基于冠層光譜紅邊參數和植被指數的冬小麥水分脅迫監測

郭建茂 王星宇 李淑婷 謝曉燕 劉榮花 于庚康

摘要：基于冬小麥不同水分脅迫試驗，采用便攜式光譜儀測定冬小麥抽穗期、開花期和灌漿期受不同水分脅迫處理的冠層光譜反射率，分析不同水分處理下冬小麥冠層光譜特性，并對植被指數、紅邊參數與冠層葉片含水率和土壤含水率進行相關性分析，構建各生育期葉片含水率和土壤含水率的最佳監測模型，實現對冠層葉片含水率以及土壤含水率的監測評估。結果顯示，在整個生育期，冬小麥的冠層光譜反射率在可見光范圍呈現綠峰紅谷，尤其在旺盛生長時期，隨著水分脅迫程度加深，綠峰紅谷逐漸變得不明顯，紅谷抬升幅度增大;相反，在近紅外波段范圍內水分脅迫主要使得反射率表現為明顯下降;冬小麥紅邊參數隨生長進程呈藍移現象，灌漿期受脅迫程度越重的紅邊參數越低;植被指數（EVI、NDVI、SAVI、WI）在開花期之后具有不同程度的下降趨勢，至灌漿期有大幅度減小，且隨受脅迫程度加深植被指數下降幅度增大;植被指數和紅邊位置、紅邊面積在灌漿期與葉片含水率和土壤含水率有顯著相關，其中植被水分指數WI、歸一化植被指數NDVI和紅邊位置λred相關性較佳，其建立的葉片含水率和土壤含水率估算模型效果較好，決定系數r2均大于0.84，平均相對誤差（MRE）≤0.207。綜合分析認為，冠層反射光譜特征和植被指數與冬小麥冠層葉片含水率和土壤含水率相關性良好，可利用高光譜遙感參數對冬小麥的水分狀況進行快速、準確監測。

關鍵詞：冬小麥;冠層光譜特征;植被指數;紅邊參數;葉片含水率;土壤含水率

中圖分類號： S512.1+10.1;TP79;S127? 文獻標志碼： A? 文章編號：1002-1302（2019）10-0088-07

全球氣候變化是人類現今面臨最嚴峻的環境問題之一，已廣泛引起關注[1]。氣候變化導致干旱等極端氣候事件的繼發頻率和強度均顯著增加。在眾多不利影響中，水分對農業系統的影響最為明顯和直接。水分含量不僅影響著植物體內的細胞活性和器官、組織功能，而且缺失水分會引起活性氧的增加、細胞滲透調節物質結構改變、光合作用受抑制，從而進一步限制植物個體或群體的生長，最終影響到產量[2-5]。因此，準確、及時監測和診斷作物水分脅迫狀況，對提高作物水分利用率和抗旱保產具有重要意義。

傳統土壤水分狀況的調查一般采用土鉆取土烘干法，費力費時，難以在大面積上同時實現監測。近年來，遙感技術被應用在農業監測和管理等諸多方面并取得了不錯的成效。其中，高光譜遙感具有光譜分辨率高、波段連續性強、光譜信息量大、允許對目標物進行直接識別和微弱光譜差異分析等特點，既能夠探測植被的精細光譜信息（尤其是植被各生化組分的吸收光譜信息），還能反演、監測植被的各組分含量和生長狀況[6]。在農業遙感監測中，利用高光譜遙感進行植被水分和土壤水分研究對于發現植被水分和土壤水分與光譜間的規律、尋找水分敏感波段具有非常重要的意義[7]。關于冬小麥冠層反射率與土壤含水量、葉片含水量等方面的相關性已有一些研究，田慶久等通過觀測小麥葉片的含水量，并利用光譜歸一化技術建立小麥葉片的光譜特征和葉片相對含水量之間的線性回歸方程，診斷小麥的水分狀況[8-9];谷艷芳等用冬小麥高光譜特征及紅邊參數判斷冬小麥生育后期長勢和農田水分脅迫程度[10];汪沛等對不同土壤水分處理下甘蔗苗期和分蘗期冠層光譜反射率的變化規律進行了分析，結果發現，比值植被指數與甘蔗土壤含水量呈較好的正相關關系[11];林毅等發現，750～1 350 nm波段反射率、紅邊幅值、紅邊面積對于干旱脅迫響應時間較短，可以作為判斷農田干旱發生的參考[12];王宏博等通過研究拔節期至吐絲期水分脅迫下春玉米高光譜發現，350～700 nm光譜反射率與20 cm土壤濕度呈負相關關系，710～1 300 nm光譜反射率與60 cm深度以內的土壤濕度呈正相關關系[13];趙俊芳等發現，350～630 nm和 1 000～1 130 nm是冬小麥灌漿末期識別水分脅迫最敏感的光譜波段，紅邊參數也可以判別水分脅迫的程度[14]。這些研究表明，利用植被光譜反射特性、紅邊參數和植被指數來對植株或土壤水分進行監測、診斷和定量分析是可行的。然而，這些理論關系研究常因作物品種及試驗條件的不同存在差異，特別是水分控制試驗時間過短、光譜觀測頻次較少等因素，類似研究還須要進一步探索、加深。

本試驗對冬小麥整個生育期內水分設定多個處理，討論不同水分脅迫對冬小麥不同生育期冠層光譜反射率變化規律、紅邊特征及植被指數的影響，分析比較它們與冬小麥冠層葉片含水率和土壤含水率的相關性，找出最佳估算模型，以促進高光譜遙感技術在冬小麥水分監測中的應用。

1 材料與方法

1.1 試驗地概況

試驗于南京信息工程大學江蘇省農業氣象重點實驗室的農業氣象試驗站（地理位置118°42′N，32°12′E）進行，試驗站位于長江中下游中部地區，江蘇省西南部，屬北亞熱帶濕潤氣候，四季分明，降水充沛。常年平均降水117 d，平均降水量為1 106.5 mm，相對濕度為76%，無霜期237 d。試驗于2016年進行。土壤為潴育型水稻土，灰馬干土屬，耕層土壤質地為壤質黏土，土壤容重為1.5 g/cm3，黏粒含量約為26.1%，土壤pH值為6.1±0.2，有機碳、全氮的含量分別為19.4、11.5 g/kg。供試品種為揚麥16號。

對冬小麥設4種水分控制處理試驗（B1、B2、B3、B4），每種處理設3個重復，樣方大小為2.5 m×2.5 m。B1處理設置為保持80%～90%田間持水量，作為對照（CK），B2處理設置為保持65%～75%田間持水量，B3處理設置為保持50%～60%田間持水量;B4處理設置35%～45%田間持水量。播種和其他管理同當地大田生產。

1.2 光譜測量及預處理方法

采用FieldSpec Pro FR光譜儀（美國ASD公司）進行光譜測定，視場角為25°，測量范圍為350～2 500 nm。分別于2016年4月21日（抽穗期）、4月29日（開花期）、5月11日（灌漿期）11：00—13：00測量冠層光譜反射率，均為晴朗、無風天氣狀況。測量時傳感器探頭距冠層頂測量目標約 0.6 m，每處理選5個觀測點，每點記錄10次數據，取平均值作為該點的高光譜反射率，測量過程中及時進行標準白板校正。數據采集后，用ASD ViewSpec Programs軟件對反射光譜原始數據進行初步修正，并剔除反射率數值不合理波段。用Savitzky-Golay濾波器對高光譜數據進行初步去噪，然后對經過平滑處理的光譜數據取平均值，先將每個觀測點單次采集的10組數據進行平均，再對每個處理中的5個觀測點進行平均，最終得到光譜數據。

1.3 紅邊參數提取

紅邊是指植物在680～760 nm處一階導數光譜最大值對應的波長，一般認為，導數光譜可以減少背景干擾和土壤反射率變化而導致的光譜反射率變動，縮小由冠層結構變化而引起的差異[15-16]。光譜的一階導數可表示為

式中：i為光譜通道;λi為各波段的波長;R（λi）為波段λi的反射率;R′（λi）為波長λi的一階微分值;Δλ是λi-1到λi的間隔。通過一階導數光譜，可確定紅邊參數，包括紅邊位置λred、紅邊振幅Dλred、紅邊面積Sred[17]。紅邊位置為紅光范圍內一階導數光譜最大值對應的波長，紅邊振幅為紅光范圍內一階導數光譜的最大值，紅邊面積為680～760 nm波段一階導數光譜總和。

1.4 植被指數的計算

除了利用紅邊參數外，還選取了植被水分指數和常用的植被指數來進行其植株含水量能力的分析與比較，計算公式及參考文獻見表1。

1.5 葉片含水率和土壤含水率

葉片含水率（FWC）為葉片中水分含量占鮮葉質量的比率[23]。冠層光譜測量的同時，分別在各小區選取5株長勢均一的小麥，貼根剪下后放入樣品袋，送回實驗室后立即分離并稱取葉鮮質量。之后，先在105 ℃條件下將葉烘30 min殺青，再在75 ℃條件下將葉烘至恒質量，稱得干質量。冬小麥葉片含水率計算公式如下：

土壤含水率即土壤所含水分的數量。本研究采用烘干法，用土鉆采取土樣，稱量可得土樣的濕質量，再采用105 ℃的烘箱將土樣烘6～8 h至恒質量，測量烘干后的土樣即為土樣的干質量，則

土壤含水率=（濕質量-干質量）/（干質量-空鋁盒質量）×100%。

2 結果與分析

2.1 不同水分脅迫對冬小麥冠層光譜曲線的影響

由圖1可知，冬小麥在抽穗期、開花期、灌漿期內同一時段（11：00左右）不同水分處理導致各處理較對照（CK）光譜反射率出現明顯差異。在抽穗期，可見光區（400～760 nm）各水分脅迫處理均低于CK，近紅外波段范圍（圖1中為 790～1 300 nm）內B3處理的光譜反射率最高，其次為CK和B2處理，B4處理最低。開花期，可見光區B4處理下的光譜反射率最高，其次是CK處理;近紅外波段除B3處理光譜反射率較抽穗期變化較大外其余處理變化相似。灌漿期，可見光區域各水分處理光譜反射率變化規律與開花期相似，B4處理與B3處理由于水分脅迫時間的延長反射率增加，這是因為灌漿期小麥明顯發黃，水分缺失更甚。整體而言，水分脅迫下冬小麥冠層光譜在紅光區域（620～750 nm）表現更為明顯，利用此波段范圍內的光譜反射率的變化能夠有效的評估水分脅迫。

同樣，可分析同一水分處理下不同生育期冬小麥冠層光譜反射率的變化。由圖2可知，從抽穗、開花期到灌漿期冬小麥可見光波段的光譜反射率大致呈增高趨勢，B4處理原本在550 nm處的綠峰和675 nm處的紅光低谷將逐漸消失，整條光譜曲線趨于平緩;在近紅外波段，光譜反射率曲線則與可見光波段相反，灌漿期的光譜曲線低于抽穗期，但B4處理的灌漿期光譜曲線卻高于開花期。可見，冠層光譜曲線在水分脅迫一段時間后才會有明顯的響應，對前后時段的光譜曲線進行比較分析能夠有效識別和評估作物水分狀況。

2.2 不同水分脅迫對冬小麥冠層光譜紅邊特征的影響

紅邊是植物光譜最明顯的標志，表2為不同水分處理下冬小麥各生育期冠層光譜紅邊參數。在水分脅迫程度下，在3個生育期內，除抽穗期紅邊位置和開花期紅邊振幅外B4處理的冬小麥紅邊參數均較其他處理低，且隨著受水分脅迫時間的增加，B4處理和B3處理的冬小麥紅邊參數大體逐漸降低。B2處理在冬小麥抽穗、開花、灌漿期內對冬小麥紅邊參數影響不大。

在不同生長階段，抽穗、開花期期間的冬小麥紅邊參數變化較小，開花期紅邊位置、紅邊振幅和紅邊面積同抽穗期相比較分別最大下降0.68%、58.00%和40.02%;而從開花期到灌漿期，冬小麥的紅邊位置、紅邊振幅和紅邊面積均呈現明顯變小的趨勢，灌漿期紅邊位置、紅邊振幅和紅邊面積同抽穗期相比，分別最大下降5.03%、75.00%和68.10%，同開花期相比分別最大下降4.66%、74.36%和49.81%;整體上，小麥受水分脅迫時間越長，田間持水量越低，紅邊參數越小，也就是說出現了藍移現象。由此可見，受水分脅迫的冬小麥在開花期至灌漿期期間紅邊變化較為明顯，利用這一時期的紅邊參數對冬小麥水分狀況的監測與評估是可行的。

2.3 不同水分脅迫對冬小麥冠層光譜植被指數的影響

圖3顯示，不同水分脅迫下揚麥16號5種不同波段組合的植被指數或水分指數除WI和NDWI外隨生育期發展均呈下降趨勢，其中灌漿期各植被指數值較抽穗、開花期有明顯降低，而抽穗期與開花期植被指數變化幅度較小。抽穗期小麥由于受水分脅迫時間較短，各處理下的植被指數與對照相比無明顯變化;至開花期，受水分脅迫影響的大部分冬小麥冠層光譜植被指數較對照開始有不同程度的下降;灌漿期由于冬小麥長時間受水分脅迫，各植被指數較對照呈現大幅度下降趨勢，且隨受脅迫程度加深下降幅度整體增大。可見，受不同水分脅迫的冬小麥，由于土壤或葉片水分含量的改變，不同敏感波段組合構建的5種植被指數除NDWI外從開花期之后出現不同程度的下降趨勢，因而適合用來監測診斷冬小麥葉片或土壤的水分狀況。其中，從WI的變化散點圖可以看出，在CK處理下，各生育期WI值變化很小，而在受水分脅迫處理下WI值隨生育期明顯發生變化，尤其是灌漿期WI值明顯變小，可見植被水分指數WI對冬小麥水分變化有很好的敏感度，能夠較好地監測水分脅迫程度。

2.4 不同水分脅迫下冬小麥冠層光譜紅邊參數、植被指數與葉片含水率的相關分析

由表3中可知，冬小麥開花期和灌漿期的紅邊參數和5種植被指數與葉片含水率均呈正相關關系，抽穗期除植被指數WI、NDWI和紅邊位置外與其他參數呈負相關關系。紅邊位置、紅邊振幅和紅邊面積與葉片含水率的相關系數在灌漿期介于0.914～0.974 之間（P<0.05），其中紅邊位置與葉片含水率在灌漿期的相關系數最高，為0.974（P<0.01），因此可以利用灌漿期的紅邊位置參數建立冬小麥冠層葉片含水率估算模型。開花期紅邊面積與葉片含水率相關系數最高（r=0.888，P<0.05），達到顯著檢驗水平，可利用紅邊面積參數建立冬小麥冠層葉片含水率估算模型。而在抽穗期，紅邊參數與冬小麥冠層葉片含水率的相關系數均較低，且未達到顯著檢驗水平，不適用于冬小麥冠層葉片含水率的估算。

抽穗期冬小麥冠層葉片含水率與5種植被指數的相關性以WI和NDWI較好，相關系數分別為0.755、0.767。開花期冬小麥冠層葉片含水率與SAVI、WI、EVI、NDWI的相關系數較高，分別為0.867、0.927、0.862、0.856，其中WI達到了顯著水平。而灌漿期冬小麥冠層葉片含水率與5種植被指數的相關系數均大于0.93（P<0.05），相關性較高，其中WI（r=0978，P<0.01）達極顯著水平。因此可以在抽穗期用植被指數WI和NDWI來估算葉片含水率;在開花期用植被指數SAVI、WI和NDWI來估算葉片含水率;在灌漿期用WI和NDWI來估算葉片含水率。

對各生育期適于估算冬小麥冠層葉片含水率的植被指數與紅邊參數建立相應葉片含水率估算模型，并從中挑選出最佳的估算模型，結果見表4。

2.5 不同水分脅迫下冬小麥冠層光譜紅邊參數、植被指數與土壤含水率的相關分析

表5顯示，冬小麥各生育期冠層光譜植被指數、紅邊參數與冬小麥土壤含水率的相關系數。與冠層葉片含水率情況相似，冬小麥開花期和灌漿期的紅邊參數和5種植被指數與冬小麥土壤含水率均呈正相關關系。紅邊位置、紅邊振幅和紅邊面積與土壤含水率的相關系數在灌漿期介于0.876～0941之間，其中紅邊位置與土壤含水率在灌漿期的相關性最高，為 0.941（P<0.05），因此可以利用灌漿期的紅邊位置參數建立冬小麥土壤含水率估算模型。紅邊參數與土壤含水率的相關系數在開花期介于0.506～0.950之間，其中紅邊面積與土壤含水率的相關性最高，為0.950（P<0.05）。而在抽穗期，紅邊參數與土壤含水率的相關系數均較低，且未達到顯著檢驗水平，不適合用于土壤含水率的估算。

抽穗期土壤含水率與5種植被指數的相關性以WI為最好，相關系數為0.796。開花期土壤含水率與EVI、SAVI、WI和NDWI的相關系數分別為0.920、0.914、0.902和0.880（P<0.05），達到顯著水平。灌漿期土壤含水率與5種植被指數的相關系數介于0.889～0.960之間（P<0.05），均達顯著水平。可見，土壤含水率和冠層葉片含水率一樣與植被指數有良好相關性，尤其在灌漿期，相關性更為顯著。表6為建立并挑選出的冬小麥各生育期適于估算土壤含水率的最佳估算模型。

3 討論與結論

本研究對不同生育期不同水分處理冬小麥冠層光譜的變化進行分析，結果發現，冬小麥冠層光譜會受到作物水分盈缺的影響，并有規律可循。不同水分脅迫下的冬小麥在不同生育期表現的光譜曲線變化差異可由葉片或植株含水量的改變引起，水分含量不僅影響輻射的直接吸收，同時也影響葉片的內部結構[24]。因此，通過高光譜遙感監測方法能夠簡單、快捷并且非破壞地評估植株的水分狀況，適合用來監測診斷冬小麥葉片和土壤水分狀況。目前已有一些關于作物在逆境脅迫下的光譜研究，結果多為作物在逆境情況下近紅外光譜曲線逐漸下降，紅邊參數具有藍移現象[25]，本研究得到同樣的結果，且由本研究可見，紅邊參數能夠有效地診斷冬小麥受水分脅迫的響應情況。土壤水分變化對冬小麥生長發育的影響較為復雜，除了影響葉片水分含量外，還影響葉片的葉綠素含量、蒸騰作用等，土壤干旱可能通過影響冬小麥其他生物量和機能進而影響冠層的紅邊特征。本研究嘗試進一步分析紅邊參數與土壤含水率之間的相關性，結果發現，紅邊參數在受水分脅迫時間長的冬小麥灌漿期與土壤含水率相關性較好，這與趙俊芳等的研究結果[14]一致。

水分脅迫對植物的影響是多方面的，但最根本的是水分脅迫時土壤水分的缺失，葉片蒸騰失水得不到補償，從而引起細胞結構的損害，植物生理過程被破壞，葉片失水直至死亡。水分對植被的影響一般是由下而上的順序，即使底部的葉片已經嚴重缺水干枯，冠層的葉片可能仍保持較高的反射率[12]。因此，研究高光譜與土壤水分含量和葉片含水量之間的響應狀況尤為重要。研究表明，冠層光譜反射率可以估測葉片含水量，通過任意波段之間的組合能夠有效地減少單波段的散射效應[26]，也能夠減輕植被生物量及環境影響，得到的植被指數或植被水分指數，可以更好地利用遙感進行植被水分含量的監測[27]。植被生長過程中土壤水分的不足導致作物生長異常，進而影響植被指數的變化，通過植被指數可間接反演土壤的水分狀況、判斷作物的受旱程度。本研究利用光譜特征和植被指數分別與冠層葉片含水率和土壤含水率進行相關分析，結果發現，在冬小麥灌漿期植被指數和紅邊參數對葉片含水率和土壤含水率的相關性最佳，是監測估算作物水分狀況的最佳時期，并且此時植被指數和紅邊參數與冠層葉片含水率的相關性優于土壤含水率，這與前人研究結論[28]一致。但結果中，開花期水分指數WI與葉片含水率相關性最高、紅邊面積Sred與土壤含水率相關性最高，可能是由于本試驗樣本量較低，統計結果出現偏差，因為葉片及冠層植株含水量的大小還跟樣區內株數有關，并不完全由土壤含水量決定[29]。

本試驗中利用高光譜信息估算葉片含水率和土壤含水率采用的是經驗模型方法，這種方法雖然預測精度尚可，但僅基于數學方法，沒有考慮到冬小麥的生理機制[30]。以后還要在方法上改進，利用PROSAIL模型等輻射傳輸機理模型對冠層含水量進行監測，進一步提高遙感手段監測土壤含水量的準確度。同時，還須結合作物、栽培等多學科領域相關知識，進一步研究探討土壤水分含量對冠層光譜的影響。另外，本試驗結果雖是在冬小麥整個生育期田間水分控制試驗條件下獲取的，但是影響因子仍較為單一，與實際大田生產有一定的差異，今后還要對不同生態點、生產力水平等條件進行廣泛驗證和完善，進而為冬小麥的干旱監測提供充分的理論基礎。

參考文獻：

[1]葉篤正. 中國的全球變化研究：第一部分 總論[M]. 北京：氣象出版社，1992：1-15.

[2]Chaves M M，Pereira J S，Maroco J，et al. How plants cope with water stress in the field？ Photosynthesis and growth[J]. Annals of Botany，2002，89（7）：907-916.

[3]Dias P C，Araujo W L，Moraes G A B K，et al. Morphological and physiological responses of two coffee progenies to soil water availability[J]. Journal of Plant Physiology，2007，164（12）：1639-1647.

[4]Ogbonnaya C I，Nwalozie M C，Roymacauley H，et al. Growth and water relations of Kenaf （Hibiscus cannabinus L.） under water deficit on a sandy soil[J]. Industrial Crops & Products，2011，8（1）：65-76.

[5]朱慶森，邱澤森，姜長鑒，等. 水稻各生育期不同土壤水勢對產量的影響[J]. 中國農業科學，1994，27（6）：15-22.

[6]童慶禧，張 兵，鄭蘭芬. 高光譜遙感——原理、技術與應用[M]. 北京：高等教育出版社，2006.

[7]楊 濤，宮輝力，李小娟，等. 土壤水分遙感監測研究進展[J]. 生態學報，2010，30（22）：6264-6277.

[8]田慶久，宮 鵬，趙春江，等. 用光譜反射率診斷小麥水分狀況的可行性分析[J]. 科學通報，2000，45（24）：2645-2650.

[9]王紀華，趙春江，郭曉維，等. 用光譜反射率診斷小麥葉片水分狀況的研究[J]. 中國農業科學，2001，34（1）：104-107.

[10]谷艷芳，丁圣彥，陳海生，等. 干旱脅迫下冬小麥（Triticum aestivum）高光譜特征和生理生態響應[J]. 生態學報，2008，28（6）：2690-2697.

[11]汪 沛，李就好，周志艷. 不同土壤水分狀況下甘蔗冠層光譜特征研究[J]. 水資源與水工程學報，2010，21（1）：34-37.

[12]林 毅，李 倩，王宏博，等. 干旱條件下春玉米高光譜特征及土壤含水量反演[J]. 生態學雜志，2016，35（5）：1323-1329.

[13]王宏博，馮 銳，紀瑞鵬，等. 干旱脅迫下春玉米拔節-吐絲期高光譜特征[J]. 光譜學與光譜分析，2012，32（12）：3358-3362.

[14]趙俊芳，房世波，郭建平. 受蚜蟲危害與干旱脅迫的冬小麥高光譜判別[J]. 國土資源遙感，2013，25（3）：153-158.

[15]Dawson T P，Curran P J . Technical note a new technique for interpolating the reflectance red edge position[J]. International Journal of Remote Sensing，1998，19（11）：2133-2139.

[16]Pu R，Gong，Biging G S，et al. Extraction of red edge optical parameters from Hyperion data for estimation of forest leaf area index[J]. IEEE Transactions on Geoscience and Remote Sensing，2003，41（4）：916-921.

[17]Cho M A，Skidmore A K，Atzberger C . Towards red-edge positions less sensitive to canopy biophysical parameters for leaf chlorophyll estimation using properties optique spectrales des feuilles （PROSPECT） and scattering by arbitrarily inclined leaves （SAILH） simulated data[J]. International Journal of Remote Sensing，2008，29（8）：2241-2255.

[18]裘正軍，宋海燕，何 勇，等. 應用SPAD和光譜技術研究油菜生長期間的氮素變化規律[J]. 農業工程學報，2007，23（7）：150-154.

[19]McFeeters S K. The use of the normalized difference water index （NDWI） in the delineation of open water features[J]. International Journal of Remote Sensing，1996，17（7）：1425-1432.

[20]Chen D，Huang J F，Jackson T J. Vegetation water content estimation for corn and soybeans using spectral indices derived from MODIS near- and short-wave infrared bands[J]. Remote Sensing of Environment，2005，98（2/3）：225-236.

[21]賈雯晴. 基于高光譜的小麥水分狀況監測研究[D]. 南京：南京農業大學，2013.

[22]艾天成，李方敏，周治安，等. 作物葉片葉綠素含量與SPAD值相關性研究[J]. 湖北農學院學報，2000，20（1）：6-8.

[23]Peuelas J，Filella I，Biel C，et al. The reflectance at the 950～970 nm region as an indicator of plant water status[J]. International Journal of Remote Sensing，1993，14（10）：1887-1905.

[24]賀可勛，趙書河，來建斌，等. 水分脅迫對小麥光譜紅邊參數和產量變化的影響[J]. 光譜學與光譜分析，2013，33（8）：2143-2147.

[25]任 鵬，馮美臣，楊武德，等. 冬小麥冠層高光譜對低溫脅迫的響應特征[J]. 光譜學與光譜分析，2014，34（9）：2490-2493.

[26]田慶久，閔祥軍. 植被指數研究進展[J]. 地球科學進展，1998，13（4）：327-333.

[27]沙依然·外力，葛道闊，曹宏鑫，等. 拔節抽穗期不同時長干旱脅迫對水稻冠層光譜特征的影響[J]. 中國農業氣象，2014，35（5）：586-592.

[28]范梅鳳，蔡煥杰，李志軍. 基于高光譜遙感水分指數的葉片與土壤含水率監測研究[J]. 灌溉排水學報，2014，33（4）：213-217.

[29]范梅鳳. 冬小麥高光譜特征及葉片和土壤水反演模型[D]. 楊凌：西北農林科技大學，2015.

[30]叢建鷗，李 寧，許映軍，等. 干旱脅迫下冬小麥產量結構與生長、生理、光譜指標的關系[J]. 中國生態農業學報，2010，18（1）：67-71.