一、高光譜遙感技術(shù)理論

近年來(lái)快速發(fā)展的高光譜遙感技術(shù)已經(jīng)具備了高時(shí)效、光譜波段多、光譜分辨率高等優(yōu)勢(shì)。與一般遙感技術(shù)相比，高光譜遙感技術(shù)的成像光譜儀可以分離成幾十甚至數(shù)百個(gè)很窄的波段來(lái)接收信息，每個(gè)波段寬度小于10nm，所以波段排在一起能形成一條連續(xù)的完整的光譜曲線，光譜的覆蓋范圍從可見(jiàn)光到熱紅外的全部電磁輻射波普范圍。而且利用光譜技術(shù)對(duì)植物、礦物中的化學(xué)元素含量的估測(cè)已經(jīng)得到了廣泛應(yīng)用。鉀能調(diào)節(jié)細(xì)胞的滲透壓，調(diào)節(jié)植物生長(zhǎng)和經(jīng)濟(jì)用水，增強(qiáng)植物的抗不良因素(旱、寒、病害、鹽堿、倒伏)的能力，鉀還可以改善農(nóng)產(chǎn)品品質(zhì)。因此對(duì)葉片中鉀含量的估測(cè)研究對(duì)實(shí)際應(yīng)用具有重要意義。由于高光譜對(duì)植物中水分含量，葉綠素等含量極其敏感，故葉片中鉀的含量的變化必定會(huì)對(duì)反射光譜信息產(chǎn)生影響，可根據(jù)葉片的光譜信息來(lái)估測(cè)葉片中鉀的含量。

1.1 理論基礎(chǔ)

1、高光譜遙感的概念高光譜遙感（Hyperspectral Romote Sensing）即高光譜分辨率遙感指利用很多很窄的電磁波波段從感興趣的物體獲取有關(guān)數(shù)據(jù)。它可在電磁波的紫外、可見(jiàn)光、近紅外、中紅外以至熱紅外區(qū)域，獲取許多非常窄且光譜連續(xù)的圖像數(shù)據(jù)。2、高光譜遙感的優(yōu)勢(shì)高光譜遙感的光譜分辨率的提高，使地物目標(biāo)的屬性信息探測(cè)能力有所增強(qiáng)。因此，較之全色和多光譜遙感，高光譜遙感有以下顯著優(yōu)勢(shì)：1）蘊(yùn)含著近似連續(xù)的地物光譜信息。高光譜影像經(jīng)過(guò)光譜反射率重建，能獲取地物近似連續(xù)的光譜反射率曲線，與地面實(shí)測(cè)值相匹配，將實(shí)驗(yàn)室地物光譜分析模型應(yīng)用到遙感反演過(guò)程中。2）對(duì)地表覆蓋的識(shí)別能力得到極大提高。高光譜數(shù)據(jù)能夠探測(cè)具有診斷性光譜吸收特征的物質(zhì)，能夠準(zhǔn)確區(qū)分地表植被覆蓋類型、道路的鋪面材料、河流水資源等。3）地形要素分類識(shí)別方法靈活多樣。影像分類既可以采用各種模式識(shí)別方法，如貝葉斯判別、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等，又可以采用基于地物光譜數(shù)據(jù)庫(kù)的光譜匹配方法。分類識(shí)別特征，可以采用光譜診斷特征，也可以進(jìn)行特征選擇與提取，進(jìn)行監(jiān)督分類和非監(jiān)督分類。4）地形要素的定量或半定量分類識(shí)別成為可能。在高光譜影像中，能估計(jì)出多種地物的狀態(tài)參量，提高遙感高定量分析的精度和可靠性。3、高光譜遙感的應(yīng)用領(lǐng)域高光譜遙感在植被生態(tài)方面、農(nóng)業(yè)、農(nóng)作物估測(cè)、礦物勘探等領(lǐng)域都有重要應(yīng)用。

1.2 實(shí)驗(yàn)材料與方法

1、樣品采集

供試蘋果品種為處于盛果期的紅富士，在秋梢停止生長(zhǎng)期進(jìn)行樣品采集，依據(jù)研究區(qū)土地利用現(xiàn)狀圖和果園分布布設(shè)采樣點(diǎn)。選取試驗(yàn)區(qū)3個(gè)鎮(zhèn)的6個(gè)果園86棵蘋果樹(shù)為采樣對(duì)象，隨機(jī)取樣，并盡量涵蓋不同樹(shù)勢(shì)的葉片。每棵蘋果樹(shù)按東、西、南、北4個(gè)方位，在冠層外圍各取1-2片充分展開(kāi)、無(wú)損、無(wú)病蟲害的健康功能葉片。將采集的葉片迅速裝入保鮮袋、封口、編號(hào)，放盛有冰塊的保鮮箱中，盡快帶回實(shí)驗(yàn)室。

2、測(cè)定項(xiàng)目

光譜測(cè)定

光譜測(cè)定采用地物光譜儀，波段值為350~2500nm，其中350~1000nm光譜采樣間隔為1.4nm，光譜分辨率為3nm；1000~2500nm 光譜采樣間隔為2nm，光譜分辨率為10nm。在一個(gè)能控制光照條件的暗室內(nèi)進(jìn)行光譜測(cè)定。測(cè)定前，對(duì)測(cè)定光譜的葉片，用脫脂棉擦拭干凈。測(cè)定時(shí)，葉片單層平整置于反射率近似為零的黑色橡膠上，光譜儀視場(chǎng)角為25°，探頭垂直向下正對(duì)待測(cè)葉片中部，距樣品表面距離0.10 m；光源用光譜儀自帶的50W 鹵化燈，光源距樣品表面距離0.50m，方位角60°。為消除外界干擾以保證精度，每片葉觀測(cè)記錄10個(gè)采樣光譜，以其平均值作為該葉片的光譜反射值。測(cè)定過(guò)程中，及時(shí)進(jìn)行標(biāo)準(zhǔn)白板校正。

鉀素含量測(cè)定

將測(cè)定光譜的蘋果葉片迅速放入80℃烘箱中，進(jìn)行15~30min殺青處理，然后降溫至60℃烘干至恒量。把烘干樣品用研缽研磨至粉狀，用H2SO4-H2O2消煮后，采用火焰光度法測(cè)定全鉀含量。

數(shù)據(jù)處理

將測(cè)得的蘋果葉片反射光譜數(shù)據(jù),利用光譜處理軟件進(jìn)行處理,并通過(guò)EXCEL和SPSS軟件統(tǒng)計(jì)分析和繪圖等，進(jìn)行進(jìn)一步的分析。對(duì)86個(gè)樣品光譜反射率求均值，得到蘋果葉高光譜隨波長(zhǎng)變化曲線，分析其光譜特征。為了減小光照強(qiáng)度差異、背景光譜以及一起噪聲對(duì)目標(biāo)光譜特征的影響，我們對(duì)光譜反射率 R 進(jìn)行了變換。具體變換形式如下：

①光譜的對(duì)數(shù)；

②光譜對(duì)數(shù)的一階導(dǎo)數(shù)；

③光譜的倒數(shù)；

④光譜倒數(shù)的一階導(dǎo)數(shù)；

⑤二階微分光譜；

⑥光譜的一階微分；

⑦光譜的一階導(dǎo)數(shù)；

⑧鉀含量與原始光譜；

并通過(guò)相關(guān)分析確定敏感波段，利用敏感波段構(gòu)建特征光譜參數(shù)，建立預(yù)測(cè)模型。為評(píng)價(jià)預(yù)測(cè)值與實(shí)測(cè)值的擬合效果，選擇決定系數(shù)R2進(jìn)行評(píng)價(jià)。

模型的建立，優(yōu)選和檢驗(yàn)

首先，對(duì)86個(gè)蘋果葉片原始光譜反射率及8種光譜變換數(shù)據(jù)與鉀素含量分別進(jìn)行相關(guān)分析，確定與蘋果葉片鉀含量相關(guān)性極顯著的光譜形式；其次，用逐步回歸分析方法篩選出敏感波長(zhǎng)與光譜參數(shù)；用光譜參數(shù)建立蘋果葉片鉀含量估測(cè)模型；最后，對(duì)模型進(jìn)行檢驗(yàn)。在86個(gè)樣本數(shù)據(jù)中，隨即選取30個(gè)數(shù)據(jù)用來(lái)建立估測(cè)模型，其余31個(gè)則用于模型的檢驗(yàn)。用決定系數(shù)對(duì)估測(cè)值與實(shí)測(cè)值之間的擬合結(jié)果進(jìn)行綜合研究評(píng)定，以檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性和適用性。

1.3 結(jié)果與分析

1、蘋果葉片原始光譜反射率及其 8 種變換數(shù)據(jù)與鉀素含量之間的相關(guān)分析

對(duì)蘋果葉片原始光譜反射率及其8種變換數(shù)據(jù)與鉀素含量進(jìn)行了相關(guān)分析。結(jié)果顯示，蘋果葉片鉀素含量與原始光譜反射率、對(duì)數(shù)、二階微分光譜、光譜的一階微分相關(guān)性較弱，與光譜倒數(shù)、光譜倒數(shù)的一階導(dǎo)數(shù)、光譜的對(duì)數(shù)、光譜的對(duì)數(shù)的一階導(dǎo)數(shù)相關(guān)性較強(qiáng)。并且在光譜倒數(shù)的一階導(dǎo)數(shù)和光譜對(duì)數(shù)的一階導(dǎo)數(shù)的相關(guān)系數(shù)中，能取得明顯的極值，絕對(duì)值大于0.6，峰（谷）極值分別出現(xiàn)在波長(zhǎng)417nm、487nm、973nm、1081nm、381nm、417nm、487nm、928nm、973nm、983nm、1081nm處（圖1、圖2）。

2、敏感波長(zhǎng)的獲取與估測(cè)模型的建立

對(duì)蘋果葉片鉀素含量與相關(guān)性較強(qiáng)的光譜變換數(shù)據(jù)分別進(jìn)行了逐步回歸分析，獲取了估測(cè)蘋果葉片鉀素含量的敏感波長(zhǎng)。經(jīng)過(guò)多次調(diào)試，最后得到光譜對(duì)數(shù)的一階導(dǎo)數(shù)，光譜倒數(shù)的一階導(dǎo)數(shù)，敏感波長(zhǎng)分別為928nm、1081nm。然后以敏感波長(zhǎng)構(gòu)建的光譜參數(shù)為自變量，分別建立了鉀素含量估測(cè)模型。

1.4 結(jié)論

蘋果葉片鉀素含量與原始光譜反射率對(duì)數(shù)的一階導(dǎo)數(shù)的相關(guān)性最好，其相關(guān)系數(shù)絕對(duì)值最大的峰（谷）分別是928nm、973nm、983nm、1081nm波長(zhǎng)處。通過(guò)逐步回歸分析方法篩選出的敏感波長(zhǎng)為928nm、1081nm；以928nm對(duì)數(shù)的一階導(dǎo)數(shù)與 1081nm對(duì)數(shù)的一階導(dǎo)數(shù)為自變量建立的估測(cè)模型具有較好的線性趨勢(shì)，相關(guān)系數(shù)為 0.7127。經(jīng)檢測(cè)樣本的檢驗(yàn)，其擬合方程的R2為0.5070，總均方根（RMSE）為 0.00046。

110表明模型對(duì)蘋果葉片鉀素含量的估測(cè)具有較好的準(zhǔn)確性，可作為鉀素含量的最佳估測(cè)。

審核編輯：符乾江