基于高光譜指數(shù)的棉花冠層等效水厚度估算

馬巖川，劉浩，陳智芳，張凱，余軒，王景雷，孫景生

基于高光譜指數(shù)的棉花冠層等效水厚度估算

馬巖川1,2，劉浩1，陳智芳1，張凱1，余軒1,2，王景雷1，孫景生1

（1中國農(nóng)業(yè)科學(xué)院農(nóng)田灌溉研究所/農(nóng)業(yè)部作物需水與調(diào)控重點(diǎn)開放實(shí)驗(yàn)室，河南新鄉(xiāng) 453002；2中國農(nóng)業(yè)科學(xué)院研究生院，北京 100081）

【目的】建立快速、無損監(jiān)測棉花冠層等效水厚度（canopy equivalent water thickness，CEWT）的估算模型，進(jìn)一步提高利用高光譜遙感技術(shù)監(jiān)測棉花CEWT的估算精度?！痉椒ā客ㄟ^在不同生育期設(shè)置灌溉梯度試驗(yàn)，于棉花蕾期和花鈴期同步測定冠層光譜反射率、冠層等效水厚度等信息，綜合分析棉花冠層等效水厚度與原始光譜反射率、一階導(dǎo)數(shù)光譜反射率、全波段組合光譜指數(shù)、已有光譜指數(shù)的相關(guān)性，確定蕾期、花鈴期及全生育期的最優(yōu)光譜指數(shù)，并通過線性回歸構(gòu)建棉花CEWT的高光譜監(jiān)測模型?！窘Y(jié)果】冠層等效水厚度與原始光譜反射率在近紅外波段（NIR）780—1 130 nm和短波紅外波段（SWIR）1 450—1 830 nm、1 950—2 450 nm附近均出現(xiàn)連續(xù)的敏感波段，一階導(dǎo)數(shù)光譜在NIR波段內(nèi)對(duì)CEWT的敏感程度較原始光譜有所加強(qiáng)，但在SWIR波段內(nèi)敏感程度弱于原始光譜；利用原始光譜反射率構(gòu)建的光譜指數(shù)與CEWT的相關(guān)性強(qiáng)于一階導(dǎo)數(shù)光譜，且比值光譜指數(shù)（RSI）較歸一化差分光譜指數(shù)（NDSI）更適合CEWT的監(jiān)測。在全生育期內(nèi)(R1135-5R1494)/R2003對(duì)CEWT的反演精度最佳（2=0.7878，=0.1803）；在蕾期RSIb(1130，1996)對(duì)CEWT的估算效果最好（2=0.7258，=0.1444）；在花鈴期RSIa（904，1952）是估算CEWT的最優(yōu)光譜指數(shù)（2=0.7853，=0.2454）?！窘Y(jié)論】該研究在不同生育階段內(nèi)提出的新型高光譜指數(shù)均可用于棉花冠層等效水厚度的定量監(jiān)測，研究結(jié)果可為高光譜技術(shù)在棉花冠層水分含量監(jiān)測中的應(yīng)用提供參考，為棉花精準(zhǔn)灌溉提供技術(shù)依據(jù)。

高光譜指數(shù)；棉花；冠層等效水厚度；估算

0 引言

【研究意義】水分盈虧直接影響作物的生長發(fā)育、產(chǎn)量高低和品質(zhì)優(yōu)劣，對(duì)作物水分的精準(zhǔn)調(diào)控在節(jié)水農(nóng)業(yè)發(fā)展、保障我國農(nóng)業(yè)生產(chǎn)安全方面均具有重要意義。要實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)中的精準(zhǔn)灌溉，首先要對(duì)作物水分狀況進(jìn)行精確監(jiān)測。傳統(tǒng)的作物水分監(jiān)測技術(shù)主要有作物水分生理指標(biāo)法、土壤含水率法和作物形態(tài)指標(biāo)法等[1-4]，作物水分生理指數(shù)法包含的植株含水量、葉片等效水厚度、葉水勢等水分參數(shù)均需破壞性采樣并通過室內(nèi)測定，雖直觀可靠但操作繁瑣；土壤含水率法耗時(shí)費(fèi)力且受空間異質(zhì)性影響較大；作物形態(tài)指標(biāo)法經(jīng)驗(yàn)性較強(qiáng)且難以科學(xué)量化。這些方法適合在葉片或植株尺度進(jìn)行監(jiān)測，不能快速地在農(nóng)田尺度提供作物水分信息，不適用于精準(zhǔn)灌溉的發(fā)展方向。近年來，高光譜遙感技術(shù)由于其高效、無損、多尺度、信息涵蓋量大等特點(diǎn)被廣泛應(yīng)用于農(nóng)情監(jiān)測領(lǐng)域。等效水厚度（equivalent water thickness，EWT）作為表征植被水分含量的重要參數(shù)，包含植被水分和葉面積等兩方面信息，適用于不同尺度的植被水分遙感監(jiān)測[5-6]。【前人研究進(jìn)展】國內(nèi)外學(xué)者在估算植被等效水厚度方面開展了大量研究，主要有三類估算方法。（1）基于PROSPECT輻射傳輸模型的反演法。Ria?o等[7]在測量37種作物的490個(gè)葉片光學(xué)和生物化學(xué)性質(zhì)基礎(chǔ)上，發(fā)現(xiàn)利用PROSPECT模型推算EWT的精度很高（2=0.94）；Colombo等[8]發(fā)現(xiàn)在利用PROSPECT模型估算EWT，若僅輸入反射光譜會(huì)造成估算精度的大幅減低（2=0.65）；Baret等[9]發(fā)現(xiàn)利用1 300—2 400 nm區(qū)域的反射和透射光譜參數(shù)輸入PROSPECT模型時(shí)估算EWT的效果更好；Yi等[10]利用PROSPECT-5和SAILH模型耦合，并結(jié)合光譜指數(shù)法發(fā)現(xiàn)使用一階導(dǎo)數(shù)光譜構(gòu)建的簡單比值植被指數(shù)SR1640/SR1060對(duì)棉花葉片和冠層等效水厚度的估算精度均較高（2＞0.8）；（2）基于多種智能算法的反演方式。Li等[11]采用遺傳算法（GA）和偏最小二乘（PLS）回歸法，在全波段內(nèi)提取出與EWT相關(guān)的特征光譜，估算精度較高（2＞0.8）；Cheng等[12-13]在葉片尺度利用連續(xù)小波分析法在全波段內(nèi)檢索出了水分相關(guān)的敏感波段，且反演EWT效果較好；Li等[14]在葉片尺度利用連續(xù)小波變換獲取小波系數(shù)，并輸入PROSPECT模型中估算EWT，利用多物種和單一物種（小麥）數(shù)據(jù)集評(píng)價(jià)出該方法具有很高的精度和穩(wěn)定性；馮海寬等[15]的研究表明，使用擴(kuò)展傅里葉幅度靈敏度檢測方法，采用EFAST和PLS回歸法預(yù)測蘋果葉片EWT，具有較高精度；（3）高光譜指數(shù)法。Gao等[16]提出了歸一化水分光譜指數(shù)（NDWI（860，1240）），并利用室內(nèi)疊葉試驗(yàn)獲取的光譜反射率和衛(wèi)星遙感數(shù)據(jù)研究發(fā)現(xiàn)，NDWI對(duì)植被冠層水分含量變化比較敏感；Ceccato等[17]利用高光譜數(shù)據(jù)，在葉片尺度對(duì)50多種樹木、作物、植物的水分含量進(jìn)行了反演，結(jié)果表明水分脅迫指數(shù)（MSI（820，1600））估算等效水厚度（EWT）的精度較高（2=0.919）；Eitel等[18]在葉片和冠層尺度，利用4種光譜指數(shù)估算胡楊水分狀況，表明利用1 500—1 750 nm波段內(nèi)原始反射率最大值與最小值構(gòu)建的最大差水分指數(shù)（MDWI）比NDWI、水分指數(shù)（WI）和紅邊拐點(diǎn)（REIP）對(duì)胡楊EWT反演效果好；Palacios-Orueta等[19]和Khanna等[20]利用MODIS數(shù)據(jù)將短波紅外波段的一般形狀參數(shù)化，分別提出了短波角歸一化指數(shù)（SANI）和短波角斜率指數(shù)（SASI），表明這2種角度光譜指數(shù)均可以很好地鑒別土壤和植被水分含量。Seeding等[21]的研究表明，在葉片尺度，比值光譜指數(shù)R1300/R1450與菜豆、豇豆和甜菜的EWT相關(guān)性較強(qiáng)；Yilmaz等[22]通過對(duì)玉米、大豆、落葉闊葉林3種不同植被類型的EWT估算研究，發(fā)現(xiàn)歸一化紅外指數(shù)（NDII（850，1650））與EWT之間存在較強(qiáng)的線性關(guān)系；王強(qiáng)等[23]建立了新型光譜指數(shù)RVI（1475，1424）和NDSI（1475，1424），二者均對(duì)棉花冠層等效水厚度（CEWT）的估算效果較好（||=0.849）；Yi等[24-25]利用7種已知植被指數(shù)對(duì)4種棉花水分表征參數(shù)（FMC、EWT、VWC、CEWT）估算時(shí)發(fā)現(xiàn)，在葉片和冠層尺度EWT與已知植被指數(shù)的相關(guān)性較好，隨后利用一階導(dǎo)數(shù)光譜構(gòu)建了新型光譜指數(shù)（DR1647/DR1133），進(jìn)行棉花葉片等效水層厚度（EWT）的估算，其估算精度較好（=0.765）?！颈狙芯壳腥朦c(diǎn)】盡管前人在利用遙感技術(shù)估算EWT方面取得了較大進(jìn)展，但是仍有不足。利用PROSPECT等輻射傳輸模型反演EWT時(shí)，需要輸入的參數(shù)過多，且參數(shù)中包含常規(guī)遙感手段較難獲取的部分，雖然精度較高，但很難滿足實(shí)際應(yīng)用需求[9]；利用小波分析及各種智能算法反演EWT時(shí)，雖然在葉片尺度擁有很好的估算效果，但是由于其算法相對(duì)復(fù)雜，包含的波段數(shù)量較多，許多方法在用于高光譜圖像等大型數(shù)據(jù)集處理時(shí)計(jì)算量過大，實(shí)用性受限。盡管植被指數(shù)法只包含了少量的波段組合，且易出現(xiàn)過飽和現(xiàn)象[18]，但其仍是目前使用最為廣泛的遙感技術(shù)之一。前人在利用植被指數(shù)法估算棉花葉片或冠層水分含量時(shí)，大多是通過已有光譜指數(shù)或開發(fā)新型光譜指數(shù)建立監(jiān)測模型，具有一定的應(yīng)用價(jià)值[23-25]，但受研究方法、試驗(yàn)環(huán)境等因素的影響，各模型精度及穩(wěn)定性仍有待驗(yàn)證。此外，已有研究多集中在整個(gè)生育期內(nèi)對(duì)棉花水分含量進(jìn)行反演[23-27]，但不同生育期內(nèi)棉花的形態(tài)結(jié)構(gòu)、覆蓋度和生化特性等均不相同，缺乏棉花EWT的分生育階段估算研究?！緮M解決的關(guān)鍵問題】本研究通過在不同生育期設(shè)置灌溉梯度試驗(yàn)，在冠層尺度采用精細(xì)采樣法[18]，確定用于估算棉花蕾期、花鈴期和全生育期EWT的敏感波段，尋找相應(yīng)的新型光譜指數(shù)建立線性模型，根據(jù)反演效果確定最優(yōu)光譜指數(shù)，并通過與前人提出的經(jīng)典水分植被指數(shù)進(jìn)行比較，綜合評(píng)價(jià)本研究所建模型的估算精度，為高光譜技術(shù)在棉花灌溉管理中的應(yīng)用提供理論依據(jù)。

1 材料與方法

1.1 試驗(yàn)區(qū)概況

試驗(yàn)于2018年4—10月在中國農(nóng)業(yè)科學(xué)院新鄉(xiāng)綜合試驗(yàn)基地防雨棚下的測坑中進(jìn)行。基地位于黃淮海中部人民勝利渠引黃灌區(qū)內(nèi)，地理坐標(biāo)為35°18' N，113°54' E，屬暖溫帶大陸性季風(fēng)氣候。年平均氣溫14℃，無霜期210 d，蒸發(fā)量2 000 mm（直徑20 cm蒸發(fā)皿值），日照時(shí)數(shù)為2 399 h，光熱資源豐富。試驗(yàn)地耕作制度以1年2熟為主，土質(zhì)為砂壤土，1 m土層平均容重為1.51g·cm-3，田間持水量為20.6%（質(zhì)量含水率），地下水埋深大于5 m。0—100 cm土層平均土壤速效氮、速效磷、速效鉀含量分別為21.62、4.96、79.24 mg·kg-1，土壤有機(jī)質(zhì)含量為7.8 g·kg-1。

1.2 試驗(yàn)設(shè)計(jì)

供試品種為‘魯棉54’，精選種子，浸后播種，采用基質(zhì)育苗，每穴播種2粒。當(dāng)棉苗長至3片真葉時(shí)，于2018年6月3日選長勢一致的棉株由苗床移植至測坑。每個(gè)測坑小區(qū)規(guī)格為2 m×3.3 m，行距70 cm，株距20 cm，種植密度7×104株/hm2。棉花移栽前結(jié)合耕地各處理施純氮、純磷、純鉀分別為90、75和54 kg·hm-2作為基肥，在蕾期隨灌溉水追施純氮72 kg·hm-2，并在花鈴期隨灌溉水追施純氮54 kg·hm-2、純鉀45 kg·hm-2。本試驗(yàn)采用地表滴灌灌水方式，每行棉花鋪設(shè)一根滴灌帶，滴頭間距20 cm，流量為2.2 L·h-1，工作壓力0.1 MPa。試驗(yàn)分別在蕾期（budding stage，B）和花鈴期（flowering and bolls stage，F(xiàn)）設(shè)置4種不同灌水定額：30 mm（100%ETc，充分灌溉）、24 mm（80%ETc，輕度干旱）、18 mm（60%ETc，中度干旱）、12 mm（40%ETc，重度干旱），分別記為I1、I2、I3、I4，各處理不同生育階段的灌溉量如表1所示。生育期、灌溉水平兩因素完全組合共8個(gè)處理，每個(gè)處理重復(fù)3次。依據(jù)累積潛在蒸散發(fā)ETc控制灌溉，其中ETc根據(jù)作物系數(shù)法確定。

ETc=Kc×ET0（1）

式中，ETc為作物蒸散發(fā)量（mm·d-1），Kc為作物系數(shù)，由本課題組多年田間試驗(yàn)回歸得到[28]，ET0為參考蒸散發(fā)量（mm·d-1），ET0日值是由距試驗(yàn)小區(qū)50 m處田間小型氣象站提供的氣象數(shù)據(jù)，根據(jù)Penman- Monteith公式獲得[29]。具體操作方式為蕾期前各處理0—40 cm土層的平均土壤含水率達(dá)到田間持水量的70%時(shí)，對(duì)所有處理進(jìn)行充分灌溉（30 mm），此后當(dāng)累計(jì)ETc達(dá)到30±2 mm時(shí)，按試驗(yàn)設(shè)計(jì)對(duì)所有處理進(jìn)行控制灌溉。

1.3 測定項(xiàng)目與測定方法

1.3.1 冠層光譜信息測定 使用ASD FieldSpec4背掛式野外光譜儀（Analytical Spectral Devices，Boulder，CO，USA）測定棉花冠層高光譜數(shù)據(jù)，波長范圍為350—2 500 nm，其中350—1 000 nm光譜采樣間隔為1.4 nm，光譜分辨率為3 nm；1 000—2 500 nm光譜采樣間隔為2 nm，光譜分辨率為10 nm。選擇在10：00—14：00的天氣晴朗、無風(fēng)或風(fēng)速很小的天氣測定。測量時(shí)傳感器探頭垂直向下，光譜儀視場角為25°，距冠層頂垂直高度約1.0 m[10]。每個(gè)小區(qū)設(shè)置3個(gè)觀測點(diǎn)，在每個(gè)觀測點(diǎn)連續(xù)采集10個(gè)冠層光譜信息，取小區(qū)內(nèi)各觀測點(diǎn)冠層光譜反射率的平均值作為該小區(qū)冠層光譜反射值。在7月7日（現(xiàn)蕾期）、7月17日（蕾期）、7月25日（蕾期）、8月5日（初花期）、8月14日（盛花期）、8月21日（花鈴期）、8月27日（花鈴期）共進(jìn)行7次冠層光譜信息采集，每次采集獲得24個(gè)光譜樣本，經(jīng)分析去除異常的12個(gè)樣本后，全生育期內(nèi)共獲得156個(gè)樣本。

1.3.2 棉花冠層等效水厚度測定 棉花冠層光譜測定完成后，在各小區(qū)光譜測定位置對(duì)應(yīng)選取1—2株棉花連根拔起，剪取地上部分裝入帶冰袋的自封袋，迅速運(yùn)回實(shí)驗(yàn)室后從整株棉花中分離出葉片，立刻稱其鮮重并使用便攜式葉面積儀（LI-3000C，Licor，NE，USA）測量其葉面積，放入105°C烘箱中殺青1 h，之后在75℃下烘干至恒重并測定干重。由于傳統(tǒng)的水分敏感植被指數(shù)對(duì)等效水厚度（EWT）的敏感程度優(yōu)于重力含水量（GWC）[30]，因此本文采用冠層等效水層厚度（canopy equivalent water thickness，CEWT，mm）作為表征棉花冠層水分含量的參數(shù)，其計(jì)算公式[24]如下：

CEWT=LAI×LEWT×10 （2）

LEWT=(FW-DW)/(dw×A) （3）

式中，LEWT表示棉花葉片等效水厚度（cm），F(xiàn)W和DW分別表示取樣棉株葉片總鮮重和總干重（g），dw表示水比重1 g·cm-3，A表示葉片的葉面積（cm2），LAI為葉面積指數(shù)，即采樣棉株葉片面積與所占土地面積之比。

1.3.3 土壤水分測定 在各生育期始末采用取土烘干法測定0—40 cm土壤含水率（soil moisture content，SMC），每20 cm土層采集一個(gè)樣本。采用精度為0.01 g的電子天平稱取濕土重（wet soil weight，SW）和干土重（dry soil weight，SD），計(jì)算公式如下：

SMC=(SW-SD)/SD（4）

1.4 數(shù)據(jù)分析方法

利用Viewspecpro對(duì)冠層光譜反射率進(jìn)行預(yù)處理，利用Matlab2016b、SPSS21、Excel2013對(duì)實(shí)測的棉花冠層等效水厚度與對(duì)應(yīng)的原始光譜反射率及其一階導(dǎo)數(shù)進(jìn)行相關(guān)分析。本文選取的光譜指標(biāo)分別是歸一化差分光譜指數(shù)（NDSI）和比值光譜指數(shù)（RSI）以及4種形式的多波段比值光譜指數(shù)（Multi-band Ratio Spectral Index，MRSI），采用決定系數(shù)2、標(biāo)準(zhǔn)誤、相對(duì)均方根誤差作為評(píng)價(jià)最優(yōu)特征波段的標(biāo)準(zhǔn)[31]。

NDSI=(Rλ1-Rλ2)/(Rλ1+Rλ2) （5）

RSI=Rλ1/Rλ2（6）

MRSI=Rλ1/(Rλ2+mRλ3) （7）

MRSI=Rλ1/(Rλ2- mRλ3) （8）

MRSI= (Rλ1+mRλ3)/Rλ2（9）

MRSI= (Rλ1- mRλ3)/Rλ2（10）

式中，Rλi是i波長處的光譜反射率。研究采用精細(xì)采樣法，在350—2 500 nm范圍內(nèi)每隔1 nm讀取光譜反射率數(shù)據(jù)，采用矩陣的形式在全波段范圍內(nèi)將所有可能波段兩兩組合構(gòu)建光譜指數(shù)，然后與相應(yīng)的CEWT的觀測值進(jìn)行相關(guān)分析，計(jì)算決定系數(shù)并繪制2等勢圖，最后基于2、、及光譜學(xué)原理選取最優(yōu)光譜指數(shù)。本研究涉及的光譜指數(shù)矩陣構(gòu)建、相關(guān)系數(shù)計(jì)算、決定系數(shù)等高線圖繪制等工作均在Matlab2016b中通過自編程序?qū)崿F(xiàn)。

表1 生育期內(nèi)各處理灌水量

2 結(jié)果

2.1 棉花冠層等效水厚度的統(tǒng)計(jì)分析

從整個(gè)生育期內(nèi)獲取的156個(gè)樣本中隨機(jī)選取2/3作為全生育期的建模樣本，剩余1/3作為檢驗(yàn)樣本；同時(shí)從全生育期的建模與檢驗(yàn)樣本中區(qū)分出蕾期和花鈴期樣本進(jìn)行統(tǒng)計(jì)分析。從表2可知，蕾期CEWT最大值為0.6105 mm，最小值為0.1383 mm；花鈴期CEWT最大值為0.8723 mm，最小值為0.2216 mm，分布區(qū)間均較大，滿足建模需求。

2.2 棉花冠層等效水厚度與全波段光譜反射率相關(guān)性分析

Demetriades-Shah等[32]研究發(fā)現(xiàn)，一階導(dǎo)數(shù)光譜可以有效去除土壤背景帶來的噪聲。因此本文根據(jù)表2中全生育期內(nèi)的觀測數(shù)據(jù)（n=156），確定了CEWT與原始光譜及其一階導(dǎo)數(shù)光譜的相關(guān)性。如圖1所示，CEWT與原始光譜反射率在780—1 130 nm近紅外波段（NIR）內(nèi)和1 450—1 830 nm及1 950— 2 450 nm短波紅外波段（SWIR）內(nèi)附近均出現(xiàn)連續(xù)的敏感區(qū)域，都達(dá)到了0.01顯著相關(guān)水平（||＞0.206）；其最大相關(guān)系數(shù)||max為0.6747，位于2 086 nm；而CEWT與一階導(dǎo)數(shù)光譜在近紅外波段內(nèi)也有很強(qiáng)的相關(guān)性，且在950、1 020、1 140 nm附近尤為明顯（||＞0.6），全波段范圍內(nèi)最大相關(guān)系數(shù)||max為0.7324，位于1 140 nm?？傮w上在近紅外波段內(nèi)一階數(shù)光譜與CEWT的相關(guān)性較原始光譜有所加強(qiáng)，而在短波紅外波段內(nèi)，原始光譜與CEWT相關(guān)性比一階導(dǎo)數(shù)光譜更強(qiáng)。

r0.05和r0.01分別表示0.05顯著相關(guān)（r=0.157）及0.01顯著相關(guān)（r=0.206）水平線

2.3 光譜指數(shù)與棉花冠層等效水厚度的關(guān)系

2.3.1 全生育期內(nèi)雙波段光譜指數(shù)與棉花冠層等效 水厚度的關(guān)系 由于利用單波段光譜對(duì)植被水分進(jìn)行估算的穩(wěn)定性和精度均不能很好地滿足實(shí)際應(yīng)用需要，因此，本文使用原始光譜和一階導(dǎo)數(shù)光譜在全波段范圍內(nèi)構(gòu)建光譜指數(shù)，并與表2中全生育期數(shù)據(jù)集（n=156）進(jìn)行相關(guān)分析，繪制棉花CEWT與NDSI、RSI決定系數(shù)等高線圖（圖2）。由圖2可以看出，利用原始光譜構(gòu)建的NDSI與RSI等高線圖相似，其中NDSI決定系數(shù)較高（2＞0.6）的波段組合主要在λ1=1 100—1 350 nm，λ2=1 500—1 650 nm附近，2最大值為0.6636；RSI決定系數(shù)較高的波段組合主要在λ1=9 00—1 350 nm，λ2=1 500—1 650 nm、1 950—2 350 nm附近，2最大值為0.7293。這說明基于原始光譜的RSI指數(shù)比NDSI敏感區(qū)域范圍更大，2值更高，與CEWT相關(guān)性更好。利用一階導(dǎo)數(shù)光譜構(gòu)建NDSI的2最大值為0.6244，RSI的2最大值為0.6782，二者表現(xiàn)均不如原始光譜。綜合來看，可選取表現(xiàn)最佳的基于原始光譜構(gòu)建的RSI作為CEWT監(jiān)測模型的雙波段光譜指數(shù)形式。根據(jù)全生育期內(nèi)的建模數(shù)據(jù)集（n=104）與相應(yīng)觀測數(shù)據(jù)構(gòu)建RSI決定系數(shù)（2）前10%結(jié)果的等高線圖（圖3-a），敏感波段區(qū)域主要在λ1=1 100—1 150nm，λ2=1 500—1 600 nm。同時(shí)利用全生育期內(nèi)校驗(yàn)數(shù)據(jù)集（n=52）得到2前10%敏感波段區(qū)域（圖3-b），主要在λ1=1 100—1 300 nm，λ2=1 450—1 600 nm；最后根據(jù)二者重疊區(qū)域選取2最大值，RSI（1134，1533）被選為全生育期內(nèi)反演CEWT的光譜指數(shù)，其2達(dá)到0.7004，為0.0953 mm（圖4-a）。圖4-b為基于檢驗(yàn)數(shù)據(jù)集的全生育期內(nèi)實(shí)測CEWT與模型預(yù)測CEWT的關(guān)系，可以看出盡管全生育期模型驗(yàn)證效果較好（2= 0.7239），但是與全生育期相比，蕾期和花鈴期模型驗(yàn)證結(jié)果均偏低，且蕾期建模效果也較差（圖4-a）。對(duì)全生育期內(nèi)雙波段光譜指數(shù)RSI（1134，1533）的建模與驗(yàn)證效果，為研究不同生育期最佳的光譜指數(shù)以估算棉花不同階段的CWET提供了借鑒。

（a）基于原始光譜構(gòu)建的NDSI；（b）基于原始光譜構(gòu)建的RSI；（c）基于一階導(dǎo)數(shù)光譜構(gòu)建的NDSI；（d）基于一階導(dǎo)數(shù)光譜構(gòu)建的RSI。圖中縱坐標(biāo)為λ1，橫坐標(biāo)為λ2

a：建模數(shù)據(jù)，b：檢驗(yàn)數(shù)據(jù) a: calibration dataset, b: validation dataset

（a）RSI（1134，1533）與CEWT的定量關(guān)系；（b）基于RSI（1134，1533）的實(shí)測與預(yù)測數(shù)據(jù)1:1關(guān)系

2.3.2 不同生育期內(nèi)雙波段光譜指數(shù)與棉花冠層等效水厚度的關(guān)系 基于全生育期內(nèi)尋找最優(yōu)RSI的分析方法，分別利用蕾期與花鈴期的建模與檢驗(yàn)數(shù)據(jù)集，在350—2 500 nm范圍內(nèi)，尋找適用于各自生育階段的最佳波段組合構(gòu)建RSI。選出RSIb（1130，1996）作為在蕾期反演CEWT的最優(yōu)雙波段光譜指數(shù)，所建線性模型2為0.7672，為0.0487 mm；RSIa（904，1952）作為在花鈴期反演CEWT的最優(yōu)雙波段光譜指數(shù)，所建線性模型2達(dá)到0.8696，為0.0602 mm。二者均較全生育期光譜指數(shù)RSI（1134，1533）擁有更好的建模效果（圖4—5）。利用蕾期和花鈴期的校驗(yàn)數(shù)據(jù)集分別對(duì)RSIb（1130，1996）和RSIa（904,1952）進(jìn)行驗(yàn)證（圖5），結(jié)果表明，二者均較RSI（1134,1533）在各自生育階段對(duì)CEWT有更高的預(yù)測精度。

（a）蕾期內(nèi)RSIb（1130，1996）與CEWT的定量關(guān)系；（b）基于RSIb（1130，1996）的蕾期實(shí)測與預(yù)測數(shù)據(jù)1:1關(guān)系；（c）花鈴期內(nèi)RSIa（904，1952）與CEWT的定量關(guān)系；（d）基于RSIa（904，1952）的花鈴期實(shí)測與預(yù)測數(shù)據(jù)1:1關(guān)系

2.3.3 多波段光譜指數(shù)與棉花冠層等效水厚度的關(guān)系 本研究利用蕾期和花鈴期數(shù)據(jù)集分別計(jì)算CEWT與RSI的決定系數(shù)，從不同生育期對(duì)CEWT敏感的（2＞0.7）重疊區(qū)域選取出表現(xiàn)最好的RSI（1134，1533）和RSI（1135，2003），并基于公式（7）—（10）中的多波段光譜指數(shù)形式[33]，利用Matlab在350—2 500 nm范圍內(nèi)做全波段循環(huán)，每循環(huán)一次m賦值遞增0.1（0.1≤m≤10），通過增加第三波段（λ3）建立了新型多波段CEWT指數(shù)。綜合考慮建模和校驗(yàn)效果，R1134/(R1533-0.5R2086)、(R1135-5R1494)/R2003在所有三波段光譜指數(shù)中表現(xiàn)最佳，如圖6所示，二者均較RSI（1134，1533）在全生育期內(nèi)對(duì)棉花CEWT擁有更高的預(yù)測水平，其中(R1135-5R1494)/R2003在全生育期內(nèi)的估算精度最高，為0.1803；在蕾期，三波段光譜指數(shù)的建模效果和預(yù)測精度均不如RSIb（1130，1996）；在花鈴期，(R1135-5R1494)/R2003對(duì)CEWT的估算精度較RSIa（904，1952）更好，為0.1621。總體而言，(R1135-5R1494)/R2003的穩(wěn)定性和預(yù)測精度均高于R1134/(R1533-0.5R2086)，被選為本研究最優(yōu)三波段光譜指數(shù)。

（a）(R1135-5R1494)/R2003與CEWT的定量關(guān)系；（b）基于(R1135-5R1494)/R2003的實(shí)測與預(yù)測數(shù)據(jù)1:1關(guān)系；（c）R1134/(R1533-0.5R2086)與CEWT的定量關(guān)系；（d）基于R1134/(R1533-0.5R2086)的實(shí)測與預(yù)測數(shù)據(jù)1:1關(guān)系

表2 冠層等效水厚度統(tǒng)計(jì)描述

3 討論

3.1 對(duì)棉花冠層等效水厚度敏感的光譜波段

已有研究表明在1 300—2 500 nm波段內(nèi)植物反射光譜受其自身水分的影響，水的存在直接造成輻射的吸收，而在400—1 300 nm波段內(nèi)，植被不同的水分含量會(huì)使葉片內(nèi)部結(jié)構(gòu)發(fā)生改變，從而間接影響其光譜特性[34-35]；Curcio等[36]認(rèn)為在820、970、1 200、1 450、1 940 nm附近存在水分的強(qiáng)吸收波段，可以用于植被水分的反演。本研究發(fā)現(xiàn)原始光譜在短波紅外波段附近與棉花CEWT的相關(guān)性較近紅外波段更強(qiáng)，在1 450—1 830、1 950—2 450 nm附近呈連續(xù)的顯著負(fù)相關(guān)（圖1），這與Yi等[25]研究結(jié)果類似。前人在對(duì)葉片等效水厚度（LEWT）估算的研究中發(fā)現(xiàn)短波紅外波段（SWIR）對(duì)EWT很敏感，但是SWIR內(nèi)的單波段光譜不能單獨(dú)用于植物EWT信息的提取，原因是植物體內(nèi)部結(jié)構(gòu)與干物質(zhì)等因素也會(huì)影響SWIR范圍內(nèi)光譜反射率[17]。本文提出的3個(gè)新型光譜指數(shù)RSIb（1130，1996）、RSIa（904，1952）、RSI（1134，1533）所包含的6個(gè)波段均與CEWT呈0.01極顯著相關(guān)水平，且處于短波紅外波段的1 533、1 952、1 996 nm均與處于近紅外波段的1 134 nm、904 nm、1 130 nm相組合，這與Ceccato等[17]的研究結(jié)果一致。Sims等[37]將水分敏感波段與水汽吸收最小的大氣窗口對(duì)比時(shí)發(fā)現(xiàn)，1 150、1 260、1 520、1 540 nm附近區(qū)域最適合衛(wèi)星遙感反演含水量。本文提出的全生育期監(jiān)測光譜指數(shù)RSI（1134，1533）所包含1 134 nm和1 533 nm兩個(gè)波段受水汽吸收影響均較小，不但可用于冠層尺度監(jiān)測CEWT，還適合于大尺度的遙感監(jiān)測。

3.2 不同生育期階段對(duì)棉花CEWT敏感的光譜指數(shù)

以往研究中提出的光譜指數(shù)大多不區(qū)分植物的生長階段[23-27]，盡管在監(jiān)測模型中較少的波段參數(shù)輸入可以節(jié)省監(jiān)測儀器的制造成本，但植物在開花前后的冠層結(jié)構(gòu)、生理生化組成等變化可能會(huì)影響植物全生育期內(nèi)葉片等效水厚度監(jiān)測模型的反演效果[31]。因此，從模型精度方面考慮，進(jìn)行區(qū)分生育期的棉花CEWT監(jiān)測研究是十分必要的。本文首先在全生育期內(nèi)對(duì)CEWT敏感的光譜指數(shù)進(jìn)行系統(tǒng)分析，發(fā)現(xiàn)RSI較NDSI與CEWT的關(guān)系更為密切，提出RSI（1134，1533）作為棉花全生育期內(nèi)監(jiān)測CEWT的雙波段光譜指標(biāo)，但是該指標(biāo)在蕾期的建模與驗(yàn)證效果均較差，這可能由兩方面原因?qū)е?，一是全生育期建模樣本中花鈴期樣本?shù)較蕾期更大，二是蕾期蓋度較低，受土壤背景干擾較強(qiáng)。

進(jìn)入初花期后棉花營養(yǎng)生長迅速，導(dǎo)致其冠層結(jié)構(gòu)變化較快，如株高、葉片數(shù)等均較蕾期增長顯著；另一方面，由于花后棉花呼吸作用增強(qiáng)，花瓣受花青素、胡蘿卜素和葉黃素等色素的影響，在一段時(shí)間內(nèi)往往呈現(xiàn)出不同的顏色，且開花后纖維細(xì)胞開始大量分化，棉株體內(nèi)纖維素與木質(zhì)素含量較蕾期逐漸增多[38]，這些因素都可能會(huì)對(duì)棉花冠層光譜產(chǎn)生較大影響，導(dǎo)致蕾期和花鈴期存在不同的CEWT敏感波段。利用蕾期和花鈴期觀測數(shù)據(jù)確定CEWT在不同生育期內(nèi)與原始反射率的相關(guān)性，結(jié)果表明，在蕾期最大相關(guān)系數(shù)||max為0.6084，位于1 928 nm，其中1 020—1 140nm附近呈顯著正相關(guān)，1 915—2 000 nm附近呈顯著負(fù)相關(guān)（||＞0.490）；在花鈴期最大相關(guān)系數(shù)||max為0.5940，位于778 nm，其中750—960 nm附近呈顯著正相關(guān)，1 940—2 050 nm附近呈顯著負(fù)相關(guān)（||＞0.408）。本研究提出RSIb（1130，1996）和RSIa（904，1952）作為蕾期和花鈴期的最優(yōu)雙波段光譜指數(shù)，二者均比RSI（1134，1533）在各自生育期內(nèi)的監(jiān)測精度更高，分別觀察各光譜指數(shù)構(gòu)成可知，1 130、1 996 nm均處于蕾期CEWT最佳敏感波段區(qū)域，904、1 952 nm均處于花鈴期CEWT最佳敏感波段區(qū)域。這也說明利用不同生育期的敏感波段構(gòu)建光譜指數(shù)可以有效提高CEWT的估算能力。

3.3 棉花CEWT多波段光譜指數(shù)的構(gòu)建

已有研究表明，在雙波段光譜指數(shù)基礎(chǔ)上增加特定的第三波段組合成三段光譜指數(shù)可以降低特定的噪聲干擾，消除或改善飽和現(xiàn)象[33,39-40]。本研究為降低不同生育期內(nèi)的多因素噪聲影響，構(gòu)建了三波段光譜指數(shù)?？梢钥闯觯瑯?gòu)成R1134/(R1533-0.5R2086)的1 134 nm位于蕾期CEWT核心敏感波段區(qū)域，1 533 nm位于全生育期CEWT核心敏感波段區(qū)域，新引入的2 086 nm則是本研究發(fā)現(xiàn)的全生育期CEWT最佳敏感波段；構(gòu)成(R1135-5R1494)/R2003的1 135 nm位于蕾期CEWT核心敏感波段區(qū)域，2 003 nm和新引入的1 494 nm同樣在全生育期CEWT敏感波段范圍內(nèi)。另一方面，1 494、2 086 nm同樣位于纖維素分子吸收波段1 490、2 090 nm附近[41]。這表明，三波段光譜指數(shù)可能是通過添加纖維素敏感波段來消除開花前后植株組分的差異，以增加全生育期監(jiān)測模型的預(yù)測精度和穩(wěn)定性。值得注意的是，本文構(gòu)建的三波段光譜指數(shù)在蕾期估算CEWT的表現(xiàn)均不如RSIb（1130，1996），在花鈴期的表現(xiàn)較RSIa（904，1952）也沒有明顯提升，這說明在雙波段光譜指數(shù)基礎(chǔ)添加第三波段的去噪方法還需進(jìn)一步的探討。

3.4 現(xiàn)有植被指數(shù)與本研究提出的新型光譜指標(biāo)對(duì)比

總結(jié)近年來用于反演作物含水量的7種常用植被指數(shù)與本研究開發(fā)的新型光譜指數(shù)進(jìn)行比較。如表3所示，在7種已發(fā)表的光譜指標(biāo)中，NDWI1640監(jiān)測CEWT的精度最高，其2為0.4475，為0.1294 mm；NDII表現(xiàn)最差，2為0.1495，為0.1606mm。這7種植被指數(shù)與CEWT的相關(guān)性均達(dá)到0.01顯著相關(guān)水平。本文提出的光譜指數(shù)較這7種指標(biāo)模型精度更高，反演效果更好。這可能是由于以上7種指標(biāo)是在不同尺度對(duì)不同作物進(jìn)行建模的，且這些研究中均未考慮不同生育期對(duì)模型精度的影響。

本研究全面分析了棉花冠層等效水厚度與高光譜指數(shù)之間的相關(guān)關(guān)系，研究結(jié)果將有助于進(jìn)一步提高棉花CEWT的估算精度，但是也存在一些不足。首先，本文僅進(jìn)行了單一棉花品種的一年試驗(yàn)，采樣地點(diǎn)和采樣年份均較少，所建立模型的普適性和穩(wěn)定性還需要多品種、多年度、多生態(tài)點(diǎn)數(shù)據(jù)進(jìn)行支撐及驗(yàn)證；其次本文僅從對(duì)CEWT敏感程度及建模、驗(yàn)證效果角度確定監(jiān)測棉花CEWT的最優(yōu)光譜指數(shù)，而植被體內(nèi)含水量的不同往往伴隨著其氮素含量在內(nèi)的各生化組分的差異，盡管水分的強(qiáng)吸收中心及其兩側(cè)延展的吸收翼會(huì)影響這些組分在此區(qū)域的吸收特征[47]，但各組分的差異很有可能影響水分敏感波段的選取及各水分監(jiān)測模型的穩(wěn)定性，本研究中并未對(duì)棉花各生化組分的進(jìn)行分析，沒有指出各生化組分在不同生育期內(nèi)的變化對(duì)植被水分監(jiān)測模型估算效果的影響機(jī)制，這些仍需要進(jìn)一步的探索。

4 結(jié)論

本文通過在不同生育期內(nèi)構(gòu)建監(jiān)測棉花冠層等效水厚度的最優(yōu)光譜指數(shù)和監(jiān)測模型，研究發(fā)現(xiàn)：在950、1 020、1 140 nm附近一階數(shù)光譜與冠層等效水厚度（CEWT）的相關(guān)性較原始光譜顯著加強(qiáng)，而在短波紅外波段原始光譜與CEWT的相關(guān)性更高，基于原始光譜建立的光譜指數(shù)較一階導(dǎo)數(shù)光譜對(duì)CEWT更敏感，RSI較NDSI更適合監(jiān)測棉花CEWT；在全生育期內(nèi)，（R1135-5R1494）/R2003的表現(xiàn)最好，而RSI（1134，1533）為最優(yōu)雙波段光譜指數(shù)；在蕾期，RSIb（1130，1996）對(duì)CEWT預(yù)測精度最高；在花鈴期，RSIa（904，1952）的估算水平最佳，而（R1135-5R1494）/R2003的表現(xiàn)也較為穩(wěn)定。

[1] 孟兆江, 段愛旺, 劉祖貴, 張寄陽. 根據(jù)植株莖直徑變化診斷作物水分狀況研究進(jìn)展. 農(nóng)業(yè)工程學(xué)報(bào), 2005, 21(2): 30-33.

MENG Z J, DUAN A W, LIU Z G, ZHANG J Y. Advances on diagnosis of crop moisture content from changes in stem diameters of plants., 2005, 21(2): 30-33. (in Chinese)

[2] 唐菁, 楊承棟, 康紅梅. 植物營養(yǎng)診斷方法研究進(jìn)展. 世界林業(yè)研究, 2005, 18(6): 45-48.

TANG J, YANG C D, KANG H M. Advances in methods of nutrition diagnosis for plants., 2005, 18(6): 45-48. (in Chinese)

[3] 張喜英. 葉水勢反映冬小麥和夏玉米水分虧缺程度的試驗(yàn)(簡報(bào)). 植物生理學(xué)通訊, 1997, 33(4): 249-253.

ZHANG X Y. A Report on diagnosis of soil water deficiency of wheat and maize using leaf water potential., 1997, 33(4): 249-253. (in Chinese)

[4] 高照陽, 張紅梅, 常明勛. 國內(nèi)外土壤水分監(jiān)測技術(shù). 節(jié)水灌溉, 2004(2): 28-29.

GAO Z Y, ZHANG H M, CHANG M X. Soil moisture monitoring technology at home and abroad., 2004(2): 28-29. (in Chinese)

[5] Danson F M, Steven M D, Malthus T J, CLARK J A. High-spectral resolution data for determining leaf water content., 1992, 13(3): 10.

[6] Baret F, Fourty T. Estimation of leaf water content and specific leaf weight from reflectance and transmittance measurements., 1997, 17: 455-464.

[7] Riano D, Vaughan P, Chuvieco E, Zarco-Tejada p j, Ustin s l. Estimation of fuel moisture content by inversion of radiative transfer models to simulate equivalent water thickness and dry matter content: analysis at leaf and canopy level., 2005, 43(4): 819-826.

[8] Colombo R, Meroni M, Marchesi A, Busetto l, Rossini m, Giardino c, Panigada c. Estimation of leaf and canopy water content in poplar plantations by means of hyperspectral indices and inverse modeling., 2008, 112(4): 1820-1834.

[9] Baret F, Fourty T. Estimation of leaf water content and specific leaf weight from reflectance and transmittance measurements., 1997, 17: 455-464.

[10] Yi Q x, Wang F m, Bao A m, Jiapaer g. Leaf and canopy water content estimation in cotton using hyperspectral indices and radiative transfer models., 2014, 33: 67-75.

[11] Li L, Cheng Y B, Ustin S, HU X T, RIONO D. Retrieval of vegetation equivalent water thickness from reflectance using genetic algorithm (GA)-partial least squares (PLS) regression., 2008, 41(11): 1755-1763.

[12] Cheng T, Rivard B, Sanchez-Azofeifa A G. Spectroscopic determination of leaf water content using continuous wavelet analysis., 2011, 115(2): 659-670.

[13] Cheng T, Rivard B , Sanchez-Azofeifa A G, Feret j b, Jacquemoud s, Ustin s l. Predicting leaf gravimetric water content from foliar reflectance across a range of plant species using continuous wavelet analysis., 2012, 169(12): 1134-1142.

[14] LI D, CHENG T, YAO X, ZHANG Z Y, TIAN Y C, ZHU Y, CAO W X. Wavelet-based PROSPECT inversion for retrieving leaf mass per area (LMA) and equivalent water thickness (EWT) from leaf reflectance.2016,6910-6913.

[15] 馮海寬, 李振海, 金秀良, 楊貴軍, 萬鵬, 郭建華, 于海洋, 楊福芹, 李偉國, 王衍安. 基于EFAST和PLS的蘋果葉片等效水厚度高光譜估算. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(12): 165-171.

FENG H K, LI Z H, JIN X L, YANG G J, WAN P, GUO J H, YU H Y, YANG F Q, LI W G, WANG Y A. Estimating equivalent water thickness of apple leaves using hypersecptral data based on EFAST and PLS., 2016, 32(12): 165-171. (in Chinese)

[16] Gao B C. NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space., 1996, 58: 257-266.

[17] Ceccato P, Stephane F, Tarantola S. Detecting vegetation leaf water content using reflectance in the optical domain., 2001, 77(1): 22-33.

[18] Eitel J U H, Gessler P E, Smith A M S. Suitability of existing and novel spectral indices to remotely detect water stress inspp. ., 2006, 229: 170-182.

[19] Palacios-Orueta A, Khanna S. Assessment of NDVI and NDWI spectral indices using MODIS time series analysis and development of a new spectral index based on MODIS shortwave infrared bands.Trier, Germany, 2006: 207-209.

[20] Khanna S, Palacios-Orueta A, Whiting M L. Development of angle indexes for soil moisture estimation, dry matter detection and land-cover discrimination., 2007, 109(2): 154-165.

[21] Seelig H D, Hoehn A, Stodieck L S. Relations of remote sensing leaf water indices to leaf water thickness in cowpea, bean, and sugarbeet plants., 2008, 112(2): 445-455.

[22] Yilmaz M T, Hunt E R, Jackson T J. Remote sensing of vegetation water content from equivalent water thickness using satellite imagery., 2008, 112(5): 2514-2522.

[23] 王強(qiáng), 易秋香, 包安明, 趙金. 棉花冠層水分含量估算的高光譜指數(shù)研究. 光譜學(xué)與光譜分析, 2013, 33(2): 507-512.

WANG Q, YI Q X, BAO A M, ZHAO J. Discussion on hyperspectral index for the estimation of cotton canopy water content., 2013, 33(2): 507-512. (in Chinese)

[24] Yi Q X, Bao A M , Luo Y, ZHAO J. Measuring cotton water status using water-related vegetation indices at leaf and canopy levels., 2012, 4(3): 310-319.

[25] Yi Q X, Bao A M, Wang Q, ZHAO J. Estimation of leaf water content in cotton by means of hyperspectral indices., 2013, 90: 144-151.

[26] 馮先偉, 陳曦, 包安明, 孫莉, 王登偉, 馬亞琴. 水分脅迫條件下棉花生理變化及其高光譜響應(yīng)分析. 干旱區(qū)地理, 2004, 27(2): 250-255.

FENG X W, CHEN X, BAO A M, SUN L, WANG D W, MA Y Q. Analysis on the cotton physiological change and its hyperspectral response under the water stress conditions., 2004, 27(2): 250-255. (in Chinese)

[27] 蘇毅, 王克如, 李少昆, 肖春華, 陳兵, 王方永, 唐強(qiáng), 陳江魯, 金秀良, 呂銀亮, 王楷. 棉花植株水分含量的高光譜監(jiān)測模型研究. 棉花學(xué)報(bào), 2010, 22(6): 554-560.

SU Y, WANG K R, LI S K, XIAO C H, CHEN B, WANG F Y, TANG Q, CHEN J L, JIN X L, Lü Y L, WANG K. Monitoring models of the plant water content based on cotton canopy hyperspectral reflectance., 2010, 22(6): 554-560. (in Chinese)

[28] Liu H, Gao Y, Sun J, WU X L, JHA S K, ZHANG H, GONG X W, LI Y. Responses of yield, water use efficiency and quality of short-season cotton to irrigation management: interactive effects of irrigation methods and deficit irrigation., 2017, 35(2): 125-139.

[29] Allen R G, Pereira l s, Raes d, Smith m. Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations, Rome, Italy, 1998.

[30] Liu L, Zhang S, Zhang B. Evaluation of hyperspectral indices for retrieval of canopy equivalent water thickness and gravimetric water content., 2016, 37(14): 3384-3399.

[31] Yao X, Jia W Q, Si H Y, GUO Z Q, TIAN Y C, LIU X J, CAO W X, ZHU Y. Exploring novel bands and key index for evaluating leaf equivalent water thickness in wheat using hyperspectra influenced by nitrogen., 2014, 9(6):e96352.

[32] Demetriades-Shah T H, Steven M D, Clark J A. High resolution derivative spectra in remote sensing., 1990, 33(1): 55-64.

[33] Tian Y C, Yao X, Yang J, cao w x, Hannaway d b, zhu y. Assessing newly developed and published vegetation indices for estimating rice leaf nitrogen concentration with ground- and space-based hyperspectral reflectance., 2011, 120(2): 299-310.

[34] PEnUELAS j, Filella I , Biel C, SERRANO L, SAVE R. The reflectance at the 950-970 nm region as an indicator of plant water status.1993, 14(10): 19.

[35] Carter G A. Primary and secondary effects of water content on the spectral reflectance of leaves., 1991, 78(7): 916-924.

[36] Curcio J A, Petty C C. The near infrared absorption spectrum of liquid water., 1951, 41(5): 302-304.

[37] Sims D A, Gamon J A. Estimation of vegetation water content and photosynthetic tissue area from spectral reflectance: a comparison of indices based on liquid water and chlorophyll absorption features., 2003, 84(4): 526-537.

[38] Seagull R W, Giavalis S. Pre-and post-anthesis application of exogenous hormones alters fiber production inL. cultivar Maxxa GTO., 2004, 8(2): 105-111.

[39] Stow D, Niphadkar M, Kaiser J. MODIS‐derived visible atmospherically resistant index for monitoring chaparral moisture content., 2005, 26(17): 3867-3873.

[40] Sims D A, Gamon J A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages., 2002, 81(2/3): 337-354.

[41] 顏春燕. 遙感提取植被生化組分信息方法與模型研究[D]. 北京: 中國科學(xué)院, 2003.

Yan c y. Study on methods and models for vegetation biochemical information retrieval by remote sensing[D]. Beijing: Chinese Academy of Sciences, 2003. (in Chinese)

[42] Zarco-Tejada P J, Rueda C A, Ustin S L. Water content estimation in vegetation with MODIS reflectance data and model inversion methods., 2003, 85(1): 109-124.

[43] Hardisky M A, Smart R M, Klemas V. Growth response and spectral characteristics of a shortsalt marsh irrigated with freshwater and sewage effluent., 1983, 13(1): 57-67.

[44] Wu C, Niu Z, Tang Q, HUANG W J. Predicting vegetation water content in wheat using normalized difference water indices derived from ground measurements., 2009, 122(3): 317-326.

[45] Chen D, Huang J, Jackson T J. Vegetation water content estimation for corn and soybeans using spectral indices derived from MODIS near- and short-wave infrared bands., 2005, 98(2/3): 225-236.

[46] Hunt E R, Rock B N. Detection of changes in leaf water content using Near- and Middle-infrared reflectances., 1989, 30(1): 43-54.

[47] 田永超, 朱艷, 姚霞, 劉小軍, 曹衛(wèi)星. 基于光譜信息的作物氮素營養(yǎng)無損監(jiān)測技術(shù). 生態(tài)學(xué)雜志, 2007, 26(9): 1454-1463.

TIAN Y C, ZHU Y, YAO X, LIU X J, CAO W X. Non-destructive monitoring of crop nitrogen nutrition based on spectral information., 2007, 26(9): 1454-1463. (in Chinese)

canopy equivalent water thickness estimation of cotton based on hyperspectral index

MA YanChuan1,2, LIU Hao1, CHEN ZhiFang1, Zhang Kai1, YU Xuan1,2, WANG JingLei1, SUN JingSheng1

(Farmland Irrigation Research Institute, Chinese Academy of Agricultural Sciences/Key Laboratory of Crop Water Requirement and Regulation, Ministry of Agriculture, xinxiang 453002, Henan; Graduate School of Chinese Academy of Agricultural Sciences, Beijing 100081)

【Objective】The objective of the experiments is to develop a key method for fast and nondestructive monitoring canopy equivalent water thickness (CEWT) in cotton (Lumian 54) and to further improve the estimation accuracy of CEWT in cotton monitored by remote sensing technology. 【Method】Through setting irrigation gradient treatment in different growth period, canopy spectral reflectance and canopy equivalent water thickness and other information were measured simultaneously. Firstly, we comprehensively analyzed the correlation between CEWT and various spectral parameters, including original spectral reflectance, first derivative spectral reflectance, all-band combined spectral index and existing spectral index. Then, we determined the optimal spectral indices of bud stage, flowering and bolls stage, and full growth period. Finally, we constructed a hyperspectral monitoring model of cotton CEWT by linear regression. 【Result】The canopy equivalent water thickness and the original spectral reflectance show continuous sensitive bands in the near infrared band (NIR) of 780-1130 nm and the short wave infrared band (SWIR) of 1 450-1 830 nm and 1 950-2 450 nm, the sensitivity of the first derivative spectrum to CEWT was enhanced in NIR band than that of the original spectrum, but was weaker in SWIR band than that of the original spectrum. The correlation between the spectral index constructed by the original spectral reflectance and CEWT is stronger than that of the first derivative spectrum, and the ratio spectral index (RSI) is more suitable for the monitoring of CEWT than the normalized difference spectral index (NDSI). During the whole growth period, the inversion accuracy of CEWT by (R1135-5R1494)/R2003was the best (2=0.7878,=0.1803). In the bud stage, RSIb(1130,1996) has the best estimation effect on CEWT (2=0.7258,=0.1444). RSIa(904,1952) was the optimal spectral index (2=0.7853,=0.2454) for estimating CEWT at the flowering and bolls stage.【Conclusion】The new hyperspectral indexes proposed in this study in different growth stages can be used for quantitative monitoring of canopy equivalent water thickness in cotton. The results of this study can provide reference for the application of hyperspectral technology in monitoring water content of cotton canopy, and provide technical basis for precision irrigation of cotton.

hyperspectral index; cotton; canopy equivalent water thickness; estimation

2019-05-09；

2019-09-03

現(xiàn)代農(nóng)業(yè)棉花產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)（CARS-15-13）、國家自然科學(xué)基金（51709262）、國家重點(diǎn)研發(fā)計(jì)劃（2016YFC0400208）

馬巖川，E-mail：18801102750@163.com。通信作者孫景生，E-mail：jshsun623@163.com

（責(zé)任編輯 楊鑫浩）