不同灌溉条件下冬小麦冠层含水量的光谱响应

孙乾，顾晓鹤，孙林，王淼，周龙飞，杨贵军，李卫国，束美艳

（1国家农业信息化工程技术研究中心，北京 100097；2农业部农业遥感机理与定量遥感重点实验室/北京农业信息技术研究中心，北京 100097；3山东科技大学测绘科学与工程学院，青岛 266590；4河北省农业技术推广总站，石家庄 050011；5江苏省农业科学院农业信息研究所，南京 210014）

0 引言

【研究意义】我国北方地区水资源普遍短缺，且水资源的区域性和季节性分布存在严重不均现象，水资源短缺成为限制我国小麦生产的重要因素[1-3]。水分是小麦生长过程中不可或缺的重要条件，水分缺乏对小麦生理特性、群体结构乃至光合作用均会产生不利的影响，如叶片光合速率大幅减慢，小麦植株发育不良，麦穗稀少瘦小，产量及品质降低等[4-5]。植株水分是衡量作物苗情和旱情的重要指标，作物缺水会引起叶片颜色、厚度、色素组成及形态结构等发生一系列变化，进而引起冠层光谱反射特征的变化[6-7]。【前人研究进展】利用光谱诊断作物水分含量具有快速、实时、无损等优点，国内外许多学者进行了大量研究并取得了一定成果。YU 等[8]利用特征波长 522—2 450 nm反射率及其与波长1 430 nm、1 650 nm、1 850 nm、1 920 nm、1 950 nm处的光谱反射率（R1430、R1650、R1850、R1920、R1950）的比值，最终提出了估算叶片含水量（LWC）、相对叶片含水量（RWC）、相对鲜重叶片含水率（RMP）的建模方法，并在大豆受到水分和营养胁迫方面得到了较好的验证；王纪华等[9]建立了小麦叶片含水量与光谱反射率在波长 1.45 μm处的吸收深度与吸收面积间的线性回归方程；YI等[10]通过对棉花叶片光谱反射率（350—2 500 nm）和一阶导数反射率进行比值植被指数（RVI）和归一化差异植被指数（NDVI）两种波段组合，发现由一阶导数反射率（DR1647、DR1133、DR1653、DR1687）比值组合的新指标DR1647/DR1133和DR1653/DR1687分别是等效水厚度（EWT）和可燃物含水率（FMC）估算的最佳指标。GLADIMIR等[11]利用单面叶的预测光传输模型（ABM-U模型），发现在555 nm处测定的次表层透光率比和总透光率比可作为C4植物（玉米）体内中度水分胁迫的指标；NING等[12]分析了不同叶位光谱特征与马铃薯植株含水量分布的关系，选择866.4 nm和1 406.8 nm波段建立了马铃薯叶片含水量的多元线性回归模型。【本研究切入点】前人研究大多侧重对作物叶片尺度含水量进行分析，对作物冠层尺度的含水量及冠层光谱变化特征的研究相对较少。由于作物叶片存在较大的个体差异，且叶片尺度的光谱观测较为困难，冠层含水量能够反映作物群体的水分状态，近年来光谱速测仪器的快速发展也为冠层光谱的实时获取提供了较为便利的技术支撑，因此，开展作物冠层尺度的水分光谱响应规律分析对于苗情监测、旱情评估和变量灌溉具有重要的应用价值。【拟解决的关键问题】本研究旨在分析不同生育期、不同灌溉条件下的冬小麦冠层等效水厚度（canopy equivalent water thickness，EWTc）的变化特征及冠层光谱响应规律。在灌溉控制试验的支持下，获取不同生育期、不同灌溉量的冬小麦农学参数、冠层光谱反射率等实测数据，基于连续小波变换技术（continuous wavelet transform，CWT）对冠层光谱数据进行数学变换，采用相关性分析法筛选冠层等效水厚度的敏感小波系数特征参量，利用偏最小二乘法构建冬小麦冠层等效水厚度光谱诊断模型，以期揭示不同灌溉条件下冬小麦冠层水分变化及冠层光谱响应规律。

1 材料与方法

1.1 试验设计

冬小麦水分灌溉试验于2017—2018年冬小麦生长季，在河北省晋州市开展，晋州市位于河北省中南部，地处 114°58'20''E—115°12'30''E、37°47'30''N—38°09'30''N，属暖温带大陆性季风气候，境内四季分明，春季干燥多风，夏季炎热多雨，秋季冷热适宜，冬季寒冷少雪。降水多集中于6—9月，3—5月雨少干燥，是河北省降水量最少的县市之一。土壤类型多为潮土、褐潮土，作物种植为一年两熟耕作制，属于典型的冀中平原麦玉轮作区。

冬小麦供试品种为济麦22号和鲁原502号，为黄淮海地区种植范围较广的中筋品种。试验田占地共0.2 hm2，每个试验小区南北长9.5 m，东西宽7 m，面积66.5 m2，共计24个小区（图1）。灌溉水量设置3个梯度，即0倍水（不灌溉，雨养）、0.5倍水（用水量375 m3·hm-2）、1 倍水（正常灌溉量，用水量 750 m3·hm-2），以下简称0水、0.5水、1水，每种水分处理设4组重复。分别在孕穗期和扬花期对各个试验小区同时进行灌溉，并于灌溉一周后采集植株样本、测定农学参数及冠层光谱反射率数据（表1）。试验样本除灌溉处理外，其他田间管理措施均与常规田种植方式相同。

图1 试验小区示意图Fig.1 Schematic diagram of experimental plot

表1 灌溉时间及数据采集日期Table1 The date of irrigation and data collection (M-D)

1.2 数据采集

1.2.1 冠层光谱 采用美国 Analytical Spectral Device（ASD）公司生产的背挂式野外高光谱辐射仪（Field Spec Pro FR2500）测量冬小麦冠层光谱反射率数据，仪器波谱范围为350—2 500 nm，光谱分辨率为1 nm。分别在冬小麦孕穗期、扬花期，选择晴朗无风天气，在10：00—14：00测量冬小麦冠层光谱反射率数据。视场范围内阳光直接照射，光谱仪探头垂直向下观测，距离冠层顶80 cm，各试验小区重复测定10次，取均值作为该样本小区的冬小麦冠层光谱反射率，并剔除1 351—1 409 nm，1 811—1 939 nm，2 431—2 500 nm 3个水汽吸收带噪声。每次测量前均使用标准白板进行校正。

1.2.2 叶面积指数 冬小麦叶面积指数（leaf area index，LAI）的测量方法为比叶重法，即在一定取样面积内（50 cm×40 cm）随机选取10株具有代表性的冬小麦植株，装入取样袋密封，带回实验室内测定，测量前记录取样面积内总株数。从取样植株中摘下所有展开绿色叶片，在叶片中部宽窄一致的地方剪下3 cm宽的小段作为标叶，并测定其总长度，计算标叶面积，分别将标叶和余叶装入小纸袋中，在 105℃的烘箱中杀青0.5 h后，85℃的恒温烘干，待叶片样品烘干后称其干重，并计算叶面积指数，LAI的计算公式如下：

式中，W1表示取样植株的标叶干重（g）；W2表示取样植株的余叶干重（g）；S表示标叶面积（cm2）；A表示取样面积（m2）；p表示取样面积内总株数。

1.2.3 冠层等效水厚度 叶片等效水厚度（equivalent water thickness，EWT）的测定方法为田间随机取样，选择10株具有代表性的冬小麦样本植株，摘取样本植株上部3—5片展开叶，用塑封袋装好且密封，带回实验室内迅速称其鲜重，测量叶片长和宽并计算面积，干重测定方法同LAI，EWT计算公式如下：

式中，LFW表示样本叶片鲜重（g）；LDW表示样本叶片干重（g）；LA表示叶片面积（cm2）；dw表示水比重（1 g·cm-3）。

由于采集的光谱反射率数据为冠层尺度数据，冬小麦冠层光谱是其各种理化性质共同作用的结果，而叶片等效水厚度数据反映的是叶片尺度的水分信息，有必要将叶片尺度等效水厚度转换为冠层尺度等效水厚度，进而与冠层光谱建模分析。冠层等效水厚度可通过叶片等效水厚度与叶面积指数的乘积来表示[13-14]，其计算公式为：

1.3 连续小波变换

小波变换是一种强有力的信号处理与分析工具，可对信号进行多尺度的细化，能使信号所包含的重要信息显现出来，又分为离散小波变换（discrete wavelet transform，DWT）和连续小波变换（continuous wavelet transform，CWT）。由于DWT在分析高光谱数据时对输出参数的解析存在困难，而 CWT在高光谱数据分析处理中能获取更多光谱吸收特征的位置和形状等有效信息[15-16]，因此本研究选用 CWT分析方法对冬小麦冠层高光谱反射率进行变换处理。CWT是一种积分变换方法，其数学含义为通过平移和缩放的小波基函数与光谱反射率数据进行卷积运算，将光谱反射率数据转换为不同分解尺度下的小波能量系数，其表达式为：

式中，Wf(a,b)为小波能量系数，是由分解尺度和波长组成的二维矩阵，f(λ)为冬小麦冠层光谱反射率数据，ψa,b(λ)为平移和缩放后的小波基函数，其函数表达式为：

式中，λ为光谱反射率的波段数，a为伸缩因子或尺度因子，b为平移因子。

有研究表明，植被光谱反射率曲线吸收特征的形状类似于Gaussian二阶导函数的形状[17]，因此本研究采用Gaussian二阶导函数（即Mexican Hat）作为CWT的小波基函数，有助于提取反射率光谱吸收特征中隐藏的信息。本研究将冠层高光谱数据变换为小波能量系数，再与冠层等效水厚度进行相关性分析，筛选敏感光谱特征参量，建立冠层等效水厚度光谱反演模型。

1.4 模型建立与验证

绿色植被的反射光谱随着叶片色素、细胞结构、水分含量及其他生物化学成分的不同而发生改变，在不同波段呈现不同的形态与特征。可见光400—700 nm是植被叶片的强吸收波段，植被反射率主要与叶片中的各种色素相关；700—780 nm是植被叶绿素在红光波段的强吸收以及在近红外波段的多次散射形成的高反射平台的过渡波段；近红外780—1 350 nm，植被反射率较高且相对平稳，主要与叶片内部细胞结构有关；中红外1 350—2 500 nm，光谱反射率特征与叶片含水量密切相关[18]。本研究主要是为了探究在不同灌溉条件下冬小麦冠层含水量光谱变化及响应规律，因此在1 350—2 500 nm筛选敏感波段，建立冠层等效水厚度光谱反演模型。

偏最小二乘回归法（partial least squares regression，PLSR）是一种多元回归分析方法，集多元线性回归、主成分分析和最小二乘回归的优点于一体，可以在自变量多重自相关、样本数目远小于自变量个数的条件下有效构造回归模型。因此，本研究采用PLSR构建冬小麦冠层等效水厚度反演模型。

模型的估测精度采用稳定性和预测能力2个评价指标来解释，稳定性用决定系数R2检验，R2越接近1，模型稳定性越好；预测能力用实测值与预测值的总均方根误差RMSE检验，RMSE越小，模型预测能力越好，精度越高。

2 结果

2.1 不同灌溉处理冬小麦EWTc变化

相同灌溉量、不同生育期条件下，济麦22与鲁原502冠层等效水厚度均在孕穗期较高，扬花期稍低于孕穗期，LAI在孕穗期达到最大，而扬花期冬小麦LAI较孕穗期有所降低；扬花期叶片等效水厚度较孕穗期稍低，例如0.5水条件下的济麦22叶片等效水厚度在孕穗期为0.0169 cm，在扬花期为0.0167 cm。相同生育期、不同灌溉量条件下，济麦22与鲁原502的冠层等效水厚度都随着灌溉量的增多而增加，即0水＜0.5水＜1水（图2）。

图2 冬小麦冠层等效水厚度变化Fig.2 Changes of EWTc in winter wheat

2.2 不同灌溉处理冬小麦冠层光谱特征

以济麦22为例，相同灌溉量条件下，冬小麦冠层光谱反射率在孕穗期略高于扬花期，即随着生育进程的推进而降低。同一生育期、不同灌溉量条件下，冬小麦冠层光谱反射率在350—680 nm波段范围内无明显变化；在680—780 nm波段范围内，由于红光波段的强吸收和近红外波段的强反射，冠层光谱反射率急剧升高；在780—2 500 nm波段范围内光谱反射率大小均为1水＞0.5水＞0水，即光谱反射率随着灌溉量的增加而增加，其中在780—1 350 nm近红外波段范围内，光谱反射率变化最为显著（图3）。

在测定冬小麦冠层光谱时，容易受到土壤背景的影响，而不同含水量条件下的土壤反射率也是不同的，土壤反射率总体趋势随着土壤中含水量的升高而下降[19-20]（图4）。本研究中冠层光谱随灌溉水量的增多而升高，说明冬小麦冠层光谱的变化主要受到冠层含水量的影响。这是由于本研究所使用的小麦冠层光谱数据获取于孕穗期和扬花期，此时小麦冠层已封垄，探测视场内的光谱信息完全是由冬小麦冠层信息所决定，因此土壤背景对冬小麦冠层光谱不存在干扰。

2.3 原始光谱反射率与EWTc相关性

图3 冬小麦冠层光谱变化Fig.3 Changes of spectra in winter wheat canopy

图4 不同含水量土壤光谱变化Fig.4 Changes of soil spectra with different water contents

图5 原始光谱反射率与冠层等效水厚度的相关系数Fig.5 Correlation coefficient between original spectral reflectance and EWTc

各生育期不同灌溉量处理的冠层等效水厚度变化特征和冠层光谱反射率变化规律在不同冬小麦品种之间具有较高的一致性，因此将2个品种合并对原始冠层光谱反射率数据与冠层等效水厚度进行相关性分析（图5）。可以看出，原始冠层光谱反射率数据与冠层等效水厚度之间相关系数较低，相关性不显著，在526—572、699—759、769—775、808—1 350、1 421—1 810、2 083—2 348、2 355—2 357、2 359—2 362 nm、2 382 nm波段原始光谱反射率与冠层等效水厚度呈正相关关系，且1 343 nm处相关系数为0.2763，达到最大；350—525、573—698、760—768、776—807、1 410—1 420、1 940—2 082、2 349—2 354、2 358、2 363—2 381、2 383—2 430 nm波段原始光谱反射率与冠层等效水厚度呈负相关关系，负相关系数在1 946 nm处为-0.5167，达到最大。相关系数绝对值大于0.5的波段位于中红外1 945—1 947 nm，且相关性在中红外波段普遍高于近红外和可见光波段。

2.4 冬小麦冠层光谱的CWT分解

本研究中冬小麦冠层高光谱数据共1 893个有效波段，分解尺度越接近波段数越好，为避免数据量过多且能较好提取有效光谱信息，最终设定分解尺度为21，22，…，210，分别对应第1尺度，第2尺度，…，第10尺度[15,21]。对原始冠层光谱反射率数据进行CWT分解和变换，每条光谱曲线在对应的分解尺度下都会生成相应的小波能量系数，将各分解尺度下的小波能量系数与冠层等效水厚度进行相关性分析，最终得到各波段小波能量系数与冠层等效水厚度的相关系数R以及小波能量系数矩阵。

由各分解尺度下小波能量系数与冠层等效水厚度之间的相关系数矩阵图谱（图6）可知，经CWT变换后，小波能量系数与冠层等效水厚度之间的相关性在第8、9、10分解尺度较低，在第1—7分解尺度不同波段范围较高，说明在中低分解尺度连续小波变换可充分挖掘冬小麦冠层光谱内隐含的信息。小波能量系数与冠层等效水厚度的最大相关性由 0.5167提高到0.6521，比原始光谱提高26.20%。

为了更明确表示各分解尺度下小波能量系数与冠层等效水厚度之间的相关性大小，特绘制了相关系数绝对值图谱（图7）。相关性较高（|R|＞0.6）的波段主要集中在1 222、1 594—1 598、2 384—2 414、2 397 nm，分别对应第1、2、6、7尺度，由此可知，与冠层等效水厚度相关性较高的光谱主要位于中红外波段，说明中红外波段光谱反射特征与水分密切相关。对原始光谱和小波系数与冠层等效水厚度的相关系数绝对值最大值进行了对比分析（表2），除第4、8、9和10分解尺度有所降低外，其余各分解尺度提高幅度在8.40%—26.20%，提高幅度最大的波段位于第1分解尺度1 222 nm。

表2 原始光谱以及小波系数与冠层等效水厚度相关系数绝对值最大值Table2 Maximum absolute value of correlation coefficients of original spectra and wavelet coefficients with EWTc

2.5 建模与验证

由于1 350—2 500 nm是植被叶片水分吸收占主导的波段，且直接受叶片含水量的影响[18,22-23]，因此本研究在去除水汽吸收带后的1 410—1 810 nm和1 940—2 430 nm中红外波段内筛选敏感波段。从10个分解尺度中依据小波能量系数与冠层等效水厚度相关性高低，最终筛选出∣R∣＞0.6的敏感波段为第6尺度2 400 nm、第2尺度1 596 nm、第7尺度2 397 nm，利用PLSR法构建EWTc光谱诊断模型。本研究中总样本量为46个，随机选取其中30个样本用来建模，其余16个样本用来验证模型的精度。模型如下：

式中，Y代表EWTc，X1、X2、X3分别代表第6尺度2 400 nm、第2尺度1 596 nm和第7尺度2 397 nm对应的小波能量系数。

为验证模型精度，将建模样本和验证样本的EWTc预测值与实测值进行对比分析（图8）。该模型的建模样本和验证样本的预测值与实测值基本聚集于直线 y=x附近，建模样本决定系数R2=0.5342，RMSE=0.0122 cm，验证样本决定系数R2=0.5411，RMSE=0.0127 cm，说明此模型的稳定性和预测能力均较好，精度较高。

图6 各分解尺度小波能量系数与冠层等效水厚度的相关系数Fig.6 Correlation coefficient between wavelet energy coefficient and EWTc at different decomposition scales

图7 小波能量系数与冠层等效水厚度的相关系数绝对值Fig.7 Absolute value of correlation coefficient between wavelet energy coefficient and EWTc

图8 冠层等效水厚度建模与验证样本的实测值和预测值散点图Fig.8 Scatter plot of predicted and measured values of EWTc

3 讨论

作物水分状况是指示群体长势好坏的重要指标，利用光谱技术无损、快速诊断作物水分胁迫状况，对于长势监测、作物估产和变量灌溉决策具有重要的指导意义[24-25]。冬小麦在孕穗期和扬花期处于营养生长向生殖生长过渡的阶段，水分需求十分敏感，充足的植株水分能有效促进幼穗分化进程，对于产量三要素中的亩穗数和千粒重具有较大影响。由于冬小麦冠层光谱在中红外波段范围主要受叶片含水量的影响，因此可以利用冠层光谱估算单位叶面积的作物含水量[24]。本文以冠层等效水厚度表征作物冠层水分状况，分析不同灌溉条件下冬小麦冠层含水量和冠层光谱变化特征，利用连续小波变换方法对冠层光谱反射率进行分解和变换，通过相关性分析筛选敏感光谱特征参量，实现冬小麦冠层含水量光谱诊断。利用敏感光谱特征参量构建的冬小麦冠层等效水厚度光谱诊断模型具有较好的建模和验证精度，说明利用连续小波变换技术反演作物冠层等效水厚度是可行的。

3.1 灌溉处理对冬小麦冠层等效水厚度的影响

不同生育期、灌溉量一致条件下，冠层等效水厚度在孕穗期高于扬花期，原因一是在孕穗期冬小麦单叶叶片面积较大，旗叶开始抽出叶鞘，植被覆盖度高，LAI此时达到最大，扬花期由于植株下部叶片枯黄甚至脱落，导致LAI降低[26]；二是随着生育时期的推进，扬花期叶片等效水厚度普遍低于孕穗期。同一生育期，冠层等效水厚度随着灌溉量的增多而增加，主要是因为孕穗期和扬花期这2个生育期都是冬小麦需水的关键时期，灌溉量不足时植株生长受到抑制，光合作用减弱，样本生育进程明显加快，0水和0.5水处理的冬小麦叶片叶绿素含量、LAI和等效水厚度均低于1水处理。

3.2 灌溉处理对冬小麦冠层光谱反射率的影响

冬小麦冠层光谱反射率随着生育进程的推进而降低，主要是因为孕穗期是冬小麦旗叶长出的时期，对水肥较为敏感，此生育期小麦生长迅速，小麦冠层群体达到最大，冠层叶片呈多层分布状态，冠层光谱反射率达到最大，扬花期冬小麦叶片和茎秆为穗部提供养分和水分，同时麦穗对冠层光谱反射率贡献比例增大，冠层光谱反射率较孕穗期有所降低[27-29]。冬小麦冠层光谱反射率在780—1 350 nm近红外波段变化显著的原因在于1水的灌溉量为冬小麦生长提供充足的水分，小麦群体长势较好，近红外光谱反射率也高；而0水和0.5水对冬小麦生长造成水分胁迫，叶片内自由水含量降低、束缚水含量增加，叶面积缩小、叶绿素含量低、净光合速率变慢[31-32]，同时根系活力下降、叶片内部结构及生理功能紊乱、细胞膜受损，生长受到抑制[33-34]，进而导致近红外波段的光谱反射率相对于1水明显变低。

关于不同灌溉条件下冬小麦冠层含水量的研究，仅仅局限于冬小麦生育后期（孕穗期、扬花期），由于不同生育时期的冬小麦在生长状态、群体生理指标以及环境参数都存在一定的差异，并不能完全推广至整个生育期的遥感监测研究。在今后的工作中，将考虑加入冬小麦生育前期的田间试验和分析，探索冬小麦生长全程的冠层水分光谱诊断技术，为冬小麦分蘖、拔节、孕穗等关键需水生育期的变量灌溉决策提供技术支持。

4 结论

在控制灌溉小区试验的支持下，本文旨在探索不同灌溉条件下的冠层尺度冬小麦水分变化规律及其冠层光谱响应特征。灌溉量不足时冬小麦植株生长受到抑制，部分小麦生育进程提前，缺水胁迫下冬小麦叶片光合作用受到抑制、群体长势受损，冠层等效水厚度和冠层光谱反射率低于正常灌溉量处理。将冠层光谱反射率经 CWT分解后，小波能量系数与冠层等效水厚度相关性有了较大提升，筛选敏感光谱参量并构建冬小麦冠层等效水厚度光谱诊断模型，光谱诊断模型的稳定性和预测能力均较好。上述结论可以为后续的冬小麦变量灌溉决策技术研究提供借鉴，对利用光学遥感技术监测冬小麦冠层含水量具有重要参考价值。