典型滩涂植被米草和芦苇叶片高光谱特征分析*

杜正朕，王 琳，包云轩，周 晓

（南京信息工程大学气象灾害预报和评估协同创新中心/江苏省农业气象重点实验室，南京 210044）

传统的植被监测方法主要是靠人工采样，覆盖范围小，费时费力，还有可能破坏湿地，效果往往不尽如人意[3]。高光谱遥感信息具有波段多、波谱连续等特点，能实时获取所观测对象的光谱分布。随着高光谱遥感技术的普及以及数据库的完善，遥感技术已经成为识别与监控大尺度植被的重要手段[4]，在精确识别滩涂湿地植被方面已取得较多成果，Pengra 等[5]利用高光谱卫星图像和高光谱传感器绘制了北美入侵植物南芦苇的图谱。Lee 等[6]利用遥感技术监控不同时期台湾淡水河口红树林群落，进而分析提取不同时期植被的面积和类型。Zomer 等[7]通过对加利福尼亚等三处沿海湿地中的植物冠层和叶片光谱进行观测，将不同波段范围内的植物光谱特征进行了归纳。刘润红等[8]通过不同分辨率的遥感影像，对滨海湿地的资源管理与生态监控进行了综合评价。谢静等[9]结合不同时期的遥感图像，提取不同月份的湿地特征信息，对三江平原内湿地面积和类型格局变化进行了归纳分析。宋仁飞等[10]以东洞庭湖为研究对象，利用高光谱技术对苔草、芦苇、芦蒿、辣蓼和旱柳开展了数据变换和分类识别。此外，利用遥感技术能够识别湿地植被类型并进行生物量反演研究[11]。Wang 等[12]根据不同湿地植被光谱的差异，利用高空间分辨率图像与LiDAR 数据整合并绘制了高精度的米草生物量图谱。

但近年来，针对滩涂湿地生态系统的研究大多集中在湿地资源的合理开发利用[13-14]，而且针对湿地植被光谱的研究也多集中在选取最优方法进行湿地植被种类划分上，对不同生长时期不同植被的光谱反射率差异的研究鲜有关注。因此，本研究以江苏盐城湿地珍禽国家级自然保护区内的本地植物芦 苇和外来入侵植物互花米草为研究对象，在原始光谱的基础上，利用连续统去除法和一阶导数光谱对不同时期两种植物的光谱特征进行分析，以期实现快速准确地识别湿地内不同植被，从而为湿地植被的动态监测和湿地生态系统的保护提供参考。

1 材料与方法

1.1 研究区域概况

江苏盐城湿地珍禽国家级自然保护区为中国最大的海岸湿地保护区，地处江苏省盐城市东部（32o48′47″-34o29′28″N，119o53′45″-121o18′12″E），总面积约为2.4×105hm2[15]，其中核心区域面积约为2.2×104hm2（图1），核心区受到了严格的保护，人为影响较小，为本研究的开展提供了便利。研究区域内植被类型简单，且呈带状分布，自海向陆依次为互花米草、盐蒿和芦苇。其中互花米草原本为入侵物种，20 世纪60年代由人工栽种而成，现在已经发展为500～1000m 的植被带[16]。互花米草不仅可以提高土壤肥力，作为牲畜的牧草，还可以减弱海水冲击，有效防风护堤，但是其对当地的生态环境具有强烈的侵占效应，往往导致其它植物种群数量大量减少[17]。芦苇是研究区的本土物种，在净化污水和造纸工业中起着重要作用，能够为滩涂动物尤其是丹顶鹤提供珍贵的食物来源。互花米草的叶片形状、结构与芦苇极为相似，是植被类型划分中的难点。盐蒿为肉质植物，叶片呈现红色，尤其秋季红色更为鲜艳，因此，其无论在冠层结构、叶片颜色、叶面积指数等方面均与其它两种植物有明显差异，在光谱上也很容易与其它植被区分，故不作分析。

图1 研究区域位置示意图[15]Fig.1 Location of the study area in coastal beach [15]

1.2 数据采集

2017年7月18-20日和10月17-21日在核心区内设置一条垂直于海岸线的样方带。分别选取芦苇和互花米草（简称米草）作为研究对象，每种植物选取5 个样点，每个样点设置3 个大小为1m×1m 的样方（共设15 个样方）。从每个样方中随机选择10个叶片，使用美国ASD FieldSpec3 便携式地物光谱仪在室内分别对叶片的上中下3 个部位进行观测，取平均值作为该叶片的光谱数据。

1.3 光谱数据处理

利用ViewSpec Pro软件对光谱数据进行预处理，导出原始光谱和一阶导数数据。利用Origin 软件进行平滑处理，减小噪声。利用ENVI 软件将平滑过的数据导入，并进行连续统去除。连续统去除法可以有效突出光谱曲线的吸收和反射特征，与其它光谱曲线进行特征数值的比较，从而提取特征波段以供分类识别[18]。考虑到光谱特征主要表现在可见-近红外波段上且波长大于1000nm 以后的光谱数据受水吸收等影响波动较大[19]，所以最终选择350-1000nm波段数据，数据间隔为1nm。

利用SPSS19.0 判断两种植物叶片光谱差异的显著性水平。

2 结果与分析

2.1 两种滩涂植被光谱特征的种间差异

2.1.1 夏季光谱

“新鲜血液力量”的不断充实、“经验丰富骨干”的奋力拼搏、“忠诚天脊精神”的代代传承，为“十百千万”四大工程积极推进积蓄了充沛能量。

图2a 为夏季芦苇和米草的原始光谱曲线。从整体上看，夏季芦苇和米草的光谱曲线基本一致，且两者在绿光波段以550nm 附近为中心处均表现出明显的反射峰，在红光波段以670nm 附近为中心处均表现出明显的吸收谷。在可见光波段米草的光谱反射率略高于芦苇，在近红外波段反而低于芦苇，但这种差异未达到显著性水平。

图2b 是连续统去除后的光谱曲线。由图可见，在对原始光谱进行连续统去除之后，曲线特征与原光谱曲线特征产生了变化。米草和芦苇在以490nm 附近为中心的蓝光波段和以670nm 为中心的红光波段均表现出明显的吸收谷，在以540nm 为中心的绿光波段处均表现出明显的反射峰。在379-722nm 的可见光波段范围内米草反射率高于芦苇，且二者差异在400-690nm波段范围内大多达到显著性水平（P＜0.05）。对比图2a、2b 可见，在可见光波段范围内，连续统去除法能够区分出芦苇和米草，但是在近红外波段范围内原始光谱和连续统去除法均不易区分。

图2c 为夏季两种植物的一阶导数光谱曲线，主要显示了原始光谱曲线的变化速率。由图可见，夏季两种植物的一阶导数光谱曲线特征基本一致，仅在920-964nm 波段范围内达到显著差异（P＜0.05）。在 708nm 处的反射率反应两种植物在“红边”的反射率增速达到了极值，即红边幅值达到最大。由表1 可见，夏季两种植被的红边参数无显著差别，绿峰红谷参数也较为接近，一阶导数光谱无法有效区分两者。

图2 芦苇与米草夏季（7月中旬）光谱曲线对比Fig.2 Comparison of spectral curves between Phragmites australis and Spartina alterniflora in summer (in the middle ten-day of July)

表1 夏季两种植被光谱特征参数Table 1 Spectrum parameters of two vegetation types in summer

2.1.2 秋季光谱

由图3a 可以看出，秋季芦苇和米草的光谱曲线也基本一致，均在绿光波段以550nm 为中心表现出明显的反射峰，在红光波段以670nm 为中心表现出明显的吸收谷，在此之后的波段反射率都呈现先上升后基本稳定的趋势。在秋季，芦苇的反射率一直高于米草，整个波段范围内差异达到显著性水平（P＜0.05），利用原始光谱反射率的差异可以直观区分两者。

图3 芦苇与米草秋季（10月中旬）光谱曲线对比Fig.3 Comparison of spectral curves between Phragmites australis and Spartina alterniflora in autumn (in the middle ten-day of October)

图3b 为原始光谱曲线进行连续统去除后获得的曲线图，在该图中，两种植物的光谱曲线差异在410-518nm 达到显著水平（P＜0.05），芦苇的反射率高于米草。此外，两者的吸收谷和反射峰波段也发生了变化。两者在绿光波段以545nm 为中心处存在近乎相同的反射峰，在蓝光波段以495nm 为中心处和红光波段以678nm 为中心存在类似的吸收谷，米草吸收谷深度大于芦苇。在近红外波段范围内连续统去除后无法有效区分两种植被。

秋季两种植物的一阶导数光谱曲线（图3c）也基本一致，结合表2 可见，两种植被的红边参数差异不显著，两种植被的绿峰位置和红谷位置也十分接近，但芦苇的绿峰红谷幅值大于米草。

表2 秋季两种植被光谱特征参数Table 2 Spectrum parameters of two plants in autumn

2.2 两种滩涂植被光谱特征的季节差异

2.2.1 芦苇光谱

由图4a 可见，芦苇的光谱原始曲线在夏季与秋季的变化趋势基本一致，但总体上夏季芦苇的反射率高于秋季，且二者在350-540nm 波段范围和红光-近红外波段（＞720nm）差异达到显著性水平（P＜0.05），可以有效识别芦苇的不同生长阶段。

经过连续统去除后的光谱曲线表明（图4b），在350-500nm 波段范围内，夏季芦苇反射率略高于秋季，而在520-700nm 波段范围内，秋季芦苇反射率 显著高于夏季（P＜0.05），且反射峰中心位置相对夏季右移，反射峰高度显著增高。说明连续统去除法在该波段内可以有效区分芦苇不同的生长阶段。

图4c 为芦苇在夏秋两季的一阶导数光谱曲线。由图可见，其一阶导数光谱曲线形态也非常接近，但在708nm 附近的峰值大小存在显著差异。结合表1 和表2 可知，芦苇夏季的红边幅值大于秋季，且差异显著（P＜0.05），但不同季节的绿峰红谷参数差异不显著。说明一阶导数光谱在红边位置可以区分芦苇不同的生长阶段。

图4 夏秋两季芦苇的光谱曲线对比 Fig.4 Comparison of spectral curves of Phragmites australis in summer(the middle ten-day of July) and in autumn (the middle ten-day of October)

2.2.2 米草光谱

图5a 为夏季和秋季米草的原始光谱曲线。由图可见，整体上夏季和秋季米草光谱曲线形态基本一致。在350-1000nm 波段，夏季反射率显著高于秋季（P＜0.05），由此可以有效区别米草的不同生长阶段。

经过连续统去除后（图5b），米草在不同季节的差异主要体现在可见光波段。其中秋季光谱曲线在350-524nm 波段范围内显著低于夏季（P＜0.05），在524-590nm 波段范围内显著高于夏季（P＜0.05），且夏秋两季的反射峰和吸收谷也呈现出不同的分布：夏季光谱曲线仅在绿光波段以536nm 为中心处表现出明显的反射峰，而秋季在绿光波段以436nm 为中心处还存在一个反射峰，其高度明显低于夏季，但原曲线中相同位置处的反射峰中心移动到绿光波段541nm 处，并且反射峰高度显著增加。秋季米草在蓝光波段以495nm 为中心处和红光波段以677nm 为中心处的吸收谷深度相比夏季也出现明显降低。可见，在350-590nm 波段范围内，连续统去除法也可以区分米草的不同生长阶段。

图5c 为米草在夏秋两季的一阶导数光谱曲线。由图可见，红边位置处夏季峰值显著大于秋季（P＜0.05）。结合表1 和表2 可知，米草夏秋两季的红边、绿峰和红谷位置都很接近，但夏季的红边、绿峰和红谷幅值皆大于秋季。

图5 夏秋两季米草的光谱曲线对比Fig.5 Comparison of spectral curves of Spartina alterniflora in summer(the middle ten-day of July) and in autumn (the middle ten-day of October)

3 结论与讨论

3.1 讨论

本研究以江苏盐城湿地珍禽国家级自然保护区内芦苇和米草为研究对象，对其原始光谱特征、连续统去除后的光谱特征，以及一阶导数光谱特征进行比较，并分析不同品种不同季节间的光谱差异。研究表明，夏季芦苇和米草原始光谱曲线大体一致，光谱特征差异较小，两者无法有效区分。但在经过连续统去除之后，两者曲线差异较大，在可见光波段芦苇光谱反射率显著低于米草（P＜0.05）。而秋季芦苇和米草原始曲线差异显著，芦苇的反射率高于米草，且在整个波段内都达到显著性差异（P＜0.05）。秋季光谱经过连续统去除后光谱反射率差异反而仅在410-518nm 达到显著性水平（P＜0.05），芦苇的反射率高于米草。何美梅[20]研究表明，7月互花米草和芦苇的光谱曲线都表现出典型的绿色植物光谱特征，两者曲线基本相似，但连续统去除后降低了环境条件对光谱反射率的影响，使不同反射光谱之间的差异增大，因此，在可见光波段内出现了显著性差异。10月米草正处于植株缓慢变黄并且部分米草倒伏的阶段，这也解释了秋季米草光谱曲线波动较多，反射率降低的现象。张雪薇等[21]在长江口南汇湿地的研究结果与本次试验得出结论相似，即7月两种植被的原始光谱特征差异较小，经过连续统去除后，两者差异却非常显著。“红边”是植被光谱最显著的表现之一，其所在的波段位置出现一阶导数光谱反射率值为最大值，不同植被甚至是同种植被不同生长状态的“红边”位置会存在差异[22]。除了秋季芦苇的绿峰红谷明显高于米草外，其余红边参数和绿峰红谷参数基本相同，一阶导数光谱和光谱特征参数基本无法区分两者。张启明[23]在研究长江口南汇东滩植被时也发现了类似现象，夏季两者的光谱特征参数差异很小，不易区分。

综上所述，在400-690nm 波段范围内使用连续统去除法后，夏季米草的反射率高于芦苇，达到显著性差异（P＜0.05），可以有效区分芦苇和米草。在秋季，芦苇原始光谱曲线反射率在整个波段内都显著高于米草 （P＜0.05），便于直接区分两者。一阶导数光谱和光谱特征参数在夏秋两季都无法有效区分这两种植被。

通过分析植被光谱特征的时间差异发现，夏季植被的原始光谱反射率均明显高于秋季，芦苇季节间反射率差异在350-540nm 波段和红光-近红外波段范围内（＞720nm）差异达到显著水平（P＜0.05），而米草季节间反射率差异在350-1000nm 波段范围内均达到显著水平。这是因为夏季是芦苇和米草生长的旺盛期，叶片厚度较大，叶绿素含量较高，因此，反射率较高。但随着时间的推移，由于光照和温度的降低，秋季植被会逐渐衰落，光谱反射率会出现较大的降低[24]。张雪薇等[25]在研究夏秋季节潮滩植被光谱特征时发现，夏季芦苇光谱反射率大多高于秋季，因为秋季芦苇叶片细胞内的叶绿素含量明显下降，色素的分解多于合成，从而影响了芦苇的光谱曲线。对于芦苇而言，经过连续统去除后，夏季反射率在520-700nm 波段范围内显著低于秋季（P＜0.05），这恰好弥补了原始光谱在该波段范围内的不足。对于米草而言，350-590nm 波段范围内，夏秋两季反射率曲线波动较大，且差异达到显著水平（P＜0.05），可以用来确认原始光谱识别的准确性。王佳鹏[26]的研究发现，芦苇和互花米草的叶绿素含量与光谱变量相关性分别达到0.87 和0.86，因此，在秋季随着叶绿素含量的下降，植被光谱反射率会显著下降。同时，他还发现位于红光波段范围内的曲线经过连续统去除之后，与叶绿素含量的相关性更高，这与本研究结果相似。无论是芦苇还是米草，夏秋两季植被的一阶导数光谱反射率均在“红边”范围内达到差异显著，夏季植被的红边幅值大于秋季。从夏季到秋季，芦苇的绿峰红谷位置基本无变化，但米草的绿峰红谷幅值却明显减小。刘浦东[27]认为，植被叶绿素含量的差异对红边位置的光谱反射率及其通过运算得到的红边参数具有重要影响。秋季植被的叶绿素含量下降，红边幅值也随之减小。

综上所述，在350-540nm 波段和近红外波段范围内，芦苇夏季原始光谱曲线反射率明显高于秋季，可以有效区分不同生长时期的芦苇，在520-700nm 波段范围内连续统去除后更易区分。对于米草而言，整个波段范围内，夏季植被反射率远大于秋季，使用原始光谱可以快速识别。夏秋两季植被的一阶导数光谱曲线均在“红边”位置差异显著，夏季的反射率远大于秋季，由此也可识别不同生长阶段的植被。

但由于外界条件的限制，本研究仅对比了芦苇和米草在夏季和秋季的光谱差异，未来将增加春季和冬季的光谱差异，并考虑增加高光谱卫星遥感影像的研究，以进一步实现利用高光谱遥感技术对湿地不同生长阶段植被的精确识别。

3.2 结论

（1）芦苇和米草可以用高光谱数据进行区分。在夏季，使用连续统去除法后，可见光波段芦苇光谱反射率显著低于米草（P＜0.05），可以有效区分芦苇和米草。在秋季，由于芦苇和米草的原始光谱曲线差异显著，在整个波段内芦苇的反射率显著高于米草，分析原始光谱曲线更适合区分两者。

（2）同一植物类型的光谱特征在不同季节有显著差异。在350-540nm 波段和近红外波段范围内夏季芦苇光谱反射率显著高于秋季（P＜0.05），分析芦苇原始光谱曲线更容易区分植被所处的生长阶段，而在520-700nm 波段范围内，秋季芦苇光谱反射率显著高于夏季（P＜0.05），连续统去除法显得更为合适。整个波段范围内，夏季米草光谱反射率显著高于秋季（P＜0.05），分析其原始光谱曲线可以直观地区分植被所处的生长阶段。

（3）一阶导数光谱不适合单独区分芦苇和米草，但可以根据其“红边”参数以及植被光谱特征参数的变化对不同生长阶段的植被进行识别。