濕地植被高光譜遙感技術(shù)應(yīng)用研究

何理深 張 超

(西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650224)

濕地植被遙感技術(shù)是當(dāng)前國內(nèi)外濕地科學(xué)領(lǐng)域研究的熱點之一[1]，濕地是生態(tài)系統(tǒng)中的一個重要組成部分，擁有著自然界最豐富的生物多樣性，在調(diào)節(jié)氣候、控制污染和保護(hù)環(huán)境等方面均表現(xiàn)出重要的生態(tài)、經(jīng)濟(jì)和社會價值。我國是全世界濕地資源比較豐富的國家之一，濕地總面積約為6 594萬hm2，約占全球濕地總面積的10%，位居世界第4[2]。由于濕地是由水體和陸地交互作用形成的具有獨特功能的自然結(jié)合體，因此濕地更容易受到自然因素和人類活動的影響。自20世紀(jì)80年代以來，社會經(jīng)濟(jì)發(fā)展速度加快，農(nóng)業(yè)、畜牧業(yè)、水利工程、石油開發(fā)、環(huán)境污染等人類活動均對濕地帶來了較大程度的干擾[3]。目前，我國大部分濕地正在面臨水土流失、不合理開發(fā)利用和水體污染的嚴(yán)重威脅[4]。國內(nèi)外學(xué)者已在濕地生態(tài)系統(tǒng)的群落及環(huán)境特征、調(diào)查與監(jiān)測手段、評價與恢復(fù)策略方面開展了廣泛研究，初步掌握了濕地生態(tài)系統(tǒng)的組成、結(jié)構(gòu)、分布和動態(tài)變化特征[5]，成果顯著。但是，由于缺乏長期監(jiān)測數(shù)據(jù)支撐，影響了研究結(jié)果的客觀性和精確程度，“以空間替代時間”的被動研究策略亦導(dǎo)致了缺乏可比性[6]。1991年以來，逐步出現(xiàn)了基于遙感手段識別、反演和評價濕地植被的相關(guān)研究和有益探討，為今后濕地研究提供了宏觀、及時、精確的實現(xiàn)手段。然而，受到傳統(tǒng)多光譜遙感諸多技術(shù)瓶頸的制約，對濕地植被的遙感反演、信息提取和主要養(yǎng)分狀況估測等方面的研究至今未能取得理想成果。

高光譜遙感技術(shù)以其高光譜分辨能力、高時間采樣頻率和大范圍同步成像等優(yōu)勢，為實現(xiàn)濕地生態(tài)系統(tǒng)的精確反演和植被養(yǎng)分狀況的準(zhǔn)確估算創(chuàng)造了可能，能夠從不同空間和時間尺度上準(zhǔn)確、及時地獲取濕地植被的數(shù)量、質(zhì)量和動態(tài)變化。本研究闡述了高光譜遙感的特點與優(yōu)勢，并探討了該技術(shù)在濕地植被識別以及理化參數(shù)估算中的應(yīng)用，總結(jié)了國內(nèi)外對濕地高光譜遙感的研究內(nèi)容與方法，指出了目前該領(lǐng)域存在的不足，并在物種識別、信息提取和參數(shù)估算3個方面作出了展望，旨在為今后的濕地植被研究提供參考。

1 濕地高光譜遙感技術(shù)

高光譜遙感技術(shù)利用分割精細(xì)的電磁波譜段對感興趣的區(qū)域獲取目標(biāo)地物的有關(guān)信息[7]。作為濕地遙感領(lǐng)域的研究前沿，成像高光譜遙感的出現(xiàn)填補(bǔ)了濕地植被理化參數(shù)反演的研究空白[8]。利用高光譜數(shù)據(jù)變換得到的濕地植被反射光譜特征，能夠研究濕地植被的分類、物質(zhì)的成分、含量、存在狀態(tài)、空間分布及動態(tài)變化[9]。

自20世紀(jì)80年代高光譜遙感技術(shù)誕生以來，伴隨高光譜傳感器的快速發(fā)展，高光譜遙感逐步應(yīng)用于濕地研究領(lǐng)域。高光譜遙感影像具有極高的光譜分辨能力，在濕地研究中具有較多優(yōu)勢：1) 高光譜傳感器可獲取濕地水體、植被和土壤較為真實的連續(xù)光譜，通過數(shù)據(jù)和圖像匹配技術(shù)可提高濕地分類的精度[10]；2) 高光譜遙感數(shù)據(jù)可提高濕地混合像元的分解能力，獲取最終光譜端元的真實光譜特征曲線，達(dá)到濕地識別和劃分的目的[11]；3) 高光譜遙感數(shù)據(jù)可反演濕地植被的葉面積指數(shù)、生物量和光合有效吸收系數(shù)等濕地植被生物物理參數(shù)，可進(jìn)行濕地植被監(jiān)測和植被生物量估算[12]；4) 高光譜遙感數(shù)據(jù)可用于光譜角填圖，在濕地遙感領(lǐng)域中可進(jìn)行土壤濕度填圖、植被生化成分定量填圖等，為監(jiān)測濕地植被和濕地植被精細(xì)分類研究提供科學(xué)依據(jù)[13]。

在濕地遙感中，成像高光譜技術(shù)主要應(yīng)用于濕地土壤、植被和水體信息提取的研究[14]。近年來，國外已出現(xiàn)了利用高光譜技術(shù)在濕地植被監(jiān)測、植被群落分類、植被生物量估算等方面的研究和探討[15]。然而，針對濕地植被種類識別和主要理化參數(shù)估算的高光譜遙感技術(shù)相關(guān)研究相對較少，仍停留在理論探索階段。高光譜遙感與傳統(tǒng)遙感相比具有更強(qiáng)的地物識別能力和定量反演能力，微觀方面表現(xiàn)更為突出，在濕地植被的相關(guān)研究中必將發(fā)揮重要作用。

2 高光譜遙感在濕地植被中的應(yīng)用

2.1 高光譜遙感在濕地植被分類中的應(yīng)用

受到 “同物異譜” 和 “同譜異物” 現(xiàn)象的制約，利用遙感手段進(jìn)行濕地植被類型/物種識別一直是主要的技術(shù)瓶頸。常規(guī)的多光譜遙感數(shù)據(jù) (如Landsat TM和SPOT) 對于濕地植被的研究僅限于紅光吸收特征、近紅外反射特征以及中紅外水分吸收特征波段[16]，受波段寬度、波段數(shù)量和波長位置的限制，多光譜遙感對濕地植被類型/物種不敏感。高光譜遙感具有超高的光譜分辨率，能夠識別細(xì)微的光譜變化，為定量研究植被光譜響應(yīng)和物理機(jī)制提供了依據(jù)，國內(nèi)外利用遙感手段識別植被類型的研究已有較多嘗試[17-21]。目前，基于植被光譜特征的高光譜遙感分類技術(shù)是濕地植被類型/物種分類的主要實現(xiàn)手段之一，通過利用濕地植被所攜帶的豐富的光譜信息進(jìn)行植被信息的識別和提取，分析濕地植被典型光譜特征是探索其植被類型/物種遙感分類技術(shù)中的核心內(nèi)容。濕地植被的典型光譜特征由其反射光譜特性決定，主要受其組織結(jié)構(gòu)、生物化學(xué)成分和形態(tài)特征等影響[22]，具體表現(xiàn)為：色素吸收決定可見光波段的光譜反射率、細(xì)胞結(jié)構(gòu)決定近紅外波段的光譜反射率和水汽吸收決定短波紅外的光譜反射率[23]。根據(jù)濕地植被在不同譜段內(nèi)的典型反射光譜特征，進(jìn)行光譜特征分析、波段選擇和分類識別，是濕地植被類型/物種遙感分類提取技術(shù)的理論基礎(chǔ)。

當(dāng)前，高光譜遙感影像在分類處理方面主要存在兩個重點研究內(nèi)容：一是提升分類精度，二是提高分類效率[24]。而國內(nèi)外諸多學(xué)者關(guān)注的是如何提高濕地植被遙感分類精度的研究。高原等[25]對南京沿江濕地植被進(jìn)行了高光譜遙感和多光譜遙感的分類對比，在通過采用不同的訓(xùn)練樣本數(shù)量進(jìn)行SVM分類時發(fā)現(xiàn)，當(dāng)樣本數(shù)量較少時，高光譜數(shù)據(jù)的分類精度小于多光譜數(shù)據(jù)，隨著樣本數(shù)量增加，高光譜的分類精度明顯提高。但是，參與監(jiān)督分類的高光譜訓(xùn)練樣本數(shù)量通常比較有限，在訓(xùn)練樣本受限的情況下，還會出現(xiàn)分類精度隨特征維數(shù)上升而下降的Hughes現(xiàn)象[26]。另外，高光譜數(shù)據(jù)相鄰波段相關(guān)系數(shù)大，如果使用高度相關(guān)的數(shù)據(jù)擬合模型，多數(shù)算法的分類效果會受到影響[27]。

高光譜作為一種高維度、多特征的數(shù)據(jù)集，選取有效的光譜信息是提高濕地植被分類精度的前提。特征提取和特征選擇是降維的2種方法。特征提取是通過組合與變換原屬性得到新的屬性；特征選擇則是從原始特征數(shù)據(jù)集中選擇出子集。當(dāng)前，國內(nèi)外學(xué)者偏向于用特征提取的方法進(jìn)行濕地植被的識別與分類，常使用的特征提取方法包括主成分分析法[28]、光譜指數(shù)法[29-30]和光譜變換[31]等。主成分分析常被用于減少數(shù)據(jù)集維數(shù)，優(yōu)點是能夠保留原始數(shù)據(jù)的大部分信息，但其數(shù)據(jù)依賴性使得在單獨使用時不適合進(jìn)行最優(yōu)波段提取[32]。劉雪華等[33]研究了北京地區(qū)常見的15種濕地植物的高光譜反射特征，采用馬氏距離法和主成分分析法對高光譜冗余的光譜信息進(jìn)行降維后發(fā)現(xiàn)，利用主成分分析法可以找出貢獻(xiàn)率較大的成分。光譜指數(shù)法是根據(jù)葉面在紅光波段的強(qiáng)吸收性以及在近紅外波段強(qiáng)反射性，對2個波段觀測值進(jìn)行組合，形成不同的植被指數(shù)，用來增強(qiáng)隱含的植被信息。黃錦等[34]以洪河國家級自然保護(hù)區(qū)內(nèi)的草甸、沼澤和農(nóng)田為研究對象，利用高光譜植被指數(shù)進(jìn)行濕地植物分類，分類精度達(dá)到85%。光譜變換是對原始反射率光譜進(jìn)行合適的數(shù)學(xué)轉(zhuǎn)換的方法，能夠突出濕地植被的光譜特征差異[35]，在一定程度上能提高識別精度。柴穎等[36]利用HyMap高光譜數(shù)據(jù)提取美國圣華金三角洲的濕地植被信息，發(fā)現(xiàn)近紅外波段上有明顯的植被光譜特征差異，結(jié)合光譜變換特征與面向?qū)ο蟮姆椒梢杂行岣叻诸惥?，實現(xiàn)濕地植被在物種水平上的識別。相關(guān)研究表明，植物種間在一階導(dǎo)數(shù)變換的近紅外范圍、二階導(dǎo)數(shù)變換統(tǒng)計最大峰度和倒數(shù)的對數(shù)法在藍(lán)光和紅光范圍內(nèi)有較好的區(qū)分度[37]；并且分?jǐn)?shù)階導(dǎo)數(shù)的分類精度要優(yōu)于整數(shù)階導(dǎo)數(shù)[38]。

2.2 高光譜遙感在濕地植被生理參數(shù)反演中的應(yīng)用

已知植物冠層生物物理變量的測量受植被色素和植被形態(tài)結(jié)構(gòu)等混雜因素的影響。利用高光譜遙感提取植物的生理參數(shù)，了解植物的生理過程已成為當(dāng)前研究濕地植被的趨勢。主要的植物物理信息有葉面積指數(shù) (LAI)、生物量、光合有效輻射及其他冠層結(jié)構(gòu)參數(shù)。其中，葉面積指數(shù)和植被生物量作為表征植物長勢的重要指標(biāo)，兩者具有很高的相關(guān)性，可直接反應(yīng)濕地植被的生長狀況和濕地環(huán)境的變化情況。

1) 葉面積指數(shù) (LAI)：葉面積指數(shù)是單位地表面積上植物葉片垂直投影面積的總和,常被用于定量化地表與大氣之間的物質(zhì)和能量交換 (如碳氮循環(huán)、光合速率、蒸騰作用和降雨截流)?？捎糜谕茖?dǎo)葉面積指數(shù)的重要波長主要位于700～1 300 nm光譜區(qū)域；當(dāng)葉面積指數(shù)的值較低時，也可延伸至可見光波段[39]。邢麗瑋等[40]發(fā)現(xiàn)用高光譜數(shù)據(jù)構(gòu)建的濕地植物葉面積指數(shù)模型較多光譜構(gòu)建的葉面積指數(shù)模型有明顯的優(yōu)勢。與傳統(tǒng)多光譜遙感方法相似，高光譜遙感反演濕地植被葉面積指數(shù)主要分為基于經(jīng)驗公式的植被指數(shù)反演法和基于遙感物理模型的反演法以及混合像元分解方法。其中，物理模型反演方法可反演較多的植被參數(shù)，但存在反演結(jié)果不穩(wěn)定的問題，估計精度的高低很大程度上取決于太陽傳感器的幾何形狀、植物冠層結(jié)構(gòu)和生物化學(xué)特性[41]?；旌舷裨纸夥苡嬎忝恳粋€端元組分占像元的百分含量,減少葉面積指數(shù)的提取誤差，估算結(jié)果比植被指數(shù)擬合結(jié)果要好[42]。

2) 生物量：濕地植被地上生物量可以間接反映濕地生態(tài)系統(tǒng)的生產(chǎn)力和養(yǎng)分循環(huán)。一般情況下，不同植被類型的生物量是不同的。在相同的植被覆蓋度和植被類型情況下，不同高度的植被生物量亦不同[43]。高光譜遙感為濕地植物生物量的估算提供了可能。應(yīng)用濕地植物的原始光譜、微分光譜、植被指數(shù)、“三邊” 特征參數(shù)等方法同樣能用于準(zhǔn)確反演濕地植物的地上生物量。在蘆葦 (Phragmitesaustralis) 研究中，其地上鮮生物量與冠層反射光譜在藍(lán)光、紅光及近紅外波段相關(guān)性均較高；與一階微分光譜在藍(lán)邊、紅邊相關(guān)性較好；微分光譜在生物量反演的相關(guān)性較原始光譜的相關(guān)性好。丁蕾等[44]研究蘆葦生物量與各項特征參數(shù)的相關(guān)性由大到小排序為植被指數(shù) > 光譜一階導(dǎo)數(shù) > 光譜一階導(dǎo)數(shù)導(dǎo)出量。目前，估測植被生物量較為常見的方法為構(gòu)建準(zhǔn)確的數(shù)學(xué)估算模型，在眾多反演模型研究中，單一波段光譜變量觀測生物量存在著不穩(wěn)定性，而諸多學(xué)者在研究濕地植被生物量模型建立時多選擇有較高估計精度的偏最小二乘回歸模型。

2.3 高光譜遙感在濕地植被生化參數(shù)反演中的應(yīng)用

植物特有的反射光譜曲線與植物本身的生物學(xué)特性有關(guān)，其光譜差異主要由葉片結(jié)構(gòu)和生化成分造成。濕地植被的生化參數(shù)是反演濕地植被養(yǎng)分狀況特征的重要依據(jù)，亦是衡量濕地生態(tài)系統(tǒng)健康狀況的基本指標(biāo)。高光譜遙感技術(shù)能較好地提取濕地植被的反射/輻射特性參量，使?jié)竦刂脖坏墓趯雍俊⑷~綠素含量、氮磷鉀含量等生化成分的定量估算成為可能[45]。

1) 葉綠素濃度：葉綠素的主要功能是進(jìn)行光合作用，是濕地植物利用光能的重要指標(biāo)，植物的葉綠素含量能夠反應(yīng)其生長狀況以及健康程度。得益于高光譜能提供更高的反演估算精度，在測量復(fù)雜的濕地植物葉綠素等生化參數(shù)方面高光譜遙感能更好滿足其精度要求。諸多學(xué)者利用高光譜便捷、有效、非破壞性的優(yōu)勢測量濕地內(nèi)植被的葉綠素含量。宮兆寧等[46]構(gòu)建了野鴨湖濕地典型植物與 “三邊” 參數(shù)、比值光譜指數(shù) (SR) 模型和歸一化差值光譜指數(shù) (ND) 的相關(guān)模型，盡管葉綠素高光譜反演受到濕地植物種類、發(fā)育階段及背景環(huán)境等因素的影響，但葉綠素含量與 “三邊” 參數(shù)呈現(xiàn)極顯著相關(guān)關(guān)系。章文龍等[47]在研究濕地植物葉片葉綠素含量中發(fā)現(xiàn)單位葉面積葉綠素相關(guān)指數(shù)高于單位質(zhì)量葉綠素相關(guān)指數(shù)，且基于正面計算的光譜參數(shù)與葉綠素含量相關(guān)系數(shù)要較背面的高。其次，濕地植物葉綠素含量不僅受空間位置的影響，在不同物候期的時間變化下植物葉綠素含量亦會存在明顯差異。Flores-de-Santiago等[48]基于前人的研究成果，使用葉綠素a間接測量了墨西哥錫那羅亞州沿海的亞熱帶森林中的紅樹林的光合活性，對比分析了旱季和雨季的光譜數(shù)據(jù)，認(rèn)為選擇旱季進(jìn)行高光譜測量能獲得最好的植物健康狀況數(shù)據(jù)。

2) 氮濃度：氮是植物生長發(fā)育過程中的必要元素，同時也是引發(fā)濕地富營養(yǎng)化導(dǎo)致濕地退化的元素之一。研究濕地植物氮濃度和氮儲量及氮在濕地土壤中的分布狀況同樣具有重要意義。其中，以濕地植物體內(nèi)氮含量的相關(guān)研究較為常見。有關(guān)蘆葦?shù)康难芯拷Y(jié)果顯示：濕地植物氮含量呈現(xiàn)明顯的垂直分布，從頂層到底層的分布規(guī)律呈現(xiàn)先增大后減小的趨勢[49]，選取植物中上層葉片測量的氮含量結(jié)果會得到較好的估計精度。郭超凡等[50]認(rèn)為，蘆葦和香蒲 (Typhaorientalis) 葉片氮含量的敏感光譜波段主要集中在可見光波段 (400～900 nm) 并使用譜帶分區(qū)、最佳波段選取和偏最小二乘回歸相結(jié)合的方法構(gòu)建了蘆葦和香蒲的全氮含量反演模型，克服了傳統(tǒng)反演方法的不足。為了了解氮元素對濕地植物的影響，Liu等[51]對5個不同氮處理的蘆葦葉片的高光譜反射特征進(jìn)行測量分析后發(fā)現(xiàn)，不同氮處理的蘆葦葉綠素含量不同。另外，土壤水是濕地植物氮元素的主要提供者，濕地植被光譜受水域內(nèi)水體富營養(yǎng)化的的影響。王莉雯等[52]在研究遼河濱海河口濕地蘆葦?shù)母吖庾V特征對濱海河口水體氮素濃度變化響應(yīng)實驗中指出，不同氮濃度水體上的蘆葦光譜特征存在差異，TCARI/OSAVI指數(shù)與水體氮濃度有較高相關(guān)性。

3) 含水量：因濕地處于陸地生態(tài)系統(tǒng)與水生生態(tài)系統(tǒng)的過渡帶，水分在濕地生態(tài)系統(tǒng)中的地位不可替代，濕地植物含水量與土壤含水量一直是當(dāng)前濕地研究的熱點[53]。有學(xué)者指出葉綠素不是用光譜檢測植物 “活力” (許多指標(biāo)的總和) 的最適指標(biāo)，葉片含水量才是評估植被 “活力” 最合適的指標(biāo)[54]。通過濕地植物含水量了解植物特性與生長狀態(tài)是濕地研究的重要內(nèi)容。林川等[55]發(fā)現(xiàn)蘆葦冠層葉片含水量影響葉片光譜特征，冠層葉片光譜反射率隨含水量的增加而降低 (350～760 nm、760～2 500 nm)，且不同含水率與 “三邊” 參數(shù)呈極顯著相關(guān)。由于植物獲取的水分大部分來自濕地土壤，因此濕地土壤的含水量也能反映整個生態(tài)系統(tǒng)的狀況。在有關(guān)濕地土壤高光譜反射特性的研究中，植物反射光譜特性對土壤含水量變化具有顯著相關(guān)性已得到證實。尹君[56]研究了潮灘不同含水量濕土沉積物的光譜反射率后發(fā)現(xiàn)，沉積物光譜反射率隨含水量減小而增大；在含水量較低時，長波長波段 (1 679 nm和2 035 nm) 對沉積物含水量變化敏感；含水量高時，933～1 346 nm范圍內(nèi)的波段對沉積物含水量的變化更敏感。

3 研究不足及展望

3.1 主要存在的不足

雖然高光譜遙感從出現(xiàn)于濕地遙感領(lǐng)域到目前得到廣泛研究和探討，其應(yīng)用能力不斷得到諸多學(xué)者的認(rèn)可與重視，但在某些方面仍然存在較多不足和研究空白。

1) 就高光譜遙感技術(shù)自身特點而言，其有效波長范圍不寬 (缺少熱紅外波段)，雖然獲取波段數(shù)量多，但較多波段屬于無效的冗余數(shù)據(jù)，且多數(shù)圖像質(zhì)量相對高空間分辨率影像較差。此外，在數(shù)據(jù)量增大的同時，為預(yù)處理帶來了復(fù)雜和更大的工作量，同時多有噪聲現(xiàn)象[57]。高光譜遙感影像獲取的時間不連續(xù)，周期不一致，數(shù)據(jù)選擇余地較小，加之高光譜數(shù)據(jù)在價格上并無優(yōu)勢的原因，導(dǎo)致高光譜遙感在濕地遙感領(lǐng)域的應(yīng)用仍處于初級階段。

2) 目前的多數(shù)研究是以近地面高光譜遙感影像構(gòu)建濕地理化參數(shù)的遙感估算模型，限于高光譜遙感影像成像范圍狹窄，難以實現(xiàn)宏觀區(qū)域的反演。在大尺度上，通常需要結(jié)合高光譜的窄波段與多光譜的寬波段共同完成濕地信息反演。同時，在軟件處理和使用過程中需要多學(xué)科交叉專業(yè)知識的基礎(chǔ)，在某些需要確定閾值的估算中往往需經(jīng)過大量的實驗，特別是濕地植被分類方面依據(jù)較少，通?？拷?jīng)驗等較主觀的方法確定。

3) 國內(nèi)外成像光譜儀技術(shù)雖日漸成熟，但在高光譜成像光譜儀的研發(fā)和推廣應(yīng)用方面依然有待加強(qiáng)。與高光譜技術(shù)先進(jìn)的國家相比，我國在該領(lǐng)域技術(shù)的差距雖在不斷縮小，但是星載高光譜數(shù)據(jù)仍不能滿足濕地植被研究的強(qiáng)烈要求。為了得到質(zhì)量更好的高光譜影像，提高傳感器的穩(wěn)定性、同步飛行參數(shù)獲取與數(shù)據(jù)精度提升是必然趨勢。

3.2 展 望

高光譜遙感技術(shù)與傳統(tǒng)多光譜遙感技術(shù)相比，既在一定程度上減少了外界因素對濕地植被理化參數(shù)反演的影響，又獲得了更多諸如木質(zhì)素、纖維素、紅邊位置參數(shù)等濕地植被及光譜特征參數(shù)。為了準(zhǔn)確提取濕地植被信息和提高理化參數(shù)的反演精度，需要尋找更為高效的光譜分析算法和信息提取技術(shù)；同時，如何從大量冗余波段信息中快速提取有用信息，以實現(xiàn)高光譜遙感反演潛力的充分挖掘，亦是今后需要深入研究的一個重要問題。未來，建立完善的濕地植被估算模型將加快高光譜遙感在濕地領(lǐng)域的研究進(jìn)展，以彌補(bǔ)傳統(tǒng)研究手段的不足，具有重要意義。

3.2.1基于高光譜數(shù)據(jù)的典型濕地主要優(yōu)勢種分類方法選取方面

1) 分析濕地主要優(yōu)勢種在生長期的反射/輻射光譜特性，進(jìn)行基于高光譜遙感的光譜分析，選取大氣窗口中的敏感譜段作為物種識別的特征波段；2) 分析主要優(yōu)勢種的光譜敏感性，研究并建立主要優(yōu)勢種與光譜反射率之間的關(guān)系，確定濕地主要優(yōu)勢種的高光譜遙感最優(yōu)分類方法；3) 開展外業(yè)群落及光譜調(diào)查，對各主要優(yōu)勢種的高光譜遙感分類方法進(jìn)行精度驗證與評價。

3.2.2典型濕地植被信息獲取及空間分布特征的分析方面

1) 利用濕地主要優(yōu)勢種高光譜遙感分類方法，結(jié)合外業(yè)群落調(diào)查，進(jìn)行主要優(yōu)勢種的信息獲?。?) 在物種尺度上，分析濕地各主要優(yōu)勢種的數(shù)量特征和空間分布；3) 在種群尺度上，分析濕地主要種群的覆蓋度、結(jié)構(gòu)及空間分布型；4) 在群落尺度上，分析群落組成、外貌特征及多樣性；5) 在生態(tài)系統(tǒng)尺度上，分析濕地生態(tài)系統(tǒng)的組成、結(jié)構(gòu)和空間分布特征。

3.2.3典型濕地植被理化參數(shù)估算及演變過程的分析方面

1) 基于星載/機(jī)載高光譜遙感影像，結(jié)合主要優(yōu)勢種的生長狀況調(diào)查和地面光譜測定，分析主要優(yōu)勢種葉片的全氮含量、全磷含量、葉綠素含量、葉面積指數(shù)和地上生物量與光譜反射率之間的 (分段) 線性/非線性關(guān)系，擬合并建立各優(yōu)勢種的主要理化參數(shù)高光譜遙感估算模型，并對估算模型進(jìn)行精度驗證；2) 以逐漸縮短的時間采樣間隔，估算各優(yōu)勢種主要理化參數(shù)在生長旺盛期不同時相的數(shù)量特征，分析各優(yōu)勢種主要理化參數(shù)的演變過程及發(fā)展趨勢。