基于高光譜的馬鈴薯水分虧缺狀況實時監測

蘇亞拉其其格，樊明壽，賈立國，祁 迷，楊彩平，烏云敖日格拉

（1.內蒙古農業大學草原與資源環境學院，內蒙古 呼和浩特 010019；2.內蒙古農業大學農學院，內蒙古 呼和浩特 010018；3.內蒙古農業大學林學院，內蒙古 呼和浩特 010018）

合理的水分供應是馬鈴薯獲得高產及優質塊莖的必要前提。然而，內蒙古自治區（內蒙古）馬鈴薯種植的區域主要分布在干旱、半干旱地區，這些區域的降水顯然不能滿足馬鈴薯整個生育期對水分的需求，因而，灌溉措施在保障內蒙古馬鈴薯生產中占據中心地位。另一方面，內蒙古馬鈴薯種植地區的水資源十分有限，由于不合理灌溉對水資源的開采，多數灌溉種植區域地下水位下降嚴重，部分種植噴灌圈集中的地區夏天頻繁出現水井斷水現象，已經嚴重影響農作物的高產優質生產和農牧民的日常生活。在這樣的背景下，精準灌溉對于保障馬鈴薯高產、優質以及水資源的高效利用顯得尤為重要。因此，針對該地區水資源短缺實況，及時準確監測馬鈴薯植株水分狀況，并根據缺水信息實施精量控制灌水，不僅對該地區馬鈴薯水分高效管理極具現實意義，且具有重要戰略意義。

1 作物光譜反射率

高光譜遙感是一種在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內獲取許多非常窄的連續光譜數據的技術。其不僅有譜像合一的顯著特征，而且還能提供較高分辨率的連續光譜信息，從而根據地表物體的光譜特性對其進行區分。地面非成像的高光譜儀在測量地物研究對象的光譜反射率時，利用在自然環境下取得的實測數據，建立高光譜植被估測模型，進而提高不同植物高光譜數據的分析運用精度[1]。在推動綠色農業迅速發展的當下，對精準農業、農作物水肥診斷管理及產量監測等方面要有更先進的技術要求，而高光譜遙感技術在很大程度上能夠滿足該技術需求，且具有廣泛的應用前景[2]。

作物冠層結構是其地上部分各器官的數量與空間分布狀態，直接決定著對太陽光的截獲量，不僅影響作物群體的光合效率和產量[3]，也是利用高光譜監測作物冠層信息的主要影響因子之一[4]。因此，利用高光譜識別植物體光譜反射特征使作物水分實時監測和快速診斷成為了可能，也是實現大量農田作物水分狀況非接觸和無損監測方法的開拓。缺水時植物葉片癥狀較為明顯，在引起葉片顏色、形態結構一系列變化的基礎上，進而改變其光譜反射率[5]。棉花、大豆等作物在水分脅迫下近紅外波段冠層反射率降低，對水分敏感的光譜波段主要集中在970，1 450，1 940和2 500 nm左右[6,7]。目前，作物水分的高光譜診斷主要集中在將光譜分析的作物冠層結構數量化，建立反映作物水分狀況的最佳植被指數和光譜指數；但水分脅迫下利用適宜的水分虧缺診斷指標，進而構建實時精準的作物水分高光譜預測和診斷模型才是今后發展農業生產的主要研究方向。

2 作物水分虧缺診斷指標與光譜反射特征關系

2.1 光合特性

光合速率是植物光合作用的重要指標，水分脅迫下植物葉片光合速率下降。作物凈光合速 率（Net photosynthetic rate，Pn）與其氣孔導度（Stomatal conductance，Gs）呈極顯著相關，相關系數大于0.9[8]。許多研究表明，不同植物的光合速率與其相關性最佳的光譜變量值不同[9-13]。油菜和水稻葉片凈光合速率與比值植被指數（Ratio vegetation index，RVI）（R760，R766）呈顯著線性相關[9]；水稻葉片Pn與RVI的線性關系良好[10]；玉米葉片歸一化植被指數（Normalized difference vegetation index，NDVI）（即近紅外波段的反射值與紅光波段的反射值之差比上二者之和）與Pn、Gs間存在較好相關性[11]；水分脅迫下，春小麥NDVI值能反映其光合作用變化，且對干旱有一定的敏感性[12]。棉花兩個品種的NDVI、RVI與Pn、Gs均達到顯著和極顯著相關，相關性大小順序呈RVI ＞NDVI[13]；而修改型二次土壤調節植被指數（Modified second soil-adjusted vegetation index，MSAVI2），即將裸土對于土壤調節植被指數（Soil adjusted vegetation index，SAVI）的影響降至最小的植被指數，與其Pn、Gs的相關性大小介于RVI和NDVI[13]。蒸騰作用也是植物重要代謝環節，其對水分脅迫的響應可能較光合速率更加敏感。蒸騰速率主要受氣孔調節，在干旱脅迫下植株通過降低氣孔導度來限制蒸騰速率（Transpiration rate，Tr），因此Gs和Gs/Tr變化可作為判斷植物缺水程度的一個參考標準[14]。

葉面積指數（Leaf area index，LAI）與作物光合作用和蒸騰作用密切相關，是反映作物生長狀況的重要指標[15]。水分會直接影響作物葉面積指數的光譜診斷能力。通過建立冬小麥不同生育時期葉面積指數高光譜監測模型，可提高其葉面積指數高光譜監測精度[16]。目前，葉面積指數與NDVI 相關性較高[17]，但NDVI不足之處為易受土壤類型干擾，且容易達到飽和值[18]；而土壤調整指數SAVI能有效消除土壤干擾因素影響[19]，紅邊抗水植被指數（Red-edge resistance water vegetable index，RRWVI）較常用植被指數具有更可靠的反演效果[20]。

植物葉片色素則主要與光合作用相關，并與植株含水量共同作為響應干旱脅迫的良好指示劑[21]。植物葉片色素主要有葉綠素（葉綠素a、b）和類胡蘿卜素。在可見光范圍內，作物光譜特征以吸收色素為主，因此光譜反射率與作物葉片色素顯著相關[22]。干旱脅迫下，玉米的葉綠素熒光參數與740 nm 熒光光譜峰值正相關[23]；棉花的一階微分光譜在710～850 nm與其葉綠素含量有較大相關性[24]。

碳水化合物也可能是評價作物響應水分脅迫的重要指標之一，受水分影響較大[25]。其中，非結構性碳水化合物（Non-structural carbohydrates，NSC）主要包括淀粉、蔗糖、可溶性總糖。干旱引起作物體內可溶性糖含量的增加[26]。玉米體內可溶性糖含量能反映其水分狀況，并與差值植被指數（Difference spectral index，DSI）的相關性最高（r =0.99）；在不同水分脅迫下，玉米葉片可溶性糖含量與冠層光譜反射率變化趨勢一致，高光譜可實時監測其葉片可溶性糖含量[27]。

光合特性可作為水分狀況及作物長勢的監測指標，構建光合參數與高光譜植被指數之間的模型，為推薦灌水及估產方面提供可靠依據。

2.2 冠層溫度

作物生長過程中，水分通過葉面蒸騰作用調節植株體溫，因而作物冠層溫度變化是反映土壤水分和作物水分狀況的潛在指標，相關研究業已證實冠層溫度法診斷植株水分虧缺的理論[28]。但此方法受環境影響極大，為克服該缺點，先后又提出日脅迫度指標（Stress degree day，SDD），即作物冠層溫度（Canopy temperature，Tc）與氣溫（Air temperature，Ta）的差值、作物水分脅迫指數（Crop water stress index，CWSI）、水分虧缺指數（Water deficit index，WDI）等[29-31]，并利用先進的高分辨率紅外熱圖像系統獲取更為精確的作物冠層溫度，應用到不同地區、不同作物的水分虧缺診斷研究[32,33]。目前，紅外熱圖像結合高光譜監測作物水分狀況已形成較為成熟的估算作物冠層水分和推薦灌溉的技術[34]。

缺水時，作物蒸騰速率降低，冠層溫度隨之增高，使冠氣溫差發生改變。作物冠氣溫差（△T：作物冠層溫度與氣溫的差值）表示其冠層的水分與能量平衡，更好地反映作物水分狀況，可作為水分虧缺診斷高效指標[35]。一般認為，12∶00～14∶00是不同灌水條件下冠氣溫差差異顯著的典型時刻[36]。13∶00～15∶00的冠氣溫差可表征作物水分狀況，而14∶00的冠氣溫差可預測土壤水分變化，進而指導及時補水[37]。土壤越干旱越會增大冬小麥冠氣溫差[38]，當差值大于-0.7 ℃時為當時的灌溉指標[39]；差值≥1 ℃時水分開始虧缺，差值≥2 ℃時水分明顯虧缺，差值≥3 ℃時則水分嚴重虧缺[40]。同一作物不同生育時期的冠氣溫差臨界值亦不同，水稻分蘗期、拔節孕穗期和抽穗開花期冠氣溫差臨界值分別為-0.64，0.83 和1.09 ℃[41]。通過冠氣溫差與光譜植被指數關系建立的WDI能夠精確估算出大田苜蓿全覆蓋和部分覆蓋條件下的蒸騰速率[30]。而冠氣溫差對葉片光合速率、蒸騰速率的差異區間則能診斷冬小麥水分虧缺程度，可作為保持葉片水分高效利用的依據[36]。

基于冠層溫度和冠氣溫差的作物水分監測具有快速、簡便、無破壞等優勢，但仍存在一定問題[42]。鑒于此，有必要在生產實踐中多方位試驗與檢驗，為精確灌溉提供理論基礎和技術支撐。

2.3 葉片（相對）含水量

植物生長發育直接受葉片水分程度的影響，葉片含水量能良好度量植株水分狀況。李子、銀膠菊的葉水勢與水分脅迫指數顯著線性相關[43]，因此葉片含水量通常被認為是診斷干旱脅迫的良好指標[44]。水分脅迫下葉片相對含水量會下降，而葉片光譜反射率隨含水量的降低而增加。800～2 500 nm波段的光譜反射率可敏感反映作物葉片含水量以及相對含水量[45,46]，能作為地面遙感探測指標，有利于提出運用光譜反射率診斷作物葉片含水量的方法。研究表明，葡萄和小麥葉片相對含水量均與1 450 nm左右的吸收特征深度及面積呈顯著線性正相關，可用于其水分監測[47,48]。冬小麥在780～805 nm的光譜反射率可表征其水分變化狀態[49]；而哈布熱等[50]發現，冬小麥整個生育期水分狀況與650～775 nm波段密切相關，尤其在661和771 nm時最敏感；其中，拔節-抽穗期、抽穗-灌漿期的冬小麥冠層光譜反射率在750～1 075 nm處隨植株含水量的增加而升高，灌漿-成熟期則在350～750 nm處隨植株含水量的增加而降低。也有研究提出，950～970 nm的光譜反射率能較好地預測植物葉片相對含水量[51]，由此證明不同植物或同一種植物不同生育時期的葉片含水量與其敏感波段范圍不同。

基于上述不同作物水分敏感波段的篩選，構建出的植被指數或光譜指數能夠有效克服單波段光譜預測精度較低的不足[52]。如，水分指數（Water index，WI）=R970/R900和700～800 nm的一階導數最小值能夠準確指示植物水分豐缺狀況；而WI（900，970）與NDVI（900，680）比值指數則不僅預估植物葉片和冠層含水量，而且顯著提高葉片含水量的預測精度[53]。對單種作物而言，在水分敏感波段基礎上進一步確立水分診斷指數的研究已有許多。水稻于短波紅外1 400 nm左右和2 250 nm左右的波段比值及歸一化組合下能被有效反映其葉片水分狀況[54]，并利用不同高光譜波段兩兩組合的比值光譜指數（Ratio spectral index，RSI）（R1 402，R2 272）和歸一化光譜指數（Normalized difference spectral index，NDSI）（R1 402，R2 272）定量監測其葉片含水量[55]；而估測小麥相對含水量的最佳光譜指數為RSI（R1 391，R1 830）和NDSI（R1 391，R1 830）[56]，診斷其受水分脅迫程度的指標是地表濕潤指數水分脅迫因子（Water stress_Land surface wetness index，Ws_LSWI），即植被冠層中水分含量[57]。充分證明不同作物的水分監測最佳光譜指數對干旱脅迫程度的敏感性不同。

2.4 土壤含水量

土壤含水量與葉片相對含水量呈線性相關，其對植物生長發育的影響是間接的，但從本質上反映作物缺水程度，是最為常見的水分診斷指標[58]。通常認為，田間持水量的75%為充足供水、60%為適度供水、45%為水分虧缺，并根據不同作物各個生育時期對土壤水分的需求規律不同而進行適當調控。作物能夠吸收利用的土壤水量稱為土壤有效含水量（即田間持水量與凋萎系數之間的土壤含水量），其小于0.75～0.80 時作物受到土壤水分脅迫。土壤水勢也是作物灌水控制指標，可應用到作物高產高效灌溉模式的建立[59]。

高光譜能大范圍、實時反映土壤水分狀況，對田間土壤含水量的診斷極具優勢。作物水分脅迫指數（CWSI）不僅監測土壤水分狀況[60]，還能指示作物受水分脅迫的程度，在落花生的分枝期和花針期CWSI為0.46～0.49[61]。冬小麥整個生育期植株含水量與其優化土壤調節植被指數（Optimization of soil-adjusted vegetation index，OSAVI）擬合最佳，說明作物本身具有反映土壤水分脅迫程度的能力[50]。在生產實踐中應實時、精確判斷土壤含水量，進行適時適量灌水，從土壤含水量角度為作物水分虧缺診斷提供可靠依據[62]。在此過程中，還需考慮不同土壤條件下作物對深層水的利用能力差異性，不斷探索改善基于土壤含水量的水分監測植被指數和水分指數。

3 高光譜遙感監測作物水分狀況研究進展

作物水分的光譜監測以作物水分含量為基礎來進行，常用上述水分診斷指標與光譜參數的相關關系表征水分狀況，即通過篩選作物水分敏感波段并構建相關特征光譜參數，從而構建作物水分虧缺診斷的光譜監測模型。該研究最早始于20世紀70年代初，從水分敏感波段和光譜參數關系角度開展并初步證明葉片的紅外光譜反射率隨冠層含水量的下降而增加[63]。國內也有研究發現，干旱脅迫的加重會引起可見光區和短波紅外光區反射率升高，而近紅外區反射率下降[12]。此后，一些研究中進一步證明能反映植物水分狀況的敏感波段范圍分別在950～970，1 450，1 940 和2 500 nm處[64,65]。為了有效降低背景噪音、強化相關性能，對原始光譜進行導數處理，進而提出了診斷植物水分信息的一階導數波段，分別為：730，960，1 015～1 050，1 145和1 330 nm[66,67]。國內外學者又相繼構建了眾多作物水分監測的光譜指數，如對植被含水量敏感的水分脅迫指數（MSI=R1 600/R820）、歸一化差值水分指數（NDWI=[R860-R1 240]/[R860+R1 240]）、水分指數（WI = R970/R900）等[64,68]。在作物冠層，R（610，560）/ND（810，610）是判斷小麥植株水分狀況的良好光譜植被指數[69]，而比值植被指數（R810/R460）能較好地監測水稻不同生育時期的葉片與植株含水量[70]，比值植被指數R960/R560與甘蔗土壤含水量呈極顯著正相關[71]。綜上所述，高光譜遙感技術估測冠層水分狀況的研究已在許多作物上取得了一系列成果，但是基于高光譜的馬鈴薯水分診斷模型研究未見。

4 高光譜診斷馬鈴薯水分狀況的可行性分析

目前，馬鈴薯植株冠層光譜反射率研究主要集中在對其病害預防及外部缺陷的檢測，而利用高光譜數據篩選特征光譜并進一步構建馬鈴薯水分監測指數的研究還未見報道。內蒙古農業大學馬鈴薯高產高效創新團隊對馬鈴薯非充分灌溉及適度干旱脅迫的增產效果方面已有相應的研究。馬鈴薯整個生育時期優化出最適土壤相對含水量下限：苗期55%，塊莖形成期76%，塊莖膨大期77%，淀粉積累期58%[72]。同時提出，馬鈴薯苗期適度水分虧缺（最大田間持水量的50%）能促進其合理的群體結構構建及物質分配，從而利于塊莖產量的提高，主要原因為馬鈴薯存在苗期水分虧缺后復水的補償效應；但馬鈴薯塊莖形成期對水分虧缺最敏感，不存在復水后的補償效應，從而該生育時期缺水對塊莖產量造成的損失最大[72,73]。基于此，需要建立最簡便、快速的水分監測指標體系，實時反饋土壤含水量和馬鈴薯水分狀況，并根據優化的馬鈴薯最適土壤含水量進行及時、精量灌水，真正做到節水的同時能提前預防水分脅迫引起的馬鈴薯減產。為此，應采用目前較為先進的高光譜儀，對不同土壤供水情況下的馬鈴薯冠層光譜特征進行觀測和分析，結合植株和土壤水分含量以及高光譜信息，研究馬鈴薯水分表征參數與其相對應的高光譜特征參數關聯，篩選高光譜監測馬鈴薯植株水分狀況的最佳水分光譜指數；并利用其與馬鈴薯關鍵生育時期的植株冠層含水量、土壤含水量的精確定量關系，建立馬鈴薯各生育時期的高光譜水分診斷和推薦灌溉模型。為高產高效的馬鈴薯高光譜水分診斷體系構建奠定堅實可靠基礎。