無(wú)人機(jī)多光譜遙感反演花蕾期棉花光合參數(shù)研究

陳俊英 陳碩博 張智韜 付秋萍 邊 江 崔 婷

(1.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室， 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.新疆農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院， 烏魯木齊 830052)

0 引言

光合作用是綠色植物合成有機(jī)物的根本來(lái)源，也是其能量代謝和物質(zhì)代謝的基礎(chǔ)，對(duì)自然生態(tài)平衡和人類(lèi)生存發(fā)展意義重大[1]。如何對(duì)作物的光合作用進(jìn)行及時(shí)有效地監(jiān)測(cè)，進(jìn)而指導(dǎo)農(nóng)業(yè)生產(chǎn)措施的制定，已成為精準(zhǔn)農(nóng)業(yè)發(fā)展的客觀(guān)要求和必然選擇[2-3]。傳統(tǒng)方法對(duì)作物光合參數(shù)的測(cè)定費(fèi)時(shí)、費(fèi)力且代表性較差，定點(diǎn)測(cè)定的結(jié)果往往較難反映作物在整個(gè)區(qū)域上的實(shí)際情況。近些年來(lái)，隨著信息技術(shù)與光譜分析技術(shù)的發(fā)展，通過(guò)遙感技術(shù)對(duì)光合作用的監(jiān)測(cè)得到了越來(lái)越深入的應(yīng)用[4-10]。

前人利用遙感技術(shù)在監(jiān)測(cè)植被光合作用方面的研究取得了一定的進(jìn)展。在國(guó)外，CRISTIANO等[11]利用室內(nèi)光譜儀估算了不同水氮處理?xiàng)l件下兩種牧草的光合有效輻射吸收系數(shù)(Fraction of absorbed photosynthetically active radiation ，F(xiàn)PAR)，發(fā)現(xiàn)綠度歸一化植被指數(shù)(Green normalized difference vegetation index,GNDVI)的預(yù)測(cè)效果最優(yōu)。GAMON等[12]通過(guò)衛(wèi)星遙感數(shù)據(jù)計(jì)算出色素指數(shù)，很好地反映了常綠針葉林的光合作用。PENUELAS等[13]利用基于MODIS的光化學(xué)植被指數(shù)(Photochemical reflectance index，PRI)和地面渦度相關(guān)塔的CO2交換數(shù)據(jù)，發(fā)現(xiàn)二者具有常見(jiàn)的指數(shù)關(guān)系，從而為大尺度上監(jiān)測(cè)植被光合作用提供了參考。在國(guó)內(nèi)， 武海巍等[14]利用自主研發(fā)的核函數(shù)bio-selfadaption結(jié)合便攜式多光譜儀測(cè)得的可見(jiàn)光光譜預(yù)測(cè)了大豆植株群體的凈光合速率，精度達(dá)到80%以上。衛(wèi)亞星等[15]利用野外光譜輻射儀獲得的高光譜數(shù)據(jù)估算了烏梁素海濕地蘆葦?shù)淖畲篝然俾?，取得了較高的精度。張峰等[16]則利用野外高光譜輻射儀對(duì)玉米冠層光合能力和光合效率進(jìn)行反演，發(fā)現(xiàn)2波段增強(qiáng)植被指數(shù)對(duì)光合參數(shù)的表征效果最優(yōu)[17]。以上研究大多基于衛(wèi)星遙感或者地面遙感，由于衛(wèi)星遙感獲取的圖像不能同時(shí)滿(mǎn)足高空間和高時(shí)間分辨率的要求，地物光譜儀掃描的范圍較小且不易操作，二者在農(nóng)田尺度上的應(yīng)用存在一定的局限性。以無(wú)人機(jī)作為新型遙感平臺(tái)，通過(guò)搭載研究所需的傳感器獲取目標(biāo)物的圖像進(jìn)而反演特定參數(shù)的研究方法已越來(lái)越受關(guān)注[18-24]，而利用無(wú)人機(jī)多光譜遙感直接反演作物光合參數(shù)的研究還鮮有報(bào)道。

本文以關(guān)中地區(qū)不同水分處理下的花蕾期棉花為研究對(duì)象，通過(guò)無(wú)人機(jī)搭載的多光譜相機(jī)獲取棉花花蕾期冠層每天不同時(shí)刻的六波段光譜反射率，同步測(cè)定其光合參數(shù)。對(duì)二者進(jìn)行相關(guān)性分析后篩選出與光合參數(shù)相關(guān)性較高的波段作為特征波段，分別利用一元線(xiàn)性回歸和主成分回歸、嶺回歸、偏最小二乘回歸等多元回歸分析方法進(jìn)行建模和驗(yàn)證，進(jìn)而對(duì)比分析得出光合參數(shù)反演的最優(yōu)模型。

1 材料與方法

1.1 研究區(qū)概況

田間試驗(yàn)布置于西北農(nóng)林科技大學(xué)中國(guó)旱區(qū)節(jié)水農(nóng)業(yè)研究院(34°20′N(xiāo)，108°24′E，海拔525 m)。屬暖濕帶季風(fēng)半濕潤(rùn)氣候，年均日照時(shí)數(shù)與無(wú)霜期分別為2 164 h、210 d，多年平均氣溫、降水量和蒸發(fā)量分別為13℃、640 mm和993.2 mm。試驗(yàn)田土壤為中壤土，田間持水率為23%(質(zhì)量含水率，下同)，凋萎系數(shù)8.6%。土壤干容重1.44 g/cm3，0～20 cm土層土壤pH值為8.14，有機(jī)質(zhì)質(zhì)量比13.30 g/kg，全氮質(zhì)量比0.82 g/kg。

1.2 試驗(yàn)材料與設(shè)計(jì)

供試棉花品種為西北農(nóng)林科技大學(xué)農(nóng)學(xué)院提供的“西農(nóng)棉1008”。試驗(yàn)為隨機(jī)區(qū)組設(shè)計(jì)，4組水分處理上限分別為50%田間持水率(Field capacity，F(xiàn)C)、65%FC、80%FC和95%FC，3次重復(fù)，共計(jì)12個(gè)小區(qū)，如圖1所示。為保證灌水均勻，采用滴灌的灌溉方式且每個(gè)小區(qū)安裝水表嚴(yán)格控制灌水量。各小區(qū)播種7行，行距為0.7 m，小區(qū)面積20 m2。播種時(shí)間為2017年4月19日。田間管理、施肥等其他措施同高產(chǎn)大田。

圖1 試驗(yàn)小區(qū)布置圖Fig.1 Layout of testing plots

1.3 棉花冠層多光譜遙感圖像獲取

圖2 μ-MCA多光譜相機(jī)與M600型無(wú)人機(jī)Fig.2 μ-MCA multispectral camera and M600 unmanned aerial vehicle

使用的遙感傳感器為Micro-MCA多光譜相機(jī)(簡(jiǎn)稱(chēng)μ-MCA)。μ-MCA質(zhì)量輕且可遠(yuǎn)程觸發(fā)，能夠理想地搭載于小型無(wú)人機(jī)，實(shí)現(xiàn)拍攝目標(biāo)地物的目的。μ-MCA有490、550、680、720、800、900 nm等6個(gè)波段的光譜采集通道，遙感平臺(tái)為深圳大疆創(chuàng)新科技有限公司生產(chǎn)的M600型六旋翼無(wú)人機(jī)，如圖2所示。多光譜遙感影像于2017年7月11—14日采集，09:00—17:00每2 h采集一次，每日采集5次。試驗(yàn)期間天氣晴朗，棉花正處于花蕾期，長(zhǎng)勢(shì)旺盛。無(wú)人機(jī)飛行高度為50 m，多光譜相機(jī)鏡頭垂直向下，此時(shí)影像地面分辨率約為2.7 cm。試驗(yàn)田間布置參考板，對(duì)獲取的遙感影像進(jìn)行輻射標(biāo)定。

1.4 棉花冠層光合參數(shù)測(cè)定

每次遙感影像采集完畢后立即測(cè)定棉花冠層的光合參數(shù)，1 d測(cè)定5次，測(cè)定4 d。在小區(qū)內(nèi)選擇3株長(zhǎng)勢(shì)均一的健康植株，利用LI-6400型便攜式光合儀測(cè)定棉花植株倒三葉的光合參數(shù)，具體包括凈光合速率(Pn，μmol/(m2·s))、蒸騰速率(Tr，mmol/(m2·s))、氣孔導(dǎo)度(Gs，mol/(m2·s))、胞間二氧化碳濃度(Ci，μmol/mol)等，以3株植株的平均值作為最終觀(guān)測(cè)結(jié)果。

1.5 多光譜遙感圖像處理與冠層光譜反射率提取

使用與多光譜相機(jī)配套的軟件PixelWrench2對(duì)獲取的多光譜遙感影像進(jìn)行提取、配準(zhǔn)與合成，最后導(dǎo)出tif格式的6波段遙感影像。將影像導(dǎo)入ENVI 5.3軟件中進(jìn)行解譯，為排除土壤及陰影背景值的干擾，采用監(jiān)督分類(lèi)的分類(lèi)方法識(shí)別棉花冠層及參考板，進(jìn)而提取二者的灰度值計(jì)算得棉花冠層的6波段反射率。

1.6 數(shù)據(jù)處理與建模評(píng)價(jià)

每個(gè)時(shí)刻共有48組數(shù)據(jù)，隨機(jī)抽取32組數(shù)據(jù)作為建模集，剩余16組作為驗(yàn)證集。對(duì)于不同時(shí)刻的棉花冠層光譜反射率信息，分別建立棉花冠層光合參數(shù)的一元線(xiàn)性回歸、主成分回歸[25-26]、嶺回歸[27-28]、偏最小二乘回歸[29-30]等4種預(yù)測(cè)模型，對(duì)比不同時(shí)刻和建模方法的預(yù)測(cè)精度。利用驗(yàn)證集將模型預(yù)測(cè)值和實(shí)測(cè)值進(jìn)行擬合，采用決定系數(shù)R2、均方根誤差RMSE和相對(duì)誤差RE等3個(gè)指標(biāo)評(píng)價(jià)模型精度。R2越接近1，RMSE和RE越小說(shuō)明模型效果越好。

(1)

(2)

(3)

2 結(jié)果與分析

2.1 不同水分處理下光合參數(shù)日變化分析

4組水分處理下，花蕾期棉花冠層凈光合速率(Pn)、氣孔導(dǎo)度(Gs)、蒸騰速率(Tr)、胞間二氧化碳濃度(Ci)的日變化特征如圖3所示。

圖3 不同水分處理的花蕾期棉花冠層光合參數(shù)的日變化Fig.3 Diurnal variations of photosynthetic parameters of cotton canopy in bud stage with different water treatments

由圖3可以看出，凈光合速率(Pn)、氣孔導(dǎo)度(Gs)、蒸騰速率(Tr)三者的變化趨勢(shì)基本一致，均呈現(xiàn)出先增加后減小的單峰變化曲線(xiàn)，且均在13:00—15:00有明顯的下降現(xiàn)象，而胞間二氧化碳濃度(Ci)的變化卻恰恰相反，呈現(xiàn)出先減小后增大的“凹”字形變化曲線(xiàn)。這是由于此時(shí)太陽(yáng)輻射較強(qiáng)、大氣溫度較高且濕度較低導(dǎo)致棉花葉片氣孔一定程度的關(guān)閉，氣孔導(dǎo)度減小使進(jìn)入葉片的CO2減少，排出的水汽亦減少，所以?xún)艄夂纤俾?Pn)和蒸騰速率(Tr)均出現(xiàn)下降。胞間二氧化碳濃度(Ci)的變化與凈光合速率(Pn)的變化密切相關(guān)，二者存在負(fù)相關(guān)的關(guān)系。

圖4 不同水分處理的花蕾期棉花冠層6波段光譜反射率的日變化Fig.4 Diurnal variations of spectral reflectance in six bands of cotton canopy in bud stage with different water treatments

對(duì)于凈光合速率(Pn)，09:00時(shí)4組處理差異明顯，95%FC處理的Pn較50%FC高28.9%，11:00之前95%FC的處理明顯高于其他處理，而13:00以后差異逐漸縮小，17:00時(shí)4組處理已基本接近一致。對(duì)于氣孔導(dǎo)度(Gs)，09:00時(shí)4組處理差異亦十分明顯，隨后基本呈上升趨勢(shì)，在13:00左右達(dá)到最大值，之后便開(kāi)始下降，其中，95%FC的處理下降的幅度最大。對(duì)于蒸騰速率(Tr)，11:00左右除50%FC外各處理達(dá)到最大值，50%FC處理在15:00左右達(dá)到最大值，此時(shí)95%FC的處理略微回升，其他兩組處理均在下降。對(duì)于胞間二氧化碳濃度(Ci)，09:00時(shí)4組處理的差異不大，之后隨著太陽(yáng)輻射增強(qiáng)，大氣溫度回升，均呈現(xiàn)下降的趨勢(shì)，在13:00左右降到谷底，期間95%FC的處理反而有所增加，之后均處于上升狀態(tài)。

2.2 不同水分處理下冠層光譜反射率日變化分析

4組水分處理的花蕾期棉花冠層6波段光譜反射率的日變化如圖4所示。

從圖4可以看出，棉花冠層的光譜反射率具有明顯的植被特征，即在藍(lán)光波段(490 nm)和紅光波段(680 nm)有較低的反射率，處在整個(gè)波譜曲線(xiàn)的波谷位置，而在綠光波段(550 nm)出現(xiàn)一個(gè)波峰，在紅邊位置(720 nm)及近紅外波段(800、900 nm)反射率較高。由于植物光合作用僅能吸收利用太陽(yáng)光的可見(jiàn)光部分，所以對(duì)于近紅外有較高的反射率，而可見(jiàn)光部分中的大部分藍(lán)光、紅光及少部分綠光被吸收，使得藍(lán)光波段與紅光波段的反射率較低，綠光波段的反射率略高。6個(gè)波段處的光譜反射率在1 d中均呈現(xiàn)出先減小后增大的趨勢(shì)。其中，藍(lán)光波段與紅光波段處的反射率變化不明顯，而其他4個(gè)波段處的變化均呈現(xiàn)“倒拋物線(xiàn)”型。

在藍(lán)光波段和紅光波段，95%FC處理的棉花冠層光譜反射率明顯較其他3組處理低，這可能是由于供水充足，光合作用較強(qiáng)，葉片吸收了更多的藍(lán)光和綠光所致。對(duì)于其他4個(gè)波段，不同水分處理之間棉花冠層光譜反射率的差異不大，但都呈現(xiàn)出80%FC處理的反射率較其他3組處理高的特征，且都在13:00左右降到最小值，900 nm處的反射率表現(xiàn)得尤為明顯。

2.3 光合參數(shù)與冠層光譜反射率相關(guān)性分析

由于09:00和17:00的太陽(yáng)高度角過(guò)小，棉花冠層光譜反射率的變化很大程度上受到影響，光合參數(shù)已不是引起冠層光譜反射率變化的主要因素。因此僅對(duì)2017年7月11—14日11:00、13:00和15:00等3個(gè)時(shí)刻測(cè)得的12個(gè)小區(qū)的光合參數(shù)與同時(shí)刻獲取的6波段光譜反射率數(shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果見(jiàn)表1。

由表1可以看出，對(duì)于不同的光合參數(shù)，在同一時(shí)刻的敏感波段不同，相同的光合參數(shù)在1 d中不同的時(shí)刻敏感波段亦不同。同一波段對(duì)同一光合參數(shù)在1 d中不同時(shí)刻甚至出現(xiàn)極顯著相關(guān)(p<0.01)、顯著相關(guān)(p<0.05)和不相關(guān)3種情況。

表1 不同波段光譜反射率與不同時(shí)刻光合參數(shù)的相關(guān)系數(shù)(n=48)Tab.1 Correlation coefficients of spectral reflectance in different bands and photosynthetic parameters at different times(n=48)

注：*表示在 0.05水平上顯著， ** 表示在 0.01 水平上極顯著。

與光合速率(Pn)顯著相關(guān)的波段較多，每個(gè)時(shí)刻都有2個(gè)或2個(gè)以上的波段與其顯著相關(guān)。在11:00和13:00，藍(lán)光波段(490 nm)和紅光波段(680 nm)與凈光合速率(Pn)達(dá)到了極顯著相關(guān)水平，且相關(guān)系數(shù)均大于0.8。對(duì)于氣孔導(dǎo)度(Gs)，3個(gè)時(shí)刻均存在顯著相關(guān)的波段，而且基本集中在藍(lán)光波段(490 nm)和紅光波段(680 nm)。對(duì)于胞間二氧化碳濃度(Ci)，在13:00沒(méi)有與其顯著相關(guān)的波段，只有11:00、15:00存在與其顯著相關(guān)的波段，其中在11:00相關(guān)的4個(gè)波段均達(dá)到顯著水平，且相關(guān)系數(shù)均在0.6以上。與蒸騰速率(Tr)相關(guān)的波段主要為藍(lán)光波段(490 nm)和紅光波段(680 nm)，但在13:00時(shí)6個(gè)波段的反射率均與其不相關(guān)。

2.4 基于敏感波段光譜反射率的光合參數(shù)一元線(xiàn)性模型構(gòu)建

通過(guò)以上的相關(guān)性分析，選擇與光合參數(shù)顯著或極顯著相關(guān)且相關(guān)性最強(qiáng)的波段光譜反射率作為自變量，構(gòu)建該光合參數(shù)的一元線(xiàn)性模型并進(jìn)行檢驗(yàn)，結(jié)果見(jiàn)表2。

由表2可知，11:00和13:00的凈光合速率(Pn)預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)均在0.7以上，但13:00的模型的驗(yàn)證均方根誤差RMSE和相對(duì)誤差RE較小，因此13:00的模型預(yù)測(cè)效果較優(yōu)。對(duì)于氣孔導(dǎo)度(Gs)，只有15:00的模型有著較優(yōu)的解釋能力和預(yù)測(cè)能力。胞間二氧化碳濃度(Ci)的預(yù)測(cè)模型在11:00效果最優(yōu)，其建模決定系數(shù)和驗(yàn)證決定系數(shù)均在0.6以上。而對(duì)于蒸騰速率(Tr)，15:00的模型的穩(wěn)定性與預(yù)測(cè)能力較11:00的略高，為監(jiān)測(cè)的最優(yōu)模型。

2.5 基于敏感波段光譜反射率的光合參數(shù)多元線(xiàn)性模型構(gòu)建

通過(guò)2.3節(jié)中的相關(guān)性分析，在不同時(shí)刻選取與光合參數(shù)顯著和極顯著相關(guān)的波段作為敏感波段參與回歸模型的構(gòu)建。分別采用主成分回歸、嶺回歸以及偏最小二乘回歸等3種建模方法對(duì)光合參數(shù)和敏感波段反射率進(jìn)行分析建模和檢驗(yàn)，選擇出反演不同光合參數(shù)的最優(yōu)模型。

表2 基于敏感波段光譜反射率與不同時(shí)刻光合參數(shù)的一元線(xiàn)性模型及驗(yàn)證Tab.2 Linear model and verification of spectral reflectance and photosynthetic parameters at different moments based on sensitive bands

注：X1、X2、X3、X4、X5、X6分別指490、550、680、720、800、900 nm波長(zhǎng)處的光譜反射率。Pn、Gs、Tr、Ci的RMSE單位分別為μmol/(m2·s)、mol/(m2·s)、mmol/(m2·s)、μmol/mol。下同。

2.5.1主成分回歸模型的構(gòu)建與檢驗(yàn)

對(duì)光合參數(shù)的敏感波段進(jìn)行主成分分析，建立3個(gè)時(shí)刻的4種光合參數(shù)的主成分回歸預(yù)測(cè)模型并驗(yàn)證，結(jié)果如表3所示。

表3 基于敏感波段的光譜反射率與不同時(shí)刻光合參數(shù)的主成分回歸模型及驗(yàn)證Tab.3 Principal component regression models and verification of spectral reflectance and photosynthetic parameters at different moments based on sensitive bands

從表3可以看出，11:00和13:00的凈光合速率(Pn)預(yù)測(cè)模型的決定系數(shù)和驗(yàn)證決定系數(shù)均大于15:00的，且13:00的模型的驗(yàn)證均方根誤差RMSE僅為1.52 μmol/(m2·s)，驗(yàn)證相對(duì)誤差RE僅為2.2%，為凈光合速率(Pn)反演的最優(yōu)模型。15:00的氣孔導(dǎo)度(Gs)的模型驗(yàn)證相對(duì)誤差RE比13:00的略大，但其驗(yàn)證均方根誤差RMSE較小且建模R2和驗(yàn)證R2均明顯大于后者，故15:00的模型為反演氣孔導(dǎo)度(Gs)的最優(yōu)模型。15:00的胞間二氧化碳濃度(Ci)的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)大于11:00的，其驗(yàn)證均方根誤差RMSE為14.2 μmol/mol，驗(yàn)證相對(duì)誤差RE為5.2%，均為兩個(gè)模型中的最小值，因此為最優(yōu)反演模型。11:00的蒸騰速率(Tr)的反演模型中，建模決定系數(shù)和驗(yàn)證決定系數(shù)與15:00的相差不大。盡管11:00的模型的驗(yàn)證均方根誤差RMSE比15:00的略大，但由于其驗(yàn)證相對(duì)誤差RE僅為5.2%，故選擇此刻的模型為蒸騰速率(Tr)的最優(yōu)反演模型。

2.5.2不同時(shí)刻嶺回歸模型的構(gòu)建與檢驗(yàn)

在R軟件中自動(dòng)選擇GCV值最小時(shí)的嶺參數(shù)k進(jìn)行后續(xù)的分析計(jì)算。3個(gè)時(shí)刻的4種光合參數(shù)的嶺回歸預(yù)測(cè)模型與驗(yàn)證結(jié)果如表4所示。

從表4可以看出，在11:00和13:00，凈光合速率(Pn)的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)比較接近，都達(dá)到了0.6以上，其中13:00的模型驗(yàn)證均方根誤差RMSE僅為1.45 μmol/(m2·s)，為三者中的最小值，因此選擇為凈光合速率(Pn)的最優(yōu)監(jiān)測(cè)模型。在15:00，氣孔導(dǎo)度(Gs)的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)均大于13:00的，其驗(yàn)證均方根誤差RMSE和驗(yàn)證相對(duì)誤差RE均在合理的范圍之內(nèi)，因此選擇15:00的模型為氣孔導(dǎo)度(Gs)的最優(yōu)監(jiān)測(cè)模型。15:00的胞間二氧化碳濃度(Ci)的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)均大于11:00的，盡管此刻的驗(yàn)證均方根誤差RMSE和驗(yàn)證相對(duì)誤差RE較11:00的略大，但整體來(lái)看，15:00的預(yù)測(cè)模型仍占優(yōu)，選擇此模型作為胞間二氧化碳濃度(Ci)最優(yōu)監(jiān)測(cè)模型。在11:00，蒸騰速率(Tr)的預(yù)測(cè)模型中的建模決定系數(shù)和驗(yàn)證決定系數(shù)與15:00的幾乎相同。盡管11:00的模型的驗(yàn)證均方根誤差RMSE比15:00的略大，但由于其驗(yàn)證相對(duì)誤差RE僅為4.7%，故選擇11:00的模型為蒸騰速率(Tr)的最優(yōu)監(jiān)測(cè)模型。

表4 基于敏感波段的光譜反射率與不同時(shí)刻光合參數(shù)的嶺回歸模型及驗(yàn)證Tab.4 Ridge regression models and verification of spectral reflectance and photosynthetic parameters at different moments based on sensitive bands

2.5.3偏最小二乘回歸模型的構(gòu)建與檢驗(yàn)

本文的分析在R軟件環(huán)境下實(shí)現(xiàn)，通過(guò)使用留一交叉驗(yàn)證計(jì)算預(yù)測(cè)值誤差平方和(PRESS)，jack.test函數(shù)檢驗(yàn)回歸系數(shù)的顯著性。3個(gè)時(shí)刻4種光合參數(shù)的偏最小二乘回歸模型及驗(yàn)證結(jié)果如表5所示。

表5 基于敏感波段的光譜反射率與不同時(shí)刻光合參數(shù)的偏最小二乘回歸模型及驗(yàn)證Tab.5 Partial least squares regression models and verification of spectral reflectance and photosynthetic parameters at different moments based on sensitive bands

從表5可以看出，11:00和13:00的凈光合速率(Pn)的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)都達(dá)到了0.7以上，其中13:00的驗(yàn)證均方根誤差RMSE與驗(yàn)證相對(duì)誤差RE均為兩者中的最小值，分別為1.51 μmol/(m2·s)和3.5%，因此13:00的模型反演花蕾期棉花的凈光合速率(Pn)效果最優(yōu)。15:00的氣孔導(dǎo)度(Gs)的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)都較13:00的大，其驗(yàn)證均方根誤差RMSE較13:00的小，因此此刻的模型具有較高的參考價(jià)值。15:00的胞間二氧化碳濃度(Ci)的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)均大于其他時(shí)刻，達(dá)到了0.8以上，同樣具有較小的驗(yàn)證均方根誤差RMSE與驗(yàn)證相對(duì)誤差RE，因此為預(yù)測(cè)胞間二氧化碳濃度(Ci)的最優(yōu)模型。對(duì)于蒸騰速率(Tr)，11:00和15:00的預(yù)測(cè)模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)都接近0.7，盡管11:00的驗(yàn)證均方根誤差RMSE略大，但考慮到其驗(yàn)證相對(duì)誤差RE僅為5.2%，故仍選擇此模型作為最優(yōu)模型。

2.6 基于無(wú)人機(jī)多光譜信息的光合參數(shù)最優(yōu)反演模型

通過(guò)對(duì)表2～5的分析可見(jiàn)，對(duì)于凈光合速率(Pn)和氣孔導(dǎo)度(Gs)，分別在13:00和15:00利用不同建模方法得到的預(yù)測(cè)模型的反演效果較優(yōu)。對(duì)于胞間二氧化碳濃度(Ci)，11:00的一元線(xiàn)性模型和15:00的多元回歸模型反演效果較優(yōu)。對(duì)于蒸騰速率(Tr)，15:00的一元線(xiàn)性模型和11:00多元回歸模型的反演效果較優(yōu)。為了進(jìn)一步對(duì)比選擇最優(yōu)反演模型，將4種模型的統(tǒng)計(jì)參數(shù)列于表6。

表6 光合參數(shù)的不同建模效果對(duì)比Tab.6 Comparison of different modeling effects of photosynthetic parameters

從表6可以看出，凈光合速率(Pn)的一元線(xiàn)性模型有較高的建模決定系數(shù)和驗(yàn)證決定系數(shù)，分別為0.74和0.71，而且一元線(xiàn)性模型的RMSE較小，僅為1.46 μmol/(m2·s)，且驗(yàn)證相對(duì)誤差RE最小，故一元線(xiàn)性模型最優(yōu)。氣孔導(dǎo)度(Gs)的一元線(xiàn)性模型和嶺回歸模型的建模效果和預(yù)測(cè)能力基本等同，但由于一元線(xiàn)性模型僅包含一個(gè)敏感波段，簡(jiǎn)單易行，可操作性強(qiáng)，因此為最優(yōu)模型。對(duì)于胞間二氧化碳濃度(Ci)，15:00的多元線(xiàn)性回歸模型明顯優(yōu)于11:00點(diǎn)的一元線(xiàn)性模型，其中嶺回歸模型的驗(yàn)證相對(duì)誤差RE僅為4%，為三者中的最小值，因此為最優(yōu)反演模型。蒸騰速率(Tr)的3種多元線(xiàn)性回歸模型精度評(píng)價(jià)參數(shù)在11:00幾乎相同，而15:00的一元線(xiàn)性模型的建模決定系數(shù)和驗(yàn)證決定系數(shù)都較其他3組模型大，且驗(yàn)證均方根誤差RMSE為四者中的最小值，因此15:00的一元線(xiàn)性模型為蒸騰速率(Tr)的最優(yōu)反演模型。

3 討論

利用遙感技術(shù)對(duì)作物的光合作用進(jìn)行大面積監(jiān)測(cè)對(duì)現(xiàn)代農(nóng)業(yè)的生產(chǎn)管理極具指導(dǎo)意義。本文運(yùn)用無(wú)人機(jī)遙感平臺(tái)結(jié)合多光譜相機(jī)組成的遙感監(jiān)測(cè)系統(tǒng)，相比衛(wèi)星遙感有使用機(jī)動(dòng)靈活、圖像分辨率高的優(yōu)點(diǎn)，相比地面遙感有監(jiān)測(cè)范圍廣、工作效率高的優(yōu)點(diǎn)，是未來(lái)精準(zhǔn)農(nóng)業(yè)發(fā)展的要求和趨勢(shì)。由于作物的光合作用特性通常以?xún)艄夂纤俾?Pn)、氣孔導(dǎo)度(Gs)、胞間二氧化碳濃度(Ci)和蒸騰速率(Tr)等光合參數(shù)來(lái)反映，本研究對(duì)花蕾期棉花的4種光合參數(shù)與多光譜6波段光譜反射率進(jìn)行相關(guān)性分析后，剔除二者相關(guān)系數(shù)較小和不顯著相關(guān)的波段，防止過(guò)多自變量的引入產(chǎn)生過(guò)度擬合的問(wèn)題，進(jìn)而利用多種回歸分析方法建立了4種光合參數(shù)的反演模型，均取得了較高的精度。經(jīng)過(guò)對(duì)比發(fā)現(xiàn)，引入多元自變量后建立的模型的擬合優(yōu)度不一定都比一元線(xiàn)性模型的高，這是由于其同時(shí)考慮了樣本個(gè)數(shù)和自變量個(gè)數(shù)的影響，用調(diào)整后的決定系數(shù)來(lái)評(píng)價(jià)模型擬合度的緣故。后續(xù)的研究可根據(jù)需要選擇對(duì)應(yīng)的最優(yōu)模型獲取某一光合參數(shù)的信息。然而這些參數(shù)的最優(yōu)監(jiān)測(cè)模型會(huì)因作物的生長(zhǎng)階段、品種、氣候、甚至所使用的傳感器而異。本文所得的反演估測(cè)模型也僅限于本次測(cè)量結(jié)果，模型在棉花其他生育階段和其他地區(qū)的適用性還有待進(jìn)一步探索。

4 結(jié)論

(1)不同水分處理下的花蕾期棉花冠層光合參數(shù)的變化趨勢(shì)基本一致，其中凈光合速率(Pn)、氣孔導(dǎo)度(Gs)和蒸騰速率(Tr)呈現(xiàn)先增加后減小的近似拋物線(xiàn)變化，胞間二氧化碳濃度(Ci)則恰恰相反，表現(xiàn)出先減小后增加的反向拋物線(xiàn)變化。

(2)多光譜6個(gè)波段的反射率在1 d中均呈現(xiàn)先減小后增大的趨勢(shì)，藍(lán)光波段(490 nm)和紅光波段(680 nm)表現(xiàn)出較低的反射率，變化不明顯，綠光波段(550 nm)、紅邊波段(720 nm)和兩個(gè)近紅外波段(800、900 nm)變化趨勢(shì)比較明顯。

(3)通過(guò)對(duì)4種不同光合參數(shù)和6個(gè)波段光譜反射率的相關(guān)性分析發(fā)現(xiàn)，每一種光合參數(shù)都有與其敏感的波段，部分相關(guān)系數(shù)達(dá)到了0.8以上，說(shuō)明通過(guò)遙感反演作物的光合參數(shù)可行。

(4)以敏感波段的光譜反射率為自變量，構(gòu)建3個(gè)時(shí)刻4種光合參數(shù)的一元線(xiàn)性模型和主成分回歸、嶺回歸模型、偏最小二乘回歸等多元線(xiàn)性回歸模型。對(duì)比發(fā)現(xiàn)，凈光合速率(Pn)反演的最優(yōu)模型為13:00的基于藍(lán)光波段反射率的一元線(xiàn)性模型，氣孔導(dǎo)度(Gs)反演的最優(yōu)模型為15:00的基于紅光波段反射率的一元線(xiàn)性模型，胞間二氧化碳濃度(Ci)反演的最優(yōu)模型為15:00的嶺回歸模型，蒸騰速率(Tr)反演的最優(yōu)模型為15:00的基于紅光波段反射率的一元線(xiàn)性模型。