楊可明 王林偉 任俊濤 劉士文 閻書(shū)豪

摘要 利用高光譜遙感技術(shù)代替?zhèn)鹘y(tǒng)方法檢測(cè)重金屬污染，具有效率高、費(fèi)用低、檢測(cè)范圍廣等優(yōu)點(diǎn)。但是高光譜影像的空間分辨率較低，為了提高精度需要提取影像的端元。鑒于純凈像元指數(shù)（Pixel Purity Index，PPI）法耗時(shí)長(zhǎng)的缺點(diǎn)，提出一種基于高斯分布的波譜曲線(xiàn)概率法用于高光譜影像端元提取，并結(jié)合重金屬脅迫下植被波譜響應(yīng)變化建立了高光譜遙感影像的植被重金屬污染檢測(cè)模型。經(jīng)過(guò)試驗(yàn)研究及分析，發(fā)現(xiàn)波譜曲線(xiàn)概率法端元提取的效果和精度與PPI 相近，但是時(shí)間消耗明顯減少。因此，建立的植被重金屬污染檢測(cè)模型可以用于高光譜遙感圖像，具有一定的價(jià)值。

關(guān)鍵詞 高光譜遙感影像；波譜曲線(xiàn)概率法；端元提??；重金屬污染檢測(cè)模型

中圖分類(lèi)號(hào) S181.3；TP75 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2014）16-05178-03

高光譜遙感圖像因具有豐富的光譜維數(shù)而得到廣泛應(yīng)用，但其較低的空間分辨率使混合像元的存在成為必然?；旌舷裨侵萍s遙感制圖的關(guān)鍵因素，端元提取、豐度反演是混合像元分解的關(guān)鍵步驟[1]。目前，國(guó)內(nèi)外端元提取的算法較多，如比較經(jīng)典的純凈像元指數(shù)（Pixel Purity Index，PPI）[2]算法、連續(xù)最大角凸錐（Sequential Maximum Angle Convex Cone，SMACC）[3]算法等。由于PPI計(jì)算過(guò)程復(fù)雜而又耗時(shí)，在現(xiàn)實(shí)應(yīng)用中受到限制。該研究給出一種基于高斯分布的純凈像元計(jì)算方法來(lái)代替PPI用于高光譜影像端元提取，即波譜曲線(xiàn)概率法。試驗(yàn)證明此方法簡(jiǎn)單高效，并能應(yīng)用于植被重金屬污染檢測(cè)模型的建立。

此外，由于礦業(yè)的發(fā)展，廢氣排放、污水灌溉造成了土壤、水和大氣的重金屬污染。重金屬污染的土壤使植被生長(zhǎng)受到脅迫，尤其是對(duì)水稻、玉米等農(nóng)作物，使人們的健康受到威脅。人們已經(jīng)開(kāi)始利用化學(xué)方法進(jìn)行檢測(cè)，但是這些方法存在著很多弊端，不僅浪費(fèi)人力、物力而且很難進(jìn)行大規(guī)模的檢測(cè)。利用植被的波譜響應(yīng)函數(shù)對(duì)其重金屬脅迫進(jìn)行檢測(cè)，可以避免傳統(tǒng)方法的一些弊端。目前，對(duì)于重金屬元素脅迫下植被波譜響應(yīng)的研究，多以局部試驗(yàn)為主，利用高光譜掃描儀測(cè)定健康以及受到脅迫的植被來(lái)獲取其波譜響應(yīng)，最后做一些定量的分析；或者利用一些理論模型對(duì)高光譜數(shù)據(jù)進(jìn)行處理，再利用數(shù)學(xué)模型分析相關(guān)性，最后做出相應(yīng)的結(jié)論。而具有豐富光譜維數(shù)的高光譜遙感影像很少用于植被重金屬污染檢測(cè)，但該研究創(chuàng)新建立模型用于檢測(cè)高光譜遙感影像的植被重金屬污染，經(jīng)過(guò)分析得出此模型具有一定的可靠性。

1 理論基礎(chǔ)與研究方法

1.1 高斯分布 高斯分布（Gaussian Distribution）又名正態(tài)分布（Normal Distribution），是一個(gè)在數(shù)學(xué)、物理及工程等領(lǐng)域都非常重要的概率分布，在統(tǒng)計(jì)學(xué)中具有重要意義。同時(shí)在高光譜影像分析中具有重要的應(yīng)用價(jià)值。

式中，μ、σ（σ>0）為常數(shù)，則稱(chēng)X服從參數(shù)為μ、σ的高斯分布或正態(tài)分布，記作X～N（μ， σ）。

1.2 植被重金屬脅迫的波譜響應(yīng) 重金屬元素的主要危害是能與蛋白質(zhì)結(jié)合使其發(fā)生沉淀，致使蛋白質(zhì)變性[4]。當(dāng)植物吸收過(guò)多的重金屬元素時(shí)，就會(huì)嚴(yán)重影響其他微量元素的吸收以及葉綠素的含量，造成植被不健康生長(zhǎng)。此時(shí)，植被的波譜響應(yīng)會(huì)受到影響。學(xué)者們經(jīng)過(guò)大量的試驗(yàn)證明：隨著葉片重金屬元素含量增加，在可見(jiàn)光區(qū)植被葉片光譜的反射率變化程度增加，同時(shí)在近紅外區(qū)紅邊“藍(lán)移”（向短波方向飄移）程度也是逐漸增強(qiáng)[5-9]。這是目前檢測(cè)植被重金屬污染的診斷性波譜特征，如圖1所示。

1.3 波譜曲線(xiàn)概率法 經(jīng)過(guò)試驗(yàn)研究及分析可知，經(jīng)過(guò)去相關(guān)的高光譜遙感影像的灰度值近似地服從高斯分布。由于高光譜遙感圖像的空間分辨率較低，越純凈的像元數(shù)量越少。波譜曲線(xiàn)概率大小是像元個(gè)數(shù)多少的較好反映。因此，可以利用波譜曲線(xiàn)概率來(lái)估測(cè)像元的純凈度。基于高斯分布的波譜曲線(xiàn)概率法高光譜影像端元提取過(guò)程如下。

Step 1 對(duì)高光譜遙感影像進(jìn)行最小噪聲分離（Minimum Noise Fraction，MNF）[10]。

Step 2 反演高斯分布概率函數(shù)，并利用函數(shù)計(jì)算每個(gè)像元的波譜曲線(xiàn)概率。

Step 3 設(shè)置閾值，將波譜曲線(xiàn)概率小于閾值的像元作為純凈像元。

Step 4 構(gòu)建N維可視化窗口，選取極點(diǎn)作為端元并輸出。

1.4 植被重金屬污染檢測(cè)模型 利用高光譜遙感影像對(duì)植被的重金屬污染進(jìn)行檢測(cè)，最大的制約因素是影像的低空間分辨率，這也是高光譜遙感影像很少被用于植被重金屬污染檢測(cè)的原因。因此，建立模型前要提取高光譜遙感影像植被的純凈像元。然后對(duì)提取植被端元建立一個(gè)重金屬污染檢測(cè)模型，如公式（2）所示。

2 結(jié)果與分析

2.1 試驗(yàn)數(shù)據(jù) 試驗(yàn)數(shù)據(jù)采用普朗地區(qū)Hyperion高光譜遙感影像。普朗地區(qū)位于滇西北與四川省接壤地帶，屬于中甸弧。

金礦普朗斑巖銅礦是中甸弧近年來(lái)發(fā)現(xiàn)的一個(gè)超大型斑巖礦床。因此，在這樣一個(gè)礦產(chǎn)比較豐富的地區(qū)，其生長(zhǎng)的植被有很多都受到重金屬的脅迫。經(jīng)過(guò)預(yù)處理后的影像有131個(gè)波段，光譜分辨率為10 nm，空間分辨率為30 m，光譜范圍325～2 355 nm，圖幅大小為266×249，如圖2所示。

2.2 高光譜影像的端元提取 對(duì)普朗地區(qū)的高光譜影像進(jìn)行MNF變換后，分別計(jì)算純凈像元指數(shù)（迭代次數(shù)選擇為5 000）和波譜曲線(xiàn)概率，記錄得兩種方法的耗時(shí)分別為186.7 s和2.4 s。利用這兩種方法提取普朗地區(qū)高光譜影像的端元，分別選取了4種端元，如圖3所示。

圖3 兩種方法提取的端元 利用USGS波譜庫(kù)，使用光譜角余弦值（Spectral Angle Mapper，SAM）和光譜特征擬合（Spectral Feature Fitting，SFF）進(jìn)行匹配，設(shè)置SAM和SFF的權(quán)重分別為0.7和0.3，值越大表示提取精度越好，結(jié)果見(jiàn)表1。

由圖3和表1可知，這兩種方法的提取端元的效果和精度相差不大，但是波譜曲線(xiàn)概率法的時(shí)間消耗較少，而且可應(yīng)用于重金屬污染檢測(cè)模型的建立。

2.3 植被重金屬污染檢測(cè)模型的應(yīng)用 利用波譜曲線(xiàn)概率法獲取所有植被的純凈像元，即端元，結(jié)果如圖4所示。

此外，通過(guò)采集像元（181，55）周?chē)?個(gè)混合像元并進(jìn)行波譜分析，得出此4個(gè)像元都含有Sphalerite（閃鋅礦），而且SAM匹配值高達(dá)0.8。閃鋅礦通常含有Zn和Fe兩種重金屬元素。因此可以判斷（181，55）像元內(nèi)的植被很可能受到Zn和Fe的脅迫。所以，提出的高光譜遙感影像植被重金屬污染檢測(cè)模型有一定的參考價(jià)值。

3 結(jié)論

目前，國(guó)內(nèi)外的端元提取算法很多。該研究為了更快速提取高光譜遙感影像的端元以便于實(shí)際應(yīng)用，提出了波譜曲線(xiàn)概率法，并將此方法應(yīng)用于高光譜遙感影像的植被重金屬污染檢測(cè)模型建立中。通過(guò)試驗(yàn)，驗(yàn)證了波譜曲線(xiàn)概率法在高光譜遙感影像端元提取中的有效性，以及基于高光譜遙感影像植被重金屬污染檢測(cè)模型的可行性。此模型打破了目前利用高光譜遙感技術(shù)進(jìn)行植被重金屬污染檢測(cè)的局限性，具有重要的現(xiàn)實(shí)意義。

安徽農(nóng)業(yè)科學(xué) 2014年參考文獻(xiàn)

[1] 何曉寧，曹建農(nóng)，高坡，等.基于頂點(diǎn)成分分析法的端元提取改進(jìn)算法[J].測(cè)繪通報(bào)，2013（7）：30-34，81.

[2] BOARDMAN J W，KRUSE F A，GREEN R O.Mapping Target Signatures via Partial Unmixing of AVIRIS Data[C]//Fifth JPL Airborne Earth Science Workshop.Pasadena，USA，1995：23-26.

[3] GRUNINGER J H，RATKOWSKIA J，HOKE M L.The Sequential Maximum Angle Convex Cone （SMACC） Endmember Model[M].USA：SPIE，2004.

[4] 薛亮，劉建鋒，史勝青，等.植物響應(yīng)重金屬脅迫的蛋白質(zhì)組學(xué)研究進(jìn)展[J].草業(yè)學(xué)報(bào)，2013，22（4）：300-311.

[5] 陳思寧，劉新會(huì)，侯娟，等.重金屬鋅脅迫的白菜葉片光譜響應(yīng)研究[J].光譜學(xué)與光譜分析，2007，27（9）：1797-1801.

[6] 聶勝委，黃紹敏，張水清，等.重金屬脅迫對(duì)小麥生長(zhǎng)的影響及閾值研究[J].華北農(nóng)學(xué)報(bào)，2012，27（6）：118-124.

[7] 林婷.水稻鋅污染高光譜遙感監(jiān)測(cè)模型研究[D].北京：中國(guó)地質(zhì)大學(xué)（北京），2011.

[8] 路明亮.銅脅迫下植物光譜變化規(guī)律及銅含量估算模型研究[D].北京：中國(guó)地質(zhì)大學(xué)（北京），2012.

[9] 薛喜成，陳菲.小峪河金礦區(qū)土壤、植被重金屬污染研究[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，41（8）：141-148.

[10] GREEN A A，BERMAN M，SWITZER P，et al.A transformation for ordering multispectral data in terms of image quality with implications for noise removal[J].IEEE Transactions on Geoscience and Remote Sensing，1988，26（1）：65-74.安徽農(nóng)業(yè)科學(xué)，Journal of Anhui Agri. Sci.2014，42（16）：5181-5185

責(zé)任編輯 張彩麗 責(zé)任校對(duì) 況玲玲