利用高光谱红边与黄边位置距离识别小麦条锈病_蒋金豹

第30卷,第6期 光谱学与光谱分析Vol .30,No .6,pp1614-16182010年6月 Spectro sco py and Spectr al Analy sisJune ,2010　利用高光谱红边与黄边位置距离识别小麦条锈病蒋金豹1,陈云浩2,黄文江31.中国矿业大学(北京)地测学院,北京　1000832.北京师范大学资源学院,北京　1008753.国家农业信息化工程技术研究中心,北京　100089摘　要　研究的目的是利用高光谱遥感尽可能早地识别出健康与遭受条锈病胁迫的小麦。

通过人工田间诱发不同等级条锈病,在不同生育期测定感染不同严重程度条锈病的冬小麦冠层光谱及病情指数(disease index ,DI )。

对测定的光谱进行平滑并计算一阶微分值,并用两种方法分别提取光谱红边位置(red edg e posi -tion ,REP )与黄边位置(yello w edge position ,Y EP ):(1)一阶微分最大值法;(2)Cho and Skidmo re 方法。

研究表明随着病情严重度的增加,REP 逐渐向短波方向移动,Y EP 逐渐向长波方向移动,而REP -YEP 则迅速的减小。

分别对比分析了REP ,Y EP 以及REP -YEP 预测D I 的能力,结果表明,以REP -YEP 为变量的模型预测DI 的精度最好,模型估测绝对误差(RM S E )仅为6.22,相对误差(relative er ror ,RE )为14.3%,且能够提前12d 识别出健康与病害胁迫的小麦。

该研究不仅可为将来利用高光谱遥感大面积监测小麦病害提供理论与技术支持,而且对精准农业的实施也具有重要意义与实际应用价值。

关键词　高光谱;小麦条锈病;红边位置;黄边位置;病情指数;反演模型中图分类号:O 657.3,S127 文献标识码:A DOI :10.3964/j .issn .1000-0593(2010)06-1614-05　收稿日期:2009-09-22,修订日期:2009-12-26　基金项目:国家高技术研究发展计划项目(2007AA120205),国际科技合作计划项目(2007DFA20640),国家自然科学基金项目(40701119),中央高校基本科研业务费专项资金(2009QD13)和国土环境与灾害监测国家测绘局重点实验室开放基金项目(LEDM 2009B04)资助　作者简介:蒋金豹,1978年生,中国矿业大学(北京)地测学院讲师 e -mail :jjb @ires .cn ,ahdsjjb @前　言 红边是由于植被在红光波段叶绿素强烈的吸收与近红外波段光在叶片内部的多次散射而形成的强反射造成的,范围一般在680～760nm 。

红边区域内蕴含着丰富的植被生长信息,与植物生理生化参数关系密切,国内外学者对这一区域研究一直给与高度关注[1-3]。

目前,有很多学者利用红边参数研究作物生长状况,黄敬峰等[4]利用红边参数反演油菜叶面积;张雪红等[5]发现对于不同供氮水平的油菜,红边面积与红边幅值几乎在所有的生育期中都呈现出随着供氮水平的提高而表现为增大的趋势。

王圆圆等[6]设计了两个新型的红边参数DSr 和A r 反演小麦病害严重度,取得较好效果。

红边内的一阶微分最大值所对应的波段叫做红边位置(REP )[7,8]。

Ho rler [9,10]等研究了植被光谱与叶绿素浓度的关系,并提出了REP 在植被叶绿素浓度估计中的作用。

REP 也可以作为植物遭受胁迫的指示剂[11],当植物在胁迫作用下其REP 将向短波方向移动[12-14]。

研究光谱曲线发现,在550～670nm 有一个较宽的吸收谷,但这个吸收谷的特征很少受到植物细胞结构或者水分含量的影响[15～17]。

G ong 等[18]定义黄边的覆盖范围为550～582nm ,黄边内一阶最大微分值所在波段为黄边位置(Y EP ),并用其反演美国巨杉叶的营养状况。

N oomen 等[19]用REP -YEP 参数识别遭受CO 2泄露胁迫的玉米,取得较好的效果。

小麦条锈病是中国乃至世界在冬小麦上发生最广、危害最大的一类病害,流行年份可导致冬小麦减产20%～30%[6,20],尽管目前有一些利用高光谱监测识别小麦条锈病的研究[21-24],但利用Y EP 信息监测识别小麦病害的研究还比较少见。

本文借鉴N oo men 等研究方法,尝试研究REP 与YEP 与小麦条锈病病情的定量关系以及区别健康与病害胁迫小麦的能力。

1　材料与方法1.1　材料来源实验设计、冠层光谱测量以及病情严重度调查方法参见文献[23,24]。

1.2　光谱数据平滑处理光谱平滑可以消除测量仪器引起的随机误差,Savitzky 等[25]用最小二乘过滤法既能够平滑又能够区分数据。

F ou -rier 转换法也可以用来平滑数据,该法可以把信号分为高频与低频,然后把高频信号去除[26]。

本文采用5点加权平滑法对采集的原始冠层光谱进行平滑处理,根据Smith [27]研究发现,该法既能够消除掉随机误差又能够较好保留原有光谱特征,其计算公式为n =m -24+m -12+m 1+m 12+m 242.5(1)式中n 为过滤窗口中间点的加权均值,m 是未平滑前数据点的值。

该过滤器的最大优点在于给予中间点的权重最大,离中心点越远,则权重越小,即对数据的影响越小。

1.3　一阶微分光谱光谱微分可以增强光谱曲线在坡度上细微变化,对于植被,这种变化与植物的生物化学吸收特性有关。

光谱的一阶微分可以近似表示如下[2]ρ′(λi )=[ρ(λi +1)-ρ(λi -1)]/2Δλ(2)式中:λi 为每个波段的波长;ρ′(λi )为波长λi 的一阶微分值;Δλ是λi -1到λi 的间隔。

1.4　REP 与YEP 的提取计算一阶微分值在黄光区会形成一个“谷”,在红光-近红外区域会形成一个“峰”,见图1。

Cho 等[7]设计了一种简单的线性提取红边位置的方法,就是在红边内一阶微分形成的“峰”,在峰的两侧各拟合一条直线,则两条直线务必有一个交点,交点所在的位置就是红边所在位置。

本文采用两种方法提取红边位置:(1)一阶微分最大值所在波段;(2)Cho 与Skidmo re 方法。

利用Cho 与Skidmore 方法提取红边位置,分别使用远红光区680与700nm 的一阶微分值拟合一条直线,见(3)式;利用近红外725与760nm 的一阶微分值拟合一条直线,见(4)式,则两条直线的交点横坐标即为红边位置,计算公式为(5)式。

y 1=a 1λ+b 1(3)y 2=a 2λ+b 2(4)REP =-b 1-b 2a 1-a 2(5)Fig .1　First derivative spectra graph 根据N o omen 等[19]研究成果,使用550,560,572和585nm 的一阶微分值按照(3)～(5)式提取黄边位置,如图2所示。

Fig .2　Yellow position calculation sketch map2　结果与分析2.1　REP 与小麦DI 的关系随着小麦条锈病病情的加重,REP 具有明显的蓝移现象,且病情越严重,“蓝移”现象愈明显。

从图3可以看出,通过计算一阶微分最大值可得到REP 与病情指数(DI )的相关性(R 2=0.6995,n =18),而Cho 等方法得到的REP 与病情指数的相关性(R 2=0.8755,n =18),说明Cho 等方法得到的REP 与DI 的相关性更好一些,则预测能力更强一些。

Fig .3　Correlation between red edge positio n and disease index(a ):The firs t derivative maximum ;(b ):Cho and Skidmore method2.2　YEP 与小麦DI 的关系随着小麦病情的加重,Y EP 有明显“红移”现象,且病情1615第6期 光谱学与光谱分析越严重,红移现象就越明显,见图4。

利用Cho 等[7]方法计算出YEP ,并与小麦DI 进行了相关分析。

从图4可见,YEP 与小麦DI 之间的相关性也较好(R 2=0.6810,n =18),但相关系数低于图3中两个REP 与小麦DI 之间的相关系数。

因此,Y EP 预测小麦病情的能力低于REP 的预测能力。

2.3　REP -YEP 与小麦DI 的关系从上面分析可知,随着DI 的增大,REP 向短波方向移动,即“蓝移”;而YEP 却向长波方向移动,即“红移”。

因此,随着DI 的增大,REP 与Y EP 逐渐靠拢,则两者差值就会逐渐减少。

本文分析了REP -Y EP 与小麦DI 之间的关系,发现REP -Y EP 与D I 之间存在着极好的一元二次方程关系(n =18),见图5。

DI (%)=-2419.2+37.216(REP -YEP )-0.1383(REP -YEP )2R 2=0.9658,F =211.52,P =0.000(6) 经对比研究,公式(6)拟合效果优于线性以及三次方程。

同时该公式的拟合效果也优于REP 与Y EP 单独与DI 建立的拟合方程。

2.4　DI 实测值与REP -YEP 预测值对比分析根据DI 与参数REP -Y EP 之间的定量关系(式(6))计算得到DI 预测值。

从图6可见,D I 实测值与预测值具有较好的一致性,DI 在0～30范围内,预测值有偏大的趋势,但在其他区域,实测DI 与预测DI 吻合较好,误差很小。

因此,该方法适合于在小麦条锈病发病中度程度后,其具有较强的预测能力。

该方法估测DI 的绝对误差为6.22,相对误差为14.3%,优于参考文献[24]的结果。

Fig .4　Co rrelation between yellow edg e position andDIFig .5　Correlation between REP -YEP and DI2.5　利用REP -YEP 参数识别健康与染病小麦在接种小麦条锈病病菌后9d ,尽管肉眼观察无明显症状(直到12d 后肉眼才观察到条锈病菌孢),但REP -YEP 参数已经具有稍微差异,随着生育期推进以及病情的加重,健康小麦与染病小麦的REP -Y EP 逐渐增大,见图7,其规律基本与文献[23]中结果一致,说明高光谱参数REP -YEP 也可以提前监测小麦条锈病,且具有较好地区分健康小麦与染病小麦的能力。

Fig .6　Comparison of m easured DI and estimatedDIFig .7　Identifying healthy and diseasewheat by using REP -YEP1:Healthy w heat ;2:Disease w heat3　结论与讨论 本文是在前人研究的方法基础上,利用新型高光谱参数REP -Y EP 反演小麦条锈病严重度,并与先前研究的相关模型进行了对比分析,研究结果表明:(1)利用Cho 等[7]方法计算得到的REP 与D I 的相关性大于计算一阶微分最大值得到的REP 与D I 的相关性,说明该方法得到的REP 预测小麦病情的能力更强一些。