基于反射光谱的不同播期冬小麦LAI监测研究

王超，冯美臣，尹超，肖璐洁，杨武德

（山西农业大学 旱作工程研究所，山西 太谷030801）

播期在栽培方面对作物的影响主要是在其后期生长发育过程中，植株对温度和光照资源的利用，适宜的播期可充分利用光、热、水资源，有利于壮苗和后期的穗数、穗粒数、千粒重的协调发展［1］。张宁等［2］在播期对玉米的影响研究中发现，播期每提前1 d灌浆时间将会延长0.74 d，千粒重和产量明显增加，蒋会利［3］在播期密度对不同小麦品种群体茎数及产量的影响研究中发现，播期对小麦产量的影响最大，其次是品种。前人在作物播期对产量、品质的影响栽培措施方面做了大量研究工作［4～6］。多光谱技术因其快速、大面积、无损伤等优点，而发展迅速，相关研究表明作物LAI与光谱中的某些波段以及光谱参数有很好的相关性，利用光谱技术可以实现对作物LAI的同步监测［7～10］。

当前国内外相关研究大多集中在针对某个小麦品种在不同播期密度条件下对产量和品质的影响，针对不同播期冬小麦LAI的光谱监测在国内外尚不多见，因此本研究以此为切入点，通过对不同播期、株型品种和施氮水平的田间试验，在同步获取冠层光谱与LAI的基础上，构建了同步监测不同播期LAI的算法与模型。以期为冬小麦品质的大尺度遥感监测和小麦生产的宏观管理调控提供理论依据。

1 材料与方法

1.1 试验设计

本试验为播期、肥料、品种的3因素试验，采用再裂区设计，主区是4个播期处理：即10月1日，10月6日，10月11日，10月16日；副区是5个氮水平：0 kg·ha－1，75 kg·ha－1，150 kg·ha－1，225 kg·ha－1，300 kg·ha－1，用做基肥一次性施入；磷肥作为基肥在播种前一次施入，施入量为135kg·ha－1；副副区为品种，供试品种为晋中地区2种不同株型的冬小麦品种：直立叶多穗型（京9428）、披散叶大穗型（超优66）。小区面积2×3 m2，行距为20 c m，重复3次，各处理的田间管理相同。

1.2 项目的测定与方法

1.2.1 冠层光谱

冠层反射光谱于拔节期、孕穗期、开花期及花后每隔7天左右，采用美国Cropscan公司生产的MSR－16型便携式光谱辐射仪测量冠层光谱反射率，仪器视场角为31.1°，设有16个波段，波段范围为452～1650 n m。采用键盘操作，数据记录在数据采集器中，通过COM接E1输人计算机，再经过仪器自带软件计算地物光谱反射率。仪器每季度用白色标准版校准一次。测量选择在晴朗无云或少云的天气进行，测量时间为10：00～14：00。测量时探头垂直向下，距冠层垂直高度约1.2 m。每小区测量3点，每点重复测量3次，取平均值作为该小区光谱测量值。

1.2.2 叶面积指数的测定

与光谱测量同步，采用干重法。每次在每小区取代表性小麦5株，随机选取5片叶整齐地排列在一起（各叶片的中部边缘紧靠连接在一起），测其总宽度，再精确地剪下叶片中部位置3 c m，求得这些部分叶片的叶面积（S），烘干称重（W1），并将样品中其余的叶片烘干称重（W2），求得这5株小麦的叶面积（记为S1＝S＊（W1＋W2）／W1）。

1.2.3 常用光谱参数及计算方法

表1 典型光谱参数及计算方法Table 1 Algorithm and references of different spectral parameters

1.2.4 数据分析

运用DPS和Excel 2007对数据进行处理，并进行相关统计计算和制图。

2 结果与分析

2.1 LAI与冠层单波段反射率的关系

将4个播期处理及播期组合的所有生育时期LAI与对应的冠层光谱反射率（n分别为100，400）进行总体相关性分析（图1）。4个播期处理及播期组合的所有生育时期的LAI随冠层光谱反射率的变化规律相似，LAI与可见光波段（460～730 n m）和近红外长波段（1100～1460 n m）呈负相关，与近红外短波段（780～1100 n m）呈正相关，其中可见光波段的相关系数要高于近红外短波段。在可见光波段播期3处理的相关系数高于其他3个播期处理，在近红外短波段，播期1处理的相关系数最大，但播期组合的相关系数并没有明显提高。4个播期处理及播期组合的LAI在与可见光波段（460～730 n m）和近红外长波段1200 n m的单波段反射率呈极显著负相关，其中4个播期处理及一个播期组合的LAI与可见光波段反射率的相关系数介于－0.62～－0.85之间，且在波段460n m处达最大值，分别为－0.74、－0.77、－0.85、－0.78、－0.77；在近红外短波区域，播期1的LAI与波段区间780～1050 n m的相关系数呈极显著正相关（图1 A）；播期2的LAI与光谱反射率仅在波段850 n m处达显著相关；其余均呈不显著正相关（图1B）；播期3的LAI在波段区间780～950 n m的相关系数呈显著正相关（图1C）；播期4的LAI在波段区间800～1050 n m的相关系数呈显著正相关，且在850～950 n m间达到极显著相关（图1D）；播期组合的LAI与780～1050 n m间的相关系数呈极显著正相关（图1E）。

图1 LAI与群体冠层光谱单波段反射率的相关性Fig.1 Correlation bet ween LAI and canopy reflectance at various bands

选取相关性最好波段460n m的反射率为自变量，和LAI作回归方程，其定量关系见表2。

2.2 LAI与冠层反射光谱指数的关系

通过对4个播期和一个所有播期组合所测定的LAI与不同光谱指数关系进行定量分析，结果表明，在近红外短波段（780～1100 n m）与红光波段（460～730 n m）的 RVI，NDVI，DVI，RDVI，SAVI，RVI／NDVI与LAI都呈极显著正相关，而与TSAVI，PVI与LAI呈极显著负相关；近红外长波段（1100～1460 n m）与红光波段（460～730 n m）组成的RVI，NDVI，SAVI中，除播期1处理的RVI（1460，460），NDVI（1460，460），SAVI（1460，460）与LAI呈显著性正相关，RVI（1460，550），NDVI（1460，550），SAVI（1460，550）与 LAI不显著相关，其余都呈极显著性正相关，而与其组成的PVI与LAI达到极显著负相关；与1100～1260 n m波段及红光波段（460～730 n m）组成的RDVI，RVI／NDVI和LAI呈极显著正相关，而与其组成的TSAVI与LAI达到极显著负相关；与1200 n m与650 n m，670 n m及1260 n m与红光波段（460～730 n m）组成的DVI和LAI都呈极显著正相关，其余表现规律并不明显；与1460 n m波段及红光波段（460～730 n m）组成的RDVI和LAI表现规律不明显；与550，600，650，670 n m 组成的 RVI／NDVI和LAI极显著负相关；与红光波段（460～730 n m）组成的TSAVI和LAI呈正相关。同时，EVI、λrep和OSAVI等光谱参数与LAI也呈极显著正相关。将以上光谱参数与LAI进行相关拟合，并对拟合较好的光谱指数、回归方程及决定系数进行综合评定，对4四个播期处理及一个所有播期组合筛选出拟合较好的5个参数及回归方程，见表3。

表2 LAI与460 n m单波段反射率的定量关系Table 2 Quantitative relationships of LAI（y）to canopy reflectance of 460 nm （x）in winter wheat

表3 不同播期冬小麦LAI（y）与不同光谱参数（x）的定量关系Table 3 Quantitative relationships of LAI（y）to individual spectral index（x）in different so wing dates

由表2和表3可见，两波段组成的光谱植被指数比单波段反射率与LAI的关系更为密切，且非线性回归方程决定系数大于线性回归方程，对表3中所有方程的拟合R2进行比较，进一步筛选出PVI（1460，460），发现其均能较好地预测冬小麦不同播期处理的LAI，所以研究采用PVI（1460，460）作为监测LAI的最佳光谱参数。

此外，通过表2和表3还可以看出，在所有的播期处理中，播期3的LAI无论对单波段发射率还是光谱参数，其相关性都是最高，因此可以看出针对当年的播期试验中，播期3的LAI最适宜于多光谱对其监测，其监测模型为LAI＝8.793e－0.1814PVI（1460，460）。虽然所有播期组合的决定系数不是最高，但由于其播期的跨度大，存在的不定因素也较复杂，该模型在所有播期的模型中具有较好的普适度，可用来对不同播期的LAI进行监测，也为大尺度的遥感监测提供了可行的方法，其监测模型为 LAI＝8.4755e－0.1896PVI（1460，460）。

3 结论与讨论

本研究在前人的研究基础上，分析了不同播期条件下的LAI与光谱单波段反射率和光谱参数的关系。通过分析它们之间的相关性，选出了光谱监测LAI的最适播期、监测模型及监测的光谱参数，其结果如下：光谱参数与LAI的相关性比单波段反射率要好；当年最适宜于对LAI进行光谱监测的最佳播期是播期3（10月11日），监测光谱参数是PVI（1460，460）；所有播期组合的 LAI监测光谱参数是PVI（1460，460），监测模型的普适度较好，实用性较广，可用来对不同播期的LAI进行监测，这为大尺度的作物LAI的遥感监测提供了可行的方法和依据。

值得提出的是，虽然本试验取得了一定的研究结果，但因其是在田间小区试验的条件下得到的，其气候及各方面影响因素的同质性大，异质性低，所建立的模型虽然精确，但适用范围较窄，存在一定的局限性。另外本试验所用的多光谱数据波段是452～1650 n m，共16个波段，波段内间隔较大，波段连续性较差，容易丢失与LAI相关性较好的某些波段，甚至丢失某些特征波段。因此，对播期的LAI进行大面积、高精度光谱监测是未来的研究方向。

［1］董剑，赵万春，陈其皎，等.陕西关中地区不同冬小麦品种晚播高产的适宜播期和密度［J］.西北农业学报，2010，19（3）：66－69.

［2］张宁，杜雄，江东岭，等.播期对夏玉米生长发育及产量影响的研究［J］.河北农业大学学报，2009，32（5）：7－11.

［3］蒋会利.播期密度对不同小麦品种群体茎数及产量的影响［J］.西北农业学报，2012，21（6）：67－73.

［4］刘秋芳，吴峥嵘，任淑娟，等.黄淮海夏玉米高产栽培技术［J］.种业导刊，2008（6）：17－18.

［5］王聪玲，龚宇，王璞，等.不同类型夏玉米主要性状及产量的分析［J］.玉米科学：2008：16（2）：39－43.

［6］易镇邪，王璞，陈平平，等.氮肥类型对夏玉米氮素吸收和利用的影响［J］.植物营养与肥料学，2008，14（3）：472－478.

［7］Li R，Li C，Dong Y，etal.Assi milation of remote sensing and crop model for LAI esti mation based on Ensemble ensemble Kal man Filter［J］.Agricultural Sciences in China，2011，10（10）：1595－1602.

［8］Zhu X，Feng X，Zhao Y.Multi－scale MSDT inversion based on LAI spatial knowledge［J］.Earth Sciences，2012，55（8）：1297－1305.

［9］Liu Y，Ju W，Chen J，etal.Spatial and temporal variations of forest LAI in China during 2000～2010［J］.Chinese Science Blletin，2012，57（22）：2846－2856.

［10］Haboudanea D，Millera J R，Pattey E.Hyperspectral vegetation indices and novel algorith ms for predicting green LAI of crop canopies：Modeling and validation in the context of precision agriculture［J］.Remote Sensing of Environ ment，2004，90（3）：337－352.