覆蓋度對(duì)無(wú)人機(jī)熱紅外遙感反演玉米土壤含水率的影響

張智韜 許崇豪 譚丞軒 邊 江 韓文霆

(1.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； 2.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； 3.西北農(nóng)林科技大學(xué)水土保持研究所， 陜西楊凌 712100)

0 引言

作物根系吸收的土壤水分超過(guò)90%通過(guò)蒸騰作用散發(fā)到空氣中，而作物正是通過(guò)蒸騰作用維持冠層溫度的平衡[1]。1963年，TANNER[2]首次提出采用冠層溫度指示作物水分狀況，此后許多學(xué)者對(duì)這一問(wèn)題進(jìn)行了研究，證明冠層溫度可以作為評(píng)價(jià)作物缺水的指標(biāo)[3-5]。文獻(xiàn)[6]通過(guò)對(duì)玉米的研究發(fā)現(xiàn)，基于冠層溫度的作物缺水指標(biāo)與土壤水分有顯著的線(xiàn)性關(guān)系；文獻(xiàn)[4]試驗(yàn)發(fā)現(xiàn)，土壤水分對(duì)冠層溫度在12：00—15：00時(shí)間段的影響最大。但在大田試驗(yàn)中，冠層溫度不僅受土壤水分影響，空氣溫度等環(huán)境因素[7-9]也能影響冠層溫度，因而若用冠層溫度單一指標(biāo)反演土壤含水率，其精確度并不高，許多學(xué)者由此提出利用冠層溫度與大氣溫度差值預(yù)測(cè)作物或土壤水分狀況[10-12]，并取得了較好的效果。以上冠層溫度均是通過(guò)手持式測(cè)溫儀獲取的“點(diǎn)”數(shù)據(jù)，耗時(shí)、耗力，且對(duì)大面積區(qū)域不具代表性。隨著無(wú)人機(jī)技術(shù)的成熟，基于無(wú)人機(jī)搭載熱紅外成像儀獲取作物冠層溫度，并用于旱情監(jiān)測(cè)成為近幾年研究的熱點(diǎn)[13-14]。

國(guó)外利用無(wú)人機(jī)熱紅外技術(shù)獲取冠層溫度信息，并用于診斷作物或土壤含水率的研究較早[15-17]，國(guó)內(nèi)則處于起步階段[18-19]。當(dāng)植被覆蓋度較低，無(wú)人機(jī)熱紅外圖像提取的溫度信息是作物冠層和土壤的混合溫度，因此剔除土壤背景是獲得準(zhǔn)確冠層溫度的關(guān)鍵。目前，針對(duì)剔除熱紅外圖像中的土壤背景問(wèn)題，已有研究通過(guò)一些邊緣檢測(cè)算子[20]直接提取熱紅外圖像中的特定地物[21-22]，但是這種方法要求熱紅外圖像具有極高的分辨率。大田試驗(yàn)中為滿(mǎn)足拍攝面積的需要，無(wú)人機(jī)飛行高度偏高導(dǎo)致熱紅外圖像分辨率偏低，故僅僅依靠熱紅外影像往往不能把土壤和作物很好地區(qū)分開(kāi)[23-24]?；谕桓叨扰臄z的可見(jiàn)光圖像分辨率遠(yuǎn)高于熱紅外圖像分辨率這一特點(diǎn)，文獻(xiàn)[25]利用無(wú)人機(jī)熱紅外圖像與數(shù)碼影像相結(jié)合的方法提取大田玉米的冠層溫度，經(jīng)驗(yàn)證，提取的冠層溫度與地面實(shí)測(cè)值具有高度一致性。但關(guān)于不同土壤背景剔除方法對(duì)冠層溫度提取的影響還少有人研究。

此外，作為植被的表型參數(shù)，植被覆蓋度是反映植被基本情況的客觀(guān)指標(biāo), 在許多研究中常將其作為基本的參數(shù)或因子[26]。一些研究認(rèn)為，植被覆蓋度能夠影響冠層溫度的變化幅度[27]和冠層溫度[25]，也有研究[28-29]指出，植被覆蓋度與表層土壤水分含量、地表溫度都存在一定的關(guān)系。而結(jié)合覆蓋度的冠層溫度反演土壤含水率卻少有人研究，利用覆蓋度通過(guò)比值法將某一區(qū)域冠-氣溫差平均值進(jìn)行單位化處理，由此反演土壤含水率更未見(jiàn)報(bào)道。

本文以拔節(jié)期的大田玉米為對(duì)象，利用短時(shí)間內(nèi)拍攝的同一試驗(yàn)區(qū)域的可見(jiàn)光(RGB)與熱紅外圖像，經(jīng)不同分類(lèi)方法剔除圖像中土壤背景，獲取玉米覆蓋度及玉米冠層溫度。在此基礎(chǔ)上，探究覆蓋度對(duì)冠層溫度的影響，并利用冠-氣溫差、冠-氣溫差與覆蓋度之比反演不同深度土壤含水率，以確定冠-氣溫差與覆蓋度之比反演土壤含水率的效果及最佳深度。

1 材料與方法

1.1 試驗(yàn)區(qū)域概況

試驗(yàn)區(qū)域位于內(nèi)蒙古自治區(qū)鄂爾多斯市達(dá)拉特旗昭君鎮(zhèn)，東經(jīng)109°36′，北緯40°25′，海拔1 010 m。屬于典型溫帶大陸性氣候，干燥少雨，冬寒夏熱，晝夜溫差大， 年均日照時(shí)數(shù)約3 000 h，年均氣溫6.1～7.1℃，無(wú)霜期135～150 d，太陽(yáng)能、風(fēng)能資源充裕。年均降水量240～360 mm，主要集中在7—9月。試驗(yàn)地土壤為砂壤土，0～90 cm深度平均田間持水率為18.5%(體積含水率)，土壤容重為1.56 g/cm3。

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)地(圖1a)為半徑60 m的圓狀區(qū)，面積為1.13 hm2，將其劃分為5個(gè)等面積的扇形區(qū)域，每個(gè)扇形區(qū)域的灌水量不同(相當(dāng)于5個(gè)水平處理)，每個(gè)扇形區(qū)域設(shè)置3個(gè)6 m×6 m的正方形采樣區(qū)(相當(dāng)于3個(gè)重復(fù))，每個(gè)正方形采樣區(qū)按對(duì)角線(xiàn)設(shè)置A、B、C3個(gè)采樣點(diǎn)(圖1c)，每次試驗(yàn)數(shù)據(jù)采集在這3個(gè)點(diǎn)上進(jìn)行。在每個(gè)扇形區(qū)域的中心埋設(shè)有小型氣象站(高度2 m)，記錄空氣溫濕度、風(fēng)速等；在T2、T3、T4、T5扇形區(qū)域中心以及噴灌機(jī)軸心標(biāo)有事先用RTK(Real-time kinematic)測(cè)定的5個(gè)地理位置幾何控制板(圖1b)，用于圖像拼接的幾何校正。

玉米播種時(shí)間為2018年5月11日，出苗時(shí)間為5月18日，收獲時(shí)間為2018年9月8日，全生育期歷經(jīng)114 d。玉米播種深度約5 cm，行距50 cm、株距25 cm，行沿東西走向。灌溉方式采用中心軸式噴灌機(jī)。對(duì)于扇形區(qū)域T1進(jìn)行充分灌溉(田間持水率的95%)，將其作為不受水分脅迫的試驗(yàn)區(qū)域；對(duì)于扇形區(qū)域T4進(jìn)行嚴(yán)重的水分脅迫處理(田間持水率的40%)；T2、T3、T5水分梯度分別設(shè)置為田間持水率的80%、70%、60%。灌溉量通過(guò)安裝在噴灌機(jī)上的流量計(jì)(MIK-2000H型)控制，但由于其誤差較大以及大田試驗(yàn)易受降水的影響，實(shí)際灌溉量可能存在偏差，特別是對(duì)于嚴(yán)重水分脅迫處理的T4區(qū)域，即使試驗(yàn)前不灌溉，其實(shí)際土壤含水率也可能高于試驗(yàn)方案中設(shè)計(jì)的土壤含水率(40%田間持水率)。

圖1 試驗(yàn)區(qū)域布置圖Fig.1 Layouts of test area

1.3 無(wú)人機(jī)圖像及地面數(shù)據(jù)獲取

在玉米拔節(jié)期，選擇天氣晴朗無(wú)風(fēng)的日期，分別在2018年7月4日、7月8日、7月12日、7月17日進(jìn)行無(wú)人機(jī)圖像以及地面數(shù)據(jù)的采集，采集時(shí)間集中在每天的12：00—15:00(北京時(shí)間)之間。

(1)可見(jiàn)光(RGB)圖像的獲取

利用大疆精靈4Pro型無(wú)人機(jī)獲取可見(jiàn)光(RGB)圖像。無(wú)人機(jī)整機(jī)質(zhì)量1 388 g，續(xù)航時(shí)間可達(dá)30 min。相機(jī)2 000萬(wàn)像素，圖像采用3∶2寬高比，對(duì)應(yīng)最大分辨率為5 472像素×3 648像素。試驗(yàn)中無(wú)人機(jī)飛行高度50 m，重疊度90%，對(duì)應(yīng)地面分辨率1.25 cm，按照規(guī)劃的飛行航線(xiàn)對(duì)試驗(yàn)地進(jìn)行拍攝。飛行時(shí)間在12:30—13:00，采集整個(gè)試驗(yàn)區(qū)域大約用時(shí)25 min。

(2)熱紅外圖像的獲取

自主研發(fā)的六旋翼無(wú)人機(jī)，飛行姿態(tài)平穩(wěn)，續(xù)航時(shí)間30 min以上，最大起飛質(zhì)量15 kg。利用搭載的640像素×512像素VuePro 640R型熱成像儀獲取熱紅外圖像，VuePro 640R型熱成像儀質(zhì)量130 g，鏡頭焦距19 mm，視場(chǎng)角32°× 26°，波長(zhǎng)范圍7.5～13.5 μm。無(wú)人機(jī)飛行高度60 m，重疊度85%，對(duì)應(yīng)地面分辨率7.8 cm。飛行時(shí)間在12:00—12:30，采集整個(gè)試驗(yàn)區(qū)域大約用時(shí)20 min。

(3)地面數(shù)據(jù)的采集

無(wú)人機(jī)圖像采集完成后，進(jìn)行地面數(shù)據(jù)采集，主要是大氣溫度和土壤含水率。土壤含水率的測(cè)定采用傳統(tǒng)的取土干燥法(精確度高)，在每個(gè)正方形采樣區(qū)的中心進(jìn)行土鉆取土，取土深度為10、20、30、45、60 cm，土樣取出后迅速裝入鋁盒進(jìn)行稱(chēng)量，放入干燥箱在105℃溫度下干燥8 h后再稱(chēng)量，計(jì)算土壤質(zhì)量含水率，乘以土壤容重得土壤含水率(SMC)。4次試驗(yàn)T1～T5區(qū)域不同深度的土壤含水率列于表1。大氣溫度從埋設(shè)在扇形區(qū)域中心的小型氣象站下載，5個(gè)扇形試驗(yàn)區(qū)域?qū)?yīng)5個(gè)大氣溫度。

表1 T1～T5區(qū)不同深度的土壤含水率Tab.1 Soil water content at different depths in T1～T5 zones %

1.4 無(wú)人機(jī)圖像的處理

1.4.1圖像拼接與配準(zhǔn)

為得到完整的試驗(yàn)區(qū)圖像，需要將無(wú)人機(jī)一次試驗(yàn)拍攝的圖像進(jìn)行拼接。采用PIX4D mapper軟件，拼接過(guò)程中需要導(dǎo)入事先用RTK(Real-time kinematic)測(cè)定的5個(gè)地面控制點(diǎn)的矢量文件，并通過(guò)5個(gè)幾何控制板(圖1)手動(dòng)校準(zhǔn)，確保拼接后圖像中地理坐標(biāo)與實(shí)際地理坐標(biāo)一致。為保證兩幅拼接圖像中的地物更加吻合，還需對(duì)熱紅外與可見(jiàn)光(RGB)圖像進(jìn)行配準(zhǔn)。利用ENVI Classic軟件，以可見(jiàn)光(RGB)圖像為基準(zhǔn)圖像，熱紅外圖像為配準(zhǔn)圖像，手動(dòng)選取兩幅圖像中同一地物明顯的特征點(diǎn)(本研究中均選取15個(gè)以上)進(jìn)行配準(zhǔn)。

1.4.2熱紅外圖像的溫度轉(zhuǎn)換與校準(zhǔn)

VuePro 640R型熱成像儀獲取的熱紅外原始圖像是灰度圖像，需用配套的轉(zhuǎn)換公式(T=0.04VDN-273.15，式中T為溫度，VDN為灰度)將灰度圖像轉(zhuǎn)換為溫度圖像。為降低誤差，還需進(jìn)行溫度校準(zhǔn)，方法如圖2所示，利用各個(gè)方向反射率相同的“黑布”“灰布”各一塊(標(biāo)準(zhǔn)反射板，其反射率見(jiàn)表2)，以及近似黑體的一盆水，通過(guò)查閱非金屬發(fā)射率，確定標(biāo)準(zhǔn)反射板的發(fā)射率(比輻射率)在0.94～0.96之間，水的發(fā)射率為0.96。當(dāng)無(wú)人機(jī)升至60 m高度時(shí)獲取3個(gè)地物的熱紅外圖像并提取溫度，同時(shí)用手持熱紅外測(cè)溫儀(美國(guó)雷泰RayTek ST60+型，光譜響應(yīng)范圍8～14 μm，輻射率設(shè)置為0.97，測(cè)溫范圍-32～600℃，測(cè)量精度± 1% 或± 1℃中較大者)測(cè)定3個(gè)地物的溫度，為保證測(cè)定溫度的準(zhǔn)確性，測(cè)定時(shí)手持熱紅外測(cè)溫儀垂直地面(與無(wú)人機(jī)熱紅外成像儀觀(guān)測(cè)角度一致，即垂直地面)掃描“黑布”“灰布”及水，由此得出的數(shù)值是掃射路徑溫度的平均值，并且每個(gè)物體掃射3次，再取平均值。建立圖像溫度與實(shí)測(cè)溫度的關(guān)系式(圖2b中關(guān)系式為4次試驗(yàn)溫度校準(zhǔn)關(guān)系式)，即溫度校準(zhǔn)式。熱紅外圖像的溫度轉(zhuǎn)換與校準(zhǔn)工作均在ENVI軟件中通過(guò)波段運(yùn)算完成。

圖2 溫度校準(zhǔn)方法Fig.2 Temperature calibration method

1.4.3可見(jiàn)光(RGB)圖像中的植土分離

可見(jiàn)光(RGB)圖像的分辨率較高，因此在可見(jiàn)光(RGB)圖像中對(duì)地物進(jìn)行分類(lèi)進(jìn)而提取玉米冠層比較容易實(shí)現(xiàn)。本研究采取灰度分割法[30]、RGRI[31]植被指數(shù)法和GBRI植被指數(shù)法3種分類(lèi)方法對(duì)可見(jiàn)光(RGB)圖像中玉米植株冠層與土壤分類(lèi)，對(duì)比哪種方法更適用于大田玉米的分類(lèi)。

表2 RedEdge多光譜相機(jī)參數(shù)及反射板對(duì)其中心波長(zhǎng)的反射率Tab.2 RedEdge multispectral camera parameters and reflectance of reflector to its center wavelength

由于可見(jiàn)光(RGB)圖像中綠(G)波段對(duì)植物的綠反射敏感，藍(lán)(B)波段對(duì)葉綠素濃度反應(yīng)敏感，嘗試通過(guò)綠(G)波段與藍(lán)(B)波段比值來(lái)進(jìn)行分類(lèi)從而提取玉米的冠層區(qū)域，由此提出GBRI植被指數(shù)。

灰度分割法的前提是已知灰度分割區(qū)間，本研究在每次試驗(yàn)獲取的可見(jiàn)光(RGB)圖像中分別選取30個(gè)玉米植株和土壤的代表區(qū)域，統(tǒng)計(jì)玉米植株和土壤的綠(G)波段灰度，通過(guò)直方圖對(duì)比發(fā)現(xiàn)兩者并無(wú)明顯的交叉區(qū)域(圖3為7月4日玉米植株冠層與土壤樣本的灰度直方圖)，因此采用玉米植株綠(G)波段作為灰度分割波段，并確定玉米植株冠層的灰度區(qū)間(圖3中左側(cè)為玉米冠層灰度區(qū)間，右側(cè)為土壤灰度區(qū)間)，得到最終分類(lèi)圖像，對(duì)分類(lèi)圖像進(jìn)行二值化處理提取玉米冠層矢量文件。

圖3 玉米冠層與土壤的G波段灰度直方圖(2018-07-04)Fig.3 Histogram of G band DN value of corn canopy and soil (2018-07-04)

圖4 玉米冠層與土壤的RGRI值直方圖(2018-07-04)Fig.4 Histogram of RGRI values of corn canopy and soil (2018-07-04)

植被指數(shù)分類(lèi)法需要確定閾值，本研究在植被指數(shù)RGRI(或GBRI)圖像中分別選取30個(gè)玉米植株冠層與土壤的代表區(qū)域，利用直方圖統(tǒng)計(jì)玉米植株冠層與土壤RGRI(或GBRI)的數(shù)值并確定閾值(圖4 是7月4日玉米植株冠層與土壤的RGRI值直方圖，左側(cè)為玉米冠層的RGRI值)，然后進(jìn)行二值化處理，提取玉米冠層的矢量文件。通過(guò)以上直方圖法，2018年7月4日、7月8日、7月12日、7月17日4次試驗(yàn)，RGRI植被指數(shù)分類(lèi)法玉米植株冠層與土壤的閾值分別為0.93、0.95、0.91、0.91，GBRI指數(shù)分類(lèi)法玉米植株冠層與土壤的閾值分別為1.25、1.08、1.08、1.07。

以上對(duì)植被指數(shù)的計(jì)算以及地物分類(lèi)均在ENVI軟件中進(jìn)行，分類(lèi)完成后在ArcGIS 10.4.1中裁剪出15個(gè)采樣小區(qū)，對(duì)采樣小區(qū)進(jìn)行二值化處理提取玉米冠層矢量文件。

1.4.4剔除土壤背景后冠層溫度提取

將可見(jiàn)光(RGB)圖像分類(lèi)后經(jīng)二值化處理提取的玉米冠層矢量文件疊加到配準(zhǔn)過(guò)的熱紅外圖像中，利用ENVI軟件進(jìn)行掩膜處理，獲得玉米冠層掩膜文件，對(duì)熱紅外圖像做掩膜并進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，可得此區(qū)域每個(gè)像元對(duì)應(yīng)的冠層溫度以及此區(qū)域冠層溫度最大值、最小值和平均值，此平均溫度即是該區(qū)域剔除土壤背景的冠層溫度平均值Tc。3種分類(lèi)方法的分類(lèi)效果以及熱紅外圖像冠層溫度的提取流程如圖5所示。

1.5 覆蓋度的計(jì)算

根據(jù)植被覆蓋度(FVC)的定義[32]，利用ENVI統(tǒng)計(jì)每個(gè)采樣小區(qū)的可見(jiàn)光(RGB)圖像中總像元數(shù)Sa，再統(tǒng)計(jì)每個(gè)采樣小區(qū)提取的玉米冠層矢量文件區(qū)域的像元數(shù)Sc，則此采樣小區(qū)的玉米覆蓋度Vc為

對(duì)15個(gè)采樣小區(qū)均做相同處理，則可得每個(gè)采樣小區(qū)的玉米覆蓋度。由于不同的分類(lèi)方法提取的冠層區(qū)域大小有差異，因此由不同的分類(lèi)方法計(jì)算的覆蓋度大小不一致。

1.6 模型的建立與精度評(píng)價(jià)

采用2018年7月4日、7月8日、7月12日、7月17日4 d的試驗(yàn)數(shù)據(jù)(4次試驗(yàn))進(jìn)行建模與驗(yàn)證，試驗(yàn)區(qū)域的15個(gè)采樣小區(qū)即每次試驗(yàn)的15個(gè)數(shù)據(jù)，4次試驗(yàn)共60個(gè)數(shù)據(jù)。每次試驗(yàn)從T1～T5試驗(yàn)區(qū)內(nèi)分別抽取一個(gè)采樣小區(qū)做驗(yàn)證，其余兩個(gè)采樣小區(qū)建模，即4次試驗(yàn)建模集數(shù)據(jù)有40個(gè)，驗(yàn)證集數(shù)據(jù)有20個(gè)。建模時(shí)通過(guò)決定系數(shù)R2，回歸模型整體的方差檢驗(yàn)值F，方差檢驗(yàn)的顯著性概率P判斷所建模型的相關(guān)程度以及顯著性，R2越接近于1，F(xiàn)值越大，P值越接近于0，表示方程越顯著，擬合程度也就越好。驗(yàn)證時(shí)通過(guò)預(yù)測(cè)值與實(shí)測(cè)值的決定系數(shù)R2以及均方根誤差RMSE綜合評(píng)價(jià)模型的效果，其中R2越接近于1，則模型的擬合效果越好，而RMSE越接近于0，表征模型的預(yù)測(cè)精度越高，預(yù)測(cè)能力越強(qiáng)。

2 結(jié)果分析

2.1 不同分類(lèi)方法計(jì)算的玉米植株覆蓋度變化趨勢(shì)

圖6列出了T1～T5這5個(gè)試驗(yàn)區(qū)域由3種分類(lèi)方法提取冠層區(qū)域計(jì)算的玉米植株覆蓋度(Vc)變化趨勢(shì)。

由圖6可以看出，隨著玉米的生長(zhǎng)，覆蓋度呈整體上升趨勢(shì)，但增長(zhǎng)的速率有所差異，在7月8—12日這一區(qū)間內(nèi)增長(zhǎng)較慢甚至出現(xiàn)負(fù)增長(zhǎng)狀況(T2、T3、T5)，實(shí)際中覆蓋度并不是真正下降，4 d中7月12日大氣溫度最高、光照最強(qiáng)，使得玉米葉片發(fā)生卷縮，因此通過(guò)可見(jiàn)光(RGB)圖像提取的玉米冠層區(qū)域相對(duì)減少，由此計(jì)算的覆蓋度反而小于7月8日。而T1試驗(yàn)區(qū)域由于一直保持充分灌溉(不受水分脅迫)，其覆蓋度始終保持增長(zhǎng)趨勢(shì)；T4試驗(yàn)區(qū)域一直受到水分脅迫，其覆蓋度也始終增長(zhǎng)，只是速率較慢。同時(shí)，對(duì)比T1區(qū)域(不受水分脅迫)和T4區(qū)域(受水分脅迫最嚴(yán)重)，T1區(qū)的覆蓋度要遠(yuǎn)大于T4區(qū)，這表明一個(gè)區(qū)域覆蓋度狀況可以指示此區(qū)域的土壤水分狀況，因?yàn)橥寥浪质菦Q定作物長(zhǎng)勢(shì)的關(guān)鍵因素。

圖6 T1～T5試驗(yàn)區(qū)不同分類(lèi)方法計(jì)算的覆蓋度變化趨勢(shì)Fig.6 Trends of coverage calculated by different classification methods in T1～T5 test areas

對(duì)比不同分類(lèi)方法計(jì)算的覆蓋度，同一區(qū)域不同分類(lèi)方法計(jì)算的玉米覆蓋度存在一定差距，本研究中選用的3種分類(lèi)方法，由灰度分割法計(jì)算的玉米覆蓋度偏大，RGRI指數(shù)法計(jì)算的覆蓋度偏小。以T1區(qū)域?yàn)槔?月4日由灰度分割法分類(lèi)后計(jì)算的玉米覆蓋度為0.65，而RGRI指數(shù)法分類(lèi)后計(jì)算的玉米覆蓋度為0.33，由此看出，通過(guò)可見(jiàn)光(RGB)圖像提取冠層區(qū)域計(jì)算覆蓋度時(shí)，分類(lèi)方法至關(guān)重要。

對(duì)比T4和T5區(qū)，在7月12日之前T5區(qū)的覆蓋度高于T4區(qū)，差別不明顯的原因是，受降雨的影響，實(shí)際中很難達(dá)到40%田間持水率這么低的含水率，導(dǎo)致T4和T5區(qū)土壤含水率相差不大。而7月17日T4區(qū)覆蓋度明顯高于T5區(qū)的原因是，根據(jù)試驗(yàn)記錄，7月13日對(duì)T4區(qū)進(jìn)行了水肥一體化處理(尿素)，且7月15日有降雨發(fā)生，這使得7月17日采集數(shù)據(jù)時(shí)T4區(qū)的玉米長(zhǎng)勢(shì)優(yōu)于T5區(qū)。

圖7 T1～T5試驗(yàn)區(qū)不同分類(lèi)方法提取的冠層溫度變化趨勢(shì)Fig.7 Trends of canopy temperature extracted by different classification methods in T1～T5 test areas

2.2 冠層溫度的變化趨勢(shì)

通過(guò)植土分離提取可見(jiàn)光(RGB)圖像中的玉米冠層，生成玉米冠層的掩膜文件，疊加于熱紅外圖像中提取玉米的冠層溫度，由不同的分類(lèi)方法提取的T1～T5試驗(yàn)區(qū)域冠層溫度的變化趨勢(shì)如圖7所示。

由圖7可以看出，各個(gè)試驗(yàn)區(qū)域玉米冠層溫度的變化趨勢(shì)大致相同，均在7月12日達(dá)到最大值，但不同試驗(yàn)區(qū)最大值又有所不同，T1區(qū)域低于30℃，T3、T4、T5則高于40℃，其中T4最高為43.65℃。出現(xiàn)此現(xiàn)象的原因是，T1試驗(yàn)區(qū)灌水充足，玉米不受水分脅迫，有足夠的水分進(jìn)行蒸騰作用降低冠層溫度；而T4試驗(yàn)區(qū)受到嚴(yán)重水分脅迫，蒸騰速率降低致使冠層溫度升高。5個(gè)試驗(yàn)區(qū)域?qū)Ρ瓤砂l(fā)現(xiàn)，玉米冠層溫度的變化趨勢(shì)與大氣溫度的變化趨勢(shì)具有一致性，且T1區(qū)域(充分灌溉)中大氣溫度曲線(xiàn)位于冠層溫度曲線(xiàn)之上，T4區(qū)域(水分脅迫)的大氣溫度曲線(xiàn)位于冠層溫度曲線(xiàn)之下，其他3個(gè)試驗(yàn)區(qū)域(正常處理)的大氣溫度曲線(xiàn)則位于中間位置。表明大氣溫度是影響冠層溫度的一個(gè)外界因素，土壤水分是決定冠層溫度高低的內(nèi)在原因，并且通過(guò)對(duì)比兩者的高低(差值)也能大致判斷土壤水分狀況。

熱紅外圖像未剔除土壤背景提取的玉米冠層溫度均大于剔除了土壤背景提取的冠層溫度，這說(shuō)明通過(guò)熱紅外圖像提取冠層溫度時(shí)，土壤溫度是影響精確度的重要因素，因此剔除土壤背景有助于提高冠層溫度的精確度。對(duì)比不同的分類(lèi)方法，灰度分割法分類(lèi)后提取的冠層溫度偏高，RGRI指數(shù)法分類(lèi)后提取的冠層溫度偏低，GBRI指數(shù)法提取的冠層溫度相對(duì)適中，這與3種分類(lèi)方法計(jì)算的覆蓋度趨勢(shì)一致。這是由于任何一種分類(lèi)方法分類(lèi)后的“冠層區(qū)域”都會(huì)包含土壤或其他地物，對(duì)于同一時(shí)期同一區(qū)域，分類(lèi)后“冠層區(qū)域”越大(如灰度分割法)，計(jì)算的覆蓋度越高，此中包含的非冠層就越多，由此提取的“冠層溫度”也因此偏高。

2.3 覆蓋度的差異性對(duì)冠層溫度的表征

圖8是7月4日、7月8日、7月12日、7月17日每天正午(12:00—14:00)玉米覆蓋度與冠層溫度的差異性對(duì)比圖。

圖8 不同分類(lèi)方法提取的玉米覆蓋度與冠層溫度對(duì)比Fig.8 Comparisons of corn coverage and canopy temperature by different classification methods

由圖8可以看出，覆蓋度越低，則冠層溫度越高，兩者呈顯著的線(xiàn)性關(guān)系(R2均在0.5以上，P<0.05)。但經(jīng)驗(yàn)證此關(guān)系僅適用于短時(shí)間內(nèi)獲取的冠層溫度和覆蓋度(本研究采用一天內(nèi)采集的數(shù)據(jù))，若所用數(shù)據(jù)采集時(shí)間間隔較長(zhǎng)，如對(duì)4次試驗(yàn)所有數(shù)據(jù)進(jìn)行線(xiàn)性擬合，則線(xiàn)性相關(guān)性較弱(R2均小于0.1)，原因可能是隨著玉米的生長(zhǎng)，冠層溫度處于穩(wěn)定的變化區(qū)間內(nèi)，覆蓋度則處于動(dòng)態(tài)增長(zhǎng)的過(guò)程中。

同一天中由不同的分類(lèi)方法提取的覆蓋度與冠層溫度均呈現(xiàn)負(fù)相關(guān)，但數(shù)值的大小有所差異，由灰度分割法獲取的覆蓋度、冠層溫度相對(duì)較高，除7月8日，其他3次試驗(yàn)數(shù)據(jù)多數(shù)位于相關(guān)圖的右上方，RGRI指數(shù)法獲取的覆蓋度、冠層溫度相對(duì)較小，4次試驗(yàn)的數(shù)據(jù)多數(shù)位于關(guān)系圖點(diǎn)的左下方，而GBRI指數(shù)法獲取的覆蓋度則相對(duì)適中，這與2.2節(jié)中得出的結(jié)論具有一致性。

2.4 冠-氣溫差反演不同深度的土壤含水率

將冠-氣溫差(Tca)作為自變量，土壤含水率(Smc)作為因變量，建立一元線(xiàn)性回歸模型，對(duì)比研究不同分類(lèi)方法獲取的冠-氣溫差反演不同深度土壤含水率相關(guān)程度，結(jié)果見(jiàn)表3。同時(shí)，為更直觀(guān)顯示變量和因變量之間的關(guān)系，將10～20 cm深度的散點(diǎn)圖列于圖9(y代表土壤含水率Smc，x代表冠-氣溫差Tca)。

表3 不同分類(lèi)方法獲取的冠-氣溫差與不同深度土壤含水率關(guān)系Tab.3 Relationship between crown-air temperature difference and soil moisture content at different depths obtained by different classification methods

圖9 不同分類(lèi)方法獲取的冠-氣溫差與10～20 cm深度土壤含水率相關(guān)關(guān)系Fig.9 Correlation between crown-temperature difference obtained by different classification methods and soil moisture content at 10～20 cm depth

由表3可知，所有線(xiàn)性回歸模型的回歸系數(shù)均為負(fù)值，說(shuō)明冠-氣溫差與土壤含水率具有負(fù)相關(guān)關(guān)系。同時(shí)不同分類(lèi)方法獲取的冠-氣溫差與土壤含水率的線(xiàn)性相關(guān)程度也具有一定差異性，以土壤深度0～10 cm為例，未剔除土壤背景建立的回歸模型其決定系數(shù)小于剔除了土壤背景所建立回歸模型的決定系數(shù)(R2=0.255，小于0.374、0.391、0.425)，這表明利用熱紅外圖像提取的冠層溫度信息反演土壤含水率時(shí)受土壤溫度的影響較大。同樣，土壤深度為10～20 cm時(shí)，R2=0.360，小于0.498、0.493、0.538；土壤深度為20～30 cm時(shí)，R2=0.131，小于0.212、0.211、0.258。因此熱紅外圖像中剔除土壤背景獲取單純的作物冠層溫度能夠提高反演土壤含水率的精度。

對(duì)比3種剔除土壤背景的分類(lèi)方法，通過(guò)GBRI指數(shù)法獲取的冠-氣溫差與土壤含水率的線(xiàn)性相關(guān)程度最高，土壤深度0～10 cm時(shí)，R2=0.425，大于0.391、0.374；10～20 cm，R2=0.538，大于0.493、0.498； 20～30 cm時(shí)，R2=0.258，大于0.211、0.212，說(shuō)明GBRI指數(shù)法獲取的冠-氣溫差反演土壤含水率優(yōu)于RGRI指數(shù)法和灰度分割法。通過(guò)前面的分析，并結(jié)合反演土壤含水率的精度，可以認(rèn)為GBRI指數(shù)法對(duì)大田玉米的分類(lèi)效果較優(yōu)。

從反演土壤含水率深度來(lái)看，10～20 cm深度的效果最優(yōu)，即使是未剔除土壤背景獲取的冠-氣溫差與土壤含水率相關(guān)程度也達(dá)到極顯著的水平(R2=0.36，P<0.001)，而經(jīng)過(guò)GBRI指數(shù)法剔除土壤背景獲取的冠-氣溫差與土壤含水率建立的線(xiàn)性模型，其相關(guān)程度更高(R2=0.538)。0～10 cm的效果次之，30 cm以下則幾乎無(wú)相關(guān)性，由此知冠-氣溫差與表層(0～30 cm)土壤含水率具有較強(qiáng)的相關(guān)性。試驗(yàn)過(guò)程中通過(guò)取土發(fā)現(xiàn)，玉米在拔節(jié)期根系大多位于0～30 cm之間，在10～20 cm間的根系分布最廣，由此表明冠-氣溫差能夠較好地反演玉米根域深度的土壤水分狀況。

2.5 冠-氣溫差與覆蓋度之比反演土壤含水率

通過(guò)試驗(yàn)觀(guān)察發(fā)現(xiàn)，當(dāng)土壤含水率很低致使玉米發(fā)生嚴(yán)重水分脅迫時(shí)，玉米葉片會(huì)發(fā)生卷縮，而此時(shí)通過(guò)無(wú)人機(jī)可見(jiàn)光圖像計(jì)算的覆蓋度會(huì)大幅度降低，這印證了覆蓋度在一定程度上能夠預(yù)示土壤含水率。由2.4節(jié)已驗(yàn)證冠-氣溫差與土壤含水率存在較好的線(xiàn)性關(guān)系，將冠-氣溫差與覆蓋度結(jié)合共同反演土壤含水率，結(jié)果見(jiàn)表4。

表4 冠-氣溫差與覆蓋度之比與不同深度的土壤含水率關(guān)系Tab.4 Relationship between crown-temperature difference and coverage ratio and soil moisture content at different depths

由表4可以看出，回歸系數(shù)均為負(fù)值，表明冠-氣溫差與覆蓋度之比與土壤含水率具有負(fù)相關(guān)關(guān)系，3種分類(lèi)方法監(jiān)測(cè)20 cm以上的土壤含水率均達(dá)到極顯著的水平(P<0.001)，在0～10 cm時(shí)決定系數(shù)R2分別為0.488、0.450、0.406，相比于冠-氣溫差R2(0.425、0.391、0.374)均有所提高；同理10～20 cm深度時(shí)，決定系數(shù)R2由0.538、0.493、0.498分別提高至0.600、0.550、0.564，利用冠-氣溫差與覆蓋度之比反演表層土壤水分的精度要高于單一冠-氣溫差指標(biāo)監(jiān)測(cè)土壤水分的精度，由此得出冠-氣溫差與覆蓋度之比是反演玉米根域深度土壤含水率效果更優(yōu)的新指標(biāo)。

3種分類(lèi)方法中，通過(guò)對(duì)比冠-氣溫差與覆蓋度的比值與土壤含水率的相關(guān)性，以10～20 cm為例，0.600(GBRI指數(shù)法)>0.564(灰度分割法)>0.550(RGRI指數(shù)法)，說(shuō)明用GBRI指數(shù)法分類(lèi)的效果更優(yōu)。而反演土壤含水率的深度依然是10～20 cm(玉米根域深度)效果最好(如GBRI法：R2從大到小依次為0.600(20 cm)、0.488(10 cm)、0.290(30 cm))。以上表明，利用GBRI指數(shù)法分類(lèi)后提取冠層溫度，通過(guò)冠-氣溫差與覆蓋度的比值反演10～20 cm深度(玉米根域深度)的土壤含水率效果最好。

2.6 土壤含水率反演的精度評(píng)價(jià)

通過(guò)以上分析建立了冠-氣溫差與覆蓋度之比這一指標(biāo)與土壤含水率的線(xiàn)性回歸模型，為驗(yàn)證其精確度，利用同時(shí)期采集的數(shù)據(jù)進(jìn)行精度評(píng)價(jià)。對(duì)線(xiàn)性模型計(jì)算出的土壤含水率預(yù)測(cè)值與試驗(yàn)中測(cè)得的實(shí)際值進(jìn)行相關(guān)性分析，通過(guò)對(duì)比兩組變量的決定系數(shù)R2以及均方根誤差RMSE，對(duì)冠-氣溫差與覆蓋度之比這一新指標(biāo)反演土壤含水率精度進(jìn)行驗(yàn)證，結(jié)果見(jiàn)表5(x為預(yù)測(cè)值，y為實(shí)測(cè)值)。

表5 不同分類(lèi)方法的土壤含水率預(yù)測(cè)值與實(shí)測(cè)值擬合結(jié)果Tab.5 Fitting curve between predicted and measured values of soil moisture content by different classification methods

從表5可以看出，深度為0～10 cm和10～20 cm時(shí)，由冠-氣溫差與覆蓋度之比計(jì)算的土壤含水率預(yù)測(cè)值與實(shí)測(cè)值都具有很高的相關(guān)性，達(dá)到極顯著的水平(P<0.001)。特別是10～20 cm時(shí)，驗(yàn)證集決定系數(shù)R2均達(dá)到0.7以上，且均方根誤差RMSE均低于2%；而深度20～30 cm時(shí)，預(yù)測(cè)值與實(shí)測(cè)值的相關(guān)程度明顯降低(R2低于0.5)，偏差顯著增大(RMSE在2%以上)。對(duì)比3種分類(lèi)方法，由GBRI指數(shù)法對(duì)應(yīng)的土壤含水率預(yù)測(cè)值與實(shí)測(cè)值擬合效果最優(yōu)(10～20 cm：R2=0.773，大于0.708、0.705；RMSE為1.36%，小于1.64%、1.55%)。

3 討論

在分類(lèi)方法的選取上，本研究不僅嘗試了以上3種分類(lèi)方法，還驗(yàn)證了其他幾種分類(lèi)方法[33-35]，但是在玉米的分類(lèi)上效果均不如GBRI理想。利用GBRI指數(shù)分類(lèi)時(shí)，部分與植株區(qū)分不明顯的陰影會(huì)被歸為玉米植株，這是導(dǎo)致提取的冠層溫度存在誤差的主要原因。本研究利用的無(wú)人機(jī)熱紅外圖像與可見(jiàn)光(RGB)圖像非同步拍攝(拍攝時(shí)間、高度與飛行航線(xiàn)均不同)，但拍攝角度均是垂直地面，即兩種圖像中真實(shí)的玉米冠層區(qū)域一致，由此提取的玉米冠層溫度信息來(lái)反演土壤水分，并取得了較好的效果，驗(yàn)證了此方法也適用于短時(shí)間間隔內(nèi)非同步拍攝的影像。但是提取的冠層溫度與實(shí)際值會(huì)有所差異，非同步拍攝的圖像由于太陽(yáng)角有偏差，兩種圖像中同一玉米的陰影位置會(huì)變化，即配準(zhǔn)時(shí)可見(jiàn)光(RGB)圖像中的陰影可能對(duì)應(yīng)熱紅外圖像中太陽(yáng)直射的土壤，由此提取的玉米冠層溫度可能高于實(shí)際冠層溫度，而楊文攀等[25]通過(guò)同步拍攝兩種圖像提取的冠層溫度低于實(shí)際冠層溫度。

針對(duì)冠層溫度這一單一指標(biāo)反演土壤含水率精度不高的問(wèn)題，本文通過(guò)對(duì)玉米覆蓋度的探究提出用冠-氣溫差與覆蓋度之比來(lái)反演土壤含水率，經(jīng)建模驗(yàn)證，此指標(biāo)與土壤含水率呈顯著的線(xiàn)性關(guān)系。但本研究的不足之處在于，對(duì)3種分類(lèi)方法剔除土壤背景后獲取的冠層溫度以及覆蓋度沒(méi)有做精度評(píng)價(jià)，GBRI指數(shù)分類(lèi)效果具體精度沒(méi)有做定量考察。冠-氣溫差與覆蓋度之比只能反演玉米根域深度(本研究中沙壤土拔節(jié)期玉米根域深度在0～30 cm之間)的土壤含水率，對(duì)于更深的土壤水分則效果較差。而且利用冠-氣溫差與覆蓋度之比這一指數(shù)反演土壤含水率是否適用于玉米其他生育期、是否適用于其他作物還有待驗(yàn)證。

4 結(jié)論

(1)在無(wú)人機(jī)可見(jiàn)光(RGB)圖像中提取玉米冠層區(qū)域，將其疊加于熱紅外圖像中，經(jīng)掩膜處理后獲得無(wú)土壤背景的玉米冠層溫度，這為低分辨率下的熱紅外圖像地物分離提供了一種新方法，由此獲取的冠層溫度信息反演土壤含水率，其精度遠(yuǎn)優(yōu)于未剔除土壤背景的冠層溫度。

(2)不同分類(lèi)方法獲取的玉米覆蓋度與冠層溫度存在差異，經(jīng)驗(yàn)證，GBRI指數(shù)法更適用于大田玉米的植土分離，且在短時(shí)期內(nèi)(玉米長(zhǎng)勢(shì)不變)，覆蓋度能夠表征玉米冠層溫度，覆蓋度越低，說(shuō)明冠層溫度越高。

(3)在玉米拔節(jié)期，通過(guò)冠-氣溫差反演大田玉米土壤含水率取得了較優(yōu)的效果，而利用冠-氣溫差與覆蓋度之比反演大田玉米的土壤含水率，相比前者其精度明顯提高，表明冠-氣溫差與覆蓋度之比是反演玉米根域深度土壤含水率效果更優(yōu)的指標(biāo)。