光谱信息降维和判别模型建立用于识别湿地植物物种.pdfVIP

第32卷，第2期 光谱学与光谱分析 2 01 and Analysis February，2012 2年2月 SpectroscopySpectral 光谱信息降维及判别模型建立用于识别湿地植物物种 刘雪华，孙 岩，吴 燕 清华大学环境学院生态学教研所，北京100084 摘要研究分析了北京地区常见湿地植物的高光谱数据特征。主要采用马氏距离法和主成分分析法对光 谱进行降维，并对光谱特征进行分析和提取；利用提取的光谱信息构建判别模型对湿地植物进行判别，并对 模型精度进行比较评价，最后获得最佳判别模型。研究结果显示：(1)马氏距离法和主成分分析法都能对光 谱进行有效降维，(2)利用从光谱中提取的特征参数建立的判别模型，得到物种识别的精度都高于90％。可 见，湿地植物高光谱数据信息的变换和利用能促进对湿地植物光谱特征的认识和提取，而建立模型进行植 物判别可以指导未来遥感领域的湿地制图和监测。 关键词高光谱；光谱降维；马氏距离法；主成分分析法；物种识别 中图分类号：TP79文献标识码：A 法来获得有效的波段，降低后续数据处理的复杂程度，从而 引 言 提高物种判别效率。 本研究目的就是充分采集湿地植物的地面光谱数据，通 人类干扰程度的加大已导致了湿地环境恶化、资源浪费 过不同光谱转换方法增强湿地植物高光谱曲线特征，分析其 和破坏[1]，因而湿地系统的保护和监测也成了关注焦点。湿 光谱特征信息，从而构建判别模型进行植物识别，为未来遥 地植物是湿地生态系统的重要组成，自然也就成了该类生态 感应用提供支持。 系统监测的重点。近些年来，人们对湿地植物的生理生化特 性[“、去污能力睁5|、群落组成及多样性保护[63等方面关注 1研究区域 极大，在物种识别方面也开始了研究[7]。而在湿地植物的监 测方面，若采用常规技术来监测大范围的湿地植被，则费时 本研究选择了北京地区典型的湿地植物进行高光谱研 间耗精力，故应用遥感技术(即利用地物反射光谱信息)进行 究，采样地点包括具有丰富湿地物种的翠湖湿地公园、海淀 监测，是一条有效途径。各种多光谱遥感影像，如Mss， 公园和中科院植物园，对于利用高光谱数据研究北京及周边 地区的湿地植物具有现实意义。 TM，SPOT等，已被用来快速获取湿地植被类型信息，进行 湿地监测研究，并取得了好的成果M驯。 然而，传统多光谱数据光谱波段少，分辨率低，如 2研究方法 Landsat数据只有7个波段，最高分辨率为70nIn，故对于识 别水体、裸地和植被等具明显差异的地物精度较好，但要对 2．1光谱采集 湿地物种的空间分布及变化进行识别并制图或进行群落研究 则存在较大困难。要研究不同湿地植物的光谱特性及进行物 光谱仪，光谱分辨率为3．2 1050 种分类，高光谱数据(光谱分辨率低于10nm)是很好的选 nm)，波段宽度为1．5nn2。该光谱仪数据获取快，野外 择。然而，人们对湿地植物的高光谱特性还了解不足，缺乏 使用轻便。 较全面的湿地植物光谱库以帮助物种识别；高光谱遥感影像 野外光谱采集的十五种湿地植物，含： 数据在穿越云层中也会受到各种影响而使数据矫正需要大量 5种挺水植物：鸳尾Iris 7．1n- 地面研究来支持。高光谱遥感数据波段多且易产生信息冗余 lidus，芦苇Phragmitesaustralis，香蒲Typhaprzewalskii， 和信息处理时间过长的问题，也需要通