-
0 引言
江汉平原地处亚热带或热带季风气候区，雨量丰沛，在冬小麦的关键生育期，经常发生因多次或连续降雨造成的地表积水或地下水持续高水位，往往因地表积水过深或地下水位过高而导致对作物的涝渍胁迫。近年来江汉平原小麦种植面积约40万hm2，占湖北省小麦种植面积的34%左右，在小麦生育中后期因过多降雨造成的涝渍害是该区小麦高产稳产的主要限制因子［1］。Celedonio［2］、Wu［3］和吴元奇［4］的研究结果表明涝渍导致小麦减产幅度不仅取决于涝渍灾害发生的程度，还取决于灾害发生的时期。吴启侠［5,6］开展了冬小麦涝渍的胁迫实验，研究了冬小麦对涝渍的响应及排水指标的确定，获得了江汉平原冬小麦关键生育期适宜的地下水位埋深。邵光成［7］研究了涝渍持续抑制天数下冬小麦的排水指标。但由于涝害对于农作物来说是一种慢性自然灾害，传统的鉴别方法无法满足现实需求，因此提出一种能快速识别冬小麦受涝的方法至关重要。
近年来，遥感技术凭借快速、动态监测农作物长势的特点得到广泛应用［8,9］，在小麦的生物量反演［10,11,12,13］、病虫害监测［14,15］、低温胁迫［16,17］和养分监测方面［18］等方面，国内外学者已经取得较大进步。目前在高光谱特征参数的研究方面主要以红边参数为主，贺可勋［19］的研究结果表明，水分胁迫下的小麦红边幅度在不同的生长期表现出不同的变化特征。武永峰［20］通过4种不同的方法提取并比较了晚霜冻影响下冬小麦冠层红边参数。熊勤学［21］等提取了受渍冬小麦的光谱反射特征，并根据不同小麦品种受渍时与受渍后NDWI指数随时间的变化特点，发现其变化特征与小麦品种的抗性有关。当前研究以红边参数为主要分析指标，缺乏与其他高光谱特征参数的对比分析。因此文章根据研究目的，以四大类高光谱特征参数为研究指标，对比分析对照区和涝害区冬小麦的18个高光谱特征参数的差异，以此来识别冬小麦受涝与否，并根据高光谱特征参数的大小来判断冬小麦的受涝程度，研究结果可为冬小麦涝害监测提供理论支撑。
-
1 数据来源及方法
-
1.1 数据来源
试验区位于湖北省长江大学农学院实验基地（30°21′03″N,112°8′24″E）进行，试验区长48m，宽30m。该地区地处江汉平原，属于长江中游和亚热带季风湿润气候区，水热同期且与农业生产季节一致，适宜多种农作物生长发育。试验设置了3次重复、两个处理（涝害与对照）共6个小区。
试验冬小麦涝害处理时间为8d，正值冬小麦灌浆期。处理方式为持续给小区灌水，确保涝害处理小区厢沟满水，保持地下水位埋深在0.05m左右，以达到人工模拟受涝的条件。实验中获取冬小麦叶片光谱数据使用FieldSpec4 Wide-Res Field Spectrum radiometer便携式地物光谱仪，其光谱观测范围为350~2 500nm，光谱分辨率为3nm@700nm、10nm@1 400~2 500nm。冬小麦叶片模式主要观测其旗叶，采用挂牌方式观测，如果出现新的旗叶则观测新的旗叶，所有光谱数据的测量均选择天气晴朗、无风的条件下进行，时间范围为10:00~14:00，每个小区观测5个点，每个点观测3条光谱曲线。
光谱数据的处理运用ViewSpecPro软件，打开每个小区每次观测所获取的15条光谱曲线，剔除差异较大的曲线，运用Statistic功能对剔除后所保留下来曲线进均值处理，作为该处理小区的代表性光谱曲线。
-
1.2 数据处理方法
-
1.2.1 一阶微分处理
一阶导数光谱曲线虽不能产生多于原始光谱的数据信息，但可以抑制或去除无关信息，突出感兴趣信息［22］。本文光谱数据的微分采用差分计算（即一阶导数光谱），计算公式如下：
式（1）中：R′为反射率光谱的一阶导数光谱，R为反射率，λ为波长，i为光谱通带。
-
1.2.2 高光谱特征参数设定
该文把定量描述植被光谱特征的高光谱特征参数分为4类：位置参数、振幅参数、面积参数和反射率参数。
（1）位置参数。红边位置：红边范围内（680~760nm）最大一阶微分值所对应的波长；红谷位置：波长（650~690nm）范围内最小波段反射率值对应的波长；黄边位置：黄边范围内（560~590nm）最大一阶微分值所对应的波长；蓝边位置：蓝边范围内（490~530nm）最大一阶微分值所对应的波长；绿峰位置：波长（510~560nm）范围内最大波段反射率值对应的波长。
（2）振幅参数。红边振幅：红边范围内（680~760nm）最大一阶微分值；黄边振幅：黄边范围内（560~590nm）最大一阶微分值；蓝边振幅：蓝边范围内（490~530nm）最大一阶微分值；最小振幅：波长（680~750nm）范围内最小一阶微分值。
（3）面积参数。红边面积—红边范围内（680~760nm）一阶微分值的总和；黄边面积—黄边范围内（560~590nm）一阶微分值的总和；蓝边面积—蓝边范围内（490~530nm）一阶微分值的总和；绿峰面积—波长（510~560nm）范围内一阶微分值的总和；近红外面积—近红外（780~890nm）范围内一阶微分值的总和。
（4）反射率参数。绿峰反射率（Rg）—绿光波长（510~560nm）范围内最大的波段反射率；红谷反射率（Ro）—波长（650~690nm）范围内最小的波段反射率；Rg/Ro—绿峰反射率（Rg）与红谷反射率（Ro）的比值；（Rg-Ro）/（Rg+Ro）—绿峰反射率（Rg）与红谷反射率（Ro）的归一化值。
-
1.2.3 差异性指数
该文通过高光谱特征参数的差异性指数来判断冬小麦的受涝程度，为使健康和受涝小麦的高光谱特征参数之间的差异最大化，不同类型的高光谱特征参数的差异性指数采用不同的计算方法。高光谱位置参数的差异性指数（difference index）的计算公式为：
该研究只对健康和受涝冬小麦的高光谱位置参数进行数值比较，因此差异性指数（DI）默认为无纲量值，不考虑其单位纳米（nm）。
高光谱振幅参数、面积参数和反射率参数差异性指数（difference index）的计算公式为：
式（2）、（3）中，DI表示不同高光谱参数的差异性指数，Vck表示健康冬小麦的高光谱特征参数值，Vwl表示受涝冬小麦的高光谱特征参数值。
-
2 结果与分析
-
2.1 受涝对冬小麦高光谱位置参数的影响
由表1可知，冬小麦受涝当天，对照区和受涝区4个位置参数均相同，差异性指数为0%，表明在受涝当天高光谱位置参数没有发生变化。受涝第3d，受涝区冬小麦的红边位置发生明显“蓝移”，红谷位置发生“红移”；受涝第5d，受涝冬小麦的红边位置“蓝移”程度和红谷位置的“红移”程度进一步增强；受涝第7d，受涝冬小麦的红边位置的“蓝移”程度有所减小，红谷位置的“红移”程度保持不变。从第5d开始，受涝冬小麦的绿峰位置发生“红移”，第7d，黄边位置发生“红移”，但两者的移动幅度均很小，蓝边位置没有明显的规律。
表1 持续受涝对冬小麦高光谱位置参数的影响
Table 1 Effect of continuous waterlogging on hyperspectral position parameters of winter wheat
第1d 第3d 第5d 第7d 对照区
（nm）
受涝区
（nm）
DI
（%）
对照区
（nm）
受涝区
（nm）
DI
（%）
对照区
（nm）
受涝区
（nm）
DI
（%）
对照区
（nm）
受涝区
（nm）
DI
（%）
红边位置 704 704 0 716 704 12 719 704 15 719 715 4 红谷位置 669 669 0 664 667 3 667 672 5 664 669 5 绿峰位置 551 551 0 551 551 0 551 552 1 551 552 1 黄边位置 569 569 0 570 570 0 571 571 0 569 571 2 蓝边位置 522 522 0 523 523 0 524 522 2 523 523 0 总和 0 15 23 12 
以高光谱宽度参数的差异性指数来判断冬小麦的受涝程度，可以得出：随着受涝时间的延长，冬小麦的受涝程度明显增加，第5d的受涝程度最严重。其中红边位置的变化特征最明显，可作为判断冬小麦受涝与否的最佳高光谱位置参数。
-
2.2 受涝对冬小麦高光谱振幅参数的影响
由表2可知，对原始光谱曲线进行一阶微分处理后，可以突出感兴趣的信息。在涝害处理当天，对照区和受涝区冬小麦的位置参数和宽度参数没有表现出差异，而4个高光谱振幅参数均存在差异：受涝冬小麦的4个高光谱振幅参数值均小于健康冬小麦，其中最小振幅的差异性指数最大。受涝第3d，4个高光谱振幅参数的差异性指数与第1d相比均有所减小，这可能与冬小麦的抗涝特性有关，在受涝前期会表现出一定的抗涝害能力。受涝第5d，受涝冬小麦的4个高光谱振幅参数的减小幅度迅速增大，最小振幅参数的减幅达到最大。在第7d，最小振幅参数的减幅变小，其余3个高光谱振幅参数的减幅均持续增大。
表2 持续受涝对冬小麦高光谱振幅参数的影响
Table 2 Effect of continuous waterlogging on hyperspectral amplitude parameters of winter wheat
第1d 第3d 第5d 第7d 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 红边振幅 0.008 84 0.008 18 3.88 0.008 64 0.008 27 2.19 0.009 05 0.007 76 7.67 0.008 88 0.007 49 8.49 最小振幅 0.000 518 0.000 442 7.92 0.000 725 0.000 649 5.53 0.000 72 0.000 274 44.98 0.000 78 0.000 35 38.01 黄边振幅 0.001 97 0.001 81 4.23 0.001 71 0.001 6 3.32 0.001 77 0.001 6 5.04 0.001 57 0.001 37 6.8 蓝边振幅 0.002 82 0.002 59 4.25 0.002 57 0.002 53 0.78 0.002 51 0.002 33 3.72 0.002 32 0.002 11 4.74 总和 20.28 11.82 61.41 58.04
以高光谱宽度参数的差异性指数作为评价指标判断冬小麦的受涝程度，可以得出：随着受涝时间的延长，冬小麦的受涝程度明显增加，第5d的受涝程度最严重。其中最小振幅的减小幅度最大，可作为判断冬小麦受涝与否的最佳高光谱振幅参数。
-
2.3 受涝对冬小麦高光谱面积参数的影响
从表3可知，在涝害处理当天，受涝冬小麦的高光谱面积参数表现出明显规律：近红外面积和绿峰面积增大，红边面积、黄边面积、蓝边面积则减小，这进一步说明原始光谱经一阶微分处理后得到的导数光谱信息，能够更加快速准确的判断冬小麦的受涝情况。在受涝第3d，高光谱面积参数的变化特征与高光谱振幅参数相同，相比受涝第1天，对照区和涝害区高光谱面积参数的差异性均有所减小，同样可能与冬小麦的抗涝特性有关，原始光谱经一阶微分处理后能体现出冬小麦的抗涝特性。从第5d开始，4个高光谱面积参数的变化幅度均持续增大。
表3 持续受涝对冬小麦高光谱面积参数的影响
Table 3 Effect of continuous waterlogging on the hyperspectral area parameters of winter wheat
第1d 第3d 第5d 第7d 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 红边面积 0.406 0.37 4.6 0.392 0.367 3.07 0.415 0.357 7.43 0.402 0.342 8.21 近红外面积 0.004 14 0.005 58 14.78 0.003 51 0.004 76 14.28 0.005 13 0.006 83 15.22 0.004 43 0.006 69 20.29 黄边面积 0.042 2 0.038 3.05 0.037 1 0.035 3 2.49 0.038 1 0.033 4 6.44 0.034 3 0.029 7 7.19 蓝边面积 0.055 3 0.052 6 2.5 0.052 6 0.052 8 0.19 0.051 2 0.047 6 3.55 0.046 3 0.043 3 3.46 绿峰面积 0.055 9 0.055 9 0 0.049 7 0.050 7 0.9 0.050 1 0.051 3 1.28 0.044 1 0.044 9 0.9 总和 24.93 20.93 33.92 40.05
以高光谱面积参数的差异性指数作为评价指标判断冬小麦的受涝程度，可以得出：由于冬小麦本身具备的抗涝害能力，在涝害处理第3d，对照区和涝害区的高光谱面积参数的差异性指数要小于涝害处理当天的，其后随着受涝时间的延长，各参数之间的差异性指数持续变大，即冬小麦的受涝程度日益严重。近红外面积参数的差异性指数均最大，其可作为判断冬小麦受涝与否的最佳高光谱面积参数。
-
2.4 受涝对冬小麦高光谱反射率参数的影响
从表4可知，在涝害处理当天，冬小麦的高光谱反射率参数也表现出明显的变化特征：绿峰反射率Rg和红谷反射率Ro增大，而两者的比值Rg/Ro和归一化值（Rg-Ro）/（Rg+Ro）则减小。同时随着受涝时间的延长，绿峰反射率Rg和红谷反射率Ro的增幅和两者的比值Rg/Ro和归一化值（Rg-Ro）/（Rg+Ro）的减幅表现出先增大后减小的规律。在受涝第3d，4个参数的差异性指数均达到最大，随后又减小。
表4 持续受涝对冬小麦高光谱反射率参数的影响
Table 4 Effect of continuous waterlogging on hyperspectral reflectance parameters of winter wheat
第1d 第3d 第5d 第7d 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） 对照区 受涝区 DI（%） Rg 0.132 0.133 7 0.76 0.108 0.122 6.09 0.116 0.123 2.93 0.104 0.107 1.42 Ro 0.048 4 0.057 7 8.77 0.039 5 0.053 8 15.33 0.044 5 0.053 1 8.81 0.039 4 0.046 7.73 Rg/Ro 2.733 2.305 8.5 2.734 2.268 9.32 2.607 2.316 5.91 2.64 2.33 6.24 （Rg-Ro）/
（Rg+Ro）
0.463 0.395 7.93 0.464 0.388 8.92 0.445 0.397 5.7 0.45 0.399 6.01 总和 25.96 39.66 23.35 21.4
以高光谱反射率参数的差异性指数为评价指标判断冬小麦的受涝程度，可以得出：在受涝第3d，4个高光谱反射率参数的差异性指数总和最大，冬小麦的受涝程度最严重。其中红谷反射率Ro的差异性指数均最大，其可作为判断冬小麦受涝与否的最佳高光谱反射率参数。
-
2.5 受涝对冬小麦高光谱特征参数的影响
从表5可知，在涝害处理当天，健康和受涝冬小麦的高光谱位置参数没有差异，而高光谱反射率参数、面积参数、振幅参数均出现较大差异。在受涝前期，高光谱反射率参数和面积参数的差异性指数都明显大于其他高光谱特征参数，故在冬小麦受涝前期，可用高光谱反射率参数和高光谱面积参数来快速识别冬小麦受涝与否。从涝害处理第5d开始，高光谱振幅参数和面积参数的差异性指数迅速增大，且明显大于其他两个高光谱特征参数的差异性指数，故在冬小麦受涝后期，可用高光谱振幅参数和面积参数判断冬小麦的受涝程度。
表5 持续受涝对冬小麦高光谱特征参数的影响
Table 5 Effect of continuous waterlogging on hyperspectral characteristic parameters of winter wheat %
差异性指数 第1d 第3d 第5d 第7d 总和 高光谱位置参数 0 15 23 12 50 高光谱振幅参数 20.28 11.82 61.41 58.04 151.55 高光谱面积参数 24.93 20.93 33.92 40.05 119.83 高光谱反射率参数 25.96 39.66 23.35 21.4 110.37 总和 71.17 102.41 165.68 144.49
根据高光谱特征参数的差异性指数的变化趋势可以得出：随着受涝时间的延长，冬小麦的受涝程度也相应增加，在受涝第5d的差异性指数总和最大，即在第5d受涝最严重。利用不同高光谱特征参数来识别冬小麦受涝与否的能力也存在差异，不同高光谱特征参数来识别冬小麦受涝与否的优劣能力从强到弱依次为：高光谱振幅参数>高光谱面积参数>高光谱反射率参数>高光谱位置参数。此结果进一步表明经一阶导数处理后的高光谱特征参数能够突出原始光谱的感兴趣信息，微分处理后所得到的高光谱特征参数识别冬小麦的受涝能力明显优于由原始光谱所得到的高光谱特征参数。
-
3 结论
该文通过提取出受涝冬小麦的反射光谱特征，以高光谱位置参数、振幅参数、面积参数和反射率参数为分析指标，对比了健康和受涝冬小麦的18个高光谱特征参数，结果如下。
（1）受涝冬小麦的红边位置发生“蓝移”，红谷、绿峰和黄边位置发生“红移”；4个振幅参数值均减小；近红外面积和绿峰面积增大，红边、黄边和蓝边面积减小；绿峰反射率Rg和红谷反射率Ro增大，两者的比值Rg/Ro和归一化值（Rg-Ro）/（Rg+Ro）则减小，但各个参数的变化幅度存在差异，同时蓝边位置和蓝边宽度两个高光谱特征参数没有明显规律可循。
（2）根据高光谱特征参数差异性指数的大小及随受涝时间的变化特征，提取出4个判断冬小麦受涝与否的最佳参数，且高光谱反射率参数和面积参数可在受涝当天快速识别冬小麦受涝，高光谱振幅参数则能够判断受涝程度。
（3）不同高光谱特征参数识别冬小麦受涝的优劣能力从强到弱依次为：高光谱振幅参数>高光谱面积参数>高光谱反射率参数>高光谱位置参数。
-
4 讨论
该文凭借高光谱遥感技术能够动态、快速准确监测农作物生长状态的优势，在采集健康和涝害冬小麦灌浆期叶片光谱反射率的基础上，进一步对其进行一阶微分处理，以四大类高光谱特征参数为研究指标，分析对比了健康冬小麦和受涝冬小麦18个高光谱特征参数之间的差异，并以高光谱特征参数的差异性指数量化冬小麦的受涝程度，但利用不同高光谱特征参数判断冬小麦受涝程度的结果存在差异，可能的原因为不同类型的高光谱特征参数对受涝程度的敏感度不同，需进一步研究讨论。该文为了统一量化冬小麦的受涝程度，将受涝时间相同的四大类高光谱特征参数的差异性指数总和作为最终判断受涝程度的标准，结果表明在涝害处理第5d，冬小麦的受涝程度最严重。
由冬小麦原始光谱得到的高光谱位置参数和反射率参数的差异性指数随着受涝时间的延长表现出先增大后减小的变化特征，而原始光谱经一阶微分处理后得到的高光谱振幅参数和面积参数的差异性指数则表现出先减小后增大的变化特征，且在涝害处理的第 3d的差异性指数小于涝害处理当天的，可能的原因是原始光谱经一阶微分处理后得到的高光谱振幅参数和面积参数能够突出冬小麦的抗涝特性，使冬小麦在受涝前期表现出一定的抗涝能力，进一步说明一阶导数光谱曲线虽不能产生多于原始光谱的数据信息，但可以抑制或去除无关信息，突出感兴趣信息。
该文仅在冬小麦灌浆期人工模拟涝害条件，缺乏其他关键生育时期下健康和受涝冬小麦18个高光谱特征参数对比分析，且选用的18个特征参数中17个高光谱特征参数随着受涝时间的延长表现出明显且一致的规律，而蓝边位置没有规律可循，其原因需进一步探索。
-
参考文献
-
1
王小燕，高春保，卢碧林，等.江汉平原小麦开花前降水分布特点及同期渍害的产量效应. 长江流域资源与环境 ，2013，22（12）：1642~1647.
-
2
Celedonio R P D S，Abeledo LG，Mirailes D J.Identifying the critical period for water logging on yield and its components in wheat and badey. Plant and Soil ，2014，378（1/2）：265~277.
-
3
Wu Xiaoli，Tang Yonglu，Li Chaosu，et a1.Chlorophyll fluorescence and yield responses of winter wheat to waterlogging at different growth stages. Plant Production Science ，2015，18（3）：284~294.
-
4
吴元奇，李朝苏，樊高琼，等.渍水对四川小麦生理性状及产量的影响 . 应用生态学报，2015，26（4）：1162~1170.
-
5
吴启侠，朱建强，程伦国，等.基于地下水埋深的江汉平原冬小麦防涝渍排水指标确定. 农业工程学报 ，2017，33（3）：121~127.
-
6
吴启侠，朱建强，杨威，等.小麦对渍涝的响应及排水指标确定. 农业工程学报 ，2014，30（16）：91~98.
-
7
邵光成，俞双恩，刘娜，等.以涝渍连续抑制天数为冬小麦排水指标的试验. 农业工程学报 ，2010，26（8）：56~60.
-
8
刘影，姚艳敏，司海青.不同含水量土壤高光谱二向性反射特征研究. 中国农业资源与区划 ，2017，38（1）：51~58.
-
9
刘克宝，刘述彬，陆忠军，等.利用高空间分辨率遥感数据的农作物种植结构提取. 中国农业资源与区划 ，2014，35（1）：21~26.
-
10
崔日鲜，刘亚东，付金东，等.基于机器学习和可见光光谱的冬小麦叶片氮积累量估算. 光谱学与光谱分析 ，2016，36（6）：1837~1842.
-
11
李粉玲，常庆瑞，等.基于连续统去除法的冬小麦叶片全氮含量估算. 农业机械学报，2017，48（7）：174~179 .
-
12
刘轲，周清波，唐华俊，等.物理模型光谱模拟误差对冬小麦叶面积指数高光谱反演的影响. 中国农业资源与区划 ，2016，37（10）：18~25.
-
13
夏天，吴文斌，周清波，等.不同地域冬小麦叶片SPAD高光谱估算研究. 中国农业资源与区划 ，2014，35（4）：49~57.
-
14
袁琳，包志炎，张海波，等.基于连续小波分析的小麦病虫害光谱区分研究. 地理与地理信息科学 ，2017，33（1）：28~34.
-
15
鲁军景，黄文江，张竞成，等.基于小波特征的小麦白粉病与条锈病的定量识别. 光谱学与光谱分析 ，2016，36（6）：1854~1858.
-
16
段运生，张东彦，黄林生，等.冻害胁迫小麦的图谱特征解析研究 . 红外与激光工程，2015，44（7）：2218~2223.
-
17
孟雷，武永峰，胡新，等.土壤表层湿度影响下冬小麦晚霜冻害及冠层光谱检测. 光谱学与光谱分析 ，2017，35（5）：1482~1488.
-
18
肖春华，吕银亮，刁万英，等.基于冠层光谱角算法的小麦氮素营养监测. 干旱地区农业研究 ，2015，33（4）：94~97.
-
19
贺可勋，赵书河，来建斌，等.水分胁迫对小麦光谱红边参数和产量变化的影响. 光谱学与光谱分析 ，2013，33（8）：2143~2147.
-
20
武永峰，胡新，宋吉青.晚霜冻影响下冬小麦冠层红边参数比较 . 光谱学与光谱分析，2014，34（8）：2190~2195.
-
21
熊勤学，王晓玲，王有宁，等.小麦渍害光谱特征分析. 光谱学与光谱分析 ，2016，36（8）：2558~2561.
-
22
黄文江.作物病害遥感监测机理与应用. 北京：中国农业科学技术出版社 ，2009.
-
1
摘要
目的
高光谱特征参数能够突出原始光谱的感兴趣信息，分析冬小麦的高光谱特征参数随受涝时间的变化特征，提出一种快速识别冬小麦受涝的方法，可为冬小麦涝害监测提供理论支撑。
方法
文章在冬小麦灌浆期设置持续淹水8天的处理，采集涝害处理当天、第3d、第5d、第7d的反射光谱特征，以高光谱位置参数、振幅参数、面积参数和反射率参数为研究指标，对比分析了健康和受涝冬小麦18个高光谱特征参数的变化特征，并根据高光谱特征参数的差异性指数随受涝时间的变化特征判断冬小麦的受涝程度。
结果
（1）受涝冬小麦的红边位置发生“蓝移”，红谷、绿峰和黄边位置发生“红移”；4个振幅参数值均减小；近红外面积和绿峰面积增大，红边、黄边和蓝边面积减小；绿峰反射率Rg和红谷反射率Ro增大，两者的比值Rg/Ro和归一化值（Rg-Ro）/（Rg+Ro）则减小；（2）根据不同高光谱特征参数差异性指数的大小及变化特征，提取出红边位置、最小振幅、近红外面积和红谷反射率为判断冬小麦受涝与否的最佳参数；高光谱反射率参数和面积参数可在受涝前期快速识别冬小麦受涝与否，高光谱振幅参数能够在受涝后期判断受涝程度。（3）不同高光谱特征参数识别冬小麦受涝的优劣能力从强到弱依次为：高光谱振幅参数>高光谱面积参数>高光谱反射率参数>高光谱位置参数。
结论
高光谱特征参数的变化特征能够用来判断冬小麦受涝与否以及受涝程度，可为冬小麦涝害遥感监测提供理论支撑。
Abstract
Purpose
The hyperspectral characteristic parameters can highlight the interesting information of the original spectrum，analyzing the variation characteristics of hyperspectral characteristic parameters with waterlogging time. This paper presents a method to quickly identify the waterlogging of winter wheat，which can provide theoretical support for waterlogging monitoring of winter wheat.
Method
This paper sets 8 days of continuous flooding treatment in the winter wheat filling period，collects the reflectance spectra of the first day，third day，fifth day and seventh day，compares and analyzes the variation characteristics of 18 high spectral characteristic parameters of healthy and waterlogged winter wheat based on four indexes—— the hyperspectral position parameters，amplitude parameters，area parameters and reflectance parameters，and judges the waterlogged degree of winter wheat according to the variation of the difference index of hyperspectral characteristic parameters.
Result
The results showed that：（1）the red edge position of the waterlogged winter wheat showed "blue shift"，and the red valley，green peak and yellow edge position showed "red shift". The values of 4 amplitude parameters decreased. The near-infrared area and green peak increased，while the red edge，yellow edge and blue edge area decreased. Green peak reflectance （Rg）and red valley reflectance （Ro）increased，while the ratio Rg/Ro and normalized value （Rg-Ro）/ （Rg+Ro）decreased. （2）According to the magnitude and variation characteristics of the difference index based on different hyperspectral characteristic parameters，the red edge position，minimum amplitude，near-infrared area and red valley reflectance are selected as the best parameters to judge whether the winter wheat is waterlogged or not. Hyperspectral reflectance parameters and area parameters can quickly identify whether winter wheat is affected by waterlogging during the early stage of waterlogging，while hyperspectral amplitude parameters can determine the extent of waterlogging during the later stage of waterlogging. （3）The ability to distinguish winter wheat with waterlogging of different hyperspectral characteristic parameters from strong to weak are as follows：hyperspectral amplitude parameter>hyperspectral area parameter > hyperspectral reflectance parameter>hyperspectral position parameter.
Conclusion
The variation characteristics of hyperspectral characteristic parameters can be used to judge whether the winter wheat is waterlogged and the degree of waterlogging，which can provide theoretical foundation for winter wheat waterlog monitoring.