劉智彪， 劉文昊， 靳瑰麗*， 阿德列提·艾列吾塔力甫， 常 靜，加馬力丁·吾拉扎汗， 宮 珂， 馬 建， 李 瑩， 陳 瑤

(1. 新疆農(nóng)業(yè)大學(xué)草業(yè)學(xué)院/新疆草地資源與生態(tài)重點(diǎn)實(shí)驗(yàn)室/西部干旱荒漠區(qū)草地資源與生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830052； 2. 新源縣林業(yè)和草原局， 新疆 伊犁 835000； 3. 伊犁哈薩克自治州治蝗滅鼠指揮中心， 新疆 伊犁 835000)

高光譜遙感(Hyper-spectral remote sensing)是利用人工或者飛行器攜帶的高光譜儀，從目標(biāo)對(duì)象中獲取多條窄波段通道電磁波數(shù)據(jù)的技術(shù)，它能夠獲取更多光譜信息，實(shí)現(xiàn)地物的精細(xì)化分類(lèi)[1-3]。在基于高光譜遙感植物識(shí)別領(lǐng)域，前人的研究大多集中于農(nóng)田作物、森林樹(shù)種、城市植被[4-8]。陳樹(shù)人[9]和白敬[10]等在對(duì)不同植物的光譜研究時(shí)，通過(guò)逐步判別方法篩選敏感識(shí)別波段，實(shí)現(xiàn)了不同農(nóng)田作物的判別分類(lèi)；曹曉蘭[11]通過(guò)篩選4種苧麻(Boehmerianivea)品種的反射率特征參數(shù)，進(jìn)一步利用Fisher判別規(guī)則，建立不同苧麻品種的判別函數(shù)模型，平均正確率達(dá)95.5%；也有學(xué)者通過(guò)對(duì)比多種草地植物的反射率光譜特征建立物種分類(lèi)規(guī)則，經(jīng)驗(yàn)證明分類(lèi)錯(cuò)誤率低于5%[12]；韓萬(wàn)強(qiáng)[13]篩選出伊犁絹蒿荒漠草地主要植物最佳識(shí)別參數(shù)，建立Fisher判別模型，總精度為92.13%。眾多研究表明利用光譜反射率特征的差異來(lái)進(jìn)行分類(lèi)和識(shí)別，篩選不同植物的敏感波段，能夠有效地降低光譜數(shù)據(jù)量，更準(zhǔn)確實(shí)現(xiàn)對(duì)植物的識(shí)別與監(jiān)測(cè)。

白喉烏頭(Aconitumleucostomum)為毛茛科(Ranuncuaceae)烏頭屬(Aconitum)多年生草本植物，是伊犁河谷山地草甸草地上一種常見(jiàn)的毒害草。長(zhǎng)期過(guò)載放牧導(dǎo)致白喉烏頭過(guò)度生長(zhǎng)，嚴(yán)重制約著當(dāng)?shù)夭菰鷳B(tài)保護(hù)和畜牧業(yè)的發(fā)展[14]。目前對(duì)白喉烏頭的防控手段主要以化學(xué)防除為主，毒害草在經(jīng)過(guò)化學(xué)防除處理后，需要時(shí)效性強(qiáng)、精準(zhǔn)度高、便捷的方法來(lái)分析防控效果。目前高光譜遙感在草地植被識(shí)別方面己有大量研究，但在草地毒害草識(shí)別方面的研究相對(duì)較少，僅在部分毒害雜草和入侵植物中進(jìn)行了探索性研究，例如，程迪等[15]通過(guò)分析狼毒(Stellerachamaejasme)群落的光譜特征，得出區(qū)分狼毒與牧草的主要光譜特征參數(shù)為紅谷、藍(lán)谷與近紅外反射峰；凱楠等[16]學(xué)者根據(jù)狼毒的高光譜特征，構(gòu)建出葉綠素含量的最優(yōu)預(yù)測(cè)模型；Underwood等[17]利用最小噪聲分離(Minimum noise fraction,MNF)、波段比值(Band ratio,BR)和連續(xù)統(tǒng)去除法(Continuum removal,CR)3種方法對(duì)高光譜數(shù)據(jù)進(jìn)行降維，實(shí)現(xiàn)對(duì)入侵植物莫邪菊(Carpobrotusedulis)的分類(lèi)；Mund等[18]用主成分分析(Principal components analysis,PCA)和最小噪聲分離兩種技術(shù)對(duì)愛(ài)達(dá)荷州南部群心菜(Cardariadraba)的高光譜影像數(shù)據(jù)進(jìn)行降維處理，并通過(guò)波譜角法(Spectral angle mapper,SAM)實(shí)現(xiàn)目標(biāo)地物的分類(lèi)；楊慧穎[19]篩選出紫莖蘭澤(Eupatoriumadenophorum)的高光譜特征，利用最大似然法(Maximum likelihood,ML)和馬氏距離法(Mahalanobis distance,MD)，提取紫莖蘭澤的分布。前人在對(duì)白喉烏頭的高光譜分析中，得出750～1 150 nm波段范圍、紅邊參數(shù)以及比值植被指數(shù)(Ratio vegetation index,RVI)可以用于遙感影像識(shí)別白喉烏頭[20]。但經(jīng)過(guò)防控處理后白喉烏頭和群落中其他牧草光譜特性會(huì)發(fā)生怎樣的變化？如何利用光譜特征差異客觀(guān)有效地判別受藥害烏頭和未受藥害烏頭？解決這些問(wèn)題是實(shí)現(xiàn)遙感大面積精準(zhǔn)掌握防控效果的基礎(chǔ)。因此，本研究以白喉烏頭為對(duì)象，研究在防控處理后白喉烏頭及其他牧草光譜動(dòng)態(tài)變化特征，通過(guò)特征波段篩選建立Fisher判別模型進(jìn)行化學(xué)防控后烏頭識(shí)別，旨在為實(shí)現(xiàn)大面積白喉烏頭防控效果遙感動(dòng)態(tài)監(jiān)測(cè)提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)

研究區(qū)位于新源縣那拉提鎮(zhèn)阿吾贊夏牧場(chǎng)，地處恰普河山間谷地，位于東經(jīng)83°30′～84°15′，北緯43°09′～43°20′，海拔1 800～3 700 m，降水量可達(dá)800 mm以上，草地類(lèi)型屬于禾草+雜類(lèi)草山地草甸草地。由于長(zhǎng)期過(guò)度放牧，毒害草白喉烏頭成為群落的優(yōu)勢(shì)種，防控前草地群落主要植物數(shù)量特征見(jiàn)表1。

表1 化學(xué)防控前白喉烏頭群落主要植物信息Table 1 Main plant information of Aconitum leucostomum community before chemical control

1.2 試驗(yàn)設(shè)計(jì)

在白喉烏頭典型爆發(fā)區(qū)設(shè)置3條樣線(xiàn)，前后間隔200 m。遵循植叢分布均勻的原則，每條樣線(xiàn)上設(shè)置2個(gè)樣地作為防控組噴施化學(xué)藥劑，樣線(xiàn)外再設(shè)置2個(gè)樣地為不噴施藥劑對(duì)照組，樣地大小為75 m×75 m；并按SOC710 VP成像光譜儀視場(chǎng)范圍大小，在每個(gè)樣地內(nèi)以白喉烏頭為中心，按照樣地對(duì)角線(xiàn)設(shè)置5個(gè)固定光譜測(cè)定樣方，樣方大小為0.5 m×0.6 m，共計(jì)30個(gè)防控觀(guān)測(cè)樣方，10個(gè)對(duì)照組觀(guān)測(cè)樣方。試驗(yàn)區(qū)樣方設(shè)計(jì)見(jiàn)圖1。

圖1 試驗(yàn)區(qū)樣地圖Fig.1 Sample map of experimental area

于2020年5月下旬—6月初白喉烏頭4～5葉期時(shí)，進(jìn)行人工噴施化學(xué)藥劑，施用藥劑為邁士通除草劑，有效成分為21%氯氨吡啶酸，劑型為水劑，采用點(diǎn)噴法直接對(duì)其莖葉噴施。防控前進(jìn)行了第1次數(shù)據(jù)采集，并在噴施后每隔15 d左右進(jìn)行1次周期性防控效果監(jiān)測(cè)，即分別在6月下旬(約防控15 d后)和7月中旬(約防控30 d后)進(jìn)行動(dòng)態(tài)測(cè)定。用于動(dòng)態(tài)獲取自然狀態(tài)及受藥害兩種狀態(tài)下白喉烏頭和其他牧草，即4類(lèi)目標(biāo)地物的光譜特征。

1.3 數(shù)據(jù)處理

1.3.1預(yù)處理 使用SOC710 VP成像光譜儀測(cè)定采集白喉烏頭及群落高光譜數(shù)據(jù)，其光譜范圍覆蓋376～1 076 nm，共有256個(gè)波段。利用SRAnal 710軟件提取每一個(gè)樣方中的白喉烏頭、其他牧草的平均光譜反射率信息。采用多項(xiàng)式擬合平滑法，在保留原始光譜曲線(xiàn)原有特征不發(fā)生變化的基礎(chǔ)上，對(duì)光譜曲線(xiàn)進(jìn)行去噪處理。

1.3.2逐步判別篩選敏感識(shí)別波段 采用逐步判別分析將樣方的全部光譜信息進(jìn)行計(jì)算分析，對(duì)分類(lèi)影響大的變量信息留在模型里，反之從模型中剔除[21]，盡可能利用最少的變量信息數(shù)量，選擇對(duì)分類(lèi)精度影響最大的變量。研究以全波段反射率為自變量，樣方的類(lèi)別為因變量，用SPSS 20進(jìn)行逐步判別分析，選擇Wilks’Lambda做分析模型，通過(guò)設(shè)定合適的F“輸入”值與“剔除”值，進(jìn)行變量篩選，提取特征波長(zhǎng)。

1.3.3Fisher判別函數(shù) Fisher線(xiàn)性判別函數(shù)是把已知樣方信息都投影到一維空間，使樣方在投影面上更易于分類(lèi)，而易于分類(lèi)投影面的特征是投影后同一類(lèi)的樣方盡可能集中，使類(lèi)內(nèi)離散度降低，不同類(lèi)的樣方盡可能遠(yuǎn)離，使類(lèi)間離散度增加，從而判斷各類(lèi)特征，實(shí)現(xiàn)對(duì)樣方目標(biāo)地物的分類(lèi)[23]。

2 結(jié)果與分析

2.1 光譜特征動(dòng)態(tài)變化分析

2.1.1白喉烏頭和其他牧草光譜特征動(dòng)態(tài)分析 隨著生育期變化，植物的反射率也會(huì)發(fā)生改變。未進(jìn)行化學(xué)防控條件下(圖2 a,b)，5月、6月、7月白喉烏頭和其他牧草的光譜曲線(xiàn)變化趨勢(shì)相似，且白喉烏頭的整體反射率均大于其他牧草。在930～1 075 nm近紅外波段，兩者反射率發(fā)生明顯的波動(dòng)式變化，表現(xiàn)為5月>7月>6月；在376～710 nm可見(jiàn)光波段內(nèi)，白喉烏頭與其他牧草反射率存在明顯差異，白喉烏頭表現(xiàn)為6月小于5月和7月，其他牧草則表現(xiàn)為5月明顯大于6月和7月。

化學(xué)防控處理后(圖2 c,d)，白喉烏頭在600～710 nm紅光波段內(nèi)的反射率變化表現(xiàn)為7月大于6月，在770～1 075 nm近紅外波段內(nèi)的反射率變化表現(xiàn)為7月小于6月。其他牧草在720～1 075 nm波段內(nèi)的反射率變化表現(xiàn)為7月小于6月，而在其他波段沒(méi)有明顯的反射率差異。

圖2 白喉烏頭及其他牧草的反射率動(dòng)態(tài)變化Fig.2 Changes of reflectance of Aconitum leucostomum and other pastures注：圖中小寫(xiě)字母a表示對(duì)照組的白喉烏頭，b為對(duì)照組的其他牧草，c為防控組的白喉烏頭，d為防控組的其他牧草Note:The lowercase letter a represents the Aconitum leucostomum in the control group,b is the other pastures in the control group,c is the Aconitum leucostomum in the chemical control group,and d is the other pastures in the chemical control group

2.1.2化學(xué)防控對(duì)白喉烏頭群落光譜特征的影響 6月化學(xué)防控后白喉烏頭在400～710 nm可見(jiàn)光波段內(nèi)的反射率表現(xiàn)為防控組大于對(duì)照組，在770～1 075 nm近紅外波段內(nèi)的反射率表現(xiàn)為防控組小于對(duì)照組；7月白喉烏頭在600～710 nm紅光波段內(nèi)的反射率表現(xiàn)為防控組高于對(duì)照組，而在770～1 075 nm近紅外波段內(nèi)的反射率表現(xiàn)雖與6月相似，但反射率大小差異更大。其他牧草在376～710 nm可見(jiàn)光波段內(nèi)，防控組與對(duì)照組6月和7月的反射率大小無(wú)明顯差異；在720～1 075 nm波段內(nèi)，6月防控組反射率明顯大于對(duì)照組，7月防控組則與對(duì)照組無(wú)顯著差異(圖3)。

圖3 化學(xué)防控對(duì)白喉烏頭及其他牧草光譜特征的影響Fig.3 Effects of chemical control on spectral characteristics of Aconitum leucostomum and other pastures注：圖中小寫(xiě)字母a表示6月的白喉烏頭，b為7月的白喉烏頭，c為6月的其他牧草，d為7月其他牧草Note:The lowercase letter a represents the Aconitum leucostomum in June,b is Aconitum leucostomum in July,c is other pastures in June,d is other pastures in July

2.2 逐步判別篩選識(shí)別特征波段

選擇合適的敏感識(shí)別波段，需要綜合考慮模型判別精度和變量盡可能少的原則。將樣方數(shù)據(jù)代入逐步判別函數(shù)模型，選擇合適的F值和剔除值，篩選敏感識(shí)別波段。5月的敏感波段數(shù)量為4個(gè)，與其他月份相比數(shù)量最少，分布在403.95 nm的藍(lán)光波段、512.53 nm的綠光波段、775.50 nm的紅邊位置以及988.36 nm的近紅外波段。6，7月敏感波段的數(shù)量均為6個(gè)，其中6月分布較為均勻，在藍(lán)光、綠光、紅光以及近紅外波段均有分布；7月主要分布在684～718 nm的紅光波段，對(duì)比其他月份減少了在綠光波段和近紅外線(xiàn)波段的敏感波段(表2)。

表2 波段篩選Table 2 Band selection

2.3 白喉烏頭及其他牧草判別模型

將篩選的敏感識(shí)別波段，利用實(shí)際采集的訓(xùn)練樣方獲得的變量值，帶入Fisher判別函數(shù)，得出5月、6月、以及7月白喉烏頭和其他牧草的判別模型。

2.3.15月Fisher線(xiàn)性判別模型 利用SPSS軟件的Fisher模型判別規(guī)則，通過(guò)5月的敏感波段建立5月防控處理前白喉烏頭和其他牧草的Fisher判別函數(shù)(表3)，并計(jì)算模型分類(lèi)精度。

表3 5月白喉烏頭Fisher線(xiàn)性判別系數(shù)Table 3 Fisher linear discriminant coefficients of Aconitum leucostomum in May

5月分類(lèi)結(jié)果如表4所示，精度混淆矩陣表明白喉烏頭識(shí)別精度達(dá)到了96.00%，而其他牧草識(shí)別精度達(dá)到了92.00%，總體分類(lèi)精度為94.00%，kappa系數(shù)為0.88，通常kappa系數(shù)>0.6以上，表明分類(lèi)結(jié)果與實(shí)際類(lèi)別具有高度的一致性[21]。

表4 5月分類(lèi)識(shí)別的精度混淆矩陣Table 4 Accuracy confusion matrix of classification recognition in May

2.3.26月Fisher線(xiàn)性判別模型 代入6月的敏感波段，得到6月份防控組及對(duì)照組的白喉烏頭和可食牧草的Fisher判別函數(shù)(表5)。

表5 6月白喉烏頭Fisher線(xiàn)性判別系數(shù)Table 5 Fisher linear discriminative coefficients of Aconitum leucostomum in June

6月分類(lèi)結(jié)果如表6所示，其中防控組白喉烏頭的識(shí)別精度為73.33%，模型錯(cuò)誤的將對(duì)照組白喉烏頭和防控組其他牧草識(shí)別成防控組白喉烏頭；防控組其他牧草的識(shí)別精度為74.00%，模型混淆了大量防控組白喉烏頭的樣本信息；對(duì)照組的白喉烏頭識(shí)別精度最低，僅為50.00%，識(shí)別錯(cuò)誤主要在于將對(duì)照組的白喉烏頭錯(cuò)分成了防控組可食牧草；對(duì)照組的其他牧草識(shí)別精度最高，達(dá)到86.67%。判別模型的總體分類(lèi)精度為74.00%，kappa系數(shù)為0.64，白喉烏頭和可食牧草的判別一致性低于5月份。

表6 6月分類(lèi)識(shí)別的精度混淆矩陣Table 6 Accuracy confusion matrix of classification recognition in June

2.3.37月Fisher線(xiàn)性判別模型 代入7月的敏感識(shí)別波段，得到7月各處理的識(shí)別對(duì)象的Fisher判別函數(shù)如表7所示。

表7 7月白喉烏頭Fisher線(xiàn)性判別系數(shù)Table 7 Fisher linear discriminant coefficients of Aconitum leucostomum in July

7月分類(lèi)結(jié)果如表8示，其中防控組白喉烏頭識(shí)別精度為78.00%，識(shí)別效果優(yōu)于6月；防控組其他牧草識(shí)別精度為78.67%，主要錯(cuò)分對(duì)象為防控組白喉烏頭；而對(duì)照組的白喉烏頭分類(lèi)精度最高為82.22%，對(duì)照組的其他牧草分類(lèi)最低為76.00%?？傮w分類(lèi)精度為79.00%，kappa系數(shù)為0.71，判別模型分類(lèi)一致性較高，總體識(shí)別效果優(yōu)于6月。

表8 7月分類(lèi)識(shí)別的精度混淆矩陣Table 8 Accuracy confusion matrix of classification recognition in July

3 討論

光譜反射率是植物特征的體現(xiàn)[24]，研究反射率差異能夠?qū)崿F(xiàn)不同植物的精細(xì)化分類(lèi)。本研究發(fā)現(xiàn)在近紅外波段內(nèi)，自然生長(zhǎng)狀態(tài)下未進(jìn)行化學(xué)防控的白喉烏頭和其他牧草反射率之間差異顯著，各月份白喉烏頭的反射率均大于其他牧草，主要是由于植物的生物量與近紅外波段的反射率呈正相關(guān)關(guān)系[25]，這與前人對(duì)于白喉烏頭的研究結(jié)果吻合[18]。在紅光和藍(lán)紫光波段，影響反射率的主要因素是葉綠素含量[26]，研究發(fā)現(xiàn)化學(xué)防控處理后，白喉烏頭在600～710 nm紅光波段內(nèi)的反射率逐漸增加，在770～1 075 nm近紅光波段內(nèi)的反射率隨時(shí)間增加而逐漸減少，這是由于白喉烏頭受到化學(xué)藥劑的侵害，葉片和莖桿不斷枯萎、發(fā)黃，色素細(xì)胞持續(xù)凋亡，葉綠素含量降低[27]，導(dǎo)致白喉烏頭對(duì)紅光的反射率增加。白喉烏頭受藥害影響也會(huì)導(dǎo)致生物量降低[28]，近紅外光譜反射率也隨之降低?；瘜W(xué)防控處理對(duì)白喉烏頭產(chǎn)生持續(xù)影響，防控組與對(duì)照組反射率之間的差異隨著時(shí)間的推移逐漸增加。6月防控組白喉烏頭的光譜曲線(xiàn)特征符合植物的一般光譜規(guī)律[29]，而7月防控組的光譜曲線(xiàn)與對(duì)照組差異更加明顯，這也是區(qū)分藥害烏頭和自然生長(zhǎng)烏頭的重要依據(jù)。經(jīng)過(guò)化學(xué)防控處理后，不同時(shí)間其他牧草與白喉烏頭的光譜反射率變化不同，6月防控組明顯區(qū)別于對(duì)照組，7月防控組則與對(duì)照組無(wú)顯著差異，這是由于6月份白喉烏頭受化學(xué)藥劑的影響，葉片萎縮釋放出更大的空間，其他牧草可以獲取更多的光照、養(yǎng)分等資源，有利于生長(zhǎng)，導(dǎo)致其他牧草在近紅外波段的反射率增加。但是邁士通除草劑也會(huì)對(duì)禾本科、闊葉類(lèi)牧草產(chǎn)生影響[30]，所以經(jīng)過(guò)防控處理30 d后的其他牧草在近紅外波段的反射率降低。

通過(guò)逐步判別篩選敏感識(shí)別波段，能夠有效降低數(shù)據(jù)量[31]，利用最少的波段數(shù)量，選擇對(duì)分類(lèi)精度影響最大的波段特征。各月份通過(guò)逐步回歸篩選出來(lái)的敏感識(shí)別波段主要分布在399～404 nm的藍(lán)光波段、512～578 nm的綠光波段、684～718 nm的紅光波段、775～778 nm的紅邊位置以及979～1075 nm近紅外光波段。通過(guò)Fisher判別分類(lèi)，5月防控前達(dá)到了利用最少的特征波段實(shí)現(xiàn)最佳的分類(lèi)效果，通過(guò)精度驗(yàn)證可以得到，總體分類(lèi)精度達(dá)到了94.00%。由于在春季5月份的植物生長(zhǎng)迅速葉片較大，易于識(shí)別，使得白喉烏頭和其他牧草在光譜特征上有明顯的差異，通過(guò)光譜分析能夠獲得較高的分類(lèi)精度。6月在紫光、綠光、紅光以及近紅外波段均存在特征波段，分布較為均勻，這與前文中對(duì)于防控后白喉烏頭的光譜變化的分析表現(xiàn)一致，化學(xué)防控處理影響毒害草葉綠素以及生物量變化，從而導(dǎo)致毒害草在可見(jiàn)光和近紅外波段的光譜特征改變[20,25-27]。但是6月的分類(lèi)效果低于7月，7月防控處理過(guò)的白喉烏頭分類(lèi)精度為78.00%，6月為73.33%。6月識(shí)別錯(cuò)誤主要在于將防控組的白喉烏頭錯(cuò)分成了防控組可食牧草，通過(guò)光譜分析可以發(fā)現(xiàn)，6月份白喉烏頭和其他牧草的光譜反射率相比其他月份差異更小，主要由于防控處理15 d后的藥害影響并不明顯，對(duì)于防控組白喉烏頭的判別產(chǎn)生了很大的影響。7月白喉烏頭所受藥害影響增加，光譜反射率產(chǎn)生明顯變化，與未受藥害影響和其他牧草的混淆度降低，判別的準(zhǔn)確性也隨之增加。白喉烏頭在經(jīng)過(guò)化防處理后，藥害的影響會(huì)隨時(shí)間的推移越來(lái)越明顯[32]，與其他牧草在光譜特征上的差異更為顯著，進(jìn)而提高了模型的識(shí)別精度。由于8月草原植物進(jìn)入枯黃期，對(duì)防控組與對(duì)照組植物的識(shí)別產(chǎn)生影響，因此本試驗(yàn)于7月中旬結(jié)束觀(guān)察。

4 結(jié)論

化學(xué)防控造成白喉烏頭不同月份間光譜特性的差異，隨著受藥害時(shí)間推移白喉烏頭光譜曲線(xiàn)接近裸地，可作為區(qū)分烏頭是否受藥害的依據(jù)。經(jīng)過(guò)逐步篩選出的敏感識(shí)別波段在各月份之間具有差異，主要分布在399～404 nm波段、512～578 nm波段、684～718 nm波段、775～778 nm波段以及979～1 075 nm波段內(nèi)。通過(guò)判別模型分析，5月未經(jīng)過(guò)化學(xué)防控的白喉烏頭識(shí)別效果最好，總體精度為94.00%。經(jīng)過(guò)防控處理后烏頭識(shí)別精度下降，但隨著藥效的持續(xù)，識(shí)別精度有所增加，7月識(shí)別效果大于6月，識(shí)別精度由73.33%提升至78.00%。