棉花全生長周期機(jī)載高光譜正射影像數(shù)據(jù)集構(gòu)建

程俊濤　趙慶展　劉漢青　田文忠　王學(xué)文　胡斌　隆學(xué)豐

摘要： 目的 棉花作為我國的主要經(jīng)濟(jì)作物，對其開展低空遙感精細(xì)監(jiān)測的研究目前尚缺乏高質(zhì)量的監(jiān)測樣本數(shù)據(jù)集。高光譜影像具有豐富的光譜特征和空間特征，被廣泛用于生化參量反演、病蟲害監(jiān)測、長勢評估與產(chǎn)量預(yù)測。為此，本文構(gòu)建了面向棉花全生長周期的機(jī)載高光譜成像數(shù)據(jù)集（Airborne hyperspectral imaging dataset for the full growth cycle of cotton，AHS-FGCC）。方法 基于大疆M600 Pro無人機(jī)搭載Rikola高光譜成像儀，以100 m航高獲取同一區(qū)域同一棉花品種苗期、苗后期、蕾期、花期、鈴期、盛鈴期以及吐絮期共7期無人機(jī)高光譜數(shù)據(jù)。該數(shù)據(jù)經(jīng)過標(biāo)準(zhǔn)預(yù)處理，參考《地理信息元數(shù)據(jù)》規(guī)范，補(bǔ)充無人機(jī)載高光譜棉花數(shù)據(jù)元數(shù)據(jù)信息，從而構(gòu)建全生長周期棉花高光譜正射影像數(shù)據(jù)集。通過與采樣點(diǎn)ASD（SR-3500）地物光譜儀棉花冠層光譜曲線對比，分析棉花數(shù)據(jù)集的光譜精度以及對應(yīng)的棉花生長期光譜變化規(guī)律。結(jié)果表明 Rikola成像光譜儀和ASD地物光譜儀波長在503～850 nm區(qū)間，反射率曲線趨勢具有良好的一致性，“綠峰特征”，“紅谷特征”，“紅邊特征”3種典型光譜特征表現(xiàn)也基本吻合。結(jié)論 本數(shù)據(jù)集可以較好地反應(yīng)棉花不同生長周期的光譜特征變化規(guī)律，可為棉花的低空遙感精細(xì)監(jiān)測提供樣本數(shù)據(jù)，并為農(nóng)作物高光譜或多光譜數(shù)據(jù)集構(gòu)建的相關(guān)研究提供參考和借鑒。（數(shù)據(jù)集發(fā)布于科學(xué)數(shù)據(jù)銀行，訪問地址：https：//www.scidb.cn/detail？dataSetId=a07c3451e3cf4ff090b1cbb72edc08c3。）

關(guān)鍵詞：棉花；無人機(jī)遙感；高光譜；數(shù)據(jù)集；生長周期；正射影像

中圖分類號：S127; TP751文獻(xiàn)標(biāo)志碼：A文獻(xiàn)標(biāo)識碼

Construction and analysis of airborne hyperspectral orthophoto data set in

the whole growth cycle of cotton

CHENG? Juntao1，2，3，ZHAO? Qingzhan1，2，3*，LIU ?Hanqing2，3，4，TIAN? Wenzhong2，3，4，

WANG? Xuewen1，2，3，HU? Bin1，2，3，LONG? Xuefeng1，2，3

（1 College of Information Science and Technology， Shihezi University，Shihezi， Xinjiang 832003， China; 2 Geospatial Information Engineering

Research Center， Xinjiang Production and Construction Crops， Shihezi，Xinjiang 832003， China; 3 Xinjiang Production and Construction Corps Industrial Technology

Research Institute， Shihezi，Xinjiang 832003， China; 4 College of Mechanical and Electrical Engineering， Shihezi University， Shihezi，Xinjiang 832003， China）

Abstract：? Cotton is the main economic crop in China， but there is still a lack of high-quality monitoring sample datasets for research on low-altitude remote sensing fine monitoring. Hyperspectral images not only have rich spectral and spatial characteristics， but also are widely used in biochemical parameter inversion， plant diseases and insect pests monitoring， growth potential assessment， and yield prediction. To this end， this paper builds an airborne hyperspectral image dataset for the full growth cycle of cotton （AHS-FGCC）. Based on the DJI M600 Pro drone equipped with a Rikola hyperspectral imager， a total of 7 phases（seedling， seedling-seeding， bud， florescence， boll-forming， peak bolling and open-boll periods） of UAV hyperspectral data of the same cotton varieties in the same area with a height of 100 m. This data has been standardly preprocessed. Referring to the Geographic Information Metadata specification， the airborne hyperspectral cotton metadata information is supplemented to build a full growth cycle cotton hyperspectral orthography image dataset. The results show that the reflectance curves obtained by the Rikola imaging spectrometer and the ASD ground object spectrometer have good consistency in the wavelength range of 503-850 nm. In addition， the three typical spectral features of "green peak feature"， "red valley feature" and "red edge feature" are basically consistent. This dataset can better reflect the spectral characteristics of cotton in different growth periods and can provide sample data for fine monitoring of cotton by low-altitude remote sensing， and provide a reference for related research on the construction of crop hyperspectral or multispectral datasets.（Dataset published on Science Data Bank.Address：https：//www.scidb.cn/detail？dataSetId=a07c3451e3cf4ff090b1cbb72edc08c3）

Key words： cotton;UAV remote sensing;hyperspectral;dataset;growth cycle;orthophoto

棉花作為我國極為重要的1種大田經(jīng)濟(jì)作物，其生產(chǎn)覆蓋全國24個?。ㄖ陛犑?、自治區(qū)），商品率在95%以上，在國民經(jīng)濟(jì)中占有十分重要的地位。新疆因得天獨(dú)厚的氣候、光照、土地等自然資源條件，成為目前我國最大的商品棉基地，實(shí)現(xiàn)棉花種植生產(chǎn)的精準(zhǔn)管理，對促進(jìn)新疆經(jīng)濟(jì)發(fā)展具有重要意義。田明璐等［1］以無人機(jī)高光譜影像數(shù)據(jù)為基礎(chǔ)，應(yīng)用植被指數(shù)構(gòu)建棉花葉面積指數(shù)的估算模型，為棉花精準(zhǔn)管理及變量施肥提供了新的技術(shù)手段和科學(xué)依據(jù)；郭偉等［2］通過無人機(jī)采集棉花病蟲害的高光譜和地面調(diào)查信息，獲取不同病蟲害嚴(yán)重度的棉花冠層成像光譜數(shù)據(jù)，利用比值導(dǎo)數(shù)法選取病蟲害棉花冠層光譜敏感波段，進(jìn)而建立棉花病蟲害嚴(yán)重度估測模型，反演棉花病蟲害嚴(yán)重度的空間分布，為棉花精準(zhǔn)施藥提供有效輔助。易翔等［3］通過獲取不同階段棉花地上部生物量和無人機(jī)高光譜數(shù)據(jù)，對比不同的光譜預(yù)處理方法和回歸建模方法，構(gòu)建并篩選出最優(yōu)棉花地上部生物量估算模型，實(shí)現(xiàn)棉花地上部生物量的快速無損監(jiān)測，為新疆棉花生產(chǎn)的科學(xué)管理提供參考。這些研究多是基于作物的光譜信息對其生物物理和化學(xué)組分進(jìn)行建模反演，為田塊尺度農(nóng)作物的動態(tài)監(jiān)測和精細(xì)管理提供了1種及時、快速和非損傷性的有效手段，但是他們的數(shù)據(jù)源均是基于自身采集的某一期或多期的棉花光譜數(shù)據(jù)進(jìn)行的，數(shù)據(jù)具有一定的局限性，全生長周期的棉花高光譜數(shù)據(jù)更具現(xiàn)實(shí)意義和參考價值。

隨著遙感對地觀測技術(shù)的不斷發(fā)展，遙感數(shù)據(jù)在諸多領(lǐng)域都得到了廣泛的應(yīng)用，已經(jīng)成為人們獲取地理環(huán)境及其變化信息的重要手段［4］。高光譜作為遙感技術(shù)中的重要一環(huán)，以其光譜分辨率高、圖譜合一等獨(dú)特優(yōu)勢，在植被參數(shù)反演、作物長勢監(jiān)測、產(chǎn)量估計(jì)、品質(zhì)監(jiān)測以及病蟲害監(jiān)測預(yù)測方面都得到了廣泛應(yīng)用［5］。目前具有代表性的公開高光譜數(shù)據(jù)集有雄安新區(qū)馬蹄灣村高光譜數(shù)據(jù)集、面向遙感場景分類的高光譜圖像（HSRS-SC）數(shù)據(jù)集、Indian Pines數(shù)據(jù)集、RIT數(shù)據(jù)集等，這些公開的高光譜數(shù)據(jù)集多與地物分類、變化檢測、像元解混等方向相關(guān)，與農(nóng)業(yè)領(lǐng)域相關(guān)的高光譜數(shù)據(jù)集相對較少。農(nóng)業(yè)領(lǐng)域的數(shù)據(jù)采集方式往往以微小型無人機(jī)遙感信息平臺為主，傳統(tǒng)的非成像地物光譜數(shù)據(jù)采集方式，只能獲取單個樣點(diǎn)范圍內(nèi)的光譜數(shù)據(jù)；近地成像的光譜數(shù)據(jù)采集方式，不僅工作量大且難以獲得大面積的正射影像；航空拍攝方式，數(shù)據(jù)獲取門檻高且成本昂貴；衛(wèi)星拍攝方式，則易受天氣、云量、重訪周期等因素影響［6］。利用無人機(jī)遙感技術(shù)不僅能有效彌補(bǔ)上述數(shù)據(jù)采集方式的缺陷，還能夠滿足農(nóng)業(yè)領(lǐng)域高空間、高時間和高光譜分辨率的遙感數(shù)據(jù)需求。

本文結(jié)合當(dāng)前農(nóng)業(yè)遙感領(lǐng)域高光譜數(shù)據(jù)集較為匱乏的研究現(xiàn)狀，利用無人機(jī)搭載Rikola高光譜儀對新疆塔城地區(qū)蘑菇湖村的棉花試驗(yàn)田進(jìn)行數(shù)據(jù)采集，同步利用ASD地物光譜儀對地面數(shù)據(jù)進(jìn)行相應(yīng)的采集。經(jīng)數(shù)據(jù)預(yù)處理得到的機(jī)載棉花正射影像，聯(lián)合地面光譜數(shù)據(jù)使用典型光譜特征值及一階微分，對機(jī)載棉花高光譜數(shù)據(jù)的準(zhǔn)確性與可靠性進(jìn)行驗(yàn)證，以期為棉花生長狀況狀態(tài)監(jiān)測、機(jī)載高光譜圖像質(zhì)量研究、棉花光譜庫的構(gòu)建、農(nóng)作物高光譜或多光譜數(shù)據(jù)集的構(gòu)建等多個應(yīng)用方向提供參考和借鑒。

1 資料與方法

1.1 研究區(qū)概況

研究區(qū)位于新疆塔城地區(qū)沙灣縣蘑菇湖村，地處天山北麓中段，準(zhǔn)噶爾盆地南緣，整體地勢南高北低，北部為古爾班通特沙漠，中部為山前洪積-沖積綠洲平原，南部為天山支脈，屬于典型大陸性中溫帶干旱氣候，夏季炎熱冬季寒冷，具有降水量少、蒸發(fā)量大、氣候干燥、晝夜溫差大等特點(diǎn)，年平均氣溫約為6.6℃，年降水量140～350mm，年蒸發(fā)量為1 500～2 000mm，為寒旱種植區(qū)，全年太陽實(shí)照時數(shù)為2 835h左右，無霜期約為180d。研究區(qū)主要種植作物有棉花、小麥、玉米、甜菜、西葫蘆和苜蓿等，其中棉花的種植期為4—10月［7-9］。研究區(qū)經(jīng)緯度范圍為44°24′29.27″～44°24′32.45″N，85°53′27.35″～85°53′28.57″E，影像獲取于6、7、8、10月，地表覆蓋物主要為棉花、葫蘆瓜以及裸土。

1.2 數(shù)據(jù)獲取

機(jī)載棉花高光譜數(shù)據(jù)分別于2019年6月4日（苗期）、2019年6月29日（苗后期）、2019年7月11日（蕾期）、2019年7月18日（花期）、2019年8月7日（玲期）、2019年8月27日（盛鈴期）、2021年10月8日（吐絮期）7個時間段采集。

實(shí)驗(yàn)采用大疆M600 Pro六旋翼無人機(jī)，結(jié)合如影Ronin-MX云臺，搭載Rikola高光譜成像儀（性能參數(shù)如表1所示），實(shí)現(xiàn)棉花高光譜數(shù)據(jù)的獲取。通過選擇天氣狀況良好的實(shí)驗(yàn)日期，挑選微風(fēng)、少云且光照條件充足的飛行時間段，來確保最終的棉花高光譜數(shù)據(jù)的成像質(zhì)量。飛行前設(shè)置飛行區(qū)域，統(tǒng)一設(shè)定100 m的飛行高度，80%的航向重疊率，75%旁向重疊率，并在地面放置反射率為3%、22%、48%以及64%的漫反射板，便于后期數(shù)據(jù)的輻射校正。對7月11日、7月18日以及8月27日3期數(shù)據(jù)進(jìn)行地面數(shù)據(jù)采集，選擇美國Spectral Evolution公司的SR-3500地物光譜儀（性能參數(shù)如表2所示）對棉花冠層光譜數(shù)據(jù)進(jìn)行收集，用以機(jī)載棉花高光譜成像質(zhì)量驗(yàn)證。收集棉花冠層光譜信息時傳感器鏡頭垂直向下，垂直高度約為1.5 m，在每個采樣點(diǎn)采集10條光譜曲線，按照三行五列均勻分布，累計(jì)采取了15個區(qū)域的地面光譜數(shù)據(jù)，取平均值作為該區(qū)域的棉花冠層光譜反射率，為保證測量精度，對每組目標(biāo)在觀測前后均進(jìn)行標(biāo)準(zhǔn)白板校正，以減少云層及太陽高度變化等對光譜反射率的影響［10］。

.

1.3 數(shù)據(jù)預(yù)處理

將原始數(shù)據(jù)導(dǎo)出，使用傳感器自帶的Hyperspectral Image軟件進(jìn)行鏡頭漸暈校正和暗電流校正，去除感光單元不均勻和邊緣光線衰弱及暗電流誤差；通過RegMosaic軟件中進(jìn)行波段配準(zhǔn)，將成像高光譜儀在拍攝影像時多個波段沿飛行方向上的錯位進(jìn)行修正；利用ENVI軟件中的“ENVI to TIFF”工具，將波段配準(zhǔn)文件變成TIF格式的影像數(shù)據(jù)；在Agisoft PhotoScan軟件中導(dǎo)入影像數(shù)據(jù)和POS信息進(jìn)行自動拼接，將其導(dǎo)入ENVI 5.3軟件進(jìn)行輻射校正，機(jī)載高光譜影像的實(shí)際數(shù)字量化值（DN）與地面反射率（Ref）的關(guān)系表達(dá)式為［11］：

Refa=RefbDNb×DNa，（1）

其中Refa為整幅高光譜影像校正之后的反射率值（待求），DNa為未校正之前的高光譜影像DN值（已知），Refb為標(biāo)準(zhǔn)漫反射板的反射率值（已知），DNb為圖像中提取的對應(yīng)漫反射板的DN值（已知）。根據(jù)定標(biāo)方程，利用ENVI軟件中的“spectral math”工具，對影像上的所有像素點(diǎn)進(jìn)行輻射校正，得到最終的正射影像。具體流程如圖1所示。

1.4 數(shù)據(jù)集樣本描述

1.4.1 元數(shù)據(jù)簡介

新疆塔城地區(qū)沙灣縣蘑菇湖村2019—2021年不同生長周期棉花高光譜數(shù)據(jù)集的名稱、作者、地理區(qū)域、數(shù)據(jù)年代、數(shù)據(jù)集組成、數(shù)據(jù)政策共享等信息見表3。

1.4.2 數(shù)據(jù)描述

構(gòu)成本數(shù)據(jù)集的所有數(shù)據(jù)均來自于新疆塔城地區(qū)沙灣縣蘑菇湖村。數(shù)據(jù)集主要分為兩部分?jǐn)?shù)據(jù)，一部分是原始影像中的頭文件和當(dāng)天天氣狀況文件，另一部分是經(jīng)過數(shù)據(jù)預(yù)處理之后的正射影像，共計(jì)7期棉花高光譜數(shù)據(jù)，分別包含了苗期、苗后期、蕾期、花期、鈴期、盛鈴期以及吐絮期［12］。

數(shù)據(jù)格式為TIF數(shù)據(jù)，地理坐標(biāo)系為“WGS 1984”，空間分辨率為6.5cm，不僅能清晰顯示出不同時期的棉花的生長變化情況，而且對于研究區(qū)內(nèi)其他地物，比如葫蘆瓜以及裸土等主要地面覆蓋物，也有較好的區(qū)分，影像像素位深為12 bit，波段數(shù)為42。

具體的元數(shù)據(jù)信息以“TASKFILE.TXT”頭文件為準(zhǔn)，也可從TIF影像中直接導(dǎo)出。不同生育期棉花高光譜數(shù)據(jù)如圖2所示。

2 結(jié)果與分析

農(nóng)業(yè)領(lǐng)域中無人機(jī)高光譜數(shù)據(jù)的應(yīng)用多體現(xiàn)在光譜空間信息維，如作物的長勢及病蟲害監(jiān)測等，因此對其光譜質(zhì)量的評價是必要的。

現(xiàn)階段關(guān)于無人機(jī)高光譜數(shù)據(jù)的質(zhì)量評價多采用地面光譜數(shù)據(jù)和機(jī)載高光譜數(shù)據(jù)進(jìn)行交叉驗(yàn)證的方法［13-14］。本研究以ASD光譜數(shù)據(jù)為標(biāo)準(zhǔn)，對比ASD與Rikola光譜反射率，并分析不同生長周期的棉花冠層光譜反射率變化情況，因?qū)嶒?yàn)設(shè)備限制僅對蕾期、花期和盛鈴期3種典型生育期的棉花地面光譜反射率數(shù)據(jù)進(jìn)行采集，以驗(yàn)證無人機(jī)高光譜數(shù)據(jù)成像質(zhì)量。實(shí)驗(yàn)將輻射校正后機(jī)載棉花高光譜正射影像導(dǎo)入ENVI 5.3軟件中打開，按照地面光譜數(shù)據(jù)采集位置分布，依次對每個區(qū)域進(jìn)行5點(diǎn)采樣，構(gòu)建相應(yīng)感興趣區(qū)域（ROI），構(gòu)建過程中盡量避免選中圖像中的裸土位置，最后計(jì)算棉花冠層的平均反射率；通過ASD地物光譜儀采集多處地面棉花的冠層光譜數(shù)據(jù)，并計(jì)算棉花冠層平均反射率，再從地面采集的平均光譜反射率數(shù)據(jù)中提取出502～903nm區(qū)間的反射率數(shù)據(jù)。對比兩者數(shù)據(jù)，并分析原因。

2.1 機(jī)載棉花冠層光譜反射率分析

綜合7期Rikola高光譜棉花數(shù)據(jù)的光譜反射率曲線以及一階微分曲線，如圖3所示。

從圖3A可以發(fā)現(xiàn)，6月4日到8月27日之間，棉花冠層光譜反射曲線呈現(xiàn)典型植被特征，反射率總體呈現(xiàn)先下降后上升的變化趨勢。10月8日的棉花處于收獲期，主要是裸露的棉花和干枯的枝葉，無綠色植被覆蓋，此處不做過多討論。在553nm（第6波段）處出現(xiàn)“綠峰特征”，在673nm（第19波段）處出現(xiàn)“紅谷特征”，而“紅邊特征”主要集中在723～733nm（第24波段到第25波段）之間。

“綠峰特征”主要是由于葉綠素對藍(lán)光和紅光的強(qiáng)吸收引起的，6月4日光譜反射最高，約為18%；8月7日的反射率最低，反射率值約為7%。在棉花生長的早期，棉花植株小、冠層小，無論是葉片的面積還是葉綠素的含量相對較小，對于光譜的吸收能力較弱，大量的地膜以及裸土，對棉花冠層光譜反射率也產(chǎn)生了一定的影響［15］。隨著棉花的不斷生長，葉綠素含量較早期明顯增加，在盛鈴期達(dá)到最大值，光合作用最為顯著，因此對于藍(lán)紅光的吸收較強(qiáng)。這與洪帥等［16］的早鈴期棉花長勢最好的結(jié)論相一致。

“紅谷特征”主要是由于植物進(jìn)行光合作用時對紅光的強(qiáng)吸收引起的，紅谷的深度直接表征植物的光合作用強(qiáng)弱［17］。6月4日到8月27日之間光譜反射率也呈現(xiàn)出先下降后上升的趨勢，6月4日的光譜反射率最高，約為13%。8月7日的光譜反射率最低，約為3%。其主要原因仍是裸露的土壤對棉花冠層的光譜反射率產(chǎn)生了一定的影響，使得6月4日的棉花冠層光譜反射率較高。隨著棉花的不斷生長，地面的植被覆蓋度大大增加，對紅光的吸收在盛鈴期達(dá)到最大。

“紅邊特征”主要集中在723～733nm（第24波段到第25波段）之間，在672～762nm（第19波段到第28波段）光譜范圍中有葉綠素強(qiáng)吸收的紅光波段和強(qiáng)散射的近紅外波段［18］。由圖3B一階微分反射率曲線可以看到，從6月4日開始，反射率曲線斜率不斷增大，在8月7日達(dá)到最大值后，增長速度放緩。棉花生長前期，葉綠素密度較小，紅邊斜率較小，紅邊位置靠短波方向。隨著生育期的推進(jìn)，植株逐漸長大，冠層的葉綠素含量逐漸增加，紅邊斜率緩慢增加，紅邊的位置向近紅外波段移動。到棉花的鈴期，冠層的葉綠素也達(dá)到最大，葉綠素對紅光波段的吸收加寬、加深，此時紅邊斜率達(dá)到最大值，紅邊位置更靠近紅外波段。隨著物候期的推進(jìn)，冠層下部葉片逐漸衰老、死亡，在吐絮階段，冠層葉綠素緩慢下降，致使紅邊斜率降低，紅邊的位置向短波方向移動，這與前人研究結(jié)果相一致［19］。

在752～903nm（第27波段到第42波段）之間，棉花的冠層光譜反射率維持在一個固定的反射率區(qū)間，基本保持不變。不同生長時期，近紅外波段反射率差異顯著，主要和生物量大小、棉花冠層葉片葉綠素含量、細(xì)胞結(jié)構(gòu)以及冠層結(jié)構(gòu)改變密切相關(guān)，有研究表明［20］，植物在近紅外波段的反射率與葉片的層數(shù)有一定的關(guān)系，葉片的層數(shù)越多反射越高。與單片葉子相比，多片葉子能夠在光譜的近紅外波段產(chǎn)生更高的反射率，主要是因?yàn)檩椛淠芰客高^最上層的葉子后，將被第二層的葉子反射，結(jié)果在形式上增強(qiáng)了第一層葉子的反射能量。與此同時細(xì)胞的含水量也有一定的影響，隨著含水量的增加，在近紅外波段，棉花冠層光譜反射率呈上升趨勢。因此不同生育期棉花冠層光譜反射率在近紅外波段顯現(xiàn)一定差異性，符合實(shí)際情況。

通過對不同生長周期，相同波段區(qū)間的光譜特征表現(xiàn)的一致分析基本相同，說明了無人機(jī)載高光譜棉花數(shù)據(jù)的準(zhǔn)確性和可靠性。

2.2 棉花冠層光譜反射率對比

機(jī)載棉花冠層光譜反射率與地面采集光譜反射率曲線對比，如圖4所示。

通過對Rikola和SR-3500采集的3期反射率光譜數(shù)據(jù)進(jìn)行比對，發(fā)現(xiàn)在波長503～850 nm范圍內(nèi)，對同種地物2種儀器有著相同反射光譜特征，反射率曲線具有良好的一致性，且棉花的光譜特征值也無顯著差異；表明在此波段范圍Rikola所獲取高光譜影像中包含的地物光譜信息是準(zhǔn)確可靠的；而在862～903nm（第38波段到第42波段）之間，植物的光譜反射率出現(xiàn)明顯下降，與地面采集光譜數(shù)據(jù)差異較大。筆者通過論文［21］查閱發(fā)現(xiàn)，無人機(jī)載高光譜影像的光譜反射率普遍存在這種現(xiàn)象。造成這種現(xiàn)象原因可能為以下3點(diǎn)：（1）Rikola所測的地物光譜曲線波動明顯，這是由于Rikola傳感器在探測范圍邊界噪聲增大；（2）2種數(shù)據(jù)的太陽-目標(biāo)-傳感器的幾何位置差異造成二向性分布函數(shù)影像；（3）Rikola傳感器的通道響應(yīng)函數(shù)造成的這種影響，這里不做過多探究。

通過二者數(shù)據(jù)對比發(fā)現(xiàn)，棉花冠層光譜反射率曲線變化趨勢基本一致，進(jìn)一步驗(yàn)證了無人機(jī)載高光譜棉花數(shù)據(jù)的準(zhǔn)確性和可靠性。

3 討論與結(jié)論

本數(shù)據(jù)集為機(jī)載高光譜棉花的正射影像數(shù)據(jù)，較其他類型遙感數(shù)據(jù)相比，有以下特點(diǎn)：

空間與光譜分辨率高。本數(shù)據(jù)集為低空無人機(jī)遙感數(shù)據(jù)，數(shù)據(jù)的空間分辨率較高，空間分辨率達(dá)6.2cm；光譜信息豐富（42個波段成像， 平均波寬10nm），較常見的可見光遙感數(shù)據(jù)相比，窄波段成像能更好的反應(yīng)地物的光譜特征，有利于表現(xiàn)地物之間細(xì)微差別。

長周期觀測。本數(shù)據(jù)集由7個典型生育期的棉花高光譜數(shù)據(jù)組成，數(shù)據(jù)的時序性強(qiáng)，能夠提供不同生育期的棉花光譜特征，此外，數(shù)據(jù)觀測對象為新疆塔城地區(qū)的機(jī)采棉花（天云0769），該品種在新疆地區(qū)具有一定的代表性。

通過對比分析2種不同儀器采集的相同地物的光譜數(shù)據(jù)，驗(yàn)證了無人機(jī)載高光譜棉花數(shù)據(jù)的可靠性和準(zhǔn)確性。通過對不同生育期，相同波段區(qū)間內(nèi)的光譜特征表現(xiàn)的一致性分析，說明了數(shù)據(jù)的可靠性和準(zhǔn)確性。

數(shù)據(jù)集反映了棉花不同生長周期的光譜特征變化規(guī)律，可為棉花的低空遙感精細(xì)監(jiān)測提供高質(zhì)量數(shù)據(jù)，同時為作物高光譜（多光譜）數(shù)據(jù)集的構(gòu)建提供參考。

但本數(shù)據(jù)集還存在一些不足之處，一是棉花品種單一，后續(xù)考慮對多品種棉花進(jìn)行數(shù)據(jù)采集；二是部分獲取數(shù)據(jù)和棉花生長周期的對應(yīng)性還有提高的空間，可考慮進(jìn)一步增加數(shù)據(jù)獲取的頻次；三是豐富數(shù)據(jù)集的應(yīng)用場景，可在獲取每一期影像地面光譜數(shù)據(jù)的同時獲取同期葉綠素含量，為棉花的生化參量反演提供更為準(zhǔn)確的數(shù)據(jù)支持。

參考文獻(xiàn)（References）

［1］田明璐，班松濤，常慶瑞，等.基于低空無人機(jī)成像光譜儀影像估算棉花葉面積指數(shù)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2016，32（21）：102-108.

TIAN M L，BAN S T，CHANG Q R，et al.Use of hyperspectral images from UAV-based imaging spectroradiometer to estimate cotton leaf area index［J］.Transactions of the Chinese Society of Agricultural Engineering，2016，32（21）：102-108.

［2］郭偉，喬紅波，趙恒謙，等.基于比值導(dǎo)數(shù)法的棉花蚜害無人機(jī)成像光譜監(jiān)測模型研究［J］.光譜學(xué)與光譜分析，2021，41（5）：1543-1550.

GUO W， QIAO H B，ZHAO H Q，et al.Cotton aphid damage monitoring using UAV hyperspectral data based on derivative of ratio spectroscopy［J］.Spectroscopy and Spectral Analysis，2021，41（5）：1543-1550.

［3］易翔，張立福，呂新，等.基于無人機(jī)高光譜融合連續(xù)投影算法估算棉花地上部生物量［J］.棉花學(xué)報(bào)，2021，33（3）：224-234.

YI X，ZHANG L F，LYU X，et al.Estimation of cotton above-ground biomass based on unmanned aerial vehicle hyperspectral and successive projections algorithm［J］.Cotton Science，2021，33（3）：224-234.

［4］李德仁.攝影測量與遙感學(xué)的發(fā)展展望［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2008，33（12）：1211-1215.

LI D R.Development prospect of photogrammetry and remote sensing［J］.Geomatics and Information Science of Wuhan University，2008，33（12）：1211-1215.

［5］TIAN W Z，ZHAO Q Z，MA Y J，et al.Flight parameter setting of unmanned aerial vehicle hyperspectral load［J］.Journal of Applied Spectroscopy，2022，89（1）：159-169.

［6］王利民，劉佳，楊玲波，等.基于無人機(jī)影像的農(nóng)情遙感監(jiān)測應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，2013，29（18）：136-145.

WANG L M，LIU J，YANG L B，et al.Applications of unmanned aerial vehicle images on agricultural remote sensing monitoring［J］.Transactions of the Chinese Society of Agricultural Engineering，2013，29（18）：136-145.

［7］戴建國，張國順，郭鵬，等.基于無人機(jī)遙感可見光影像的北疆主要農(nóng)作物分類方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2018，34（18）：122-129.

DAI J G，ZHANG G S，GUO P，et al.Classification method of main crops in northern Xinjiang based on UAV visible waveband images［J］.Transactions of the Chinese Society of Agricultural Engineering，2018，34（18）：122-129.

［8］黃雙燕，楊遼，陳曦，等.機(jī)器學(xué)習(xí)法的干旱區(qū)典型農(nóng)作物分類［J］.光譜學(xué)與光譜分析，2018，38（10）：3169-3176.

HUANG S Y，YANG L，CHEN X，et al.Study of typical arid crops classification based on machine learning［J］.Spectroscopy and Spectral Analysis，2018，38（10）：3169-3176.

［9］蔡興冉，李忠勤，張慧，等.中國天山冰川變化脆弱性研究［J］.地理學(xué)報(bào)，2021，76（9）：2253-2268.

CAI X R，LI Z Q，ZHANG H，et al.Vulnerability of glacier change in Chinese Tianshan Mountains［J］.Acta Geographica Sinica，2021，76（9）：2253-2268.

［10］楊麗麗，王振鵬，吳才聰.基于多源數(shù)據(jù)的新疆棉田螨害大范圍監(jiān)測研究［J］.光譜學(xué)與光譜分析，2021，41（12）：3949-3956.

YANG L L，WANG Z P，WU C C.Research on large-scale monitoring of spider mite infestation in Xinjiang cotton field based on multi-source data［J］Spectroscopy and Spectral Analysis，2021，41（12）：3949-3956.

［11］YANG G J，LI C C，WANG Y J，et al.The DOM generation and precise radiometric calibration of a UAV-mounted miniature snapshot hyperspectral imager［J］.Remote Sensing，2017，9（7）：642.

［12］王文靜，張霞，趙銀娣，等.綜合多特征的Landsat 8時序遙感圖像棉花分類方法［J］.遙感學(xué)報(bào)，2017，21（1）：115-124.

WANG W J，ZHANG X，ZHAO Y D，et al.2017.Cotton extraction method of integrated multi-features based on multi-temporal Landsat 8 images［J］.Journal of Remote Sensing，2017，21（1）：115-124.

［13］高林，楊貴軍，于海洋，等.基于無人機(jī)高光譜遙感的冬小麥葉面積指數(shù)反演［J］.農(nóng)業(yè)工程學(xué)報(bào)，2016，32（22）：113-120.

GAO L，YANG G J，YU H Y，et al.Retrieving winter wheat leaf area index based on unmanned aerial vehicle hyperspectral remoter sensing［J］.Transactions of the Chinese Society of Agricultural Engineering，2016，32（22）：113-120.

［14］IENTILUCCI E J.Processing a new hyperspectral data set for target detection and atmospheric compensation algorithm assessment： The RIT2017 Data Set［C］.IGARSS 2018-2018 IEEE International Geoscience and Remote Sensing Symposium，Valencia：IEEE，2018：4249-4252.

［15］陳鵬飛，梁飛.基于低空無人機(jī)影像光譜和紋理特征的棉花氮素營養(yǎng)診斷研究［J］.中國農(nóng)業(yè)科學(xué)，2019，52（13）：2220-2229.

CHEN P F，LIANG F.Cotton nitrogen nutrition diagnosis based on spectrum and texture feature of images from low altitude unmanned aerial vehicle［J］.Scientia Agricultura Sinica，2019，52（13）：2220-2229.

［16］洪帥，張澤，張立福，等.滴灌棉花不同生育時期冠層葉片葉綠素含量的高光譜估測模型［J］.棉花學(xué)報(bào)，2019，31（2）：138-146.

HONG S，ZHANG Z，ZHANG L F，et al.Hyperspectral estimation model of chlorophyll content in cotton canopy leaves under drip irrigation at different growth stages［J］.Cotton Science，2019，31（2）：138-146.

［17］朱延凱，王振華，李文昊.不同鹽脅迫對滴灌棉花生理生長及產(chǎn)量的影響［J］.水土保持學(xué)報(bào)，2018，32（2）：298-305.

ZHU Y K，WANG Z H，LI W H.Effects of different salt stress on physiological growth and yield of cotton under drip irrigation［J］.Journal of Soil and Water Conservation，2018，32（2）：298-305.

［18］武永峰，胡新，呂國華，等.晚霜凍影響下冬小麥冠層紅邊參數(shù)比較［J］.光譜學(xué)與光譜分析，2014，34（8）：2190-2195.

WU Y F，HU X，LYU G H，et al.Comparison of red edge parameters of winter wheat canopy under late frost stress［J］.Spectroscopy and Spectral Analysis，2014，34（8）：2190-2195.

［19］LIU W D，XIANG Y Q， ZHENG L F，et al.Relationship between rice LAI， CH.D and hyperspectral data［C］.Multispectral and Hyperspectral Remote Sensing Instruments and Applications， International Society for Optics and Photonics，2003，4897：352-359.

［20］JACKSON R D，PINTER J P J.Spectral response of architecturally different wheat canopies［J］.Remote Sensing of Environment，1986，20（1）：43-56.

［21］BURKART A，AASEN H，ALONSO L，et al.Angular dependency of hyperspectral measurements over wheat characterized by a novel UAV based goniometer［J］.Remote Sensing，2015，7（1）：725-746.

（責(zé)任編輯：編輯郭蕓婕）

收稿日期：2022-05-02

基金項(xiàng)目：中央引導(dǎo)地方科技發(fā)展專項(xiàng)資金項(xiàng)目（201610011）

作者簡介：程俊濤（1998—），男，碩士研究生，專業(yè)方向?yàn)殡娮有畔ⅰ?/p>

*通信作者：趙慶展（1972—），男，教授，從事農(nóng)業(yè)信息化方向的研究，e-mail： zqz_inf@shzu.edu.cn。