基于高光譜數(shù)據(jù)的互花米草葉片功能性狀反演

左雪燕,崔麗娟,*,李 偉,竇志國,蔡 楊,劉志君,雷茵茹

1 中國林業(yè)科學(xué)研究院濕地研究所,濕地生態(tài)功能與恢復(fù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100091 2 北京漢石橋濕地生態(tài)系統(tǒng)國家定位觀測研究站,北京 101399

濱海濕地生態(tài)系統(tǒng)是介于陸地和海洋之間的過渡帶,具有獨(dú)特的生態(tài)過程,具備保護(hù)海岸線、防止海岸侵蝕、調(diào)節(jié)氣候、凈化水質(zhì)、為生物提供棲息地等功能,是全球生物多樣性最豐富、最具價(jià)值的生態(tài)系統(tǒng)之一[1-6]。但是隨著人類活動(dòng)和氣候變化的加劇,濱海濕地面臨嚴(yán)重威脅,生態(tài)系統(tǒng)功能遭到嚴(yán)重破壞[7-11]。互花米草的入侵是我國濱海濕地生態(tài)系統(tǒng)面臨的嚴(yán)重問題之一,因?yàn)槿鄙偬鞌?且對環(huán)境的適應(yīng)性較強(qiáng)而具有超強(qiáng)的競爭力,在濱海灘涂濕地上逐漸蔓延,造成本土植物多樣性減少,對經(jīng)濟(jì)、社會、生態(tài)均產(chǎn)生嚴(yán)重危害[12-14]。

植物功能性狀是指與植物獲得、利用和保存資源的能力有關(guān)的一系列植物形態(tài)生理學(xué)性狀[15-17]。功能性狀在器官水平上可以分為：全株性狀、葉性狀、根性狀、莖性狀等；還可以分為形態(tài)性狀、生理性狀等[16,18-19]。葉片功能性狀是植物功能性狀的重要組成部分,能夠反映植物的生長策略和適應(yīng)機(jī)制。其中,比葉面積、葉片養(yǎng)分含量等與植物的相對生長速率存在顯著相關(guān)關(guān)系[17]；葉綠素濃度、葉氮、比葉面積、氮磷比等反映的是植物對資源的最大化獲取的生存策略[20-21]。傳統(tǒng)上的實(shí)驗(yàn)室內(nèi)進(jìn)行功能性狀的測定方法費(fèi)時(shí)費(fèi)力,而高光譜數(shù)據(jù)以其快速、高效且提供的信息量大為解決這些問題提供了有效手段[22-24]。

目前,對于高光譜數(shù)據(jù)反演植被功能性狀已經(jīng)取得了很大的進(jìn)展,但是對于濕地的研究主要集中某一指標(biāo)(如氮、磷、生物量)的研究[1, 25-34],對互花米草的反演研究則主要集中于葉綠素含量、生物量等方面,對于葉片功能性狀的系統(tǒng)研究比較缺乏。因此,本研究利用ASD FS4 便攜式地物光譜儀來獲取互花米草的光譜數(shù)據(jù),基于高光譜數(shù)據(jù)建立與葉片功能性狀之間的定量模型,最后通過決定系數(shù)(R2)以及均方根誤差(RMSE)比較選出最佳反演模型,為實(shí)現(xiàn)無損監(jiān)測互花米草的生長狀況提供理論和技術(shù)基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

江蘇鹽城濱海濕地,地處32°56′—33°36′N,120°13′—120°56′E(圖1,分類圖來源于MODIS Land Cover Type Product,MCD12Q1)。位于淮河下游,東臨黃海,有582 km海岸線。季風(fēng)盛行,雨水充沛,冬季盛行來自高緯度陸地的偏北風(fēng),夏季盛行來自太平洋的偏南風(fēng),全年平均氣溫受到海洋的調(diào)節(jié),年、日變化小,該地區(qū)屬于弱潮區(qū),潮汐類型為不規(guī)則半日潮[35]。鹽城濱海濕地是我國濱海濕地生態(tài)系統(tǒng)中類型最為齊全的區(qū)域,也是中國最大的動(dòng)態(tài)潮間系統(tǒng)。該研究區(qū)為淤長型鹽沼濕地,樣地位于鹽城大豐麋鹿自然保護(hù)區(qū)。植被以鹽生植被為主,有互花米草(Spartinaalterniflora)、蘆葦(Phragmitescommunis)、白茅(Imperatacylindrica)等[36],其中互花米草自入侵以來,在該保護(hù)區(qū)不斷擴(kuò)張,對當(dāng)?shù)氐纳鷳B(tài)和經(jīng)濟(jì)造成了嚴(yán)重威脅。

圖1 研究區(qū)位置以及樣點(diǎn)分布

1.2 數(shù)據(jù)獲取

1.2.1高光譜數(shù)據(jù)獲取

本研究于2019年8月在江蘇鹽城進(jìn)行試驗(yàn)數(shù)據(jù)的采集工作,使用的光譜儀是美國Analytical Spectral Device(ASD)公司生產(chǎn)的便攜式地物波譜儀FS4,光譜范圍為350—2500 nm,采樣間隔為1 nm。平行于海岸線設(shè)置3個(gè)條帶,每個(gè)條帶上采集20個(gè)采樣點(diǎn),采樣點(diǎn)間隔10 m。采樣點(diǎn)植物群落單一,均為互花米草群落,高度為100—175 cm,株數(shù)為80—160 株/m2,植被蓋度為60%—80%,土壤質(zhì)地為砂性土和壤性土。在每個(gè)采樣點(diǎn)采集上、中、下部三片生長健康、無病害的葉片,用ASD FS4搭配的葉片夾測量互花米草葉片的中部,每個(gè)葉片采集10條光譜數(shù)據(jù),測定時(shí)避開葉片的主葉脈,將構(gòu)成樣本的三個(gè)葉片光譜反射率值進(jìn)行平均作為該樣點(diǎn)的葉片光譜反射率。

1.2.2葉片功能性狀測定

在每個(gè)采樣選擇3株生長狀況良好的互花米草植株,采集地上植株上中下3個(gè)部位的互花米草葉片,4小時(shí)內(nèi)測定葉片的鮮重、葉厚、SPAD以及葉面積后,在105℃下,殺青15 min,之后85℃恒溫,烘干至恒重,得到干重；之后經(jīng)過粉碎過篩,測定其他指標(biāo)?？偟涂偺伎捎稍胤治鰞x同時(shí)獲得,通過高溫燃燒使得植物樣品分解,生成混合氣體之后由熱導(dǎo)檢測系統(tǒng)自動(dòng)測定[37]；植物體中的磷以有機(jī)態(tài)為主,經(jīng)過H2SO4-H2O2消煮使得有機(jī)磷轉(zhuǎn)化為磷酸鹽,之后利用分光光度計(jì)測定,繪制標(biāo)準(zhǔn)曲線,測定總磷含量[38](表1)。

表1 互花米草主要葉片功能性狀測定方法

1.2.3高光譜數(shù)據(jù)處理

(1)光譜數(shù)據(jù)轉(zhuǎn)換

通過ViewSpecPro軟件對互花米草葉片高光譜數(shù)據(jù)進(jìn)行處理,導(dǎo)出互花米草葉片反射率(儀器自動(dòng)重采樣為1 nm分辨率),350—2500 nm共2151條波段,每30條波段取平均作為一個(gè)采樣點(diǎn)的光譜反射率值,同時(shí)對葉片原始光譜反射率進(jìn)行一階微分(First derivative,FD)轉(zhuǎn)換,公式為：

式中,λi為每個(gè)波段的波長,FDR(λi)為波長λi處的一階微分光譜值,△λ為波段i到波段i+1的波長值。

(2)主成分分析

高光譜數(shù)據(jù)的波段數(shù)量多、相關(guān)性強(qiáng),存在數(shù)據(jù)冗余,造成計(jì)算復(fù)雜。主成分分析是常用的高光譜降維手段,通過主成分分析,將互相關(guān)聯(lián)的多個(gè)變量壓縮為少數(shù)不相關(guān)的新的成分變量,少數(shù)的幾個(gè)成分變量包含原始高光譜數(shù)據(jù)的大量信息。本研究中的主成分分析通過R語言軟件中的psych函數(shù)來實(shí)現(xiàn)。

1.2.4數(shù)據(jù)分析處理及模型建立與評價(jià)

將通過主成分分析獲得新的主成分作為自變量,構(gòu)建互花米草葉片功能性狀的預(yù)測模型,模型選擇逐步回歸模型(Stepwise regression,SR)、BP神經(jīng)網(wǎng)絡(luò)(BP artificial neural network,BPNN)、支持向量機(jī)(Support vector machines,SVM)、隨機(jī)森林(Random forest,RF)模型,模型的實(shí)現(xiàn)依托于軟件Weka 3.8。基于R語言實(shí)現(xiàn)原始高光譜反射率以及一階微分轉(zhuǎn)換后的光譜數(shù)據(jù)與互花米草葉片功能性狀的相關(guān)性分析,選擇最佳波段,構(gòu)建預(yù)測模型。模型精度由決定系數(shù)(R2)、均方根誤差(RMSE)進(jìn)行評價(jià)。最后,通過Origin 2020軟件出圖。

2 結(jié)果與分析

2.1 互花米草葉片功能性狀分析

首先對互花米草的功能性狀進(jìn)行分析,得到表2的結(jié)果。從表中可以看出,互花米草的葉片含水率均值為0.66,范圍為0.56—0.74,含水率相對較高；SPAD為41.41,標(biāo)準(zhǔn)偏差為5.17；TC/TN、TN、TP、SLA的均值分別為27.12、1.32 g/kg、0.18 g/kg、41.68,其中SLA的標(biāo)準(zhǔn)偏差較大,達(dá)到20.26。功能性狀的取值范圍以及標(biāo)準(zhǔn)偏差的存在說明了互花米草葉片之間的差異,為基于高光譜數(shù)據(jù)進(jìn)行功能性狀的反演提供了條件。

表2 互花米草葉片功能性狀統(tǒng)計(jì)表

2.2 主成分分析

本文通過主成分分析將原始光譜反射率數(shù)據(jù)以及一階微分?jǐn)?shù)據(jù)進(jìn)行降維,減少自變量個(gè)數(shù),提高運(yùn)算效率。從表3可以看出原始光譜反射率的PC1的貢獻(xiàn)率為0.53,PC2的貢獻(xiàn)率為0.31,前兩個(gè)主成分累計(jì)貢獻(xiàn)率達(dá)到0.84,考慮到PC3的貢獻(xiàn)率達(dá)到0.1,因此保留前3個(gè)主成分,累計(jì)貢獻(xiàn)率達(dá)到0.94。從表4可以看出,一階微分光譜主成分分析的第一主成分的貢獻(xiàn)率為0.49,第二主成分的貢獻(xiàn)率為0.18,其余主成分貢獻(xiàn)率均低于0.1,因此選擇了累計(jì)貢獻(xiàn)率達(dá)到0.8的前4個(gè)主成分作為新的變量。

表3 原始光譜反射率主成分分析(PC)結(jié)果

表4 一階微分光譜數(shù)據(jù)主成分分析(FDPC)結(jié)果

2.3 原始光譜反射率與葉片功能性狀的相關(guān)性分析

原始光譜反射率與葉片功能性狀之間的相關(guān)性如圖2所示。分析結(jié)果表明,葉片含水率在731—828、1365—1608、1742—1901、1977—2426 nm波段內(nèi)與原始反射率之間顯著相關(guān),與綠色植物的光譜反射率的水分敏感波段相似；SPAD在601—720 nm波段內(nèi)極顯著負(fù)相關(guān)(P<0.01),符合植物吸收綠光進(jìn)行光合作用的原理；TC/TN與原始光譜數(shù)據(jù)的相關(guān)性較弱,在426—448 nm，654—687 nm波段內(nèi)呈顯著正相關(guān)(P<0.05),TN在1378—1572 nm,1762—1891 nm波段內(nèi)呈顯著正相關(guān),TC/TN與TN與原始光譜數(shù)據(jù)總體相關(guān)性較弱；總磷在1305—1390 nm1509—1836 nm范圍內(nèi)呈極顯著正相關(guān)；SLA與原始光譜數(shù)據(jù)在720—1142 nm波段內(nèi)呈極顯著正相關(guān)(P<0.01)。根據(jù)相關(guān)性分析的結(jié)果,選擇與互花米草功能性狀顯著相關(guān)的敏感波段作為自變量,建立基于原始反射率敏感互花米草功能性狀預(yù)測模型。

圖2 原始光譜反射率與葉片功能性狀相關(guān)性

2.4 一階微分光譜與葉片功能性狀的相關(guān)性分析

一階微分轉(zhuǎn)換后的高光譜數(shù)據(jù)與互花米草葉片功能性狀的相關(guān)性分析結(jié)果如圖3所示。從結(jié)果中可以看出,總體上一階微分后的高光譜數(shù)據(jù)與功能性狀的相關(guān)性明顯高于原始光譜反射率,并且相關(guān)性更為復(fù)雜。首先對于葉片含水率,在541—560、804—967、977—998、1264—1387、1547—1593、1628—1687 nm等波段葉片與一階微分高光譜數(shù)據(jù)顯著相關(guān)(P<0.01)；SPAD與一階微分?jǐn)?shù)據(jù)在641—675、679—702、711—760 nm波段內(nèi)極顯著相關(guān)(P<0.01)；TC/TN在765—775、917—961、1004—1049、1722—1743、2213—2244 nm等波段內(nèi)顯著相關(guān)(P<0.05)；TN在1076—1087、1275—1362、1725—1743 nm等波段內(nèi)與一階微分?jǐn)?shù)據(jù)顯著相關(guān)；TP與一階微分?jǐn)?shù)據(jù)在1461—1542、1678—1712、2055—2127 nm等波段內(nèi)極顯著相關(guān)(P<0.01)；SLA與一階微分?jǐn)?shù)據(jù)在900—971、1084—1166、1266—1387、1722—1771 nm等波段內(nèi)呈極顯著相關(guān)。根據(jù)相關(guān)性分析的結(jié)果,選擇與互花米草功能性狀顯著相關(guān)的敏感波段作為自變量,建立基于一階微分敏感波段的互花米草功能性狀預(yù)測模型。

圖3 一階微分?jǐn)?shù)據(jù)與葉片功能性狀相關(guān)性分析

2.5 基于主成分分析的功能性狀模型的構(gòu)建與驗(yàn)證

根據(jù)上述表3、表4的結(jié)果,分別基于原始光譜、一階微分提取的主成分構(gòu)建不同功能性狀的SR、BPNN、SVM、RF預(yù)測模型。隨機(jī)選擇40個(gè)樣本用于建模,其余用于驗(yàn)證,最優(yōu)模型的確定由決定系數(shù)(R2)和均方根誤差(RMSE)來確定。

2.5.1基于主成分分析的葉片功能性狀建模與評價(jià)

分別基于原始和一階微分變換的高光譜數(shù)據(jù)的主成分變量構(gòu)建SR、BPNN、SVM、RF4種預(yù)測模型,建模結(jié)果如表5所示。對于兩種數(shù)據(jù)形式的建模結(jié)果,除了TC/TN、TN、SLA三個(gè)性狀的極個(gè)別模型一階微分的建模效果略低于原始高光譜數(shù)據(jù)外,其余均明顯優(yōu)于原始高光譜數(shù)據(jù)建模,尤其從SR來看,原始光譜數(shù)據(jù)對TC/TN以及TN的建模精度極低,而一階微分則得到了顯著性的關(guān)系結(jié)果,雖然精度較低,但也說明一階微分有助于減少建模過程中的不確定性,從而提高建模精度。比較4種模型的建模結(jié)果,SR、BPNN、SVM、RF的建模R2依次為0—0.75、0.34—0.89、0.58—1.00、0.98—0.99,雖然SVM的部分建模結(jié)果優(yōu)于RF模型,但是較之于SVM模型,RF模型的穩(wěn)定性更高,綜合比較可以發(fā)現(xiàn),4種模型的排序?yàn)镽F>SVM>BPNN>SR,SR模型整體上較差,可能是由于高光譜數(shù)據(jù)與葉片功能性狀之間的關(guān)系是非線性的,因此其建模效果較差。

2.5.2基于敏感波段的功能性狀模型的建立與評價(jià)

表6 基于光譜敏感波段的互花米草葉片功能性狀隨機(jī)森林模型

3 討論

3.1 高光譜數(shù)據(jù)與互花米草葉片功能性狀的敏感波段

通過對互花米草不同葉片功能性狀與原始高光譜以及一階變換后的高光譜數(shù)據(jù)的相關(guān)性分析,針對不同指標(biāo)得到了不同的相關(guān)性分析結(jié)果,其中MC主要在紅外區(qū)域與高光譜數(shù)據(jù)存在顯著相關(guān)關(guān)系,主要是由于在紅外光范圍內(nèi),植物的光譜反射率會受到水分的影響,并且該結(jié)果也得到了浦瑞良等[22]和哈布熱等[39]研究的證實(shí)；與SPAD顯著相關(guān)的波段主要集中于可見光的綠光波段,這主要是因?yàn)橹参镏饕ㄟ^吸收綠光來進(jìn)行光合作用,該結(jié)果在前人的研究中得到了肯定[40-42]；TC/TN、TN、TP、SLA與高光譜數(shù)據(jù)顯著相關(guān)的波段主要集中于近紅外和紅外波段,其中TC/TN、TN與原始光譜反射率的相關(guān)性較低,與易秋香[43]等以及施潤和等[44]的相關(guān)性絕對值達(dá)到0.85和0.81相差較大,但是TN與一階微分光譜在675、770、850、1076—1850 nm范圍內(nèi)與易秋香等[43]的研究結(jié)果存在交叉；TP與原始光譜的結(jié)果與郭澎濤等[45]的TP在529—578 nm以及699—746 nm與原始反射率顯著相關(guān)的結(jié)果不同,而TP與一階微分光譜的相關(guān)性與其研究結(jié)果存在交叉波段；對于以上結(jié)果,推斷原因有二,一是由于植物種類的差異,使得光譜以及指標(biāo)之間都存在差異；二是由于樣本數(shù)量的不足,導(dǎo)致相關(guān)性水平較低[43]。因此,本研究得到的結(jié)果既與前人的研究存在相似之處,又存在一定獨(dú)特性,說明不同的植物類型、樣本量以及不同的數(shù)據(jù)處理方法,會使得功能性狀與高光譜數(shù)據(jù)之間的相關(guān)性分析存在差異。

3.2 基于不同數(shù)據(jù)類型的不同模型估算結(jié)果比較分析

兩種數(shù)據(jù)形式與功能性狀的相關(guān)性分析結(jié)果表明,在相關(guān)性水平上以及敏感波段數(shù)目上均證明了一階微分光譜數(shù)據(jù)與葉片功能性狀的相關(guān)性水平更高。根據(jù)表5、6及圖4中不同模型建模以及驗(yàn)證精度的結(jié)果進(jìn)一步驗(yàn)證了一階微分變換的高光譜數(shù)據(jù)的預(yù)測效果優(yōu)于原始數(shù)據(jù)。以上結(jié)果,與郭超凡等[40]、艾金泉等[42]、余哲修等[46]的結(jié)果一致,說明一階微分光譜能夠提高高光譜與功能性狀的相關(guān)性,提高功能性狀的反演精度。在本研究中,選擇SR、BPNN、SVM、RF4種回歸模型進(jìn)行功能性狀的預(yù)測,SR模型的建模R2介于0.10—0.75,BPNN建模R2介于0.32—0.89,SVM建模R2介于0.58—1,RF模型的建模R2介于0.98—0.99,與前人的結(jié)果相比較,本研究取得的結(jié)果是相對準(zhǔn)確的(表7)。

圖4 互花米草葉片功能性狀隨機(jī)森林驗(yàn)證集預(yù)測值和真實(shí)值

表7 模型結(jié)果與前人比較

以主成分分析結(jié)果為變量,比較4種模型在不同指標(biāo)上的估算結(jié)果發(fā)現(xiàn),逐步回歸模型在MC、SPAD、TP以及SLA的估算精度明顯優(yōu)于TC/TN和TN(表5)；而其他3種模型在不同指標(biāo)上的結(jié)果無較大變化,因此,其他3種模型較逐步回歸模型更加穩(wěn)定,其中RF模型的結(jié)果更加穩(wěn)定。綜上所述,RF優(yōu)于其他3種模型,可能是因?yàn)镽F的建模過程隨機(jī)性強(qiáng),決策樹的節(jié)點(diǎn)分裂以及每個(gè)節(jié)點(diǎn)分割變量的產(chǎn)生都是隨機(jī)的,且不需要進(jìn)行參數(shù)調(diào)整,也不易出現(xiàn)過擬合現(xiàn)象,因而更加穩(wěn)定和準(zhǔn)確[50,51]；SVM和BPNN預(yù)測效果不穩(wěn)定的原因可能是其模型的構(gòu)建需要較大的樣本量來支撐,而本研究中的樣本量不足以使其穩(wěn)定,并且在Cui等[52]的研究中發(fā)現(xiàn),RF、SVM、BPNN在不同季節(jié)不同指標(biāo)的反演中均達(dá)到了很好的效果,因此排除了采樣時(shí)間這一影響因素；而SR模型效果較差的原因可能是由于功能性狀與高光譜之間的關(guān)系是非線性的,因而得到的模型準(zhǔn)確性差。由于植物種類和性狀指標(biāo)的差異,模型的適用性會存在差異,本研究中RF模型在現(xiàn)有指標(biāo)以及現(xiàn)有樣本量情況下都取得了很好結(jié)果,而其他模型的效果還有待進(jìn)一步的驗(yàn)證。

4 結(jié)論

本研究以江蘇鹽城濱海濕地的互花米草為研究對象,采用室內(nèi)光譜儀獲得互花米草的高光譜反射率,通過實(shí)驗(yàn)室測定獲得互花米草葉片的相對葉綠素含量、葉片含水率、比葉面積、葉氮、葉磷、碳氮比指標(biāo)。闡明了不同葉片功能性狀與高光譜數(shù)據(jù)的相關(guān)性,選出了敏感波段；比較了逐步回歸、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林4種模型的預(yù)測效果,并進(jìn)一步驗(yàn)證了隨機(jī)森林模型的適用性和準(zhǔn)確性,主要結(jié)論如下：

(1)不同性狀與高光譜數(shù)據(jù)對應(yīng)的敏感波段存在差異,其中,與葉片含水率顯著相關(guān)的波段主要位于近紅外和紅外光波段；相對葉綠素含量的敏感波段則位于可見光波段；碳氮比和比葉面積兩個(gè)性狀與原始光譜數(shù)據(jù)的可見光波段高度相關(guān),總氮、總磷則與原始光譜數(shù)據(jù)的紅外波段高度相關(guān),而對于一階微分光譜數(shù)據(jù),相關(guān)性比較復(fù)雜,敏感波段既存在于可見光波段,又存在于紅外波段,顯著相關(guān)的波段遠(yuǎn)多于原始高光譜反射率?？傮w上來說,一階微分變換的光譜數(shù)據(jù)與功能性狀之間的相關(guān)性更強(qiáng),有助于提高建模精度。

(2)通過對原始光譜數(shù)據(jù)以及一階微分變換后的高光譜數(shù)據(jù)進(jìn)行主成分分析提取新的主成分參數(shù),建立不同功能性狀的預(yù)測模型,綜合比較不同性狀不同模型的結(jié)果,發(fā)現(xiàn)隨機(jī)森林模型>支持向量機(jī)>BP神經(jīng)網(wǎng)絡(luò)>逐步回歸,其中隨機(jī)森林的建模以及驗(yàn)證精度均大于0.80,逐步回歸模型的建模精度明顯低于其他模型,原因可能是功能性狀與高光譜數(shù)據(jù)之間的關(guān)系是非線性的,因而導(dǎo)致模型結(jié)果存在較大差異。

本研究進(jìn)一步證實(shí)了原始光譜數(shù)據(jù)以及一階微分?jǐn)?shù)據(jù)對互花米草不同功能性狀的預(yù)測能力,可為大范圍監(jiān)測互花米草的入侵提供先驗(yàn)知識以及基礎(chǔ)數(shù)據(jù)。同時(shí)本研究還進(jìn)一步證實(shí)了隨機(jī)森林模型的適應(yīng)性和穩(wěn)定性,但該結(jié)果還需要大量的實(shí)驗(yàn)來進(jìn)行檢驗(yàn)和修正。