不同基因型苎麻叶片高光谱反射特征研究

曹晓兰，陈星明，刘耀端，张帅，崔国贤

（1.湖南农业大学苎麻研究所，长沙410128；2.湖南农业大学信息科学技术学院，长沙410128）

不同基因型苎麻叶片高光谱反射特征研究

曹晓兰1，2，陈星明2，刘耀端2，张帅2，崔国贤1*

（1.湖南农业大学苎麻研究所，长沙410128；2.湖南农业大学信息科学技术学院，长沙410128）

在大田栽培条件下，采集了27个不同基因型苎麻叶片高光谱数据，并对这些数据进行统计分析。研究表明，苎麻叶片的高光谱曲线具有典型的绿色植物光谱特征，其绿峰位置在553 nm；红谷位置在668.9 nm；峰4和谷4的中心波长位置最集中，峰1和红谷的中心波长位置比较分散；反射率差异最明显的位置是绿峰、谷4和红谷，而峰2、峰1和谷1反射率差异比较少；三边参数中，红边位置和蓝边振幅差异最大；以绿峰／红谷为敏感波段计算出来的植被指数差异性较大。

苎麻；高光谱；植被指数；红边参数；绿峰

高光谱技术兴起于上世纪80年代，被广泛应用于矿产资源调查、大气监测、环境监测、土壤调查等领域。在农业领域，高光谱技术的应用研究主要包括以下几个方面：作物叶片光谱特征研究、作物分类与识别、作物生态生理参数反演与提取、作物养分诊断与监测、作物长势监测与产量预测、农业遥感信息模型研究和农业灾害监测［1］。由于高光谱数据具有分辨率高、波段连续性强、信息量大、支持波形分析技术等优势，通过研究作物高光谱特性，能区分具有诊断性光谱特征的物质，有助于更好地揭示作物的本质属性。因此，近年来以光谱分析和高光谱图像技术为基础、以计算机处理为中心的无损光学检测和诊断技术成为当前作物信息领域的研究热点，并已经在水稻、小麦、玉米等作物的生态生理参数反演与提取、养分诊断与监测、长势监测与产量预测等方面得到了研究与应用［2－7］，取得了较好的应用结果和经济效益。

苎麻作为一种传统的纤维作物，在纺织业和造纸业中扮演重要角色，一直有着较高的经济地位。目前，我国苎麻种植面积和原料产量占世界的95%以上，处于优势地位［8］。而当前国内外对苎麻高光谱特性的相关研究未见报道。本研究通过采集27种不同苎麻品种叶片高光谱数据，进行原始反射率峰谷参数、三边参数、植被指数等高光谱特征指数的统计分析，了解并比较不同基因型苎麻的高光谱响应特性，旨在为建立基于高光谱的苎麻分类和识别模型、探讨苎麻高光谱特征与作物生理生态参数之间的对应关系提供理论基础。

1 材料与方法

1.1 采样地点概况及采样设备

苎麻叶片高光谱数据采集地在长沙县梅花基地苎麻种质资源圃（28°07’59.217＂N，113°17’46.113＂E）及湖南农业大学耘园教学基地（28°11’01.981＂N，113°04’10.159＂E）。这两地均属长沙地区，亚热带季风湿润气候，气候温和，降水充沛，雨热同期，四季分明，年平均气温16.8～17.3℃，年均降水量1358.6～1552.5 mm。

数据采集选用美国ASD公司生产的FieldSpec 3便携式地物光谱仪和配套的叶片夹持器。光谱仪波段范围为 350～2500 nm；在350～1050 nm波段，光谱采样间隔为 1.4 nm；在1000～2500 nm波段光谱采样间隔为2 nm。

1.2 高光谱数据的采集

采集工作于2016年11月上旬和2017年4月下旬进行，共采集了27种不同基因型苎麻叶片的高光谱数据。样本选择以多样化为原则，尽量兼顾多个生长期、多个来源地的早、中、晚熟品种；高产、中产和低产品种；优质、中质和低质品种以及深根丛生、中根散生和浅根散生等根型。数据采集情况见表1。

表1 苎麻高光谱数据采集情况［8－10］Tab.1 Hyperspectral data collection of ramie

编号 名称 来源地 蔸型 种质类型 成熟期 产量 品质A11平塘大刀麻 贵州金沙县 深根丛生 地方品种 中熟 低产 低质A12 罗甸青麻 贵州罗甸县 中根散生 地方品种 中熟 低产 中质A13 双峰大叶麻2号 湖南双峰县 深根丛生 地方品种 中熟 中产 低质A14 思茅红苎麻 云南普洱县 中根散生 地方品种 早熟 低产 优质A15 台江青杆麻 贵州台江县 浅根串生 地方品种 中熟 低产 优质A16 天台铁麻 浙江天台县 深根丛生 地方品种 中熟 中产 低质A17 嘉禾白脚麻 湖南嘉禾县 中根散生 地方品种 晚熟 低产 中质A18 武昌大叶麻 湖北武昌县 中根散生 地方品种 早熟 中产 优质A19 武岗红皮麻 湖南武岗市 中根散生 地方品种 中熟 中产 低质A20 湘潭鸡骨白 湖南湘潭县 浅根串生 地方品种 中熟 低产 中质A21 湘苎3号 湖南农业大学苎麻研究所 深根丛生 选育品种（黑皮蔸） 晚熟 中产 优质A22 沅江肉麻 湖南沅江县 浅根串生 地方品种 中熟 低产 中质A23 玉山麻 江西玉山县 浅根串生 地方品种 晚熟 低产 优质A24 沅江稀节巴 湖南沅江县 中根散生 地方品种 中熟 中产 低质A25 沅江黄壳早 湖南沅江市 深根丛生 地方品种 中熟 中产 中质A26 哲觉苎麻 云南宣威县 浅根串生 地方品种 早熟 低产 优质A27 中苎1号 中国农科院麻类研究所 深根丛生选育品种（圆叶青×芦竹青）中熟 高产 优质

采集时选择苎麻植株中上部发育成熟、处于旺盛期的叶片，将叶片夹持器夹紧叶片所测部位，用探头测定叶片光谱。每个品种选择5～10片叶片，每片叶片选择4～10个采样点。半小时做一次OPT优化和白板参比，所有数据均做跳跃点校正之后再取平均值代表该叶片或该品种的高光谱响应数据，本文中均以平均值做为分析对象。

1.3 高光谱特征参数的统计与分析

本文选择三种特征参数对苎麻叶片高光谱进行统计分析：

（1）原始高光谱峰谷参数。植物在不同的波段，受色素成分及含量、细胞结构和含水量等生理特征影响，光谱吸收和反射强度不同，由此形成特有的峰谷，当植物生理特征发生变化时，会影响高光谱波形，同时也会反映在这些峰谷中心波长位置和反射率上。

（2）三边参数。“红边”是绿色植物光谱最明显的特征之一，红边位置和红边幅值是最重要的红边参数：红边位置指红光范围（680～760 nm）内一阶导数光谱最大值所对应的光谱位置（波长）［11］，红边位置λ常被用来监测植株叶绿素含量［12］。红边幅值Dλ指红光范围内一阶导数光谱的最大值［13］。和红边参数类似的还有蓝边（490～530 nm）参数和黄边（550～580 nm）参数，统称三边参数。

（3）植被指数。在对植被高光谱数据进行处理时，常结合不同波长范围的反射率来增强植被特征。植被指数定量地表明了植被活力，其比用单波段来探测绿色植被更具灵敏性［14］。植被指数不仅很大程度降低光谱信息维度，同时能够较准确地估算植被指数对应的生理指标［15］。常用的植被指数有归一化植被指数NDVI（Normalization Difference Vegetation Index）、比值植被指数RVI（Ratio Vegetation Index）和差值植被指数 DVI（Dissimilarity Vegetation Index）。各指数计算公式如下［3］：

式中，Rλ1和 Rλ2为波段的反射率。

2 结果与分析

2.1 原始高光谱峰谷参数

测得的27个基因型苎麻叶片高光谱见图1，由图1可知，不同基因型苎麻叶片的高光谱曲线具有典型的绿色植物光谱特征，形状和变化规律基本一致，但不同品种之间存在着差异，这为从高光谱角度进行苎麻品种识别提供了依据。

图1 二十七种不同基因型苎麻叶片高光谱特征Fig.1 Hyperspectral characteristics of27 different genotypes of ramie leaf

对平塘大刀麻（A11）、双峰大叶麻2号（A13）、湘潭鸡骨白（A20）和沅江黄壳早（A25）4个品种旺长期和成熟期高光谱曲线进行比较，可以发现，同一品种成熟期的反射率均低于旺长期的反射率（图2）。随着叶绿素含量的增加，绿光反射峰值减小，红光反射率降低［16］；水分含量下降，短波红外波段反射率升高［17］，可见成熟期叶片的叶绿素和水分含量均高于旺长期。

图2 旺长期与成熟期高光谱特征Fig.2 Hyperspectral characteristics of fast growth period and mature period

针对苎麻叶片高光谱反射曲线，选择了包括绿峰、红谷在内的10个典型峰、谷波长位置（图1），对采集的27种不同基因型苎麻叶片原始高光谱数据进行了峰、谷中心波长位置、反射率等统计分析，结果见表2。

表2 27种不同基因型苎麻叶片高光谱峰、谷特征值统计Tab.2 Peak and valley characteristics statistical analysis of27 different genotypes ramie leaf highspectral

由表1离散系数可知，不同苎麻品种10个峰谷的中心波长位置和反射率差异各不相同，差异显著的有峰1、红谷和谷1的中心波长位置，以及绿峰、谷4和红谷的反射率，其中峰1的位置范围为1067～1087 nm，极差达到20 nm，远高于其他峰谷的差异，而绿峰的离散系数为0.1973，也远高于其他峰谷反射率的离散系数。而峰4，谷4和绿峰的位置，以及峰1、峰2和谷1的反射率差异不明显，峰4的位置极差仅有3 nm，峰1反射率的离散系数为0.0326。

2.2 三边参数

用直接差分法，选择差分宽度19对高光谱数据一阶求导。27个不同苎麻品种在450～850 nm波段的叶片高光谱一阶导数波形如图3所示，三边参数统计结果如表3所示。由各三边位置离散系数可知，三边中位置集中程度是黄边＞蓝边＞红边；而振幅变化最小的是红边，黄边其次，蓝边变化最大。

图3 苎麻叶片一阶导数高光谱特征Fig.3 First derivative hyperspectral characteristics of ramie leaf

表3 27种不同基因型苎麻叶片高光谱三边参数统计Tab.3 Three edge parameters statistical analysis of 27 different genotypes ramie leaf highspectral

2.3 植被指数参数

在计算植被指数时，要选择合适的敏感波段。本文选择了绿峰／红谷反射率、近红外波段（760～900 nm）／红光波段（630～690 nm）光谱反射率平均值这两个敏感波段，计算并统计了比值、差值和归一化植被指数（表4）。

表4 植被指数Tab.4 Vegetation index

由离散系数可知，在集中程度上，近红外波段／红光波段植被指数普遍大于同类型的绿峰／红谷植被指数；所有指数中，以绿峰／红谷的DVI差异性最大，近红外波段／红光波段的NDVI差异性最小。

3 讨论

（1）李军［1］报道绿色植物敏感波段中心位置分别为 450、550、660、970、1200、1450、1650、1940、2200、2700 nm；杨杰［17］研究表明植被反射峰与吸收谷中心波长位置分别为 455、550、680、950、1090、1200、1285、1468、1685、2200 nm。本研究获得的苎麻叶片高光谱敏感波段峰谷中心位置分别是553.0、668.9、966.8、1077.5、1190.7、1265.2、1441.3、1668.0、1926.2和2220.9 nm。对比可知，苎麻叶片光谱曲线虽然基本符合绿色植物的光谱变化规律，但在敏感波段的峰谷中心位置上与其他作物有一定差异。

（2）不同基因型苎麻叶片高光谱特征在不同波段的区别：在可见光波段（400～780 nm）和短波红外波段（1350～2400 nm）上，波形相似，各品种差异主要体现在反射率大小上，以绿峰、谷4和红谷的反射率差异最显著；而在近红外波段（780～1350 nm）上，不仅反射率有差异，在该波段上的4个峰谷的中心波长位置的离散系数均比较高，这意味着在该波段各品种的波形也有显著的不同。由于在近红外波段内，植物光谱特征取决于叶片内部的细胞结构［18］，高光谱波形差异反映了不同基因型苎麻叶片内部结构的差异，通过分析该波段的高光谱波形，可为不同苎麻品种的识别提供可能性。

（3）各种参数中，差异小的参数能反映苎麻叶片高光谱普遍存在的固定特性，如峰4、谷4、绿峰和黄边位置，峰2、峰1和谷1反射率，红边振幅以及近红外波段／红光波段的NDVI指数等；差异大的参数则体现了不同基因型苎麻之间的差别，如峰1、红谷、谷1和红边位置，绿峰、谷4和红谷反射率，蓝边振幅以及绿峰／红谷的DVI等。

作物原始高光谱的峰谷位置和反射率、三边参数和植被指数通常作为重要的特征波长提取依据，本研究分析了苎麻叶片高光谱特有的峰谷位置、反射率，三边参数和植被指数，了解这些参数的特点和差异性，可以作为识别苎麻与其他作物，以及苎麻各品种之间鉴别的依据。下一步将对这些参数进行相关系数分析、方差分析、主成分分析，以提取最能反映苎麻不同基因型特点的特征波长，利用判别分析、神经网络等方法建立基于高光谱特征的苎麻分类识别模型，并对这些参数和特征提取方法的效果进行比较。

［1］李军.农业信息技术［M］.北京：科技出版社，2015：77，98.

［2］刘轲，周清波，吴文斌，等.基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较［J］.农业工程学报，2016，32（3）：155－162.

［3］陈志强.不同氮素水平下玉米叶片的高光谱响应及其诊断［D］.北京：中国农业科学院，2013.

［4］王树文，郑博元，张长利.氮素胁迫下水稻高光谱特征研究［J］.农机化研究，2015（8）：162－165.

［5］李岚涛，马驿，魏全全，等.基于高光谱的冬油菜植株氮素积累量监测模型［J］.农业工程学报，2015，31（20）：147－156.

［6］马淏.光谱及高光谱成像技术在作物特征信息提取中的应用研究［D］.北京：中国农业大学，2015.

［7］陶志强，Shamim Ara Bagum，马玮，等.运用光谱参数冠层覆盖度建立作物长势及氮营养状态模型［J］.光谱学与光谱分析，2016，36（1）：231－236.

［8］熊和平.麻类作物育种学［M］.北京：中国农业科学技术出版社，2008：46.

［9］粟建光，戴志刚.中国麻类作物种质资源及其主要性状［M］.北京：中国农业出版社，2016：102－150.

［10］中国农业科学院麻类研究所.中国苎麻品种志［M］.北京：农业出版社，1992.

［11］曹卫星.农业信息学［M］.北京：中国农业出版社，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］田庆久，闵祥军.植被指数研究进展［J］.地球科学进展，1998，13（4）：327－333.

［15］吴海龙，余新晓，张振明，等.基于多祌植被指数的土壤含水量估算方法［J］.光谱学与光谱分析，2014，34（6）：1615－1618.

［16］丁永军，张晶晶，孙红，等.玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及估测模型［J］.光谱学与光谱分析，2017，37（1）：194－199.

［17］杨杰.基于叶片高光谱指数的水稻氮素及色素含量监测研究［D］.南京：南京农业大学，2009.

［18］赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，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

国家麻类产业技术体系（CARS－19－E20）；国家自然科学基金（31471543）；中国农业科学院科技创新工程（ASTIPIBFC07）

曹晓兰（1972－），女，副教授，主要从事农业信息化研究。E－mail：cxl＠hunau.net

*通讯作者：崔国贤（1963－），男，教授，主要从事麻类栽培育种、生理生态及植物营养生理研究。E－mail：gx－cui＠163.com