入侵杂草紫茎泽兰的高光谱特征提取和分析

贺倩 姬鑫慧 洪宇辰

摘  要：紫茎泽兰是一种世界性的入侵杂草，其对生态系统以及人类健康都有严重的危害。在西昌地区实地采集紫茎泽兰叶片，在室内利用ASD光谱分析仪进行高光谱数据提取，以此获取其原始光谱曲线，对光谱数据进行Savitzky-Glolay平滑滤波处理，然后利用包络线去除和一阶光谱微分法分析紫茎泽兰的光谱特征，旨在为紫茎泽兰的遥感识别提供参考依据。研究表明：紫茎泽兰667.00nm附近存在明显的吸收谷，其吸收谷面积为38.27nm2，吸收深度为0.85nm，吸收宽度为74.00nm，中心吸收波段的左右面积呈现左偏移，吸收对称度为0.62，最大光谱吸收谷的特征波长的中心位置约为665.00nm。紫茎泽兰光谱一阶微分曲线的波峰位于725.00nm附近，由植被的“红边效应”引起;由于水的吸收作用，在1390.00nm和1880.00nm的近红外区域存在两个明显的波谷，可作为遥感识别紫茎泽兰的重要特征。

关键词：紫茎泽兰;高光谱;包络线去除法;光谱微分;光谱特征

中图分类号：Q945          文献标志码：A         文章编号：2095-2945（2019）07-0044-04

Abstract： Eupatorium adenophorum is a worldwide invasive weed， which is harmful to ecosystem and human health. The leaves of Eupatorium adenophorum were collected in Xichang area， and the hyperspectral data were extracted by ASD spectral analyzer in laboratory. In order to obtain the original spectral curve， the spectral data were filtered by Savitzky-Glolay smoothing， and then the spectral characteristics of Eupatorium adenophorum were analyzed by envelope removal and first-order spectral differential method. The purpose of this study is to provide a reference for remote sensing identification of Eupatorium adenophorum. The results show that there is an obvious absorption valley near 667.00 nm of Eupatorium adenophorum. The absorption valley area is 38.27nm2， the absorption depth is 0.85 nm， the absorption width is 74.00 nm， and the left and right areas of the central absorption band show a left offset. The absorption symmetry is 0.62 and the central position of the characteristic wavelength of the maximum spectral absorption valley is about 665.00 nm. The peak of the first order differential curve of Eupatorium adenophorum spectrum is located near 725.00 nm， which is caused by the "red edge effect" of vegetation. There are two obvious valleys in the near infrared region of 1390.00 nm and 1880.00 nm， which can be used as an important feature for remote sensing identification of Eupatorium adenophorum.

Keywords： Eupatorium adenophorum; hyperspectral; envelope removal; spectral differential; spectral characteristics

我国是一个生物灾害频发的农业大国，外来物种入侵对于我国农林渔牧业安全生产、生物多样性、人畜健康等都具有破坏性的危害。紫茎泽兰（Eupatorium Adenophorum Spreng，EAS）是一种世界性的恶性杂草，于20世纪40年代入侵我国，在我国西南地区呈爆发式扩散[1]，对我国农业生产力和生态环境的多样性造成了严重威胁。

对于入侵杂草的监测，传统的人工调查方法成本高、周期长、时效性差且受人为因素影响，难以满足当前对外来植物入侵的高时效、高精度监测预警需求[2]。随着遥感数据在空间、时间、光谱上的分辨率不断提高，对入侵杂草进行大面积的实时动态监测成为了可能。入侵杂草一般与本地植被不同，在特定时期与本地植被有明显区别[3]，其光谱属性是遥感探测的基础。科学地认识紫茎泽兰光谱特征是确定最佳遥感识别参数的重要依据，也是科学地制定紫茎泽兰空间分布趋势遥感监测方案的前提条件[4]。高光谱遥感突破了光谱分辨率的瓶颈，在光谱空间上大大抑制了其他干扰因素的影响，极大地提高了植被的识别精度。高光谱数据具有波段窄、波段多等特點，容易获取地物的局部精细信息，对光谱细节特征具有良好的表现能力，对于杂草的反射光谱差异分析有较大的潜力[5]。张东彦等使用高光谱采集玉米、谷子、狗尾草、牛筋草等10种植物的叶片光谱反射率进行样本的分类[6]。温阿敏等使用ASD便携式光谱探测仪对新疆草原毒草白喉乌头进行高光谱特征提取和分析，研究得到了白喉乌头的最佳识别波段和其冠层光谱特征[7];耿石英等利用高光谱数据测定了不同氮水平下小麦冠层和叶片两种模式光谱特征和红边参数变化规律[8];马东辉等利用 FieldSpect4便携式地物光谱仪和ASD积分球对南京冬季典型植被的冠层和落叶光谱进行室内外测量，对其光谱特征进行分析得到其光谱变化规律[9];陈彦斌等利用高光谱数据对鄱阳湖典型植被进行光谱识别与分析，分析得到植物的反射光谱差异性[10]。由此可见，利用高光谱数据进行光谱特征的提取和分析有助于分类识别、进行入侵杂草的动态监测，有利于卫星传感器波段的选择，更好地应用于多光谱或高光谱影像数据的分类研究中，为遥感影像制图提供参考，但对于入侵杂草紫茎泽兰的光谱特征分析的研究报道较少。

因此，本文以西昌地区的紫茎泽兰为研究对象，采集其高光谱数据并对光谱特征进行研究和分析，对光谱曲线进行包络线去除，一阶光谱微分处理，提取吸收光谱的特征参数，以期为入侵杂草的遥感动态精细监测提供科学依据，为杂草的有效防止与治理提供参考和借鉴。

1 研究区与数据源

1.1 研究区

西昌是紫茎泽兰危害的重灾区，紫茎泽兰对当地的种植业、畜牧业、林业以及交通都造成了巨大的经济损失，区域生态环境遭受了严重破坏[11]。西昌为四川省凉山彝族自治州的州府所在地，位于川西高原的四川第二大平原——安宁河平原，东经101°46′-102°25′，北纬27°32′-28°10′，海拔在1500-2500m之间。气候属亚热带高原性季风气候，光热资源丰富，雨热同期，日照2000-2700h，多年平均气温17.2℃，年降雨量在1000-1800mm之间，主要集中在6-10月，素有小“春城”之称，为各种植物的生长繁殖创造了有利的条件。该地区植物种类繁多，资源丰富，共有233科、532属、2000余种，其中有国家第一批保护珍稀植物30余种[12]，具有较高的科学研究价值和保护价值。

1.2 数据采集与处理

试验于2017年5月开展，在研究区内的试验地采集紫茎泽兰叶片共150片，耗时两天，对叶片样本进行严格的封装以及编号，之后在实验室进行室内光谱测量。

利用ASD光谱分析仪在实验室内采集样本高光谱反射率数据，采集的光谱范围为350-2500nm，其中350-1000nm的光谱分辨率为3nm，采样间隔为1.4nm;1000-2500nm的光谱分辨率为10nm，采样间隔为2nm。对每个样本采集10次光谱数据，剔除异常值后，取其平均值作为该观测样本的光谱反射率值，以减少随机误差的影响。同时，在光谱测量的过程中及时进行白板校正。

对于室内测量的样本光谱，几乎不受水汽的影响，可以不考虑水汽影响严重的波谱区间。由于地物光谱仪各个组成部分工作时易产生噪声，为了消除高频噪声对后续分析的影响，本文选择Savitzky-Glolay方法来进行平滑处理[13]，Savitzky-Glolay平滑滤波在光谱学中应用十分广泛，其可保留光谱的一些细微特征（如光谱吸收峰）[14]。

2 研究方法

2.1 包络线去除法

包络线去除法（Continuum Removal， CR）是一种常用的光谱分析方法，又叫做连续统去除法或基线归一化法，是一种非线性光谱分析方法，它可以有效的突出光谱曲线的吸收和反射特征，并且将其归一到一个已知的光谱背景上，有利于和其他光谱曲线进行特征数值的比较，从而提取出特征波段以供分类识别[15-16]。

地物光谱的吸收特征一般可以分解为两个部分，特定的诊断性特征部分和包络线部分[17]。特定的诊断性特征包含植被的生化参量信息，而包络线仅仅是对光谱的简单估计。光谱曲线的包络线从直观上来看，相当于光谱曲线的“外壳（Hull）”，并不包含感兴趣信息，为了有效突出光谱曲线的吸收和反射特征，需要对包络线进行去除。对原始光谱进行包络线去除，具体公式如下[18]：

式中，λj是第j波段，R′cj是波段j的包络线去除值;Rj是波段j的原始光谱反射率;Rend和Rstart是吸收曲线里的起始节点和末端节点的原始光谱反射率;λend和λstart是在吸收曲线里的起始节点波长和末端节点波长;K是在吸收曲线里起始节点和末端节点波段间的斜率。

在包络线去除的基础上发展了一些光谱吸收特征参数[19]，特征吸收谷的光谱吸收面积（A）、吸收深度（D）、吸收波长位置（P）、吸收宽度（W）以及光谱吸收面积关于中心波段的对称度（S）是用于描述地物光谱吸收特征的常用指标[20-22]，其计算公式如下。

式中，λstart、λend為起始点和终点波长;CRmin为吸收谷内去除包络线后的最小值;λ（CR）为吸收谷内去除包络线后最小值对应的波长，λa、λb为包络线去除后的曲线中吸收深度一半位置的波长，b>a;Al是吸收谷左半边的面积。

对紫茎泽兰原始光谱数据进行包络线去除之后，利用Visual C# 语言编写程序计算得到光谱特征参数[20]。

2.2 光谱微分

光谱微分技术主要利用光谱微分迅速检测特定波长位置处光谱曲线的局部变化特征，如“光谱红边效应”，现已广泛应用于植被遥感[23]。利用微分技术处理地物光谱可以有效降低噪声对光谱有用信息的干扰，达到抑制无用信息和突出感兴趣信息的目的，从而揭示光谱的内在特征[14]。本文对紫茎泽兰光谱曲线进行光谱微分处理，得到其一阶微分反射率（First order Differential Reflectance， FDR），公式如下。

式中，FDRλi为波长i+1和波长i中点处的一阶光谱微分计算值;Rλ为波长为i+1的反射率;Rλ为波长为i的反射率;Δλ为波长间隔。

3 结果分析

3.1 紫茎泽兰光谱反射率

由图1可知，在可见光波段内，紫茎泽兰叶片表现为低反射率，色素（包括叶绿素、类胡萝卜素、叶红素、叶黄素等）是控制植物光谱响应的主要因素[24]。在波长450nm左右（蓝光）和700nm左右（红光）的两个谱带内存在吸收峰，其主要由于叶绿素的吸收作用引起;在550nm左右（绿光）则存在着一个反射峰，其由叶绿素的反射引起。

在可见光波段与近红外波段之间，大约在750nm附近，紫茎泽兰的光谱曲线呈现快速上升趋势，形成“红边”现象。在750-1250nm的近红外波段内之间反射率趋于平稳。在1375nm-2000nm之内有三个明显的吸收谷，其中第二个吸收谷的反射率明显高于周围两个吸收谷，这主要是由于紫茎泽兰叶片内部含水量的影响。尤其是在1400nm附近和1900nm附近，紫茎泽兰叶片的光谱响应主要由水的吸收作用所支配。

3.2 包络线去除光谱特征分析

在研究过程中，本研究为强化紫茎泽兰光谱曲线的形态特征并方便后续研究，对紫茎泽兰的原始光谱曲线进行了所示的包络线消除处理，包络线去除前后的紫茎泽兰光谱曲线对比见图2。通过对比可见包络线去除法有效增强了感兴趣吸收特征光谱曲线的吸收和反射特征。

如图2（b）所示，经过包络线去除后的光谱吸收带更加明显，光谱曲线都归一化到0～1之间。相比于包络线去除之前的反射光谱曲线，可以明显看出450nm、760nm、900nm、1150nm、1400nm、1625nm、1900nm波段存在明显的波谷，其中在1400nm和1900nm附近，其光谱响应受水的强烈吸收作用所支配。

由去包络线后的光谱数据可知紫茎泽兰具有绿色植物的典型光谱特征。在大约540nm的绿光波段，去除包络线后的反射率可見明显的波峰，反射率约为0.27，其与叶片内的叶绿素含量密切相关。

由于植被在可见光波段有着强烈的吸收，在植被光谱中该波段范围包含了重要的信息，在可见光范围内，紫茎泽兰光谱曲线在540nm附近和760nm附近表现为波峰，在450nm和660nm附近表现为波谷。经过了包络线去除处理后的光谱曲线，吸收和反射特征更加明显，利于光谱吸收特征分析。

对包络线去除后的紫茎泽兰光谱曲线最大光谱吸收谷进行分析结果如图3所示。

高光谱吸收特征参数描述高光谱反射曲线吸收峰对应的各种吸收特征，是表征地物光谱吸收特征细节信息的重要参数。紫茎泽兰667.00nm附近的光谱吸收特征如表1所示。计算结果表明：紫茎泽兰的吸收谷面积为38.27nm2，吸收深度为0.85nm，吸收宽度为74.00nm，中心吸收波段的左右面积呈现左偏移，吸收对称度为0.62，最大光谱吸收谷的特征波长的中心位置约为665.00nm。

3.3 紫茎泽兰光谱曲线的微分特征

本文利用微分法突出光谱曲线的变化特征，进而确定光谱曲线的变化区域，如光谱绿峰、红边等，得到紫茎泽兰光谱一阶微分曲线见图4。

由图4可知，从总体来看，紫茎泽兰的一阶微分值在-0.01与0.01之间，波动范围较小，微分曲线在725.00nm附近的红光区域存在1个明显波峰，1390.00nm和1880.00nm的近红外区域存在两个明显的波谷。在725nm处的波峰是由植物的“光谱红边效应”引起的;1390.00nm和1880.00nm处的波谷是由于水的强烈吸收作用引起的。一阶微分为0的值为区域表示该波段处的光谱反射率达到极值，其中540.00nm和660.00nm处分别为紫茎泽兰曲线的绿峰和红谷。

4 结论

（1）紫茎泽兰的原始光谱曲线在625-750nm波长范围内呈快速上升趋势，但变化速率不同;红外波段区域之内有三个明显的吸收谷，即水分吸收带。（2）去除包络线后的紫茎泽兰光谱曲线在540.00nm附近和760.00nm附近表现为波峰，在665.00nm附近表现为波谷。紫茎泽兰667.00nm附近存在明显的吸收谷，中心吸收波段的左右面积呈现左偏移，经过包络线消除后的光谱曲线，突出了紫茎泽兰地物光谱的特征信息，便于图像光谱的匹配，对于紫茎泽兰的光谱识别更加有用。（3）对光谱曲线进行一阶微分能够放大原始光谱曲线的变化趋势和曲率等特征。紫茎泽兰光谱一阶微分曲线的波峰位于725nm附近，由植被的“红边效应”引起;由于水的吸收作用，在1390nm和1880nm的近红外区域存在两个明显的波谷。

本研究结果对于利用遥感图像进行大尺度的入侵杂草紫茎泽兰的高光谱遥感识别与监测具有一定的指导意义，可以为其提供相应的理论支持。

参考文献：

[1]李扬汉.中国杂草志[M].北京：中国农业出版社，1998.

[2]孙玉芳，姜丽华，李刚，等.外来植物入侵遥感监测预警研究进展[J].中国农业资源与区划，2016，37（8）.

[3]覃涛英，张锦华，杨颖慧，等.融合变换在紫茎泽兰监测中的应用研究[J].草业与畜牧，2009（7）：8-12.

[4]杨可明，陈云浩，郭达志，等.基于PHI高光谱影像的植被光谱特征应用研究[J].西安科技大学学报，2006，26（4）：494-498.

[5]Zomer R J ， Trabucco A ， Ustin S L . Building spectral libraries for wetlands land cover classification and hyperspectral remote sensing[J]. Journal of Environmental Management， 2009， 90（7）：2170-2177.

[6]张东彦，祖琴，邓巍，等.单/双子叶杂草与作物的高光谱识别[J].红外与激光工程，2013，42（s1）：208-213.

[7]温阿敏，郑江华，穆晨，等.新疆草原毒草白喉乌头高光谱特征提取与分析研究[J].中国植保导刊，2015，35（3）：5-11.

[8]耿石英，孙华林，王小燕，等.不同氮肥处理下小麦冠层和叶片光谱特征及产量分析[J].光谱学与光谱分析，2018，38（11）.

[9]马东辉，柯长青.南京冬季典型植被光谱特征分析[J].遥感技术与应用，2016，31（4）：702-708.

[10]陈彦兵，况润元，曾帅.基于高光谱数据的鄱阳湖湿地典型植被识别分析[J].人民长江，2018，49（20）：19-23.

[11]马联祥，彭音，肖连康，等.紫茎泽兰对凉山农业的危害及综合治理措施[J].西昌学院学报：自然科学版，2005，19（1）：68-70.

[12]田英.浅析西昌市扶贫攻坚生态产业基地建设[J].纳税，2018（7）：179-179.

[13]Miao X， Patil R， Heaton J S， et al. Detection and classification of invasive saltcedar through high spatial resolution airborne hyperspectral imagery[J]. International Journal of Remote Sensing， 2011，32（8）：2131-2150.

[14]钱育蓉，于炯，贾振红，等.新疆典型荒漠草地的高光谱特征提取和分析研究[J].草业学报，2013，22（1）：157-166.

[15]白继伟，赵永超，张兵，等.基于包络线消除的高光谱图像分類方法研究[J].计算机工程与应用，2003，39（13）：88-90.

[16]王霄鹏.黄河三角洲湿地典型植被高光谱遥感研究[D].大连海事大学，2014.

[17]Shi R， Zhuang D， Niu Z. Physical investigation on biochemical prediction using continuum removal[C]. IEEE International Geoscience & Remote Sensing Symposium. 2004.

[18]郭超凡，郭逍宇.基于可见光波段包络线去除的湿地植物叶片叶绿素估算[J].生态学报，2016，36（20）：6538-6546.

[19]浦瑞良，宫鹏.高光谱遥感及其应用[M].高等教育出版社，2000.

[20]刘焕军，张柏，张渊智，等.基于反射光谱特性的土壤分类研究[J].光谱学与光谱分析，2008，28（3）：624-628.

[21]张翼然，宫兆宁，赵文吉.水分环境梯度下野鸭湖湿地典型植物光谱特征分析[J].光谱学与光谱分析，2012，32（03）：743-748.

[22]林川，宫兆宁，赵文吉，等.基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例[J].生态学报，2013，33（04）：1172-1185.

[23]童庆禧，张兵，郑兰芬.高光谱遥感：原理、技术与应用[M].高等教育出版社，2006.

[24]王佳鹏.湿地植被叶片光谱特征及其光合色素反演研究[D].华东师范大学，2018.