基于高分六号遥感数据的中草药信息提取研究

2019-11-12李煜

南方农业·中旬 2019年7期

李煜

摘要遥感的定量分析是遥感领域发展的重要方向，但对于光谱曲线相似的植物难以区分。中草药和冬小麦光谱曲线较为相似，通过对中草药和冬小麦生长周期的研究，寻找冬小麦生长周期中的特殊阶段，计算该阶段与中草药光谱曲线的微小差异并加以放大，从而提取中草药的种植区域，可为今后中草药遥感定量分析进一步研究提供参考。

关键词高分六号影像;中草药;红边光谱特征差异;光谱判定指数;遥感定量分析

中图分类号：S127 文献标志码：B DOI：10.19415/j.cnki.1673-890x.2019.20.060

自然界中所有地物都具有其自身的电磁辐射规律。地物对电磁波具有反射和吸收作用，同时地物又会发射某些电磁辐射，部分特殊地物还具备透射电磁波的能力。在外界辐射和自身条件的共同作用下，不同地物、相同地物的不同阶段和状态，都会呈现不同的光谱特征，这些性质构成了地物的光谱特征[1-2]。光谱特征是研究遥感技术的理论基础[3]。

目前，国内外对于地物光谱特征的研究已经非常广泛，涉及的领域涵盖许多学科[4]。当前，我国拥有丰富的中草药种植、使用历史，通过对中草药的光谱特征研究，利用遥感数据提取中草药的种植数据，对中草药的监管、发展具有重要意义[5]。

1 材料与方法

1.1 研究区概况

研究区为1∶50万分幅地图鹿邑县幅。位于河南省周口市鹿邑县（东经115°14′59.852″～115°29′59.874″，北纬34°0′2.11″～33°50′2.098″），总面积约488 125 hm2，地势较为平坦，平均海拔0.04 m。该区域地处黄淮平原，是重要的粮食产地，农作物主要有小麦、玉米，一般冬小麦在6月初收割完毕后开始种植夏播玉米。研究区还是重要的中草药产地，生产的中草药有防风、白芷、苍术、蒲公英等。

1.2 数据选择和预处理

本实验使用高分六号2019年5月的PMS遥感数据。研究区内中草药的种植时间及生長周期如表1所示，各中草药在5月底均已生长出较为茂盛的枝叶，可以在较大程度上降低因叶面积指数较低而导致的土壤对中草药光谱曲线的影响。

通过实地考察，5月底冬小麦进入灌浆期和乳熟期。谷粒灌浆时，作物冠层中高叶绿素含量的叶片成分减少，麦芒等在冠层中占有的比例增加，使得近红外区反射率下降。小麦遭受的病虫侵害特征在这一时期会明显表现出来，也会导致反射率下降[6]。此时期冬小麦总体表现为真彩色图像颜色较深，在可见光波段及近红外波段反射率相对于其他绿色植物较低。

首先对数据进行预处理，由于卫星传感器接收到的地物辐射信息包含了气溶胶、地形以及邻近地物的影响[7]，因此需要进行辐射校正分离出地物的真实辐射值。地物辐射经过大气时，受到大气散射、反射、吸收等作用，因此需要进行大气校正将接收到的反射率转换为地物实际反射率[8-9]。本实验数据均已经过辐射定标和大气校正。

2 结果与分析

2.1 光谱特性分析及研究

研究区域内主要种植有冬小麦、中草药、少量的树木及其他少量农作物。树木多集中在道路两侧及居民聚集区。研究区域的农作物除小麦外，其他农作物占比较低，在大面积图像上可以忽略，所以本次实验主要区分冬小麦和几种中草药。在研究区内，冬小麦和几种中草药一般混合种植，表现为一田地被分割为多个带状区域，交替种植农作物和中草药，也有一些区域大面积种植冬小麦或中草药。因此，寻找一种合适的方法将中草药与冬小麦区分开来，即可得到中草药的种植区域。

通过植被指数（NDVI，Normalized Difference Vegetation Index）可以大致反映地表植被覆盖状况[10]，能够快速将植被区域与非植被区域区分开。此方法可以减少非植被区域对实验结果造成的影响。

通过实地勘察，对比遥感图像上该区域的波普曲线，得出白芷、蒲公英、苍术、防风和冬小麦在5月的波谱曲线对比，如图1所示。

由图1可以看出，几种中草药表现出的光谱特征几乎相同，在蓝光波段反射率较低，在0.56 μm的绿光波段处有一个反射峰，然后到了0.66 μm的红光波段有一个吸收带，至此在可见光范围内，红、蓝波段反射低而绿色波段反射高。到了近红外波段表现出极高的反射率，即植物的“红边”现象。冬小麦的反射曲线类似，但在绿色波段和近红外波段反射值明显低于中草药，尤其是近红外波段。几种中草药和冬小麦区别最为明显的地方在于蓝绿波段、红和近红波段的增长速率不同，中草药的增长速度较快，而冬小麦的增长速率明显低于中草药;由于中草药植物波谱对绿波段反射明显，对红波段吸收较高，从而形成一个波谷;而冬小麦进入灌浆期和乳熟期时对绿波段和红波段反射差异较小，因此波谱曲线相对平缓。可以利用这个特性，放大差异性，从而达到对中草药和冬小麦进行区分的目的。因每个波谱段增加和减少的速率不同，为了表现所有特征，为蓝波段到绿波段、绿波段到红波段分别赋予权重。差异性因子F计算如下：

其中N为反射值，λ为波长值。该因子将中草药和冬小麦各波段的特征差异进行汇总，放大了差异性，差异性因子F的数值越高，说明该地物是中草药可能性越大，数值越低，该地物是冬小麦的可能性越大。

为了避免其他地物的干扰，所以引入植被指数（NDVI， Normalized Difference Vegetation Index），去除非植被区域。本次实验选取NDVI值大于0.3的区域作为植被覆盖区。由于存在干扰现象，例如部分工厂顶棚的光谱曲线如图2所示，其NDVI值为0.46。

2.2 判定指数分析

计算中草药和冬小麦差异性因子，如差异性因子小于0，则说明该地物不具备植物的光谱特征，因此可以将其排除。中草药和小麦判定指数S计算如下：

最终得到结果局部区域如图3所示，图像中部为一块种植田，田中条带状灰度值差异较为明显，混种的小麦和中草药可通过此图区分。通过实地考察，根据判定指数划分的各作物种植区较准确。

通过实地考察，结合遥感影像，最终确定判定指数小于等于40的为冬小麦，判定指数大于40的为中草药，各判定指数对应面积占研究区总面积比例如图4所示。中草药种植面积约96 356 hm2，占研究区域总面积19.74%，冬小麦种植面积约182 510 hm2，占研究区域总面积37.39%。

3 结论与讨论

本实验研究的几种中草药与冬小麦的光谱曲线在多光谱数据下总体呈现相似的特征。1）在可见光波段以吸收为主，蓝、红波段反射率低，绿色波段反射率相对较高，形成波峰。2）近红波段呈现植物波谱红边特征。利用该特征可以提取植被覆盖区，消除非植被区域造成的影响。

但根据冬小麦在5月灌浆期和乳熟期所表现的光谱特征，其对绿色波段和近红波段的反射率减少;而几种中草药在5月枝叶茂盛，对绿色波段和近红波段反射较高。将这种差异性加以放大，即可区分几种中草药和冬小麦。

最终得到的判定指数，需要一个参数来区分是中草药或冬小麦，该参数较依赖经验模型和实地勘察。此参数的选择对分类结果影响较大，因此需要慎重选择。

参考文献：

[1] 项巧巧，申广荣，吴裕，等.上海典型植被夏季与冬季的光谱特征分析[J].上海交通大学学报（农业科学版），2018，36（5）：14-21.