基于导数光谱的枸杞叶片含水量遥感反演

李永梅，张立根，蒋云峰

（1.宁夏农林科学院农业经济与信息技术研究所，宁夏 银川 750002；2.宁夏建筑 科学研究院股份有限公司，宁夏 银川 750021；3.吉林师范大学旅游与地理 科学学院，吉林 四平 136000）

枸杞（Lycium barbarumL.）属盐生植物，具有较强的耐贫瘠、耐盐碱、抗旱、抗风沙等特性，是我国西北干旱地区的特色药用植物资源[1]，也是西部地区生态治理、劳动力就业、脱贫富民的重要资源。然而，当地枸杞的肥水管理大部分采用大水漫灌与穴施覆土的模式[2]。这种灌溉模式一方面造成水资源浪费，使西部地区灌溉水源更加紧缺，同时引起土壤盐渍化或次生盐渍化等问题；另一方面严重影响枸杞产量与品质，制约农业经济持续发展[1]。如何快速准确获取枸杞植株水分信息，制定枸杞水分精确施用方案，进而实现枸杞精准灌溉，已成为枸杞产业急需研究的重大课题。

叶片含水量是植株水分状况的诊断指标。实时、快速地获取叶片水分信息是进行灌溉调控的前提[3]。通常，叶片含水量是通过田间破坏取样、实验室烘干与称重来计算，其操作复杂、耗时费力、时效性差。高光谱遥感（Hyperspectral Remote Sensing）技术是以极其狭窄的电磁波段从地面获取地物连续光谱信息的一种全新技术，在预测作物含水量和无损检测营养方面有其独特优势，已成为作物水分含量遥感反演的重要手段[3-5]。国内外学者在利用高光谱遥感技术获取植物连续反射光谱以估测植被水分状况方面开展了大量研究，提出一系列表征植被水分信息的光谱指数。例如：Penuelas 等[6]提出水分指数（Water index，WI）和植被水分指数（Plant water index，PWI），Gao 等[7]构建了归一化差值水分指数（Normalized difference water index，NDWI），Ceccato 等[8]和Chen 等[9]构造了全球植被水分指数（Global vegetation water index，GVWI）， Thenot 等[10]提出中心波长水分指数（Center wavelength water index，Ratio975）、Pu 等[11]提出比值/归一化植被指数（Ratio/Normalized vegetation index，R/ND）。随后，这些光谱指数被广泛应用到小麦、水稻、豆类作物、甜菜、苹果树、橘树、桃树、橄榄树等植株含水量的估测中[12-17]，结果表明是可行的，但估测精度不高。随着研究的深入，针对不同植物，如何构建能稳健反映植株水分信息的光谱指数，进一步提高遥感反演精度，成为学者们关注的重点。刘小军等[18]等通过系统分析350～2 500 nm 波段范围内任意两波段组合而成的比值（RSI）、归一化差值（NDSI）及差值（DSI）光谱指数，并分析其与叶片含水量的量化关系，构建了快速、无损诊断水稻叶片含水量的估测模型，估测精度得到提高。梁亮等[16]利用水氮胁迫试验条件下小麦主要生长期的导数光谱构建了16 种新指数，将其与NDII、WBI以及NDWI等常用指数进行比较分析，筛选出小麦叶片含水量反演的最佳光谱指数，并利用其建立反演模型进行小麦含水量的遥感填图。

枸杞作为一种多年生落叶灌木，目前鲜见利用高光谱遥感技术监测其叶片水分含量的研究报道。笔者从枸杞叶片水分含量实测值与高光谱反射率数据出发，提取枸杞叶片导数光谱位置（λ）、斜率（D）及面积（SD）参数，构建导数光谱差值（DSI）、比值（RSI）及归一化差值（NDSI）指数，同时参考前人研究成果，选取对水分估测效果较好的15 个光谱指数，在分析导数光谱参数、导数光谱指数及前人构建的光谱指数与枸杞叶片含水量的定量关系的基础上，筛选监测枸杞叶片水分信息的适用光谱，建立并优选水分含量遥感反演最佳模型，以期实现枸杞叶片水分含量快速无损监测，为水肥一体化智能控制设备提供科学决策依据，对推动西部地区枸杞高产高效栽培技术创新、生态环境恢复、经济社会发展意义重大。

1 材料与方法

1.1 试验材料

以宁夏地区枸杞主栽品种宁杞7 号为试验材料，在枸杞主产区选取贺兰县洪广镇暖泉农场和中宁县恩和镇作为样本采集区。为保证样本的多样性，采用随机方式在各试验区选取枸杞样株，采集当年生健康叶片作为待测样本。为减少叶片含水量的损失，样本采集后立刻装入自封袋、封口、标记，并放入装有冰袋的保鲜箱内，迅速带回实验室，进行光谱和叶片含水量的测定。

1.2 测定项目

1.2.1 叶片光谱测定光谱测定在黑暗密室内进行，光源采用50 W 卤素灯，光源距样本垂直高度0.50 m，方位角60°。采用美国ASD 公司生产的FieldSpec Pro FR 地物光谱仪（传感器视场角探头25，光谱范围350～2 500 nm）测定叶片光谱。测定时，将枸杞叶片样本平铺于黑色绒布上，探头置于样本中心位置且垂直向下，探头距样本的垂直距离根据公式（1）计算。每次测定 10 条光谱，以其均值作为该样本的光谱反射率。

式中，H为距离样本垂直距离，L为所要测定范围直径，A为探头视场角。

1.2.2 叶片含水量测定该研究中枸杞叶片样本含水量采用自然含水量（Moisture Content，MC）计算，通常以叶片中水量占鲜叶重百分比表示，见公式（2）。

式中，Wf和Wd分别表示叶片鲜重和干重。

1.3 数据分析

1.3.1 前人构建的光谱指数选取光谱指数是某些特定波段或波段反射率构成的组合，与植被的水、叶片色素或光合作用以及氮胁迫状态等有关。参考前人关于高光谱遥感估测植被水分的相关研究成果，选取估测水分含量较好的15 个光谱指数进行研究，详见表1。

1.3.2 一阶导数光谱参数提取基于光谱位置（λ）、斜率（D）及面积（SD），充分考虑枸杞叶片一阶导数光谱在850～2 350 nm 变化特征（图1）, 提取波谷925～975 nm、1 100～1 200 nm、1 275～1 450 nm、 1 825～1 925 nm 处导数光谱参数（表2）。有研究表明位于680～750 nm 的“红边”波段主要受植物叶绿素含量的影响，故该研究未提取“红边”参数。

1.3.3 一阶导数光谱指数构建图1 中，954、1 143、1 387、1 873 nm 位于波谷谷底，综合植物生理学及光谱估测叶片水分信息相关研究成果可知，这4 个波谷是叶片水分在970、1 200、1 450 与1 940 nm 附近强烈吸收形成斜边所致，可反映叶片的水分状况。采用这4 个光谱，构建表征枸杞叶片水分含量的一阶导数光谱指数，见表3。

1.3.4 含水量遥感反演模型建立与检验将枸杞叶片含水量作为因变量，一阶导数光谱参数、一阶导数光谱指数及前人构建的光谱指数分别作为自变量，构建枸杞叶片水分含量反演模型，包括线性模型、指数模型、对数模型、幂函数模型及一元二次函数模型。

采用拟合度（S-R2）、检验决定系数（T-R2）、均方根差（RMSE）和平均相对误差（ARE）对模型进行检验，见公式（3）～（4）决定系数越接近1，RMSE和ARE越小，模型预测的准确率越高。

式中，xi为叶片含水量预测值；yi为叶片含水量实测值；i为样本序数，i=1，2，……，n；n为样本数。

2 结果与分析

2.1 叶片水分含量与光谱指（参）数的相关性

将表1 选取的15 个光谱指数、表2 中一阶导数光谱参数和表3 中一阶导数光谱指数分别与枸杞叶片水分含量进行相关性分析。由于论文篇幅有限，仅提供与枸杞叶片含水量呈现显著相关的光谱参数或光谱指数，如表4 所示。由表4 可知，前人构建的光谱指数GVWI、NDWI（R860，R1640）、MSI、R/ND、PRI，均可作为枸杞叶片水分含量反演的光谱指数。其中R/ND、 PRI 与枸杞叶片含水量呈显著相关；GVWI、NDWI、MSI 与杞叶片含水量呈极显著相关，GVWI 的相关系数最大（r= 0.749）。一阶导数光谱参数中D（1275～1450）、SD（1275～1450）、D（1825～1925）与枸杞叶片含水量呈显著相关，D（925～975）和SD（1825～1925）与枸杞叶片含水量达到极显著相关，相关系数分别为-0.717 和0.691，均可用于枸 杞叶片含水量遥感反演。表4 中15 个一阶导数光谱指 数也均可作为枸杞叶片含水量遥感反演的光谱指数，其中RSI（954/1143）、NDSI（1143-1387）/（1143+1387）、DSI（1387-1873）和NDSI（1387-1873）/（1387+1873）与枸杞叶片含水量呈显著相关，其余11 个一阶光谱指数与枸杞叶片含水量均呈极显著相关。

表1 研究选取的15 个光谱指数

图1 枸杞叶片光谱均值

表 2 一阶导数光谱参数

表 3 一阶导数光谱指数

2.2 枸杞叶片含水量遥感反演模型建立

以上述与枸杞叶片含水量呈现显著相关的光谱参 数或光谱指数为变量，采用线性函数、指数函数、对 数函数、幂函数及一元二次多项式，构建枸杞叶片含 水量遥感反演单变量回归模型。表5 为拟合度S-R2≥ 0.600 0 的各光谱指数或光谱参数构建的模型。由表5可知，前人构建的光谱指数中，基于GVWI 构建的一元二次模型拟合度S-R2等于0.600 0；一阶导数光谱指数模型中，DSI（954-1387）、RSI（954/1387）、NDSI（954-1387）/（954+1387）、 DSI（954-1873）、RSI（954/1873）、NDSI（954-1873）/（954+1873）模型拟合度均大于0.600 0，其中DSI（954-1387）的模型拟合度最大为S-R2= 0.659 6；表5 中未见基于一阶导数参数构建的模型，表明由一阶导数参数构建的模型遥感反演效果不佳，S-R2＜0.600 0。

表4 叶片水分含量与光谱指（参）数相关系数

2.3 遥感反演模型检验

对枸杞叶片含水量遥感反演模型的预测能力进行检验，检验结果见表6。综合分析检验决定系数T-R2值、RMSE 和ARE，结果表明，光谱指数GVWI 模型的预测精度最差；一阶导数光谱指数构建的模型预测精度均较高，其中DSI（954-1387）模型的预测精度最高。

由表5 和表6 可以得出，基于一阶导数光谱指数DSI（954-1387）构建的模型y= 566 965x2-4 719.5x+88.864反演效果最佳，其S-R2、T-R2、RMSE 和ARE 分别为0.659 6、0.760 4、0.665 9、0.716 4 %，故该模型为监测枸杞叶片水分含量的最优模型，一阶导数光谱指数DSI（954-1387）为最佳优选指数。

表5 枸杞叶片含水量遥感反演单变量回归模型

表6 枸杞叶片含水量遥感反演单变量回归模型精度检验结果

3 结论与讨论

有研究表明，前人构建的一系列表征植被水分信息的光谱指数是估算植物水分含量的良好指标，但也有研究指出它们对叶片等效水厚度较敏感，而对叶片含水量的表征则不敏感[5]。笔者参考前人相关研究成果，选取对植物含水量估测效果较好的15个光谱指数，应用到枸杞叶片含水量的遥感反演中，发现光谱指数GVWI、NDWI（R860，R1640）、MSI、R/ND、PRI 用 于 反演枸杞叶片含水量是可行的，但适用的光谱指数数量有限，且反演效果不佳，这与植物种类、试验条件及水分指标等有关。还有研究表明，植物叶片中各种生化成分混合在一起，致使相互间或削弱或加强各自吸收特征，所以估测某一生化成分时只用单一波段是不够的，需要进行波段选择和重组，而构造光谱指数的数学模型可以使植被的有效光谱信息最大化，进而提高预测精度[19-21]。研究结果显示，提取的一阶导数光谱参 数D（925～975）、D（1275～1450）、SD（1275～1450）、D（1825～1925）、SD（1825～1925）与枸杞叶片水分含量呈显著或极显著相关，但由其构建的模型遥感反演效果较差；而由一阶导数光谱指数构建的模型拟合度较高，模型的预测效果及稳定性也显著优于一阶导数光谱参数。这是因为虽然对光谱数据进行导数处理能有效去除干扰信息，但提取的一阶导数光谱参数是单一波段，未能突出有效信息；而一阶导数光谱指数，是在获取导数光谱的基础上， 进行波段重组，进而增强枸杞叶片含水量光谱信息。

利用筛选的最佳光谱指数和最优反演模型对枸杞叶片水分含量进行反演，可快速获取枸杞叶片水分实时信息。在水肥一体化智能控制设备大范围推广的背景下，这种信息为水肥一体化设备实现精确滴灌提供了决策参考，进而实现枸杞种植过程中水分的科学管理，确保枸杞产量及品质的稳定性，同时也减少大水漫灌带来的生态环境问题，对推动西部地区枸杞田间水分管理技术创新、生态环境恢复、社会经济发展具有重大意义。

但是，由于受观测样本多样性、数量有限性及研究方法单一性等影响，该研究所选取的光谱指数或光谱参数及模型反演精度均十分有限。今后应在丰富样本多样性、补充样本数量及提高光谱信息质量的基础上，综合包络线去除法、连续小波分析法、主成分分析、偏最小二乘回归分析及人工智能等多种方法，继续深入开展枸杞叶片含水量高光谱遥感反演研究，进一步提高模型预测精度及稳定性，为枸杞科学灌溉提供实时依据。