黃靈光 周學林

摘要：對鄱陽湖南磯濕地國家自然保護區(qū)具有典型代表性的濕地植被苔草、蘆葦、南荻、虉草、水蓼、蔞蒿和狗牙根開展高光譜特征研究，在分析反射光譜數(shù)據(jù)的基礎上，采用一、二階導數(shù)方法分析各植被類型的反射光譜波段特征差異。結果表明，這7種植被在可見光波段內(nèi)光譜反射率均低于15%；在“紅邊”位置的吸收率大小為蔞蒿>狗牙根>苔草>水蓼>蘆葦>南荻>虉草，蘆葦?shù)募t邊斜率最大；一階導數(shù)方法不能得到各植被光譜最佳特征波段，但二階導數(shù)效果很好，顯示7種典型植被類型在685.8、692.4、698.6、704.3、737.5、746.2 nm，差異明顯；典型植被光譜庫的建立，將為濕地植被分類提供基礎數(shù)據(jù)。

關鍵詞：濕地；植被類型；光譜特征；光譜反射率

中圖分類號：S342.2 文獻標識碼：A 文章編號：0439-8114（2018）11-0103-04

DOI：10.14088/j.cnki.issn0439-8114.2018.11.026

Abstract： The hyperspectral characteristics of the typical representative of wetland vegetation moss grass，reeds，south should realize，Yi grass，water smartweed， artemisia selengensis and bermudagrass of Poyang Lake south Los Angeles wetland national nature reserve，based on the analysis of spectral reflectance data， using first-order derivative，the second derivative method to analyze the reflection spectrum band characteristic diversity of vegetation types. The results show that the spectral reflectance of these seven species in the visible band is lower than 15%. In "red edge" position the absorption rate of size of artemisia selengensis>bermudagrass>carex>water smartweed reeds>the national south Yi grass，reed，red edge slope. First derivative method can't get the best characteristics of vegetation spectral bands， but the second derivative effect is very good， according to seven kinds of typical vegetation type in 685.8 nm，692.4 nm，698.6 nm，704.3 nm，737.5 nm and 746.2 nm， which have obvious difference. The establishment of typical vegetation spectral library will provide basic data for wetland vegetation classification.

Key words： wetland；vegetation types；spectral characteristics；spectral reflectance

濕地植被是濕地生態(tài)系統(tǒng)的主要初級生產(chǎn)者，也是濕地生態(tài)系統(tǒng)監(jiān)測的重點和候鳥覓食棲息地重要組成部分[1，2]。濕地植被識別、分類是濕地植被監(jiān)測的重要內(nèi)容之一。植被光譜測量與分析，是一項基礎性研究工作和研究熱點[3]，可為定量遙感、地物匹配、遙感分類提供基礎信息[4]。

傳統(tǒng)的濕地植被監(jiān)測手段監(jiān)測和技術受光譜分辨率的影響，難以實現(xiàn)大面積植被監(jiān)測，而且耗時耗力。近年來，隨著高光譜遙感技術的發(fā)展，它具有的光譜分辨率高、波段數(shù)目多、數(shù)據(jù)量豐富等顯著特點，已成為濕地植被生長狀況和精細分類研究的重要方向[5]。目前，國內(nèi)許多研究學者在植被光譜與分類上雖然做了大量工作[6-9]，但是針對南磯濕地國家自然保護區(qū)的濕地植被光譜特征和光譜庫研究較少。因此，本研究對鄱陽湖南磯濕地國家自然保護區(qū)具有典型代表性的濕地植被苔草、蘆葦、南荻、虉草、水蓼、蔞蒿和狗牙根開展高光譜特征研究，在分析反射光譜數(shù)據(jù)基礎上，采用一、二階導數(shù)方法分析各植被類型的反射光譜波段特征差異，以期為該保護區(qū)的濕地植被分布制圖、植被定量遙感等方面研究提供參考。

1 研究區(qū)概況

研究區(qū)位于江西省新建縣南磯鄉(xiāng)境內(nèi)，面積3.33萬hm2，是鄱陽湖區(qū)面積最大的國家級自然保護區(qū)。地處北緯28°51′～29°08′、東經(jīng)116°10′～116°25′之間（圖1）。保護區(qū)內(nèi)地廣人稀，自然資源極為豐富，植物物種豐富，區(qū)系成分復雜，類型多樣，顯示具有明顯的南北植物匯合的過渡性質。據(jù)統(tǒng)計，保護區(qū)共有維管束植物115科304屬443種，其中蕨類植物11科11屬12種，裸子植物5科10屬11種，被子植物99科283屬420種。苔草、蘆葦、南荻、虉草、水蓼、蔞蒿和狗牙根是保護區(qū)內(nèi)的典型植被，分布面積廣。該保護區(qū)也被譽為“白鶴王國”“候鳥樂園”和“國際級極為重要的濕地”。

2 光譜數(shù)據(jù)采集與處理方法

2.1 光譜數(shù)據(jù)采集

典型植被光譜數(shù)據(jù)采集的對象為苔草、蘆葦、南荻、虉草、水蓼、蔞蒿和狗牙根，如圖2所示。高光譜數(shù)據(jù)的野外光譜采集儀器選用美國ASD FieldSpec ？誖 3便攜式地物波譜儀，采集的光譜范圍為350～2 500 nm，其中350～1 000 nm的光譜分辨率為3 nm，采樣間隔為1.4 nm；1 000～2 500 n光譜分辨率為10 nm，采樣間隔為2 nm。采集日期為2010年秋季11月18日，光譜采集時間10：30～13：30，天氣晴朗無云無風。采集部位為植被冠層，每種植被選取5個典型 2 m×2 m樣方，每個樣方采集10條光譜（圖2）。

采集過程中，嚴格按照科學、嚴格、有效的光譜測量規(guī)范。儀器的視場角25°，探頭傾角90°，離樣本高度1.0 m；參考板的放置與掃描探頭測量方向垂直，測定過程中用BaSO4白板進行校正。采集同時詳細記錄觀測目標性質（植物的名稱、健康程度、覆蓋度、周圍植被）、儀器型號、天氣狀況、測量時間、觀測和記錄人員、光譜命名及記錄編號、地理坐標和高程、實地照片編號等輔助參數(shù)。最終采集得到的植被光譜數(shù)據(jù)為光譜反射率。

2.2 光譜數(shù)據(jù)處理方法

2.2.1 預處理 野外實測地物光譜數(shù)據(jù)受大氣、入射角與探測角、地形、目標物等因素影響，造成實測光譜數(shù)據(jù)包括噪音光譜和地物光譜數(shù)據(jù)。所以野外采集得到的光譜數(shù)據(jù)，需要進行一些預處理，如剔除異常曲線、取均值（Mean）、平滑（Savitzky-Golay）、歸一化和波段范圍選擇。本研究植被波段范圍選擇350～1 000 nm。

2.2.2 增強處理方法 為了進一步獲得不同植被光譜的光譜特征差異，需要對光譜進行導數(shù)計算，目的是消除大氣效應、土壤環(huán)境背景、太陽角、地形等因素的影響，增強和揭示光譜數(shù)據(jù)的細微變化和光譜峰谷特征[10]。本研究增強處理方法為一階導數(shù)和二階導數(shù)。為了實現(xiàn)光譜導數(shù)的批處理，特別編寫了對應的代碼。

1）一階導數(shù)：一階導數(shù)的差分方法公式如下。

其中，d（Ri）是波長為i時反射率的一階導數(shù)，Ri是波長為時的反射率，？姿i是每個波段的波長，？姿i+1-？姿i-1是？姿i-1到？姿i+1采樣光譜間隔。

一階導數(shù)代碼：

function pf_1st_derivative， x， y， bbl， bbl_list， _extra=_extra

ptr= where （bbl_list eq 1， count）

result = fltarr（n_elements（y））

if （count ge 3） then $

result（ptr） = deriv （x[ptr]， y[ptr]）

return， result

end

2）二階導數(shù)：二階導數(shù)的差分方法公式如下。

其中，d（d（Ri））是波長為i時反射率的二階導數(shù)，Ri是波長為時的反射率，？姿i是每個波段的波長，？姿i+1-？姿i是？姿i到？姿i+1的采樣光譜間隔。

二階導數(shù)代碼：

function pf_2nd_derivative， x， y， bbl， bbl_list， _extra=_extra

ptr= where （bbl_list eq 1， count）

result = fltarr（n_elements（y））

if （count ge 3） then $

result（ptr） = deriv （x[ptr]， deriv（x[ptr]， y[ptr]））

return， result

end

2.3 光譜數(shù)據(jù)建立

光譜數(shù)據(jù)庫是存儲各類地物光譜曲線的數(shù)據(jù)庫。地面物體或大氣光譜庫的建立對于地物光譜研究以及光譜遙感數(shù)據(jù)的應用來說十分重要[11]。本研究利用ENVI軟件的光譜建庫工具，建立以文件格式為ASCII格式的濕地植被光譜庫。

3 結果與分析

3.1 7種典型植被的光譜反射光譜特征比較

經(jīng)過預處理后，秋季的7種典型植被冠層反射率光譜特征比較如圖3所示。從圖3中可以看出，7種典型植被類型的反射率在350～1 000 nm內(nèi)都有多個明顯的反射峰和吸收谷。在可見光波段，反射率都比較低，均小于15%，差異不明顯。在550 nm和690 nm處，分別對應1個很明顯的“綠峰”和“紅谷”，蘆葦和水蓼凹凸特征相對明顯。其中，紅谷吸收率高低順序依次為蔞蒿>狗牙根>苔草>水蓼>蘆葦>南荻>虉草，且蘆葦?shù)募t邊斜率最大，造成大的原因是生長密集、覆蓋度高；在近紅外波，反射率差異明顯，除虉草和南荻外，其他5種植被反射率曲線容易識別。

3.2 一階導數(shù)的光譜特征

根據(jù)一階導數(shù)公式，可以得到7種典型植被的一階導數(shù)光譜曲線如圖4所示。從圖4可以看出，光譜曲線凹凸特征峰不明顯，曲線趨勢非常相似，僅在峰谷處的幅度略有不同，7種植被的導數(shù)最大值超過0.008的分別為蘆葦、狗牙根和水蓼，其余4種最大值處于0.006左右。紅邊斜率最大是蘆葦，這與蘆葦?shù)母采w度和葉綠素含量有直接關系。紅邊位置是綠色植物在670～760 nm之間反射率增高最快的點，也是一階導數(shù)光譜在該區(qū)間內(nèi)拐點。

通過分析得到，狗牙根與其他6種植被出現(xiàn)“紅邊位置”的波段不一樣，位于727 nm處，其他6種則位于719 nm處。根據(jù)一階導數(shù)的“紅邊位置”可以識別狗牙根與其他6種植被，但是其余6種區(qū)分則比較困難。

3.3 二階導數(shù)的光譜特征

由于一階導數(shù)對7種典型植被光譜的光譜波段特征識別效果不佳，需要再進行二級導數(shù)計算，7種典型植被的反射率二階導數(shù)光譜曲線如圖5所示。它揭示了植被反射率光譜曲線的曲率變化，進一步放大了原始光譜曲線的各個變化點。當二階導數(shù)值為正的時候，代表這些波段處于反射光譜的吸收區(qū)，曲線形態(tài)為“凹形”。當二階導數(shù)值為負的時候，代表這些波段處于反射光譜的反射區(qū)域，曲線形態(tài)為“凸形”。當二階導數(shù)值為零時，代表反射率光譜曲線曲率沒有變化。

由圖5分析得到，7種濕地植被二階光譜曲線總體變化趨勢大致相同，不同則表現(xiàn)在幅度變化的差異。在藍綠波段，水蓼的吸收反射特征最為顯著；在紅波段的吸收波段特征為685.8、692.4、698.6 nm，近紅外反射特征為704.3～753.0 nm。其中南荻、虉草和蔞蒿在957.1 nm處區(qū)分最為明顯。

根據(jù)二階導數(shù)光譜曲線的“凹凸”形狀，可以選出5個極小值和5個極大值，對其頻率高低進行統(tǒng)計分析，最終確定最佳特征波段。統(tǒng)計結果顯示，746.2、692.4、737.5、685.8、698.6、704.3 nm波段出現(xiàn)的頻率相對最高，可以作為其中7種典型植被的遙感反演波段。

3.4 濕地植被光譜庫的建立

根據(jù)光譜庫的相關標準，將經(jīng)過平滑處理后的典型植物的反射光譜曲線保存成ASCII碼文件，利用ENVI軟件中的光譜庫的創(chuàng)建模塊生成光譜庫文件，如圖6所示。

4 小結

通過利用FieldSpec3便攜式地物光譜儀對南磯濕地國家自然保護區(qū)內(nèi)的7種典型植被進行野外光譜測量，并對其光譜反射特征進行深入分析，得到以下結論。

1）7種典型植被冠層光譜在可見光波段，反射率均小于15%，在550、690 nm處，分別對應著1個很明顯的“綠峰”和“紅谷”，“紅谷”吸收率高低順序依次為蔞蒿>狗牙根>苔草>水蓼>蘆葦>南荻>虉草，且蘆葦?shù)募t邊斜率最大，造成大的原因是生長密集、覆蓋度高。

2）一階導數(shù)對7種典型植被的特征波段識別不理想，二階導數(shù)方法效果很好。結果顯示，746.2、692.4、737.5、685.8、698.6、704.3 nm能作為7種典型植被的識別特征波段。該方法可以為鄱陽湖其他濕地植被光譜特征分析提供借鑒和支撐。

3）建立的典型植被光譜庫將為下一步完整的鄱陽湖植被光譜庫及濕地植被類型高光譜精細遙感反演分類提供基礎數(shù)據(jù)。

參考文獻：

[1] 婁彥景，趙魁義，馬克平.洪河自然保護區(qū)典型濕地植物群落組成及物種多樣性梯度變化[J].生態(tài)學報，2000，27（9）：3883-3891.

[2] 楊亞妮.濕地生態(tài)系統(tǒng)研究及防治退化策略[J].自然雜志，2002，24（2）：95-99.

[3] 童慶禧，張 兵，蘭 芬.高光譜遙感——原理、技術、應用[M].北京：等教育出版社，2006.

[4] LI B Z，LI M X，ZHOU X，et al.Hyperspectral esti-mation models for nitrogen contents of apple leaves[J].Journal of Re-mote Sensing，2010，14（4）：767-780.

[5] 張翼然，宮兆寧.趙文吉.等.水分環(huán)境梯度下野鴨湖濕地典型植被光譜特征分析[J].光譜學與光譜分析，2012，32（4）：743-748.

[6] 丁建麗，張 飛，塔西甫拉提·特依拜.塔里木盆地南緣典型植被光譜特征分析——以新疆于田綠洲為例[J].干旱區(qū)資源與環(huán)境，2008（11）：160-166.

76] 楊 凱，沈渭壽，劉 波，等.那曲典型草地植被光譜特征分析[J].遙感技術與應用，2014（1）：40-45.

[8] 任廣波，張 杰，馬 毅.黃河三角洲典型植被地物光譜特征分析與可分性查找表[J].海洋環(huán)境科學，2015（3）：420-426.

[9] 邱 琳.東洞庭湖典型濕地植被高光譜特征分析與識別[D].湖南株洲：中南林業(yè)科技大學，2013.

[10] 童慶禧，鄭蘭芬，王晉年，等.濕地植被成象光譜遙感研究[J].遙感學報，1997，1（1）：50-57.

[11] 周小虎，周鼎武.數(shù)字化地物反射光譜數(shù)據(jù)庫研究進展[J].光譜學與光譜分析，2009，29（6）：1616-1622.