通过光谱建模和现场光谱仪数据，为主要农作物开发了一个光谱库（CROPSPECPK）

《BMC Plant Biology》：Development of a spectral library (CROPSPECPK) for major crops through spectroscopy modeling and in-situ spectrometer data

本研究针对巴基斯坦混合种植区开发作物光谱库CROPSPECPK，通过地面光谱测量（2022年冬春季和夏秋季）结合改进B-spline降噪与K-means变换，揭示可见光、红边及近红外波段作物光谱特征差异，并验证其在Landsat-8、PlanetScope和Sentinel-2等卫星数据中的适用性，RMSE分别为0.266、0.296和0.272。

　　

摘要

在中小规模混合作物种植区域，利用卫星遥感技术识别、区分不同类型的作物具有挑战性。因此，在混合种植区，了解不同作物在不同生长阶段的光谱特性、土壤条件及其他环境因素至关重要。这种代表不同作物类型及其在不同生长阶段和季节的光谱信息可以通过野外光谱测量获得。本研究针对巴基斯坦地区特定作物的光谱参考数据缺失的问题，建立了一个全面的作物光谱库（CROPSPECPK）。2022年冬季-春季（Rabi季）和夏季-秋季（Kharif季），研究人员使用GPS和便携式光谱仪（光谱范围为300至1100纳米）收集了221个采样点的不同作物的典型高光谱特征。为了减少光谱曲线中的噪声，采用了改进的B样条平滑技术和K均值变换方法对仪器进行了校准。最终，在明确的大气和季节条件下，建立了每种作物的光谱特征。在可见光（450–523纳米、530–590纳米和650–680纳米）、红边（698–793纳米）以及近红外（785–900纳米）区域发现了独特的反射特征，并且这些特征在不同作物类型和年份间存在显著差异。利用Landsat-8、PlanetScope和Sentinel-2卫星的数据，通过8种植被指数对实地测量的作物反射光谱进行了对比，其均方根误差（RMSE）分别为0.266、0.296和0.272。这项研究独特地侧重于基于地面的光谱测量方法，相较于依赖机载或卫星图像的传统光谱库具有明显优势，因为后者常受大气干扰的影响，且光谱和空间分辨率较低。