基于無人機多光譜技術的冬小麥冠層水分狀況精準評價研究一、引言1.1研究背景與意義水是農(nóng)業(yè)生產(chǎn)的命脈，是農(nóng)作物生長發(fā)育不可或缺的關鍵要素。在全球氣候變化與人口持續(xù)增長的雙重作用下，水資源短缺已成為制約農(nóng)業(yè)可持續(xù)發(fā)展的嚴峻挑戰(zhàn)。據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）統(tǒng)計，全球約有40%的耕地面臨不同程度的缺水問題，干旱災害頻繁發(fā)生，給農(nóng)業(yè)生產(chǎn)帶來了巨大損失。我國作為農(nóng)業(yè)大國，水資源時空分布不均的問題尤為突出，北方地區(qū)水資源短缺現(xiàn)象嚴重，農(nóng)業(yè)用水供需矛盾尖銳。冬小麥作為我國重要的糧食作物之一，在保障國家糧食安全方面發(fā)揮著舉足輕重的作用。其種植面積廣泛，主要分布在華北、華東、西北等地區(qū)。然而，冬小麥生長周期較長，從播種到收獲歷經(jīng)多個生育階段，對水分的需求較為嚴格且復雜。不同生育期的水分虧缺或過多，都會對冬小麥的生長發(fā)育、生理過程以及最終產(chǎn)量和品質產(chǎn)生顯著影響。在干旱條件下，冬小麥的分蘗數(shù)減少、株高降低、葉面積指數(shù)減小，導致光合作用受到抑制，干物質積累不足，進而影響穗粒數(shù)和千粒重，最終造成產(chǎn)量大幅下降。相關研究表明，水分虧缺可使冬小麥減產(chǎn)20%-50%，嚴重干旱時甚至可能絕收。同時，水分管理不當還會導致冬小麥品質下降，如蛋白質含量降低、淀粉品質變差等。因此，準確、及時地監(jiān)測冬小麥的水分狀況，對于科學制定灌溉策略、優(yōu)化水資源配置、保障冬小麥高產(chǎn)穩(wěn)產(chǎn)具有至關重要的意義。傳統(tǒng)的冬小麥水分監(jiān)測方法主要包括烘干稱重法、電阻法、中子儀法等。烘干稱重法雖被視為測定土壤水分的標準方法，具有較高的精度，但操作繁瑣、耗時費力，且為破壞性檢測，無法實現(xiàn)對大面積農(nóng)田的實時動態(tài)監(jiān)測。電阻法易受土壤質地、溫度等因素的影響，測量精度有限；中子儀法雖然能快速測定土壤水分，但設備昂貴，需要專業(yè)人員操作，且存在放射性污染風險。這些傳統(tǒng)方法已難以滿足現(xiàn)代精準農(nóng)業(yè)對高效、實時、大面積監(jiān)測的需求。隨著遙感技術的飛速發(fā)展，無人機多光譜遙感以其獨特的優(yōu)勢，為冬小麥冠層水分狀況監(jiān)測提供了新的解決方案。無人機具有機動性強、操作靈活、成本相對較低等特點，可根據(jù)研究需求在不同時間、不同地點進行飛行作業(yè)，獲取高分辨率的多光譜影像。多光譜儀能夠同時獲取多個波段的光譜信息，這些光譜信息包含了豐富的植被生理生化特征，與冬小麥的水分狀況密切相關。通過對多光譜影像的分析處理，可以提取出與冬小麥水分含量相關的光譜指數(shù)和特征參數(shù)，進而建立準確的水分反演模型，實現(xiàn)對冬小麥冠層水分狀況的快速、精準監(jiān)測。無人機多光譜遙感技術在冬小麥水分監(jiān)測方面具有廣闊的應用前景。一方面，它能夠為農(nóng)業(yè)生產(chǎn)者提供實時、準確的水分信息，幫助他們及時調整灌溉方案，實現(xiàn)精準灌溉，提高水資源利用效率，減少水資源浪費。另一方面，通過對大面積農(nóng)田的水分監(jiān)測，可以為農(nóng)業(yè)管理部門提供宏觀的決策依據(jù)，有助于制定科學合理的農(nóng)業(yè)水資源管理政策，促進農(nóng)業(yè)的可持續(xù)發(fā)展。此外，無人機多光譜遙感技術還可以與地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）等技術相結合，構建更加完善的農(nóng)業(yè)監(jiān)測與管理體系，為智慧農(nóng)業(yè)的發(fā)展提供有力支撐。綜上所述，開展基于無人機搭載多光譜儀的冬小麥冠層水分狀況評價研究，具有重要的理論意義和實際應用價值。1.2國內外研究現(xiàn)狀隨著無人機技術和多光譜傳感器的不斷發(fā)展，利用無人機搭載多光譜儀監(jiān)測冬小麥冠層水分狀況在國內外都取得了顯著的研究成果。國外研究起步相對較早，在技術應用和理論研究方面都積累了豐富的經(jīng)驗。例如，[具體文獻1]通過無人機多光譜遙感獲取冬小麥不同生育期的光譜數(shù)據(jù)，結合生理生態(tài)模型，深入分析了光譜特征與水分脅迫指標之間的關系，建立了基于光譜指數(shù)的水分脅迫監(jiān)測模型，能夠較為準確地評估冬小麥的水分虧缺程度。[具體文獻2]利用高分辨率的無人機多光譜影像，對大面積冬小麥田進行水分監(jiān)測，采用機器學習算法對影像數(shù)據(jù)進行分類和反演，實現(xiàn)了對冬小麥冠層水分含量的空間分布制圖，為精準灌溉提供了詳細的決策依據(jù)。在模型構建方面，[具體文獻3]將深度學習算法應用于無人機多光譜數(shù)據(jù)處理，提出了一種基于卷積神經(jīng)網(wǎng)絡的冬小麥水分反演模型，該模型能夠自動學習光譜數(shù)據(jù)中的復雜特征，有效提高了水分反演的精度和穩(wěn)定性。國內在這一領域的研究也發(fā)展迅速，結合我國的農(nóng)業(yè)生產(chǎn)實際，開展了一系列具有針對性的研究工作。許多學者致力于篩選適用于我國冬小麥品種和種植環(huán)境的光譜指數(shù)，并優(yōu)化水分反演模型。[具體文獻4]以華北地區(qū)冬小麥為研究對象，分析了不同水分處理下冬小麥冠層光譜反射率的變化規(guī)律，篩選出與水分含量相關性較高的光譜波段和植被指數(shù)，如歸一化差異水分指數(shù)（NDWI）、比值植被指數(shù)（RVI）等，并建立了基于這些指數(shù)的線性回歸模型，取得了較好的反演效果。[具體文獻5]利用無人機多光譜和熱紅外數(shù)據(jù)，綜合考慮植被覆蓋度、地表溫度等因素，構建了溫度植被干旱指數(shù)（TVDI）與冬小麥土壤水分的關系模型，提高了對土壤水分的監(jiān)測精度，為冬小麥水分管理提供了更全面的信息。此外，一些研究還將無人機多光譜監(jiān)測與地理信息系統(tǒng)（GIS）相結合，實現(xiàn)了對冬小麥水分狀況的時空動態(tài)分析，為區(qū)域農(nóng)業(yè)水資源管理提供了可視化的決策支持。盡管國內外在利用無人機多光譜技術監(jiān)測冬小麥冠層水分狀況方面取得了諸多成果，但目前研究仍存在一些不足之處。首先，不同研究中使用的光譜指數(shù)和反演模型差異較大，缺乏統(tǒng)一的標準和規(guī)范，導致研究結果的可比性和通用性較差。其次，無人機多光譜數(shù)據(jù)的處理和分析方法還不夠完善，在數(shù)據(jù)預處理、特征提取和模型優(yōu)化等方面仍有提升空間，例如如何有效去除噪聲干擾、提高光譜特征的提取精度等問題有待進一步解決。再者，現(xiàn)有的研究大多側重于單一因素對冬小麥水分狀況的影響，而實際農(nóng)業(yè)生產(chǎn)中，冬小麥的水分狀況受到土壤質地、氣象條件、種植密度等多種因素的綜合作用，如何綜合考慮這些因素，建立更加全面、準確的水分監(jiān)測模型是未來研究的重點方向。此外，無人機多光譜監(jiān)測技術在實際應用中還面臨著一些挑戰(zhàn)，如飛行作業(yè)的安全性、數(shù)據(jù)傳輸和存儲的效率、設備成本和維護難度等，需要進一步探索有效的解決方案，以推動該技術的廣泛應用。1.3研究目標與內容1.3.1研究目標本研究旨在利用無人機搭載多光譜儀獲取冬小麥冠層的高分辨率多光譜影像，深入分析冬小麥冠層光譜特征與水分狀況之間的內在聯(lián)系，篩選出對冬小麥冠層水分敏感的光譜指數(shù)和特征參數(shù)，構建精度高、穩(wěn)定性好的冬小麥冠層水分狀況評價模型，實現(xiàn)對冬小麥冠層水分的快速、準確監(jiān)測，為冬小麥的精準灌溉和水分管理提供科學依據(jù)和技術支持。具體目標如下：明確冬小麥冠層光譜特征與水分狀況的關系：系統(tǒng)分析不同水分條件下冬小麥冠層在各個生育期的光譜反射率變化規(guī)律，探究光譜特征與冬小麥冠層水分含量、水分脅迫程度等指標之間的定量關系，揭示冬小麥冠層水分對光譜特征的影響機制。篩選敏感光譜指數(shù)和特征參數(shù)：基于冬小麥冠層光譜數(shù)據(jù)，結合相關分析、主成分分析等方法，從眾多光譜指數(shù)和特征參數(shù)中篩選出與冬小麥冠層水分狀況相關性強、敏感度高的指標，為后續(xù)模型構建奠定基礎。構建高精度的冬小麥冠層水分狀況評價模型：綜合運用多元線性回歸、偏最小二乘回歸、機器學習等方法，以篩選出的敏感光譜指數(shù)和特征參數(shù)為自變量，冬小麥冠層水分含量或水分脅迫指標為因變量，構建不同類型的冬小麥冠層水分狀況評價模型，并通過對比分析，確定最優(yōu)模型，提高模型的精度和可靠性。驗證和應用模型：利用獨立的實驗數(shù)據(jù)對構建的冬小麥冠層水分狀況評價模型進行驗證，評估模型的準確性和穩(wěn)定性。將模型應用于實際冬小麥種植區(qū)域，實現(xiàn)對冬小麥冠層水分狀況的空間分布制圖和動態(tài)監(jiān)測，為農(nóng)業(yè)生產(chǎn)中的精準灌溉決策提供數(shù)據(jù)支持和技術指導。1.3.2研究內容圍繞上述研究目標，本研究主要開展以下幾方面的工作：無人機多光譜數(shù)據(jù)獲取與預處理：選擇合適的無人機平臺和多光譜儀，在冬小麥不同生育期，根據(jù)天氣、光照等條件，選擇晴朗、無風或微風的時段，在研究區(qū)域內進行飛行作業(yè)，獲取冬小麥冠層的多光譜影像。對獲取的多光譜影像進行預處理，包括輻射校正、幾何校正、拼接與裁剪等操作，以提高影像的質量，為后續(xù)分析提供準確的數(shù)據(jù)基礎。輻射校正旨在消除傳感器本身的誤差以及大氣散射、吸收等因素對光譜反射率的影響，使影像的光譜信息能夠真實反映地物的特性；幾何校正則是糾正影像因飛行姿態(tài)、地形起伏等原因產(chǎn)生的幾何變形，確保影像中地物的位置和形狀準確；拼接與裁剪是將多個影像拼接成一幅完整的研究區(qū)域影像，并裁剪掉多余的部分，以便于后續(xù)處理和分析。冬小麥冠層水分含量測定：在無人機飛行同步，采用烘干稱重法或其他可靠方法，在研究區(qū)域內選擇代表性樣點，采集冬小麥植株樣本，測定其冠層水分含量，作為構建模型和驗證模型的真值數(shù)據(jù)。烘干稱重法是將采集的冬小麥植株樣本在105℃烘箱中殺青30min，然后在75℃下烘干至恒重，通過計算鮮重與干重的差值來確定水分含量。光譜特征分析與敏感參數(shù)篩選：對預處理后的多光譜影像進行分析，計算常用的光譜指數(shù)，如歸一化差異植被指數(shù)（NDVI）、歸一化差異水分指數(shù)（NDWI）、比值植被指數(shù)（RVI）等，并提取光譜的“三邊”參數(shù)（紅邊、藍邊、黃邊）、吸收特征參數(shù)等。通過相關性分析、主成分分析等統(tǒng)計方法，研究這些光譜指數(shù)和特征參數(shù)與冬小麥冠層水分含量之間的相關性，篩選出對冬小麥冠層水分變化敏感的光譜指數(shù)和特征參數(shù)。相關性分析可以直觀地反映兩個變量之間的線性相關程度，通過計算相關系數(shù)來判斷光譜指數(shù)和特征參數(shù)與水分含量之間的關聯(lián)強度；主成分分析則可以將多個相關變量轉化為少數(shù)幾個不相關的綜合變量，即主成分，從而簡化數(shù)據(jù)結構，提取數(shù)據(jù)的主要特征。冬小麥冠層水分狀況評價模型構建：基于篩選出的敏感光譜指數(shù)和特征參數(shù)，運用多元線性回歸、偏最小二乘回歸、支持向量機、隨機森林等建模方法，構建冬小麥冠層水分狀況評價模型。對不同模型的建模過程和結果進行詳細分析，比較各模型的優(yōu)缺點，通過交叉驗證、獨立樣本驗證等方式，評估模型的精度和穩(wěn)定性，確定最優(yōu)的冬小麥冠層水分狀況評價模型。多元線性回歸是一種簡單直觀的建模方法，通過建立自變量與因變量之間的線性關系來預測水分含量；偏最小二乘回歸則可以有效解決自變量之間的多重共線性問題，提高模型的預測能力；支持向量機和隨機森林屬于機器學習方法，具有較強的非線性擬合能力和泛化能力，能夠處理復雜的數(shù)據(jù)關系。模型驗證與應用：利用未參與建模的獨立實驗數(shù)據(jù)對構建的最優(yōu)模型進行驗證，計算模型的預測誤差指標，如均方根誤差（RMSE）、平均絕對誤差（MAE）、決定系數(shù)（R2）等，評估模型的預測精度和可靠性。將驗證后的模型應用于實際冬小麥種植區(qū)域的多光譜影像，反演冬小麥冠層水分含量，繪制水分含量空間分布圖，分析冬小麥冠層水分的空間分布特征和變化規(guī)律，為精準灌溉提供決策依據(jù)。根據(jù)水分含量空間分布圖，農(nóng)業(yè)生產(chǎn)者可以直觀地了解農(nóng)田中不同區(qū)域的水分狀況，從而有針對性地進行灌溉，實現(xiàn)水資源的合理利用和高效配置。1.4研究方法與技術路線1.4.1研究方法數(shù)據(jù)采集方法：在冬小麥不同生育期，選擇合適的無人機平臺，如大疆精靈系列或專業(yè)測繪無人機，搭載多光譜儀，如ParrotSequoia、MicaSenseRedEdge等，進行飛行作業(yè)獲取多光譜影像。飛行前，根據(jù)研究區(qū)域范圍、地形地貌等因素，利用專業(yè)的無人機飛行規(guī)劃軟件（如Pix4Dcapture、DJIGSPro等）規(guī)劃飛行航線，設置飛行高度、速度、重疊度等參數(shù)，確保獲取完整、高質量的影像數(shù)據(jù)。飛行時，選擇晴朗、少云、風力較小的天氣條件，以減少大氣散射和光照變化對影像質量的影響。同時，在研究區(qū)域內均勻設置一定數(shù)量的地面控制點，使用高精度GPS接收機（如TrimbleR10等）測量其經(jīng)緯度和高程信息，用于后續(xù)影像的幾何校正。在無人機飛行同步，在研究區(qū)域內按照隨機抽樣或網(wǎng)格抽樣的方法，選擇多個樣點，每個樣點采集一定數(shù)量的冬小麥植株樣本，采用烘干稱重法測定其冠層水分含量。數(shù)據(jù)處理與分析方法：利用ENVI、Erdas等遙感圖像處理軟件對獲取的多光譜影像進行輻射校正，通過絕對定標或相對定標方法，將影像的數(shù)字量化值（DN值）轉換為地表真實反射率。采用多項式糾正或有理函數(shù)模型糾正等方法進行幾何校正，以地面控制點為基準，消除影像的幾何變形，提高影像的地理定位精度。對校正后的影像進行拼接與裁剪，將多個條帶影像拼接成一幅完整的研究區(qū)域影像，并裁剪掉邊緣多余部分，得到感興趣區(qū)域（ROI）影像。利用ArcGIS等地理信息系統(tǒng)軟件，對預處理后的多光譜影像進行分析，計算各種光譜指數(shù)，如NDVI計算公式為NDVI=\frac{NIR-R}{NIR+R}（其中NIR為近紅外波段反射率，R為紅光波段反射率），NDWI計算公式為NDWI=\frac{GREEN-NIR}{GREEN+NIR}（其中GREEN為綠光波段反射率），RVI計算公式為RVI=\frac{NIR}{R}等，并提取光譜的“三邊”參數(shù)、吸收特征參數(shù)等。運用SPSS、R語言等統(tǒng)計分析軟件，對光譜指數(shù)、特征參數(shù)與冬小麥冠層水分含量數(shù)據(jù)進行相關性分析，計算皮爾遜相關系數(shù)等指標，篩選出相關性顯著的光譜指數(shù)和特征參數(shù)。采用主成分分析（PCA）、因子分析（FA）等方法，對篩選出的敏感參數(shù)進行降維處理，提取主要特征，減少數(shù)據(jù)冗余。利用多元線性回歸（MLR）方法，建立冬小麥冠層水分含量與敏感光譜指數(shù)、特征參數(shù)之間的線性回歸模型y=\beta_0+\beta_1x_1+\beta_2x_2+\cdots+\beta_nx_n+\epsilon（其中y為冬小麥冠層水分含量，x_i為敏感參數(shù)，\beta_i為回歸系數(shù)，\epsilon為誤差項）；偏最小二乘回歸（PLSR）方法，解決自變量之間的多重共線性問題，構建更穩(wěn)健的回歸模型；支持向量機（SVM）方法，通過核函數(shù)將低維數(shù)據(jù)映射到高維空間，尋找最優(yōu)分類超平面，實現(xiàn)對冬小麥冠層水分狀況的非線性預測；隨機森林（RF）方法，構建多個決策樹，通過投票或平均的方式進行預測，提高模型的泛化能力。利用交叉驗證（如K折交叉驗證）、獨立樣本驗證等方法，評估模型的精度和穩(wěn)定性，計算RMSE、MAE、R2等指標。RMSE計算公式為RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}（其中y_i為實測值，\hat{y}_i為預測值，n為樣本數(shù)量），MAE計算公式為MAE=\frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y}_i|，R2計算公式為R2=1-\frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2}（其中\(zhòng)bar{y}為實測值的平均值）。1.4.2技術路線本研究的技術路線如圖1所示。首先，確定研究區(qū)域，準備無人機多光譜儀和相關地面測量設備。在冬小麥不同生育期，進行無人機飛行作業(yè)獲取多光譜影像，并同步采集地面冬小麥植株樣本測定冠層水分含量。然后，對多光譜影像進行預處理，包括輻射校正、幾何校正、拼接與裁剪等操作。接著，對預處理后的影像進行光譜特征分析，計算光譜指數(shù)和提取特征參數(shù)，通過相關性分析和主成分分析等方法篩選敏感參數(shù)?；诤Y選出的敏感參數(shù)，運用多種建模方法構建冬小麥冠層水分狀況評價模型，并對模型進行訓練和優(yōu)化。最后，利用獨立的實驗數(shù)據(jù)對模型進行驗證，評估模型的精度和可靠性，將驗證后的模型應用于實際冬小麥種植區(qū)域，實現(xiàn)對冬小麥冠層水分狀況的空間分布制圖和動態(tài)監(jiān)測，為精準灌溉提供決策依據(jù)。[此處插入技術路線圖，圖中清晰展示從研究區(qū)域確定、數(shù)據(jù)采集到模型構建與應用的各個步驟及流程走向，各步驟之間用箭頭清晰連接，標注關鍵的數(shù)據(jù)處理、分析方法和模型構建類型等信息]二、無人機多光譜技術原理與冬小麥水分監(jiān)測基礎2.1無人機多光譜技術概述2.1.1無人機平臺特點無人機作為一種新興的遙感平臺，近年來在農(nóng)業(yè)監(jiān)測領域得到了廣泛應用，展現(xiàn)出諸多傳統(tǒng)監(jiān)測手段難以比擬的優(yōu)勢。從機動性角度來看，無人機體積小巧、操作靈活，不受地形和交通條件的限制。無論是在地形復雜的山區(qū)，還是被道路、溝渠分割的零散農(nóng)田，無人機都能自由穿梭，抵達目標區(qū)域進行數(shù)據(jù)采集。相比之下，衛(wèi)星遙感雖然覆蓋范圍廣，但重訪周期較長，難以滿足對農(nóng)田進行實時、高頻次監(jiān)測的需求；而地面監(jiān)測方式則受限于人員和車輛的通行能力，在大面積農(nóng)田監(jiān)測中效率較低。無人機可以根據(jù)研究需要，隨時調整飛行計劃，實現(xiàn)對特定區(qū)域的快速響應監(jiān)測。例如，在冬小麥生長過程中，一旦發(fā)現(xiàn)某區(qū)域出現(xiàn)異常情況，可立即派遣無人機前往該區(qū)域進行詳細觀測，及時獲取相關信息。分辨率方面，無人機能夠獲取高分辨率的影像數(shù)據(jù)。其飛行高度通常在幾十米到幾百米之間，可獲取厘米級分辨率的影像，能夠清晰地分辨出冬小麥的植株形態(tài)、葉片紋理等細節(jié)信息。這些高分辨率影像為準確識別冬小麥的生長狀態(tài)、病蟲害發(fā)生情況以及水分狀況等提供了豐富的數(shù)據(jù)支持。相比之下，衛(wèi)星遙感影像的分辨率往往在米級甚至更高，對于一些細小的地物特征和作物生長細節(jié)難以準確捕捉。成本也是無人機用于農(nóng)業(yè)監(jiān)測的一大優(yōu)勢。與衛(wèi)星遙感相比，無人機的購置成本、使用成本和維護成本都相對較低。衛(wèi)星發(fā)射和運營成本高昂，需要大量的資金投入，且數(shù)據(jù)獲取還可能涉及版權費用等。而無人機的價格相對親民，普通農(nóng)業(yè)生產(chǎn)者和科研機構都能夠承擔得起。此外，無人機的使用成本主要包括電池消耗、少量的燃油費用（對于燃油動力無人機）以及日常的維護保養(yǎng)費用，這些成本相對較低，使得無人機在農(nóng)業(yè)監(jiān)測中的應用具有較高的性價比。在農(nóng)業(yè)監(jiān)測中，常用的無人機平臺有多種類型。多旋翼無人機是目前應用最為廣泛的一種，如大疆精靈系列。以大疆精靈4多光譜版為例，它具有操作簡單、穩(wěn)定性好的特點，可垂直起降并在空中懸停，便于精確獲取特定區(qū)域的多光譜影像。在冬小麥水分監(jiān)測中，能夠在農(nóng)田上方穩(wěn)定懸停，獲取清晰的冠層影像數(shù)據(jù)。其搭載的多光譜相機可同時獲取紅、綠、藍、近紅外等多個波段的影像信息，為后續(xù)的光譜分析提供數(shù)據(jù)基礎。固定翼無人機則適合進行大面積、長時間的飛行監(jiān)測任務，如易瓦特的固定翼無人機，它續(xù)航時間長、飛行速度快，能夠在較短時間內完成對大面積冬小麥種植區(qū)域的覆蓋監(jiān)測。通過搭載高性能的多光譜儀，可快速獲取大面積農(nóng)田的多光譜影像，為區(qū)域尺度的冬小麥水分狀況分析提供數(shù)據(jù)支持。垂直起降固定翼無人機結合了多旋翼無人機和固定翼無人機的優(yōu)點，既具有垂直起降的靈活性，又具備固定翼無人機的長航時和高速飛行能力，如傲勢的XC-25垂直起降固定翼無人機。在復雜地形的冬小麥種植區(qū)域，它可以垂直起降，適應不同的起降場地條件，同時在飛行過程中又能以較高速度完成大面積監(jiān)測任務，提高監(jiān)測效率。這些不同類型的無人機平臺各有優(yōu)勢，可根據(jù)具體的監(jiān)測需求和應用場景進行選擇，為冬小麥水分監(jiān)測提供了多樣化的解決方案。2.1.2多光譜儀工作原理多光譜儀是獲取地物光譜信息的關鍵設備，其工作原理基于不同物質對不同波長光線的吸收、反射和散射特性的差異。當光線照射到冬小麥冠層時，冬小麥中的各種成分，如水、葉綠素、蛋白質等，會對不同波長的光線產(chǎn)生不同程度的吸收和反射。多光譜儀通過多個不同波段的探測器，分別捕捉這些反射回來的光線，從而獲取冬小麥冠層在不同波段的光譜反射率信息。多光譜儀的核心部件是分光系統(tǒng)和探測器陣列。分光系統(tǒng)的作用是將入射的混合光分解為若干個較窄波段的光束。常見的分光方式有光柵分光、濾光片分光等。光柵分光利用光柵的衍射原理，當一束復合光入射到光柵平面時，不同波長的光會發(fā)生不同角度的衍射，從而實現(xiàn)分光。這種分光方式的優(yōu)點是分光波長分布的線性度好，光譜分辨能力高，可獲得精細的光譜數(shù)據(jù)。濾光片分光則是通過使用不同的濾光片，只允許特定波長范圍內的光線通過，從而實現(xiàn)對不同波段光的分離。例如，常見的帶通濾光片可以讓中心波長附近很窄的波段通過，而截止型濾光片則可以阻止特定波長以下或以上的光線通過。探測器陣列則用于接收經(jīng)過分光后的各個波段的光線，并將其轉換為電信號。常用的探測器有電荷耦合器件（CCD）和互補金屬氧化物半導體（CMOS）探測器。CCD探測器具有靈敏度高、噪聲低等優(yōu)點，能夠準確地將光信號轉換為電信號。CMOS探測器則具有成本低、功耗小、集成度高等特點，近年來在多光譜儀中的應用也越來越廣泛。探測器將接收到的光信號轉換為電信號后，經(jīng)過信號放大、模數(shù)轉換等處理，最終以數(shù)字信號的形式輸出，這些數(shù)字信號就代表了冬小麥冠層在不同波段的光譜反射率信息。以常見的四波段多光譜儀為例，它通常包含紅光、綠光、近紅外和紅邊四個波段。在冬小麥水分監(jiān)測中，不同波段的光譜信息與冬小麥的水分狀況密切相關。紅光波段主要反映了冬小麥葉片中葉綠素對光的吸收情況，葉綠素含量的變化會影響紅光波段的反射率。當冬小麥受到水分脅迫時，葉綠素合成受到抑制，含量下降，紅光波段的反射率會相應升高。綠光波段對冬小麥的健康狀況較為敏感，健康的冬小麥在綠光波段具有較高的反射率。水分虧缺會導致冬小麥生理狀態(tài)發(fā)生變化，綠光波段的反射率也會隨之改變。近紅外波段主要反映了冬小麥葉片內部的結構和水分含量信息。由于水對近紅外光具有較強的吸收作用，當冬小麥冠層水分含量較高時，近紅外波段的反射率較低；而當水分含量降低時，反射率會升高。紅邊波段位于紅光和近紅外波段之間，是葉綠素吸收和反射的過渡區(qū)域，對冬小麥的生長狀況和水分脅迫程度非常敏感。水分脅迫會導致紅邊位置發(fā)生移動，通過監(jiān)測紅邊位置的變化，可以評估冬小麥的水分狀況。多光譜儀通過獲取這些不同波段的光譜信息，并對其進行分析處理，能夠深入了解冬小麥冠層的水分狀況以及其他生理生化特征，為冬小麥水分監(jiān)測提供有力的數(shù)據(jù)支持。2.1.3數(shù)據(jù)獲取與處理流程基于無人機搭載多光譜儀開展冬小麥冠層水分狀況監(jiān)測，數(shù)據(jù)獲取與處理流程至關重要，它直接影響到后續(xù)分析結果的準確性和可靠性。數(shù)據(jù)獲取的第一步是無人機飛行規(guī)劃。在飛行前，需要根據(jù)研究區(qū)域的范圍、地形地貌、天氣條件以及監(jiān)測目標等因素，利用專業(yè)的無人機飛行規(guī)劃軟件進行航線設計。例如，使用Pix4Dcapture軟件，首先要確定研究區(qū)域的邊界，通過在地圖上繪制多邊形或導入矢量邊界文件來界定范圍。然后，設置飛行高度、速度、重疊度等關鍵參數(shù)。飛行高度的選擇需要綜合考慮影像分辨率和覆蓋范圍的要求，一般來說，飛行高度越低，獲取的影像分辨率越高，但覆蓋范圍越小；反之，飛行高度越高，覆蓋范圍越大，但分辨率會降低。在冬小麥水分監(jiān)測中，為了能夠清晰分辨冬小麥的冠層細節(jié)，同時又能保證一定的覆蓋范圍，通常將飛行高度設置在50-100米之間。飛行速度則要根據(jù)相機的曝光時間和影像重疊度來確定，以確保相鄰影像之間有足夠的重疊區(qū)域，一般設置在3-5米/秒。影像重疊度包括航向重疊度和旁向重疊度，航向重疊度一般設置在70%-80%，旁向重疊度設置在60%-70%，這樣可以保證在后續(xù)的數(shù)據(jù)處理中能夠準確地進行影像拼接和匹配。此外，還需要考慮天氣因素，選擇晴朗、少云、風力較小的天氣進行飛行，以減少大氣散射和光照變化對影像質量的影響。在飛行過程中，無人機按照預設的航線飛行，多光譜儀同步工作，采集冬小麥冠層的多光譜影像數(shù)據(jù)。數(shù)據(jù)采集完成后，需要對獲取的多光譜影像進行預處理，以提高影像的質量和可用性。預處理的第一步是輻射校正。由于傳感器本身的特性、大氣條件以及光照等因素的影響，原始影像的光譜反射率會存在誤差，輻射校正就是要消除這些誤差，使影像的光譜信息能夠真實反映地物的特性。輻射校正的方法主要有絕對定標和相對定標。絕對定標是通過已知反射率的標準目標物（如反射率定標板），建立傳感器的數(shù)字量化值（DN值）與實際反射率之間的定量關系，從而將DN值轉換為真實反射率。相對定標則是通過對同一地區(qū)不同時間或不同傳感器獲取的影像進行比較，消除由于傳感器差異和環(huán)境變化等因素引起的輻射差異。在實際操作中，通常會結合使用這兩種方法，以提高輻射校正的精度。例如，在進行絕對定標時，先在地面設置反射率已知的定標板，在無人機飛行過程中拍攝定標板的影像，然后根據(jù)定標板的反射率和影像的DN值，計算出傳感器的定標系數(shù)，再利用該定標系數(shù)對整個研究區(qū)域的影像進行輻射校正。幾何校正是數(shù)據(jù)預處理的另一個重要環(huán)節(jié)。由于無人機飛行過程中的姿態(tài)變化、地形起伏以及相機鏡頭的畸變等因素，獲取的影像會存在幾何變形，導致影像中地物的位置和形狀發(fā)生偏差。幾何校正的目的就是要消除這些幾何變形，使影像能夠準確地反映地物的地理位置。常用的幾何校正方法有多項式糾正和有理函數(shù)模型糾正。多項式糾正是通過建立影像坐標與地理坐標之間的多項式函數(shù)關系，對影像進行幾何變換，從而實現(xiàn)校正。有理函數(shù)模型糾正則是利用有理函數(shù)來描述影像的幾何變形，通過求解有理函數(shù)的參數(shù)，實現(xiàn)對影像的校正。在進行幾何校正時，需要在研究區(qū)域內均勻分布一定數(shù)量的地面控制點，使用高精度的GPS接收機測量這些控制點的經(jīng)緯度和高程信息。然后，將這些控制點的坐標信息與影像中的對應點進行匹配，利用匹配點計算出幾何校正的參數(shù)，對影像進行校正。通過幾何校正，可以提高影像的地理定位精度，為后續(xù)的空間分析和制圖提供準確的數(shù)據(jù)基礎。影像拼接與鑲嵌是將多個單幅影像拼接成一幅完整的研究區(qū)域影像的過程。由于無人機飛行獲取的是一系列相互重疊的單幅影像，為了進行整體分析和應用，需要將這些影像拼接起來。在拼接過程中，首先要根據(jù)影像的重疊區(qū)域，利用特征匹配算法（如尺度不變特征變換SIFT算法、加速穩(wěn)健特征SURF算法等）找到相鄰影像之間的同名點。然后，通過計算同名點之間的變換關系，將相鄰影像進行配準，使它們在空間上對齊。最后，對配準后的影像進行鑲嵌處理，將重疊區(qū)域的影像進行融合，生成一幅無縫的、完整的研究區(qū)域影像。在影像鑲嵌過程中，還需要對影像的色調和亮度進行調整，以保證拼接后的影像整體色調一致、過渡自然。通過影像拼接與鑲嵌，可以得到一幅覆蓋整個研究區(qū)域的多光譜影像圖，方便對冬小麥冠層水分狀況進行全面的分析和研究。2.2冬小麥冠層水分與光譜特征關系2.2.1冬小麥水分生理機制冬小麥的生長發(fā)育與水分密切相關，水分在冬小麥的生理活動中扮演著至關重要的角色，貫穿于其整個生命過程。在水分吸收方面，冬小麥主要通過根系從土壤中吸收水分。根系是冬小麥吸收水分的主要器官，其表面積大且具有眾多根毛，增加了與土壤的接觸面積，有利于水分的吸收。根系吸收水分的動力主要有根壓和蒸騰拉力。根壓是由于根系的生理活動，使根部細胞內的溶質濃度高于土壤溶液，從而產(chǎn)生一種從根部向地上部的壓力，促使水分進入根系并向上運輸。蒸騰拉力則是由于葉片的蒸騰作用，水分從葉片表面散失，導致葉片細胞的水勢降低，從而形成一種從根部到葉片的水勢梯度，使水分沿著這個梯度不斷地從土壤中被吸收到根部，并向上運輸?shù)饺~片。例如，在冬小麥生長旺盛期，蒸騰作用強烈，蒸騰拉力成為水分吸收的主要動力，根系會大量吸收土壤中的水分，以滿足葉片對水分的需求。水分在冬小麥體內的運輸主要通過木質部的導管進行。導管是由許多死細胞連接而成的管狀結構，其細胞壁木質化，具有很強的支持力和輸水能力。水分在導管中運輸時，受到根壓和蒸騰拉力的共同作用，形成連續(xù)的水柱，從根部向上運輸?shù)角o、葉等部位。在運輸過程中，水分會與冬小麥體內的各種溶質一起，參與到植物的各種生理生化過程中。例如，水分將根系吸收的礦物質營養(yǎng)元素運輸?shù)饺~片等部位，為光合作用和其他生理活動提供必要的物質基礎。蒸騰作用是冬小麥水分生理過程中的一個重要環(huán)節(jié)。蒸騰作用是指冬小麥通過葉片表面的氣孔，將體內的水分以水蒸氣的形式散失到大氣中的過程。蒸騰作用對冬小麥的生長發(fā)育具有多方面的重要意義。一方面，蒸騰作用產(chǎn)生的蒸騰拉力是水分吸收和運輸?shù)闹饕獎恿ΓＷC了水分在冬小麥體內的持續(xù)供應。另一方面，蒸騰作用能夠降低葉片的溫度，避免葉片在強光和高溫下受到傷害。例如，在夏季高溫天氣下，冬小麥通過蒸騰作用散失大量水分，從而降低葉片溫度，保持葉片的正常生理功能。此外，蒸騰作用還能促進礦質營養(yǎng)元素在冬小麥體內的運輸和分配。水分對冬小麥的生理活動有著深遠的影響。充足的水分供應是冬小麥進行正常光合作用的必要條件。水分參與光合作用的光反應和暗反應過程，為光合作用提供原料和反應介質。當水分充足時，冬小麥葉片的氣孔開放程度較大，二氧化碳能夠順利進入葉片，同時水分也能及時供應給光合作用的各個環(huán)節(jié)，使光合作用得以高效進行，從而積累足夠的光合產(chǎn)物，為冬小麥的生長發(fā)育提供能量和物質基礎。例如，在灌溉條件良好的農(nóng)田中，冬小麥的光合作用較強，植株生長健壯，產(chǎn)量較高。相反，當水分虧缺時，葉片氣孔關閉，二氧化碳供應不足，光合作用受到抑制，光合產(chǎn)物積累減少，導致冬小麥生長緩慢，產(chǎn)量降低。水分還對冬小麥的呼吸作用產(chǎn)生影響。呼吸作用是冬小麥體內的有機物在酶的作用下，逐步氧化分解并釋放能量的過程，為冬小麥的各種生理活動提供能量。適宜的水分條件能夠維持冬小麥呼吸作用的正常進行。當水分不足時，細胞內的水分虧缺會導致呼吸酶的活性降低，呼吸作用減弱，從而影響冬小麥對能量的需求。而水分過多時，土壤通氣性變差，根系缺氧，會導致無氧呼吸增強，產(chǎn)生酒精等有害物質，對根系造成傷害。水分狀況還會影響冬小麥的激素平衡。植物激素在冬小麥的生長發(fā)育過程中起著重要的調節(jié)作用，而水分虧缺或過多都會打破激素之間的平衡。例如，在干旱脅迫下，冬小麥體內脫落酸（ABA）的含量會增加，ABA能夠促使氣孔關閉，減少水分散失，同時還能抑制生長，促進衰老和休眠，以幫助冬小麥適應干旱環(huán)境。而在水分充足時，生長素（IAA）、赤霉素（GA）等促進生長的激素含量相對較高，有利于冬小麥的生長和發(fā)育。綜上所述，水分在冬小麥的吸收、運輸、蒸騰以及生理活動等方面都起著關鍵作用，了解冬小麥的水分生理機制，對于通過合理的水分管理措施來保障冬小麥的正常生長發(fā)育和提高產(chǎn)量具有重要的理論指導意義。2.2.2光譜反射特性與水分關系冬小麥冠層的光譜反射特性是其對不同波長光的反射能力的體現(xiàn)，而這種特性與冬小麥的水分狀況密切相關，在不同水分條件下，冬小麥冠層對可見光、近紅外、短波紅外等波段的反射率會發(fā)生顯著變化。在可見光波段（380-760nm），主要包括藍光（450-500nm）、綠光（500-560nm）和紅光（620-760nm）。葉綠素是冬小麥葉片中參與光合作用的重要色素，對藍光和紅光具有強烈的吸收作用。當冬小麥水分充足時，葉綠素含量較高，能夠充分吸收藍光和紅光，用于光合作用，此時藍光和紅光波段的反射率較低。而當冬小麥受到水分脅迫時，葉片中的葉綠素合成受到抑制，含量下降，對藍光和紅光的吸收能力減弱，導致這兩個波段的反射率升高。例如，在干旱條件下，冬小麥葉片發(fā)黃，這是葉綠素含量減少的表現(xiàn)，同時可以觀察到藍光和紅光波段的反射率明顯增加。綠光波段的反射率則主要受葉片內部結構和葉色的影響。健康的冬小麥葉片在綠光波段具有較高的反射率，呈現(xiàn)出綠色。當水分虧缺時，葉片的生理狀態(tài)發(fā)生改變，內部結構受到一定程度的破壞，綠光波段的反射率也會發(fā)生變化，通常會出現(xiàn)先升高后降低的趨勢。在水分脅迫初期，葉片可能會通過增加綠光反射來適應水分不足的環(huán)境，而隨著脅迫程度的加劇，葉片損傷加重，綠光反射率則會逐漸下降。近紅外波段（760-1300nm）對冬小麥冠層水分狀況的變化非常敏感。在這個波段，水分對光具有較強的吸收作用。當冬小麥冠層水分含量較高時，水分吸收了大量的近紅外光，使得近紅外波段的反射率較低。隨著水分含量的降低，水分對近紅外光的吸收減弱，反射率相應升高。這是因為水分的存在會影響葉片內部的細胞結構和組織特性，水分充足時，葉片細胞飽滿，內部結構緊密，對近紅外光的散射和吸收作用較強；而水分虧缺時，細胞失水，結構變得疏松，近紅外光更容易穿透葉片并被反射回來。例如，通過對不同水分處理下的冬小麥進行光譜測量發(fā)現(xiàn)，水分充足的冬小麥在近紅外波段的反射率明顯低于干旱處理的冬小麥。此外，近紅外波段的反射率還與冬小麥的葉面積指數(shù)、生物量等因素有關。葉面積指數(shù)越大，生物量越高，近紅外波段的反射率也會相應增加，但這種增加趨勢會受到水分狀況的調節(jié)。在水分脅迫下，即使葉面積指數(shù)和生物量較高，由于水分對近紅外光吸收的變化，反射率的增加幅度也會受到限制。短波紅外波段（1300-2500nm）同樣包含了豐富的水分信息。在這個波段，存在多個與水分吸收相關的特征吸收峰，如1450nm、1940nm等。這些吸收峰的強度和位置與冬小麥冠層的水分含量密切相關。當水分含量增加時，這些吸收峰的強度增強，反射率降低；反之，當水分含量減少時，吸收峰強度減弱，反射率升高。例如，在對冬小麥進行水分梯度實驗中，隨著土壤水分含量的降低，1450nm和1940nm波段的反射率逐漸升高。這是因為在短波紅外波段，水分分子的振動和轉動會吸收特定波長的光，水分含量的變化直接影響了這種吸收作用的強弱。此外，短波紅外波段的反射率還受到土壤背景、植被覆蓋度等因素的影響。在實際應用中，需要考慮這些因素的干擾，通過合適的數(shù)據(jù)處理方法來準確提取冬小麥冠層水分信息。例如，可以采用植被指數(shù)或波段比值等方法，消除土壤背景和植被覆蓋度的影響，突出水分與光譜反射率之間的關系。冬小麥冠層在不同水分條件下，其光譜反射特性在可見光、近紅外和短波紅外波段均表現(xiàn)出明顯的變化規(guī)律，這些變化為利用光譜信息監(jiān)測冬小麥冠層水分狀況提供了重要的理論依據(jù)。通過分析這些波段的光譜反射率變化，可以有效地獲取冬小麥的水分信息，為冬小麥的水分管理和精準農(nóng)業(yè)提供科學支持。2.2.3敏感光譜波段與植被指數(shù)篩選準確篩選出對冬小麥冠層水分敏感的光譜波段和植被指數(shù)，是利用無人機多光譜技術監(jiān)測冬小麥水分狀況的關鍵環(huán)節(jié)，其方法和依據(jù)具有科學性和系統(tǒng)性。確定敏感光譜波段主要基于相關性分析和特征選擇算法。相關性分析是一種常用的統(tǒng)計方法，通過計算光譜反射率與冬小麥冠層水分含量之間的相關系數(shù)，來衡量兩者之間的線性相關程度。在不同的光譜波段范圍內，分別計算反射率與水分含量的相關系數(shù)，相關系數(shù)絕對值越大，表明該波段與水分含量的相關性越強，越有可能是敏感光譜波段。例如，通過對大量冬小麥樣本的光譜數(shù)據(jù)和水分含量進行相關性分析發(fā)現(xiàn)，在近紅外波段（760-900nm）和短波紅外波段（1400-1900nm），部分波段與水分含量的相關系數(shù)可達0.7以上，顯示出較強的相關性。這些波段對水分變化較為敏感，因為在近紅外波段，水分對光的吸收作用明顯，水分含量的改變會直接影響該波段的反射率；而在短波紅外波段，存在多個與水分吸收相關的特征吸收峰，水分含量的變化會導致這些吸收峰的強度和位置發(fā)生改變，進而影響反射率。特征選擇算法則可以從眾多光譜波段中自動篩選出與水分含量最相關的波段。常見的特征選擇算法有ReliefF算法、卡方檢驗、互信息法等。ReliefF算法通過計算每個特征（光譜波段）對分類（水分含量高低）的貢獻程度，來選擇重要特征。在冬小麥水分監(jiān)測中，將光譜波段作為特征，水分含量劃分為不同等級作為分類標簽，ReliefF算法會根據(jù)特征對分類的影響程度，對波段進行排序，選擇排名靠前的波段作為敏感光譜波段?？ǚ綑z驗則是基于統(tǒng)計學的假設檢驗方法，通過計算光譜波段與水分含量之間的卡方值，判斷兩者之間是否存在顯著的相關性?？ǚ街翟酱?，說明相關性越顯著，相應的波段越有可能是敏感波段?；バ畔⒎ㄊ呛饬績蓚€變量之間的信息共享程度，在光譜波段選擇中，計算每個波段與水分含量之間的互信息，互信息值高的波段包含更多關于水分含量的信息，被認為是敏感波段。常用的植被指數(shù)是基于不同波段的光譜反射率組合計算得到的，它們能夠突出冬小麥的某些生理特征，與水分狀況密切相關。歸一化差異水分指數(shù)（NDWI）是一種常用的用于監(jiān)測植被水分狀況的指數(shù)，其計算公式為NDWI=\frac{GREEN-NIR}{GREEN+NIR}，其中GREEN為綠光波段反射率，NIR為近紅外波段反射率。NDWI主要反映了植被葉片內部的水分含量信息。在健康的冬小麥中，由于水分對近紅外光的吸收作用，近紅外波段反射率相對較低，而綠光波段反射率較高，因此NDWI值較大。當冬小麥受到水分脅迫時，葉片水分含量降低，近紅外波段反射率升高，NDWI值會相應減小。研究表明，NDWI與冬小麥冠層水分含量之間存在顯著的負相關關系，相關系數(shù)可達-0.8左右，能夠較好地反映冬小麥的水分狀況。比值植被指數(shù)（RVI）也是一種常用的植被指數(shù)，計算公式為RVI=\frac{NIR}{R}，其中NIR為近紅外波段反射率，R為紅光波段反射率。RVI主要反映了植被的生長狀況和葉綠素含量，同時也與水分狀況有一定關聯(lián)。當冬小麥水分充足時，生長旺盛，葉綠素含量高，對紅光吸收強，紅光波段反射率低，近紅外波段反射率相對較高，RVI值較大。而在水分脅迫下，葉綠素合成受到抑制，紅光波段反射率升高，RVI值會降低。雖然RVI與水分含量的相關性相對NDWI較弱，但在綜合分析中，它可以與其他指數(shù)相互補充，共同用于評估冬小麥的水分狀況。此外，還有一些其他的植被指數(shù)，如歸一化植被指數(shù)（NDVI）、增強型植被指數(shù)（EVI）等，雖然它們主要用于反映植被的生長狀況和覆蓋度，但在一定程度上也能間接反映冬小麥的水分狀況。這些指數(shù)在不同的研究和應用中，根據(jù)具體情況和需求，可以與對水分更敏感的指數(shù)結合使用，提高對冬小麥冠層水分狀況監(jiān)測的準確性和可靠性。通過相關性分析和特征選擇算法確定敏感光譜波段，以及基于不同光譜反射率組合計算常用植被指數(shù)，并依據(jù)它們與冬小麥冠層水分狀況的內在關系進行篩選，為后續(xù)構建冬小麥水分監(jiān)測模型提供了關鍵的參數(shù)和指標。三、實驗設計與數(shù)據(jù)采集3.1實驗區(qū)域選擇本研究將實驗區(qū)域選定為河南駐馬店某冬小麥種植區(qū)，該區(qū)域地理位置獨特，位于河南省中南部，處于淮河上游的丘陵平原地區(qū)，橫跨南陽盆地東緣與淮北平原。這種特殊的地理位置賦予了該區(qū)域豐富多樣的地形地貌，既包含地勢較為平坦開闊的平原地帶，也有部分起伏和緩的丘陵區(qū)域。平坦的平原有利于規(guī)?；亩←湻N植和大型農(nóng)業(yè)機械的作業(yè)，提高種植和管理效率；而丘陵地區(qū)則為研究不同地形條件下冬小麥的生長狀況和水分分布特征提供了多樣化的樣本，有助于更全面地了解冬小麥的生長規(guī)律和水分需求特點。駐馬店市屬于典型的大陸性季風型半濕潤氣候，處于亞熱帶與暖溫帶的過渡地帶，兼具亞熱帶與暖溫帶的雙重氣候特征。這種氣候條件為冬小麥的生長提供了適宜的環(huán)境。從溫度方面來看，冬小麥整個生長發(fā)育階段（10月至次年5月）的年平均積溫為2173.8℃，能夠較好地滿足冬小麥生長對熱量的需求。在種子發(fā)芽至出苗時期，適宜的溫度指標處于15.0-20.0℃范圍內，所需積溫約為120℃，當?shù)氐臏囟葪l件能夠保證種子順利發(fā)芽出苗。從播種至越冬前，積溫處于400-450℃之間，有利于冬小麥達到壯苗標準，保障小麥安全越冬。在不同的生育階段，如根系生長、分蘗至拔節(jié)、抽穗至開花以及灌漿到成熟等時期，當?shù)氐臏囟葪l件也基本能滿足冬小麥的生長需求。然而，該地區(qū)也存在一些不利于冬小麥生長的溫度因素。在灌漿到成熟時期，冬小麥要求最為適宜的溫度條件處于20.0-22.0℃范圍內，且害怕高溫，高溫天氣會促使冬小麥的灌漿期縮短，使得千粒重大幅下降，影響小麥的產(chǎn)量和品質。駐馬店地區(qū)在這個時期有時會出現(xiàn)高溫天氣，對冬小麥的產(chǎn)量和品質構成一定威脅。水分條件對冬小麥的生長同樣至關重要。駐馬店市在冬小麥整個生長發(fā)育階段（10月至次年5月）的平均降水量為372.0mm，總體來說，降水量基本上能夠滿足冬小麥的生長需要。在播種到拔節(jié)之前，冬小麥植株小，溫度較低，蒸發(fā)量小，耗水量也較小，當?shù)氐慕邓屯寥缐勄槟軌驖M足其需求。但在拔節(jié)到抽穗階段，冬小麥生長耗水量上升，大約一個月內所需水分約為總耗水量的三分之一，此階段為需水臨界階段。若此時降水偏少，出現(xiàn)干旱少雨的情況，就容易導致小麥因墑情不足、干旱缺水而嚴重減產(chǎn)。例如，在某些年份，該地區(qū)在冬小麥需水關鍵階段降水不足，造成部分農(nóng)田冬小麥生長受到抑制，產(chǎn)量明顯下降。在抽穗至成熟階段，冬小麥也需要一定的水分，特別是抽穗前后，莖葉生長快，日耗水量大約是4m3，當?shù)氐慕邓闆r在大多數(shù)年份能夠滿足這一階段的水分需求，但仍存在因降水異常導致水分不足的風險。光照條件也是影響冬小麥生長的重要因素。駐馬店市陽光充足，冬小麥生長期間光照資源豐富，能夠充分滿足冬小麥光合作用的需求。充足的光照有利于冬小麥進行光合作用，合成更多的光合產(chǎn)物，為植株的生長發(fā)育提供充足的能量和物質基礎，促進冬小麥的分蘗、拔節(jié)、抽穗和灌漿等生理過程，對提高冬小麥的產(chǎn)量和品質具有積極作用。從種植情況來看，駐馬店是河南省重要的小麥產(chǎn)區(qū)之一，常年種植面積在66.67萬hm2左右，占全市糧食總面積112萬hm2的59.5%，小麥總產(chǎn)量穩(wěn)定在40億kg以上，占河南省的1/8左右。該地區(qū)冬小麥種植歷史悠久，種植經(jīng)驗豐富，種植品種多樣，涵蓋了多個適應本地氣候和土壤條件的冬小麥品種，如百農(nóng)207、周麥27等。這些品種在當?shù)氐姆N植表現(xiàn)良好，具有較高的產(chǎn)量潛力和較好的品質特性。同時，當?shù)氐霓r(nóng)業(yè)基礎設施相對完善，灌溉系統(tǒng)較為發(fā)達，為冬小麥的種植和水分管理提供了有力保障。但隨著農(nóng)業(yè)現(xiàn)代化的發(fā)展，也面臨著一些挑戰(zhàn)，如種植結構的調整、水資源的合理利用以及應對氣候變化對冬小麥產(chǎn)量和品質的影響等問題。綜合考慮該區(qū)域的地理、氣候和種植情況等多方面因素，選擇河南駐馬店某冬小麥種植區(qū)作為實驗區(qū)域，能夠獲取豐富多樣的數(shù)據(jù)，為研究冬小麥冠層水分狀況提供理想的研究樣本，有助于深入探究無人機多光譜技術在冬小麥水分監(jiān)測中的應用效果和潛力。3.2實驗設計方案3.2.1冬小麥品種與種植管理本實驗選用的冬小麥品種為百農(nóng)207，該品種是由河南科技學院選育的半冬性中晚熟小麥品種。它具有良好的適應性和綜合性狀，在黃淮冬麥區(qū)南片廣泛種植。百農(nóng)207抗寒性較好，能夠在駐馬店地區(qū)的冬季安全越冬，減少因低溫凍害對小麥生長造成的影響。其分蘗能力較強，成穗率高，有利于構建合理的群體結構，提高產(chǎn)量。同時，該品種的抗倒伏能力也較為出色，在生長后期能夠有效抵抗風雨等自然災害，保證小麥的正常生長和成熟。在種植管理方面，本實驗采取了一系列科學的措施。在播種前，對實驗田進行了精細整地，通過深耕、耙地等操作，使土壤疏松、平整，為冬小麥的生長創(chuàng)造良好的土壤條件。深耕深度達到25-30厘米，打破了犁底層，增加了土壤的透氣性和保水性。在施肥環(huán)節(jié)，采用了測土配方施肥技術，根據(jù)實驗田土壤的養(yǎng)分含量和冬小麥的需肥規(guī)律，制定了合理的施肥方案?；室杂袡C肥和復合肥為主，每畝施用優(yōu)質農(nóng)家肥2000-3000千克，復合肥（N:P:K=15:15:15）30-40千克。在冬小麥生長過程中，根據(jù)不同生育期的需求進行追肥。在返青期，對于苗情較弱的地塊，每畝追施尿素5-8千克，以促進麥苗早發(fā)快長，增加有效分蘗。在拔節(jié)期，結合澆水，每畝追施尿素10-15千克和氯化鉀5-8千克，滿足冬小麥對養(yǎng)分的需求，促進莖稈粗壯，提高抗倒伏能力。在孕穗期，為了防止后期脫肥，每畝噴施0.2%-0.3%的磷酸二氫鉀溶液50-60千克，進行根外追肥，增強葉片的光合作用，促進籽粒灌漿，提高千粒重。灌溉方面，根據(jù)駐馬店地區(qū)的氣候特點和冬小麥的需水規(guī)律，進行適時適量灌溉。在播種后，若土壤墑情不足，及時澆蒙頭水，確保種子順利發(fā)芽出苗。在越冬期，當平均氣溫穩(wěn)定下降到3-4℃，且“夜凍晝融”時，進行冬灌，灌水量以每畝40-50立方米為宜。冬灌不僅可以補充土壤水分，還能提高土壤溫度，有利于冬小麥安全越冬。在返青期，根據(jù)土壤墑情和苗情，決定是否澆返青水。對于墑情較好、苗情較壯的地塊，可適當推遲澆返青水，以促進根系下扎，增強麥苗的抗逆性；對于墑情不足、苗情較弱的地塊，則及時澆返青水，每畝灌水量30-40立方米。在拔節(jié)期和孕穗期，冬小麥生長旺盛，需水量較大，此時結合施肥進行灌溉，保證土壤水分充足，滿足冬小麥生長發(fā)育的需求，每次灌水量每畝40-50立方米。在灌漿期，根據(jù)天氣情況和土壤墑情，適時澆灌漿水，保持土壤濕潤，防止小麥早衰，提高粒重。但要注意避免在大風、降雨等天氣條件下灌溉，防止小麥倒伏。病蟲害防治是冬小麥種植管理的重要環(huán)節(jié)。在病蟲害防治過程中，堅持“預防為主，綜合防治”的方針。在播種前，對種子進行處理，采用藥劑拌種的方法，用種子重量0.3%的3%苯醚甲環(huán)唑懸浮種衣劑或0.2%的60%吡蟲啉懸浮種衣劑進行拌種，可有效防治地下害蟲和苗期病蟲害。在冬小麥生長過程中，加強病蟲害監(jiān)測，及時掌握病蟲害的發(fā)生動態(tài)。對于常見的病蟲害，如小麥條銹病、白粉病、蚜蟲等，根據(jù)病蟲害的發(fā)生程度和防治指標，選用合適的藥劑進行防治。當小麥條銹病病葉率達到1%-5%時，選用15%三唑酮可濕性粉劑1000-1500倍液或25%戊唑醇水乳劑2000-3000倍液進行噴霧防治；當小麥白粉病病葉率達到10%時，選用25%吡唑醚菌酯懸浮劑2000-3000倍液或43%戊唑醇懸浮劑3000-4000倍液進行噴霧防治；當蚜蟲百株蚜量達到500頭以上時，選用10%吡蟲啉可濕性粉劑1000-1500倍液或5%啶蟲脒乳油1500-2000倍液進行噴霧防治。同時，注意輪換使用不同作用機制的藥劑，避免病蟲害產(chǎn)生抗藥性。在防治病蟲害時，嚴格按照農(nóng)藥使用說明進行操作，確保用藥安全，減少農(nóng)藥殘留對環(huán)境的污染。3.2.2水分處理設置本實驗設置了4個水分處理梯度，分別為充分灌溉（CK）、輕度水分脅迫（T1）、中度水分脅迫（T2）和重度水分脅迫（T3）。不同水分處理旨在模擬冬小麥在實際生長過程中可能面臨的不同水分供應條件，以便深入研究水分脅迫對冬小麥冠層水分狀況及光譜特征的影響。充分灌溉（CK）處理作為對照，旨在為冬小麥生長提供最適宜的水分條件。在整個生育期，通過精準灌溉，使土壤相對含水量始終維持在75%-85%之間。這一含水量范圍能夠充分滿足冬小麥在各個生長階段的水分需求，保證其正常的生理代謝和生長發(fā)育。例如，在冬小麥的拔節(jié)期和孕穗期，需水量較大，通過增加灌溉次數(shù)和灌水量，確保土壤水分充足，促進植株的生長和穗分化。具體的灌溉時間和灌水量根據(jù)土壤墑情監(jiān)測結果和天氣預報進行調整。使用土壤水分傳感器實時監(jiān)測土壤含水量，當土壤相對含水量低于75%時，及時進行灌溉。每次灌溉量根據(jù)土壤質地、前期降水情況以及冬小麥的生長階段確定，一般每次灌水量為每畝40-50立方米。在降水較多的時期，適當減少灌溉次數(shù)和灌水量，避免土壤水分過多導致根系缺氧。輕度水分脅迫（T1）處理模擬冬小麥在生長過程中遭遇相對較輕的水分短缺情況。在該處理下，通過控制灌溉量和灌溉時間，使土壤相對含水量維持在65%-75%之間。這一水分條件雖不至于對冬小麥的生長造成嚴重阻礙，但會使植株感受到一定程度的水分壓力。在冬小麥的關鍵生育期，如拔節(jié)期和孕穗期，若土壤相對含水量接近65%，則進行灌溉，每次灌水量為每畝30-40立方米。在其他生育期，根據(jù)土壤墑情和冬小麥的生長狀況，靈活調整灌溉策略。這種輕度水分脅迫處理有助于研究冬小麥在一定程度水分短缺條件下的適應機制和生理響應，以及光譜特征的變化規(guī)律。中度水分脅迫（T2）處理使冬小麥面臨更為明顯的水分短缺。在該處理中，土壤相對含水量控制在55%-65%之間。在冬小麥生長過程中，當土壤相對含水量低于55%時，進行灌溉，每次灌水量為每畝20-30立方米。由于水分供應不足，冬小麥的生長發(fā)育會受到較為顯著的影響，如植株生長緩慢、葉片發(fā)黃、分蘗減少等。通過對中度水分脅迫處理下冬小麥的研究，可以深入了解水分脅迫對冬小麥生長發(fā)育的抑制作用，以及光譜特征與水分脅迫程度之間的定量關系。在研究過程中，密切關注冬小麥的生長狀況，記錄其形態(tài)和生理指標的變化，同時分析相應的光譜數(shù)據(jù)，為建立水分脅迫監(jiān)測模型提供依據(jù)。重度水分脅迫（T3）處理模擬冬小麥在極端干旱條件下的生長情況。在該處理中，土壤相對含水量維持在45%-55%之間。在整個生育期內，嚴格控制灌溉量，僅在土壤相對含水量接近45%時，進行少量灌溉，每次灌水量為每畝10-20立方米。在重度水分脅迫下，冬小麥會遭受嚴重的水分虧缺，導致生長受到極大抑制，甚至可能出現(xiàn)死亡現(xiàn)象。通過對重度水分脅迫處理下冬小麥的研究，可以探究冬小麥在極限水分條件下的生理響應和光譜特征變化，為制定應對干旱災害的農(nóng)業(yè)措施提供參考。在實驗過程中，對重度水分脅迫處理下冬小麥的生長情況進行詳細觀察和記錄，分析其產(chǎn)量和品質受到的影響，以及光譜數(shù)據(jù)與水分狀況之間的關系。每個水分處理設置3次重復，采用隨機區(qū)組設計，以保證各處理間土壤條件、光照條件等環(huán)境因素的一致性。每個小區(qū)面積為30平方米（5米×6米），小區(qū)之間設置1米寬的隔離帶，防止水分和養(yǎng)分的相互干擾。在整個實驗過程中，定期監(jiān)測各處理的土壤水分含量、冬小麥的生長指標和光譜數(shù)據(jù)，確保實驗數(shù)據(jù)的準確性和可靠性。通過設置不同水分梯度處理，能夠全面研究水分脅迫對冬小麥冠層水分狀況的影響，為利用無人機多光譜技術監(jiān)測冬小麥水分狀況提供豐富的數(shù)據(jù)支持。3.3數(shù)據(jù)采集3.3.1無人機多光譜數(shù)據(jù)采集本研究選用大疆精靈4多光譜版無人機作為飛行平臺，該無人機具備出色的穩(wěn)定性和操作便捷性。其搭載的多光譜相機擁有6個獨立的傳感器，能夠同時獲取紅、綠、藍、近紅外、紅邊等多個波段的影像信息，為后續(xù)的光譜分析提供全面的數(shù)據(jù)支持。在飛行參數(shù)設置方面，飛行高度設定為80米，這一高度在保證獲取高分辨率影像的同時，還能實現(xiàn)對研究區(qū)域的有效覆蓋。根據(jù)相機的曝光時間和影像重疊度要求，飛行速度設置為4米/秒。航向重疊度和旁向重疊度分別設置為75%和65%。較高的航向重疊度有助于在影像拼接時準確識別同名點，提高拼接精度；適當?shù)呐韵蛑丿B度則確保了相鄰航帶之間的影像能夠完整覆蓋研究區(qū)域，避免出現(xiàn)數(shù)據(jù)遺漏。無人機多光譜數(shù)據(jù)采集時間的選擇充分考慮了冬小麥的生長周期和氣象條件。在冬小麥的不同生育期，包括返青期、拔節(jié)期、孕穗期、灌漿期和成熟期，分別進行數(shù)據(jù)采集。返青期是冬小麥生長的關鍵轉折點，此時采集數(shù)據(jù)可以獲取冬小麥從越冬期恢復生長后的光譜特征；拔節(jié)期是冬小麥植株快速生長、莖稈伸長的時期，對水分需求增加，采集該時期的數(shù)據(jù)有助于分析水分對冬小麥生長的影響；孕穗期是決定穗粒數(shù)的重要階段，獲取這一時期的光譜信息能夠為評估冬小麥的產(chǎn)量潛力提供依據(jù)；灌漿期是冬小麥籽粒充實、積累干物質的關鍵時期，監(jiān)測該時期的水分狀況對保障產(chǎn)量和品質至關重要；成熟期采集的數(shù)據(jù)可用于驗證之前建立的水分監(jiān)測模型的準確性。為減少大氣散射和光照變化對影像質量的影響，數(shù)據(jù)采集時間選擇在晴朗、少云、風力小于3級的上午10點至下午2點之間。這一時間段內，太陽高度角適中，光照強度相對穩(wěn)定，能夠保證獲取的多光譜影像具有較高的質量和一致性。在整個冬小麥生長季，共進行了5次無人機多光譜數(shù)據(jù)采集，每次采集時間間隔根據(jù)冬小麥的生長進程和發(fā)育特點進行調整。返青期和拔節(jié)期生長速度相對較慢，時間間隔設置為10-15天；孕穗期和灌漿期生長速度加快，對水分變化更為敏感，時間間隔縮短為7-10天；成熟期則在收獲前一周左右進行最后一次采集。通過多次、定期的數(shù)據(jù)采集，能夠全面監(jiān)測冬小麥在不同生長階段的冠層水分狀況變化，為深入研究水分對冬小麥生長發(fā)育的影響規(guī)律提供豐富的數(shù)據(jù)基礎。3.3.2地面實測數(shù)據(jù)采集地面實測數(shù)據(jù)的采集對于準確評估冬小麥冠層水分狀況至關重要，本研究采用了科學嚴謹?shù)姆椒ê蛯I(yè)的工具。在冬小麥冠層含水量測定方面，采用烘干稱重法作為標準測定方法。在無人機飛行同步，在每個水分處理小區(qū)內，按照“S”型采樣法選取5個樣點，每個樣點隨機采集10株冬小麥植株。將采集的植株樣品迅速裝入密封袋中，帶回實驗室后，立即用精度為0.01克的電子天平稱取鮮重。隨后，將樣品放入105℃的烘箱中殺青30分鐘，以停止植物的生理活動，防止水分進一步損失。然后將烘箱溫度調至75℃，烘干至恒重，再次用電子天平稱取干重。根據(jù)公式冠層含水量(\%)=\frac{鮮重-干重}{鮮重}\times100計算出冬小麥冠層含水量。這種方法雖然操作較為繁瑣，但能夠準確測定冬小麥冠層的實際含水量，為后續(xù)構建和驗證水分監(jiān)測模型提供可靠的真值數(shù)據(jù)。冬小麥株高的測量使用專門的小麥株高測量儀。該測量儀由測量桿、手機和識別APP軟件組成。測量時，將測量桿垂直放置在選定的樣點旁，使測量桿的底部與地面接觸，頂部與冬小麥植株的最高處平齊。然后，使用手機對準測量桿上的刻度進行拍照，識別APP軟件會自動識別刻度數(shù)據(jù)，并通過內置算法計算出冬小麥的株高。這種測量方法相比傳統(tǒng)的尺子測量方式，具有操作簡便、效率高、數(shù)據(jù)記錄和管理方便等優(yōu)點。在每個水分處理小區(qū)內，隨機選取10個樣點進行株高測量，取平均值作為該小區(qū)的冬小麥株高。株高是反映冬小麥生長狀況的重要指標之一，與冠層水分狀況密切相關，通過測量株高可以了解水分對冬小麥生長的影響。葉面積指數(shù)（LAI）的測定采用植物冠層快速測量儀。該儀器利用光學原理，通過測量植物冠層對光的透過率和反射率，來計算葉面積指數(shù)。在每個水分處理小區(qū)內，選擇具有代表性的區(qū)域，將測量儀的傳感器探頭水平放置在冬小麥冠層上方，確保探頭覆蓋的區(qū)域能夠代表該小區(qū)的整體情況。測量時，儀器會自動采集多個角度的光信號，并根據(jù)內置的算法計算出葉面積指數(shù)。每個小區(qū)重復測量5次，取平均值作為該小區(qū)的葉面積指數(shù)。葉面積指數(shù)反映了冬小麥冠層的繁茂程度和光合作用能力，與冠層水分狀況密切相關。水分充足時，冬小麥生長旺盛，葉面積指數(shù)較大；而在水分脅迫條件下，葉面積指數(shù)會相應減小。通過測定葉面積指數(shù)，可以進一步了解冬小麥冠層水分狀況對其生長發(fā)育的影響。3.3.3氣象數(shù)據(jù)收集氣象數(shù)據(jù)對理解冬小麥生長環(huán)境和水分狀況的影響至關重要。本研究通過多渠道收集實驗區(qū)的氣溫、濕度、降水、風速等氣象數(shù)據(jù)。在實驗區(qū)域內，安裝了一套自動氣象站，型號為VantagePro2。該氣象站配備了高精度的傳感器，能夠實時監(jiān)測氣溫、相對濕度、降水量和風速等氣象要素。氣溫傳感器采用鉑電阻原理，能夠準確測量大氣溫度，測量精度可達±0.1℃。相對濕度傳感器利用電容式原理，能夠快速響應濕度變化，測量精度為±3%RH。降水量傳感器采用翻斗式結構，通過記錄翻斗的翻轉次數(shù)來計算降水量，測量精度為±0.2mm。風速傳感器采用三杯式結構，能夠準確測量不同方向的風速，測量精度為±0.3m/s。自動氣象站每隔10分鐘采集一次數(shù)據(jù)，并通過無線傳輸模塊將數(shù)據(jù)實時傳輸?shù)綌?shù)據(jù)接收終端。除了自動氣象站監(jiān)測的數(shù)據(jù)外，還從當?shù)貧庀蟛块T獲取了長期的氣象數(shù)據(jù)資料。這些資料包括實驗區(qū)過去10年的逐日氣象數(shù)據(jù)，涵蓋了氣溫、濕度、降水、日照時數(shù)、氣壓等多個氣象要素。當?shù)貧庀蟛块T通過分布在區(qū)域內的多個氣象觀測站收集數(shù)據(jù)，并經(jīng)過嚴格的質量控制和審核，確保數(shù)據(jù)的準確性和可靠性。通過分析這些長期氣象數(shù)據(jù)，可以了解實驗區(qū)氣象條件的年際變化和季節(jié)變化規(guī)律，為研究冬小麥生長與氣象條件的關系提供更全面的背景信息。在數(shù)據(jù)分析過程中，將自動氣象站實時監(jiān)測的數(shù)據(jù)與當?shù)貧庀蟛块T提供的長期數(shù)據(jù)相結合。對于自動氣象站監(jiān)測的數(shù)據(jù)，進行預處理和質量控制，去除異常值和錯誤數(shù)據(jù)。然后，將處理后的數(shù)據(jù)與長期氣象數(shù)據(jù)進行對比分析，驗證自動氣象站數(shù)據(jù)的準確性，并補充自動氣象站未監(jiān)測到的氣象要素數(shù)據(jù)。例如，自動氣象站未監(jiān)測日照時數(shù)，通過從當?shù)貧庀蟛块T獲取的長期數(shù)據(jù)中提取相應時段的日照時數(shù)數(shù)據(jù)，與其他氣象數(shù)據(jù)一起進行綜合分析。氣象數(shù)據(jù)的收集和分析為深入研究氣象條件對冬小麥冠層水分狀況的影響提供了重要的數(shù)據(jù)支持，有助于揭示冬小麥生長與環(huán)境因素之間的內在聯(lián)系。四、基于無人機多光譜數(shù)據(jù)的冬小麥冠層水分狀況分析4.1數(shù)據(jù)預處理4.1.1多光譜影像校正多光譜影像校正對于基于無人機多光譜數(shù)據(jù)的冬小麥冠層水分狀況分析至關重要，主要包括輻射校正和幾何校正兩個關鍵環(huán)節(jié)，它們在消除數(shù)據(jù)誤差、提高數(shù)據(jù)質量方面發(fā)揮著不可或缺的作用。輻射校正旨在消除因傳感器自身特性、大氣影響以及光照條件變化等因素導致的輻射誤差，確保影像的光譜信息能夠真實反映冬小麥冠層的反射特性。在實際數(shù)據(jù)獲取過程中，傳感器對不同波段的光譜響應存在差異，這可能導致圖像中地物的輻射強度失真。大氣中的氣體和粒子會吸收和散射地物輻射，減弱到達傳感器的能量，吸收作用直接減少地物輻射，散射則將部分輻射引入圖像形成噪聲，降低圖像質量。光照條件的變化，如太陽高度角和地面坡度的不同，會影響地物接收到的光照強度，進而改變其輻射特性。針對這些輻射誤差來源，常用的輻射校正方法包括基于物理模型的大氣校正和基于統(tǒng)計的相對輻射校正?；谖锢砟Ｐ偷拇髿庑Ｕ?，如利用MODTRAN（MODerateresolutionAtmosphericTRANsmission）模型，通過考慮大氣中的水汽、氣溶膠等成分對輻射的吸收和散射作用，精確計算并校正因大氣影響導致的輻射誤差。在實際應用中，輸入大氣參數(shù)（如大氣濕度、氣溶膠濃度等）和傳感器參數(shù)（如波段范圍、光譜響應函數(shù)等），MODTRAN模型即可模擬大氣傳輸過程，去除大氣對輻射的影響，使影像的輻射值更接近地物的真實反射率。相對輻射校正則是通過對同一地區(qū)不同時間或不同傳感器獲取的影像進行比較，消除由于傳感器差異和環(huán)境變化等因素引起的輻射差異。常見的方法有直方圖匹配法，通過調整目標影像的直方圖使其與參考影像的直方圖相似，從而實現(xiàn)輻射歸一化。在冬小麥多光譜影像處理中，選擇一幅質量較好、輻射穩(wěn)定的影像作為參考影像，對其他影像進行直方圖匹配，可有效消除不同影像間的輻射差異，提高數(shù)據(jù)的一致性和可比性。幾何校正的目的是糾正因無人機飛行姿態(tài)變化、地形起伏以及相機鏡頭畸變等因素導致的幾何變形，確保影像中地物的位置和形狀準確，實現(xiàn)影像的地理定位。無人機在飛行過程中，由于受到氣流、操作等因素影響，其飛行姿態(tài)會不斷變化，導致獲取的影像產(chǎn)生旋轉、平移和縮放等幾何變形。地形起伏會使地物在影像上的位置產(chǎn)生位移，相機鏡頭的畸變也會導致影像的幾何失真。為了消除這些幾何變形，常用的幾何校正方法有多項式糾正和有理函數(shù)模型糾正。多項式糾正是通過建立影像坐標與地理坐標之間的多項式函數(shù)關系，對影像進行幾何變換。首先在影像上選取一定數(shù)量的地面控制點（GCP），使用高精度GPS接收機測量這些控制點的真實地理坐標。然后，根據(jù)這些控制點的影像坐標和地理坐標，利用最小二乘法擬合出多項式函數(shù)的系數(shù)。在實際應用中，一般采用二次或三次多項式進行糾正，其函數(shù)形式為x=a_0+a_1X+a_2Y+a_3X^2+a_4XY+a_5Y^2+\cdots，y=b_0+b_1X+b_2Y+b_3X^2+b_4XY+b_5Y^2+\cdots，其中(x,y)為影像坐標，(X,Y)為地理坐標，a_i和b_i為多項式系數(shù)。通過該多項式函數(shù)，對影像中的每個像素進行坐標變換，從而實現(xiàn)幾何校正。有理函數(shù)模型糾正則是利用有理函數(shù)來描述影像的幾何變形，通過求解有理函數(shù)的參數(shù)，實現(xiàn)對影像的校正。有理函數(shù)模型具有較高的通用性和精度，尤其適用于地形復雜的區(qū)域。在進行有理函數(shù)模型糾正時，同樣需要大量的地面控制點來確定有理函數(shù)的參數(shù)。通過這些幾何校正方法，能夠有效提高影像的地理定位精度，為后續(xù)的空間分析和制圖提供準確的數(shù)據(jù)基礎。4.1.2地面實測數(shù)據(jù)質量控制地面實測數(shù)據(jù)作為構建和驗證冬小麥冠層水分狀況評價模型的重要依據(jù)，其質量控制至關重要。在實際測量過程中，由于各種因素的影響，地面實測數(shù)據(jù)可能存在異常值和重復測量數(shù)據(jù)，需要進行有效的處理，以確保數(shù)據(jù)的準確性和可靠性。異常值的存在會嚴重影響數(shù)據(jù)分析結果的準確性，因此需要采用科學的方法進行剔除。常見的異常值判別方法有3S準則、狄克松（Dixon）準則和格拉布斯（Grubbs）準則。3S準則基于正態(tài)分布原理，若測量數(shù)據(jù)服從正態(tài)分布，當某個數(shù)據(jù)與平均值的偏差大于3倍標準差時，則判定該數(shù)據(jù)為異常值。在冬小麥冠層含水量測量數(shù)據(jù)中，計算所有測量值的平均值\bar{x}和標準差S，對于某個測量值x_i，若|x_i-\bar{x}|\gt3S，則將其視為異常值予以剔除。3S準則簡單直觀，但要求測量次數(shù)較多，當測量次數(shù)較少時，其判別效果可能不理想。狄克松準則適用于小樣本數(shù)據(jù)的異常值檢驗。設有一組測量數(shù)據(jù)x_1,x_2,\cdots,x_n，且數(shù)據(jù)服從正態(tài)分布，可能為異常值的測量數(shù)據(jù)必然出現(xiàn)在兩端，即x_1或x_n。狄克松給出了不同樣本數(shù)量時檢驗統(tǒng)計量的計算公式，當顯著水平為1%或5%時，若測量數(shù)據(jù)的檢驗統(tǒng)計量大于相應的臨界值，則判定該數(shù)據(jù)為異常值。例如，當樣本數(shù)量n=10時，若最大值x_{10}對應的檢驗統(tǒng)計量大于5%顯著水平下的臨界值，則x_{10}被判定為異常值。格拉布斯準則同樣適用于正態(tài)分布的數(shù)據(jù)。將測量數(shù)據(jù)按大小順序排列，即x_{(1)}\leqx_{(2)}\leq\cdots\leqx_{(n)}，可能為異常值的測量數(shù)據(jù)一定出現(xiàn)在最大或最小的數(shù)據(jù)中。若最小值x_{(1)}是可疑的，則計算檢驗統(tǒng)計量T_{(1)}=\frac{\bar{x}-x_{(1)}}{S}，若最大值x_{(n)}是可疑的，則計算檢驗統(tǒng)計量T_{(n)}=\frac{x_{(n)}-\bar{x}}{S}。對于檢驗統(tǒng)計量，格拉布斯導出了其統(tǒng)計分布，并給出了當顯著水平為1%或5%時的臨界值。當最小值或最大值對應的檢驗統(tǒng)計量大于臨界值時，則認為與之對應的x_{(1)}或x_{(n)}為可疑異常值，應予以剔除。對于重復測量數(shù)據(jù)，需要進行合理的處理。在冬小麥株高和葉面積指數(shù)的測量中，每個小區(qū)通常會進行多次重復測量。為了得到準確的測量結果，一般采用求平均值的方法。在某小區(qū)測量冬小麥株高時，進行了10次重復測量，將這10次測量值相加，再除以測量次數(shù)10，得到的平均值作為該小區(qū)冬小麥株高的代表值。通過求平均值，可以有效減少測量誤差，提高數(shù)據(jù)的可靠性。此外，還可以計算測量數(shù)據(jù)的標準差，以評估測量數(shù)據(jù)的離散程度。標準差越小，說明測量數(shù)據(jù)越集中，測量的精度越高；反之，標準差越大，說明測量數(shù)據(jù)的離散程度越大，測量的可靠性相對較低。在處理重復測量數(shù)據(jù)時，若發(fā)現(xiàn)某個測量值與平均值的偏差較大，且經(jīng)過異常值檢驗判定為異常值，則將其剔除后重新計算平均值。通過對地面實測數(shù)據(jù)進行異常值剔除和重復測量數(shù)據(jù)處理等質量控制措施，能夠提高數(shù)據(jù)的質量，為后續(xù)基于無人機多光譜數(shù)據(jù)的冬小麥冠層水分狀況分析提供可靠的數(shù)據(jù)支持。4.2光譜特征提取與分析4.2.1光譜反射率計算在基于無人機多光譜數(shù)據(jù)開展冬小麥冠層水分狀況分析時，準確計算冬小麥冠層光譜反射率是后續(xù)研究的基礎。多光譜影像的每個像元都記錄了對應地面位置在不同波段的輻射亮度值，通常以數(shù)字量化值（DN值）表示。為了獲取能夠真實反映冬小麥冠層表面物理特性的光譜反射率，需要對原始DN值進行一系列處理。首先，進行輻射定標。輻射定標是將傳感器記錄的DN值轉換為絕對輻射亮度值的過程，其目的是建立傳感器輸出的數(shù)字信號與實際地物輻射亮度之間的定量關系。不同的多光譜儀有其特定的輻射定標方法和參數(shù)，一般可通過儀器制造商提供的定標系數(shù)或利用標準輻射源進行定標。例如，對于大疆精靈4多光譜版無人機搭載的多光譜相機，可根據(jù)其出廠時提供的輻射定標參數(shù)，結合相機獲取的DN值，通過以下公式將DN值轉換為輻射亮度值L：L=gain\timesDN+offset，其中gain和offset分別為增益和偏移量，是通過輻射定標確定的系數(shù)。在得到輻射亮度值后，需要考慮大氣對輻射的影響進行大氣校正。大氣中的