基于连续统去除法的枸杞叶片含水率高光谱估算

李永梅，王 浩，赵 勇，张立根

(1.宁夏大学 土木与水利工程学院，宁夏 银川 750021； 2.宁夏农林科学院 农业经济与信息技术研究所，宁夏 银川 750002； 3.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 100038； 4.宁夏建筑科学研究院股份有限公司，宁夏 银川 750021)

水分是绿色植物最重要的组成成分。水分盈亏不仅影响作物生理生化过程与形态结构，而且影响作物产量与品质。因此，实时精准监测作物水分状况，对于指导科学灌溉、提高作物产量、提升作物品质具有重要意义。叶片含水率能直接反映植株水分状况，是植株水分状况良好的诊断指标，所以监测叶片含水率成为评估作物水分亏缺的有效途径。

高光谱遥感能够获取作物叶片精细的光谱信息，依据光谱信息细微差异能揭示作物生理生化的微小变化，为及时掌握作物组分含量提供丰富信息。随着遥感技术在农田灌溉用水管理上的快速应用，基于高光谱遥感技术的作物水分估算已经成为一个研究热点。对于作物水分高光谱遥感估算，无论是基于各种光谱变式，还是基于各种光谱指数，目的都是减弱环境背景噪声干扰，增强水分吸收引起的变异性，进而提高作物含水率的估算能力。连续统去除法是一种消除背景信息、增强感兴趣吸收特征的光谱分析方法，在地表矿物成分诊断中得到了广泛应用。由于植物与地表矿物有某些相同成分，近年来部分学者将应用在矿物高光谱分析领域的连续统去除法延伸到植物研究中。贾方方等、竞霞等利用连续统去除法对光谱进行处理，并构建基于光谱吸收特征的病情严重程度估测模型，对定量估测农作物发病程度与监测防治病虫害具有较好实用价值。也有将连续统去除法借用至鲜叶片光谱分析与作物氮素营养状况诊断与评价的研究报道。韩兆迎等和郑煜等利用连续统去除法对叶绿素相对含量进行预测。林波等利用连续统去除法对冬小麦水分含量进行了高光谱反演。研究发现，连续统去除法扩大了原始光谱中由氮素、叶绿素、水分含量等引起的吸收特征微小变化，表明运用连续统去除光谱对作物组分含量进行定性和定量评价是可行的。目前，采用连续统去除光谱对枸杞叶片含水率进行估算的相关研究还未见报道。本文以宁夏枸杞主栽品种宁杞7号为研究对象，采用连续统去除法对350～2 500 nm的叶片光谱进行处理，分析连续统去除光谱、吸收特征参数与叶片含水率的相关性，建立基于连续统去除光谱的枸杞叶片含水率估算模型，探讨连续统去除方法估算枸杞叶片含水率的潜力，为枸杞植株水分监测提供理论基础。

1 材料与方法

1.1 试验材料

供试材料宁杞7号选自宁夏贺兰县暖泉农场、中宁县恩和镇枸杞种植基地。基地土壤为沙壤土，栽培行间距4 m，株间距1 m。2018—2019年，在枸杞种植基地的不同区域随机选取样株，在样株冠层东西南北4个方位，采集当年生结果枝条上距离枝梢10 cm内健康叶片作为试验样本，每个样本取50片枸杞叶片。为减少水分损失，将样本迅速装入自封袋，封口、编号，并放入盛有冰块的移动保鲜箱中，带回实验室。采样时间5—9月，覆盖枸杞生育的关键物候期。

1.2 试验方法

1.2.1 叶片光谱测定

枸杞叶片光谱测定采用美国ASD公司的Field Spec Pro地物光谱仪，其传感器视场角为25°，波段范围为350～2 500 nm。其中，350～1 000 nm光谱采集间隔为1.4 nm，光谱分辨率为3 nm；1 000～2 500 nm光谱采样间隔为2 nm，光谱分辨率为10 nm。

光谱测定在黑暗密闭的室内进行，采用50 W卤素灯模拟太阳光，调整卤素灯方位角成60°，且距离样本区垂直高度为0.5 m。将枸杞叶片表面灰尘擦拭干净，平铺于反射率近似为0的黑色绒布上。光谱仪探头垂直向下对准样本中心，距离样本表面高度0.1 m进行测定。每个样本测定10次，取其平均值作为该样本光谱反射率。为减少外界干扰，确保测定精度，光谱采集前进行标准白板校正，测定过程中根据光源波动情况，随时进行白板校正。

1.2.2 叶片含水率测定

叶片含水率采用自然失水法和烘干法2种方法进行测定。自然失水法测定枸杞叶片含水率，目的是通过人为干扰短时间形成显著水分梯度，定性分析枸杞叶片光谱对叶片含水率的响应特征。烘干法测定枸杞叶片含水率，定量研究枸杞叶片光谱反射率与含水率的关系，构建枸杞叶片含水率估算模型。两种方法测定含水率时，均同步测定枸杞叶片光谱反射率。

1)自然失水法：将采集的新鲜枸杞叶片放置在密闭室内逐步阴干，在自然失水过程中，每隔一段时间测定叶片质量，每次测定叶片质量记为(表示测定次数，=1，2，3……)，最后将枸杞叶片烘干至质量恒定后测定其质量。叶片含水率记为。

(1)

2018—2019年5月、6月、8月，共采集6次，每次采集5个试验样本。分别对6次采集的样本进行对比分析，发现枸杞叶片光谱对含水率的响应特征一致。由于篇幅有限，本研究以2019年6月数据为例进行分析，其统计信息见表1。

2)烘干法：首先测定鲜叶质量，将样本放入烘箱在105 ℃杀青30 min，然后在80 ℃烘至质量恒定后测定叶片干质量。叶片含水率记为。

(2)

采用烘干法获取有效样本37组，随机分成建模样本集和检验样本集。对枸杞叶片含水率进行统计分析，全体样本集、建模样本集和检验样本集均接近标准正态分布，其统计信息见表2。

1.3 数据处理

1.3.1 原始光谱处理

对原始光谱进行异常值剔除、重采样与求平均值等预处理，然后对光谱进行连续统去除处理。连续统去除法实质上就是将光谱曲线中的吸收谷归一化到吸收谷的连续统线上。计算公式为

=

(3)

式(3)中：为连续统去除光谱反射率，为原始光谱反射率，为连续统线反射率。连续统去除后的归一化光谱取值在0～1，其大小可以表征光谱吸收特性的强弱。

表1 自然失水法测定的枸杞叶片含水率

表2 烘干法测定的枸杞叶片含水率

1.3.2 吸收特征参数提取

提取8类吸收特征参数，分别是吸收深度(BD)、最大吸收深度(BD)、吸收波段波长(P)、吸收峰总面积(TA)、吸收峰左面积(LA)、吸收峰右面积(RA)、对称度(S)、面积归一化最大吸收深度(NAD)。

1.3.3 光谱相关指标计算

利用公式(4)和(5)计算光谱反射率差值和光谱反射率敏感性。

光谱反射率差值=-。

(4)

光谱反射率敏感性=(-)。

(5)

式中：代表自然失水过程中第1次测定的光谱反射率，代表自然失水过程中第次测定的光谱反射率(=2，3……)。

1.3.4 模型建立与评价

利用软件IBM SPSS Statistics 21，采用双变量相关分析，将枸杞叶片光谱与叶片含水率进行相关性分析，筛选出相关性显著的枸杞叶片原始光谱、连续统去除光谱和光谱吸收特征参数，分别建立估算枸杞叶片含水率的一元线性回归、多元线性回归模型。采用决定系数()、均方根误差(root mean square error，RMSE)、平均相对误差(mean relative error，MRE)对模型的预测效果进行检验。越接近1，RMSE越接近0，MRE越小，模型效果越好。

2 结果与分析

2.1 枸杞叶片含水率变化分析

图1为自然失水处理过程中枸杞叶片含水率。随着自然失水时间延长，枸杞叶片含水率呈明显下降趋势，说明离体叶片自然脱水可以使枸杞叶片含水率短时间形成较大梯度。

图1 自然失水处理的枸杞叶片含水率Fig.1 Water content of Lycium barbarum leaves measured by natural water loss method

2.2 枸杞叶片光谱特征分析

枸杞叶片原始光谱和连续统去除光谱的波形变化规律一致(图2)：400～680 nm的叶片光谱反射率相对低；700～760 nm的叶片光谱反射率急剧升高；760～2 500 nm出现以970、1 200、1 470、1 950 nm为中心的4个明显的反射光谱吸收谷。随着叶片逐步失水，680～900 nm波段光谱反射率对含水率的响应规律不明显，在400～680 nm和900～2 500 nm波段叶片光谱反射率随着含水率的降低而升高。350～700 nm为叶绿素主要吸收带，本试验中400～680 nm波段附近，光谱反射率随含水率降低所表现出的特征主要是由于枸杞叶片失水过程长，随着水分减少，叶绿素不断破坏分解，导致叶片对可见光吸收减弱而反射增强。

从枸杞叶片连续统去除光谱(图2)中可以看出：可见光波段(350～760 nm)中450 nm和650 nm附近2个吸收特征被放大，550 nm绿光范围反射峰增强，红边斜率增大；近红外波段(761～1 300 nm)和短波红外(1 301～2 500 nm)中900～1 100、1 100～1 270、1 270～1 700、1 800～2 200 nm吸收特征被放大，利于不同含水率枸杞叶片光谱差异性分析。

计算连续统去除光谱差值和敏感性，进一步分析枸杞叶片光谱对含水率的响应规律。从图3可以看出，在400～700 nm和1 100～2 200 nm，光谱反射率差值随叶片水分的减少波动增强，光谱敏感性变化规律与光谱反射率差值变化规律基本一致。由于400～700 nm波段主要受叶绿素的影响，因此，对枸杞叶片水分变化响应能力强的波段为1 100～2 200 nm。

2.3 枸杞叶片含水率估算

2.3.1 基于敏感波长的枸杞叶片含水率估算

将原始光谱、连续统去除光谱与枸杞叶片含水率进行相关性分析，原始光谱除350～747、1 905～1 992 nm未通过=0.05的相关性检验，其余波段的光谱反射率与枸杞叶片含水率呈负相关，其中1 500～1 850 nm波段在0.01水平显著相关(图4)。综合叶片原始光谱与含水率之间的相关系数分布，确定1 500～1 850 nm为估算枸杞叶片含水率的敏感波段，其中1 611～1 624 nm相关性最好，相关系数为-0.749 0。在原始光谱相关性最好的波段区间(1 611～1 624 nm)，选取1 620 nm作为原始光谱估算枸杞叶片含水率的敏感波长。从图4可以看出，1 500～1 850 nm波段的连续统去除光谱明显改善了原始光谱与叶片含水率之间的相关性，其中，1 602、1 662 nm相关性最好，相关系数均为-0.787 0，故将1 602、1 662 nm作为连续统去除光谱估算枸杞叶片含水率的敏感波长。

图2 不同含水率枸杞叶片的光谱反射率曲线Fig.2 Spectral reflectancecurve of Lycium barbarum leaves with different water content

图3 不同含水率枸杞叶片的连续统去除光谱差值曲线与敏感性曲线Fig.3 Continuum removal spectrum difference curveand sensitivities curve of Lycium barbarum leaves with different water content

利用选取的敏感波长建立枸杞叶片含水率一元回归模型，由表3可以看出，基于连续统去除光谱敏感波长1 602 nm和1 662 nm所建立的模型，其决定系数和验证决定系数均高于基于原始光谱敏感波长1 620 nm建立的模型，其验证模型的RMSE和MRE均小于原始光谱模型。其中，基于连续统去除光谱1 602 nm建立的模型估算效果更好，模型拟合度为0.619 4，验证决定系数、RMSE和MRE分别为0.603 7、0.884 3和1.12%。

图4 枸杞叶片光谱与含水率相关系数Fig.4 Correlation coefficient between spectrum and leaf water content of Lycium barbarum leaves

2.3.2 基于吸收特征参数的枸杞叶片含水率估算

根据吸收特征参数与叶片含水率相关关系(表4)，1 800～2 200 nm波段吸收特征参数与枸杞叶片含水率相关性较差，各参数均未通过=0.05水平的显著性检验。1 270～1 700 nm波段各参数与含水率的相关性最好，吸收波段波长(P)、最大吸收深度(BD)、吸收峰总面积(TA)、吸收峰右面积(RA)、对称度(S)和面积归一化最大吸收深度(NAD)在0.01水平下显著相关，其中，吸收峰右面积(RA)与叶片含水率相关性最好，相关系数为-0.778。900～1 100 nm和1100～1 270 nm波段分别为吸收峰右面积(RA)和吸收峰总面积(TA)与叶片含水率的相关性最好，相关系数分别为-0.599和-0.640。

选择与叶片含水率相关性最高，且达到0.01显著性水平的参数，分别建立一元线性回归模型和多元线性回归模型(表5)。一元线性回归模型中，基于1 270～1 700 nm吸收峰右面积(RA)建立的模型决定系数和验证决定系数分别为0.620 2和0.606 0，RMSE和MRE分别为0.882 8和1.00%，优于基于原始光谱敏感波长和基于连续统去除敏感波长建立的一元回归模型。900～1 100 nm吸收峰右面积和1 100～1 270 nm吸收峰总面积建立的一元回归模型决定系数相对较低，模型拟合效果不理想。多元回归模型决定系数和检验决定系数分别为0.787 0和0.800 3，模型RMSE为0.683 3，MRE为0.72%，其拟合效果和检验精度最优。

表3 基于敏感波长的枸杞叶片含水率估算回归模型

表4 光谱吸收特征参数与叶片含水率的相关系数

表5 基于吸收特征参数的枸杞叶片含水率估算回归模型

3 讨论

潘庆梅等以单个叶片为试验对象，采用叶片自然脱水法，对比分析了不同品种核桃叶片含水量与光谱反射率的相关性，发现704～1 243 nm为不同品种核桃叶片水分含量的敏感波段。张玮等研究发现，近红外区尤其1 400～1 600、1 800～2 000 nm波段为雷竹叶片含水率敏感波段，水分胁迫指数MSI(/)、比值指数SRI(/)对雷竹叶片相对含水量的估算效果较好。鉴于枸杞叶片较小的特征，本研究以群体叶片(50片)为试验对象，为加大枸杞叶片水分梯度，突出枸杞叶片光谱差异，在枸杞叶片自然脱水过程中，拉长枸杞叶片光谱与含水率测定的间隔时间，用连续统去除法对光谱进行处理，探讨枸杞叶片光谱对含水率的响应规律，发现900～2 500 nm红外波段的光谱反射率随含水率的降低而升高，并形成900～1 100、1 100～1 270、1 270～1 700、1 800～2 200 nm 4个吸收谷，与前人研究发现的水分主要吸收波段基本一致，但由于研究对象不同，其敏感波段范围有所差异。这主要是由于水分对红外波段光谱辐射的直接吸收造成的；同时，由于叶片水分逐渐减少，叶片细胞质壁不断分离，叶片内部分子空隙加大，进而使该波段光谱反射增强。同时，本研究发现，400～680 nm波段，叶片光谱反射率同样呈现出随含水率的降低而升高的变化特征；但已有研究表明，350～700 nm波段为叶绿素吸收带，初步分析，这主要是由于本次试验枸杞叶片失水过程长，随着水分减少，叶绿素不断破坏分解，叶片对可见光吸收减弱而反射增强的结果。可见枸杞叶片光谱对水分响应规律，是水分对光谱直接影响和次级影响叠加的结果，这与刘畅等研究结论相一致。

利用自然失水法测定枸杞叶片光谱与含水率数据，定性探讨了光谱对含水率的变化特征；在初步探明枸杞叶片水分吸收主要波段范围的基础上，采用烘干法测定的数据，筛选出枸杞叶片含水率敏感波长、光谱吸收特征参数，并建立含水率估算模型。采用烘干法，是为了减少水分自然损失过程对光谱的次级影响，尤其是对可见光波段的影响，进而提高枸杞叶片含水率敏感波长筛选的准确性与模型估算效果。连续统去除能将光谱映射到连续统线上，归一化处理能使局部吸收特征间的差异性被放大。李粉玲等、郑煜等将应用在矿物高光谱分析领域的连续统去除法延伸到冬小麦叶片全氮含量和油菜SPAD的估算上，发现该方法在一定程度上增强了叶片光谱间的差异性，提高了冬小麦叶片全氮和油菜SPAD的高光谱遥感估算效果。林波等用连续统去除法对冬小麦冠层含水量进行遥感反演，得出1 200 nm吸收谷面积的乘幂模型反演效果最好。本试验采用连续统去除法处理的枸杞叶片光谱，红外波段的4个吸收谷和可见光波段的2个吸收特征均被放大，在1 500～1 850 nm波段的连续统去除光谱明显改善了原始光谱与叶片含水率之间的相关性，是近地高光谱估算枸杞叶片含水率的最佳敏感波段。连续统去除法能提高枸杞叶片含水率的估算能力，得出的结果对枸杞叶片的水分监测有一定的参考意义，但模型建立方法与模型估算精度仍需进行大量测试和检验。

4 结论

连续统去除法扩大了枸杞叶片原始光谱对含水率的响应能力，放大了900～1 100、1 100～1 270、1 270～1 700、1 800～2 200 nm 4个吸收特征；改善了枸杞叶片原始光谱与含水率之间的相关性，其中，1 602 nm和1 662 nm相关系数均达到-0.787 0。连续统去除法提高了枸杞叶片含水率的高光谱估算能力，利用900～1 100 nm波段的吸收峰右面积(RA)、1 270～1 700 nm波段的吸收峰右面积(RA)和1 100～1 270 nm波段的吸收峰总面积(TA)建立的多元回归模型对枸杞叶片含水率的估算最好，可用来定量估算枸杞叶片含水率。