不同灌溉條件下冬小麥冠層含水量的光譜響應

孫乾，顧曉鶴，孫林，王淼，周龍飛，楊貴軍，李衛國，束美艷

（1國家農業信息化工程技術研究中心，北京 100097；2農業部農業遙感機理與定量遙感重點實驗室/北京農業信息技術研究中心，北京 100097；3山東科技大學測繪科學與工程學院，青島 266590；4河北省農業技術推廣總站，石家莊 050011；5江蘇省農業科學院農業信息研究所，南京 210014）

0 引言

【研究意義】我國北方地區水資源普遍短缺，且水資源的區域性和季節性分布存在嚴重不均現象，水資源短缺成為限制我國小麥生產的重要因素[1-3]。水分是小麥生長過程中不可或缺的重要條件，水分缺乏對小麥生理特性、群體結構乃至光合作用均會產生不利的影響，如葉片光合速率大幅減慢，小麥植株發育不良，麥穗稀少瘦小，產量及品質降低等[4-5]。植株水分是衡量作物苗情和旱情的重要指標，作物缺水會引起葉片顏色、厚度、色素組成及形態結構等發生一系列變化，進而引起冠層光譜反射特征的變化[6-7]?！厩叭搜芯窟M展】利用光譜診斷作物水分含量具有快速、實時、無損等優點，國內外許多學者進行了大量研究并取得了一定成果。YU 等[8]利用特征波長 522—2 450 nm反射率及其與波長1 430 nm、1 650 nm、1 850 nm、1 920 nm、1 950 nm處的光譜反射率（R1430、R1650、R1850、R1920、R1950）的比值，最終提出了估算葉片含水量（LWC）、相對葉片含水量（RWC）、相對鮮重葉片含水率（RMP）的建模方法，并在大豆受到水分和營養脅迫方面得到了較好的驗證；王紀華等[9]建立了小麥葉片含水量與光譜反射率在波長 1.45 μm處的吸收深度與吸收面積間的線性回歸方程；YI等[10]通過對棉花葉片光譜反射率（350—2 500 nm）和一階導數反射率進行比值植被指數（RVI）和歸一化差異植被指數（NDVI）兩種波段組合，發現由一階導數反射率（DR1647、DR1133、DR1653、DR1687）比值組合的新指標DR1647/DR1133和DR1653/DR1687分別是等效水厚度（EWT）和可燃物含水率（FMC）估算的最佳指標。GLADIMIR等[11]利用單面葉的預測光傳輸模型（ABM-U模型），發現在555 nm處測定的次表層透光率比和總透光率比可作為C4植物（玉米）體內中度水分脅迫的指標；NING等[12]分析了不同葉位光譜特征與馬鈴薯植株含水量分布的關系，選擇866.4 nm和1 406.8 nm波段建立了馬鈴薯葉片含水量的多元線性回歸模型?！颈狙芯壳腥朦c】前人研究大多側重對作物葉片尺度含水量進行分析，對作物冠層尺度的含水量及冠層光譜變化特征的研究相對較少。由于作物葉片存在較大的個體差異，且葉片尺度的光譜觀測較為困難，冠層含水量能夠反映作物群體的水分狀態，近年來光譜速測儀器的快速發展也為冠層光譜的實時獲取提供了較為便利的技術支撐，因此，開展作物冠層尺度的水分光譜響應規律分析對于苗情監測、旱情評估和變量灌溉具有重要的應用價值?！緮M解決的關鍵問題】本研究旨在分析不同生育期、不同灌溉條件下的冬小麥冠層等效水厚度（canopy equivalent water thickness，EWTc）的變化特征及冠層光譜響應規律。在灌溉控制試驗的支持下，獲取不同生育期、不同灌溉量的冬小麥農學參數、冠層光譜反射率等實測數據，基于連續小波變換技術（continuous wavelet transform，CWT）對冠層光譜數據進行數學變換，采用相關性分析法篩選冠層等效水厚度的敏感小波系數特征參量，利用偏最小二乘法構建冬小麥冠層等效水厚度光譜診斷模型，以期揭示不同灌溉條件下冬小麥冠層水分變化及冠層光譜響應規律。

1 材料與方法

1.1 試驗設計

冬小麥水分灌溉試驗于2017—2018年冬小麥生長季，在河北省晉州市開展，晉州市位于河北省中南部，地處 114°58'20''E—115°12'30''E、37°47'30''N—38°09'30''N，屬暖溫帶大陸性季風氣候，境內四季分明，春季干燥多風，夏季炎熱多雨，秋季冷熱適宜，冬季寒冷少雪。降水多集中于6—9月，3—5月雨少干燥，是河北省降水量最少的縣市之一。土壤類型多為潮土、褐潮土，作物種植為一年兩熟耕作制，屬于典型的冀中平原麥玉輪作區。

冬小麥供試品種為濟麥22號和魯原502號，為黃淮海地區種植范圍較廣的中筋品種。試驗田占地共0.2 hm2，每個試驗小區南北長9.5 m，東西寬7 m，面積66.5 m2，共計24個小區（圖1）。灌溉水量設置3個梯度，即0倍水（不灌溉，雨養）、0.5倍水（用水量375 m3·hm-2）、1 倍水（正常灌溉量，用水量 750 m3·hm-2），以下簡稱0水、0.5水、1水，每種水分處理設4組重復。分別在孕穗期和揚花期對各個試驗小區同時進行灌溉，并于灌溉一周后采集植株樣本、測定農學參數及冠層光譜反射率數據（表1）。試驗樣本除灌溉處理外，其他田間管理措施均與常規田種植方式相同。

圖1 試驗小區示意圖Fig.1 Schematic diagram of experimental plot

表1 灌溉時間及數據采集日期Table1 The date of irrigation and data collection (M-D)

1.2 數據采集

1.2.1 冠層光譜 采用美國 Analytical Spectral Device（ASD）公司生產的背掛式野外高光譜輻射儀（Field Spec Pro FR2500）測量冬小麥冠層光譜反射率數據，儀器波譜范圍為350—2 500 nm，光譜分辨率為1 nm。分別在冬小麥孕穗期、揚花期，選擇晴朗無風天氣，在10：00—14：00測量冬小麥冠層光譜反射率數據。視場范圍內陽光直接照射，光譜儀探頭垂直向下觀測，距離冠層頂80 cm，各試驗小區重復測定10次，取均值作為該樣本小區的冬小麥冠層光譜反射率，并剔除1 351—1 409 nm，1 811—1 939 nm，2 431—2 500 nm 3個水汽吸收帶噪聲。每次測量前均使用標準白板進行校正。

1.2.2 葉面積指數 冬小麥葉面積指數（leaf area index，LAI）的測量方法為比葉重法，即在一定取樣面積內（50 cm×40 cm）隨機選取10株具有代表性的冬小麥植株，裝入取樣袋密封，帶回實驗室內測定，測量前記錄取樣面積內總株數。從取樣植株中摘下所有展開綠色葉片，在葉片中部寬窄一致的地方剪下3 cm寬的小段作為標葉，并測定其總長度，計算標葉面積，分別將標葉和余葉裝入小紙袋中，在 105℃的烘箱中殺青0.5 h后，85℃的恒溫烘干，待葉片樣品烘干后稱其干重，并計算葉面積指數，LAI的計算公式如下：

式中，W1表示取樣植株的標葉干重（g）；W2表示取樣植株的余葉干重（g）；S表示標葉面積（cm2）；A表示取樣面積（m2）；p表示取樣面積內總株數。

1.2.3 冠層等效水厚度 葉片等效水厚度（equivalent water thickness，EWT）的測定方法為田間隨機取樣，選擇10株具有代表性的冬小麥樣本植株，摘取樣本植株上部3—5片展開葉，用塑封袋裝好且密封，帶回實驗室內迅速稱其鮮重，測量葉片長和寬并計算面積，干重測定方法同LAI，EWT計算公式如下：

式中，LFW表示樣本葉片鮮重（g）；LDW表示樣本葉片干重（g）；LA表示葉片面積（cm2）；dw表示水比重（1 g·cm-3）。

由于采集的光譜反射率數據為冠層尺度數據，冬小麥冠層光譜是其各種理化性質共同作用的結果，而葉片等效水厚度數據反映的是葉片尺度的水分信息，有必要將葉片尺度等效水厚度轉換為冠層尺度等效水厚度，進而與冠層光譜建模分析。冠層等效水厚度可通過葉片等效水厚度與葉面積指數的乘積來表示[13-14]，其計算公式為：

1.3 連續小波變換

小波變換是一種強有力的信號處理與分析工具，可對信號進行多尺度的細化，能使信號所包含的重要信息顯現出來，又分為離散小波變換（discrete wavelet transform，DWT）和連續小波變換（continuous wavelet transform，CWT）。由于DWT在分析高光譜數據時對輸出參數的解析存在困難，而 CWT在高光譜數據分析處理中能獲取更多光譜吸收特征的位置和形狀等有效信息[15-16]，因此本研究選用 CWT分析方法對冬小麥冠層高光譜反射率進行變換處理。CWT是一種積分變換方法，其數學含義為通過平移和縮放的小波基函數與光譜反射率數據進行卷積運算，將光譜反射率數據轉換為不同分解尺度下的小波能量系數，其表達式為：

式中，Wf(a,b)為小波能量系數，是由分解尺度和波長組成的二維矩陣，f(λ)為冬小麥冠層光譜反射率數據，ψa,b(λ)為平移和縮放后的小波基函數，其函數表達式為：

式中，λ為光譜反射率的波段數，a為伸縮因子或尺度因子，b為平移因子。

有研究表明，植被光譜反射率曲線吸收特征的形狀類似于Gaussian二階導函數的形狀[17]，因此本研究采用Gaussian二階導函數（即Mexican Hat）作為CWT的小波基函數，有助于提取反射率光譜吸收特征中隱藏的信息。本研究將冠層高光譜數據變換為小波能量系數，再與冠層等效水厚度進行相關性分析，篩選敏感光譜特征參量，建立冠層等效水厚度光譜反演模型。

1.4 模型建立與驗證

綠色植被的反射光譜隨著葉片色素、細胞結構、水分含量及其他生物化學成分的不同而發生改變，在不同波段呈現不同的形態與特征?？梢姽?00—700 nm是植被葉片的強吸收波段，植被反射率主要與葉片中的各種色素相關；700—780 nm是植被葉綠素在紅光波段的強吸收以及在近紅外波段的多次散射形成的高反射平臺的過渡波段；近紅外780—1 350 nm，植被反射率較高且相對平穩，主要與葉片內部細胞結構有關；中紅外1 350—2 500 nm，光譜反射率特征與葉片含水量密切相關[18]。本研究主要是為了探究在不同灌溉條件下冬小麥冠層含水量光譜變化及響應規律，因此在1 350—2 500 nm篩選敏感波段，建立冠層等效水厚度光譜反演模型。

偏最小二乘回歸法（partial least squares regression，PLSR）是一種多元回歸分析方法，集多元線性回歸、主成分分析和最小二乘回歸的優點于一體，可以在自變量多重自相關、樣本數目遠小于自變量個數的條件下有效構造回歸模型。因此，本研究采用PLSR構建冬小麥冠層等效水厚度反演模型。

模型的估測精度采用穩定性和預測能力2個評價指標來解釋，穩定性用決定系數R2檢驗，R2越接近1，模型穩定性越好；預測能力用實測值與預測值的總均方根誤差RMSE檢驗，RMSE越小，模型預測能力越好，精度越高。

2 結果

2.1 不同灌溉處理冬小麥EWTc變化

相同灌溉量、不同生育期條件下，濟麥22與魯原502冠層等效水厚度均在孕穗期較高，揚花期稍低于孕穗期，LAI在孕穗期達到最大，而揚花期冬小麥LAI較孕穗期有所降低；揚花期葉片等效水厚度較孕穗期稍低，例如0.5水條件下的濟麥22葉片等效水厚度在孕穗期為0.0169 cm，在揚花期為0.0167 cm。相同生育期、不同灌溉量條件下，濟麥22與魯原502的冠層等效水厚度都隨著灌溉量的增多而增加，即0水＜0.5水＜1水（圖2）。

圖2 冬小麥冠層等效水厚度變化Fig.2 Changes of EWTc in winter wheat

2.2 不同灌溉處理冬小麥冠層光譜特征

以濟麥22為例，相同灌溉量條件下，冬小麥冠層光譜反射率在孕穗期略高于揚花期，即隨著生育進程的推進而降低。同一生育期、不同灌溉量條件下，冬小麥冠層光譜反射率在350—680 nm波段范圍內無明顯變化；在680—780 nm波段范圍內，由于紅光波段的強吸收和近紅外波段的強反射，冠層光譜反射率急劇升高；在780—2 500 nm波段范圍內光譜反射率大小均為1水＞0.5水＞0水，即光譜反射率隨著灌溉量的增加而增加，其中在780—1 350 nm近紅外波段范圍內，光譜反射率變化最為顯著（圖3）。

在測定冬小麥冠層光譜時，容易受到土壤背景的影響，而不同含水量條件下的土壤反射率也是不同的，土壤反射率總體趨勢隨著土壤中含水量的升高而下降[19-20]（圖4）。本研究中冠層光譜隨灌溉水量的增多而升高，說明冬小麥冠層光譜的變化主要受到冠層含水量的影響。這是由于本研究所使用的小麥冠層光譜數據獲取于孕穗期和揚花期，此時小麥冠層已封壟，探測視場內的光譜信息完全是由冬小麥冠層信息所決定，因此土壤背景對冬小麥冠層光譜不存在干擾。

2.3 原始光譜反射率與EWTc相關性

圖3 冬小麥冠層光譜變化Fig.3 Changes of spectra in winter wheat canopy

圖4 不同含水量土壤光譜變化Fig.4 Changes of soil spectra with different water contents

圖5 原始光譜反射率與冠層等效水厚度的相關系數Fig.5 Correlation coefficient between original spectral reflectance and EWTc

各生育期不同灌溉量處理的冠層等效水厚度變化特征和冠層光譜反射率變化規律在不同冬小麥品種之間具有較高的一致性，因此將2個品種合并對原始冠層光譜反射率數據與冠層等效水厚度進行相關性分析（圖5）。可以看出，原始冠層光譜反射率數據與冠層等效水厚度之間相關系數較低，相關性不顯著，在526—572、699—759、769—775、808—1 350、1 421—1 810、2 083—2 348、2 355—2 357、2 359—2 362 nm、2 382 nm波段原始光譜反射率與冠層等效水厚度呈正相關關系，且1 343 nm處相關系數為0.2763，達到最大；350—525、573—698、760—768、776—807、1 410—1 420、1 940—2 082、2 349—2 354、2 358、2 363—2 381、2 383—2 430 nm波段原始光譜反射率與冠層等效水厚度呈負相關關系，負相關系數在1 946 nm處為-0.5167，達到最大。相關系數絕對值大于0.5的波段位于中紅外1 945—1 947 nm，且相關性在中紅外波段普遍高于近紅外和可見光波段。

2.4 冬小麥冠層光譜的CWT分解

本研究中冬小麥冠層高光譜數據共1 893個有效波段，分解尺度越接近波段數越好，為避免數據量過多且能較好提取有效光譜信息，最終設定分解尺度為21，22，…，210，分別對應第1尺度，第2尺度，…，第10尺度[15,21]。對原始冠層光譜反射率數據進行CWT分解和變換，每條光譜曲線在對應的分解尺度下都會生成相應的小波能量系數，將各分解尺度下的小波能量系數與冠層等效水厚度進行相關性分析，最終得到各波段小波能量系數與冠層等效水厚度的相關系數R以及小波能量系數矩陣。

由各分解尺度下小波能量系數與冠層等效水厚度之間的相關系數矩陣圖譜（圖6）可知，經CWT變換后，小波能量系數與冠層等效水厚度之間的相關性在第8、9、10分解尺度較低，在第1—7分解尺度不同波段范圍較高，說明在中低分解尺度連續小波變換可充分挖掘冬小麥冠層光譜內隱含的信息。小波能量系數與冠層等效水厚度的最大相關性由 0.5167提高到0.6521，比原始光譜提高26.20%。

為了更明確表示各分解尺度下小波能量系數與冠層等效水厚度之間的相關性大小，特繪制了相關系數絕對值圖譜（圖7）。相關性較高（|R|＞0.6）的波段主要集中在1 222、1 594—1 598、2 384—2 414、2 397 nm，分別對應第1、2、6、7尺度，由此可知，與冠層等效水厚度相關性較高的光譜主要位于中紅外波段，說明中紅外波段光譜反射特征與水分密切相關。對原始光譜和小波系數與冠層等效水厚度的相關系數絕對值最大值進行了對比分析（表2），除第4、8、9和10分解尺度有所降低外，其余各分解尺度提高幅度在8.40%—26.20%，提高幅度最大的波段位于第1分解尺度1 222 nm。

表2 原始光譜以及小波系數與冠層等效水厚度相關系數絕對值最大值Table2 Maximum absolute value of correlation coefficients of original spectra and wavelet coefficients with EWTc

2.5 建模與驗證

由于1 350—2 500 nm是植被葉片水分吸收占主導的波段，且直接受葉片含水量的影響[18,22-23]，因此本研究在去除水汽吸收帶后的1 410—1 810 nm和1 940—2 430 nm中紅外波段內篩選敏感波段。從10個分解尺度中依據小波能量系數與冠層等效水厚度相關性高低，最終篩選出∣R∣＞0.6的敏感波段為第6尺度2 400 nm、第2尺度1 596 nm、第7尺度2 397 nm，利用PLSR法構建EWTc光譜診斷模型。本研究中總樣本量為46個，隨機選取其中30個樣本用來建模，其余16個樣本用來驗證模型的精度。模型如下：

式中，Y代表EWTc，X1、X2、X3分別代表第6尺度2 400 nm、第2尺度1 596 nm和第7尺度2 397 nm對應的小波能量系數。

為驗證模型精度，將建模樣本和驗證樣本的EWTc預測值與實測值進行對比分析（圖8）。該模型的建模樣本和驗證樣本的預測值與實測值基本聚集于直線 y=x附近，建模樣本決定系數R2=0.5342，RMSE=0.0122 cm，驗證樣本決定系數R2=0.5411，RMSE=0.0127 cm，說明此模型的穩定性和預測能力均較好，精度較高。

圖6 各分解尺度小波能量系數與冠層等效水厚度的相關系數Fig.6 Correlation coefficient between wavelet energy coefficient and EWTc at different decomposition scales

圖7 小波能量系數與冠層等效水厚度的相關系數絕對值Fig.7 Absolute value of correlation coefficient between wavelet energy coefficient and EWTc

圖8 冠層等效水厚度建模與驗證樣本的實測值和預測值散點圖Fig.8 Scatter plot of predicted and measured values of EWTc

3 討論

作物水分狀況是指示群體長勢好壞的重要指標，利用光譜技術無損、快速診斷作物水分脅迫狀況，對于長勢監測、作物估產和變量灌溉決策具有重要的指導意義[24-25]。冬小麥在孕穗期和揚花期處于營養生長向生殖生長過渡的階段，水分需求十分敏感，充足的植株水分能有效促進幼穗分化進程，對于產量三要素中的畝穗數和千粒重具有較大影響。由于冬小麥冠層光譜在中紅外波段范圍主要受葉片含水量的影響，因此可以利用冠層光譜估算單位葉面積的作物含水量[24]。本文以冠層等效水厚度表征作物冠層水分狀況，分析不同灌溉條件下冬小麥冠層含水量和冠層光譜變化特征，利用連續小波變換方法對冠層光譜反射率進行分解和變換，通過相關性分析篩選敏感光譜特征參量，實現冬小麥冠層含水量光譜診斷。利用敏感光譜特征參量構建的冬小麥冠層等效水厚度光譜診斷模型具有較好的建模和驗證精度，說明利用連續小波變換技術反演作物冠層等效水厚度是可行的。

3.1 灌溉處理對冬小麥冠層等效水厚度的影響

不同生育期、灌溉量一致條件下，冠層等效水厚度在孕穗期高于揚花期，原因一是在孕穗期冬小麥單葉葉片面積較大，旗葉開始抽出葉鞘，植被覆蓋度高，LAI此時達到最大，揚花期由于植株下部葉片枯黃甚至脫落，導致LAI降低[26]；二是隨著生育時期的推進，揚花期葉片等效水厚度普遍低于孕穗期。同一生育期，冠層等效水厚度隨著灌溉量的增多而增加，主要是因為孕穗期和揚花期這2個生育期都是冬小麥需水的關鍵時期，灌溉量不足時植株生長受到抑制，光合作用減弱，樣本生育進程明顯加快，0水和0.5水處理的冬小麥葉片葉綠素含量、LAI和等效水厚度均低于1水處理。

3.2 灌溉處理對冬小麥冠層光譜反射率的影響

冬小麥冠層光譜反射率隨著生育進程的推進而降低，主要是因為孕穗期是冬小麥旗葉長出的時期，對水肥較為敏感，此生育期小麥生長迅速，小麥冠層群體達到最大，冠層葉片呈多層分布狀態，冠層光譜反射率達到最大，揚花期冬小麥葉片和莖稈為穗部提供養分和水分，同時麥穗對冠層光譜反射率貢獻比例增大，冠層光譜反射率較孕穗期有所降低[27-29]。冬小麥冠層光譜反射率在780—1 350 nm近紅外波段變化顯著的原因在于1水的灌溉量為冬小麥生長提供充足的水分，小麥群體長勢較好，近紅外光譜反射率也高；而0水和0.5水對冬小麥生長造成水分脅迫，葉片內自由水含量降低、束縛水含量增加，葉面積縮小、葉綠素含量低、凈光合速率變慢[31-32]，同時根系活力下降、葉片內部結構及生理功能紊亂、細胞膜受損，生長受到抑制[33-34]，進而導致近紅外波段的光譜反射率相對于1水明顯變低。

關于不同灌溉條件下冬小麥冠層含水量的研究，僅僅局限于冬小麥生育后期（孕穗期、揚花期），由于不同生育時期的冬小麥在生長狀態、群體生理指標以及環境參數都存在一定的差異，并不能完全推廣至整個生育期的遙感監測研究。在今后的工作中，將考慮加入冬小麥生育前期的田間試驗和分析，探索冬小麥生長全程的冠層水分光譜診斷技術，為冬小麥分蘗、拔節、孕穗等關鍵需水生育期的變量灌溉決策提供技術支持。

4 結論

在控制灌溉小區試驗的支持下，本文旨在探索不同灌溉條件下的冠層尺度冬小麥水分變化規律及其冠層光譜響應特征。灌溉量不足時冬小麥植株生長受到抑制，部分小麥生育進程提前，缺水脅迫下冬小麥葉片光合作用受到抑制、群體長勢受損，冠層等效水厚度和冠層光譜反射率低于正常灌溉量處理。將冠層光譜反射率經 CWT分解后，小波能量系數與冠層等效水厚度相關性有了較大提升，篩選敏感光譜參量并構建冬小麥冠層等效水厚度光譜診斷模型，光譜診斷模型的穩定性和預測能力均較好。上述結論可以為后續的冬小麥變量灌溉決策技術研究提供借鑒，對利用光學遙感技術監測冬小麥冠層含水量具有重要參考價值。