基于紅邊參數(shù)的枸杞土壤水分反演模型研究

袁念念，吳 娟，熊玉江，包玉斌，楊 靜，劉鳳麗，李 虎

（1.長江水利委員會長江科學院，武漢430010；2.寧夏回族自治區(qū)遙感調(diào)查院（高分辨率對地觀測系統(tǒng)寧夏數(shù)據(jù)與應用中心），銀川750001；3.寧夏回族自治區(qū)地球物理地球化學勘查院，銀川750001；4.三峽大學水利與環(huán)境學院，湖北宜昌443002）

0 引 言

枸杞是寧夏回族自治區(qū)的特色農(nóng)業(yè)，具有藥食同源的特點，它是寧夏面向全國、走向世界的一張“紅色名片”[1]。近年來，對枸杞的需求持續(xù)增長，我國枸杞種植面積也逐年增加[2]。到2016年，枸杞種植面積達13.3 萬hm2，種植區(qū)域遍及13 個省[3]。枸杞的品質(zhì)和產(chǎn)量不僅受到地域、氣溫和氣象條件等因素影響，還直接受到土壤水分的影響[4-6]。土壤水分含量與枸杞的產(chǎn)量、生長狀態(tài)密切相關，也是研究作物灌溉水平和監(jiān)測作物干旱最基本的因素[1,7]。然而，傳統(tǒng)土壤水分測定方式繁瑣，時效性和客觀性差，難以滿足區(qū)域性土壤水分監(jiān)測的實際需要，制約枸杞產(chǎn)業(yè)的進一步發(fā)展[8,9]。因此，如何快速準確地獲取枸杞土壤水分信息已成為枸杞產(chǎn)業(yè)研究的瓶頸問題。

高光譜遙感是一種全新的作物生物物理參數(shù)監(jiān)測技術，不同植被的葉綠素含量、氮素含量、體內(nèi)細胞水分含量均有較大差異，導致不同植被葉片具有不同的光譜反射率，因此基于光譜特征分析的方法可以識別出作物對應的不同生理特征的光譜特征，進而完成作物生理生化參數(shù)的反演研究[10,11]，是一種新型作物信息監(jiān)測手段，被廣泛應用于監(jiān)測作物水分含量[12,13]。因為植被在紅光波段吸收強烈，在近紅外波段反射強烈，所以光譜反射率在680～760 nm 區(qū)域急劇上升，產(chǎn)生明顯的紅邊現(xiàn)象[14,15]。目前，國內(nèi)外學者在基于高光譜參數(shù)的土壤水分含量遙感監(jiān)測估算方面取得了較多的研究成果。例如：金慧凝等[16]在2016年定量分析土壤含水量與反射光譜特征之間關系，并通過反射光譜特征指標，建立土壤水分含量高光譜預測模型；吳春雷等[17]在2014年引入垂直植被指數(shù)修正基于光譜特征空間的土壤水分反演模型；劉洋等[12]2014年定量描述了不同含水量的黑土反射光譜特征，并建立了黑土含水量反射光譜預測模型；趙陽等[18]認為歸一化植被指數(shù)、葉綠素指數(shù)和分形維數(shù)能有效反演不同土壤水分脅迫下的羊茅草水分含量，劉小軍等[19]研究表明高光譜技術可用于水稻葉片含水量的定量監(jiān)測。綜上所述，光譜信息對土壤水分含量的反演可行性較高。

本研究以寧夏枸杞的主產(chǎn)區(qū)為研究區(qū)，以“寧杞1號”枸杞為研究對象，設置不同灌水量處理盆栽對照試驗，探討不同水分處理對枸杞不同生育期葉片光譜反射率變化規(guī)律及紅邊特征的影響，分析比較紅邊參數(shù)與土壤水分的相關性，構建枸杞土壤水分反演模型，以期為枸杞土壤水分無損、快速監(jiān)測提供理論依據(jù)。

1 材料與方法

1.1 試驗區(qū)概況

試驗設置在銀川市郊區(qū)蘆花臺園林場實驗基地大棚內(nèi)。該地區(qū)屬中溫帶干旱氣候區(qū)，年均氣溫8.5 ℃，≥10 ℃有效積溫3 135～3 272 ℃，晝夜溫差10～15 ℃，日照時數(shù)3 032 h，日照率67%，年降水量180～200 mm，無霜期180 d。棚內(nèi)施肥、修剪等管理措施與大田管理一致。該地區(qū)枸杞田屬鹽堿地，地下水位為1.2～1.8 m，pH 值為8.67～8.84，土壤全鹽為0.72～1.9 g/kg，有機質(zhì)含量為8.37 g/kg，土壤全氮0.34～0.52 g/kg，其中水解氮9.92～47.7 mg/kg；全鉀19.7 g/kg，其中速效磷、速效鉀含量分別為2.3～44.2 mg/kg和18.6～37.9 mg/kg。

試驗采用盆栽枸杞，試驗品種為“寧杞1 號”，樹齡4 a，試驗時間為2020年枸杞全生育期。選擇長勢一致的3年生“寧杞1 號”枸杞樹，于2020年4月初進行裸根移栽，每個花盆裝培養(yǎng)基質(zhì)16 kg。

1.2 試驗設計

以大田滴灌最佳灌水量4 kg/株作為適度灌溉水量，設置過量灌溉（適度灌溉水平的125%）、適度灌溉、輕度干旱（適度灌溉水平的75%）、中度干旱（適度灌溉水平的50%）等4 個處理，每個處理3 次重復。灌水頻率為7 d 一次。為保證數(shù)據(jù)具有代表性，選取的盆栽枸杞樣株基本長勢均勻。各盆栽施肥時間和施肥量相同，各枸杞樹的管理措施相同。

全生育期測量光譜數(shù)據(jù)和土壤水分、土壤溫度，每個生育期測定1～2次，為保證數(shù)據(jù)準確性，選取枝條上長勢健康的葉片測定光譜數(shù)據(jù)。

1.3 監(jiān)測指標

1.3.1 光譜測量儀器和方法

采用美國ASD 公司生產(chǎn)的便攜式野外地物監(jiān)測儀（ASD FieldSpec FR Pro 2500）對大棚枸杞葉片進行光譜測定，監(jiān)測儀波段范圍為350～2 500 nm，光譜分辨率3 nm。在天氣晴朗時于北京時間11∶00～13∶00時進行光譜測定，為消除基線漂移誤差，測量前將儀器預熱30 min，曝光時間設置為5 ms[20]。每個分組內(nèi)進行15次光譜測量，測量前均采用標準白板校正。分別選取發(fā)育充分葉片上、中、下部的光譜反射率，取其平均值作為被測分組的光譜反射率；在測量過程中，葉片的葉室放在葉片夾，然后夾緊葉片，保證葉片水平且被測面積相同，以消除背景反射、葉片表面彎曲造成的光譜波動及葉片內(nèi)部變異造成的影響。

1.3.2 土壤水分測定

使用便攜式土壤溫度水分鹽分pH 速測儀（恒美科電HMWSYP）測定枸杞樣株的土壤含水量，儀器通過測量土壤的介電常數(shù)穩(wěn)定反應土壤真實含水量，測量精度為±2%。具體步驟為：灌水后48 h 使用儀器對枸杞盆栽內(nèi)5 個方位20 cm 深度土壤進行檢測，全部分組檢測完成后通過“土壤墑情”軟件導出excle數(shù)據(jù)。

1.3.3 “紅邊”參數(shù)計算

“紅邊”是綠色植物光譜中最明顯的特征之一，定義為紅光范圍(680～760 nm)反射光譜一階微分最大值所對應的光譜位置，如圖1所示。通常認為，導數(shù)光譜法可以降低由背景干擾和土壤反射率改變引起的光譜反射率變化，并縮小由葉片結構變化引起的差異[21]。現(xiàn)有描述“紅邊”的參數(shù)主要包括紅邊位置、紅邊面積、紅邊振幅、紅邊偏度系數(shù)和紅邊峰度系數(shù)，見表1。

表1 紅邊參數(shù)定義Tab.1 Definition of red-edge parameters used in this study

圖1 紅邊光譜一階微分Fig.1 The first derivative of the red edge spectrum

本研究中，通過對實測枸杞高光譜數(shù)據(jù)求一階微分而得到紅邊參數(shù)。其計算公式如下[22]：

式中：E(X)為向量X的期望值；μ為向量X的均值；σ為向量X的標準差。

2 結果與討論

2.1 不同土壤水分傳統(tǒng)紅邊特征分析

圖2為各生育期不同灌溉水平的枸杞葉片紅邊一階微分光譜圖，表2列出了相應紅邊參數(shù)值。由此可知：①枸杞休眠期內(nèi)，當土壤水分分別為15.693%、15.807%、13.927%、7.093%時，紅邊位置基本在698nm 處；紅邊面積和紅邊振幅均在125%灌溉水平時達到最大，100%灌溉水平時最小；紅邊峰度和紅邊偏度基本與土壤水分變化趨勢一致。②枸杞處于開花期時，各灌溉水平土壤水分分別為9.480%、6.333%、7.520%、6.073%，紅邊位置均在719 nm 處；紅邊面積和紅邊振幅均在50%灌溉水平時達到最大，100%灌溉水平時最??；紅邊偏度與土壤水分的變化趨勢一致，呈現(xiàn)出先減少后增加最后減少的變化。③枸杞新梢開花期內(nèi)，各灌溉水平土壤水分分別為8.480%、6.447%、6.273%、4.947%，紅邊位置與開花期一致為719 nm 處；紅邊面積和紅邊振幅呈現(xiàn)出先增加后下降的趨勢，在75%灌溉水平時達到最大；紅邊峰度與土壤水分的變化一致，隨灌溉水平的降低而降低。④枸杞展葉期時，各灌溉水平土壤水分為4 個生育期內(nèi)最高，分別為23.987%、18.587%、19.033%、7.493%，紅邊位置在718 nm處，非常接近開花期和新梢開花期紅邊位置；紅邊面積和紅邊振幅在125%灌溉水平時達到最大。

表2 枸杞各生育期不同灌溉水平高光譜紅邊參數(shù)變化Tab.2 Variations of hyperspectral red edge parameters of Lycium barbarum under different water stress in each growth period

圖2 枸杞各生育期不同灌溉水平高光譜紅邊一階微分Fig.2 The first-order differential of hyperspectral red edge of Lycium barbarum under different water stress in each growth period

2.2 基于紅邊參數(shù)的枸杞土壤水分反演模型研究

2.2.1 紅邊參數(shù)與枸杞土壤水分的相關性

本文計算了紅邊參數(shù)與土壤水分的相關性，結果見表3。從數(shù)據(jù)可以看出，各生育期不同灌溉水平下紅邊位置基本沒有變化，因此不考慮與土壤水分的相關性；在開花期、新梢開花期、展葉期內(nèi)，土壤水分與紅邊面積呈負相關；與紅邊振幅、紅邊偏度、紅邊峰度呈正相關；休眠期內(nèi)土壤水分和紅邊參數(shù)的相關正負性與其他3個生育期相反。紅邊面積與土壤水分的相關系數(shù)的絕對值在休眠期、開花期、新梢開花期、展葉期內(nèi)介于0.089～0.877 之間；紅邊振幅與土壤水分的相關系數(shù)的絕對值在休眠期、開花期、新梢開花期、展葉期內(nèi)介于0.103～0.416 之間；紅邊偏度與土壤水分的相關系數(shù)的絕對值在休眠期、開花期、新梢開花期、展葉期內(nèi)介于0.538～0.966 之間，其中在休眠期和新梢開花期達到極顯著水平；紅邊峰度與土壤水分的相關系數(shù)的絕對值在休眠期、開花期、新梢開花期、展葉期內(nèi)介于0.083～0.997 之間，在新梢開花期達到極顯著水平。因此，在每個生育期選擇與土壤水分相關性最好的紅邊參數(shù)，以建立水分反演模型。休眠期選擇參數(shù)為紅邊偏度（-0.966）、開花期選擇參數(shù)為紅邊偏度(0.538)、新梢開花期選擇參數(shù)為紅邊峰度（0.997）、展葉期選擇參數(shù)為紅邊面積（-0.877）。

表3 紅邊參數(shù)與土壤水分的相關性Tab.3 The correlation between red edge parameters and soil moisture

2.2.2 基于紅邊參數(shù)的枸杞土壤水分估算模型

根據(jù)表3中的數(shù)據(jù)，選取各生育期與土壤水分相關性最好的紅邊參數(shù)建立水分反演模型。在休眠期和開花期選取紅邊偏度，新梢開花期選取紅邊峰度，展葉期選取紅邊面積作為參數(shù)構建分別構建線性、二次型、S模型，模型見表4。

表4 基于紅邊參數(shù)枸杞不同生育期土壤水分的反演模型Tab.4 Inversion Model of Soil Moisture Based on Red Edge Parameters at Different Growth Stages of Wolfberry

從表4中可以看出，在休眠期，紅邊偏度與土壤水分的二次型模型擬合度最好，R2=0.981，擬合二次型方程為：Y=151.581X-261.325X2-3.169；開花期內(nèi)，紅邊偏度與土壤水分的S 模型擬合度最好，R2=0.034，擬合S 方程為：Y=e(1.748-0.016/X)；新梢開花期內(nèi)，紅邊峰度與土壤水分的S 模型擬合度最高，R2=0.999，擬合S 方程為：Y=e(-28.786-44.35/X)；展葉期內(nèi)，紅邊面積與土壤水分的二次型模型擬合度最好，R2=0.999，擬合二次型方程為：Y=82.116X-116.648X2+13.037。休眠期、新梢開花期和展葉期的方程擬合度都在0.98 以上，開花期的方程擬合度不足0.5?？赡苁潜疚难芯康募t邊參數(shù)不足以擬合開花期土壤水分，增加新的紅邊參數(shù)對土壤水分的擬合是下一步研究方向。

3 結 論

通過監(jiān)測不同灌溉水平下盆栽枸杞各生育期葉片高光譜反射數(shù)據(jù)及土壤水分參數(shù)，構建基于紅邊參數(shù)的土壤水分反演模型，得到如下結論：

（1）不同灌溉水平條件下，同一生育期內(nèi)紅邊位置不會隨著灌溉水平變化而發(fā)生偏移，且在這一生育期內(nèi)基本保持不變；而紅邊面積Sdre、紅邊振幅Dλre、紅邊偏度Dλre和紅邊峰度在各個生育期的變化規(guī)律受灌溉水平影響。

（2）土壤水分在休眠期和開花期與紅邊偏度相關性最好，在新梢開花期與紅邊峰度的相關性最好，展葉期與紅邊面積的相關性最好。其中，休眠期、新梢開花期和展葉期的方程擬合度都在0.98以上，開花期的方程擬合度不足0.5。

（3）高光譜遙感監(jiān)測不僅可以通過紅邊參數(shù)對土壤水分進行反演，也能通過其他方式分析作物生理狀態(tài)、品質(zhì)、營養(yǎng)元素和病蟲害等情況。例如張凝等[24]在2021年通過遙感對作物病蟲害的研究，陶惠林等[25]2020年使用無人機對冬小麥株高和葉面積的指數(shù)估算。因此，研究需要進步增加使用高光譜對于枸杞葉綠素、品質(zhì)和生理狀態(tài)的定量分析，構建相應的反演模型。