-
高光谱遥感常被用于准确探测各种植被类型、生物量、生化成分、树种识别、生态功能评估等方面,其中机载高光谱数据精细,分辨率较高,能有效提高树种识别精度。Banskota等将离散小波变换方法应用于航拍高光谱影像,提高了松属树种的分类精度[1]。申鑫等利用LiCHy系统的高光谱影像提取特征变量,划分北亚热带次生林的主要树种和森林类型,总体精度分别为64.6%和81.1%[2]。高光谱遥感影像在识别森林类型和主要树种方面有一定的应用潜力,但全球范围内森林多分布于地形起伏的山区,坡度坡向等地形因子对遥感观测的影响显著。马东辉和柯长青用地物光谱仪对不同坡度植被光谱特征进行分析,发现一定范围内坡度增大光谱反射率增加[3]。Basiri根据重要值指数分析坡向对伊朗阿塞拜疆西部森林类型的影响,发现黎巴嫩栎(Quercus libani Oliv.)分布在北、东北、西北坡向,扎格罗斯栎(Quercus brantii Lindl.)分布在南、东南、西南、东坡向[4]。地形因子对相邻象元间的交叉辐射现象明显,常导致“同物异谱”与“同谱异物”,使遥感反演地物类型的精度下降,树种识别的难度增加。虽已有部分关于地形对植被光谱特征及其分布影响的研究,但较少基于航拍影像对不同坡向之间冠层光谱反射率差异及其影响因子进行定量分析,本文以思茅松林为例,基于LiCHy系统航拍高光谱影像对其冠层反射率及其影响因子进行定量分析比较。
思茅松(Pinus kesiya var. langbianensis(A.Chew.)Gaussen)是常绿针叶乔木树种,针叶3针一束,一年生长两轮至多轮,与其它松树种类相比,具有生长快,材质优良,松脂产量高的特点,主要分布在云南哀牢山以西的热带北缘和亚热带南部半湿润地区。思茅松是云南省重要的造林及用材树种之一,根据云南省第五次森林资源清查数据,思茅松现有面积约59.03万hm2,蓄积量占云南省森林总蓄积量的11%[5],具有重要的经济价值、森林生态服务功能和碳汇效益。荚文、刘怡君等[6-7]对思茅松的光谱曲线进行过初步描述,但缺乏对光谱精细数据变化的深入研究,目前未见基于高光谱遥感分析坡向等因子对思茅松林冠层光谱反射率影响的相关报道。实验选择中国林业科学研究院机载LiCHy系统获取思茅松的光谱、激光雷达DEM数据,测定思茅松光谱反射率的特征参数,分析太阳高度角、不同坡向影响思茅松林光谱特征的变化规律,为思茅松树种识别、健康监测、定量遥感及其他森林经营参数反演提供参考和科学依据。
-
研究区位于云南普洱东南部的菜阳河国家森林公园,分布于22°31′~22°49′N、100°48′~101°11′E、海拔980~1 698 m,地处无量山脉南延末端,云贵高原西南部[8]。属南亚热带季风气候,年平均气温17.7℃,年平均降雨量1 543 mm,年平均湿度82%,土壤类型以赤红壤或红壤为主[9-10],水热条件优越,植物种类丰富,典型的植被类型包括热带季雨林、季风常绿阔叶林等,全区植物多达1 722种,森林覆盖率达91.8%[11]。研究区地形破碎,沟窄坡陡,地势西南低东北高[12],地理位置如图 1所示。
-
利用中国林业科学研究院机载LiCHy系统,获取覆盖研究区航拍影像。飞行时间2014年4月,飞行方向从东南到西北,飞行高度距地面约1 500 m。实验中选择航带中间时刻的太阳参数代替整体,太阳高度角为28. 2°,方位角为94. 8°。LiCHy系统由德国IGI公司集成,主要包括AISA Eagle Ⅱ高光谱传感器、激光雷达传感器、CCD相机和惯性导航装置(Inertial Measurement Unit,IMU)四个部分[13]。本次实验主要采用其中的AISA Eagle Ⅱ高光谱传感器获取菜阳河影像数据,提取思茅松冠层光谱反射率;激光雷达传感器获取研究区DEM数据,具体参数见表 1。辅助数据包括云南省普洱市2008年的“二类调查”数据和各县区矢量边界及其他专题成果。
表 1 LiCHy系统高光谱激光雷达主要参数
Table 1. The main parameters of hyperspectral lidar system of LiCHy
高光谱Hyperspectral:AISA EagleⅡ 激光雷达Lidar:Riegl LMS-Q680i 光谱范围Spectral range /nm 400~1 000 波长Wavelength /nm 1 550 光谱分辨率Spectral resolution /nm 3.3 脉冲宽度Pulse width /ns 3 波段数Number of bands 64 脉冲发散角Divergence angle of pulse /mrad 0.5 光谱采样间隔Sampling interval in spectral /nm 9.2 扫描角Scanning angle /° ±30 空间分辨率Spatial resolution /m 4 测距精度Accuracy of distance measurement /m 0.02 空间像元数Number of spatial pixels 512 采样间隔Sampling interval /ns 1 视场角Field angle /° 37.7 最大扫描速率Maximum scan rate /(lines·s-1) 200 瞬时视场角Instantaneous field of view /mrad 0.646 最大重复频率Maximum repetition rate /kHz 400 -
思茅松冠层光谱反射特征与绿色植物光谱曲线总体呈现相似,反射率平均值(黑线)及波动(灰色区域)如图 2可见,在0.40~0.68 μm思茅松反射率总体较低(小于0.070),呈小幅上升后再下降的趋势。
图 2 思茅松在400~1 000 nm光谱反射特征
Figure 2. Spectral reflectance characteristics of Pinus kesiya var. langbianensis in 400~1 000 nm
在绿光波段(0.52~0.58 μm)形成一个反射小峰,0.55 μm处达到峰值,反射率约0.066,即“绿峰”现象;在0.47 μm和0.67 μm附近反射率较低,呈现为“蓝谷”和“红谷”。0.68~0.74 μm为急剧上升阶段,升幅非常大,反射率从0.055提高到了0.230左右,与植被特有的“红边”现象表现相符,随后0.74~0.85 μm继续小幅上升。光谱曲线0.85~0.91 μm波段内的波动呈现“两峰一谷”,峰值差异不明显,0.87 μm处出现第一个峰值0.321,波动范围为0.281~0.356;随后0.88 μm出现了一个小“V”型波谷,反射率降低为0.320,波动范围为0.280~0.355;在0.89 μm附近反射率达到最高点0.327,波动范围为0.287~0.363;最后0.89~1.0 μm有小幅下降,但反射值仍处于大于0.314的高位,波动范围为0.276~0.347。
-
由图 3可见,各个坡向光谱值在0.4~0.69 μm统计学上无差异,0.69~0.74 μm开始有所区分,随着波长增加,差别逐渐增大,至0.74~0.78 μm处差别明显,0.78~1.0 μm差别最大化。整个波长范围内的思茅松光谱在各波段的反射率随坡向的变化表现为趋势相同,具有较高的线性相似度的曲线族。思茅松光谱反射率随坡向的变化,同时受坡向差异和太阳高度角的影响。在同一波段上表现为,南、东南、西南坡等阳坡分别低于北、东北、西北坡等阴坡,东面、东南面、东北面等迎光面高于西面、西南面、西北面等背光面,总体上阴坡高于阳坡,迎光面高于背光面。
图 3 分布于各坡向的思茅松光谱曲线
Figure 3. Spectral curves of Pinus kesiya var. langbianensis distributed in different slope
选择光谱反射率差异明显的0.78 μm、0.87 μm、0.89 μm 3个波段,分析坡向对思茅松光谱反射率的影响(表 2)。分析发现思茅松光谱反射率在3个波段中的变化趋势及坡向间的差异性类似。北坡(阴坡)与南坡(阳坡)光谱反射率在峰值波段0.89 μm上的差异为0.021 2,存在着显著差异(P < 0.05);东北坡与东南坡的差异为0.022 1,存在着显著差异(P < 0.05);西北坡与西南坡的差异为0.010 9,差异不显著。各坡向间光谱反射率的高低表现为东北坡>东坡>北坡>东南坡>南坡>西北坡>西南坡>西坡。
表 2 各波段坡向间光谱反射率
Table 2. Spectral reflectance of each band in different slope
% 坡向Slope 东北Northeast 正东East 东南Southeast 正南South 西南Southwest 正西West 西北Northwest 正北North 样本数Number of samples 39 36 42 40 35 36 38 35 0.78 μm 30.43±2.45a 29.70±2.93abg 28.55±2.84 bg 26.99±3.22cf 25.01±2.49def 24.12±2.07e 25.97±2.74f 28.97±3.07g 0.87μm 35.54±2.80 a 34.72±3.26abg 33.35±3.15bg 31.61±3.70 cf 29.19±2.86 def 28.12±2.41 e 30.26±3.14 f 33.74±3.42 g 0.89μm 36.27±2.84 a 35.44±3.30abg 34.06±3.16bg 32.29±3.76cf 29.80±2.92 def 28.73±2.45 e 30.89±3.20 f 34.41±3.52 g 注:表格中数据为均值±标准差,同行中不同小写字母表示差异显著(P < 0.05)。
Note: The data are displayed as mean ± SE. The different lowercase in the same line indicate significant difference (P < 0.05) -
航拍影像中太阳方位角±30°为迎光方向,太阳方位角+180°±30°为背光方向。选择0.78 μm、0.87 μm、0.89 μm 3个波段,绘出各个坡面方向思茅松的光谱反射率(图 4),显示太阳高度角对思茅松林冠层光谱反射的影响。其中东面为迎光面,西面为背光面,表现为东坡光谱反射率大于西坡。东北坡、东南坡迎光,西北坡、西南坡背光,光谱反射率东北坡>西北坡,东南坡>西南坡。以入射面与坡面的垂直交线为轴,轴两侧各个坡面光谱反射比基本成对称分布,反映太阳高度角对光谱反射的影响较大。
图 4 不同波段光谱思茅松林冠层反射率随坡向变化
Figure 4. Different spectral reflectance along with the slope change of Pinus kesiya var. langbianensis
从光谱特征方面来看,以反射最高的0.89 μm波段为例,背光面西、西北、西南面的光谱反射率比迎光面东、东北、东南面分别降低了23%、17%、14%,反射率最大差值为西面与东面,达到了0.067 1(见表 3),东北面与西北面、东南面与西南面之间的差异达0.053 8、0.042 6。背光面思茅松除了光谱反射率明显低于迎光面外,各个方向光谱曲线的波形变化趋势一致,波动规律高度相似。
表 3 0.89 μm坡向间光谱反射率LSD方差分析
Table 3. LSD analysis of spectral reflectance at 0.89 μm in different slope
坡向Slope 东北Northeast 正东East 东南Southeast 正南South 西南Southwest 正西West 西北Northwest 正东East 0.83 东南Southeast 2.22** 1.38 正南South 3.99** 3.15** 1.77* 西南Southwest 6.47** 5.64** 4.26** 2.48** 正西West 7.54** 6.71** 5.32** 3.55** 1.07 西北Northwest 5.38** 4.54** 3.16** 1.39 -1.09 -2.16** 正北North 1.86* 1.03 -0.35 -2.13** -4.61** -5.68** -3.52** 注:*和**分别代表在0.05和0.01水平上有显著性差异;
Note:* and ** respectively indicate the significant difference at 0.05 and 0.01 level.
基于机载高光谱的思茅松林光谱特征及其影响因子分析
Spectral Characteristics and Influencing Factors of Pinus kesiya var. langbianensis Based on Airborne Hyperspectral Technique
-
摘要:
目的 以云南普洱菜阳河为例, 基于机载遥感影像, 探讨思茅松林冠层高光谱特征及坡向对其光谱反射率的影响。 方法 以2014年4月机载LiCHy系统获取的高光谱和激光雷达DEM提取的坡向数据, 结合该地区二类调查数据, 对不同坡向的思茅松林冠层光谱曲线特征值进行统计比较。 结果 (1) 思茅松冠层光谱反射特征与绿色植物光谱曲线总体相似, 在0.74~1.0 μm近红外波段冠层反射率较高, 0.89 μm最高; (2)阴坡思茅松冠层光谱反射率普遍高于阳坡, 北坡、东北坡与南坡、东南坡的峰值波段反射率在0.05水平上差异显著; (3)根据太阳高度角, 迎光面的东坡、东北坡、东南坡比背光面西坡、西北坡、西南坡光谱反射率在0.89 μm波段增加了14%~23%。 结论 (1) 思茅松冠层光谱反射率表现出"两谷一峰"、"红边"等典型的植被光谱特征, 反射率较高的0.74~1.0 μm波段为思茅松的特征光谱段; (2)太阳高度角是影响不同坡向光谱反射率的主要因素, 而坡向也是造成反射率差异的另一个重要原因。 Abstract:Objective Hyperspectral characteristics and effect of aspect on spectral reflectance of Pinus kesiya var. langbianensis canopy based on airborne remote sensing imagery were investigated in Caiyanghe National Park, southeast Pu'er, Yunnan province. Method Hyperspectral and Lidar data were obtained using airborne LiCHy system in April, 2014. The Lidar data were used to get DEM and slope data. In addition, the characteristic values of spectral curves of P.kesiya var. langbianensis stands in different aspects were statistically analyzed using hyperspectral and forest resources inventory data. Result (1) The spectral reflectance of P.kesiya var. langbianensis canopy was similar to that of green plant. The canopy reflectivity was high in the near infrared band (0.74~1.0 μm), of which, the highest reflectivity located in 0.89μm. (2) The spectral reflectance of P.kesiya var. langbianensis canopy in shady slope was higher than that in sunny slope. There was a significant difference at the peak reflectance of band in north, northeast, south and southeast slopes. (3) According to the solar elevation angle, east, northeast and southeast slopes where face the light has more light radiation than west, northwest and southwest slope and the spectral reflectance was also high. In 0.89 μm band, the reflection of the backlight was 14%~23% lower than that of the face light. Conclusion (1) The spectral reflectance of P.kesiya var. langbianensis canopy shows typical vegetation spectrum characteristics such as "two valleys and one peak" and "red edge". The reflectivity is higher in 0.74~1.0μm band which usually used as special spectrum for P.kesiya var. langbianensis. (2) The solar elevation angle is the main factor affecting the spectral reflectance of different aspect. Besides, the aspect is another important reason causing the difference of reflectance. This study will provide references for complex terrain hyperspectral quantitative remote sensing and tree species identification. -
Key words:
- hyper spectrum
- / Pinus kesiya var. langbianensis
- / reflectance
- / solar elevation angle
- / slope
-
表 1 LiCHy系统高光谱激光雷达主要参数
Table 1. The main parameters of hyperspectral lidar system of LiCHy
高光谱Hyperspectral:AISA EagleⅡ 激光雷达Lidar:Riegl LMS-Q680i 光谱范围Spectral range /nm 400~1 000 波长Wavelength /nm 1 550 光谱分辨率Spectral resolution /nm 3.3 脉冲宽度Pulse width /ns 3 波段数Number of bands 64 脉冲发散角Divergence angle of pulse /mrad 0.5 光谱采样间隔Sampling interval in spectral /nm 9.2 扫描角Scanning angle /° ±30 空间分辨率Spatial resolution /m 4 测距精度Accuracy of distance measurement /m 0.02 空间像元数Number of spatial pixels 512 采样间隔Sampling interval /ns 1 视场角Field angle /° 37.7 最大扫描速率Maximum scan rate /(lines·s-1) 200 瞬时视场角Instantaneous field of view /mrad 0.646 最大重复频率Maximum repetition rate /kHz 400 表 2 各波段坡向间光谱反射率
Table 2. Spectral reflectance of each band in different slope
% 坡向Slope 东北Northeast 正东East 东南Southeast 正南South 西南Southwest 正西West 西北Northwest 正北North 样本数Number of samples 39 36 42 40 35 36 38 35 0.78 μm 30.43±2.45a 29.70±2.93abg 28.55±2.84 bg 26.99±3.22cf 25.01±2.49def 24.12±2.07e 25.97±2.74f 28.97±3.07g 0.87μm 35.54±2.80 a 34.72±3.26abg 33.35±3.15bg 31.61±3.70 cf 29.19±2.86 def 28.12±2.41 e 30.26±3.14 f 33.74±3.42 g 0.89μm 36.27±2.84 a 35.44±3.30abg 34.06±3.16bg 32.29±3.76cf 29.80±2.92 def 28.73±2.45 e 30.89±3.20 f 34.41±3.52 g 注:表格中数据为均值±标准差,同行中不同小写字母表示差异显著(P < 0.05)。
Note: The data are displayed as mean ± SE. The different lowercase in the same line indicate significant difference (P < 0.05)表 3 0.89 μm坡向间光谱反射率LSD方差分析
Table 3. LSD analysis of spectral reflectance at 0.89 μm in different slope
坡向Slope 东北Northeast 正东East 东南Southeast 正南South 西南Southwest 正西West 西北Northwest 正东East 0.83 东南Southeast 2.22** 1.38 正南South 3.99** 3.15** 1.77* 西南Southwest 6.47** 5.64** 4.26** 2.48** 正西West 7.54** 6.71** 5.32** 3.55** 1.07 西北Northwest 5.38** 4.54** 3.16** 1.39 -1.09 -2.16** 正北North 1.86* 1.03 -0.35 -2.13** -4.61** -5.68** -3.52** 注:*和**分别代表在0.05和0.01水平上有显著性差异;
Note:* and ** respectively indicate the significant difference at 0.05 and 0.01 level. -
[1] Banskota A, Wynne R H, Kayastha N. Improving within-genus tree species discrimination using the discrete wavelet transform applied to airborne hyperspectral data[J]. International Journal of Remote Sensing, 2011, 32(13):3551-3563. doi: 10.1080/01431161003698302 [2] 申鑫, 曹林, 徐婷, 等.基于高分辨率与高光谱遥感影像的北亚热带马尾松及次生落叶树种的分类[J].植物生态学报, 2015, 39(12):1125-1135. doi: 10.17521/cjpe.2015.0109 [3] 马东辉, 柯长青.南京冬季典型植被光谱特征分析[J].遥感技术与应用, 2016, 31(4):702-708. [4] Basiri R. Quantitative Analysis of Forest Types with Respect to Aspect in West Azarbaijan, Iran[J]. World Applied Sciences Journal, 2011, 14(8):1136-1140. [5] 李江.思茅松人工林生态学研究与应用[M].昆明:云南科技出版社, 2011. [6] 荚文, 庞勇, 岳彩荣, 等.基于AISA Eagle Ⅱ机载高光谱数据的普洱市山区森林分类[J].林业调查规划, 2015, 40(1):9-14. doi: 10.3969/j.issn.1671-3168.2015.01.002 [7] 刘怡君, 庞勇, 廖声熙, 等.机载LiDAR和高光谱融合实现普洱山区树种分类[J].林业科学研究, 2016, 29(3):407-412. doi: 10.3969/j.issn.1001-1498.2016.03.015 [8] 朱华, 李保贵, 邓少春, 等.思茅菜阳河自然保护区热带季节雨林及其生物地理意义[J].东北林业大学学报, 2000, 28(5):87-93. doi: 10.3969/j.issn.1000-5382.2000.05.020 [9] 冯源.基于CBM模型云南普洱地区森林生态系统碳收支研究[D].北京: 中国林业科学研究院, 2014. [10] 黄小波, 刘万德, 苏建荣, 等.云南普洱季风常绿阔叶林152种木本植物叶片C、N、P化学计量特征[J].生态学杂志, 2016, 35(3):567-575. [11] 栗忠飞, 郑征, 李佑荣, 等.云南菜阳河自然保护区热带季节雨林乔木生物量[J].热带亚热带植物学报, 2004, 12(1):41-45. doi: 10.3969/j.issn.1005-3395.2004.01.007 [12] 何蓉.菜阳河自然保护区3种森林类型的土壤特性[J].云南林业科技, 2003, 103(2):25-30. doi: 10.3969/j.issn.1672-8246.2003.02.007 [13] Pang Y, Li Z, Ju H, et al. LiCHy:The CAF's LiDAR, CCD and Hyperspectral Integrated Airborne Observation System[J]. Remote Sensing, 2016, 8(5):398. doi: 10.3390/rs8050398 [14] Lu H, Pang Y. A waveform exploitation optimized multiscale curvature algorithm for recognizing ground echoes from airborne laser scanner in densely forested area[C]. Geoinformatics, 201523rd International Conference on, IEEE, Wuhan, China, 2015: 1-5. [15] 于泉洲, 王绍强, 黄昆, 等.基于Hyperion高光谱数据的温带森林不同冠层结构的光谱特征分析[J].光谱学与光谱分析, 2015, 35(7):1980-1985. doi: 10.3964/j.issn.1000-0593(2015)07-1980-06 [16] Olivero A M, Hix D M. Influence of aspect and stand age on ground flora of southeastern Ohio forest ecosystems[J]. Plant Ecology, 1998, 139(2):177-187. doi: 10.1023/A:1009758501201 [17] 孙玮祺, 赵云升, 凃林伶.坡地植物反射高光谱影响因子分析[J].光谱学与光谱分析, 2014, 34(9):2495-2499. doi: 10.3964/j.issn.1000-0593(2014)09-2495-05