伊犁絹蒿荒漠草地退化等級的高光譜識別方法

靳瑰麗， 武紅旗， 范燕敏， 王 俊， 何 龍

(新疆農業大學草業與環境科學學院 新疆草地資源與生態重點實驗室， 新疆 烏魯木齊 830052)

新疆的荒漠草地與農區接壤，是牧民春季和秋季的主要放牧區域，也是牧民定居工程的首選地，由于近年來的人口增長以及人為干擾強度的增大，天山北坡典型荒漠草地已由傳統的草地向農田、工業及其他用地轉變，天然草地面積逐漸減少，部分草地發生退化[1]，因此對草地的退化監測也越來越重要。遙感以其宏觀、獲取信息快的特點，成為快速、有效的對草地進行監測管理的重要手段。高光譜遙感具有光譜分辨率高、信息量大的特點，在對植被特征參數計算方面大大優于常規多光譜遙感，已有研究表明利用高光譜能夠準確區分建群種和退化指示植物[2]。然而，部分研究還只是停留在群落或植物的光譜研究層面[3-4]。因此，本研究擬將荒漠草地的地面高光譜信息與環境減災小衛星A星(HJ-1A)的HSI高光譜數據相結合，探討利用高光譜遙感劃分伊犁絹蒿(Seriphidiumtransiliense)荒漠草地退化等級的方法，為退化草地的監測和管理提供參考。

1 材料與方法

1.1 研究區概況

研究區位于天山北坡中段昌吉市三工鎮以南2 km處的山前傾斜沖積—洪積扇，地理位置E 87°08′10″～87°08′32″，N 43°51′30″～43°52′12″，海拔825～897 m。具有中亞荒漠氣候的特征，年降水量為180～190 mm，年均溫為6.5℃。土壤為棕鈣土，成土母質為黃土狀物質，土層較厚。該研究區是伊犁絹蒿荒漠草地的典型分布區，由于接近居民點，導致過度放牧而出現退化。按傳統草地地面調查方法，以各植物的重要值作為數量指標，采用一維數值分析方法—游動分割窗技術，將研究區草地劃分為中度、重度和極度3個退化等級和區域[5]。

1.2 高光譜數據獲取及處理

1.2.1退化草地群落反射光譜特征采集及處理 于2011年8月下旬利用美國SVC HR-768便攜式光譜儀(光譜范圍350～2 500 nm，通道數768)分別測定中度、重度和極度3個退化等級的伊犁絹蒿荒漠草地群落光譜反射特征。實地光譜測量時選擇晴朗無云，風力小于三級天氣，測量時間在北京時間12:00—14:00。在測定反射光譜時，探頭與地面始終保持垂直，高度1 m。在每個退化等級內隨機設6個1 m×1 m樣方，每個樣方測定10條光譜反射曲線，去除異常光譜反射曲線后取平均值作為該退化草地的平均光譜反射率，然后導入ENVI5.2中，建立不同退化等級伊犁絹蒿荒漠草地標準光譜庫。

1.2.2環境衛星HSI高光譜遙感數據處理 環境與災害監測小衛星HJ-1A HSI高光譜數據獲取時間為2011年8月17日，數據產品是LEVEL 2級，空間分辨率為100 m，幅寬50 km，光譜范圍450～950 nm，波段數為115個。

(1) 噪聲去除

據郭興杰等[6]的研究表明：HJ-1A星的高光譜數據在藍綠波段(450～520 nm)易受大氣散射的影響，HSI數據的前20多個譜段有明顯的傾斜條帶噪聲，遮蔽了圖像的紋理信息，影響了數據的進一步應用。分析本研究中不同退化等級草地群落在藍綠波段的近地面反射光譜及高光譜影像反射特征可知，在500 nm之前3個退化等級草地的光譜反射率差別不大，去除后對高光譜影像分類影響較小，因此將其剔除，分類使用的波段范圍為505～950 nm。

(2) 高光譜數據預處理

本研究采用ENVI軟件FLAASH工具進行大氣校正，然后對影像進行幾何精校正，總體精度控制在0.5個像元以內。因為研究區域不大(16 km×4 km)，將研究區域范圍大致裁剪出來，保留農田邊緣與山前丘陵的范圍。最后，通過最小噪聲分離變換(Minimum Noise Fraction Rotation，MNF)前向變換分離有用信息和噪聲，得到優化圖像。

1.3 草地退化等級高光譜識別方法

本研究采用2種方法進行草地退化等級識別。方法一：利用已建立的標準光譜庫，對HSI高光譜影像進行分類，劃分研究區草地退化等級；方法二：使用HSI高光譜影像提取的光譜特征劃分草地退化等級。

1.4 分類精度評價

分別在3個退化區域內隨機選取15個小區，建立ROI文件，利用混淆矩陣進行分類精度的評價。

2 結果與分析

2.1 基于光譜庫的HSI影像進行草地退化等級劃分

2.1.1光譜角填圖法劃分草地退化等級 光譜角填圖(Spectral Angle Mapping，SAM)是目前高光譜圖像分類中最常用的方法，該方法從考慮光譜維的信息出發，強調了光譜的形狀特征，計算待測光譜與參考光譜之間的“角度”看作是判別空間矢量的相似性，通過比較角度的大小來確定兩者之間的相似性。在本研究中使用Multiple Angle對各類分別設置角度，調整到合適的參數，輸出結果如表1所示。

表1 光譜角填圖法的精度檢驗Table 1 Accuracy verification of SAM classification method/%

從總體精度與kappa系數(表1)可以看出分類質量差，其中中度、極度退化草地的漏分誤差較大。重度退化從數據上看制圖精度較高，但用戶精度低，錯分誤差較大。

2.1.2光譜信息散度法進行草地退化等級分類 光譜信息散度法(Spectral Information Divergence，SID)通過計算像元光譜和參考光譜之間的光譜信息散度來確定之間的相似性，是從信息論的角度來確定光譜相似度，從光譜的整體波形上對未知光譜進行比較，分類結果如表2所示。

表2 光譜信息散度法的精度檢驗Table 2 Accuracy verification of SID classification method/%

從總體精度與kappa系數(表2)分析可知，中度、極度退化草地的漏分誤差依然較大，僅重度退化制圖精度較高，依然是用戶精度低，錯分誤差大。

2.2 基于HSI影像光譜特征的草地退化等級劃分

在HSI高光譜影像上每個退化等級草地內隨機選取6個點的反射光譜曲線，取平均值作為該退化等級的特征光譜曲線。

2.2.1光譜角填圖法劃分草地退化等級 利用光譜角填圖法對研究區草地進行退化等級劃分(表3)。

從總體精度與kappa系數(表3)可知，制圖精度、用戶精度都在70%以上，錯分與漏分誤差不大，中度退化草地的分類精度得到了很大提高。

表3 光譜角填圖法的精度檢驗Table 3 Accuracy verification of SAM classification method/%

2.2.2光譜信息散度法進行草地退化等級分類從總體精度與kappa系數(表4)可知，制圖精度、用戶精度都在70%以上，與表3相比，總體分類精度得到了進一步的提高。

表4 光譜信息散度法的精度檢驗(單位：%)Table 4 Accuracy verification of SID classification method (Unit:%)

3 討論與結論

已有研究表明，不同植被群落冠層光譜具有特殊的光譜曲線[7]，其光譜特征參數差異較大，依據地面實測的高光譜數據可以準確地區分草地類型和植物種類[8-9]，但在本研究中，借助建立的群落光譜庫，對HJ-HSI高光譜影像進行分類，分類精度很差，可能是由于光譜儀采集的反射光譜波段較多，不能與HJ-HSI高光譜影像的波段吻合，造成分類精度差。也可能是由于干旱荒漠草地覆蓋度低，造成土壤背景干擾了植物群落冠層的反射光譜，使不同退化草地的群落冠層光譜差異不大，造成本研究中度、極度退化草地的分類誤差較大。李雙等[10]對三江源地區的退化高寒草甸進行分類，結果證實SAM方法總體精度達到75%以上，但在區分未退化與輕度退化草甸、重度退化與極度退化草甸時也存在錯分、漏分誤差，該研究認為主要是草地群落光譜是雜草混合光譜，當雜草組成相近時容易混分造成的。

本研究中HSI高光譜影像經MNF變換后降低了光譜維間的相關性，有效地對高光譜數據降維處理，降低了波段數，消除了圖像光譜維的部分噪音，在此基礎上分類，總體精度在76%以上。由此說明，不借助地面實測的光譜，依靠HSI高光譜影像的光譜特點可進行大范圍的草地監測。