基于近地遙感的冬小麥生物量動(dòng)態(tài)監(jiān)測(cè)方法

魏慶偉，王福州，張青，陳道培，盧霞

（1.中國(guó)氣象局·河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點(diǎn)開放實(shí)驗(yàn)室，河南 鄭州 450003；2.鶴壁市氣象局，河南 鶴壁 458030）

作物生物量是指單位面積內(nèi)作物在一定時(shí)間內(nèi)累積的有機(jī)物總量［1］，是反映作物長(zhǎng)勢(shì)的重要群體指標(biāo)［2］，也是產(chǎn)量估算的一個(gè)重要指標(biāo)。準(zhǔn)確、高效監(jiān)測(cè)冬小麥生物量變化信息有利于掌握其生長(zhǎng)狀況和產(chǎn)量形成動(dòng)態(tài)［3，4］，使當(dāng)?shù)剞r(nóng)業(yè)部門能夠快速依據(jù)農(nóng)情采取管理措施以提高冬小麥產(chǎn)量，同時(shí)也能夠有效提高農(nóng)業(yè)估產(chǎn)效率與精度。

傳統(tǒng)的生物量估測(cè)主要通過(guò)調(diào)查樣點(diǎn)抽樣統(tǒng)計(jì)進(jìn)行，結(jié)果準(zhǔn)確度較高，但具有一定的破壞性，且耗時(shí)費(fèi)力，難以大面積開展［5］。近年來(lái)，蓬勃發(fā)展的遙感技術(shù)為作物生長(zhǎng)監(jiān)測(cè)提供了新的方法和手段［6-8］。基于植被指數(shù)的農(nóng)作物生物量估算是目前廣泛應(yīng)用的作物生物量遙感監(jiān)測(cè)方法之一［9，10］。植被指數(shù)能綜合植被在不同遙感波段的反射特性，與植被生物量存在很強(qiáng)的相關(guān)關(guān)系［11］。在紅光和近紅外波段上，遙感影像可以反射作物的生長(zhǎng)信息，通過(guò)這些波段構(gòu)成的植被指數(shù)可實(shí)現(xiàn)對(duì)冬小麥生物量的動(dòng)態(tài)監(jiān)測(cè)［12］。當(dāng)前，基于遙感技術(shù)的生物量監(jiān)測(cè)研究的數(shù)據(jù)來(lái)源多為衛(wèi)星遙感數(shù)據(jù)［13-16］。然而，基于衛(wèi)星遙感的光譜植被指數(shù)容易受到云雨影響，且受遙感數(shù)據(jù)時(shí)空分辨率的影響，植被指數(shù)在時(shí)間上和空間上存在不連續(xù)的現(xiàn)象［17-20］。近地遙感具有時(shí)間分辨率高、受大氣條件及云雨等天氣影響小，可野外長(zhǎng)時(shí)間固定觀測(cè)等優(yōu)勢(shì)，而且觀測(cè)數(shù)據(jù)的空間尺度適中，在很大程度上克服了衛(wèi)星遙感監(jiān)測(cè)所面臨的上述問(wèn)題，是實(shí)現(xiàn)作物生物量監(jiān)測(cè)的有力工具［21，22］。

在已有的近地遙感研究中，多采用圖像傳感器［23-25］或手持光譜儀［26-28］的方式進(jìn)行作物生物量監(jiān)測(cè)，鮮有采用光譜傳感器長(zhǎng)時(shí)間野外固定監(jiān)測(cè)農(nóng)作物生物量的相關(guān)研究。SRS-NDVI觀測(cè)儀利用安裝在植被冠層上方向上和向下的光強(qiáng)檢測(cè)傳感器，分別檢測(cè)天空入射和冠層反射的近紅外（810 nm）和紅光（650 nm）光照強(qiáng)度，通過(guò)入射和反射光強(qiáng)計(jì)算得到植被冠層近紅外與紅光的反射率，然后運(yùn)用植被指數(shù)計(jì)算公式得到農(nóng)田尺度的作物冠層植被指數(shù)。本研究以SRS-NDVI觀測(cè)儀監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)，提出基于近地遙感的冬小麥生物量動(dòng)態(tài)監(jiān)測(cè)方法，旨在探尋最適的冬小麥生物量動(dòng)態(tài)監(jiān)測(cè)方法，為冬小麥全生育期內(nèi)生物量的準(zhǔn)確高效估算提供方法參考。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

遙感數(shù)據(jù)使用安裝于河南省鶴壁市農(nóng)業(yè)氣象試驗(yàn)站試驗(yàn)田的SRS-NDVI觀測(cè)儀的2018—2020年冬小麥生長(zhǎng)季內(nèi)監(jiān)測(cè)數(shù)據(jù)。SRS-NDVI觀測(cè)儀時(shí)間分辨率為30 min，適宜的測(cè)量光照強(qiáng)度大于5.2 klx［29］，此時(shí)獲得的觀測(cè)數(shù)據(jù)具有較強(qiáng)的可靠性，且測(cè)量精度隨光照強(qiáng)度的增加而提高。為確保觀測(cè)數(shù)據(jù)的可靠性，選取每日10∶00至14∶30時(shí)段內(nèi)10組觀測(cè)數(shù)據(jù)的平均值計(jì)算當(dāng)日冬小麥植被指數(shù)。

冬小麥生物量人工觀測(cè)數(shù)據(jù)由鶴壁市農(nóng)業(yè)氣象試驗(yàn)站于2018—2020年采用烘干稱重法獲得。在冬小麥關(guān)鍵生育期普遍期及旬末進(jìn)行測(cè)定，當(dāng)旬末與生育期普遍期相差在兩天之內(nèi)時(shí)旬末不再進(jìn)行生物量測(cè)定（2020年返青后只測(cè)定生育期普遍期生物量）。隨機(jī)選取SRS-NDVI觀測(cè)儀附近能夠代表作物整體長(zhǎng)勢(shì)的冬小麥植株樣本，齊地面采集，每次取3個(gè)重復(fù)，封裝帶回實(shí)驗(yàn)室，置于烘箱105℃殺青1 h，然后80℃烘干至恒質(zhì)量（約24 h），記錄干質(zhì)量，進(jìn)而計(jì)算得到單位面積冬小麥地上部干生物量。

1.2 植被指數(shù)

基于植被在紅光和近紅外波段反射率差別較大的光譜特征建立的植被指數(shù)，本質(zhì)上是在綜合考慮各光譜信號(hào)的基礎(chǔ)上把多波段反射率做一定的數(shù)學(xué)變換，使其在增強(qiáng)植被信息的同時(shí)，使非植被信號(hào)最小化［30］。本研究選取歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）、增強(qiáng)型植被指數(shù)（EVI2），研究各植被指數(shù)與實(shí)測(cè)冬小麥生物量之間的關(guān)系，各植被指數(shù)計(jì)算公式見(jiàn)表1。

表1 選用的植被指數(shù)

1.3 數(shù)據(jù)處理與模型構(gòu)建

本研究以SRS-NDVI觀測(cè)儀監(jiān)測(cè)到的冬小麥生長(zhǎng)季冠層近紅外（810 nm）和紅光（650 nm）反射率數(shù)據(jù)為基礎(chǔ)，根據(jù)相關(guān)公式分別計(jì)算冬小麥生長(zhǎng)季內(nèi)每日歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）、增強(qiáng)型植被指數(shù)（EVI2）。由于冬小麥生物量是隨時(shí)間逐漸積累增加的過(guò)程，為更好地構(gòu)建植被指數(shù)與生物量之間的相關(guān)關(guān)系，將上述每日植被指數(shù)進(jìn)行求和計(jì)算（式1），得到累積植被指數(shù)（CVI）動(dòng)態(tài)變化時(shí)序數(shù)據(jù)。

式中CVIt表示冬小麥播種t天的累積植被指數(shù)，VIi表示冬小麥播種第i天的植被指數(shù)監(jiān)測(cè)值。

對(duì)照冬小麥生物量人工觀測(cè)日期，提取對(duì)應(yīng)日期的累積植被指數(shù)數(shù)據(jù)，進(jìn)行不同植被指數(shù)與生物量的最優(yōu)擬合估算。為準(zhǔn)確建立生物量監(jiān)測(cè)模型，根據(jù)冬小麥生長(zhǎng)季生物量增長(zhǎng)特點(diǎn)，以返青期為界將冬小麥生物量觀測(cè)數(shù)據(jù)分為兩部分，分別進(jìn)行植被指數(shù)與生物量的曲線擬合分析。

1.4 模型精度評(píng)價(jià)

為確保模型穩(wěn)定性和精度，將2018—2019年觀測(cè)數(shù)據(jù)用于建模，2020年觀測(cè)數(shù)據(jù)用于模型驗(yàn)證。采用決定系數(shù)（R2）、均方根誤差（RMSE）和平均相對(duì)誤差（MRE）作為模型預(yù)測(cè)精度的評(píng)價(jià)標(biāo)準(zhǔn)。其中，R2越接近于1，表示參與評(píng)價(jià)的變量間相關(guān)性越好，參考價(jià)值越大；RMSE與MRE越小，表明模型的預(yù)測(cè)精度和穩(wěn)定性越高。計(jì)算公式如下：

2 結(jié)果與分析

2.1 植被指數(shù)與冬小麥生物量擬合分析

2.1.1 播種至返青期的擬合分析結(jié)果 分別對(duì)4種植被指數(shù)累積值與冬小麥播種至返青期生物量人工觀測(cè)數(shù)據(jù)進(jìn)行擬合分析，結(jié)果（圖1）發(fā)現(xiàn)，所有累積植被指數(shù)均與生物量呈顯著的二次非線性相關(guān)關(guān)系，且R2均大于0.97，RMSE介于9.61～11.38之間；以NDVI和RVI的擬合效果更優(yōu)，NDVI擬合方程的R2為0.9829，RMSE為9.61，RVI擬合方程的R2為0.9833，RMSE為9.89。

2.1.2 返青至成熟期的擬合分析結(jié)果 4種植被指數(shù)累積值與冬小麥返青至成熟期生物量的擬合結(jié)果見(jiàn)圖2，可以發(fā)現(xiàn)，所有累積植被指數(shù)均與生物量呈顯著的冪函數(shù)非線性相關(guān)關(guān)系，R2介于0.8639～0.9553之間，RMSE介于150.25～310.23之間，其中，NDVI的表現(xiàn)最優(yōu)，R2為0.9553，RMSE為150.25。

2.2 模型驗(yàn)證

2.2.1 播種至返青期估算模型驗(yàn)證 利用2020年冬小麥播種至返青期生物量觀測(cè)數(shù)據(jù)對(duì)估算模型進(jìn)行驗(yàn)證，結(jié)果如圖3所示，可以看出，所有模型的決定系數(shù)（R2）均大于0.96，估算結(jié)果均與實(shí)測(cè)生物量顯著相關(guān)，RMSE介于13.04～24.02之間，MRE介于10.51% ～19.57%之間，均具有較好的預(yù)測(cè)能力，估算精度從高到低依次為NDVI＞RVI＞EVI2＞DVI，其中，NDVI更適于冬小麥播種至返青期生物量的反演。

圖1 冬小麥播種至返青期各植被指數(shù)與生物量擬合結(jié)果

圖2 冬小麥返青至成熟期各植被指數(shù)與生物量擬合結(jié)果

2.2.2 返青至成熟期估算模型驗(yàn)證 利用2020年冬小麥返青至成熟期生物量觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，結(jié)果（圖4）顯示，所有模型的決定系數(shù)（R2）均大于0.96，模型的估算結(jié)果與實(shí)測(cè)生物量顯著相關(guān)；RMSE介于118.20～148.01之間，估算精度為NDVI＞EVI2＞DVI＞RVI；MRE介于10.22%～18.57%之間，估算精度為NDVI＞RVI＞EVI2＞DVI。表明冬小麥返青至成熟期生物量的最優(yōu)反演指數(shù)仍為NDVI。

圖3 冬小麥播種至返青期生物量估算模型驗(yàn)證結(jié)果

圖4 冬小麥返青至成熟生物量估算模型驗(yàn)證結(jié)果

3 討論與結(jié)論

本研究以2018—2020年SRS-NDVI觀測(cè)儀監(jiān)測(cè)到的冬小麥生長(zhǎng)季冠層近紅外（810 nm）和紅光（650 nm）反射率數(shù)據(jù)為基礎(chǔ)，選取歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）、增強(qiáng)型植被指數(shù)（EVI2），計(jì)算逐日累積植被指數(shù)（CVI）并建立回歸模型，研究各植被指數(shù)與實(shí)測(cè)冬小麥生物量之間的關(guān)系，結(jié)果表明：

（1）冬小麥播種至返青期，4種植被指數(shù)回歸模型均能較好對(duì)生物量進(jìn)行估算，最優(yōu)模型為二次多項(xiàng)式。模型精度從高到低依次為NDVI＞RVI＞EVI2＞DVI，其中NDVI模型訓(xùn)練樣本、驗(yàn)證樣本R2均大于0.98，訓(xùn)練樣本RMSE為9.61，驗(yàn)證樣本RMSE為13.04，平均相對(duì)誤差MRE為10.51%。

（2）冬小麥返青至成熟期，4種植被指數(shù)回歸模型也能較好對(duì)其生物量進(jìn)行估算，最優(yōu)模型為冪函數(shù)。其中NDVI監(jiān)測(cè)模型精度最高，其模型訓(xùn)練樣本、驗(yàn)證樣本R2均大于0.95，訓(xùn)練樣本RMSE為150.25，驗(yàn)證樣本RMSE為118.20，平均相對(duì)誤差MRE為10.22%。

綜上，基于NDVI的累積植被指數(shù)構(gòu)建冬小麥生物量估測(cè)模型是對(duì)其進(jìn)行動(dòng)態(tài)監(jiān)測(cè)的最佳方法，可為作物自動(dòng)化觀測(cè)提供新的思路和方法。由于數(shù)據(jù)限制，本研究?jī)H對(duì)單一站點(diǎn)的冬小麥生物量監(jiān)測(cè)方法進(jìn)行了研究；而且不同方法對(duì)不同作物、不同區(qū)域氣候的影響敏感程度不同，監(jiān)測(cè)模型的普適性未得到充分且有效驗(yàn)證，今后仍需進(jìn)一步驗(yàn)證與分析。