河北壩上地區(qū)草地退化指示種的高光譜特征波段識別

郝芳芳，陳艷梅，高吉喜，呂國旭，田美榮

(1.河北師范大學(xué)資源與環(huán)境科學(xué)學(xué)院/ 河北省環(huán)境演變與生態(tài)建設(shè)實(shí)驗(yàn)室，河北 石家莊 050016；2.河北師范大學(xué)旅游系，河北 石家莊 050016；3.環(huán)境保護(hù)部南京環(huán)境科學(xué)研究所，江蘇 南京 210042)

?

河北壩上地區(qū)草地退化指示種的高光譜特征波段識別

郝芳芳1，陳艷梅2①，高吉喜3，呂國旭1，田美榮3

(1.河北師范大學(xué)資源與環(huán)境科學(xué)學(xué)院/ 河北省環(huán)境演變與生態(tài)建設(shè)實(shí)驗(yàn)室，河北 石家莊 050016；2.河北師范大學(xué)旅游系，河北 石家莊 050016；3.環(huán)境保護(hù)部南京環(huán)境科學(xué)研究所，江蘇 南京 210042)

草地生態(tài)系統(tǒng)對發(fā)展畜牧業(yè)、保持水土和維持生態(tài)平衡有重要作用，實(shí)時、準(zhǔn)確地監(jiān)測草地的退化具有重要意義。高光譜遙感能夠大幅度提高草地退化進(jìn)程中植被結(jié)構(gòu)退化的識別精度，為草原退化研究開辟新領(lǐng)域。利用高光譜遙感技術(shù)進(jìn)行植被結(jié)構(gòu)退化鑒別時，特征波段的選擇和提取至關(guān)重要。根據(jù)地面實(shí)測高光譜數(shù)據(jù)，對河北壩上地區(qū)3種退化指示種和2種優(yōu)勢物種光譜反射曲線進(jìn)行對數(shù)變換處理，采用均值置信區(qū)間對原始光譜和變換處理后的對數(shù)光譜進(jìn)行波段選擇，提取了退化指示種的光譜特性，并利用Manhattan距離對所選擇的波段進(jìn)行識別檢驗(yàn)。結(jié)果表明：(1)與2種優(yōu)勢物種苔草(Carexpediformis)和羊草(Leymuschinensis)相比，退化指示種狼毒(Stellerachamaejasme)的特征波段為402～412 nm，冷蒿(Artemisiafrigid)的特征波段為627～689、715～929和929～1 033 nm，星毛委陵菜(Potentillaacaulis)的特征波段為705～721 nm；(2)在上述特征波段內(nèi)，同種植被的Manhattan距離值顯著小于異種植被的Manhattan距離值，狼毒、冷蒿和星毛委陵菜的Manhattan距離值分別為0.006 6、0.310 1和0.385 5；(3)在可見光范圍內(nèi)，退化植被與主要優(yōu)勢植被的光譜差異不明顯，經(jīng)對數(shù)變換后，其差異被放大，易于提取特征波段，且基于均值置信區(qū)間的植被原始光譜曲線與對數(shù)光譜曲線相結(jié)合方法的特征提取結(jié)果更精細(xì)，最終確定狼毒的特征波段為402～412 nm，冷蒿的特征波段為627～689、758～924和940～1 033 nm，星毛委陵菜的特征波段為705～721 nm。

高光譜遙感；特征波段；退化指示植物；置信區(qū)間；河北壩上

20世紀(jì)80年代出現(xiàn)的高光譜遙感(hyperspectral remote sensing)是遙感領(lǐng)域的一場革命,它使傳統(tǒng)的寬波段遙感中不可探測的物質(zhì)能被探測[1]1。高光譜遙感在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內(nèi),能夠獲取分辨率達(dá)納米級的連續(xù)圖譜數(shù)據(jù)[1]1,可以大幅度提高草地退化進(jìn)程中植被結(jié)構(gòu)退化識別精度,使識別草原退化指示植物成為可能。地面實(shí)測高光譜分析是遙感應(yīng)用分析的基礎(chǔ),許多學(xué)者利用地面實(shí)測光譜數(shù)據(jù)進(jìn)行高光譜草地退化監(jiān)測研究。SCHMIDT等[2]利用野外高光譜數(shù)據(jù),采用B距離法和統(tǒng)計(jì)檢驗(yàn)方法分析了荷蘭瓦登海濕地27種植被地面實(shí)測光譜,指出不同植被類型間存在差異顯著的光譜波段。王煥炯等[3]利用FieldSpec 3光譜儀對呼倫貝爾多種草甸草原植被進(jìn)行高光譜遙感地面監(jiān)測,并對群落植被進(jìn)行混合光譜分解,得到各組分的覆蓋度,為高光譜遙感草地監(jiān)測提供有力依據(jù)。劉占宇等[4]對內(nèi)蒙古錫林郭勒盟的天然草地進(jìn)行高光譜遙感地面監(jiān)測,計(jì)算了天然草地植被豐度,并建立了植被豐度高光譜模型。張富華等[5]在提取植被光譜特征參數(shù)的基礎(chǔ)上,運(yùn)用多層感知神經(jīng)網(wǎng)絡(luò)模型對內(nèi)蒙古錫林郭勒草原的草地種類進(jìn)行識別。錢育蓉等[6]研究了新疆典型荒漠植被高光譜特征。有研究者提出草原植物在花期具有獨(dú)特的光譜特征,相比營養(yǎng)生長期,通過花更容易識別物種[7]。

國內(nèi)外地面高光譜研究成果多集中在植物類型區(qū)分、模擬植被生理生化參數(shù)等方面[8-11]。目前,利用地面高光譜研究草地健康狀況的成果較少,尤其是缺乏草地退化植物自然群落和草原退化指示種的地面高光譜特征相關(guān)報道,使得高光譜遙感技術(shù)在草地退化方面的應(yīng)用研究受到限制。

筆者以河北壩上地區(qū)為研究區(qū)域,以該地區(qū)的退化指示種和主要優(yōu)勢物種為研究對象,運(yùn)用對數(shù)變換方法,采用均值置信區(qū)間方法對植被的原始光譜和對數(shù)光譜進(jìn)行特征波段的提取,同時實(shí)現(xiàn)降維的目的,最后運(yùn)用Manhattan距離對識別結(jié)果進(jìn)行可行性驗(yàn)證,研究成果可為將來能夠大面積檢測草原退化指示植物的地理分布提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

河北壩上地區(qū)是河北省北部高原區(qū),地理范圍介于北緯40°58′至42°42′，東經(jīng)113°50′至118°00′之間,包括張家口的張北縣、康?？h、沽源縣以及尚義縣,承德地區(qū)的豐寧與圍場,總面積約為18 391 km2。壩上地區(qū)屬于溫帶半干旱半濕潤大陸季風(fēng)氣候區(qū),具有氣溫低、風(fēng)力大、降水少、無霜期短、氣溫多變等特點(diǎn),同時因海拔較高,氣候的分布呈現(xiàn)明顯的垂直和水平分帶。

壩上地區(qū)地帶性植被處于東北區(qū)系、內(nèi)蒙古區(qū)系和華北區(qū)系的交匯處。其中,草原分為草甸草原和干草原2個植物亞系。自然條件嚴(yán)酷,景觀生態(tài)和系統(tǒng)層次結(jié)構(gòu)簡單,環(huán)境本身的抗干擾能力和自我修復(fù)能力差,草場質(zhì)量下降,產(chǎn)量降低,草場群落層次簡單,結(jié)構(gòu)簡化,雜草、有毒草逐漸代替該地區(qū)優(yōu)勢物種,使得壩上地區(qū)呈現(xiàn)不同程度的草原退化。據(jù)統(tǒng)計(jì),20世紀(jì)50年代以來,由于該地區(qū)人口激增以及人們過度墾荒和過度放牧,導(dǎo)致草地嚴(yán)重超載,超載率最高可達(dá)200%。超載使壩上植被得不到生長和再生的機(jī)會,草場覆蓋度和高度大幅下降,導(dǎo)致整個壩上地區(qū)草地退化嚴(yán)重。

1.2 研究對象與數(shù)據(jù)獲取

所選取的觀測對象為河北壩上地區(qū)退化指示種和主要優(yōu)勢物種,通過野外實(shí)地調(diào)查,選擇的退化指示種為狼毒(Stellerachamaejasme)、冷蒿(Artemisiafrigid)和星毛委陵菜(Potentillaacaulis),主要優(yōu)勢物種為苔草(Carexpediformis)和羊草(Leymuschinensis),這2種植物在研究區(qū)屬于廣布性植物。

高光譜數(shù)據(jù)由美國SOC公司開發(fā)的產(chǎn)品SOC710便攜式可見光/近紅外高光譜成像儀獲取。用SRAnap710預(yù)處理軟件作數(shù)據(jù)定標(biāo)處理,并用ENVI 4.5軟件作數(shù)據(jù)處理分析。SOC710高光譜成像儀光譜范圍為可見光至近紅外光的400～1 000 nm,有128個波段,光譜分辨率為4.9 nm。

結(jié)合研究內(nèi)容和研究目的,選擇壩上植被生長旺盛時期(2014年7月31日—8月8日)采集野外數(shù)據(jù)。為了得到不同水熱條件以及不同植被覆蓋梯度下5種植物高光譜特征,避免地形因素引起的誤差,采樣路線從西向東覆蓋壩上地區(qū),包括張家口的張北、康保、沽源和承德的圍場、豐寧。綜合分析TM遙感影像、數(shù)字高程圖和植被類型圖,在面積大于250 m×250 m、植物生長均勻且有代表性的區(qū)域選取34個樣地。選擇晴朗、無云、光照條件較好,風(fēng)力較小時進(jìn)行測量,測量時間為10:00—14:00(地方時),且要求每20 min使用標(biāo)準(zhǔn)板進(jìn)行1次優(yōu)化。狼毒、冷蒿、星毛委陵菜、苔草和羊草的試驗(yàn)樣本數(shù)據(jù)和檢驗(yàn)樣本數(shù)據(jù)分別均為40和9條,共采集245條數(shù)據(jù)。其中,40個樣本作為光譜基準(zhǔn)數(shù)據(jù),9個樣本作為測試數(shù)據(jù)。剔除有明顯異常的數(shù)據(jù),以剩余數(shù)據(jù)的均值作為植被的光譜反射率。光譜曲線上有許多“毛刺”噪音,需要做平滑處理。通過光譜數(shù)據(jù)的反射率轉(zhuǎn)換,并用ENVI 4.5中Smooth函數(shù)進(jìn)行加權(quán)移動平均法平均,達(dá)到對光譜曲線進(jìn)行平滑去噪處理的效果。

1.3 研究方法

1.3.1 對數(shù)變換方法

對數(shù)變換方法是常用的高光譜數(shù)據(jù)處理方法。光譜反射率經(jīng)對數(shù)變換后可增強(qiáng)可見光范圍內(nèi)的差異,放大植被類型的差異,有效提取可識別地物的光譜反射率特征[12]。對數(shù)光譜計(jì)算方法為

lg R=(lg r1，lg r2，…，lg rn)。

(1)

式(1)中,R為植被光譜反射率;r1,r2,…,rn分別為每一波段所對應(yīng)的光譜反射率。

1.3.2 數(shù)據(jù)降維

主要采用基于均值置信區(qū)間方法[13]對研究區(qū)退化指示種和主要優(yōu)勢物種的高光譜數(shù)據(jù)進(jìn)行降維處理,同時提取特征波段,其基本原理如下。

根據(jù)統(tǒng)計(jì)學(xué)的中心極限定理可知,當(dāng)樣本容量足夠大(n≥30)時,所有隨機(jī)分布的均值皆收斂于正態(tài)分布[14]。在1-α置信水平下,波段i光譜反射率均值μi置信區(qū)間與置信水平α的關(guān)系見式(2)。

(2)

特征波段選擇是從原始集合中選出特征子集,能夠有效描述光譜的特征信息并實(shí)現(xiàn)降維[15]。波段i的取值為373～1 033nm,所有波段的光譜反射率均值置信區(qū)間構(gòu)成了光譜反射率的均值置信區(qū)間帶?；诠庾V反射率均值置信區(qū)間帶提取特征波段的原理如圖1所示。

圖1 草地植被類型最佳鑒別波段選擇

由圖1可知,在波段區(qū)間[a,b]和[c,d]內(nèi),2類植被的光譜反射率均值置信區(qū)間帶是重疊的,不適合進(jìn)行植被識別。通過剔除反射率均值置信區(qū)間帶重疊的部分,篩選出最佳的植被識別波段,以達(dá)到降維目的并實(shí)現(xiàn)特征波段的選擇。

1.3.3 Manhattan距離

在N維空間中,數(shù)值型數(shù)據(jù)Xi與Xj之間的相似性,可以通過Xi與Xj在特征空間中點(diǎn)之間的歐氏距離、馬氏距離和Manhattan等指標(biāo)來度量[16]。用歐氏距離計(jì)算時,較大值會突出,較小值會淹沒,而Manhattan距離會使較小值也占有一定比例[17]。Manhattan距離可用來度量某個待測物種與某個物種光譜基準(zhǔn)數(shù)據(jù)的接近程度。Manhattan距離越小,說明物種越相似。Manhattan距離計(jì)算公式為

(3)

2 結(jié)果與分析

利用均值置信區(qū)間帶的特征波段選擇方法,對野外測量得到的光譜數(shù)據(jù),以40個樣本作為光譜基準(zhǔn)數(shù)據(jù),根據(jù)式(2)采用Excel 2010軟件計(jì)算退化指示種狼毒、冷蒿和星毛委陵菜分別與2種主要優(yōu)勢物種苔草、羊草的原始光譜曲線和對數(shù)光譜曲線的均值及均值的95%置信區(qū)間帶。

2.1 基于原始光譜曲線退化指示植物的特征波段

5種植被原始光譜曲線的對比結(jié)果見圖2～4。

圖2 狼毒-苔草-羊草原始光譜曲線的置信區(qū)間帶

圖3 冷蒿-苔草-羊草原始光譜曲線的置信區(qū)間帶

圖4 星毛委陵菜-苔草-羊草原始光譜曲線的置信區(qū)間帶

分析3種退化植物的置信區(qū)間帶數(shù)據(jù),剔除3種植被類型中兩兩植被置信區(qū)間帶重合率超過95%的波段,并與2種優(yōu)勢物種苔草、羊草進(jìn)行對比,得到狼毒的特征波段為402～412 nm;利用同樣方法得到冷蒿的特征波段為627～689、715～929和929～1 033 nm;星毛委陵菜的特征波段為705～721 nm。由上述結(jié)果可知,狼毒的特征波段位于可見光波譜范圍內(nèi),可能與狼毒植株高大、葉片面積大和葉綠素含量高有關(guān);星毛委陵菜的特征波段位于“紅邊”位置,可能與植被生長期和植被生長狀況有關(guān);冷蒿的反射率總體趨勢與苔草、羊草相比差距較大,其特征波段在可見光波段、“紅邊”位置和近紅外波段都有涉及,可能與冷蒿表面附有絨毛,降低了葉綠素的反射特征,因而容易與其他植被區(qū)分開來有關(guān)。

2.2 基于對數(shù)光譜曲線退化指示植物的特征波段

5種植被的對數(shù)光譜曲線對比結(jié)果見圖5～7。

R為反射率。

R為反射率。

由圖5～7可知,5種植被的反射率經(jīng)對數(shù)變換后,各植被間的光譜反射率差異放大,特別是在可見光波段范圍內(nèi)。

R為反射率。

狼毒、冷蒿和星毛委陵菜分別與苔草、羊草對比,位于550 nm處的反射峰、420 nm處的藍(lán)谷和670 nm處的紅谷的寬度和深度均增加,物種間反射光譜曲線的差異特征更加明顯,更利于特征波段的識別。將退化指示種和主要優(yōu)勢物種對數(shù)光譜曲線與原始光譜曲線相比較,其特征波段的提取結(jié)果基本一致?；诰抵眯艆^(qū)間帶的對數(shù)光譜分析結(jié)果顯示,狼毒的特征波段為402～412 nm,冷蒿的特征波段為611～689、758～924和940～1 038 nm,星毛委陵菜的特征波段為705～721 nm。

2.3 退化指示植物特征波段驗(yàn)證結(jié)果分析

采用Manhattan距離法評價篩選特征波段對退化指示種與主要優(yōu)勢物種的識別效果,以退化指示種狼毒、冷蒿和星毛委陵菜分別與2種主要優(yōu)勢物種苔草和羊草組合,共5組,分別用檢驗(yàn)樣方進(jìn)行Manhattan距離的檢驗(yàn),結(jié)果見表1。

表1 基于特征波段的5種植被的Manhattan距離識別

Table1 Determination of Manhattan distances of the 5 types of vegetations based on characterisitics of bands

樣本類型植被類型狼毒冷蒿星毛委陵菜苔草羊草實(shí)驗(yàn)樣本1狼毒0.0066——0.03200.0615實(shí)驗(yàn)樣本2冷蒿—0.3101—0.73880.6582實(shí)驗(yàn)樣本3星毛委陵菜——0.38550.85310.5325檢驗(yàn)樣本1苔草0.0165——0.01360.0860檢驗(yàn)樣本2苔草—0.0703—0.06840.1477檢驗(yàn)樣本3苔草——0.23570.23270.5393檢驗(yàn)樣本4羊草0.0043——0.06280.0037檢驗(yàn)樣本5羊草—0.2774—0.33990.2593檢驗(yàn)樣本6羊草——0.47751.02420.4204

“—”表示無數(shù)據(jù)。

比較同種植被的Manhattan距離值與異種植被的Manhattan距離值(表1)發(fā)現(xiàn),無論以哪種植被為實(shí)驗(yàn)樣本或檢驗(yàn)樣本,同種植被的Manhattan距離值顯著小于異種植被的Manhattan距離值。

研究還發(fā)現(xiàn),冷蒿與苔草的Manhattan距離、冷蒿與羊草的Manhattan距離和冷蒿與冷蒿的Manhattan距離差值較狼毒和星毛委陵菜與苔草、羊草的Manhattan距離相比均較大,說明冷蒿與苔草、羊草植被類型差異大,易于區(qū)分識別。

3 討論

高光譜遙感能夠探測到具有顯著光譜差異的各種物體,能大大提高對植物的識別精度。周磊[18]研究了呼倫貝爾草原主要優(yōu)勢種(羊草、針茅)和退化指示種(冷蒿、多根蔥)的高光譜特征,利用曼-惠特尼U檢驗(yàn)和逐步判別分析等方法,得到冷蒿群落的3個特征波段655、689和1 144 nm。筆者利用基于均值置信區(qū)間的原始和對數(shù)光譜曲線相結(jié)合的方法,最終得到冷蒿的特征波段為627～689、758～924和940～1 033 nm。筆者研究方法與周磊研究方法不同,研究結(jié)果有一致之處,但也存在差別。一致之處表現(xiàn)在周磊提取冷蒿可見光波段的某些特征波段落在筆者研究得到的特征波段范圍內(nèi),差別表現(xiàn)在紅外的特征波段與筆者得到的高光譜位置不同,且筆者得到的冷蒿特征波段范圍更廣,可能與高光譜數(shù)據(jù)處理方法以及數(shù)據(jù)采集區(qū)域差異有關(guān),植物所處區(qū)域不同,其水分、色素含量也不同。

程迪等[19]以狼毒獨(dú)特的物候特征為基礎(chǔ),探討狼毒與牧草的高光譜特征差異,結(jié)果顯示,在350～900 nm可見光-近紅外波段范圍內(nèi),狼毒頂花的高光譜反射特征明顯異于狼毒葉片和同期牧草等綠色背景,頂花與綠色背景差異體現(xiàn)在紅谷600～720 nm和藍(lán)谷350～500 nm處,狼毒葉片與牧草具有相似的光譜曲線,而筆者對處于同一營養(yǎng)生長期的狼毒、苔草和羊草進(jìn)行高光譜分析得出狼毒葉片特征波段為402～412 nm。這是因?yàn)槔嵌臼⒒ㄆ谥饕尸F(xiàn)白花及少量花蕾的色調(diào)特征,與綠色背景差異顯著,是狼毒識別的最佳時期。筆者采用基于均值置信區(qū)間的植被原始光譜和對數(shù)光譜相結(jié)合方法提取狼毒葉片的特征波段,研究結(jié)果與程迪等[19]有顯著差異,主要原因是植物目標(biāo)部位不同導(dǎo)致。

同時,筆者嘗試采用新的波段選擇方法——反射率均值置信區(qū)間方法對高光譜數(shù)據(jù)進(jìn)行降維處理。該方法可以綜合考慮各個物種間的光譜差異,有效篩選出代表物種的光譜特征波段,但在進(jìn)行特征選擇時,難免會忽略其他波段的信息,造成一定的信息缺失,所以筆者的方法還需要不斷完善。另外,退化指示種和主要優(yōu)勢物種對比數(shù)量少和樣本數(shù)量有限也是筆者研究的不足之處,基于毒草的退化指示種的典型物候特征進(jìn)行波段識別將是今后的研究方向。

4 結(jié)論

高光譜數(shù)據(jù)具有波段多及波段連續(xù)的特性,能夠?yàn)椴煌莸刂脖活愋吞峁└嗟墓庾V反射率信息。以統(tǒng)計(jì)學(xué)的中心極限定理為基礎(chǔ),提出了一種基于均值置信區(qū)間帶篩選草地退化指示植物特征波段的方法,得出以下主要結(jié)論。

(1)與2種優(yōu)勢物種苔草和羊草相比,退化指示物種狼毒的特征波段為402～412 nm,冷蒿的特征波段為627～689、715～929和929～1 033 nm,星毛委陵菜的特征波段為705～721 nm。

(2)利用Manhattan距離對特征波段進(jìn)行識別檢驗(yàn),得到狼毒、冷蒿和星毛委陵菜反射率的Manhattan距離值分別為0.006 6、0.310 1和0.385 5。同一種草地植被類型檢驗(yàn)樣本和實(shí)驗(yàn)樣本的Manhattan距離值遠(yuǎn)小于不同草地植被類型的Manhattan距離值。Manhattan距離可以有效識別不同草地類型植被。

(3)退化指示植物與主要優(yōu)勢物種在可見光內(nèi)差異不明顯,其反射率光譜曲線經(jīng)對數(shù)變換后差異被放大,易于提取特征波段,同時基于均值置信區(qū)間的植被原始與對數(shù)光譜曲線相結(jié)合的提取結(jié)果更精細(xì),最終確定狼毒的特征波段為402～412 nm,冷蒿的特征波段為627～689、758～924和940～1 033 nm,星毛委陵菜的特征波段為705～721 nm。

[1] 童慶禧,張兵,鄭蘭芬.高光譜遙感:原理、技術(shù)與應(yīng)用[M].北京:高等教育出版社,2006.

[2] SCHMIDT K S,SKIDMORE A K.Spectral Discrimination of Vegetation Types in a Coastal Wetland[J].Remote Sensing of Environment,2003,85(1):92-108.

[3] 王煥炯,范聞捷,崔要奎,等.草地退化的高光譜遙感監(jiān)測方法[J].光譜學(xué)與光譜分析,2011,30(10):2734-2738.

[4] 劉占宇,黃敬峰,吳新宏,等.天然草地植被覆蓋度的高光譜遙感估算模型[J].應(yīng)用生態(tài)學(xué)報,2006,17(6):997-1002.

[5] 張富華,黃明祥,張晶,等.利用高光譜識別草地種類的研究:以錫林郭勒草原為例[J].測繪通報,2014(7):66-69.

[6] 錢育蓉,于炯,賈振紅,等.新疆典型荒漠草地的高光譜特征提取和分析研究[J].草業(yè)學(xué)報,2013,22(1):157-166.

[7] 蓋穎穎,范聞捷,徐希孺,等.基于高光譜數(shù)據(jù)的呼倫貝爾草原花期物種識別和覆蓋度估算[J].光譜學(xué)與光譜分析,2011,31(10):2778-2783.

[8] MUTANGA O,SKIDMORE A K.Narrow Band Vegetation Indices Overcome the Saturation Problem in Biomass Estimation[J].International Journal of Remote Sensing,2004,25(19):3999-4014.

[9] NUMATA I,ROBERTS D A,CHADWICK O A,etal.Evaluation of Hyperspectral Data for Pasture Estimate in the Brazilian Amazon Using Field and Imaging Spectrometers[J].Remote Sensing of Environment,2008,112(4):1569-1583.

[10]周磊,辛?xí)云?李剛,等.高光譜遙感在草原監(jiān)測中的應(yīng)用[J].草業(yè)科學(xué),2009,26(4):20-27.

[11]SKIDMORE A K,FERWERDA J G,MUTANGA O,etal.Forage Quality of Savannas:Simultaneously Mapping Foliar Protein and Polyphenols for Trees and Grass Using Hyperspectral Imagery[J].Remote Sensing of Environment,2010,114(1):64-72.

[12]邱琳.東洞庭湖典型濕地植被高光譜特征分析與識別[D].長沙:中南林業(yè)科技大學(xué),2013.

[13]陳永剛,丁麗霞,葛宏立,等.基于均值置信區(qū)間帶的高光譜特征波段選擇與樹種識別[J].光譜學(xué)與光譜分析,2011,31(9):2462-2466.

[14]LIPSCHUTZ S,LIPSON M.Schaum′s Outline of Theory and Problems of Probability:Schau′s Outline Series[M].New York,USA:McGraw-Hill,2000.

[15]蘇紅軍,杜培軍.高光譜數(shù)據(jù)特征選擇與特征提取研究[J].遙感技術(shù)與應(yīng)用,2006,21(4):288-293.

[16]孫惠琴,熊璋.基于粗集的模糊聚類方法和結(jié)果評估[J].復(fù)旦學(xué)報(自然科學(xué)版),2004,43(5):819-822.

[17]李俊華,彭力.一種人臉表情分類的新方法:Manhattan距離[J].計(jì)算機(jī)工程與應(yīng)用,2008,44(2):74-75.

[18]周磊.呼倫貝爾草原主要優(yōu)勢種、退化指示種的光譜特征研究[D].北京:中國農(nóng)業(yè)科學(xué)院,2009.

[19]程迪,劉詠梅,李京忠,等.青海祁連瑞香狼毒的光譜差異特征提取[J].應(yīng)用生態(tài)學(xué)報,2015,26(8):2307-2313.

(責(zé)任編輯： 李祥敏)

Identification of Hyperspectra Characteristic Bands of Grassland Degradation Indicator Plant Species in Bashang Region of Hebei Province.

HAO Fang-fang1, CHEN Yan-mei2, GAO Ji-xi3, Lü Guo-xu1, TIAN Mei-rong3

(1.College of Resources and Environmental Science, Hebei Normal University/ Laboratory of Environmental Evolution and Ecological Construction of Hebei Province, Shijiazhuang 050016, China;2.Department of Tourism, Hebei Normal University, Shijiazhuang 050016, China;3.Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection, Nanjing 210042, China)

Grassland ecosystem plays an important role in the development of animal husbandry, soil and water conservation, and maintenance of the ecological balance. Therefore, it is of great significance to perform real-time monitoring of degradation of grasslands. The technology of hyperspectral remote sensing can greatly improve precision of the identification of degraded vegetation structure in the process of grassland degeneration, and opens up a new field in the study of grassland degradation. In using the technology to identify degraded vegetation structure, it is very important to choose and extract characteristic bands. To that end, based on the hyperspectral data measured in field, spectral reflection curves of three species of degradation indicator plants and two dominant species in Bashang Region were processed with the logarithmic transformation method. Then bands were selected out of the original spectra and transformed logarithmic spectra with the confidence interval of mean for extraction of spectral characteristics of the degradation indicator species. And the selected bands were identified and validated with the Manhattan distance method. Results of the study show as follows: (1) Compared with the two dominant species, namelyCarexpediformisandLeymuschinensis, the degradation indicator speciesStellerachamaejasmefeatured at 402-412 nm,Artemisiafrigidat 627-689, 715-929 and 929-1 033 nm andPotentillaacaulisat 705-721 nm; (2) In the above characteristic bands, the Manhattan distance of the vegetation homogeneous in plant species was obviously smaller than that of the vegetation heterogeneous in plant species. And the Manhattan distance ofStellerachamaejasme,ArtemisiafrigidaandPotentillaacauliswas 0.006 6, 0.310 1 and 0.385 5, respectively; (3) No big difference was found, in the visible band between degraded vegetation and vegetation of dominant species. After logarithmic transformation, the difference was amplified and made easy the extraction of characteristic bands. The use of the original spectral curve in combination with its logarithmic spectral curve based on the confidence interval of mean made the extraction of characteristic bands more accurate. The eventually defined characteristics band forStellerachamaejasmeis 402-412 nm, forArtemisiafrigid627-689, 758-924 and 940-1 033 nm and forPotentillaacaulis705-721 nm.

hyperspectral remote sensing; characteristic band; degradation indicator species; the confidence interval; Bashang Region of Hebei Province

2016-04-18

河北省自然科學(xué)基金(D2014205070);環(huán)保公益性行業(yè)科研專項(xiàng)(201409055)

X87；TP79

A

1673-4831(2016)06-1024-06

10.11934/j.issn.1673-4831.2016.06.025

郝芳芳(1989—),女,河北保定人,碩士生,主要研究方向?yàn)榄h(huán)境生態(tài)學(xué)。E-mail: 1061157322@qq.com

① 通信作者E-mail: 330896729@qq.com