[发明专利]一种基于冠层高光谱指数的小麦植株水分监测方法

摘要

本发明涉及一种基于冠层高光谱指数的小麦植株水分监测方法，利用两年2个品种、4个不同水分处理下的两年小麦池栽试验数据，采用减量精细采样法，分析350～2500nm波段范围内原始光谱和倒数光谱的任意两两波段组合而成的高光谱指数与小麦植株含水量和叶层含水量的定量关系，结果发现基于原始光谱NDVI(R₈₃₆，R₇₉₃)和倒数光谱RVI(RC₈₃₇，RC₇₉₃)可以监测小麦植株水分含量；基于原始光谱NDVI(R₁₁₀₀，R₇₇₀)和RVI(R₈₉₃，R₈₀₅)可以监测小麦叶层水分含量。本发明研究结论为利用高光谱数据快速无损监测小麦水分状况提供新的波段组合和理论依据。

主权项

一种基于冠层高光谱指数的小麦植株水分监测方法，其特征在于，水分处理时期为拔节期至成熟期，实时测定土壤含水量，根据实测的土壤含水量为体积含水量，通过人工补水将各个水分处理的土壤水分调节至预设值，控制各小区土壤含水量，具体步骤如下：1)高光谱信息获取测量小麦冠层高光谱指数数据，有效波段范围为350～2500nm，其中350～1050nm光谱采样间隔为1.4nm，光谱分辨率为3nm；1050～2500nm光谱采样间隔为2nm，光谱分辨率为10nm，光谱测定选择在晴朗无云、无风或微风时进行，测定时间为10：00‑14：00；测量时传感器探头垂直向下于冠层顶部，光谱仪视场角为25°，高度约1.0m，地面视场范围直径为0.44m，每个小区测定10个样点，每个样点重复测量5次视场，以其平均值作为该小区的光谱反射值；2)植株水分测定与步骤1)同步，在不同生育时期，每个小区取代表性小麦20株，先按器官分离，再将叶片按不同叶位分离，迅速装入称重过的自封袋中带回实验室，用万分之一精度电子天平称其鲜重，然后放入烘箱105℃杀青30min后在80℃下烘至恒重后称重，得到不同部位器官干重，分别计算植株含水量PWC，叶片含水量LWC和叶层含水量CLWC，公式如下：PWC(％)＝(PFW‑PDW)/PFW×100％LWC(％)＝(LFW‑LDW)/LFW×100％CLWC(％)＝(ΣLFW‑ΣLDW)/ΣLFW×100％其中，PFW为植株鲜重，PDW为植株干重，LFW为叶片鲜重，LDW为叶片干重；3)植被指数构建原始光谱  NDVI＝(R_λ1‑R_λ2)/(R_λ1+R_λ2)    RVI＝R_λ1/R_λ2倒数光谱  NDVI＝(RC_λ1‑RC_λ2)/(RC_λ1+RC_λ2)  RVI＝RC_λ1/RC_λ2其中R_λ1和R_λ2分别为任意两个波长的反射率，λ1和λ2的范围均为350～2500nm，FD_λ1和FD_λ2为其相应的一阶导数光谱，AL_λ1和AL_λ2为其相应的反对数光谱，RC_λ1和RC_λ2为其相应的倒数光谱，根据归一化植被指数NDVI和比值植被指数RVI对小麦水分含量的估测能力，筛选出表现最好的结果；4)数据分析与利用利用步骤3)中的数据，综合分析植株含水量及叶片含水量与冠层光谱反射率直接的定量关系，采用减量精细采样法，筛选出对水分敏感的波段范围和光谱参数，并构建水分监测模型；进一步分析小麦冠层原始光谱及其一阶导数光谱、倒数光谱、反对数光谱之间与植株含水量和叶层含水量的相关关系；构建基于小麦冠层高光谱指数的植株含水量定量模型：利用步骤1)和步骤2)获得的试验资料，计算出350‑2500nm波段范围内所有任意两波段组合的原始光谱、一阶导数光谱、反对数光谱和倒数光谱构成的NDVI和RVI与植株含水量PWC的决定系数R²；构建基于小麦冠层高光谱指数的叶层含水量定量模型：采用同样方法计算350‑2500nm波段范围内所有任意两两波段组合的原始光谱、一阶导数光谱、反对数光谱和倒数光谱构成的NDVI和RVI与叶层含水量CLWC的决定系数R²；5)监测模型的构建和检验采用相对均方根差RRMSE进行分析评价，其中RRMSE计算公式如下：$\mathrm{RRMSE}=\sqrt{\frac{1}{n}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(P_i-O_i)}^2}\×\frac{100}{{\stackrel{\‾}{O}}_i}$上式中O_i为试验中观察的水分含量值，P_i为模型估测的水分含量值，n为模型测试检验样本数；小麦植株含水量监测模型的测试和检验：为了检验小麦水分监测模型的可靠性和适用性，利用步骤1)和步骤2)获得的独立试验资料对上述模型进行测试和检验，同时利用预测值和观测值之间的决定系数R²、相对误差RE和相对均方根差RRMSE这3个指标来综合考察模型的表现，并作预测值与观测值的1∶1关系图，直观展示模型的预测能力；小麦叶层含水量监测模型的测试和检验：利用步骤1)和步骤2)获得的独立试验数据对上述不同光谱类型建模的监测方程分别进行测试，利用预测值和观测值之间的决定系数R²、相对误差RE和相对均方根差RRMSE这3个指标来综合考察模型，并作预测值与观测值的1∶1关系图，直观展示模型的预测能力。