基于光谱信号特征的草原退化地物分类研究-莱森光学(

摘要：本文是利用低空遥感技术和人工智能技术进行荒漠草原退化地物盖度监测与健康状况评估的一项基础工作，为实时、高效的荒漠草原退化指示地物盖度统计奠定了基础，为推动区域性草原生态保护与修复提供了平台和技术支持。

本文是利用低空遥感技术和人工智能技术进行荒漠草原退化地物盖度监测与健康状况评估的一项基础工作，为实时、高效的荒漠草原退化指示地物盖度统计奠定了基础，为推动区域性草原生态保护与修复提供了平台和技术支持。

一、引言

在人类社会的进程中，环境问题逐渐成为人们关注的焦点。气候变暖、水资源匮乏、土地退化、生物多样性减少以及沙尘暴频繁发生等现象对人类的生存环境构成了严重威胁，同时也成为制约社会和经济可持续发展的重要因素。造成环境问题的根本原因大多源于人类生产活动中过度排放和对自然界物产过度开采引起的，而草原退化则是其中一个极其严重的生态问题。本文是利用低空遥感技术和人工智能技术进行荒漠草原退化地物盖度监测与健康状况评估的一项基础工作，为实时、高效的荒漠草原退化指示地物盖度统计奠定了基础，为推动区域性草原生态保护与修复提供了平台和技术支持。

二、研究区概况

格根塔拉草原处于中国北方典型的荒漠草原地带。东于锡林郭勒典型草原接壤，西与阿拉善东部草原化荒漠相邻。作为草原植被最旱生的荒漠草原，其植被盖度低，植被群落矮小，生态系统具有明显的脆弱性。研究区位于内蒙古自治区乌兰察布市四子王旗境内(图1)。

图6研究区域示意图

该地区被认为是中国三大生态脆弱带之一。四子王旗地貌山地、丘陵和高原面积占比分别为4.1%、56.1%和39.8%。四子王旗草地总面积占全旗国土面积的85.4%，主体草原类型为荒漠草原，如图2所示。近年来，随着气候变暖、人类活动和畜牧业生产等因素的影像，荒漠草原退化现象显著加剧，生态系统协调能力持续下降，进一步提高了草原的脆弱性。据统计，辖区内约90%的草原已被划分为退化草原。受气候条件及地形地貌的影响，全旗地下水系分布不均匀，水资源匮乏，草原地区呈半缺水或缺水状态。

图2 2022年7月研究区域地貌

无研究区植物群落主要由旱生性植物种组成，群落结构简单，草层低矮且稀疏分布，如图3所示。该生态系统中，生物多样性和生物量相对较低，植被类型多以耐寒抗旱性种类为主。建群种和优势种包括短花针茅、无芒隐子草以及沙生针茅等;退化指示种为小半灌木冷嵩;伴生种有小叶锦鸡儿、狭叶锦鸡儿和驼绒藜等灌木;一年生植物以阿尔泰狗娃花、猪毛菜和栉叶蒿为主。短花针茅、无芒隐子草和小半灌木冷嵩等植被在研究区中占据了超过80%的群落生物量。此外，杂类草主要以旱生和中旱生杂草为主。

图3 2021年研究区植被盖度分布图

三、数据采集及预处理

依据国家技术标准《天然草地退化、沙化、盐渍化的分级指标》(GB19377-2003)，天然草地退化监测的监测项目主要包含植被群落组成结构、群落特征、指示植物、地上产草量、地表特征、土壤养分和土壤理化性质等7项指标。本研究以格根塔拉荒漠草原植被盖度、裸露土壤面积占比以及退化指示植物群落盖度为研究对象，其中退化指示植被群落包括建群种短花针茅、退化指示种冷蒿和优势种无芒隐子草等植物。根据荒漠草原气候特征及天然草地的物候期特性，选择在2021～2023年的植被长势较好的7～8月进行数据采集。

3.1野外调查及样方布置

野外调查主要包括对研究区进行人工踏访、RTK样方定位和样方布置等，并获取样方冠层RGB图像。随后通过目测法对每一个样方进行观测，主要记录植被垂直投影面积、裸土面积、植被群落数量和植被群落相对占比等指标。

图4外业调查与样方布置

3.2 数据采集

本研究采用无人机悬停扫描方式采集荒漠草原退化地物高光谱遥感影像。地面站通过无线通信技术发送指令，使得操作员能够实时控制无人机的飞行方向、高度、速度等参数。

3.3数据预处理

在进行无人机高光谱遥感影像数据采集时，由于云量、强风以及其他外在因素的干扰，导致影响成像质量，包括图像过曝光和扭曲变形等。为确保获取数据的有效性，首先通过人工检查的方式剔除扭曲变形等成像不佳的遥感影像，然后将数据导入软件进行反射率校正，即结合标准板和暗电流将无量纲的DN值转换为地物光谱反射率，如图5所示。

图5 高光谱遥感影像辐射校正图

反射率校正前；（b）反射率校正后

四、基于光谱信号特征的草原退化地物分类研究

本章结合以往的研究数据以及研究区草原植被群落的结构低矮、稀疏分布特性，选择了四种适用于计算低密度绿色植被覆盖度的植被指数，包括归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)和差值植被指数(DVI)等，以比较不同植被指数对低空无人机高光谱遥感影响的荒漠草原植被盖度的估算能力及精确度，如表1所示。

表1 常用植被指数及其特性

4.1荒漠草原退化指示地物光谱特性分析

本研究在2021～2023年期间共获取了450幅低空无人机高光谱遥感影像，所采集地光谱数据包含256个波段，覆盖波段范围为400nm～1000nm。丰富的地物光谱信息为准确识别目标提供了数据基础。本节将对利用无人机高光谱遥感获取的荒漠草原退化指示地物影像进行光谱特性分析，研究选取了裸土、植被以及非植被进行光谱特性分析，其中非植被主要以枯草为主。选取经过预处理的无人机高光谱遥感影像中具有代表性数据，进行反射率光谱特性分析。利用ENVI软件分别绘制各类地物反射率光谱曲线，其中不同颜色的反射率光谱曲线分别代表取自不同感兴趣区域的纯净像元，如图6所示。

图6 地物反射率光谱曲线

（a）裸露土壤；（b）植被；（c）非植被

通过图6(a)可以看出，土壤在可见光范围内表现出较低的反射率，尤其在蓝光和绿光波段，红光波段反射率逐渐上升，且随着波长的增加土壤的反射率呈现上升趋势。植被在可见光波段的光谱特征受到叶绿素的影响，其主要吸收蓝光和红光，而在绿光波段的吸收相对较弱，导致可见光中绿光波段560nm波长附近形成反射峰(559.9nm)，相比之下，在红光波段670nm波长附近形成反射谷(672.2nm)，所谓“绿峰红谷”，如图6(b)所示。同时，随着波长的增加反射率呈现出陡增的趋势。在近红外波段，特别是在红边690nm～750nm附近，植被的反射率显著上升，表现出植被对近红外光有较强的反射。总体而言，植被光谱曲线存在蓝谷、绿峰、红谷和近红外反射平台等特征。枯草由于失去了植被原有的水分和叶绿素，其反射率光谱特征主要由木质素、纤维素及氮含量等决定，相比绿色植被差别较大，在可见光波段不具备蓝谷、绿峰及红谷等绿色植被的反射率特征。其反射率光谱曲线随着波长的增加表现出线性增长趋势，且在500nm～1000nm范围枯草的反射率始终低于裸露土壤，如图6(c)所示。

图7 地物反射率平均光谱曲线

为了更好的展示荒漠草原退化指示地物的反射率光谱曲线特性，采用多点平均法分别提取上述地物的反射率平均光谱曲线。通过选取每类地物感兴趣区域各300个纯净像元，并平均运算得到各类地物反射率均值，光谱反射率均值公式如式(2)所示，得到裸土、植被和非植被的光谱反射率曲线，如图7所示。

3.2退化指示植被群落光谱特征分析

本节将重点分析退化指示植被群落的反射率光谱曲线，以进行建群种(短花针茅)、退化指示种(冷蒿)和优势种(无芒隐子草)群落的阈值分类研究。

在处理无人机高光谱遥感系统采集的植被纯样方影像数据时，研究采取了一种综合的样方选择策略，以避免单一样方数据代表性不足、误差影响大和空间变异性等问题，从而提升数据的代表性和可靠性。首先，将对整个研究区域的植被纯样方高光谱数据按照群落类型进行分类，每一类植被群落都被视为一个独立的研究单元;接着，从每一类植被群落研究单元中随机选择三个样方进行反射率光谱曲线分析，其能够更好的反映整个研究区域的植被状况，详见图8.

图8 纯样方假彩色图像（a）植被群落假彩色图像；（b）植被增强图像

图中依次排序为建群种、退化指示种和优势种群落。图9中分别展示了建群种、退化指示种和优势种植被群落高光谱影像中随机提取的20个纯净像元反射率光谱曲线，不同曲线颜色分别代表取自不同的感兴趣区域。总体而言，图9a、33b和33c揭示了荒漠草原退化指示植被群落的反射率光谱曲线走势在很大程度上是一致的，展现出了典型绿色植被光谱的“绿峰”、“红谷”、“红边”特征，且存在区分度较低。具体分析植被群落光谱曲线特征，统计出蓝谷区域的反射率约为5%，绿峰区域反射率在6%～8%之间，红谷反射率在4%～8%之间，而近红外波段反射率在12%～28%之间。

图9 植被群落光谱反射率曲线（a）建群种；（b）退化指示种；（c）优势种

本章所使用的无人机高光谱遥感的荒漠草原退化指示植被群落纯样方影像数据主要包含建群种、退化指示种、优势种、枯草(枯枝落叶)和裸土等。为了更清晰地揭示退化指示植被群落的反射率光谱曲线特征，本节采用光谱反射率均值公式进行平均运算。分别从每类植被群落中分别提取300个纯净像元的反射率平均光谱曲线，详见图10.

图10 植被群落反射率平均光谱曲线

从图中可以观察到，植被群落在波长560nm(555.2nm～562.3nm)附近具有较明显的绿光反射峰，波长680nm(674.6nm～684.3nm)附近具有明显的红光吸收谷;在波长400nm～720nm之间建群中和优势种反射率光谱曲线存在高度重合;而退化指示种在波长720nm～1000nm之间光谱反射率明显高于建群种和优势种植被群落;且优势种在波长730nm～900nm之间光谱反射率偏高于建群种。

四、小结

本章阐述了植被指数在地表观测方面的研究概况，并对常用植被指数进行了介绍;研究分析了荒漠草原退化地物光谱特性，并利用归一化植被指数、土壤调节植被指数提取了植被的光谱特征信息，针对传统植被指数中裸土和非植被阈值区间重叠较高的问题，采用J-M距离法进行特征波段提取，成功实现了裸土和非植被的分类;深入分析了植被群落反射率光谱特性，针对建群种、退化指示种和优势种具有典型绿色植被光谱的“绿峰”、“红谷”、“红边”特征，同时反射率光谱曲线存在高度一致问题，依据波长730nm～900nm区间植被群落光谱反射率特征，利用特征波段求和方式研究了植被群落阈值分布区间。

相关推荐