持續受澇對冬小麥高光譜特征參數的影響分析

段丁丁，熊勤學，劉 莉，何英彬※

（1.中國農業科學院農業資源與農業區劃研究所，北京100081；2.長江大學農學院，荊州434025；3.浙江大學農業遙感與信息技術應用研究所，杭州310058）

0 引言

江漢平原地處亞熱帶或熱帶季風氣候區，雨量豐沛，在冬小麥的關鍵生育期，經常發生因多次或連續降雨造成的地表積水或地下水持續高水位，往往因地表積水過深或地下水位過高而導致對作物的澇漬脅迫。近年來江漢平原小麥種植面積約40萬hm2，占湖北省小麥種植面積的34%左右，在小麥生育中后期因過多降雨造成的澇漬害是該區小麥高產穩產的主要限制因子[1]。Celedonio[2]、Wu[3]和吳元奇[4]的研究結果表明澇漬導致小麥減產幅度不僅取決于澇漬災害發生的程度，還取決于災害發生的時期。吳啟俠[5-6]開展了冬小麥澇漬的脅迫實驗，研究了冬小麥對澇漬的響應及排水指標的確定，獲得了江漢平原冬小麥關鍵生育期適宜的地下水位埋深。邵光成[7]研究了澇漬持續抑制天數下冬小麥的排水指標。但由于澇害對于農作物來說是一種慢性自然災害，傳統的鑒別方法無法滿足現實需求，因此提出一種能快速識別冬小麥受澇的方法至關重要。

近年來，遙感技術憑借快速、動態監測農作物長勢的特點得到廣泛應用[8-9]，在小麥的生物量反演[10-13]、病蟲害監測[14-15]、低溫脅迫[16-17]和養分監測方面[18]等方面，國內外學者已經取得較大進步。目前在高光譜特征參數的研究方面主要以紅邊參數為主，賀可勛[19]的研究結果表明，水分脅迫下的小麥紅邊幅度在不同的生長期表現出不同的變化特征。武永峰[20]通過4種不同的方法提取并比較了晚霜凍影響下冬小麥冠層紅邊參數。熊勤學[21]等提取了受漬冬小麥的光譜反射特征，并根據不同小麥品種受漬時與受漬后NDWI指數隨時間的變化特點，發現其變化特征與小麥品種的抗性有關。當前研究以紅邊參數為主要分析指標，缺乏與其他高光譜特征參數的對比分析。因此文章根據研究目的，以四大類高光譜特征參數為研究指標，對比分析對照區和澇害區冬小麥的18個高光譜特征參數的差異，以此來識別冬小麥受澇與否，并根據高光譜特征參數的大小來判斷冬小麥的受澇程度，研究結果可為冬小麥澇害監測提供理論支撐。

1 數據來源及方法

1.1 數據來源

試驗區位于湖北省長江大學農學院實驗基地（30°21′03″N，112°8′24″E）進行，試驗區長48m，寬30m。該地區地處江漢平原，屬于長江中游和亞熱帶季風濕潤氣候區，水熱同期且與農業生產季節一致，適宜多種農作物生長發育。試驗設置了3次重復、兩個處理（澇害與對照）共6個小區。

試驗冬小麥澇害處理時間為8d，正值冬小麥灌漿期。處理方式為持續給小區灌水，確保澇害處理小區廂溝滿水，保持地下水位埋深在0.05m左右，以達到人工模擬受澇的條件。實驗中獲取冬小麥葉片光譜數據使用FieldSpec4 Wide-Res Field Spectrum radiometer便攜式地物光譜儀，其光譜觀測范圍為350～2 500nm，光譜分辨率為3nm@700nm、10nm@1 400～2 500nm。冬小麥葉片模式主要觀測其旗葉，采用掛牌方式觀測，如果出現新的旗葉則觀測新的旗葉，所有光譜數據的測量均選擇天氣晴朗、無風的條件下進行，時間范圍為10：00～14：00，每個小區觀測5個點，每個點觀測3條光譜曲線。

光譜數據的處理運用ViewSpecPro軟件，打開每個小區每次觀測所獲取的15條光譜曲線，剔除差異較大的曲線，運用Statistic功能對剔除后所保留下來曲線進均值處理，作為該處理小區的代表性光譜曲線。

1.2 數據處理方法

1.2.1 一階微分處理

一階導數光譜曲線雖不能產生多于原始光譜的數據信息，但可以抑制或去除無關信息，突出感興趣信息[22]。本文光譜數據的微分采用差分計算（即一階導數光譜），計算公式如下：

式（1）中：R′為反射率光譜的一階導數光譜，R為反射率，λ為波長，i為光譜通帶。

1.2.2 高光譜特征參數設定

該文把定量描述植被光譜特征的高光譜特征參數分為4類：位置參數、振幅參數、面積參數和反射率參數。

（1）位置參數。紅邊位置：紅邊范圍內（680～760nm）最大一階微分值所對應的波長；紅谷位置：波長（650～690nm）范圍內最小波段反射率值對應的波長；黃邊位置：黃邊范圍內（560～590nm）最大一階微分值所對應的波長；藍邊位置：藍邊范圍內（490～530nm）最大一階微分值所對應的波長；綠峰位置：波長（510～560nm）范圍內最大波段反射率值對應的波長。

（2）振幅參數。紅邊振幅：紅邊范圍內（680～760nm）最大一階微分值；黃邊振幅：黃邊范圍內（560～590nm）最大一階微分值；藍邊振幅：藍邊范圍內（490～530nm）最大一階微分值；最小振幅：波長（680～750nm）范圍內最小一階微分值。

（3）面積參數。紅邊面積—紅邊范圍內（680～760nm）一階微分值的總和；黃邊面積—黃邊范圍內（560～590nm）一階微分值的總和；藍邊面積—藍邊范圍內（490～530nm）一階微分值的總和；綠峰面積—波長（510～560nm）范圍內一階微分值的總和；近紅外面積—近紅外（780～890nm）范圍內一階微分值的總和。

（4）反射率參數。綠峰反射率（Rg）—綠光波長（510～560nm）范圍內最大的波段反射率；紅谷反射率（Ro）—波長（650～690nm）范圍內最小的波段反射率；Rg/Ro—綠峰反射率（Rg）與紅谷反射率（Ro）的比值；（Rg-Ro）/（Rg+Ro）—綠峰反射率（Rg）與紅谷反射率（Ro）的歸一化值。

1.2.3 差異性指數

該文通過高光譜特征參數的差異性指數來判斷冬小麥的受澇程度，為使健康和受澇小麥的高光譜特征參數之間的差異最大化，不同類型的高光譜特征參數的差異性指數采用不同的計算方法。高光譜位置參數的差異性指數（difference index）的計算公式為：

該研究只對健康和受澇冬小麥的高光譜位置參數進行數值比較，因此差異性指數（DI）默認為無綱量值，不考慮其單位納米（nm）。

高光譜振幅參數、面積參數和反射率參數差異性指數（difference index）的計算公式為：

式（2）、（3）中，DI表示不同高光譜參數的差異性指數，Vck表示健康冬小麥的高光譜特征參數值，Vwl表示受澇冬小麥的高光譜特征參數值。

2 結果與分析

2.1 受澇對冬小麥高光譜位置參數的影響

由表1可知，冬小麥受澇當天，對照區和受澇區4個位置參數均相同，差異性指數為0%，表明在受澇當天高光譜位置參數沒有發生變化。受澇第3d，受澇區冬小麥的紅邊位置發生明顯“藍移”，紅谷位置發生“紅移”；受澇第5d，受澇冬小麥的紅邊位置“藍移”程度和紅谷位置的“紅移”程度進一步增強；受澇第7d，受澇冬小麥的紅邊位置的“藍移”程度有所減小，紅谷位置的“紅移”程度保持不變。從第5d開始，受澇冬小麥的綠峰位置發生“紅移”，第7d，黃邊位置發生“紅移”，但兩者的移動幅度均很小，藍邊位置沒有明顯的規律。

以高光譜寬度參數的差異性指數來判斷冬小麥的受澇程度，可以得出：隨著受澇時間的延長，冬小麥的受澇程度明顯增加，第5d的受澇程度最嚴重。其中紅邊位置的變化特征最明顯，可作為判斷冬小麥受澇與否的最佳高光譜位置參數。

表1 持續受澇對冬小麥高光譜位置參數的影響Table 1 Effect of continuous waterlogging on hyperspectral position parameters of winter wheat

2.2 受澇對冬小麥高光譜振幅參數的影響

由表2可知，對原始光譜曲線進行一階微分處理后，可以突出感興趣的信息。在澇害處理當天，對照區和受澇區冬小麥的位置參數和寬度參數沒有表現出差異，而4個高光譜振幅參數均存在差異：受澇冬小麥的4個高光譜振幅參數值均小于健康冬小麥，其中最小振幅的差異性指數最大。受澇第3d，4個高光譜振幅參數的差異性指數與第1d相比均有所減小，這可能與冬小麥的抗澇特性有關，在受澇前期會表現出一定的抗澇害能力。受澇第5d，受澇冬小麥的4個高光譜振幅參數的減小幅度迅速增大，最小振幅參數的減幅達到最大。在第7d，最小振幅參數的減幅變小，其余3個高光譜振幅參數的減幅均持續增大。

以高光譜寬度參數的差異性指數作為評價指標判斷冬小麥的受澇程度，可以得出：隨著受澇時間的延長，冬小麥的受澇程度明顯增加，第5d的受澇程度最嚴重。其中最小振幅的減小幅度最大，可作為判斷冬小麥受澇與否的最佳高光譜振幅參數。

表2 持續受澇對冬小麥高光譜振幅參數的影響Table 2 Effect of continuous waterlogging on hyperspectral amplitude parameters of winter wheat

2.3 受澇對冬小麥高光譜面積參數的影響

從表3可知，在澇害處理當天，受澇冬小麥的高光譜面積參數表現出明顯規律：近紅外面積和綠峰面積增大，紅邊面積、黃邊面積、藍邊面積則減小，這進一步說明原始光譜經一階微分處理后得到的導數光譜信息，能夠更加快速準確的判斷冬小麥的受澇情況。在受澇第3d，高光譜面積參數的變化特征與高光譜振幅參數相同，相比受澇第1天，對照區和澇害區高光譜面積參數的差異性均有所減小，同樣可能與冬小麥的抗澇特性有關，原始光譜經一階微分處理后能體現出冬小麥的抗澇特性。從第5d開始，4個高光譜面積參數的變化幅度均持續增大。

以高光譜面積參數的差異性指數作為評價指標判斷冬小麥的受澇程度，可以得出：由于冬小麥本身具備的抗澇害能力，在澇害處理第3d，對照區和澇害區的高光譜面積參數的差異性指數要小于澇害處理當天的，其后隨著受澇時間的延長，各參數之間的差異性指數持續變大，即冬小麥的受澇程度日益嚴重。近紅外面積參數的差異性指數均最大，其可作為判斷冬小麥受澇與否的最佳高光譜面積參數。

表3 持續受澇對冬小麥高光譜面積參數的影響Table 3 Effect of continuous waterlogging on the hyperspectral area parameters of winter wheat

2.4 受澇對冬小麥高光譜反射率參數的影響

從表4可知，在澇害處理當天，冬小麥的高光譜反射率參數也表現出明顯的變化特征：綠峰反射率Rg和紅谷反射率Ro增大，而兩者的比值Rg/Ro和歸一化值（Rg-Ro）/（Rg+Ro）則減小。同時隨著受澇時間的延長，綠峰反射率Rg和紅谷反射率Ro的增幅和兩者的比值Rg/Ro和歸一化值（Rg-Ro）/（Rg+Ro）的減幅表現出先增大后減小的規律。在受澇第3d，4個參數的差異性指數均達到最大，隨后又減小。

以高光譜反射率參數的差異性指數為評價指標判斷冬小麥的受澇程度，可以得出：在受澇第3d，4個高光譜反射率參數的差異性指數總和最大，冬小麥的受澇程度最嚴重。其中紅谷反射率Ro的差異性指數均最大，其可作為判斷冬小麥受澇與否的最佳高光譜反射率參數。

表4 持續受澇對冬小麥高光譜反射率參數的影響Table 4 Effect of continuous waterlogging on hyperspectral reflectance parameters of winter wheat

2.5 受澇對冬小麥高光譜特征參數的影響

從表5可知，在澇害處理當天，健康和受澇冬小麥的高光譜位置參數沒有差異，而高光譜反射率參數、面積參數、振幅參數均出現較大差異。在受澇前期，高光譜反射率參數和面積參數的差異性指數都明顯大于其他高光譜特征參數，故在冬小麥受澇前期，可用高光譜反射率參數和高光譜面積參數來快速識別冬小麥受澇與否。從澇害處理第5d開始，高光譜振幅參數和面積參數的差異性指數迅速增大，且明顯大于其他兩個高光譜特征參數的差異性指數，故在冬小麥受澇后期，可用高光譜振幅參數和面積參數判斷冬小麥的受澇程度。

根據高光譜特征參數的差異性指數的變化趨勢可以得出：隨著受澇時間的延長，冬小麥的受澇程度也相應增加，在受澇第5d的差異性指數總和最大，即在第5d受澇最嚴重。利用不同高光譜特征參數來識別冬小麥受澇與否的能力也存在差異，不同高光譜特征參數來識別冬小麥受澇與否的優劣能力從強到弱依次為：高光譜振幅參數＞高光譜面積參數＞高光譜反射率參數＞高光譜位置參數。此結果進一步表明經一階導數處理后的高光譜特征參數能夠突出原始光譜的感興趣信息，微分處理后所得到的高光譜特征參數識別冬小麥的受澇能力明顯優于由原始光譜所得到的高光譜特征參數。

表5 持續受澇對冬小麥高光譜特征參數的影響Table 5 Effect of continuous waterlogging on hyperspectral characteristic parameters of winter wheat %

3 結論

該文通過提取出受澇冬小麥的反射光譜特征，以高光譜位置參數、振幅參數、面積參數和反射率參數為分析指標，對比了健康和受澇冬小麥的18個高光譜特征參數，結果如下。

（1）受澇冬小麥的紅邊位置發生“藍移”，紅谷、綠峰和黃邊位置發生“紅移”；4個振幅參數值均減小；近紅外面積和綠峰面積增大，紅邊、黃邊和藍邊面積減?。痪G峰反射率Rg和紅谷反射率Ro增大，兩者的比值Rg/Ro和歸一化值（Rg-Ro）/（Rg+Ro）則減小，但各個參數的變化幅度存在差異，同時藍邊位置和藍邊寬度兩個高光譜特征參數沒有明顯規律可循。

（2）根據高光譜特征參數差異性指數的大小及隨受澇時間的變化特征，提取出4個判斷冬小麥受澇與否的最佳參數，且高光譜反射率參數和面積參數可在受澇當天快速識別冬小麥受澇，高光譜振幅參數則能夠判斷受澇程度。

（3）不同高光譜特征參數識別冬小麥受澇的優劣能力從強到弱依次為：高光譜振幅參數＞高光譜面積參數＞高光譜反射率參數＞高光譜位置參數。

4 討論

該文憑借高光譜遙感技術能夠動態、快速準確監測農作物生長狀態的優勢，在采集健康和澇害冬小麥灌漿期葉片光譜反射率的基礎上，進一步對其進行一階微分處理，以四大類高光譜特征參數為研究指標，分析對比了健康冬小麥和受澇冬小麥18個高光譜特征參數之間的差異，并以高光譜特征參數的差異性指數量化冬小麥的受澇程度，但利用不同高光譜特征參數判斷冬小麥受澇程度的結果存在差異，可能的原因為不同類型的高光譜特征參數對受澇程度的敏感度不同，需進一步研究討論。該文為了統一量化冬小麥的受澇程度，將受澇時間相同的四大類高光譜特征參數的差異性指數總和作為最終判斷受澇程度的標準，結果表明在澇害處理第5d，冬小麥的受澇程度最嚴重。

由冬小麥原始光譜得到的高光譜位置參數和反射率參數的差異性指數隨著受澇時間的延長表現出先增大后減小的變化特征，而原始光譜經一階微分處理后得到的高光譜振幅參數和面積參數的差異性指數則表現出先減小后增大的變化特征，且在澇害處理的第3d的差異性指數小于澇害處理當天的，可能的原因是原始光譜經一階微分處理后得到的高光譜振幅參數和面積參數能夠突出冬小麥的抗澇特性，使冬小麥在受澇前期表現出一定的抗澇能力，進一步說明一階導數光譜曲線雖不能產生多于原始光譜的數據信息，但可以抑制或去除無關信息，突出感興趣信息。

該文僅在冬小麥灌漿期人工模擬澇害條件，缺乏其他關鍵生育時期下健康和受澇冬小麥18個高光譜特征參數對比分析，且選用的18個特征參數中17個高光譜特征參數隨著受澇時間的延長表現出明顯且一致的規律，而藍邊位置沒有規律可循，其原因需進一步探索。