“生態(tài)水（層）”是楊武年、萬新南等近年來提出的新概念?！吧鷳B(tài)水（層）”指與地表植被層（包括植被葉面桿莖層，根系土壤層和腐殖層等）緊密相關的儲水體它對降水起著緩存、分配與調節(jié)的作用，是水文循環(huán)的重要環(huán)節(jié)。生態(tài)水層富水特征十分特殊，用常規(guī)方法難以從整體與宏觀角度量化，綜合應用3S新技術新方法，在本研究團隊多年研究成果基礎上，選擇長江上游生態(tài)“屏障”之重點地區(qū)—岷江上游為研究區(qū)，開展以植被為中心的“生態(tài)水”遙感定量研究?！吧鷳B(tài)水”的定量研究需區(qū)分不同植被類型，分別對不同植被類型的“生態(tài)水”進行定量化進，進而研究整個區(qū)域的“生態(tài)水”量。所以研究區(qū)不同森林植被的識別對"生態(tài)水”的研究非常重要，準確的植被識別方法對“生態(tài)水”量化的研究至關重要。

       20世紀80年代初期高光譜遙感技術的出現(xiàn)，為目標地物提供豐富的光譜信息，與傳統(tǒng)的多光譜技術相比，具有光譜響應范圍廣，光譜分辨率高的特點。目前，實測高光譜數據多用于精準農業(yè)的產量估測、病蟲害和植被健康監(jiān)測等，在植被及樹種識別方面也取得了一定的成果。張凱等基于反射光譜特征分析了兩種草地類型；王志輝等基于反射光譜特征方法，并采用一階二階微分方法對樹種之間的差異波段進行分析，通過歐式距離分析了差異波段對樹種識別的有效性；孫林等在分析植被葉片生化組分的光譜響應特征時，發(fā)現(xiàn)葉片反射率的二階導數對葉綠素具有較高的響應；沈艷等基于導數光譜變景進行葉片含水量模型的建立?？芍?，光譜的導數微分對植被光譜特征響應分析是有效的。陳永剛等在非參數統(tǒng)計理論和模式識別基礎上，利用Mann-Whitney非參數檢驗篩選竹類間特征區(qū)分波段及利用支持向量機識別竹類。劉煒等通過對光譜進行一階導數處理，分析不同尺度下的土壤有機質的光譜響應特征；本文的研究對象為岷江上游青城山森林植被，基于研究區(qū)生態(tài)水信息指標參數的研究思路，采用導數微分的方法分析植被的識別光譜特征，為生態(tài)水的測量提供不同植被的識別依據。利用遙感等高科技手段從四維空間研究生態(tài)水資源性質、分布特征及其變化規(guī)律并計算其資源量。

本文研究區(qū)域為青城山地區(qū)，地處成都平原的生態(tài)屏障地帶，其生態(tài)環(huán)境非常重要；受地質、地貌、氣候等因素的影響，植被類型不僅復雜，而且存在海拔從低到高的垂直變化規(guī)律。針對生態(tài)水信息指標參數之一植被含水量反演，采用一階微分，二階微分方法對樣本光譜數據進行差異波段的提取，識別不同植被，為進一步反演不同植被含水景提供數據及方法依據。

1、數據獲取與方法

選擇研究區(qū)部分典型植被棕櫚樹、杉木、冷水花和臭櫻4種進行研究，每種植被在研究區(qū)不同坐標點采集樣本，每種植被樣木至少選擇8個以上不同坐標點進行采集，每個點采集9片成熟葉子，采集吋間為2012年4月16~19日。由于受野外環(huán)境水汽、太陽強度和背景等復雜多變的影響，本實驗選取采集樣本的室內光譜數據。室內光譜數據處于光譜測試理想狀態(tài)下，具有光譜穩(wěn)定、受環(huán)境影響小等優(yōu)點。采用便攜式光譜儀進行光譜測量，該儀器的波段范圍為350~2500nm。采集光譜時每隔15min進行一次白板校正，室內光譜采集選用光譜儀自帶的照明光源能夠模擬太陽光照。將每種植被同一采樣點的光譜取平均，再對不同采樣點的同一植被取平均值最終得到4種植被的平均光譜。

微分法是光譜變換常見的方法之一，一階微分、二階微分可以消除光譜數據之間的系統(tǒng)誤差，削弱大氣輻射、散射和吸收等背景噪聲的影響，分辨重疊光譜，可以增強光譜曲線在坡度上的細微變化，對植被來說，這種變化與植被的生物化學吸收特征有關，有利于提取探測地物的光譜特征。實測光譜數據是離散形式的，其微分計算就變成了計算差分計算公式分別是:

其中：λj為第j波段，Rλj、Rλj+1、Rλj+2為第j、j+1、j+2波段的光譜反射率，△λ為波段j+1和波段j之間的波長差。

2、光譜特征提取

植被反射波譜曲線（即光譜特征）的波峰波谷處為植被的反射峰和吸收帶，以這些波峰波谷為特征點研究植被具有重要的意義。

3.1原始光譜

如圖1所示，4種植被具有相似的光譜曲線形狀，出現(xiàn)波峰波谷的波段相似，但是在部分反射峰和吸收帶波段中出現(xiàn)差異，這些差異正是我們所要尋找的植被光譜特征。從4種植被光譜曲線中可提取具有代表性的波段進行進一步的分析。將各個波段處取波長范圍為10nm，共選擇了10個特征波段，對每個波段范圍內的光譜值取平均值進行差異性比較。選擇546~555nm、915~924nm、965~974nm、1069~1078nm、1175~1184nm、1262~1271nm、1450~1459nm、1630~1639nm、1814~1823nm和2210~2219nm。從圖2中可以看出915~924nm、965~974nm、1175~1184nm、1450~1459nm和1814~1823nm5個波段差別明顯，其他5個波段的差異較小。

3.2一階微分光譜

圖3為4種植被一階微分后的光譜曲線，從圖3可以看岀4種植被的光譜一階微分后其坡度差異顯現(xiàn)出來。選取10個有差異的波段進行比較，分別為518~527nm、566~575nm、712~721nm、1140~1149nm、1350~1359nm、1386~1395nm、1500~1509nm、1648~1657nm、1665~1674nm和1874~1883nm。由圖4可以看出，518~527nm、1386~1395nm和1874~1883nm段的差異較大，其他7個波段的差異不明顯。

3.3、二階微分光譜

圖5為4種植被光譜二階微分后的曲線，二階微分后光譜的微小差異被凸顯。選取有差異的波段：398~407nm、440~449nm、690~699nm、735~744nm、998~1007nm、1085~1094nm、1372~1381nm、1398~1407nm、1827~1836nm和1890~1899nm，圖6為10個波段4種植被的二階微分比較?？梢钥闯?，波段398~407nm、735~744nm、998~1007nm和1890~1899nm的光譜差異較明顯。

3、結果與分析

為了驗證所選波段的有效性，對4種植被求歐式距離，根據歐氏距離的大小分析各個波段的有效性。方法可描述為：以原始光譜為例，計算所選波段的每種植被所有樣本的原始光譜平均值以任意一種植被為比較植被式，式（3）分別計算每種植被每個樣木與比較植被的平均值之間的歐氏距離。式（4）計算所有樣本的歐氏距離平均值。如果不同植被之間歐氏距離的平均值大于同種植被歐氏距離，說明所選波段能夠有效區(qū)分不同植被，反之，如果不同植被之間的歐氏距離小于同種植被之間的歐氏距離，說明該波段不能區(qū)分不同植被。

其中：d_MiN為樹種M第i個樣本與比較樹種N之間的歐氏距離，D_MN為樹種M與樹種N之間歐氏距離的平均值，x_Mik為樹種M第i個樣本第k波段光譜反射率、一階微分、二階微分值，xNk為比較樹種N第k波段50個樣本光譜反射率、一階微分、二階微分值的平均值，為樣本個數（i=1,2，3,…，50）；n是波段總數；K為樣本總數（K=50)。

從表1~4可以看出，原始光譜、一階微分、二階微分光譜的選擇波段同種植被之間的歐氏距離平均值均小于不同種植被之間的歐氏距離平均值，可以有效區(qū)分不同植被。表1中，4種植被與臭櫻的原始光譜、一階微分和二階微分的歐式距離均差異較大，說明識別臭櫻的波段選擇效果好；從表2、表3可以看出冷水花與杉木的歐式距離大，說明利用所選波段區(qū)分冷水花和杉木兩種植被的效果明顯；從表1~4可以看出，冷水花與其他3種植被的歐式距離均較大，說明冷水花與其他3種植被的識別效果較佳。

5、結語

與多光譜相比，高光譜具有波段多、連續(xù)的特點，可提供豐富的光譜信息。利用高光譜的特性，對原始光譜進行一階二階微分處理，分析其光譜特征，為植被的識別提供有效的途徑和方法。從4種植被的原始光譜曲線可以看出，4種植被的曲線形狀相似，只有個別波段存在微小差異，把這些微小差異的波段選取出來，用來區(qū)分植被；一階微分和二階微分方法可以將原始光譜的微小差異擴大化，使存在差異的波段更明顯，選取有差異的波段來區(qū)分4種植被。歐式距離的分析顯示，所選取的波段可有效區(qū)分4種植被。

3種方法選擇的波段有差異，但存在共同點。原始光譜差異較大的波段全部屬于近紅外波段區(qū)間，一階微分光譜差異較大的波段一個屬于綠光波段，剩下兩個全部位于近紅外波段區(qū)間，二階微分光譜差異較大的波段一個位于紅光波段區(qū)間，兩個位于近紅外波段。可見，在近紅外波段可有效地識別不同植被樹種，它們分別是1814~1823nm、1874~1883nm和1890-1899nm。由3種方法的共同點可知近紅外波段是識別不同植被的有效波段區(qū)間，進而分別計算每種植被類型的“生態(tài)水”。

來源：潘佩芬,楊武年,戴曉愛,鄭菠.不同森林植被的高光譜特性分析.