楊可明 王林偉 任俊濤 劉士文 閻書豪
摘要 利用高光譜遙感技術(shù)代替?zhèn)鹘y(tǒng)方法檢測重金屬污染,具有效率高、費用低、檢測范圍廣等優(yōu)點。但是高光譜影像的空間分辨率較低,為了提高精度需要提取影像的端元。鑒于純凈像元指數(shù)(Pixel Purity Index,PPI)法耗時長的缺點,提出一種基于高斯分布的波譜曲線概率法用于高光譜影像端元提取,并結(jié)合重金屬脅迫下植被波譜響應(yīng)變化建立了高光譜遙感影像的植被重金屬污染檢測模型。經(jīng)過試驗研究及分析,發(fā)現(xiàn)波譜曲線概率法端元提取的效果和精度與PPI 相近,但是時間消耗明顯減少。因此,建立的植被重金屬污染檢測模型可以用于高光譜遙感圖像,具有一定的價值。
關(guān)鍵詞 高光譜遙感影像;波譜曲線概率法;端元提?。恢亟饘傥廴緳z測模型
中圖分類號 S181.3;TP75 文獻標(biāo)識碼 A 文章編號 0517-6611(2014)16-05178-03
高光譜遙感圖像因具有豐富的光譜維數(shù)而得到廣泛應(yīng)用,但其較低的空間分辨率使混合像元的存在成為必然?;旌舷裨侵萍s遙感制圖的關(guān)鍵因素,端元提取、豐度反演是混合像元分解的關(guān)鍵步驟[1]。目前,國內(nèi)外端元提取的算法較多,如比較經(jīng)典的純凈像元指數(shù)(Pixel Purity Index,PPI)[2]算法、連續(xù)最大角凸錐(Sequential Maximum Angle Convex Cone,SMACC)[3]算法等。由于PPI計算過程復(fù)雜而又耗時,在現(xiàn)實應(yīng)用中受到限制。該研究給出一種基于高斯分布的純凈像元計算方法來代替PPI用于高光譜影像端元提取,即波譜曲線概率法。試驗證明此方法簡單高效,并能應(yīng)用于植被重金屬污染檢測模型的建立。
此外,由于礦業(yè)的發(fā)展,廢氣排放、污水灌溉造成了土壤、水和大氣的重金屬污染。重金屬污染的土壤使植被生長受到脅迫,尤其是對水稻、玉米等農(nóng)作物,使人們的健康受到威脅。人們已經(jīng)開始利用化學(xué)方法進行檢測,但是這些方法存在著很多弊端,不僅浪費人力、物力而且很難進行大規(guī)模的檢測。利用植被的波譜響應(yīng)函數(shù)對其重金屬脅迫進行檢測,可以避免傳統(tǒng)方法的一些弊端。目前,對于重金屬元素脅迫下植被波譜響應(yīng)的研究,多以局部試驗為主,利用高光譜掃描儀測定健康以及受到脅迫的植被來獲取其波譜響應(yīng),最后做一些定量的分析;或者利用一些理論模型對高光譜數(shù)據(jù)進行處理,再利用數(shù)學(xué)模型分析相關(guān)性,最后做出相應(yīng)的結(jié)論。而具有豐富光譜維數(shù)的高光譜遙感影像很少用于植被重金屬污染檢測,但該研究創(chuàng)新建立模型用于檢測高光譜遙感影像的植被重金屬污染,經(jīng)過分析得出此模型具有一定的可靠性。
1 理論基礎(chǔ)與研究方法
1.1 高斯分布 高斯分布(Gaussian Distribution)又名正態(tài)分布(Normal Distribution),是一個在數(shù)學(xué)、物理及工程等領(lǐng)域都非常重要的概率分布,在統(tǒng)計學(xué)中具有重要意義。同時在高光譜影像分析中具有重要的應(yīng)用價值。
式中,μ、σ(σ>0)為常數(shù),則稱X服從參數(shù)為μ、σ的高斯分布或正態(tài)分布,記作X~N(μ, σ)。
1.2 植被重金屬脅迫的波譜響應(yīng) 重金屬元素的主要危害是能與蛋白質(zhì)結(jié)合使其發(fā)生沉淀,致使蛋白質(zhì)變性[4]。當(dāng)植物吸收過多的重金屬元素時,就會嚴(yán)重影響其他微量元素的吸收以及葉綠素的含量,造成植被不健康生長。此時,植被的波譜響應(yīng)會受到影響。學(xué)者們經(jīng)過大量的試驗證明:隨著葉片重金屬元素含量增加,在可見光區(qū)植被葉片光譜的反射率變化程度增加,同時在近紅外區(qū)紅邊“藍移”(向短波方向飄移)程度也是逐漸增強[5-9]。這是目前檢測植被重金屬污染的診斷性波譜特征,如圖1所示。
1.3 波譜曲線概率法 經(jīng)過試驗研究及分析可知,經(jīng)過去相關(guān)的高光譜遙感影像的灰度值近似地服從高斯分布。由于高光譜遙感圖像的空間分辨率較低,越純凈的像元數(shù)量越少。波譜曲線概率大小是像元個數(shù)多少的較好反映。因此,可以利用波譜曲線概率來估測像元的純凈度?;诟咚狗植嫉牟ㄗV曲線概率法高光譜影像端元提取過程如下。
Step 1 對高光譜遙感影像進行最小噪聲分離(Minimum Noise Fraction,MNF)[10]。
Step 2 反演高斯分布概率函數(shù),并利用函數(shù)計算每個像元的波譜曲線概率。
Step 3 設(shè)置閾值,將波譜曲線概率小于閾值的像元作為純凈像元。
Step 4 構(gòu)建N維可視化窗口,選取極點作為端元并輸出。
1.4 植被重金屬污染檢測模型 利用高光譜遙感影像對植被的重金屬污染進行檢測,最大的制約因素是影像的低空間分辨率,這也是高光譜遙感影像很少被用于植被重金屬污染檢測的原因。因此,建立模型前要提取高光譜遙感影像植被的純凈像元。然后對提取植被端元建立一個重金屬污染檢測模型,如公式(2)所示。
2 結(jié)果與分析
2.1 試驗數(shù)據(jù) 試驗數(shù)據(jù)采用普朗地區(qū)Hyperion高光譜遙感影像。普朗地區(qū)位于滇西北與四川省接壤地帶,屬于中甸弧。
金礦普朗斑巖銅礦是中甸弧近年來發(fā)現(xiàn)的一個超大型斑巖礦床。因此,在這樣一個礦產(chǎn)比較豐富的地區(qū),其生長的植被有很多都受到重金屬的脅迫。經(jīng)過預(yù)處理后的影像有131個波段,光譜分辨率為10 nm,空間分辨率為30 m,光譜范圍325~2 355 nm,圖幅大小為266×249,如圖2所示。
2.2 高光譜影像的端元提取 對普朗地區(qū)的高光譜影像進行MNF變換后,分別計算純凈像元指數(shù)(迭代次數(shù)選擇為5 000)和波譜曲線概率,記錄得兩種方法的耗時分別為186.7 s和2.4 s。利用這兩種方法提取普朗地區(qū)高光譜影像的端元,分別選取了4種端元,如圖3所示。
圖3 兩種方法提取的端元 利用USGS波譜庫,使用光譜角余弦值(Spectral Angle Mapper,SAM)和光譜特征擬合(Spectral Feature Fitting,SFF)進行匹配,設(shè)置SAM和SFF的權(quán)重分別為0.7和0.3,值越大表示提取精度越好,結(jié)果見表1。
由圖3和表1可知,這兩種方法的提取端元的效果和精度相差不大,但是波譜曲線概率法的時間消耗較少,而且可應(yīng)用于重金屬污染檢測模型的建立。
2.3 植被重金屬污染檢測模型的應(yīng)用 利用波譜曲線概率法獲取所有植被的純凈像元,即端元,結(jié)果如圖4所示。
此外,通過采集像元(181,55)周圍的4個混合像元并進行波譜分析,得出此4個像元都含有Sphalerite(閃鋅礦),而且SAM匹配值高達0.8。閃鋅礦通常含有Zn和Fe兩種重金屬元素。因此可以判斷(181,55)像元內(nèi)的植被很可能受到Zn和Fe的脅迫。所以,提出的高光譜遙感影像植被重金屬污染檢測模型有一定的參考價值。
3 結(jié)論
目前,國內(nèi)外的端元提取算法很多。該研究為了更快速提取高光譜遙感影像的端元以便于實際應(yīng)用,提出了波譜曲線概率法,并將此方法應(yīng)用于高光譜遙感影像的植被重金屬污染檢測模型建立中。通過試驗,驗證了波譜曲線概率法在高光譜遙感影像端元提取中的有效性,以及基于高光譜遙感影像植被重金屬污染檢測模型的可行性。此模型打破了目前利用高光譜遙感技術(shù)進行植被重金屬污染檢測的局限性,具有重要的現(xiàn)實意義。
安徽農(nóng)業(yè)科學(xué) 2014年參考文獻
[1] 何曉寧,曹建農(nóng),高坡,等.基于頂點成分分析法的端元提取改進算法[J].測繪通報,2013(7):30-34,81.
[2] BOARDMAN J W,KRUSE F A,GREEN R O.Mapping Target Signatures via Partial Unmixing of AVIRIS Data[C]//Fifth JPL Airborne Earth Science Workshop.Pasadena,USA,1995:23-26.
[3] GRUNINGER J H,RATKOWSKIA J,HOKE M L.The Sequential Maximum Angle Convex Cone (SMACC) Endmember Model[M].USA:SPIE,2004.
[4] 薛亮,劉建鋒,史勝青,等.植物響應(yīng)重金屬脅迫的蛋白質(zhì)組學(xué)研究進展[J].草業(yè)學(xué)報,2013,22(4):300-311.
[5] 陳思寧,劉新會,侯娟,等.重金屬鋅脅迫的白菜葉片光譜響應(yīng)研究[J].光譜學(xué)與光譜分析,2007,27(9):1797-1801.
[6] 聶勝委,黃紹敏,張水清,等.重金屬脅迫對小麥生長的影響及閾值研究[J].華北農(nóng)學(xué)報,2012,27(6):118-124.
[7] 林婷.水稻鋅污染高光譜遙感監(jiān)測模型研究[D].北京:中國地質(zhì)大學(xué)(北京),2011.
[8] 路明亮.銅脅迫下植物光譜變化規(guī)律及銅含量估算模型研究[D].北京:中國地質(zhì)大學(xué)(北京),2012.
[9] 薛喜成,陳菲.小峪河金礦區(qū)土壤、植被重金屬污染研究[J].西北農(nóng)林科技大學(xué)學(xué)報:自然科學(xué)版,2013,41(8):141-148.
[10] GREEN A A,BERMAN M,SWITZER P,et al.A transformation for ordering multispectral data in terms of image quality with implications for noise removal[J].IEEE Transactions on Geoscience and Remote Sensing,1988,26(1):65-74.安徽農(nóng)業(yè)科學(xué),Journal of Anhui Agri. Sci.2014,42(16):5181-5185
責(zé)任編輯 張彩麗 責(zé)任校對 況玲玲