胡 琳， 甘 淑， 2*， 袁希平， 李 雁， 4， 呂 杰, 2， 楊明龍, 2

1. 昆明理工大學(xué)國土資源工程學(xué)院， 云南 昆明 650093 2. 云南省高校高原山區(qū)空間信息測(cè)繪技術(shù)應(yīng)用工程研究中心， 云南 昆明 650093 3. 滇西應(yīng)用技術(shù)大學(xué)， 云南 大理 671000 4. 云南省國防科技工業(yè)局綜合研究所， 云南 昆明 650118

引 言

森林是陸地生態(tài)系統(tǒng)的重要組成部分[1]， 通過對(duì)森林植被進(jìn)行遙感監(jiān)測(cè)， 獲取森林資源和森林生態(tài)系統(tǒng)數(shù)據(jù)對(duì)于森林的保護(hù)和管理具有重要意義[2]。 由于林業(yè)工作具有資源遼闊、 通達(dá)性差、 地形結(jié)構(gòu)復(fù)雜、 監(jiān)測(cè)周期長(zhǎng)等特征， 林業(yè)遙感成為了林業(yè)調(diào)查的重要途徑與方式[3]。 高光譜遙感技術(shù)因其具有圖譜合一的優(yōu)勢(shì)， 可實(shí)現(xiàn)空間信息、 光譜信息和輻射信息的綜合觀測(cè)， 并且相較于傳統(tǒng)多光譜遙感技術(shù)， 高光譜遙感可以實(shí)現(xiàn)對(duì)目標(biāo)的精確識(shí)別[4]。 目前因?yàn)榇蟛糠中禽d高光譜數(shù)據(jù)存在空間分辨率較低的問題， 而機(jī)載高光譜數(shù)據(jù)以其高空間分辨率、 高光譜分辨率、 高時(shí)間分辨率的優(yōu)勢(shì)， 成為林業(yè)遙感的重要數(shù)據(jù)源[5]。

以地表覆被的森林植被為例， 通過對(duì)典型植被類型進(jìn)行高光譜特征對(duì)比分析， 以建立和完善各地區(qū)植被的高光譜數(shù)據(jù)庫， 對(duì)發(fā)展森林植被監(jiān)測(cè)具有重要意義[6]。 基于植被響應(yīng)高光譜曲線， 運(yùn)用數(shù)學(xué)模型處理， 可以增強(qiáng)不同植被類型之間的光譜區(qū)分度， 獲取最佳波段窗口及敏感波段， 對(duì)實(shí)現(xiàn)植被類型的精細(xì)判別十分必要。 該領(lǐng)域的研究受到國內(nèi)外學(xué)者的廣泛關(guān)注， 如字李[7]等基于地物光譜儀對(duì)香格里拉市4種典型針葉樹種實(shí)測(cè)數(shù)據(jù)進(jìn)行微分變換處理， 以實(shí)現(xiàn)對(duì)針葉樹種的高光譜特征分析； 周偉[8]等通過對(duì)三江源區(qū)的典型毒雜草和牧草的地面實(shí)測(cè)高光譜數(shù)據(jù)進(jìn)行SG平滑、 包絡(luò)線去除等處理， 對(duì)光譜特征進(jìn)行了分析； Rubio-Delgado[9]等利用一階導(dǎo)數(shù)和二階導(dǎo)數(shù)運(yùn)算， 基于地面實(shí)測(cè)高光譜數(shù)據(jù)分析了西班牙橄欖園光譜輻射特征。 通過綜述分析可看出， 目前基于野外定點(diǎn)實(shí)測(cè)高光譜數(shù)據(jù)分析研究有報(bào)道， 但基于機(jī)載高光譜數(shù)據(jù)進(jìn)行森林植被高光譜特征對(duì)比分析的研究較少。 為此， 本文基于機(jī)載高光譜影像數(shù)據(jù)， 選擇以滇中地區(qū)的竹林、 華山松、 雜木林三類典型地表植被類型為研究對(duì)象， 通過對(duì)原始光譜、 一階微分處理光譜、 連續(xù)統(tǒng)去除處理光譜進(jìn)行高光譜特征差異分析， 嘗試基于機(jī)載高光譜影像數(shù)據(jù)， 進(jìn)行高光譜特征對(duì)比分析， 有助于對(duì)滇中森林植被精細(xì)判別提供技術(shù)方法， 同時(shí)， 為今后發(fā)展天-地-空的高光譜影像數(shù)據(jù)一體化遙感植被精細(xì)分類提供技術(shù)支撐。

1 實(shí)驗(yàn)部分

1.1 數(shù)據(jù)及研究區(qū)

1.1.1 數(shù)據(jù)獲取

高光譜影像數(shù)據(jù)的采集時(shí)間是2019年12月17日上午十點(diǎn)到下午三點(diǎn)之間， 期間天氣晴朗無云， 處于較好的航飛條件。 數(shù)據(jù)采集采用了搭載著Cubert S185高光譜成像儀器傳感器的， 具有RTK定位導(dǎo)航的六旋翼無人機(jī)進(jìn)行低空規(guī)劃航空拍攝， 飛行規(guī)劃航高設(shè)置為120 m。 鏡頭垂直于地面， 無人機(jī)平行于主航線進(jìn)行飛行。 在獲取正射影像時(shí)， 通過地面監(jiān)控設(shè)備， 實(shí)時(shí)獲取無人機(jī)航拍狀態(tài)， 確保無人機(jī)沿預(yù)定航線平穩(wěn)飛行且影像清晰。 每一景影像大小對(duì)應(yīng)實(shí)地場(chǎng)景約為36.4 m×36.4 m。 總體上， 數(shù)據(jù)源是運(yùn)用Cubert S185機(jī)載高速成像光譜儀拍攝獲取， 該影像數(shù)據(jù)具有空間分辨率高且光譜分辨率高的特點(diǎn)， 可以較好地運(yùn)用于植被的精細(xì)識(shí)別。 該高光譜傳感器可以獲取138個(gè)光譜波段， 光譜分辨為3.5 nm， 空間分辨率為0.04 m， 光譜范圍為450～998 nm[10-12]， 本文主要采用了450～946 nm之間的125個(gè)波段。 此外特別需要說明的是， 本研究中主要選擇了以所拍攝到的單景影像為數(shù)據(jù)源進(jìn)行試驗(yàn)， 為今后大尺度機(jī)載影像高光譜特征提取提供研究支持。

1.1.2 數(shù)據(jù)預(yù)處理

試驗(yàn)數(shù)據(jù)選取時(shí)， 避開了無人機(jī)起飛和降落所對(duì)應(yīng)的影像。 用白板上的參考測(cè)量值和覆蓋黑色塑料透鏡蓋的暗測(cè)量值對(duì)無人機(jī)高光譜影像進(jìn)行輻射校正。 在參考測(cè)量值和實(shí)際測(cè)量值中減去暗測(cè)量值， 得到反射率值。 由于本文所選用試驗(yàn)數(shù)據(jù)為單景影像， 因此無需進(jìn)行影像拼接與裁剪。 為消除噪聲， 運(yùn)用Savitzky Golay濾波平滑器， 對(duì)數(shù)據(jù)進(jìn)行光譜平滑， 設(shè)置平滑窗口大小為5×5。 通過對(duì)機(jī)載高光譜影像數(shù)據(jù)進(jìn)行Savitzky Golay 濾波平滑， 可以濾除受光照、 大氣等外界因素造成的噪聲和受儀器性能導(dǎo)致的噪聲， 從而得到比較真實(shí)的原始光譜反射率。

1.1.3 研究區(qū)

昆明西山森林公園(24°57′—24°59′N， 102°37′—102°38′E)位于昆明市西郊的滇池湖畔， 海拔1 890～2 358.3 m， 占地面積約為16 km2[13]。 西山森林公園的植被類型豐富， 植被分布較為集中， 且受人為活動(dòng)影響較小。 通過實(shí)地勘察可以知道， 研究區(qū)內(nèi)主要植被類型為竹林、 華山松、 雜木林三類植被， 通過對(duì)這三類植被進(jìn)行均勻取樣， 各取植被特征明顯的10個(gè)樣本點(diǎn)， 每個(gè)樣本點(diǎn)大小為5 px×5 px(像素)， 通過計(jì)算得到植被的平均光譜反射率， 以繪制光譜曲線。 研究區(qū)及取樣本點(diǎn)布設(shè)位置如圖1所示。

圖1 研究區(qū)及取樣本點(diǎn)布設(shè)位置

1.2 研究方法

1.2.1 一階微分處理

運(yùn)用式(1)對(duì)原始光譜進(jìn)行一階微分變換可以很好地消除大氣效應(yīng)， 增強(qiáng)不同光譜波段的對(duì)比度[14]。 計(jì)算公式為

(1)

式(1)中，Ri為i波段原始光譜反射率， Δλ為波長(zhǎng)λi+1與λi間的距離。

為了能定量地反映滇中的三類典型地表植被間的光譜特征差異， 選用9個(gè)常用的一階微分光譜特征參數(shù)， 其中位置變量6個(gè)， 面積變量3個(gè)， 其定義[15]如表1所示。

表1 一階微分光譜特征參數(shù)及定義

1.2.2 連續(xù)統(tǒng)去除處理

連續(xù)統(tǒng)去除是一種對(duì)原始光譜曲線歸一化處理的方法， 又稱包絡(luò)線去除[16]。 其定義為逐個(gè)點(diǎn)通過直線連接起吸收(反射)凸出的峰點(diǎn)， 并使折線在峰值點(diǎn)上的外角大于180°， 該方法使得經(jīng)變換后的反射率值在0～1之間。 峰值點(diǎn)上的相對(duì)反射率均為1， 其他點(diǎn)相對(duì)反射率均小于1。 計(jì)算公式為

(2)

式(2)中，CRj為連續(xù)統(tǒng)去除光譜反射率，Rj為原始光譜反射率，RCj為連續(xù)統(tǒng)線反射率。

經(jīng)連續(xù)統(tǒng)去除處理后的光譜數(shù)據(jù)， 提取7個(gè)連續(xù)統(tǒng)去除的光譜的特征參數(shù)進(jìn)行比較， 其定義[15]如表2所示。 提取光譜特征參數(shù)可以定位光譜特征位置， 并且量化吸收谷形狀特征， 便于定量地描述滇中的三類典型地表植被間的光譜特征差異。

表2 連續(xù)統(tǒng)去除光譜特征參數(shù)及定義

2 結(jié)果與討論

2.1 原始高光譜特征分析

利用機(jī)載高光譜影像采樣數(shù)據(jù)得到研究區(qū)竹林、 華山松、 雜木林三類植被的原始高光譜曲線如圖2所示。

圖2 竹林、 華山松、 雜木林原始光譜曲線

分析可知三類植被均遵循植被反射光譜的變化規(guī)律， 即總體趨勢(shì)為隨著波長(zhǎng)的增長(zhǎng)， 光譜反射率逐漸增大， 再趨于平緩； 在450～522和662～690 nm范圍內(nèi)， 三類植被的光譜曲線幾乎重合， 難以進(jìn)行植被類型區(qū)分； 而在原始高光譜曲線上三類植被均呈現(xiàn)出現(xiàn)了2個(gè)不同的峰值期間： 在522～662 nm范圍內(nèi)， 光譜反射率為竹林>華山松>雜木林， 且在554 nm處， 三類植被均出現(xiàn)有反射峰， 其中竹林的峰值明顯高于其他兩類植被； 在690～946 nm范圍內(nèi)， 光譜反射率同樣表現(xiàn)為竹林>華山松>雜木林， 且反射率差異明顯較大， 因此更有利于對(duì)三類植被進(jìn)行區(qū)別與判識(shí)。 此外， 在690～766 nm范圍內(nèi)， 三類植被的光譜曲線均呈陡坡式增大， 斜率較大； 在766～914 nm范圍內(nèi)， 三類植被的光譜曲線均較平緩， 斜率較?。?而在914～946 nm范圍內(nèi)， 三類植被的光譜曲線均隨著波長(zhǎng)的增長(zhǎng)在逐漸減?。?在870 nm處為竹林光譜反射率的極大值， 達(dá)44.07%； 在854 nm處為華山松光譜反射率的極大值， 達(dá)32.16%； 在866 nm處為雜木林光譜反射率的極大值， 達(dá)27.34%。

2.2 一階微分處理光譜特征分析

為了使植被的光譜曲線變化特征更加顯著， 對(duì)竹林、 華山松、 雜木林三類植被的原始光譜曲線分別進(jìn)行了一階微分變換處理， 得到三類典型植被的高光譜一階微分變換曲線如圖3所示。

圖3 竹林、 華山松、 雜木林一階微分光譜曲線

觀察曲線態(tài)勢(shì)看出， 三類植被的一階微分光譜曲線總體趨勢(shì)基本相似。 在450～486 nm范圍內(nèi)， 三類植被的一階微分曲線幾乎重合， 并未出現(xiàn)明顯特征； 在486～554 nm范圍內(nèi)， 三類植被的一階微分系數(shù)均為正值， 說明三類植被的光譜反射率與波長(zhǎng)呈正相關(guān)， 且竹林、 華山松、 雜木林分別在530， 522和522 nm出現(xiàn)一階微分曲線反射峰值； 在554～670 nm范圍內(nèi)， 三類植被的一階微分系數(shù)均為負(fù)值， 且以相似頻率和幅度波動(dòng)， 三類植被的光譜反射率均以相似斜率在隨波長(zhǎng)的增長(zhǎng)而減小， 說明三類植被的光譜反射率與波長(zhǎng)呈負(fù)相關(guān)； 在670～774 nm范圍內(nèi)， 一階微分系數(shù)為竹林>華山松>雜木林， 特別是在718 nm處均出現(xiàn)有一階微分曲線的反射峰極大值點(diǎn)， 亦即在718 nm處， 由于三類植被的一階微分系數(shù)出現(xiàn)峰值且相差較大， 因此可以確定得出718 nm為區(qū)分三類植被的敏感特征波段， 其有利于對(duì)三類植被進(jìn)行區(qū)別分類； 在774～946 nm范圍內(nèi)， 一階微分曲線均隨波長(zhǎng)的增長(zhǎng)， 由正值逐漸變?yōu)樨?fù)值， 對(duì)應(yīng)原始光譜曲線則表現(xiàn)為光譜反射率與波長(zhǎng)由正相關(guān)逐漸變?yōu)樨?fù)相關(guān)。

其次， 根據(jù)一階微分光譜的常用9個(gè)特征參數(shù)處理方法， 分別提取得到研究區(qū)中竹林、 華山松、 雜木林這三類典型植被類型的一階微分光譜特征相關(guān)9個(gè)參數(shù)測(cè)算結(jié)果如表3所示。

表3 竹林、 華山松、 雜木林一階微分光譜特征參數(shù)

據(jù)表3數(shù)值對(duì)比進(jìn)行特征對(duì)比分析可知： (1)竹林、 華山松、 雜木林這三類典型植被類型的藍(lán)邊幅值Db總體上減小， 藍(lán)邊位置λb在530～522 nm呈現(xiàn)綠移， 但不存在顯著性差異； 三類典型植被的黃邊幅值Dy總體上增大， 三類植被的黃邊位置λy均為570 nm； 三類典型植被的紅邊幅值Dr總體上增大， 且不同植被間差異較大， 三類植被的紅邊位置λr均為718 nm。 (2)竹林、 華山松、 雜木林這三類典型植被的藍(lán)邊面積SDb、 黃邊面積SDy均有逐漸增大的趨勢(shì)， 且不同植被間差異較大； 紅邊面積SDr有逐漸減小的趨勢(shì)， 且不同植被間差異較大。

由上述分析可知， 對(duì)于研究區(qū)的三類典型植被的一階微分光譜特征的9個(gè)相關(guān)參數(shù)的比較， 即根據(jù)藍(lán)邊幅值、 黃邊幅值、 紅邊幅值所對(duì)應(yīng)的波段位置具有的相對(duì)同一性特征， 以及藍(lán)邊面積、 黃邊面積和紅邊面積所呈現(xiàn)出的不同類型之間的顯著差異特征， 十分有利于對(duì)研究區(qū)中的竹林、 華山松、 雜木林進(jìn)行敏感波段確定， 并可根據(jù)三種類型之間顯著差異性進(jìn)行類別區(qū)分和聚類識(shí)別。

2.3 連續(xù)統(tǒng)去除處理光譜特征分析

運(yùn)用連續(xù)統(tǒng)去除法， 變換處理研究區(qū)中竹林、 華山松、 雜木林三類植被的原始高光譜后， 獲得三類植被的連續(xù)統(tǒng)去除光譜曲線如圖4所示。

圖4 竹林、 華山松、 雜木林連續(xù)統(tǒng)去除光譜曲線

針對(duì)三類植被的連續(xù)統(tǒng)去除特征分析： 在458～554 nm范圍內(nèi)， 連續(xù)統(tǒng)去除系數(shù)為雜木林>華山松>竹林， 其中在502 nm處出現(xiàn)明顯谷值， 說明在此波段位置處， 三類植被的連續(xù)統(tǒng)去除系數(shù)差異均較為明顯， 可界定其為有利于進(jìn)行三類植被區(qū)分的敏感特征波段之一； 在570～690 nm范圍內(nèi)， 連續(xù)統(tǒng)去除系數(shù)為雜木林>華山松>竹林， 其中在674 nm處出現(xiàn)明顯谷值， 且為整體連續(xù)統(tǒng)去除光譜曲線的極小值， 說明在此波段位置處， 三類植被的連續(xù)統(tǒng)去除系數(shù)差異最為明顯， 由此可探測(cè)確定其為有利于進(jìn)行三類植被區(qū)分的重要敏感特征波段。

基于以上連續(xù)統(tǒng)去除線特征分析， 運(yùn)用連續(xù)統(tǒng)去除光譜特征參數(shù)定義及測(cè)算方法， 對(duì)探測(cè)確定的最小谷值所對(duì)應(yīng)的特征波段進(jìn)一步深化處理與探索如下： 計(jì)算546～750 nm波段范圍內(nèi)的竹林、 華山松、 雜木林的連續(xù)統(tǒng)去除的光譜的特征參數(shù)， 整理結(jié)果如表4所示。

據(jù)表4數(shù)值對(duì)比進(jìn)行特征分析可知： (1)竹林、 華山松、 雜木林這三類典型植被類型的最大吸收深度D、 總面積A、 左面積Al、 右面積Ar的數(shù)值特征均呈現(xiàn)為： 雜木林>華山松>竹林； (2)三類植被的A值差異較大， 有利于三類植被的分離性， 且三類植被的吸收位置P相鄰集中在674， 675， 和676 nm； (3)華山松和雜木林的吸收對(duì)稱度S均接近1， 表明吸收谷較為對(duì)稱， 而竹林的吸收對(duì)稱度S值為0.913， 則呈左偏移； (4)三類植被的面積歸一化最大吸收深度NMAD差異不大， 不易于三類植被的區(qū)分。

表4 竹林、 華山松、 雜木林連續(xù)統(tǒng)去除光譜特征參數(shù)

針對(duì)原始光譜曲線圖在450～522和662～690 nm范圍內(nèi)所存在的三類典型植被的光譜曲線幾乎重合， 而難以進(jìn)行三類植被類型的有效區(qū)分問題， 通過對(duì)研究區(qū)中連續(xù)統(tǒng)去除光譜特征參數(shù)運(yùn)用分析得出， 通過總面積A參數(shù)特征可以嘗試對(duì)研究區(qū)植被類型進(jìn)行區(qū)分與識(shí)別。

3 結(jié) 論

基于機(jī)載高光譜影像數(shù)據(jù)， 以滇中典型地表植被竹林、 華山松、 雜木林為研究對(duì)象， 通過對(duì)三類植被的原始光譜、 一階微分處理光譜、 連續(xù)統(tǒng)去除處理光譜的差異分析， 得到如下結(jié)論：

(1)基于對(duì)原始光譜特征分析發(fā)現(xiàn)： 竹林、 華山松、 雜木林的原始光譜的最佳波段窗口為690～946 nm， 在該波段范圍內(nèi)光譜反射率為竹林>華山松>雜木林。

(2)基于一階微分處理光譜特征分析發(fā)現(xiàn)： 竹林、 華山松、 雜木林的一階微分處理光譜的最佳波段窗口為670～774 nm， 在該波段范圍內(nèi)一階微分系數(shù)為竹林>華山松>雜木林。 同時(shí)， 在718 nm波段處均出現(xiàn)三類植被的一階微分光譜曲線的反射峰極大值點(diǎn)， 可用于三類植被的區(qū)分； 通過對(duì)竹林、 華山松、 雜木林一階微分光譜特征參數(shù)的分析， 得出綜合運(yùn)用藍(lán)邊幅值、 黃邊幅值、 紅邊幅值、 藍(lán)邊面積、 黃邊面積和紅邊面積分析技術(shù)， 有利于探測(cè)獲得對(duì)研究區(qū)典型植被類型敏感特征波段的位置確定， 以及探測(cè)不同類別之間的波段差異化特性。

(3)基于連續(xù)統(tǒng)去除處理光譜特征分析發(fā)現(xiàn)： 竹林、 華山松、 雜木林的連續(xù)統(tǒng)去除處理光譜的最佳波段窗口為458～554和570～690 nm。 在458～554和570～690 nm范圍內(nèi)， 連續(xù)統(tǒng)去除系數(shù)均為雜木林>華山松>竹林； 并且在502 nm處出現(xiàn)明顯吸收谷， 在674nm處出現(xiàn)明顯吸收谷且為連續(xù)統(tǒng)去除光譜曲線的極小值， 這兩個(gè)波段均可用于三類植被的區(qū)分。 通過對(duì)竹林、 華山松、 雜木林連續(xù)統(tǒng)去除光譜特征參數(shù)的分析， 得出可以嘗試運(yùn)用總面積來進(jìn)行竹林、 華山松、 雜木林的區(qū)分識(shí)別。

一階微分法可以增強(qiáng)光譜曲線在坡度上的細(xì)微變化， 便于提取光譜峰谷參數(shù)， 此外， 采用一階微分法消除光譜間的系統(tǒng)誤差， 減少大氣輻射、 散射和吸收等背景噪聲對(duì)目標(biāo)光譜的影響。 由于葉綠素光合作用， 有效輻射吸收率的光譜特征常表現(xiàn)為弱吸收信號(hào)， 采用連續(xù)統(tǒng)去除法將反射波譜歸一化0～1的實(shí)數(shù)域中， 使得可以在同一基準(zhǔn)線上對(duì)比吸收特征， 從而擴(kuò)大原始光譜中由光合作用的有效輻射吸收引起的吸收特征微小變化。 綜合運(yùn)用一階微分法與連續(xù)統(tǒng)去除法進(jìn)行高光譜曲線特征波段的識(shí)別， 能夠有效增強(qiáng)三類植被的光譜差異， 突出敏感波段位置等信息， 為進(jìn)一步進(jìn)行植被類型的精細(xì)識(shí)別提供基礎(chǔ)。

本試驗(yàn)研究總體較為理想， 更為復(fù)雜地表的植被覆蓋類型的高光譜檢測(cè)研究有待深化。 所獲取的三類植被的高光譜數(shù)據(jù)， 因受到局地氣候的影響， 可能會(huì)存在一定程度上的差異， 今后可以通過采集不同地區(qū)、 同類植被的高光譜數(shù)據(jù)， 以提高數(shù)據(jù)的普適性。 同時(shí)， 本文影像數(shù)據(jù)拍攝時(shí)間為12月中旬， 并不是判別這三類植被的最佳時(shí)期， 未來可以基于多時(shí)相的機(jī)載高光譜影像， 進(jìn)行植被多年份、 多季度的動(dòng)態(tài)變化分析， 總結(jié)規(guī)律以豐富植被高光譜數(shù)據(jù)庫， 為基于高光譜特征的植被精細(xì)判別提供數(shù)據(jù)支撐。