基于Hyscan 光谱仪的高光谱遥感实验教学改革初探

赵恒谦 蒋金豹 李晶

摘要：在高光谱技术快速发展的背景下，高光谱遥感专业课实验教学改革变得越来越重要。本文在高光谱课程实验教学中引入中科谱光公司自主研制的便携式智能光谱检测系统Hyscan光谱仪，将其和ASD光谱仪进行了光谱观测对比实验。研究表明，Hyscan光谱仪具有便携、快速、实时、智能等突出优势，数据准确可靠，可以为高光谱遥感实验教学改革提供有力支撑。

关键词：高光谱遥感 教学改革 创新实验 Hyscan光谱仪

中图分类号：G642.0;P237

Preliminary Study on the Teaching Reform of Hyperspectral Remote Sensing Experiment Based on Hyscan Spectrometer

ZHAO Hengqian*  JIANG Jinbao  LI Jing

（College of Geoscience and Surveying Engineering， China University of Mining and Technology-Beijing， Beijing， 100083China）

Abstract： With the rapid development of hyperspectral technology， the experimental teaching reform of hyperspectral remote sensing has become more and more important. In this paper， the portable intelligent spectrum detection system Hyscan spectrometer independently developed by Progoo company is introduced into the hyperspectral course， and the specturm observation comparison experiment is carried out with ASD spectrometer. The results show that Hyscan spectrometer has the advantages of portability， fast， real-time and intelligence， and accurate and reliable data， which can provide strong support for the experimental teaching reform of hyperspectral remote sensing.

Key Words： Hyperspectral remote sensing; Teaching reform; Innovation experiment; Hyscan spectrometer

隨着社会技术的不断发展，遥感传感器的分辨率也在不断提高，其中高光谱遥感技术依靠光谱连续性强、分辨率高、信息量大、高效便捷、实时无损等特点，使其成为21世纪遥感领域重要的研究方向之一[1，2]。目前高光谱遥感课程已经在众多高校得以开设，对高光谱遥感进行教学以及课程改革对遥感学科的发展至关重要[3，4]。

高光谱遥感作为遥感领域专业课程，与遥感概论等基础课程以及遥感图像处理等实践操作课程有所不同，高光谱遥感课程不但需要让学生掌握高光谱仪器的操作方法，同时还需具备对光谱数据的分析能力[5]。便携式智能光谱仪是数据获取的基础，是基于光谱分析技术的、可在各类环境中快速进行光谱检测的智能设备，具有便携、快速、实时、智能等优势，可满足快速实时检测的需求[6]。国内外学者进行高光谱遥感监测实验时所使用的仪器多采用ASD、PSR或其他成像光谱仪，与便携式智能光谱仪相比，其成本高、体积大，携带不方便，同时测量时对天气、光源有要求，受自然条件影响较大。本次教学改革针对这方面的缺陷，与中科谱光公司合作，引进中科谱光公司自主研制的便携式智能光谱仪及智能光谱检测系统在高光谱教学改革课程中进行应用。

1. 光谱仪器介绍及测量方法

中科谱光公司研制的便携式智能光谱仪Hyscan可实现野外快速实时检测，通过内置光源降低了对背景光源的需求，不受天气影响。通过光谱数据分析平台实现蓝牙与智能手机互联，通过特定APP控制光谱数据采集，并实时显示分析结果。与传统实验室化学分析方法相比，能快速、实时、智能地满足各行各业的检测需求。本研究通过Hyscan光谱仪与ASD地物光谱仪进行对比实验，对课程实验改革的可行性进行分析。

1.1 光谱仪器介绍

Hyscan便携式智能光谱仪包括光谱传输单元、采集单元、数据处理单元，以及显示单元即便携式终端设备（手机或平板电脑）4个主要模块。其特点有以下几个方面：（1）智能采集，无需复杂的操作流程，直接和iPad或手机等移动终端蓝牙连接使用，可实现自动定标，一键式光谱采集;（2）尺寸小于20cm×10cm×4cm，波长范围为330～1050nm，仪器光谱分辨率小于10nm;（3）全天候测量，产品携带有主动光源，不受外部观测条件的影响;（4）产品通过LBS定位，可实现测量轨迹自动记录，光谱采集位置追溯等功能，便于野外光谱采集信息记录。

ASD地物光谱仪由美国Analytical Spectral Device公司制造。（1）它能够快速记录光谱信息，波长范围为350～2500nm，同时还能保持较高的信噪比，从而减小由于风、云及太阳光照等外界条件发生变化而引起的偶然误差。在 350～1000nm波光谱采样间隔为1.4nm，光谱分辨率为3nm;在 1000～2500nm 波段的采样间隔为 2nm，光谱分辨率为10nm。（2）通过1m长的光纤直接将数据导入光谱仪，可以在同一采样点获取多个数据而不需频繁挪动仪器。（3）视场角为25°，可更换8°镜头。

1.2 光谱测量方法

植株冠层测量方法：根据植株平均株高，在测量冠层光谱时，光纤头置于冠层垂直上方5、6cm处。光谱测量采用25°视场角，探头向下，测量前均采用白板校正，每个样株均测量3条光谱，去除明显异常值后，用均值作为该植株冠层光谱。植株茎、叶测量方法：将手持式设备紧压在植株靠近根部茎、叶上，直接利用手持式光谱设备的光源进行光谱采集。设置可见光积分时间10ms，光谱平均采集次数5次。图1（a）为田间实验便携式光谱仪Hyscan操作方法;图1（b）为田间实验ASD光谱仪的操作方法。

2. 高光谱课程教学改革实验

2.1 实验室光谱数据比较

在实验室中，分别使用Hyscan、ASD和PSR这3种光谱仪定标后测量了3块标准板（绿板、棕板、黑板）的光谱曲线，并对曲线进行包络线去除。

对比图2中3块标准板的原始光谱可以看出，3种仪器对绿板、棕板、黑板测量的光谱曲线线型基本相似，只是反射率值的大小略有不同。对比图3中3块标准板的包络线去除光谱可以看出， 由Hyscan光谱仪测得数据的吸收反射特征比其他两种仪器数据更为明显。

2.2 田间光谱数据比较

分别使用Hyscan便携式光谱仪和ASD地物光谱仪测量了5个番茄品种：瑞拉、喜来德1号、博粉十二、凯德1832、改良9号的叶片光谱，使用ASD测量了相同样株的冠层光谱。每个品种均选择5个样株，同一采样点获取3条光谱。

图4为使用便携式光谱仪测定番茄叶片光谱反射率和ASD光谱仪测定番茄冠层及叶片的光谱反射率原始曲线。通过图4可以看出，两个仪器所测得的 番茄叶片光谱反射率曲线均在555nm附近有一个峰值，在670nm附近有一个波谷，在400～750nm范围内曲线形态基本相似，而在690～750nm波段范围内光谱反射率明显增强，曲线陡而接近直线，其斜率与植物在单位面积上的叶绿素（a+b）含量有关。

图5为便携式光谱仪和ASD光谱仪测得瑞拉、喜来德1号、博粉十二、凯德1832、改良9号5个品种分别的叶片光谱反射率平均值。由图5可以看出，两个光谱仪观测数据基本一致，作物叶片光谱自750nm后趋于平缓，970nm附 近受水分吸收的影响达到反射率最低值。在可见光波段范围（400～750nm）内，叶片反射率主要受叶片叶绿素含量等的影响，水分吸收率非常低，而在近红外（750～1300nm）范围内有2个以970、1200nm为中心的叶片水分窄吸收带[7，8]。

3. 结语

高光谱遥感专业课程担任着深化学生理论基础知识和提高实践能力的重任。本研究在高光谱遥感实验课程中引入中科谱光公司自主研发的便携式智能光谱 检测系统-Hyscan光谱仪，分别在室内和室外条件下利用Hyscan光谱仪和ASD光谱仪开展光谱观测对比实验。研究表明，Hyscan光谱仪具有便携、快速、实时、智能等突出优势，数据准确可靠，可以为高光谱遥感实验教学改革提供有力支撑。

参考文献

[1] 吴骅，李秀娟，李召良，等.高光谱热红外遥感：现状与展望[J].遥感学报，2021，25（8）：1567-1590.

[2] Racetin Ivan，Krtalić Andrija. Systematic Review of Anomaly Detection in Hyperspectral Remote Sensing Applications[J].Applied Sciences，2021，11（11）： 4878.

[3] 張冠男，高哲，倪铭阳.理工科大学生创新实践能力培养探讨——以辽宁大学为例[J].科技创新导报，2020，17（20）：210-211，216.

[4] 方圣辉，张熠，潘励.国家精品课程“遥感原理与应用”创新教学实践[J].测绘通报，2015（06）：127-130.

[5] 郭兵，张海玲，黄洁慧，等.面向时空大数据发展需求的遥感实习与实践教学改革[J].科技风，2021（20）：26-27.

[6] Petri Varvia，Miina Rautiainen，Aku Seppänen.Bayesian estimation of seasonal course of canopy leaf area index from hyperspectral satellite data[J]. Journal of Quantitative Spectroscopy and Radiative Transfer，2018，208：19-28.

[7] 朱豪男，胡孟晗，张健，等.低成本便携式多光谱成像系统的研发及优化[J].中国图象图形学报，2021，26（8）：1796-1808.

[8] 吾木提·艾山江，买买提·沙吾提，尼加提·卡斯木等.基于灰色关联法的春小麦叶片含水量高光谱估测模型研究[J].光谱学与光谱分析，2018，38（12）：3905-3911.

[9] 宋小宁，马建威，李小涛，等.基于Hyperion高光谱数据的植被冠层含水量反演[J].光谱学与光谱分析，2013，33（10）：2833-2837.