基于高光譜遙感的山區(qū)經(jīng)濟(jì)林樹(shù)種識(shí)別研究

引言

經(jīng)濟(jì)林是我國(guó)森林資源的重要組成部分，關(guān)系到國(guó)民經(jīng)濟(jì)和社會(huì)的發(fā)展，具有經(jīng)濟(jì)、社會(huì)和生態(tài)三大效益，在維護(hù)國(guó)家生態(tài)環(huán)境安全、豐富林產(chǎn)品供給、增加農(nóng)民收入和提高生活質(zhì)量等方面具有巨大貢獻(xiàn)且地位不可替代。開(kāi)展經(jīng)濟(jì)林調(diào)查工作，對(duì)于了解和掌握經(jīng)濟(jì)林資源現(xiàn)狀和分布信息、提高林業(yè)整體發(fā)展水平、以及科學(xué)經(jīng)營(yíng)與持續(xù)利用森林資源等都具有十分重要的意義。

樹(shù)種識(shí)別是林業(yè)資源調(diào)查的重要組成部分，而準(zhǔn)確識(shí)別樹(shù)種對(duì)于自然資源管理十分重要。由于早期技術(shù)手段落后，常規(guī)的樹(shù)種識(shí)別主要以實(shí)地調(diào)查為主，其工作量大、勞動(dòng)強(qiáng)度高、耗費(fèi)大量時(shí)間與資源、成本高且效率低，并且復(fù)雜的地理環(huán)境給調(diào)查工作增加了一定的難度和危險(xiǎn)。

近年來(lái)快速發(fā)展的遙感技術(shù)，使森林資源信息的獲取更加便捷、準(zhǔn)確、高效，其在林業(yè)資源監(jiān)測(cè)及樹(shù)種分類識(shí)別等方面具有十分重要的作用，逐漸成為林業(yè)資源監(jiān)測(cè)的重要技術(shù)手段。

材料與方法

2.1 研究區(qū)概況

研究區(qū)位于河北省保定市滿城區(qū)龍門山莊現(xiàn)代農(nóng)業(yè)園區(qū)，地理坐標(biāo)范圍為東經(jīng)115°26'~115°27'，北緯 39°09'~39°10'，海拔約為11030米，屬于太行山區(qū)，該地區(qū)氣候?qū)倥瘻貛О霛駶?rùn)半干旱大陸性季風(fēng)氣候，四季分明，光照充足，雨熱同期。當(dāng)?shù)啬昶骄鶜鉁?2.9°C，日照時(shí)數(shù)2412.7小時(shí)無(wú)霜期大約190 天平均降水約 546.5毫米，摘植生態(tài)林28萬(wàn)余株，種植經(jīng)濟(jì)林約134 hm2，主要裁種的經(jīng)濟(jì)林樹(shù)種:蘋果、、柿、櫻桃、核桃、棗樹(shù)、桃樹(shù)等，其中棗樹(shù)和桃樹(shù)種植數(shù)量較少，故本研究選取蘋果、杏樹(shù)、柿樹(shù)、櫻桃、核桃，以及生態(tài)林洋槐，共6種樹(shù)種為研究對(duì)象，具體樹(shù)種類型及葉片特見(jiàn)表 1，研究區(qū)位置及況如圖1所示。

圖1研究區(qū)位置及概況圖

表１研究選取樹(shù)種類型及特征

2.2 冠層高光譜數(shù)據(jù)獲取

冠層光譜數(shù)據(jù)采集時(shí)間為2021年8月14日一16日，測(cè)量時(shí)間在北京時(shí)間中午11:00-14:00，測(cè)量光源為太陽(yáng)光。采集光譜時(shí)需要天氣狀況保持晴朗無(wú)云、無(wú)風(fēng)，采集人員需穿著深色衣服以減少對(duì)測(cè)量結(jié)果的影響。測(cè)量冠層高光譜反射率前，需要使用標(biāo)準(zhǔn)白板進(jìn)行校正。測(cè)量時(shí)，將地物光譜儀傳感器探頭垂直向下正對(duì)待測(cè)樹(shù)種冠層，高度保持在1m左。采集人員面向光源，盡量在短時(shí)間內(nèi)完成一組數(shù)據(jù)的測(cè)量。由于太陽(yáng)入射隨時(shí)間變化會(huì)發(fā)生改變，每間隔10分鐘需再次進(jìn)行白板校正，以保證測(cè)量結(jié)果的準(zhǔn)確性。進(jìn)行光譜采集的同時(shí)，需要記錄采樣點(diǎn)的位置信息。冠層光譜數(shù)據(jù)采集時(shí)，每個(gè)樹(shù)種選取長(zhǎng)勢(shì)具有代表性的10棵，每棵樹(shù)采集10條數(shù)據(jù)，即各樹(shù)種分別采集100個(gè)光譜數(shù)據(jù)，最終取平均值作為該樹(shù)種的冠層光譜反射率。

2.3 葉片高光譜數(shù)據(jù)獲取

葉片光譜數(shù)據(jù)采集時(shí)間同樣為2021年8 月14日一16 日，測(cè)量時(shí)間為中午11:00一14:00，太陽(yáng)光為光源。采集數(shù)據(jù)時(shí)保證天氣晴朗無(wú)云、無(wú)風(fēng)。使用儀器自帶的葉片夾進(jìn)行光譜數(shù)據(jù)的采集，首先進(jìn)行白板校正，在校正完畢后，開(kāi)始葉片光譜的測(cè)量。葉片光譜數(shù)據(jù)采集時(shí)，每個(gè)樹(shù)種選取長(zhǎng)勢(shì)具有代表性的10 棵，每上選擇 10個(gè)葉片，即各樹(shù)種分別采 100個(gè)葉片光數(shù)據(jù)，最后通過(guò)計(jì)算得到的平均值作為該樹(shù)種的葉片光譜反射率。

材料與方法

3.1 基于地面高光譜數(shù)據(jù)樹(shù)種光譜特征分析

3.1.1 原始光譜特征分析

將地面高光譜數(shù)據(jù)經(jīng)過(guò)異常值去除、去除水汽吸收波段、求平均及 S-G 平滑降噪處理后，得到圖2和圖所示研究區(qū)6種樹(shù)種的原始平均光譜曲線，具有典型綠被反光特征。由于葉綠素在 400~760 nm內(nèi)對(duì)紅光光具有吸用對(duì)綠光產(chǎn)較強(qiáng)的反作用，因此綠色植被在此區(qū)域具有兩谷一峰的明顯變化特。第一個(gè)吸出現(xiàn)在 490 nm附近，在400~500nm之間，反射率較低且變化平緩，6種樹(shù)種的反射率值均在0.1以下，當(dāng)波長(zhǎng)逐漸增大到550nm附近時(shí)，出現(xiàn)第一個(gè)反射峰，這是由于該區(qū)域是葉綠素的強(qiáng)反射帶，因此形成明顯凸起的反射綠峰，6 種樹(shù)種的反射率值均在 0.06-0.12 左右。此時(shí)，櫻桃和洋槐的反射率較高，超過(guò)了0.11，蘋果的反射率較低，為0.07。此后反射率開(kāi)始下降，在670nm 附近出現(xiàn)第二個(gè)吸收谷，即“紅谷”，這是因?yàn)槿~綠素在這一區(qū)域具有較強(qiáng)的吸收作用，六種樹(shù)種的反射率值均在 0.03~0.06 之間。在670~750nm之間，6種樹(shù)種的光譜反射率急劇上升曲線斜率迅速增大，出現(xiàn)明顯的反射陡坡，即“紅邊”效應(yīng)，主要是此波長(zhǎng)范圍內(nèi)的綠色植被光譜特征受葉片的內(nèi)部結(jié)構(gòu)的影響。在 750-960nm范圍內(nèi)出現(xiàn)了六種樹(shù)種的第二個(gè)反射峰,反射率值在0-0.6之間明顯高于第一個(gè)反射峰。6 種樹(shù)種的葉片光譜反射率值由高到低依次為子、果、杏樹(shù)、核桃、樓桃、洋槐，各個(gè)樹(shù)種的光譜反射率之間具有一定差異。在 960~1000 nm之間，所有樹(shù)種的光譜反射率值出現(xiàn)先下降后升高的趨勢(shì)，其中970nm附近為水汽的吸帶，對(duì)反射率有一定影響。

圖2基于地面高光譜６種樹(shù)種葉片原始光譜曲線

圖3是6種樹(shù)種冠層原始光譜曲線，總體上看各個(gè)樹(shù)種之間存在一定差異，但隨著波長(zhǎng)增加反射率值的變化勢(shì)基本相同，表現(xiàn)出典型被的光征。

圖3基于地面高光譜６種樹(shù)種冠層原始光譜曲線

在 400~670 nm范圍光曲線仍然表現(xiàn)出“兩谷一峰”的特點(diǎn)，分別在490nm和670nm達(dá)到較低值。在550nm處各個(gè)光反射率達(dá)到峰值，反射率值最大在0.07左右，其中蘋果在550nm處各個(gè)光譜反射率值與其他樹(shù)種相比最低，能夠被明顯區(qū)分開(kāi)，在 670~750nm之間，各個(gè)樹(shù)種反射率快增強(qiáng)，形成明顯“紅邊”。在750~960nm范圍內(nèi)，6種樹(shù)種的冠層反射率值繼續(xù)增大，在960nm附近出現(xiàn)峰值，此范圍內(nèi)除柿子和洋槐，其他樹(shù)種的冠層光譜反射曲線具有顯著差異，且柿子和洋槐的反射率值高于其他樹(shù)種，此區(qū)間內(nèi)光譜反射率值由大到小依次為:洋槐、柿子、蘋果、核桃、櫻桃、杏樹(shù)。在960~1000nm范圍內(nèi)，各個(gè)樹(shù)種的光譜曲線表現(xiàn)出明顯的先下降后上升的趨勢(shì)，且與葉片光譜曲線相比更加顯著。

結(jié)果與分析

本研究使用高光譜遙感數(shù)據(jù)進(jìn)行樹(shù)種識(shí)別，雖然在空間及光譜維度上具有較高的分辨率，但是在識(shí)別過(guò)程中會(huì)受到各種因素的影響，導(dǎo)致目標(biāo)地物出現(xiàn)“異物同譜”和“同物異譜”現(xiàn)象而地物自身具有植被指數(shù)信息和紋理特征，在樹(shù)種別過(guò)程中加入植被指數(shù)和紋理特征對(duì)樹(shù)種識(shí)別的精度有一定的提升。本文在對(duì)研究區(qū)6種種進(jìn)行識(shí)別的過(guò)程中，當(dāng)加入植被指數(shù)和紋理特征參與識(shí)別時(shí)，總體識(shí)別精度得到了一定的提升。同時(shí)，在結(jié)合相關(guān)算法進(jìn)行分類時(shí)，紋理特征對(duì)分類結(jié)果有一定的促進(jìn)作用，植被指數(shù)和紋理特征在經(jīng)濟(jì)林樹(shù)種識(shí)別中具有重要意義。

推薦：

便攜式地物光譜儀iSpecField-NIR/WNIR

專門用于野外遙感測(cè)量、土壤環(huán)境、礦物地質(zhì)勘探等領(lǐng)域的最新明星產(chǎn)品，由于其操作靈活、便攜方便、光譜測(cè)試速度快、光譜數(shù)據(jù)準(zhǔn)確是一款真正意義上便攜式地物光譜儀。

審核編輯 黃宇