基于高光谱的植被红边指数：解锁作物健康的“光谱密码”

在农业遥感领域，高光谱技术通过捕捉作物反射的精细光谱信息，揭示植被的健康状态。红边（Red Edge，680-750 nm）是植被光谱从红光低反射到近红外高反射的快速过渡区域，对叶绿素含量、胁迫状态和生长阶段极为敏感。本文将深入介绍六种基于高光谱数据光谱曲线的红边指数（REP、NDVIre、RedEdgeSlope、RedEdgeArea、mSRre、RedEdgeCurvature），包括它们的计算方法、应用场景，并与传统植被指数（如NDVI、SAVI）对比，揭示高光谱指数的独特优势。  

  一、 红边指数的计算方法与应用  

 红边指数利用高光谱卫星的精细光谱数据，挖掘红边区域的微妙变化。以下是六种红边指数的详细介绍：

1. REP（红边位置，Red Edge Position）  

  计算方法：  

REP是红边区域（680-750 nm）光谱一阶导数（斜率）的最大值对应的波长，反映光谱拐点位置。  

  步骤：  

  1）    计算光谱反射率 的一阶导数。  

  2）    在红边区域找到最大导数对应的波长。  

  3）    使用线性插值细化波长精度。  

  应用场景：  

  作物健康监测：REP通常在710-720 nm（健康植被），若向短波长移动（<700 nm），可能表明干旱或营养缺乏导致的叶绿素减少。  

物种分类：不同作物（如小麦、玉米）的REP位置不同，可用于区分作物类型。  

产量预测：REP与光合效率相关，可间接估算作物产量。  

示例：在一片小麦田中，REP从715 nm移到700 nm，可能提示干旱胁迫，需增加灌溉。  

2. NDVIre（红边归一化植被指数）

 计算方法：

 使用705 nm（红边起点）和750 nm（近红外）的反射率，计算归一化指数：NDVIre = (R750 - R705) / (R750 + R705)

 应用场景：

植被覆盖评估：NDVIre值高（接近1）表示植被茂密，值低（<0.3）可能表明稀疏或胁迫。

早期胁迫检测：对水分或营养胁迫敏感，适合早期预警。

示例：NDVIre从0.8降到0.4，可能表明氮肥不足，需施肥。

3. RedEdgeSlope（红边斜率）

计算方法：

计算红边区域（680-750 nm）光谱一阶导数的最大值，表示光谱从红光到近红外的过渡速度。

 应用场景：

 胁迫诊断：斜率降低表明叶绿素减少或叶片结构受损（如病虫害）。

 生长阶段监测：斜率随作物生长阶段变化，适合分期管理（如苗期、开花期）。

 示例：红边斜率在小麦开花期显著下降，可能提示病害，需病虫害防治。

4. RedEdgeArea（红边面积）

 计算方法：

 计算红边区域（680-750 nm）光谱反射率的积分面积，可使用梯形积分法等实现。

 应用场景：

 生物量估算：面积与植被覆盖度和生物量正相关。

 胁迫监测：面积减少可能反映干旱或病害。

 生态研究：评估植被光合能力和碳固定潜力。

 示例：红边面积降低的区域可能为干旱影响的农田，需优先灌溉。

5. mSRre（改进红边简易比率）

 计算方法：

 结合445 nm（蓝光）、705 nm（红边）和750 nm（近红外）：mSRre =(R750 - R445) / (R705 - R445)

 应用场景：

 叶绿素估算：对叶绿素吸收敏感，适合监测营养状态。

 胁迫检测：mSRre下降可能表明氮缺乏或病害。

 作物分类：不同作物的mSRre值差异明显。

6. RedEdgeCurvature（红边曲率）

 计算方法：

 计算红边区域二阶导数的平均绝对值，二阶导数反映光谱曲线的形状变化。

 应用场景：

 早期胁迫检测：曲率对微妙生理变化（如早期病害）敏感。

 植被健康评估：与叶绿素和叶片结构相关。

 动态监测：跟踪作物生长季的变化。

 示例：曲率异常波动可能提示早期真菌感染，需地面检查。

  二、 与传统植被指数的对比  

传统植被指数（如NDVI、SAVI）广泛应用于多光谱遥感，但基于高光谱数据光谱曲线的红边指数具有显著优势。宽波段多光谱数据计算得到的植被指数大多忽略了红边区域的精细变化，而利用高光谱数据的窄波段能够精确捕捉红边区域的光谱特征。例如，REP通过一阶导数定位拐点，NDVIre使用705 nm和750 nm的窄波段，灵敏度更高。对叶绿素含量和早期胁迫（如干旱、病害）的微妙变化更敏感。

同时基于光谱曲线的红边指数也具有更强的胁迫检测能力，NDVI等指数在植被茂密时容易饱和，对早期胁迫不敏感；SAVI虽改善了土壤影响，但仍依赖宽波段。而NDVIre和mSRre直接使用红边波段，对叶绿素变化敏感；REP和RedEdgeCurvature能检测光谱形状变化，适合早期胁迫预警，能更早发现干旱或营养缺乏（如REP向短波移动），为农业管理争取时间。通过组合各类型植被指数，能够更全面评估作物状态，提高胁迫分类精度。

 以下是使用XIGUNAG-002高光谱卫星计算的植被红边指数。    数据获取时间为2025年4月5日，区域为山西省运城市。该卫星幅宽80km，波长范围430-850nm，波段数量150，具有40米地面分辨率。  

  红边面积（2025年4月5日，山西省运城市）  

 红边归一化植被指数（2025年4月5日，山西省运城市）

 改进红边简易比率（2025年4月5日，山西省运城市）

 高光谱红边指数通过挖掘红边范围内的精细光谱信息，为作物健康监测提供了强大工具。相比传统植被指数，红边指数具有更高的光谱分辨率、更强的胁迫检测能力和更丰富的生理信息，适合精准农业中的早期胁迫预警和精细管理，未来，随着高光谱卫星的普及，红边指数将在智慧农业中大放异彩，为农民提供更精准的决策支持。