不同森林植被的高光谱特性分析

2022-09-28 13:38:29 点将科技 463

           “生态水(层)”是杨武年、万新南等近年来提出的新概念。“生态水(层)”指与地表植被层(包括植被叶面杆茎层,根系土壤层和腐殖层等)紧密相关的储水体它对降水起着缓存、分配与调节的作用,是水文循环的重要环节。生态水层富水特征十分特殊,用常规方法难以从整体与宏观角度量化,综合应用3S新技术新方法,在本研究团队多年研究成果基础上,选择长江上游生态“屏障”之重点地区—岷江上游为研究区,开展以植被为中心的“生态水”遥感定量研究。“生态水”的定量研究需区分不同植被类型,分别对不同植被类型的“生态水”进行定量化进,进而研究整个区域的“生态水”量。所以研究区不同森林植被的识别对"生态水”的研究非常重要,准确的植被识别方法对“生态水”量化的研究至关重要。

       20世纪80年代初期高光谱遥感技术的出现,为目标地物提供丰富的光谱信息,与传统的多光谱技术相比,具有光谱响应范围广,光谱分辨率高的特点。目前,实测高光谱数据多用于精准农业的产量估测、病虫害和植被健康监测等,在植被及树种识别方面也取得了一定的成果。张凯等基于反射光谱特征分析了两种草地类型;王志辉等基于反射光谱特征方法,并采用一阶二阶微分方法对树种之间的差异波段进行分析,通过欧式距离分析了差异波段对树种识別的有效性;孙林等在分析植被叶片生化组分的光谱响应特征时,发现叶片反射率的二阶导数对叶绿素具有较高的响应;沈艳等基于导数光谱变景进行叶片含水量模型的建立。可知,光谱的导数微分对植被光谱特征响应分析是有效的。陈永刚等在非参数统计理论和模式识别基础上,利用Mann-Whitney非参数检验筛选竹类间特征区分波段及利用支持向量机识别竹类。刘炜等通过对光谱进行一阶导数处理,分析不同尺度下的土壤有机质的光谱响应特征;本文的研究对象为岷江上游青城山森林植被,基于研究区生态水信息指标参数的研究思路,采用导数微分的方法分析植被的识别光谱特征,为生态水的测量提供不同植被的识别依据。利用遥感等高科技手段从四维空间研究生态水资源性质、分布特征及其变化规律并计算其资源量。

本文研究区域为青城山地区,地处成都平原的生态屏障地带,其生态环境非常重要;受地质、地貌、气候等因素的影响,植被类型不仅复杂,而且存在海拔从低到高的垂直变化规律。针对生态水信息指标参数之一植被含水量反演,采用一阶微分,二阶微分方法对样本光谱数据进行差异波段的提取,识别不同植被,为进一步反演不同植被含水景提供数据及方法依据。

1、数据获取与方法

选择研究区部分典型植被棕榈树、杉木、冷水花和臭樱4种进行研究,每种植被在研究区不同坐标点采集样本,每种植被样木至少选择8个以上不同坐标点进行采集,每个点采集9片成熟叶子,采集吋间为2012年4月16~19日。由于受野外环境水汽、太阳强度和背景等复杂多变的影响,本实验选取采集样本的室内光谱数据。室内光谱数据处于光谱测试理想状态下,具有光谱稳定、受环境影响小等优点。采用便携式光谱仪进行光谱测量,该仪器的波段范围为350~2500nm。采集光谱时每隔15min进行一次白板校正,室内光谱采集选用光谱仪自带的照明光源能够模拟太阳光照。将每种植被同一采样点的光谱取平均,再对不同采样点的同一植被取平均值最终得到4种植被的平均光谱。

微分法是光谱变换常见的方法之一,一阶微分、二阶微分可以消除光谱数据之间的系统误差,削弱大气辐射、散射和吸收等背景噪声的影响,分辨重叠光谱,可以增强光谱曲线在坡度上的细微变化,对植被来说,这种变化与植被的生物化学吸收特征有关,有利于提取探测地物的光谱特征。实测光谱数据是离散形式的,其微分计算就变成了计算差分计算公式分别是:

image.png

image.png

 

其中:λj为第j波段,Rλj、Rλj+1、Rλj+2为第j、j+1、j+2波段的光谱反射率,△λ为波段j+1和波段j之间的波长差。

 

2、光谱特征提取

植被反射波谱曲线(即光谱特征)的波峰波谷处为植被的反射峰和吸收带,以这些波峰波谷为特征点研究植被具有重要的意义。

3.1原始光谱

如图1所示,4种植被具有相似的光谱曲线形状,出现波峰波谷的波段相似,但是在部分反射峰和吸收带波段中出现差异,这些差异正是我们所要寻找的植被光谱特征。从4种植被光谱曲线中可提取具有代表性的波段进行进一步的分析。将各个波段处取波长范围为10nm,共选择了10个特征波段,对每个波段范围内的光谱值取平均值进行差异性比较。选择546~555nm、915~924nm、965~974nm、1069~1078nm、1175~1184nm、1262~1271nm、1450~1459nm、1630~1639nm、1814~1823nm和2210~2219nm。从图2中可以看出915~924nm、965~974nm、1175~1184nm、1450~1459nm和1814~1823nm5个波段差别明显,其他5个波段的差异较小。

3.2一阶微分光谱

图3为4种植被一阶微分后的光谱曲线,从图3可以看岀4种植被的光谱一阶微分后其坡度差异显现出来。选取10个有差异的波段进行比较,分别为518~527nm、566~575nm、712~721nm、1140~1149nm、1350~1359nm、1386~1395nm、1500~1509nm、1648~1657nm、1665~1674nm和1874~1883nm。由图4可以看出,518~527nm、1386~1395nm和1874~1883nm段的差异较大,其他7个波段的差异不明显。

图片关键词 图片关键词

3.3、二阶微分光谱

图5为4种植被光谱二阶微分后的曲线,二阶微分后光谱的微小差异被凸显。选取有差异的波段:398~407nm、440~449nm、690~699nm、735~744nm、998~1007nm、1085~1094nm、1372~1381nm、1398~1407nm、1827~1836nm和1890~1899nm,图6为10个波段4种植被的二阶微分比较。可以看出,波段398~407nm、735~744nm、998~1007nm和1890~1899nm的光谱差异较明显。

图片关键词图片关键词

 

3、结果与分析

为了验证所选波段的有效性,对4种植被求欧式距离,根据欧氏距离的大小分析各个波段的有效性。方法可描述为:以原始光谱为例,计算所选波段的每种植被所有样本的原始光谱平均值以任意一种植被为比较植被式,式(3)分别计算每种植被每个样木与比较植被的平均值之间的欧氏距离。式(4)计算所有样本的欧氏距离平均值。如果不同植被之间欧氏距离的平均值大于同种植被欧氏距离,说明所选波段能够有效区分不同植被,反之,如果不同植被之间的欧氏距离小于同种植被之间的欧氏距离,说明该波段不能区分不同植被。

image.png

image.png

其中:dMiN为树种M第i个样本与比较树种N之间的欧氏距离,DMN为树种M与树种N之间欧氏距离的平均值,xMik为树种M第i个样本第k波段光谱反射率、一阶微分、二阶微分值,xNk为比较树种N第k波段50个样本光谱反射率、一阶微分、二阶微分值的平均值,为样本个数(i=1,2,3,…,50);n是波段总数;K为样本总数(K=50)。

从表1~4可以看出,原始光谱、一阶微分、二阶微分光谱的选择波段同种植被之间的欧氏距离平均值均小于不同种植被之间的欧氏距离平均值,可以有效区分不同植被。表1中,4种植被与臭樱的原始光谱、一阶微分和二阶微分的欧式距离均差异较大,说明识别臭樱的波段选择效果好;从表2、表3可以看出冷水花与杉木的欧式距离大,说明利用所选波段区分冷水花和杉木两种植被的效果明显;从表1~4可以看出,冷水花与其他3种植被的欧式距离均较大,说明冷水花与其他3种植被的识别效果较佳。

 

图片关键词

 

5、结语

与多光谱相比,高光谱具有波段多、连续的特点,可提供丰富的光谱信息。利用高光谱的特性,对原始光谱进行一阶二阶微分处理,分析其光谱特征,为植被的识別提供有效的途径和方法。从4种植被的原始光谱曲线可以看出,4种植被的曲线形状相似,只有个别波段存在微小差异,把这些微小差异的波段选取出来,用来区分植被;一阶微分和二阶微分方法可以将原始光谱的微小差异扩大化,使存在差异的波段更明显,选取有差异的波段来区分4种植被。欧式距离的分析显示,所选取的波段可有效区分4种植被。

3种方法选择的波段有差异,但存在共同点。原始光谱差异较大的波段全部属于近红外波段区间,一阶微分光谱差异较大的波段一个属于绿光波段,剩下两个全部位于近红外波段区间,二阶微分光谱差异较大的波段一个位于红光波段区间,两个位于近红外波段。可见,在近红外波段可有效地识别不同植被树种,它们分别是1814~1823nm、1874~1883nm和1890-1899nm。由3种方法的共同点可知近红外波段是识別不同植被的有效波段区间,进而分别计算每种植被类型的“生态水”。


来源:潘佩芬,杨武年,戴晓爱,郑菠.不同森林植被的高光谱特性分析.

15821625398
最新产品
联系