參數(shù)，對(duì)大田玉米作物系數(shù)的無人機(jī)遙感技術(shù)估算模型進(jìn)一步修正。

3 結(jié)論

(1)采用無人機(jī)多光譜技術(shù)估算Kc具有一定的可行性。在快速生長(zhǎng)期充分灌溉和生長(zhǎng)后期水分脅迫條件下，均可以采用無人機(jī)多光譜技術(shù)估算玉米作物系數(shù)Kc。

(2)不同時(shí)期玉米的植被指數(shù)和作物系數(shù)的相關(guān)性不同。快速生長(zhǎng)期充分灌溉玉米的VIs-Kc模型的相關(guān)性(R2為0.731 2～0.940 1，p<0.05，RMSE為0.025 0～0.053 0，n=25)與生長(zhǎng)中期至生長(zhǎng)后期充分灌溉玉米的VIs-Kc模型的相關(guān)性(R2為0.276 5～0.373 2，p<0.05，RMSE為0.073 8～0.079 3，n=40)不同；快速生長(zhǎng)期水分脅迫玉米的VIs-Kc模型的相關(guān)性(R2為0.000 2～0.083 0，p<0.05，RMSE為0.099 4～0.114 4，n=25)與生長(zhǎng)中期至生長(zhǎng)后期水分脅迫玉米VIs-Kc模型的相關(guān)性(R2為0.366 2～0.848 7，p<0.05，RMSE為0.114 2～0.233 8，n=40)不同。

(3)不同水分脅迫玉米的植被指數(shù)和作物系數(shù)的相關(guān)性不同?？焖偕L(zhǎng)期充分灌溉玉米的VIs-Kc模型相關(guān)性(R2為0.731 2～0.940 1，p<0.05，n=25)比水分脅迫玉米的VIs-Kc模型的相關(guān)性(R2為0.000 2～0.083 0，p<0.05，n=25)強(qiáng)；生長(zhǎng)中期至生長(zhǎng)后期充分灌溉玉米的VIs-Kc模型相關(guān)性(R2為0.276 5～0.373 2，p<0.05，n=40)比水分脅迫玉米的VIs-Kc模型相關(guān)性(R2為0.366 2～0.848 7，p<0.05，n=40)弱。

(4)不同植被指數(shù)和作物系數(shù)相關(guān)性不同，比值植被指數(shù)SR與作物系數(shù)Kc的相關(guān)性最好?？焖偕L(zhǎng)期充分灌溉玉米的VIs-Kc模型的相關(guān)性由大到小依次為：SR、EVI、VARI、GNDVI、SAVI、NDVI；生長(zhǎng)中期至生長(zhǎng)后期水分脅迫玉米的VIs-Kc模型的相關(guān)性由大到小依次為：SR、GNDVI、VARI、NDVI、SAVI、EVI；其中比值植被指數(shù)SR與作物系數(shù)Kc的相關(guān)性最好。