基于無人機(jī)多光譜遙感的華北地區(qū)夏玉米LAI 監(jiān)測

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(diǎn)實(shí)驗(yàn)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(zhǔn)監(jiān)測有助于實(shí)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(shí)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(biāo)的重要技術(shù)手段[3]。無人機(jī)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(zhǔn)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(jī)多光譜遙感實(shí)現(xiàn)LAI 反演已是近年來的熱點(diǎn)研究問題，相關(guān)方法主要以建立經(jīng)驗(yàn)?zāi)Ｐ蜑橹?。?jīng)驗(yàn)?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(jì)模型，該方法是廣域范圍內(nèi)可以較為經(jīng)濟(jì)的實(shí)現(xiàn)LAI預(yù)測的有效方法[7]，常適用于特定區(qū)域進(jìn)行作物生長特性監(jiān)測的情況[8]。在實(shí)際中，諸多研究者們常通過建立監(jiān)測指標(biāo)與光譜反射率或VIs 的經(jīng)驗(yàn)?zāi)Ｐ蛠韺?shí)現(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(jī)拍攝的藍(lán)、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(bǔ)這個缺點(diǎn)，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(qiáng)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(yàn)證了LAI和不同VIs 之間較強(qiáng)的相關(guān)性。YANG 等[16]利用NDVI 和EVI 進(jìn)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(rèn)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(jī)多光譜遙感，依據(jù)無人機(jī)多光譜反射率以及基于多光譜反射率計(jì)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(shí)現(xiàn)夏玉米生長情況的模型監(jiān)測以及為無人機(jī)遙感技術(shù)在華北地區(qū)夏玉米生長情況監(jiān)測中的進(jìn)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(yàn)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(yàn)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(jī)正常飛行；光照、溫度及土壤水分等條件適宜，適合本試驗(yàn)供試夏玉米正常生長。

1.2 試驗(yàn)材料及設(shè)備

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

1.3 試驗(yàn)設(shè)計(jì)

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(jī)影像獲取試驗(yàn)與地面葉面積實(shí)測試驗(yàn)同日進(jìn)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(jìn)行1 次同步試驗(yàn)。

1.4 數(shù)據(jù)獲取

1.4.1 遙感影像獲取 無人機(jī)數(shù)據(jù)采集一般在光照較強(qiáng)的晴天12：00 左右進(jìn)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(jī)航拍試驗(yàn)當(dāng)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(yàn)中，12 個小區(qū)中隨機(jī)選擇3 株夏玉米并作標(biāo)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(jì)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(jī)圖像處理 無人機(jī)所拍攝的是tif.格式的零散圖像，運(yùn)用Pix4D mapper 將450 多張圖像合成與拼接，并進(jìn)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(jìn)行標(biāo)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(jìn)展，以及該試驗(yàn)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(jì)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(jì)算得到各生育期夏玉米各供試小區(qū)的光譜反射率，進(jìn)而依據(jù)反射率在ENVI 中利用Spectral Indices 計(jì)算VIs。

1.6 數(shù)據(jù)分析

本試驗(yàn)在Office 2019、SPSS 26.0 中實(shí)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(shí)現(xiàn)模型評價。以上評價指標(biāo)的相關(guān)說明見表2。

表2 模型精度評價相關(guān)指標(biāo)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?yàn)槭┓薁I養(yǎng)對于夏玉米LAI 的增大有較大促進(jìn)作用。同一施肥水平下，隨著夏玉米生育期推進(jìn)，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?yàn)榘喂?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(jī)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(lán)、綠、紅、近紅、紅邊光譜反射率和多光譜反射率計(jì)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(dá)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(dá)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(dá)到了0.8 以上，擬合性最好。整體來看，藍(lán)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(shí)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(yùn)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(jì)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(yàn)中，各生育期驗(yàn)證模型的R2均大于0.6，拔節(jié)期和抽穗期模型達(dá)到了0.8，尤其是拔節(jié)—成熟期模型達(dá)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(jìn)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(xiàn)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(dá)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(dá)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(yàn)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(jī)影像數(shù)據(jù)估測玉米LAI，R2達(dá)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(jī)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(yàn)證了采用多光譜混合指數(shù)進(jìn)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(jī)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。