郭云開,張進(jìn)會(huì)

(長(zhǎng)沙理工大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長(zhǎng)沙 410004)

南方丘陵地區(qū)路域植被光譜處理與分析

郭云開,張進(jìn)會(huì)

(長(zhǎng)沙理工大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長(zhǎng)沙 410004)

以長(zhǎng)沙—湘潭高速公路路域植被為研究對(duì)象，進(jìn)行植被實(shí)地調(diào)查和野外光譜測(cè)定，分析主要植被類型光譜曲線，健康植被與非健康植被光譜差異，對(duì)植被光譜數(shù)據(jù)進(jìn)行一階微分和微分增量處理對(duì)比研究。研究表明：光譜反射率一階微分和微分增量處理對(duì)消除土壤背景對(duì)地物光譜影響均有效，但微分增量處理更能突出植被信息。研究對(duì)遙感植被光譜分析具有一定參考價(jià)值。

南方路域；植被；光譜處理；微分；微分增量

地物光譜反射曲線是地物對(duì)電磁波反射差異的集中體現(xiàn)[1]。國(guó)內(nèi)外學(xué)者對(duì)地面目標(biāo)物進(jìn)行提取大多利用其光譜或紋理特征[2],遙感數(shù)據(jù)提供了大量地物光譜特征[3]；地物光譜特征是遙感技術(shù)運(yùn)用的基礎(chǔ)與依據(jù)，也是建立目標(biāo)物與遙感數(shù)據(jù)兩種信息之間關(guān)系的橋梁[4]。光譜信息處理是遙感研究中一個(gè)重要的基礎(chǔ)環(huán)節(jié)，它對(duì)研究遙感信息處理的新方法、提高遙感分類識(shí)別水平起著十分重要的作用[5]。

目前，對(duì)植被光譜數(shù)據(jù)的處理主要包括去噪、消除土壤背景和大氣的影響[6]。官鳳英等對(duì)毛竹林光譜數(shù)據(jù)進(jìn)行微分處理發(fā)現(xiàn)毛竹林的一階導(dǎo)數(shù)曲線在紅邊位置有峰值[4]。劉月等對(duì)內(nèi)蒙古不同草地光譜特征進(jìn)行統(tǒng)計(jì)分析，并進(jìn)行微分處理發(fā)現(xiàn)光譜數(shù)據(jù)微分處理可以消除部分土壤背景對(duì)目標(biāo)光譜的影響[7]。楊可明[8]、喻小勇[9]、林文鵬[10]、范文義[2]等用導(dǎo)數(shù)光譜技術(shù)對(duì)目標(biāo)光譜進(jìn)行微分處理證實(shí)光譜數(shù)據(jù)的一階微分可以在一定程度上消除土壤背景對(duì)目標(biāo)物光譜反射率的影響。但是，一階微分處理在減少背景影響的同時(shí)降低紅光波段和近紅外波段差異?；谖⒎痔幚硖剿?，本文嘗試對(duì)光譜數(shù)據(jù)進(jìn)行微分增量分析處理，對(duì)比一階微分和微分增量?jī)煞N方法處理效果；微分增量處理使植被在紅邊位置波段差異性得以突顯，有助于植被信息分析提取。

1 原理及模型

1.1 微分處理技術(shù)

對(duì)光譜進(jìn)行微分處理可以減少植被凋落物、土壤背景等對(duì)目標(biāo)植被光譜的影響，更好凸顯植被信息；相對(duì)于植被光譜曲線，土壤光譜曲線接近線性，所以從理論上講，微分可以較好地消除土壤背景信號(hào)[11]。

微分技術(shù)可以對(duì)光譜反射率進(jìn)行數(shù)學(xué)模擬，提高診斷性光譜參量化的分析精度，對(duì)光譜特征的細(xì)微變化進(jìn)行增強(qiáng)處理[12]。常用的微分處理技術(shù)包括一階微分和二階微分。

ρ′(λj)=[ρ(λj+1)-ρ(λj-1)]/2Δλ，

(1)

ρ″(λj)=[ρ(λj+1)-2ρ(λj)+ρ(λj-1)]/Δλ2.

(2)

式中:ρ為反射率；λ為波長(zhǎng)；Δλ為波段間隔。

利用光譜導(dǎo)數(shù)進(jìn)行植被信息提取時(shí)，光譜導(dǎo)數(shù)階數(shù)越高，近紅外波段與紅光波段差異性越小，越不利于植被信息提取分析。因此，本文利用式(1)對(duì)光譜數(shù)據(jù)進(jìn)行一階微分處理。

1.2 微分增量

一元可微函數(shù)y=f(x)，當(dāng)f′(x)≠0時(shí)，Δy與dy為等價(jià)無窮小，若f(x)能展開為泰勒公式：

(3)

(4)

即一元函數(shù)中微分與函數(shù)增量具有等價(jià)關(guān)系[13]。得益于此，研究探索對(duì)植被光譜數(shù)據(jù)進(jìn)行微分增量和微分處理的差異。本文所采用的微分增量算式為

Δρ=ρi+1-ρi.

(5)

式中：Δρ為微分增量；ρ為反射率。

2 試驗(yàn)分析

2.1 實(shí)驗(yàn)區(qū)簡(jiǎn)介及數(shù)據(jù)獲取

本文選取長(zhǎng)沙—湘潭高速公路作為實(shí)驗(yàn)區(qū)，該高速公路于1994年7月開工，1996年12月15日建成通車[14]。實(shí)驗(yàn)路段為湖南省境內(nèi)最繁忙的高速公路路段，該區(qū)域是典型的南方丘陵地貌，道路兩側(cè)植被覆蓋度高，類型較多。

本文試驗(yàn)采用的光譜儀是ISI921VF-128系列野外地物光譜輻射計(jì)，具有重量輕、可靠性高、體積小、野外使用方便、低故障率等特點(diǎn)。主要參數(shù)如表1所示。

表1 ISI921VF-128光譜儀相關(guān)參數(shù) nm

測(cè)量時(shí)間：野外光譜測(cè)量的時(shí)間為2012年9月20日，當(dāng)天天氣晴朗，測(cè)試時(shí)間為10:00～14:00，很好的減少了太陽(yáng)高度角對(duì)目標(biāo)物光譜反射率的影響。

測(cè)量點(diǎn)選取及測(cè)量方法：對(duì)研究路域每公里隨機(jī)選取2個(gè)典型植被樣點(diǎn)，樣區(qū)內(nèi)主體植被類型相同。本次試驗(yàn)共采取21個(gè)樣區(qū)，其中包含針葉林、闊葉林、草地、土壤，每個(gè)樣區(qū)對(duì)4個(gè)角點(diǎn)和一個(gè)中心點(diǎn)光譜測(cè)量。測(cè)量過程中盡量使儀器探頭和被測(cè)對(duì)象保持在一個(gè)豎直面內(nèi)；為了確保數(shù)據(jù)的準(zhǔn)確性，白板和被測(cè)對(duì)象各測(cè)10次。實(shí)測(cè)光譜曲線經(jīng)整理和質(zhì)量分析后，獲得有效光譜曲線80條。

2.2 光譜數(shù)據(jù)分析

2.2.1 研究區(qū)主要植被類型光譜分析

試驗(yàn)區(qū)的主要植被為桂花、馬尾松、懸鈴木、喜樹、樟樹和草地，其光譜曲線如圖1所示。

圖1 不同植被光譜曲線圖

圖1為2012年9月20日試驗(yàn)路域主要植被類型的光譜曲線。從圖中可看出：實(shí)驗(yàn)區(qū)主要樹種光譜曲線形態(tài)基本相似；其中桂花、懸鈴木、喜樹和樟樹屬于闊葉林，馬尾松是南方丘陵地區(qū)典型的針葉林；對(duì)比光譜曲線可以看出樟樹的反射率最高，馬尾松反射率最低；馬尾松的反射率整體低于闊葉林的反射率，這主要與針葉林的結(jié)構(gòu)有關(guān)；同時(shí)，在光譜測(cè)量的時(shí)候不能完全對(duì)準(zhǔn)目標(biāo)及受其他背景值的影響。土壤光譜曲線在整體上變化平滑；而草地光譜曲線在700～900 nm之間有多個(gè)小波峰波谷。

2.2.2 健康與非健康植被光譜對(duì)比分析

在可見光波段，一般綠色植物光譜曲線差異不大，而在近紅外波段由于光譜反射率較高，光譜曲線因作物健康狀況不同或種類不同，則光譜響應(yīng)曲線會(huì)產(chǎn)生較大的差異[8]。

圖2 健康與非健康樟樹光譜曲線

由圖2可知，健康綠色樟樹在可見光波段490～570 nm之間有一個(gè)小反射峰，反射率約為20%，兩側(cè)有兩個(gè)明顯的吸收谷，這是由葉片對(duì)綠光的強(qiáng)反射、對(duì)紅光和藍(lán)光的吸收作用引起；在680～780 nm之間光譜反射率急劇增加，由植被對(duì)近紅外波段的強(qiáng)反射決定，被稱之為植被“紅邊”，是植被光譜診斷波段；紅邊變化趨勢(shì)和位置與植被類型不同、生長(zhǎng)地域不同或同一植被不同，生長(zhǎng)階段存在一定差異，波長(zhǎng)在780～920 nm之間光譜反射率大致一致，趨于平坦，它主要由植被的細(xì)胞構(gòu)造所決定；在920～950 nm附近光譜反射率急劇下降約10%，950 nm附近有一個(gè)小吸收谷，980～1080 nm之間反射率趨于平緩下降。

非健康樟樹光譜曲線特征與健康樟樹基本一致，反射率整體低于健康樟樹；在580～680 nm之間，非健康樟樹反射率均高于健康樟樹反射率，在可見光波段的反射峰向黃光偏移且反射率低于健康樟樹反射率，這主要是由于非健康植被受病蟲害等影響使得葉子偏黃偏紅，導(dǎo)致葉片內(nèi)葉綠素下降而葉黃素增加對(duì)黃光的反射作用增強(qiáng)，所以在紅光波段附近非健康樟樹反射率高于健康樟樹；700～1080 nm之間非健康樟樹反射率明顯低于健康樟樹反射率，最大差值約為40%，這主要是由于植被的細(xì)胞構(gòu)造遭病蟲破壞而引起。

2.3 植被光譜數(shù)據(jù)處理

圖3為試驗(yàn)區(qū)桂花和土壤的光譜曲線圖。從圖中可看出，桂花光譜曲線特征明顯，土壤光譜曲線變化較為平滑。圖4為土壤和桂花光譜曲線經(jīng)一階微分處理之后的光譜曲線圖，從圖中可看出，土壤光譜數(shù)據(jù)經(jīng)一階微分處理之后在植被紅邊(680～780 nm)區(qū)的值趨近于零。桂花光譜數(shù)據(jù)經(jīng)一階微分處理后在680～780 nm之間急劇增加，結(jié)合前人研究可知：一階微分處理可以有效抑制土壤背景信息，同時(shí)可以突出植被信息，提高植被的識(shí)別精度。

圖3 土壤和桂花光譜曲線

對(duì)比圖5(a)、(b)、(c)可看出，經(jīng)微分增量處理之后土壤和桂花在680 nm附近都接近于零，680～730 nm之間桂花微分增量急劇上升，其變化量較一階微分大。由此可以看出微分增量處理使得近紅外波段和紅光波段差異性更明顯，更能有效突出植被紅邊特征。

圖4 土壤和桂花一階微分曲線

圖5 桂花與土壤微分增量曲線

對(duì)比圖6(a)、(b)可看出：桂花光譜經(jīng)一階微分和微分增量處理之后都可以有效抑制土壤背景光譜對(duì)植被光譜的影響；同時(shí)，處理之后的數(shù)據(jù)都能突出植被紅邊特征，但是微分增量處理在有效消除土壤背景的影響同時(shí)能增強(qiáng)近紅外波段與紅光波段光譜差異性，從而更能凸顯目標(biāo)植被特征。

圖6 一階微分與微分增量分析比較

由圖5、圖6分析可知，光譜數(shù)據(jù)微分增量處理可以凸顯植被光譜在紅光波段和近紅外波段的差異，可突出植被特征信息，該處理方法對(duì)植被遙感中各種指數(shù)的計(jì)算具有凸顯作用，如比值植被指數(shù)(RVI)、差值植被指數(shù)(DVI)、垂直植被指數(shù)(PVI)、修正土壤調(diào)整植被指數(shù)(MSAVI)。各指數(shù)計(jì)算公式如下：

(6)

DVI=NIR-R(RVI=ρNIR-ρR).

(7)

Rihardson把植被像元到土壤線的垂直距離定義為垂直植被指數(shù)(PVI)[15]，該指數(shù)計(jì)算公式為

(8)

式中：S為土壤反射率；V為植被反射率。

Huete為消除土壤背景提出了土壤調(diào)節(jié)植被指數(shù)(SAVI)[16]，Qi在SAVI基礎(chǔ)上提出了改進(jìn)型土壤調(diào)整植被指數(shù)(MSAVI)[17]，計(jì)算公式為

(9)

根據(jù)本文實(shí)際情況提取ρR=ρ670，ρNIR=ρ760桂花和土壤經(jīng)一階微分和微分增量處理之后的光譜數(shù)據(jù)，并根據(jù)各指數(shù)計(jì)算公式計(jì)算各指數(shù)值見表2。從表2可看出微分增量處理較為明顯的突出各指數(shù)值，這對(duì)于植被指數(shù)的研究具有重要意義。

表2 植被指數(shù)計(jì)算值

3 結(jié)束語(yǔ)

地物光譜是建立正確的地面目標(biāo)物與遙感影像之間相互關(guān)系的橋梁，地物光譜研究與處理是對(duì)遙感數(shù)據(jù)進(jìn)行解譯及各種定量分析的基礎(chǔ)和條件。當(dāng)前，許多學(xué)者致力于光譜數(shù)據(jù)的處理研究，取得了一定成績(jī)，但是研究結(jié)果還不完善，如一階微分技術(shù)在消弱土壤背景對(duì)植被的光譜數(shù)據(jù)影響的同時(shí)也使得植被在紅邊位置的差異變小，這對(duì)于植被研究不利。

隨著生態(tài)污染的急劇惡化，植被的健康程度也日益受到人們的關(guān)注。本文分析了健康植被與非健康植被的光譜特性和差異，這對(duì)于確定植被健康狀況和植被保護(hù)具有重要意義。

本文通過對(duì)試驗(yàn)區(qū)域路域植被光譜進(jìn)行一階微分和微分增量處理，對(duì)比兩種方法對(duì)植被信息的凸顯程度，發(fā)現(xiàn)對(duì)植被光譜數(shù)據(jù)進(jìn)行微分增量處理比一階微分處理更能有效消除土壤背景對(duì)植被光譜的影響，同時(shí)，植被紅邊特征明顯，可以突出植被特征，特別是對(duì)RVI、DVI、PVI和MSAVI有更好的凸顯作用。本研究結(jié)果可為光譜數(shù)據(jù)處理提供參考價(jià)值。

[1]范文義，杜華強(qiáng)，劉哲．科爾沁沙地地物光譜數(shù)據(jù)分析[J]．東北林業(yè)大學(xué)學(xué)報(bào)，2004，32 (2)：45-47．

[2]劉冰，劉怡．基于決策樹方法的ETM+影像濕地信息提取[J]．測(cè)繪工程，2013，22(1)：63-66．

[3]武文波，劉正綱． 一種基于地物波譜特征的最佳波段組合選取方法[J]．測(cè)繪工程，2007，16(6)：22-24．

[4]官鳳英，鄧旺華，范少輝．毛竹林光譜特征及其與典型植被光譜差異分析[J]．北京林業(yè)大學(xué)學(xué)報(bào)，2012，34(3)：31-35．

[5]張飛，丁建麗，塔西甫拉提·特依拜，等．渭干河-庫(kù)車河三角洲綠洲鹽漬化地地物光譜數(shù)據(jù)分析[J]．光譜學(xué)與光譜分析，2008，28(12)：2921-2925．

[6]劉宏斌，張?jiān)瀑F，李志宏．光譜技術(shù)在冬小麥氮素營(yíng)養(yǎng)診斷中的應(yīng)用研究[J]．中國(guó)農(nóng)業(yè)科學(xué)，2004， 37(11)：1743-1748．

[7]劉月，春喜，張美杰，等．內(nèi)蒙古不同植被光譜特征分析[J]．內(nèi)蒙古草業(yè)，2011，23(3)：44-47．

[8]楊可明，郭達(dá)志.植被高光譜特征分析及其病害信息提取研究[J]．地理與地理信息科學(xué)，2006，22(4)：31-34．

[9]喻小勇，邵全琴，劉紀(jì)遠(yuǎn)，等．三江源區(qū)不同退化程度的高寒草甸光譜特征分析[J]．地球信息科學(xué)學(xué)報(bào)，2012，14(3)：398-405．

[10]林文鵬，李厚增，黃敬峰，等．上海城市植被光譜反射特征分析[J]．光譜學(xué)與光譜分析，2010，30(11)：3111-3114．

[11]聞兵工．地物光譜特征分析技術(shù)研究[D]．鄭州：信息工程大學(xué)，2009．

[12]楊吉龍，李家存，楊德明．高光譜分辨率遙感在植被監(jiān)測(cè)中的應(yīng)用綜述[J]．世界地質(zhì)，2001，20(3)：308-312．

[13]齊進(jìn)軍．函數(shù)增量與微分的關(guān)系[J]．工科數(shù)學(xué)，1994(4)：216-218．

[14]郭云開，王楊．路域植被覆蓋度時(shí)空變化遙感定量反演[J]．測(cè)繪通報(bào)，2013(5)：23-27．

[15]A J RICHARDSON, C L WLEGAND. Distinguishing vegetation from soil background information [J]. Photogrammetric Engineering and Remote Sensing, 1977,43(12): 1541-1552.

[16]HUETE ARA soil adjust edvegetation index(SAVI) [J]. Re-mote SensEnviron. 1988, 12 (25): 295-309.

[17]J QI, A CHEHBOUNI,A R HUETE,et al.A modified soil-sdjusted vegetation index[J]. Remote sensing of environment，1994,48(15):119-126.

[責(zé)任編輯：張德福]

The vegetation spectral processing and analysis of the domain of road in southern hills

GUO Yun-kai, ZHANG Jin-hui

(School of Traffic and Transportation Engineering, Changsha University of Science & Technology, Changsha 410004, China)

It presents the vegetation of road in Changsha, Hunan-Xiangtan Expressway as the research objectand conducts the vegetation field survey and spectral measurement. The text analyses the spectral curve of the main type of vegetation, and the spectral difference of healthy and non-healthy vegetation, comparing the result of spectral data with first derivative and differential gain. The results show that: the processing of differential and differential gain for spectral reflectance have a good effect to remove the influence of soil background on spectral, But the method of differential gain can serve to highlight the information of vegetation. The study has an important reference value for the spectral remote sensing of vegetation.

south road area; vegetation; spectral; differential; differential gain

2013-12-04

國(guó)家自然科學(xué)基金資助項(xiàng)目(41171397)； 湖南省自然科學(xué)基金資助項(xiàng)目(12JJ6031)

郭云開(1958-)，男，教授，博士.

TP753

：A

：1006-7949(2014)07-0001-05