基于光谱参量的冬小麦冠层含水率监测模型建立方法

摘要

本发明公开了一种基于光谱参量的冬小麦冠层含水率监测模型建立方法。本发明根据不同水分处理下各生育期冬小麦冠层光谱反射率与植株冠层含水率数据，分析了光谱信息基础变换与“三边”参数对植株冠层含水率之间相关关系，提出了考虑各生育期特点且具有较高精度的适宜模型组合，并构建了综合光谱信息基础变换与“三边”参数等诸多自变量的植株冠层含水率的主成分估算模型，突破了光谱监测生育时段制约及其他背景噪声影响，为冬小麦植株水分含量高光谱准确诊断提供理论依据和技术支持。

说明书

技术领域

本发明涉及农业种植技术领域，具体涉及一种基于光谱参量的冬小麦冠层含水率监测模型建立方法。

背景技术

水分作为作物生长过程中主要的限制因子之一，其亏缺直接影响植株的生理生化过程和形态结构，最终导致作物减产或品质不佳；所以大规模实时监测植株水分状况，对提高作物水分管理水平，确保作物提质增效具有重要的理论和实践意义。为保证冬小麦稳产高产，势必结合其植株冠层含水率实时动态精准监控数据，及时通过灌溉补充冬小麦生育期内缺水量。植株水分亏缺造成冬小麦生理生化特征变化与植株冠层光谱特征差异，使采用光谱技术监测植株冠层含水率成为可能。相比于传统监测植株水分的方法如烘干法，属于破坏性采样，不仅费时费力，也难以获得单个植株水分的动态变化；但近年来随着光谱技术的快速发展，光谱时空分辨率大幅提高，为大面积植株水分实时动态精准无损监测提供了技术支撑。

近年来国内外学者对作物水分光谱监测进行了大量的研究，并建立了不同作物水分光谱估算模型。由于受破坏性试验采样量的限制或生育期内天气状况不佳等关键因素影响，诸多研究成果多局限于特定生育期植株含水率光谱监测模型构建；作物不同生育期内光谱特征变化较显著，特定生育期光谱模型能否适用于全生育期植株含水率监测令人质疑。为了便于操作，相关学者也开展多种模型在不同生育阶段模拟效果对比研究，后提出适用于全生育期植株含水率的光谱监测模型，但是该全生育期模型在各个生育期模拟精度与适用性有待进一步验证，才有利于该模型应用与推广；由于受不同生育期植株生理结构及生长特性指标等因素变异影响，不同生育时段光谱反射率也随之变化，采用特定全生育期光谱监测模型在各个生育期模拟精度存在较大差异，特别是针对整个生育期模型监测精度也亟待提高，才能满足作物植株水分精准管理需要。

随着光谱分辨率提高，丰富了光谱信息数据，但也增加了背景和噪声干扰。相关研究表明，通过反射光谱信息的基础变换如倒数、对数与微分等，能降低背景与噪音影响，增强光谱吸收与提取特征，提高模型模拟精度。“三边”位置、幅值、面积等参数及其由该类参数构建的光谱指数等信息能较好反映绿色植被光谱特征，且“三边”参数对叶面积指数、氮含量和叶绿素含量较为敏感，但目前选择“三边”参数监测作物植株含水率的研究并不多见。采用综合光谱参量能有效减少背景与噪声的干扰，能确保监测模型稳定可靠，所以本发明专利综合了光谱信息基础变换与“三边”参数等光谱参量，在此基础上建立能满足不同生育时段冬小麦冠层含水率监测模型建立方法，确保各生育时段冬小麦冠层含水率监测精准与稳定。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于光谱参量的冬小麦冠层含水率监测模型建立方法突破了植株冠层含水率光谱监测生育时段制约与其他背景噪声的影响，实现了作物全生育期光谱监测精准与稳定。

为了达到上述发明目的，本发明采用的技术方案为：一种基于光谱参量的冬小麦冠层含水率监测模型建立方法，包括以下步骤：

S1、测量冬小麦冠层的光谱反射率和含水率；

S2、通过光谱反射率构建光谱参量；

所述光谱参量包括光谱变换形式和“三边”参数；

S3、对冬小麦冠层含水率与光谱变换形式和“三边”参数进行相关性分析，选择各生育期相关性显著的光谱参量，对其进行主成分分析，通过主成分分析结果分别构建各生育时段综合光谱参量的含水率监测模型，将各生育时段综合光谱参量的含水率监测模型组合作为全生育期综合光谱参量的冠层含水率监测模型；

所述生育期包括拔节-抽穗期、抽穗-灌浆期和灌浆-成熟期。

进一步地：所述步骤S1中光谱反射率的测量方法为：

在每次监测前采用反射率为1的白板进行校正，将地物光谱仪的探头垂直向下监测15cm冬小麦冠层，选择三处监测点并采用手持式地物光谱仪监测冬小麦植株冠层光谱，将三次检测结果的平均值作为冬小麦冠层的光谱反射率。

进一步地：所述步骤S1中含水率的测量方法为：

将测定光谱后的冬小麦植株进行采样，称取其鲜重，放入烘箱在105℃下将冬小麦植株杀青30min，再将烘箱的温度调至75℃，将冬小麦植株烘干至恒重，并称其干重，即可计算得到冬小麦植株的含水率；

冬小麦植株含水率的计算公式为：

ω＝(M₁-M₂)/M₁

上式中，ω为含水率，M₁为鲜重，M₂为恒重。

进一步地：所述步骤S2中光谱变换形式为对光谱反射率进行变换，包括除以R_450-750、除以R₉₃₀、倒数、倒数的对数、倒数的对数的一阶微分、倒数的一阶微分、对数、对数的一阶微分、吸收深度670nm和一阶微分；

所述R_450-750为450nm-750nm波段反射率的平均值，所述R₉₃₀为930nm波段的反射率值，所述吸收深度670nm的计算公式为：

上式中，A₅₆₀为吸收特征起始点560nm处的光谱反射率，B₆₇₀为吸收特征中心点670nm处的光谱反射率，C₇₆₀为吸收特征结束点760nm处的光谱反射率；进一步地：所述步骤S2中“三边”参数包括红边幅值Dr、红边位置λr、蓝边幅值Db、蓝边位置λb、黄边幅值Dy、黄边位置λy、绿峰幅值Rg、绿峰位置λg、红谷幅值Rr、红谷位置λv、红边面积SDr、蓝边面积SDb、黄边面积SDy、(Rg-Rr)/(Rg+Rr)、Rg/Rr、SDr/SDb、SDr/SDy、(SDr-SDb)、(SDr-SDb)/(SDr+SDb)、(SDr-SDy)/(SDr+SDy)；

所述红边幅值Dr为红光范围680～760nm内一阶导数光谱中的最大值，所述红边位置λr为红边幅值Dr相对应的波长位置，所述蓝边幅值Db为蓝光范围490nm～530nm内一阶导数光谱中的最大值，所述蓝边位置λb为蓝边幅值Db相对应的波长位置，所述黄边幅值Dy为黄光范围560～640nm内一阶导数光谱中的最大值，所述黄边位置λy为黄边幅值Dy相对应的波长位置，所述绿峰幅值Rg为绿光范围510～560nm内的最大波段反射率，所述绿峰位置λg为绿峰幅值Rg相对应的波长位置，所述红谷幅值Rr为红光范围640～680nm内的最小波段反射率，所述红谷位置λv为红谷幅值Rr相对应的波长位置。

进一步地：所述步骤S3中含水率监测模型的综合光谱参量以各生育时段冬小麦冠层含水率与相应的光谱变换形式及“三边”参数相关性显著为标准选取，其中拔节-抽穗期的光谱参量包括：对数的一阶微分、倒数的对数的一阶微分、Rg/Rr、一阶微分、倒数的一阶微分、除以R_450-750、(Rg-Rr)/(Rg+Rr)、倒数、倒数的对数；抽穗-灌浆期的光谱参量包括：除以R₉₃₀、SDr/SDy、(SDr-SDy)/(SDr+SDy)、黄边面积SDy、一阶微分、倒数、倒数的对数、对数、倒数的一阶微分；灌浆-成熟期的光谱参量包括(Rg-Rr)/(Rg+Rr)、Rg/Rr、除以R_450-750、对数的一阶微分、倒数的对数的一阶微分、(SDr-SDb)/(SDr+SDb)、原始反射率、红谷幅值Rr、除以R₉₃₀。

进一步地：所述步骤S3中冠层含水率监测模型为：

上式中，Y为冬小麦冠层含水率/(g.g^-1)，M₁为拔节-抽穗期的第一主成分，M₂为拔节-抽穗期的第二主成分，M₃为拔节-抽穗期的第三主成分，N₁为抽穗-灌浆期的第一主成分，N₂为抽穗-灌浆期的第二主成分，N₃为抽穗-灌浆期的第三主成分，L₁为灌浆-成熟期的第一主成分，L₂为灌浆-成熟期的第二主成分，L₃为灌浆-成熟期的第三主成分；

M₁＝0.3489X₁-0.3489X₂+0.3542X₃+0.029X₄-0.3516X₅

+0.3563X₆+0.3573X₇+0.3546X₈+0.3551X₉

M₂＝-0.0182X₁+0.0182X₂+0.0020X₃+0.9962X₄+0.0717X₅

-0.0120X₆+0.0373X₇-0.0191X₈+0.0178X₉

M₃＝-0.5675X₁+0.5675X₂+0.0519X₃+0.0152X₄-0.4140X₅

+0.1459X₆-0.0337X₇+0.3484X₈+0.1921X₉

上式中，X₁为对数的一阶微分，X₂为倒数的对数的一阶微分，X₃为Rg/Rr，X₄为一阶微分，X₅为倒数的一阶微分，X₆为除以R_450-750，X₇为(Rg-Rr)/(Rg+Rr)，X₈为倒数，X₉为倒数的对数；

N₁＝0.3113Q₁-0.2973Q₂-0.3011Q₃+0.3626Q₄+0.3441Q₅

-0.3544Q₆-0.3531Q₇+0.3531Q₈+0.3149Q₉

N₂＝-0.1811Q₁+0.5257Q₂+0.5275Q₃+0.0676Q₄+0.1590Q₅

-0.3216Q₆-0.3441Q₇+0.3441Q₈-0.2053Q₉

N₃＝0.6511Q₁+0.3235Q₂+0.2660Q₃-0.2341Q₄-0.2332Q₅

+0.0289Q₆+0.0289Q₇-0.0289Q₈+0.5379Q₉

上式中，Q₁为除以R₉₃₀，Q₂为SDr/SDy，Q₃为(SDr-SDy)/(SDr+SDy)，Q₄为黄边面积SDy，Q₅为一阶微分，Q₆为倒数，Q₇为倒数的对数，Q₈为对数，Q₉为倒数的一阶微分；

L₁＝-0.3301Z₁-0.3311Z₂+0.3417Z₃-0.3392Z₄+0.3392Z₅

-0.3351Z₆+0.3197Z₇+0.3202Z₈+0.3428Z₉

L₂＝0.4065Z₁+0.3971Z₂-0.2538Z₃+0.1021Z₄-0.1021Z₅

-0.0844Z₆+0.5348Z₇+0.5232Z₈+0.1602Z₉

L₃＝-0.3082Z₁-0.2994Z₂+0.1956Z₃+0.5979Z₄-0.5979Z₅

+0.0073Z₆+0.1196Z₇+0.1624Z₈+0.1461Z₉

上式中，Z₁为(Rg-Rr)/(Rg+Rr)，Z₂为Rg/Rr，Z₃为除以R_450-750，Z₄为对数的一阶微分，Z₅为倒数的对数的一阶微分，Z₆为(SDr-SDb)/(SDr+SDb)，Z₇为原始反射率，Z₈为红谷幅值Rr，Z₉为除以R₉₃₀。

本发明的有益效果为：本发明根据不同水分处理下各生育期冬小麦冠层光谱反射率与植株冠层含水率数据，光谱信息基础变换与“三边”参数对植株冠层含水率之间相关关系，提出了考虑各生育期特点且具有较高精度的适宜模型组合，并构建了综合光谱信息基础变换与“三边”参数等诸多自变量的植株冠层含水率的主成分估算模型，突破了光谱监测生育时段制约与其他背景噪声的影响，为冬小麦植株水分含量高光谱准确诊断提供理论依据和技术支持。

附图说明

图1为本发明流程图；

图2为不同水分处理下冬小麦植株冠层光谱特征图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

冬小麦供试品种为中麦175，2016-2017年冬小麦播种与收获日期分别为2016年10月6日、2017年6月7日；2017-2018年冬小麦播种与收获日期分别为2017年10月13日、2018年6月6日。选择播前、播种-越冬期、返青-拔节期、拔节-抽穗期、抽穗-灌浆期等5个阶段，分别考虑灌1水、灌2水、灌3水、灌4水与灌5水等，设置5个水分处理，即W1、W2、W3、W4、W5，每处理3次重复，共15个小区，小区面积约为60m²。各处理灌水情况见表1，灌溉水源为地下水，采用水表计量。播前将复合肥(含N量15％、含P2O5量15％、含K2O量15％)作为基肥施入，在返青-拔节期追肥尿素，每次施肥量均为225kg/hm2，各处理施肥水平相同。田间管理，如除草、病虫害防治等农艺措施与当地农民习惯保持一致。

表1冬小麦灌溉制度

如图1所示，一种基于光谱参量的冬小麦冠层含水率监测模型建立方法，包括以下步骤：

S1、测量冬小麦冠层的光谱反射率和含水率；

光谱反射率的测量方法为：在每次监测前采用反射率为1的白板进行校正，将地物光谱仪的探头垂直向下监测15cm冬小麦冠层，选择3处监测点并采用手持式地物光谱仪监测冬小麦植株冠层光谱，将3次检测结果的平均值作为冬小麦冠层的光谱反射率。地物光谱仪选择美国ASD公司生产的Field-Spec HandHeld2型手持式地物光谱仪，该地物光谱仪的有效波段范围是325-1075nm，采样间隔为1nm，分辨率为3nm。

含水率的测量方法为：将测定光谱后的冬小麦植株进行采样，称取其鲜重，放入烘箱在105℃下将冬小麦植株杀青30min，再将烘箱的温度调至75℃，将冬小麦植株烘干至恒重，并称其干重，即可计算得到冬小麦植株的含水率；

冬小麦植株含水率的计算公式为：

ω＝(M₁-M₂)/M₁

上式中，ω为含水率，M₁为鲜重，M₂为恒重。

S2、通过光谱反射率构建光谱参量；

所述光谱参量包括光谱变换形式和“三边”参数；

所述步骤S2中光谱变换形式为对光谱反射率进行变换，包括除以R_450-750、除以R₉₃₀、倒数、倒数的对数、倒数的对数的一阶微分、倒数的一阶微分、对数、对数的一阶微分、吸收深度670nm和一阶微分，如表2所示；

所述R_450-750为450nm-750nm波段反射率的平均值，所述R₉₃₀为930nm波段的反射率值，所述吸收深度670nm的计算公式为：

上式中，A₅₆₀为吸收特征起始点560nm处的光谱反射率，B₆₇₀为吸收特征中心点670nm处的光谱反射率，C₇₆₀为吸收特征结束点760nm处的光谱反射率；

表2 11种光谱变换形式计算公式

所述“三边”参数包括红边幅值Dr、红边位置λr、蓝边幅值Db、蓝边位置λb、黄边幅值Dy、黄边位置λy、绿峰幅值Rg、绿峰位置λg、红谷幅值Rr、红谷位置λv、红边面积SDr、蓝边面积SDb、黄边面积SDy、(Rg-Rr)/(Rg+Rr)、Rg/Rr、SDr/SDb、SDr/SDy、(SDr-SDb)、(SDr-SDb)/(SDr+SDb)、(SDr-SDy)/(SDr+SDy)，如表3所示；

所述红边幅值Dr为红光范围680～760nm内一阶导数光谱中的最大值，所述红边位置λr为红边幅值Dr相对应的波长位置，所述蓝边幅值Db为蓝光范围490nm～530nm内一阶导数光谱中的最大值，所述蓝边位置λb为蓝边幅值Db相对应的波长位置，所述黄边幅值Dy为黄光范围560～640nm内一阶导数光谱中的最大值，所述黄边位置λy为黄边幅值Dy相对应的波长位置，所述绿峰幅值Rg为绿光范围510～560nm内的最大波段反射率，所述绿峰位置λg为绿峰幅值Rg相对应的波长位置，所述红谷幅值Rr为红光范围640～680nm内的最小波段反射率，所述红谷位置λv为红谷幅值Rr相对应的波长位置。

表3本文采用的光谱特征参量

不同水分处理下冬小麦植株冠层含水率见表4、表5，随着冬小麦生育期的推进，植株含水率总体呈减少趋势，其中2016-2017年由拔节-抽穗0.762降至灌浆-成熟期0.528，降幅达到44.3％；2017-2018年由拔节-抽穗期0.744降至灌浆-成熟期0.553，降幅达到34.5％。不同水分处理下，随着灌溉量增加，冬小麦植株冠层含水率也呈增加趋势。为了保证小麦出苗有足够底墒，确保苗壮苗齐，各水分处理都考虑了播前灌，加之播前灌后至拔节期前气温低，作物腾发量小，导致在拔节-抽穗期各处理差异不显著；在抽穗-灌浆期，2016-2017年W1处理与其他处理间的植株冠层含水率差异达显著水平，而2017-2018年处理间差异不显著；在灌浆-成熟期，2016-2017年W1处理与其他处理间的植株冠层含水率差异达显著水平，而2017-2018年二者间达极显著水平。不同年份各生育阶段植株冠层含水率差异，除由灌溉量差异造成之外，同时也受制于冬小麦生育期内降水及其他气象因子不同。

表4 2016-2017年不同水分处理下冬小麦植株冠层含水率

表5 2017-2018年不同水分处理下冬小麦植株冠层含水率

不同水分处理下冬小麦植株冠层光谱特征见图2，各年不同生育期植株冠层光谱特征变化规律基本一致，即在可见光波段光谱反射率较低，在近红外波段光谱反射率较高；在蓝紫光波段(350nm-500nm)和红光波段(650nm-710nm)存在两个明显的吸收谷，而在绿光波段(500-600nm)形成明显的反射峰，主要原因是由于作物光合作用下叶绿素对红光、蓝光的吸收能力较强，而对绿光的吸收较弱；在690nm后，光谱反射率急剧上升，形成一个高反射平台，即在690-740nm出现所谓“红边现象”。随着生育期推进，特别是在近红外波段(760-1075nm)，植株冠层光谱反射率呈显著降低的趋势，主要是由于不同生育期叶片组织结构变化造成的。植株冠层光谱特征因生育期而不同，采用全生育期光谱监测数据建立光谱估算模型，能否满足对各个生育期监测精度要求亟待进一步验证，否则利用该模型进行特定生育时段光谱监测难以达到预期效果。在可见光波段范围内，随着灌溉量增加，冬小麦植株冠层反射率呈降低趋势，特别是在灌浆-成熟期各处理之间光谱反射差异达极显著水平；而在近红外波段范围内，随着灌溉量增加，冬小麦植株冠层反射率呈增加趋势，并且在各个生育时段不同水分处理间植株冠层光谱反射率差异均达极显著水平。可见，不同水分处理各生育时段光谱反射率存在显著差异，而与之相应的植株冠层含水率存在类似的变化规律，间接证实了采用光谱反射数据构建冬小麦植株冠层含水率估算模型可行性。

对冬小麦各生育期光谱变换形式与冠层含水率进行相关性分析，选择各生育期相关性最大的光谱变换形式及其敏感波段，并通过其构建各生育期不同光谱变换形式下的回归模型1；选择全生育期相关性最大的光谱变换形式及其敏感波段，并通过其构建全生育期的回归监测模型2；

所述相关性的计算公式为：

上式中，r为相关性，x_i与y_i为实测值，与为实测平均值。

以相关系数高为原则，获得不同光谱变换形式下敏感波段及其相应的相关系数见表6，在拔节-抽穗期，除吸收深度670nm对应的相关性达显著水平外，其它变换形式下敏感波段对应的相关性均达到极显著水平；在抽穗-灌浆期，除吸收深度670nm对应的相关性未达显著水平外，其它变换形式下敏感波段对应的相关性均达到极显著水平；在灌浆-成熟期，不同光谱变换形式下敏感波段的相关系数的绝对值均大于0.615，且达到极显著水平。与其他生育期相比，拔节-抽穗期相关性较低，主要原因是该生育期不同水分处理下冬小麦植株冠层含水率差异不显著。以相关系数绝对值由高到低排序获得特定生育期排序前3的变换形式，其中拔节-抽穗期为倒数的对数一阶微分、对数的一阶微分以及一阶微分，其对应的敏感波段分别为697nm、697nm、639nm，其相关系数绝对值分别0.574、0.574、0.539；抽穗-灌浆期为除以R930、一阶微分以及倒数，其对应的敏感波段分别为756nm、703nm、743nm，其相关系数绝对值分别为0.785、0.666、0.647；灌浆-成熟期为除以R450-750、对数的一阶微分以及倒数的对数一阶微分，其对应的敏感波段分别为690nm、707nm、707nm，其相关系数绝对值分别为0.786、0.747、0.747。综上可看出，不同生育期与冬小麦植株冠层含水率相关系数较高的光谱变换及相应敏感波段各异，所以采用光谱变换构建冬小麦植株冠层含水率模型需兼顾不同生育期各光谱变换形式下敏感波段及其相关性状况，才能确保模拟结果更合理。

表6冬小麦不同生育期不同光谱变换形式与植株含水率的相关系数

以相关系数最高为原则，获得不同“三边”参数与冬小麦冠层植株含水率的相应的相关系数见表7，在特定生育期不同“三边”参数对应的显著相关性差异较大，其中在拔节-抽穗期，绿峰幅值、红谷幅值、(Rg-Rr)/(Rg+Rr)及Rg/Rr达到极显著相关，蓝边幅值、蓝边面积、SDr/SDb及(SDr-SDb)/(SDr+SDb)仅达显著水平，而其它“三边”参数均未达显著水平；在抽穗-灌浆期，红边幅值、蓝边幅值、绿峰幅值、红边面积、黄边面积、蓝边面积、(Rg-Rr)/(Rg+Rr)、Rg/Rr、(SDr-SDb)、SDr/SDy及(SDr-SDy)/(SDr+SDy)对应的相关性均达到极显著相关水平，黄边幅值对应的相关性仅达到显著水平，而红边位置、蓝边位置、及黄边位置等8个“三边”参数对应的相关性均未达到显著水平；在灌浆-成熟期，红边幅值、红边位置、蓝边幅值、蓝边位置及黄边位置对应的相关性未达显著水平，SDr/SDy仅达显著水平，黄边幅值、绿峰幅值及绿峰位置等14个“三边”参数均达到极显著水平。针对不同生育期，以相关系数绝对值由高到低排序获得各生育期排序前3的“三边”参数，其中拔节-抽穗期为Rg/Rr、(Rg-Rr)/(Rg+Rr)及红谷幅值，其相关系数绝对值分别为0.552、0.519、0.485；抽穗-灌浆期为(SDr-SDb)、(SDr-SDy)/(SDr+SDy)及黄边面积，其相关系数绝对值分别为0.736、0.731、0.697；灌浆-成熟期为(Rg-Rr)/(Rg+Rr)、Rg/Rr及(SDr-SDb)/(SDr+SDb)，其相关系数绝对值分别为0.798、0.796、0.724。综上可看出，不同生育期与冬小麦植株冠层含水率相关系数较高的“三边”参数并不相同，为确保估算结果精确且合理，因此采用“三边”参数构建冬小麦植株冠层含水率模型时应兼顾其生育期内相关性差异变化特征。

表7冬小麦不同生育期“三边”参数与植株含水率的相关系数

S3、对冬小麦冠层含水率与光谱变换形式和“三边”参数进行相关性分析，选择各生育期相关性显著的光谱参量，对其进行主成分分析，通过主成分分析结果分别构建各生育时段综合光谱参量的含水率监测模型，将各生育时段综合光谱参量的含水率监测模型组合作为全生育期综合光谱参量的冠层含水率监测模型；

所述生育期包括拔节-抽穗期、抽穗-灌浆期和灌浆-成熟期。

所述步骤S3中含水率监测模型的综合光谱参量以各生育时段冬小麦冠层含水率与相应的光谱变换形式及“三边”参数相关性显著为标准选取，其中拔节-抽穗期的光谱参量包括：对数的一阶微分、倒数的对数的一阶微分、Rg/Rr、一阶微分、倒数的一阶微分、除以R_450-750、(Rg-Rr)/(Rg+Rr)、倒数、倒数的对数；抽穗-灌浆期的光谱参量包括：除以R₉₃₀、SDr/SDy、(SDr-SDy)/(SDr+SDy)、黄边面积SDy、一阶微分、倒数、倒数的对数、对数、倒数的一阶微分；灌浆-成熟期的光谱参量包括(Rg-Rr)/(Rg+Rr)、Rg/Rr、除以R_450-750、对数的一阶微分、倒数的对数的一阶微分、(SDr-SDb)/(SDr+SDb)、原始反射率、红谷幅值Rr、除以R₉₃₀。

根据各生育时段关键参量的相关系数，如表8-表10所示，在拔节-抽穗期，除一阶微分与其他参数之间的相关系数较小，未达显著水平以外，其他各参数之间相关系数的绝对值均大于0.877，且均达极显著水平；在抽穗-灌浆期，各关键参数之间的相关系数绝对值均大于0.503，且相关性全部达极显著水平；在灌浆-成熟期，各关键参数之间的相关系数绝对值均大于0.746，且相关性全部达极显著水平，,因此表明各关键光谱参量之间存在多重共线性，所以采用选取关键参量进行多元回归方式建立模型，由于各关键因素间存在信息重叠问题，则会降低多元线性回归估算模型的预测精度。

表8拔节-抽穗期光谱参量间的相关系数

表9抽穗-灌浆期光谱参量间的相关系数

表10灌浆-成熟期光谱参量间的相关系数

主成分分析可以消除自变量之间存在的共线性以提高模型的预测精度。本发明针对冬小麦各生育时段筛选确定关键光谱参量进行主成分分析，固定每个关键生育期的主成分因子数为3个，其中拔节-抽穗期、抽穗-灌浆期和灌浆-成熟期的累积贡献率分别为97.6％、94.7％、97.8％，表明各生育时段确定主成分能代表94％以上综合光谱参量信息。以此为基础建立了冬小麦全生育期综合光谱参量的冠层含水率监测模型为：

上式中，Y为冬小麦冠层含水率/(g.g^-1)，M₁为拔节-抽穗期的第一主成分，M₂为拔节-抽穗期的第二主成分，M₃为拔节-抽穗期的第三主成分，N₁为抽穗-灌浆期的第一主成分，N₂为抽穗-灌浆期的第二主成分，N₃为抽穗-灌浆期的第三主成分，L₁为灌浆-成熟期的第一主成分，L₂为灌浆-成熟期的第二主成分，L₃为灌浆-成熟期的第三主成分；

M₁＝0.3489X₁-0.3489X₂+0.3542X₃+0.029X₄-0.3516X₅

+0.3563X₆+0.3573X₇+0.3546X₈+0.3551X₉

M₂＝-0.0182X₁+0.0182X₂+0.0020X₃+0.9962X₄+0.0717X₅

-0.0120X₆+0.0373X₇-0.0191X₈+0.0178X₉

M₃＝-0.5675X₁+0.5675X₂+0.0519X₃+0.0152X₄-0.4140X₅

+0.1459X₆-0.0337X₇+0.3484X₈+0.1921X₉

上式中，X₁为对数的一阶微分，X₂为倒数的对数的一阶微分，X₃为Rg/Rr，X₄为一阶微分，X₅为倒数的一阶微分，X₆为除以R_450-750，X₇为(Rg-Rr)/(Rg+Rr)，X₈为倒数，X₉为倒数的对数；

N₁＝0.3113Q₁-0.2973Q₂-0.3011Q₃+0.3626Q₄+0.3441Q₅

-0.3544Q₆-0.3531Q₇+0.3531Q₈+0.3149Q₉

N₂＝-0.1811Q₁+0.5257Q₂+0.5275Q₃+0.0676Q₄+0.1590Q₅

-0.3216Q₆-0.3441Q₇+0.3441Q₈-0.2053Q₉

N₃＝0.6511Q₁+0.3235Q₂+0.2660Q₃-0.2341Q₄-0.2332Q₅

+0.0289Q₆+0.0289Q₇-0.0289Q₈+0.5379Q₉

上式中，Q₁为除以R₉₃₀，Q₂为SDr/SDy，Q₃为(SDr-SDy)/(SDr+SDy)，Q₄为黄边面积SDy，Q₅为一阶微分，Q₆为倒数，Q₇为倒数的对数，Q₈为对数，Q₉为倒数的一阶微分；

L₁＝-0.3301Z₁-0.3311Z₂+0.3417Z₃-0.3392Z₄+0.3392Z₅

-0.3351Z₆+0.3197Z₇+0.3202Z₈+0.3428Z₉

L₂＝0.4065Z₁+0.3971Z₂-0.2538Z₃+0.1021Z₄-0.1021Z₅

-0.0844Z₆+0.5348Z₇+0.5232Z₈+0.1602Z₉

L₃＝-0.3082Z₁-0.2994Z₂+0.1956Z₃+0.5979Z₄-0.5979Z₅

+0.0073Z₆+0.1196Z₇+0.1624Z₈+0.1461Z₉

上式中，Z₁为(Rg-Rr)/(Rg+Rr)，Z₂为Rg/Rr，Z₃为除以R_450-750，Z₄为对数的一阶微分，Z₅为倒数的对数的一阶微分，Z₆为(SDr-SDb)/(SDr+SDb)，Z₇为原始反射率，Z₈为红谷幅值Rr，Z₉为除以R₉₃₀。

评价指标包括决定系数、均方根误差和平均绝对误差；

所述决定系数R²的计算公式为：

所述均方根误差RMSE的计算公式为：

所述平均绝对误差MAE的计算公式为：

上式中，y_i为实测值，y′_i为预测值，为实测平均值，n为样本数。

以决定系数R²、均方根误差RMSE和平均绝对误差MAE为评价指标对冬小麦冠层含水率监测模型进行综合评定，如表11所示。结果表明，在拔节-抽穗期的R²为0.564，RMSE为0.015，MAE为0.012；在抽穗-灌浆期的R²为0.657，RMSE为0.036，MAE为0.029；在灌浆-成熟期的R²为0.640，RMSE为0.034，MAE为0.029。由此可见，构建的冬小麦全生育期综合光谱参量的冠层含水率监测模型在冬小麦各个生育时段含水率监测的决定系数R²大于0.564，均方根误差RMSE小于0.036，平均绝对误差MAE小于0.029，所以采用本发明构建全生育期综合光谱参量的冠层含水率监测模型在全生育与各生育时段都具有较高的估算精度，能够为冬小麦冠层含水率的监测、诊断以及灌溉调控提供依据。

表11模型评价指数