董瑞，周睿，唐莊生，周建偉，葉國輝，楚彬，花立民

(甘肅農(nóng)業(yè)大學(xué)草業(yè)學(xué)院，草業(yè)生態(tài)系統(tǒng)教育部重點實驗室，甘肅省草業(yè)工程實驗室，中-美草地畜牧業(yè)可持續(xù)發(fā)展研究中心，甘肅 蘭州 730070)

草地毒草化是天然草地典型的草地退化現(xiàn)象[1]，不僅加劇了草畜矛盾，而且嚴(yán)重威脅草地生物多樣性[2-3]。近年來，由于全球氣候變暖、過度放牧等因素的多重影響，我國天然草地毒草化日益嚴(yán)重。據(jù)統(tǒng)計，目前我國毒草化天然草地面積約4.504×107hm2，約占天然草地總面積的11.3%[4]，僅青藏高原毒草分布面積就占毒草總面積的77%[5]。2007-2009年，全國每年因毒草中毒的牲畜為2.109×106頭(只)、死亡8.404×105頭(只)，經(jīng)濟(jì)損失6.723×108元[1]。因此，積極開展天然草原毒草防治是提高草地生產(chǎn)力、維護(hù)畜牧業(yè)經(jīng)濟(jì)健康發(fā)展的重要任務(wù)之一。

快速、準(zhǔn)確地獲取毒草種類、分布及面積是毒草防治的前提和關(guān)鍵。目前天然草地毒草調(diào)查方法常采用人工實地調(diào)查。人工調(diào)查具有較高的準(zhǔn)確率，但是存在調(diào)查點少，代表性差，以及需要較多的人力投入等問題[6-7]。與地面調(diào)查技術(shù)相比，衛(wèi)星遙感技術(shù)具有覆蓋范圍廣、速度快和時效高等特點，特別是高光譜技術(shù)的出現(xiàn)和快速發(fā)展，為地物識別、植被類型劃分乃至植物物種識別提供了一種高效快速和大面積應(yīng)用的新途徑[8-9]。盡管高光譜具有分辨率高、信息豐富、圖譜合一等特點[10]，但是，衛(wèi)星高光譜遙感由于傳感器分辨率低、空間位置高、解譯困難等因素，很難實現(xiàn)復(fù)雜背景下植物識別與分類。近年來，利用實地近距離獲取植物高光譜數(shù)據(jù)并分析植物高光譜反射特征，不但可以為無人機低空遙感識別植物物種提供技術(shù)支撐，也可為衛(wèi)星遙感監(jiān)測毒草種類、分布等提供基礎(chǔ)數(shù)據(jù)。因此，實地近距離高光譜植物物種識別技術(shù)是當(dāng)前遙感學(xué)、生態(tài)學(xué)等研究的熱點之一。

基于高光譜的植物識別與分類模型建立主要有兩個關(guān)鍵的步驟，1)高光譜數(shù)據(jù)的降維，即光譜特征參數(shù)的篩選；2)分類識別算法的選擇。高光譜數(shù)據(jù)降維的方法主要有主成分分析(Principal Component Analysis，PCA)、線性判別分析(Linear Discriminant Analysis，LDA)、局部線性嵌入(Locally linear embedding，LLE)等。相比其他方法，PCA具有緩解維度災(zāi)難、壓縮數(shù)據(jù)、降低數(shù)據(jù)結(jié)構(gòu)等特點[11]，是目前常用的降維方法。篩選適宜的分類算法對于物種識別的準(zhǔn)確性、效率具有重要意義。目前，分類識別算法很多，在農(nóng)田雜草、森林樹種和濕地植物等方面各具特色和優(yōu)點[12-14]。祖琴等[15]采用簇類的獨立軟模式(SIMCA)方法對甘藍(lán)與雜草進(jìn)行分類，識別率高達(dá)98.6%。臧卓等[16]運用3種數(shù)學(xué)變換方法對原始數(shù)據(jù)預(yù)處理，選擇基于徑向基核函數(shù)(SVM-RBF)和線性核函數(shù)的支持向量機(SVM-Linear)、BP神經(jīng)網(wǎng)絡(luò)、Fisher分類法等4種算法對喬木樹種進(jìn)行分類，識別精度能夠達(dá)到98.33%。但是目前利用高光譜成像技術(shù)，針對高寒草甸毒草的分類識別方法研究相對較少。

本研究以高寒草甸主要毒草為研究對象，野外采集青藏高原高寒草甸主要毒草光譜數(shù)據(jù)，利用機器學(xué)習(xí)方法建模分類，篩選適用于高寒草甸主要毒草識別分類的模型，以期快速、準(zhǔn)確了解草地植物群落中各物種組成變化，為實現(xiàn)草地健康狀況評價、監(jiān)測草地退化與防治恢復(fù)提供一種新的研究方法[17]。

1 材料和方法

1.1 研究區(qū)概況

本研究選擇祁連山東緣天祝藏族自治縣抓喜秀龍鄉(xiāng)和青藏高原東部瑪曲縣為研究區(qū)。天祝藏族自治縣抓喜秀龍鄉(xiāng)地理位置為E 102°07′～103°46′，N 36°31′～37°55′ N，海拔2 878～3 425 m，年均溫-0.1 ℃，降水量416 mm。植被類型為高寒草甸，以莎草科、禾本科植物為優(yōu)勢種，伴生種以闊葉類雜草與毒草為主，主要植物有垂穗披堿草(Elymusnutans)、冷地早熟禾(Poacrymophlia)、矮嵩草(Kobresiahumilis)、珠芽蓼(Polygonumviviparum)、鵝絨委陵菜(Potentillaanserina)、黃花棘豆(Oxytropisochrocephala)、露蕊烏頭(Aconitumgymnandrum)、瑞香狼毒(Stellerachamaejasme)、碎米蕨葉馬先蒿(Pedicularischeilanrthifolia)等?，斍h地理位置為E 104°45′45″～102°29′00″，N 33°06′30″～34°30′15″，年均溫1.2 ℃，無霜期20 d，年均日照時數(shù)2 631.9 h。同樣以莎草科、禾本科植物為優(yōu)勢種，伴生種以闊葉類雜類草與毒草為主，主要植物有垂穗披堿草、紫花針茅(Stipapurpurea)、早熟禾(P.annua)、鵝絨委陵菜、黃帚橐吾(Ligulariavirgaurea)、長毛鳳毛菊(Saussureahieracioides)等。

1.2 光譜圖像采集

光譜數(shù)據(jù)采集使用高光譜成像光譜儀SOC710VP(美國SOC公司)，光譜在400～1 000 nm，分辨率4.68 nm，采樣間隔為1.4 nm，波段數(shù)為128個。高光譜數(shù)據(jù)野外采集時間為2020年7月10-12日11∶00-14∶00(太陽高度角>45°)。選擇晴朗無云、無風(fēng)或者少風(fēng)(風(fēng)力<4級)時進(jìn)行數(shù)據(jù)采集。每隔20 min進(jìn)行一次白板優(yōu)化校正。測量時鏡頭垂直向下，距離植物冠層垂直高度為0.5 m。為保證采集植物數(shù)據(jù)的準(zhǔn)確性，每種植物采集不少于20幅影像，共獲取11種毒草光譜數(shù)據(jù)。野外調(diào)查毒草信息詳見表1，毒草選擇主要依據(jù)《中國西部天然草地毒害草的主要種類及分布》[1]。

表1 主要有毒草植物類型

1.3 原始光譜反射值提取

使用儀器自帶軟件SRAnal710進(jìn)行反射率轉(zhuǎn)換。從每張光譜圖像中分別提取3個植物純凈像元光譜數(shù)據(jù)作為原始數(shù)據(jù)(圖1)。

圖1 11種毒草原始平均光譜反射曲線

1.4 數(shù)據(jù)處理方法

1.4.1 預(yù)處理 為尋找光譜數(shù)據(jù)分類11種毒草的最佳數(shù)學(xué)變換方法，本研究采用多項式卷積平滑法[Savitzky-Golay Smoothing,SG(R)]濾波對原始數(shù)據(jù)進(jìn)行平滑降噪處理[18]，后進(jìn)行一階微分導(dǎo)數(shù)[First order differential reflectance,FDR(dr1)]變換、二階微分導(dǎo)數(shù)[Second order differential reflectance,SDR(dr2)]變換、歸一化[Normalized,Nr(R)]變換、均值中心化[Mean centralization,MC(R)]變換、對數(shù)log(R)變換對樣本數(shù)據(jù)進(jìn)行預(yù)處理[14]。為比較不同預(yù)處理方法的光譜特征變化情況，對11種毒草原始光譜數(shù)據(jù)取其平均值進(jìn)行分析。

1.4.2 降維 采用PCA對6種數(shù)學(xué)變換光譜數(shù)據(jù)降維[19]。主成分是原始數(shù)據(jù)的多個變量經(jīng)線性組合得到。由于各個主成分之間是正交，需要根據(jù)方差大小進(jìn)行排序，即方差最大的為第一主成分(PC1)，次之的為第二主成分(PC2)，以此類推[20]。

1.4.3 機器學(xué)習(xí)分類 以主成分個數(shù)為自變量，分類精度為因變量。選擇5種統(tǒng)計分類方法隨機森林(Random Forest，RF)、支持向量機-徑向基核函數(shù)(Support Vector Machine-Radial Basis Function,SVM-RBF)、K臨近分類(K-nearest neighbor，Knn)、樸素貝葉斯(Naive Bayesian，NB)和決策樹(Decision Tree，DT)進(jìn)行分類識別效果對比研究[21-23]。樣本數(shù)據(jù)按照2/3和1/3的比例劃分為建模集和預(yù)測集，其中建模數(shù)據(jù)和預(yù)測數(shù)據(jù)隨機從樣本數(shù)據(jù)中抽取，數(shù)據(jù)劃分情況詳見表2。

表2 分類數(shù)據(jù)集劃分

1.4.4 精度評價方法 使用混淆矩陣對分類精度計算，對角線上的元素值為正確分類數(shù)，值越大表示分類結(jié)果的可靠性越高，反之則分類錯誤的現(xiàn)象嚴(yán)重[24]?；诨煜仃嚇?gòu)建中的總體精度定義如下：

(1)

式中：n為總的預(yù)測數(shù)據(jù)個數(shù)；xii為i類別正確分類物種個數(shù)。

1.4.5 分析軟件 數(shù)據(jù)數(shù)學(xué)變換在Matlab R2018b中完成，使用R進(jìn)行PCA降維及模型訓(xùn)練與精度評價，以Graphpad軟件完成數(shù)據(jù)分析。

2 結(jié)果與分析

2.1 原始光譜數(shù)據(jù)不同數(shù)學(xué)方法變換

對原始光譜數(shù)據(jù)進(jìn)行平滑處理后，發(fā)現(xiàn)對數(shù)變換在400～650 nm波段11種毒草光譜特征區(qū)分度最大(圖2)，其中在400～490 nm波段，只有3種毒草(葵花大薊，露蕊烏頭和乳白香青)反射值差異較大。而在660 nm波段附近，11種毒草光譜反射值在波谷區(qū)分度較大。歸一化變換處理的曲線與平滑光譜曲線走勢基本一致，但歸一化變換處理在540、745 nm波段附近，毒草光譜反射值區(qū)分度較平滑光譜反射值大，而在780～1 000 nm波段，平滑反射值比歸一化變換反射值大。一階微分和二階微分變換11種毒草光譜反射值區(qū)分度較小，但波峰、波谷個數(shù)增加。均值中心化變換雖然增大了光譜反射值區(qū)分度，但反射曲線變得無規(guī)律。

圖2 數(shù)學(xué)變換處理后的11種毒草平均光譜反射曲線

2.2 PCA降維

經(jīng)數(shù)學(xué)變換處理后對數(shù)據(jù)進(jìn)行主成分降維處理。選取前36個主成分進(jìn)行分析(第36個主成分的累計方差貢獻(xiàn)率接近于100%)，以主成分累計方差貢獻(xiàn)率(圖3)作為降維效果。log(R)、SG(R)、Nr(R)、dr1(R)、dr2(R)、MC(R)PC1和PC2累計方差貢獻(xiàn)率分別為92.61%、91.81%、75.67%、52.52%、40.74%、88.39%，其中l(wèi)og(R)、SG(R)、MC(R)PC1和PC2累計方差貢獻(xiàn)率大于85%，包含11種植物主要分類特征信息。

圖3 PCA降維后的累計方差貢獻(xiàn)率

2.3 基于機器學(xué)習(xí)方法的5種分類模型的植物分類精度比較

經(jīng)PCA降維后使用5種機器學(xué)習(xí)分類算法進(jìn)行精度評價，以混淆矩陣計算主成分疊加總體精度繪制分類精度曲線(圖4)。對數(shù)變換處理5種分類模型分類精度最高，總體分類精度SVM-RBF>RF>NB>Knn>DT，SVM-RBF最高分類精度達(dá)到99.35%。主成分個數(shù)累積到8個時，分類精度基本達(dá)到最大，說明使用前8個主成分對所研究11種植物具有較好的分類效果。二階微分變換5種模型分類精度最低，其他3種數(shù)學(xué)變換分類精度為一階微分>歸一化>均值中心化。其中，在所有數(shù)學(xué)變換處理中，DT分類模型精度最低，Knn分類模型穩(wěn)定性最差。

圖4 主成分個數(shù)與分類精度關(guān)系

3 討論

3.1 數(shù)學(xué)變換對植物光譜曲線的影響

高寒草甸是青藏高原最主要的草地類型，其草地物種多樣性、生產(chǎn)力波動都極大地受到毒草種類和數(shù)量的影響[5,25]。理論上講，可利用植物光譜的不同反射值進(jìn)行毒草物種分類。但是，綠色植物光譜反射曲線走勢、高低基本一致[26]。因此必須對原始光譜數(shù)據(jù)進(jìn)行預(yù)處理。本研究對原始光譜數(shù)據(jù)進(jìn)行數(shù)學(xué)變換，一方面可消除外界因素的影響，另一方面可增大植物反射光譜曲線間的差異[27]。使用便攜式野外高光譜成像儀，在圖像采集時因外界噪聲影響導(dǎo)致光譜曲線出現(xiàn)抖動現(xiàn)象，而SG(R)可以明顯減少抖動現(xiàn)象[17]，保留了11種毒草原始光譜曲線特征。光譜圖像采集的準(zhǔn)確性受到光照強度、土壤背景、大氣和植物生長環(huán)境影響。本文采樣區(qū)位于高海拔地區(qū)，因采樣不是同時完成，光照強度、大氣環(huán)境導(dǎo)致光譜數(shù)據(jù)產(chǎn)生差異，而dr1(R)處理可消除部分光照、土壤背景和大氣的影響，使得光譜曲線最大、最小位置特征凸顯出來[28]。拍攝毒草生長在草地中和裸地上，因復(fù)雜的生長環(huán)境，導(dǎo)致圖像采集過程中，受到附近植物光線遮擋和裸地背景的影響，光譜圖像出現(xiàn)過暗、過亮問題。安如等[29]采用log(R)、dr2(R)處理消除了這些影響，同時增加了光譜曲線間峰谷特征差異，使得植物光譜反射曲線在log(R)處理下可進(jìn)行分類[30]。另外，高海拔地區(qū)可能空氣中存在氣溶膠，光透過會產(chǎn)生不均勻現(xiàn)象，造成同一地物反射率產(chǎn)生差異，通過Nr(R)可減少光譜不均勻造成的影響。植物葉片生長方向?qū)е鹿庹障铝炼炔痪鶆?，出現(xiàn)同向亮度較亮反向較暗的情況，造成同一植物器官在同一幅圖像中光譜反射值存在差異，MC(R)處理可對整幅圖像亮度進(jìn)行均勻化，使得同一植物器官光譜反射值一致。

3.2 數(shù)學(xué)變換對PCA降維后累計方差貢獻(xiàn)率的影響

高光譜數(shù)據(jù)是實現(xiàn)植物識別與分類的有效數(shù)據(jù)源之一，其特征提取是植物識別與分類的關(guān)鍵一步[31]。在植物識別與分類過程中，PCA降維能夠有效提取植物光譜特征，使得數(shù)據(jù)從高維空間映射到低維空間，減少數(shù)據(jù)冗余[32]。本研究中對原始光譜數(shù)據(jù)進(jìn)行了6種數(shù)學(xué)變換及PCA降維，累計方差貢獻(xiàn)率受到原始數(shù)據(jù)的影響，其中l(wèi)og(R)、SG(R)和MC(R)的PC1與PC2累計方差貢獻(xiàn)率大于85%，是上述3種變換處理后，各樣本之間數(shù)據(jù)差異增大，在協(xié)方差矩陣運算過程中，提取的特征值較大所致。dr1(R)、dr2(R)、Nr(R)在數(shù)學(xué)變換后各樣本光譜值之間差異較小，這是因為變換處理后數(shù)據(jù)較為集中，故PC1與PC2累計方差貢獻(xiàn)率較小。不同數(shù)學(xué)變換方法影響了各樣本光譜數(shù)據(jù)間反射值差異性大小。因而PCA降維后，原始數(shù)據(jù)樣本離散大小對PC1與PC2累計方差貢獻(xiàn)率有非常重要的作用。

3.3 機器學(xué)習(xí)分類模型精度與數(shù)學(xué)變換的關(guān)系

通過光譜反射率預(yù)測毒草種類是高光譜技術(shù)的重要應(yīng)用，在構(gòu)建模型時，對原始數(shù)據(jù)進(jìn)行各種數(shù)學(xué)變換以及選取合適的建模方法是研究此類問題的關(guān)鍵。目前，相關(guān)研究表明，進(jìn)行相應(yīng)的數(shù)學(xué)變換可以提高模型的精度[14,16]。李世波等[33]將log(R)應(yīng)用到濕地植被分類建模中時分類精度達(dá)到最高。本研究選取了相同數(shù)學(xué)變換，發(fā)現(xiàn)結(jié)果一致。由此可見，在利用植物光譜數(shù)據(jù)分類時，log(R)處理具有一定的普適性。但結(jié)合分類結(jié)果來看，SG(R)處理保留了更多原始光譜信息，在多種模型中的建模精度相比于其他數(shù)學(xué)變換方法都高，更適合預(yù)測高寒草甸毒草種類。從建模的方法來看，SVM-RBF、RF和NB模型效果都較好，其中SVM-RBF算法在所有變換處理中分類精度最高，這是因為SVM算法使用了RBF函數(shù)，通過設(shè)定損失函數(shù)cost與gamma值后使用tune函數(shù)自動從數(shù)據(jù)集中選取得分值最優(yōu)組合進(jìn)行建模預(yù)測[34]。本研究設(shè)定cost值為10～102，gamma值為10-1～10-6。RF模型是以樹模型為基評估器的集成評估器，有著能夠處理高維數(shù)據(jù)、抗過擬合和泛化能力較強的優(yōu)點[35]。NB模型是以數(shù)據(jù)集屬性獨立特點進(jìn)行概率預(yù)測，在屬性關(guān)系獨立時有較好的分類效果[36]。DT和Knn模型是分類精度及穩(wěn)定性最差的模型，Knn模型是以預(yù)測點與所用樣本點進(jìn)行距離預(yù)測，K值的設(shè)定是模型精度高低與穩(wěn)定的關(guān)鍵。本研究中，K值逐漸增大時錯誤率會先降低后逐漸增大，這與路郭利等[37]的研究結(jié)果一致。同時，分類精度與累計方差貢獻(xiàn)率大小存在一定關(guān)系。本研究中是以主成分累計方差貢獻(xiàn)率為自變量進(jìn)行模型訓(xùn)練和預(yù)測分類，在log(R)處理中，PCs達(dá)到8個時5種分類算法分類精度基本達(dá)到最大值，而累計方差貢獻(xiàn)率接近100%，包含了11種毒草全部特征信息，說明在高寒草甸主要毒草分類中使用8個PCs基本可以使分類精度達(dá)到最大。

本研究的不足之處在于樣本各毒草光譜數(shù)據(jù)存在不均衡問題。但在實際采集過程中很難保證樣本絕對均衡性和代表性。因此，為提高建模精度，可以發(fā)掘更好的數(shù)學(xué)變換方法，使用更好的模型，如當(dāng)前最熱門的深度學(xué)習(xí)模型，同時還可以考慮其他降維方法結(jié)合分類模型分類，這些也是今后需要進(jìn)一步深入研究的方向。

4 結(jié)論

通過對研究區(qū)高寒草甸主要毒草光譜數(shù)據(jù)先進(jìn)行數(shù)學(xué)變換，再使用主成分分析降維，利用機器學(xué)習(xí)算法進(jìn)行了不同處理下分類方法的研究，結(jié)果發(fā)現(xiàn)，log(R)-PCA降維與SVM-RBF分類算法是高寒草甸主要毒草分類識別的最優(yōu)組合方式，且模型穩(wěn)定性較好，最高分類精度達(dá)到99.92%。