倒伏脅迫下玉米抽雄期葉面積密度光譜診斷

周龍飛, 顧曉鶴, 成樞, 楊貴軍, 孫乾, 束美艷

（1山東科技大學(xué)測(cè)繪科學(xué)與工程學(xué)院，山東青島 266590；2農(nóng)業(yè)部農(nóng)業(yè)遙感機(jī)理與定量遙感重點(diǎn)實(shí)驗(yàn)室/北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097；3國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097；4北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心，北京 100097）

0 引言

【研究意義】近年來玉米作為糧食、飼料、經(jīng)濟(jì)兼用的作物，逐漸取代其他作物成為我國第一糧食作物，對(duì)國家農(nóng)業(yè)經(jīng)濟(jì)具有不可忽視的重要意義。夏玉米生長期主要集中在多風(fēng)多雨，強(qiáng)對(duì)流天氣頻發(fā)的 6月至9月，極易發(fā)生倒伏，嚴(yán)重影響玉米后期正常生長，導(dǎo)致玉米成熟時(shí)的品質(zhì)、產(chǎn)量降低[1-2］，成為玉米機(jī)械化收獲的主要障礙之一[3-5］。倒伏脅迫的程度和時(shí)期不同，對(duì)玉米后期品質(zhì)、產(chǎn)量影響也會(huì)不同，輕者減產(chǎn)5%—20%，嚴(yán)重者減產(chǎn) 70%以上或絕產(chǎn)[6-7］。玉米抽雄期是營養(yǎng)生長和生殖生長旺盛的并進(jìn)階段，是對(duì)養(yǎng)分、水分、溫度、光照要求最多的時(shí)期，也是決定產(chǎn)量的最關(guān)鍵時(shí)間[8-9］。玉米抽雄期發(fā)生倒伏脅迫對(duì)于授粉效率、植株養(yǎng)分運(yùn)轉(zhuǎn)、光合效率具有重要影響[10］。【前人研究進(jìn)展】國內(nèi)外學(xué)者在玉米倒伏成因、后果以及田間管理等方面開展了大量的研究[11-14］。楊揚(yáng)等[15］指出日降水量是玉米倒伏脅迫的主要環(huán)境成因，且隨著日降水量的增加倒伏程度愈嚴(yán)重，同時(shí)留苗密度、土壤含氮量和日平均風(fēng)速與倒伏關(guān)系隨空間位置發(fā)生正負(fù)向變化。席吉龍等[16］研究證明玉米倒伏后，葉片空間結(jié)構(gòu)分布被破壞，葉片間相互遮擋導(dǎo)致光合效率銳減，造成玉米產(chǎn)量下降。薛軍等[17］通過對(duì)玉米生育后期植株的衰老生理及其影響因素進(jìn)行分析，認(rèn)為生育后期玉米植株自然衰老導(dǎo)致生理化學(xué)活性下降，莖稈質(zhì)量和抗病能力下降，導(dǎo)致成熟期倒伏風(fēng)險(xiǎn)加大，并提出了增強(qiáng)玉米后期抗倒伏能力的措施。CHU 等[18］將 structure-from-motion（SFM）算法和地統(tǒng)計(jì)學(xué)相結(jié)合，研究無人機(jī)高分辨率影像用于監(jiān)測(cè)和評(píng)估玉米倒伏發(fā)生范圍和嚴(yán)重程度的可行性。HAN等[19］利用紋理、光譜、冠層結(jié)構(gòu)、地勢(shì)等信息分析玉米倒伏成因，并使用無人機(jī)影像進(jìn)行倒伏預(yù)測(cè)。近年來一些學(xué)者開展了玉米倒伏冠層光譜特征研究，并進(jìn)行了玉米倒伏災(zāi)情大范圍遙感監(jiān)測(cè)方法探索。王猛等[20］分析模擬倒伏玉米冠層光譜特征信息和歸一化植被指數(shù)（NDVI）變化信息，試驗(yàn)結(jié)果顯示基于遙感數(shù)據(jù)的NDVI方法在一定程度上可以有效監(jiān)測(cè)玉米倒伏。ZHANG等[21］利用地面高光譜數(shù)據(jù)和小波變換評(píng)估了倒伏對(duì)玉米品質(zhì)的影響。李宗南等[22］利用Worldview-2多光譜影像研究灌漿期倒伏玉米光譜、紋理特征及倒伏面積估算方法，結(jié)果表明基于最大似然分類法，使用紅邊、近紅外1和近紅外2等3波段光譜反射率的倒伏玉米面積估算方法最優(yōu)。王立志等[23］通過對(duì)倒伏前后的多時(shí)相HJ-1B衛(wèi)星多光譜影像植被指數(shù)變化分析，利用玉米倒伏前后比值植被指數(shù)（RVI）差值實(shí)現(xiàn)區(qū)域尺度的玉米倒伏受災(zāi)范圍監(jiān)測(cè)和災(zāi)情等級(jí)評(píng)估。【本研究切入點(diǎn)】玉米遭受倒伏脅迫后群體結(jié)構(gòu)和形態(tài)產(chǎn)生較大改變，最直接表現(xiàn)為株高的變化，植株由直立狀態(tài)變成傾斜乃至匍匐于地，單位土地面積上的葉面積總量沒有變化，但由于株高的降低，單位體積內(nèi)的葉面積總量發(fā)生較大變化。葉面積密度是反映作物在垂直方向上體積內(nèi)葉面積總量的差異，體現(xiàn)作物冠層內(nèi)葉面積隨著高度變化的分布狀況。【擬解決的關(guān)鍵問題】本文基于玉米抽雄期倒伏控制試驗(yàn)，獲取倒伏后連續(xù)觀測(cè)的 LAD和冠層光譜數(shù)據(jù)，分析倒伏脅迫下玉米 LAD動(dòng)態(tài)變化狀況，探索玉米葉面積密度對(duì)于倒伏脅迫強(qiáng)度及植株自我恢復(fù)程度的表征能力；基于光譜微分變換和小波變換技術(shù)，篩選 LAD敏感波段和最佳小波分解尺度，采用偏最小二乘法構(gòu)建倒伏玉米LAD光譜診斷模型，以期為大范圍玉米倒伏災(zāi)情遙感監(jiān)測(cè)提供先驗(yàn)知識(shí)。

1 材料與方法

1.1 研究區(qū)概況

試驗(yàn)于 2015年在小湯山國家精準(zhǔn)農(nóng)業(yè)示范研究基地（北緯 40°10′31″—40°11′18″，東經(jīng) 116°26′10″—116°27′5″）開展，該區(qū)域位于北京市昌平區(qū)小湯山鎮(zhèn)東北部，平均海拔高度約36 m，區(qū)域內(nèi)地勢(shì)由西北向東南逐漸降低，以褐土和潮土為主（圖 1）。基地所在地區(qū)屬于典型的暖溫帶，半濕潤大陸性季風(fēng)氣候，春季干旱多風(fēng)，夏季炎熱多雨，秋季氣溫涼爽，冬季寒冷干燥。地區(qū)年平均日照時(shí)數(shù)2 676—2 684 h，年平均氣溫11.1—11.8℃，年平均降雨量為626—650 mm，無霜期172—180 d，且全年晝夜溫差較大。

圖1 研究區(qū)地理位置Fig. 1 Geographical location of the study area

1.2 試驗(yàn)及數(shù)據(jù)

1.2.1 試驗(yàn)設(shè)計(jì) 試驗(yàn)選用京華 8號(hào)玉米作為供試材料，于2015年6月下旬播種，行距為70 cm，間距為30 cm，播種密度約為48 000株/hm2。倒伏設(shè)置采用大田人工模擬倒伏方式，倒伏時(shí)間為抽雄期前 2 d，倒伏類型設(shè)置3個(gè)（圖2），根據(jù)倒伏脅迫程度從強(qiáng)到弱依次為：根倒（GD），主根斷，半邊須根未斷，鋪地型的倒伏；莖折（JS），地上部20 cm處折而未斷；莖倒（JD），植株從根部傾斜，與地面夾角 45°。3類倒伏處理各設(shè)5個(gè)重復(fù)小區(qū)，另外設(shè)置3個(gè)對(duì)照（CK）小區(qū)，共設(shè)置18個(gè)試驗(yàn)小區(qū)，每個(gè)小區(qū)面積為100 m2（10 m×10 m），且小區(qū)間設(shè)置隔離行，試驗(yàn)設(shè)計(jì)見圖3。1.2.2 數(shù)據(jù)獲取 于抽雄期（8月12日）玉米倒伏后連續(xù)獲取冠層光譜和LAD，每周進(jìn)行一次觀測(cè)，共獲取108個(gè)LAD樣本數(shù)據(jù)，其中倒伏樣本數(shù)據(jù)90個(gè)，對(duì)照組（CK）樣本數(shù)據(jù)18個(gè)。LAD樣本數(shù)據(jù)具體數(shù)理統(tǒng)計(jì)見表1。

倒伏玉米室外冠層反射光譜采用美國ASD Fieldspec Pro3 FR2500光譜儀測(cè)定，光譜范圍350—2 500 nm，光譜采樣間隔在350—1 000 nm內(nèi)為1.4 nm，在1 000—2 500 nm內(nèi)為2 nm，在儀器內(nèi)部光譜重采樣間隔為1 nm。測(cè)量時(shí)選擇晴朗無風(fēng)或低風(fēng)、無云天氣，測(cè)定時(shí)間為當(dāng)天10：00—14：00。觀測(cè)時(shí)光譜探頭保持垂直向下且距離冠層頂部1.0 m，視場角25°。每個(gè)樣本小區(qū)選擇具有代表性的玉米冠層采集數(shù)據(jù)，每個(gè)點(diǎn)測(cè)定10條光譜曲線，取平均值作為該樣本小區(qū)的冠層光譜反射率，每次測(cè)量前后均用標(biāo)準(zhǔn)白板校正。為盡量消除大氣水分、氣體、臭氧等不可控因素對(duì)原始光譜造成的噪聲影響，本研究只選取可見光和近紅外波段分析，波段范圍為350—1 800 nm的光譜反射率，同時(shí)剔除光譜范圍內(nèi)1 300—1 450 nm的噪聲波段。為削弱噪聲負(fù)面影響，提高原始光譜數(shù)據(jù)信噪比，采用海明窗低通濾波器方法進(jìn)行光譜信息平滑去噪處理。

圖2 不同倒伏處理（從左至右：GD、JS、JD）Fig. 2 Treatment of different lodging types (left-to-right: GD, JS, JD)

圖3 試驗(yàn)設(shè)計(jì)圖Fig. 3 Test design

冠層光譜采集完成后，在相同位置進(jìn)行玉米植株取樣，立即放入密封袋帶回實(shí)驗(yàn)室，采用Montgomery法測(cè)量玉米植株樣本的所有葉片面積，結(jié)合種植密度計(jì)算樣本小區(qū)的玉米LAD。式中，0.75為玉米葉片轉(zhuǎn)換系數(shù)，i、n依次為采樣玉米植株的第i片葉和總共葉片數(shù)，S為采樣植株的占地面積，h為該倒伏樣本小區(qū)的平均冠層高度。

1.3 連續(xù)小波分析

小波變換源于傅里葉算法，是一種廣泛應(yīng)用于信號(hào)分析中的線性變換，能夠?qū)⒃瘮?shù)或信號(hào)從函數(shù)空間轉(zhuǎn)化到尺度和位移空間，同時(shí)在時(shí)域和頻域進(jìn)行分析，從信號(hào)中有效提取相關(guān)可用信息，而非成像高光譜數(shù)據(jù)分析類似于電子信號(hào)分析，故可采用小波分析方法對(duì)高光譜數(shù)據(jù)處理分析[24］。小波分析分為連續(xù)小波和離散小波，本研究采用連續(xù)小波分析開展高光譜數(shù)據(jù)分析。連續(xù)小波分析（continuous wavelet transformation，CWT）可通過小波基函數(shù)將冠層高光譜數(shù)據(jù)進(jìn)行不同尺度分解，生成一系列小波系數(shù)。

表1 玉米倒伏樣本連續(xù)觀測(cè)LAD統(tǒng)計(jì)Table 1 LAD statistics of continuous observation of maize lodging samples

式中，a為尺度因子，b為平移因子，λ為冠層高光譜數(shù)據(jù)的波段數(shù)，f(λ)為冠層光譜反射率，Ψa,b(λ)為小波基函數(shù)，小波系數(shù)f(a,b)包含2維，分別為波長和分解尺度，二者組成矩陣。小波系數(shù)是行為尺度數(shù)，列為波長數(shù)的矩陣，CWT可將冠層高光譜數(shù)據(jù)轉(zhuǎn)化為小波系數(shù)，可通過其與LAD相關(guān)性分析，進(jìn)而建立LAD光譜診斷模型。

1.4 建模方法與驗(yàn)證

由于LAD敏感波段或敏感小波系數(shù)個(gè)數(shù)較多，為避免參量之間的數(shù)據(jù)自相關(guān)干擾，本文選用偏最小二乘法（partial least squares regression，PLS）構(gòu)建 LAD光譜診斷模型。PLS是一種多對(duì)多線性回歸建模方法，常用于高光譜定量分析中的線性建模方法。冠層光譜反射率經(jīng)連續(xù)小波變換處理后，采用偏最小二乘法構(gòu)建 LAD的光譜診斷模型。從玉米田間實(shí)測(cè)樣本中隨機(jī)選取2/3樣本（n=72）用于建模，剩余的1/3（n=36）用于驗(yàn)證，模型精度采用決定系數(shù)（R2）與均方根誤差（RMSE）2個(gè)參數(shù)共同評(píng)價(jià)。

2 結(jié)果

2.1 倒伏玉米LAD動(dòng)態(tài)變化分析

玉米抽雄期受到倒伏脅迫時(shí)，株高受到影響，倒伏愈嚴(yán)重株高愈低。倒伏玉米植株具有自我恢復(fù)能力，倒伏受損越重，恢復(fù)能力越差，株高會(huì)隨著時(shí)間發(fā)生一定的變化。由于LAD與株高密切相關(guān)，不同倒伏類型的植株株高恢復(fù)情況對(duì) LAD具有較大影響。圖4為不同倒伏處理下的玉米葉面積密度時(shí)序動(dòng)態(tài)變化。

圖4 不同倒伏處理LAD動(dòng)態(tài)變化Fig. 4 Dynamic changes of LAD under different lodging treatments

通過對(duì)比分析抽雄期倒伏玉米的 LAD動(dòng)態(tài)變化，由圖4可以得出：（1）發(fā)生倒伏后的玉米LAD均大于正常生長玉米，LAD隨倒伏程度的增強(qiáng)而增大。（2）不同倒伏處理的LAD整體表現(xiàn)為JS＞GD＞JD＞CK，且隨著觀測(cè)時(shí)間的推移，不同倒伏類型玉米LAD表現(xiàn)為整體降低趨勢(shì)。（3）根據(jù)LAD動(dòng)態(tài)變化趨勢(shì)，抽雄期倒伏玉米株高恢復(fù)能力 JD＞GD＞JS。圖中8.12時(shí)期LAD顯著高于其他時(shí)期，原因在于倒伏玉米試驗(yàn)開展初期，玉米株高未恢復(fù)導(dǎo)致LAD值偏大。

2.2 倒伏玉米冠層光譜反射率分析

抽雄期玉米受到倒伏脅迫時(shí)，玉米冠層結(jié)構(gòu)發(fā)生較大變化，導(dǎo)致光譜探測(cè)視場內(nèi)的莖、葉、穗比率受到改變，直接作用影響冠層光譜反射率。正常狀態(tài)下的玉米冠層反射率主要來自葉片和雄穗，當(dāng)發(fā)生倒伏后，莖稈大量暴露，此時(shí)冠層光譜反射率由莖稈、葉片、穗三者提供，且倒伏強(qiáng)度愈強(qiáng)，莖稈的影響愈大，冠層光譜反射率愈高，以2015年8月18日采集冠層光譜反射率為例分析，結(jié)果如圖5所示。王立志[25］、趙佳佳[26］、胡宗杰[27］等在對(duì)玉米、小麥的倒伏研究中也發(fā)現(xiàn)了類似規(guī)律，說明這種變化在倒伏作物中具有一定普遍性。

圖5 不同倒伏處理冠層光譜反射率曲線Fig. 5 Spectral reflectance curves of canopy under different lodging treatments

通過對(duì)比分析不同倒伏強(qiáng)度下玉米冠層光譜反射率曲線得出：（1）不同倒伏類型處理下的玉米冠層光譜反射率由于受其自身形態(tài)、化學(xué)組成等因素的變化，雖存在一些明顯的差異，但仍具備植被冠層所特有的基本共性特征。（2）相比可見光波段，冠層光譜反射率在近紅外波段增加明顯，冠層光譜反射率整體表現(xiàn)為GD＞JS＞JD＞CK。（3）與未倒伏玉米相比，倒伏玉米光譜存在一定的紅邊“藍(lán)移”現(xiàn)象，且倒伏強(qiáng)度愈強(qiáng)“藍(lán)移”現(xiàn)象愈明顯，“藍(lán)移”范圍在13—17 nm。（4）紅光與近紅外波段對(duì)玉米倒伏敏感性較強(qiáng)，隨著倒伏強(qiáng)度的增加，玉米光譜反射率在近紅外波段依次為0.34、0.49、0.51、0.56，正常、莖倒、莖折及根倒的近紅波段反射率的增加幅度依次為 0、44.1%、50.0%、64.7%。

2.3 LAD與光譜特征參量相關(guān)性分析

有研究表明[28-29］，對(duì)光譜反射率數(shù)據(jù)進(jìn)行微分變換有助于抑制低頻噪聲對(duì)目標(biāo)光譜的影響。將玉米冠層光譜數(shù)據(jù)進(jìn)行一階微分變換，然后與 LAD進(jìn)行相關(guān)性分析，據(jù)此篩選 LAD的敏感光譜波段。由圖 6知，一階微分處理光譜與 LAD的相關(guān)性十分顯著，在可見光波段相關(guān)性較好，673—763 nm波段整體顯著正相關(guān)，在波長407nm處正相關(guān)性最高（R=0.77），634 nm 處負(fù)相關(guān)性最高（R=-0.76）；近紅外波段負(fù)相關(guān)性顯著，在 1 130 nm（R=-0.77）、1 750 nm（R=-0.75）處相關(guān)性較大。

圖6 一階微分與LAD的相關(guān)系數(shù)Fig. 6 Correlation coefficient between first order differential and LAD

為減少數(shù)據(jù)的冗余，將CWT的分解尺度設(shè)為21，22，23，··，210，即 1—10 個(gè)尺度[30-32］，將變換后 10個(gè)尺度的小波系數(shù)與 LAD進(jìn)行相關(guān)性分析，得到相關(guān)系數(shù)圖（圖7），圖中紅色（正相關(guān)R＞0.8）、藍(lán)色（負(fù)相關(guān)R＜-0.7）區(qū)域表示相關(guān)性較強(qiáng)波段區(qū)域。經(jīng)連續(xù)小波處理后，各尺度小波系數(shù)與 LAD的相關(guān)系數(shù)具有不同程度提升，連續(xù)小波最大相關(guān)系數(shù)可達(dá)0.88。

為更好篩選敏感小波系數(shù)，繪制決定系數(shù)圖（圖8）。從圖中可以看出，低尺度的相關(guān)性高于高尺度，有效信息主要集中在低尺度，隨著分解尺度的增加光譜分辨率降低，光譜對(duì) LAD的敏感性也隨著降低；有效信息主要集中在1—7分解尺度，8—10分解尺度信息相對(duì)均一，顯著敏感波段主要集中在354—442 nm、472—495 nm區(qū)域，決定系數(shù)R2均大于0.7，649—829 nm、903—1 195nm以及1 564—1 581 nm區(qū)域也有較好相關(guān)性；部分1、2、3尺度相關(guān)性較低的波段范圍在4、5尺度時(shí)的相關(guān)性得到較大提升，且敏感波段區(qū)域變寬，表明連續(xù)小波變換可有效挖掘光譜中隱藏信息。

圖7 小波系數(shù)與LAD的相關(guān)系數(shù)Fig. 7 Correlation coefficient between wavelet coefficients and LAD

圖8 小波系數(shù)與LAD的決定系數(shù)Fig. 8 The determination coefficient between LAD and wavelet coefficients

通過對(duì)比一階微分和連續(xù)小波變換可以發(fā)現(xiàn)，相比一階微分而言，連續(xù)小波處理能夠有效提取光譜中的有益信息，縮小敏感波段范圍，挖掘光譜中隱藏的信息，有助于提高LAD敏感波段的篩選效率。

2.4 連續(xù)小波與一階微分建模

為了避免敏感波段之間的自相關(guān)冗余，選擇相關(guān)系數(shù)較大（R＞0.7）波段，在 Minitab17軟件中構(gòu)建最佳子集來篩選最佳組合波段，采用偏最小二乘法構(gòu)建玉米倒伏 LAD光譜診斷模型。連續(xù)小波在低尺度同光譜敏感性優(yōu)于高尺度，部分低尺度建模精度同一階微分相比精度提升效果不是很明顯，故建模分析中只分析小波建模精度較優(yōu)的尺度（表2）。

由表2可知，基于連續(xù)小波與一階微分的玉米LAD光譜診斷模型均具有較高的精度，建模R2為0.653—0.724，RMSE為1.219—1.408；連續(xù)小波處理構(gòu)建的模型精度顯著高于一階微分處理；連續(xù)小波變換中以2、4、5尺度的模型較優(yōu)，相比一階微分，連續(xù)小波建模R2提升 7.50%—10.87%，RMSE降低 10.09%—13.42%，驗(yàn)證R2提升 6.08%—9.11%，RMSE降低23.08%—31.63%；所選3個(gè)尺度模型精度都優(yōu)于一階微分建模，其中以第5尺度所建模型最佳，表明經(jīng)過連續(xù)小波變換后的 LAD光譜診斷模型精度得到一定提高。

表2 基于光譜變換的LAD建模及驗(yàn)證Table 2 Modeling and verification of LAD based on spectral transformation

為更直觀地觀察模型對(duì)預(yù)測(cè)樣本的適應(yīng)性，將所選最佳連續(xù)小波模型和一階微分模型的預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行1∶1線分析（圖9）。基于小波系數(shù)構(gòu)建的模型的預(yù)測(cè)精度優(yōu)于一階微分模型，其實(shí)測(cè)值和預(yù)測(cè)值大致分布在1∶1線兩側(cè)附近，能夠更好實(shí)現(xiàn)LAD的反演。因此，采用連續(xù)小波作為光譜數(shù)據(jù)處理方法，不僅分析了不同尺度上小波基函數(shù)與冠層光譜反射率的相似性，而且能夠捕捉到光譜范圍內(nèi)的細(xì)微變化，更好地挖掘潛在的微弱信息，與常用的一階微分變換相比反演精度有所提高[33］。

圖9 基于光譜變換的LAD模型驗(yàn)證Fig. 9 Validation of LAD model based on spectral transformation

3 討論

倒伏脅迫對(duì)作物冠層結(jié)構(gòu)的最顯著影響特征是植株高度的降低，且株高降低幅度與倒伏強(qiáng)度密切相關(guān)，會(huì)大幅影響植株光合效率進(jìn)而造成減產(chǎn)，對(duì)于當(dāng)前已普遍推廣的機(jī)械收獲造成較大影響。葉面積密度同作物株高密切相關(guān)，能夠?qū)崟r(shí)反應(yīng)作物株高變化情況，表征玉米受倒伏脅迫程度及后期株高恢復(fù)程度。試驗(yàn)對(duì)夏播玉米進(jìn)行人工大田倒伏，實(shí)測(cè)倒伏玉米LAD及冠層光譜反射率，建立基于連續(xù)小波算法的倒伏玉米LAD診斷模型，研究表明連續(xù)小波算法能夠有效篩選敏感波段，挖掘潛在的微弱信息，LAD能夠有效表征玉米株高變化，具有較好的玉米倒伏脅迫程度表征能力，可據(jù)此快速診斷玉米倒伏脅迫程度，有助于為大范圍玉米倒伏災(zāi)情遙感監(jiān)測(cè)提供必要的先驗(yàn)知識(shí)。但受試驗(yàn)條件制約與倒伏狀態(tài)多樣化的影響，仍存在一些不足，需要在以下幾方面注意改進(jìn)：

（1）倒伏脅迫對(duì)植株株高作用是明顯的，但在大范圍遙感監(jiān)測(cè)中玉米受病蟲害、營養(yǎng)不良等因素影響[34］，植株高度會(huì)出現(xiàn)矮化現(xiàn)象，會(huì)對(duì)葉面積密度表征能力造成一定的干擾，這些干擾影響需進(jìn)一步深入研究加以排除。

（2）本研究所使用的數(shù)據(jù)來自于人工倒伏處理試驗(yàn)，試驗(yàn)結(jié)果能否適用不同地區(qū)及自然玉米倒伏仍需進(jìn)行驗(yàn)證，利用連續(xù)小波和一階微分所構(gòu)建的LAD診斷模型能否在自然倒伏監(jiān)測(cè)中應(yīng)用還待深入研究。

（3）此試驗(yàn)只探討分析抽雄期倒伏玉米，對(duì)于其他生育期的玉米倒伏是否適用，還待試驗(yàn)研究。由于玉米的自然倒伏狀態(tài)是多樣化的，其結(jié)構(gòu)、紋理等的規(guī)律存在不確定性，將在未來研究中探討基于 LAD的玉米倒伏災(zāi)情大范圍遙感監(jiān)測(cè)的適用性。

4 結(jié)論

本文以 2015年北京市小湯山國家精準(zhǔn)農(nóng)業(yè)示范研究基地的大田人工控制倒伏玉米為研究對(duì)象，通過對(duì)抽雄期不同倒伏類型玉米的冠層光譜反射率進(jìn)行一階微分和連續(xù)小波處理，篩選能夠有效表征 LAD變化的敏感波段，進(jìn)而采用偏最小二乘算法構(gòu)建 LAD光譜診斷模型。

（1）不同倒伏強(qiáng)度脅迫下玉米 LAD隨著生育進(jìn)程具有不同的表現(xiàn)規(guī)律，LAD隨倒伏程度的增強(qiáng)而增大，LAD時(shí)序變化一方面反映了倒伏強(qiáng)度，另一方面也表征倒伏玉米自身的后期恢復(fù)能力。

（2）隨著倒伏強(qiáng)度的增加，光譜探測(cè)視場內(nèi)的莖、葉、穗比例發(fā)生改變，表現(xiàn)在冠層光譜反射率為根倒＞莖折＞莖倒＞未倒伏。LAD的敏感波段主要分布在藍(lán)光波段（354—442 nm、472—495 nm），紅光波段（649—829 nm）以及近紅外波段（903—1 195 nm、1 564—1 581 nm）。

（3）連續(xù)小波相比一階微分處理，能夠有效篩選敏感波段，挖掘光譜中隱藏的有效信息，構(gòu)建的模型預(yù)測(cè)精度顯著提高，擬合效果R2提高0.050—0.075，RMSE降低0.343—0.470。

（4）連續(xù)小波變換能夠縮小敏感波段范圍，小波分解尺度對(duì)于 LAD的光譜敏感性有較大影響，低尺度敏感性優(yōu)于高尺度。基于連續(xù)小波變換的玉米抽雄期倒伏LAD光譜診斷最佳模型對(duì)應(yīng)是5分解尺度，其建模R2=0.702，RMSE=1.266，驗(yàn)證R2=0.898，RMSE=1.016。