不同覆膜處理下春玉米葉面積指數(shù)高光譜估算

黃 茜 楊偉才 魏夏永 毛曉敏

(1.中國(guó)農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院， 北京 100083； 2.農(nóng)業(yè)農(nóng)村部作物高效用水武威科學(xué)觀測(cè)實(shí)驗(yàn)站， 武威 733000)

0 引言

玉米是黑龍江省種植的主要糧食作物之一，2018年玉米種植面積6.318×106hm2，占全省糧食作物種植面積的44.45%[1]。覆膜種植可以增加土壤溫度，從而促進(jìn)作物生長(zhǎng)、提高作物產(chǎn)量[2-4]。葉面積指數(shù)(Leaf area index，LAI)是反映作物長(zhǎng)勢(shì)、脅迫程度的重要指標(biāo)之一[5-7]，因此精準(zhǔn)監(jiān)測(cè)不同覆膜處理下春玉米LAI，對(duì)準(zhǔn)確掌握玉米生長(zhǎng)狀況具有重要意義。傳統(tǒng)測(cè)量LAI的方法不僅費(fèi)時(shí)、費(fèi)力，還對(duì)作物有一定的破壞性。高光譜遙感技術(shù)能從光譜信息中獲得作物生長(zhǎng)的相關(guān)參數(shù)，可實(shí)現(xiàn)對(duì)作物生長(zhǎng)狀況的實(shí)時(shí)、無(wú)損、快速監(jiān)測(cè)[8-9]。

基于高光譜遙感數(shù)據(jù)對(duì)作物L(fēng)AI進(jìn)行估算已有大量的研究成果，形成了較為成熟的LAI反演方法，主要分為統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ头囱荨C(jī)器學(xué)習(xí)算法模型反演和物理模型反演[10-11]。統(tǒng)計(jì)經(jīng)驗(yàn)反演通過(guò)建立作物L(fēng)AI與光譜變量之間的統(tǒng)計(jì)關(guān)系求得LAI。袁媛[12]研究確定了夏玉米各個(gè)生育期LAI高光譜估算模型的最佳植被指數(shù)。LIANG等[13]根據(jù)光譜數(shù)據(jù)收集計(jì)算了43種不同的植被指數(shù)，經(jīng)相關(guān)性分析，確定了用于估計(jì)LAI的最佳植被指數(shù)。譚昌偉等[14]研究發(fā)現(xiàn)，R810/R560為夏玉米LAI最佳估算植被指數(shù)。NGUYEN等[15]分別測(cè)定了兩個(gè)不同品種水稻的冠層反射率，確定了水稻LAI的特征植被指數(shù)。ALI等[16]分析比較了不同方法獲取的紅邊位置，并以此為因變量建立了柑桔LAI的最小二乘法估算模型。何小安等[17]基于相關(guān)性分析優(yōu)選47個(gè)植被指數(shù)，構(gòu)建了冬小麥生育前期LAI的反演模型。近年來(lái)，隨著計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)方法逐漸用于作物生長(zhǎng)指標(biāo)的反演。VERRELST等[18]基于高斯過(guò)程回歸(Gaussian processes regression，GPR)篩選敏感波段，并用于對(duì)LAI的估算。ROCHA等[19]采用支持向量機(jī)(Support vector regression，SVR)算法對(duì)LAI進(jìn)行預(yù)測(cè)。YUAN等[20]采用隨機(jī)森林(Random forest，RF)、人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network，ANN)和SVR對(duì)大豆LAI進(jìn)行回歸分析。基于物理學(xué)光學(xué)模型的方法，例如PROSAIL模型在作物L(fēng)AI反演研究中得到廣泛的應(yīng)用[21-23]。

已有研究表明，根據(jù)高光譜數(shù)據(jù)建立相應(yīng)作物L(fēng)AI的估算模型往往具有較好的效果，但植被指數(shù)和光譜變量都具有地域性，在不同地區(qū)會(huì)表現(xiàn)出較大的差異，建立適用于東北高寒黑土區(qū)春玉米LAI估算模型還需進(jìn)一步探究[24-26]。目前，對(duì)玉米冠層高光譜特征研究已有許多成果，但對(duì)不同覆膜處理下春玉米冠層光譜曲線形狀差異及覆膜對(duì)LAI的估算影響的研究鮮見報(bào)道[27]。本文利用高光譜數(shù)據(jù)估算不同覆膜處理下春玉米LAI，研究覆膜因子對(duì)LAI估算的影響，探討利用敏感光譜變量估算混合各覆膜處理LAI的可行性，以期為覆膜春玉米種植長(zhǎng)勢(shì)監(jiān)測(cè)、優(yōu)化農(nóng)業(yè)生產(chǎn)管理策略提供技術(shù)指導(dǎo)。

1 材料與方法

1.1 試驗(yàn)區(qū)概況

試驗(yàn)于2019年5—9月在黑龍江省齊齊哈爾市克山縣北聯(lián)鎮(zhèn)北部戰(zhàn)區(qū)空軍保障部克山農(nóng)副基地農(nóng)場(chǎng)(48°15′N, 125°36′36″E)進(jìn)行。該地區(qū)年平均氣溫2.4℃，有效積溫2 400℃，年降水量為500 mm，無(wú)霜期122 d，年平均風(fēng)速4 m/s。土壤質(zhì)地為粉壤土，1 m土層平均田間持水量為0.41 cm3/cm3，飽和含水率為0.54 cm3/cm3，干容重為1.23 g/cm3。

1.2 試驗(yàn)設(shè)計(jì)

春玉米種植品種為富單2號(hào)，種植日期2019年4月16日，收獲日期為2019年9月16日。種植模式為1.1 m大壟雙行南北向種植，播種方式為平播，耕作方式為免耕，播種深度約5 cm，壟行距40 cm，株距20 cm，單株玉米占地面積為0.11 m2；除草、噴灑農(nóng)藥等農(nóng)藝措施以當(dāng)?shù)亟?jīng)驗(yàn)為準(zhǔn)。底肥由二銨225 kg/hm2、硫酸鉀120 kg/hm2和尿素42 kg/hm2混合拌勻施入，其中二銨含氮量不小于18%，含有效磷(P2O5)不小于46%；硫酸鉀含有效鉀(K2O)不低于50%；尿素含氮量不小于46.4%。相當(dāng)于施入純氮量60 kg/hm2，有效磷(P2O5)104 kg/hm2，有效鉀(K2O)60 kg/hm2。本試驗(yàn)考慮覆膜、追肥2種因子，設(shè)置3種覆膜方式：不覆膜(M0)、覆可降解膜(西安新秦塑料有限責(zé)任公司，膜寬2.5 m，膜厚0.012 mm)(M1)、覆普通透明膜(哈爾濱市山水東華碩農(nóng)膜廠，膜寬1.2 m，膜厚0.008 mm)(M2)，均在播種次日人工覆膜。設(shè)置4種追氮水平：不追肥；在大喇叭口期追氮30 kg/hm2、吐絲期追氮30 kg/hm2；在大喇叭口期追氮70 kg/hm2、吐絲期追氮70 kg/hm2；在大喇叭口期追氮100 kg/hm2、吐絲期追氮100 kg/hm2。共12種處理，每種處理設(shè)置3個(gè)重復(fù)，共36個(gè)小區(qū)，小區(qū)隨機(jī)布置。每個(gè)小區(qū)均為矩形，長(zhǎng)度7.5 m，寬度8.8 m。

1.3 試驗(yàn)監(jiān)測(cè)指標(biāo)與方法

(1)生育期：將試驗(yàn)區(qū)中超過(guò)70%的春玉米植株具有一定的某生育期特征，作為進(jìn)入該生長(zhǎng)期的標(biāo)準(zhǔn)，記錄每個(gè)小區(qū)進(jìn)入各個(gè)生長(zhǎng)期的時(shí)間。

(2)冠層反射率：使用美國(guó)Analytical Spectral Devices (ASD)公司生產(chǎn)的Field-Spec HandHeld2型手持式地物光譜儀測(cè)量春玉米冠層光譜反射率，光譜儀視場(chǎng)角25°，波段為325～1 075 nm，光譜采樣間距為1 nm，光譜分辨率3 nm。采集時(shí)間為10:30—14:00，在拔節(jié)期、抽雄期、吐絲期、灌漿期、成熟期選擇晴天無(wú)風(fēng)無(wú)云天氣測(cè)定玉米的冠層反射率，測(cè)定時(shí)傳感器探頭始終保持垂直向下，距玉米冠層1 m[28-29]。每個(gè)試驗(yàn)小區(qū)選擇具有代表性的3個(gè)觀測(cè)點(diǎn)，每個(gè)觀測(cè)點(diǎn)連續(xù)采集6個(gè)冠層數(shù)據(jù)，剔除異常數(shù)據(jù)后，取平均值作為該小區(qū)的冠層光譜最終測(cè)量值。每個(gè)樣品測(cè)量完畢后，及時(shí)對(duì)準(zhǔn)標(biāo)準(zhǔn)白板進(jìn)行校正，從而準(zhǔn)確測(cè)定下一個(gè)樣品。

(3)LAI：在收集春玉米冠層光譜數(shù)據(jù)后，在每個(gè)采樣點(diǎn)取2株玉米，每個(gè)試驗(yàn)小區(qū)共6株，帶回室內(nèi)測(cè)量所有完全展開葉的長(zhǎng)和寬，用葉片的實(shí)際面積乘以修正系數(shù)0.75計(jì)算LAI。

1.4 植被指數(shù)選取

植被指數(shù)是由高光譜數(shù)據(jù)線性和非線性組合而成的各個(gè)數(shù)值，但一般植被指數(shù)只利用了特定的波段，沒有攜帶全波段光譜信息，本文選擇紅光和近紅外波段范圍反射率的平均值計(jì)算植被指數(shù)，具體見表1。

表1 植被指數(shù)及其計(jì)算公式

利用Matlab編程計(jì)算原始光譜和一階微分光譜任意兩波段比值指數(shù)(RI=Ri/Rj)、歸一化指數(shù)(NI=(Ri-Rj)/(Ri+Rj))及再比值指數(shù)(AI=(Ri/Rj)/[(Ri-Rj)/(Ri+Rj)])，計(jì)算3個(gè)指數(shù)與LAI的決定系數(shù)(Coefficient of determination,R2)，并繪制3個(gè)指數(shù)與LAI的R2等勢(shì)圖。

1.5 數(shù)據(jù)分析與處理

為了探究玉米冠層反射率的特征，以及量化光譜數(shù)據(jù)與LAI之間的關(guān)系，采用Matlab編寫計(jì)算光譜變量的程序，運(yùn)用軟件IBM SPSS Statistics 20、Excel 2010和OriginPro 9.0分析處理試驗(yàn)數(shù)據(jù)。

1.5.1光譜數(shù)據(jù)預(yù)處理

使用高光譜儀的光譜處理軟件ViewSpecPro將田間測(cè)得原始光譜導(dǎo)入，每個(gè)小區(qū)測(cè)得光譜數(shù)據(jù)進(jìn)行平均處理后分別將一階導(dǎo)數(shù)[12]和原始光譜轉(zhuǎn)成ASCII文本文檔，之后導(dǎo)入Excel 2010，對(duì)原始光譜數(shù)據(jù)進(jìn)行平滑處理(五點(diǎn)移動(dòng)平均法)[37]。

1.5.2春玉米LAI估算模型

采用統(tǒng)計(jì)回歸方法進(jìn)行建模。

單變量線性模型

y=ax+b

單變量指數(shù)模型

y=aebx

單變量?jī)绾瘮?shù)

y=axb

一元二次多項(xiàng)式

y=a+bx+cx2

式中y——預(yù)測(cè)值x——自變量

a、b、c——系數(shù)

1.5.3模型評(píng)價(jià)指標(biāo)

采用R2評(píng)價(jià)春玉米生長(zhǎng)指標(biāo)與模型輸出值之間的擬合效果，采用實(shí)測(cè)值與預(yù)測(cè)值之間的均方根誤差(Root mean square error, RMSE)對(duì)模型的預(yù)測(cè)精度進(jìn)行評(píng)價(jià)；采用剩余預(yù)測(cè)偏差(Residual prediction deviation, RPD)評(píng)價(jià)模型的預(yù)測(cè)能力[38]，根據(jù)MOUAZEN等[39]提出的閾值對(duì)RPD范圍劃分：RPD<1.5表示模型預(yù)測(cè)能力差，模型不可靠；1.5≤RPD<2表示模型的預(yù)測(cè)能力可接受，可進(jìn)行粗略的估算；RPD≥2表示模型穩(wěn)定預(yù)測(cè)能力好，可以采用該模型對(duì)變量進(jìn)行預(yù)測(cè)。

利用R2、RMSE和RPD評(píng)價(jià)各光譜變量對(duì)LAI的估算能力，但這3個(gè)指標(biāo)只是評(píng)價(jià)了樣本總體上與實(shí)測(cè)值的相關(guān)和偏離程度，為了評(píng)價(jià)光譜變量對(duì)所有處理中每一種處理的擬合程度，采用絕對(duì)積分差值(Bias of square integral，BSI)進(jìn)行評(píng)價(jià)，BSI越小表示各處理的LAI值估算模型一致，反之則表示各處理LAI不適合混合估算[24]，計(jì)算式為

(1)

f1、f2——兩處理LAI的擬合函數(shù)

[x1,x2]——積分區(qū)間，兩處理的LAI估算模型在光譜變量下形成的共同區(qū)間的下限與上限

2 結(jié)果與討論

2.1 不同覆膜處理下春玉米LAI及冠層光譜的變化特征

圖1為高肥水平下不同覆膜處理春玉米各生育期LAI的變化特征，圖中相同小寫字母表示在P=0.05水平上差異不顯著。從圖1可以看出，從苗期到抽雄期春玉米LAI持續(xù)增長(zhǎng)，到拔節(jié)期各覆膜處理春玉米LAI增長(zhǎng)速度最大，達(dá)0.12 cm2/(cm2·d)左右。到抽雄期各覆膜處理LAI值達(dá)最大，分別為4.58、5.16、4.52 cm2/cm2，進(jìn)入灌漿期后玉米底部葉片變黃脫落，LAI逐漸減小。覆膜處理LAI在抽雄期前顯著高于無(wú)覆膜小區(qū)，但可降解膜和普通透明膜之間差異不顯著，在吐絲期到灌漿期期間3個(gè)處理玉米LAI間差異不顯著，到灌漿期后M0和M2處理之間無(wú)顯著性差異，但與M1處理之間差異顯著。

總體上覆膜與無(wú)覆膜處理之間春玉米LAI差異隨生育期呈先減小后增大的趨勢(shì)，苗期最大，M2、M1比M0處理LAI分別增加90.54%和78.24%，到成熟期，M0處理相較于M1、M2處理LAI分別增加9.8%和7.2%。由此可見，覆膜對(duì)春玉米LAI的影響主要在抽雄期之前，覆膜增加了生育初期土壤溫度，玉米提前出苗，使其峰值到達(dá)時(shí)間明顯早于不覆膜，提前了約14 d，隨著氣溫升高，無(wú)覆膜處理迅速生長(zhǎng)，導(dǎo)致覆膜與無(wú)覆膜處理之間差異減小，之后覆膜處理由于生育期的提前，葉片開始衰敗，無(wú)覆膜處理LAI高于覆膜處理，各處理之間LAI差異開始增大。整體上看，可降解膜在玉米生育初期的增溫效果更好。

圖2為各覆膜處理在高肥水平下不同生育期春玉米的冠層光譜曲線。由圖2可見，3個(gè)覆膜處理的冠層反射率在不同生育期的變化趨勢(shì)一致，在可見光(波段380～760 nm)范圍內(nèi)，由于葉綠素的強(qiáng)烈吸收，反射率較低，各生育期差異不大；在近紅外反射平臺(tái)(波段760～1 000 nm)，反射率均是隨生育期的推進(jìn)呈先增大后下降的趨勢(shì)，在抽雄期達(dá)到最大。與LAI在整個(gè)生育期內(nèi)變化趨勢(shì)一致，在抽雄期春玉米的LAI也達(dá)到最大值。

為了確定各覆膜之間冠層光譜曲線差異，計(jì)算了生育初、中、末期同一時(shí)間同一追氮水平下不同膜處理(M2、M1、M0)冠層反射率的比值(用百分?jǐn)?shù)表示[40-41])，結(jié)果如圖3所示。各覆膜處理間冠層反射率的差異由大到小為生育中期、生育末期、生育初期，覆膜增加作物生長(zhǎng)速率使其生育期提前，各覆膜間玉米冠層反射率的差異主要是由生育期不同所致。由圖2可知，不同覆膜處理冠層反射率均在抽雄期達(dá)到最大值，在7月11日，覆膜處理處于抽雄期而無(wú)覆膜處理處于大喇叭口期，因此反射率相差最大；在8月12日，覆膜處理處于抽雄灌漿期，葉片已呈減小的趨勢(shì)，葉片結(jié)構(gòu)等也發(fā)生較大的變化，冠層反射率與無(wú)覆膜處理差異明顯；而6月18日各處理均處于苗期，雖然覆膜處理LAI顯著高于無(wú)覆膜處理，但苗期各處理的冠層反射率均較低，所以各覆膜玉米冠層反射率間的差異反而小于生育中后期。另外可以看出，各覆膜處理冠層反射率曲線的形狀差異主要在波長(zhǎng)530、670 nm和波段680～760 nm處，表明覆膜主要影響植物對(duì)綠光和紅光的吸收和利用。

2.2 相關(guān)性分析

2.2.1冠層反射率及一階微分光譜與LAI

為了進(jìn)一步探究春玉米LAI與原始光譜和一階微分光譜的定量關(guān)系，利用全生育期監(jiān)測(cè)的各覆膜處理的LAI和對(duì)應(yīng)的光譜數(shù)據(jù)，進(jìn)行Pearson相關(guān)性分析，相關(guān)性分析結(jié)果見圖4。各覆膜處理對(duì)應(yīng)的采用樣本數(shù)分別為53、33、60。選擇顯著性水平0.05、0.01進(jìn)行顯著性檢驗(yàn)。

由圖4可見，M0處理在波段707～1 000 nm范圍內(nèi)光譜反射率與LAI呈顯著正相關(guān)(P≤0.01)，在波段760～800 nm范圍內(nèi)反射率與LAI間相關(guān)系數(shù)的平均值為0.80，為L(zhǎng)AI的敏感波段。M1處理在波段690～720 nm范圍內(nèi)反射率與LAI間的相關(guān)系數(shù)絕對(duì)值均大于0.50，其相關(guān)系數(shù)的均值為-0.52，在波段400～500 nm范圍內(nèi)相關(guān)系數(shù)平均值為-0.52，這兩個(gè)波段范圍反射率與LAI均顯著相關(guān)，但波段350～500 nm范圍內(nèi)的光譜反射率易受土壤背景的影響[11]，因此選擇波段690～720 nm作為M1處理LAI的敏感波段。M2處理在波段700～725 nm范圍內(nèi)LAI與光譜反射率呈顯著相關(guān)，其相關(guān)系數(shù)絕對(duì)值均大于0.50。所有處理LAI與波段690～715 nm范圍內(nèi)反射率呈顯著相關(guān)，其相關(guān)系數(shù)平均值為-0.35。一階微分光譜與LAI間的相關(guān)系數(shù)在一些波段處高于原始光譜與LAI的相關(guān)系數(shù)，這是由于求導(dǎo)過(guò)程去除了背景等噪聲對(duì)原始光譜的影響，與劉露等[29]、高雨茜[42]得到的結(jié)論相同。其中M0、M1、M2處理和最大相關(guān)一階微分光譜波長(zhǎng)分別為742、773、546 nm的相關(guān)系數(shù)絕對(duì)值均在0.68以上。

綜上各覆膜處理LAI的敏感原始光譜波段均位于近紅外波段范圍內(nèi)，但覆膜處理LAI的敏感波段往短波方向移動(dòng)。

2.2.2植被指數(shù)與LAI

為了確定覆膜對(duì)植被指數(shù)的影響，進(jìn)行了方差分析，并基于參數(shù)η2進(jìn)行覆膜因子影響植被指數(shù)程度的評(píng)估，該參數(shù)反映了因變量(植被指數(shù))的變異被自變量(覆膜類型)解釋的比例[11]。分析結(jié)果見表2。從表2可以看出，各覆膜處理下各植被指數(shù)之間沒有顯著性差異(ARVI除外)，另外各植被指數(shù)對(duì)應(yīng)的η2都小于0.05，說(shuō)明覆膜因子對(duì)各植被指數(shù)的影響較小。

表2 覆膜類型因子對(duì)春玉米全生育期植被指數(shù)值的影響

在方差分析基礎(chǔ)上，進(jìn)行了植被指數(shù)與LAI的相關(guān)性分析，結(jié)果見表3。從整體上看，M0處理LAI與表中所選植被指數(shù)均達(dá)到了0.01極顯著水平；M1處理LAI與RVI、NDVI、RVI/NDVI、ARVI達(dá)0.01極顯著水平，與MSAVI達(dá)0.05顯著水平；M2處理相對(duì)于M0、M1處理與各個(gè)植被指數(shù)相關(guān)性弱，僅與RVI、NDVI、RVI/NDVI達(dá)0.05顯著水平；所有處理的LAI與各個(gè)植被指數(shù)均達(dá)0.01極顯著水平。從單個(gè)植被指數(shù)看，RVI、NDVI、RVI/NDVI均達(dá)到0.05顯著水平，普適性較好。根據(jù)相關(guān)系數(shù)絕對(duì)值最大為原則確定M0、M1、M2、所有處理LAI的敏感植被指數(shù)分別為MSAVI、NDVI、RVI、NDVI。

表3 植被指數(shù)與各覆膜處理LAI之間的相關(guān)系數(shù)

2.2.3春玉米LAI的特征指數(shù)

經(jīng)對(duì)比原始光譜計(jì)算的3個(gè)指數(shù)最大R2相較于一階微分光譜小，因此本節(jié)只展示一階微分光譜波段400～1 000 nm范圍內(nèi)R2的等高線圖。如圖5所示，各覆膜處理全生育期春玉米LAI與3個(gè)指數(shù)的R2較大區(qū)域分布一致，集中在波段700～800 nm范圍內(nèi)，其中M0處理計(jì)算的3個(gè)指數(shù)與LAI間R2最大值對(duì)應(yīng)的指數(shù)分別為：NI(691,741)、RI(691,749)、AI(715,719)，其R2分別為0.90、0.91、0.90。M1處理計(jì)算的3個(gè)指數(shù)與LAI間R2最大值對(duì)應(yīng)的指數(shù)分別為：NI(698,755)、RI(728,754)、AI(618,754)，其R2分別為0.85、0.87、0.84。M2處理計(jì)算的3個(gè)指數(shù)與LAI間R2最大值對(duì)應(yīng)的指數(shù)分別為：NI(723,731)、RI(716,741)、AI(715,719)，R2分別為0.69、0.73、0.78。所有處理計(jì)算的3個(gè)指數(shù)與LAI間R2最大值對(duì)應(yīng)的指數(shù)分別為：NI(722,731)、RI(722,731)、AI(641,751)，其R2分別為0.76、0.77、0.67。

從整體上看與各覆膜處理春玉米LAI間R2最大值對(duì)應(yīng)的特征指數(shù)均由波段600～760 nm的一階微分光譜組成，即大多集中在“紅光”范圍，這也證明了“紅光”可廣泛用于對(duì)作物長(zhǎng)勢(shì)、生理生態(tài)指標(biāo)的監(jiān)測(cè)[43-45]，相較于敏感波段和表1選取的植被指數(shù)，特征指數(shù)可更好地用于LAI的估算。

2.3 各覆膜處理春玉米LAI估算模型

以敏感光譜為自變量，LAI為因變量建立各覆膜處理下基于統(tǒng)計(jì)方法的LAI單變量估算模型，2/3的數(shù)據(jù)用于模型建立，1/3的數(shù)據(jù)進(jìn)行模型驗(yàn)證，并以R2、RMSE、RPD為模型評(píng)價(jià)標(biāo)準(zhǔn)，確定各覆膜處理的最佳估算模型，模型擬合和驗(yàn)證結(jié)果見表4。從表4可知，M0處理的LAI與各敏感光譜變量建立的估算模型估算精度較高，其擬合和驗(yàn)證的R2在0.76～0.94之間，RPD在2.10～5.01之間，均大于2，說(shuō)明模型都較為穩(wěn)定，具有較好的預(yù)測(cè)能力；M1處理的LAI與特征指數(shù)NI(698,755)建立的估算模型能較為精確地估算LAI，其RPD為2.15，其余模型RPD均小于1.5；M2處理LAI與特征指數(shù)AI(715,719)建立的模型估算精度理想，RPD為2.11，其余模型均不穩(wěn)定，預(yù)測(cè)能力差。

表4 各覆膜處理LAI基于敏感光譜變量的統(tǒng)計(jì)估算模型結(jié)果

從各敏感光譜變量分析，以特征指數(shù)建立的LAI估算模型相較于一階微分光譜單波段、植被指數(shù)模型估算精度有所提高，鄭煜[46]也得出相同的結(jié)論；各覆膜之間，M0處理與各敏感光譜變量的擬合效果最好，地膜覆蓋的土壤表面與無(wú)覆膜有著不同的光譜特性。采集的光譜反射信息表現(xiàn)為：地膜覆蓋的反演目標(biāo)有效光譜信息較無(wú)覆膜處理少，即存在雜散射等情況，噪聲較強(qiáng)，降低了信噪比，影響了光譜相關(guān)性，因此覆膜處理LAI反演精度較無(wú)覆膜低。姚志華等[47]研究發(fā)現(xiàn)覆膜會(huì)降低無(wú)人機(jī)對(duì)土壤鹽分反演的精度，武江星[48]也發(fā)現(xiàn)覆膜處理高粱土壤呼吸速率高光譜反演的精度較無(wú)覆膜低。

2.4 所有處理春玉米LAI估算模型

所有處理全生育期LAI的估算模型擬合和驗(yàn)證的結(jié)果見表5和圖6，以特征指數(shù)NI(722,731)建立的估算模型較為穩(wěn)定，估算精度較高。進(jìn)一步計(jì)算了采用特征指數(shù)NI(722,731)建立的擬合方程y=-50.15x2-23.54x+1.79單獨(dú)估算各覆膜處理的LAI，其擬合的RMSE分別為0.68、0.68、0.66 cm2/cm2，驗(yàn)證的RMSE分別為0.36、0.71、0.55 cm2/cm2，可以看出，3個(gè)處理擬合和驗(yàn)證的RMSE相差不大，說(shuō)明各處理的LAI值均可用特征指數(shù)NI(722,731)建立的估算模型反演，并且反演效果相差不大，精度較高。

表5 所有處理LAI基于敏感光譜變量的統(tǒng)計(jì)估算模型結(jié)果

為了探究特征指數(shù)NI(722,731)對(duì)所有處理中每一種處理的擬合程度，采用絕對(duì)積分差(BSI)進(jìn)行評(píng)價(jià)。經(jīng)計(jì)算M0和M1處理組合間BSI值為0.13，M0和M2處理組合間BSI值為0.09，M1和M2處理組合間BSI值為0.18。各處理之間的組合BSI均小于0.2，說(shuō)明以特征指數(shù)NI(722,731)建立的LAI估算模型對(duì)所有覆膜處理均有效，可降低覆膜對(duì)LAI的估算影響[24]。

3 結(jié)論

(1)研究了不同覆膜處理下LAI和冠層光譜形狀的變化。結(jié)果表明，覆膜對(duì)春玉米LAI的影響主要在抽雄期之前，相同施肥水平下覆膜與無(wú)覆膜處理之間LAI的差異隨生育期的推進(jìn)呈先減小、后增大的趨勢(shì)，苗期差異最大。各覆膜處理間冠層反射率的差異由大到小為生育中期、生育末期、生育初期，覆膜對(duì)春玉米冠層光譜曲線產(chǎn)生一定的影響，且反映在光譜的某些波段上，在波長(zhǎng)530、670 nm，波段680～760 nm處，各覆膜處理下冠層反射率曲線形狀有明顯的變化。

(2)研究了不同覆膜處理下LAI的敏感光譜變量。結(jié)果表明，M0、M1、M2處理LAI的原始光譜敏感波段分別為760～800 nm、690～720 nm、700～725 nm，一階微分光譜敏感波長(zhǎng)分別為742、773、546 nm，敏感植被指數(shù)分別為MSAVI、NDVI、RVI；一階微分光譜任意兩波段組合的3個(gè)指數(shù)與各覆膜LAI決定系數(shù)R2較大的區(qū)域集中在波段700～800 nm范圍內(nèi)，其中AI(715,719)、NI(698,755)、AI(715,719)與M0、M1、M2處理的LAI相關(guān)性強(qiáng)，R2分別為0.90、0.85、0.78。

(3)通過(guò)對(duì)不同LAI估算模型的比較得到最佳估算模型。以特征指數(shù)為自變量建立的估算模型穩(wěn)定性和精度較好，能夠?qū)Ω鞲材ぬ幚硐掠衩譒AI進(jìn)行準(zhǔn)確估算，其中無(wú)覆膜處理LAI的反演精度高于覆膜處理。

(4)對(duì)于3種覆膜處理下的LAI混合反演，以特征指數(shù)NI(722,731)為自變量建立的估算模型表現(xiàn)了反演的優(yōu)越性，模型較為穩(wěn)定，估算精度較高，可降低覆膜處理對(duì)LAI估算的影響。