基于ROC圖的油菜生長(zhǎng)期光譜敏感波段的研究

段少新，姜珊，王訪,2*，鄒銳標(biāo)*，廖桂平,2

?

基于ROC圖的油菜生長(zhǎng)期光譜敏感波段的研究

段少新1，姜珊1，王訪1,2*，鄒銳標(biāo)1*，廖桂平1,2

(1.湖南農(nóng)業(yè)大學(xué)理學(xué)院/農(nóng)業(yè)數(shù)學(xué)建模與數(shù)據(jù)處理研究中心，湖南 長(zhǎng)沙 410128；2.南方糧油作物協(xié)同創(chuàng)新中心，湖南 長(zhǎng)沙 410128)

測(cè)定了直播和移栽油菜的苗期、抽薹期、花期、盛花期和角果期的冠層光譜，構(gòu)建了比值光譜植被指數(shù)()和歸一化光譜植被指數(shù)()。為了獲得區(qū)分直播和移栽的最佳和，利用降采樣法和精細(xì)采樣法相結(jié)合的受試者工作特征(ROC)圖尋找油菜生長(zhǎng)期光譜的敏感波長(zhǎng)，直播和移栽油菜各時(shí)期和的最敏感波長(zhǎng)分別為：苗期(458 nm，511 nm)和(433 nm，517 nm)；抽薹期(997 nm，501 nm)和(990 nm，510 nm)；花期(1 235 nm，1 180 nm)和(1 235 nm，1 180 nm)；盛花期(478 nm，396 nm)和(484 nm，416 nm)；角果期(1 073 nm，1 037 nm)和(1 092 nm，1 024 nm)。用敏感波長(zhǎng)下的2種植被指數(shù)為特征，以最近鄰法為分類(lèi)器的定性識(shí)別模型，結(jié)果花期的區(qū)分效果最好，最大約登指數(shù)分別為0.941 7和0.945 0。

油菜；生長(zhǎng)期；敏感波段；受試者工作特征圖

隨著光譜技術(shù)的發(fā)展，多光譜成像技術(shù)、高光譜成像技術(shù)已經(jīng)越來(lái)越廣泛地應(yīng)用于玉米[1]、棉花[2]、土豆[3]、小麥[4]、油菜[5–6]等農(nóng)作物研究中。利用高光譜技術(shù)對(duì)作物進(jìn)行無(wú)損檢測(cè)和營(yíng)養(yǎng)診斷的關(guān)鍵是提取其冠層光譜的敏感波段。Hansen等[7]研究了小麥高光譜反射率與葉綠素含量的相關(guān)關(guān)系，并尋找紅邊光譜范圍內(nèi)680～760 nm為敏感波段；臧卓等[8]研究了基于色素含量的針葉樹(shù)種光譜敏感波段提取方法，通過(guò)分析馬尾松、杉木主要色素和冠層光譜數(shù)據(jù)的相關(guān)關(guān)系，得到敏感波段分別為401～504 nm和659～686 nm。房賢一等[9]介紹了基于高光譜的蘋(píng)果盛果期冠層葉綠素含量監(jiān)測(cè)結(jié)果，得到的敏感波段分別為738～895、980～999、735～928、670～671、719～757、976～977、735～928、402、403、829、881、974 nm。張?bào)憷俚萚10]探討了基于高光譜成像技術(shù)對(duì)油菜苗期、花期、角果期氮含量的快速檢測(cè)和氮素在葉片中分布的可視化方法，對(duì)每個(gè)時(shí)期葉片高光譜數(shù)據(jù)提取可見(jiàn)/近紅外波段(380～1 030 nm)光譜信息，經(jīng)過(guò)預(yù)處理后，通過(guò)分析比較利用回歸系數(shù)法(RC)和連續(xù)投影算法(SPA)得到油菜苗期、花期、角果期的敏感波段。劉飛等[11]探討了基于高光譜成像技術(shù)對(duì)油菜苗期、花期、角果期不同時(shí)期的敏感波段提取方法。對(duì)每個(gè)時(shí)期葉片高光譜數(shù)據(jù)提取可見(jiàn)/近紅外波段(380～1030 nm)光譜信息，在經(jīng)過(guò)原始光譜(RAW)和直接正交信號(hào)校正(DOSC)不同的預(yù)處理后，通過(guò)SPA算法提取的特征波長(zhǎng)，得到油菜苗期、花期、角果期的敏感波段。李嵐?jié)萚12]為驗(yàn)證無(wú)損和定量研究高光譜技術(shù)在冬油菜植株氮素積累量(plant nitrogen accumulation, PNA)時(shí)空變化監(jiān)測(cè)的適宜性及準(zhǔn)確性，以2年田間氮肥水平試驗(yàn)為基礎(chǔ)，采用單變量線性和非線性回歸方法，建立基于特征光譜參數(shù)的冬油菜PNA高光譜估算模型。丁希斌等[13]以油菜葉片為研究對(duì)象，利用高光譜成像技術(shù)，建立了土壤、作物分析儀器開(kāi)發(fā)SPAD值的預(yù)測(cè)模型。雷利琴[14]以油菜各個(gè)物候期的冠層光譜為研究對(duì)象，首先采用降采樣法分別得到350~2 500 nm范圍內(nèi)比值光譜植被指數(shù)()及歸一化光譜植被指數(shù)()與葉綠素含量、凈光合速率的擬合曲線的決定系數(shù)2，并用2與相應(yīng)的波段作出等高線圖來(lái)確定油菜各物候期高光譜的敏感波段范圍，再采用精細(xì)采樣法在敏感波段范圍內(nèi)重復(fù)以上步驟，得到不同物候期冠層光譜的敏感波長(zhǎng)。

現(xiàn)有提取光譜敏感波段的方法是將作物地上生物量與不同波段的光譜值或各種植被指數(shù)進(jìn)行相關(guān)分析，得到其最敏感的波段，計(jì)算量大且易受到生物量測(cè)量誤差的影響[15–21]。目前ROC圖(receiver operating characteristic)在分類(lèi)科學(xué)中運(yùn)用十分廣泛[22–25]，但用于尋找作物敏感波段的研究尚少見(jiàn)報(bào)道。萬(wàn)柏坤等[24]的試驗(yàn)結(jié)果表明，圖能兼顧靈敏度和特異性要求，以綜合評(píng)價(jià)分類(lèi)器的識(shí)別性能。陳衛(wèi)中等[25]研究表明，使用 ROC圖可用來(lái)確定診斷試驗(yàn)的敏感度及可疑值范圍。

筆者測(cè)定了直播和移栽油菜5個(gè)生長(zhǎng)期的冠層光譜，利用ROC圖尋找油菜各生長(zhǎng)期的比值光譜植被指數(shù)和歸一化光譜植被指數(shù)所對(duì)應(yīng)的敏感波長(zhǎng)，并建立以這2種光譜植被指數(shù)為自變量的定性識(shí)別模型，檢驗(yàn)?zāi)Ｐ偷挠行约胺€(wěn)定性。

1　材料與方法

1.1　材料

選取湖南農(nóng)業(yè)大學(xué)瀏陽(yáng)試驗(yàn)基地24個(gè)移栽小區(qū)和24個(gè)直播小區(qū)的高油酸中熟油菜為供試材料。每個(gè)小區(qū)面積20 m2。

1.2　方法

利用美國(guó) ASDAnalytical Spectral Device公司生產(chǎn)的FieldSpec? 3 Hi–Res便攜式地物波譜儀(波長(zhǎng)范圍為350~2 500 nm)，分別于2014年12月2日(苗期)、2015年1月22日(抽薹期)、2015年3月9日(花期)、2015年3月13日(盛花期)、2015年4月28日(角果期)10:00––13:00，在每個(gè)小區(qū)隨機(jī)選取長(zhǎng)勢(shì)一致的5個(gè)位置，距冠層頂部垂直高度約0.7 m，采集冠層光譜。

為有效區(qū)分直播和移栽2種方式下的敏感波段，首先在各個(gè)時(shí)期的冠層光譜有效波長(zhǎng)350~1 350 nm范圍內(nèi)利用降采樣法[14](每隔20個(gè)波段采樣)，采集每個(gè)小區(qū)5個(gè)觀測(cè)點(diǎn)的信息，分別以該波段范圍內(nèi)任意2個(gè)波長(zhǎng)光譜值的比值植被指數(shù)和歸一化植被指數(shù)為特征，選擇最近鄰方法作為分類(lèi)器計(jì)算靈敏度和特異度(以移栽小區(qū)的樣本診斷的準(zhǔn)確率作為靈敏度，以直播小區(qū)的樣本診斷的準(zhǔn)確率作為特異度)。并采用–折交叉驗(yàn)證法[26]對(duì)模型進(jìn)行校正，隨機(jī)選取(–1)/′100%個(gè)樣本作為訓(xùn)練集，其余的1/′100%個(gè)樣本作為測(cè)試集，在計(jì)算過(guò)程中重復(fù)100次，以消除隨機(jī)因素的影響。再分別將和的敏感度和特異度繪制ROC散點(diǎn)圖，計(jì)算圖中每個(gè)點(diǎn)至點(diǎn)(0,1)的歐式距離，以該距離的最小值確定大致敏感波段范圍。最后在降采樣法確定的敏感波段范圍內(nèi)，采用精細(xì)采樣法[14](每隔1個(gè)波段采用)，重復(fù)以上步驟，得到直播和移栽油菜生長(zhǎng)期冠層光譜的最敏感波段。本研究利用約登指數(shù)[26]來(lái)描述該點(diǎn)對(duì)應(yīng)的準(zhǔn)確度。

2　結(jié)果與分析

利用ROC圖提取油菜各時(shí)期敏感波長(zhǎng)如表1所示。油菜每個(gè)生長(zhǎng)期以和為特征尋找的光譜敏感波長(zhǎng)大致相同，而不同生長(zhǎng)期之間有較大差異。從苗期到花期，敏感波長(zhǎng)不斷增大，盛花期時(shí)又開(kāi)始下降，盛花期到角果期又逐漸增大。表明不同栽培方式下的油菜生長(zhǎng)期冠層光譜所包含的光譜信息有所不同。花期的分類(lèi)效果最好，花期為油菜5個(gè)生長(zhǎng)期的分水嶺。以苗期為例，精細(xì)采樣法得到的以和為特征的ROC散點(diǎn)圖如圖1所示，紅星標(biāo)注的是圖中散點(diǎn)中離左上角最近的點(diǎn)，該點(diǎn)即為最優(yōu)特異度和敏感度對(duì)應(yīng)的油菜苗期和的最敏感波長(zhǎng)，分別為(458 nm，511 nm)和(433 nm，517 nm)。

表1　2種栽培方式油菜生長(zhǎng)期冠層光譜的敏感波長(zhǎng)

圖1　油菜苗期以RSI和NDSI為特征的ROC散點(diǎn)圖

為了檢測(cè)所提取的敏感波段的有效性和準(zhǔn)確性，分別以每個(gè)生長(zhǎng)期的最敏感波段的比值植被指數(shù)和歸一化植被指數(shù)為特征，建立定性識(shí)別模型，以約登指數(shù)為評(píng)價(jià)標(biāo)準(zhǔn)，并與文獻(xiàn)中尋找的2個(gè)光譜植被指數(shù)作對(duì)比，如表2所示。

從表2可以看出，ROC圖確定的油菜冠層光譜敏感波段得到的2種植被指數(shù)作為特征的識(shí)別效果明顯優(yōu)于其他文獻(xiàn)所提出的植被指數(shù)。

表2　不同敏感波段下的油菜生長(zhǎng)期的約登指數(shù)

為了進(jìn)一步考察ROC圖確定的油菜生長(zhǎng)期敏感波段的穩(wěn)定性，在以和為特征建立的定性識(shí)別模型中，改變訓(xùn)練樣本和測(cè)試樣本的比例(訓(xùn)練樣本從50%變化至90%，即在交叉驗(yàn)證中，值依次取2,3,…,10)，分別得到以2種植被指數(shù)為特征的約登指數(shù)，如圖2所示。

圖2　直播和移栽油菜生長(zhǎng)期在K值改變時(shí)的約登指數(shù)

從圖2可看出，對(duì)于油菜的各個(gè)生長(zhǎng)期，由ROC圖得到的敏感波段比值光譜植被指數(shù)和歸一化光譜植被指數(shù)為特征建立的識(shí)別模型明顯優(yōu)于文獻(xiàn)[12–14]的結(jié)果。通過(guò)改變訓(xùn)練樣本與測(cè)試樣本的比例，發(fā)現(xiàn)花期的比值、歸一化植被指數(shù)建模得到的約登指數(shù)最大，且以50%(=2)至90%(=10)的訓(xùn)練樣本建模準(zhǔn)確率的變化率在5%范圍內(nèi)波動(dòng)，較其他4個(gè)時(shí)期的結(jié)果穩(wěn)定。其他4個(gè)時(shí)期的結(jié)果變化率均小于10%，表明利用ROC圖得到的敏感波長(zhǎng)較為穩(wěn)定，普適性強(qiáng)。

[1] CILIA C，PANIGADA C，ROSSINI M，et al．Nitrogen status assessment for variable rate fertilization in maize through hyperspectral imagery[J]．Remote Sensing，2014，6(7)：6549– 6565．

[2] TARPLEY L，REDDY K R，SASSENRATH–COLE G F. Reflectance indices with precision and accuracy in predicting cotton leaf nitrogen concentration[J]．Crop Science，2000，40：1814 –1819．

[3] JONGSCHAAP R E E，BOOI J R．Spectral measurements at different spatial scales in potato：relating leaf plant and canopy nitrogen status[J]．International Journal of Applied Earth Observation and Geoinformation，2004，5(3)：205–218．

[4] GLENN Fitzgerald，DANIEL Rodriguez，GARRY O’Leary．Measuring and predicting canopy nitrogen nutrition in wheat using a spectral index：The canopy chlorophyll content index (CCCI)[J]．Field Crops Research，2010，116(3)：318–324．

[5] 張?bào)憷?，劉飛，聶鵬程，等．高光譜成像技術(shù)的油菜葉片氮含量及分布快速檢測(cè)[J]．光譜學(xué)與光譜分析，2014(9)：2513–2518．

[6] 李錦衛(wèi)．基于計(jì)算機(jī)視覺(jué)的水稻、油菜葉色——氮營(yíng)養(yǎng)診斷機(jī)理與建模[D]．長(zhǎng)沙：湖南農(nóng)業(yè)大學(xué)，2010．

[7] HANSEN P M，SCHJOERRING J K．Reflectance measurement of canopy biomass and nittogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J]．Remote Sensing of Environment，2003，86(4)：542．

[8] 臧卓，林輝，楊敏華．基于色素含量的針葉樹(shù)種光譜敏感波段提取研究[J]．中南林業(yè)科技大學(xué)學(xué)報(bào)，2013，33(1)：35–40．

[9] 房賢一，朱西存，王凌，等．基于高光譜的蘋(píng)果盛果期冠層葉綠素含量監(jiān)測(cè)研究[J]．中國(guó)農(nóng)業(yè)科學(xué)，2013，46(16)：3504–3513．

[10] 張?bào)憷伲诟吖庾V成像技術(shù)的油菜養(yǎng)分及產(chǎn)量信息快速獲取技術(shù)和方法研究[D]．杭州：浙江大學(xué)，2013．

[11] 劉飛．基于光譜和多光譜成像技術(shù)的油菜生命信息快速無(wú)損檢測(cè)機(jī)理和方法[D]．杭州：浙江大學(xué)，2011．

[12] 李嵐?jié)?，馬驛，魏全全，等．基于高光譜的冬油菜植株氮素積累量監(jiān)測(cè)模型[J]．農(nóng)業(yè)工程學(xué)報(bào)，2015，31(20)：147–156．

[13] 丁希斌，劉飛，張初，等．基于高光譜成像技術(shù)的油菜葉片SPAD值檢測(cè)[J]．光譜學(xué)與光譜分析，2015，35(2)：486–491．

[14] 雷利琴．基于冠層反射光譜的油菜光合及生長(zhǎng)監(jiān)測(cè)[D]．長(zhǎng)沙：湖南農(nóng)業(yè)大學(xué)，2012．

[15] 劉建平，趙英時(shí)，孫淑玲．高光譜遙感數(shù)據(jù)最佳波段選擇方法試驗(yàn)研究[J]．遙感技術(shù)與應(yīng)用，2001，16(1)：7–13．

[16] 黃敬鋒，王淵，王福民，等．油菜紅邊特征及其葉面積指數(shù)的高光譜估算模型[J]．農(nóng)業(yè)工程學(xué)報(bào)，2006，22(8)：22–26．

[17] 王淵，王福民，黃敬鋒．油菜不同組分生物量光譜遙感估算模型[J]．浙江農(nóng)業(yè)學(xué)報(bào)，2004，16(2)：79–83．

[18] YAO X，ZHU Y，TIAN Y C，et al．Exploring hyperspectral bands and estimation indices for leaf nitrogen accumulation in wheat [J]．International Journal of Applied Earth Observation and Geoinformation，2010，12(2)：89–100．

[19] VIGNEAU N，ECARNOT M，RABATEL G，et al. Potential of field hyperspectral imaging as a non destructive method to assess leaf nitrogen content in Wheat [J]．Field Crops Research，2011，122(1)：25–31．

[20] BLACKBURN G A．Hyperspectral remote sensing of plant pigments[J]．Journal of Experimental Botany，2006，58(4)：855–867．

[21] BLACKBURN G A，F(xiàn)ERWERDA J G．Retrieval of chlorophyll concentration from leaf reflectance spectra using wavelet analysis[J]．Remote Sensing of Environment，2008，112：1614–1632．

[22] 鄒洪俠，秦鋒，程澤凱，等．二類(lèi)分類(lèi)器的 ROC曲線生成算法[J]．計(jì)算機(jī)技術(shù)與發(fā)展，2009，19(6)：109–112．

[23] 孫長(zhǎng)亮，何峻，肖懷鐵．基于 ROC 曲線的目標(biāo)識(shí)別性能評(píng)估方法[J]．雷達(dá)科學(xué)與技術(shù)，2007，5(1)：17–21．

[24] 萬(wàn)柏坤，薛召軍，李佳，等．應(yīng)用ROC曲線優(yōu)選模式分類(lèi)算法[J]．自然科學(xué)進(jìn)展，2006，16(11)：1511–1516．

[25] 陳衛(wèi)中，倪宗瓚，潘曉平，等．用ROC曲線確定最佳臨界點(diǎn)和可疑值范圍[J]．現(xiàn)代預(yù)防醫(yī)學(xué)，2005，32(7)：729–731．

[26] JIANG Shan，WANG Fang，SHEN Luming，et al. Extracting sensitive spectrum bands of rapeseed using multiscale multifractal detrended fluctuation analysis[J]. Journal of Applied Physics，2017，121(10)：104702．

責(zé)任編輯：羅慧敏

英文編輯：吳志立

Research on spectral sensitive bands of rapeseed in different phonological periods based on ROC map

DUAN Shaoxin1, JIANG Shan1, WANG Fang1,2*, ZOU Ruibiao1*, LIAO Guiping1,2

(1.College of Science/ Agricultural Mathematical Modeling and Data Processing Center, Hunan Agricultural University, Changsha 410128, China; 2.Southern Regional Collaborative Innovation Center for Grain and Oil Crops in China, Changsha 410128, China)

In this paper, rapeseed canopy spectra was collected, in periods of seeding, bolting, flowering, lush flowering and pod, to generate ratio spectral index () and normalized difference spectral index (). In order to acquire the bestandthe most sensitive bands were obtained by employing receiver operating characteristic (ROC) map with the combination of down sampling and fine sampling. For the direct plant and transplant the best values are as followed: the seeding period:(458 nm, 511 nm) and(433 nm, 517 nm), the bolting period:(997 nm, 501 nm) and(990 nm, 510 nm), the flowering period:(1 235 nm, 1 180 nm) and(235 nm, 1 180 nm), the lush flowering period:(478 nm, 396 nm) and(484 nm, 416 nm), and the pod period:(1 073 nm, 1037 nm) and(1 092 nm, 1 024 nm), respectively. By using the two bestandas features and the nearest neighbor method as classifier, the results of the qualitative identification model show that the best discrimination effect comes from the flowering period, the corresponding Youden index is 0.941 7 and 0.945 0, respectively.

rapeseed; growth period; sensitive wave band; receiver operation characteristic(ROC) map

O433.4

A

1007-1032(2017)06-0684-05

2017–04–11

2017–10–11

國(guó)家自然科學(xué)基金項(xiàng)目(31501227，11571103)；湖南省科技重大專(zhuān)項(xiàng)(2014FJ1006)；湖南省科學(xué)技術(shù)廳重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2015JC3098)；湖南省教育廳重點(diǎn)項(xiàng)目(15A083)；湖南農(nóng)業(yè)大學(xué)大學(xué)生科技創(chuàng)新基金項(xiàng)目(2016ZK32)

段少新(1993—)，女，湖南邵陽(yáng)人，碩士研究生，主要從事分形幾何及其應(yīng)用研究，1014572284@qq.com；

通信作者，王訪，博士，副教授，主要從事分形幾何及其應(yīng)用研究，f.wang@hunau.edu.cn；

通信作者，鄒銳標(biāo)，碩士，教授，主要從事分形幾何及其應(yīng)用研究，rbzou@163.com

投稿網(wǎng)址：http://xb.hunau.edu.cn