- 1 -
中国科技论文在线
不同光谱预处理方法对甜菜各参量相关性
分析的影响#
李哲，田海清，王辉，徐琳**
基金项目：国家自然科学基金项目（41261084）；国家现代农业产业技术体系专项基金（CARS-210402）
作者简介：李哲（1989-），男，研究生，农牧业机械智能化研究
通信联系人：田海清（1973-），男，教授，农牧业机械智能化研究
（内蒙古农业大学 机电工程学院，呼和浩特 010018） 5
摘要：本文对甜菜冠层光谱数据进行卷积平滑、一阶导数、多元散射校正、标准正态变换等
预处理，比较分析不同预处理方法对后续光谱相关性分析的影响。在甜菜生物量与冠层光谱
相关性分析中，四种处理下光谱数据与甜菜生物量的相关性都达到显著水平，其中一阶导数
的效果最好，多元散射校正和标准正态变换次之；在甜菜氮素与光谱反射率相关性分析中，10
四种处理下，一阶导数处理后的光谱相关性最高，多元散射校正和标准正态变换次之；在甜
菜 SPAD值与光谱反射率相关性分析中，比较不同处理下相关性曲线，可以看出导数光谱的
波峰点和波谷点较多，相关性较高，多元散射校正和标准正态变换相关性最好，平滑预处理
光谱相关性最差。
关键词：甜菜；光谱；预处理；反射率；相关性 15
中图分类号：S126
Effect of different spectra pretreatment methods on sugar
beet each parameter correlation analysis
lizhe, Tian Haiqing, Wang Hui, Xu Lin 20
(College of mechanic and engineering, Inner Mongolia Agricultural University，Hohhot 010018)
Abstract: In this paper, sugar beet canopy spectral data smoothing convolution, the first
derivative,multiplicative scatter correction, standard normal pretreatment transform, effects of different
pretreatment methods on the follow-spectrum correlation analysis. Beet biomass and canopy spectral
correlation analysis, spectral data under four treatments and beet biomass correlation reached 25
significant levels, where the effect of the first derivative of the best, multiplicative scatter correction
and standard normal transform followed ; beet nitrogen and spectral reflectance correlation analysis,
the next four treatments, after a first derivative of the spectrum most relevant, multiplicative scatter
correction and standard normal transform followed; in beet SPAD value associated with the spectral
reflectance analysis, the correlation curve comparing different treatment, it can be seen the peak point 30
and the low point of the derivative spectra are more highly correlated, multiplicative scatter correction
and standard normal transform correlation between best and worst smooth spectrum.
Key words: sugar beet; spectrum; pretreatment; reflectance; correlatio
0 引言 35
光谱诊断是根据作物生长过程中对光的吸收、透射和反射的变化，通过分析光谱细微差
异，判断作物生长状况。它能克服常规化学分析的弊端，具有分析时间短、不需要化学药品、
操作简单、非破坏性、自动化程度高等优点[1-4]。通过高光谱遥感快速准确地获取作物生长
状态以及环境胁迫的各种信息，是精准农业中作物养分实时监测和快速诊断的研究热点。
高光谱遥感估算作物生物量，主要是通过光谱数据与生物量进行相关统计分析，一般分40
为两种方式：一种是通过光谱多个波段的不同组合方法构建不同形式的植被指数与生物量建
立估算模型；另一种是基于单个波段或某一波段范围，利用不同统计分析方法构建生物量估
- 2 -
中国科技论文在线
算模型。如 Prasad 等基于地面冠层的反射光谱数据，根据不同光谱参数，挑选出与作物生
物量相关性最好的三个波段范围（650~750nm，500~550nm 和 900~940nm）[5-7]。
研究不同氮素水平下作物的高光谱信息，可实时监测作物生长状况，合理指导田间施肥。45
Clevers 等通过建立冠层光谱原始反射率、一阶导数和多种光谱参数与水分含量的预测模型，
并用试验数据对模型进行验证，得出以 970nm 处一阶导数为基础的模型，可以准确预测冠
层水分含量[8-10]。
利用植物冠层反射高光谱数据，结合植物叶片 SPAD 值来估测植物叶绿素含量，已成为
作物生长过程中氮素诊断的一种重要手段。如 Jin 等用光谱数据结合生物量干重，建立叶片50
叶绿素含量（LTCC）预测模型，比逐步回归建立的模型预测精度高出很多[11-14]。
1 材料与方法
试验设计
试验小区:试验于 2014 年在内蒙古赤峰市松山区太平地镇甜菜规模种植区域，供试甜菜
品种为 KWS1676，甜菜幼苗在大棚内培育，于 5 月中下旬移栽至试验田内，收获时间在 955
月下旬至 10 月上旬。小区面积 40 m2，行距 50 cm，株距 25 cm，设 4 个重复，试验小区按
完全随机排列布置。试验采用单因素(N)设计，共设 7 个氮肥水平（N0，N1，N2，N3，N4，
N5，N6），施肥量依次为（0，15，，76，，163， kg• hm-2），田间管理按
常规方式进行。
冠层光谱测定 60
采用美国 ASD 公司（Analytical Spectral Devices）产 ASD Qualityspec 光谱仪
(350-1830nm)进行甜菜冠层光谱测定，其中，350-1000nm 采样间隔为 ，光谱分辨率为
3nm；1000-1830nm 光谱采样间隔为 2nm，光谱分辨率为 10nm；光谱采集选择在北京时间
10:00—14:00 之间晴朗无云无风时间进行，采集时探头垂直向下，距甜菜冠层 1m，探头视
场角为 25°,每个样点测量 4 次光谱，平均后作为采样点光谱，每小区光谱测定前进行标准65
参考白板校正。样点选择参照采样小区甜菜长势，选择能代表整个种植区域生长状况的样品。
生物量测定
针对测定光谱后的甜菜植株样品，把地上茎叶部分和地下块根分开，并分别进行鲜重的
测定，然后带回实验室在烘箱内 105 ℃杀青 30 分钟后在 70 ℃烘至衡重，称重粉碎后装袋
进行植株养分的测定。根据所采甜菜种植区域的株行距，计算甜菜地上生物量。 70
SPAD 值测定
对测定高光谱的甜菜冠层，在鲜重测定前用便携式叶绿素仪 SPAD-502 测定甜菜叶片的
SPAD 值，为保证数值的准确稳定，在该采样点甜菜植株叶片进行 10~20 次测定，取其平均
值作为该采样小区的 SPAD 值。
2 数据预处理方法 75
预处理通过对光谱进行不同形式的数学变换，可降低或消除光谱噪声影响，提高估算模
型的准确性与稳定性。本试验根据常用的预处理方法，挑选出平滑、导数、多元散射校正、
- 3 -
中国科技论文在线
标准正态变换等预处理方法对实验数据进行处理，这几种算法的原理如下所示[15]。
平滑
Savitzky-Golay 卷积平滑是对移动平均平滑的一种改进，在进行平滑时将测量值乘以平80
滑系数，减小平滑对有用信息的影响，并用最小二乘拟合，具体计算方法为：
w
wi
i
h
ik
x
Hk
x
smoothk
x
1
,
式中： i
h
为平滑系数；H 为归一化因子，
w
wi
i
hH 。
导数
导数 （Derivative）是光谱的常用预处理方法之一，可有效消除线性背景噪声和基线漂85
移的影响，并提高光谱分辨率和灵敏度。光谱的一阶导数和二阶导数是数据分析前常用的两
种预处理。常用的导数处理方法有直接差分法[16]。
直接差分法一阶导数计算公式为：
g
gk
x
k
x
stk
x
1,
标准正态变换 90
标准正态变换（standard normal variate transformation，SNV）是将原始光谱减去该条光
谱平均值后，再除以光谱标准偏差[17]。SNV 对每条光谱进行单独计算，主要用来消除样品
因固体颗粒大小、表面散射以及光程变化而引起的光谱误差，其计算公式为：
1
)(
1
2
,
,i
SNVi,
m
XX
XX
X
m
k
iki
ik
式中：
i
X ，第 i个样品光谱的平均值； mk 2,1 ，m为波长点数。 95
多元散射校正
在对获得的样品光谱进行 MSC 计算时，用平均光谱来代替“理想”光谱，通过每条光
谱与平均光谱进行最小二乘拟合，使其尽可能的与平均光谱成线性关系[18]。具体计算公式
为：
1）计算样品平均光谱（理想光谱）： 100
n
n
i
i
X
X
1
2）进行线性回归，并用最小二乘法求取回归系数
i
a 和回归常数
i
b ：
i
bX
i
a
i
X
3)对每一条光谱进行校正：
- 4 -
中国科技论文在线
i
a
i
b
i
X
MSCi
X
,
105
式中：
i
X ，样本光谱；n ，样本光谱的个数；X ，平均光谱；
i
a ，回归系数；
i
b ，
回归常数；
MSCi
X
,
，校正后光谱。
3 冠层光谱相关性分析
甜菜生物量与冠层光谱相关性分析
对甜菜冠层光谱数据进行卷积平滑、一阶导数、多元散射校正、标准正态变换等预处理，110
并与甜菜生物量进行相关分析，相关性图表如图 1 所示。对于平滑后的光谱反射率，在 687nm
处附近相关系数较大，而对于一阶导数光谱反射数据，在 544nm、674nm 和 734nm 处附近
相关系数较大。反射率经过多元散射校正和标准正态变换后，与生物量相关性基本相同，都
位于 698nm、889nm 和 1420nm 附近，但多元散射校正的相关性结果相比标准正态变换的相
关性有稍微提高。总体来说，四种处理下光谱数据与甜菜生物量的相关性都达到显著水平，115
其中一阶导数的效果最好，多元散射校正和标准正态变换次之。
0
360 660 960 1260 1560
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
R′
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
R
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
MSC
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
SNV
图 1 不同预处理下光谱与生物量相关性
Under different pretreatment spectral correlation with biomass
甜菜氮素与光谱反射率相关性分析 120
图 2 为甜菜冠层光谱与四种不同预处理（平滑、一阶导数、多元散射校正、标准正态
变换）的相关系数图，对于冠层原始光谱反射率，在 530nm 和 710nm 处附近相关系数较大，
一阶导数后的光谱反射率，在 508nm、676nm、790nm 和 1198nm 处相关系数较大，而多元
散射校正和标准正态变换后的光谱数据在 541nm 和 694nm 处相关系数较大。从图中可以看
出，四种处理下，一阶导数处理后的光谱相关性最高，且相关性曲线有较多的波峰和波谷，125
说明导数变换能更好的提取与氮素相关的光谱信息，多元散射校正和标准正态变换次之。总
体上，可见光区域的相关系数较高，说明氮素响应化学键的光谱特征集中在可见光区域。
- 5 -
中国科技论文在线
0
360 660 960 1260 1560
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
R′
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
R
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
MSC
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
SNV
图 2 甜菜冠层光谱与氮含量相关性分析
Canopy spectral correlation analysis and nitrogen content of sugar beet 130
甜菜 SPAD 值与光谱反射率相关性分析
图 3 为四种预处理(平滑、一阶导数、多元散射校正、标准正态变换)后冠层光谱与叶片
SPAD 值相关曲线。从图中可以看出，平滑后光谱在 530nm 和 710nm 处附近相关系数较高，
一阶导数后光谱在 475nm、637nm 和 678nm 处附近相关系数较高，而多元散射校正和标准
正态变换后的光谱 542nm 和 708nm 处附近相关系数较高。比较不同处理下相关性曲线，可135
以看出导数光谱的波峰点和波谷点较多，相关性也较高，多元散射校正和标准正态变换相关
性最好，平滑光谱最差。
0
360 660 960 1260 1560
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
R′
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
R
-1
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
MSC
-1
0
350 650 950 1250 1550
C
o
rr
el
at
io
n
c
o
ef
fi
ci
en
t
Wavelength(nm)
SNV
图 3 不同处理下 SPAD 值与光谱相关分析
The correlation of spectral and SPAD at different treatment 140
- 6 -
中国科技论文在线
4 结论
在甜菜生物量与冠层光谱相关性分析中，四种处理下光谱数据与甜菜生物量的相关性都
达到显著水平，其中一阶导数的效果最好，多元散射校正和标准正态变换次之。在甜菜氮素
与光谱反射率相关性分析中，四种处理下，一阶导数处理后的光谱相关性最高，且相关性曲145
线有较多的波峰和波谷，说明导数变换能更好的提取与氮素相关的光谱信息，多元散射校正
和标准正态变换次之。在甜菜 SPAD 值与光谱反射率相关性分析中，比较不同处理下相关性
曲线，可以看出导数光谱的波峰点和波谷点较多，相关性也较高，多元散射校正和标准正态
变换相关性最好，平滑光谱最差。
[参考文献] (References)150
[1] 浦瑞良,宫 鹏. 高光谱遥感及其应用[Ｍ]. 北京:高等教育出版社,2000.
[2] 杜鑫，蒙继华，吴炳方. 作物生物量遥感估算研究进展[J]. 光谱学与光谱分析,2011,30(11):3098-3102.
[3] 王仁红，宋晓宇，李振海，等 . 基于高光谱的冬小麦氮素营养指数估测 [J]. 农业工程学
报,2014,30(19):191-198.
[4] Thenkabail P S，Smith R B，Pauw E D. Hyperspectral vegetation indices and their relationships with 155
agricultural crop charateristics[J]. Remote Sensing of Environment,2000,71(2):158-182
[5] 宋开山，张柏，李方，等. 高光谱反射率与大豆叶面积及地上鲜生物量的相关分析[J]. 农业工程学报，
2005,21(1)：36-40.
[6] Zhao C J, Wang Z J, Wang J H, et al. Early detection of canopy nitrogen deficiency in winter wheat
(Triticum aestivum L.) based on hyperspectral measurement of canopy chlorophyll status. New Zealand Journal of 160
Crop and Horticultural Science，2011， 39(4)：251-262.
[7] 陈鹏飞, Nicolas Tremblay, 王纪华, 等. 估测作物冠层生物量的新植被指数的研究[J].光谱学与光谱分
析，2010,30(2)：512-517.
[8] 黄春燕，王登伟，曹连莆，等. 棉花地上鲜生物量的高光谱估算模型研究[J]. 农业工程学报，2007，
23(3)：131-135. 165
[9] Ferrio J P, Villegas D, Zarco J, et al. Assessment of durum wheat yield using visible and near-infrared
reflectance spectra of canopies[J]. Field Crops Research, 2005, 94: 126-148.
[10] Schepers J S, Blackmer T M, Wilhelm W W, et al. Transmittance and reflectance measurements of corn
leaves from plants with different nitrogen and water supply[J]. Journal of Plant Physiology，1996，148(5)：523-529.
[11] 唐延林，王人潮，黄敬峰，孔维姝，程乾.不同供氮水平下水稻高光谱及其红边特征研究.遥感学报，170
2004,2:185-192.
[12] 谭昌伟，周清波，齐腊，庄恒扬。水稻氮素营养高光谱遥感诊断模型。应用生态学报，2008,4：1261-1268.
[13] 胡昊。基于可见光—近红外光谱的冬小麦氮素营养诊断与生长监测。中国农业科学院论文，2009.
[14] 孙红，李民赞，赵勇，等.冬小麦生长期光谱变化特征与叶绿素含量监测研究[J].光谱学与光谱分析，
2010,30(1):192-196. 175
[15] 宋文冲，胡春胜，程一松，等.作物氮素遥感研究进展[J].土壤通报，2006,37(2):369-372.
[16] 赵士诚，何萍，仇少军，等.相对 SPAD 值用于不同品种夏玉米氮肥管理的研究[J].植物营养与肥料学
报，2011,17(5):1091-1098.
- 7 -
中国科技论文在线
[17] 贾良良，陈新平，张福锁.叶绿素仪与植株硝酸盐浓度测试对冬小麦氮营养诊断准确性的比较研究[J].
华北农学报，2007,22(6):157-160. 180
[18] Jin X L,Wang K R,Xiao C H,et oftwo methods for estimation of leaf total chlorophyll content
using remote sensing in wheat[J].Field Crop Research,2012,135:24-29.
