馮海寬,樊意廣,陶惠林,楊福芹,楊貴軍,趙春江*
1. 農(nóng)業(yè)部農(nóng)業(yè)遙感機(jī)理與定量遙感重點(diǎn)實(shí)驗(yàn)室,北京市農(nóng)林科學(xué)院信息技術(shù)研究中心,北京 100097 2. 南京農(nóng)業(yè)大學(xué)國(guó)家信息農(nóng)業(yè)工程技術(shù)中心,江蘇 南京 210095 3. 河南工程學(xué)院土木工程學(xué)院,河南 鄭州 451191
冬小麥?zhǔn)俏覈?guó)三大主要農(nóng)作物之一,其種植廣泛,經(jīng)濟(jì)和營(yíng)養(yǎng)價(jià)值較高。氮素是作物生長(zhǎng)過(guò)程中重要的化學(xué)元素,是反映作物長(zhǎng)勢(shì)的重要指標(biāo)[1]。傳統(tǒng)上主要通過(guò)直接測(cè)量法獲取作物氮素,比較繁瑣,效率低,且對(duì)作物具有破壞性,無(wú)法大面積、高效地獲取。近些年,遙感技術(shù)作為一種新的監(jiān)測(cè)手段,基于其高效、無(wú)損、動(dòng)態(tài)、經(jīng)濟(jì)性等優(yōu)點(diǎn),開(kāi)始被廣泛用于監(jiān)測(cè)作物生理生化參數(shù)。近地面遙感監(jiān)測(cè)氮含量,主要通過(guò)獲取作物的冠層光譜,但難以成像,不能大面積測(cè)量;衛(wèi)星遙感雖然覆蓋范圍廣,但由于光譜和空間分辨率較低,重訪周期長(zhǎng),易受天氣影響,導(dǎo)致獲取的數(shù)據(jù)不及時(shí)。無(wú)人機(jī)遙感具有操作方便,起飛條件簡(jiǎn)單,能獲取較高的空間分辨率等優(yōu)勢(shì)[2],在監(jiān)測(cè)作物理化參數(shù)方面得到了廣泛關(guān)注。
國(guó)內(nèi)外學(xué)者圍繞無(wú)人機(jī)監(jiān)測(cè)作物氮營(yíng)養(yǎng)狀況做了大量研究,Liu等[3]利用無(wú)人機(jī)可見(jiàn)光影像,分析25種植被指數(shù)估算冬小麥氮含量效果,從而篩選合適的植被指數(shù),以達(dá)到更高的監(jiān)測(cè)精度(R2=0.85,RMSE=0.24%)。Jing等[4]通過(guò)無(wú)人機(jī)搭載多光譜相機(jī),分析在不同高度,植被指數(shù)和紋理特征估算冬小麥氮累積量的精度,結(jié)果表明飛行高度為30 m時(shí),植被指數(shù)結(jié)合紋理特征估算效果最佳。Rodene等[5]通過(guò)無(wú)人機(jī)攜帶RGB傳感器,探究不同氮水平下植被指數(shù)監(jiān)測(cè)玉米氮含量效果。Fan等[6]基于無(wú)人機(jī)RGB影像提取的可見(jiàn)光植被指數(shù)和株高,探究了株高對(duì)估算馬鈴薯植株氮含量的影響。為估算水稻葉片氮濃度,Wang等[7]利用不同植被指數(shù)監(jiān)測(cè)水稻單生長(zhǎng)階段和多生長(zhǎng)階段葉片氮濃度,結(jié)果表明CIred-edge的估算效果最好(R2=0.78,RMSE=0.26%)。
通過(guò)無(wú)人機(jī)攜帶數(shù)碼、多光譜和高光譜相機(jī)估算氮含量,目前的研究主要是利用不同的植被指數(shù)構(gòu)建氮含量估算模型,分析不同植被指數(shù)的估算效果。高光譜波段信息豐富,包含很多與作物生長(zhǎng)密切相關(guān)的特征參數(shù)。其中,藍(lán)邊(490~530 nm)、黃邊(460~640 nm)和紅邊區(qū)域(680~760 nm)構(gòu)建的光譜特征參數(shù)已被證實(shí)與作物的氮營(yíng)養(yǎng)狀況密切相關(guān)[8-11]。然而,很少有人探究光譜特征參數(shù)與植被指數(shù)結(jié)合估算氮含量的能力。綜上所述,基于無(wú)人機(jī)高光譜影像,利用逐步回歸(stepwise regression,SWR)方法分別基于植被指數(shù),光譜特征參數(shù),植被指數(shù)結(jié)合光譜特征參數(shù)構(gòu)建冬小麥各生育期氮含量估算模型,并通過(guò)精度對(duì)比遴選最佳的特征參數(shù)組合,以期為冬小麥的氮含量估算提供一種有效的技術(shù)手段。
試驗(yàn)區(qū)位于北京市昌平區(qū)國(guó)家精準(zhǔn)農(nóng)業(yè)示范基地(E116°26′27″,N40°10′11″),該地區(qū)為北溫帶大陸性季風(fēng)氣候,全年的降水主要集中在夏季。田間試驗(yàn)的冬小麥品種為京9843和中麥175,為更好地達(dá)到試驗(yàn)效果,共劃分48個(gè)試驗(yàn)小區(qū),并設(shè)置4種不同層次的氮素水平,分別為N0(0 kg·hm-2)、N1(195 kg·hm-2)、N2(390 kg·hm-2)和N3(585 kg·hm-2),同時(shí)進(jìn)行3種不同梯度的灌溉處理:僅雨水,雨水加100 mm灌溉,雨水加200 mm灌溉,每種處理設(shè)置3個(gè)重復(fù)。
試驗(yàn)于冬小麥拔節(jié)期(2015年4月21號(hào))、挑旗期(2015年4月26號(hào))、開(kāi)花期(2015年5月13號(hào))和灌漿期(2015年5月22號(hào))進(jìn)行。分別在各小區(qū)中選取30株具有代表性的植株作為樣本,將樣本放入密封袋帶回實(shí)驗(yàn)室,在實(shí)驗(yàn)室對(duì)樣本莖葉分離,分別稱葉片,莖和穗的鮮質(zhì)量,然后105 ℃下殺青0.5 h,再將樣品在80 ℃條件下烘干至恒質(zhì)量,稱重干質(zhì)量。隨后將樣品研磨粉碎,通過(guò)凱氏定氮儀測(cè)定氮含量,得到冬小麥4個(gè)不同生育期的氮含量數(shù)據(jù)。
為保證試驗(yàn)數(shù)據(jù)的有效性,無(wú)人機(jī)飛行試驗(yàn)和地面數(shù)據(jù)采集同步進(jìn)行,數(shù)據(jù)采集在晴朗無(wú)云的條件下進(jìn)行,且采集時(shí)間為當(dāng)?shù)貢r(shí)間的11:30到13:30之間。無(wú)人機(jī)攜帶Cubert UHD185成像光譜儀,光譜儀重量為470 g,獲取450~950 nm波段,波段間隔為4 nm;飛行平臺(tái)采用的是大疆八旋翼無(wú)人機(jī),最大載重為6 500 g,飛行高度為100 m,飛行的續(xù)航時(shí)間為0.5 h。獲取影像數(shù)據(jù)后,利用Agisoft PhotoScan軟件進(jìn)行處理,通過(guò)地面采集的控制點(diǎn)位置信息,在ArcGIS軟件中將全色影像和位置信息進(jìn)行影像拼接和校正;然后通過(guò)ENVI軟件對(duì)處理后的影像輻射定標(biāo)。最后繪制出不同采樣小區(qū)的感興趣區(qū),提取各小區(qū)的平均光譜反射率作為此小區(qū)的光譜反射率。
根據(jù)已有的研究成果,選取24種與氮含量密切相關(guān)光譜參數(shù),作為變量估算氮含量,具體見(jiàn)表1所示。
表1 本工作選取的光譜參數(shù)及定義Table 1 The spectral parameters selected in this work and definitions
利用逐步回歸(stepwise regression,SWR)方法構(gòu)建氮含量估算模型,將70%的樣本(34個(gè))作為建模集數(shù)據(jù),剩余30%樣本(14個(gè))作為驗(yàn)證集數(shù)據(jù),檢驗(yàn)?zāi)P偷墓浪隳芰ΑV鸩交貧w可以通過(guò)剔除變量中不太重要和共線性較嚴(yán)重的變量,從而提高模型精度。其主要流程為:將變量逐個(gè)引入模型,每引入一個(gè)解釋變量后都進(jìn)行F檢驗(yàn),并對(duì)已經(jīng)選入的解釋變量逐個(gè)進(jìn)行t檢驗(yàn),當(dāng)原來(lái)引入的解釋變量由于后面解釋變量的引入變得不再顯著時(shí),則將其刪除,以確保每次引入新的變量之前回歸方程中只包含顯著性變量,以保證最后得到的解釋變量集是最優(yōu)的,直到篩選出最佳估算模型。
為評(píng)價(jià)建模數(shù)據(jù)和驗(yàn)證數(shù)據(jù)構(gòu)建模型的效果,選用決定系數(shù)(coefficient of determination,R2)、均方根誤差(root mean square error,RMSE)、標(biāo)準(zhǔn)均方根誤差(normalized root mean square error,NRMSE)檢驗(yàn)?zāi)P偷木?R2越大,RMSE和NRMSE越小,說(shuō)明構(gòu)建的模型擬合性更好,估算精度更高[8]。
將不同生育期的光譜參數(shù)分別與氮含量作相關(guān)性分析,統(tǒng)計(jì)顯著性結(jié)果,如表2所示。
表2 不同生育期光譜參數(shù)與氮含量相關(guān)系數(shù)Table 2 Correlation coefficients between spectral parameters and nitrogen content at different fertility stages
通過(guò)相關(guān)系數(shù)結(jié)果可知,各生育期的氮含量與光譜參數(shù)相關(guān)性差異較大。拔節(jié)期,紅邊面積(Sa)、藍(lán)邊振幅(Dc)和藍(lán)邊位置(λc)無(wú)相關(guān)性,黃邊位置(λb)、黃邊面積(Sb)具有0.05水平顯著相關(guān)性,剩余光譜參數(shù)均具有0.01水平顯著相關(guān)性,相關(guān)系數(shù)絕對(duì)值最高、最低分別為0.680,0.035,對(duì)應(yīng)的光譜參數(shù)分別為NPCI與藍(lán)邊位置(λc)。挑旗期,黃邊位置(λb)、黃邊最小振幅(Dbmin)、藍(lán)邊振幅(Dc)、藍(lán)邊位置(λc)與藍(lán)邊最小振幅(Dcmin)為無(wú)相關(guān)性,黃邊振幅(Db)和黃邊面積(Sb)為0.05顯著水平,剩下的光譜參數(shù)為0.01顯著水平,光譜參數(shù)LCI的相關(guān)系數(shù)絕對(duì)值最大,為0.680,藍(lán)邊位置(λc)的相關(guān)系數(shù)絕對(duì)值最小,為0.087。開(kāi)花期,除黃邊振幅(Db)、黃邊位置(λb)、黃邊面積(Sb)、黃邊最小振幅(Dbmin)與藍(lán)邊振幅(Dc)表現(xiàn)無(wú)相關(guān)性,GI表現(xiàn)為0.05顯著水平相關(guān)外,剩余光譜參數(shù)表現(xiàn)為0.01顯著水平相關(guān),其中紅邊位置(λa)相關(guān)系數(shù)絕對(duì)值為0.662,在此生育期最高,黃邊位置(λb)相關(guān)系數(shù)絕對(duì)值為0.033,在此生育期最低。開(kāi)花期,僅紅邊最小振幅(Damin)和藍(lán)邊位置(λc)為無(wú)相關(guān)性,黃邊位置(λb)、黃邊最小振幅(Dbmin)、藍(lán)邊振幅(Dc)和藍(lán)邊最小振幅(Dcmin)為0.05水平顯著相關(guān)性,剩下光譜參數(shù)為0.01水平顯著相關(guān)性,此生育期相關(guān)系數(shù)絕對(duì)值最高的光譜參數(shù)為L(zhǎng)CI,為0.589,最低的光譜參數(shù)為藍(lán)邊位置(λc),為0.092。
根據(jù)不同生育期的光譜參數(shù)與氮含量的相關(guān)系數(shù)結(jié)果可知,光譜參數(shù)MSR、PBI、LCI、NDVI、PSND和OSAVI 6種植被指數(shù)、紅邊位置(λa)、藍(lán)邊面積(Sc)和紅邊振幅(Da)3種光譜特征參數(shù)在各生育期均呈現(xiàn)較高的相關(guān)性,因此選取這9種光譜參數(shù)構(gòu)建單參數(shù)的氮含量估算模型,結(jié)果見(jiàn)表3所示。
表3 僅用一個(gè)光譜參數(shù)的估算模型結(jié)果Table 3 estimation results of models only using one spectral parameter
根據(jù)表3可知,拔節(jié)期,光譜變量中植被指數(shù)建模R2從0.16到0.30,RMSE從34.50%到37.82%,NRMSE從11.13%到12.20%,隨著R2逐漸增大,RMSE和NRMSE逐漸減小。植被指數(shù)MSR建立的估算模型效果最好(建模R2=0.30,RMSE=34.50%,NRMSE=11.13%,驗(yàn)證R2=0.66,RMSE=25.99%,NRMSE=8.85%),光譜變量中光譜特征參數(shù)建模R2從0.09到0.11,RMSE從38.93%到39.45%,NRMSE從12.56%到12.73%,光譜特征參數(shù)紅邊位置(λa)建立的估算模型效果最好(建模R2=0.11,RMSE=38.93%,NRMSE=12.56%,驗(yàn)證R2=0.47,RMSE=32.85%,NRMSE=11.09%)。挑旗期,植被指數(shù)LCI和光譜特征參數(shù)紅邊振幅(Da)建立的模型效果最好(建模R2=0.38、0.32,RMSE=24.27%、25.26%,NRMSE=11.06%、11.60%,驗(yàn)證R2=0.61、0.43,RMSE=25.62%、31.01%,NRMSE=12.11%、14.66%)。開(kāi)花期,植被指數(shù)LCI估算模型最好,建模R2、RMSE和NRMSE分別為0.22、18.76%、10.74%;驗(yàn)證R2、RMSE和NRMSE分別為0.40、21.50%、13.07%;光譜特征參數(shù)紅邊位置(λa)估算效果最好,建模R2、RMSE和NRMSE分別為0.38、16.76%、9.60%;驗(yàn)證R2、RMSE和NRMSE分別為0.54、18.79%、11.42%。灌漿期,植被指數(shù)LCI和光譜特征參數(shù)紅邊振幅(Da)建立的估算模型最佳,建模R2、RMSE和NRMSE分別為0.26、0.24,16.52%、16.67%,11.89%、11.99%;驗(yàn)證R2、RMSE和NRMSE分別為0.44、0.42,13.43%、13.69%,10.82%、10.98%。
為探究植被指數(shù)和植被指數(shù)結(jié)合光譜特征參數(shù)估算氮含量效果,利用分析的植被指數(shù)和光譜特征參數(shù),將每個(gè)生育期的70%的樣本作為建模集數(shù)據(jù),30%的樣本作為驗(yàn)證集數(shù)據(jù),分別通過(guò)SWR方法構(gòu)建基于植被指數(shù)、植被指數(shù)結(jié)合光譜特征參數(shù)的氮含量估算模型,建模和驗(yàn)證結(jié)果見(jiàn)表4,表5和圖1,圖2所示。
圖1 基于植被指數(shù)的SWR驗(yàn)證結(jié)果(a):撥節(jié)期;(b):挑旗期;(c):開(kāi)花期;(d):灌漿期Fig.1 Results of SWR validation based on vegetation indices(a):Joint stage;(b):Booting stage;(c):Flowering stage;(d):Filling stage
圖2 基于植被指數(shù)結(jié)合光譜特征參數(shù)的SWR驗(yàn)證結(jié)果(a):撥節(jié)期;(b):挑旗期;(c):開(kāi)花期;(d):灌漿期Fig.2 Results of SWR validation based on vegetation indices combined with spectral characteristic parameters(a):Joint stage;(b):Booting stage;(c):Flowering stage;(d):Filling stage
表4 基于植被指數(shù)的SWR分析結(jié)果Table 4 Results of SWR analysis based on vegetation indices
表5 基于植被指數(shù)結(jié)合光譜特征參數(shù)的SWR分析結(jié)果Table 5 Results of SWR analysis based on vegetation indices combined with spectral characteristic parameters
由表4和圖1可知,利用SWR方法,將植被指數(shù)作為氮含量估算模型的自變量,構(gòu)建的氮含量估算模型在不同生育期表現(xiàn)有差異。拔節(jié)期到開(kāi)花期,建模的R2的范圍為0.58~0.73,RMSE的范圍為26.74%~11.11%,NRMSE的范圍為8.63%~6.37%;驗(yàn)證的R2的范圍為0.74~0.83,RMSE的范圍為23.87%~10.75%,NRMSE的范圍為8.06%~6.14%,建模和驗(yàn)證的R2均隨著生育期推移而增加,同時(shí)RMSE和NRMSE減少,表明估算模型逐漸穩(wěn)定,精度逐漸提高。開(kāi)花期到灌漿期,建模R2的范圍為0.73~0.37,RMSE的范圍為11.11%~15.18%,NRMSE的范圍為6.37%~10.93%;驗(yàn)證R2的范圍為0.83~0.29,RMSE的范圍為10.75%~17.75%,NRMSE的范圍為6.14%~14.29%,建模和驗(yàn)證的R2均隨著生育期推移而減小,同時(shí)RMSE和NRMSE增加,表明估算模型穩(wěn)定性降低,精度逐漸降低。
表5和圖2顯示了利用SWR方法,將植被指數(shù)結(jié)合光譜特征參數(shù)作為氮含量估算模型自變量得到的結(jié)果。拔節(jié)期到開(kāi)花期,建模和驗(yàn)證的R2的范圍分別為0.64~0.78、0.77~0.85,RMSE的范圍為24.68%~9.88%、7.81%~4.76%,NRMSE的范圍為7.96%~5.66%、7.81%~4.76%;開(kāi)花期到灌漿期,建模和驗(yàn)證的R2的范圍分別為0.78~0.49、0.85~0.40,RMSE的范圍為9.88%~13.68%、9.12%~18.29%,NRMSE的范圍為5.66%~9.85%、4.76%~14.73%。得到的建模和驗(yàn)證R2均高于、RMSE和NRMSE均低于同生育期基于植被指數(shù)構(gòu)建的估算模型的R2、RMSE與NRMSE。表明植被指數(shù)結(jié)合光譜特征參數(shù)構(gòu)建的估算模型擬合性更好,精度更高。
通過(guò)不同生育期構(gòu)建的氮含量估算模型對(duì)比發(fā)現(xiàn),使用SWR方法,基于植被指數(shù)構(gòu)建的估算模型在開(kāi)花期達(dá)到最佳效果(建模R2、RMSE與NRMSE分別為0.73、11.11%、6.37%,驗(yàn)證R2、RMSE與NRMSE分別為0.83、10.75%、6.14%);基于植被指數(shù)結(jié)合光譜特征參數(shù)的估算模型也在開(kāi)花期效果最好(建模R2、RMSE與NRMSE分別為0.78、9.88%、5.66%,驗(yàn)證R2、RMSE與NRMSE分別為0.85、9.12%、4.76%)。
由2.3可知,利用SWR方法,基于植被指數(shù)結(jié)合光譜特征參數(shù)構(gòu)建的氮含量估算模型效果最佳,通過(guò)不同生育期的模型預(yù)測(cè)結(jié)果制作氮含量空間分布,如圖3所示。由圖3可知,拔節(jié)期氮含量較高,主要為2.6%~3.3%,西部和東部地塊的氮含量較低,中部地塊的氮含量較高,大于3.1%。挑旗期,氮含量降低,主要為1.9%~2.3%,同時(shí)也表現(xiàn)為中部地塊氮含量較高,西部和東部地塊氮含量較低,中部氮含量大于2.2%。開(kāi)花期,隨著生育期推移,氮含量進(jìn)一步降低,中部地塊呈現(xiàn)出較高的氮含量,大多高于1.8%。根據(jù)不同生育期的氮含量分布結(jié)果可以明顯地區(qū)分不同地塊的氮含量,同時(shí)估算的氮含量分布和實(shí)測(cè)氮含量具有很高的一致性,說(shuō)明構(gòu)建的估算模型精度較高。
圖3 不同生育期氮含量空間分布Fig.3 Spatial distribution of nitrogen content in different growth stages
目前,無(wú)人機(jī)遙感技術(shù)在農(nóng)業(yè)領(lǐng)域發(fā)揮著重要作用,高光譜可以獲取作物的敏感波段信息,更好地監(jiān)測(cè)作物生長(zhǎng),在農(nóng)業(yè)監(jiān)測(cè)上具有更強(qiáng)的優(yōu)勢(shì)。
傳統(tǒng)方法構(gòu)建作物生理生化參數(shù)監(jiān)測(cè)模型是通過(guò)單一植被指數(shù),得到的監(jiān)測(cè)模型存在飽和現(xiàn)象[10]。本文利用逐步回歸分析方法構(gòu)建氮含量估算模型,模型保留了重要的因子,避免過(guò)度擬合。冬小麥4個(gè)主要生育期,單個(gè)植被指數(shù)或光譜特征參數(shù)估算氮含量能力弱,R2最高僅為0.38,這是由于單個(gè)植被指數(shù)或光譜特征參數(shù)不能充分地反映作物的生長(zhǎng)狀況,敏感性較差。使用SWR方法估算氮含量,在不同生育期均表現(xiàn)出較好的估算效果,相比單個(gè)植被指數(shù)或光譜特征參數(shù),提高了氮含量估算能力。紅邊、黃邊、藍(lán)邊作為高光譜的特有波段,與作物生長(zhǎng)緊密相關(guān),將其作為光譜特征參數(shù),與植被指數(shù)結(jié)合,并利用SWR方法估算不同時(shí)期的氮含量,得到的估算模型效果更好,相比基于植被指數(shù)構(gòu)建的氮含量模型,提高了模型的精度,說(shuō)明光譜特征參數(shù)對(duì)氮含量估算具有促進(jìn)作用。
基于單個(gè)植被指數(shù)或光譜特征參數(shù)估算氮含量,構(gòu)建的估算模型效果不佳,而基于多種植被指數(shù),植被指數(shù)結(jié)合光譜特征參數(shù),并通過(guò)SWR方法構(gòu)建的氮含量估算模型效果較好,精度較高。為驗(yàn)證本結(jié)論,需在多個(gè)區(qū)域展開(kāi)試驗(yàn),以得到更為準(zhǔn)確和適用性更強(qiáng)的氮含量估算模型。
基于無(wú)人機(jī)搭載高光譜傳感器獲取的冬小麥不同生育期的遙感影像,利用SWR方法分別以植被指數(shù)、植被指數(shù)結(jié)合光譜特征參數(shù)構(gòu)建氮含量估算模型,得到結(jié)論如下:
(1)冬小麥4個(gè)生育期,大部分光譜參數(shù)與氮含量的相關(guān)性呈現(xiàn)0.01顯著水平。不同生育期光譜參數(shù)相關(guān)性最高的分別是NPCI、LCI、紅邊位置(λa)、LCI,相關(guān)系數(shù)絕對(duì)值分別為0.680、0.680、0.662、0.589。
(2)基于單個(gè)植被指數(shù)或光譜特征參數(shù)構(gòu)建的氮含量估算模型精度較低。拔節(jié)期、挑旗期、開(kāi)花期、灌漿期,最佳估算模型對(duì)應(yīng)的參數(shù)分別為MSR(建模R2=0.30,RMSE=34.50%,NRMSE=11.13%)、LCI(建模R2=0.38,RMSE=24.27%,NRMSE=11.06%)、紅邊位置(λa)(建模R2=0.38,RMSE=16.76%,NRMSE=9.60%)、LCI(建模R2=0.26,RMSE=16.52%,NRMSE=11.89%)。
(3)基于植被指數(shù),利用SWR方法構(gòu)建的氮含量估算模型在開(kāi)花期達(dá)到最佳效果(建模R2、RMSE與NRMSE分別為0.73、11.11%、6.37%,驗(yàn)證R2、RMSE與NRMSE分別為0.83、10.75%、6.14%);基于植被指數(shù)結(jié)合光譜特征參數(shù),利用SWR方法構(gòu)建的氮含量估算模型擬合性、精度均優(yōu)于植被指數(shù),開(kāi)花期估算效果最佳(建模R2、RMSE與NRMSE分別為0.78、9.88%、5.66%,驗(yàn)證R2、RMSE與NRMSE分別為0.85、9.12%、4.76%)。