濕地植被高光譜遙感技術(shù)運(yùn)用研究

付振強(qiáng)?王明周

摘 要：濕地其中的物質(zhì)資源極其豐富，其主要的植被和動(dòng)物以及農(nóng)業(yè)資源可以為人們生活提供豐富的能源供應(yīng)，并且生產(chǎn)力極高，是人類生存的重要環(huán)境之一，也是地球上具有極大的特點(diǎn)的生態(tài)系統(tǒng)，因此對(duì)濕地進(jìn)行科學(xué)研究對(duì)于人類發(fā)展具有重要意義。下面本文就黃河入海口三角洲地區(qū)濕地植被的高光遙感技術(shù)進(jìn)行詳細(xì)分析，以供參考。

關(guān)鍵詞：濕地植被;高光遙感技術(shù);運(yùn)用研究

黃河三角洲位于渤海之濱，黃河中的泥沙經(jīng)過(guò)水流和地勢(shì)的作用出現(xiàn)大量堆積的現(xiàn)象，進(jìn)而通過(guò)水源的沖刷形成平原，現(xiàn)階段是我國(guó)區(qū)域內(nèi)部面積最大的三角洲，其面積遼闊，自然資源和物產(chǎn)極其豐富，也是我國(guó)農(nóng)業(yè)生產(chǎn)和石油生產(chǎn)的重要基地。黃河三角洲屬暖溫帶落葉闊葉林區(qū)，受到人為影響和土壤鹽漬化影響，植被類型具有一定的特色，主要以耐鹽或輕度耐鹽的鹽生或中生植物為主，但是由于其氣候的原因和地理情況原因，導(dǎo)致很多方法對(duì)于植被檢測(cè)都有著或多或少的難度，因此對(duì)于其植被的研究利用高光遙感技術(shù)效果最佳，也是現(xiàn)階段對(duì)濕地植被研究的重要技術(shù)。

一、黃河入海口三角洲濕地主要特點(diǎn)和植被種類

黃河三角洲屬于北溫帶半濕潤(rùn)氣候區(qū)，屬于暖溫帶季風(fēng)型大陸性氣候。四季分明、氣溫較適合生物和動(dòng)物生存，且具有充足的陽(yáng)光照射，并且在風(fēng)能資源方面也可以提供充足的能量，春、夏、秋、冬季節(jié)比較分明，一般在夏季和冬季比較突出，冬季比較寒冷且雨水較少。降水量主要在夏季較多，其中七八月份的降水量最多，足以占據(jù)該地區(qū)年降水量的一左右，并且雨水形式多為暴雨，容易產(chǎn)生一定的災(zāi)害。該地區(qū)的風(fēng)向也具有一定的特點(diǎn)，冬季風(fēng)向一般朝北，夏季風(fēng)向一般朝南，所以從上述氣候特點(diǎn)看，很適宜植物生長(zhǎng)。

在黃河三角洲區(qū)域中國(guó)家級(jí)自然保護(hù)區(qū)的植被類型較為豐富，并且在保護(hù)區(qū)內(nèi)植被覆蓋面積達(dá)到55%左右，其中天然植被覆蓋較多，蘆葦占地面積大約為40萬(wàn)畝、草地覆蓋面積大約為18萬(wàn)畝，在中國(guó)沿海區(qū)域中，其具有最大的植被覆蓋區(qū)域。在植被種類豐富的三角區(qū)內(nèi)，主要有代表性木本植物以旱柳、刺槐和怪柳為主，草本植物一般以蘆葦、堿蓬為主;該區(qū)域的植被受到土壤、鹽度以及地貌類型和人類活動(dòng)的影響，其草本類植物面積較廣，并且較為集中，木本植物面積較小，分部較為零散。本文主要利用高光遙感技術(shù)對(duì)該區(qū)域內(nèi)部的植被進(jìn)行研究分析，進(jìn)而對(duì)典型濕地植被的高光譜特征提取技術(shù)進(jìn)行詳細(xì)研究。

二、濕地植被高光遙感技術(shù)的運(yùn)用

第一，高光遙感技術(shù)在植被分類中的應(yīng)用。當(dāng)前高光遙感影像在植被分類處理上主要進(jìn)行兩方面的重點(diǎn)研究。第一種是將分類精度有效提升、第二種是將分類效率有效提升。但是現(xiàn)階段主要是將濕地植被的分類精度做具體的研究，通過(guò)對(duì)不同的樣本的SVM進(jìn)行分類可以得知，在數(shù)量較少時(shí)，高光譜數(shù)據(jù)的分類精度將會(huì)小于多光譜數(shù)據(jù)，但是隨著數(shù)量的增加，這種高光譜的數(shù)據(jù)分類精度會(huì)有明顯的提升，但是在高光譜應(yīng)用的樣本數(shù)量通常會(huì)有一定的限制，因此在如此有限的情況下其分類精度會(huì)隨著維數(shù)上升而下降，并且高光譜數(shù)據(jù)一般都與相鄰波段的系數(shù)關(guān)系較為密切，其是一種具有高緯度和多特征特點(diǎn)的數(shù)據(jù)集，主要利用已知的光譜信息將植被的分類精度有效提升，進(jìn)而通過(guò)這種方式將植物的維度降低目前植被特征的提取和植被特征的選擇是被廣泛應(yīng)用的兩種方法，并且創(chuàng)建的植被特征提取方法主要有植被成分分析法、光譜變換法以及光譜指數(shù)法，對(duì)黃河三角洲的蘆葦以及怪柳作出研究分類，可以測(cè)出分類精度高達(dá)85%，并且通過(guò)此技術(shù)可以有效的將該植被信息有效提取出來(lái)，進(jìn)而發(fā)現(xiàn)其紅外波段中有植被的明顯特征差異，實(shí)現(xiàn)濕地植被在物種方面的有效識(shí)別，經(jīng)過(guò)相關(guān)數(shù)據(jù)表明，在植物種見(jiàn)一階導(dǎo)數(shù)變換的紅外范圍以及二階導(dǎo)數(shù)的變換范圍和倒數(shù)的對(duì)數(shù)法在藍(lán)光和紅光范圍內(nèi)有著較好的區(qū)分度。

第二，高光遙感技術(shù)在植被生理參數(shù)反演中的應(yīng)用。植物冠層生物物理變量會(huì)受到植被色素和植被形態(tài)結(jié)構(gòu)等因素影響，進(jìn)而利用高光譜遙感對(duì)植物的生理參數(shù)進(jìn)行提取。

葉面指數(shù)。其是指在單位地表面上植物的葉片垂直投影面積的總和，一般會(huì)被應(yīng)用在地表定量化和大氣之間的物質(zhì)能量交換中的檢測(cè)標(biāo)準(zhǔn)。在實(shí)際進(jìn)行高光譜檢測(cè)時(shí)，一般的波長(zhǎng)都在700到1300納米之間，當(dāng)葉面指數(shù)較低時(shí)，波長(zhǎng)可以延伸到可見(jiàn)波長(zhǎng)長(zhǎng)度。高光譜遙感與傳統(tǒng)多光譜遙感方法較為類似，其主要是將濕地植被葉面面積在一定的公式和理論下利用一定的方法進(jìn)行葉面指數(shù)的確定，包括物理模型和緩和像元分解兩種反演方法、在這其中物理模型可以將很多植物的參數(shù)反演出來(lái)，但是結(jié)果不太穩(wěn)定，并且其估計(jì)精度的高低與相關(guān)的植被生物特性以及植被的各種結(jié)構(gòu)相關(guān);而混合像元分解方法可以將每一個(gè)端元單位占據(jù)像元的百分比計(jì)算精確，將葉面指數(shù)提取的數(shù)據(jù)誤差有效減少，提升計(jì)算精度。

生物量。濕地植被的生物量可以有效將該區(qū)域的生態(tài)系統(tǒng)生產(chǎn)力和養(yǎng)分循環(huán)有效的表示出來(lái)，一般條件下不同植被的生物量也是不盡相同的，并且就算是在相同植被覆蓋率上高度不同的植被生物量也是不同，因此只有利用高光遙感技術(shù)才能夠?qū)Σ煌脖坏纳锪窟M(jìn)行科學(xué)的估算，將濕地植物的原始光譜、微分光譜以及植被指數(shù)進(jìn)行綜合分析，進(jìn)而確定植物的生物量。例如在蘆葦研究中，地上鮮生物量與一階微分光譜在藍(lán)邊、紅邊相關(guān)性較好;與冠層反射光譜在藍(lán)光、紅光及近紅外波段相關(guān)性均較高;微分光譜在生物量反演的相關(guān)性較原始光譜的相關(guān)性好。因此在目前植被生物量檢測(cè)過(guò)程中主要的方式就是數(shù)學(xué)估算模型，在各大反演模型中，只靠著單一波段的光譜很難將植被生物量準(zhǔn)確的測(cè)量出來(lái)，因此利用高光遙感技術(shù)是現(xiàn)階段測(cè)量植被生物量最佳的方式。

三、結(jié)束語(yǔ)

經(jīng)過(guò)對(duì)黃河三角洲地區(qū)的環(huán)境和氣候以及植被的分析，要想達(dá)到保護(hù)濕地植被的工作目標(biāo)，必須對(duì)植被的生長(zhǎng)特性和內(nèi)部存在的成分進(jìn)行科學(xué)分析，利用高光遙感技術(shù)對(duì)其內(nèi)在的成分進(jìn)行研究，進(jìn)而根據(jù)植物的生長(zhǎng)特性和生長(zhǎng)特點(diǎn)進(jìn)行制定針對(duì)性較強(qiáng)的保護(hù)促使，進(jìn)而促進(jìn)我國(guó)濕地保護(hù)工作的穩(wěn)定發(fā)展。

參考文獻(xiàn)：

[1]王美玲，焦琳琳，王曉紅，吳兵，肖星星.曹妃甸濕地典型植被光譜特征差異性分析[J].浙江農(nóng)業(yè)學(xué)報(bào)，2019，31（06）：963-969.

[2]彭瑤.基于高光譜遙感的三峽庫(kù)區(qū)典型消落帶植被指數(shù)構(gòu)建研究[D].重慶師范大學(xué)，2019.

[3]何理深，張超.濕地植被高光譜遙感技術(shù)應(yīng)用研究[J].西南林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)），2018，38（06）：208-214.