曹曉蘭，陳星明，劉耀端，張帥，崔國賢

（1.湖南農(nóng)業(yè)大學苧麻研究所，長沙410128；2.湖南農(nóng)業(yè)大學信息科學技術學院，長沙410128）

不同基因型苧麻葉片高光譜反射特征研究

曹曉蘭1，2，陳星明2，劉耀端2，張帥2，崔國賢1*

（1.湖南農(nóng)業(yè)大學苧麻研究所，長沙410128；2.湖南農(nóng)業(yè)大學信息科學技術學院，長沙410128）

在大田栽培條件下，采集了27個不同基因型苧麻葉片高光譜數(shù)據(jù)，并對這些數(shù)據(jù)進行統(tǒng)計分析。研究表明，苧麻葉片的高光譜曲線具有典型的綠色植物光譜特征，其綠峰位置在553 nm；紅谷位置在668.9 nm；峰4和谷4的中心波長位置最集中，峰1和紅谷的中心波長位置比較分散；反射率差異最明顯的位置是綠峰、谷4和紅谷，而峰2、峰1和谷1反射率差異比較少；三邊參數(shù)中，紅邊位置和藍邊振幅差異最大；以綠峰／紅谷為敏感波段計算出來的植被指數(shù)差異性較大。

苧麻；高光譜；植被指數(shù)；紅邊參數(shù)；綠峰

高光譜技術興起于上世紀80年代，被廣泛應用于礦產(chǎn)資源調查、大氣監(jiān)測、環(huán)境監(jiān)測、土壤調查等領域。在農(nóng)業(yè)領域，高光譜技術的應用研究主要包括以下幾個方面：作物葉片光譜特征研究、作物分類與識別、作物生態(tài)生理參數(shù)反演與提取、作物養(yǎng)分診斷與監(jiān)測、作物長勢監(jiān)測與產(chǎn)量預測、農(nóng)業(yè)遙感信息模型研究和農(nóng)業(yè)災害監(jiān)測［1］。由于高光譜數(shù)據(jù)具有分辨率高、波段連續(xù)性強、信息量大、支持波形分析技術等優(yōu)勢，通過研究作物高光譜特性，能區(qū)分具有診斷性光譜特征的物質，有助于更好地揭示作物的本質屬性。因此，近年來以光譜分析和高光譜圖像技術為基礎、以計算機處理為中心的無損光學檢測和診斷技術成為當前作物信息領域的研究熱點，并已經(jīng)在水稻、小麥、玉米等作物的生態(tài)生理參數(shù)反演與提取、養(yǎng)分診斷與監(jiān)測、長勢監(jiān)測與產(chǎn)量預測等方面得到了研究與應用［2－7］，取得了較好的應用結果和經(jīng)濟效益。

苧麻作為一種傳統(tǒng)的纖維作物，在紡織業(yè)和造紙業(yè)中扮演重要角色，一直有著較高的經(jīng)濟地位。目前，我國苧麻種植面積和原料產(chǎn)量占世界的95%以上，處于優(yōu)勢地位［8］。而當前國內外對苧麻高光譜特性的相關研究未見報道。本研究通過采集27種不同苧麻品種葉片高光譜數(shù)據(jù)，進行原始反射率峰谷參數(shù)、三邊參數(shù)、植被指數(shù)等高光譜特征指數(shù)的統(tǒng)計分析，了解并比較不同基因型苧麻的高光譜響應特性，旨在為建立基于高光譜的苧麻分類和識別模型、探討苧麻高光譜特征與作物生理生態(tài)參數(shù)之間的對應關系提供理論基礎。

1 材料與方法

1.1 采樣地點概況及采樣設備

苧麻葉片高光譜數(shù)據(jù)采集地在長沙縣梅花基地苧麻種質資源圃（28°07’59.217＂N，113°17’46.113＂E）及湖南農(nóng)業(yè)大學耘園教學基地（28°11’01.981＂N，113°04’10.159＂E）。這兩地均屬長沙地區(qū)，亞熱帶季風濕潤氣候，氣候溫和，降水充沛，雨熱同期，四季分明，年平均氣溫16.8～17.3℃，年均降水量1358.6～1552.5 mm。

數(shù)據(jù)采集選用美國ASD公司生產(chǎn)的FieldSpec 3便攜式地物光譜儀和配套的葉片夾持器。光譜儀波段范圍為 350～2500 nm；在350～1050 nm波段，光譜采樣間隔為 1.4 nm；在1000～2500 nm波段光譜采樣間隔為2 nm。

1.2 高光譜數(shù)據(jù)的采集

采集工作于2016年11月上旬和2017年4月下旬進行，共采集了27種不同基因型苧麻葉片的高光譜數(shù)據(jù)。樣本選擇以多樣化為原則，盡量兼顧多個生長期、多個來源地的早、中、晚熟品種；高產(chǎn)、中產(chǎn)和低產(chǎn)品種；優(yōu)質、中質和低質品種以及深根叢生、中根散生和淺根散生等根型。數(shù)據(jù)采集情況見表1。

表1 苧麻高光譜數(shù)據(jù)采集情況［8－10］Tab.1 Hyperspectral data collection of ramie

編號 名稱 來源地 蔸型 種質類型 成熟期 產(chǎn)量 品質A11平塘大刀麻 貴州金沙縣 深根叢生 地方品種 中熟 低產(chǎn) 低質A12 羅甸青麻 貴州羅甸縣 中根散生 地方品種 中熟 低產(chǎn) 中質A13 雙峰大葉麻2號 湖南雙峰縣 深根叢生 地方品種 中熟 中產(chǎn) 低質A14 思茅紅苧麻 云南普洱縣 中根散生 地方品種 早熟 低產(chǎn) 優(yōu)質A15 臺江青桿麻 貴州臺江縣 淺根串生 地方品種 中熟 低產(chǎn) 優(yōu)質A16 天臺鐵麻 浙江天臺縣 深根叢生 地方品種 中熟 中產(chǎn) 低質A17 嘉禾白腳麻 湖南嘉禾縣 中根散生 地方品種 晚熟 低產(chǎn) 中質A18 武昌大葉麻 湖北武昌縣 中根散生 地方品種 早熟 中產(chǎn) 優(yōu)質A19 武崗紅皮麻 湖南武崗市 中根散生 地方品種 中熟 中產(chǎn) 低質A20 湘潭雞骨白 湖南湘潭縣 淺根串生 地方品種 中熟 低產(chǎn) 中質A21 湘苧3號 湖南農(nóng)業(yè)大學苧麻研究所 深根叢生 選育品種（黑皮蔸） 晚熟 中產(chǎn) 優(yōu)質A22 沅江肉麻 湖南沅江縣 淺根串生 地方品種 中熟 低產(chǎn) 中質A23 玉山麻 江西玉山縣 淺根串生 地方品種 晚熟 低產(chǎn) 優(yōu)質A24 沅江稀節(jié)巴 湖南沅江縣 中根散生 地方品種 中熟 中產(chǎn) 低質A25 沅江黃殼早 湖南沅江市 深根叢生 地方品種 中熟 中產(chǎn) 中質A26 哲覺苧麻 云南宣威縣 淺根串生 地方品種 早熟 低產(chǎn) 優(yōu)質A27 中苧1號 中國農(nóng)科院麻類研究所 深根叢生選育品種（圓葉青×蘆竹青）中熟 高產(chǎn) 優(yōu)質

采集時選擇苧麻植株中上部發(fā)育成熟、處于旺盛期的葉片，將葉片夾持器夾緊葉片所測部位，用探頭測定葉片光譜。每個品種選擇5～10片葉片，每片葉片選擇4～10個采樣點。半小時做一次OPT優(yōu)化和白板參比，所有數(shù)據(jù)均做跳躍點校正之后再取平均值代表該葉片或該品種的高光譜響應數(shù)據(jù)，本文中均以平均值做為分析對象。

1.3 高光譜特征參數(shù)的統(tǒng)計與分析

本文選擇三種特征參數(shù)對苧麻葉片高光譜進行統(tǒng)計分析：

（1）原始高光譜峰谷參數(shù)。植物在不同的波段，受色素成分及含量、細胞結構和含水量等生理特征影響，光譜吸收和反射強度不同，由此形成特有的峰谷，當植物生理特征發(fā)生變化時，會影響高光譜波形，同時也會反映在這些峰谷中心波長位置和反射率上。

（2）三邊參數(shù)?！凹t邊”是綠色植物光譜最明顯的特征之一，紅邊位置和紅邊幅值是最重要的紅邊參數(shù)：紅邊位置指紅光范圍（680～760 nm）內一階導數(shù)光譜最大值所對應的光譜位置（波長）［11］，紅邊位置λ常被用來監(jiān)測植株葉綠素含量［12］。紅邊幅值Dλ指紅光范圍內一階導數(shù)光譜的最大值［13］。和紅邊參數(shù)類似的還有藍邊（490～530 nm）參數(shù)和黃邊（550～580 nm）參數(shù)，統(tǒng)稱三邊參數(shù)。

（3）植被指數(shù)。在對植被高光譜數(shù)據(jù)進行處理時，常結合不同波長范圍的反射率來增強植被特征。植被指數(shù)定量地表明了植被活力，其比用單波段來探測綠色植被更具靈敏性［14］。植被指數(shù)不僅很大程度降低光譜信息維度，同時能夠較準確地估算植被指數(shù)對應的生理指標［15］。常用的植被指數(shù)有歸一化植被指數(shù)NDVI（Normalization Difference Vegetation Index）、比值植被指數(shù)RVI（Ratio Vegetation Index）和差值植被指數(shù) DVI（Dissimilarity Vegetation Index）。各指數(shù)計算公式如下［3］：

式中，Rλ1和 Rλ2為波段的反射率。

2 結果與分析

2.1 原始高光譜峰谷參數(shù)

測得的27個基因型苧麻葉片高光譜見圖1，由圖1可知，不同基因型苧麻葉片的高光譜曲線具有典型的綠色植物光譜特征，形狀和變化規(guī)律基本一致，但不同品種之間存在著差異，這為從高光譜角度進行苧麻品種識別提供了依據(jù)。

圖1 二十七種不同基因型苧麻葉片高光譜特征Fig.1 Hyperspectral characteristics of27 different genotypes of ramie leaf

對平塘大刀麻（A11）、雙峰大葉麻2號（A13）、湘潭雞骨白（A20）和沅江黃殼早（A25）4個品種旺長期和成熟期高光譜曲線進行比較，可以發(fā)現(xiàn)，同一品種成熟期的反射率均低于旺長期的反射率（圖2）。隨著葉綠素含量的增加，綠光反射峰值減小，紅光反射率降低［16］；水分含量下降，短波紅外波段反射率升高［17］，可見成熟期葉片的葉綠素和水分含量均高于旺長期。

圖2 旺長期與成熟期高光譜特征Fig.2 Hyperspectral characteristics of fast growth period and mature period

針對苧麻葉片高光譜反射曲線，選擇了包括綠峰、紅谷在內的10個典型峰、谷波長位置（圖1），對采集的27種不同基因型苧麻葉片原始高光譜數(shù)據(jù)進行了峰、谷中心波長位置、反射率等統(tǒng)計分析，結果見表2。

表2 27種不同基因型苧麻葉片高光譜峰、谷特征值統(tǒng)計Tab.2 Peak and valley characteristics statistical analysis of27 different genotypes ramie leaf highspectral

由表1離散系數(shù)可知，不同苧麻品種10個峰谷的中心波長位置和反射率差異各不相同，差異顯著的有峰1、紅谷和谷1的中心波長位置，以及綠峰、谷4和紅谷的反射率，其中峰1的位置范圍為1067～1087 nm，極差達到20 nm，遠高于其他峰谷的差異，而綠峰的離散系數(shù)為0.1973，也遠高于其他峰谷反射率的離散系數(shù)。而峰4，谷4和綠峰的位置，以及峰1、峰2和谷1的反射率差異不明顯，峰4的位置極差僅有3 nm，峰1反射率的離散系數(shù)為0.0326。

2.2 三邊參數(shù)

用直接差分法，選擇差分寬度19對高光譜數(shù)據(jù)一階求導。27個不同苧麻品種在450～850 nm波段的葉片高光譜一階導數(shù)波形如圖3所示，三邊參數(shù)統(tǒng)計結果如表3所示。由各三邊位置離散系數(shù)可知，三邊中位置集中程度是黃邊＞藍邊＞紅邊；而振幅變化最小的是紅邊，黃邊其次，藍邊變化最大。

圖3 苧麻葉片一階導數(shù)高光譜特征Fig.3 First derivative hyperspectral characteristics of ramie leaf

表3 27種不同基因型苧麻葉片高光譜三邊參數(shù)統(tǒng)計Tab.3 Three edge parameters statistical analysis of 27 different genotypes ramie leaf highspectral

2.3 植被指數(shù)參數(shù)

在計算植被指數(shù)時，要選擇合適的敏感波段。本文選擇了綠峰／紅谷反射率、近紅外波段（760～900 nm）／紅光波段（630～690 nm）光譜反射率平均值這兩個敏感波段，計算并統(tǒng)計了比值、差值和歸一化植被指數(shù)（表4）。

表4 植被指數(shù)Tab.4 Vegetation index

由離散系數(shù)可知，在集中程度上，近紅外波段／紅光波段植被指數(shù)普遍大于同類型的綠峰／紅谷植被指數(shù)；所有指數(shù)中，以綠峰／紅谷的DVI差異性最大，近紅外波段／紅光波段的NDVI差異性最小。

3 討論

（1）李軍［1］報道綠色植物敏感波段中心位置分別為 450、550、660、970、1200、1450、1650、1940、2200、2700 nm；楊杰［17］研究表明植被反射峰與吸收谷中心波長位置分別為 455、550、680、950、1090、1200、1285、1468、1685、2200 nm。本研究獲得的苧麻葉片高光譜敏感波段峰谷中心位置分別是553.0、668.9、966.8、1077.5、1190.7、1265.2、1441.3、1668.0、1926.2和2220.9 nm。對比可知，苧麻葉片光譜曲線雖然基本符合綠色植物的光譜變化規(guī)律，但在敏感波段的峰谷中心位置上與其他作物有一定差異。

（2）不同基因型苧麻葉片高光譜特征在不同波段的區(qū)別：在可見光波段（400～780 nm）和短波紅外波段（1350～2400 nm）上，波形相似，各品種差異主要體現(xiàn)在反射率大小上，以綠峰、谷4和紅谷的反射率差異最顯著；而在近紅外波段（780～1350 nm）上，不僅反射率有差異，在該波段上的4個峰谷的中心波長位置的離散系數(shù)均比較高，這意味著在該波段各品種的波形也有顯著的不同。由于在近紅外波段內，植物光譜特征取決于葉片內部的細胞結構［18］，高光譜波形差異反映了不同基因型苧麻葉片內部結構的差異，通過分析該波段的高光譜波形，可為不同苧麻品種的識別提供可能性。

（3）各種參數(shù)中，差異小的參數(shù)能反映苧麻葉片高光譜普遍存在的固定特性，如峰4、谷4、綠峰和黃邊位置，峰2、峰1和谷1反射率，紅邊振幅以及近紅外波段／紅光波段的NDVI指數(shù)等；差異大的參數(shù)則體現(xiàn)了不同基因型苧麻之間的差別，如峰1、紅谷、谷1和紅邊位置，綠峰、谷4和紅谷反射率，藍邊振幅以及綠峰／紅谷的DVI等。

作物原始高光譜的峰谷位置和反射率、三邊參數(shù)和植被指數(shù)通常作為重要的特征波長提取依據(jù)，本研究分析了苧麻葉片高光譜特有的峰谷位置、反射率，三邊參數(shù)和植被指數(shù)，了解這些參數(shù)的特點和差異性，可以作為識別苧麻與其他作物，以及苧麻各品種之間鑒別的依據(jù)。下一步將對這些參數(shù)進行相關系數(shù)分析、方差分析、主成分分析，以提取最能反映苧麻不同基因型特點的特征波長，利用判別分析、神經(jīng)網(wǎng)絡等方法建立基于高光譜特征的苧麻分類識別模型，并對這些參數(shù)和特征提取方法的效果進行比較。

［1］李軍.農(nóng)業(yè)信息技術［M］.北京：科技出版社，2015：77，98.

［2］劉軻，周清波，吳文斌，等.基于多光譜與高光譜遙感數(shù)據(jù)的冬小麥葉面積指數(shù)反演比較［J］.農(nóng)業(yè)工程學報，2016，32（3）：155－162.

［3］陳志強.不同氮素水平下玉米葉片的高光譜響應及其診斷［D］.北京：中國農(nóng)業(yè)科學院，2013.

［4］王樹文，鄭博元，張長利.氮素脅迫下水稻高光譜特征研究［J］.農(nóng)機化研究，2015（8）：162－165.

［5］李嵐?jié)R驛，魏全全，等.基于高光譜的冬油菜植株氮素積累量監(jiān)測模型［J］.農(nóng)業(yè)工程學報，2015，31（20）：147－156.

［6］馬淏.光譜及高光譜成像技術在作物特征信息提取中的應用研究［D］.北京：中國農(nóng)業(yè)大學，2015.

［7］陶志強，Shamim Ara Bagum，馬瑋，等.運用光譜參數(shù)冠層覆蓋度建立作物長勢及氮營養(yǎng)狀態(tài)模型［J］.光譜學與光譜分析，2016，36（1）：231－236.

［8］熊和平.麻類作物育種學［M］.北京：中國農(nóng)業(yè)科學技術出版社，2008：46.

［9］粟建光，戴志剛.中國麻類作物種質資源及其主要性狀［M］.北京：中國農(nóng)業(yè)出版社，2016：102－150.

［10］中國農(nóng)業(yè)科學院麻類研究所.中國苧麻品種志［M］.北京：農(nóng)業(yè)出版社，1992.

［11］曹衛(wèi)星.農(nóng)業(yè)信息學［M］.北京：中國農(nóng)業(yè)出版社，2005：218.

［12］Horler D，Dockray M，Barber J.The red edge of plant leaf reflectance［J］.International Journal of Remote Sensing，1983，4（2）：273－288.

［13］Filella I，Penuelas J.The red edge position and shape as indicators of plant chlorophyll content，biomass and hydric status［J］.International Journal of Remote Sensing，1994，15（7）：1459－1470.

［14］田慶久，閔祥軍.植被指數(shù)研究進展［J］.地球科學進展，1998，13（4）：327－333.

［15］吳海龍，余新曉，張振明，等.基于多祌植被指數(shù)的土壤含水量估算方法［J］.光譜學與光譜分析，2014，34（6）：1615－1618.

［16］丁永軍，張晶晶，孫紅，等.玻璃溫室環(huán)境下番茄葉綠素含量敏感光譜波段提取及估測模型［J］.光譜學與光譜分析，2017，37（1）：194－199.

［17］楊杰.基于葉片高光譜指數(shù)的水稻氮素及色素含量監(jiān)測研究［D］.南京：南京農(nóng)業(yè)大學，2009.

［18］趙英時.遙感應用分析原理與方法［M］.北京：科學出版社，2002：50.

Study on Hyperspectral Reflectance of Ramie Leaf in Different Genotypes

CAO Xiaolan1，2，CHEN Xingming2，LIU Yaoduan2，ZHANG Shuai2，CUIGuoxian1*
（1.Ramie Research Institute of Hunan Agricultural University，Changsha 410128，China；2.College of Information Science and Technology Hunan Agricultural University，Changsha 410128，China）

The hyperspectral data of27 ramie leaveswith various genotypes under field－grown were collected and statistically analyzed.Research results showed that the hyperspectral curve of these ramie leaves demonstrated typical spectral characteristics of green plants，and its green peak value and red valley value were 553 nm and 668.9 nm respectively.The most centralized locations of central wavelength were at the fourth peak and the fourth valley，while the locations of central wavelength at the first peak and red valley were relatively decentralized.The most obvious differences in reflectivity occurred at the the green peak，fourth valley and the red valley，in contrast，the reflectivity differences at the second peak，first peak and the first valley were unobvious.As for the parameters of three edges，the greatest differences in location and amplitude were at the red edge and the blue edge and the blue edge respectively.In addition，there were greater differences in the vegetation index calculated with the green peak or the red valley as the sensitive waveband.

ramie；hyperspectral；vegetation index；red edge parameters；green peak

S127；S563.1

A

1671－3532（2017）05－0217－07

2017－01－12

國家麻類產(chǎn)業(yè)技術體系（CARS－19－E20）；國家自然科學基金（31471543）；中國農(nóng)業(yè)科學院科技創(chuàng)新工程（ASTIPIBFC07）

曹曉蘭（1972－），女，副教授，主要從事農(nóng)業(yè)信息化研究。E－mail：cxl＠hunau.net

*通訊作者：崔國賢（1963－），男，教授，主要從事麻類栽培育種、生理生態(tài)及植物營養(yǎng)生理研究。E－mail：gx－cui＠163.com