李思遠(yuǎn), 焦健楠, 王 馳

上海大學(xué)精密機(jī)械工程系, 上海 200444

引 言

葉綠素作為綠色植物的主要色素之一, 在光合作用中起著至關(guān)重要的作用, 其含量的變化可以用于表征植物的生理變化和受脅迫情況等。 因此, 監(jiān)測植物葉綠素含量變化對于了解植物長勢、 監(jiān)測植被病蟲害有著重要的意義[1-3]。 目前已發(fā)展出多種方法來監(jiān)測葉綠素含量, 傳統(tǒng)的葉綠素含量測量是使用濕化學(xué)方法確定的[4], 這種方法不僅需要破壞植株, 耗時費(fèi)力, 而且不能實時的進(jìn)行大尺度的監(jiān)測[5-6]。

隨著遙感技術(shù)的發(fā)展, 為植物葉綠素含量的測量提供了快速、 有效、 非破壞性的數(shù)據(jù)采集與分析方法。 由于植被通常以紅色到近紅外波長的紅邊為特征[7], 許多學(xué)者利用這一光譜特征開發(fā)各種植被指數(shù)來監(jiān)測植被生長和健康狀況。 利用遙感探測樹木損害的檢測進(jìn)行了大量研究。 例如, Kim等[8]在550～670 nm光譜范圍內(nèi)選取波段, 提出了用于檢測松木線蟲早期感染的綠紅光譜面積指數(shù)。 Zang等[9]提出了一種紅綠區(qū)光譜角指數(shù), 并與其他10種常用的檢測受損樹木早期死亡過程的光譜角指數(shù)進(jìn)行了比較, 結(jié)果表明所提出的GRRSGI在檢測損傷樹早期死亡過程方面具有更大的潛力。 以上植被指數(shù)的主要優(yōu)點是對葉綠素含量變化敏感。 然而, 這些植被指數(shù), 可能會受到葉片鏡面反射的影響, 從而影響利用它們對葉綠素含量的反演精度。 一些研究已經(jīng)注意到植被的鏡面反射問題并試圖解決它。 Sims和Gamon[10]通過將葉片的總反射值減去445 nm處的反射值, 提出了mSR和mND指數(shù), 從而顯著提高葉綠素反演精度。 Li等[11]認(rèn)為鏡面反射的存在會影響葉綠素反演的精度, 當(dāng)通過偏振消除鏡面反射后, 葉綠素反演精度得到提升。 Wang等[12]通過將高亮區(qū)域去除, 并利用周圍信息補(bǔ)全來去除鏡面反射。 林沂[13]等通過測量葉片表面的偏振反射, 消除了部分鏡面反射, 提升了冬小麥氮含量的反演精度。 蘇偉[14]等利用小波變換法去除了葉片的鏡面反射成分。 雖然以上這些研究去除葉片的鏡面反射干擾的效果良好, 但并沒有人嘗試用植被指數(shù)與偏振融合去除鏡面反射干擾的方法。

由于冠層形態(tài)和葉片化學(xué)成分會受到脅迫、 活力和生長階段的影響, 因此可以預(yù)期植物冠層反射的偏振程度將包含脅迫程度、 植被類型、 活力和生長階段等信息。 偏振成像和多光譜成像可以在目標(biāo)檢測等應(yīng)用中提供互補(bǔ)的鑒別信息。 然而, 很少有方法提出融合偏振和多光譜圖像提供的信息, 以更好地增強(qiáng)目標(biāo)對比度。 因此, 作者課題組在文獻(xiàn)[15]中提出一種利用目標(biāo)漫反射和鏡面反射的光譜和偏振特性來檢測目標(biāo)的算法, 以檢測夜間環(huán)境下的植物健康狀態(tài)。

基于以前的研究基礎(chǔ), 本文的主要目的是消除鏡面反射并對植物的健康狀態(tài)進(jìn)行遙感監(jiān)測。 為此, 開發(fā)一套偏振多光譜成像系統(tǒng), 用于記錄鏡面反射干擾下植被的482、 680和760 nm的光譜圖像以及角度為0、 60、 120的偏振圖像, 建立一種鏡面去除指數(shù)(specular reflection removal index, SRRI), 并將其與線偏振度(DoLP)和偏振角(AOP)進(jìn)行融合以消除植物鏡面反射的干擾并提高植物健康狀態(tài)檢測精度。 此外, 基于SRRI、 DoLP和AOP的融合算法計算了一種偏振融合鏡面去除指數(shù)(polarization fusion specular reflection removal index, PFSRRI)。 將SR、 NDVI、 SRRISR、 SRRINDVI、 PFSRRISR和PFSRRINDVI與SPAD進(jìn)行關(guān)聯(lián)分析, 以了解它們消除鏡面反射干擾的能力, 并給出相應(yīng)的測試結(jié)果。

1 實驗部分

1.1 植物材料

研究中分析的光譜與偏振數(shù)據(jù)來自上海大學(xué)校園內(nèi)的芒果樹的樹葉。 如圖1為實驗室的盆栽芒果樹, 圖1(a)—(d)分別定義為健康葉片區(qū)域(綠色葉片)、 鏡面反射葉片區(qū)域(健康葉片區(qū)域)、 脅迫1級葉片區(qū)域(輕微泛黃)、 脅迫2級葉片區(qū)域(中度泛黃)。 脅迫等級分類見表1。

圖1 植物材料

表1 芒果樹葉的脅迫等級分類

1.2 裝置

如圖2所示, 搭建偏振多光譜成像系統(tǒng), 系統(tǒng)包括2 048像素×2 048像素的制冷型高靈敏sCMOS相機(jī)(pco.edge 4.2), 一個裝有濾波片的旋轉(zhuǎn)濾光輪和一個裝有偏振片的旋轉(zhuǎn)架。 其中濾波片分別為semrock公司型號為FF02-482/18-25的藍(lán)光波段濾波片, 以及Thorlabs公司型號為FB680-10和FB760-10的紅光和近紅外波段濾波片。 實驗的目的是驗證新方法的可行性, 因此隨機(jī)選取30°作為入射天頂角, 未來將擴(kuò)大不同幾何條件下的觀測研究。 測量是在天底方向進(jìn)行的, 因為天底方向是遙感中常規(guī)的觀測方向。

圖2 偏振多光譜成像系統(tǒng)

1.3 植被偏振信息提取原理

偏振技術(shù)可以為植被制圖和植被狀況評估提供對比度增強(qiáng)信息[16]。 有研究表明鏡面反射是偏振反射的主要來源[11]。 因此, 本文將偏振引入對植被的分析中來, 并與植被指數(shù)進(jìn)行融合, 以消除植被的鏡面反射干擾。 本文采用Fessenkovs方法測量線性Stokes參數(shù)。

斯托克斯公式

(1)

式(1)中,I為輻射強(qiáng)度;Ax、Ay分別為電子束在相互垂直方向上的振幅;γ為Ax,Ay之間的相位角。S0是通過將光波通過0°方向的線性偏振器得到的;S1是通過將光波通過60°方向的線性偏振器得到的;S2通過將光波通過120°方向的線性偏振器得到的;S3是圓偏振分量。

Fessenkovs方法

(2)

線偏振度(DoLP)

(3)

偏振角(AOP)

(4)

1.4 植被指數(shù)的構(gòu)建

1.4.1 SR和NDVI的構(gòu)建

基于植被指數(shù)的分析已經(jīng)成為學(xué)者們在植被遙感探測研究與實踐中的主要途徑。 迄今為止, 已有多種不同形式的植被指數(shù)被相繼提出, 這些植被指數(shù)通常具有一定的生物或理化意義, 是植物光譜的一種重要的應(yīng)用形式。 其中SR和NDVI指標(biāo)被廣泛使用, 計算方法如下[17]。 其中,R482 nm、R680 nm和R760 nm分別為482、 680和760 nm波長處的反射率值。

(5)

(6)

1.4.2 SRRISR和SRRINDVI的構(gòu)建

如圖3(a)是R482 nm圖像、 (b)是R680 nm圖像、 (c)是DoLP圖像、 (d)是R760 nm圖像, 圖中紅色區(qū)域為鏡面反射區(qū)域, 實驗發(fā)現(xiàn)R482 nm和R680 nm的光譜圖像對鏡面反射較敏感且敏感度相似, 而R760 nm的光譜圖像對鏡面反射不敏感。 因此, 本文假設(shè)R482 nm處的反射率是鏡面反射, 并且只需要R680 nm減去R482 nm。

圖3 (a) R482 nm圖像、 (b) R680 nm圖像、 (c) DoLP圖像、 (d) R760 nm圖像

(7)

(8)

1.4.3 PFSRRISR和PFSRRINDVI的構(gòu)建

如圖3(c)可以看到, 鏡面反射區(qū)域的DoLP值較低, 這是因為目標(biāo)的DoLP與表面反射率成反比[18]。 因此, 提出了一種利用目標(biāo)漫反射和鏡面反射的光譜和偏振特性來檢測目標(biāo)的融合算法, 鏡面去除指數(shù)(SRRI), 線偏振度(DoLP)和偏振角(AOP)均在融合框架內(nèi)計算, 以去除鏡面反射干擾并提高植物健康狀態(tài)檢測精度。

對鏡面去除指數(shù)(SRRI), 線偏振度(DoLP)和偏振角(AOP)進(jìn)行HSV融合, 融合算法:

∑HSV→RGB{DoLP, SRRI, AOP}

(9)

式(9)中, PFSRRI為HSV融合后的SRRI的值。 其中,G(SRRISR)和G(SRRINDVI)分別為圖像融合后的G波段分量。

PFSRRISR=G(SRRISR)

(10)

PFSRRINDVI=G(SRRINDVI)

(11)

2 結(jié)果與討論

2.1 SPAD含量測量

使用手持式葉綠素測定儀(中科維禾, 型號: TYS-4N)進(jìn)行葉片的SPAD測量。 測定了不同健康狀態(tài)的芒果樹葉的SPAD。 健康葉片的SPAD在37.94 SPAD以上, 脅迫1級葉片的SPAD在20.05～37.94 SPAD范圍內(nèi), 脅迫2級葉片的SPAD在0～20.05 SPAD范圍內(nèi)。 植物不同健康狀態(tài)的葉片區(qū)域的平均SPAD含量三維散點圖, 如圖4,x軸為植被脅迫等級,y軸為樣本數(shù),z軸為相對葉綠素含量(SPAD)。 使用SPAD散點圖的誤分率計算不同植物狀態(tài)的敏感性(Se)和特異性(Sp)以及各自的陽性預(yù)測值(PPV)和陰性預(yù)測值(NPV)值見表2。

圖4 SPAD含量散點圖

表2 SPAD、 SR、 NDVI、 SRRISR、 SRRINDVI、 PFSRRISR和PFSRRINDVI對植物不同健康狀態(tài)等級的判別精度

2.2 植被指數(shù)成像對比

如5圖所示, 圖5(a)是由式(5)計算得到的SR圖像、 圖5(b)是SR的偽彩色圖像、 圖5(c)是由式(6)計算得到的NDVI圖像、 圖5(d)是NDVI的偽彩色圖像。 圖5(a)—(d)黑色框中的值要比其周圍的值低, 這是因為葉片表面發(fā)生鏡面反射造成的(見第3節(jié)), 因此鏡面反射使得健康葉片被誤認(rèn)為脅迫葉片。

圖5 (a)SR圖像、 (b) SR偽彩色圖像、 (c)NDVI圖像、 (d) NDVI偽彩色圖像、 (e)SRRISR圖像、 (f) SRRISR偽彩色圖像、 (g) SRRINDVI圖像、 (h) SRRINDVI偽彩色圖像

圖5(e)是由式(7)計算得到的SRRISR圖像、 圖5(f)是SRRISR的偽彩色圖像、 圖5(g)是由式(8)計算得到的SRRINDVI圖像、 圖5(h)是SRRINDVI的偽彩色圖像。 圖5(e)—(h)黑色框中的值要比其周圍的值高, 這是因為SRRISR和SRRINDVI將葉片的鏡面反射從低值改善為高值(見第3節(jié))。 而葉片的鏡面反射區(qū)域是健康葉片區(qū)域, 因此改善后的SRRISR和SRRINDVI進(jìn)行葉綠素反演的精度得到提高(如圖8)。

圖6(a)是DoLP圖像、 圖6(b)是AOP圖像、 圖6(c)是由式(7)計算得到的SRRISR圖像、 圖6(d)是由DoLP、 AOP和SRRISR融合得到的PFSRRISR圖像、 圖6(e)是由式(8)計算得到的SRRINDVI圖像、 圖6(f)是由DoLP、 AOP和SRRINDVI融合得到的PFSRRINDVI圖像。 圖6(d)、 (f)黑色框中的值和其周圍的值已經(jīng)幾乎相等, 因此PFSRRISR和PFSRRINDVI幾乎完全消除了葉片的鏡面反射。

2.3 植被指數(shù)的分類散點圖

圖7(a)—(f)分別是SR、 NDVI、 SRRISR、 SRRINDVI、 PFSRRISR和PFSRRINDVI三維散點圖,x軸為植被的不同健康水平分類、y軸為分組數(shù),z軸分別為SR、 NDVI、 SRRISR、 SRRINDVI、 PFSRRISR和PFSRRINDVI值。 圖7(a)、 (b)可以看出, 鏡面反射葉片的值低于脅迫2級葉片的值, 鏡面反射葉片被誤認(rèn)為是脅迫葉片, 這是采用SR和NDVI進(jìn)行葉綠素反演產(chǎn)生誤差的原因。 圖7(c)、 (d)可以看出, 鏡面反射葉片的值大于健康葉片的值(實際上應(yīng)該相等)。 圖7(e)、 (f)可以看出, 鏡面反射葉片的值與健康葉片區(qū)域的值相等, 并且其他健康葉片水平分類明顯。 PFSRSI極大的消除了鏡面反射帶來的干擾, 提高了葉綠素檢索的精度。

通過曲面的顏色和趨勢的變化可以很直觀地看到植被健康狀態(tài)的變化趨勢, 將曲面投影在xy面和yz面上, 在yz面上相鄰植被狀態(tài)等級的算術(shù)平均值上畫出截斷線。 根據(jù)相鄰植物狀態(tài)的誤分率, 確定了植物不同健康狀態(tài)區(qū)分的敏感性和特異性以及分類的陽性預(yù)測值(PPV)和陰性預(yù)測值(NPV)見表2。

2.4 SPAD值與不同植被指數(shù)的相關(guān)性分析

將SR、 NDVI、 SRRISR、 SRRINDVI、 PFSRRISR和PFSRRINDVI與SPAD進(jìn)行線性相關(guān)性分析。 如圖8(a)、 (b), SR與SPAD的相關(guān)系數(shù)R2為0.012 8, 而NDVI與SPAD的相關(guān)系數(shù)R2為0.007 5。 圖8(c)和(d), SRRISR與SPAD含量的相關(guān)系數(shù)R2為0.818, SRRINDVI與SPAD含量的相關(guān)系數(shù)R2為0.889, 精度明顯得到改善。 圖8(e)、 (f), PFSRRISR與SPAD含量的相關(guān)系數(shù)R2為0.955, PFSRRINDVI與SPAD含量的相關(guān)系數(shù)R2為0.948, 精度得到極大的改善。

鏡面反射是遠(yuǎn)程反演葉綠素含量的重要誤差源。 為了消除葉片鏡面反射對植物健康檢測的影響, 將鏡面去除指數(shù)(SRRI)、 線偏振度(DoLP)和偏振角(AOP)進(jìn)行融合, 開發(fā)了一個偏振融合鏡面去除指數(shù)(PFSRRI), 以更好地檢測鏡面反射干擾下的植物健康狀態(tài)。 搭建了一套偏振多光譜成像系統(tǒng), 用于監(jiān)測植物健康狀態(tài), 評價葉片鏡面反射去除的效果。

如圖4所示, 健康葉片區(qū)域和鏡面反射區(qū)域(健康葉片), 其SPAD值都在37.94之上。 鏡面反射區(qū)域位于健康葉片區(qū)域, 這也說明葉片的表面越光滑, 鏡面反射就越強(qiáng), 而葉片的表面光滑程度與健康程度有關(guān), 即葉片越健康表面則越光滑。

在遙感監(jiān)測中, 葉子的反射率是由兩部分組成的: 鏡面反射率和漫反射[19]。 鏡面反射源于葉表皮界面處的直接反射, 入射輻射不會穿透葉內(nèi)部[20]而漫反射來自于葉片內(nèi)部, 其光譜的變化取決于生物化學(xué)成分。 因此, 鏡面反射分量不攜帶葉生物化學(xué)信息[21-22], 葉片鏡面反射的存在可能導(dǎo)致遠(yuǎn)程檢測葉綠素含量的干擾。 如圖5(a)—(d)黑色框, 鏡面反射產(chǎn)生的干擾使得健康葉片被誤認(rèn)為是脅迫葉片。 從如圖7(a)、 (b)中也可以看到, 鏡面反射區(qū)域的值低于脅迫2級葉片的值, 這是反常的。 此外, 葉片的鏡面反射干擾使得葉綠素反演精度大大降低, SPAD與SR和NDVI相關(guān)性僅為0.012 8和0.007 5[如圖8(a)和(b)]。

由于SR和NDVI指標(biāo)對鏡面反射的敏感性, 本文提出了SRRISR和SRRINDVI來緩解鏡面反射的影響[式(7)和式(8)]。 本文的研究也證實了SRRISR和SRRINDVI指數(shù)比SR和NDVI指數(shù)有改善, 圖8(c)、 (d)說明了該策略的有效性, SPAD與SRRISR和SRRINDVI相關(guān)性為0.818和0.889。 然而, 如圖5(e)—(h)可以看到鏡面反射區(qū)域的值高于周圍的值, 這也是反常的。 由于本文將R482 nm當(dāng)作是葉片鏡面反射的測量值, 而實際上R482 nm同時包含漫反射和鏡面反射, 因此R482 nm的值高于鏡面反射的測量值。 在SRRISR和SRRINDVI中[式(7)和式(8)],R680 nm減去R482 nm以消除鏡面干擾。 因此, SRRISR和SRRINDVI的鏡面反射區(qū)域的值大于健康葉片的值[如圖7(c)和(d)]。 故SRRISR和SRRINDVI在消除鏡面反射效應(yīng)方面的并不是特別理想。

光的偏振是比光的強(qiáng)度更普遍的物理特性。 如圖3(b)、 (c)黑色框, DoLP與R680 nm變化趨勢相反[23-24], 并且鏡面反射區(qū)域的DoLP值較低, 這是因為目標(biāo)的DoLP與表面反射率成反比[18]。 此外, SRRISR和SRRINDVI使得鏡面反射區(qū)域高亮。 因此, 如果將SRRISR和SRRINDVI分別與偏振圖像融合, 生成的圖像將會具有更優(yōu)秀的鏡面反射去除效果。 本文開發(fā)了一個偏振融合鏡面去除指數(shù)[式(9)—式(11)], 幾乎完全消除葉片的鏡面反射[如圖6(d)和(f)黑色框]。 利用PFSRRISR和PFSRRINDVI數(shù)據(jù)進(jìn)行繪制散點圖[圖7(e)和(f)], 對植物不同健康狀況等級進(jìn)行分類。 可以看出, 健康葉片和鏡面反射葉片區(qū)域的值已經(jīng)相等, 鏡面反射干擾被消除。 SPAD與PFSRRISR和PFSRRINDVI相關(guān)性分別為0.955和0.948[如圖8(e)和(f)], 精度得到極大的改善。 此外, 表2中PFSRRISR和PFSRRINDVI將鏡面反射葉片從脅迫1級中分類的靈敏度分別為100%、 100%, 特異性分別為100%、 98%, 這具有重要意義, 因為它們證明了該指數(shù)在鏡面反射干擾下檢測植物健康狀況的潛力。

目前, 該系統(tǒng)只能靜態(tài)的進(jìn)行檢測植被健康狀況, 因為本文偏振測量選擇的是手動旋轉(zhuǎn), 當(dāng)然這也增加了偏振測量的誤差。 在未來, 將開發(fā)可動態(tài)測量的設(shè)備, 并將其部署在平臺上, 如小車、 無人機(jī)和衛(wèi)星, 在消除鏡面反射干擾的同時, 以在遠(yuǎn)距離感受各種類型的生物和非生物脅迫對農(nóng)田和森林的影響。

3 結(jié) 論

建立了一個偏振多光譜成像系統(tǒng), 用于去除植物的鏡面反射干擾并對植物的健康狀態(tài)進(jìn)行遙感監(jiān)測。 并將鏡面去除指數(shù)(SRRI)、 線偏振度(DoLP)和偏振角(AOP)進(jìn)行融合, 開發(fā)了一個偏振融合鏡面去除指數(shù)(PFSRRI), 以消除植物的鏡面反射干擾并提高植物健康狀態(tài)檢測精度。 利用PFSRRISR和PFSRRINDVI的散點圖對植物不同健康狀態(tài)等級進(jìn)行分類研究, 從1級脅迫葉片對鏡面葉片進(jìn)行分類的靈敏度分別為100%、 98%, 特異性分別為100%、 100%, 表明該方法對消除植物的鏡面反射干擾是非常有效的。 為了評估PFSRRI消除鏡面反射干擾并監(jiān)測植物健康狀態(tài)的遙感監(jiān)測能力, 對芒果樹葉的不同健康狀態(tài)葉片區(qū)域進(jìn)行了測量。

結(jié)果表明:

(1) SR和NDVI對鏡面反射較敏感, 受葉片鏡面反射的干擾最大。 SPAD與SR和NDVI相關(guān)性僅為0.012 8和0.007 5。

(2) SRRISR和SRRINDVI比SR和NDVI有改善, SPAD與SRRISR和SRRINDVI相關(guān)性分別為0.818和0.889。 然而, 鏡面反射區(qū)域的值高于健康葉片的值, 這是反常的。 故SRRISR和SRRINDVI在消除鏡面反射效應(yīng)方面的并不是特別理想。

(3) PFSRRISR和PFSRRINDVI消除鏡面反射干擾表現(xiàn)最優(yōu)秀, SPAD與PFSRRISR和PFSRRINDVI相關(guān)性分別為0.955和0.948, 精度得到極大的改善。 健康葉片和鏡面反射葉片區(qū)域的值已經(jīng)相等, 說明鏡面反射干擾幾乎被完全消除。

該研究可在不同遙感平臺上使用, 如車載、 無人機(jī)和衛(wèi)星, 在消除植物的鏡面反射干擾的同時評估植被健康狀況。