無(wú)人機(jī)熱紅外遙感反演玉米根域土壤含水率方法研究

楊 帥，陳俊英，周永財(cái)，崔文軒，楊 寧

（1.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西楊凌712100；2.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西楊凌712100）

0 引 言

快速、準(zhǔn)確地獲取區(qū)域土壤含水率狀況對(duì)于判斷作物水分脅迫狀況、指導(dǎo)農(nóng)業(yè)生產(chǎn)具有重要意義[1]。傳統(tǒng)的土壤含水率監(jiān)測(cè)方法眾多[2，3]，但都局限于點(diǎn)測(cè)范圍，沒(méi)有對(duì)區(qū)域土壤含水率狀況做出整體反映。1963年，Tanner[4]首次發(fā)現(xiàn)冠層溫度能夠作為指示作物水分的有效指標(biāo)并首次使用紅外測(cè)溫儀來(lái)量化冠層溫度差異與作物水分脅迫之間的關(guān)系。隨后，Idso[5，6]利用冠層溫度與大氣溫度的差值建立了作物水分脅迫指數(shù)CWSI的經(jīng)驗(yàn)公式。Jackson[7]和Jones[8]相繼完善并補(bǔ)充了CWSI的定義公式。此后一大批國(guó)內(nèi)外學(xué)者開(kāi)始用CWSI反演土壤含水率[9-12]。近年來(lái)，隨著無(wú)人機(jī)遙感的快速發(fā)展，利用無(wú)人機(jī)遙感平臺(tái)搭載熱紅外成像儀快速獲取區(qū)域面狀溫度進(jìn)而判斷區(qū)域水情和作物水分脅迫狀況逐漸成為熱點(diǎn)[13-15]，并為監(jiān)測(cè)土壤含水率提供了新的思路。Agam 等[16]探究了CWSI對(duì)太陽(yáng)輻射的敏感程度。孫圣等[17]利用無(wú)人機(jī)熱紅外技術(shù)測(cè)定了北方核桃園區(qū)的土壤含水率分布。張立元等[18]將無(wú)人機(jī)遙感與田間空氣溫濕度數(shù)據(jù)結(jié)合建立了監(jiān)測(cè)大田玉米水分脅迫的經(jīng)驗(yàn)?zāi)Ｐ汀堉琼w等[18，19]探究了基于無(wú)人機(jī)尺度構(gòu)造的覆蓋度和綜合溫度指數(shù)對(duì)不同深度土壤含水率的響應(yīng)關(guān)系。邊江等[20]以遙感熱紅外波段反演的不同農(nóng)作物土壤體積含水率與灌區(qū)的土地分類影像為依據(jù)，快速推求灌區(qū)灌溉需水量。尚曉英等[21]將3 種CWSI與棉花根域土壤含水率建立模型，確定了最佳反演模型。

要實(shí)現(xiàn)從無(wú)人機(jī)熱紅外圖像中準(zhǔn)確提取作物冠層溫度信息，剔除土壤背景干擾必不可少[18,23]。目前，從熱紅外圖像中剔除土壤背景，提取特定地物信息的常見(jiàn)處理有兩種，一種是直接從熱紅外圖像中提取，主要思路為：①基于熱紅外圖像灰度分割閾值來(lái)剔除干擾背景；②基于熱紅外圖像特定地物形態(tài)邊緣特征來(lái)提取[22-24]，這兩種思路都對(duì)熱紅外圖像的分辨率有較高要求[25]。另一種處理是結(jié)合可見(jiàn)光和熱紅外圖像[26-28]，利用可見(jiàn)光圖像中各波段對(duì)地物特征的不同反映來(lái)輔助提取熱紅外圖像中的有效溫度信息，這種方法考慮了地物的形態(tài)學(xué)特征，對(duì)低分辨率的圖像效果較好[19]，但對(duì)圖像的配準(zhǔn)精度要求較高。兩種處理都有其局限性。在實(shí)際運(yùn)用中采用一種處理方法的較多，而同時(shí)使用兩種處理方法并對(duì)提取效果進(jìn)行精度評(píng)價(jià)的研究較少。

由于拔節(jié)期玉米枝葉細(xì)長(zhǎng)且相互交錯(cuò)，在熱紅外圖像上表現(xiàn)為線條特征繁多凌亂，且伴隨有較大陰影覆蓋，傳統(tǒng)閾值分割方法沒(méi)有考慮到葉片邊緣特征以至于出現(xiàn)像素誤分從而影響提取精度。本文以拔節(jié)期玉米為研究對(duì)象，采用可見(jiàn)光和熱紅外圖像相結(jié)合的RGRI指數(shù)法，將可見(jiàn)光圖像中玉米形狀輪廓特征明顯的優(yōu)勢(shì)和熱紅外圖像的溫度敏感優(yōu)勢(shì)結(jié)合，剔除熱紅外圖像中的土壤背景，提取玉米冠層溫度，同時(shí)設(shè)置Otsu閾值處理法和不剔除土壤背景處理作為對(duì)照，將基于3種方法提取的冠層溫度與實(shí)測(cè)溫度作對(duì)比，然后用基于這3種方法建立的CWSI指標(biāo)反演不同深度的土壤含水率，分析并評(píng)價(jià)基于何種方法建立的CWSI指標(biāo)反演效果最佳。

1 材料與方法

1.1 試驗(yàn)地概況

試驗(yàn)地位于陜西省楊凌示范區(qū)西北農(nóng)林科技大學(xué)旱區(qū)節(jié)水農(nóng)業(yè)研究院（108°4'E，34°42N'），地處關(guān)中平原，屬于東亞暖溫帶半濕潤(rùn)半干旱氣候區(qū)，具有夏熱多雨、秋熱涼爽多連陰雨等明顯的大陸性季風(fēng)氣候特征。年均降水量635.1 mm，平均蒸發(fā)量為993.2 mm，土壤質(zhì)地為中壤土。

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)地劃分為12 個(gè)小區(qū)，設(shè)置4 種水分梯度處理（T1、T2、T3、T4），分別以95%～100%、80%、65%、50%田間持水量為灌水上限，以80%、65%、50%、40%田間持水量為灌水下限，每個(gè)處理設(shè)置3 個(gè)重復(fù)試驗(yàn)。每個(gè)小區(qū)面積為4 m×4 m，小區(qū)間距為1.5 m，每個(gè)小區(qū)采用行播的方式播種7行玉米種子，并以滴灌方式進(jìn)行灌溉。試驗(yàn)開(kāi)始前2 d 內(nèi)對(duì)小區(qū)進(jìn)行控水處理，以確保水分梯度。

1.3 數(shù)據(jù)采集

在玉米拔節(jié)期階段，試驗(yàn)分別于2019年7月27日（拔節(jié)前期）、7月31日（拔節(jié)中期）、8月2日（拔節(jié)后期）三日13：00進(jìn)行，通過(guò)大疆M600六旋翼無(wú)人機(jī)平臺(tái)搭載可見(jiàn)光相機(jī)和大疆禪思XT 熱紅外測(cè)溫成像儀進(jìn)行圖像信息采集，飛行高度為20 m，期間地面同步進(jìn)行手持測(cè)溫槍采集玉米冠層、水桶和輻射定標(biāo)板溫度信息。飛行任務(wù)結(jié)束后，通過(guò)打土鉆的方式獲取各小區(qū)內(nèi)10、20、30、40、60 cm 深度的土樣，放入鋁盒內(nèi)采用烘干法來(lái)測(cè)定各深度土樣的質(zhì)量含水率。

1.4 無(wú)人機(jī)圖像處理

1.4.1 熱紅外圖像校準(zhǔn)和灰度值轉(zhuǎn)換

獲取的原始熱紅外圖像，首先要導(dǎo)入Flir tools軟件并根據(jù)地面手持測(cè)溫槍實(shí)測(cè)的水溫和輻射定標(biāo)板溫度進(jìn)行校準(zhǔn)，設(shè)置輻射率為0.96。將校準(zhǔn)后的溫度信息導(dǎo)至ENVI 軟件中與原圖像進(jìn)行波段疊加。再通過(guò)ENVI 拓展工具對(duì)疊加圖像中灰度波段和溫度波段進(jìn)行統(tǒng)計(jì)，得到灰度值與溫度值的線性轉(zhuǎn)換關(guān)系式。

1.4.2 基于RGRI指數(shù)法的圖像處理

可見(jiàn)光圖像中的綠波段對(duì)于植物綠反射較為敏感，紅波段穿透性強(qiáng)，能較好減輕陰影帶來(lái)的干擾，因此通過(guò)二者比值構(gòu)造RGRI指數(shù)能較好區(qū)分玉米前景和土壤、陰影等背景，對(duì)于RGRI指數(shù)的計(jì)算見(jiàn)下式。

式中：bandred為可見(jiàn)光圖像中的紅波段；bandgreen為可見(jiàn)光圖像中的綠波段。

對(duì)于獲取的可見(jiàn)光圖像，其視場(chǎng)角較廣，包含多個(gè)小區(qū)，首先選取出具有各試驗(yàn)小區(qū)正射視角的可見(jiàn)光圖像作為各小區(qū)的代表圖像進(jìn)行裁剪，裁剪尺寸為512×512像素。將裁剪后的可見(jiàn)光圖像和校準(zhǔn)后的熱紅外圖像導(dǎo)入Arcgis軟件中定義相同地理坐標(biāo)系，接著在ENVI 軟件中根據(jù)地物特征進(jìn)行配準(zhǔn)，并將配準(zhǔn)后的可見(jiàn)光圖像進(jìn)行波段運(yùn)算，得到RGRI指數(shù)圖。通過(guò)RGRI統(tǒng)計(jì)直方圖（圖1）可以看到玉米像素和土壤像素二者有較為明顯的RGRI分界值，由此確定玉米和土壤的分類閾值。

通過(guò)Arcgis 軟件根據(jù)確定的分類閾值對(duì)RGRI指數(shù)圖進(jìn)行二值化操作，把玉米像素定義為1，把土壤像素定義為0，并對(duì)玉米像素進(jìn)行提取，接著通過(guò)柵格轉(zhuǎn)面操作得到具有玉米像素邊界特征的矢量圖層（圖2）。最后將該矢量圖層與配準(zhǔn)后的熱紅外圖像導(dǎo)入到ENVI軟件中進(jìn)行掩膜處理（圖3），統(tǒng)計(jì)得到小區(qū)內(nèi)玉米像素灰度值表，根據(jù)前面算出的灰度溫度轉(zhuǎn)換關(guān)系式即可得到相應(yīng)的玉米冠層溫度值表。

本研究為了減少配準(zhǔn)和RGRI分類時(shí)誤將土壤像素劃歸到玉米像素帶來(lái)的誤差，將得到的玉米冠層溫度直方圖剔除前后1%的溫度值（圖4），然后統(tǒng)計(jì)得到玉米冠層平均溫度。

1.4.3 基于Otsu閾值法的圖像處理

Otsu 閾值法又稱最大類間方差法，它可以對(duì)灰度圖像進(jìn)行閾值分割，使得前景與背景圖像的類間方差最大，從而達(dá)到較為理想的分割效果。

本研究對(duì)經(jīng)過(guò)校準(zhǔn)的熱紅外圖像按小區(qū)進(jìn)行裁剪，裁剪尺寸為480×480 像素。將裁剪后的各小區(qū)熱紅外圖像導(dǎo)入MATLAB 軟件中，通過(guò)編程實(shí)現(xiàn)玉米像素與土壤像素的分割，得到玉米像素溫度矩陣。為減少圖像閾值分割過(guò)程中誤將土壤像素識(shí)別為玉米像素帶來(lái)的干擾，對(duì)于獲得的玉米溫度采取剔除最大1%溫度的處理，由此得到的平均溫度作為小區(qū)玉米冠層平均溫度。

1.4.4 不剔除土壤背景的圖像處理

不剔除土壤背景將會(huì)導(dǎo)致圖像提取溫度偏高，本研究將其作為對(duì)照組。將校準(zhǔn)后的熱紅外圖像導(dǎo)入至Flir tools 軟件中，通過(guò)軟件自帶的框選工具，框選整個(gè)小區(qū)，利用軟件的均值統(tǒng)計(jì)工具得到框選區(qū)內(nèi)的平均溫度作為小區(qū)玉米冠層的平均溫度。

1.4.5 水分脅迫指數(shù)CWSI

本研究作物水分脅迫指數(shù)（CWSI）的計(jì)算參考JONES等[8]的簡(jiǎn)化公式并借鑒了張智韜等[19]的研究。本研究中選取12 個(gè)小區(qū)中冠層溫度均值最大值Tmax加上5 ℃作為干參考面，以小區(qū)中冠層溫度均值最小值Tmin減去2℃作為濕參考面。具體計(jì)算見(jiàn)下式。

式中：TC為作物冠層平均溫度；Tmax為小區(qū)作物冠層平均溫度最大值；Tmin為小區(qū)作物冠層平均溫度最小值。

1.5 評(píng)價(jià)指標(biāo)

本研究選取決定系數(shù)R2和均方根誤差RMSE作為回歸評(píng)價(jià)指標(biāo)，R2越接近1，RMSE越接近0，模型反演效果越顯著。采用F檢驗(yàn)來(lái)統(tǒng)計(jì)樣本顯著性，若F0.05≤F≤F0.01，即0.01＜P≤0.05，則各處理間差異顯著；若F≥F0.01，即P≤0.01，表示各處理間差異極顯著。

2 結(jié)果與分析

2.1 基于熱紅外圖像提取溫度與實(shí)測(cè)溫度相關(guān)性分析

將基于圖像提取的冠層溫度與實(shí)測(cè)溫度進(jìn)行線性擬合，如圖5所示。從相關(guān)性來(lái)分析，在整個(gè)拔節(jié)期3 個(gè)階段，基于RGRI指數(shù)法提取的溫度與實(shí)測(cè)溫度擬合效果最好，R2分別為0.909、0.891、0.828，其次是基于Otsu 閾值法，R2分別為0.862、0.865、0.875，而不剔除土壤背景提取溫度表現(xiàn)最差，R2為0.787、0.645、0.676。對(duì)比均方根誤差RMSE，按照RGRI指數(shù)法、Otsu 閾值法、不剔除土壤背景的順序，在拔節(jié)前期，三者RMSE分別為0.65、1.10、2.46 ℃，在拔節(jié)中期，三者RMSE分別為0.58、0.57、1.00 ℃，在拔節(jié)后期三者RMSE分別為0.54、0.89、1.31 ℃。整體來(lái)看，RGRI指數(shù)法表現(xiàn)最好，誤差最小，其次是Otsu 閾值法，而不剔除土壤背景誤差最大。對(duì)比溫度擬合線趨勢(shì)，RGRI指數(shù)法和Otsu 閾值法二者趨勢(shì)線較低且互有交叉，提取溫度與實(shí)測(cè)溫度較為接近，而不剔除土壤背景趨勢(shì)線較高，由于土壤背景的干擾使得提取溫度與實(shí)測(cè)溫度相差較遠(yuǎn)，溫度偏高。

2.2 不同水分梯度下CWSI指標(biāo)變化趨勢(shì)

根據(jù)式（2）計(jì)算出基于3 種方法的CWSI值，為了對(duì)比3種方法提取CWSI指標(biāo)的差異性，本研究取每種水分梯度下3個(gè)重復(fù)小區(qū)的CWSI均值作為該水分梯度下的CWSI值。

如圖6所示，在玉米拔節(jié)期3 個(gè)階段，基于3 種方法得到的CWSI指標(biāo)均在整體上表現(xiàn)出隨著土壤含水率的減少而呈現(xiàn)增大的趨勢(shì)，這表明CWSI指標(biāo)與土壤含水率整體呈現(xiàn)出負(fù)相關(guān)的響應(yīng)趨勢(shì)。在拔節(jié)前期，T1 和T2 水分梯度下3 種方法得到的CWSI值較低這可能是由于試驗(yàn)前部分梯度小區(qū)要進(jìn)行補(bǔ)水處理，而作物吸收水分時(shí)出現(xiàn)滯后效應(yīng)導(dǎo)致的。隨著土壤水分的消耗，到了拔節(jié)中期和拔節(jié)后期，T1 和T2 水分梯度下3 種方法得到的CWSI值均較拔節(jié)前期有了增加。整體來(lái)看，CWSI在T3 和T4 水分梯度下增長(zhǎng)較快，而在T1 和T2 水分梯度下增長(zhǎng)較緩，這表明相比于土壤水分充足狀態(tài)，CWSI對(duì)于水分虧缺條件下作物的水分脅迫狀況較為敏感，對(duì)于該狀態(tài)下土壤含水率的變化應(yīng)有較好的指示作用。從CWSI指數(shù)在不同水分梯度下的變化幅度來(lái)看，與拔節(jié)前期相比，拔節(jié)中期和拔節(jié)后期CWSI指數(shù)的下界增大，上界減小。這可能是因?yàn)殡S著玉米生長(zhǎng)，玉米對(duì)于水分的依賴性逐漸減弱。

2.3 CWSI與不同深度土壤含水率之間的相關(guān)關(guān)系

本研究將基于3 種方法得到的各小區(qū)CWSI值與玉米拔節(jié)前、中、后期不同深度土壤含水率數(shù)據(jù)在SPSS 軟件中采用線性回歸方法構(gòu)建模型，判定哪種方法得到的CWSI反演土壤含水率效果最好，同時(shí)探究玉米不同時(shí)期下CWSI對(duì)土壤含水率的最佳響應(yīng)深度，對(duì)應(yīng)相關(guān)關(guān)系見(jiàn)表1～表3（表中Smc代表土壤含水率）。

表1 拔節(jié)前期CWSI與土壤含水率的回歸模型

表2 拔節(jié)中期CWSI與土壤含水率的回歸模型

由表1～表3可知，3 種方法得到的CWSI值與土壤含水率的擬合系數(shù)均為負(fù)值，呈現(xiàn)負(fù)相關(guān)關(guān)系。從3 種CWSI與各深度土壤含水率相關(guān)性的角度來(lái)分析。在拔節(jié)前期，CWSIRGRI與0～10、0～20、0～30、0～40 cm 土壤含水率相關(guān)關(guān)系較好，R2分別為0.513、0.632、0.761、0.675，CWSIOtsu效果次之，R2分別為0.452、0.496、0.592、0.640，CWSIsoil表現(xiàn)效果最差，R2為0.329、0.405、0.536、0.629，而在0～60 cm 深度內(nèi)，CWSIsoil的R2達(dá) 到0.648，高 于CWSIOtsu的0.623 和CWSIRGRI的0.591。對(duì)于CWSIRGRI，其在拔節(jié)中期和拔節(jié)后期五個(gè)深度內(nèi)的表現(xiàn)優(yōu)于CWSIOtsu和CWSIsoil，R2均大于0.5，效果顯著(P＜0.01)。對(duì)于CWSIOtsu和CWSIsoil，在拔節(jié)中期0～20、0～30 cm深度內(nèi)，CWSIOtsu表現(xiàn)較好（R2為0.683、0.732），在0～10、0～40、0～60 cm則是CWSIsoil擬合效果更優(yōu)（R2為0.687、0.595、0.530），分析原因?yàn)樵谟衩装喂?jié)中期，部分地塊熱紅外圖像中的玉米像素與土壤像素灰度值較為接近，此時(shí)依靠Otsu 方法并不能很好的確定二者分類閾值，導(dǎo)致提取的玉米像素中摻雜了較多土壤像素，因此擬合效果較差。在拔節(jié)后期5個(gè)深度內(nèi)，CWSIOtsu的R2整體高于CWSIsoil。因此整體來(lái)看，CWSIRGRI對(duì)各深度土壤含水率反演效果最好，CWSIOtsu次之，CWSIsoil效果最差。

從CWSI對(duì)不同深度土壤含水率的響應(yīng)程度來(lái)看，選取CWSIRGRI作為最優(yōu)CWSI指標(biāo)，其在玉米拔節(jié)前、中、后期五個(gè)深度內(nèi)的R2均表現(xiàn)出先增大后減小的趨勢(shì)，且減小幅度大于上升幅度，并在0～30 cm 處達(dá)到最大值，這可能是因?yàn)榇藭r(shí)玉米根系主要集中在0～30 cm 深度內(nèi)，并且此時(shí)玉米根系毛管大部分應(yīng)集中在土壤20～30 cm 處，因此該深度對(duì)土壤含水率的響應(yīng)最為敏感，而分布于土壤30 cm 深度下的玉米根系由于較少且分布遠(yuǎn)不及0～30 cm 深度土壤內(nèi)的根系分布，故而CWSIRGRI在0～40、0～60 cm 深度下的R2出現(xiàn)了明顯的下降趨勢(shì)。總體來(lái)說(shuō)，CWSI對(duì)0～30 cm 深度土壤含水率反演效果最好，對(duì)0～60 cm土壤含水率反演效果最差。

2.4 模型驗(yàn)證評(píng)價(jià)

本研究對(duì)3 種處理下的CWSI與不同深度的土壤含水率模型進(jìn)行驗(yàn)證，以拔節(jié)前期和拔節(jié)中期數(shù)據(jù)建立函數(shù)關(guān)系，以拔節(jié)后期數(shù)據(jù)進(jìn)行驗(yàn)證，通過(guò)對(duì)比決定系數(shù)R2以及均方根誤差RMSE對(duì)建立的3種模型進(jìn)行評(píng)價(jià)（表4）。

從模型驗(yàn)證表可以看出，整體R2均在0.5 以上。對(duì)于同一深度，RGRI指數(shù)法的決定系數(shù)最大，Otsu 閾值法次之，不剔除土壤背景效果最差。3 種方法在5 個(gè)土壤深度內(nèi)的R2呈現(xiàn)單峰分布且都在0～30 cm處達(dá)到最大值（R2分別為0.801、0.658、0.552）。基于RGRI指數(shù)法的均方根誤差RMSE最小，均在0.1附近。3 種處理方法在不同土壤深度的RMSE表現(xiàn)呈現(xiàn)單峰波谷分布且都在0～30 cm 處達(dá)到最小值，這可能間接表明在玉米拔節(jié)期構(gòu)建的CWSI指標(biāo)能較好地反演0～30 cm 土壤深度內(nèi)玉米根系活動(dòng)層的土壤含水率。

3 討 論

本研究采用的RGRI指數(shù)法很大程度上依賴可見(jiàn)光圖像與熱紅外圖像的配準(zhǔn)精度。在試驗(yàn)過(guò)程中，無(wú)人機(jī)平臺(tái)無(wú)法同時(shí)搭載可見(jiàn)光相機(jī)與熱紅外相機(jī)，這就造成可見(jiàn)光圖像與熱紅外圖像的獲取過(guò)程會(huì)出現(xiàn)短暫的時(shí)差，在這時(shí)段內(nèi)光照條件的突然變化以及風(fēng)力擾動(dòng)帶來(lái)玉米葉片的變化都會(huì)給配準(zhǔn)精度帶來(lái)很大干擾。為了減少干擾，下一步研究將把研究區(qū)選定為大尺度區(qū)域以期通過(guò)增大尺度的方式來(lái)均攤干擾，提高整體精度。

CWSI的建立有很多種方法[5-8]，張智韜等[20]通過(guò)對(duì)棉花葉片涂凡士林和灑水的方式來(lái)營(yíng)造干濕參考面，進(jìn)而確定CWSI模型的上下基線。本研究建立的CWSI模型是基于小區(qū)平均冠層溫度來(lái)確定的干、濕參考面[27]，究竟哪種更適合還有待進(jìn)一步探究。本次研究選取的數(shù)據(jù)樣本只選取了13：00一個(gè)時(shí)刻，且有一定的時(shí)間間隔，這也可能會(huì)對(duì)試驗(yàn)結(jié)論的精確性產(chǎn)生一定的影響，下一步研究將考慮對(duì)連續(xù)時(shí)間內(nèi)不同時(shí)刻的數(shù)據(jù)樣本進(jìn)行分析。

隨著玉米生長(zhǎng)階段的變化，玉米根系分布也會(huì)不同，導(dǎo)致CWSIRGRI的最佳土壤含水率反演深度也會(huì)發(fā)生變化，具體深度是多少還有待進(jìn)一步探究。針對(duì)不同水分梯度對(duì)反演精度的影響，本研究也缺乏考慮，在今后的研究中還需要加以探究。

4 結(jié) 論

（1）在采取的3種方法中，借助可見(jiàn)光與熱紅外圖像，通過(guò)RGRI指數(shù)法提取的玉米冠層溫度表現(xiàn)效果要優(yōu)于只借助熱紅外圖像的Otsu 閾值法和不剔除土壤背景方法，其提取的冠層溫度與實(shí)測(cè)溫度R2較高，均在0.82 以上，RMSE均在1 ℃以內(nèi)，較為接近實(shí)測(cè)溫度。

（2）在基于三種方法獲得的CWSI指標(biāo)中，相比CWSIOtsu和CWSIsoil，CWSIRGRI與土壤含水率有較高的線性相關(guān)性，反演土壤含水率效果較好，說(shuō)明基于RGRI 指數(shù)法建立的CWSIRGRI可以作為反演玉米地土壤含水率的有效指標(biāo)。

（3）選取CWSIRGRI作為最優(yōu)CWSI指標(biāo)，其在反演玉米拔節(jié)期0～10、0～20、0～30 cm 深度土壤含水率效果較好，R2呈上升趨勢(shì)，并在0～30 cm深度內(nèi)達(dá)到最佳。