利用無人機數(shù)字圖像監(jiān)測不同棉花品種葉面積指數(shù)

雷亞平，韓迎春，楊北方，王康麗，王國平，馮璐，王占彪，李亞兵

（中國農(nóng)業(yè)科學(xué)院棉花研究所/棉花生物學(xué)國家重點實驗室，河南安陽455000）

葉面積指數(shù)（Leaf area index，LAI）是指單位土地面積上所有葉片的單面表面積[1]。LAI決定了植物冠層的光截獲量，與光合有效輻射、植物蒸騰作用及土壤水分蒸散量密切相關(guān)，是表征作物光合作用能力大小的重要參數(shù)，而且與生物量和作物產(chǎn)量有密切關(guān)系[2-9]。

目前測量LAI一般采用直接測量法和間接測量法。直接測量法具有破壞性、耗時費力，且測定范圍受限[10]。間接測量法一般使用儀器通過固定的參數(shù)計算出LAI，但由于儀器不同測定結(jié)果存在較大差別，準(zhǔn)確性也各異，而且測定點數(shù)量和位置也影響LAI的準(zhǔn)確性。

隨著棉花產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，種植戶生產(chǎn)規(guī)模擴大，急需大規(guī)模生產(chǎn)監(jiān)測和管理相關(guān)技術(shù)。近年，無人機特別是小型消費級無人機的廣泛使用，使得利用無人機監(jiān)測作物長勢技術(shù)的研究逐漸引起國內(nèi)外學(xué)者的重視。無人機搭載多光譜、高光譜相機已被用來評價葉面積指數(shù)、葉綠素含量、產(chǎn)量等作物表型信息[11-14]。但多光譜相機分辨率較低、波段較少且波譜不連續(xù)，高光譜相機價格昂貴，這些制約了其在監(jiān)測作物表型平臺上的應(yīng)用[15]。而普通數(shù)碼相機具有價格低廉、操作方便、分辨率高等優(yōu)勢，適合作為小規(guī)模地塊級作物調(diào)查研究。無人機數(shù)字圖像能夠提供作物生長信息和在田間的分布，可用來監(jiān)測作物長勢?；诩t、綠、藍3種可見光波段構(gòu)建的顏色指數(shù)已被用來識別植被覆蓋區(qū)、出苗數(shù)、LAI、生物量、氮水平、氮平衡指數(shù)、雜草分布等信息[16-23]。然而葉面積指數(shù)與顏色指數(shù)之間的關(guān)系受土壤、冠層衰老、太陽角度、相機曝光時間等多種因素影響，而且棉花生育期長，顏色指數(shù)受復(fù)雜大田環(huán)境（地膜、枯葉、陰影）影響更大[24]。

在前人研究的基礎(chǔ)上，本文提取棉花冠層圖像常用的5種顏色指數(shù)，根據(jù)多閾值分割方法計算顏色指數(shù)相應(yīng)的植被覆蓋指數(shù)，分析植被覆蓋指數(shù)在不同曝光度下的穩(wěn)定性，分析表現(xiàn)穩(wěn)定的植被覆蓋指數(shù)與棉花葉面積指數(shù)的關(guān)系，驗證其在棉花生育期估計棉花葉面積指數(shù)的有效性，利用植被覆蓋指數(shù)估測地塊級棉花葉面積指數(shù)分布圖。

1 材料與方法

1.1 試驗區(qū)概況

試驗在中國農(nóng)業(yè)科學(xué)院棉花研究試驗基地進行，基地位于河南省安陽市白璧鎮(zhèn)（36°06′N，114°21′E)，海拔高度為 76.4 m，土壤類型為黏土，肥力中等。試驗材料為不同生育期的9個棉花品種（系）有 0式、冀棉 228、魯棉研28、中 3799、新陸早 33、中棉所60、中915、中棉所92、中棉所50，以其中前7個品種（系）進行葉面積指數(shù)與植被覆蓋指數(shù)相關(guān)性試驗，其余2個用來驗證。采用隨機區(qū)組設(shè)計，3個重復(fù)，共27個試驗小區(qū)。試驗密度為每666.7m26 000株，行距和株距均為80 cm，每個小區(qū)10行，小區(qū)面積為64 m2。播種日期為2017年4月23日，采用常規(guī)田間管理。

1.2 葉面積指數(shù)的獲取與計算

從播種后35 d開始每隔15 d左右分別于蕾期、花鈴期和吐絮期共7次從27個試驗小區(qū)中隨機選取有代表性的2株棉花連根拔起帶回實驗室，然后取其所有葉片，利用掃描儀（Phantom 9800xl；MiCROTEK，Shanghai，China）和圖像分析軟件 Image-Pro Plus 7.0（Media Cybernetics，Rockville，MD，USA）獲取葉面積大小及葉面積指數(shù)。

1.3 圖像的獲取與處理方法

試驗采用四旋翼無人機（DJIphantom 3 professional，含電池質(zhì)量為1.2 kg，續(xù)航時間約25 min）搭載數(shù)碼相機，傳感器為1/3.2英寸 （4.13 mm×3.05 mm），像素1 200萬。數(shù)據(jù)采集時選在晴朗、無風(fēng)或微風(fēng)天氣，飛行高度50 m，鏡頭垂直朝下，白平衡與曝光模式設(shè)置為自動。采集數(shù)據(jù)時，無人機按軟件（DJIGRPPRO）預(yù)先設(shè)定好的路線和參數(shù)自動拍攝采樣。數(shù)據(jù)采集時間為取樣測葉面積的前1 d或當(dāng)天上午11:00點?？紤]到圖像顏色特征受曝光度影響，于6月28日設(shè)置不同的曝光度進行數(shù)據(jù)采集，用以分析顏色指數(shù)受曝光影響程度。

使用軟件Agisoft PhotoScan對采集到的棉花冠層RGB圖像進行拼接，通過對齊照片，建立密集點云，生成網(wǎng)格，建立正攝影像等步驟，導(dǎo)出JPG格式的試驗小區(qū)RGB冠層影像。

1.4 圖像特征提取與分析方法

從RGB圖像中提取每個像素的紅、綠、藍通道的亮度值（Digital number，DN），本質(zhì)上是其反射光強的量化表達[18，25]。綠色植物冠層表現(xiàn)為綠光波段DN值較紅光和藍光波段大。許多學(xué)者基于可見光波段構(gòu)建出多種顏色指數(shù)來提取植被信息。張正健等[19]發(fā)現(xiàn)歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）對若爾蓋草地地上生物量有較高的模擬和預(yù)測精度。丁雷龍等[16]選用歸一化綠－紅差值指數(shù) （Normalized green-red difference index，NGRDI）、 過 綠 指 數(shù) （Excess green index，ExG）、過綠減過紅植被指數(shù) （Excess green minus excess red index，ExGR） 和綠葉植被指數(shù)（Green leaf index，GLI）4種顏色指數(shù)，識別植被覆蓋區(qū)域，結(jié)果表明:4種顏色指數(shù)均能快速準(zhǔn)確地識別植被覆蓋區(qū)域，識別精度在90%以上。趙必權(quán)等[17]認(rèn)為ExGR可用于識別機械直播油菜株數(shù)并獲得較好的結(jié)果。Gitelson等[26]證明了可見光大氣阻抗植被指數(shù)（Visibleatmospherically resistant index，VARI）與玉米抽穗前LAI的相關(guān)系數(shù)達到0.97。本研究選取 NGRDI、VARI、ExG、ExGR 和 GLI這 5 種常用的可見光顏色指數(shù)（具體計算方法見表1）確定基于圖像顏色指數(shù)的植被覆蓋指數(shù)對棉花LAI的識別模型與精度。

表15 種常用顏色指數(shù)

圖像特征的主要提取步驟見圖1。（1）利用MATLAB R2016a的二次開發(fā)功能，編程自動提取圖像R、G、B值并對顏色特征值進行組合形成不同的顏色指數(shù)。（2）利用閾值分析法進行棉花冠層識別，根據(jù)識別結(jié)果將顏色指數(shù)圖像進行二值化處理。二值化處理時基于一定的閾值范圍，最小閾值設(shè)為0，最大閾值設(shè)為棉花行間陰影部位的相應(yīng)顏色指數(shù)值[27-28]。在顏色指數(shù)在閾值范圍的像素點值設(shè)為1，其余像素點值設(shè)為0。（3）為避免小區(qū)四邊生長不均的影響，利用MATLAB編程自動提取每個小區(qū)中心部位相同面積區(qū)域的平均值作為對應(yīng)處理的植被指數(shù)。（4）提取整個試驗區(qū)域每平方米植被覆蓋指數(shù)（文章后面的植被覆蓋指數(shù)均值基于對應(yīng)顏色指數(shù)的植被覆蓋指數(shù)），并用Surfer制作葉面積指數(shù)分布圖。

圖1 圖像處理主要步驟

2 結(jié)果與分析

2.1 不同相機曝光時間下圖像植被覆蓋指數(shù)分析

試驗期間設(shè)置不同的曝光時間1/2 000 s、1/1 600 s、1/1 250 s、1/1 000 s和 1/500 s， 在相同的高度和位置分別拍攝同一處理棉花冠層圖像 （圖2）。對不同曝光時間拍攝的圖像提取5種植被覆蓋指數(shù)進行統(tǒng)計分析發(fā)現(xiàn)，不同曝光時間下植被指數(shù)GLI變化程度最小 （CV＝4.74%），VARI變化程度最大（CV＝29.61%），ExGR、NGRDI與 ExG 穩(wěn)定性居中（表2）。結(jié)合圖2發(fā)現(xiàn)，ExGR在各曝光時間下對植被覆蓋指數(shù)均過低計算，均值為0.2，標(biāo)準(zhǔn)差為0.022；VARI在1/1 000 s時對植被覆蓋指數(shù)過低計算，GLI、NGRDI與ExG平均值符合圖像特征，說明GLI、NGRDI與ExG在計算時受曝光時間影響較小，較為穩(wěn)定。

表2 不同曝光時間圖像植被覆蓋指數(shù)統(tǒng)計分析

圖2 曝光度試驗處理

2.2 生育期葉面積指數(shù)變化

葉面積指數(shù)擬合模型（圖3）顯示，葉面積指數(shù)隨播種后時間的增加先增大后減小，曲線的拐點處于播種后100 d左右，即花鈴期葉面積指數(shù)達到峰值時。所有品種的葉面積指數(shù)都表現(xiàn)出相同的趨勢，但不同品種的葉面積指數(shù)存在差異，其中早熟品種中棉所50葉面積指數(shù)明顯低于其他品種。

葉面積指數(shù)主要受生育期和品種影響。播種后39～69 d棉花處于蕾期，這一時期棉花葉面積指數(shù)快速增長；播種后70～116 d為花鈴期，此階段棉花營養(yǎng)生長與生殖生長同時發(fā)生，葉面積指數(shù)較蕾期增長減緩；播種后119～148 d為吐絮期，這一階段葉面積指數(shù)停止增長，并且隨著棉株的老化而下降。

圖3 不同品種葉面積指數(shù)隨播種后時間變化

2.3 主要生育期不同棉花品種圖像植被覆蓋指數(shù)

不同曝光度下表現(xiàn)相對穩(wěn)定的3種植被覆蓋指數(shù)ExG、GLI、NGRDI在生育期內(nèi)都呈現(xiàn)出開口向下的二次曲線，曲線拐點出現(xiàn)在播種后90 d左右（圖4）。但3種指數(shù)之間存在明顯的差異，蕾期（播種后39～69 d）NGRDI表現(xiàn)出明顯的快速上升趨勢，GLI上升趨勢平緩；吐絮期（播種后119～129 d）NGRDI與ExG下降趨勢相似，GLI下降過快。

經(jīng)回歸分析，7個品種的NGRDI、ExG與播種后時間極顯著相關(guān)（P＜0.01），R2大于 0.9。 2個品種的GLI與播種后時間呈極顯著相關(guān)，其余品種顯著相關(guān)（P＜0.05），R2大于 0.8。

品種間顏色指數(shù)受葉片結(jié)構(gòu)、株型與熟性等指標(biāo)影響。蕾期品種間ExG、GLI、NGRDI的差異較小；此后至吐絮期前，主要受株型影響，品種間3種指數(shù)差異逐漸明顯，緊湊型株型品種棉花植被覆蓋指數(shù)較小，松散型和葉片較大的品種植被覆蓋指數(shù)大。進入吐絮期后主要受熟性影響，不同熟性品種葉片出現(xiàn)衰落的時間不一致，隨著葉片呈現(xiàn)褐色或脫落，植被覆蓋指數(shù)下降。

2.4 植被覆蓋指數(shù)與葉面積指數(shù)相關(guān)性

葉面積指數(shù)和從圖像提取的植被覆蓋指數(shù)都與播種后時間有較大的相關(guān)性，用2017年7個棉花品種21個小區(qū)試驗數(shù)據(jù)建立葉面積指數(shù)與植被覆蓋指數(shù)NGRDI、ExG之間的定量關(guān)系。結(jié)果（圖5）顯示，全生育期葉面積指數(shù)與NGRDI、ExG均具有顯著正相關(guān)性，R2分別為0.776、0.689；隨著葉面積指數(shù)的增加NGRDI、ExG值上升，葉面積指數(shù)增加到一定程度后NGRDI、ExG達到最大；之后葉面積指數(shù)增加，而NGRDI、ExG保持穩(wěn)定。吐絮期后葉片衰老較快，顏色呈褐色，易被誤判為綠葉。因此，剔除吐絮期后數(shù)據(jù)，重新分析葉面積指數(shù)與NGRDI、ExG相關(guān)關(guān)系，發(fā)現(xiàn)吐絮期前葉面積指數(shù)與NGRDI、ExG的相關(guān)性較全生育期更大，R2分別為 0.913、0.912。

圖4 不同品種圖像的ExG、GLI、NGRDI隨播種后時間變化

為了驗證吐絮期前葉面積指數(shù)與NGRDI、ExG的關(guān)系，利用從2017年棉花冠層圖像中提取的中棉所50與中棉所92處理3個重復(fù)6個生育期的NGRDI、ExG預(yù)測 LAI，并與實測LAI進行比較，發(fā)現(xiàn)兩者顯著正相關(guān)（圖6），相關(guān)系數(shù)分別為 0.949和 0.919，其回歸方程的P值均為 0，RMSE分別為 0.385、0.464，NGRDI估測效果好于ExG。

圖5 NGRDI、ExG與葉面積指數(shù)的相關(guān)性

圖6 NGRDI、ExG預(yù)估的棉花葉面積指數(shù)與實際葉面積指數(shù)比較

2.5 葉面積指數(shù)分布圖

根據(jù)NGRDI與棉花葉面積指數(shù)之間的擬合關(guān)系，利用6月28日無人機棉花冠層圖像提取的NGRDI預(yù)測棉花葉面積指數(shù)并形成整塊試驗地葉面積指數(shù)空間分布圖(圖7)。葉面積指數(shù)的空間分布圖與棉花品種處理小區(qū)分布之間有高相關(guān)性。預(yù)測的葉面積指數(shù)主要分布在2～2.5。

圖7 預(yù)測葉面積指數(shù)分布圖

3 討論

田間表型信息是遺傳因素、環(huán)境因素及其互作對單產(chǎn)潛力和對生物或非生物脅迫耐受程度等作物關(guān)鍵特性影響的最終表達[29]。無人機在提取田間表型信息時能夠?qū)Σ煌^(qū)同時取樣，而且方便、快捷，在快速獲取田間表型信息上具有很大潛力[30]。本研究利用無人機獲取棉花生育期冠層數(shù)碼圖像，分析不同曝光度下顏色指數(shù)的穩(wěn)定性，確定表現(xiàn)穩(wěn)定的顏色指數(shù)與生育期不同棉花品種葉面積指數(shù)的相關(guān)關(guān)系。

數(shù)碼相機自動曝光模式會根據(jù)當(dāng)前環(huán)境的亮度，通過傳感器控制曝光時間來調(diào)整最終圖像的亮度值[31]。由于獲取圖像過程中太陽光、云層等因素影響，圖像顏色會出現(xiàn)一定偏差。圖像顏色指數(shù)是基于圖像R、G、B值得到的，不同的顏色指數(shù)受曝光度影響不同。本研究中5種植被覆蓋指數(shù)NGRDI、VARI、ExG、GLI、ExGR 在 不 同 曝 光 度 下穩(wěn)定性表現(xiàn)差異較大，其中GLI、NGRDI與ExG在計算中受曝光時間影響較小，較為穩(wěn)定。

為了找出植被覆蓋指數(shù)與棉花葉面積指數(shù)之間的關(guān)系，分析了生育期內(nèi)葉面積指數(shù)與GLI、NGRDI與ExG的變化特征，發(fā)現(xiàn)兩者之間有顯著的相關(guān)性。吐絮期前葉面積指數(shù)與NGRDI、ExG具有強相關(guān)性。吐絮期由于葉片衰落等影響，相關(guān)性下降，這與王方永等[32]關(guān)于圖像透光率與棉花葉面積指數(shù)相關(guān)性的研究一致，與李亞兵等[33]分析全生育期棉花冠層數(shù)字圖像G分量變化規(guī)律原因相同，也與Hunt等[22]發(fā)現(xiàn)的在3種氮素水平下玉米葉面積指數(shù)超過2時NGRDI達到飽和水平原因一致。此外，通過比較發(fā)現(xiàn)，NGRDI的預(yù)估效果好于ExG，這表明NGRDI是預(yù)測棉花葉面積指數(shù)的一個優(yōu)選指標(biāo)。利用棉花葉面積指數(shù)與NGRDI的相關(guān)關(guān)系形成整個研究區(qū)域葉面積指數(shù)的分布圖與棉花小區(qū)分布圖像表現(xiàn)一致。但本研究僅針對不同品種棉花葉面積指數(shù)進行了估測，今后應(yīng)進一步開展不同密度、不同營養(yǎng)水平葉面積指數(shù)的估測，以期建立不同棉花處理的通用估測模型。

4 結(jié)論

基于無人機數(shù)字圖像的植被覆蓋指數(shù)受曝光度影響，曝光度為自動模式時，GLI、NGRDI與ExG受曝光時間影響較小，較為穩(wěn)定。

不同品種棉花葉面積指數(shù)與圖像植被覆蓋指數(shù)GLI、NGRDI和ExG均在生育期內(nèi)呈開口向下的二次拋物線。葉面積指數(shù)與NGRDI、ExG線性相關(guān)，全生育期決定系數(shù)R2分別為0.776、0.689，吐絮期前決定系數(shù)R2為0.913、0.912，并且該結(jié)果均經(jīng)過驗證，NGRDI估測效果好于 ExG。通過NGRDI預(yù)測整塊田間葉面積指數(shù)并形成其分布圖為精準(zhǔn)農(nóng)業(yè)提供了一個重要參考。因此，該方法可為利用無人機搭載普通數(shù)碼相機指導(dǎo)地塊級定點農(nóng)業(yè)生產(chǎn)提供參考。