江西中药资源蔓荆子遥感动态监测研究

黄灵光等

摘要：选择夏季、秋季两个时期对江西中药资源蔓荆子（Vitex trifolia Linn. var. trifolia）进行定点抽样调查和光谱采集，开展了不同时期的蔓荆子及周边共生地物光谱特征研究，建立了蔓荆子光谱数据库。在此基础上选择国产资源一号02C和资源三号卫星及其他辅助资料，经数据融合后，结合遥感分类提取技术实现对蔓荆子的空间分布监测，估算了其面积及产量，监测精度达到89.5%。

关键词：中药资源；蔓荆子（Vitex trifolia Linn. var. trifolia）；遥感；监测

中图分类号：X52；X703.2 文献标识码：A 文章编号：0439-8114（2015）16-3923-05

DOI：10.14088/j.cnki.issn0439-8114.2015.16.023

Remote Sensing Dynamic Monitoring of Jiangxi Traditional Chinese Medicine

Resources of Fructus Viticis

HUANG Ling-guang1，ZHANG Xiu-ping2，FANG Yu1

（1.Center for Remote Sensing Information of Jiangxi Province，Nanchang 30046，China；

2.Jiangxi Provincial Institute of Water Sciences， Nanchang 330029，China）

Abstract： Taking Fructus Viticis as research object， acquired the spectrum of the fructus viticis（Vitex trifolia Linn. var. trifolia） at the fixed sampling spot of Jiangxi province in summer and autumn respectively， analyzed the spectral characteristics of fructus viticis and its surrounding geography objects， and established the fructus viticis spectral database. Based on the satellite imagine of Resources satellite two（ZY-2C）， Resources satellite three（ZY-3） and other field data， the area and biomass of fructus viticis are estimated and the accuracy of the estimate reached 89.5%.

Key words： chinese herbal medicine；fructus viticis（Vitex trifolia Linn. var. trifolia）；remote sensing；monitor

20世纪中期以来，随着人口剧增和中药工业的快速发展，中药资源消耗巨大，一些重要资源的衰竭、丧失和生态的失调，致使中药的供需矛盾日益加剧。保持中药资源发展的可持续性刻不容缓。

遥感的广泛应用，使替代耗时、耗力、耗财的传统中药资源普查模式成为可能，也使中药资源的调查、监测方法有了更易操作的新途径。遥感在中药资源上的应用必将成为今后中药研究热点之一[1-4]。目前，国内外针对中草药遥感监测的研究还处于初级阶段，在中草药的光谱特性、信息提取方法以及动态监测技术等方面还有待深入研究。

蔓荆子（Vitex trifolia Linn. var. trifolia）是江西的道地或主特产药材，具有很高的药用及经济价值。不仅在江西有悠久的生产历史，而且其产量和品质均居全国前列。另外，蔓荆子固沙能力强，还是保护生态环境的重要植物[5，6]。因此，选择蔓荆子为监测对象，通过野外实测不同生境条件下蔓荆子及周围环境共生地物的光谱，确定蔓荆子与其他植被种类及生态环境因子的光谱特征差异，进而推算蔓荆子的空间分布、面积及产量，达到对其资源现状进行动态监测的目的，对中药资源的可持续利用和生态环境的保护具有重要的借鉴意义[7]。

1 研究区概况

研究区位于都昌县西北部，鄱阳湖畔。地处北纬29°15′-29°31′、东经116°02′-116°09′，长约11 km、宽4 km。地形多为丘陵沙山，成半岛状，伸入湖中，三面环水，海拔50～250 m，属亚热带潮湿性季风气候，年均温17.2 ℃，年平均降水量1 393 mm。区域内植被覆盖率低，主要有泡桐（Paulownia Sieb. et Zucc.）、杉树（Taxodiaceae）等10多种经济林木和蔓荆子、生地（Rehmannia glutinosa Libosch）、黄栀子（Gardenia jasminoides Ellis）、金银花（Lonicera japonica Thunb.）等20多种药材。

2 数据与处理方法

2.1 遥感数据和现场调查数据

采用遥感影像为主要数据源，配合野外调查和光谱测量。考虑到监测的精度要求和经济适用性，项目采用国产资源一号02C卫星（ZY02C）分辨率2.36 m的全色（HR）和资源三号5.8 m的多光谱数据。影像获取时间分别为2012年4月2日和2012年1月25日。

野外调查结果为遥感影像中参数的提取和验证。本次野外光谱采样仪器选用ASD FieldSpec？誖3便携式地物波谱仪，获取地物的反射率。采集日期为2011年7月25和2011年11月3日，光谱采集时间10：30～13：30，与ZY02C卫星过境时间基本一致。采集部位为冠层，每个地物采集10条光谱。同时选取典型样方，每个样方大小为2 m×2 m，采集蔓荆子、沙地、苔草等典型地物类型的光谱数据。采集时，仪器的视场角25°，探头倾角90°，离样本高度0.2～1.0 m；参考板的放置与扫描探头测量方向垂直，测定过程中用BaSO4白板进行校正。采集同时详细记录观测目标性质（植物的名称、健康程度、覆盖度、周围植被）、仪器型号、天气状况、测量时间、观测和记录人员、光谱命名及记录编号、地理坐标和高程、实地照片编号等辅助参数。

2.2 数据处理方法

遥感数据处理包括预处理、蔓荆子叶片波谱特征分析和蔓荆子信息提取三部分。

2.2.1 遥感数据预处理 ZY02C HR数据为2C级产品，通常经过数据解析、均一化辐射校正、去噪、MTFC、CCD拼接、波段配准、精校正等处理，可直接使用裁切和冲投影。处理的影像参与下一步的影像校正和融合。研究区的ZY02C HR遥感影像裁切结果如图2所示，分别为裁切后的研究区ZY02C HR全色影像（图2a）、资源三号卫星多光谱影像（图2b）和经GS算法融合后的影像（图2c）。

资源三号卫星的多光谱（MUX）影像数据为1C级产品，经数据解析、均一化辐射校正、去噪、MTFC、CCD拼接、波段配准等预处理，未经几何校正。本次几何校正共选择19个控制点，均匀分布在影像上，控制点计算均方根误差（RMS）为0.843 5个像元。

为提高目视解译效果及光谱分析能力，在假彩色波段组合中选择使用R：b3，G：（b2×3+b4）/4，B： b2分别对应红、绿、蓝三个波段。后经影像裁切得到研究区域影像。

经裁切和几何校正的ZY02C HR数据和资源三号卫星影像，再经数据融合可保持HR数据高的空间分辨率，同时具有资源三号卫星影像的多光谱特征，可增强图像信息量。本研究采用基于Gram-schmidt算法的图像融合方法。该方法具有融合影像保真度较好和计算简便等优点[7-10]。

2.2.2 野外光谱数据预处理 受大气、入射角与探测角、地形、目标物等因素影响，野外实测地物光谱数据既包括了地物光谱数据，也包含了噪音光谱数据，需要通过预处理与转换来消除各种噪音的影响因素，以突出地物光谱的某些细微差异。因此，研究中通过剔除异常光谱、光谱平滑去噪、光谱数据增强等工具对野外光谱数据进行了预处理。

通过增强处理后，得到的原始反射率数据难以获得光谱特征信息。本研究又选择了导数、归一化、包络线去除法等进行光谱增强。再用归一化方法对植物光谱曲线进行增强，突出植被的形态信息，从而将不同类型的植物加以区分，提高对植物的识别精度。光谱数据库的建立对于地物光谱研究以及光谱遥感数据的应用来说十分重要。光谱数据库一旦建立，可方便的从图像像元中提取的光谱曲线与光谱库中检索到的类似的光谱进行匹配，找到最接近的光谱，达到像元分类的目的。研究利用ENVI软件的光谱建库工具，建立以文件格式为ASCII格式的蔓荆子光谱库。

3 蔓荆子资源提取方法与分析

3.1 蔓荆子叶片波谱特征分析

对高光谱遥感而言，理解电磁波辐射与蔓荆子叶片及冠层的相互作用是开展植被健康状况监测的基础。经过异常波谱剔除、剔除水汽吸收波段、平滑和去噪处理后，得到了蔓荆子冠层反射率光谱（图3）。利用夏季野外采集的健康态的蔓荆子和共生典型地物的光谱（苔草、沙地、混丛），经过相关处理之后，得出它们的原光谱特征和一阶导数光谱曲线对比图。由图3a可知，不同植物或地物的反射光谱各异，尤其是沙地，与其他植被光谱反差很大，由于夏天天气炎热，沙地表面颗粒小和含水量少，致使在350～2 500 nm波段里，反射率从近0.4一直向上缓慢增大。而属于植物的蔓荆子和苔草，由于叶绿素吸收和水分波段的影响，它们的光谱有很大差异，表现在植被光谱“红边”位置以及近红外和中红外波段的反射率比蔓荆子大一倍以上。

为了进一步分析消除大气效应和土壤环境背景对蔓荆子光谱的抑制影响，对波谱数据进行导数光谱分析。图3b为图3a中蔓荆子和上述共生地物的导数光谱形式。由图3b可知，在600～800 nm波段，经一阶导数处理的沙地光谱值接近为0，可有效地抑制土壤背景对植物提取的影响。蔓荆子、苔草在725 nm处红边斜率分别达到峰值0.010 39和0.003 08，有较强的可区分性。

在植物的不同生育期、健康状态、不同生境，其光谱存在一定的差异，信息的分类提取应根据其差异选择相应的数据，研究不同生育期、健康状态、不同生境蔓荆子的光谱特性是正确分类提取的前提。本研究就上述三种情况分别进行了波谱分析。

夏季和秋季是蔓荆子动态监测一年四季的黄金季节。因此，本研究光谱测量选取夏季和秋季进行，并进行一阶导数处理（图4）。图4a和图4b分别显示了蔓荆子在夏、秋两个季节的反射光谱曲线和一阶导数曲线。经分析， 在550 nm波段附近，反射率夏季大于秋季，且在750～1 000 nm波段范围内，两季的反射率曲线波动较大。由一阶导数曲线图可以看出，蔓荆子夏季和秋季的红边斜率差异较大，夏季红边位置大约在702 nm附近，秋季红边位置大约在693 nm附近，有微弱的点蓝移现象。

经同期同地点采集的健康和非健康的蔓荆子光谱数据对比（图5），局部叶子发黄的蔓荆子的反射率整体低于健康的蔓荆子，但仍具有明显的植被的波谱特征。通过选择生长在阳坡和阴坡的蔓荆子光谱数据分析（图6），在可见光和近红外的反射率阳坡的略高于阴坡值。

3.2 蔓荆子信息提取

选用计算机非监督分类和监督分类、目视解译和野外核实相结合的方法从遥感影像中提取蔓荆子信息。目视解译过程如下：首先，结合非遥感信息源，进行室内外的判读训练。其次，依据地形图、土地利用图在遥感影像上选取2条调查、抽样线路，沿不同路线在不同地区选取观察点。利用亚米级手持GPS在野外对各选择点进行定位，确定蔓荆子分布情况、地面景观状况，再结合已处理的遥感影像，对地物进行判读，建立包括色调、灰度、斑块形状和纹理特征在内的研究区不同地物影像解译标志，结果见表1。

4 结果与分析

4.1 精度分析

先对遥感影像数据进行非监督分类，通过人工解译确定其类别属性，然后将人工解译后的非监督分类的分类属性表经光谱聚类处理转化成适用于监督分类的分类模板文件，再执行监督分类的作业方法以提高计算机自动分类的精度。

本研究中选择50为初始分类数进行非监督分类。非监督分类的最大循环次数定义为24，循环收敛阈值设置为0.95。然后进行各个类别的专题判别、色彩确定、分类合并等处理，形成下一步监督分类的分类模板。最终将该模板初始分类中的50类合并为4类地物类型，即蔓荆子、沙地、林地以及道路。为了得到理想的分类效果，计算机分类后的结果需要进行分类后处理，主要是小图斑的处理操作。图像分类后，获得蔓荆子的分布图，还需要对可能错分、漏分的图斑进行野外调查，通过两条考察路线实地野外调查验证，并在室内进行修正。考察线路图斑验证情况见表2。由表2可知，分类精度达到89.5%以上。

4.2 蔓荆子资源监测结果

选择了高空间分辨率影像数据，即资源一号02C和资源三号的多源数据来对蔓荆子的信息进行提取，进而估算出蔓荆子的面积，然后结合地面抽样调查数据，估算出蔓荆子的果实产量。

经过计算机分类和后期验证、修正得到的蔓荆子空间分布如图7所示，蔓荆子的分布面积为6.682 km2。

蔓荆子产量估算等于单位面积产量乘以总面积。总面积已经通过遥感监测得到。对于单位面积产量，结合研究区实际情况，通过野外抽样调查来获得。通过选择两条具有一定代表性的抽样路线，抽样路线设置主要考虑地形（坡向、坡度）、分布（生长特征、种类）等因子，在抽样路线上设置2 m×2 m样方调查，每条抽样路线抽取10个样方。在样方内采摘蔓荆子果实，然后同时称每一个样方的质量，最后以20个样方质量的平均值除以4为单位面积的产量。最终计算得到单位面积的产量约为41.2 g/m2，研究区蔓荆子总产量约为2.75×105 kg。

5 小结

针对同一年份不同季节（2011年7月25日和2011年11月3日）蔓荆子及其周边共生地物的光谱特征研究表明，蔓荆子与其他植被类型具有可区分性，较为理想的波段为500～600 nm的可见光波段和670～800 nm的近红外波段，而尤其以530 nm和700 nm处区分效果最优。在蔓荆子信息提取的遥感信息源选择方面，原本以高光谱数据最优，但是目前所选卫星的高光谱的空间分辨率较低，而且难获取。故选择国产的高分辨率影像为遥感监测源。对于遥感数据时间选择，以秋季的换叶期前后的时相为佳，其次为夏季、冬季。

资源三号多光谱的b3（R）、（b2×3+b4）/4（G）、b2（B）波段组合能，并与HR全色数据融合，能较好地实现针对蔓荆子信息的目视解译和计算机分类。

通过利用非监督分类法（ISODATA法）和监督分类、目视解译和野外核实相结合的方法，能成功实现蔓荆子的空间分布监测和面积、产量的估算。

参考文献：

[1] 谭业华，包建华，陈 珍，等.中药材蔓荆子研究现状与展望[J].海南师范学院学报（自然科学版），2007，20（4）：361-364.

[2] 郭兰萍，黄璐琦，蒋有绪，等.“3S”技术在中药资源可持续利用中的应用[J].中国中药杂志，2005，30（18）：1397-1400.

[3] 陈士林，张本刚，张金胜，等.人参资源储藏量调查中的遥感技术方法研究[J].世界科学技术—中医药现代化，2005，7（4）：37-43，36.

[4] 江利明，杨武年，房世波.遥感技术在新一轮国土资源大调查中的进展与作用[J].物探化探计算技术，2002，24（2）：151-156

[5] 杨 洁，左长清.蔓荆在鄱阳湖风沙区的适应性及防风作用研究[J].水土保持研究，2004，11（1）：47-49.

[6] 左长清，杨 洁，李相玺.江西省鄱阳湖湖滨沙地蔓荆的固沙效益[J].中国水土保持科学，2003，1（2）：38-41.

[7] 王 桥，王文杰，郑丙辉，等.中国西部地区生态环境现状遥感调查[J].遥感学报，2003，7（6）：490-497.

[8] 李存军，刘良云，王纪华，等.两种高保真遥感影像融合方法比较[J].中国图象图形学报，2004，9（11）：1376-1385.

[9] 谭永生，沈掌泉，贾春燕，等.中高分辨率遥感影像融合研究[J].遥感技术与应用，2007，22（4）：536-541.

[10] 别 强，何 磊，赵传燕.基于影像融合和面向对象技术的植被信息提取研究[J].遥感技术与应用，2014，29（1）：164-170.