基于導數光譜的枸杞葉片含水量遙感反演

李永梅，張立根，蔣云峰

（1.寧夏農林科學院農業經濟與信息技術研究所，寧夏 銀川 750002；2.寧夏建筑 科學研究院股份有限公司，寧夏 銀川 750021；3.吉林師范大學旅游與地理 科學學院，吉林 四平 136000）

枸杞（Lycium barbarumL.）屬鹽生植物，具有較強的耐貧瘠、耐鹽堿、抗旱、抗風沙等特性，是我國西北干旱地區的特色藥用植物資源[1]，也是西部地區生態治理、勞動力就業、脫貧富民的重要資源。然而，當地枸杞的肥水管理大部分采用大水漫灌與穴施覆土的模式[2]。這種灌溉模式一方面造成水資源浪費，使西部地區灌溉水源更加緊缺，同時引起土壤鹽漬化或次生鹽漬化等問題；另一方面嚴重影響枸杞產量與品質，制約農業經濟持續發展[1]。如何快速準確獲取枸杞植株水分信息，制定枸杞水分精確施用方案，進而實現枸杞精準灌溉，已成為枸杞產業急需研究的重大課題。

葉片含水量是植株水分狀況的診斷指標。實時、快速地獲取葉片水分信息是進行灌溉調控的前提[3]。通常，葉片含水量是通過田間破壞取樣、實驗室烘干與稱重來計算，其操作復雜、耗時費力、時效性差。高光譜遙感（Hyperspectral Remote Sensing）技術是以極其狹窄的電磁波段從地面獲取地物連續光譜信息的一種全新技術，在預測作物含水量和無損檢測營養方面有其獨特優勢，已成為作物水分含量遙感反演的重要手段[3-5]。國內外學者在利用高光譜遙感技術獲取植物連續反射光譜以估測植被水分狀況方面開展了大量研究，提出一系列表征植被水分信息的光譜指數。例如：Penuelas 等[6]提出水分指數（Water index，WI）和植被水分指數（Plant water index，PWI），Gao 等[7]構建了歸一化差值水分指數（Normalized difference water index，NDWI），Ceccato 等[8]和Chen 等[9]構造了全球植被水分指數（Global vegetation water index，GVWI）， Thenot 等[10]提出中心波長水分指數（Center wavelength water index，Ratio975）、Pu 等[11]提出比值/歸一化植被指數（Ratio/Normalized vegetation index，R/ND）。隨后，這些光譜指數被廣泛應用到小麥、水稻、豆類作物、甜菜、蘋果樹、橘樹、桃樹、橄欖樹等植株含水量的估測中[12-17]，結果表明是可行的，但估測精度不高。隨著研究的深入，針對不同植物，如何構建能穩健反映植株水分信息的光譜指數，進一步提高遙感反演精度，成為學者們關注的重點。劉小軍等[18]等通過系統分析350～2 500 nm 波段范圍內任意兩波段組合而成的比值（RSI）、歸一化差值（NDSI）及差值（DSI）光譜指數，并分析其與葉片含水量的量化關系，構建了快速、無損診斷水稻葉片含水量的估測模型，估測精度得到提高。梁亮等[16]利用水氮脅迫試驗條件下小麥主要生長期的導數光譜構建了16 種新指數，將其與NDII、WBI以及NDWI等常用指數進行比較分析，篩選出小麥葉片含水量反演的最佳光譜指數，并利用其建立反演模型進行小麥含水量的遙感填圖。

枸杞作為一種多年生落葉灌木，目前鮮見利用高光譜遙感技術監測其葉片水分含量的研究報道。筆者從枸杞葉片水分含量實測值與高光譜反射率數據出發，提取枸杞葉片導數光譜位置（λ）、斜率（D）及面積（SD）參數，構建導數光譜差值（DSI）、比值（RSI）及歸一化差值（NDSI）指數，同時參考前人研究成果，選取對水分估測效果較好的15 個光譜指數，在分析導數光譜參數、導數光譜指數及前人構建的光譜指數與枸杞葉片含水量的定量關系的基礎上，篩選監測枸杞葉片水分信息的適用光譜，建立并優選水分含量遙感反演最佳模型，以期實現枸杞葉片水分含量快速無損監測，為水肥一體化智能控制設備提供科學決策依據，對推動西部地區枸杞高產高效栽培技術創新、生態環境恢復、經濟社會發展意義重大。

1 材料與方法

1.1 試驗材料

以寧夏地區枸杞主栽品種寧杞7 號為試驗材料，在枸杞主產區選取賀蘭縣洪廣鎮暖泉農場和中寧縣恩和鎮作為樣本采集區。為保證樣本的多樣性，采用隨機方式在各試驗區選取枸杞樣株，采集當年生健康葉片作為待測樣本。為減少葉片含水量的損失，樣本采集后立刻裝入自封袋、封口、標記，并放入裝有冰袋的保鮮箱內，迅速帶回實驗室，進行光譜和葉片含水量的測定。

1.2 測定項目

1.2.1 葉片光譜測定光譜測定在黑暗密室內進行，光源采用50 W 鹵素燈，光源距樣本垂直高度0.50 m，方位角60°。采用美國ASD 公司生產的FieldSpec Pro FR 地物光譜儀（傳感器視場角探頭25，光譜范圍350～2 500 nm）測定葉片光譜。測定時，將枸杞葉片樣本平鋪于黑色絨布上，探頭置于樣本中心位置且垂直向下，探頭距樣本的垂直距離根據公式（1）計算。每次測定 10 條光譜，以其均值作為該樣本的光譜反射率。

式中，H為距離樣本垂直距離，L為所要測定范圍直徑，A為探頭視場角。

1.2.2 葉片含水量測定該研究中枸杞葉片樣本含水量采用自然含水量（Moisture Content，MC）計算，通常以葉片中水量占鮮葉重百分比表示，見公式（2）。

式中，Wf和Wd分別表示葉片鮮重和干重。

1.3 數據分析

1.3.1 前人構建的光譜指數選取光譜指數是某些特定波段或波段反射率構成的組合，與植被的水、葉片色素或光合作用以及氮脅迫狀態等有關。參考前人關于高光譜遙感估測植被水分的相關研究成果，選取估測水分含量較好的15 個光譜指數進行研究，詳見表1。

1.3.2 一階導數光譜參數提取基于光譜位置（λ）、斜率（D）及面積（SD），充分考慮枸杞葉片一階導數光譜在850～2 350 nm 變化特征（圖1）, 提取波谷925～975 nm、1 100～1 200 nm、1 275～1 450 nm、 1 825～1 925 nm 處導數光譜參數（表2）。有研究表明位于680～750 nm 的“紅邊”波段主要受植物葉綠素含量的影響，故該研究未提取“紅邊”參數。

1.3.3 一階導數光譜指數構建圖1 中，954、1 143、1 387、1 873 nm 位于波谷谷底，綜合植物生理學及光譜估測葉片水分信息相關研究成果可知，這4 個波谷是葉片水分在970、1 200、1 450 與1 940 nm 附近強烈吸收形成斜邊所致，可反映葉片的水分狀況。采用這4 個光譜，構建表征枸杞葉片水分含量的一階導數光譜指數，見表3。

1.3.4 含水量遙感反演模型建立與檢驗將枸杞葉片含水量作為因變量，一階導數光譜參數、一階導數光譜指數及前人構建的光譜指數分別作為自變量，構建枸杞葉片水分含量反演模型，包括線性模型、指數模型、對數模型、冪函數模型及一元二次函數模型。

采用擬合度（S-R2）、檢驗決定系數（T-R2）、均方根差（RMSE）和平均相對誤差（ARE）對模型進行檢驗，見公式（3）～（4）決定系數越接近1，RMSE和ARE越小，模型預測的準確率越高。

式中，xi為葉片含水量預測值；yi為葉片含水量實測值；i為樣本序數，i=1，2，……，n；n為樣本數。

2 結果與分析

2.1 葉片水分含量與光譜指（參）數的相關性

將表1 選取的15 個光譜指數、表2 中一階導數光譜參數和表3 中一階導數光譜指數分別與枸杞葉片水分含量進行相關性分析。由于論文篇幅有限，僅提供與枸杞葉片含水量呈現顯著相關的光譜參數或光譜指數，如表4 所示。由表4 可知，前人構建的光譜指數GVWI、NDWI（R860，R1640）、MSI、R/ND、PRI，均可作為枸杞葉片水分含量反演的光譜指數。其中R/ND、 PRI 與枸杞葉片含水量呈顯著相關；GVWI、NDWI、MSI 與杞葉片含水量呈極顯著相關，GVWI 的相關系數最大（r= 0.749）。一階導數光譜參數中D（1275～1450）、SD（1275～1450）、D（1825～1925）與枸杞葉片含水量呈顯著相關，D（925～975）和SD（1825～1925）與枸杞葉片含水量達到極顯著相關，相關系數分別為-0.717 和0.691，均可用于枸 杞葉片含水量遙感反演。表4 中15 個一階導數光譜指 數也均可作為枸杞葉片含水量遙感反演的光譜指數，其中RSI（954/1143）、NDSI（1143-1387）/（1143+1387）、DSI（1387-1873）和NDSI（1387-1873）/（1387+1873）與枸杞葉片含水量呈顯著相關，其余11 個一階光譜指數與枸杞葉片含水量均呈極顯著相關。

表1 研究選取的15 個光譜指數

圖1 枸杞葉片光譜均值

表 2 一階導數光譜參數

表 3 一階導數光譜指數

2.2 枸杞葉片含水量遙感反演模型建立

以上述與枸杞葉片含水量呈現顯著相關的光譜參 數或光譜指數為變量，采用線性函數、指數函數、對 數函數、冪函數及一元二次多項式，構建枸杞葉片含 水量遙感反演單變量回歸模型。表5 為擬合度S-R2≥ 0.600 0 的各光譜指數或光譜參數構建的模型。由表5可知，前人構建的光譜指數中，基于GVWI 構建的一元二次模型擬合度S-R2等于0.600 0；一階導數光譜指數模型中，DSI（954-1387）、RSI（954/1387）、NDSI（954-1387）/（954+1387）、 DSI（954-1873）、RSI（954/1873）、NDSI（954-1873）/（954+1873）模型擬合度均大于0.600 0，其中DSI（954-1387）的模型擬合度最大為S-R2= 0.659 6；表5 中未見基于一階導數參數構建的模型，表明由一階導數參數構建的模型遙感反演效果不佳，S-R2＜0.600 0。

表4 葉片水分含量與光譜指（參）數相關系數

2.3 遙感反演模型檢驗

對枸杞葉片含水量遙感反演模型的預測能力進行檢驗，檢驗結果見表6。綜合分析檢驗決定系數T-R2值、RMSE 和ARE，結果表明，光譜指數GVWI 模型的預測精度最差；一階導數光譜指數構建的模型預測精度均較高，其中DSI（954-1387）模型的預測精度最高。

由表5 和表6 可以得出，基于一階導數光譜指數DSI（954-1387）構建的模型y= 566 965x2-4 719.5x+88.864反演效果最佳，其S-R2、T-R2、RMSE 和ARE 分別為0.659 6、0.760 4、0.665 9、0.716 4 %，故該模型為監測枸杞葉片水分含量的最優模型，一階導數光譜指數DSI（954-1387）為最佳優選指數。

表5 枸杞葉片含水量遙感反演單變量回歸模型

表6 枸杞葉片含水量遙感反演單變量回歸模型精度檢驗結果

3 結論與討論

有研究表明，前人構建的一系列表征植被水分信息的光譜指數是估算植物水分含量的良好指標，但也有研究指出它們對葉片等效水厚度較敏感，而對葉片含水量的表征則不敏感[5]。筆者參考前人相關研究成果，選取對植物含水量估測效果較好的15個光譜指數，應用到枸杞葉片含水量的遙感反演中，發現光譜指數GVWI、NDWI（R860，R1640）、MSI、R/ND、PRI 用 于 反演枸杞葉片含水量是可行的，但適用的光譜指數數量有限，且反演效果不佳，這與植物種類、試驗條件及水分指標等有關。還有研究表明，植物葉片中各種生化成分混合在一起，致使相互間或削弱或加強各自吸收特征，所以估測某一生化成分時只用單一波段是不夠的，需要進行波段選擇和重組，而構造光譜指數的數學模型可以使植被的有效光譜信息最大化，進而提高預測精度[19-21]。研究結果顯示，提取的一階導數光譜參 數D（925～975）、D（1275～1450）、SD（1275～1450）、D（1825～1925）、SD（1825～1925）與枸杞葉片水分含量呈顯著或極顯著相關，但由其構建的模型遙感反演效果較差；而由一階導數光譜指數構建的模型擬合度較高，模型的預測效果及穩定性也顯著優于一階導數光譜參數。這是因為雖然對光譜數據進行導數處理能有效去除干擾信息，但提取的一階導數光譜參數是單一波段，未能突出有效信息；而一階導數光譜指數，是在獲取導數光譜的基礎上， 進行波段重組，進而增強枸杞葉片含水量光譜信息。

利用篩選的最佳光譜指數和最優反演模型對枸杞葉片水分含量進行反演，可快速獲取枸杞葉片水分實時信息。在水肥一體化智能控制設備大范圍推廣的背景下，這種信息為水肥一體化設備實現精確滴灌提供了決策參考，進而實現枸杞種植過程中水分的科學管理，確保枸杞產量及品質的穩定性，同時也減少大水漫灌帶來的生態環境問題，對推動西部地區枸杞田間水分管理技術創新、生態環境恢復、社會經濟發展具有重大意義。

但是，由于受觀測樣本多樣性、數量有限性及研究方法單一性等影響，該研究所選取的光譜指數或光譜參數及模型反演精度均十分有限。今后應在豐富樣本多樣性、補充樣本數量及提高光譜信息質量的基礎上，綜合包絡線去除法、連續小波分析法、主成分分析、偏最小二乘回歸分析及人工智能等多種方法，繼續深入開展枸杞葉片含水量高光譜遙感反演研究，進一步提高模型預測精度及穩定性，為枸杞科學灌溉提供實時依據。