何 念,劉玉嬋,閔 婕

(滁州學(xué)院，安徽 滁州 239000)

1 引言

在全球氣候日益變暖及全球生態(tài)環(huán)境不斷惡化的情況下，加強(qiáng)對(duì)生態(tài)環(huán)境的保護(hù)就顯得格外重要，而重視森林的建設(shè)與管理是增強(qiáng)生態(tài)環(huán)境保護(hù)能力的重要方式。森林是林業(yè)的重要組成部分，是構(gòu)成自然生態(tài)環(huán)境體系的重要內(nèi)容，影響著經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展。重視森林體系管理，識(shí)別、分清森林樹(shù)種是做好森林管理及推動(dòng)森林健康發(fā)展的重要保障。當(dāng)前，我國(guó)很多地區(qū)森林樹(shù)種的分類調(diào)查還依賴于實(shí)地調(diào)查研究，但因森林分布范圍較廣、區(qū)域較大，依靠實(shí)地調(diào)查對(duì)森林樹(shù)種尤其是森林優(yōu)勢(shì)樹(shù)種進(jìn)行分類，需要耗費(fèi)大量的人力、時(shí)間，因而使用遙感技術(shù)對(duì)優(yōu)勢(shì)樹(shù)種進(jìn)行分類就成為森林樹(shù)種分類管理的必然途徑。

當(dāng)前，遙感技術(shù)在森林中的應(yīng)用逐漸普及，使用范圍也越來(lái)越廣，主要利用光學(xué)圖像或者數(shù)字圖片來(lái)獲得樹(shù)種的特征信息，進(jìn)而依靠樹(shù)種的特征信息來(lái)對(duì)優(yōu)勢(shì)樹(shù)種進(jìn)行分類，分類效果通常較好。但在遙感技術(shù)獲得快速發(fā)展的情況下，高光譜技術(shù)也隨之發(fā)展，并在森林優(yōu)勢(shì)樹(shù)種中的分類應(yīng)用也實(shí)現(xiàn)了巨大突破，對(duì)森林優(yōu)勢(shì)樹(shù)種的分類應(yīng)用的精確程度也獲得了大幅提高。而葉片高光譜作為高光譜的一種，在優(yōu)勢(shì)樹(shù)種分類中的應(yīng)用也不斷普及。因此，本文通過(guò)研究基于葉片高光譜的皇甫山森林公園優(yōu)勢(shì)樹(shù)種分類，不僅有利于加強(qiáng)對(duì)皇甫山森林公園的管理，還有利于保護(hù)公園的森林生態(tài)體系，減少人力、財(cái)力消耗，提高現(xiàn)代技術(shù)在優(yōu)勢(shì)樹(shù)種分類中的應(yīng)用能力。

2 研究區(qū)及數(shù)據(jù)源

2.1 研究區(qū)

研究區(qū)位于滁州市西郊38 km處，與南京市、合肥市的距離大約有100 km，將近1 h的車程?；矢ι皆诠糯环Q為曲亭山，因南唐將軍皇甫暉在該處屯兵而獲得此名。皇甫山森林公園占地面積達(dá)到了53273畝，森林覆蓋率達(dá)到了96.1%，是華東地區(qū)擁有的最后一片原始森林。在公園內(nèi)部自然景觀與人文景觀交錯(cuò)分布，是我國(guó)的森林公園、自然保護(hù)區(qū)，也是我國(guó)著名的旅游風(fēng)景區(qū)。北將軍嶺是皇甫山森林公園的最高峰，海拔為399.2 m。

皇甫山森林公園內(nèi)部群山連綿，跌宕起伏，多為山地、丘陵地形，擁有眾多的峽谷，因而形成了山水相間的自然風(fēng)光，境內(nèi)植被茂密，成為一個(gè)天然的大氧吧。同時(shí)，皇甫山森林公園蘊(yùn)含的負(fù)氧離子含量較高，生態(tài)環(huán)境較好，公園常年的平均氣溫為14.3 ℃，氣候較為溫和，夏季氣溫不高，是一個(gè)天然的休閑避暑療養(yǎng)場(chǎng)所，被授予我國(guó)最好的森林療養(yǎng)目的地的稱號(hào)。

皇甫山森林公園境內(nèi)原始森林眾多，古樹(shù)茂密，藤蘿遍布，景色宜人，分布著河麂、小靈錨、豹貓、花面貍等130多種野生動(dòng)物。當(dāng)前，公園植被主要是多以北亞熱帶落葉闊葉林為主，原生次生林?jǐn)?shù)量較多，分布范圍較廣，擁有銀杏、黃檀、鵝掌楸等10余種國(guó)家級(jí)二三級(jí)保護(hù)樹(shù)種以及114種野生植物。其中，皇甫山森林公園擁有的優(yōu)勢(shì)樹(shù)種為銀杏、黃檀、鵝掌楸、櫸樹(shù)、馬尾松、國(guó)外松、杉木、麻櫟等。

2.2 數(shù)據(jù)源獲取

為保障皇甫山森林公園優(yōu)勢(shì)樹(shù)種分類研究的有效開(kāi)展，此次的實(shí)驗(yàn)數(shù)據(jù)采集分通過(guò)3個(gè)階段來(lái)完成，第一階段的數(shù)據(jù)采集時(shí)間為2019年3月6日至3月12日，第二階段的數(shù)據(jù)采集時(shí)間為2019年4月15日至4月21日，第三階段的數(shù)據(jù)采集時(shí)間為2019年5月24日至5月30日。其中，第一階段采集的數(shù)據(jù)主要用于皇甫山森林公園優(yōu)勢(shì)樹(shù)種及多光譜數(shù)據(jù)的可分性研究，以及通過(guò)反射透射、葉面正反面以及不同預(yù)處理方式對(duì)優(yōu)勢(shì)樹(shù)種分類的影響。而第二階段和第三階段采集的數(shù)據(jù)主要用于8種優(yōu)勢(shì)樹(shù)種的可分性研究及不同海拔條件下的葉片光譜變化情況。第三階段采集的數(shù)據(jù)主要用于變色期時(shí)間變化對(duì)葉片光譜產(chǎn)生的影響。

圖1 皇甫山森林公園的區(qū)域分布

在第一階段，使用光譜儀對(duì)優(yōu)勢(shì)樹(shù)種葉片的光譜進(jìn)行測(cè)量，將300～1150 nm作為光譜的測(cè)量范圍，將3.3～3.4 nm作為光譜的測(cè)量間距，因處于300～470 nm及1050～1150 nm范圍內(nèi)的光譜噪聲較大，故將470～1050 nm范圍內(nèi)的波段作為研究數(shù)據(jù)的來(lái)源。同時(shí)，使用反射和透射方式對(duì)優(yōu)勢(shì)樹(shù)種葉片正反面的數(shù)據(jù)進(jìn)行采集，并且反射數(shù)據(jù)通過(guò)使用光譜儀內(nèi)部光源和二支分叉光纖進(jìn)行測(cè)量獲得，投射數(shù)據(jù)通過(guò)使用光譜儀的外部窗素?zé)艄庠春椭毙泄夂惯M(jìn)行測(cè)量獲得(表1)。

第二、三階段使用兩臺(tái)光譜儀對(duì)優(yōu)勢(shì)樹(shù)種葉片進(jìn)行光譜測(cè)量，通過(guò)兩臺(tái)光譜儀的測(cè)量，可以獲得380～1170 nm范圍內(nèi)的光譜測(cè)量數(shù)據(jù)。通過(guò)采用反射和透射方式測(cè)量?jī)?yōu)勢(shì)樹(shù)種葉片正反面的信息，由此獲得葉片正反面的數(shù)據(jù)。其中，使用二叉分支光纖對(duì)反射數(shù)據(jù)進(jìn)行測(cè)量，并通過(guò)光纖一端的方式連接光譜儀，通過(guò)光纖分支連接光源(表2、3)。

表1 第一階段采集的樣本數(shù)據(jù)

表2 第二階段采集的樣本數(shù)據(jù)

表3 第三階段采集的樣本數(shù)據(jù)

3 數(shù)據(jù)預(yù)處理

在光譜常用的數(shù)據(jù)預(yù)處理方式中，經(jīng)常使用對(duì)數(shù)變換、一階導(dǎo)數(shù)變換、二階導(dǎo)數(shù)變換，對(duì)于去除光譜噪聲能夠起到非常有效的作用。對(duì)皇甫山森林公園優(yōu)勢(shì)樹(shù)種進(jìn)行分類處理，可以使用對(duì)數(shù)變換、一階導(dǎo)數(shù)變換、二階導(dǎo)數(shù)變換等三種方式對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，從而有利于優(yōu)勢(shì)樹(shù)種分類的數(shù)據(jù)預(yù)處理。用g(r)、f'(r)、f''(r)分別作為對(duì)數(shù)變換、一階導(dǎo)數(shù)函數(shù)、二階導(dǎo)數(shù)函數(shù)進(jìn)行變換后得到的光譜曲線函數(shù)，其中，f(r)是去除異常值和重采樣后的實(shí)際測(cè)量原始光譜曲線函數(shù)，并將r定義為波長(zhǎng)值，

4 研究方法

4.1 單因素方差分析

在不考慮波段之間相關(guān)性的前提下，利用單因素方差對(duì)優(yōu)勢(shì)樹(shù)種的波段進(jìn)行分析，以便能夠發(fā)現(xiàn)不同優(yōu)勢(shì)樹(shù)種之間的差異性，可以通過(guò)不同優(yōu)勢(shì)樹(shù)種波段光譜的均值及方差來(lái)對(duì)不同優(yōu)勢(shì)樹(shù)種的波段差異性進(jìn)行判斷，可以優(yōu)先考慮差異較大的波段，同時(shí)，借助SPSS20軟件對(duì)單因素方差進(jìn)行研究，將0.05作為顯著性差異的標(biāo)志，由此可以得到不同優(yōu)勢(shì)樹(shù)種波段的基礎(chǔ)信息，但還需要進(jìn)行下一步的分析。

4.2 逐步判別分析

逐步判別分析法是指將具有一定研究對(duì)象的類別作為因變量，將具有相應(yīng)特征的變量作為自變量，由此按照一定的判別標(biāo)準(zhǔn)建立判別函數(shù)，由此依據(jù)研究對(duì)象的屬性特征來(lái)確定判別函數(shù)的待定系數(shù)，由此對(duì)相應(yīng)的判別指標(biāo)進(jìn)行計(jì)算。因此，在對(duì)優(yōu)勢(shì)樹(shù)種進(jìn)行分類的過(guò)程中，可以使用逐步判別法選擇有利于優(yōu)勢(shì)樹(shù)種分類的波段組合，按照Wilks' Lambda(L)的標(biāo)準(zhǔn)對(duì)波段進(jìn)行選擇，并使用交叉驗(yàn)證方法對(duì)波段進(jìn)行驗(yàn)證，以便能夠?qū)x擇波段的穩(wěn)定性進(jìn)行驗(yàn)證。因此，可以使用全模型法對(duì)選擇出來(lái)的特征波段進(jìn)行判別，從而根據(jù)不同波段的特征來(lái)對(duì)不同優(yōu)勢(shì)樹(shù)種進(jìn)行分類。

4.3 因子分析

使用因子分析法可以對(duì)選擇的不同樹(shù)種的波段進(jìn)行優(yōu)化、提取，作為一種常用的數(shù)據(jù)降維方法，能夠從多種變量中提取共性因子，將相關(guān)性較強(qiáng)的共性因子歸類為同一類，以便能夠通過(guò)少數(shù)的因子來(lái)表達(dá)共性因子的特征。在對(duì)皇甫山森林公園的不同種類的優(yōu)勢(shì)樹(shù)種進(jìn)行分類的過(guò)程中，使用主成分分析的方法進(jìn)行因子提取。

4.4 多光譜數(shù)據(jù)的模擬

通過(guò)使用多光譜傳感器中的光譜響應(yīng)函數(shù)對(duì)多光譜數(shù)據(jù)進(jìn)行模擬，以便能夠模擬出不同傳感器的低分辨率光譜，并且使用SDA進(jìn)行分類研究，以便能夠確定不同的波段個(gè)數(shù)，從而能夠?qū)矢ι缴止珗@不同優(yōu)勢(shì)樹(shù)種進(jìn)行分類。

首先，對(duì)光譜重采樣進(jìn)行1nm間隔，依據(jù)波段響應(yīng)函數(shù)，對(duì)3個(gè)不同衛(wèi)星的多光譜傳感器的光譜曲線進(jìn)行模擬，并且這3種不同的衛(wèi)星分別為GEOEYE-1、RAPIDEYE、WORDVIEW2，前兩種衛(wèi)星的波段是從430 nm開(kāi)始的，而后面一個(gè)衛(wèi)星的波段是從350 nm開(kāi)始的。但實(shí)驗(yàn)室在對(duì)葉片光譜數(shù)據(jù)波段信噪比進(jìn)行測(cè)量，能夠獲得較高的波段范圍處于470～1050 nm，為滿足藍(lán)光波段模擬的要求?；诖?，未對(duì)藍(lán)光波段進(jìn)行研究。對(duì)多光譜傳感器進(jìn)行光譜模擬，需要對(duì)光譜響應(yīng)函數(shù)進(jìn)行了解，并根據(jù)實(shí)際測(cè)量的光譜能量重新進(jìn)行分配，即能夠按照實(shí)際測(cè)量的光譜函數(shù)進(jìn)行波長(zhǎng)加權(quán)平均，得到的波長(zhǎng)函數(shù)的權(quán)重就是光譜響應(yīng)函數(shù)在該波段處的函數(shù)值。

5 結(jié)果與分析

對(duì)于第一階段采集獲得的數(shù)據(jù)，可以使用單因素分析法和逐步判別法對(duì)其進(jìn)行研究，將實(shí)驗(yàn)得到的數(shù)據(jù)按照不同的優(yōu)勢(shì)進(jìn)行分類，將其分為9種樹(shù)種，以便能夠探討皇甫山森林公園不同優(yōu)勢(shì)樹(shù)種葉片光譜的可分性，同時(shí)，還要分析不同數(shù)據(jù)對(duì)優(yōu)勢(shì)樹(shù)種分類結(jié)果的影響。

5.1 單因素分析方法對(duì)8種樹(shù)種分類結(jié)果的影響

利用單因素分析方法對(duì)實(shí)驗(yàn)獲得的原始數(shù)據(jù)和對(duì)數(shù)數(shù)據(jù)進(jìn)行分析，對(duì)于透射或者反射來(lái)說(shuō)，對(duì)皇甫山森林公園的優(yōu)勢(shì)樹(shù)種進(jìn)行分類，可以借助高光譜數(shù)據(jù)的波段并且會(huì)對(duì)優(yōu)勢(shì)樹(shù)種分類產(chǎn)生顯著影響。在經(jīng)過(guò)一階導(dǎo)數(shù)、二階導(dǎo)數(shù)處理后，獲得的波段數(shù)據(jù)對(duì)優(yōu)勢(shì)樹(shù)種分類不會(huì)產(chǎn)生顯著影響，并且獲得的波段在高光譜波段范圍內(nèi)處于不規(guī)則分布狀態(tài)。依據(jù)葉片正面對(duì)數(shù)的反射數(shù)據(jù)，紅色波段對(duì)馬尾松、國(guó)外松等針闊葉林的分類不會(huì)產(chǎn)生較大的影響。利用反射數(shù)據(jù)對(duì)皇甫山森林公園的優(yōu)勢(shì)樹(shù)種進(jìn)行分類，會(huì)對(duì)優(yōu)勢(shì)樹(shù)種分類產(chǎn)生較為顯著的影響。利用透射數(shù)據(jù)對(duì)優(yōu)勢(shì)樹(shù)種進(jìn)行分類時(shí)，綠光和紅光波段對(duì)優(yōu)勢(shì)樹(shù)種分類的影響不是很顯著。對(duì)于反射和透射數(shù)據(jù)來(lái)說(shuō)，近紅外波段光譜都會(huì)對(duì)優(yōu)勢(shì)樹(shù)種分類產(chǎn)生顯著影響。在對(duì)葉片正反面不加以區(qū)分的情況下，反射光譜在混合之后可以減少可分波段的數(shù)量，而透射數(shù)據(jù)對(duì)可分波段的數(shù)量不會(huì)產(chǎn)生顯著影響。

5.2 逐步判別分析方法對(duì)8種樹(shù)種分類結(jié)果的影響

利用逐步判別分析方法對(duì)實(shí)驗(yàn)獲得的優(yōu)勢(shì)樹(shù)種光譜數(shù)據(jù)進(jìn)行分析，在對(duì)數(shù)據(jù)信息分析的過(guò)程中，通過(guò)對(duì)Wilk' Lambda(L)值及波段、分類精度數(shù)據(jù)既驗(yàn)證精度數(shù)據(jù)進(jìn)行提取。其中，可以使用Wilk' Lambda(L)值對(duì)之前選擇的波段進(jìn)行分類，將其取值范圍界定在0-1之間，若其取值越靠近0，越能夠表明選擇的波段對(duì)優(yōu)勢(shì)樹(shù)種具有越強(qiáng)的分類能力。若其取值越靠近1，越能夠表明選擇的波段對(duì)優(yōu)勢(shì)樹(shù)種具有越弱的分類能力。當(dāng)Wilk' Lambda(L)值不會(huì)在顯著降低時(shí)，對(duì)優(yōu)勢(shì)樹(shù)種分類的分析也就結(jié)束。

借助Wilk' Lambda(L)值、分類精度對(duì)優(yōu)勢(shì)樹(shù)種進(jìn)行分類，如圖2所示，從整體上看，使用判別分析法對(duì)已經(jīng)選擇的分類波段對(duì)優(yōu)勢(shì)樹(shù)種都具有較強(qiáng)的分類能力(L<0.12)，并且經(jīng)過(guò)一階導(dǎo)數(shù)、二階導(dǎo)數(shù)處理后的Wilk' Lambda(L)值均小于通過(guò)源數(shù)據(jù)和對(duì)數(shù)數(shù)據(jù)所獲得的Wilk' Lambda(L)值，并且通過(guò)反射正面獲得的數(shù)據(jù)以及不區(qū)分葉片正反面所獲得的反射數(shù)據(jù)，其獲得的Wilk' Lambda(L)值均大于其他方式獲得的Wilk' Lambda(L)值。

圖2 L值對(duì)比

如圖3所示，對(duì)于馬尾松、國(guó)外松等樹(shù)種來(lái)說(shuō)，這種樹(shù)種的分類及驗(yàn)證精度都能夠達(dá)到100%，各種優(yōu)勢(shì)樹(shù)種也能夠獲得較好的分類結(jié)果，大部分優(yōu)勢(shì)樹(shù)種的分類精度都處于80%～100%之間，尤其是分類精度處于90%～100%之間的精度數(shù)量占總的精度數(shù)量的百分比達(dá)到了85%以上。同時(shí)，對(duì)實(shí)驗(yàn)數(shù)據(jù)預(yù)處理方式以及采取不同的組合方式都會(huì)對(duì)優(yōu)勢(shì)樹(shù)種的分類精度產(chǎn)生影響，但使用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)對(duì)優(yōu)勢(shì)樹(shù)種進(jìn)行分類，能夠獲得較好的分類效果。通過(guò)反射+透射的分類方式獲得的分類精度效果相對(duì)較好，但通過(guò)透射、反射、反射透射相結(jié)合分分類方式所獲得的分類效果逐漸降低。

圖3 8種樹(shù)種分類精度對(duì)比

總體來(lái)看，通過(guò)對(duì)優(yōu)勢(shì)樹(shù)種的正面葉片進(jìn)行高光譜采集數(shù)據(jù)，能夠獲得較好的分類效果，但對(duì)優(yōu)勢(shì)樹(shù)種的反面葉片進(jìn)行高光譜采集數(shù)據(jù)，能夠獲得的分類效果要弱于通過(guò)正面葉片進(jìn)行高光譜采集數(shù)據(jù)所獲得的分類效果。但如果對(duì)葉片正反面不加以區(qū)分，所獲得的葉片數(shù)據(jù)由此來(lái)進(jìn)行優(yōu)勢(shì)樹(shù)種的分類精度較差。此外，在對(duì)所獲得的數(shù)據(jù)進(jìn)行分類判別時(shí)，并且對(duì)分類的波段進(jìn)行匯總，發(fā)現(xiàn)紅邊波段是出現(xiàn)頻率最高的波段，因而紅邊波段對(duì)皇甫山森林公園優(yōu)勢(shì)樹(shù)種的分類有著較為顯著的影響。

6 結(jié)論

在現(xiàn)代世界環(huán)境中，森林的重要性不言而喻，而優(yōu)勢(shì)樹(shù)種作為構(gòu)成森林生態(tài)體系的重要組成部分，在現(xiàn)代環(huán)境中發(fā)揮著十分重要的作用。因此，加強(qiáng)對(duì)優(yōu)勢(shì)樹(shù)種的分類管理，是提升森林管理的重要方式。通過(guò)使用葉片高光譜對(duì)皇甫山森林公園優(yōu)勢(shì)樹(shù)種進(jìn)行分類研究，發(fā)現(xiàn)使用單因素方差分析、逐步判別分析、因子分析能夠取得較好的分類效果，并且3種分析方法對(duì)優(yōu)勢(shì)樹(shù)種分類的精度有著顯著的差異。同時(shí)，也發(fā)現(xiàn)紅邊波段對(duì)皇甫山森林優(yōu)勢(shì)樹(shù)種的分類能夠取得較好的分類效果。因此，使用葉片高光譜技術(shù)對(duì)森林中的優(yōu)勢(shì)樹(shù)種進(jìn)行分類研究，具有重要的研究?jī)r(jià)值。