河北坝上地区草地退化指示种的高光谱特征波段识别

郝芳芳，陈艳梅，高吉喜，吕国旭，田美荣

(1.河北师范大学资源与环境科学学院/ 河北省环境演变与生态建设实验室，河北 石家庄 050016；2.河北师范大学旅游系，河北 石家庄 050016；3.环境保护部南京环境科学研究所，江苏 南京 210042)



河北坝上地区草地退化指示种的高光谱特征波段识别

郝芳芳1，陈艳梅2①，高吉喜3，吕国旭1，田美荣3

(1.河北师范大学资源与环境科学学院/ 河北省环境演变与生态建设实验室，河北 石家庄 050016；2.河北师范大学旅游系，河北 石家庄 050016；3.环境保护部南京环境科学研究所，江苏 南京 210042)

草地生态系统对发展畜牧业、保持水土和维持生态平衡有重要作用，实时、准确地监测草地的退化具有重要意义。高光谱遥感能够大幅度提高草地退化进程中植被结构退化的识别精度，为草原退化研究开辟新领域。利用高光谱遥感技术进行植被结构退化鉴别时，特征波段的选择和提取至关重要。根据地面实测高光谱数据，对河北坝上地区3种退化指示种和2种优势物种光谱反射曲线进行对数变换处理，采用均值置信区间对原始光谱和变换处理后的对数光谱进行波段选择，提取了退化指示种的光谱特性，并利用Manhattan距离对所选择的波段进行识别检验。结果表明：(1)与2种优势物种苔草(Carexpediformis)和羊草(Leymuschinensis)相比，退化指示种狼毒(Stellerachamaejasme)的特征波段为402～412 nm，冷蒿(Artemisiafrigid)的特征波段为627～689、715～929和929～1 033 nm，星毛委陵菜(Potentillaacaulis)的特征波段为705～721 nm；(2)在上述特征波段内，同种植被的Manhattan距离值显著小于异种植被的Manhattan距离值，狼毒、冷蒿和星毛委陵菜的Manhattan距离值分别为0.006 6、0.310 1和0.385 5；(3)在可见光范围内，退化植被与主要优势植被的光谱差异不明显，经对数变换后，其差异被放大，易于提取特征波段，且基于均值置信区间的植被原始光谱曲线与对数光谱曲线相结合方法的特征提取结果更精细，最终确定狼毒的特征波段为402～412 nm，冷蒿的特征波段为627～689、758～924和940～1 033 nm，星毛委陵菜的特征波段为705～721 nm。

高光谱遥感；特征波段；退化指示植物；置信区间；河北坝上

20世纪80年代出现的高光谱遥感(hyperspectral remote sensing)是遥感领域的一场革命,它使传统的宽波段遥感中不可探测的物质能被探测[1]1。高光谱遥感在电磁波谱的可见光、近红外、中红外和热红外波段范围内,能够获取分辨率达纳米级的连续图谱数据[1]1,可以大幅度提高草地退化进程中植被结构退化识别精度,使识别草原退化指示植物成为可能。地面实测高光谱分析是遥感应用分析的基础,许多学者利用地面实测光谱数据进行高光谱草地退化监测研究。SCHMIDT等[2]利用野外高光谱数据,采用B距离法和统计检验方法分析了荷兰瓦登海湿地27种植被地面实测光谱,指出不同植被类型间存在差异显著的光谱波段。王焕炯等[3]利用FieldSpec 3光谱仪对呼伦贝尔多种草甸草原植被进行高光谱遥感地面监测,并对群落植被进行混合光谱分解,得到各组分的覆盖度,为高光谱遥感草地监测提供有力依据。刘占宇等[4]对内蒙古锡林郭勒盟的天然草地进行高光谱遥感地面监测,计算了天然草地植被丰度,并建立了植被丰度高光谱模型。张富华等[5]在提取植被光谱特征参数的基础上,运用多层感知神经网络模型对内蒙古锡林郭勒草原的草地种类进行识别。钱育蓉等[6]研究了新疆典型荒漠植被高光谱特征。有研究者提出草原植物在花期具有独特的光谱特征,相比营养生长期,通过花更容易识别物种[7]。

国内外地面高光谱研究成果多集中在植物类型区分、模拟植被生理生化参数等方面[8-11]。目前,利用地面高光谱研究草地健康状况的成果较少,尤其是缺乏草地退化植物自然群落和草原退化指示种的地面高光谱特征相关报道,使得高光谱遥感技术在草地退化方面的应用研究受到限制。

笔者以河北坝上地区为研究区域,以该地区的退化指示种和主要优势物种为研究对象,运用对数变换方法,采用均值置信区间方法对植被的原始光谱和对数光谱进行特征波段的提取,同时实现降维的目的,最后运用Manhattan距离对识别结果进行可行性验证,研究成果可为将来能够大面积检测草原退化指示植物的地理分布提供科学依据。

1 材料与方法

1.1 研究区概况

河北坝上地区是河北省北部高原区,地理范围介于北纬40°58′至42°42′，东经113°50′至118°00′之间,包括张家口的张北县、康保县、沽源县以及尚义县,承德地区的丰宁与围场,总面积约为18 391 km2。坝上地区属于温带半干旱半湿润大陆季风气候区,具有气温低、风力大、降水少、无霜期短、气温多变等特点,同时因海拔较高,气候的分布呈现明显的垂直和水平分带。

坝上地区地带性植被处于东北区系、内蒙古区系和华北区系的交汇处。其中,草原分为草甸草原和干草原2个植物亚系。自然条件严酷,景观生态和系统层次结构简单,环境本身的抗干扰能力和自我修复能力差,草场质量下降,产量降低,草场群落层次简单,结构简化,杂草、有毒草逐渐代替该地区优势物种,使得坝上地区呈现不同程度的草原退化。据统计,20世纪50年代以来,由于该地区人口激增以及人们过度垦荒和过度放牧,导致草地严重超载,超载率最高可达200%。超载使坝上植被得不到生长和再生的机会,草场覆盖度和高度大幅下降,导致整个坝上地区草地退化严重。

1.2 研究对象与数据获取

所选取的观测对象为河北坝上地区退化指示种和主要优势物种,通过野外实地调查,选择的退化指示种为狼毒(Stellerachamaejasme)、冷蒿(Artemisiafrigid)和星毛委陵菜(Potentillaacaulis),主要优势物种为苔草(Carexpediformis)和羊草(Leymuschinensis),这2种植物在研究区属于广布性植物。

高光谱数据由美国SOC公司开发的产品SOC710便携式可见光/近红外高光谱成像仪获取。用SRAnap710预处理软件作数据定标处理,并用ENVI 4.5软件作数据处理分析。SOC710高光谱成像仪光谱范围为可见光至近红外光的400～1 000 nm,有128个波段,光谱分辨率为4.9 nm。

结合研究内容和研究目的,选择坝上植被生长旺盛时期(2014年7月31日—8月8日)采集野外数据。为了得到不同水热条件以及不同植被覆盖梯度下5种植物高光谱特征,避免地形因素引起的误差,采样路线从西向东覆盖坝上地区,包括张家口的张北、康保、沽源和承德的围场、丰宁。综合分析TM遥感影像、数字高程图和植被类型图,在面积大于250 m×250 m、植物生长均匀且有代表性的区域选取34个样地。选择晴朗、无云、光照条件较好,风力较小时进行测量,测量时间为10:00—14:00(地方时),且要求每20 min使用标准板进行1次优化。狼毒、冷蒿、星毛委陵菜、苔草和羊草的试验样本数据和检验样本数据分别均为40和9条,共采集245条数据。其中,40个样本作为光谱基准数据,9个样本作为测试数据。剔除有明显异常的数据,以剩余数据的均值作为植被的光谱反射率。光谱曲线上有许多“毛刺”噪音,需要做平滑处理。通过光谱数据的反射率转换,并用ENVI 4.5中Smooth函数进行加权移动平均法平均,达到对光谱曲线进行平滑去噪处理的效果。

1.3 研究方法

1.3.1 对数变换方法

对数变换方法是常用的高光谱数据处理方法。光谱反射率经对数变换后可增强可见光范围内的差异,放大植被类型的差异,有效提取可识别地物的光谱反射率特征[12]。对数光谱计算方法为

lg R=(lg r1，lg r2，…，lg rn)。

(1)

式(1)中,R为植被光谱反射率;r1,r2,…,rn分别为每一波段所对应的光谱反射率。

1.3.2 数据降维

主要采用基于均值置信区间方法[13]对研究区退化指示种和主要优势物种的高光谱数据进行降维处理,同时提取特征波段,其基本原理如下。

根据统计学的中心极限定理可知,当样本容量足够大(n≥30)时,所有随机分布的均值皆收敛于正态分布[14]。在1-α置信水平下,波段i光谱反射率均值μi置信区间与置信水平α的关系见式(2)。

(2)

特征波段选择是从原始集合中选出特征子集,能够有效描述光谱的特征信息并实现降维[15]。波段i的取值为373～1 033nm,所有波段的光谱反射率均值置信区间构成了光谱反射率的均值置信区间带。基于光谱反射率均值置信区间带提取特征波段的原理如图1所示。

图1 草地植被类型最佳鉴别波段选择

由图1可知,在波段区间[a,b]和[c,d]内,2类植被的光谱反射率均值置信区间带是重叠的,不适合进行植被识别。通过剔除反射率均值置信区间带重叠的部分,筛选出最佳的植被识别波段,以达到降维目的并实现特征波段的选择。

1.3.3 Manhattan距离

在N维空间中,数值型数据Xi与Xj之间的相似性,可以通过Xi与Xj在特征空间中点之间的欧氏距离、马氏距离和Manhattan等指标来度量[16]。用欧氏距离计算时,较大值会突出,较小值会淹没,而Manhattan距离会使较小值也占有一定比例[17]。Manhattan距离可用来度量某个待测物种与某个物种光谱基准数据的接近程度。Manhattan距离越小,说明物种越相似。Manhattan距离计算公式为

(3)

2 结果与分析

利用均值置信区间带的特征波段选择方法,对野外测量得到的光谱数据,以40个样本作为光谱基准数据,根据式(2)采用Excel 2010软件计算退化指示种狼毒、冷蒿和星毛委陵菜分别与2种主要优势物种苔草、羊草的原始光谱曲线和对数光谱曲线的均值及均值的95%置信区间带。

2.1 基于原始光谱曲线退化指示植物的特征波段

5种植被原始光谱曲线的对比结果见图2～4。

图2 狼毒-苔草-羊草原始光谱曲线的置信区间带

图3 冷蒿-苔草-羊草原始光谱曲线的置信区间带

图4 星毛委陵菜-苔草-羊草原始光谱曲线的置信区间带

分析3种退化植物的置信区间带数据,剔除3种植被类型中两两植被置信区间带重合率超过95%的波段,并与2种优势物种苔草、羊草进行对比,得到狼毒的特征波段为402～412 nm;利用同样方法得到冷蒿的特征波段为627～689、715～929和929～1 033 nm;星毛委陵菜的特征波段为705～721 nm。由上述结果可知,狼毒的特征波段位于可见光波谱范围内,可能与狼毒植株高大、叶片面积大和叶绿素含量高有关;星毛委陵菜的特征波段位于“红边”位置,可能与植被生长期和植被生长状况有关;冷蒿的反射率总体趋势与苔草、羊草相比差距较大,其特征波段在可见光波段、“红边”位置和近红外波段都有涉及,可能与冷蒿表面附有绒毛,降低了叶绿素的反射特征,因而容易与其他植被区分开来有关。

2.2 基于对数光谱曲线退化指示植物的特征波段

5种植被的对数光谱曲线对比结果见图5～7。

R为反射率。

R为反射率。

由图5～7可知,5种植被的反射率经对数变换后,各植被间的光谱反射率差异放大,特别是在可见光波段范围内。

R为反射率。

狼毒、冷蒿和星毛委陵菜分别与苔草、羊草对比,位于550 nm处的反射峰、420 nm处的蓝谷和670 nm处的红谷的宽度和深度均增加,物种间反射光谱曲线的差异特征更加明显,更利于特征波段的识别。将退化指示种和主要优势物种对数光谱曲线与原始光谱曲线相比较,其特征波段的提取结果基本一致。基于均值置信区间带的对数光谱分析结果显示,狼毒的特征波段为402～412 nm,冷蒿的特征波段为611～689、758～924和940～1 038 nm,星毛委陵菜的特征波段为705～721 nm。

2.3 退化指示植物特征波段验证结果分析

采用Manhattan距离法评价筛选特征波段对退化指示种与主要优势物种的识别效果,以退化指示种狼毒、冷蒿和星毛委陵菜分别与2种主要优势物种苔草和羊草组合,共5组,分别用检验样方进行Manhattan距离的检验,结果见表1。

表1 基于特征波段的5种植被的Manhattan距离识别

Table1 Determination of Manhattan distances of the 5 types of vegetations based on characterisitics of bands

样本类型植被类型狼毒冷蒿星毛委陵菜苔草羊草实验样本1狼毒0.0066——0.03200.0615实验样本2冷蒿—0.3101—0.73880.6582实验样本3星毛委陵菜——0.38550.85310.5325检验样本1苔草0.0165——0.01360.0860检验样本2苔草—0.0703—0.06840.1477检验样本3苔草——0.23570.23270.5393检验样本4羊草0.0043——0.06280.0037检验样本5羊草—0.2774—0.33990.2593检验样本6羊草——0.47751.02420.4204

“—”表示无数据。

比较同种植被的Manhattan距离值与异种植被的Manhattan距离值(表1)发现,无论以哪种植被为实验样本或检验样本,同种植被的Manhattan距离值显著小于异种植被的Manhattan距离值。

研究还发现,冷蒿与苔草的Manhattan距离、冷蒿与羊草的Manhattan距离和冷蒿与冷蒿的Manhattan距离差值较狼毒和星毛委陵菜与苔草、羊草的Manhattan距离相比均较大,说明冷蒿与苔草、羊草植被类型差异大,易于区分识别。

3 讨论

高光谱遥感能够探测到具有显著光谱差异的各种物体,能大大提高对植物的识别精度。周磊[18]研究了呼伦贝尔草原主要优势种(羊草、针茅)和退化指示种(冷蒿、多根葱)的高光谱特征,利用曼-惠特尼U检验和逐步判别分析等方法,得到冷蒿群落的3个特征波段655、689和1 144 nm。笔者利用基于均值置信区间的原始和对数光谱曲线相结合的方法,最终得到冷蒿的特征波段为627～689、758～924和940～1 033 nm。笔者研究方法与周磊研究方法不同,研究结果有一致之处,但也存在差别。一致之处表现在周磊提取冷蒿可见光波段的某些特征波段落在笔者研究得到的特征波段范围内,差别表现在红外的特征波段与笔者得到的高光谱位置不同,且笔者得到的冷蒿特征波段范围更广,可能与高光谱数据处理方法以及数据采集区域差异有关,植物所处区域不同,其水分、色素含量也不同。

程迪等[19]以狼毒独特的物候特征为基础,探讨狼毒与牧草的高光谱特征差异,结果显示,在350～900 nm可见光-近红外波段范围内,狼毒顶花的高光谱反射特征明显异于狼毒叶片和同期牧草等绿色背景,顶花与绿色背景差异体现在红谷600～720 nm和蓝谷350～500 nm处,狼毒叶片与牧草具有相似的光谱曲线,而笔者对处于同一营养生长期的狼毒、苔草和羊草进行高光谱分析得出狼毒叶片特征波段为402～412 nm。这是因为狼毒盛花期主要呈现白花及少量花蕾的色调特征,与绿色背景差异显著,是狼毒识别的最佳时期。笔者采用基于均值置信区间的植被原始光谱和对数光谱相结合方法提取狼毒叶片的特征波段,研究结果与程迪等[19]有显著差异,主要原因是植物目标部位不同导致。

同时,笔者尝试采用新的波段选择方法——反射率均值置信区间方法对高光谱数据进行降维处理。该方法可以综合考虑各个物种间的光谱差异,有效筛选出代表物种的光谱特征波段,但在进行特征选择时,难免会忽略其他波段的信息,造成一定的信息缺失,所以笔者的方法还需要不断完善。另外,退化指示种和主要优势物种对比数量少和样本数量有限也是笔者研究的不足之处,基于毒草的退化指示种的典型物候特征进行波段识别将是今后的研究方向。

4 结论

高光谱数据具有波段多及波段连续的特性,能够为不同草地植被类型提供更多的光谱反射率信息。以统计学的中心极限定理为基础,提出了一种基于均值置信区间带筛选草地退化指示植物特征波段的方法,得出以下主要结论。

(1)与2种优势物种苔草和羊草相比,退化指示物种狼毒的特征波段为402～412 nm,冷蒿的特征波段为627～689、715～929和929～1 033 nm,星毛委陵菜的特征波段为705～721 nm。

(2)利用Manhattan距离对特征波段进行识别检验,得到狼毒、冷蒿和星毛委陵菜反射率的Manhattan距离值分别为0.006 6、0.310 1和0.385 5。同一种草地植被类型检验样本和实验样本的Manhattan距离值远小于不同草地植被类型的Manhattan距离值。Manhattan距离可以有效识别不同草地类型植被。

(3)退化指示植物与主要优势物种在可见光内差异不明显,其反射率光谱曲线经对数变换后差异被放大,易于提取特征波段,同时基于均值置信区间的植被原始与对数光谱曲线相结合的提取结果更精细,最终确定狼毒的特征波段为402～412 nm,冷蒿的特征波段为627～689、758～924和940～1 033 nm,星毛委陵菜的特征波段为705～721 nm。

[1] 童庆禧,张兵,郑兰芬.高光谱遥感:原理、技术与应用[M].北京:高等教育出版社,2006.

[2] SCHMIDT K S,SKIDMORE A K.Spectral Discrimination of Vegetation Types in a Coastal Wetland[J].Remote Sensing of Environment,2003,85(1):92-108.

[3] 王焕炯,范闻捷,崔要奎,等.草地退化的高光谱遥感监测方法[J].光谱学与光谱分析,2011,30(10):2734-2738.

[4] 刘占宇,黄敬峰,吴新宏,等.天然草地植被覆盖度的高光谱遥感估算模型[J].应用生态学报,2006,17(6):997-1002.

[5] 张富华,黄明祥,张晶,等.利用高光谱识别草地种类的研究:以锡林郭勒草原为例[J].测绘通报,2014(7):66-69.

[6] 钱育蓉,于炯,贾振红,等.新疆典型荒漠草地的高光谱特征提取和分析研究[J].草业学报,2013,22(1):157-166.

[7] 盖颖颖,范闻捷,徐希孺,等.基于高光谱数据的呼伦贝尔草原花期物种识别和覆盖度估算[J].光谱学与光谱分析,2011,31(10):2778-2783.

[8] MUTANGA O,SKIDMORE A K.Narrow Band Vegetation Indices Overcome the Saturation Problem in Biomass Estimation[J].International Journal of Remote Sensing,2004,25(19):3999-4014.

[9] NUMATA I,ROBERTS D A,CHADWICK O A,etal.Evaluation of Hyperspectral Data for Pasture Estimate in the Brazilian Amazon Using Field and Imaging Spectrometers[J].Remote Sensing of Environment,2008,112(4):1569-1583.

[10]周磊,辛晓平,李刚,等.高光谱遥感在草原监测中的应用[J].草业科学,2009,26(4):20-27.

[11]SKIDMORE A K,FERWERDA J G,MUTANGA O,etal.Forage Quality of Savannas:Simultaneously Mapping Foliar Protein and Polyphenols for Trees and Grass Using Hyperspectral Imagery[J].Remote Sensing of Environment,2010,114(1):64-72.

[12]邱琳.东洞庭湖典型湿地植被高光谱特征分析与识别[D].长沙:中南林业科技大学,2013.

[13]陈永刚,丁丽霞,葛宏立,等.基于均值置信区间带的高光谱特征波段选择与树种识别[J].光谱学与光谱分析,2011,31(9):2462-2466.

[14]LIPSCHUTZ S,LIPSON M.Schaum′s Outline of Theory and Problems of Probability:Schau′s Outline Series[M].New York,USA:McGraw-Hill,2000.

[15]苏红军,杜培军.高光谱数据特征选择与特征提取研究[J].遥感技术与应用,2006,21(4):288-293.

[16]孙惠琴,熊璋.基于粗集的模糊聚类方法和结果评估[J].复旦学报(自然科学版),2004,43(5):819-822.

[17]李俊华,彭力.一种人脸表情分类的新方法:Manhattan距离[J].计算机工程与应用,2008,44(2):74-75.

[18]周磊.呼伦贝尔草原主要优势种、退化指示种的光谱特征研究[D].北京:中国农业科学院,2009.

[19]程迪,刘咏梅,李京忠,等.青海祁连瑞香狼毒的光谱差异特征提取[J].应用生态学报,2015,26(8):2307-2313.

(责任编辑： 李祥敏)

Identification of Hyperspectra Characteristic Bands of Grassland Degradation Indicator Plant Species in Bashang Region of Hebei Province.

HAO Fang-fang1, CHEN Yan-mei2, GAO Ji-xi3, LÜ Guo-xu1, TIAN Mei-rong3

(1.College of Resources and Environmental Science, Hebei Normal University/ Laboratory of Environmental Evolution and Ecological Construction of Hebei Province, Shijiazhuang 050016, China;2.Department of Tourism, Hebei Normal University, Shijiazhuang 050016, China;3.Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection, Nanjing 210042, China)

Grassland ecosystem plays an important role in the development of animal husbandry, soil and water conservation, and maintenance of the ecological balance. Therefore, it is of great significance to perform real-time monitoring of degradation of grasslands. The technology of hyperspectral remote sensing can greatly improve precision of the identification of degraded vegetation structure in the process of grassland degeneration, and opens up a new field in the study of grassland degradation. In using the technology to identify degraded vegetation structure, it is very important to choose and extract characteristic bands. To that end, based on the hyperspectral data measured in field, spectral reflection curves of three species of degradation indicator plants and two dominant species in Bashang Region were processed with the logarithmic transformation method. Then bands were selected out of the original spectra and transformed logarithmic spectra with the confidence interval of mean for extraction of spectral characteristics of the degradation indicator species. And the selected bands were identified and validated with the Manhattan distance method. Results of the study show as follows: (1) Compared with the two dominant species, namelyCarexpediformisandLeymuschinensis, the degradation indicator speciesStellerachamaejasmefeatured at 402-412 nm,Artemisiafrigidat 627-689, 715-929 and 929-1 033 nm andPotentillaacaulisat 705-721 nm; (2) In the above characteristic bands, the Manhattan distance of the vegetation homogeneous in plant species was obviously smaller than that of the vegetation heterogeneous in plant species. And the Manhattan distance ofStellerachamaejasme,ArtemisiafrigidaandPotentillaacauliswas 0.006 6, 0.310 1 and 0.385 5, respectively; (3) No big difference was found, in the visible band between degraded vegetation and vegetation of dominant species. After logarithmic transformation, the difference was amplified and made easy the extraction of characteristic bands. The use of the original spectral curve in combination with its logarithmic spectral curve based on the confidence interval of mean made the extraction of characteristic bands more accurate. The eventually defined characteristics band forStellerachamaejasmeis 402-412 nm, forArtemisiafrigid627-689, 758-924 and 940-1 033 nm and forPotentillaacaulis705-721 nm.

hyperspectral remote sensing; characteristic band; degradation indicator species; the confidence interval; Bashang Region of Hebei Province

2016-04-18

河北省自然科学基金(D2014205070);环保公益性行业科研专项(201409055)

X87；TP79

A

1673-4831(2016)06-1024-06

10.11934/j.issn.1673-4831.2016.06.025

郝芳芳(1989—),女,河北保定人,硕士生,主要研究方向为环境生态学。E-mail: 1061157322@qq.com

① 通信作者E-mail: 330896729@qq.com