引言

葡萄是全球栽植面積最大，產(chǎn)量最高的果樹之一。中國葡萄栽培規(guī)?；蜆?biāo)準(zhǔn)化栽培水平不斷提升，監(jiān)測葡萄園的整體生長情況對種植地塊的選擇與調(diào)整、栽培方案的制定和定產(chǎn)等都具有重要的意義，是葡萄園標(biāo)準(zhǔn)化、精準(zhǔn)化管理的基礎(chǔ)。通常采用普查或抽查等傳統(tǒng)方法對果園長勢進行檢測，但費時費力，無法達到快速、及時、精確的監(jiān)測。

許多老齡化葡萄園常出現(xiàn)大量缺株、斷壟等問題，對產(chǎn)量和質(zhì)量均有直接影響，造成經(jīng)濟損失。中國大陸為季風(fēng)氣候，北方葡萄園常受到春季晚霜危害，造成局部或大面積新梢與葉片受損，需要快速準(zhǔn)確的方法對受損與恢復(fù)情況進行評估。對釀酒葡萄來說，開展與風(fēng)土相關(guān)的葡萄生長狀態(tài)研究，對優(yōu)化品種的適地適栽，地塊精準(zhǔn)產(chǎn)量控制都具有重要的意義。迅速發(fā)展的遙感技術(shù)可提供對地宏觀、動態(tài)、快速的觀測。大田作物遙感監(jiān)測多使用衛(wèi)星遙感數(shù)據(jù)，借助光譜植被指數(shù)等對作物長勢進行定性和定量分析。

歸一化植被指數(shù)（NDVI）常用于遙感監(jiān)測地面植物生長和分布，1974 年被首次提出，主要是利用土壤和植被在紅光波段以及近紅外光波段反射波譜的差異進行評估，NDVI不僅能有效區(qū)分草原、森林、非林地和農(nóng)田，而且能大范圍評估各種植被屬性，例如葉面積指數(shù)（LAI）、植被覆蓋度和植物長勢。目前大范圍的遙感數(shù)據(jù)在應(yīng)用中存在許多問題，例如衛(wèi)星遙感數(shù)據(jù)會受到光照和大氣的影響，無法快速、實時地獲取監(jiān)測區(qū)域的作物信息；相對而言其更適合大田作物的宏觀判斷，對常規(guī)果園中等規(guī)模的空間尺度，特別是具體果樹單株的情況很難判斷。?

隨著中國無人機產(chǎn)業(yè)的發(fā)展，其在植保作業(yè)、林業(yè)監(jiān)測、作物授粉等方面的應(yīng)用日益廣泛。農(nóng)用植保無人機的效率是常規(guī)噴灑的數(shù)十倍，無人機輔助授粉進行雜交稻制種顯著降低了勞動強度，提高了制種效率。近年來，迅速發(fā)展的無人機技術(shù)與光譜技術(shù)相結(jié)合，為宏觀、動態(tài)、快速地監(jiān)測果園的生長動態(tài)提供了可能。農(nóng)用無人機飛行高度低，通常在50~100 m，無需大氣校正，飛行控制系統(tǒng)較為簡單，測控空間與果園規(guī)模匹配。探索基于無人機配備多光譜相機獲得的 NDVI在葡萄長勢監(jiān)測和缺株定位中的應(yīng)用，對支持精準(zhǔn)化、數(shù)字化果園栽培，提高果樹生產(chǎn)效率具有重要意義。

一、材料與方法

1.1??試驗葡萄園概況

試驗區(qū)域位于河北懷來紫晶葡萄莊園（40°23′S，115°33′W），土壤類型以淡灰鈣土、風(fēng)沙土為主。葡萄種植面積約18 hm2，園區(qū)坡度1%~3%。該測飛區(qū)包括7個地塊（1~7號），分別種植4個品種，南北方向種植。栽培品種有赤霞珠、馬瑟蘭、品麗珠、霞多麗。栽植密度3,140株·hm-2（株行距1.2m×2.65m），采用“廠”形樹形，籬架高1.8m，灌溉統(tǒng)一管理。

1.2??圖像采集和植被指數(shù)映射

利用大疆M600 Pro六旋翼無人機搭載 iSpecHyper-VM100無人機高光譜成像系統(tǒng)，采集物體對6種不同波段光譜的反射。高光譜相機波段范圍為藍(lán)光（450nm）、綠光（535nm）、紅光（660nm）、紅邊（710nm）、近紅外（840nm和940nm）。?

地面空間分辨率（GSD）設(shè)定為5cm，使用SpecAnalysis軟件處理獲得的圖像，生成地理參照和正位矯正馬賽克。從生成的拼接圖中提取紅光（R，600~700nm）和近紅外（NIR，700~900nm）區(qū)域的光譜數(shù)據(jù)，計算植被綠度的NDVI值。NDVI=（NIR–R）/（NIR+R），NIR為近紅外波段反射率，R為紅光波段反射率。

按照 Primicerio 等的算法，對NDVI圖進行處理，去除行間覆蓋作物產(chǎn)生的反射率。每次飛行中捕捉到的5cm分辨率的圖像被切割成覆蓋葡萄園大小的光柵。

參考遙感生態(tài)指數(shù)，利用NDVI作為評價依據(jù)，對葡萄長勢進行分級，NDVI 的取值在0~1，NDVI值越大代表葡萄長勢越茂盛。參考《生態(tài)環(huán)境狀況評價技術(shù)規(guī)范》將葡萄長勢分為4個等級：較差（0~0.25）、一般（0.25~0.50）、良好（0.50~0.75）、優(yōu)良（0.75~1.00）。

1.3??基于 NDVI 圖像的葡萄缺株定位

為便于圖像處理和提取像素點數(shù)據(jù)進行分析，將葡萄園NDVI圖像由RGB格式轉(zhuǎn)換為由色調(diào)（hue）、飽和度（saturation）和明度（value）表示的HSV格式。通過設(shè)定這3 個維度通道的閾值，保留圖像中有效植被信息，并轉(zhuǎn)換為二進制圖像，其中僅白色像素點表示葡萄葉片的位置?；谄咸阎鹦蟹N植特征，在圖像坐標(biāo)系中，直線掃描整個圖像，自動辨識出葉片的位置，聚類出葡萄行。以葡萄行內(nèi)架桿為間隔構(gòu)建行內(nèi)單元，計算行內(nèi)單元中葡萄葉片像素和整行葉片像素的比值，得到數(shù)值[0，1]的葡萄行連續(xù)性指標(biāo)，根據(jù)生產(chǎn)經(jīng)驗規(guī)定架桿單元內(nèi)連續(xù)性小于0.600為缺株。

二、結(jié)果與分析

2.1?不同葡萄品種植被綠度的歸一化植被指數(shù)（NDVI）

通過拍攝的5,022張多光譜照片合成獲得試驗測飛區(qū)整體照片（圖 1）。

圖 1? 2019 年無人機多光譜成像合成的測飛區(qū)地圖?

NDVI 最小值、最大值和平均值可以反映各品種葡萄葉幕分布的均勻度與整體生長水平。從最小值來看，1號地塊（赤霞珠）NDVI最小值為0.351（表 1），在所有地塊中最低，表明存在葉幕最稀疏的位置，這與圖1多光譜成像照片中1號地塊左上角存在一片顯著的植被稀疏區(qū)域一致；3號地塊（品麗珠）NDVI最小值為0.564，在所有地塊中最高，說明該地塊葡萄生長情況較好，行內(nèi)很少有裸露地面。從最大值來看2號地塊（馬瑟蘭）NDVI最大值為0.993，在整個測飛區(qū)中最大，說明該地塊葉幕最為茂盛的區(qū)域。從平均值來看，2號和4號馬瑟蘭兩個地塊的 NDVI 平均值均較高，其次是1號和5號赤霞珠，再后是6號品麗珠、7號霞多麗，反映了在同一個葡萄園中馬瑟蘭和赤?霞珠的生長與葉幕飽和度高于品麗珠和霞多麗，這與田間觀察到的品種特性一致。從標(biāo)準(zhǔn)差來看，品麗珠兩個地塊的NDVI標(biāo)準(zhǔn)差最小，說明其生長均一度最高，其他地塊的品種的NDVI標(biāo)準(zhǔn)差都在0.1左右，說明該葡萄園管理整體優(yōu)良，葡萄行內(nèi)的生長均一度較高。

表 1? 無人機測飛地塊遙感數(shù)據(jù) NDVI?

2.2?NDVI 評估早霜危害

夜間出現(xiàn)較強的早霜危害，為利用無人機高光譜遙感評估葡萄園凍害提供了良好契機。從表2可以看出：早霜危害后各地塊NDVI 最小值都降到0.1以下，與上次相比最大值下降0.12~0.26，平均值下降0.177~0.344，標(biāo)準(zhǔn)差上升，說明各地塊均出現(xiàn)了葉幕嚴(yán)重受損的區(qū)域。從最能直觀反應(yīng)葡萄葉幕變化的NDVI平均值變化來看，6號地品麗珠的葉片受損情況最重，3號地品麗珠的葉片受損最輕。

表2 早霜危害后測飛地塊遙感數(shù)據(jù)NDVI

2.3?葡萄種植區(qū)地塊生長情況分級

以測飛區(qū)種植面積最大的赤霞珠地塊為例，在無人機多光譜成像合成的測飛區(qū)地圖上，將赤霞珠1號地塊和5號地塊分別進行橫向3分、縱向2分，劃分為12個小地塊，其中1號地塊從左到右、從上到下分別標(biāo)記為CS2008-1-1~CS2008-1-6，5號地塊從左到右從上到下分別標(biāo)記為CS2008-5-1~CS2008-5-6，對地塊內(nèi)的NDVI?數(shù)據(jù)進行統(tǒng)計。表3表明，在12個子區(qū)中，NDVI 均值最大為0.762，最小為0.492，其中大于0.75的地塊有2個，低于0.7 的地塊有4個，說明同年栽培、地塊緊鄰、管理方案一致的小地塊的平均葉幕指數(shù)存在明顯不同，植株長勢存在不同。NDVI的方差除CS2008-5-1和CS2008-5-2較高外，其他均低于0.1，說明同年栽培、地塊緊鄰、管理方案一致的小地塊的平均葉幕指數(shù)存在明顯不同，植株長勢存在不同。在實踐中可以通過控制NDVI 方差，對地塊進行劃分，作為風(fēng)土劃分的依據(jù)之一。

表3 赤霞珠種植區(qū)CS-2008-1和CS-2008-5內(nèi)6個子區(qū)的NDVI和葡萄長勢評估

2.4?缺株定位??

選取赤霞珠種植區(qū)CS2008-1-1，將圖像色彩從RGB 轉(zhuǎn)換到HSV空間，進而轉(zhuǎn)換為二進制圖像，其中白色像素點表示植被位置（圖2，A）。通過機器識別，自動勾畫出每行的葉幕寬度，標(biāo)記出缺株的位置（圖2，B）。

圖2 葡萄行的缺株定位

基于對葡萄行HSV圖像的自動識別，可計算出各葡萄行中葉片所占面積與整行面積的比值，得到介于[0，1]之間的葡萄行連續(xù)性指標(biāo)。對成齡葡萄園以連續(xù)性指標(biāo)低于0.600作為判別缺株的閾值。在CS2008-1-1 地塊的80行葡萄中，68行的連續(xù)性指標(biāo)高于0.7，表明這些葡萄行內(nèi)葉幕連續(xù)性良好；12行低于0.6，存在缺株；其他10行為長勢一般（表4）。

表4 地塊中80 行葡萄的NDVI 連續(xù)性指標(biāo)

三、討論

近年來國產(chǎn)葡萄酒產(chǎn)業(yè)進步顯著，對品質(zhì)的追求成為精品酒莊的核心理念，對葡萄園精準(zhǔn)栽培、風(fēng)土與地塊科學(xué)劃分的需求強烈。新農(nóng)科與新栽培學(xué)理念也強調(diào)積極融合各種新技術(shù)手段，更好地服務(wù)產(chǎn)業(yè)。本研究中采用無人機和高光譜遙感兩項技術(shù)與果樹學(xué)研究相結(jié)合，對促進葡萄產(chǎn)業(yè)發(fā)展具有重要意義。

受環(huán)境條件等影響，沒有兩張遙感圖像是完全相同的，NDVI數(shù)據(jù)也是如此。與可以用參考數(shù)據(jù)評估的土地使用分類不同，特定的NDVI值并沒有唯一的解釋，目前尚沒有正反參考數(shù)據(jù)可以用來以常規(guī)精度評估驗證NDVI數(shù)據(jù)。在本研究中參考RSEI評估長勢，在實際操作中，可結(jié)合具體研究目的、葡萄園具體情況和栽培經(jīng)驗，對NDVI范圍與閾值設(shè)定進行精細(xì)調(diào)整。此外，葡萄葉幕隨生長期會發(fā)生變化，可以在1年內(nèi)多次測飛，收集NDVI年度變化數(shù)據(jù)，為評估年份差異、物候期早晚等提供參考。

本研究中對同一葡萄品種的種植區(qū)采用了直線等分，比較地塊間和不同行NDVI數(shù)據(jù)的最小值、最大值、平均值和標(biāo)準(zhǔn)誤。在更精細(xì)的風(fēng)土研究中，可以對NDVI平均值和標(biāo)準(zhǔn)誤進行設(shè)置，通過自動化的數(shù)據(jù)運行，對地塊進行非等面積和非直線劃分，標(biāo)出某一種植區(qū)或種植行內(nèi)葡萄生長表現(xiàn)不同的地塊或區(qū)段。由于風(fēng)土的復(fù)雜性，除使用NDVI作為植被健康和生長的直接指標(biāo)。

還應(yīng)結(jié)合栽培、土壤、氣象等數(shù)據(jù)作為葡萄園風(fēng)土細(xì)分的參考。利用NDVI數(shù)據(jù)對霜凍、干旱和病蟲等危害進行評估已經(jīng)成為可能和必然的發(fā)展趨勢。中國地處大陸季風(fēng)氣候區(qū)，北方的葡萄園秋季容易遭受早霜的危害，而春季容易遭受晚霜的危害，嚴(yán)重的晚霜危害會造成葡萄園的嚴(yán)重減產(chǎn)，霜凍后對受害程度進行快速準(zhǔn)確的評估是制定補救措施、了解措施效果和保險理賠等的迫切需要。本試驗中發(fā)現(xiàn)在早霜危害后48h 內(nèi)NDVI數(shù)據(jù)與前一年的同期相比已出現(xiàn)了非常顯著下降，說明可以利用無人機高光譜遙感評估葡萄園霜凍危害后的受損情況。今后如再遇上此類危害或病蟲害的發(fā)生，可進一步驗證評估結(jié)果。

綜上所述，利用無人機獲得高光譜遙感數(shù)據(jù)對研究葡萄園的葉幕特點，合理劃分種植地塊，進行評估生物和非生物脅迫受損情況，以及判斷缺株斷壟等都具有良好的應(yīng)用前景。

審核編輯：符乾江