主要道路路面材料高光谱特征分析

佘宇晨，林 辉，孙 华

（中南林业科技大学 林业遥感信息工程研究中心，湖南 长沙 410004）

主要道路路面材料高光谱特征分析

佘宇晨，林 辉，孙 华

（中南林业科技大学 林业遥感信息工程研究中心，湖南 长沙 410004）

随着公路建设的发展，路面材料变得更加多元化。利用高光谱监测不同性质的路面材料，非常值得关注。本研究采用美国ASD公司生产的地物波谱辐射仪（波段范围350～2 500 nm），开展了对沥青、混凝土、裸土和草地等典型路面材料的高光谱数据的野外观测，利用光谱均值、一阶微分、二阶微分、倒数后对数等方法，对原始光谱数据进行变换，得到4种材料的光谱特征曲线图，并进行对比和分析。结果表明：在多种数据变换方法中，倒数后对数方法最好,利用高光谱遥感方法能实现对不同路面材料的分类和识别，说明高光谱遥感技术能实现对道路材料和结构的监测。

公路路面材料；高光谱特征曲线；特征分析；比较分析

高光谱遥感是用很多很窄的连续光谱对目标物观测的技术。从可见光到红外，光谱分辨率特别高，波段数特别多，数据处理成为难点。国外有很多机构如：美国国家航空航天局（NASA）、日本国家空间发展局（NASDA）、欧洲航天局（ESA）等设有高光谱影像应用分析机构。

我国近年来也开展了高光谱的研究，在高光谱影像分析技术和地物光谱数据处理技术方面取得了一些进展，如20世纪90年代中国建立的第一个综合性“地物波谱特性数据库”，1998年中国国土资源航空物探与遥感中心建立的“典型岩石矿物波谱数据库”等等[4]。理论上认为，高光谱中总可以找到一个或一组波谱能够更好地区分目标物，达到对地物进行精细识别的目的，因此，高光谱遥感在很多方面取得了重要进展，如利用高光谱数据对杉木和马尾松进行识别研究[6]，利用光谱匹配技术对岩石、矿物种类及分布进行识别调查[10]；利用高光谱线性混合光谱分解识别人工地物[11]。同时，高光谱遥感在军事、气象预测、资源评估、海洋监测、城市规划等方面都有应用,如在土地利用动态监测[12]、地质探测中的土壤、矿物、冰川[13]专题制作等发挥了重要作用。文章主要通过对主要公路路面材料的高光谱外业观测，通过对数据的处理和分析，达到利用高光谱遥感数据识别不同路面材料的目的。

1 材料与方法

1.1 实验区概况

研究选定的实验区位于中南林业科技大学校园及附近区域，具有各种等级、各种材质的路面，为便于观测，将其主要归为沥青、混凝土、裸土以及草地4种类型。其中，沥青道路级配为细粒式AC-13F密级配沥青混凝土，最大粒径为13.2 mm。

1.2 观测条件

观测时间一般选择在10:00～14:00，以保证太阳高度角处于最佳状态。天气晴朗，光照稳定；风力≤3级；测量前一天降水量≤5 mm。测量时离地面高度约10 cm。参考板水平放置，倾斜角小于1°，并且周围不允许存在强反射体，实验人员穿暗色衣物进行测量。实验前需要对光谱仪进行调试，每次测定前需要对光谱仪进行参考板检验。

1.3 数据采集

研究采用美国ASD公司生产的地物波谱仪，光谱范围为350～2500 nm。随机选取具有平均水平的路块，且在一定面积之内基本均匀、具有代表性的典型路块，进行等距测量（即一条直线上按照固定间距逐次选点测量，共选定20个点进行测量，5 m一个点共100 m）。测量水平放置参考板反射率5次，固定高度后测量目标反射率5次，取均值作为最终的测量值。为排除温度及水汽的干扰因素，测量时间为2013年1月。

1.4 研究方法

数据采集完毕后利用ViewSpecPro进行光谱数据预处理，并将所有数据汇总。汇总数据后通过数学分析软件MATLAB对其进行各种数学变换（对原始数据进行均值处理、一阶微分、二阶微分以及倒数后对数），最后借助Excel将数据呈现为图像，对图像形式进行分析，从而得出结论。

由于大气中水汽强烈吸收的影响，光谱图上出现部分波段较大幅度的抖动。为了方便分析，数据处理时剔除了水汽吸收的波段数据，被剔除的吸收波段为：1 350～1 440 nm，1 750～1 950 nm和2 350～2 500 nm，对保留下来的数据进行均值化处理。

2 结果与分析

2.1 原始数据处理

对原始数据进行均值和去噪处理，结果见图1。

图1 4种路面材料光谱均值曲线Fig.1 Spectral mean curves of 4 kinds of highway pavement materials

由图1可知，4种材料的光谱反射率明显区分为3个区间，即左边的350～1 350 nm，中间的1 350～1 750 nm和右边的1 950～2 350 nm区间，在左边区间内的4种材料的波谱差异大，是进行分类和识别的最佳区域。中间区域稍差但也可以进行分类和识别，但右边区域差异较小，基本不能用于分类。

草地和裸土反射率在左边区域350～1 350 nm之间呈上升趋势，在可见光内草地的反射率低于裸土，而在红外区域则刚好相反。在中间的1 350～1 750 nm区域，草地反射率（约0.4）仍然高于裸土（约0.25）。草地反射率左、中、右3个区间的反射率依次下降，裸土也具有同样的趋势。沥青与混凝土两者反射率曲线相似，在全部的波段区间反射率比较平稳，维持在一个相对稳定的数值。沥青的反射率维持在0.15左右，而混凝土则维持在0.3左右，沥青的反射率明显低于混凝土的反射率。

4种材料中，草地的波谱曲线波动最大，这主要是与草地叶绿素含量有关。其余3种材料的光谱曲线波动相对较小，裸土波动大一些，这与含水量有关，当土壤含水量增加时，土壤反射率就会下降，特别在3个水汽吸收带处，反射率的下降更加明显。沥青表面主要成分是沥青碳氢化合物，包裹着碎石，颜色较深，对可见光的吸收较大；水泥呈现灰白色，在可见光的反射率最大，它们的成分和结构比较稳定，光谱曲线也比较平稳。

2.2 一阶微分

对原始光谱进行一阶微分变换，结果见图2。

图2 4种路面材料的光谱一阶微分变换曲线Fig. 2 First-order differential transform spectral curves of 4 kinds of highway pavement materials

由图2可知，在350～750 nm波段范围，草地、裸土与沥青、混凝土数值差距较大，草地、裸土的反射率一阶微分均小于0.015，基本低于0.01。草地反射率一阶微分波峰在700 nm处，而其他三者波峰则位于550 nm处。裸土反射率一阶微分最高达到0.017，远高于混凝土的0.001 1与沥青的0.000 4。混凝土与沥青的区别在于混凝土反射率一阶微分大于沥青反射率一阶微分。

在550～750 nm处，草地反射率曲线斜率较大，波动幅度也很大。550～700 nm属于可见光波段，叶绿素吸收此波段的光进行光合作用导致反射率较低。700 nm之后的近红外波段，健康的绿色植物一般来说反射率都比较高。草地反射率出现剧烈变化的原因是叶绿素的影响，而其他三者则不会受到叶绿素的影响，反射率变动幅度不大。在550 nm处沥青，混凝土，裸土均有一个波峰，可能是由于氧化铁引起的，氧化铁的含量增加时，可见光与近红外部分的吸收会因此增强。不过因为氧化铁在500～700 nm波段的吸收增强幅度不大（土壤呈黄红色的主要原因），所以在550 nm处的波动并不剧烈。裸土反射率一阶微分稍微高于沥青与混凝土。

2.3 二阶微分

对原始光谱开展二阶微分变换，结果如图3。

图3 可以看出，二阶微分变换与一阶微分变换的结果比较类似，说明两种方法可以简化为一种方法即可。

2.4 倒数后取对数

将原始光谱进行倒数变换后取对数，得到光谱曲线图（见图4）。

图3 4种路面材料的光谱二阶微分变换曲线Fig. 3 Second-order differential transform spectral curves of 4 kinds of highway pavement materials

图4 4种路面材料的光谱倒数后对数变换曲线Fig. 4 Transform spectral curves of “f i rst calculate reciprocal then logarithm” of 4 kinds of highway pavement materials

倒数后对数变换使草地、裸土、沥青和混凝土之间的区别非常明显，效果非常好。从图4可以看出，草地750 nm处有一个快速下降的过程，曲线明显低于裸土。沥青、混凝土只在350～600 nm呈下降的趋势，在600 nm之后基本保持稳定。从图上还可以看出，波谱曲线的峰值也很明显。

3 结论与讨论

通过对4种路面材料的高光谱数据观测，得到了从可见光至近红外的波谱及曲线，通过对数据去噪、数学变换等方法进行分析，主要结果有：

（1）采用高光谱数据可以区分出路面的材质情况。研究采用的路面材料为沥青、混凝土、裸土以及草地，这是目前主要的路面用材，通过测定高光谱数据及其变换后的曲线走势，可以判断其材质。其中，草地因含有叶绿素，裸土因含有水而出现一定的波动，沥青和混凝土曲线平稳，且沥青反射率要低于混凝土的反射率。

（2）在多种数据变换中，倒数后对数变换方法效果最好。研究对原始光谱开展了一阶微分、二阶微分和倒数后对数的变换方法，其中二阶微分与一阶微分变换结果很相似，倒数后对数的变换效果最好。

本研究将高光谱技术运用到道路监测中，是一次新的尝试。主要是想通过光谱判断路面材质情况，降低人工检测对道路的破坏，同时也提高了效率。本研究选择的路面材料本身差异较大，相对来说也容易区分。进一步的研究将对同一材料的不同配方进行观测和检验，实现高光谱对路面质量的测定。总之，高光谱遥感应用到公路路面监测还有较大的空间，应用前景也是十分广阔。

[1] 陶 伟. 基于Hyperion高光谱数据的城市地物识别与分类[D].杭州: 浙江大学,2013.

[2] 郭仕德,马 廷,林旭东.高光谱遥感及其影像空间结构特征分析[J].测绘科学,2005,30(3):35-38.

[3] 唐 菲,徐涵秋.高光谱与多光谱遥感影像反演地表不透水面的对比[J].光谱学与光谱分析,2014,34(4):1075-1080.

[4] 杨国鹏,余旭初,冯伍法,等.高光谱遥感技术的发展与应用现状[J].测绘通报,2008,(10):1-4.

[5] Thomas Hilker, Nicholas C. Coops, Samuel B,et al.Detection of foliage conditions and disturbance from multi-angular high spectralresolution remote sensing[J]. Remote Sensing of Environment, 2009, 113 (2):421-434

[6] 刘秀英,臧 卓,孙 华,等.基于高光谱数据的杉木和马尾松识别研究[J].中南林业科技大学学报,2011, 31(11):30-33.

[7] 张 衡,潘 洁,廖振峰.森林病虫害高光谱遥感监测的研究进展[J].中国森林病虫,2014, 33(2):26-30.

[8] 刘东蔚,陈 勇,王海军,等.城市林业中高光谱遥感技术应用现状与展望[J].广东林业科技,2013,29(3):79-83.

[9] 张光胜,李长春.露天矿区植被受损监测与评估研究进展[J].科技导报,2014,32(15):80-83.

[10] 邱 琳,林 辉,臧 卓.基于均值置信区间带的湿地植被高光谱特征波段选择[J].中南林业科技大学报,2013,33(1):41-45.

[11] 陈健飞,林 征,陈颖彪.基于高光谱线性混合光谱分解识别人工地物[J].应用基础与工程科学学报, 2009,17(2):206-218.

[12] 宋 阳.遥感技术在土地利用动态监测中的应用探讨[J].水利科技与经济, 2013,19(15):117-118.

[13] 李 震,施建成.高光谱遥感积雪制图算法及验证[J].测绘学报, 2006, 35(1):67-73.

Characteristics analysis on hyper-spectral characteristics of main highway pavement materials by using hyper-spectral remote sensing

SHE Yu-chen, LIN Hui, SUN Hua
(Remote Sensing Information Engineering Research Center, Central South University of Forestry & Technology, Changsha 410004,Hunan, China)

With the development of highway construction, the types of pavement materials became more diversif i ed. Hyper-spectral monitoring of pavement materials of different nature is very concerned. By using ground object spectrum radiometer (wavelength range 350～2500nm) made by United States ASD Corporation, the fi eld observations of hyper-spectral data of the typical pavement materials such as asphalt, concrete, bare soil and grassland etc. were carried out, and then by using the methods of spectral mean value, fi rst order differential, second order differentiation and fi rst calculate reciprocal then logarithm etc., the original spectral data were transformed,thus obtaining four kinds of materials’ spectral characteristics curves, fi nally the obtained results were compared and analyzed. The results show that among the multiple data transformation methods, the method “f i rst calculate reciprocal then logarithm”is the best,the hyper-spectral remote sensing method used can realized the classif i cation and identif i cation to different highway pavement materials.Therefore, the traditional fi eld measurements can be replaced by hyper-spectral remote sensing for real-time monitoring in highway pavement quality and structure.

highway pavement materials; hyper-spectral characteristics curve; feature analysis; comparative analysis

S771.8

A

1673-923X(2014)11-0120-04

2014-01-12

国家自然科学基金项目（31370639）；2012年湖南省大学生研究性学习和创新性实验计划项目和湖南省高校产业化培育项目（13CY011）

佘宇晨（1992-），男，湖南邵东人，硕士研究生，主要从事林业遥感研究；E-mail：sycsupper@gmail.com

林 辉（1965-），女，湖北黄冈人，教授，博士，博士生导师，主要从事森林经理学、遥感技术与地理信息系统的教学和科研工作

[本文编校：吴 毅]