夏玉米植被指数与叶面积指数的关系研究

袁 媛，瑚 波，武兴厚，赵 婷

(1.丹凤县气象局，陕西丹凤 726200；2.西北农林科技大学资源环境学院，陕西杨凌 712100)

夏玉米植被指数与叶面积指数的关系研究

袁 媛1，2，瑚 波1，武兴厚1，赵 婷1

(1.丹凤县气象局，陕西丹凤 726200；2.西北农林科技大学资源环境学院，陕西杨凌 712100)

利用ASD便携式地物光谱仪和SunScan冠层分析仪实测了陕西杨凌区和扶风县夏玉米关键生育期冠层光谱反射率及叶面积指数(LAI)，对归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数 (DVI)与叶面积指数进行了相关性分析，建立了基于三种植被指数的LAI估算模型，并进行精度检验。结果表明：基于抽穗期和蜡熟期NDVI以及灌浆期RVI的LAI估算模型的均方根差和相对误差较低，模拟效果较好。结果对夏玉米生长状况及病虫害监测、产量预测以及田间管理具有参考价值。

叶面积指数；植被指数；夏玉米

叶面积指数(LAI)被定义为单位土地面积上植物所有叶片表面积的总和占土地面积的倍数，是反应植物冠层结构的重要农学参数，它可提供植被长势及健康状况的实时信息，也可作为植被的重要栽培生理参数来衡量植被群体是否合理，一定时期内它代表植被群体的光合势，影响其最终产量[1]。利用光谱仪能准确、快速、无损地监测作物生长状况和估算作物产量，为大面积及时动态获取作物的LAI提供可行的方法，成为监测LAI变化的有效途径[2]。目前国内外学者都十分重视LAI的遥感监测，王秀珍等[3]研究发现LAI与群体反射率及其一阶微分具有良好的相关性，并提出671 nm及682 nm反射率与LAI相关性最好。宋开山等[4]研究发现，760 nm与550 nm反射率所构成的比值植被指数和大豆LAI呈幂函数关系。张学艺等[5]对宁夏灌区春小麦LAI与10种植被指数间的相关性进行了分析，研究发现用分段函数模拟全生育期LAI才能达到最佳效果。Patel等[6]利用作物反射光谱波形特征对作物的LAI进行了反演。Nguyen等[7]研究表明归一化植被指数、土壤调节植被指数和修正后的土壤调节植被指数与水稻LAI有较好的相关性。

利用试验测量数据估测陕西杨凌区和扶风县夏玉米不同生育期LAI，选取红光(630～690 nm)和近红外(760～900 nm)范围内光谱平均值计算归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)，分析其与夏玉米LAI在不同生育期的相关关系，建立基于植被指数的LAI估算模型，探索快速准确估测夏玉米LAI的方法，为卫星遥感技术在夏玉米长势监测中的应用提供重要技术支撑。

1 资料与方法

1.1 样品采集

试验分别在陕西省杨凌区揉谷镇石家村、扶风县马席村和巨良农场进行，选取2013年夏玉米不同生育期(抽穗期8月13日、灌浆期8月31日、蜡熟期9月16)进行测定。在各试验区选取具有代表性的夏玉米田块，将选定的田块根据长势分为5～6块小区，在每个小区选择3个具有代表性的样本点，测定夏玉米冠层光谱，并在相应叶片范围内同步采集测定LAI等数据信息。

1.2 冠层光谱测定

选择晴朗无云、无风或风力小于1级的天气，在北京时间10：00—14：00间，采用美国ASD公司生产的便携式地物光谱仪对夏玉米冠层进行光谱测定。每次采集光谱前后都必须进行标准白板校正，光谱采样以10个光谱为一个采样光谱，每次记录5个采样光谱，以其平均值作为该样本点的最终光谱反射值，然后摘取所测光谱值的叶片带回试验室测定室内光谱。

1.3 冠层叶面积指数测定

LAI是利用英国Delta-T Devices公司生产的SunScan冠层分析仪进行测定的，根据冠层吸收的Beer法则、Wood的SunScan冠层分析方程以及Campbell的椭圆叶面角度分布方程，使用光量子传感器来测量、计算和分析植物冠层截获和穿透的光合有效辐射及LAI。利用Sun-Scan冠层分析仪进行测定应在一天当中太阳高度角最高的时刻，一般以12：00—14：00为宜，且测量时需要稳定的晴天。

1.4 数据处理

利用光谱数据处理软件ViewSpec Pro5.0、Excel和SPSS软件对采集的数据进行处理分析及计算。由于在实际采样时光谱间隔具有离散性，因此对反射光谱进行一阶微分，用差分方法计算，公式如下[8]

式中λi为每个波段的波长值；R(λi)为波长λi处的实测光谱反射率；R′(λi)为波长λi处的一阶导数光谱；△λ为波长λi-1到λi的差值，由光谱采样间隔决定。

将30个样本分成两组，前20个样本用来确定估测模型，后10个用来验证模型。

为检验估测值的估测精度，利用试验实测数据来验证建立的反演模型的普适性，将模型估测值和地面实测值回归拟合，以反演模型的决定系数R2、F值、均方根误差(RMSE)和相对误差(RE)作为主要依据来评价模型的验证结果。式(2)为RMSE的计算公式，式(3)为RE的计算公式[9]

其中，^yi和yi分别代表估测值和实测值，n为样本数量。

研究主要选取植被指数中的NDVI、RVI和DVI对夏玉米LAI进行估算反演，从中选取最佳拟合模型，计算公式[10-12]

2 结果分析

2.1 夏玉米不同生育期冠层光谱变化规律

受植物种类、表面结构、生长季节和营养状况等因素的影响，植物的反射光谱特征不同，形成反射光谱曲线的差异[13]。夏玉米自播种、发芽直至最终收获，一般经历出苗期、拔节期、抽穗期、抽雄期、开花吐丝期、籽粒形成期、灌浆期和成熟期，成熟期分为乳熟期、蜡熟期和完熟期三个时期。选取夏玉米三个关键生育期依次为抽穗期、灌浆期和蜡熟期，以马席村夏玉米为例分析不同生育期冠层光谱的变化规律 (见图1)。

图1 不同生育期夏玉米冠层光谱反射率特征曲线

从图1可以看出，夏玉米在不同生育期的光谱曲线都具有一般健康植被 “峰和谷”的光谱特征，即在可见光波段的 “绿峰”、“红谷”、近红外 “高原区”，都是绿色健康植被所特有的现象[14]。其光谱特征呈现明显规律性变化且各生长阶段存在差异性，即反射率总体趋势保持一致，但在局部波段具有一定差异性，这是由于不同生长阶段冠层覆盖度及叶片的生物理化成分发生变化[15]。在可见光波段抽穗期、灌浆期和蜡熟期反射率几乎相同，在近红外区随着生育期的推移反射率逐渐下降。具体可划分为五段：第一段是400～500 nm之间，由于蓝紫光绝大部分被植物吸收，所以在这个波段范围内反射率较低，三个时期大致相同，只有0.02～0.05；第二段是500～600 nm之间的黄绿光，是一个弱活性带，植物叶片吸收较少，在 “绿峰”处(550 nm)抽穗期反射率略微高于其它两个时期，在0.08左右；第三段是600～680 nm之间的红橙光，“红谷”处(680 nm)是叶绿素的强吸收带，反射率很小，三个时期都在0.05左右；第四段是“红边”区域(680～760 nm)过滤阶段，各个生育期的反射率急剧上升，并在760 nm后基本稳定，在这个阶段各生育期的反射率发生了明显变化，抽穗期的反射率在0.5左右，灌浆期和蜡熟期的反射率分别在0.4和0.35左右；第五段是近红外波段(大于760 nm)，各个生育期的反射率特征曲线都比较平缓并带有波状起伏的特点，随着生育期的推移，叶面积逐渐减少，冠层结构发生变化，植物器官、组织也随之老化，反射率在近红外区随之不断递减。

2.2 植被指数与夏玉米叶面积指数的相关性

表2为夏玉米不同生育期植被指数(NDVI、RVI、DVI)与LAI的相关系数，从表中可以看出从抽穗期到蜡熟期随着生育期的推移，植被指数与LAI显著性不断增强。抽穗期三种植被指数与LAI相关系数均未达到显著水平；灌浆期NDVI和RVI的相关系数通过0.10显著性检验，DVI的相关系数通过0.01显著性检验达到极显著相关；蜡熟期NDVI和RVI的相关系数通过0.05显著性检验达到显著相关，DVI的相关系数通过了0.01显著性检验达到极显著相关。

表2 夏玉米不同生育期植被指数与LAI相关系数

2.3 基于植被指数的夏玉米叶面积指数估算模型与精度检验

对夏玉米不同生育期LAI与植被指数NDVI、RVI、DVI进行回归拟合，构建抽穗期、灌浆期和蜡熟期的LAI遥感估测模型，选择决定系数R2和F值综合较高的回归方程，来作为LAI的估测模型(如图2)。表3为各生育期选择出的LAI估测模型，从表3可知，基于植被指数的夏玉米不同生育期LAI的回归估测模型中，灌浆期RVI的回归模型拟合效果最好。采用RMSE以及RE2个指标对表3中的遥感估算回归模型作精度检验，利用石家村和巨良农场监测数据检验马席村监测数据所构建的模型精度(见表4)。由表4可知，夏玉米抽穗期、灌浆期和蜡熟期分别以基于NDVI、RVI、NDVI的回归模型精度检验的RMSE和RE最低，这些模型在卫星遥感中可以推广应用。

表3 夏玉米不同生育期LAI与植被指数回归模型

表4 夏玉米不同生育期LAI植被指数遥感估算模型拟合精度检验

3 结论

不同生育期夏玉米LAI与植被指数(NDVI、RVI、DVI)的相关系数随生育期的推移不断增加，灌浆期DVI呈极显著相关，蜡熟期NDVI和RVI呈显著相关、DVI呈极显著相关。抽穗期和蜡熟期LAI与NDVI的拟合效果较好，灌浆期LAI与RVI的拟合效果较好。

在前人研究的基础上基于植被指数和LAI实测数据所构建的估算模型，经精度检验RMSE和RE相差较小，对于同一生态区的夏玉米具有一定的估测精度和普适性，为大面积及时动态获取LAI提供了一个可行的方法，对于其他生态区、不同种类的作物同样具有一定的应用和借鉴意义。

[1] 姚付启.冬小麦高光谱特征及其生理生态参数估算模型研究[D].杨凌：西北农林科技大学，2012.

[2] Blackburn G A.Quantifying chlorophylls and caroteniods at leaf and canopy scales：an evaluation of some hyperspectral approaches[J].Remote Sensing of Environment，1998，66(3)：273-285

[3] 王秀珍，王人潮.微分光谱遥感及其在水稻农学参数测定上的应用研究 [J].农业工程学报，2002，18(1)：9-13.

[4] 宋开山，张柏，李方，等.高光谱反射率与大豆叶面积及地上鲜生物量的相关分析 [J].农业工程学报，2005，21(1)：36-40.

[5] 张学艺，张磊，黄峰，等.宁夏灌区春小麦叶面积指数的动态模拟研究 [J].干旱地区农业研究，2011，29(1)：199-202.

[6] Patel N，Patnaik C，Dutta S，et al.Study of crop growth parameters using airborne imaging spectrometer data[J].International Journal of Remote Sensing，2001，22(12)：2401-2411.

[7] Nguyen H T，Lee B W.Assessment of rice leaf growth and nitrogen status by hyperspectral canopy reflectance and partial least square regression [J].European Journal of Agronomy，2006，24 (4)：349-356.

[8] Tsai F，Philpot W.Derivative analysis of hyperspectral data[J].Remote Sens.Environ.1998 (66)：41-51.

[9] 王纪华，赵春江，黄文江，等.农业定量遥感基础与应用[M].北京：科学出版社，2008.

[10] Rouse J W，Haas R H，Schell J A，et al.Monitoring vegetation systems in the Great Plains with ERTS[C].Third ERTS Symposium，NASA SP-351，1973：309-317.

[11] Pearson R L，Miller D L.Remote mapping of standing crop biomass for estimation of the productivity of the short-grass prairie，Pawnee National Grasslands，Colorado[J].Proceedings of the Eighth International Symposium on Remote Sensing of Environment，Ann Arbor，Michigan，USA，1972(2)：1357-1381.

[12] Jordan C F.Derivation of leaf area index from quality of light on the forest floor[J].Ecology，1969，50(4)：663-666.

[13] 谭昌伟，郭文善，朱新开，等.不同条件下夏玉米冠层反射光谱响应特性的研究 [J].农业工程学报，2008，24(9)：131-135.

[14] 刘占宇，黄敬峰，吴新宏，等.天然草地植被覆盖度的高光谱遥感估算模型 [J].应用生态学报，2006，17(6)：997-1002.

[15] 白雪娇.冬小麦氮素营养及其冠层生物理化参量高光谱遥感监测 [D].杨凌：西北农林科技大学，2013：16.

TP79

：A

袁媛，瑚波，武兴厚，等.夏玉米植被指数与叶面积指数的关系研究[J].陕西气象，2015(3)：24-28.

1006-4354(2015)03-0024-05

2014-12-04

袁媛 (1988—)，女，陕西商洛人，汉族，硕士，助理工程师，从事3S技术在农业中的应用研究。

“十二五”国家科技支撑计划资助项目(2012BAH29B04)，高等学校博士学科点专项科研基金资助项目(20120204110013)