霍江潤(rùn) 李晶 曹澤遠(yuǎn) 夏穎聰 李珂 王子涵

摘? 要：植被識(shí)別和特征研究是智慧校園的有機(jī)組成部分。該文應(yīng)用高光譜遙感設(shè)備對(duì)中國(guó)礦業(yè)大學(xué)（北京）學(xué)院路校區(qū)20種典型植被的反射光譜數(shù)據(jù)進(jìn)行采集并對(duì)反射光譜基本特征、光譜時(shí)序變化、相關(guān)植被指數(shù)以及低通濾波變換進(jìn)行分析，研究結(jié)論：（1）植被反射光譜基本特征相似，紫葉李在可見(jiàn)光波段的波峰位置存在偏移，八寶和黃楊的反射率波形特征明顯;（2）植被反射率時(shí)序變化與物候規(guī)律較為一致，地毯草和果樹(shù)類(lèi)存在偏差;（3）銀杏、紫葉李、剛竹、木槿、忍冬、石榴和八寶的NDVI特征明顯，懸鈴樹(shù)、槭樹(shù)、剛竹、柏樹(shù)、叉子圓柏、山桃、八寶以及爬山虎的EVI特征明顯;（4）柏樹(shù)、紫藤和懸鈴樹(shù)的低通濾波反射特征明顯。研究成果有助于植被的辨識(shí)，為智慧校園在植被管理建設(shè)方面奠定了基礎(chǔ)。

關(guān)鍵詞：高光譜 校園植被 樹(shù)種識(shí)別 光譜特征變換

中圖分類(lèi)號(hào)：P237? 文獻(xiàn)標(biāo)識(shí)碼：A? ?文章編號(hào)：1672-3791（2021）10（b）-0000-00

Campus Vegetation Recognition Based on Measured Hyper-spectral Data

—A Case Study from China University of Mining & Technology， Beijing

HUO Jiangrun1，2? LI Jing1* CAO Zeyuan1? XIA Yingcong1? LI Ke1? WANG Zihan1

（College of Geosciences and Surveying Engineering， China University of Mining and Technology （Beijing）， Beijing， 100083 China）

Abstract： Vegetation recognition and characteristic research is an integral part of smart campus. In this paper， hyperspectral remote sensing equipment is used to collect the reflectance spectral data of 20 typical vegetation on The College Road campus of China University of Mining and Technology （Beijing）， and it analyzes the basic characteristics of reflectance spectrum， spectral time series changes， relevant vegetation indices and low-pass filtering transformation. The research conclusions are as follows： （1）The basic characteristics of reflectance spectra of vegetation are similar， the peak position of purple plum in visible band is offset， and the reflectance waveform characteristics of Baopai and Boxwood are obvious; （2）The temporal variation of vegetation reflectance was consistent with phenology， but there were deviations between carpet grass and fruit trees. （3）The NDVI characteristics of Gin kgo biloba， Prunus purpura， Phyllostachys japonicae， Hibiscus japonicae， Pomegranate and Eight species were obvious， and the EVI characteristics of camphora， Maple， Phyllostachys japonicae， cypress， Cypress， Cypress， Mountain peach， Eight species and Ivy were obvious. （4）Cypress， Wisteria and camellia have obvious low-pass filter reflection characteristics. The research results contribute to the identification of vegetation and lay a foundation for the construction of vegetation management in smart campus.

Key Words： Hyper-spectral; Campus vegetation; Tree species identification; Spectral feature transformation

高光譜遙感（Hyperspectral Remote Sensing）技術(shù)將表征地物屬性特征的光譜信息與表征地物幾何位置關(guān)系的空間信息有機(jī)地結(jié)合起來(lái)，使得地物的精準(zhǔn)分析與細(xì)節(jié)提取成為了可能[1]。

在高光譜遙感發(fā)展的過(guò)程中，國(guó)內(nèi)外在植被方面進(jìn)行了大量研究。國(guó)外建立的植被光譜數(shù)據(jù)庫(kù)主要有：1960～1970年，美國(guó)NASA建立地球資源信息光譜數(shù)據(jù)庫(kù)[2];約翰斯·霍普金斯大學(xué)建立的光譜數(shù)據(jù)庫(kù);美國(guó)地質(zhì)調(diào)查局建立的地物光譜數(shù)據(jù)庫(kù);美國(guó)環(huán)保局部門(mén)建立的AEDC/EPA光譜數(shù)據(jù)庫(kù)及森林高光譜數(shù)據(jù)庫(kù)等。國(guó)內(nèi)眾多研究學(xué)者也開(kāi)展了大量的工作：1987年，中國(guó)科學(xué)院空間技術(shù)中心收集植被的波譜曲線共1 000余條;1998年，中科院遙感所建立了我國(guó)第一個(gè)系統(tǒng)的光譜庫(kù);北京師范大學(xué)建立了結(jié)合農(nóng)業(yè)、礦物等應(yīng)用領(lǐng)域的光譜庫(kù);2018年，曹帥強(qiáng)等人首次開(kāi)展了以校園植被作為研究對(duì)象的光譜特征分析[3]等。

當(dāng)前我國(guó)大部分校園的植被仍舊以人工管理為主，缺乏針對(duì)校園植被光譜的研究以及對(duì)應(yīng)光譜庫(kù)的建立，導(dǎo)致大部分植被數(shù)據(jù)沒(méi)有得到有效的組織，查詢統(tǒng)計(jì)起來(lái)費(fèi)時(shí)費(fèi)力。與此同時(shí)，智慧校園的建設(shè)已經(jīng)成為教育信息化的重要組成部分，加強(qiáng)校園植被光譜的識(shí)別與信息庫(kù)的建立能夠有效促進(jìn)校園智慧化、多元化管理，具有十分重要的現(xiàn)實(shí)意義。

結(jié)合以上背景因素，該文應(yīng)用高光譜遙感設(shè)備對(duì)中國(guó)礦業(yè)大學(xué)（北京）學(xué)院路校區(qū)20種典型植被的反射光譜數(shù)據(jù)進(jìn)行采集并對(duì)反射光譜基本特征、光譜時(shí)序變化、相關(guān)植被指數(shù)以及低通濾波變換進(jìn)行分析，揭示不同類(lèi)型植被之間的光譜信息，為校園植被遙感監(jiān)督分類(lèi)以及校園植被光譜庫(kù)的建立提供理論依據(jù)。

1 研究區(qū)域和數(shù)據(jù)

1.1 研究區(qū)概況

中國(guó)礦業(yè)大學(xué)（北京）現(xiàn)設(shè)學(xué)院路、沙河兩個(gè)校區(qū)，占地面積37萬(wàn)㎡，總建筑面積52萬(wàn)㎡;其中，學(xué)院路校區(qū)地處39°59′42″～39°59′56″N，116°20′27″～116°20′46″E，東臨學(xué)院路，西接?xùn)|王莊，南部和北部分別為北京語(yǔ)言大學(xué)和北京林業(yè)大學(xué)校園，校內(nèi)植被種類(lèi)豐富，該文重點(diǎn)針對(duì)教學(xué)區(qū)開(kāi)展研究，植被類(lèi)型及分布如下。

（1）綜合樓周?chē)狐S楊、月季、八寶、柏樹(shù)、剛竹、叉子圓柏、槭樹(shù)、側(cè)柏、紫荊以及女貞等;

（2）民族樓附近：以爬山虎、銀杏、玉蘭、地毯草、玉簪為主;

（3）圖書(shū)館沿路：叉子圓柏、銀杏、玉簪以及懸鈴樹(shù)等植被;

（4）辦公1、2號(hào)樓附近：衛(wèi)矛、紫葉李、剛竹、木槿、玉簪以及沿階草等;

（5）學(xué)生公寓與豐園附近：以五針?biāo)?、山桃、石榴、紫藤、月季以及忍冬為主?/p>

1.2 采樣方法與數(shù)據(jù)獲取

研究期間因疫情防控需要，校區(qū)實(shí)施封閉管理，區(qū)域觀測(cè)樣本點(diǎn)全部位于教學(xué)區(qū)域內(nèi)，見(jiàn)圖1。采樣時(shí)間為2020年10月1日至2021年7月4日，在排除環(huán)境干擾的情況下，利用ASD FieldSpec便攜式光譜輻射儀采集得到植被高光譜數(shù)據(jù)，其波段范圍為350～2 500 nm。其中，350～1 050 nm采樣間隔為1.4 nm，光譜分辨率為3 nm;1 000～2 500 nm采樣間隔為2 nm，光譜分辨率為8 nm。期間篩選出5類(lèi)計(jì)20種典型植被進(jìn)行采樣和數(shù)據(jù)分析，見(jiàn)表1。

為獲得較好的高光譜圖像數(shù)據(jù)，在測(cè)量工作前進(jìn)行了以下相關(guān)設(shè)置：光譜儀Opt優(yōu)化，使光譜儀獲得的光譜數(shù)據(jù)信噪比達(dá)到最大。WR采集參比光譜，保證儀器正確采集出入射光的DN值。該研究觀測(cè)工作于每日11：00左右進(jìn)行，觀測(cè)天氣均為晴朗無(wú)風(fēng)或微風(fēng)。觀測(cè)時(shí)，對(duì)每一個(gè)目標(biāo)物重復(fù)觀測(cè)3次，以其平均值作為該植被樣本的光譜反射率值。

2 研究方法

2.1 植被特征指數(shù)分析

（1）歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），計(jì)算公式為：

NDVI=（NIR-R）/（NIR+R） （1）

式（1）中，NIR為近紅外波段反射值，R為紅光波段反射值。

（2）增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI），計(jì)算公式為：

EVI=G （NIR-R）/（NIR+C_1 R-C_2 B+L） （2）

式（2）中，C_1=6，C_2=7.5，L=1，G=2.5，NIR為近紅外波段反射值，R為紅光波段反射值，B為藍(lán)光波段反射值。該文均取波段中值對(duì)應(yīng)的反射值[4]，即近紅外1.03 nm、藍(lán)光0.45 nm、紅光0.69 nm處對(duì)應(yīng)的反射值。

2.2 光譜反射率均值濾波處理

該文采用均值濾波處理，以改善光譜噪聲，去掉高頻成分。低通濾波公式如下[5]：

D=e^（（D_0^2）/x^2 ） （3）

式（3）中，x為植被光譜反射率值，D為低通濾波處理結(jié)果，D_0為一常數(shù)，該實(shí)驗(yàn)取0.005。

3 研究過(guò)程及結(jié)果分析

3.1 植被反射光譜特征差異

圖2為5種類(lèi)型20種典型植被2021年5月2日對(duì)應(yīng)的反射光譜圖，通過(guò)分析，得出結(jié)論：

（1）反射率均在410 nm與680 nm附近位置出現(xiàn)吸收帶。第一吸收帶位于410 nm附近，葉紅素和葉黃素在400 nm的光譜響應(yīng)模式中起主導(dǎo)作用，表現(xiàn)出較低的反射率，波谷不明顯。第二吸收帶位于紅光波段范圍內(nèi)，葉綠素對(duì)紅光吸收作用強(qiáng)，形成紅光吸收帶，波谷明顯。

（2）各類(lèi)植被在可見(jiàn)光波段反射率較低。正常大多數(shù)情況下，由于植被葉片內(nèi)生物化學(xué)成分的存在因素，植被的反射率一般不高于0.2[6]，根據(jù)這一特點(diǎn)，圖示中，柏樹(shù)的反射率最低，爬山虎的反射率超過(guò)0.2，玉簪的反射率較為接近0.2，剩余植被的反射率較為集中，不易于區(qū)分。

（3）自690 nm開(kāi)始，各植被反射率均急劇增長(zhǎng)，且反射率的變化幅度大小與其反射率大小成正比，圖示中，爬山虎反射率增值接近0.6，柏樹(shù)的增值僅為0.1左右。

（4）各類(lèi)植被的反射率曲線較為相似，自近紅外波段開(kāi)始，光譜曲線變得較為平緩，反射率值保持穩(wěn)定，保證分辨的進(jìn)行，但個(gè)別植被的波形存在較大的偏差，圖示中，紫葉李在可見(jiàn)光波段的波峰位置存在偏移，八寶和黃楊植被在近紅外波段的波形幅度較大。

3.2 反射光譜特征時(shí)序變化分析

該文篩選出紫葉李、柏樹(shù)、黃楊、地毯草以及山桃5種植被，觀察其反射光譜時(shí)序變化圖，見(jiàn)圖3～圖7，并歸納總結(jié)如下：

（1）以上5種植被的反射率普遍于夏季增加，秋冬季下降，光譜變化規(guī)律相近，與植被物候規(guī)律較為一致。同時(shí)存在個(gè)別特殊情況，地毯草和山桃（同時(shí)包括葡萄和石榴）自10月至11月的反射光譜值增加，可能是受植被葉片觀測(cè)位置不同，光照強(qiáng)度以及云層厚度等其他外界因素的影響。

（2）不同植被的反射光譜增強(qiáng)時(shí)段存在差異，以上5種植被中，柏樹(shù)和黃楊為5月～10月，紫葉李為6月～10月，地毯草為4月～11月。這與植物葉片的色素含量、內(nèi)部細(xì)胞結(jié)構(gòu)、含水量以及生長(zhǎng)習(xí)性存在一定的關(guān)聯(lián)。

3.3 植被特征指數(shù)分析

根據(jù)“2.2 植被特征指數(shù)分析”部分所述的相關(guān)計(jì)算公式以及ASD FieldSpec便攜式光譜輻射儀導(dǎo)出的高光譜數(shù)據(jù)，得到5類(lèi)植被的NDVI與EVI折線圖。

3.3.1歸一化植被指數(shù)NDVI特征分析總結(jié)

20種植被的NDVI數(shù)值均為正值，與實(shí)際情況相符。觀察NDVI折線圖（見(jiàn)圖8），得出結(jié)論：（1）落葉喬木中，銀杏在6月至10月的折線變化明顯區(qū)別于其他三類(lèi)植被，呈現(xiàn)先上升后下降的趨勢(shì);四類(lèi)植被在剩余時(shí)段的NDVI折線變化趨勢(shì)基本相同;紫葉李在10月至11月的下降幅度明顯。（2）常綠喬木中，剛竹在4月至5月以及10月至11月的NDVI值均為最小值，該植被的折線變化最為突出;四類(lèi)植被在4月至5月的折線均呈現(xiàn)下降趨勢(shì)，在10月至11月均呈現(xiàn)上升趨勢(shì)。（3）灌木類(lèi)植被中，黃楊和叉子圓柏在4月、5月以及11月的NDVI數(shù)值大小近似相同;自7月開(kāi)始，除木槿外三類(lèi)植被的折線均呈現(xiàn)下降趨勢(shì)，且忍冬的下降幅度明顯。（4）果樹(shù)類(lèi)植被中，石榴的折線變化在4月至7月明顯區(qū)別于其他兩類(lèi)植被;自7月開(kāi)始，三類(lèi)植被的折線均呈現(xiàn)下降趨勢(shì)，且石榴的下降幅度明顯。（5）花草類(lèi)植被中，自4月至7月，除紫藤和地毯草外，剩余三類(lèi)植被的折線變化基本相同，且數(shù)值大小相近;紫藤在4月的NDVI數(shù)值較小;截止到11月，五類(lèi)植被中地毯草的NDVI值達(dá)到最大，八寶的NDVI值為最小。

3.3.2增強(qiáng)型植被指數(shù)EVI特征分析總結(jié)

20種植被的EVI數(shù)值結(jié)果存在個(gè)別大于1的現(xiàn)象，出現(xiàn)這種情況的原因可能與采集數(shù)據(jù)時(shí)的光照度以及云量等因素有關(guān)。觀察EVI折線圖，見(jiàn)圖9，得出結(jié)論：（1）落葉喬木中，懸鈴樹(shù)于5月2日達(dá)到EVI值的最小值，該植被于5月至10月的EVI折線呈現(xiàn)上升趨勢(shì);槭樹(shù)于10月中旬出現(xiàn)較為明顯的低值;10月后，除槭樹(shù)外三類(lèi)植被的EVI值均有所下降。（2）常綠喬木中，剛竹的折線變化整體基本呈上升趨勢(shì);柏樹(shù)自7月開(kāi)始，其折線變化呈現(xiàn)下降趨勢(shì)。（3）灌木類(lèi)植被中，四類(lèi)植被的折線變化趨勢(shì)基本相似，其中，叉子圓柏自10月至11月的EVI值有所增加。（4）果樹(shù)類(lèi)植被中，山桃在10月時(shí)的EVI值達(dá)到最小值，該類(lèi)植被自10月至11月的折線變化為上升趨勢(shì);葡萄自5月至6月的折線變化為下降趨勢(shì)。（5）花草類(lèi)植被中，八寶的折線變化整體基本呈下降趨勢(shì);紫藤和爬山虎的折線變化較為明顯，其中，紫藤自4月至5月的EVI值下降幅度較大，爬山虎自10月至11月的下降幅度較大。

3.4 光譜反射率均值濾波處理

各植被反射率經(jīng)低通濾波變換后的光譜曲線見(jiàn)圖10。曲線圖中，柏樹(shù)和紫藤兩種植被的低通濾波反射率在各個(gè)波段均明顯區(qū)別于其他各類(lèi)植;在350 nm處，懸鈴樹(shù)的反射率最高;剩余植被光譜差異較小。

4 結(jié)論與討論

4.1 結(jié)論

該文利用ASD FieldSpec便攜式光譜輻射儀，于2020年10月1日至2020年11月8日，在中國(guó)礦業(yè)大學(xué)（北京）學(xué)院路校區(qū)教學(xué)區(qū)域內(nèi)采集了20種典型植被的反射光譜數(shù)據(jù)，并通過(guò)對(duì)反射光譜基本特征以及相關(guān)植被指數(shù)進(jìn)行分析，得到以下結(jié)論：

（1）2021年5月，可見(jiàn)光波段中，柏樹(shù)的反射率最低，爬山虎的反射率超過(guò)0.2，玉簪的反射率較為接近0.2，剩余植被的反射率較為集中。近紅外波段中，爬山虎反射率增值接近0.6，柏樹(shù)的增值僅為0.1左右。紫葉李在可見(jiàn)光波段的波峰位置存在偏移，八寶和黃楊植被在近紅外波段的波形幅度較大。

（2）植被的反射率普遍于夏季增加，秋冬季下降，光譜變化規(guī)律與植被物候規(guī)律較為一致，地毯草、山桃、葡萄和石榴自10月至11月的反射光譜值增加。不同植被的反射光譜增強(qiáng)時(shí)段存在差異，柏樹(shù)和黃楊為5月～10月，紫葉李為6月～10月，地毯草為4月～11月。

（3）銀杏、紫葉李、剛竹、木槿、忍冬、石榴和八寶植被的NDVI特征明顯，黃楊和叉子圓柏在4月、5月以及11月的NDVI數(shù)值大小近似相同。懸鈴樹(shù)、槭樹(shù)、剛竹、柏樹(shù)、叉子圓柏、山桃、八寶以及爬山虎植被的EVI特征明顯。

（4）柏樹(shù)、紫藤和懸鈴樹(shù)三種植被的低通濾波反射特征較為明顯，剩余植被變換光譜差異較小。

4.2 討論

由于該文前期研究時(shí)期處于疫情封校階段，因此存在研究區(qū)域有限以及缺乏對(duì)應(yīng)參考光譜的相關(guān)問(wèn)題，后續(xù)會(huì)進(jìn)一步擴(kuò)大研究區(qū)域及對(duì)象，完善研究數(shù)據(jù)，在建立校園內(nèi)部自然植被的光譜數(shù)據(jù)庫(kù)等方面進(jìn)行繼續(xù)深入的研究。

參考文獻(xiàn)

[1] 李西燦，朱西存.高光譜遙感原理與方法[M].北京：化學(xué)工業(yè)出版社，2019.

[2] 童慶禧，張兵，立福.中國(guó)高光譜遙感的前沿進(jìn)展[J].遙感學(xué)報(bào)，2016，20（5）：689-707.

[3] 曹帥強(qiáng)，李陽(yáng)陽(yáng)，張軍.云南大學(xué)東陸園植被景觀的光譜特征[J].衡陽(yáng)師范學(xué)院學(xué)報(bào)，2018，39（3）：116-122.

[4] 楊可明.遙感原理與應(yīng)用[M].徐州：中國(guó)礦業(yè)大學(xué)出版社，2016.

[5] 王延倉(cāng)，章學(xué)深，李會(huì)民.基于實(shí)測(cè)高光譜數(shù)據(jù)的樹(shù)種分類(lèi)[J].北華航天工業(yè)學(xué)院學(xué)報(bào)，2021，31（3）：4-7，16.

[6] 杜振華.植物可見(jiàn)光與近紅外反射光譜測(cè)量與分析[D].昆明：云南師范大學(xué)，2019.