內(nèi)蒙古荒漠化草原植被高光譜特征提取與分析

陳程 杜健民 楊紅艷

文章編號： 1005-5630（2018）06-0042-06

摘要： 針對內(nèi)蒙古荒漠化草原植被光譜缺少定量參數(shù)分析比較，提出了將微分法和包絡(luò)線去除法相結(jié)合的方法，對植被具有診斷性的紅邊（680～750 nm）和差異性較大的近紅外波段（550～760 nm）進(jìn)行特征提取，并進(jìn)行定量對比分析。利用GaiaSkymini型機(jī)載地面兩用型高光譜儀對荒漠化草原的建群種短花針茅、優(yōu)勢種冷蒿、退化指示種豬毛菜進(jìn)行實地高光譜數(shù)據(jù)采集，并對數(shù)據(jù)進(jìn)行降噪平滑、一階微分、二階微分和包絡(luò)線去除法等處理，還對3種不同植被的光譜特征、紅邊參數(shù)特征和吸收峰面積等進(jìn)行了分析。研究表明，短花針茅的反射率最低，冷蒿的紅邊效應(yīng)最為明顯，吸收峰面積及右面積差異可以將豬毛菜與冷蒿識別出來。所得結(jié)論可為荒漠植被識別及無人機(jī)遙感反演提供參考。

關(guān)鍵詞： 荒漠植被; 反射特征分析; 線性微分; 包絡(luò)線去除; 參數(shù)化提取; 物種識別

中圖分類號： O 435文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.1005-5630.2018.06.007

引言

草地資源是陸地上最大的生態(tài)系統(tǒng)，我國草原面積位居世界第二位，僅次于澳大利亞，其中位于內(nèi)蒙古自治區(qū)的草原約占該區(qū)域土地面積的73.5%[1-3]，因此內(nèi)蒙古草原成為關(guān)乎我國北方生態(tài)環(huán)境安危的關(guān)鍵所在。目前，我國約有90%左右的草地發(fā)生不同程度的退化，如何能夠快速、準(zhǔn)確地監(jiān)測草地的退化類別、退化區(qū)域、退化程度已成為草地建設(shè)中的一個重要課題。

傳統(tǒng)的監(jiān)測方法耗時長、效率低，不適宜大范圍監(jiān)測，遙感的出現(xiàn)為草地監(jiān)測提供了一種全新的方法[4]。近年來，遙感技術(shù)己發(fā)展成為草地資源調(diào)查、草地退化動態(tài)監(jiān)測、草地類型識別、生物量估測、草地多樣性評價和災(zāi)害監(jiān)測等研究的有效手段，并取得顯著的成績[5-9]。

作為遙感科學(xué)的研究前沿和熱點(diǎn)，高光譜遙感已廣泛地應(yīng)用到許多學(xué)科領(lǐng)域。高光譜遙感比傳統(tǒng)的遙感具有更高的光譜分辨率、更多的波段數(shù)據(jù)，已成為研究地表植被的強(qiáng)有力的工具[10]。

本研究采用一階微分、二階微分、包絡(luò)線去除法對內(nèi)蒙古四子王旗荒漠化草原建群種短花針茅、優(yōu)勢種冷蒿、退化指示種豬毛菜提取相關(guān)特征參數(shù)，并對這些植物的光譜特征進(jìn)行分析。通過光譜曲線對3種典型植被進(jìn)行分類識別，為最終無人機(jī)遙感的反演提供地面數(shù)據(jù)支持。

1數(shù)據(jù)來源

1.1試驗區(qū)概況

本文選擇的測試區(qū)域為烏蘭察布市四子王旗中南部的內(nèi)蒙古農(nóng)牧業(yè)科學(xué)院綜合試驗示范中心，該區(qū)域面積為60 m×300 m，位于東經(jīng)111°88′00″、北緯41°78′00″，屬北部溫帶大陸性季風(fēng)氣候，1月最冷，7月最熱，降水主要集中在7和8月，占年降水量的60%左右。該地區(qū)約有20種草種，其中建群種為短花針茅，優(yōu)勢種為冷蒿、無芒隱子草，伴生種主要有豬毛菜、櫛葉蒿、木地膚等。

本研究采用GaiaSkymini型機(jī)載地面兩用型高光譜儀，波長范圍400～1 000 nm。選擇依據(jù)：（1） 高光譜成像儀所獲取的信息是所投影區(qū)域的矩形光譜均值，一個像元一條曲線具有圖譜合一的特點(diǎn)，能準(zhǔn)確反映選取地物的光譜曲線特性;（2） 在建立地面與航空遙感數(shù)據(jù)關(guān)系時，因采用同一款儀器消除了不同成像原理傳感器的誤差，使對比分析更精確。

1.2光譜測量及處理

本研究測量是在6、7、8月3個月份下旬（北京時間10：00至14：00），且天氣晴朗無風(fēng)的情況下進(jìn)行。試驗區(qū)被分成3行8列，平均地放置24個1 m×1 m的樣方框，樣方中有多種類型的草，以此作為群落樣方。另外有40個0.5 m×0.5 m的樣方框隨機(jī)地放置在實驗區(qū)內(nèi)，其中有短花針茅、冷蒿、豬毛菜的單種植被，并以此作為純樣方。在對樣方植被做光譜測定前，先進(jìn)行白板測定;在測量植被光譜時，要保證樣方內(nèi)無陰影，并且每5 min校正1次白板光譜。對每個樣方采集6次，同時針對實地光照變化設(shè)定最佳積分時間，獲取最佳圖像光譜曲線后，將平均光譜作為最終光譜特征曲線。

2研究方法

2.1降噪變平滑法

野外地物光譜數(shù)據(jù)由于受到外部環(huán)境干擾、儀器噪聲和目標(biāo)自身光譜特性差異等多種因素的影響，使測得的光譜數(shù)據(jù)存在較多噪聲，導(dǎo)致光譜反射率波動較大，不利于正常光譜分析，因此需對所測光譜數(shù)據(jù)進(jìn)行去噪等預(yù)處理。本文采用SavitzkyGolay平滑處理法對地物光譜曲線進(jìn)行平滑處理，以濾除各種高頻噪音[11]。圖1、圖2分別為降噪去平滑前與降噪去平滑后的反射率曲線。

3結(jié)果與分析

3.1原始光譜特征分析

圖2為測量的3種植被的光譜曲線，由圖可見：在藍(lán)光480 nm和紅光680 nm附近有兩個明顯的吸收帶，藍(lán)谷的反射率都<0.1，紅谷的反射率都高于各自藍(lán)谷的反射率，這是3種植被的葉綠素含量不同產(chǎn)生的;在550 nm處綠波段反射峰明顯，反射率由低到高依次是短花針茅、冷蒿、豬毛菜;在680～750 nm反射率急劇增高，所產(chǎn)生的陡坡被稱為植被“紅邊”?！凹t邊”的位置、高度和斜率會因植被的不同及同一植被的不同生長狀況而存在差異，它主要由植被的細(xì)胞構(gòu)造所決定，可區(qū)分不同植被。由光譜曲線可得：短花針茅的反射率最低，冷蒿和豬毛菜的光譜曲線則比較相似，在550～680 nm冷蒿的反射率整體低于豬毛菜的，在680～750 nm兩者曲線甚至出現(xiàn)重疊，760 nm后反射率再次接近。通過反射率只能將短花針茅從冷蒿和豬毛菜中識別出來，而區(qū)分冷蒿和豬毛菜則需要對原始光譜數(shù)據(jù)作進(jìn)一步分析。

3.2光譜微分紅邊特征分析

植被光譜經(jīng)一階微分、二階微分后的曲線如圖3所示，植被光譜特征變化更為突出，紅邊特征差異更明顯。在圖3（a）中，3種植被在520 nm處出現(xiàn)波峰，在570 nm附近出現(xiàn)明顯的波谷，在680～750 nm豬毛菜比冷蒿先達(dá)到峰值。在圖3（b）中，680～700 nm范圍內(nèi)，3種植被同時達(dá)到峰值，短花針茅的峰值最小豬毛菜的峰值最大，二階微分法可以將豬毛菜與冷蒿區(qū)分開。根據(jù)式（1）計算的各植被紅邊特征參數(shù)如表1所示。

3.3包絡(luò)去除法提取吸收峰特征參數(shù)分析

用包絡(luò)線法分別對3種植被進(jìn)行分析，對新生成的去除包絡(luò)線曲線重新對比，得到曲線如圖4、圖5所示。經(jīng)過包絡(luò)線去除法后，冷蒿和豬毛菜在400～550 nm之間的反差很大，短花針茅和豬毛菜反而比較相似接近。利用上述式（2）、（3）、（4）計算550～760 nm內(nèi)吸收峰面積（A），左吸收峰面積（AL）和對稱度（S），如表2所示。由表看出，吸收峰總面積、吸收峰左面積和吸收峰右面積都是短花針茅的>豬毛菜的>冷蒿的，對稱度則表現(xiàn)為短花針茅的>冷蒿的>豬毛菜的。不同植被的吸收峰存在較大差異，所以選擇吸收波段研究也可以將豬毛菜與冷蒿區(qū)分開。

4結(jié)束語

（1） 連續(xù)多波段高光譜數(shù)據(jù)能夠反映內(nèi)蒙古典型荒漠植被對光譜的反射和吸收信息。在可見光到近紅外波段內(nèi)（400～1 000 nm）具有典型的“兩峰三谷”曲線特征：在綠光（550 nm）和近紅外（750 nm）處出現(xiàn)反射峰;在藍(lán)光（480 nm）、紅光（700 nm）和近紅外（950 nm）處出現(xiàn)吸收谷，且紅光的吸收谷最為明顯。

（2） 在近紅外波段（680～750 nm），不同植被的反射率開始急速增長且差異明顯，增長速率表現(xiàn)為冷蒿的>豬毛菜的>短花針茅的。計算紅邊特征參數(shù)，發(fā)現(xiàn)冷蒿紅邊效應(yīng)最為顯著，具體表現(xiàn)為冷蒿的>豬毛菜的>短花針茅的。550～760 nm內(nèi)，冷蒿的吸收峰總面積最小短花針茅的吸收峰總面積最大，冷蒿的對稱度低于豬毛菜的，短花針茅的對稱度最大。

（3） 對原始光譜數(shù)據(jù)進(jìn)行一階微分、二階微分、包絡(luò)線去除法可以放大反射率曲線變化特征，為物種區(qū)分提供更多參數(shù)。光譜變化速率最快的特征波段對一階微分最為敏感，光譜曲率變化顯著的特征波段對二階微分最為敏感，吸收波段的快速變換區(qū)域用包絡(luò)線去除法效果最佳。應(yīng)用微分法和包絡(luò)線去除法研究不同植被的差異性特點(diǎn)，能夠有效地將多種植被區(qū)分開。

參考文獻(xiàn)：

[1]張宏斌.基于多源遙感數(shù)據(jù)的草原植被狀況變化研究——以內(nèi)蒙古草原為例[D].北京：中國農(nóng)業(yè)科學(xué)院，2007.

[2]龔文杰.我國草原荒漠化法律問題研究及對策[D].哈爾濱：東北林業(yè)大學(xué)，2012.

[3]寶文杰.內(nèi)蒙古草原畜牧業(yè)可持續(xù)發(fā)展研究[D].呼和浩特：內(nèi)蒙古財經(jīng)學(xué)院，2011.

[4]周磊，辛?xí)云?，李剛，?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）：2027.

[5]楊婷婷.荒漠草原生物量動態(tài)及碳儲量空間分布研究[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2013.

[6]MANSOUR K，MUTANGA O，EVERSON T，et al.Discriminating indicator grass species for rangeland degradation assessment using hyperspectral data resampled to AISA Eagle resolution[J].ISPRS Journal of Photogrammetry and Remote Sensing，2012，70（2）：5665.

[7]楊芳，陳冬花，李虎，等.新疆博州典型荒漠植被光譜反射特征分析[J].遙感信息，2016，31（3）：8893.

[8]屈冉，李雙，徐新良，等.草地退化雜類草入侵遙感監(jiān)測方法研究進(jìn)展[J].地球信息科學(xué)學(xué)報，2013，15（5）：761767.

[9]張富華.錫林郭勒草地多樣性遙感識別與評價研究[D].北京：首都師范大學(xué)，2014.

[10]丁勝.智能優(yōu)化算法在高光譜遙感影像分類中的應(yīng)用研究[D].武漢：武漢大學(xué)，2010.

[11]程街亮.土壤高光譜遙感信息提取與二向反射模型研究[D].杭州：浙江大學(xué)，2008.

[12]李繼業(yè)，楊芳，姚國慧，等.艾比湖流域典型荒漠植被光譜特征分析[J].林業(yè)資源管理，2015（1）：112117.

[13]陳璇，林文鵬，王瑤，等.基于包絡(luò)線法的長江三角洲典型植物光譜識別研究[J].海洋環(huán)境科學(xué)，2017，36（5）：688692.

（編輯：劉鐵英）