摘要：為了提高農田精準管理效率，基于無人機（Unmaned Aerial Vehicle,UAV ）實時獲取和傳輸?shù)倪b感數(shù)據(jù)設計了一種快速監(jiān)測農田土壤水分的方法：首先，利用 UAV 飛行采集農田的多光譜數(shù)據(jù)，在農田選取一個代表性的重點觀測區(qū)域進行隨機樣點土壤水分探測；然后，利用垂直干旱指數(shù)（Perpendicular Drougth Index,PDI），結合樣點土壤水分數(shù)據(jù)快速構建農田土壤水分反演模型，進而獲得大范圍的農田土壤水分監(jiān)測結果． 并通過6個時相獲取的UAV數(shù)據(jù)和樣點土壤水分數(shù)據(jù)，進行方法實驗和模型精度分析，結果表明利用該方法進行農田土壤水分監(jiān)測的精度較高：6個時相土壤水分反演結果的決定系數(shù) R²均在 0.8 以上，其中5個時相的均方根誤差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)設計的農田土壤水分監(jiān)測方法的有效性和可行性，可以為大范圍農田土壤水分的快速監(jiān)測提供方法參考． 

     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)、水文和農學等研究領域的一個基礎參數(shù)[1]． 在農業(yè)生產中，農田的土壤水分是旱澇指示因子，是農作物旱情判斷及灌溉管理的基礎指 標，也是影響農作物的生長發(fā)育的重要因素，更是影響精準農業(yè)發(fā)展的關鍵因素[2]． 因此，全面、實時和準確的農田土壤水分監(jiān)測，對農作物長勢的科學認識、精準灌溉技術的實施和農作物產量的評估都有重要的現(xiàn)實意義．

    土壤水分監(jiān)測方法主要有傳統(tǒng)的土壤水分測定方法和遙感監(jiān)測方法． 傳統(tǒng)的土壤水分測定方法是基于手工的單點測定，盡管具有測定精度高和操作簡單的優(yōu)點，但數(shù)據(jù)時效性差，且單點土壤水分信息不能代表區(qū)域土壤水分情況，難以滿足大范圍、實時的土壤水分監(jiān)測需求[3-4] ．遙感技術的發(fā)展，給土壤水分的實時、動態(tài)、宏觀監(jiān)測提供了新思路，一定程度上彌補了傳統(tǒng)測定方法的不足． 遙感手段獲取土壤水分是基于土壤表面的遙感數(shù)據(jù)，通過研究遙感數(shù)據(jù)與土壤水分的關系，建立土壤水分與遙感數(shù)據(jù)的關系模型來反演土壤水分信息[5-6] ． 目前利用遙感技術反演土壤水分主要用到的遙感波段有：可見光－近紅外、熱紅外和微波． 學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，可見光－近紅外遙感監(jiān)測土壤水分方法根據(jù)土壤反射率會隨著土壤水分增加而降低的特征，通過構建光譜指數(shù)與土壤水分之間的關系模型進而反演土壤水分． 基于近紅外和紅光（NIR-Red）對水分的吸收特性，GHULAM等[13]提出了垂直干旱指數(shù) （Perpendicular Drought Index,PDI ），能有效探測土壤水分變化趨勢，簡單易用且物理意義明確，常應用于不同地區(qū)土壤水分的監(jiān)測[14-16]．目前的遙感方法可以實現(xiàn)對土壤水分的大面積監(jiān)測，但仍存在時效性較差、精度較低的問題． 無人機（Unmaned Aerial Vehicle,UAV ）可以實時獲取和傳輸高分辨率的遙感數(shù)據(jù)，UAV 遙感可以彌補目前的遙感方法監(jiān)測土壤水分時效性差的不足，為作物土壤水分監(jiān)測提供了新的技術和思路． 近年來，基于UAV遙感的土壤水分監(jiān)測方法得到了廣泛的研究，如：張智韜等[17]利用 UAV數(shù)據(jù)對裸土含水率進行大范圍快速測定并確定了最佳土壤監(jiān)測深度；陳震等[18]利用UAV影像進行作物土壤水分虧缺反演研究，構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)測土壤水分的新方案．當前，UAV 遙感監(jiān)測土壤水分的方法和相關模型正在不斷地完善，如何利用UAV 數(shù)據(jù)進行準確、快速、大范圍的土壤水分監(jiān)測是未來研究中的重點和難點．本文旨在探索一種基于UAV遙感的農田土壤水分監(jiān)測方法：利用實時獲取的UAV多光譜數(shù)據(jù)，構建農田土壤水分反演模型，從而實現(xiàn)大范圍農田土壤水分的快速監(jiān)測，為農作物合理灌溉、農業(yè)精準化管理提供參考
１ 研究區(qū)域
研究區(qū)域是位于廣東省韶關市始興縣東北部的特色煙葉種植農田 （中心經緯度：114°11‘44’’E，25°03‘10’‘N），如圖 １ 所示． 該農田總面積約為16.67hm²，田間作物種植統(tǒng)一有序，田埂排列整齊． 作物的生長期為每年的 ３—６ 月份，圖 １ 是2019年5月12日獲取的農田范圍的多光譜影像． 由于研究區(qū)面積較大，為了快速建立農田土壤水分反演模型，本研究在農田中選取了一塊面積為0.38hm² 的重點觀測區(qū)（農田東北部的黃色矩形區(qū)域），用于實地探測田間樣點的土壤水分．

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)獲取與田間樣點的土壤水分探測． 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，飛行設備及野外調研照片如圖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個光譜通道：綠光Green （ 波長550nm，帶寬40nm）、紅光Red（波長660nm，帶寬 40nm ）、紅邊 Red_edge（波長75nm ，帶寬10nm ）和近紅外NIR（波長 790nm，帶寬40nm ）． 本研究在作物生長期內一共飛行采集了6個時相的覆蓋整塊農田的UAV多光譜影像（具體時間見表 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)質量良好．

為了快速建立農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，均在重點觀測區(qū)隨機選取若干個建模樣點，并進行土壤水分探測；最后，在農田其他區(qū)域也選取若干個驗證樣點并進行土壤水分探測，用于檢驗反演模型的精度水平，詳細信息見表 １． 田間樣點的土壤水分采用Decagon公司生產的ECH₂O/EC-5土壤濕度監(jiān)測儀進行單點測定，該儀器的探針插入土壤中，通過計算土壤中電解質的質量分數(shù)來估算單位土壤容積中水 分子所占的比例，則可快速探測出樣點的土壤體積含水率（Volumetric Water Content,VWC），儀器的測量偏差值為±0.03． 每個樣點最終記錄的 VWC值均是通過連續(xù)3探測所取的平均值（VWC 值越大，代表土壤水分越高），每次探測時長為 3～ 4s，探測土壤深度為0～ 10ｃｍ．

2.2  土壤水分監(jiān)測方法

本文利用 UAV 多光譜數(shù)據(jù)和垂直干旱指數(shù)（PDI），設計了一種快速監(jiān)測農田土壤水分的方法，并通過6個時相獲取的 UAV 數(shù)據(jù)進行方法實驗． 技術流程如圖 ３ 所示，具體方法介紹如下：（１）通過搭載在 UAV 的多光譜相機獲取覆蓋整塊農田的多光譜數(shù)據(jù)，并對數(shù)據(jù)進行拼接、配準、校正等預處理；(2)計算歸一化植被指數(shù)（ NDVI），從而得到植被覆蓋（作物）范圍，對植被覆蓋范圍進行掩膜處理，得到農田的土壤分布范圍；(3) 計算農田土壤范圍的PDI，得到整塊農田土壤水分分布趨勢；(4) 在整塊農田中選定一個重點觀測區(qū)，并在重點觀測區(qū)隨機選取建模樣點探測土壤水分，即得到建模樣點的VWC 值；(5)構建PDI與 VWC值的關系模型，即得 到農田土壤水分反演模型；(6) 計算整塊農田的VWC 值，得到整塊農田的土壤水分反演結果；(7)在整塊農田中（重點觀測區(qū)除外） 隨機選取驗證樣點進行土壤水分探測，對土壤水分反演結果進行精度驗證． 

下面將對本方法所用的歸一化植被指數(shù)、垂直干旱指數(shù)和精度驗證指標進行詳細介紹．
2.2.1  歸一化植被指數(shù) NDVI 在計算 PDI之前需要剔除植被像元對土壤水分計算的影響，本文利用歸一化植被指數(shù)（ NDVI）[20] 得到植被覆蓋范圍，并對植被覆蓋范圍進行掩膜處理． NDVI計算公式
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系，在 NIR-Red光譜特征空間中，土壤的光譜變化表現(xiàn)為一個由近于原點發(fā)射的直線，稱為“ 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)，可以有效地探測土壤水分． 其計算公式如下：

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

2.2.3  精度驗證指標 

精度驗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個指標來分析．R²可以用來度量2個變量之間的回歸擬合效果，計算公式如下：

其中，為估算值，A_i為實測值，為所有實測值的均值；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個變量的回歸擬合效果越好 .

RMSE用來評價所有檢驗樣本的整體估算誤差，計算公式如下：

SE用來評價系統(tǒng)誤差的影響（如高估、低估），計算公式如下： 

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

３ 結果與分析
3.1 土壤水分的反演模型
本文一共獲取了6個時相的農田UAV多光譜數(shù)據(jù)和田間樣點土壤水分數(shù)據(jù)進行實驗． 根據(jù)在重點觀測區(qū)所探測的建模樣點的土壤體積含水率（VWC）和農田土壤范圍的PDI，分別建立 VWC與PDI 的關系模型，得到每個時相的農田土壤水分反演模型結果（圖4）． 

由 6個時相的模型結果可知：PDI 與VWC值均呈負相關關系，PDI 越高，則 VWC越低，即土壤水分越低；從模型的擬合效果來看，6個時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均具有統(tǒng)計學意義（Ｐ＜0.01）． 

3.2 土壤水分監(jiān)測結果
基于上述的農田土壤水分反演模型，計算6個時相的農田VWC 值（圖5），即可以得到每個時相的農田土壤水分反演結果，實現(xiàn)整塊農田土壤水分的監(jiān)測． 由圖5可知：(1)從農田土壤水分結果來看，經像元統(tǒng)計得到 6個時相的農田VWC 均值分別為0.28、0.34、0.16、0.23、0.16、0.15；農田土壤水分在作物生長期呈先增加后減少的趨勢，在作物生長后期（ 2019年5月中下旬） 則明顯減少 （2）從農田土壤水分空間分布來看，農田的土壤水分在不同時期均存在空間分布不均的情況，在作物生長前期（2019年4月） 表現(xiàn)得最為明顯；2019年4月21日農田東邊的土壤水分明顯大于西邊，4月28日農田南邊的土壤水分明顯大于北邊． 因此，通過土壤水分反演結果可以快速判斷農田總體土壤水分的高低，還能快速獲取農田土壤水分的空間分布情況，對農田精準灌溉和種植管理有重要的指導意義 

3.3 精度驗證
為了檢驗6時相土壤水分反演結果的精度水平，即對比模型反演結果（ VWC估算值） 與土壤水分實際探測值（ VWC實測值） 之間的差異，本文分別計算了 VWC估算值與對應實測值之間的 Ｒ²、RMSE和 SE，以驗證反演結果的精度．由精度驗證結果（表2 和圖6） 可以看出：6 個時相的VWC 估算值與對應實測值之間的 R² 均在0.8以上；除 2019 年4月28日的結果外，其余 5個時相的 RMSE 和 SE 值均小于0.1；6個時相的SE 值均大于0，說明土壤水分反演結果略有高估． 整體上，6個時相的農田土壤水分反演結果精度較高，證明本文設計的基于 UAV 數(shù)據(jù)的農田土壤水分監(jiān)測方法是有效的、可行的．

４、 結論
土壤水分是作物生長和發(fā)育的保證，對農田土壤水分進行監(jiān)測，快速判斷農田土壤水分的高低，獲取農田土壤水分的空間分布情況，對農作物合理灌
溉和農業(yè)精準化管理有重要的指導意義． 本文基于UAV 多光譜數(shù)據(jù)和垂直干旱指數(shù)（PDI）實現(xiàn)了農田土壤水分的快速監(jiān)測．本文一共獲取了6 個時相的農田UAV多光譜數(shù)據(jù)和田間樣點土壤水分數(shù)據(jù)，構建了6 個時相的農田土壤水分反演模型，并得到對應的農田土壤水分反演結果． 精度驗證結果表明：整體上反演結果精度較高，6 個時相的農田土壤水分反演結果 R² 均在0.8 以上，5個時相的RMSE 和SE值均小于 0.1，說明本文設計的基于 UAV 數(shù)據(jù)監(jiān)測農田土壤水分的方法是有效的、可行的． 因此，未來農田土壤水分監(jiān)測，可以利用實時獲取的 UAV 多光譜數(shù)據(jù)，選取 一個具有代表性的重點觀測區(qū)進行隨機樣點土壤水分探測，快速構建農田土壤水分的反演模型，進而完成農田土壤水分的快速監(jiān)測． 本文提出的方法可以推廣和應用于大范圍農田土壤水分的快速監(jiān)測．

來源：馮珊珊,梁雪映,樊風雷,王 塞,伍健恒.于無人機多光譜數(shù)據(jù)的農田土壤水分遙感監(jiān)測 [J]. 華南師范大學學報.2020，52(6):74-81