内蒙古荒漠化草原植被高光谱特征提取与分析

陈程 杜健民 杨红艳

文章编号： 1005-5630（2018）06-0042-06

摘要： 针对内蒙古荒漠化草原植被光谱缺少定量参数分析比较，提出了将微分法和包络线去除法相结合的方法，对植被具有诊断性的红边（680～750 nm）和差异性较大的近红外波段（550～760 nm）进行特征提取，并进行定量对比分析。利用GaiaSkymini型机载地面两用型高光谱仪对荒漠化草原的建群种短花针茅、优势种冷蒿、退化指示种猪毛菜进行实地高光谱数据采集，并对数据进行降噪平滑、一阶微分、二阶微分和包络线去除法等处理，还对3种不同植被的光谱特征、红边参数特征和吸收峰面积等进行了分析。研究表明，短花针茅的反射率最低，冷蒿的红边效应最为明显，吸收峰面积及右面积差异可以将猪毛菜与冷蒿识别出来。所得结论可为荒漠植被识别及无人机遥感反演提供参考。

关键词： 荒漠植被; 反射特征分析; 线性微分; 包络线去除; 参数化提取; 物种识别

中图分类号： O 435文献标志码： Adoi： 10.3969/j.issn.1005-5630.2018.06.007

引言

草地资源是陆地上最大的生态系统，我国草原面积位居世界第二位，仅次于澳大利亚，其中位于内蒙古自治区的草原约占该区域土地面积的73.5%[1-3]，因此内蒙古草原成为关乎我国北方生态环境安危的关键所在。目前，我国约有90%左右的草地发生不同程度的退化，如何能够快速、准确地监测草地的退化类别、退化区域、退化程度已成为草地建设中的一个重要课题。

传统的监测方法耗时长、效率低，不适宜大范围监测，遥感的出现为草地监测提供了一种全新的方法[4]。近年来，遥感技术己发展成为草地资源调查、草地退化动态监测、草地类型识别、生物量估测、草地多样性评价和灾害监测等研究的有效手段，并取得显著的成绩[5-9]。

作为遥感科学的研究前沿和热点，高光谱遥感已广泛地应用到许多学科领域。高光谱遥感比传统的遥感具有更高的光谱分辨率、更多的波段数据，已成为研究地表植被的强有力的工具[10]。

本研究采用一阶微分、二阶微分、包络线去除法对内蒙古四子王旗荒漠化草原建群种短花针茅、优势种冷蒿、退化指示种猪毛菜提取相关特征参数，并对这些植物的光谱特征进行分析。通过光谱曲线对3种典型植被进行分类识别，为最终无人机遥感的反演提供地面数据支持。

1数据来源

1.1试验区概况

本文选择的测试区域为乌兰察布市四子王旗中南部的内蒙古农牧业科学院综合试验示范中心，该区域面积为60 m×300 m，位于东经111°88′00″、北纬41°78′00″，属北部温带大陆性季风气候，1月最冷，7月最热，降水主要集中在7和8月，占年降水量的60%左右。该地区约有20种草种，其中建群种为短花针茅，优势种为冷蒿、无芒隐子草，伴生种主要有猪毛菜、栉叶蒿、木地肤等。

本研究采用GaiaSkymini型机载地面两用型高光谱仪，波长范围400～1 000 nm。选择依据：（1） 高光谱成像仪所获取的信息是所投影区域的矩形光谱均值，一个像元一条曲线具有图谱合一的特点，能准确反映选取地物的光谱曲线特性;（2） 在建立地面与航空遥感数据关系时，因采用同一款仪器消除了不同成像原理传感器的误差，使对比分析更精确。

1.2光谱测量及处理

本研究测量是在6、7、8月3个月份下旬（北京时间10：00至14：00），且天气晴朗无风的情况下进行。试验区被分成3行8列，平均地放置24个1 m×1 m的样方框，样方中有多種类型的草，以此作为群落样方。另外有40个0.5 m×0.5 m的样方框随机地放置在实验区内，其中有短花针茅、冷蒿、猪毛菜的单种植被，并以此作为纯样方。在对样方植被做光谱测定前，先进行白板测定;在测量植被光谱时，要保证样方内无阴影，并且每5 min校正1次白板光谱。对每个样方采集6次，同时针对实地光照变化设定最佳积分时间，获取最佳图像光谱曲线后，将平均光谱作为最终光谱特征曲线。

2研究方法

2.1降噪变平滑法

野外地物光谱数据由于受到外部环境干扰、仪器噪声和目标自身光谱特性差异等多种因素的影响，使测得的光谱数据存在较多噪声，导致光谱反射率波动较大，不利于正常光谱分析，因此需对所测光谱数据进行去噪等预处理。本文采用SavitzkyGolay平滑处理法对地物光谱曲线进行平滑处理，以滤除各种高频噪音[11]。图1、图2分别为降噪去平滑前与降噪去平滑后的反射率曲线。

3结果与分析

3.1原始光谱特征分析

图2为测量的3种植被的光谱曲线，由图可见：在蓝光480 nm和红光680 nm附近有两个明显的吸收带，蓝谷的反射率都<0.1，红谷的反射率都高于各自蓝谷的反射率，这是3种植被的叶绿素含量不同产生的;在550 nm处绿波段反射峰明显，反射率由低到高依次是短花针茅、冷蒿、猪毛菜;在680～750 nm反射率急剧增高，所产生的陡坡被称为植被“红边”。“红边”的位置、高度和斜率会因植被的不同及同一植被的不同生长状况而存在差异，它主要由植被的细胞构造所决定，可区分不同植被。由光谱曲线可得：短花针茅的反射率最低，冷蒿和猪毛菜的光谱曲线则比较相似，在550～680 nm冷蒿的反射率整体低于猪毛菜的，在680～750 nm两者曲线甚至出现重叠，760 nm后反射率再次接近。通过反射率只能将短花针茅从冷蒿和猪毛菜中识别出来，而区分冷蒿和猪毛菜则需要对原始光谱数据作进一步分析。

3.2光谱微分红边特征分析

植被光谱经一阶微分、二阶微分后的曲线如图3所示，植被光谱特征变化更为突出，红边特征差异更明显。在图3（a）中，3种植被在520 nm处出现波峰，在570 nm附近出现明显的波谷，在680～750 nm猪毛菜比冷蒿先达到峰值。在图3（b）中，680～700 nm范围内，3种植被同时达到峰值，短花针茅的峰值最小猪毛菜的峰值最大，二阶微分法可以将猪毛菜与冷蒿区分开。根据式（1）计算的各植被红边特征参数如表1所示。

3.3包络去除法提取吸收峰特征参数分析

用包络线法分别对3种植被进行分析，对新生成的去除包络线曲线重新对比，得到曲线如图4、图5所示。经过包络线去除法后，冷蒿和猪毛菜在400～550 nm之间的反差很大，短花针茅和猪毛菜反而比较相似接近。利用上述式（2）、（3）、（4）计算550～760 nm内吸收峰面积（A），左吸收峰面积（AL）和对称度（S），如表2所示。由表看出，吸收峰总面积、吸收峰左面积和吸收峰右面积都是短花针茅的>猪毛菜的>冷蒿的，对称度则表现为短花针茅的>冷蒿的>猪毛菜的。不同植被的吸收峰存在较大差异，所以选择吸收波段研究也可以将猪毛菜与冷蒿区分开。

4结束语

（1） 连续多波段高光谱数据能够反映内蒙古典型荒漠植被对光谱的反射和吸收信息。在可见光到近红外波段内（400～1 000 nm）具有典型的“两峰三谷”曲线特征：在绿光（550 nm）和近红外（750 nm）处出现反射峰;在蓝光（480 nm）、红光（700 nm）和近红外（950 nm）处出现吸收谷，且红光的吸收谷最为明显。

（2） 在近红外波段（680～750 nm），不同植被的反射率开始急速增长且差异明显，增长速率表现为冷蒿的>猪毛菜的>短花针茅的。计算红边特征参数，发现冷蒿红边效应最为显著，具体表现为冷蒿的>猪毛菜的>短花针茅的。550～760 nm内，冷蒿的吸收峰总面积最小短花针茅的吸收峰总面积最大，冷蒿的对称度低于猪毛菜的，短花针茅的对称度最大。

（3） 对原始光谱数据进行一阶微分、二阶微分、包络线去除法可以放大反射率曲线变化特征，为物种区分提供更多参数。光谱变化速率最快的特征波段对一阶微分最为敏感，光谱曲率变化显著的特征波段对二阶微分最为敏感，吸收波段的快速变换区域用包络线去除法效果最佳。应用微分法和包络线去除法研究不同植被的差异性特点，能够有效地将多种植被区分开。

参考文献：

[1]张宏斌.基于多源遥感数据的草原植被状况变化研究——以内蒙古草原为例[D].北京：中国农业科学院，2007.

[2]龚文杰.我国草原荒漠化法律问题研究及对策[D].哈尔滨：东北林业大学，2012.

[3]宝文杰.内蒙古草原畜牧业可持续发展研究[D].呼和浩特：内蒙古财经学院，2011.

[4]周磊，辛晓平，李刚，等.高光谱遥感在草原监测中的应用[J].草业科学，2009，26（4）：2027.

[5]杨婷婷.荒漠草原生物量动态及碳储量空间分布研究[D].呼和浩特：内蒙古农业大学，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]杨芳，陈冬花，李虎，等.新疆博州典型荒漠植被光谱反射特征分析[J].遥感信息，2016，31（3）：8893.

[8]屈冉，李双，徐新良，等.草地退化杂类草入侵遥感监测方法研究进展[J].地球信息科学学报，2013，15（5）：761767.

[9]张富华.锡林郭勒草地多样性遥感识别与评价研究[D].北京：首都师范大学，2014.

[10]丁胜.智能优化算法在高光谱遥感影像分类中的应用研究[D].武汉：武汉大学，2010.

[11]程街亮.土壤高光谱遥感信息提取与二向反射模型研究[D].杭州：浙江大学，2008.

[12]李继业，杨芳，姚国慧，等.艾比湖流域典型荒漠植被光谱特征分析[J].林业资源管理，2015（1）：112117.

[13]陳璇，林文鹏，王瑶，等.基于包络线法的长江三角洲典型植物光谱识别研究[J].海洋环境科学，2017，36（5）：688692.

（编辑：刘铁英）