摘要：為了提高農(nóng)田精準(zhǔn)管理效率，基于無(wú)人機(jī)（Unmaned Aerial Vehicle,UAV ）實(shí)時(shí)獲取和傳輸?shù)倪b感數(shù)據(jù)設(shè)計(jì)了一種快速監(jiān)測(cè)農(nóng)田土壤水分的方法：首先，利用 UAV 飛行采集農(nóng)田的多光譜數(shù)據(jù)，在農(nóng)田選取一個(gè)代表性的重點(diǎn)觀測(cè)區(qū)域進(jìn)行隨機(jī)樣點(diǎn)土壤水分探測(cè)；然后，利用垂直干旱指數(shù)（Perpendicular Drougth Index,PDI），結(jié)合樣點(diǎn)土壤水分?jǐn)?shù)據(jù)快速構(gòu)建農(nóng)田土壤水分反演模型，進(jìn)而獲得大范圍的農(nóng)田土壤水分監(jiān)測(cè)結(jié)果． 并通過(guò)6個(gè)時(shí)相獲取的UAV數(shù)據(jù)和樣點(diǎn)土壤水分?jǐn)?shù)據(jù)，進(jìn)行方法實(shí)驗(yàn)和模型精度分析，結(jié)果表明利用該方法進(jìn)行農(nóng)田土壤水分監(jiān)測(cè)的精度較高：6個(gè)時(shí)相土壤水分反演結(jié)果的決定系數(shù) R²均在 0.8 以上，其中5個(gè)時(shí)相的均方根誤差RMSE和系統(tǒng)誤差SE值均小于0.1． 這證明了基于UAV數(shù)據(jù)設(shè)計(jì)的農(nóng)田土壤水分監(jiān)測(cè)方法的有效性和可行性，可以為大范圍農(nóng)田土壤水分的快速監(jiān)測(cè)提供方法參考． 

     土壤水分表示一定深度土層中土壤的干濕程度，是氣候、生態(tài)、水文和農(nóng)學(xué)等研究領(lǐng)域的一個(gè)基礎(chǔ)參數(shù)[1]． 在農(nóng)業(yè)生產(chǎn)中，農(nóng)田的土壤水分是旱澇指示因子，是農(nóng)作物旱情判斷及灌溉管理的基礎(chǔ)指 標(biāo)，也是影響農(nóng)作物的生長(zhǎng)發(fā)育的重要因素，更是影響精準(zhǔn)農(nóng)業(yè)發(fā)展的關(guān)鍵因素[2]． 因此，全面、實(shí)時(shí)和準(zhǔn)確的農(nóng)田土壤水分監(jiān)測(cè)，對(duì)農(nóng)作物長(zhǎng)勢(shì)的科學(xué)認(rèn)識(shí)、精準(zhǔn)灌溉技術(shù)的實(shí)施和農(nóng)作物產(chǎn)量的評(píng)估都有重要的現(xiàn)實(shí)意義．

    土壤水分監(jiān)測(cè)方法主要有傳統(tǒng)的土壤水分測(cè)定方法和遙感監(jiān)測(cè)方法． 傳統(tǒng)的土壤水分測(cè)定方法是基于手工的單點(diǎn)測(cè)定，盡管具有測(cè)定精度高和操作簡(jiǎn)單的優(yōu)點(diǎn)，但數(shù)據(jù)時(shí)效性差，且單點(diǎn)土壤水分信息不能代表區(qū)域土壤水分情況，難以滿(mǎn)足大范圍、實(shí)時(shí)的土壤水分監(jiān)測(cè)需求[3-4] ．遙感技術(shù)的發(fā)展，給土壤水分的實(shí)時(shí)、動(dòng)態(tài)、宏觀監(jiān)測(cè)提供了新思路，一定程度上彌補(bǔ)了傳統(tǒng)測(cè)定方法的不足． 遙感手段獲取土壤水分是基于土壤表面的遙感數(shù)據(jù)，通過(guò)研究遙感數(shù)據(jù)與土壤水分的關(guān)系，建立土壤水分與遙感數(shù)據(jù)的關(guān)系模型來(lái)反演土壤水分信息[5-6] ． 目前利用遙感技術(shù)反演土壤水分主要用到的遙感波段有：可見(jiàn)光－近紅外、熱紅外和微波． 學(xué)者們基于這些遙感波段得到了許多模型和方法，如作物缺水指數(shù)（Crop Water Stress Index,CW-SI）法[7-8]、水分虧缺指數(shù)（Water Deficit Index,WDI）法[9]、植被供水指數(shù)（Vegetation Supply Water Index,VSWI）法[10]、微波法[11-12]等． 其中，可見(jiàn)光－近紅外遙感監(jiān)測(cè)土壤水分方法根據(jù)土壤反射率會(huì)隨著土壤水分增加而降低的特征，通過(guò)構(gòu)建光譜指數(shù)與土壤水分之間的關(guān)系模型進(jìn)而反演土壤水分． 基于近紅外和紅光（NIR-Red）對(duì)水分的吸收特性，GHULAM等[13]提出了垂直干旱指數(shù) （Perpendicular Drought Index,PDI ），能有效探測(cè)土壤水分變化趨勢(shì)，簡(jiǎn)單易用且物理意義明確，常應(yīng)用于不同地區(qū)土壤水分的監(jiān)測(cè)[14-16]．目前的遙感方法可以實(shí)現(xiàn)對(duì)土壤水分的大面積監(jiān)測(cè)，但仍存在時(shí)效性較差、精度較低的問(wèn)題． 無(wú)人機(jī)（Unmaned Aerial Vehicle,UAV ）可以實(shí)時(shí)獲取和傳輸高分辨率的遙感數(shù)據(jù)，UAV 遙感可以彌補(bǔ)目前的遙感方法監(jiān)測(cè)土壤水分時(shí)效性差的不足，為作物土壤水分監(jiān)測(cè)提供了新的技術(shù)和思路． 近年來(lái)，基于UAV遙感的土壤水分監(jiān)測(cè)方法得到了廣泛的研究，如：張智韜等[17]利用 UAV數(shù)據(jù)對(duì)裸土含水率進(jìn)行大范圍快速測(cè)定并確定了最佳土壤監(jiān)測(cè)深度；陳震等[18]利用UAV影像進(jìn)行作物土壤水分虧缺反演研究，構(gòu)建了土壤水分反演模型；葛翔宇等[19]提出 了一種基于UAV遙感快速監(jiān)測(cè)土壤水分的新方案．當(dāng)前，UAV 遙感監(jiān)測(cè)土壤水分的方法和相關(guān)模型正在不斷地完善，如何利用UAV 數(shù)據(jù)進(jìn)行準(zhǔn)確、快速、大范圍的土壤水分監(jiān)測(cè)是未來(lái)研究中的重點(diǎn)和難點(diǎn)．本文旨在探索一種基于UAV遙感的農(nóng)田土壤水分監(jiān)測(cè)方法：利用實(shí)時(shí)獲取的UAV多光譜數(shù)據(jù)，構(gòu)建農(nóng)田土壤水分反演模型，從而實(shí)現(xiàn)大范圍農(nóng)田土壤水分的快速監(jiān)測(cè)，為農(nóng)作物合理灌溉、農(nóng)業(yè)精準(zhǔn)化管理提供參考
１ 研究區(qū)域
研究區(qū)域是位于廣東省韶關(guān)市始興縣東北部的特色煙葉種植農(nóng)田 （中心經(jīng)緯度：114°11‘44’’E，25°03‘10’‘N），如圖 １ 所示． 該農(nóng)田總面積約為16.67hm²，田間作物種植統(tǒng)一有序，田埂排列整齊． 作物的生長(zhǎng)期為每年的 ３—６ 月份，圖 １ 是2019年5月12日獲取的農(nóng)田范圍的多光譜影像． 由于研究區(qū)面積較大，為了快速建立農(nóng)田土壤水分反演模型，本研究在農(nóng)田中選取了一塊面積為0.38hm² 的重點(diǎn)觀測(cè)區(qū)（農(nóng)田東北部的黃色矩形區(qū)域），用于實(shí)地探測(cè)田間樣點(diǎn)的土壤水分．

２ 數(shù)據(jù)與方法
２．１ 數(shù)據(jù)采集
數(shù)據(jù)采集包括UAV多光譜數(shù)據(jù)獲取與田間樣點(diǎn)的土壤水分探測(cè)． UAV數(shù)據(jù)的獲取采用大疆精靈4proUAV 信息采集系統(tǒng)，搭載Parrot Sequoia 傳感器作為遙感數(shù)據(jù)采集平臺(tái)，飛行設(shè)備及野外調(diào)研照片如圖2所示． Parrot Sequoia 傳感器由多光譜傳感器和光照傳感器兩部分組成，其獲取的多光譜影像共有4個(gè)光譜通道：綠光Green （ 波長(zhǎng)550nm，帶寬40nm）、紅光Red（波長(zhǎng)660nm，帶寬 40nm ）、紅邊 Red_edge（波長(zhǎng)75nm ，帶寬10nm ）和近紅外NIR（波長(zhǎng) 790nm，帶寬40nm ）． 本研究在作物生長(zhǎng)期內(nèi)一共飛行采集了6個(gè)時(shí)相的覆蓋整塊農(nóng)田的UAV多光譜影像（具體時(shí)間見(jiàn)表 １），UAV飛行高度均為 80m, UAV 多光譜影像空間分辨率為0.1m ，數(shù)據(jù)質(zhì)量良好．

為了快速建立農(nóng)田土壤水分反演模型，每次飛行采集 UAV多光譜數(shù)據(jù)完成后，均在重點(diǎn)觀測(cè)區(qū)隨機(jī)選取若干個(gè)建模樣點(diǎn)，并進(jìn)行土壤水分探測(cè)；最后，在農(nóng)田其他區(qū)域也選取若干個(gè)驗(yàn)證樣點(diǎn)并進(jìn)行土壤水分探測(cè)，用于檢驗(yàn)反演模型的精度水平，詳細(xì)信息見(jiàn)表 １． 田間樣點(diǎn)的土壤水分采用Decagon公司生產(chǎn)的ECH₂O/EC-5土壤濕度監(jiān)測(cè)儀進(jìn)行單點(diǎn)測(cè)定，該儀器的探針插入土壤中，通過(guò)計(jì)算土壤中電解質(zhì)的質(zhì)量分?jǐn)?shù)來(lái)估算單位土壤容積中水 分子所占的比例，則可快速探測(cè)出樣點(diǎn)的土壤體積含水率（Volumetric Water Content,VWC），儀器的測(cè)量偏差值為±0.03． 每個(gè)樣點(diǎn)最終記錄的 VWC值均是通過(guò)連續(xù)3探測(cè)所取的平均值（VWC 值越大，代表土壤水分越高），每次探測(cè)時(shí)長(zhǎng)為 3～ 4s，探測(cè)土壤深度為0～ 10ｃｍ．

2.2  土壤水分監(jiān)測(cè)方法

本文利用 UAV 多光譜數(shù)據(jù)和垂直干旱指數(shù)（PDI），設(shè)計(jì)了一種快速監(jiān)測(cè)農(nóng)田土壤水分的方法，并通過(guò)6個(gè)時(shí)相獲取的 UAV 數(shù)據(jù)進(jìn)行方法實(shí)驗(yàn)． 技術(shù)流程如圖 ３ 所示，具體方法介紹如下：（１）通過(guò)搭載在 UAV 的多光譜相機(jī)獲取覆蓋整塊農(nóng)田的多光譜數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行拼接、配準(zhǔn)、校正等預(yù)處理；(2)計(jì)算歸一化植被指數(shù)（ NDVI），從而得到植被覆蓋（作物）范圍，對(duì)植被覆蓋范圍進(jìn)行掩膜處理，得到農(nóng)田的土壤分布范圍；(3) 計(jì)算農(nóng)田土壤范圍的PDI，得到整塊農(nóng)田土壤水分分布趨勢(shì)；(4) 在整塊農(nóng)田中選定一個(gè)重點(diǎn)觀測(cè)區(qū)，并在重點(diǎn)觀測(cè)區(qū)隨機(jī)選取建模樣點(diǎn)探測(cè)土壤水分，即得到建模樣點(diǎn)的VWC 值；(5)構(gòu)建PDI與 VWC值的關(guān)系模型，即得 到農(nóng)田土壤水分反演模型；(6) 計(jì)算整塊農(nóng)田的VWC 值，得到整塊農(nóng)田的土壤水分反演結(jié)果；(7)在整塊農(nóng)田中（重點(diǎn)觀測(cè)區(qū)除外） 隨機(jī)選取驗(yàn)證樣點(diǎn)進(jìn)行土壤水分探測(cè)，對(duì)土壤水分反演結(jié)果進(jìn)行精度驗(yàn)證． 

下面將對(duì)本方法所用的歸一化植被指數(shù)、垂直干旱指數(shù)和精度驗(yàn)證指標(biāo)進(jìn)行詳細(xì)介紹．
2.2.1  歸一化植被指數(shù) NDVI 在計(jì)算 PDI之前需要剔除植被像元對(duì)土壤水分計(jì)算的影響，本文利用歸一化植被指數(shù)（ NDVI）[20] 得到植被覆蓋范圍，并對(duì)植被覆蓋范圍進(jìn)行掩膜處理． NDVI計(jì)算公式
如下：

2.2.2  垂直干旱指數(shù) PDI土壤在紅波段 Red和近紅外波段 NIR 的反射率具有線性關(guān)系，在 NIR-Red光譜特征空間中，土壤的光譜變化表現(xiàn)為一個(gè)由近于原點(diǎn)發(fā)射的直線，稱(chēng)為“ 土壤基線” [21]，可以表示為：

其中，Rred、Rnir分別是紅光、近紅外波段的反射率，M、Ｉ分別為土壤基線的斜率、截距．

GHULAM 等[13]利用了土壤在NIR-Red  光譜特征空間的特性，建立了垂直干旱指數(shù)(PDI)，可以有效地探測(cè)土壤水分． 其計(jì)算公式如下：

在NIR-Red二維散點(diǎn)圖中，PDI 構(gòu)成垂直于土壤基線的法線． 在NIR-Red 光譜特征空間上，從任何一個(gè)點(diǎn)到該法線的垂直距離可以說(shuō)明土壤的干濕程度，距離越大則說(shuō)明土壤越干旱，越小則說(shuō)明土壤越濕潤(rùn)，即 PDI 值越大表示土壤水分越低，反之土壤水分越高．

2.2.3  精度驗(yàn)證指標(biāo) 

精度驗(yàn)證分別采用決定系數(shù) R²、均方根誤差（Root Mean Square Error,RMSE）和系統(tǒng)誤差（Systematic Error,SE）3個(gè)指標(biāo)來(lái)分析．R²可以用來(lái)度量2個(gè)變量之間的回歸擬合效果，計(jì)算公式如下：

其中，為估算值，A_i為實(shí)測(cè)值，為所有實(shí)測(cè)值的均值；n為樣本數(shù)量；Ｒ²值介于0和1 之間，Ｒ2值越接近1，表示2個(gè)變量的回歸擬合效果越好 .

RMSE用來(lái)評(píng)價(jià)所有檢驗(yàn)樣本的整體估算誤差，計(jì)算公式如下：

SE用來(lái)評(píng)價(jià)系統(tǒng)誤差的影響（如高估、低估），計(jì)算公式如下： 

RMSE和 SE值越小，代表模型的估算精度越高． 其中SE值大于0表示結(jié)果被高估，反之則表示被低估． 

３ 結(jié)果與分析
3.1 土壤水分的反演模型
本文一共獲取了6個(gè)時(shí)相的農(nóng)田UAV多光譜數(shù)據(jù)和田間樣點(diǎn)土壤水分?jǐn)?shù)據(jù)進(jìn)行實(shí)驗(yàn)． 根據(jù)在重點(diǎn)觀測(cè)區(qū)所探測(cè)的建模樣點(diǎn)的土壤體積含水率（VWC）和農(nóng)田土壤范圍的PDI，分別建立 VWC與PDI 的關(guān)系模型，得到每個(gè)時(shí)相的農(nóng)田土壤水分反演模型結(jié)果（圖4）． 

由 6個(gè)時(shí)相的模型結(jié)果可知：PDI 與VWC值均呈負(fù)相關(guān)關(guān)系，PDI 越高，則 VWC越低，即土壤水分越低；從模型的擬合效果來(lái)看，6個(gè)時(shí)相的模型方程的擬合較好，決定系數(shù) Ｒ²均在0.8以上，且擬合方程的顯著性檢驗(yàn)均具有統(tǒng)計(jì)學(xué)意義（Ｐ＜0.01）． 

3.2 土壤水分監(jiān)測(cè)結(jié)果
基于上述的農(nóng)田土壤水分反演模型，計(jì)算6個(gè)時(shí)相的農(nóng)田VWC 值（圖5），即可以得到每個(gè)時(shí)相的農(nóng)田土壤水分反演結(jié)果，實(shí)現(xiàn)整塊農(nóng)田土壤水分的監(jiān)測(cè)． 由圖5可知：(1)從農(nóng)田土壤水分結(jié)果來(lái)看，經(jīng)像元統(tǒng)計(jì)得到 6個(gè)時(shí)相的農(nóng)田VWC 均值分別為0.28、0.34、0.16、0.23、0.16、0.15；農(nóng)田土壤水分在作物生長(zhǎng)期呈先增加后減少的趨勢(shì)，在作物生長(zhǎng)后期（ 2019年5月中下旬） 則明顯減少 （2）從農(nóng)田土壤水分空間分布來(lái)看，農(nóng)田的土壤水分在不同時(shí)期均存在空間分布不均的情況，在作物生長(zhǎng)前期（2019年4月） 表現(xiàn)得最為明顯；2019年4月21日農(nóng)田東邊的土壤水分明顯大于西邊，4月28日農(nóng)田南邊的土壤水分明顯大于北邊． 因此，通過(guò)土壤水分反演結(jié)果可以快速判斷農(nóng)田總體土壤水分的高低，還能快速獲取農(nóng)田土壤水分的空間分布情況，對(duì)農(nóng)田精準(zhǔn)灌溉和種植管理有重要的指導(dǎo)意義 

3.3 精度驗(yàn)證
為了檢驗(yàn)6時(shí)相土壤水分反演結(jié)果的精度水平，即對(duì)比模型反演結(jié)果（ VWC估算值） 與土壤水分實(shí)際探測(cè)值（ VWC實(shí)測(cè)值） 之間的差異，本文分別計(jì)算了 VWC估算值與對(duì)應(yīng)實(shí)測(cè)值之間的 Ｒ²、RMSE和 SE，以驗(yàn)證反演結(jié)果的精度．由精度驗(yàn)證結(jié)果（表2 和圖6） 可以看出：6 個(gè)時(shí)相的VWC 估算值與對(duì)應(yīng)實(shí)測(cè)值之間的 R² 均在0.8以上；除 2019 年4月28日的結(jié)果外，其余 5個(gè)時(shí)相的 RMSE 和 SE 值均小于0.1；6個(gè)時(shí)相的SE 值均大于0，說(shuō)明土壤水分反演結(jié)果略有高估． 整體上，6個(gè)時(shí)相的農(nóng)田土壤水分反演結(jié)果精度較高，證明本文設(shè)計(jì)的基于 UAV 數(shù)據(jù)的農(nóng)田土壤水分監(jiān)測(cè)方法是有效的、可行的．

４、 結(jié)論
土壤水分是作物生長(zhǎng)和發(fā)育的保證，對(duì)農(nóng)田土壤水分進(jìn)行監(jiān)測(cè)，快速判斷農(nóng)田土壤水分的高低，獲取農(nóng)田土壤水分的空間分布情況，對(duì)農(nóng)作物合理灌
溉和農(nóng)業(yè)精準(zhǔn)化管理有重要的指導(dǎo)意義． 本文基于UAV 多光譜數(shù)據(jù)和垂直干旱指數(shù)（PDI）實(shí)現(xiàn)了農(nóng)田土壤水分的快速監(jiān)測(cè)．本文一共獲取了6 個(gè)時(shí)相的農(nóng)田UAV多光譜數(shù)據(jù)和田間樣點(diǎn)土壤水分?jǐn)?shù)據(jù)，構(gòu)建了6 個(gè)時(shí)相的農(nóng)田土壤水分反演模型，并得到對(duì)應(yīng)的農(nóng)田土壤水分反演結(jié)果． 精度驗(yàn)證結(jié)果表明：整體上反演結(jié)果精度較高，6 個(gè)時(shí)相的農(nóng)田土壤水分反演結(jié)果 R² 均在0.8 以上，5個(gè)時(shí)相的RMSE 和SE值均小于 0.1，說(shuō)明本文設(shè)計(jì)的基于 UAV 數(shù)據(jù)監(jiān)測(cè)農(nóng)田土壤水分的方法是有效的、可行的． 因此，未來(lái)農(nóng)田土壤水分監(jiān)測(cè)，可以利用實(shí)時(shí)獲取的 UAV 多光譜數(shù)據(jù)，選取 一個(gè)具有代表性的重點(diǎn)觀測(cè)區(qū)進(jìn)行隨機(jī)樣點(diǎn)土壤水分探測(cè)，快速構(gòu)建農(nóng)田土壤水分的反演模型，進(jìn)而完成農(nóng)田土壤水分的快速監(jiān)測(cè)． 本文提出的方法可以推廣和應(yīng)用于大范圍農(nóng)田土壤水分的快速監(jiān)測(cè)．

來(lái)源：馮珊珊,梁雪映,樊風(fēng)雷,王 塞,伍健恒.于無(wú)人機(jī)多光譜數(shù)據(jù)的農(nóng)田土壤水分遙感監(jiān)測(cè) [J]. 華南師范大學(xué)學(xué)報(bào).2020，52(6):74-81