留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

夏玉米不同生育期叶片和冠层含水量的遥感反演

刘二华 周广胜 周莉 张峰

引用本文:
Citation:

夏玉米不同生育期叶片和冠层含水量的遥感反演

    通信作者: 周广胜, zhougs@cma.gov.cn
  • 资助项目: 国家自然科学基金重点项目(31661143028,41501047),公益性行业(气象)科研专项(重大专项)(GYHY201506019),中国气象局气候变化专项(CCSF201801)

Remote Sensing Inversion of Leaf and Canopy Water Content in Different Growth Stages of Summer Maize

    Corresponding author: Zhou Guangsheng, zhougs@cma.gov.cn
  • 摘要: 高光谱遥感技术监测作物含水量是了解作物生长状况的重要技术。为实现夏玉米不同生育期叶片和冠层含水量的快速、精细化、无损监测,本文基于2014年和2015年的6—10月华北夏玉米不同生育期不同灌水量干旱模拟试验数据构建了植被水分指数(WIMSIGVMI)、复比指数(WNVWCG)和红边反射率曲线面积(Darea)的夏玉米冠层等效水厚度(EWTC)和叶片可燃物含水量(FMC)的反演模型。结果表明:6个指标反演夏玉米三叶期的EWTC模型均未达到0.05显著性水平,三叶期后各指标反演EWTC模型均达到0.01的显著性水平,且总体而言模型精度从高到低为抽雄期、拔节期、灌浆期、成熟期和七叶期。6个指标反演七叶期和拔节期的FMC均达到0.01显著性水平。因此,同一光谱指标反演夏玉米不同生育期叶片和冠层含水量的精度差异较大。光谱指标反演夏玉米叶片和冠层含水量指标的精度与夏玉米生育期有很大关系,进而提出了夏玉米不同生育期含水量反演模型。研究结果可为准确模拟夏玉米不同生育期含水量提供技术支撑。
  • 图 1  夏玉米含水量随生育期的变化特征

    Fig.1  Variation characteristics of water content in summer maize growth stages

    图 2  夏玉米抽雄期冠层光谱反射率变化特征

    Fig.2  Variation characteristics of spectral reflectance in knotting stage

    图 3  基于WI指数建立不同生育期夏玉米含水量模型

    Fig.3  Water content models established on WI in different summer maize growth stages

    图 4  基于MSI指数建立不同生育期夏玉米含水量模型

    Fig.4  Water content models established on MSI in different summer maize growth stages

    图 5  基于GVMI指数建立不同生育期夏玉米含水量模型

    Fig.5  Water content models established on GVMI in different summer maize growth stages

    图 6  基于WNV指数建立不同生育期夏玉米含水量模型

    Fig.6  Water content models established on WNV in different summer maize growth stages

    图 7  基于WCG指数建立不同生育期夏玉米含水量模型

    Fig.7  Water content models established on WCG in different summer maize growth stages

    图 8  基于Darea建立不同生育期夏玉米含水量模型

    Fig.8  Water content models established on Darea in different summer maize growth stages

    表 1  2014年夏玉米生长季灌水设置

    Table 1.  Irrigation treatments of summer maize growth in 2014

    处理 占7月降水量的百分比/% 灌水量/mm
    A 20 30
    B 40 60
    C 60 90
    D 80 120
    E 100 150
    下载: 导出CSV

    表 2  2015年夏玉米生长季灌水设置

    Table 2.  Irrigation treatments of summer maize growth in 2015

    处理 土壤相对湿度
    A1 全生育期55%±5%
    B1 全生育期35%±5%
    C1 拔节前保持75%±5%, 拔节后加灌16 mm
    D1 拔节前保持75%±5%, 拔节后不再灌水
    E1 全生育期75%±5%
    下载: 导出CSV

    表 3  不同光谱指数反演夏玉米冠层和叶片尺度含水量模型精度(R2)

    Table 3.  The model precision of canopy and leaf level water content of summer maize using different spectral indices (R2)

    光谱指数 尺度 三叶期 七叶期 拔节期 抽雄期 灌浆期 成熟期
    WI 冠层 0.02 0.50* 0.80* 0.95* 0.71* 0.72*
    叶片 0.67* 0.59* 0.02 0.06 0.06
    MSI 冠层 0.10 0.56* 0.82* 0.91* 0.80* 0.64*
    叶片 0.08 0.58* 0.59* 0.02 0.06 0.04
    GVMI 冠层 0.31 0.51* 0.83* 0.91* 0.77* 0.67*
    叶片 0.32 0.58* 0.58* 0.03 0.05 0.02
    WNV 冠层 0.36 0.67* 0.91* 0.89* 0.87* 0.75*
    叶片 0.54* 0.58* 0.53* 0.009 0.05 0.01
    WCG 冠层 0.28 0.61* 0.92* 0.88* 0.82* 0.71*
    叶片 0.45 0.59* 0.55* 0.001 0.05 0.06
    Darea 冠层 0.35 0.59* 0.87* 0.91* 0.78* 0.72*
    叶片 0.41 0.61* 0.59* 0.02 0.06 0.07
    注:*表示达到0.01显著性水平。
    下载: 导出CSV

    表 4  不同生育期夏玉米含水量光谱指数模型验证

    Table 4.  Model verification in summer maize growth stages

    生育期 光谱指数 模拟值(x)与观测值(y)拟合方程 R2 均方根误差
    拔节期 WI y=1.12x-0.0018 0.65* 0.0054
    MSI y=1.37x-0.0021 0.66* 0.0059
    GVMI y=1.30x-0.0015 0.66* 0.0058
    WNV y=1.06x+0.002 0.65* 0.0062
    WCG y=1.15x+0.0024 0.63* 0.0067
    Darea y=1.2388x-0.002 0.64* 0.0056
    抽雄期 WI y=0.73x+0.0016 0.63* 0.0057
    MSI y=1.01x-0.0016 0.72* 0.0041
    GVMI y=0.87x+0.003 0.67* 0.0045
    WNV y=0.78x+0.0005 0.67* 0.0041
    WCG y=1.09x-0.0033 0.72* 0.0042
    Darea y=0.858x-0.0012 0.69* 0.0057
    灌浆期 WI y=0.74x-0.0025 0.69* 0.0084
    MSI y=1.19x-0.0064 0.74* 0.0058
    GVMI y=1.46x-0.0079 0.72* 0.0056
    WNV y=0.93x+0.0010 0.71* 0.0054
    WCG y=0.92x+0.0013 0.74* 0.0050
    Darea y=1.11x+0.0014 0.68* 0.0050
    成熟期 WI y=1.25x-0.0014 0.54* 0.0051
    MSI y=1.60x-0.0032 0.55* 0.0059
    GVMI y=1.57x-0.0071 0.55* 0.0060
    WNV y=1.28x+0.0011 0.56* 0.0059
    WCG y=1.16x+0.0013 0.55* 0.0056
    Darea y=1.02x+0.0053 0.55* 0.0072
    注:*表示达到0.01显著性水平。
    下载: 导出CSV
  • [1] 楚万林.基于高光谱数据的棉花生长信息模型模拟研究.杨凌:西北农林科技大学, 2015.
    [2] 张峰, 周广胜.植被含水量高光谱遥感监测研究.植物生态学报, 2018, 42(5):517-525. 
    [3] 苏毅.棉花植株水分含量的高光谱监测模型研究.棉花学报, 2010, 22(6):554-560. doi: 10.3969/j.issn.1002-7807.2010.06.007
    [4] 梁亮, 张连蓬, 林卉, 等.基于导数光谱的小麦冠层可燃物含水量反演.中国农业科学, 2013, 46(1):18-29. doi: 10.3864/j.issn.0578-1752.2013.01.003
    [5] 张俊华, 张佳宝.不同生育期冬小麦光谱特征对叶绿素和氮素的响应研究.土壤通报, 2008, 39(3):586-592. doi: 10.3321/j.issn:0564-3945.2008.03.026
    [6] 姚付启.冬小麦高光谱特征及其生理生态参数估算模型研究.杨凌:西北农林科技大学, 2012.
    [7] 刘冰峰.夏玉米不同生育时期生理生态参数的高光谱遥感监测模型.杨凌:西北农林科技大学, 2016.
    [8] 李郁竹, 谭凯琰.华北地区玉米遥感估产方法的初步研究.应用气象学报, 1995, 6(增刊Ⅰ):33-41. 
    [9] 刘秀英.玉米生理参数及农田土壤信息高光谱监测模型研究.杨凌:西北农林科技大学, 2016.
    [10] 程晓娟, 杨贵军, 徐新刚等.基于近地高光谱与TM遥感影像的冬小麦冠层含水量反演.麦类作物学报, 2014, 43(2):227-233. 
    [11] 郑兴明, 丁艳玲, 赵凯等.基于Landsat 8 OLI数据的玉米冠层含水量反演研究.光谱学与光谱分析, 2014, 34(12):3385-3390. doi: 10.3964/j.issn.1000-0593(2014)12-3385-06
    [12] Elnaz N, Andrew K S, Roshanak D.Retrieving vegetation canopy water content from hyperspectral thermal measurements.Agr Forest Meteorol, 2017, 247:365-375. doi: 10.1016/j.agrformet.2017.08.020
    [13] 王洁, 徐瑞松, 马跃良, 等.植被含水量的遥感反演方法及研究进展.遥感信息, 2008(1):100-105. doi: 10.3969/j.issn.1000-3177.2008.01.020
    [14] 方美红, 居为民.基于叶片光学属性的作物叶片水分含量反演模型研究.光谱学与光谱分析, 2015, 35(1):167-171. doi: 10.3964/j.issn.1000-0593(2015)01-0167-05
    [15] 张佳华, 许云, 姚凤梅, 等.植被含水量光学遥感估算方法研究进展.中国科学(技术科学), 2010, 40(10):1121-1129. 
    [16] 张玉香, 黄意玢, 张广顺.短波红外光谱土壤反射率的测量.应用气象学报, 1995, 6(1):95-100. 
    [17] 陈小平, 王树东, 张立福, 等.植被可燃物含水量反演的精度及敏感性.遥感信息, 2016(1):48-57. doi: 10.3969/j.issn.1000-3177.2016.01.008
    [18] Jackson T J, Chen D, Cosh M, et al.Vegetation water content mapping using Landsat data derived normalized difference water index for corn and soybeans.Remote Sens Environ, 2004, 92(4):475-482. doi: 10.1016/j.rse.2003.10.021
    [19] Davidson A, Wang S, Wilmshurst J.Remote sensing of grassland-shrubland vegetation water content in the shortwave domain.Int J Appl Earth Obs, 2006, 8(4):225-236. doi: 10.1016/j.jag.2005.10.002
    [20] Yilmaz M T, Hunt E R, Jackson T J.Remote sensing of vegetation water content from equivalent water thickness using satellite imagery.Remote Sens Environ, 2008, 112(5):2514-2522. doi: 10.1016/j.rse.2007.11.014
    [21] 王培娟, 谢东辉, 张佳华, 等.基于不同灌溉条件下冠层光谱与参数的关系反演冬小麦冠层含水量.光谱学与光谱分析, 2012, 32(1):209-213. doi: 10.3964/j.issn.1000-0593(2012)01-0209-05
    [22] Mirzaie M, Darvishzadeh R, Shakiba A, et al.Comparative analysis of different uni- and multi-variate methods for estimation of vegetation water content using hyper-spectral measurements.Int J Appl Earth Obs, 2014, 26(1):1-11. 
    [23] 张海威, 张飞, 张贤龙, 等.光谱指数的植被可燃物含水量反演.光谱学与光谱分析, 2018, 38(5):1540-1546. 
    [24] 刘晓静, 陈国庆, 王良, 等.不同生育时期冬小麦叶片相对含水量高光谱监测.麦类作物学报, 2018, 47(7):854-862. 
    [25] 吕厚荃, 于贵瑞, 中山敬一.玉米冠层反射率及净辐射的估算.应用气象学报, 1999, 10(4):421-427. doi: 10.3969/j.issn.1001-7313.1999.04.005 
    [26] Colombo R, Meroni M, Marchesi A, et al.Estimation of leaf and canopy water content in poplar plantations by means of hyperspectral indices and inverse modeling.Remote Sens Environ, 2008, 112(4):1820-1834. doi: 10.1016/j.rse.2007.09.005
    [27] 穆佳, 赵俊芳, 郭建平.近30年东北春玉米发育期对气候变化的响应.应用气象学报, 2014, 25(6):680-689. 
    [28] 孟昭阳, 谢育林, 贾诗卉, 等.2013年夏季华北乡村站点固城大气氮变化特征.应用气象学报, 2015, 26(2):141-150. 
    [29] 安顺清, 王馥棠, 徐祥德, 等.农业干旱综合应变防御技术研究.应用气象学报, 2000, 11(1):103-111. 
    [30] 吴玮, 景元书, 马玉平, 等.干旱环境下夏玉米各生育期光谱响应特征.应用气象学报, 2013, 24(6):723-730. doi: 10.3969/j.issn.1001-7313.2013.06.009 
    [31] 刘庚山, 安顺清, 吕厚荃, 等.华北地区不同底墒对冬小麦生长发育及产量影响的研究.应用气象学报, 2000, 11(2):164-169. 
    [32] 林川, 宫兆宁, 赵文吉.叶冠尺度野鸭湖湿地植被群落含水量的高光谱估算模型.生态学报, 2011, 32(22):6645-6658. 
    [33] 于君明, 蓝朝桢, 周艺, 等.农作物含水量的遥感反演.武汉大学学报(信息科学版), 2009, 34(2):210-213. 
    [34] Zhang F, Zhou G.Estimation of canopy water content by means of hyperspectral indices based on drought stress gradient experiments of maize in the North Plain China.Remote Sens-Basl, 2015, 7(11):15203-15223. doi: 10.3390/rs71115203
  • [1] 吴玮,  景元书,  马玉平,  俄有浩,  孙琳丽,  郑腾飞.  干旱环境下夏玉米各生育时期光响应特征 . 应用气象学报, 2013, 24(6): 723-730.
    [2] 王倩,  杨忠东,  毕研盟.  高光谱遥感仪器的光谱参数和信噪比需求 . 应用气象学报, 2014, 25(5): 600-609.
    [3] 李燕,  王志伟,  霍治国,  陈辰.  干旱对夏玉米根冠及产量影响试验 . 应用气象学报, 2020, 31(1): 83-94. DOI: 10.11898/1001-7313.20200108
    [4] 刘建栋,  周秀骥,  于强.  温度对夏玉米光合生产力影响的数值模拟研究 . 应用气象学报, 2002, 13(4): 397-405.
    [5] 李颖,  陈怀亮,  李耀辉,  王秀萍,  张方敏.  一种利用MODIS数据的夏玉米物候期监测方法 . 应用气象学报, 2018, 29(1): 111-119. DOI: 10.11898/1001-7313.20180110
    [6] 王培娟,  霍治国,  杨建莹,  吴霞.  基于热量指数的东北春玉米冷害指标 . 应用气象学报, 2019, 30(1): 13-24. DOI: 10.11898/1001-7313.20190102
    [7] 赵高祥,  汪宏七.  大气对植被指数的影响 . 应用气象学报, 1993, 4(2): 177-184.
    [8] 郭建平,  田志会,  张涓涓.  东北地区玉米热量指数的预测模型研究 . 应用气象学报, 2003, 14(5): 626-633.
    [9] 宋艳玲,  王建林,  田靳峰,  彭明喜.  气象干旱指数在东北春玉米干旱监测中的改进 . 应用气象学报, 2019, 30(1): 25-34. DOI: 10.11898/1001-7313.20190103
    [10] 朱自玺,  牛现增.  冬小麦主要生育阶段水分指标的生态分析 . 应用气象学报, 1987, 2(1): 81-87.
    [11] 宫丽娟,  李秀芬,  田宝星,  王萍,  姜蓝齐,  赵慧颖.  黑龙江省大豆不同生育阶段干旱时空特征 . 应用气象学报, 2020, 31(1): 95-104. DOI: 10.11898/1001-7313.20200109
    [12] 王圆圆,  扎西央宗.  利用条件植被指数评价西藏植被对气象干旱的响应 . 应用气象学报, 2016, 27(4): 435-444. DOI: 10.11898/1001-7313.20160406
    [13] 毕研盟,  杨忠东,  卢乃锰,  张鹏,  王倩.  近红外CO2高光谱探测仪通道选择 . 应用气象学报, 2014, 25(2): 143-149.
    [14] 田育红,  刘鸿雁,  陆佩玲.  山东禹城地区夏玉米生长与环境因子关系的初步分析 . 应用气象学报, 2003, 14(4): 509-512.
    [15] 于敏,  王春丽.  不同卫星遥感干旱指数在黑龙江的对比应用 . 应用气象学报, 2011, 22(2): 221-231.
    [16] 侯威,  杨杰,  赵俊虎.  不同时间尺度下气象旱涝强度评估指数 . 应用气象学报, 2013, 24(6): 695-703.
    [17] 林振山,  南方.  Lyapunov 指数预报模式 . 应用气象学报, 1993, 4(4): 453-457.
    [18] 刘学著,  刘守华.  基于冠层温度的冬小麦水分胁迫指数的实验研究 . 应用气象学报, 1995, 6(4): 449-453.
    [19] 谷松岩,  范天锡,  张文建,  闫静.  FY-1C CAVHRR归一化植被指数(NDVI)衰减订正方法研究 . 应用气象学报, 2003, 14(5): 562-567.
    [20] 宫德吉,  郝慕玲.  白灾成灾综合指数的研究 . 应用气象学报, 1998, 9(1): 119-123.
  • 加载中
图(8) / 表(4)
计量
  • 文章访问数:  2191
  • HTML全文浏览量:  1052
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-03-19
  • 修回日期:  2019-07-11
  • 刊出日期:  2020-01-31

夏玉米不同生育期叶片和冠层含水量的遥感反演

  • 1. 中国气象科学研究院, 北京 100081
  • 2. 南京信息工程大学气象灾害预报预警与评估协同创新中心, 南京 210044
  • 3. 中国科学院植物研究所植被与环境变化国家重点试验室, 北京 100093
  • 通信作者: 周广胜, zhougs@cma.gov.cn
资助项目: 国家自然科学基金重点项目(31661143028,41501047),公益性行业(气象)科研专项(重大专项)(GYHY201506019),中国气象局气候变化专项(CCSF201801)

摘要: 高光谱遥感技术监测作物含水量是了解作物生长状况的重要技术。为实现夏玉米不同生育期叶片和冠层含水量的快速、精细化、无损监测,本文基于2014年和2015年的6—10月华北夏玉米不同生育期不同灌水量干旱模拟试验数据构建了植被水分指数(WIMSIGVMI)、复比指数(WNVWCG)和红边反射率曲线面积(Darea)的夏玉米冠层等效水厚度(EWTC)和叶片可燃物含水量(FMC)的反演模型。结果表明:6个指标反演夏玉米三叶期的EWTC模型均未达到0.05显著性水平,三叶期后各指标反演EWTC模型均达到0.01的显著性水平,且总体而言模型精度从高到低为抽雄期、拔节期、灌浆期、成熟期和七叶期。6个指标反演七叶期和拔节期的FMC均达到0.01显著性水平。因此,同一光谱指标反演夏玉米不同生育期叶片和冠层含水量的精度差异较大。光谱指标反演夏玉米叶片和冠层含水量指标的精度与夏玉米生育期有很大关系,进而提出了夏玉米不同生育期含水量反演模型。研究结果可为准确模拟夏玉米不同生育期含水量提供技术支撑。

English Abstract

    • 作物含水量与作物生长状况密切相关, 及时了解作物水分状况对作物适时灌溉以及提高作物产量具有重要指导作用[1]。作物含水量的表示方法主要有可燃物含水量(FMC)、等效水厚度(EWT)、相对含水量(RWC)等[2]。以上指标从不同角度定量表达了作物含水量, 但均通过野外人工实测数据计算得到, 野外测量过程费时、费力且局限于点观测[3-4]。遥感技术的发展为作物含水量监测提供了有利的技术手段[5-7]。高光谱技术反演作物含水量的理论基础是作物含水量在近红外光谱波段有明显的吸收谷, 即作物水分变化会引起光谱反射率的变化, 作物水分胁迫状况可以通过光谱变化体现[8-9]。当前, 高光谱遥感反演作物叶片、植株和冠层尺度含水量已有大量研究[3]。程晓娟等[10]利用高光谱数据建立了冬小麦叶片和冠层尺度的含水量模型。郑兴明等[11]利用Landsat 8 OLI数据反演了玉米冠层尺度含水量。Elnaz等[12]反演了4种作物的冠层含水量。作物含水量的高光谱遥感估算方法研究主要有统计法(光谱指数法、光谱导数法、包络线消除法和小波分析方法)、物理模型法(叶片与冠层耦合模型PROSAIL)、光谱反射率法[13-14]。光谱指数法一定程度上考虑了作物内部的物理机制, 可以减小光谱反射率单波段的散射特性, 还避免了物理模型中一些参数的获取[15]

      准确反演作物含水量需要寻找对水分敏感的光谱波段并构建光谱指数。综合以往相关研究, 作物水分敏感的光谱波段主要集中在900~1300 nm和1500~2500 nm的短波红外波段[16-17]。以上反射率波段建立的植被水分指标主要有水分指数(WI)、归一化差值水分指数(NDWI)、归一化差值红外指数(NDII)、水应力指数(MSI)、简单比水指数(SRWI)、归一化多波段干旱指数(NMDI)、全球植被水分指数(GVMI)和短波红外水分胁迫指数(SIWSI)。以往研究分别对以上指标反演作物含水量的能力进行了研究[15, 18-23], 均取得一定成果。但在植被生长过程中, 植被生长状况和生育阶段等会导致作物对光谱响应的差异[24]。植被绿度、结构和植被水分信息等均对植被光谱反射率有贡献, 即使在对水分敏感的波段, 光谱反射率的变化也可能不仅仅代表植被水分的变化[25]。之后有人提出了复比指数的概念[26]。复比指数是用一个对水分含量敏感的植被水分指数与一个对冠层绿度和结构参数敏感的植被指数的比值表征。研究表明, 复比指数可以减小冠层绿度和结构等变化的影响[15]。同一作物不同生育期作物冠层含水量对光谱指数的敏感程度存在差异, 两者的相关关系也不同。张俊华等[5]认为确定特定时期光谱指数与相应时期各个指标的关系是利用光谱监测作物长势的前提。因此, 仅使用单一的冠层含水量反演模型难以准确监测全生育期作物含水量, 通过构建不同生育期各类植被光谱指数反演作物含水量的最佳模型, 筛选出能准确反演不同生育期作物含水量的光谱指数模型是本文的主要研究目标。可为快速定量监测不同生育期夏玉米含水量以及作物长势提供依据[27]

    • 2014年和2015年的6—10月在中国气象局固城生态与农业气象试验站(39°08'N, 115°40'E, 海拔15.2 m)大型可控式水分试验场[28], 试验材料为夏玉米“郑单958”。试验场设有大型电动遮雨棚, 占地750 m2, 共设42个试验小区, 小区面积8 m2(4 m×2 m), 小区间筑有3 m深混凝土隔离墙, 防止水分水平交换。该站多年平均降水量为494 mm[29], 年变异系数为62.9%。试验地土壤为褐土, 含有机碳13.67 g·kg-1, 全氮0.87 g·kg-1, 有机磷25.76 mg·kg-1, 有效钾118.55 mg·kg-1, pH值为8.1[30], 平均田间持水量为22.1%, 平均土壤容重为1.37 g·cm-3[31]

    • 试验1: 2014年6月24日播种夏玉米, 小区玉米行距为50 cm, 株距为25 cm, 每小区64穴, 每穴播3粒, 每个小区64株。播种后, 各小区施磷酸二铵300 kg·hm-2, 每个小区240 g。试验共设置5个处理, 每个处理3个重复。出苗后7月2日按照设置的5个梯度灌溉量进行一次性灌溉(表 1)。三叶期观测A~E处理的0~30 cm土壤相对湿度依次为60%, 69%, 83%, 91%, 96%。

      表 1  2014年夏玉米生长季灌水设置

      Table 1.  Irrigation treatments of summer maize growth in 2014

      处理 占7月降水量的百分比/% 灌水量/mm
      A 20 30
      B 40 60
      C 60 90
      D 80 120
      E 100 150

      试验2: 2015年6月25日播种夏玉米, 小区玉米行距为40 cm, 株距为30 cm, 每个小区67株。拔节期后按照设置的5个处理灌水, 每个处理3个重复(表 2)。

      表 2  2015年夏玉米生长季灌水设置

      Table 2.  Irrigation treatments of summer maize growth in 2015

      处理 土壤相对湿度
      A1 全生育期55%±5%
      B1 全生育期35%±5%
      C1 拔节前保持75%±5%, 拔节后加灌16 mm
      D1 拔节前保持75%±5%, 拔节后不再灌水
      E1 全生育期75%±5%
    • 本文测定的夏玉米主要生育期如下:2014年有三叶期、七叶期、拔节期(7月30日)、拔节期(8月7日)、抽雄期、灌浆期和成熟期, 2015年有七叶期、拔节期、抽雄期、开花期、灌浆期和成熟期。每次观测前, 每小区随机选取1株长势处于该小区平均生长状态的玉米, 将玉米叶片取下, 用直尺测定叶长和叶宽。将叶片置于电子秤上称其鲜重, 将称重完毕的样本装入信封放入烘箱, 以100~105℃杀青2 h, 然后将烘箱温度调至80℃, 烘干24~48 h至恒重, 最后称干重。

    • 夏玉米冠层光谱反射率利用美国ASD公司生产的FieldSpec Pro野外高光谱辐射仪测定, 光谱仪视场角为25°, 光谱范围为350~2500 nm, 光谱间隔为1 nm。测量过程中太阳光线变化较大时及时进行标准白板校正, 以优化白板参比。观测时间为10:00—14:00(北京时), 光照条件较好(太阳高度角大于45°)[32], 观测时探头垂直向下, 距离地面1.5 m, 每个小区观测采样20次, 将20次观测数据的平均值作为该小区的光谱反射率。

    • 为确保作物含水量估算模型的准确性和适用性, 从冠层尺度和叶片尺度两方面进行分析。冠层含水量(EWTC)表示冠层水平的等效水厚度, 是叶片等效水厚度(EWT)与叶面积指数的乘积, 其中叶片等效水厚度指植被水分含量与单位叶面积之比, 研究表明EWTC能准确反映冠层尺度的水分含量[33], 表达式如下:

      (1)

      (2)

      (3)

      (4)

      可燃物含水量(FMC)指植物体中叶片水分与干物质的比值。该指标可以表征可燃物含水量状况, 表达式如下:

      (5)

      式(1)~(5)中, FWFD分别表示夏玉米植株的鲜重和干重(单位均为g), LAI表示夏玉米叶面积指数(单位为cm2·cm-2), ρ表示夏玉米种植密度, m为测量株数, n为第j株的总叶片数, LijBij分别表示第j株玉米的第i片叶的叶长和最大叶宽, Area表示夏玉米植株叶面积(单位为cm2)。

    • 利用光谱处理软件ViewSpecPro将高光谱数据处理为具有物理意义的光谱反射率数据, 将作物水分敏感的波段转换为光谱指数。在文献[34]研究的基础上, 构建一个新的复比指数, 表达式为

      (6)

      新复比指数利用一个对水分敏感的水分指数与一个可以表征植被绿度和结构参数的敏感指标的比值构建, 可以消除冠层绿度变化对含水量的影响。

    • 不同生育期夏玉米含水量反演模型精度利用决定系数(R2)和均方根误差进行检验。

    • 2014年和2015年生长季内冠层含水量变化特征相似(图 1)。冠层含水量随生育期先增大后减小, 2014年抽雄期冠层含水量达到最大, 2015年开花期冠层含水量达到最大。2014年和2015年可燃物含水量均随生育期变化呈减小趋势, 生育期初期可燃物含水量最大(图 1)。

      图  1  夏玉米含水量随生育期的变化特征

      Figure 1.  Variation characteristics of water content in summer maize growth stages

    • 图 2是夏玉米抽雄期的光谱反射率变化特征, 由图 2可见, 2014年和2015年夏玉米抽雄期不同波段处光谱反射率变化特征相似, 大气中存在3个水分强吸收带, 波段范围为1360~1400 nm, 1820~1930 nm和2400~2500 nm附近。由于光谱波动范围较大, 不适宜与冠层含水量做相关性分析。本文选取350~1350 nm, 1450~1800 nm波段构建植被光谱指数。

      图  2  夏玉米抽雄期冠层光谱反射率变化特征

      Figure 2.  Variation characteristics of spectral reflectance in knotting stage

    • 以下采用3个植被水分指数、2个复比指数和1个红外反射率面积指数分别与2014年夏玉米不同生育期可燃物含水量(FMC)和等效水厚度(EWTC)建立回归模型并分析模型精度。

    • 水分指数(WI)由参考波段和特长波段的比值构建, 该指数中参考波段为900 nm, 特长波段为970 nm, R900R970分别表示900 nm和970 nm处的光谱反射率(下同), WI表达式如下:

      (7)

      利用试验观测数据中的光谱反射率数据转换得到WI指数, 将同一生育期不同水分处理的WI与对应冠层含水量和可燃物含水量进行回归分析(图 3)。结果显示: WI值越大, 冠层含水量越高, 七叶期及之后WI与冠层含水量呈显著线性关系。由表 3R2大小可知, WI指数反演不同生育期冠层含水量精度从高到低为抽雄期、拔节期、灌浆期、成熟期、七叶期。三叶期冠层含水量反演模型未达到0.05显著性水平(三叶期和成熟期图略)。可燃物含水量反演模型在七叶期达到0.01显著性水平, 其他生育期反演模型均较差。总体而言, WI反演夏玉米抽雄期冠层含水量能力最好。

      图  3  基于WI指数建立不同生育期夏玉米含水量模型

      Figure 3.  Water content models established on WI in different summer maize growth stages

      表 3  不同光谱指数反演夏玉米冠层和叶片尺度含水量模型精度(R2)

      Table 3.  The model precision of canopy and leaf level water content of summer maize using different spectral indices (R2)

      光谱指数 尺度 三叶期 七叶期 拔节期 抽雄期 灌浆期 成熟期
      WI 冠层 0.02 0.50* 0.80* 0.95* 0.71* 0.72*
      叶片 0.67* 0.59* 0.02 0.06 0.06
      MSI 冠层 0.10 0.56* 0.82* 0.91* 0.80* 0.64*
      叶片 0.08 0.58* 0.59* 0.02 0.06 0.04
      GVMI 冠层 0.31 0.51* 0.83* 0.91* 0.77* 0.67*
      叶片 0.32 0.58* 0.58* 0.03 0.05 0.02
      WNV 冠层 0.36 0.67* 0.91* 0.89* 0.87* 0.75*
      叶片 0.54* 0.58* 0.53* 0.009 0.05 0.01
      WCG 冠层 0.28 0.61* 0.92* 0.88* 0.82* 0.71*
      叶片 0.45 0.59* 0.55* 0.001 0.05 0.06
      Darea 冠层 0.35 0.59* 0.87* 0.91* 0.78* 0.72*
      叶片 0.41 0.61* 0.59* 0.02 0.06 0.07
      注:*表示达到0.01显著性水平。
    • 水应力指数(MSI)由光谱1600 nm和820 nm对应的光谱反射率比值构建得到, 表达式如下:

      (8)

      MSI与冠层含水量和可燃物含水量呈线性相关关系(图 4)。随生育期推进, MSI反演冠层含水量能力先增强后减弱(表 3)。三叶期冠层含水量反演模型未达到0.05显著性水平(三叶期和成熟期图略)。可燃物含水量反演模型在七叶期达到0.01显著性水平, 其他生育期反演模型均较差。

      图  4  基于MSI指数建立不同生育期夏玉米含水量模型

      Figure 4.  Water content models established on MSI in different summer maize growth stages

    • 全球植被水分指数(GVMI)属于归一化植被水分指数, 其表达式如下:

      (9)

      GVMI与不同生育期冠层含水量和可燃物含水量回归模型如图 5所示。GVMI与冠层含水量呈线性关系。随生育期推进, GVMI反演冠层含水量精度先增强后减弱(表 3)(三叶期和成熟期图略)。可燃物含水量反演模型在七叶期达到0.01显著性水平, 其他生育期反演模型均较差。

      图  5  基于GVMI指数建立不同生育期夏玉米含水量模型

      Figure 5.  Water content models established on GVMI in different summer maize growth stages

    • WNV为复比指数, 是利用一个对水分敏感的水分指数与一个可以表征植被绿度和结构参数的敏感指标的比值构建。WNV不仅可以预测可燃物含水量, 还可以预测冠层含水量。RNIR表示近红外光波段的光谱反射率, 数值为841~876 nm范围内的光谱反射率平均值。RED表示红光波段的光谱反射率, 数值为620~670 nm范围内的光谱反射率平均值。WNV表达式如下:

      (10)

      WNV与冠层含水量和可燃物含水量进行回归分析(图 6)。WNV与冠层含水量呈线性和曲线关系, 反演精度从高到低为拔节期、抽雄期、灌浆期、成熟期、七叶期(表 3)。三叶期反演模型精度不理想, 未达到0.05显著性水平(三叶期和成熟期图略)。可燃物含水量反演模型在七叶期达到0.01显著性水平, 其他生育期反演模型均不理想。

      图  6  基于WNV指数建立不同生育期夏玉米含水量模型

      Figure 6.  Water content models established on WNV in different summer maize growth stages

    • WCG指数与冠层含水量和可燃物含水量的关系(图 7), 反演精度从高到低为拔节期、抽雄期、灌浆期、成熟期和七叶期(表 3)。除三叶期外, 其余各生育期反演冠层含水量均较好(三叶期和成熟期图略)。可燃物含水量反演模型在七叶期达到0.01显著性水平, 其他生育期反演模型均不理想。

      图  7  基于WCG指数建立不同生育期夏玉米含水量模型

      Figure 7.  Water content models established on WCG in different summer maize growth stages

    • 红边反射率曲线面积是指植被光谱红边范围(680~780 nm)反射率曲线与横坐标波长之间形成的面积。红边反射率曲线面积最初是用于反演稀疏草地绿色生物量, 本文将其应用于估算植被冠层含水量, 其表达式如下:

      (11)

      式(11)中, Darea为红边反射率曲线面积, R表示反射率, Ri表示波长i处的光谱反射率, λ为波长。计算不同生育期夏玉米红边反射率曲线面积, 并构建与冠层含水量的关系。图 8表明Darea反演冠层含水量精度从高到低为抽雄期、拔节期、灌浆期、成熟期和七叶期(表 3)(三叶期和成熟期图略)。可燃物含水量反演模型在七叶期达到0.01显著性水平, 其他生育期反演模型均不理想。

      图  8  基于Darea建立不同生育期夏玉米含水量模型

      Figure 8.  Water content models established on Darea in different summer maize growth stages

      综合以上6个光谱指数反演夏玉米不同生育期冠层和叶片尺度含水量能力, 结果表明:夏玉米同一生育期不同光谱指数反演夏玉米含水量的能力不同, 不同生育期同一光谱指数反演夏玉米含水量能力也有差异。WI, MSI, GVMI, WNV, WCGDarea均无法反演三叶期的EWTC, 七叶期及之后各生育期反演的夏玉米EWTC均达到0.01显著性水平, WNV可以反演三叶期的FMC。总体而言, 以上植被指数反演七叶期的可燃物含水量精度略高于冠层含水量。

    • 利用2015年夏玉米不同生育期观测数据, 验证2014年不同生育期光谱指数反演冠层含水量的精度, 检验方法为Pearson相关性检验。结果表明, 拔节期、抽雄期、灌浆期和成熟期EWTC模拟效果均较好(表 4)。拔节期冠层含水量反演结果可以解释2015年冠层含水量变异的63%及以上, 其中, MSIGVMI指数反演冠层含水量模型均可解释2015年冠层含水量变异的66%。模拟效果较好。R2和均方根误差判别指标表明抽雄期6个光谱指数反演EWTC效果较拔节期有所增强, 其中检验效果最好的是MSIWCG指数, 模拟结果均可解释2015年冠层含水量变异的72%, 其次是Darea指数, 模拟结果可解释2015年冠层含水量变异的69%;灌浆期反演精度最好的指标为MSI指数和WCG指数, 均可以解释2015年冠层含水量变异的74%。这表明, 本文构建的WCG指数反演夏玉米抽雄期和灌浆期冠层含水量的稳定性较好, 成熟期冠层含水量模型的R2均在0.55左右。

      表 4  不同生育期夏玉米含水量光谱指数模型验证

      Table 4.  Model verification in summer maize growth stages

      生育期 光谱指数 模拟值(x)与观测值(y)拟合方程 R2 均方根误差
      拔节期 WI y=1.12x-0.0018 0.65* 0.0054
      MSI y=1.37x-0.0021 0.66* 0.0059
      GVMI y=1.30x-0.0015 0.66* 0.0058
      WNV y=1.06x+0.002 0.65* 0.0062
      WCG y=1.15x+0.0024 0.63* 0.0067
      Darea y=1.2388x-0.002 0.64* 0.0056
      抽雄期 WI y=0.73x+0.0016 0.63* 0.0057
      MSI y=1.01x-0.0016 0.72* 0.0041
      GVMI y=0.87x+0.003 0.67* 0.0045
      WNV y=0.78x+0.0005 0.67* 0.0041
      WCG y=1.09x-0.0033 0.72* 0.0042
      Darea y=0.858x-0.0012 0.69* 0.0057
      灌浆期 WI y=0.74x-0.0025 0.69* 0.0084
      MSI y=1.19x-0.0064 0.74* 0.0058
      GVMI y=1.46x-0.0079 0.72* 0.0056
      WNV y=0.93x+0.0010 0.71* 0.0054
      WCG y=0.92x+0.0013 0.74* 0.0050
      Darea y=1.11x+0.0014 0.68* 0.0050
      成熟期 WI y=1.25x-0.0014 0.54* 0.0051
      MSI y=1.60x-0.0032 0.55* 0.0059
      GVMI y=1.57x-0.0071 0.55* 0.0060
      WNV y=1.28x+0.0011 0.56* 0.0059
      WCG y=1.16x+0.0013 0.55* 0.0056
      Darea y=1.02x+0.0053 0.55* 0.0072
      注:*表示达到0.01显著性水平。
    • 本文在前人利用遥感技术反演冠层含水量的基础上, 以2014年和2015年夏玉米干旱试验为例, 分析了植被水分指数、复比指数以及新的复比指数和红边反射率曲线面积对不同生育期夏玉米含水量的遥感反演能力, 得到以下结论:

      1) 冠层和叶片尺度含水量指标均可表征夏玉米含水量变化特征, 但光谱指标反演两者的能力与夏玉米生育期有关, 本文构建的WCG指标反演冠层抽雄期和灌浆期冠层含水量较其他指标的稳定性强。

      2) 随着夏玉米生育期推进, 覆盖度越高光谱指数反演EWTC能力越强。光谱指数反演不同生育期EWTC精度从高到低为抽雄期、拔节期、灌浆期、成熟期、七叶期, 夏玉米三叶期EWTC反演模型未达到0.05显著性水平。

      3) 夏玉米营养生长期(三叶期、七叶期和拔节期)光谱指数可以反演FMC, 其中仅WNV可以反演三叶期FMC。总体而言, 光谱指数反演七叶期FMC能力较EWTC强, 反演拔节期EWTC能力较FMC强, 抽雄期开始光谱指数无法反演FMC

      夏玉米生长过程中叶片和冠层含水量、绿度和结构均在变化, 光谱指数反演夏玉米含水量精度随之变化。本文在干旱处理背景下分不同生育期反演夏玉米含水量, 根据夏玉米不同生育期绿度和结构特征选择最优的光谱指数建立不同生育期反演精度较高的作物含水量模型, 可以有效提高作物长势状况监测。

      本文建立的冠层含水量反演模型是基于华北夏玉米试验数据, 该地区属于半干旱区, 是研究干旱发生发展的天然试验室, 所建立的模型在相同的气候区具有一定的参考价值。对于其他气候区, 鉴于玉米品种、气候特征等差异, 本文建立的模型的适用性有待进一步验证, 同时光谱指数法构建的模型在实际应用时需要多个试验样本、多个试验区数据的验证与校准。

参考文献 (34)

目录

    /

    返回文章
    返回