摘要：近年來(lái)，隨著信息技術(shù)的迅猛發(fā)展，高光譜遙感作為一種快速監(jiān)測(cè)手段已經(jīng)被廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)中，利用高光譜遙感技術(shù)對(duì)農(nóng)作物進(jìn)行分類是一種無(wú)損、快速的技術(shù)手段。研究利用FieldSpec HandHeld 2TM手持式野外光譜輻射儀實(shí)地采集了大田油菜（Brassica napus L.）的苗期、抽薹期、花期樣本光譜反射率數(shù)據(jù)；通過(guò)引入內(nèi)聚系數(shù)來(lái)控制波段聚合性，利用特征波長(zhǎng)指數(shù)來(lái)尋找識(shí)別特征波段，使用主成分分析法降維后用馬氏距離的方法建立了識(shí)別模型。結(jié)果表明，不同品種油菜的光譜反射率樣本存在差異，利用光譜數(shù)據(jù)識(shí)別區(qū)分不同品種油菜的適宜期為抽薹期，模型識(shí)別精度均達(dá)到了75%以上。表明高光譜遙感技術(shù)在不同品種油菜的識(shí)別上具有一定的應(yīng)用優(yōu)勢(shì)。

關(guān)鍵詞：油菜（Brassica napus L.）；高光譜遙感；內(nèi)聚系數(shù)；特征波長(zhǎng)指數(shù)

中圖分類號(hào)：S127；S634.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）23-5866-05

遙感是20世紀(jì)60年代發(fā)展起來(lái)的對(duì)地觀測(cè)綜合性技術(shù)，這種技術(shù)可以從遠(yuǎn)處把探測(cè)目標(biāo)的電磁波特性記錄下來(lái)，通過(guò)分析揭示出物體的特征性質(zhì)及其變化[1]。任何物質(zhì)都會(huì)反射、吸收、透射和輻射電磁波，且不同的物體對(duì)不同波長(zhǎng)的電磁波的吸收、反射或輻射特性是不同的，物質(zhì)的這種對(duì)電磁波固有的特性叫光譜特性，因此，利用高光譜遙感技術(shù)獲得并分析物質(zhì)的光譜曲線是識(shí)別物質(zhì)的有效手段[2]。將遙感技術(shù)應(yīng)用到農(nóng)業(yè)上是當(dāng)前農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)化的發(fā)展前沿，也是科技農(nóng)業(yè)發(fā)展的趨勢(shì)[3]。

在農(nóng)業(yè)生產(chǎn)中，同種作物的不同品種之間往往具有相似而略有差異的光譜特征，通過(guò)其光譜特征對(duì)農(nóng)作物進(jìn)行識(shí)別分類是一種新的有效方法。國(guó)內(nèi)外學(xué)者利用衛(wèi)星遙感影像在小麥、玉米、水稻、棉花和油菜等作物的識(shí)別方面進(jìn)行了有益的探索[4-9]。油菜（Brassica napus L.）屬十字花科蕓薹屬植物，其作為產(chǎn)油效率較高的油料作物之一，在中國(guó)食用油供給中占有重要地位[10，11]。油菜在中國(guó)的生產(chǎn)方式主要是以農(nóng)戶模式為主，隨意性較強(qiáng)，優(yōu)質(zhì)油菜推廣面積有限，利用高光譜遙感技術(shù)對(duì)油菜品種進(jìn)行快速無(wú)損的識(shí)別檢測(cè)，對(duì)于油菜主產(chǎn)區(qū)的種植監(jiān)管有著積極的意義。為此，使用ASD FieldSpec HandHeld 2TM手持式野外光譜輻射儀針對(duì)3個(gè)不同品種油菜實(shí)地采集了多個(gè)時(shí)相的油菜冠層光譜數(shù)據(jù)，通過(guò)內(nèi)聚系數(shù)和特征波長(zhǎng)指數(shù)分析，篩選出適宜高光譜遙感識(shí)別不同品種油菜的生育時(shí)期，建立了不同品種油菜冠層光譜特征的識(shí)別模型，為今后建立油菜品種光譜數(shù)據(jù)庫(kù)以實(shí)現(xiàn)不同類型油菜識(shí)別，從而對(duì)田間油菜種植品種的監(jiān)測(cè)及油菜種植區(qū)域的監(jiān)控提供了可能的技術(shù)手段。

1 材料與方法

1.1 田間試驗(yàn)

試驗(yàn)在湖北省孝感市中國(guó)農(nóng)業(yè)科學(xué)院油料作物研究所漢川試驗(yàn)基地進(jìn)行，該基地位于亞熱帶季風(fēng)氣候區(qū)，氣候適宜，適合油菜的生長(zhǎng)。根據(jù)油菜的生長(zhǎng)特性，試驗(yàn)時(shí)間選擇在2011年10月至2012年4月。試驗(yàn)材料有中雙9號(hào)、湘油15號(hào)和滬油15號(hào)，均為中國(guó)農(nóng)業(yè)科學(xué)院油料作物研究所提供的甘藍(lán)型半冬性常規(guī)油菜品種。每個(gè)品種4次重復(fù)，每個(gè)重復(fù)為16 m2（2 m×8 m）的小區(qū)，田塊周圍布置有保護(hù)行以防止邊界效應(yīng)。常規(guī)田間管理，保證各田塊水分、溫度、肥力等條件相同。

1.2 光譜數(shù)據(jù)采集

光譜數(shù)據(jù)測(cè)量采用美國(guó)ASD公司生產(chǎn)的FieldSpec HandHeld 2TM手持式野外光譜輻射儀，該設(shè)備可在325～1 075 nm波長(zhǎng)范圍內(nèi)進(jìn)行連續(xù)的光譜測(cè)量，光譜分辨率<3.0 nm@700 nm，波長(zhǎng)精度

±1 nm，視場(chǎng)角25°，共751個(gè)波段。

測(cè)定時(shí)間選擇在10：00～14：00，太陽(yáng)高度角大于45°，且當(dāng)時(shí)天氣晴朗，無(wú)云，風(fēng)速小于3 m/s， 能見度、太陽(yáng)光光照條件良好。在自然光照條件下進(jìn)行光譜測(cè)量時(shí)，將儀器垂直于待測(cè)植株之上，并保證25°視場(chǎng)角內(nèi)覆蓋整個(gè)植株，每隔5 min左右對(duì)儀器做一次優(yōu)化并做參考板（標(biāo)準(zhǔn)白板）校正。根據(jù)油菜的生長(zhǎng)周期以及天氣情況，分別對(duì)苗期（2011年12月28日）、抽薹期（2012年2月18日）、開花期（2012年3月26日）油菜進(jìn)行了多次田間光譜數(shù)據(jù)采集。每個(gè)田塊選擇5個(gè)點(diǎn)，每個(gè)點(diǎn)分別采集5條光譜反射率數(shù)據(jù)。

1.3 光譜數(shù)據(jù)預(yù)處理

儀器獲取的原始光譜數(shù)據(jù)的光譜分辨率為1 nm。為了減小背景噪聲的影響以及數(shù)據(jù)冗余的問(wèn)題，采用Savitzky-Golay濾波的方法對(duì)光譜數(shù)據(jù)進(jìn)行平滑處理，并對(duì)平滑過(guò)的光譜數(shù)據(jù)重新采樣，使得其新的光譜分辨率為5 nm。因?yàn)橛筒说墓趯痈吖庾V反射曲線首尾兩端存在較大噪聲，所以選擇400～900 nm作為關(guān)注的波段范圍。數(shù)據(jù)處理使用Matlab軟件編程完成。

1.4 樣本內(nèi)聚分析

油菜的冠層反射率光譜數(shù)據(jù)應(yīng)為圍繞可代表其光譜特征的正態(tài)分布，根據(jù)正態(tài)分布數(shù)據(jù)均值的“68-95-99.7法則”，當(dāng)特征波長(zhǎng)指數(shù)等于1時(shí)，說(shuō)明其反射率光譜約70%可區(qū)分，且特征波長(zhǎng)指數(shù)越大說(shuō)明A、B兩個(gè)品種的區(qū)分度越高。

1.6 識(shí)別模型的構(gòu)建

光譜反射率數(shù)據(jù)可以看作為由N維坐標(biāo)構(gòu)成的多維光譜空間，鑒于本試驗(yàn)采用的是光譜范圍在400～900 nm、光譜分辨率為5 nm的數(shù)據(jù)，即維度數(shù)為101。因此，通過(guò)特征空間建模，將光譜數(shù)據(jù)投影到一個(gè)有限的維度空間里，可以大幅度減小計(jì)算的工作量，從而提高模型的效率。根據(jù)篩選出的特征波段數(shù)據(jù)建立模型，具體步驟（圖1）為：①通過(guò)隨機(jī)抽樣的方法，將非轉(zhuǎn)基因型樣本分為建模集和測(cè)試集（1∶1）；②利用主成分分析對(duì)選出的波段范圍進(jìn)行降維，選擇前n個(gè)主成分構(gòu)建新的特征空間（前n個(gè)主成分對(duì)數(shù)據(jù)的方差解釋量能達(dá)到95%以上），獲取投影矩陣；③計(jì)算特征空間內(nèi)建模集中的各樣本點(diǎn)到建模集中心的馬氏距離，選擇對(duì)建模集樣本85%識(shí)別率的距離為判別半徑；④根據(jù)投影矩陣，將測(cè)試集投影到特征空間；⑤以建模中心和判別半徑為依據(jù)，使用測(cè)試集進(jìn)行模型的交叉驗(yàn)證，獲得模型的驗(yàn)證精度；⑥根據(jù)投影矩陣，將待測(cè)樣本投影到特征空間，計(jì)算待測(cè)樣本到建模中心的距離，進(jìn)行待測(cè)樣本類型的判別。

2 結(jié)果與分析

2.1 不同品種油菜原始光譜曲線分析

經(jīng)過(guò)平滑處理后，圖2顯示了油菜苗期、抽薹期、花期3個(gè)生長(zhǎng)階段不同品種油菜的反射率光譜曲線。從圖2可以看出，不同品種油菜雖具有較為相似的反射率光譜曲線，但在一些波段里也有差別。這些差別主要體現(xiàn)在了“綠峰”與“紅邊”這2個(gè)植物生長(zhǎng)的主要的光譜敏感區(qū)間，即500～600 nm和650～750 nm，不同品種油菜的光譜曲線有著一定的區(qū)別。

2.2 不同品種油菜樣本內(nèi)聚性分析

通過(guò)樣本間內(nèi)聚系數(shù)的計(jì)算，得到油菜各個(gè)生長(zhǎng)階段的冠層反射率光譜數(shù)據(jù)內(nèi)聚系數(shù)（圖3）。從圖3可以看出，不同生長(zhǎng)階段油菜冠層光譜反射率數(shù)據(jù)的內(nèi)聚系數(shù)有著不同的特征。其中，在油菜生長(zhǎng)的苗期，內(nèi)聚系數(shù)普遍在0.2以內(nèi)，僅部分品種在600～700 nm波段處略大；在抽薹期的光譜反射率數(shù)據(jù)表現(xiàn)得較為穩(wěn)定，其內(nèi)聚系數(shù)均在0.2以內(nèi)；而在花期，油菜冠層光譜反射率內(nèi)聚系數(shù)波動(dòng)較大，且在大部分波段范圍內(nèi)內(nèi)聚系數(shù)大于0.2，部分波段達(dá)到了0.4。

2.3 不同品種油菜特征波長(zhǎng)指數(shù)分析

針對(duì)每個(gè)油菜品種，分別計(jì)算其每個(gè)波長(zhǎng)點(diǎn)處的反射率均值和反射率標(biāo)準(zhǔn)差，得到各品種油菜之間的特征波長(zhǎng)指數(shù)（圖4）。從圖4可以看出，在油菜的苗期和花期，不同品種之間的特征波長(zhǎng)指數(shù)在絕大多數(shù)波段均小于1，且大于1的部分特征波長(zhǎng)指數(shù)也較小，最大不超過(guò)1.5。而在油菜的抽薹期，在500～750 nm區(qū)間內(nèi)，特征波長(zhǎng)指數(shù)均大于1。特別觀察到位于500～600 nm和670～750 nm的波段范圍內(nèi)，特征波長(zhǎng)指數(shù)均較大，部分品種間的特征波長(zhǎng)指數(shù)大于2。這些差別主要體現(xiàn)在了“綠峰”與“紅邊”這2個(gè)植物生長(zhǎng)的主要的光譜敏感區(qū)間，可能的原因是植物長(zhǎng)勢(shì)的差異。

2.4 不同品種油菜最佳識(shí)別時(shí)期的篩選

在油菜生長(zhǎng)的苗期和抽薹期，各油菜品種的內(nèi)聚系數(shù)較為均一，除苗期的部分波段外，大多數(shù)波段的內(nèi)聚系數(shù)均在0.2以內(nèi)，說(shuō)明這些數(shù)據(jù)在組內(nèi)具有較好的內(nèi)聚性，其數(shù)據(jù)質(zhì)量可以滿足建立識(shí)別模型的需要。而在花期，大多數(shù)波段尤其是500～700 nm光譜區(qū)間的內(nèi)聚系數(shù)偏大，說(shuō)明這些光譜數(shù)據(jù)在組內(nèi)便具有一定的離散性，故難以取得可穩(wěn)定代表此種油菜的實(shí)際光譜信息。這一現(xiàn)象的可能原因是油菜在花期其個(gè)體之間的冠層特征差異較大，影響了可見光波段在其冠層的反射率。因此，油菜花期的光譜數(shù)據(jù)不宜用于建立油菜冠層光譜識(shí)別模型。但是從另一方面來(lái)看，可以利用油菜花期的這一特點(diǎn)提取出油菜種植區(qū)域的信息用于與其他種類農(nóng)作物的區(qū)分。

內(nèi)聚性分析體現(xiàn)出不同品種油菜反射率樣本數(shù)據(jù)的類內(nèi)差異，而特征波長(zhǎng)指數(shù)分析則是體現(xiàn)了不同品種油菜反射率樣本數(shù)據(jù)的類間差異。排除花期后，經(jīng)過(guò)分析得出，在苗期大部分波段的油菜品種間特征波長(zhǎng)指數(shù)均小于1，說(shuō)明其品種類間差異較小，因此苗期數(shù)據(jù)同樣不宜用于建立油菜冠層光譜識(shí)別模型。而在抽薹期其特征波長(zhǎng)指數(shù)均較大，其光譜反射率數(shù)據(jù)的類間差異比較明顯，故判斷為最佳識(shí)別時(shí)期。

2.5 不同品種油菜識(shí)別模型的建立

分析得出，抽薹期是適合進(jìn)行不同品種油菜識(shí)別的較好時(shí)期，因而，本研究將選擇抽薹期的數(shù)據(jù)進(jìn)行建模。根據(jù)特征波長(zhǎng)指數(shù)并結(jié)合植物光譜特點(diǎn)篩選出綠峰500～600 nm和紅邊670～750 nm作為特征波段。分別針對(duì)3個(gè)品種的油菜，將數(shù)據(jù)通過(guò)隨機(jī)抽樣的方法分成建模集和測(cè)試集。利用主成分分析對(duì)選出的波段范圍進(jìn)行降維處理，選擇了前3個(gè)主成分構(gòu)建出一個(gè)新的特征空間，獲取投影矩陣。計(jì)算特征空間內(nèi)建模集中的各個(gè)樣本點(diǎn)到建模集中心的馬氏距離，選擇對(duì)建模集樣本85%識(shí)別率的距離作為判別半徑。再根據(jù)投影矩陣，將測(cè)試集的數(shù)據(jù)投影到特征空間，并以建模中心和判別半徑為依據(jù)，使用測(cè)試集進(jìn)行模型的交叉驗(yàn)證，從而獲得模型的驗(yàn)證精度。根據(jù)投影矩陣，將待測(cè)樣本投影到特征空間，計(jì)算各待測(cè)樣本到建模中心的距離便可進(jìn)行待測(cè)樣本品種的判別。最終得到模型分類結(jié)果如表1，針對(duì)湘油15號(hào)構(gòu)建的識(shí)別模型，對(duì)品種本身的識(shí)別率達(dá)到81%，對(duì)其他品種的拒識(shí)率達(dá)到89.0%；針對(duì)滬油15號(hào)構(gòu)建的識(shí)別模型，對(duì)品種本身的識(shí)別率達(dá)到77%，對(duì)其他品種的拒識(shí)率達(dá)到88.5%；針對(duì)中雙9號(hào)構(gòu)建的識(shí)別模型，對(duì)品種本身的識(shí)別率達(dá)到76%，對(duì)其他品種的拒識(shí)率達(dá)到89.5%。

3 小結(jié)

高光譜遙感數(shù)據(jù)以其波段多且連續(xù)的特性，能夠?yàn)椴煌愋陀筒颂峁└嗟墓庾V反射率信息。試驗(yàn)實(shí)地采集了大田油菜生長(zhǎng)的苗期、抽薹期、花期樣本光譜數(shù)據(jù)，通過(guò)引入內(nèi)聚系數(shù)來(lái)控制波段聚合性，利用特征波長(zhǎng)指數(shù)尋找識(shí)別波段，使用主成分分析法降維后用馬氏距離的方法建立了識(shí)別模型。結(jié)果表明，不同品種油菜之間的冠層光譜有類似的光譜特點(diǎn)，其原始光譜曲線大致相同，但也存在著一定的差異，主要差異集中在“綠峰”與“紅邊”這2個(gè)植物生長(zhǎng)的主要光譜敏感區(qū)間內(nèi)。依據(jù)試驗(yàn)獲得的光譜反射率數(shù)據(jù)，對(duì)3個(gè)油菜品種進(jìn)行識(shí)別區(qū)分的適宜期為抽薹期，進(jìn)行識(shí)別區(qū)分的最佳識(shí)別波段為500～600 nm和670～750 nm。針對(duì)各品種油菜的識(shí)別模型對(duì)其自身的識(shí)別率均在75%以上，對(duì)其他品種油菜的拒識(shí)率達(dá)到88%以上。

在實(shí)際操作中，光譜數(shù)據(jù)在一定程度上受到光譜測(cè)量?jī)x器量程的影響，本研究將光合作用波段作為單一識(shí)別波段獲得了較為可靠的識(shí)別模型，為獲得更多識(shí)別波段，全波段（350～2 500 nm）測(cè)量將成為未來(lái)的發(fā)展趨勢(shì)。此外，更多品種油菜的更多年期光譜數(shù)據(jù)可進(jìn)一步驗(yàn)證、完善油菜信息數(shù)據(jù)庫(kù)，從而優(yōu)化識(shí)別模型，為油菜品種識(shí)別監(jiān)測(cè)提供更加可靠的技術(shù)手段。

參考文獻(xiàn)：

[1] 梅安新，彭望琭，秦其明，等. 遙感導(dǎo)論[M].北京：高等教育出版社，2001.

[2] 李民贊.光譜分析技術(shù)及其應(yīng)用[M].北京：科學(xué)出版社，2006.

[3] 滕安國(guó)，高 峰，夏新成，等.高光譜技術(shù)在農(nóng)業(yè)中的應(yīng)用研究進(jìn)展[J].江蘇農(nóng)業(yè)科學(xué)，2009（3）：8-11.

[4] 曹衛(wèi)彬，楊邦杰，宋金鵬.TM影像中基于光譜特征的棉花識(shí)別模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20（4）：112-116.

[5] 鐘仕全，陳燕麗，莫建飛，等.基于中巴02B星遙感數(shù)據(jù)的油菜識(shí)別技術(shù)研究[J].國(guó)土資源遙感，2010（2）：77-79.

[6] 黃文江，王紀(jì)華，劉良云，等.基于多時(shí)相和多角度光譜信息的作物株型遙感識(shí)別初探[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（6）：82-86.

[7] 李 儒，陳勁松，袁定陽(yáng)，等.高光譜遙感技術(shù)在水稻轉(zhuǎn)入基因表達(dá)的檢測(cè)指示作用研究[J].光譜學(xué)與光譜分析，2010，30（1）：202-205.

[8] 王志輝，丁麗霞.基于葉片高光譜特性分析的樹種識(shí)別[J].光譜學(xué)與光譜分析，2010，30（7）：1825-1829.

[9] XIE L J， YING Y B， YING T J. Quantification of chlorophyll content and classification of nontransgenic and transgenic tomato leaves using visible/near-infrared diffuse reflectance spectroscopy[J]. Agricultural and Food Chemistry，2007，55（12）：4645-4650.

[10] 殷 艷，王漢中.我國(guó)油菜產(chǎn)業(yè)發(fā)展成就、問(wèn)題與科技對(duì)策[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2012，14（4）：1-7.

[11] 盧長(zhǎng)明，肖 玲，武玉花.中國(guó)轉(zhuǎn)基因油菜的環(huán)境安全性分析[J].農(nóng)業(yè)生物技術(shù)學(xué)報(bào)，2005，13（3）：267-275.