南矶湿地国家自然保护区典型植被光谱波段特征分析及建库

黄灵光 周学林

摘要：对鄱阳湖南矶湿地国家自然保护区具有典型代表性的湿地植被苔草、芦苇、南荻、虉草、水蓼、蒌蒿和狗牙根开展高光谱特征研究，在分析反射光谱数据的基础上，采用一、二阶导数方法分析各植被类型的反射光谱波段特征差异。结果表明，这7种植被在可见光波段内光谱反射率均低于15%；在“红边”位置的吸收率大小为蒌蒿>狗牙根>苔草>水蓼>芦苇>南荻>虉草，芦苇的红边斜率最大；一阶导数方法不能得到各植被光谱最佳特征波段，但二阶导数效果很好，显示7种典型植被类型在685.8、692.4、698.6、704.3、737.5、746.2 nm，差异明显；典型植被光谱库的建立，将为湿地植被分类提供基础数据。

关键词：湿地；植被类型；光谱特征；光谱反射率

中图分类号：S342.2 文献标识码：A 文章编号：0439-8114（2018）11-0103-04

DOI：10.14088/j.cnki.issn0439-8114.2018.11.026

Abstract： The hyperspectral characteristics of the typical representative of wetland vegetation moss grass，reeds，south should realize，Yi grass，water smartweed， artemisia selengensis and bermudagrass of Poyang Lake south Los Angeles wetland national nature reserve，based on the analysis of spectral reflectance data， using first-order derivative，the second derivative method to analyze the reflection spectrum band characteristic diversity of vegetation types. The results show that the spectral reflectance of these seven species in the visible band is lower than 15%. In "red edge" position the absorption rate of size of artemisia selengensis>bermudagrass>carex>water smartweed reeds>the national south Yi grass，reed，red edge slope. First derivative method can't get the best characteristics of vegetation spectral bands， but the second derivative effect is very good， according to seven kinds of typical vegetation type in 685.8 nm，692.4 nm，698.6 nm，704.3 nm，737.5 nm and 746.2 nm， which have obvious difference. The establishment of typical vegetation spectral library will provide basic data for wetland vegetation classification.

Key words： wetland；vegetation types；spectral characteristics；spectral reflectance

濕地植被是湿地生态系统的主要初级生产者，也是湿地生态系统监测的重点和候鸟觅食栖息地重要组成部分[1，2]。湿地植被识别、分类是湿地植被监测的重要内容之一。植被光谱测量与分析，是一项基础性研究工作和研究热点[3]，可为定量遥感、地物匹配、遥感分类提供基础信息[4]。

传统的湿地植被监测手段监测和技术受光谱分辨率的影响，难以实现大面积植被监测，而且耗时耗力。近年来，随着高光谱遥感技术的发展，它具有的光谱分辨率高、波段数目多、数据量丰富等显著特点，已成为湿地植被生长状况和精细分类研究的重要方向[5]。目前，国内许多研究学者在植被光谱与分类上虽然做了大量工作[6-9]，但是针对南矶湿地国家自然保护区的湿地植被光谱特征和光谱库研究较少。因此，本研究对鄱阳湖南矶湿地国家自然保护区具有典型代表性的湿地植被苔草、芦苇、南荻、虉草、水蓼、蒌蒿和狗牙根开展高光谱特征研究，在分析反射光谱数据基础上，采用一、二阶导数方法分析各植被类型的反射光谱波段特征差异，以期为该保护区的湿地植被分布制图、植被定量遥感等方面研究提供参考。

1 研究区概况

研究区位于江西省新建县南矶乡境内，面积3.33万hm2，是鄱阳湖区面积最大的国家级自然保护区。地处北纬28°51′～29°08′、东经116°10′～116°25′之间（图1）。保护区内地广人稀，自然资源极为丰富，植物物种丰富，区系成分复杂，类型多样，显示具有明显的南北植物汇合的过渡性质。据统计，保护区共有维管束植物115科304属443种，其中蕨类植物11科11属12种，裸子植物5科10属11种，被子植物99科283属420种。苔草、芦苇、南荻、虉草、水蓼、蒌蒿和狗牙根是保护区内的典型植被，分布面积广。该保护区也被誉为“白鹤王国”“候鸟乐园”和“国际级极为重要的湿地”。

2 光谱数据采集与处理方法

2.1 光谱数据采集

典型植被光谱数据采集的对象为苔草、芦苇、南荻、虉草、水蓼、蒌蒿和狗牙根，如图2所示。高光谱数据的野外光谱采集仪器选用美国ASD FieldSpec ？誖 3便携式地物波谱仪，采集的光谱范围为350～2 500 nm，其中350～1 000 nm的光谱分辨率为3 nm，采样间隔为1.4 nm；1 000～2 500 n光谱分辨率为10 nm，采样间隔为2 nm。采集日期为2010年秋季11月18日，光谱采集时间10：30～13：30，天气晴朗无云无风。采集部位为植被冠层，每种植被选取5个典型 2 m×2 m样方，每个样方采集10条光谱（图2）。

采集过程中，严格按照科学、严格、有效的光谱测量规范。仪器的视场角25°，探头倾角90°，离样本高度1.0 m；参考板的放置与扫描探头测量方向垂直，测定过程中用BaSO4白板进行校正。采集同时详细记录观测目标性质（植物的名称、健康程度、覆盖度、周围植被）、仪器型号、天气状况、测量时间、观测和记录人员、光谱命名及记录编号、地理坐标和高程、实地照片编号等辅助参数。最终采集得到的植被光谱数据为光谱反射率。

2.2 光谱数据处理方法

2.2.1 预处理 野外实测地物光谱数据受大气、入射角与探测角、地形、目標物等因素影响，造成实测光谱数据包括噪音光谱和地物光谱数据。所以野外采集得到的光谱数据，需要进行一些预处理，如剔除异常曲线、取均值（Mean）、平滑（Savitzky-Golay）、归一化和波段范围选择。本研究植被波段范围选择350～1 000 nm。

2.2.2 增强处理方法 为了进一步获得不同植被光谱的光谱特征差异，需要对光谱进行导数计算，目的是消除大气效应、土壤环境背景、太阳角、地形等因素的影响，增强和揭示光谱数据的细微变化和光谱峰谷特征[10]。本研究增强处理方法为一阶导数和二阶导数。为了实现光谱导数的批处理，特别编写了对应的代码。

1）一阶导数：一阶导数的差分方法公式如下。

其中，d（Ri）是波长为i时反射率的一阶导数，Ri是波长为时的反射率，？姿i是每个波段的波长，？姿i+1-？姿i-1是？姿i-1到？姿i+1采样光谱间隔。

一阶导数代码：

function pf_1st_derivative， x， y， bbl， bbl_list， _extra=_extra

ptr= where （bbl_list eq 1， count）

result = fltarr（n_elements（y））

if （count ge 3） then $

result（ptr） = deriv （x[ptr]， y[ptr]）

return， result

end

2）二阶导数：二阶导数的差分方法公式如下。

其中，d（d（Ri））是波长为i时反射率的二阶导数，Ri是波长为时的反射率，？姿i是每个波段的波长，？姿i+1-？姿i是？姿i到？姿i+1的采样光谱间隔。

二阶导数代码：

function pf_2nd_derivative， x， y， bbl， bbl_list， _extra=_extra

ptr= where （bbl_list eq 1， count）

result = fltarr（n_elements（y））

if （count ge 3） then $

result（ptr） = deriv （x[ptr]， deriv（x[ptr]， y[ptr]））

return， result

end

2.3 光谱数据建立

光谱数据库是存储各类地物光谱曲线的数据库。地面物体或大气光谱库的建立对于地物光谱研究以及光谱遥感数据的应用来说十分重要[11]。本研究利用ENVI软件的光谱建库工具，建立以文件格式为ASCII格式的湿地植被光谱库。

3 结果与分析

3.1 7种典型植被的光谱反射光谱特征比较

经过预处理后，秋季的7种典型植被冠层反射率光谱特征比较如图3所示。从图3中可以看出，7种典型植被类型的反射率在350～1 000 nm内都有多个明显的反射峰和吸收谷。在可见光波段，反射率都比较低，均小于15%，差异不明显。在550 nm和690 nm处，分别对应1个很明显的“绿峰”和“红谷”，芦苇和水蓼凹凸特征相对明显。其中，红谷吸收率高低顺序依次为蒌蒿>狗牙根>苔草>水蓼>芦苇>南荻>虉草，且芦苇的红边斜率最大，造成大的原因是生长密集、覆盖度高；在近红外波，反射率差异明显，除虉草和南荻外，其他5种植被反射率曲线容易识别。

3.2 一阶导数的光谱特征

根据一阶导数公式，可以得到7种典型植被的一阶导数光谱曲线如图4所示。从图4可以看出，光谱曲线凹凸特征峰不明显，曲线趋势非常相似，仅在峰谷处的幅度略有不同，7种植被的导数最大值超过0.008的分别为芦苇、狗牙根和水蓼，其余4种最大值处于0.006左右。红边斜率最大是芦苇，这与芦苇的覆盖度和叶绿素含量有直接关系。红边位置是绿色植物在670～760 nm之间反射率增高最快的点，也是一阶导数光谱在该区间内拐点。

通过分析得到，狗牙根与其他6种植被出现“红边位置”的波段不一样，位于727 nm处，其他6种则位于719 nm处。根据一阶导数的“红边位置”可以识别狗牙根与其他6种植被，但是其余6种区分则比较困难。

3.3 二阶导数的光谱特征

由于一阶导数对7种典型植被光谱的光谱波段特征识别效果不佳，需要再进行二级导数计算，7种典型植被的反射率二阶导数光谱曲线如图5所示。它揭示了植被反射率光谱曲线的曲率变化，进一步放大了原始光谱曲线的各个变化点。当二阶导数值为正的时候，代表这些波段处于反射光谱的吸收区，曲线形态为“凹形”。当二阶导数值为负的时候，代表这些波段处于反射光谱的反射区域，曲线形态为“凸形”。当二阶导数值为零时，代表反射率光谱曲线曲率没有变化。

由图5分析得到，7种湿地植被二阶光谱曲线总体变化趋势大致相同，不同则表现在幅度变化的差异。在蓝绿波段，水蓼的吸收反射特征最为显著；在红波段的吸收波段特征为685.8、692.4、698.6 nm，近红外反射特征为704.3～753.0 nm。其中南荻、虉草和蒌蒿在957.1 nm处区分最为明显。

根据二阶导数光谱曲线的“凹凸”形状，可以选出5个极小值和5个极大值，对其频率高低进行统计分析，最终确定最佳特征波段。统计结果显示，746.2、692.4、737.5、685.8、698.6、704.3 nm波段出现的频率相对最高，可以作为其中7种典型植被的遥感反演波段。

3.4 湿地植被光谱库的建立

根据光谱库的相关标准，将经过平滑处理后的典型植物的反射光谱曲线保存成ASCII码文件，利用ENVI软件中的光谱库的创建模块生成光谱库文件，如图6所示。

4 小结

通过利用FieldSpec3便携式地物光谱仪对南矶湿地国家自然保护区内的7种典型植被进行野外光谱测量，并对其光谱反射特征进行深入分析，得到以下结论。

1）7种典型植被冠层光谱在可见光波段，反射率均小于15%，在550、690 nm处，分别对应着1个很明显的“绿峰”和“红谷”，“红谷”吸收率高低顺序依次为蒌蒿>狗牙根>苔草>水蓼>芦苇>南荻>虉草，且芦苇的红边斜率最大，造成大的原因是生长密集、覆盖度高。

2）一阶导数对7种典型植被的特征波段识别不理想，二阶导数方法效果很好。结果显示，746.2、692.4、737.5、685.8、698.6、704.3 nm能作为7种典型植被的识别特征波段。该方法可以为鄱阳湖其他湿地植被光谱特征分析提供借鉴和支撑。

3）建立的典型植被光谱库将为下一步完整的鄱阳湖植被光谱库及湿地植被类型高光谱精细遥感反演分类提供基础数据。

参考文献：

[1] 娄彦景，赵魁义，马克平.洪河自然保护区典型湿地植物群落组成及物种多样性梯度变化[J].生态学报，2000，27（9）：3883-3891.

[2] 杨亚妮.湿地生态系统研究及防治退化策略[J].自然杂志，2002，24（2）：95-99.

[3] 童慶禧，张 兵，兰 芬.高光谱遥感——原理、技术、应用[M].北京：等教育出版社，2006.

[4] LI B Z，LI M X，ZHOU X，et al.Hyperspectral esti-mation models for nitrogen contents of apple leaves[J].Journal of Re-mote Sensing，2010，14（4）：767-780.

[5] 张翼然，宫兆宁.赵文吉.等.水分环境梯度下野鸭湖湿地典型植被光谱特征分析[J].光谱学与光谱分析，2012，32（4）：743-748.

[6] 丁建丽，张 飞，塔西甫拉提·特依拜.塔里木盆地南缘典型植被光谱特征分析——以新疆于田绿洲为例[J].干旱区资源与环境，2008（11）：160-166.

76] 杨 凯，沈渭寿，刘 波，等.那曲典型草地植被光谱特征分析[J].遥感技术与应用，2014（1）：40-45.

[8] 任广波，张 杰，马 毅.黄河三角洲典型植被地物光谱特征分析与可分性查找表[J].海洋环境科学，2015（3）：420-426.

[9] 邱 琳.东洞庭湖典型湿地植被高光谱特征分析与识别[D].湖南株洲：中南林业科技大学，2013.

[10] 童庆禧，郑兰芬，王晋年，等.湿地植被成象光谱遥感研究[J].遥感学报，1997，1（1）：50-57.

[11] 周小虎，周鼎武.数字化地物反射光谱数据库研究进展[J].光谱学与光谱分析，2009，29（6）：1616-1622.