一种基于连续小波分析的水稻反射光谱红边位置提取方法

摘要

本发明提出一种基于连续小波分析的水稻反射光谱红边位置提取方法，包括以下步骤：分别测量水稻的叶片单叶和冠层的反射光谱及相对应的叶绿素含量；对反射光谱进行预处理，获得小波系数；在680nm～750nm光谱区间提取出小波系数光谱的零点，定义该零点对应的光谱位置为红边位置。本发明的方法通过对水稻叶片和冠层的反射光谱进行连续小波变换，基于获得的小波系数提取出红边位置，该方法操作步骤简单，运算速度快，适用于不同水稻品种、不同栽培处理、不同生育时期的叶片和冠层水平，可广泛用于监测水稻叶片和冠层叶绿素含量。

说明书

技术领域

本发明属于作物生长监测领域，尤其是一种基于连续小波分析的水稻反射光谱红边位置提取方法。

背景技术

水稻在我国粮食生产中具有重要的地位，及时监测水稻长势对保障国家粮食安全和农业可持续发展起基础作用。作物叶绿素含量是植被的一个重要指标，其指示植物光合作用的能力。目前，遥感技术已被广泛用于准确、无损地估算叶绿素含量。叶绿素在680nm附近有明显的吸收特征，随着波长向长波方向移动，叶绿素吸收降低，出现了一条陡然上升的曲线，被定义为红边。随着叶绿素含量的增加，红边向长波方向移动，表明红边位置可能是衡量叶绿素含量的好方法。大量研究表明，红边位置，即红边的拐点，与多种植物的叶绿素含量密切相关。

根据定义，一阶导数最大值法将红边位置定义为红边区间光谱一阶导数最大值对应的波长。然而有大量研究证实了利用该方法提取红边位置常常会遇到双峰现象，即提取的红边位置不连续。双峰现象导致了叶绿素含量和红边位置关系的不连续性，降低了红边位置在叶绿素含量估测方面的可靠性。在过去的三十年里，许多研究针对消除红边位置不连续的问题进行了研究并且开发了新的红边位置提取技术，目的是提高叶绿素含量的监测精度。

基于插值技术的红边位置提取方法主要分为两种，一种是线性内插，另一种为线性外插。线性内插采用的是670、700、740和780nm波段处的反射率，进而提取出红边位置。线性外插采用的是680、700、725和760nm波段处的光谱一阶导数值，进而提取出红边位置。由于插值技术选取了四个特定的波段，对于不同的数据集来说，最优的四个波段可能不一致。同时对于叶片水平和冠层水平来说，最优的四个波段也可能不一致。另外，由于线性外插需要光谱导数数据，常常会受到光谱分辨率和光谱噪声的影响。

发明内容

本发明所解决的技术问题在于提供一种基于连续小波分析的水稻反射光谱红边位置提取方法，通过对水稻叶片和冠层的反射光谱进行连续小波变换，基于获得的小波系数提取出红边位置，操作步骤简单易行，运算速度快，适用于不同水稻品种、不同栽培处理、不同生育时期的叶片和冠层水平，可广泛用于监测水稻叶片和冠层叶绿素含量。

实现本发明目的的技术解决方案为：

一种基于连续小波分析的水稻反射光谱红边位置提取方法，包括以下步骤：

步骤1：分别测量水稻的叶片单叶和冠层的反射光谱及相对应的叶绿素含量；

步骤2：对反射光谱进行预处理，获得小波系数；

步骤3：在680nm～750nm光谱区间提取出小波系数光谱的零点，定义该零点对应的光谱位置为红边位置。

进一步的，本发明的基于连续小波分析的水稻反射光谱红边位置提取方法，步骤1中测量的生育期包括：在拔节期和孕穗期采集叶片单叶数据，在分蘖期、拔节期、孕穗期、抽穗期和灌浆期采集冠层数据。

进一步的，本发明的基于连续小波分析的水稻反射光谱红边位置提取方法，步骤2中预处理的具体步骤包括：

步骤2-1：从反射光谱中提取400nm～1000nm区间的光谱数据；

步骤2-2：选择高斯二阶导函数为母小波函数；

步骤2-3：利用母小波函数对步骤2-1中的光谱数据进行连续小波变换，获得小波系数。

进一步的，本发明的基于连续小波分析的水稻反射光谱红边位置提取方法，步骤2-3中的连续小波变换的公式为：

其中，ψ_a，b(λ)为波段λ处平移和缩放后的母小波函数，ψ(λ)为母小波函数，a为缩放因子，b为平移因子，W_f(a，b)为小波变换后的小波系数，f为反射光谱，ψ_a，b为平移和缩放后的母小波函数，f(λ)为波段λ处的反射率。

进一步的，本发明的基于连续小波分析的水稻反射光谱红边位置提取方法，步骤1中测量反射光谱采用背挂式野外高光谱辐射仪。

进一步的，本发明的基于连续小波分析的水稻反射光谱红边位置提取方法，步骤1中测量叶片单叶的叶绿素含量采用紫外分光光度计。

进一步的，本发明的基于连续小波分析的水稻反射光谱红边位置提取方法，步骤1中测量冠层的叶绿素含量的具体步骤包括：

步骤a：采用破坏性取样的方式获得叶面积指数；

步骤b：选择若干张叶片，测量叶片的SPAD值，求得平均值后转为叶绿素含量作为冠层水平的平均叶绿素含量；

步骤c：冠层叶绿素含量为叶面积指数与平均叶绿素含量的乘积。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明的水稻反射光谱红边位置提取方法操作步骤简单，运算速度快，在叶片单叶和冠层不同水平间的适用性好；

2、本发明的水稻反射光谱红边位置提取方法适用于不同水稻品种、不同栽培处理、不同生育时期的叶片和冠层水平，可广泛用作水稻叶绿素含量监测，监测精度高；

3、本发明的水稻反射光谱红边位置提取方法有利于提高水稻生产中基于光谱学的叶绿素含量估测的准确度。

附图说明

图1是本发明的基于连续小波分析的水稻反射光谱红边位置提取方法的示意图，其中(A)为选取的一条反射光谱，(B)为对反射光谱采用尺度3(即小波变换中的缩放因子a为2的3次方)小波变换后的小波系数，(C)为(B)中680-760nm光谱区间的放大图；

图2是其他方法与本发明的方法所提取的红边位置与叶片叶绿素含量关系的散点图，其中，(A)为最大一阶导数法，(B)为线性内插法，(C)为线性外插法，(D)为本发明的方法；

图3是其他方法与本发明的方法所提取的红边位置与冠层叶绿素含量关系的散点图，其中，(A)为最大一阶导数法，(B)为线性内插法，(C)为线性外插法，(D)为本发明的方法。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明实施例基于不同生育期、不同施氮水平、不同种植密度处理的水稻试验田，根据获取的反射光谱提取红边位置并且用于监测叶绿素含量，具体水稻试验田的基本信息和采集时间如表1～表3所示。

表1水稻试验田基本信息

表2水稻叶片光谱数据采集时的生育时期信息

日期移栽后天数生育时期2016年7月20日50拔节期2016年8月6日58孕穗期

表3水稻冠层光谱数据采集时的生育时期信息

日期移栽后天数生育时期2016年7月20日33分蘖期2016年8月6日50拔节期2016年8月14日58孕穗期2016年8月28日72抽穗期2016年9月8日83灌浆前期2016年9月19日93灌浆中期

从水稻试验田中分别获取叶片单叶和冠层水平的数据。在拔节期和孕穗期，获取水稻单叶反射光谱和单叶叶绿素含量数据。在分蘖期、拔节期、孕穗期、抽穗期、灌浆前期和灌浆中期获取水稻冠层反射光谱和冠层叶绿素含量数据。本发明的实验数据获取系统性强，涵盖了不同穗型的两类水稻品种，包含主要生育期，且样本数量大、处理因素多，能够有效地验证本发明的提取红边位置的方法在不同环境条件和处理下水稻叶绿素含量监测的准确度和适应性。

如图1所示，一种基于连续小波分析的水稻反射光谱红边位置提取方法，具体包括以下步骤：

步骤1：分别测量水稻叶片单叶和冠层在主要生育期间的反射光谱以及相对应的叶绿素含量数据。

采集的反射光谱数据包括不同生育期、不同施氮水平、不同种植密度处理和不同水稻品种类型的水稻。

在叶片单叶水平，测量的生育期主要包括拔节期和孕穗期。单叶叶片反射光谱测量采用美国Analytical Spectral Device(ASD)公司生产的FieldSpec Pro FR2500型背挂式野外高光谱辐射仪。采用的波段值为350～2500nm，其中350～1000nm光谱采样间隔为1.4nm，光谱分辨率为3nm；1000～2500nm光谱采样间隔为2nm，光谱分辨率为10nm。测量时使用FeildSpec Pro FR单叶光谱测量附件，以保证光源强度和角度的稳定性。从植株上部获取旗叶、顶二叶和顶三叶共3张叶片，分别测量各叶位叶片的反射光谱。叶片单叶的叶绿素含量测量采用紫外分光光度计测量。最终使得每张叶片对应一条叶片反射光谱和一个叶片叶绿素含量。

在冠层水平，测量的生育期主要包括分蘖期、拔节期、孕穗期、抽穗期、灌浆前期和灌浆中期。冠层反射光谱测量采用美国Analytical Spectral Device(ASD)公司生产的FieldSpec Pro FR2500型背挂式野外高光谱辐射仪。采用的波段值为350～2500nm，其中350～1000nm光谱采样间隔为1.4nm，光谱分辨率为3nm；1000～2500nm光谱采样间隔为2nm，光谱分辨率为10nm。冠层的叶绿素含量的测试方式具体为：a.采用破坏性取样的方式获得叶面积指数；b.选择十五张叶片，测量它们的SPAD值，求得平均值后根据下面公式转为叶绿素含量，作为冠层水平的平均叶绿素含量；c.冠层叶绿素含量为叶面积指数与平均叶绿素含量的乘积。最终使得每个试验区对应一条冠层反射光谱和冠层叶绿素含量。

叶绿素含量＝1.45×SPAD-22.01

步骤2：对反射光谱进行预处理，获得小波系数，具体步骤包括：

步骤2-1：从反射光谱中提取400-1000nm区间的光谱数据，如图1(A)所示，图中仅展示了1条光谱；

步骤2-2：选择高斯二阶导函数为母小波函数；

步骤2-3：利用母小波函数，选择尺度3(即小波变换中的缩放因子a为2的3次方)对叶片单叶反射光谱进行连续小波变换，获得对应的小波系数，如图1(B)所示；选择尺度6(即小波变换中的缩放因子a为2的6次方)对冠层反射光谱进行连续小波变换，获得对应的小波系数。

其中，连续小波变换的公式为：

其中，ψ(λ)为母小波函数，ψ_a，b(λ)为波段λ处平移和缩放后的母小波函数，a为缩放因子，也称为尺度，b为平移因子，W_f(a，b)为小波变换后的小波系数，f为反射光谱，f(λ)为波段λ处的反射率，ψ_a，b为平移和缩放后的母小波函数。

步骤3：在680-750nm光谱区间提取出小波系数光谱的零点，定义该零点对应的光谱位置为红边位置，如图1(C)所示，其中λ₁和λ₂是靠近0水平线附近的两个波段，w₁和w₂是对应的小波系数，因此，红边位置可以由以下公式确定：

下面比较本发明提出的方法与最大一阶导数法、线性内插法、线性外插法在水稻数据集上的表现。

最大一阶导数提取红边位置的流程为先获取反射光谱的一阶导数值，再提取出680-750nm光谱区间导数最大值对应的波段位置，定义为红边位置。

线性内插法提取红边位置的公式如下所示：

R_re＝(R₆₇₀+R₇₈₀)/2

其中R₆₇₀,R₇₀₀,R₇₄₀和R₇₈₀分别代表了670、700、740和780nm处的反射率。

线性外插法提取红边位置的流程为：求得反射率光谱的一阶导数，然后建立680nm和700nm两点的直线方程，获得斜率m₁和截距c₁。建立725nm和760nm两点的直线方程，获得斜率m₂和截距c₂。因此，线性外插法红边位置的提取公式如下所示：

现有技术和本发明提取的红边位置与叶片叶绿素含量关系的散点图如图2所示，红边位置与冠层叶绿素含量关系的散点图如图3。表4汇总了叶片单叶水平和冠层水平红边位置与叶绿素含量的相关系数，从图2、图3和表4可以看出，本发明提取出的红边位置在叶片水平和冠层水平与叶绿素含量的关系均是最好的，本发明的方法预测水稻叶绿素含量的精度最高，在叶片和冠层两个水平的性能最稳定。

表4叶片水平和冠层水平红边位置与叶绿素含量的相关系数

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进应视为本发明的保护范围。