沉水植物水蕴草盖度高光谱遥感估算研究

柴 颖，阮仁宗，王玉强

（1.河海大学 地球科学与工程学院，江苏 南京 210098；2.山东省减灾中心，山东 济南250000）

沉水植物水蕴草盖度高光谱遥感估算研究

柴 颖1，阮仁宗1，王玉强2

（1.河海大学 地球科学与工程学院，江苏 南京 210098；2.山东省减灾中心，山东 济南250000）

以美国萨克拉门托-圣华金三角洲为研究区，提取高光谱遥感影像上沉水植物水蕴草的光谱数据，计算水蕴草的光谱特征参数，将水蕴草盖度与光谱特征参数进行相关性分析，得到R725、BD602.9和NBDI587.53个特征参量，与水蕴草盖度建立估算模型，并对模型进行精度检验。结果表明，以NBDI587.5为变量建立的盖度估算模型具有较高的精度。

高光谱；光谱特征参数；水蕴草；盖度；HyMap

沉水植被是海滨、河口和内陆水生生态系统的重要组成部分[1]，在湿地生态系统中发挥着不可忽视的生态功能[2-3]，因此，准确掌握沉水植物种类、分布、盖度等生物多样性信息，对于湿地生态系统的监控和管理至关重要。高光谱遥感技术具有光谱划分精细、数据量丰富等特点，可以基于地物光谱特征，实现利用宏观手段对微观地物的识辨，定量分析地球表层生物理化过程[4]。地物波谱特性是高光谱遥感定量分析的基础[5]，目前，基于高光谱数据的沉水植物盖度估算研究大都基于地面实测光谱数据[6-9]。但是，不同环境下传感器和地面观测情况各异，目前尚无规范的地物光谱与环境参数配套的光谱数据库[10]，所以利用实测光谱建立沉水植物盖度估算模型，计算精度会受到很大影响。而且这些研究大多数都集中于探测不同盖度沉水植物与光谱反射率之间的关系。目前，基于光谱特征参数估算沉水植物盖度的研究还较少。

本文以沉水植物水蕴草为研究对象，基于高光谱遥感影像HyMap数据，获取水蕴草的波谱曲线，提取光谱特征参数，分析光谱参数与植被盖度的相关性，筛选与水蕴草盖度相关性高的光谱特征参量，建立水蕴草盖度的高光谱遥感估算模型，通过模型精度检验，找出适合水蕴草盖度的估算模型。

1 研究区概况

萨克拉门托-圣华金三角洲位于美国加利福尼亚州西北部，北起萨克拉门托市南部，南至特雷西市北部，东临斯托克顿市，流经苏珊湾、卡尔金尼茨海峡及旧金山湾，于金门注入太平洋（图1）。三角洲汊河纵横，地势低洼，全长564 km，流域面积为4.5万km2，平均流量138 km/s，且呈季节特征：冬季平均流量为1 700±300 m3·s-1，夏季平均流量为540±40 m3·s-1，是加州淡水输送系统的主要枢纽[11-12]。

研究区沉水植物主要有水蕴草、伊乐藻、金鱼藻等。水蕴草为多年生沉水植物，广泛分布于研究区，其繁殖能力很强，容易入侵新的栖息地扎根形成致密垫，通过阻止水道的水流，改变生态系统的动力。

图1 研究区地理位置示意图

2 研究方法

2.1 数据获取及其预处理

HyMap是澳大利亚HyVista公司研制的航空成像光谱仪，总视场角为60°，瞬时视场角为215 mrad，共126 个波段，光谱范围为0.450～2.500 μm，可分为4个波段组：可见光、近红外、短波红外1和短波红外2，每个波段组包括32个波段，光谱分辨率为15～20 nm不等[11]。

研究区域高光谱遥感数据HyMap影像的空间分辨率约为3 m，航高1 500 m，扫描宽度为1.5 km[12]，共64条航带，飞行路线贯穿整个三角洲。影像已经过HyCorr大气校正软件校正，数据转换成地表反射率。

所有的野外实测样点均利用GPS获得，精度约为1 m，记录样本的种类、盖度和位置等属性。每个样本都拍摄两张照片，一张为样本整体景观，另一张为近距离单个植株，每张照片都与相应的点位、拍摄时间建立了关联。

2.2 光谱特征参数

由于沉水植物特殊的生存环境，其光谱反射率受背景水体的吸收作用较大，因此本文采用描述光谱吸收特征的参数来反演沉水植物水蕴草的盖度。

光谱吸收特征参数是用来定位光谱吸收位置并量化吸收谷形状特征的参数[13]，本文的光谱特征分析主要针对水蕴草冠层光谱450～900 nm范围进行，首先对该范围的光谱数据进行连续统去除变换，连续统去除主要是为了增强光谱曲线在吸收谷处的吸收特征，增大各光谱曲线之间的差异[14]。

本文采用波段深度（BD）、归一化波段深度指数（NBDI）和归一化面积波段深度（BNA）对水蕴草的光谱吸收特征信息进行表征[15]。

式中，R′为各波长对应的连续统反射率；BDmax为波段深度的最大值；R为各波长对应的反射率；A为连续统去除后吸收特征面积。

3 实验分析

3.1 水蕴草原始光谱特征

从地面实测的176个样本数据中随机抽取90个样本数据参与盖度反演模型的建立。根据样本点的属性信息，在影像上提取不同盖度水蕴草的光谱数据，取其平均作为不同盖度水蕴草的标准波谱曲线（如图2）。从图中可以看出，水蕴草的光谱曲线表现为典型的植被光谱特征，在可见光部分的蓝波段( 450 nm为中心) 和红光波段（670 nm为中心）附近有较强的吸收，形成两个吸收谷。在560 nm 和810 nm附近分别形成了明显的反射“绿峰”和“红峰”。当水蕴草盖度变化时，其平均光谱反射率也相应发生改变，表现为平均光谱反射率随水蕴草盖度的降低而下降，在近红外区域尤其突出；当水蕴草的盖度为20%（即水体80%）时，反射光谱曲线在450～900 nm范围内典型的“绿峰”特征已经不明显。不同盖度水蕴草的光谱反射率之间的差异主要表现在500～600 nm和700～900 nm这两个波段范围。

图2 不同盖度水蕴草的光谱特征

3.2 光谱特征相关性分析

用SPSS22.0软件进行光谱数据的相关性分析和回归分析，并用Excel 2007作图，如图3。

图3 水蕴草盖度与不同光谱特征参数之间的相关性

图3表明，水蕴草盖度与其光谱反射率呈正相关，不同盖度的水蕴草与其在可见光波段575～650 nm和近红外波段690～900 nm处的光谱反射率的相关性达到显著水平（P＜0.05），在700～900 nm范围内达到极显著水平（P＜0.01），最高的相关性位于725 nm处，可通过水蕴草盖度与该反射率的回归分析，定量反演水体中水蕴草的盖度，因此选择R725作为盖度估算的候选参数。分别将水蕴草盖度与BD、NBDI和BNA进行相关性分析，发现在波段587.5 nm与602.9 nm附近，其盖度与BD的相关性最高，通过了0.01的检验水平，水蕴草盖度与NBDI的相关性在波段587.5 nm附近达到最大（P＜0.01），而与BNA的相关性在波段602.9 nm与633.9 nm附近最高，且通过了0.01的检验水平。因此将这些波段对应的特征值作为建模的候选参数。综上所述，经过相关性分析得到的候选光谱特征参数为R725、BD587.5、BD602.9、NBDI587.5、BNA602.9和BNA633.9。

3.3 水蕴草盖度估算

在SPSS中采用多元线性逐步回归建立模型，剔除不能通过显著性检验和具有共线性的变量，通过计算判定系数R2来评价模型。将经过相关性分析得到的6 个光谱特征参数与其对应盖度值进行回归分析，建立水蕴草盖度反演的线性方程。分析结果如表1所示，水蕴草盖度与这6个光谱特征参数之间的关系均可较好地用线性关系表示。其中，特征参数R725、BD602.9和NBDI587.5与水蕴草盖度的拟合效果较好，表明沉水植物盖度与这些特征参量之间存在着显著的相关性，利用回归方程可以较好地解释盖度的变化。

表1 水蕴草盖度与不同光谱特征参数线性拟合结果

3.4 精度检验

计算野外实测数据中其余86组水蕴草的3个光谱特征参数，分别代入上述3个模型，反演水蕴草盖度，并将该模型反演的水蕴草盖度与实测盖度进行比较，结果如表2所示。从表2可以看出，水蕴草盖度的反演精度均较高，其中利用光谱特征参数NBDI587.5进行盖度估算，无论是回归方程的R2还是反演精度都明显高于其他的盖度反演模型。

表2 模型精度检验结果（n=86）

4 结 语

通过在影像上提取光谱数据并对其进行变化处理，分析了光谱特征变量与沉水植物水蕴草盖度的相关性，获得了具有较高估测精度的水蕴草盖度光谱特征参数。分析结果表明：

1）通过各光谱特征参数与水蕴草盖度的相关分析，确定特征参数R725、BD602.9和NBDI587.5与水蕴草盖度的拟合效果较好。其中，估测水蕴草盖度的最佳参数为波长587.5 nm处的NBDI值，通过回归模型，水蕴草盖度预测精度达到最高78.27%。

2）不仅光谱反射率与沉水植物盖度之间相关性显著，光谱特征参数与沉水植物盖度之间也存在着显著的相关性，可根据高光谱遥感数据的具体波段情况综合利用这些光谱特征估算不同沉水植物的盖度变化。

[1] 王卫红,季民.沉水植物川蔓藻的生态学特征及其对环境变化的响应[J].海洋通报,2006,25(3)∶13-22

[2] 吴振斌,邱东茹,贺锋,等.沉水植物重建对富营养水体氮磷营养水平的影响[J].应用生态学报,2003,14(8)∶1 351-1 353

[3] Meerhoff M,Mazzeo N,Moss B, et al.The Structuring Role of Free-floating Versus Submerged Plants in a Sub Tropical Shallow Lake[J]. Aquatic Ecology,2003(37)∶377-391

[4] 甘甫平,熊盛青,王润生,等.高光谱矿物填图及示范应用[M].北京∶科学出版社,2014

[5] 张凯,郭铌,王润元,等.西北荒漠草甸植被光谱反射特征研究[J].地球科学进展,2006,21(10)∶1 063-1 069

[6] 袁琳,张利权.大型沉水植被狐尾藻不同盖度的光谱特征[J].遥感学报,2007,11(4)∶609-616

[7] Zomer R J,Trabucco A,Ustin S I.Building Spectral Libraries for Wetlands Land Cover Classification and Hyperspectral Remote Sensing[J].Journal of Environmental Management,2009(90)∶2 170-2 177

[8] PU R L,Bell S,Meyer C,et al.Mapping and Assessing Seagrass Along the Western Coast of Florida Using Landsat TM and EO-1 ALI/Hyperion Imagery[J].Estuarine,Coastal and Shelf Science,2012(115)∶234-245

[9] Jakubauskas M,Kindscher K,Fraser A,et al.Close-range Remote Sensing of Aquatic Macrophyte Vegetation Cover[J].International Journal of Remote Sensing,2000,18(21)∶3 533-3 538

[10] 张春梅,张建明.基于高光谱影像的干旱区草地光谱特征分析[J].光谱学与光谱分析,2012,32(2)∶445-448

[11] Underwood E C,Mulitsch M J,Greenberg J A,et al.Mapping Invasive Aquatic Vegetation in the Sacramento-San Joaquin Delta Using Hyperspectral Imagery[J].Environmental Monitoring and Assessment,2006(121)∶47-64

[12] Hestir E L,Khanna S,Andrew M E, et al.Identification of Invasive Vegetation Using Hyperspectral Remote Sensing in the California Delta Ecosystem[J].Remote Sensing of Environment,2008(112)∶4 034-4 047

[13] 浦瑞良,宫鹏.高光谱遥感及其应用[M].北京∶高等教育出版社,2000

[14] 付元元,王纪华,杨贵军,等.应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算[J].光谱学与光谱分析,2013,33(5)∶1 315-1 319

[15] 李小文,刘素红.遥感原理与应用[M].北京∶科学出版社,2008

P237

B

1672-4623（2016）05-0041-03

10.3969/j.issn.1672-4623.2016.05.013

柴颖，硕士，主要从事生态遥感与GIS研究。

2015-05-13。

项目来源：中国科学院战略性先导科技资助项目（XDA05050106）。