喬星星，馮美臣，楊武德，李廣信,2，王超，孫慧，張雪茹，武改紅

（1.山西農(nóng)業(yè)大學(xué)旱作農(nóng)業(yè)工程研究所，山西太谷030801；2.山西省農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，山西太原030031）

SG平滑處理對(duì)冬小麥地上干生物量光譜監(jiān)測(cè)的影響

喬星星1，馮美臣1，楊武德1，李廣信1,2，王超1，孫慧1，張雪茹1，武改紅1

（1.山西農(nóng)業(yè)大學(xué)旱作農(nóng)業(yè)工程研究所，山西太谷030801；2.山西省農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，山西太原030031）

Savitzky-Golay（SG）方法是高光譜數(shù)據(jù)預(yù)處理的重要方法之一，為研究SG平滑處理對(duì)冬小麥地上干生物量（AGDB）光譜監(jiān)測(cè)模型的影響，對(duì)冬小麥冠層光譜進(jìn)行6種程度的平滑處理：無(wú)平滑（SM0）、3點(diǎn)平滑（SM3）、5點(diǎn)平滑（SM5）、9點(diǎn)平滑（SM9）、13點(diǎn)平滑（SM13）和17點(diǎn)平滑（SM17），并分別構(gòu)建各預(yù)處理光譜條件下的冬小麥AGDB的偏最小二乘法（PLSR）模型，對(duì)比各PLSR模型的表現(xiàn)，研究平滑程度對(duì)模型的影響。結(jié)果表明，SM9平滑處理后的冬小麥冠層光譜可以提高光譜與AGDB的相關(guān)性，相關(guān)系數(shù)接近0.5；所構(gòu)建的冬小麥AGBD的光譜監(jiān)測(cè)模型中，SM9處理的模型表現(xiàn)最好（R2＝0.771，RMSE＝0.564，RPD＝1.912，LV＝19）。研究結(jié)果可為利用冠層光譜研究冬小麥AGDB的無(wú)損監(jiān)測(cè)提供一定的光譜預(yù)處理方法與技術(shù)探索。

冬小麥；光譜；平滑處理；模型

冬小麥?zhǔn)俏覈?guó)的主要糧食作物，地上干生物量是冬小麥光合作用的產(chǎn)物之一，它不僅是衡量冬小麥生產(chǎn)力和物質(zhì)循環(huán)的基礎(chǔ)，也常作為表征冬小麥生長(zhǎng)狀態(tài)的重要參考[1]。當(dāng)前，近紅外光譜技術(shù)為快速、無(wú)損、大面積監(jiān)測(cè)作物長(zhǎng)勢(shì)提供了有效的手段和方法，并取得了一定的研究結(jié)果[2-4]。

當(dāng)前研究表明，利用光譜技術(shù)雖能較為精確而快速地測(cè)出冬小麥的地上干生物量，但在獲取光譜數(shù)據(jù)時(shí)，會(huì)受到周?chē)h(huán)境因素、樣品自身反射的內(nèi)在因素和光譜儀的電噪聲、雜散光、儀器本身所帶誤差的影響[5]。這些內(nèi)外因素不僅與目標(biāo)的特性無(wú)關(guān)，而且對(duì)有效光譜特征信息的提取和后期定量模型的構(gòu)建產(chǎn)生不利影響[6-8]。因此，如何消除背景和噪音影響，挖掘和提取目標(biāo)光譜信息一直是當(dāng)前研究的重點(diǎn)和難點(diǎn)[9]。研究證實(shí)，對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理對(duì)于準(zhǔn)確挖掘光譜信息和構(gòu)建高精度估測(cè)模型具有重要作用[10]。Savitzky-Golay算法是較為經(jīng)典的一種平滑濾波算法，并成為光譜定量分析過(guò)程中光譜數(shù)據(jù)處理的必需步驟[11]。但Barnes等[12]研究指出，SG平滑方法在一定程度上可消除高頻隨機(jī)誤差，提高信噪比，但在平滑時(shí)，如果平滑窗口過(guò)小，去噪效果較差，仍然會(huì)影響所建分析模型的質(zhì)量；如果窗口過(guò)大，平滑過(guò)度，也會(huì)丟失大量的光譜信息。王曉艷[13]在對(duì)玉米磷、鉀施肥量近紅外光譜預(yù)測(cè)模型的研究中對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理后，經(jīng)過(guò)多種處理方法的比較與分析，發(fā)現(xiàn)3點(diǎn)平滑的預(yù)處理方法效果最好。因此，眾多研究者在對(duì)光譜數(shù)據(jù)進(jìn)行SG平滑處理時(shí)，出現(xiàn)不同程度平滑處理的現(xiàn)象[14-16]。

本研究對(duì)冬小麥冠層光譜進(jìn)行6種程度的平滑處理，并分別構(gòu)建各預(yù)處理光譜的冬小麥AGDB的偏最小二乘法（PLSR）模型，對(duì)比各模型的表現(xiàn)，研究平滑程度對(duì)模型的影響，以期探索利用光譜技術(shù)監(jiān)測(cè)冬小麥AGDB時(shí)的最佳SG平滑。

1 材料和方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)地點(diǎn)位于山西農(nóng)業(yè)大學(xué)農(nóng)作站（N37°25′，E112°33′），土壤為黃土母質(zhì)發(fā)育而成的石灰性褐土。土壤理化性質(zhì)為堿性氮含量53.82 mg/kg，磷含量18.44 mg/kg，有機(jī)質(zhì)含量22.01 g/kg，鉀含量236.91 mg/kg，肥力中等水平。供試肥料為粉狀過(guò)磷酸鈣（含P2O5≥12%）和尿素（含總N≥46%）。試驗(yàn)一：試驗(yàn)時(shí)間為2012年9月至2013年6月，該試驗(yàn)為氮肥運(yùn)籌試驗(yàn)，采用隨機(jī)區(qū)組設(shè)計(jì)。氮肥施入量分別為0，75，150，225，300 kg/hm2。供試品種為京9549。小區(qū)面積28 m2（4 m×7 m），行距為20 cm，重復(fù)3次，田間管理等各處理相同。該試驗(yàn)用于模型驗(yàn)證。

試驗(yàn)二：試驗(yàn)時(shí)間為2013年9月至2014年6月，該試驗(yàn)為氮肥運(yùn)籌試驗(yàn)，采用裂區(qū)區(qū)組設(shè)計(jì)。主區(qū)品種為長(zhǎng)4738、晉農(nóng)190、晉太9923；副區(qū)施氮肥量分別為0，75，150，225，300 kg/hm2。小區(qū)面積28 m2（4 m×7 m），行距為20 cm，重復(fù)3次，田間管理等各處理相同。該試驗(yàn)用于模型構(gòu)建。

1.2 冬小麥冠層光譜的測(cè)定

采用美國(guó)Analytical Spectral Device（ASD）公司生產(chǎn)的FieldSpec Pro FR2500型背掛式野外高光譜輻射儀。波段范圍為350～2 500 nm，視場(chǎng)角度為25°，其中，350～1 000 nm光譜采樣間隔1.4 nm，光譜分辨率3 nm；1 000～2 500 nm光譜采樣間隔2 nm，光譜分辨率10 nm，所用的儀器在每季度用白色標(biāo)準(zhǔn)版校準(zhǔn)一次。冬小麥冠層光譜測(cè)定選擇在10：00—14：00，天氣晴朗、無(wú)風(fēng)或風(fēng)速很小的條件下進(jìn)行。測(cè)量時(shí)傳感器探頭垂直向下，距冠層頂垂直高度約1.0 m。每個(gè)小區(qū)測(cè)量3個(gè)點(diǎn)，每個(gè)點(diǎn)的測(cè)量重復(fù)10次。測(cè)量過(guò)程中，及時(shí)在每組目標(biāo)觀測(cè)前后進(jìn)行標(biāo)準(zhǔn)白板校正。

1.3 冬小麥地上干生物量的測(cè)定

在獲取冠層光譜的位置采集冬小麥植株。每個(gè)樣點(diǎn)采集2份20 cm長(zhǎng)的冬小麥植株，將其放入牛皮紙袋后，放入烘箱，105℃殺青30 min，之后在80℃條件下烘24 h至恒質(zhì)量（每隔2 h前后2次測(cè)量質(zhì)量差值為0.5%），稱(chēng)冬小麥烘干后質(zhì)量（g），并換算成單位面積冬小麥干生物量（AGDB，kg/m2）。

1.4 偏最小二乘法（PLSR）

PLSR方法是將多元線性回歸、主成分和相關(guān)分析法綜合在一起的定量分析方法，它可以反映自變量集和因變量集整體的相關(guān)性關(guān)系，通過(guò)提取出最強(qiáng)的解釋因變量，以達(dá)到克服自變量之間的共線性和過(guò)擬合性的缺點(diǎn)，提高模型的預(yù)測(cè)能力和穩(wěn)健度。該方法是當(dāng)前近紅外光譜領(lǐng)域應(yīng)用最為廣泛的定量分析方法之一，在利用光譜技術(shù)監(jiān)測(cè)土壤屬性方面具有廣泛研究[17-19]。

1.5 模型評(píng)價(jià)

本研究引入模型評(píng)價(jià)參數(shù)決定系數(shù)（R2）、均方根誤差（RMSE）[20]、預(yù)測(cè)殘差（RPD）來(lái)選擇變量和評(píng)定模型表現(xiàn)。

式中，n是樣本個(gè)數(shù)；Y′i和Yi是預(yù)測(cè)值和實(shí)測(cè)值；SD是實(shí)測(cè)值的標(biāo)準(zhǔn)差。

1.6 數(shù)據(jù)分析

采用Excel 2007處理試驗(yàn)數(shù)據(jù)，用Matlab7.0（Math works，Natick，MA，USA）和Unscrambler10.3（CAMO，USA）等軟件進(jìn)行數(shù)據(jù)分析，用Origin8.0（OriginLab，USA）軟件制圖。

2 結(jié)果與分析

2.1 冬小麥冠層預(yù)處理光譜

由圖1可知，與SM0（未平滑處理）光譜圖相比，平滑后的光譜圖并沒(méi)有明顯改變光譜圖的變化趨勢(shì)和反射率值。唯一不同的是，平滑處理后的光譜圖在部分“峰”和“谷”發(fā)生了變化，例如，在SM0和SM3的光譜圖中，波段1 450 nm的谷比較“圓潤(rùn)”，而平滑處理后的該位置谷則變得越來(lái)越“尖”，并且隨著平滑程度的加大，該谷變得愈加尖銳，也可能伴隨著有效光譜信息的丟失。表明，SG平滑方法難以明顯地改變光譜的整體變化趨勢(shì)和反射率值，適當(dāng)?shù)钠交幚砜梢韵尘昂驮胍粲绊懀^(guò)度的平滑可能會(huì)造成有效光譜信息的丟失。因此，僅根據(jù)平滑后的光譜圖評(píng)估和決定最佳的平滑程度是比較困難的。

2.2 冬小麥冠層SG平滑光譜與AGDB的相關(guān)性分析

為了進(jìn)一步分析SG平滑處理對(duì)光譜的影響，對(duì)不同程度的SG平滑光譜與AGDB進(jìn)行了相關(guān)性分析，結(jié)果如圖2所示。

從圖2可以看出，所有平滑光譜與AGDB的相關(guān)系數(shù)具備相似曲線，光譜區(qū)域：450～518，654～686，1 350～2 450 nm與AGDB呈負(fù)相關(guān)，519～653，687～1 349 nm與AGDB呈正相關(guān)。其中，724～1 185 nm為高相關(guān)系數(shù)區(qū)域。SM0點(diǎn)平滑光譜中，923 nm處的相關(guān)系數(shù)最高，為0.456，經(jīng)過(guò)3點(diǎn)、5點(diǎn)、9點(diǎn)、13點(diǎn)和17點(diǎn)平滑后，光譜圖線的總體變化規(guī)律與原始光譜圖線基本一致，但相同波長(zhǎng)對(duì)應(yīng)的相關(guān)系數(shù)與原始光譜在該波長(zhǎng)下對(duì)應(yīng)的相關(guān)系數(shù)相比都有所提高，并且所有平滑處理后的922 nm處的相關(guān)系數(shù)都達(dá)到最高，為0.470，高于原始光譜圖的最高相關(guān)系數(shù)。表明，平滑處理可以提高光譜與AGDB的相關(guān)性。

2.3 平滑處理的冬小麥AGDB的PLSR模型表現(xiàn)

通過(guò)構(gòu)建不同SG平滑程度下冬小麥AGDB的光譜模型，定量研究SG平滑處理對(duì)光譜監(jiān)測(cè)模型的影響（表1）。

表1 基于平滑處理的冬小麥長(zhǎng)勢(shì)指標(biāo)的PLSR模型表現(xiàn)

從表1可以看出，驗(yàn)證模型中，這6種處理方法的潛變量（LV）大小接近，均為19或20；9點(diǎn)平滑處理和13點(diǎn)平滑處理的R2較大，分別為0.771和0.783，且它們的RMSE較小，分別為0.564和0.549。所以，可以考慮從這2種方法中選出最佳平滑點(diǎn)數(shù)。而從表1還可以看出，9點(diǎn)平滑處理的RPD最大，為1.912，說(shuō)明9點(diǎn)平滑處理的預(yù)測(cè)能力最高。

3 討論與結(jié)論

本研究表明，平滑處理后的光譜圖在部分“峰”和“谷”發(fā)生了變化，并且隨著平滑程度的加大，部分“峰”與“谷”的變化會(huì)越來(lái)越明顯，與此同時(shí)，可能伴隨著有效光譜信息的丟失。造成這種現(xiàn)象的原因可能是不同平滑點(diǎn)數(shù)的預(yù)處理方法對(duì)光譜信息的獲取會(huì)有所不同，一般情況下，平滑點(diǎn)數(shù)較大在一定程度上可以提高信噪比，但同時(shí)也會(huì)導(dǎo)致部分信號(hào)失真[21]；冬小麥冠層SG平滑光譜與AGDB相關(guān)性分析的結(jié)果中，經(jīng)過(guò)平滑后相同波長(zhǎng)對(duì)應(yīng)的相關(guān)系數(shù)較無(wú)平滑光譜在該波長(zhǎng)下對(duì)應(yīng)的相關(guān)系數(shù)都有所提高，并且平滑處理后的光譜圖中922 nm處的相關(guān)系數(shù)最高，為0.470，高于原始光譜圖的最高相關(guān)系數(shù)0.456，雖然相關(guān)系數(shù)的變化不是很大，至少說(shuō)明平滑處理在提高光譜信噪比方面具有一定的作用[21]，對(duì)光譜數(shù)據(jù)進(jìn)行SG預(yù)處理是必要的。在分析基于平滑處理的冬小麥長(zhǎng)勢(shì)指標(biāo)的PLSR模型表現(xiàn)時(shí)發(fā)現(xiàn)，9點(diǎn)平滑處理模型表現(xiàn)較好（R2＝0.771，RMSE＝0.564，RPD＝1.912，LV＝19）。SM13模型中R2＝0.783，RMSE＝0.549，因其RPD＝1.874，模型的穩(wěn)健性低于SM9。經(jīng)過(guò)綜合比較與分析得出，9點(diǎn)平滑處理效果最佳。

據(jù)此可以得出，光譜的SG平滑處理在一定程度上可以提高AGDB與預(yù)處理光譜的相關(guān)性，但是提高的程度有限。分析SG平滑處理對(duì)冬小麥AGDB光譜監(jiān)測(cè)模型的影響可知，9點(diǎn)SG處理后的PSLR模型表現(xiàn)最好（R2＝0.771，RMSE＝0.564，RPD＝1.912，LV＝19），本研究證實(shí)光譜的9點(diǎn)SG平滑處理為監(jiān)測(cè)冬小麥AGDB的最佳平滑處理方法，但是真正提高光譜監(jiān)測(cè)模型的預(yù)測(cè)精度還需在9點(diǎn)SG平滑處理的基礎(chǔ)上，再結(jié)合其他預(yù)處理方法和化學(xué)計(jì)量學(xué)模型的優(yōu)化方法，以期提高光譜技術(shù)在作物領(lǐng)域的更廣泛應(yīng)用。

［1］龐琪偉，賈黎明，鄭士光.基于多譜輻射儀的檸條地上干生物量估算模型研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2010（4）：81-85.

［2］付元元，王紀(jì)華，楊貴軍，等.應(yīng)用波段深度分析和偏最小二乘回歸的冬小麥生物量高光譜估算[J].光譜學(xué)與光譜分析，2013，33（5）：1315-1319.

［3］王超，馮美臣，楊武德，等.麥田耕作層土壤有機(jī)質(zhì)的高光譜監(jiān)測(cè)[J].山西農(nóng)業(yè)科學(xué)，2014，42（8）：869-873.

［4］Eitel J U H，Magney T S，Vierling L A，et al.LiDAR based biomass and crop nitrogen estimates for rapid，non-destructive assessment of wheat nitrogen status[J].Field Crops Research，2014，159：21-32.

［5］Ge Y，Morgan C L S，Grunwald S，et al.Comparison of soil reflectance spectra and calibration models obtained using multiple spectrometers[J].Geoderma，2011，161（3）：202-211.

［6］Dunn B W，Batten G D，Beecher H G，et al.The potential of near-infrared reflectance spectroscopy for soil analysis-a case study fromthe Riverine Plain of south-eastern Australia[J].Animal Production Science，2002，42（5）：607-614.

［7］Stenberg B，Rossel R A V，Mouazen A M，et al.Visible and near infrared spectroscopy in soil science[M].Burlington：Academic Press，2010.

［8］王磊，白由路，盧艷麗，等.光譜數(shù)據(jù)變換對(duì)玉米氮素含量反演精度的影響[J].遙感技術(shù)與應(yīng)用，2011，26（2）：220-225.

［9］Stenberg B，Rossel R A V，Mouazen A M，et al.Chapter five-visible and near infrared spectroscopy in soil science[J].Advances in A-gronomy，2010，107：163-215.

［10］Mashimbye Z E，Cho MA，Nell J P，et al.Model-based integrated methods for quantitative estimation of soil salinity from hyperspectral remote sensing data：A case study of selected South African soils[J].Pedosphere，2012，22（5）：640-649.

［11］潘文超，李少昆，王克如，等.基于棉花冠層光譜的土壤氮素監(jiān)測(cè)研究[J].棉花學(xué)報(bào)，2010，23（1）：70-76.

［12］Barnes R J，Dhanoa MS，Lister S J.Standard normal variate transformation and de-trending of near-infrared diffuse reflectance spectra[J].Applied Spectroscopy，1989，43（5）：772-777.

［13］王曉艷.玉米磷、鉀施肥量近紅外光譜預(yù)測(cè)模型研究[D].太谷：山西農(nóng)業(yè)大學(xué)，2014.

［14］趙婷婷，張麗珍，鄭淑華，等.黍稷籽粒淀粉含量的近紅外光譜分析[J].華北農(nóng)學(xué)報(bào)，2011，26（1）：234-238.

［15］季江，高鵬飛，賈南南，等.自適應(yīng)多尺度窗口平均光譜平滑[J].光譜學(xué)與光譜分析，2015，35（5）：67.

［16］易璟.基于近紅外光譜的土壤氮碳估算研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2013.

［17］于雷，洪永勝，周勇，等.高光譜估算土壤有機(jī)質(zhì)含量的波長(zhǎng)變量篩選方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（13）：95-102.

［18］Feng Y，Li X，Xu K，et al.Qualitative and simultaneous quantitative analysis of cimetidine polymorphs by ultraviolet-visible and shortwave near-infrared diffuse reflectance spectroscopy and multivariate calibration models[J].Journal of Pharmaceutical and Biomedical Analysis，2015，104：112-121.

［19］楊一，張淑娟，薛建新.輕微損傷郎棗近紅外光譜檢測(cè)[J].山西農(nóng)業(yè)科學(xué)，2014，42（11）：1175-1177.

［20］Wold S.PLS for multivariate linear modeling[J].Chemometric Methods in Molecular Design，1995（2）：195.

［21］鄭詠梅，張鐵強(qiáng)，張軍，等.平滑、導(dǎo)數(shù)、基線校正對(duì)近紅外光譜PLS定量分析的影響研究[J].光譜學(xué)與光譜分析，2004，24（12）：1546-1548.

Effect of SG Smoothing Processing on Predicting the above Ground Dry Biomass of Winter Wheat

QIAOXingxing1，F(xiàn)ENGMeichen1，YANGWude1，LI Guangxin1，2，WANGChao1，SUNHui1，ZHANGXueru1，WUGaihong1
（1.Institute of Dry Farming Engineering，Shanxi Agricultural University，Taigu 030801，China；2.Institute ofCrop Sciences，Shanxi Academy of Agricultural Sciences，Taiyuan 030031，China）

Savitzky-Golay（SG）is one ofthe most important methods of spectral pretreatments.To study the effect ofSG smoothing processing on predicting the above ground dry biomass（AGDB）of winter wheat,the different degrees of SG smoothing processing, including 0 points（SM0）,3 points（SM3）,5 points（SM5）,9 points（SM9）,13 points（SM13）and 17 points（SM17）were employed toprocess the rawspectra,and the PLSR predictive models of AGDB under different SG pretreatments were also constructed to select the optimal point of SG smoothing.The results showed that the canopy spectra dealt with SM9 SG smoothing could improve the correlation between spectrum and AGDB and the correlation coefficient of the model was close to 0.5.The performance of the SM9 model of all monitoring models of winter wheat AGBD was the best,with R2＝0.771,RMSE＝0.564,RPD＝1.912 and LV＝19.This study can provide a certain spectral pretreatment method and technical guidance for the nondestructive monitoring of winter wheat AGDB using canopyspectral.

winter wheat;spectrum;smoothing processing;model

S512.1＋1

A

1002-2481（2016）10-1450-05

10.3969/j.issn.1002-2481.2016.10.07

2016-07-27

國(guó)家自然科學(xué)基金項(xiàng)目（31371572，31201168）；山西省科學(xué)技術(shù)發(fā)展計(jì)劃項(xiàng)目（201603D221037-3）；山西省歸國(guó)人員重點(diǎn)資助項(xiàng)目（2014-重點(diǎn)4）

喬星星（1989-），女，山西長(zhǎng)治人，在讀碩士，研究方向：作物生態(tài)和信息技術(shù)。馮美臣為通信作者。