骆晓龙， 佟志军， 赵云升， 张继权

1. 东北师范大学地理科学学院， 吉林 长春 130024

2. 东北师范大学草地科学研究所， 吉林 长春 130024

3. 东北师范大学环境学院， 吉林 长春 130024

基于分形理论的不同草原可燃物及裸土野外光谱识别研究

骆晓龙1, 2， 佟志军3*， 赵云升1， 张继权3

1. 东北师范大学地理科学学院， 吉林 长春 130024

2. 东北师范大学草地科学研究所， 吉林 长春 130024

3. 东北师范大学环境学院， 吉林 长春 130024

草原火灾一直是影响我国草原生态系统的重要因素， 对其展开研究具有重要的现实意义。 遥感技术的发展， 为草原火灾的相关研究提供了详尽准确的数据， 节省了大量的人力物力和财力。 但在实际应用中， 如何识别不同可燃物及裸土一直是难点问题。 试图将分形理论应用到枯草及裸土的光谱识别研究中， 为上述问题寻找新的研究思路和方法。 该研究运用美国ASD公司的FS3地物光谱仪对吉林省长岭县西部草场的优势种羊草(Leymuschinensis)、 芦苇(Reed)、 虎尾草(Chlorisvirgata)、 全叶马兰(Kalimerisintegrifolia)、 蒙古蒿(Artemisiamongolica)的枯萎植株及裸土进行了野外光谱测量。 并利用Matlab工具， 对上述研究对象的平均野外反射光谱曲线进行了包络线提取和分形盒维数的计算。 经过光谱分析， 裸土和虎尾草的野外光谱反射强， 羊草、 芦苇和蒙古蒿的野外光谱反射相对较弱， 但彼此的谱型较为相近， 较难识别区分。 而全叶马兰的平均野外光谱反射强， 且谱型与其他研究对象有较大差异， 可以很好的识别。 通过分形分析， 研究对象的平均野外反射光谱曲线与包络线具有典型的分形特征。 以分维数作为分类指标， 对研究对象进行聚类分析， 完成了不同地物的野外光谱识别。 该方法与传统光谱分析的方法相比， 能够更好地利用数学方法， 客观的通过识别参数对目标进行识别， 为今后进行其他种类枯草的识别和提取研究提供了新的思路和方法。

草原火； 分形； 盒维数； 包络线

引 言

中国所拥有4亿hm2草原中， 火灾易发区占1/3， 频发区占1/6。 草原火灾是草原生态系统安全及草原生态平衡重要影响灾种之一， 其严重影响草原生态系统的安全， 制约畜牧业的发展， 成为草原地区人民生命财产安全的重要隐患。 草原火灾研究具有重要的现实和社会意义。

近年来， 国内外研究主要包括以下内容： (1)包玉龙等[1]对枯草理化性质进行了建模研究。 Cruz等[2]研究了澳大利亚南部地区石楠燃烧的火行为。 (2)草原火灾预警研究。 杜瓦拉等[3]利用遥感技术， 构建了内蒙古地区草原火灾预警模型。 佟志军等[4]利用案例库、 人工神经网络技术对草原火灾应急管理系统和预警系统进行了研究。 (3)以自然灾害风险形成理论为依托， 进行有关草原火灾风险的研究。 如刘兴鹏等[5]利用模糊集数学方法对内蒙古锡林郭勒盟地区草原火灾风险进行了评估。 (4)草原火灾对生态环境影响的研究。 Anthony等[6]进行了火灾对纳吉自然保护区的生物栖息地、 物种结构以及气候的影响研究。 Maxim Dubinin等[7]对俄罗斯南部地区草原火灾灾后生态恢复进行了研究。

从草原火发生机理来看， 不同可燃物的理化性质不尽相同， 燃烧特性有所差异， 草原可燃物的识别与空间分布研究是上述研究的基础， 是草原火行为研究、 草原火灾监测预警以及风险评估的重要前提。 在传统的研究中， 可燃物分布情况主要通过野外实地调查来掌握， 需要消耗大量的人力物力。 随着遥感技术在野外火灾研究中广泛应用， 尤其是在森林火灾中的不断应用， 越来越多的人尝试将其应用到草原火灾[8-9]研究中， 并取得了一定的成果。 国内外研究表明基于遥感技术进行可燃物的提取(即枯草与裸土的区分)和不同种类可燃物的识别具有重要的理论价值和研究意义。

草原火经常发生在枯草期， 可燃物的生理特性已经丧失， 使得利用遥感技术提取和识别可燃物具有两个难点： 第一， 枯草与裸土的反射光谱特征十分相似， 很难在多光谱图像中区分。 第二， 不同种类的枯草彼此光谱特征相近， 亦较难利用多光谱数据进行区分。 然而， 任何地物的光谱特征均是由其结构及特性所组成的非线性系统决定的。 作为一种重要的非线性理论， 分形理论可以用于研究不同地物的光谱特征。 近年来， 分形理论越来越多的应用到地物形态特征研究[10-11]、 光谱分析[12]等领域， 它可以很好的描述不规则形状地物的变化特征， 辅助目标地物光谱特征的提取， 甚至可以定量的反映植物生长状况。 因此， 本文拟利用分形理论对不同可燃物野外光谱及其包络线分形特征的分析， 实现草原可燃物的提取与识别。

1 实验部分

1.1 研究区

东北师范大学松嫩草地生态研究站位于吉林省长岭县西北部的腰井子种马场， 位于东经123°45′， 北纬44°45′， 海拔高度约为160 m。 该区地处东北松嫩平原腹地、 欧亚草原带东端， 地势平坦开阔， 有零星沙丘呈条带状分布， 低洼地段常形成季节性碱性泡沼。 气候属于半干旱、 半湿润温带大陆性季风气候， 四季分明。 春季干旱多风， 夏季湿热多雨， 秋季温和凉爽， 冬季寒冷漫长。 该区域气候类型以及植被类型具有典型的欧亚草原特征。

1.2 仪器

野外光谱测量仪器采用美国ASD公司生产的FS3型便携式光谱仪， 其基本参数为： 光谱范围350～2 500 nm; 光谱分辨率为3 nm(350～1 000 nm)和10 nm(1 000～2 500 nm); 采样间隔14 nm(350～1 050 nm)和2 nm(1 000～2 500 nm)； 波长精度1 nm； 扫描时间100 ms。

1.3 方法

野外光谱测量于2014年3月5日至3月10日进行， 该时间段野外积雪消融， 枯草大范围裸露且春草尚未萌发。 测量时间为11：00—13：30之间， 阳光充足， 大气状况良好， 云量较少。 通过对地物光谱仪的参数设置， 每次测量自动记录三次， 取其均值作为测量结果。

在实验区内， 随机选取270个枯草样方以及20个裸土(当地土壤类型为盐碱土)样方， 尺寸为0.8 m×0.8 m。 识别并记录样方内枯草种类， 并采用均匀布点的方式进行5次野外光谱测量。 测量过程中严格遵守野外光谱测量规范： 每次测量前均对实验仪器进行标准化处理； 测量过程调整探头与枯草灌层距离达到30 cm， 每次以相同高度进行测量， 高度误差不超过0.5 cm。 光谱采样的同时对样方进行垂直拍照， 用于枯草覆盖率计算。

1.4 分形

分形是法国数学家Mandelbrot于20世纪70年代建立起来的几何学理论， 在其后来的研究中逐渐成为非线性科学的重要理论之一。 不同于传统的欧式几何学， 分形理论以分数维的方式来重新认识世界、 探究自然。 分维数的定义和计算方法有多种， 如盒维数、 相似维数、 信息维数等等。 针对不同的研究对象， 应选择相应的分维数作为分形图形的度量。 本文采用盒维数来度量平均野外反射光谱曲线的分维特征。 盒维数计算公式如下

(1)

根据分形理论， 分形维数的大小与光谱曲线的空间构型以及自相关能力有较密切的关系。 光谱曲线的分形维数越大， 其数据空间构型越复杂， 自相关能力弱， 光谱曲线起伏越大。 相反， 光谱曲线分形维数越小， 其数据空间构型越简单， 自相关能力强， 光谱曲线起伏越小。

1.5 数据处理

1.5.1 野外光谱数据处理

本文选用研究区内优势种羊草(Leymuschinensis)、 芦苇(Reed)、 虎尾草(Chlorisvirgata)、 全叶马兰(Kalimerisintegrifolia)、 蒙古蒿(Artemisiamongolica)的枯萎植株样本和裸土样本作为研究对象。 由于野草在野外状态下很难找到枯草全覆盖的样方， 本研究对样方垂直相片进行处理， 计算枯草覆盖率。 选取覆盖率在80%以上的样方作为有效实验样方， 计算其平均反射光谱值。 图1为研究对象的平均野外反射光谱曲线。

图1 研究对象平均野外反射光谱曲线

1:Leymuschinensis; 2:Kalimerisintegrifolia; 3:Chlorisvirgate; 4: Soil; 5:Artemisiamongolica; 6:Reed

裸土和虎尾草的野外光谱曲线整体偏高， 羊草、 芦苇和蒙古蒿的野外反射光谱曲线整体偏低， 但上述研究对象的平均野外反射光谱曲线谱型较为相近， 较难识别区分。 而全叶马兰的平均野外反射光谱曲线总体偏高， 且谱型有较大差异， 可以识别。

1.5.2去包络线处理

去包络线法是野外光谱测量分析中广泛应用的方法[13]。 它可以很好的去除背景地物的影响， 更好的突出探测目标的光谱吸收特性， 实现基于光谱分析的地物识别。 本文采用Clark[14]提出的算法实现去包络线， 具体算法如下： (1)利用光谱曲线的求导法则， 求取野外地物光谱的所有极大值点， 然后通过排序比较， 得到最大值点； (2)以最大值点作为包络线的一个端点， 计算该点与长波方向各个极大值点连线的斜率， 将斜率绝对值最小的点作为下一个端点， 如此往复循环， 直至波长最大点。 (3)同样以第一步得到的最大值点作为端点， 向短波方向重复进行第二步的计算， 直至波长最小点； (4)沿波长增加的方向， 连接所有端点， 形成包络线。 图2所绘为研究对象的平均野外反射光谱曲线的包络线。

经过去包络线处理， 可以发现在野外光照条件下， 不同草类之间的吸收波段范围较为一致， 仅在吸收程度有差别(如图2所示)， 主要表现在以下几个方面：

首先在440～550和590～720 nm两个波段之间， 裸土有较强的反射作用， 枯草则呈现强吸收作用。 其中以全叶马兰吸收作用最为强烈。

其次， 在1 990～2 050 nm之间， 裸土表现了一定的反射作用， 枯草则呈现强吸收作用， 其中全叶马兰的吸收作用最为强烈。

再次， 在2 070～2 120 nm之间， 裸土表现了一定的吸收作用， 而枯草样本中， 除全叶马兰表现为吸收外均表现出一定的反射作用。

最后， 不同种枯草尽管存在的相似的吸收波段， 如350～600， 800～1 200， 2 200～2 400 nm等， 但对于不同波段的吸收有较大差别。 吸收由强到弱顺序为： 全叶马兰、 羊草、 芦苇、 蒙古蒿、 虎尾草。

图2 研究对象平均野外反射光谱曲线包络线

1：Leymuschinensis； 2：Kalimerisintegrifolia； 3：Chlorisvirgate； 4： Soil； 5：Artemisiamongolica； 6：Reed

2 结果与讨论

经过野外反射光谱曲线处理及包络线提取， 可以发现不同研究对象平均野外反射光谱曲线及其包络线彼此有一定程度的差异， 但多数研究对象差别不大， 较难实现不同研究对象的识别与区分。 除此之外， 通过光谱吸收波段的选取来识别地物往往具有因人而异的特点， 缺少客观性和通用性。 为了客观识别不同研究对象， 拟通过分形特征分析和分形值计算的方式解决上述问题。

2.1 分形特征分析

研究对象是否具有分形特征是进行分形分析的重要前提， 可通过绘制分形分析曲线即分形几何图形的测量尺度与迭代次数的双对数坐标图像进行验证。 若分形分析曲线具有典型的一次函数特征， 则研究对象具有良好的分形特征， 函数图像的斜率即其分形维数。 本文研究对象的平均野外光谱分形分析曲线(如图3(a)所示)及包络线的分形分析曲线(如图3(b)所示)具有十分明显的一次函数特征， 可以运用分形理论进行研究。

图3 (a)： 平均野外反射光谱曲线分形分析结果；

1：Leymuschinensis； 2：Kalimerisintegrifolia； 3：Chlorisvirgate； 4： Soil； 5：Artemisiamongolica； 6：Reed

为了对可燃物和裸土的野外平均反射光谱及其包络线的分形特征进行分析， 进而实现不同目标地物的识别与提取， 本文利用Matlab2010实现了分形盒维数算法， 计算了研究对象的平均野外反射光谱曲线盒维数D1及其包络线盒维数D2(如表1所示)。

表1 研究对象的分形盒维数

D1值表征了不同研究对象野外光谱曲线的空间构形的复杂程度。 全叶马兰具有最大的D1值为1.183 8， 与其他对象的盒维数值差距较大， 其反射光谱曲线应该起伏较为明显， 构型复杂。 其他目标地物的D1值较小且彼此差距甚微， 不具有典型特征。 其中， 芦苇、 蒙古蒿、 裸土的D1值分别为1.115 6， 1.117 4和1.118 8(如表1所示)， 在千分位上才有所差距， 说明三者对应的野外反射光谱曲线空间构型较为相似， 均较为平整(如图1所示)。 羊草和虎尾草的D1值分别为1.131 8和1.145 7， 在百分位上有细微差距(相差0.013 9)， 说明二者野外反射光谱曲线空间构型较芦苇、 蒙古蒿、 裸土的复杂。

D2值表征了不同研究对象野外光谱曲线包络线的空间构形的复杂程度。 蒙古蒿具有最小的D2值为1.190 6， 其包络线空间构型简单， 起伏不明显。 虎尾草和全叶马兰的D2值差异集中在千分位上， 分别为1.233 3和1.235 1， 说明二者包络线空间构型相似， 较难直接利用D2值进行区分。 裸土和芦苇的D2值分别为1.247 9和1.217 1， 二者差异集中在百分位上， 说明其二者包络线在空间构型上有细微的差异。 虎尾草具有最大D2值为1.255 9， 这是由于虎尾草的包络线随着光谱波段的增加先较为平稳， 后逐渐变得高低起伏， 自相似特征极不明显所致。

除此之外， 本文计算了D1值与D2值间的相关系数结果

图4 (a)： 基于野外平均反射光谱曲线盒维值聚类分析结果；

Fig.4 (a)： Clustering analysis for study subjects based on Box-counting value of field-derived spectra； (b)： Clustering analysis for study subjects based on Box-counting value of continuum of filed-derived spectra

1:Leymuschinensis; 2:Kalimerisintegrifolia; 3:Chlorisvirgate; 4: Soil; 5:Artemisiamongolica; 6:Reed

为0.379 6。 可见， 尽管光谱包络线是根据野外光谱曲线绘制的， 但其盒维数值与野外光谱曲线盒维数并不具备明显的相关性， 因此二者均可以用来表征不同研究对象的特征。

通过分析， 不同研究对象的野外光谱曲线盒维数及其对应包络线盒维数不尽相同， 能够表征不同地物不同光谱空间的构形特征， 具有特异性。 可以作为草原火不同可燃物及裸土野外光谱识别的重要指标。

2.2 聚类分析

尽管不同研究对象的D1值不相同， 但差别并不明显， 同样D2值也具备相似特点， 二者均不能直接用来进行研究对象的光谱识别。 为了实现不同研究对象的光谱识别， 本文利用Matlab分别按照D1值和D2值进行基于最近欧氏距离的聚类分析(如图4所示)。

由分类系谱图可知， 按照D1值分类的结果表明裸土和蒙古蒿为一类， 羊草、 全叶马兰、 虎尾草及芦苇自成一类[如图4(a)所示]。 可见， 利用D1值可以识别羊草、 全叶马兰、 虎尾草及芦苇， 而无法识别裸土和蒙古蒿。

按照D2值分类的结果表明羊草和全叶马兰为一类， 虎尾草和裸土为一类， 蒙古蒿、 芦苇分别自成一类[如图4(b)所示]。 可见， 利用D2值可以识别蒙古蒿与芦苇， 而无法识别羊草和全叶马兰、 虎尾草和裸土。

综合上述两次分类的结果， 可以实现不同可燃物及裸土的光谱识别。

3 结 论

(1)不同研究对象的平均野外光谱反射强弱上具有一定差距， 其中裸土、 虎尾草和全叶马兰反射率较高， 而羊草、 蒙古蒿和芦苇反射率相对较低。 从光谱谱型角度看， 全叶马兰的谱型最为复杂， 起伏较多。 其余地物谱型相近， 较难识别。

(2)实验区内不同可燃物及裸土的平均野外反射光谱曲线及其包络线具有明显的分形特征。 分形盒维数可以很好的表征不同研究对象平均野外反射光谱曲线及其包络线的起伏特征， 可以用来进行地物的识别。 通过聚类分析， 基本实现了不同研究对象的野外光谱识别。

(3)不同研究对象野外光谱曲线及包络线的盒维数值不具有显著相关性。 二者可以作为研究对象的不同属性和指标进行研究。

由于枯草处于衰败期， 植被光谱曲线的特征随着其生物特性的丧失逐渐消失。 因此， 传统的利用绿色植被遥感的方法识别和提取枯草是不易实现的。 研究对象野外平均反射光谱曲线的包络线可以反映不同研究对象的不同吸收波段及吸收强度。 尽管可以利用该特征完成研究对象的识别， 但在吸收波段特征值选取的过程中， 受研究人员的主观意识及经验影响， 往往出现识别结果因人而异的缺陷。 但分形理论作为非线性科学的重要研究方法， 可以很好的揭示枯草光谱曲线的空间构型特征， 分形值可以作为识别地物的重要参数。 分形值与可燃物理化指标相结合进行地物识别与提取的研究将成为下一步研究的重点。

[1] BAO Yu-long, ZHANG Ji-quan, ZHAO Yun-sheng, et al(包玉龙, 张继权, 赵云升, 等). Infrared(红外), 2011, 32(7): 38.

[2] Cruz M G, McCaw W L, Anderson W R, et al. Environmental Modelling & Software, 2013, 40: 21.

[3] Duwala(都瓦拉). A Study of Grassland Fire Monitoring and Early Warning and Assessment Inner Mongolia(内蒙古草原火灾监测预警及评价研究). Chinse Academy of Agricultural Sciences(中国农业科学院), 2012. 182.

[4] Tong Z, Zhang J, Luo X , et al. Study on Grassland Fires Disaster Emergency Spatial Decision Supprot System Based on Case-Base. Istanbul, 2013. 397.

[5] Liu X, Zhang J, Tong Z. Natural Hazards, 2015, 75(3): 2331.

[6] Arthur A D, Catling P C, Reid A. Austral Ecology, 2012, 37(8): 958.

[7] Dubinin M, Potapov P, Lushchekina A, et al. Remote Sensing of Environment, 2010, 114(8): 1638.

[8] Lentile L B, Holden Z A, Smith A M, et al. International Journal of Wildland Fire, 2006, 15(3): 319.

[9] Roy D P, Jin Y, Lewis P E, et al. Remote Sensing of Environment, 2005, 97(2): 137.

[10] Rodriguez Gonzalez J, Del Barrio G, Duguy B. Ecological Modelling, 2008, 211(1-2): 121.

[11] Gelet M, Suryabhagavan K V, Balakrishnan M. International Journal of Ecology and Environmental Sciences, 2010, 36(2-3): 117.

[12] WANG Xiao-jun, ZHANG Qiang, GU Xuan-qing(王小军, 张 强, 古璇清). Acta Geographica Sinica(地理学报), 2012， (9): 1201.

[14] Isaacson P J, Pieters C M, Besse S, et al. Journal of Geophysical Research, 2011, 116.

An Identification Study on Field-Derived Spectra of Grassland Combustibles and Soil Based on Fractal Theory

LUO Xiao-long1, 2, TONG Zhi-jun3*, ZHAO Yun-sheng1, ZHANG Ji-quan3

1. School of Geographical Sciences, Northeast Normal University, Changchun 130024, China

2. Institute of Grassland Science, Northeast Normal University, Changchun 130024, China

3. School of Environment, Northeast Normal University, Changchun 130024, China

Grassland fire disaster is an important influence factor to grassland ecological system in China. Therefore, it is crucial to study on the monitoring, prediction and management of grassland fire. Remote Sensing (RS) provides detailed data and saves a lot of manpower, material resources and financial resources on the research of grassland fire. However, it is difficult to identify the grassland fuel and soil with Remote Sensing. In this paper, we introduced fractal into the spectral analyses of the field-derived spectra (FDS) of grassland fuel and soil to solve the problem above. The study area laid on the Westward of Changling, Jinlin province, China. Study subjects included soil and dominant species:Leymuschinensis,Reed,Chlorisvirgate,KalimerisintegrifoliaandArtemisiamongolica. FDS of study subjects were measured with ASD FS3 and continuums of FDS were calculated by Matlab 2010. Meanwhile, Box-counting values of FDS and continuums were calculated by Matlab 2010. According to the spectral and continuum analysis, it is difficult to identify soil,Leymuschinensis,Reed,Chlorisvirgate, andArtemisiamongolicabecause of the similar spectral curves. However, theArtemisiamongolicacan be identified for the strong reflection. For typical fractal characteristics of FDS and continuum, clustering analyses of study subjects were done according to box-counting values of FDS and continuum. The results of clustering analyses show that Box-counting values of FDS and continuum are important indexes to identify the study subjects. This study provides a new thought to identity the grassland combustibles and soil with Remote Sensing.

Grassland fire; Fractal; Box-counting; Continuum removed

May 30, 2015; accepted Oct. 12, 2015)

2015-05-30，

2015-10-12

国家自然科学基金青年项目(41201549), 国家自然科学基金项目(41271350), 国家“十二五”科技支撑项目(2013BAK05B01)资助

骆晓龙， 1987年生， 东北师范大学地理科学学院硕士研究生 e-mail: luoxl190@nenu.edu.cn *通讯联系人 e-mail: gis@nenu.edu.cn

O657.3

A

10.3964/j.issn.1000-0593(2016)08-2553-05

*Corresponding author