文|紀嬋 張赫林

1.珠海歐比特宇航科技股份有限公司 2.中國科學院遙感與數(shù)字地球研究所

一、引言

高光譜遙感是高光譜分辨率遙感的簡稱，起源于多光譜遙感，是20 世紀80 年代發(fā)展起來的一種新興遙感技術(shù)，通過成像光譜儀記錄帶有地物光譜信息的太陽輻射信號，在可見光、近紅外、短波紅外等電磁波譜范圍內(nèi)利用狹窄的光譜間隔成像，獲取近似連續(xù)、反映地物屬性的光譜特征曲線[1]。將表征地物屬性特征的光譜信息與表征地物幾何位置關(guān)系的空間信息有機結(jié)合起來,使本來在寬波段遙感中不可探測的物質(zhì)在高光譜遙感中能被探測[2]，提升了對地物的精確定量分析與細提取的能力。

近年來，利用光譜成像技術(shù)快速、動態(tài)、連續(xù)的特點對農(nóng)作物識別和長勢進行實時監(jiān)測已成為當前農(nóng)業(yè)遙感領(lǐng)域的研究熱點[3-5]。農(nóng)作物遙感識別是遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應用的重要內(nèi)容，植被光譜不僅具有高度相似性和空間變異性，而且具有時間動態(tài)性強等特點。另外，不同農(nóng)作物在其不同的生育期光譜特征曲線具有明顯的差異，因此利用具有“圖譜合一”特點的高光譜遙感數(shù)據(jù)識別農(nóng)作物能大大提高農(nóng)作物識別精度。高光譜數(shù)據(jù)窄而近似連續(xù)的波段信息，在作物生態(tài)物理參數(shù)反演與提取方面具有獨特的優(yōu)勢，為大范圍作物長勢條件和營養(yǎng)診斷監(jiān)測的難題提供了新的技術(shù)手段。

珠海一號高光譜衛(wèi)星于2018年4月26日發(fā)射成功，4顆高光譜衛(wèi)星（OHS-2A、OHS-2B、OHS-2C和OHS-2D）分布在同一個軌道面上，提高了對地面的數(shù)據(jù)獲取能力，十分有利于對地面農(nóng)作物的定期監(jiān)測。珠海一號高光譜成像儀幅寬為150km，成像方式為推掃式成像，空間分辨率為10m，光譜分辨率為2.5nm，光譜范圍為400～1000nm，數(shù)據(jù)產(chǎn)品包含32個波段影像數(shù)據(jù)。珠海一號高光譜遙感數(shù)據(jù)具有時間分辨率高、幅寬大、空間分辨率和光譜分辨率高的特點，數(shù)據(jù)的優(yōu)越性非常適合農(nóng)業(yè)遙感的應用。

二、珠海一號高光譜數(shù)據(jù)在農(nóng)業(yè)方面的應用

1.研究區(qū)及數(shù)據(jù)介紹

雄安新區(qū)包含河北保定市的雄縣、安新縣和容城縣及周邊部分區(qū)域，地理位置為北緯38°，東經(jīng)115°。屬于暖溫帶季風型大陸性氣候，四季分明，年平均氣溫12℃，年平均降雨量560mm，無霜期173d。該區(qū)境內(nèi)地勢基本平坦，土壤肥沃，地表覆蓋以農(nóng)田為主，其中耕地占農(nóng)用地的93%。重要種植的農(nóng)作物有玉米、小麥、紅薯等糧食作物。

本實驗選擇2018年8月5日覆蓋雄安新區(qū)的珠海一號高光譜數(shù)據(jù)作為遙感數(shù)據(jù)源并結(jié)合實地地物類型調(diào)研數(shù)據(jù)進行農(nóng)作物的識別和精度驗證。高光譜遙感數(shù)據(jù)需要經(jīng)過波段匹配、輻射定標、幾何糾正，并且在定標結(jié)果的基礎(chǔ)上進行FLAASH大氣校正等預處理。選擇珠海一號高光譜數(shù)據(jù)的b21、b16、b6數(shù)據(jù)進行假彩色合成和地類實地調(diào)查樣點如圖1所示，樣點分為分類樣點和驗證樣點兩部分。

圖1 研究區(qū)原始數(shù)據(jù)RGB（b21、b16和b6合成）和分類與驗證點分布圖

實際調(diào)研的地物類型包括：玉米161個點、紅薯32個點、大豆14個點、花生13個點、楊樹81個點、草地21個點、林地43個點、梨樹18個點、蔬菜10個點、葡萄樹3個點、榆樹1個點、桃樹4個點、山藥2個點、芝麻1個點、松樹2個點、蔥地2個點、高粱4個點、荷塘5個點、蘆葦2個點、地瓜1個點。

2.農(nóng)作物精細分類

8月15日，雄安新區(qū)地里的小麥已經(jīng)收割完成，耕地里的農(nóng)作物類型主要有玉米和紅薯，結(jié)合實地調(diào)研的地物類型數(shù)據(jù)，提取作物觀測點多的作物類型，并根據(jù)實測地物平均光譜（如圖2所示）將農(nóng)作物分為玉米、紅薯、大豆、花生、蔬菜、草地、林地、其他植被和非植被（水體、建筑、裸地和道路）9類。然后根據(jù)各地物光譜特征構(gòu)建分類決策樹進行農(nóng)作物分類提取，分類結(jié)果如圖3所示。

圖2 研究區(qū)農(nóng)作物光譜特征曲線

圖3 雄安新區(qū)農(nóng)作物分類結(jié)果

3.作物生態(tài)物理參數(shù)反演

作物生態(tài)物理參數(shù)是描述作物生長狀態(tài)的重要參量，這些參量與作物產(chǎn)量息息相關(guān)，傳統(tǒng)的獲取大范圍內(nèi)作物生態(tài)物理參數(shù)主要還是依靠田間隨機取樣及實驗室分析方法。這種方法雖然真實可靠，但耗時、費力，且存在代表性、時效性差和主觀性強等弊端，難以適應當前的業(yè)務應用需求[6]。隨著遙感技術(shù)的發(fā)展，利用遙感數(shù)據(jù)反演區(qū)域的作物生態(tài)物理參數(shù)成為一種高效的手段。大多數(shù)研究利用多光譜數(shù)據(jù)反演植被作物的生態(tài)物理參數(shù)，如Lansat TM/ETM+（7個30m空間分辨率的多光譜波段，1個15m空間分辨率的全色波段）和Landsat OLI（8個30m空間分辨率的多光譜波段，1個15m空間分辨率的全色波段，1個30m空間分辨率的水汽吸收波段）。而高光譜數(shù)據(jù)具有波譜分辨率高、波段數(shù)量多的特點，能夠更準確地反演植被參數(shù)。珠海一號高光譜數(shù)據(jù)光譜范圍400～1000nm，且波譜分辨率為2.5nm，涵蓋了很多表征作物生長狀態(tài)重要參數(shù)反演的最優(yōu)波段。本文主要利用已有數(shù)據(jù)和作物參數(shù)反演經(jīng)驗模型，基于高光譜植被指數(shù)對研究區(qū)農(nóng)作物的葉綠素含量、葉面積指數(shù)（LAI）和冠層氮含量三個參數(shù)進行反演和分析。

（1）葉綠素含量反演

根據(jù)不同作物類型進行葉綠素反演，得到研究區(qū)葉綠素含量分布圖，如圖4所示。

（2）葉面積指數(shù)反演

根據(jù)不同作物類型進行葉面積指數(shù)的反演，得到研究區(qū)葉面積指數(shù)分布圖，如圖5所示。

（3）冠層氮含量反演

根據(jù)已有的經(jīng)驗模型反演研究區(qū)冠層氮含量，得到結(jié)果如圖6所示。

圖6 研究區(qū)冠層氮含量分布圖

三、結(jié)果分析與評價

1.分類精度評價

根據(jù)分類結(jié)果，利用驗證樣點基于混淆矩陣并利用實測點對分類結(jié)果進行精度驗證，精度評價結(jié)果如表1所示，其中花生、玉米、大豆、紅薯、蔬菜具有較高的分類精度，花生和玉米存在小部分混分，由于遙感影像不可避免會存在“同譜異物”現(xiàn)象，導致蔬菜和其他植被存在混分現(xiàn)象。

根據(jù)分類結(jié)果對研究區(qū)農(nóng)作物面積進行統(tǒng)計，利用各類別作物的像元數(shù)乘以單位像元面積得到各作物的面積（見表2）。

從表2可以看出，研究區(qū)中玉米面積占農(nóng)作物比例最大，達到65.89%，面積為997.64km2。而蔬菜面積所占比例最小，為2.53%，面積為38.32km2。

表1 分類結(jié)果精度驗證（%）

表2 研究區(qū)農(nóng)作物面積統(tǒng)計

2.作物生態(tài)物理參數(shù)反演結(jié)果分析

（1）葉綠素含量

統(tǒng)計各類作物葉綠素平均含量（見圖7），可以看出研究區(qū)大豆的葉綠素含量平均水平要高于其他作物，而紅薯的葉綠素含量最低。

（2）葉面積指數(shù)

統(tǒng)計各類作物平均葉面積指數(shù)如圖8所示，可以看出研究區(qū)玉米的平均葉面積指數(shù)要高于其他作物，其次是花生、蔬菜、紅薯和大豆。

圖7 研究區(qū)各類農(nóng)作物葉綠素含量均值

圖8 研究區(qū)各類農(nóng)作物葉面積指數(shù)

（3）冠層氮含量

研究區(qū)大部分農(nóng)作物氮含量分布在2%～8%之間，統(tǒng)計各類別作物氮含量如圖9所示，蔬菜和紅薯的氮含量高于其他農(nóng)作物。

圖9 各類別作物氮含量

四、結(jié)論

本文針對珠海一號高光譜數(shù)據(jù)的特點，以雄安新區(qū)為研究區(qū)，結(jié)合實地調(diào)查樣點對其在農(nóng)業(yè)遙感應用方面進行了研究和探索，主要包含農(nóng)作物的精細分類和作物的生態(tài)物理參數(shù)反演兩個方面的應用分析。1）農(nóng)作物精細分類是基于決策樹分類方法，對研究區(qū)土地覆蓋類型進行分類，經(jīng)驗證具有較高的分類精度，根據(jù)結(jié)果統(tǒng)計研究區(qū)內(nèi)各類農(nóng)作物面積，結(jié)果可靠。2）利用研究區(qū)高光譜數(shù)據(jù)計算各類植被指數(shù)，對研究區(qū)農(nóng)作物葉綠素含量、葉面積指數(shù)、冠層氮含量進行反演估算，統(tǒng)計各作物類型的參數(shù)值，實現(xiàn)農(nóng)作物監(jiān)測應用分析。但是由于實測數(shù)據(jù)不包括樣本的光譜、葉綠素、氮含量參數(shù)，所以只能選擇已有研究中的各種經(jīng)驗模型對研究區(qū)農(nóng)作物參數(shù)進行反演。未來，隨著對珠海一號高光譜數(shù)據(jù)潛力的不斷開發(fā)，以及結(jié)合更多地面實測樣本的輔助，珠海一號高光譜數(shù)據(jù)在作物識別以及植被生態(tài)物理參數(shù)定量反演方面將具有更廣闊的發(fā)展前景。