基于高光谱遥感数据的辣椒叶片叶绿素含量反演

一、引言

辣椒的生长状况直接影响其品质优劣及经济价值，因此实时监测辣椒生长状况非常必要，这也是确保辣椒科学种植的前提。叶绿素作为植被进行光合作用的主要物质，其含量的多少直接影响光合作用的效果，可将其作为衡量植物生长健康状况的重要指标。

无人机高光谱遥感技术和近地高光谱技术在农作物的生长状态监测、分类等方面具有独特的优势，它快速、高效、便捷、监测范围广，可对植被进行连续动态监测，在快速获取大量植被表型信息的研究中有很好的应用前景。研究人员将高光谱技术应用到植被参数的反演中，可对植被进行快速无损监测。

本研究以辣椒为研究对象，设置基于不同辣椒品种的辣椒田间实验，测定地物高光谱数据、无人机高光谱数据和叶片SPAD值。并依据两个平台的光谱特性，构建优化光谱参数，揭示不同数据集对叶绿素含量反演的影响及内在联系，建立基于机器学习算法的SPAD回归模型，进而提出适用于该研究区辣椒叶片叶绿素含量反演模型。研究成果对于贵州地区的辣椒科学种植具有一定科学意义和实践价值。

实验设计与分析方法

2.1 典型地物光谱特征

研究区选择遵义市新蒲新区贵州省农业科学院辣椒研究所官庄示范基地（E104°18′20″、N25°19′44″，图2-1），遵义市因辣椒品种丰富，营养价值高被世界辣椒联盟授予“世界辣椒之都”荣誉称号。遵义市位于贵州省北部，云贵高原东北部，中心城区南到省会贵阳市140千米，总面积30762平方千米，研究区属于中亚热带高原湿润季风区，一年四季分明，雨热同季，无霜期长，约250～350天，全年平均气温15.1℃，日照率23%～29%，日照充足，雨水整体较为丰沛，年平均降水量900mm～1200mm，变化范围800mm～1600mm，具有种植辣椒的天然优势。

图2-1研究区位置示意图

2.2 高光谱数据获取

2.2.1近地非成像光谱数据获取

以辣椒盛果期叶片为研究对象进行光谱测定，测量仪器为便携式地物光谱仪。

选取天气适宜时对冠层光谱予以测定，量测时间为早上10:00到下午15:00。为避免光污染，检测人员身穿深色衣物。测量过程中具体方法如下：测量时应使探头朝下，距离冠层植株约15～30cm，检测过程中每隔5株植株经过一次标准白板校正，对每株植株测量5次，取其平均值作为最终反射率。本研究测量光谱范围在350～2500nm之间，共计2151个波段，由于农作物波谱在1400nm、1900nm处受到水吸收带的影响，且已有研究表明，叶绿素的响应波段为可见光和近红外波段，故本研究在采用高光谱仪分析叶绿素时使用的光谱范围为350～1300nm。

2.2.2低空成像高光谱数据获取

采用高光谱成像系统对研究区进行影像数据采集，时间为2021年9月8日上午11点至12点。当天无风、无明显云层遮挡，光照充足，无人机相机参数设置为：飞行高度100m，曝光时间10ms。                   

2.3 光谱预处理

2.3.1光谱平滑处理

由于光谱仪采集的光谱波段之间存在差异，容易在数据采集过程中受到与样本无关的光谱信息的影响，呈现出来的光谱曲线不平滑，即“毛刺”现象。在数据处理过程中，为了获得“平稳”的光谱曲线，减少样本光谱中的“噪声”，需对原始光谱反射率数据进行光谱去噪。常用的光谱去噪方法包括卷积平滑、移动加权平均法、高斯滤波和中值滤波等，本文采用卷积平滑法，运用软件对数据进行处理。

三、基于无人机高光谱的辣椒SPAD反演研究

3.1 冠层光谱特性分析

由图3-1可知，无人机光谱反射率整体表现为：在可见光的短波波段区域内，叶片光谱反射率普遍较低，出现了一个波峰和两个波谷，在可见光的长波区域内，叶片反射率急剧增加，在可见光的长波和近红外区域内反射率较为平稳，SPAD值在30～70范围内各光谱反射率无明显差异，高于70的反射率明显低于其他SPAD值对应的反射率。在可见光范围内SPAD值与光谱反射率无明显规律，当波长超过730nm以后，规律显示为叶绿素值越大，其反射率值越低。无人机光谱和近地光谱与SPAD之间的关系可以描述为SPAD值越大，对应的反射率越小，呈反比关系。

图3-1不同SPAD值对应的光谱反射率（无人机）

图3-2（a）展示了所有叶片样本的叶绿素含量统计值，图3-2（b）则将这些样本分为了建模集和验证集，在叶绿素统计图中标记了最小值、最大值、平均值和标准差。观察最小值和最大值可以得出训练集样本叶片的叶绿素含量分布范围在32.9～73.9之间，预测集样本叶片的叶绿素含量分布范围在55.8～66.4之间。训练集叶绿素含量的平均值为59.7，标准差为8.1，而预测集叶片的叶绿素平均值为61.2，标准差为3.2，验证集的叶绿素含量平均值相对于建模集略高，且叶绿素含量的分布范围也较窄。

图3-2样本叶片的叶绿素含量统计情况图

3.2数据预处理

无人机搭载光谱仪得到地物的原始惯导数据后，需对惯导数据进行如图3-3所示的航线分割、几何校正、辐射校正、地理配准、影像拼接、辐射定标处理才能由立方体数据得到地物反射率数据。

图3-3无人机高光谱数据预处理步骤

将原始反射率进行波谱重采样，处理后的无人机高光谱范围为396nm～998nm。为了增强光谱反射率和叶绿素之间的相关性，消除周围噪声及土壤反射率等对辣椒光谱的影响

3.3相关性分析

3.3.1原始光谱与SPAD值的相关性分析

利用软件计算出辣椒叶片高光谱数据与SPAD值之间的相关系数，在软件中绘制出来，通过分析数据，叶片叶绿素含量与原始光谱反射率之间的相关性如图3-4所示。

图3-4原始光谱与SPAD值的相关系数关系图

由图3-4可知，辣椒叶片光谱反射率与叶绿素含量在可见光范围内密切相关，特别是在绿光波段（480～510nm）和红光波段（587～702nm），在近红外波段（780～1000nm）几乎不能反映其相关性，其中在350nm～709nm波段范围内呈现极显著正相关（0.01显著性水平），504nm波长下原始光谱与叶绿素含量呈最大正相关，相关系数为0.58。

3.3.2倒数对数光谱与SPAD值的相关性分析

图3-5倒数对数光谱与SPAD值的相关系数关系图

通过分析数据，叶片叶绿素含量与倒数对数光谱反射率之间的相关性如图3-5所示。由图3-5可知，倒数对数光谱在350nm～701nm范围内呈现极显著负相关（0.01显著性水平），在423nm处相关性最好，其相对应的相关系数是-0.60。

3.3.3多元散射矫正光谱与SPAD值的相关性分析

叶片叶绿素含量与多元散射校正后的光谱之间的相关性如图3-6所示。由图3-6可知，350nm～523nm呈极限负相关，在515nm处呈负相关最大值，相关系数为-0.52。在540～732nm波段范围内呈正相关，在波段701nm处呈现正相关最大值，相关系数为0.65。

图3-6MSC光谱与SPAD值的相关系数关系图

3.3.3连续统去除光谱与SPAD值的相关性分析

叶片叶绿素含量与连续统去除光谱之间的相关性如图3-7所示。由图3-7可知，在400～724nm处呈极显著正相关，812～827nm处呈极显著负相关，在波段691nm处呈现相关性最大值，相关系数为0.601。

图 3-7 连续统去除光谱与 SPAD 值的相关系数关系图

四、总结

本文为实现研究区辣椒叶片叶绿素的区域反演，以研究区辣椒为研究对象，基于低空高光谱遥感和近地高光谱技术，采用无人机高光谱对辣椒叶绿素进行反演，并利用光谱分析、数理统计等技术手段，同时结合田间同步采样数据进行综合分析研究，筛选出与辣椒生理参数相关的特征波段及光谱植被指数，从而建立了具有强普适性、高精度的SPAD反演模型，研究结果可为山地辣椒生理参数的实时监测和精确管理提供理论基础和区域参考。

推荐：

地物光谱仪iSpecField-HH/NIR/WNIR

地物光谱仪是莱森光学专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品，独有的光路设计，噪声校准技术、可以实时自动校准暗电流，采用了固定全息光栅一次性分光，测试速度快，最短积分时间最短可达20μs，操作灵活、便携方便、光谱测试速度快、光谱数据准确，广泛应用于遥感测量、农作物监测、森林研究、海洋学研究和矿物勘察等各领域。

审核编辑 黄宇