高光譜技術在植被特征監測中的應用研究

王富強

（三和數碼測繪地理信息技術有限公司，甘肅 天水 741000）

光譜信息可用來表征地物特征，其分辨率的提高有助于實現對地物特征的精準識別和監測。由高光譜技術獲取的光譜數據或影像，在400 nm～2 500 nm的波長范圍內，光譜分辨率一般小于10 nm，能夠記錄瞬時視場角內幾十甚至上百個連續波段的光譜數據，可反映不同地物的精細波譜信息，使在寬波段多光譜數據中不可探測的地物能夠被識別。高光譜技術作為新興遙感技術，應用了探測技術、信號監測技術以及計算機技術、信息處理技術等一系列先進技術，能夠快速準確地獲取目標信息，在植被特征監測中能夠準確反映地區植被特征，并對不同的地質成分進行鑒別，具有分辨率高、捕獲信息數據豐富等一系列特點。確保高光譜技術的功能在植被特征監測中得到充分發揮，還需要從現階段高光譜技術在植被特征監測中的具體應用入手，以探究進一步發揮其功能的策略。

1 高光譜技術特征

高光譜技術下，光譜維度更為豐富，不再限制于R、G、B等區分辦法，而是具有多個通道，能夠從多角度獲取數據內容，甚至能夠通過獲取連續性的數據信息形成譜段影像，促使信息的展現更加多維。從可見光到熱紅外，高光譜實現了全面覆蓋。目前，利用高光譜技術對地面遙感觀測，觀測清晰度以及信息獲取廣度都得到了一定程度的提升，隨著對高光譜技術研究的不斷深入，地面觀測能力及鑒別能力將持續增強。高光譜技術的主要特征包括高分辨率、信息反映全面、信息量龐大、傳感器性能良好等幾方面。

1.1 高分辨率

高光譜技術具有高分辨率的特點，能夠將紫外線、微波等波段的光譜信息分割成成百上千個窄光波段，并同時獲取不同類型的光譜信息，如可見光、紅外線等。在當前技術下，傳感器識別波段長度多為10 nm以上，性能極佳的傳感器識別長度能夠達到2.5 nm。而AVIRI光譜儀通常能夠獲取220個以上的連續高光譜波段。高分辨率為高光譜技術提供了廣闊的應用空間，是高光譜遙感技術能夠得到普遍應用并引起社會各界重視的原因之一[1]。

1.2 信息反映全面

高光譜技術在獲取光譜圖像時，能夠同時獲得多個光譜圖像，并且能夠同時顯示像元的連續光譜。通過高光譜影像全面展示光譜段信息，促使高光譜影像既能反映光譜信息，又能反映影像空間特征，實現圖譜合一。成像光譜儀能夠捕捉到作為識別標志的光譜吸收帶的全部信息，光譜吸收帶展現的像元連續光譜能夠準確反映地物光譜變化，從而精密反映地物差異。反映在植被監測上即動態反映植被的特征及變化。全面分析光譜波形，再對照光譜數據庫信息，能夠全面了解地物光譜特征，為采用光譜信息識別地物奠定了技術基礎[2]。

1.3 信息量龐大

高光譜技術下，高光譜遙感具有海量波段，波段共同構成影像，促使影像包含著海量信息。而相鄰波段間的關聯性，會導致信息中包含大量相似的數據，造成信息冗余。不同波段的不同優勢使得不能簡單采用替代的方式以波段替換波段，因此信息冗余問題解決難度較大。而影像以及光譜雙方面產生的信息會造成信息中包含大量隱藏信息，需要進行加工處理才能從中提取需要的信息，從而使得信息量龐大。信息量大、信息具有冗余特征以及需要對信息進行深入挖掘等都是高光譜技術的主要特征。

1.4 傳感器性能良好

高光譜技術下，一般空間分辨率較高，能夠保障傳感器性能。通常，IFOV能夠達到1.0 mrad～3.0 mrad，部分甚至小于1 mrad。傳感器性能良好促使高光譜技術的應用廣度以及深度都得到了加強[3]。

2 高光譜技術在植被特征監測中的優勢

高光譜技術在植被特征監測中具有明顯的優勢。由于植物的波譜特征與其葉子的狀態有直接聯系，因此植物具有波譜特征明顯的屬性，在可見光譜段、近紅外譜段、短波紅外譜段等都具有明顯的特征。而植被的健康情況以及植物種類都會影響光譜信息，特別是植物葉子的細胞結構、色素情況等都會對光譜信息產生影響。高光譜能夠保障植被相關指標制定的準確性，并且能夠精準捕捉光譜信息之間的差異，從而了解植被特征反映的信息。應用高光譜技術能夠準確提取植被指數特征，應用葉綠素指標，并確定葉面積指數及植被識別指數。

2.1 保障植被相關指標制定的準確性

應用高光譜技術能夠批量采集植被信息，通過對植被共性的總結，確定植被指標，從而保障植被指標設置的準確性。通過對照指標，了解植被間的差異性，再對比數據庫資料，對植被情況作出精準判斷。在監測植被特征中，高光譜技術的應用相較于其他監測方法，不僅精準度高、效率高，而且隨著技術的提升，其特征監管效果能夠得到持續提升。

2.2 確定并應用葉綠素指標

高光譜技術在植被特征監測中得到應用的前提是能夠確定植被相關信息的指標，葉綠素指標對于判斷植被生長狀態、發育情況等具有重要作用。高光譜技術的應用保障了葉綠素指標制定的準確性，并且促使葉綠素指標得到應用。應用高光譜技術能夠對植被整體的葉綠素情況作出判斷，通過構建葉綠素評估模型，了解葉綠素的含量及特征。不同模型制定辦法下高光譜技術的應用原理存在一定的差異。如經驗模型下，模型的構建是基于植被指數、特征參數等，通過模型計算得出的數據配合植被光譜反射率能夠有效了解植被的雙峰冠層氮指數，再結合葉綠素指標，從而判斷植被的情況[4]。

2.3 確定并應用葉面積指數

葉面積指數對于了解植被碳水循環情況及能量交換情況具有重要意義。通過葉面積指數來確定植被光譜數據的原始波段，了解原始波段對比下波段的變化能夠實現對葉面積指數的定量估算。高光譜技術下，由于其波段較窄，故能夠更精準、全面地展現植被相關參數信息，高光譜數據的特性促使葉面積指數信息提取度的精準性得到大幅度提升。此外，利用高光譜數據能夠了解其他指數與葉面積指數之間的聯系，針對不同階段的植被特點建立不同的葉面積指數估算模型，從而提升信息提取精準度。在高光譜技術對葉面積指數進行確定并應用的過程中，合理改進高光譜技術能夠持續提升指數估算精準度。

2.4 確定并應用植被識別指數

高光譜技術的特性使其在區分不同植被時，能夠察覺植被間的細小差異，識別功能更強大。充分發揮高光譜技術的優勢，能夠確定植被的多項識別指數，并通過識別指數擴大識別信息的使用范圍，豐富識別信息功能。經測試，同一科目下的植被通過高分辨率的光譜儀能夠察覺科目細分下不同植被的差別，其精準度超過95%。而同一種類植被通過高分辨率的光譜儀能夠精準判斷植被的發育階段以及周遭環境，如光照情況、蟲害情況等。以高光譜技術為基礎，對光譜下的植被進行分類整理，通過構建數據庫，能確保在利用高光譜技術監測植被情況時，直觀反映植被種類、生長習性、生長狀態以及生長區域，從而降低光譜信息的提取難度[5]。

3 高光譜技術在植被特征監測中的應用研究

目前，高光譜技術在植被特征監測中已經得到了一定程度的應用，無論是在植被特征分析、指數提取還是植被狀況監測等方面，都取得了良好的成績。應用高光譜技術能夠準確了解植被土壤情況、營養物質情況及地形地貌情況等。

3.1 在植被特征分析中的應用

高光譜技術下，植被分析工具的利用能夠有效反映植被的生長情況，包括植被的健康情況、生長發育情況等。通過全面收集、整理植被信息，再結合植被各項生長指數，從而確定植物的趨勢。通過應用植被指數計算工具，從Greenness、Light Use Efficiency、Dry or Senescent Carbon、Canopy Water Content等多個生物化學指數角度分析植被生長情況，并應用計算公式得出詳細的能夠反映植被情況的數據結果。如在譜范圍為0.4 μm～2.4 μm的具有360個波段的SpecTIR高光譜中，光譜信息覆蓋可見光光譜信息以及短波紅外光譜信息，通過對信息的分析能夠全面了解植被的生長情況。

3.2 在植被特征健康監測中的應用

應用高光譜技術能夠對植被的健康情況進行監測分析。由于植被的健康情況能夠反映在葉面積指數、水利用效率等多種指標上，因此，應用高光譜技術對收集到的數據資料進行分析，能夠全面了解植被的健康情況。另外，通過設置相應的程序，查看冠層含氮量及綠度指數等，能夠了解作物脅迫情況，而通過對光合植物碳衰減等指標的分析，能夠察覺植被是否受到火災等的威脅，并準確確認著火點[6]。

3.3 在植被蟲害防治中的應用

當植被受到疾病、蟲害等威脅時，不同的威脅會對植被產生不同的影響，反映在植被的葉面以及根莖上。應用高光譜遙感技術，能夠清晰辨認植被的變化情況，再應用數據分析方法，能夠發現植被受到的威脅。如對于植被根莖部受到損害的情況，采用Fisher判別法、微分變換法等來區分蟲害種類，并及時采取相應的措施。由于植被具有地域性特征，不同地區的植被具有一定的共性，相較于其他地區的植被又具有一定的特性，因此地域范圍內的蟲害也具有一定的共性特征。采用高光譜技術，能夠快速分析出地域范圍內常見的病蟲害特征，從中篩選出最符合植被情況的蟲害種類[7]。

3.4 在無損檢測中的應用

對于作物類植被，應用高光譜進行無損檢測，能夠對植被的生長地、生長情況作出判斷，從而掌握不同地域的植被生長情況。將此作為種植行為的依據，能夠為地域種植作物的選擇提供幫助。在不同地域的同一種植被中，光譜特征既具有相似性又具有差異性，相關部門通過建立龐大的數據庫，收集不同地區植被的各項指數，能夠快速與采集到的光譜圖像信息進行對比， 從而掌握植被的全部信息資料。高光譜技術既不會損害植被的外表，又不會影響植被的性質，此技術在藥材類植被無損檢測中已經得到一定的應用。以枸杞為例，采用高光譜技術對枸杞進行檢測，能夠有效區分枸杞屬于寧夏、內蒙古還是其他地區，檢測的準確率在95%左右。

3.5 在植被生物量估算中的應用

高光譜技術不僅能夠直接了解植被情況，而且能夠通過植被情況了解植被生長區域內生物的情況。這種估算功能對于生態保護具有重要意義，能夠通過了解生物量反向制定植被監管策略，從而有效幫助相關部門把握區域內生態管理的重點。高光譜對生物量估算的主要干擾因素包括土壤背景光譜的影響以及混合像元的影響，但是采用合理的技術手段，能夠降低二者對生物量估算的影響。如土壤背景光譜可通過應用快速獨立分量分析法將凈植被光譜獨立出來，通過建立生物量模型，保障分離的精準度，提高估算的精確度。而混合像元是由于高光譜技術下空間分辨率較低造成的，可應用能夠提升分辨率的技術配合高光譜技術解決這一問題[8-9]。

4 結語

綜上所述，通過全面了解高光譜技術在植被特征監測中的應用，能夠發現隨著高光譜技術水平的持續提升，其發展前景十分廣闊[10]。盡管該技術已經應用于多個領域，但是想要確保其優勢在植被特征監測上得到充分發揮，還需要不斷對高光譜技術的特性進行探索。