基于时序高光谱遥感数据的地表覆盖物多维光谱特征分析——以新疆阿拉尔市垦区为例

卢吉瑞 ，陈万基 ，赵 阳 ，张仁凤

（1.伊犁师范大学资源与生态研究所/伊犁师范大学生物与地理科学学院，新疆伊宁 835000；2.新疆伊犁河谷资源植物保护与利用重点实验室，新疆伊宁 835000）

棉花、玉米等作为重要经济作物，对社会经济发展有举足轻重的作用，其用途涉及人类生活的方方面面。我国作为农业产品产量大国，现已形成了以长江流域、黄河流域及新疆为主的西北内陆三大棉花主要种植区[1]。新疆作为我国最大的棉花种植区，所产棉花品质好、种类多[2]；玉米生态适应性强，种植广泛，用途广，也是重要的粮食作物。因此，对新疆棉花、玉米等主要农作物进行种植面积、产量的估算和病虫害监测就显得尤为重要。

遥感技术和地理信息技术的结合，加速了诸多领域数字化、信息化进程，如数字校园建设[3]、农业估产、自然灾害防治等。近年来，随着我国对地观测卫星技术的飞速发展以及遥感技术与农林牧渔领域的深度结合，已有学者基于高光谱数据对地表地物进行光谱特征分析。彭晓伟等[4]巧妙利用植株体内叶绿素含量可直观反映其生长状况的特性，基于高光谱数据对不同施肥条件下谷子冠层叶绿素含量的光谱特征进行分析，有助于对大面积农作物的种植监测。郭航等[5]利用高光谱激光雷达获取点云数据，对城市绿植叶片光谱被滞尘所影响的问题展开分析，得出滞尘对不同绿植叶片或同种绿植叶片反射率均有较大影响。纪童等[6]对宁夏盐池不同荒漠草地的32种植被样本进行光谱特征分析，利用归一化植被指数、光化学植被指数和植被衰减指数等7种植被指数作为支持向量机、随机森林、K-邻近分类模型的变量，择其最优方法分类处理结果，进行光谱分析得出，不同植被光谱反射率曲线均遵循绿色植物光谱曲线趋势，但不同植被在同一波长所对应的反射率差异较为明显。姜杰等[7]基于EO-1 Hyperion高光谱数据以南阳湖为研究对象，提取了芦苇地、水田和河道等8种湿地景观的反射率，对不同植被反射率光谱作对比分析、利用光谱特征监测植被健康状况等。段敏杰等[8]以北京市常见的多种叶片色系的不同植物作为研究对象，通过提取分析在秋季色系不同植物叶片的光谱反射率曲线，以及微分变换和特征参数，得出不同色系植物的光谱反射率均与绿色植物光谱反射率变化相似，但在不同波长区间各色系植物所对应的反射率大小各异。代云豪等[9]以亚洲荒漠唯一的常绿阔叶灌木沙冬青（Ammopiptanthus mongolicus Maxim.Cheng f.）作为研究对象，针对因环境因素导致沙冬青数量逐年减少问题，对其分布及生长状况进行监测，利用马氏距离法对沙冬青的原始光谱及微分光谱特征展开研究，发现沙冬青整个生长期，其原始光谱曲线差异较小，但在沙冬青幼苗期反射率表现具有明显的起伏变化特征，微分光谱差异不明显，沙冬青叶绿素含量在可见光波段波谱反应较敏感。随着遥感技术的进步，各种载有高光谱相机的卫星成功发射，光谱分辨率较高、光谱范围较宽及包含连续反射率光谱信息特点的高光谱遥感逐渐成为热点研究[10]，其对森林的分类识别及其生长参数监测、植被覆盖空间结构的分析与监测[11]、水体环境监测等都均具有显著成效，尝试将高光谱遥感应用到新疆南部主要农作物产量估测模型构建中，将有助于推进新疆农作物种植信息化发展。

本研究基于珠海一号高光谱卫星遥感数据提取新疆不同时段主要农作物光谱信息并进行光谱特征分析，旨在为该地区及环境相似地区的农作物监测提供新的指导方法。

1 研究区概况

研究区位于新疆维吾尔自治区阿拉尔市南部（40°22′～40°38′N，80°12′～81°33′E）。阿拉尔市北靠天山南麓，南接我国第一大沙漠塔克拉玛干沙漠北缘，土地面积达6 923.4 km2，属塔里木河冲积平原，地势平坦[12]。主要气候类型为温带大陆性气候，年平均日照时长可达2 556.3～2 991.8 h，年平均降水量达40.1～82.5 mm[13]，光热条件丰富，对农作物的生长具有天然优势。流经的塔里木河为该地区农业灌溉和居民生活等用水提供了保障。耕地区域农作物以棉花、玉米等耐旱农作物为主，水稻、枣树为辅。

2 数据和方法

2.1 数据来源

研究数据选取由珠海欧比特宇航科技股份有限公司提供的珠海一号高光谱卫星遥感数据，具体波段信息见表1，影像光谱分辨率为2.5 nm，波谱范围为400～1 000 nm，数据空间分辨率为10 m，一次成像范围为150 km×2 500 km，单颗高光谱卫星重访周期为6 d，8颗高光谱卫星综合重访周期缩为约1 d，计划在轨飞行5年[14]。因珠海一号高光谱卫星遥感数据具有体积小、储存大、成本低、空间分辨率高、单次成像宽幅大、重返周期较短等众多独特优势，被广泛应用于农林牧渔业监测、水土环境保护、土地利用信息提取[15-18]。本研究选取研究区2021年农作物生长期的珠海一号卫星影像数据进行处理分析。

表1 珠海一号卫星遥感影像波段信息Table 1 Waveband information of Zhuhai No.1 satellite remote sensing image

2.2 数据预处理

在遥感成像过程中，受多种综合因素的影响，导致影像与真实地表覆盖物的几何位置不一致或几何变形，利用预处理后的哨兵2号卫星影像为基准，利用大量控制点进行几何校正。辐射定标将对采集数据过程中因干扰对计算光谱辐射亮度或地表覆盖物光谱反射率造成的误差进行消除修正。大气校正过程很好地消除了大气散射及吸收作用影响造成的辐射误差，将真实的地表反射率反演出来，最终结合数字高程模型，消除因传感器拍摄测量角度和地面高程所造成的影响，以及对影像的几何畸变进行纠正处理，输出正射的真实平面影像。

2.3 光谱端元提取

为避免在不同空间分辨率的遥感影像某一像元区域内存在不同农作物交混生长，且在影像中无法辨别的现象，本研究通过实地考察均匀采样的方法，在研究区提取了枣树、棉花、水稻和玉米4种地表覆盖物样点（表2），并保证采样点像元为纯净像元，符合端元特性[19]。经过缓冲区分析，同一农作物端元归类并合并，结合研究区沙地与水体矢量数据，建立感兴趣区，分别在不同时相对其进行光谱分析，地表覆盖物光谱曲线见图1。

图1 各地表覆盖物光谱曲线Figure 1 Spectral curves of different land cover

2.4 光谱曲线平滑滤波

因噪声等因素的影响，导致光谱曲线抖动，为抑制和防止干扰，利用S-G滤波法（savitzky golay filter），主要对光谱数据作平滑处理（以4月棉花光谱曲线为例）。其滤波性能较强，可在有效保留数据原有典型特性的情况下进行执行，滤波前后对比结果见图2。

图2 滤波前后光谱曲线对比（以4月棉花光谱曲线为例）Figure 2 Comparison of spectral curves before and after filtering（Take the spectral curve of cotton in April as an example）

2.5 多维光谱空间构建

2.5.1 二维（波长-反射率）光谱空间构建

基于不同地表覆盖物光谱曲线，对同一时相不同地表覆盖物的反射率光谱曲线分别构建反映不同地表覆盖物在同一时相的反射率差异模型；通过计算不同地表覆盖物各时相的平均值构建各地表覆盖物的均值光谱曲线，利用光谱最大值合成法，将同地表覆盖物各时相光谱合成的最大值构建地表覆盖物最大值光谱曲线。

2.5.2 三维（时相-波长-反射率）光谱空间构建

植被的发芽、抽穗和成熟等周期性变化，反映出不同植被不同的物候特征[20]。基于二维波长-反射率模型，插入时间轴，构建各地表覆盖物类型的“时相-波长-反射率”三维光谱反射率曲面，使原本只能反映某一时间光谱特征的光谱曲线具有时序特性。

3 结果与分析

3.1 二维光谱特征分析

各地表覆盖物在同一月份中光谱曲线特征都存在其独有的特性（图3），研究区中的4类农作物均在波段B15～B20（中心波长686～760 nm）的过渡区间反射率呈现迅速增大后趋于稳定现象，符合植被光谱曲线特征，但由于植被生长周期不同等因素，4月棉花和玉米还处于出苗阶段，在选取的棉花感兴趣区范围表现出的光谱曲线趋势异于其他植被光谱曲线特征。5月植被进入稳定生长期，棉花光谱曲线特征较4月明显稳定，且光谱反射率高于其他3类植被。6月、7月棉花和玉米进入生长旺盛期，此时棉花和玉米光谱曲线呈现出典型的植被光谱曲线特征，在B7波段（中心波长566 nm）处有一小的反射峰值，B14波段（中心波长670 nm）处有一吸收谷，在近红外波段有很高的反射峰。8月棉花进入吐絮期，此时棉铃成熟，铃壳开裂吐出棉絮，在近红外波段区间出现2个小反射峰，且在B1～B15波段（中心波长466～686 nm）区间较7月更平滑稳定。9月棉花波谱反射率与玉米和枣树相近，但反射率均高于后两者。10月研究区地表大多农作物已经收获，此时各类农作物光谱曲线较为相似。

图3 不同时相地表覆盖物光谱曲线Figure 3 Spectral curve of land cover in different phases

通过计算同一地表覆盖物不同时间的平均值，构建各地表覆盖物平均光谱曲线（图4），从而更好地分析其特性。棉花整体反射率高于玉米和枣树，可判断在波长为400～1 000 nm棉花叶片的吸收能力低于玉米和枣树；棉花光谱反射曲线与水稻大致在波长为700 nm处相交，说明棉花在波长为400～700 nm对光的吸收能力强于水稻，而在近红外波段区间水稻的吸收能力明显较强。沙地、水体光谱曲线趋于平滑稳定。

图4 地表覆盖物平均光谱曲线Figure 4 Average spectral curve of different land cover

以时间为基础，通过最大值合成法，构建了6种不同地表覆盖物的最大值光谱反射率曲线（图5），突出各地表覆盖物特性。棉花总体反射率较大，且超过30%，枣树与玉米反射率较为接近，水稻光谱反射率较为稳定，从各方法分析显示，水体光谱反射率曲线普遍平滑且低于沙地、水体等其他覆盖物，证明其波段吸收能力很强。

图5 地表覆盖物最大值光谱曲线Figure 5 Maximum spectral curve of different land cover

3.2 农作物三维光谱特征分析

通过对6类不同地表覆盖物不同时相反射率光谱曲面的提取分析（图6），均表现出了明显且典型的光谱特征，其中4类农作物（枣树、棉花、水稻、玉米）光谱反射率随波长变化整体趋势相似，在6—9月植被稳定生长期，遵循植被光谱曲线特征，在波长为400～700 nm为波谷，波峰出现在近红外区间，但在时间、波段都相同的情况下，各农作物反射率存在一定的差异，沙地、水体光谱特征各具特点。

图6 三维光谱曲面图Figure 6 Three dimensional spectral curve

棉花在4月至5月中旬，处于播种期及出苗期，研究区内反射率在可见光B1～B19波段（中心波长466～746 nm）有明显的反射率波峰，此时对光的吸收能力较弱，反射性较高，而在近红外波段区间反射率基本低于后续月份，在此时间段之后的反射率逐渐下降，在6—9月基本趋于稳定，且接近于0，即在可见光波段内吸收能量较强，10月棉花进入收获期，受地物覆盖的变化，反射率逐渐上升趋势。枣树在B1～B16波段（中心波长466～700 nm）区间的4—5月反射率高于其他月份，大致处于20%，5月以后其波段区间反射率经过降低后基本稳定，10月该波段区间反射率逐渐上升。玉米在播种期及苗期的可见光波段的吸收能力比棉花更强，反射率较低。水稻生长周期短，虽然遵循植被光谱曲线特征，但B1～B16波段最小反射率均高于其他3类植被。水稻在B1～B16波段内4—5月光谱反射率保持在20%～30%，6—10月反射率相对其他3类农作物偏高，吸收能力偏弱。沙地较农作物种植区总体反射率不高，没有明显的波峰波谷，其反射率也与沙地表面颗粒大小有较大关系。一般情况下水体反射率较为复杂，主要原因在于水中溶解物质、悬浮物和底泥等物质类型及其含量对水体反射率均有影响。本研究中水体反射率较稳定。

4 结论与讨论

棉花在播种期和出苗期，在可见光波长为466～746 nm时对光的吸收能力较弱，反射率较高，但蕾期、花铃期及吐絮期在其波长段内吸收能力较强，反射率接近0。玉米在播种期及苗期较棉花的可见光波段的吸收能量更强，反射率更低，在整个生长周期内光谱反射率基本保持稳定，受生长期变化的影响不大。在波长为466～700 nm时，水稻苗期反射率保持在20%～30%，在后期的分蘖期到灌浆期及成熟期，较其他农作物反射率偏高，吸收能量偏弱。在10月农作物基本处在收获期，反射率受环境影响较大。沙地较农作物反射率相对稳定，未出现大幅度波动，研究波长内不同时相下，最高最低差值保持在20%左右。水体反射率整体变化幅度不大，反射率不高。

不同地表覆盖物在不同的时间段受多种外界及自身因素影响，所表现出的光谱曲线不同，其中以植被表现出的特征较为明显。植被自身叶绿素含量与其种植区域土壤含氮量有密切关系，其中土壤含氮量受人为施氮水平影响较明显，叶绿素含量的亏缺程度随施氮量提高而增多[21-22]，对其生长状况有显著影响，光谱特征出现差异。地下水深度直接影响着树木叶片的含水率，光谱曲线也随之发生波动[23]。

为充分发挥高光谱卫星遥感数据的潜力和优势，通过分析新疆阿拉尔市垦区主要农作物不同生长期的光谱曲线，统计主要农作物在不同时间段生长状况良好的光谱曲线作为大范围监测病虫害等特殊情况的依据，在准确性和便捷性上都会优于传统方法。可利用同品种农作物光谱曲线相同的特点，精确的提取农作物在研究区的种植面积，为相关部门实地测量降低成本。

本研究基于珠海一号高光谱卫星遥感数据对新疆阿拉尔市垦区地表覆盖物的光谱特征进行分析研究，为新疆棉花等主要农作物种植监测提供了一定的方法指导。在地表覆盖物的精准分类中，传统遥感影像虽然获取方便，但受光谱分辨率、空间分辨率等因素的限制，不能做到精准识别分类。基于高分辨率遥感影像的研究，其环境要求高、成本大。高光谱数据具有“图谱合一”的特点和优势[24]，通过合理利用，能够精确地区分出不同地表覆盖物的光谱曲线特性，为地表覆盖物的精准识别提供新的且可靠的技术支持[25]。高光谱遥感作为热点研究对象，根据高光谱特征参数建立多种模型，对研究对象进行有效监测、估产等[26]，希望在未来的发展中做到更“准”、更“精”。