高光谱技术在植被特征监测中的应用研究

王富强

（三和数码测绘地理信息技术有限公司，甘肃 天水 741000）

光谱信息可用来表征地物特征，其分辨率的提高有助于实现对地物特征的精准识别和监测。由高光谱技术获取的光谱数据或影像，在400 nm～2 500 nm的波长范围内，光谱分辨率一般小于10 nm，能够记录瞬时视场角内几十甚至上百个连续波段的光谱数据，可反映不同地物的精细波谱信息，使在宽波段多光谱数据中不可探测的地物能够被识别。高光谱技术作为新兴遥感技术，应用了探测技术、信号监测技术以及计算机技术、信息处理技术等一系列先进技术，能够快速准确地获取目标信息，在植被特征监测中能够准确反映地区植被特征，并对不同的地质成分进行鉴别，具有分辨率高、捕获信息数据丰富等一系列特点。确保高光谱技术的功能在植被特征监测中得到充分发挥，还需要从现阶段高光谱技术在植被特征监测中的具体应用入手，以探究进一步发挥其功能的策略。

1 高光谱技术特征

高光谱技术下，光谱维度更为丰富，不再限制于R、G、B等区分办法，而是具有多个通道，能够从多角度获取数据内容，甚至能够通过获取连续性的数据信息形成谱段影像，促使信息的展现更加多维。从可见光到热红外，高光谱实现了全面覆盖。目前，利用高光谱技术对地面遥感观测，观测清晰度以及信息获取广度都得到了一定程度的提升，随着对高光谱技术研究的不断深入，地面观测能力及鉴别能力将持续增强。高光谱技术的主要特征包括高分辨率、信息反映全面、信息量庞大、传感器性能良好等几方面。

1.1 高分辨率

高光谱技术具有高分辨率的特点，能够将紫外线、微波等波段的光谱信息分割成成百上千个窄光波段，并同时获取不同类型的光谱信息，如可见光、红外线等。在当前技术下，传感器识别波段长度多为10 nm以上，性能极佳的传感器识别长度能够达到2.5 nm。而AVIRI光谱仪通常能够获取220个以上的连续高光谱波段。高分辨率为高光谱技术提供了广阔的应用空间，是高光谱遥感技术能够得到普遍应用并引起社会各界重视的原因之一[1]。

1.2 信息反映全面

高光谱技术在获取光谱图像时，能够同时获得多个光谱图像，并且能够同时显示像元的连续光谱。通过高光谱影像全面展示光谱段信息，促使高光谱影像既能反映光谱信息，又能反映影像空间特征，实现图谱合一。成像光谱仪能够捕捉到作为识别标志的光谱吸收带的全部信息，光谱吸收带展现的像元连续光谱能够准确反映地物光谱变化，从而精密反映地物差异。反映在植被监测上即动态反映植被的特征及变化。全面分析光谱波形，再对照光谱数据库信息，能够全面了解地物光谱特征，为采用光谱信息识别地物奠定了技术基础[2]。

1.3 信息量庞大

高光谱技术下，高光谱遥感具有海量波段，波段共同构成影像，促使影像包含着海量信息。而相邻波段间的关联性，会导致信息中包含大量相似的数据，造成信息冗余。不同波段的不同优势使得不能简单采用替代的方式以波段替换波段，因此信息冗余问题解决难度较大。而影像以及光谱双方面产生的信息会造成信息中包含大量隐藏信息，需要进行加工处理才能从中提取需要的信息，从而使得信息量庞大。信息量大、信息具有冗余特征以及需要对信息进行深入挖掘等都是高光谱技术的主要特征。

1.4 传感器性能良好

高光谱技术下，一般空间分辨率较高，能够保障传感器性能。通常，IFOV能够达到1.0 mrad～3.0 mrad，部分甚至小于1 mrad。传感器性能良好促使高光谱技术的应用广度以及深度都得到了加强[3]。

2 高光谱技术在植被特征监测中的优势

高光谱技术在植被特征监测中具有明显的优势。由于植物的波谱特征与其叶子的状态有直接联系，因此植物具有波谱特征明显的属性，在可见光谱段、近红外谱段、短波红外谱段等都具有明显的特征。而植被的健康情况以及植物种类都会影响光谱信息，特别是植物叶子的细胞结构、色素情况等都会对光谱信息产生影响。高光谱能够保障植被相关指标制定的准确性，并且能够精准捕捉光谱信息之间的差异，从而了解植被特征反映的信息。应用高光谱技术能够准确提取植被指数特征，应用叶绿素指标，并确定叶面积指数及植被识别指数。

2.1 保障植被相关指标制定的准确性

应用高光谱技术能够批量采集植被信息，通过对植被共性的总结，确定植被指标，从而保障植被指标设置的准确性。通过对照指标，了解植被间的差异性，再对比数据库资料，对植被情况作出精准判断。在监测植被特征中，高光谱技术的应用相较于其他监测方法，不仅精准度高、效率高，而且随着技术的提升，其特征监管效果能够得到持续提升。

2.2 确定并应用叶绿素指标

高光谱技术在植被特征监测中得到应用的前提是能够确定植被相关信息的指标，叶绿素指标对于判断植被生长状态、发育情况等具有重要作用。高光谱技术的应用保障了叶绿素指标制定的准确性，并且促使叶绿素指标得到应用。应用高光谱技术能够对植被整体的叶绿素情况作出判断，通过构建叶绿素评估模型，了解叶绿素的含量及特征。不同模型制定办法下高光谱技术的应用原理存在一定的差异。如经验模型下，模型的构建是基于植被指数、特征参数等，通过模型计算得出的数据配合植被光谱反射率能够有效了解植被的双峰冠层氮指数，再结合叶绿素指标，从而判断植被的情况[4]。

2.3 确定并应用叶面积指数

叶面积指数对于了解植被碳水循环情况及能量交换情况具有重要意义。通过叶面积指数来确定植被光谱数据的原始波段，了解原始波段对比下波段的变化能够实现对叶面积指数的定量估算。高光谱技术下，由于其波段较窄，故能够更精准、全面地展现植被相关参数信息，高光谱数据的特性促使叶面积指数信息提取度的精准性得到大幅度提升。此外，利用高光谱数据能够了解其他指数与叶面积指数之间的联系，针对不同阶段的植被特点建立不同的叶面积指数估算模型，从而提升信息提取精准度。在高光谱技术对叶面积指数进行确定并应用的过程中，合理改进高光谱技术能够持续提升指数估算精准度。

2.4 确定并应用植被识别指数

高光谱技术的特性使其在区分不同植被时，能够察觉植被间的细小差异，识别功能更强大。充分发挥高光谱技术的优势，能够确定植被的多项识别指数，并通过识别指数扩大识别信息的使用范围，丰富识别信息功能。经测试，同一科目下的植被通过高分辨率的光谱仪能够察觉科目细分下不同植被的差别，其精准度超过95%。而同一种类植被通过高分辨率的光谱仪能够精准判断植被的发育阶段以及周遭环境，如光照情况、虫害情况等。以高光谱技术为基础，对光谱下的植被进行分类整理，通过构建数据库，能确保在利用高光谱技术监测植被情况时，直观反映植被种类、生长习性、生长状态以及生长区域，从而降低光谱信息的提取难度[5]。

3 高光谱技术在植被特征监测中的应用研究

目前，高光谱技术在植被特征监测中已经得到了一定程度的应用，无论是在植被特征分析、指数提取还是植被状况监测等方面，都取得了良好的成绩。应用高光谱技术能够准确了解植被土壤情况、营养物质情况及地形地貌情况等。

3.1 在植被特征分析中的应用

高光谱技术下，植被分析工具的利用能够有效反映植被的生长情况，包括植被的健康情况、生长发育情况等。通过全面收集、整理植被信息，再结合植被各项生长指数，从而确定植物的趋势。通过应用植被指数计算工具，从Greenness、Light Use Efficiency、Dry or Senescent Carbon、Canopy Water Content等多个生物化学指数角度分析植被生长情况，并应用计算公式得出详细的能够反映植被情况的数据结果。如在谱范围为0.4 μm～2.4 μm的具有360个波段的SpecTIR高光谱中，光谱信息覆盖可见光光谱信息以及短波红外光谱信息，通过对信息的分析能够全面了解植被的生长情况。

3.2 在植被特征健康监测中的应用

应用高光谱技术能够对植被的健康情况进行监测分析。由于植被的健康情况能够反映在叶面积指数、水利用效率等多种指标上，因此，应用高光谱技术对收集到的数据资料进行分析，能够全面了解植被的健康情况。另外，通过设置相应的程序，查看冠层含氮量及绿度指数等，能够了解作物胁迫情况，而通过对光合植物碳衰减等指标的分析，能够察觉植被是否受到火灾等的威胁，并准确确认着火点[6]。

3.3 在植被虫害防治中的应用

当植被受到疾病、虫害等威胁时，不同的威胁会对植被产生不同的影响，反映在植被的叶面以及根茎上。应用高光谱遥感技术，能够清晰辨认植被的变化情况，再应用数据分析方法，能够发现植被受到的威胁。如对于植被根茎部受到损害的情况，采用Fisher判别法、微分变换法等来区分虫害种类，并及时采取相应的措施。由于植被具有地域性特征，不同地区的植被具有一定的共性，相较于其他地区的植被又具有一定的特性，因此地域范围内的虫害也具有一定的共性特征。采用高光谱技术，能够快速分析出地域范围内常见的病虫害特征，从中筛选出最符合植被情况的虫害种类[7]。

3.4 在无损检测中的应用

对于作物类植被，应用高光谱进行无损检测，能够对植被的生长地、生长情况作出判断，从而掌握不同地域的植被生长情况。将此作为种植行为的依据，能够为地域种植作物的选择提供帮助。在不同地域的同一种植被中，光谱特征既具有相似性又具有差异性，相关部门通过建立庞大的数据库，收集不同地区植被的各项指数，能够快速与采集到的光谱图像信息进行对比， 从而掌握植被的全部信息资料。高光谱技术既不会损害植被的外表，又不会影响植被的性质，此技术在药材类植被无损检测中已经得到一定的应用。以枸杞为例，采用高光谱技术对枸杞进行检测，能够有效区分枸杞属于宁夏、内蒙古还是其他地区，检测的准确率在95%左右。

3.5 在植被生物量估算中的应用

高光谱技术不仅能够直接了解植被情况，而且能够通过植被情况了解植被生长区域内生物的情况。这种估算功能对于生态保护具有重要意义，能够通过了解生物量反向制定植被监管策略，从而有效帮助相关部门把握区域内生态管理的重点。高光谱对生物量估算的主要干扰因素包括土壤背景光谱的影响以及混合像元的影响，但是采用合理的技术手段，能够降低二者对生物量估算的影响。如土壤背景光谱可通过应用快速独立分量分析法将净植被光谱独立出来，通过建立生物量模型，保障分离的精准度，提高估算的精确度。而混合像元是由于高光谱技术下空间分辨率较低造成的，可应用能够提升分辨率的技术配合高光谱技术解决这一问题[8-9]。

4 结语

综上所述，通过全面了解高光谱技术在植被特征监测中的应用，能够发现随着高光谱技术水平的持续提升，其发展前景十分广阔[10]。尽管该技术已经应用于多个领域，但是想要确保其优势在植被特征监测上得到充分发挥，还需要不断对高光谱技术的特性进行探索。