基于高光谱成像的不同花期薇甘菊特征分析及监测模型研究

马云强，刘雪莲，刘梦盈，石 雷**，张忠和，赵 宁

(1. 中国林业科学研究院 资源昆虫研究所，云南 昆明 650224；2. 西南林业大学 生物多样性保护学院，云南省森林灾害预警与控制重点实验室，云南 昆明 650224)

处于不同生长期的植物，光谱特征参数差异显著，利用特征参数提取特征[11]. 高光谱成像技术能够获取目标物空间特征信息，将目标物的辐射分解成不同波长的谱辐射，能在一个光谱区间获得大量连续的窄波段信息[12]，且能图谱合一，具有较高分辨率[13]. 高光谱成像技术在农业、林业、工业、食品等行业得到了广泛的应用，特别在精细农业、精细林业等领域发挥了重要作用[14]. 目前，将高光谱成像技术应用到薇甘菊特征提取的研究较少，本文采用SOC710VP成像光谱仪对不同花期薇甘菊的光谱特征信息进行采集，提取其光谱反射率数据，分析不同花期薇甘菊的光谱特征，建立了薇甘菊高光谱特征信息模型.

1 研究区与研究方法

1.1 研究区概况本研究数据来源于国家重点研发计划、云南省科技厅“薇甘菊灾控关键技术研究与防控体系构建”及昆明市重大科技专项项目在德宏州芒市设置的4块试验样地，每块样地0.333 3 hm2（5亩）. 所选样地位于德宏州东南部，地理位置为98°05′～98°44′E，24°05′～24°39′N，年平均气温20.0 ℃，属南亚热带季风气候，年平均降水量174.4 mm，气候条件利于薇甘菊的生长和繁殖[15]. 见图1.

图1 薇甘菊试验样地分布图Fig. 1 Mikania micrantha distribution diagram of sampling points

1.2 研究方法

1.2.1 材料 试验材料为德宏州芒市实验样地中的薇甘菊，薇甘菊不同花期分为3个时期，即未开花期、盛花期、枯花期. 根据前期调查，在试验样地内根据外观特征分别选择不同生长期的薇甘菊，每个花期各选择30个样本，其中在1、2号试验田每个花期样本为8个，3、4号试验田每个花期样本为7个.

1.2.2 薇甘菊光谱反射率的测定 本研究采用SOC710VP高光谱成像系统. 薇甘菊光谱特征测定采用地面光谱仪，在可控光源条件下测定，将SOC710VP成像光谱仪固定在推扫平台上，平台架设在地面. 根据采样时当地的环境进行镜头对焦调试. 为确保图像真实有效，图像采集前利用参考板进行校正，通过系统自带室内光谱数据采集软件Hyperspec完成高光谱图像特征信息的采集与传输.

2019年10月8日、11月15日、12月20日分别为薇甘菊的未开花期、盛花期、枯花期，对3个生长期的薇甘菊高光谱成像信息进行采集. 为了选取合适的光谱指数研究不同生长期薇甘菊的光谱特征，本研究中选取未开花期、盛花期、枯花期薇甘菊3个阶段的样本数据开展相关性分析和回归建模. 其中，利用样本数据的75%进行建模，剩余25%用于模型精度验证.

1.3 数据分析与建模方法

添加可可碱的发酵液与未添加咖啡碱对照组发酵液中剩余葡萄糖含量的变化趋势一致，相比之下，添加可可碱的发酵液中葡萄糖的含量下降的更为明显，说明有可可碱的存在可能对刺激菌体的生长繁殖存在积极作用，从而加速冠突散囊菌对发酵液中葡萄糖的消耗；二组发酵液总蛋白质含量均随着时间的增加而逐渐升高，而又分别在发酵第8、9 d相继开始下降，一方面冠突散囊菌在发酵培养过程中胞外酶的分泌和积累，另一方面，也可能是由于菌体自溶导致胞内蛋白等大分子物质快速降解。

1.3.1 高光谱数据预处理 使用SRAnal710软件，对光谱数据进行校正和标定等预处理，将所测亮度值转换为反射率. 为消除原始光谱数据中干扰因素对所建模型的影响，采用Savitzky-Golay 10点平滑方法对原始光谱反射率数据进行平滑处理[16-17].采用OriginPro 8.0绘制薇甘菊不同花期的光谱曲线.

1.3.2 高光谱植被特征参数提取 对薇甘菊光谱反射率和不同花期进行Pearson相关分析，得到Pearson相关系数[18]，选择其中相关系数显著的波段进行高光谱植被特征参数的提取.

植被指数能够提取薇甘菊高光谱特征，是特征提取的常用方法[19]. 本研究结合前人研究的光谱特征提取方法[20-26]，以薇甘菊光谱反射率为基础，定义了9个高光谱植被特征参数（表1）. 对其进行逐步回归分析，筛选出P＜0.05的特征参数，建立薇甘菊不同花期监测模型.

1.3.3 不同花期监测模型及精度评价 用筛选出的特征参数建立薇甘菊不同花期监测模型，主要采用多元线性回归模型、线性函数、指数模型和三次函数模型. 本研究使用决定系数（R2）和均方根误差（RMSE）对模型精度进行验证.R2值越接近1，RMSE值越接近0，精度越高.

2 结果与分析

2.1 薇甘菊光谱特征分析

2.1.1 不同花期光谱反射率特征分析 薇甘菊不同花期光谱反射率见图2，光谱反射率可以反映薇甘菊不同花期，在绿光波段（510～560 nm），不同花期薇甘菊光谱反射率大致呈现先上升后下降的变化趋势，即“绿峰”；在红光波段（640～700 nm），存在波谷，即“红谷”，不同花期光谱反射率大致为先上升后下降；在730～780 nm存在波谷；在720～900 nm，薇甘菊各花期光谱反射率波动不明显. 盛花期和未开花期存在明显“绿峰”和“红谷”，而枯花期“绿峰”和“红谷”逐渐消失. 整体而言，光谱反射率最高的是盛花期，其次是未开花期，最低的是枯花期.

表1 植被指数表Tab. 1 Table of vegetation index

图2 薇甘菊不同花期光谱反射率曲线Fig. 2 Spectral reflectance curve of Mikania micrantha in different florescence

两两对比不同花期间的光谱反射率差值绝对值（例如比较未开花期与盛花期的光谱反射率差值绝对值），按照降序排列，选择最大的8个值所对应的波段作为其最佳监测波段窗口. 依次获取未开花期与枯花期、盛花期与枯花期最佳光谱反射率监测窗口（表2）. 不同花期两两对比的最佳光谱反射率监测波段窗口多属于红光波段，其范围大致为625～775 nm，说明可见光中红波段的反射率可有效地监测薇甘菊的不同花期.

表2 不同花期最佳光谱反射率监测窗口Tab. 2 The best monitoring windows of spectral reflectance in different florescence

2.1.2 不同花期光谱微分曲线分析 薇甘菊不同花期光谱一阶微分曲线见图3，光谱一阶微分可以反映薇甘菊不同花期的变化. 在370～480 nm，盛花期存在明显波峰，未开花期和枯花期波动不明显；在绿光波段（480～540 nm），未开花期、盛花期和枯花期均存在明显波峰，且值大小依次为未开花期、盛花期、枯花期；在红边（670～750 nm），未开花期、盛花期和枯花期均存在明显波峰，且峰值达到最高，值的大小依次为未开花期、盛花期、枯花期；在750～900 nm，盛花期和未开花期波峰、波谷出现波段范围大致相似，枯花期出现3个波峰，且峰值依次减小.

图3 薇甘菊不同花期光谱一阶微分曲线Fig. 3 Spectral first derivative curve of Mikania micrantha in different florescence

两两对比不同花期之间的光谱一阶微分差值，将其差值绝对值最大的前8个波段作为不同花期之间的最佳监测波段窗口（表3）. 不同花期之间的最佳一阶微分监测波段窗口多在414～438 nm和682～718 nm，说明可见光中紫波段和红波段的一阶微分可有效监测薇甘菊的不同花期.

表3 薇甘菊不同花期光谱一阶微分最佳监测窗口Tab. 3 The best monitoring windows of spectral first derivative of Mikania micrantha in different florescence

2.1.3 不同花期光谱相关性分析 薇甘菊光谱反射率与不同花期的相关系数曲线如图4. 在529～584 nm、697～900 nm波段范围内，均呈极显著负相关；在404～409 nm、519～524 nm、589～595 nm、600～610 nm波段范围内呈显著负相关，说明随着薇甘菊花期的变化其光谱反射率逐渐下降，与上述获取的薇甘菊不同花期光谱反射率曲线结果一致.

图4 薇甘菊不同花期与光谱反射率的相关性分析Fig. 4 The correlation of Mikania micrantha in different florescence and spectral reflectance

薇甘菊光谱一阶微分值与不同花期的相关系数曲线如图5，在559～671、734～744、770～786、791～796 nm和833～838 nm波段范围内呈极显著正相关；在844 nm和865 nm波段呈显著正相关，说明在这些波段范围内，薇甘菊光谱一阶微分值随着花期的变化而增大. 在498～554、682～723、760 nm和807～823 nm波段范围内呈极显著负相关；在493 nm波段呈显著负相关，薇甘菊光谱一阶微分值随花期变化而降低. 在红边位置呈现极显著性负相关，随着花期变化，红边位置的光谱一阶微分值逐渐下降，与上述获取的薇甘菊不同花期的光谱一阶微分值结果一致. 利用上述显著相关波段，可有效地反映薇甘菊的不同花期，说明通过极显著相关波段构造高光谱植被特征参数，建立薇甘菊不同花期监测模型是可行的.

图5 薇甘菊不同花期与光谱一阶微分的相关性分析Fig. 5 The correlation of Mikania micrantha in different florescence and spectral first derivative

2.2 薇甘菊不同花期监测模型的建立

2.2.1 特征参数的筛选 本文通过相关分析发现，有5个参数与不同花期显著相关. 对高光谱特征参数进行逐步回归分析，达到显著性水平（P＜0.05）的参数为NDVI、RVI、GI、DVI和HI（表4）.

表4 特征参数筛选结果Tab. 4 The screening results of characteristic parameter

2.2.2 监测模型的建立及验证 以NDVI、RVI、GI、DVI和HI特征参数为变量，分别建立多元线性回归模型、线性函数模型、指数模型和三次函数模型（以HI为参数的三次函数模型与线性函数模型存在近线性重合，因此三次函数模型不适用），且进行精度验证（表5）. 其中，以NDVI、RVI、GI、DVI和HI为输入变量的多元线性回归模型拟合效果最佳（预测R2=0.974，RMSE=0.503）；以DVI为输入变量的三次函数模型y=2.122+12.346x4-47.510+39.452的拟合效果最好（预测R2=0.807，RMSE=1.916）.

表5 薇甘菊不同花期监测模型（n=66）及检验（n=24）Tab. 5 Monitoring models(n = 66) and validation(n =24) of Mikania micrantha in different florescence

使用多元线性回归模型和三次函数模型分别验证样本的不同花期，实测值与预测值的线性拟合结果如图6所示. 以5个特征参数构建的多元线性回归模型，实测值与预测值拟合精度最高（R2=0.798，RMSE=0.405）.

图6 基于高光谱特征参数的薇甘菊不同花期实测值与预测值比较(n=24)Fig. 6 Comparison of measured and predicted values of Mikania micrantha in different florescence based on hyperspectral characteristic parameters (n=24)

3 讨论

传统林业监测耗时费力，且误差较大. 高光谱可快速获取植被的有效信息，在林业上具有得天独厚的优势，植被的光谱反射率和光谱一阶微分可有效反映病虫害危害程度. 卜美婷等[27]对相邻物候期油菜冠层光谱特征进行了差异性研究，发现苗期、蕾薹期、开花期和角果发育成熟期在蓝边、黄边和红边3个波段范围的光谱差异明显. 本研究发现，薇甘菊盛花期和未开花期光谱反射率存在明显“绿峰（510～560 nm）”和“红谷（640～700 nm）”，而枯花期“绿峰”和“红谷”逐渐消失，光谱一阶微分曲线在绿光波段（480～540 nm）、红边（670～750 nm），未开花期、盛花期和枯花期均存在明显波峰. 这说明植物的不同生长期可以通过光谱反射率和光谱一阶微分得到有效的反映.

高光谱特征参数被广泛用于监测植物生长期的变化. 段少新等[28]采用油菜高光谱参数RSI和NDSI估算油菜不同生长期，区分效果较好. 本研究使用的NDVI、RVI、GI、DVI和HI等5个高光谱特征参数，与薇甘菊不同花期显著相关，以此建立的监测模型的预测精度较高，说明使用高光谱特征参数监测植物不同生长期是可行的.

本研究建立了薇甘菊不同花期监测模型. 以5个特征参数构建的多元线性回归模型监测拟合效果最佳（预测R2=0.974，RMSE=0.503）. 段少新等采用最近邻法建立了油菜花生长期的最佳识别模型[28]. 岳学军等[29]对采集的柑橘光谱数据进行分析，提取4个重要生长期的柑橘叶片反射光谱特征数据，使用支持向量机回归（Support Vector Regression，SVR）对柑橘叶片磷含量进行拟合预测，并建立相关的预测模型，发现通过一阶导数光谱的Isomap-SVR参数建立的模型效果最佳. 通过建立生长期的监测模型，可以实现对植被生长状况的监测，也可对植被不同花期的状况进行有效的监测.

无人机机载高光谱遥感适合小范围内的高分辨率遥感数据的即时获取，但其操作较为复杂，成本较高. 地面成像高光谱操作简单，在有限成本的预算下能达到较高的监测精度. 孙中宇等[30]使用无人机获取薇甘菊盛花期的光谱数据，基于深度学习方法准确地自动识别盛花期薇甘菊的爆发点和爆发面积，像素精度达88.62%，监测时段受限，没有进行不同时段的薇甘菊分类监测，本研究的最佳监测模型的拟合精度为0.974，模型精度较高，并且节约成本，但监测模型的适用性仍需进行大量的测试和检验.

4 结论

本文测定了薇甘菊不同花期的光谱反射率，建立了薇甘菊不同花期监测模型. 研究发现：①盛花期和未开花期光谱反射率存在明显“绿峰（510～560 nm）”和“红谷（640～700 nm）”，而枯花期“绿峰”和“红谷”逐渐消失，整体值大小依次为盛花期、未开花期、枯花期；②一阶微分曲线在绿光波段（480～540 nm）和红边（670～750 nm），未开花期、盛花期和枯花期均存在明显波峰，且值大小依次为未开花期、盛花期、枯花期；③在750～900 nm，盛花期和未开花期波峰、波谷出现波段范围大致相似，枯花期出现3个波峰，峰值依次减小；④薇甘菊不同花期与光谱反射率及光谱一阶微分在529～671、734～744、770～786、791～796 nm及833～838 nm极显著相关，以NDVI、RVI、GI、DVI和HI特征参数构建的多元线性回归模型的拟合效果最佳（R2=0.974，RMSE=0.503）. 研究结果对于后续基于卫星航空航天遥感进行薇甘菊的研究具有重要意义，为研究薇甘菊光谱信息与不同花期的关系奠定了基础，同时有利于监测、预警薇甘菊的繁殖、入侵扩散能力，对精确、精准防治提供了有力支撑.