一、高光譜遙感技術理論

近年來快速發(fā)展的高光譜遙感技術已經具備了高時效、光譜波段多、光譜分辨率高等優(yōu)勢。與一般遙感技術相比，高光譜遙感技術的成像光譜儀可以分離成幾十甚至數(shù)百個很窄的波段來接收信息，每個波段寬度小于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光到熱紅外的全部電磁輻射波普范圍。而且利用光譜技術對植物、礦物中的化學元素含量的估測已經得到了廣泛應用。鉀能調節(jié)細胞的滲透壓，調節(jié)植物生長和經濟用水，增強植物的抗不良因素(旱、寒、病害、鹽堿、倒伏)的能力，鉀還可以改善農產品品質。因此對葉片中鉀含量的估測研究對實際應用具有重要意義。由于高光譜對植物中水分含量，葉綠素等含量極其敏感，故葉片中鉀的含量的變化必定會對反射光譜信息產生影響，可根據葉片的光譜信息來估測葉片中鉀的含量。

1.1 理論基礎

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數(shù)據。它可在電磁波的紫外、可見光、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。2、高光譜遙感的優(yōu)勢高光譜遙感的光譜分辨率的提高，使地物目標的屬性信息探測能力有所增強。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：1）蘊含著近似連續(xù)的地物光譜信息。高光譜影像經過光譜反射率重建，能獲取地物近似連續(xù)的光譜反射率曲線，與地面實測值相匹配，將實驗室地物光譜分析模型應用到遙感反演過程中。2）對地表覆蓋的識別能力得到極大提高。高光譜數(shù)據能夠探測具有診斷性光譜吸收特征的物質，能夠準確區(qū)分地表植被覆蓋類型、道路的鋪面材料、河流水資源等。3）地形要素分類識別方法靈活多樣。影像分類既可以采用各種模式識別方法，如貝葉斯判別、決策樹、神經網絡、支持向量機等，又可以采用基于地物光譜數(shù)據庫的光譜匹配方法。分類識別特征，可以采用光譜診斷特征，也可以進行特征選擇與提取，進行監(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別成為可能。在高光譜影像中，能估計出多種地物的狀態(tài)參量，提高遙感高定量分析的精度和可靠性。3、高光譜遙感的應用領域高光譜遙感在植被生態(tài)方面、農業(yè)、農作物估測、礦物勘探等領域都有重要應用。

1.2 實驗材料與方法

1、樣品采集

供試蘋果品種為處于盛果期的紅富士，在秋梢停止生長期進行樣品采集，依據研究區(qū)土地利用現(xiàn)狀圖和果園分布布設采樣點。選取試驗區(qū)3個鎮(zhèn)的6個果園86棵蘋果樹為采樣對象，隨機取樣，并盡量涵蓋不同樹勢的葉片。每棵蘋果樹按東、西、南、北4個方位，在冠層外圍各取1-2片充分展開、無損、無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，放盛有冰塊的保鮮箱中，盡快帶回實驗室。

2、測定項目

光譜測定

光譜測定采用地物光譜儀，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。在一個能控制光照條件的暗室內進行光譜測定。測定前，對測定光譜的葉片，用脫脂棉擦拭干凈。測定時，葉片單層平整置于反射率近似為零的黑色橡膠上，光譜儀視場角為25°，探頭垂直向下正對待測葉片中部，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，每片葉觀測記錄10個采樣光譜，以其平均值作為該葉片的光譜反射值。測定過程中，及時進行標準白板校正。

鉀素含量測定

將測定光譜的蘋果葉片迅速放入80℃烘箱中，進行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，采用火焰光度法測定全鉀含量。

數(shù)據處理

將測得的蘋果葉片反射光譜數(shù)據,利用光譜處理軟件進行處理,并通過EXCEL和SPSS軟件統(tǒng)計分析和繪圖等，進行進一步的分析。對86個樣品光譜反射率求均值，得到蘋果葉高光譜隨波長變化曲線，分析其光譜特征。為了減小光照強度差異、背景光譜以及一起噪聲對目標光譜特征的影響，我們對光譜反射率 R 進行了變換。具體變換形式如下：

①光譜的對數(shù)；

②光譜對數(shù)的一階導數(shù)；

③光譜的倒數(shù)；

④光譜倒數(shù)的一階導數(shù)；

⑤二階微分光譜；

⑥光譜的一階微分；

⑦光譜的一階導數(shù)；

⑧鉀含量與原始光譜；

并通過相關分析確定敏感波段，利用敏感波段構建特征光譜參數(shù)，建立預測模型。為評價預測值與實測值的擬合效果，選擇決定系數(shù)R2進行評價。

模型的建立，優(yōu)選和檢驗

首先，對86個蘋果葉片原始光譜反射率及8種光譜變換數(shù)據與鉀素含量分別進行相關分析，確定與蘋果葉片鉀含量相關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與光譜參數(shù)；用光譜參數(shù)建立蘋果葉片鉀含量估測模型；最后，對模型進行檢驗。在86個樣本數(shù)據中，隨即選取30個數(shù)據用來建立估測模型，其余31個則用于模型的檢驗。用決定系數(shù)對估測值與實測值之間的擬合結果進行綜合研究評定，以檢驗模型的穩(wěn)定性和適用性。

1.3 結果與分析

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

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

2、敏感波長的獲取與估測模型的建立

對蘋果葉片鉀素含量與相關性較強的光譜變換數(shù)據分別進行了逐步回歸分析，獲取了估測蘋果葉片鉀素含量的敏感波長。經過多次調試，最后得到光譜對數(shù)的一階導數(shù)，光譜倒數(shù)的一階導數(shù)，敏感波長分別為928nm、1081nm。然后以敏感波長構建的光譜參數(shù)為自變量，分別建立了鉀素含量估測模型。

1.4 結論

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

110表明模型對蘋果葉片鉀素含量的估測具有較好的準確性，可作為鉀素含量的最佳估測。

審核編輯：符乾江