基于作物生长监测诊断仪的玉米LAI监测模型研究

贺 佳 郭 燕 王利军 张 彦 赵 犇 王来刚

(1.河南省农业科学院农业经济与信息研究所， 郑州 450002； 2.中国农业科学院农田灌溉研究所， 新乡 453000)

0 引言

自20世纪末遥感技术广泛应用于农业生产研究领域以来，基于地物光谱特征的作物生长监测诊断技术取得了迅速发展，已成为支持农作物生长信息获取的关键技术。特别是基于高光谱的遥感信息源能够实时、快速、无损获取作物生长信息，广泛应用于作物生产的肥水调控、精确管理、生产力估测等领域。因此，研究基于光谱技术的作物生长信息监测诊断技术，对提高现代精准农业生产管理水平、推进精确栽培技术的开发应用具有重要的理论与实践意义[1-4]。

近年来，国内外学者通过地物光谱设备提取作物生长信息响应特征波段，构建了归一化差值植被指数(Normalized difference vegetation index，NDVI)、比值植被指数(Ratio vegetation index，RVI)、绿波段比值植被指数(Green ratio vegetation index，GRVI)、增强型植被指数(Enhanced vegetation index，EVI)等植被指数，用于监测作物长势[5-12]。由于地物光谱设备价格昂贵、田间应用成本高，且特征光谱波段提取分析复杂，目前在大田作物研究应用中仍有一定局限性。因此，研究者基于农学参数的光谱响应特征，研制了获取作物生长信息的作物生长监测诊断设备。如文献[13]基于550、650、766、850 nm等波长光谱研制便携式作物反射光谱测量仪，预测了小麦分蘖数；文献[14]采用560、710、720、810 nm等波长光谱研制获取作物生长信息的传感器，平均测量误差约5.00%；文献[15]基于730、810 nm波长光谱设计了能快速准确获取作物冠层NDVI、RVI的作物生长信息监测仪；文献[16]基于720、810 nm波长光谱研制多光谱作物生长传感器，反演作物生长信息；文献[17]采用720、810 nm波长光谱研发作物生长监测诊断仪，该设备对水稻叶面积指数(Leaf area index，LAI)监测精度达到86.00%，平均误差为6.24%。基于作物生长监测诊断仪获取的NDVI、RVI，监测玉米LAI精度达到90%以上[18]，预测马铃薯病害精度达95%以上[19]。文献[20]基于作物生长监测诊断仪监测水稻LAI的精度达到90.00%以上。文献[21]基于作物生长监测诊断仪监测小麦LAI的精度达89.00%以上。

现有研究成果表明，便携式作物生长监测诊断仪能有效监测作物长势信息。但是由于作物冠层光谱信息受生态环境、作物品种类型、栽培条件等诸多条件的影响，其监测精度及适应性需不断验证和完善。本文以黄淮海平原豫北玉米为研究对象，使用CGMD-402型作物生长监测诊断仪(简称CGMD-402)与ASD FR-2500型野外高光谱辐射测量仪(简称ASD FR-2500)同步获取冠层植被指数，分析不同传感器获取的植被指数特征与定量关系，探索CGMD-402型作物生长监测诊断仪的稳定性与适用性；同时，利用该设备获取的植被指数建立玉米LAI遥感监测模型，并对模型监测精度进行验证，以期为作物生长监测诊断提供更加快捷高效的技术途径，为作物精确栽培提供理论与实践支撑。

1 材料与方法

1.1 实验设计

实验在河南省新乡市中国农业科学院新乡综合实验基地进行，实验基地位于113°46′8.10″E，35°8′3.67″N，海拔78.9 m，温带大陆性气候，年平均温度14.2℃，无霜期210 d，年日照时数约2 400.0 h，年蒸发量约2 000.0 mm，年平均降水量585.0 mm。土壤为黄河冲积物发育潮土，0～20 cm碱解氮质量比68.65 mg/kg，速效磷质量比9.21 mg/kg，速效钾质量比71.12 mg/kg，有机质质量比10.21 mg/kg。

实验于2017—2018年实施，采取随机区组设计，每年设置2个玉米品种，5个氮肥水平，3组重复。2个玉米品种分别为郑单958(ZD958)、登海605(DH605)；5个氮肥(46.00% N 尿素)水平分别为N0(0 kg/hm2)、N1(75 kg/hm2)、N2(150 kg/hm2)、N3(225 kg/hm2)、N4(300 kg/hm2)，总氮肥60%作为基肥、40%作为追肥，磷钾肥施用量分别为120 kg/hm2和120 kg/hm2；种植密度为67 500 株/hm2，行距0.60 m，株距0.25 m；其他管理方式按照豫北平原高产玉米措施管理。

1.2 测定指标及方法

1.2.1植被指数采集

CGMD-402型作物生长监测诊断仪基于作物不同氮化合物形态对光谱波段的特征反射规律，选用敏感波段LED光源照射作物冠层，同步获取作冠层光谱反射率，耦合作物生长监测诊断模型，快速、无损获取作物生长信息。该仪器包含可见光与近红外光2个光谱通道，中心波长为730、815 nm，光谱带宽小于8 nm FWHM，视场角30°，采集面积0.23～0.38 m2。本文于玉米拔节期、大喇叭口期、抽雄期、灌浆期、成熟期，选择晴朗无风天气，以CGMD-402型作物生长监测诊断仪测定冠层NDVI、RVI(记作NDVICGMD-402，RVICGMD-402)，测定时间为10:00—14:00，测量时探头垂直向下，测量探头距离冠层高度为0.70 m，每个处理测量3次，取算术平均值为该测量点观测值。

1.2.2高光谱植被指数构建

与CGMD-402型作物生长监测诊断仪数据采集同步，利用美国Analytical Spectral Devices(ASD)公司的Field-spec Pro FR-2500型野外高光谱辐射测量仪(350～2 500 nm)获取冠层光谱反射率，进一步构建植被指数。该仪器350～1 000 nm波段光谱采样间隔为1.4 nm，光谱分辨率为3 nm；1 000～2 500 nm波段，光谱采样间隔为2 nm，光谱分辨率为10 nm。测量时传感器探头垂直向下，光谱仪视场角为7.5°，距冠层顶垂直高度0.25～0.30 m，地面视场范围直径为0.5 m。每个观测点记录10个采样光谱，每小区测3次重复，取算术平均值作为该观测点冠层光谱反射率。提取730、815 nm处光谱反射率值，构建NDVI、RVI(记作NDVIASD、RVIASD)。在光谱反射率测量过程中，于每一处理测量前，及时使用专用参比白板进行校正(以白板反射率为1，所得目标物光谱反射率为无量纲的相对反射率)，所测数据用于检测CGMD-402构建植被指数的可靠性。

式中R815——815 nm处光谱反射率

R730——730 nm处光谱反射率

1.2.3LAI测定

与CGMD-402数据采集同步，以美国Decagon公司的AccuPARLP-80型植物冠层分析仪测量冠层LAI。在平行于玉米垄间、垂直垄间各测3次，取算术平均值为该测量点LAI。AccuPARLP-80型植物冠层分析仪是根据仪器探头的光合有效辐射光量子传感器，接收光照中光合有效辐射变化，通过计算天顶角、设置叶角分布参数与测量的上、下冠层光合有效辐射的比率，计算冠层LAI值。

1.2.4数据分析

按照处理设置对获取的实验数据进行整理汇总。用ViewSpec软件对冠层ASD光谱反射率进行预处理；以SPSS 19.0对不同处理间LAI、NDVI、RVI进行差异性分析，评价NDVICGMD-402、RVICGMD-402的精度；以连续2年ZD958品种实验数据建立LAI估测模型，以DH605实验数据为实测值对模型精度进行验证，通过对比分析均方根误差(Root mean square error，RMSE)、决定系数R2(Determination coefficient)、相对误差(Relative error，RE)评价模型的监测精度。

2 结果分析

2.1 不同处理玉米LAI特征

表1为基于AccuPARLP-80型植物冠层分析仪获取的不同氮肥处理玉米LAI变化情况。由表可知，在同一施氮水平下，随着生育时期的延长，LAI呈现“低-高-低”的抛物线趋势，在拔节期稍低，抽雄期达到最大值，灌浆期至成熟期，又呈逐渐降低的趋势。这是由于随着玉米生长，营养生长旺盛，所以从拔节期至抽雄期LAI逐渐增大；而在生育后期，由营养生长转向生殖生长，叶片生长缓慢，营养向生殖器官转移，所以在后期LAI稍低。而随着氮肥供应量的增加，在N3、N4处理下LAI降低缓慢，表明过量供应氮肥，可延缓叶片衰老。如N3、N4处理仅在拔节期达到显著差异，而从大喇叭口期至成熟期均未达到显著差异。不同玉米品种LAI均随着氮肥供应量的增加逐渐增加，拔节期不同处理间达到显著差异；大喇叭口期至成熟期，不同处理间达到极显著差异，当施氮量增加到N3时，处理间没有显著差异；同一生育时期，同一氮肥处理条件下，2个玉米品种之间LAI差异较小，这与品种特征及对氮肥吸收利用特性有关。

表1 不同氮水平下玉米LAI变化(2017年)Tab.1 Changes of LAI of summer maize at different N rates (2017)

注：同列数据后不同小写字母表示差异显著(P<0.05)，不同大写字母表示差异极显著(P<0.01)，下同。

图1 不同施氮水平下不同生育时期玉米冠层植被指数的变化(2017年)Fig.1 Changes of vegetation indices for maize at different growth stages under different nitrogen rates (2017)

2.2 不同光谱仪获取的玉米冠层植被指数特征

图1a、1b是由CGMD-402型作物生长监测诊断仪获取的不同氮肥水平下不同生育时期玉米冠层NDVICGMD-402、RVICGMD-402。由图可知，在同一生育时期，NDVICGMD-402、RVICGMD-402均随着施氮量的增加呈递增趋势。抽雄期N0、N1、N2、N3、N4处理NDVICGMD-402分别为0.317、0.343、0.396、0.427、0.433，各施肥处理分别比N0处理增加了0.026、0.079、0.110、0.116，增加幅度分别为8.20%、24.92%、34.70%、36.59%；抽雄期N0、N1、N2、N3、N4处理RVICGMD-402分别为1.932、2.017、2.216、2.353、2.418，各施肥处理分别比N0处理增加了0.085、0.284、0.421、0.486，增加幅度分别为4.40%、14.70%、21.79%、25.16%。不同生育时期植被指数表现为相似趋势。表明植被指数随着施氮量的增加呈递增趋势；当过量施用氮肥时，植被指数增加缓慢。这可能是由于随着施氮量的增加，促进作物叶片、冠层及组织结构的生长发育，营养生长加快，冠层覆盖度增大，植被指数逐渐增大；当氮肥增加到一定量时，作物对氮肥的吸收趋于饱和状态，冠层覆盖度增加缓慢甚至不再增加，植被指数增加缓慢。

在同一施氮水平下，从拔节期至成熟期NDVICGMD-402、RVICGMD-402均呈“低-高-低”的抛物线趋势(图1a、1b)，拔节期较低，大喇叭口期逐渐较高，抽雄期达到最大值，成熟期又缓慢降低。如N2处理，拔节期至成熟期NDVICGMD-402分别为0.193、0.282、0.396、0.357、0.341；RVI亦呈相似趋势，如拔节期至成熟期N2处理RVICGMD-402分别为1.375、1.856、2.216、1.937、1.655。不同施氮水平下植被指数均呈现相似趋势。这是由于随着生育时期的延长，作物叶片内部组分与结构变化，引起冠层结构特征变化，进一步影响冠层光谱变化。在作物生育前期，细胞结构及细胞内养分逐渐积累，冠层结构逐渐郁闭，植被指数呈递增趋势；随着作物生长，养分逐渐转向籽粒，叶片内部结构发生变化，冠层叶片组分和结构也发生变化，植被指数逐渐降低。

基于ASD FR-2500型野外高光谱辐射仪光谱反射率构建的NDVIASD、RVIASD与CGMD-402型作物生长监测诊断仪采集的植被指数变化趋势相似，不同处理间略有差异，如图1c、1d所示。两年间不同氮肥处理下基于不同传感器获取的植被指数呈现近似趋势。说明CGMD-402型作物生长监测诊断仪与ASD FR-2500型野外高光谱辐射仪获得的植被指数具有一致性。

2.3 ASD植被指数与CGMD-402植被指数的定量关系

基于ASD FR-2500型野外高光谱辐射测量仪采集玉米冠层光谱反射率，构建不同生育时期NDVIASD、RVIASD，范围分别为0.145～0.424，1.124～2.485；基于CGMD-402型作物生长监测诊断仪直接采集不同生育时期NDVICGMD-402、RVICGMD-402范围分别为0.135～0.416、1.131～2.478；经过统计分析，不同传感器获取的NDVI、RVI之间差异不显著，R分别为0.991、0.985，且具有极显著相关性。表明CGMD-402型作物生长监测诊断仪可以稳定地反映作物光谱信息，获取作物植被指数。

选取ASD FR-2500型野外高光谱辐射测量仪、CGMD-402型作物生长监测诊断仪获取的不同生育时期玉米冠层NDVI、RVI 60组进行对比拟合(n=60)，分析不同传感器获取植被指数的精度，结果如图2所示。由图可知：基于ASD FR-2500型野外高光谱辐射测量仪构建的NDVIASD、RVIASD与CGMD-402型作物生长监测诊断仪采集NDVICGMD-402、RVICGMD-402的决定系数分别为0.983、0.969，表明二者具有高度的一致性。根据定量关系图还可以看出，当NDVIASD小于0.20时，NDVICGMD-402略大于NDVIASD；当NDVI为0.20～0.45时，NDVICGMD-402则略小于或与NDVIASD基本保持一致。当RVIASD小于1.50时，RVICGMD-402略高；当RVIASD大于1.50时，RVICGMD-402略小或与RVIASD基本保持一致。

图2 CGMD-402植被指数与ASD FR-2500植被指数 的定量关系(n=60)Fig.2 Relationships between vegetation indices from CGMD-402 and ASD FR-2500 (n=60)

2.4 玉米LAI监测模型

选取60组一一对应的LAI与NDVICGMD-402、RVICGMD-402，分析LAI与植被指数相关性(n=60)。发现LAI与NDVICGMD-402、RVICGMD-402具有极显著相关性，R分别为0.955、0.947。按照统计学规定，当|R|>0.80时，则认为二者之间高度相关。说明NDVICGMD-402、RVICGMD-402与LAI间高度正相关，表明可以基于NDVICGMD-402、RVICGMD-402建立玉米LAI监测模型。以植被指数为自变量x，LAI为因变量y，建立监测模型(表2)。由表2可知，基于NDVICGMD-402、RVICGMD-402预测LAI的决定系数(R2)分别为0.911、0.898；标准误差(Standard error，SE)分别为0.014、0.321；说明NDVICGMD-402、RVICGMD-402与LAI间具有较好的定量关系，基于NDVICGMD-402、RVICGMD-402可以建立较好的LAI监测模型。NDVICGMD-402、RVICGMD-402与LAI的定量关系见图3。

2.5 玉米LAI监测模型的验证

以不同氮肥处理DH605独立LAI为实测值，共30组(n=30)，对2.4节LAI预测模型进行验证(图4)，通过分析实测值与预测值之间的R2、RMSE、RE等指标，评价监测模型精度。由图可知：基于NDVICGMD-402与RVICGMD-402的模型预测值与田间实测值间R2分别为0.963、0.954，RMSE分别为0.358、0.416，RE分别为6.65%、9.37%。在统计学中，R2、RMSE、RE等指标常用于评价回归模型优劣程度，当R2越接近于1，RMSE、RE越小时，则认为模型预测值与实测值间具有高度的一致性。本研究模型预测值与田间实测值间具有较高的R2和较低的RMSE、RE，说明预测值与实测值间具有较高的一致性，表明基于CGMD-402监测玉米LAI具有较好的品种间适应性。

表2 基于NDVI CGMD-402、RVI CGMD-402的玉米LAI监测模型(n=60)Tab.2 Fitting monitoring model of LAI of summer maize based on CGMD-402(n=60)

注：** 表示在0.01水平上显著相关。

图3 CGMD-402植被指数与LAI的关系Fig.3 Relationships between vegetation indices in corn by CGMD-402 and LAI

图4 LAI监测模型拟合及验证(n=30)Fig.4 Performance of monitoring model of LAI of summer maize (n=30)

3 结论

(1)针对当前高光谱设备在获取作物生长信息中存在的问题，采用CGMD-402型作物生长监测诊断仪与ASD FR-2500型野外高光谱辐射测量仪同步获取不同生育时期玉米冠层NDVI、RVI，对比分析不同传感器获取植被指数的差异，同时基于NDVICGMD-402、RVICGMD-402构建了玉米LAI监测模型，并以AccuPARLP-80型植物冠层分析仪获取独立LAI数据，对模型精度进行了验证。

(2)在同一生育时期，NDVICGMD-402、RVICGMD-402均随着施氮量的增加呈递增趋势，增加幅度分别为8.20%～36.59%、4.40%～25.16%；在同一施氮水平下，从拔节期至成熟期二植被指数均呈“低-高-低”的抛物线趋势，这一趋势与基于NDVIASD、RVIASD相似，说明CGMD-402型作物生长监测诊断仪获取的植被指数与ASD FR-2500型野外高光谱辐射仪测得的光谱反射率构建植被指数具有一致性，这一结果与前人研究结果一致[21]。

(3)基于ASD FR-2500型野外高光谱辐射测量仪与CGMD-402型作物生长监测诊断仪获取的NDVI分别为0.145～0.424、0.135～0.416，RVI分别为1.124～2.485、1.131～2.478；不同传感器获取的NDVI、RVI之间差异不显著，且极显著相关，相关系数R分别为0.991、0.985，决定系数R2分别为0.983、0.969，说明CGMD-402获取的植被指数具有高度稳定性。表明CGMD-402型作物生长监测诊断仪可以替代ASD FR-2500型野外高光谱辐射测量仪在田间高效准确地获取玉米冠层NDVI、RVI。

(4)基于NDVICGMD-402、RVICGMD-402建立LAI监测模型，R2分别为0.911、0.898，SE分别为0.014、0.321，说明NDVICGMD-402、RVICGMD-402与LAI间具有较好的定量关系；以独立LAI数据对模型精度进行验证，实测值与预测值间R2分别为0.963、0.954，RMSE分别为0.358、0.416，RE分别为6.65%、9.37%，说明基于CGMD-402植被指数能有效反演玉米LAI，且监测模型具有较好的稳定性和适应性。这一结果初步实现了CGMD-402作物生长监测诊断仪在黄淮海豫北平原玉米LAI监测中的应用，是对前人研究的进一步本地化应用，丰富了CGMD-402型作物生长监测诊断仪的应用区域与监测对象，在一定程度上克服了传统监测方法“以点带面”的取样误差，可为下一步根据玉米生长信息调控氮肥用量提供基础。

(5)通过对比分析NDVICGMD-402、RVICGMD-402与LAI的相关性、建模精度、验证精度等参数，发现基于NDVICGMD-402与LAI的相关性优于RVICGMD-402，且基于NDVICGMD-402建立LAI监测模型与验证模型的精度均优于RVICGMD-402，表明基于NDVICGMD-402更适于监测LAI。这可能与两个植被指数对玉米群体密度、冠层结构的反映有关，本研究所选供试品种株型相近、种植密度相同，所以该问题有待进一步研究。

(6)利用CGMD-402型作物生长监测诊断仪采集植被指数、反演玉米LAI信息，表明基于CGMD-402型作物生长监测诊断仪能够快捷、准确地反演玉米LAI信息，所建模型具有较好的稳定性和适用性，CGMD-402具有一定的区域应用价值和推广价值，可以替代AccuPARLP-80植物冠层分析仪获取玉米LAI。

(7)研究中玉米LAI监测模型的构建和测试均以豫北平原生态区开展，可为当地的玉米精确栽培提供服务，并形成本地化的技术规范。但玉米群体、冠层反射率信息因生态区域、栽培措施等不同而产生差异，所以监测模型仍需通过更多的生态区域、玉米品种、栽培措施等实验不断校正，进一步完善CGMD-402对作物生长信息监测诊断的精确性与适应性，推动近地传感技术在黄淮海玉米主产区的高效应用。