宋春雨，甘 淑， ，袁希平 ，胡 琳，李 雁，閆馨方

(1.昆明理工大學 國土資源工程學院，云南 昆明 650093；2.云南省高校高原山區(qū)空間信息測繪技術應用工程研究中心，云南 昆明 650093；3.滇西應用技術大學，云南 大理 671009)

植被的光譜特性對植被遙感解譯和定量分析具有重要意義[1]。掌握植被資源現狀及其變化，對于促進林業(yè)發(fā)展和人類生存環(huán)境可持續(xù)發(fā)展具有重要意義，因此加強植被資源的監(jiān)測已經成為當前的熱點話題[2-4]。采用傳統(tǒng)手段進行植被監(jiān)測會浪費大量時間和人力財力，多光譜遙感可以識別植被的大類，但是難以區(qū)分更為詳細的植被種類[5]。高光譜可以通過窄而連續(xù)的波段描述植被的光譜特征，從而區(qū)分識別不同的植被類型[6-8]。使用高光譜技術分析植被的光譜特征不僅可以識別區(qū)分不同的植被類型，還可以完善植被光譜數據庫，為處理衛(wèi)星遙感影像提供重要信息，這對于遙感監(jiān)測植被及其反演都具有重要意義[9-10]。側柏(Platycladusorientalis)、樟木(Cinnamomumlongepaniculatum)、柳杉(CryptomeriafortuneiHooibrenk)都是滇中典型的喬木植被，都可用于園林綠化和醫(yī)藥用途；此外，這3種喬木還是普遍使用的建筑和家具木材。因此，研究側柏、樟木、柳杉的高光譜特征具有重要意義。

測量分析植被的光譜特性是林業(yè)遙感的基礎。目前國內外已經有許多學者對植被的光譜特征進行了大量的研究，并且取得了許多成果[11-13]。如加力戈等[14]通過分析桂柳、梭梭、白刺3種荒漠植被生長期的光譜特征發(fā)現，這3種植被可見光波段的光譜特征變化與不同生長期相關。王波等[15]使用高光譜技術分析東祁的6種灌木植被光譜，通過篩選敏感波段計算歸一化植被指數(NDVI)值和相對活力指數(RVI值)，實現了對6種灌木植被的分類識別。馬東輝等[16]分析南京6種植被的冠層和落葉光譜特征，發(fā)現6種植被之間存在明顯差異。Schmidt等[17]利用連續(xù)統(tǒng)去除手段凸顯27種鹽沼植被的光譜差異，篩選出6個特征波段來區(qū)分識別這些鹽沼植被。使用光譜儀進行實驗設計，現場觀察不同植被的有效光譜信息，分析后選擇植被特征波段，可以為結合高光譜遙感圖像進行植被識別和分類提供依據[18]。目前植被光譜測量所采用的儀器基本都是ASD光譜測量儀。相對ASD地物光譜儀，SOC710VP成像光譜儀能在光譜成像的圖像上自主選擇所需研究范圍，所得結果更為準確[19-20]。參考許多文獻發(fā)現，雖然目前對植被的光譜特性研究較多，但研究時間多集中在夏季和秋季，而研究時間選擇冬季的相對較少，對滇中植被光譜特性的研究也比較少[21-24]。本文以SOC710VP所測的高光譜數據為數據源，使用ENVI5.3和SOC710自帶的處理軟件，以側柏、樟木、柳杉為研究對象，對這3種典型的滇中喬木植被光譜曲線進行分析，并使用光譜微分和連續(xù)統(tǒng)去除凸顯其光譜特征，分析3種滇中典型喬木植被的光譜特性與差異性，為植被分類和遙感監(jiān)測提供參考。

1 材料與方法

1.1 實驗區(qū)概況

植被光譜監(jiān)測實驗選在昆明市西山森林公園，公園的植被多而集中，且受人為活動影響較小。西山的海拔為1 890～2 360 m，東臨滇池湖畔，屬于滇中高原典型地段。地理坐標為102°37′E～102°38′E，24°59′N～27°57′N，北高南低。昆明西山公園森林資源豐富，植物以喬木為主，也有少量灌木和草本植物，共計1 086種植物。

1.2 數據采集

在試驗區(qū)分別選取側柏、樟木、柳杉3種典型喬木(常綠植被)作為光譜測試對象(表1)。2019年12月中旬，在天氣晴、地面能見度高、風力小(風力等于或小于3級)的情況下，在10：00～15：00利用SOC710VP高光譜儀對試驗區(qū)選擇的樣本進行測量并記錄相關參數。選擇長勢良好的植被作為實驗樣本。測量時應保障植被周圍具有良好的通視條件，無陰影遮擋，避免被測植被和參照板晃動，保證所測植被和參考板在相同的條件下進行測量。在實際測量中，記錄每個樣本的點號、植被類型、位置和其他相關參數，并拍攝樣本照片。

表1 三種喬木植被及其特征Table 1 Three kinds of tree vegetation and their characteristics

傳統(tǒng)的光譜掃描儀獲取點數據，而SOC710VP則獲取兼具圖像信息和光譜信息的面狀高光譜數據。SOC710VP高光譜成像儀可以提供從可見光到近紅外128個波段的光譜數據，從單葉片測量植物光譜反射率和光合作用變化情況，適用于植被的測量。此次所測數據光譜范圍為400～1 000 nm，光譜分辨率為1.3 nm。

1.3 數據處理

1.3.1 數據預處理

鑒于所有數據都是實時現場采樣，會受到許多環(huán)境背景因素的影響，因此，有必要識別和篩選原始光譜數據，剔除有缺陷和無效的值(比如飽和的數據，因為數據飽和會損失信息量)。采用S-Golay濾波方法平滑原始光譜曲線，可以在一定程度上抑制光譜抖動、噪聲，且基本保留了真實的光譜特征，保證分析研究時的數據質量。使用SOC710自帶的相關軟件進行數據標定，最后得到植被葉片的光譜反射率。

不同高度的植被葉片生化參數空間分布不均勻，導致不同位置葉片對應的光譜反射率發(fā)生變化。此外，獲取的高光譜數據為面數據，為保證實驗數據具有代表性，將對植被葉片進行均勻抽樣，計算平均反射率。利用ENVI軟件，在側柏、樟木、柳杉不同高度和不同位置(包括冠層、中層和底層)的葉片上分別選取20個樣本，每個樣本包括10個像元，將這些區(qū)域的光譜反射率求平均值，將其作為該植被的光譜反射率。處理的方法流程如下所示(圖1)。

圖1 技術路線圖Fig.1 Technology roadmap

1.3.2 光譜分析方法

微分法：光譜微分可以在一定程度上消除光譜數據之間的系統(tǒng)誤差，減少背景噪聲(如大氣輻射、散射和吸收)對目標光譜的影響，還可以突出顯示光譜的斜率，區(qū)分重疊光譜并提取可識別地物的光譜吸收峰參數[25-28]。計算過程如下[29]。

(1)

式中：FRDλt為波段t和波段t+1之間的光譜一階微分，Rλt和Rλt+1為相對應的波段t和t+1處的原始光譜反射，λt和λt+1為每個波段的波長，Δλ為波長λt+1到λt的間隔。

連續(xù)統(tǒng)去除法：增強光譜曲線中的吸收和反射特征可以通過連續(xù)統(tǒng)去除變換有效的突出顯示，并且還能將反射率歸一化，連續(xù)統(tǒng)去除也叫包絡線去除[30-33]。計算過程如下。

(2)

式中：CRi為i處的連續(xù)統(tǒng)去除值，Ri為i處的光譜反射率，RHi為i處直線的光譜反射率。

2 結果與分析

2.1 原始曲線反射光譜特征分析

從圖2可以看出，側柏、樟木、柳杉3種植被的原始光譜特征曲線在400～1 000 nm大致符合綠色植被的光譜特征曲線趨勢，曲線上波峰和波谷、紅邊現象出現的位置基本相同。反射率閾值范圍均在0.03～0.80。側柏的反射率閾值在0.03～0.38，樟木的反射率閾值在0.03～0.69，柳杉的反射率閾值在0.05～0.80。

圖2 三種喬木植被反射光譜曲線Fig.2 Reflection spectra of three tree species

可見光范圍內，葉綠素對藍光吸收強，410 nm附近出現第1個波谷(藍光吸收帶)，波谷不明顯。此時柳杉反射率曲線呈下降趨勢，區(qū)別于側柏和樟木。550 nm附近因葉綠素對綠光的反射作用形成反射峰，側柏、樟木、柳杉的反射率分別為0.12、0.14、0.13，樟木的反射率相對其他2種植被略高，說明樟木具有最強的葉綠素反射能力。670～680 nm的位置因葉綠素對紅光的強吸收作用，出現紅光吸收帶，也就是第2個波谷，此時樟木的反射率最高。680～760 nm反射率急劇上升，出現一個明顯的“陡坡”，即紅邊特征，此時除柳杉外，其余植被皆達到反射率的最高值。

近紅外波段，側柏、樟木、柳杉的光譜曲線在走勢上表現出明顯差異。700～760 nm側柏反射率上升的幅度較為平緩，明顯區(qū)別于柳杉和樟木。760～1 000 nm側柏、樟木、柳杉的反射率值存在明顯差異。柳杉的反射率持續(xù)上升，側柏和樟木的反射率持續(xù)下降。柳杉的反射率保持在60%以上，明顯高于其他樹種，樟木其次，側柏的反射率值最低，保持在40%以下。

2.2 紅邊波段光譜一階微分分析

“紅邊”現象是植被與其他物質光譜特征最大的不同，它是植被在670～760 nm反射率增高最快的點，也是植被光譜曲線最明顯的特征。通過一階微分可以反映光譜響應的變化速率，因此，將側柏、樟木、柳杉3種植被在紅邊波段的一階微分曲線作為主要的研究對象。如圖3所示，3種植被的一階微分值代表紅邊波段的陡峭程度，側柏、樟木、柳杉的一階微分值分別在700、720、730 nm達到了極大值點。3種植被在極大值點的增速最快，其中，柳杉的增速最快，樟木次之，側柏的增速最慢。側柏在700 nm和750 nm分別有1個峰值，在730 nm處有1個波谷，具有“雙峰一谷”的特性。樟木在720 nm和765 nm處分別有1個峰值，在755 nm和775 nm處分別有1個波谷，具有“兩峰兩谷”的特性。柳杉在730 nm處有1個峰值，此處的一階微分值高于其他2種植被，在768 nm處有1個波谷，此處的一階微分值介于側柏和樟木之間，具有“單峰谷”的特性。

圖3 紅邊反射波段一階導數曲線Fig.3 The first derivative curve of the red edge reflection band

2.3 連續(xù)統(tǒng)去除光譜特征分析

基于側柏、樟木、柳杉3種喬木植被的原始光譜曲線進行連續(xù)統(tǒng)去除處理。結果如圖4所示。在400～1 000 nm內側柏、樟木、柳杉3種喬木植被的連續(xù)統(tǒng)去除值都介于0～1。側柏、樟木、柳杉在近紅外波段均沒有明顯差異，差異主要表現在可見光波段，明顯凸顯了原始光譜曲線的吸收和反射特征。原始光譜反射率曲線的可見光波段，側柏、樟木、柳杉3種植被的反射率沒有明顯的差異，3個明顯波峰波谷特征的反射率之差小于0.05。連續(xù)統(tǒng)去除處理后，側柏在可見光波段具有4個波谷、3個波峰的特征，其曲線走勢明顯區(qū)別于樟木和柳杉，較好區(qū)分。樟木和柳杉曲線走勢基本相似，連續(xù)統(tǒng)去除值在440～760、950～1 000 nm存在差異，在這2個波段內，樟木的連續(xù)統(tǒng)去除值均略高于柳杉。

圖4 連續(xù)統(tǒng)去除變換光譜曲線Fig.4 Continuum removal transform spectrum curve

3 結論

本文針對滇中地區(qū)典型喬木植被，基于實測高光譜數據，分析了側柏、樟木和柳杉的葉片光譜特征差異，并借助一階微分和連續(xù)統(tǒng)去除法突出不同植被的可區(qū)分光譜，得到了以下結論：

側柏、樟木、柳杉3種喬木植被的光譜曲線具有相似的起伏特征，并具有綠色植被在400～1 000 nm的光譜特征，比如可見光波段的“雙峰一谷”和“紅邊”特征。與樟木和柳杉相比，側柏在波峰和波谷處的反射率最低，在“綠峰”和“紅谷”處樟木的反射率最大，在“藍谷”處柳杉的反射率最大。反射率在近紅外波段一直保持在一個較高的值，近紅外波段反射率依次為柳杉>樟木>側柏。

從3種植被原始光譜曲線分析得出，450～700 nm 3種植被區(qū)分度不大，結合光譜曲線和光譜反射率可以在400～420 nm和700～1 000 nm將3種植被區(qū)分開。

紅邊波段的一階微分變換凸顯了側柏、樟木、柳杉的不同波峰波谷的差異特征。出現紅邊位置的先后順序依次為側柏、樟木、柳杉；極大值的大小順序依次為樟木、側柏、柳杉。從3種植被的一階微分形態(tài)得出，側柏、樟木、柳杉分別具有“兩峰一谷”“兩峰兩谷”“一峰一谷”的特性。其中，側柏的波峰波谷更為明顯，識別度更大。

連續(xù)統(tǒng)去除凸顯了側柏、樟木、柳杉3種植被原始光譜在可見光波段的吸收和反射特征差異。側柏的曲線走勢明顯區(qū)別于樟木和柳杉，能較好地區(qū)別側柏與另外2種植被的差異。在440～760 nm和950～1 000 nm，樟木和柳杉的連續(xù)統(tǒng)去除值差異明顯。400～440 nm和760～950 nm 3種植被連續(xù)統(tǒng)去除曲線混淆大，區(qū)分效果不理想。原始光譜中3種植被在440～700 nm區(qū)分度不大，但在連續(xù)統(tǒng)去除光譜中區(qū)分效果明顯。