何 念,刘玉婵,闵 婕

(滁州学院，安徽 滁州 239000)

1 引言

在全球气候日益变暖及全球生态环境不断恶化的情况下，加强对生态环境的保护就显得格外重要，而重视森林的建设与管理是增强生态环境保护能力的重要方式。森林是林业的重要组成部分，是构成自然生态环境体系的重要内容，影响着经济社会的可持续发展。重视森林体系管理，识别、分清森林树种是做好森林管理及推动森林健康发展的重要保障。当前，我国很多地区森林树种的分类调查还依赖于实地调查研究，但因森林分布范围较广、区域较大，依靠实地调查对森林树种尤其是森林优势树种进行分类，需要耗费大量的人力、时间，因而使用遥感技术对优势树种进行分类就成为森林树种分类管理的必然途径。

当前，遥感技术在森林中的应用逐渐普及，使用范围也越来越广，主要利用光学图像或者数字图片来获得树种的特征信息，进而依靠树种的特征信息来对优势树种进行分类，分类效果通常较好。但在遥感技术获得快速发展的情况下，高光谱技术也随之发展，并在森林优势树种中的分类应用也实现了巨大突破，对森林优势树种的分类应用的精确程度也获得了大幅提高。而叶片高光谱作为高光谱的一种，在优势树种分类中的应用也不断普及。因此，本文通过研究基于叶片高光谱的皇甫山森林公园优势树种分类，不仅有利于加强对皇甫山森林公园的管理，还有利于保护公园的森林生态体系，减少人力、财力消耗，提高现代技术在优势树种分类中的应用能力。

2 研究区及数据源

2.1 研究区

研究区位于滁州市西郊38 km处，与南京市、合肥市的距离大约有100 km，将近1 h的车程。皇甫山在古代被称为曲亭山，因南唐将军皇甫晖在该处屯兵而获得此名。皇甫山森林公园占地面积达到了53273亩，森林覆盖率达到了96.1%，是华东地区拥有的最后一片原始森林。在公园内部自然景观与人文景观交错分布，是我国的森林公园、自然保护区，也是我国著名的旅游风景区。北将军岭是皇甫山森林公园的最高峰，海拔为399.2 m。

皇甫山森林公园内部群山连绵，跌宕起伏，多为山地、丘陵地形，拥有众多的峡谷，因而形成了山水相间的自然风光，境内植被茂密，成为一个天然的大氧吧。同时，皇甫山森林公园蕴含的负氧离子含量较高，生态环境较好，公园常年的平均气温为14.3 ℃，气候较为温和，夏季气温不高，是一个天然的休闲避暑疗养场所，被授予我国最好的森林疗养目的地的称号。

皇甫山森林公园境内原始森林众多，古树茂密，藤萝遍布，景色宜人，分布着河麂、小灵锚、豹猫、花面狸等130多种野生动物。当前，公园植被主要是多以北亚热带落叶阔叶林为主，原生次生林数量较多，分布范围较广，拥有银杏、黄檀、鹅掌楸等10余种国家级二三级保护树种以及114种野生植物。其中，皇甫山森林公园拥有的优势树种为银杏、黄檀、鹅掌楸、榉树、马尾松、国外松、杉木、麻栎等。

2.2 数据源获取

为保障皇甫山森林公园优势树种分类研究的有效开展，此次的实验数据采集分通过3个阶段来完成，第一阶段的数据采集时间为2019年3月6日至3月12日，第二阶段的数据采集时间为2019年4月15日至4月21日，第三阶段的数据采集时间为2019年5月24日至5月30日。其中，第一阶段采集的数据主要用于皇甫山森林公园优势树种及多光谱数据的可分性研究，以及通过反射透射、叶面正反面以及不同预处理方式对优势树种分类的影响。而第二阶段和第三阶段采集的数据主要用于8种优势树种的可分性研究及不同海拔条件下的叶片光谱变化情况。第三阶段采集的数据主要用于变色期时间变化对叶片光谱产生的影响。

图1 皇甫山森林公园的区域分布

在第一阶段，使用光谱仪对优势树种叶片的光谱进行测量，将300～1150 nm作为光谱的测量范围，将3.3～3.4 nm作为光谱的测量间距，因处于300～470 nm及1050～1150 nm范围内的光谱噪声较大，故将470～1050 nm范围内的波段作为研究数据的来源。同时，使用反射和透射方式对优势树种叶片正反面的数据进行采集，并且反射数据通过使用光谱仪内部光源和二支分叉光纤进行测量获得，投射数据通过使用光谱仪的外部窗素灯光源和直行光汗进行测量获得(表1)。

第二、三阶段使用两台光谱仪对优势树种叶片进行光谱测量，通过两台光谱仪的测量，可以获得380～1170 nm范围内的光谱测量数据。通过采用反射和透射方式测量优势树种叶片正反面的信息，由此获得叶片正反面的数据。其中，使用二叉分支光纤对反射数据进行测量，并通过光纤一端的方式连接光谱仪，通过光纤分支连接光源(表2、3)。

表1 第一阶段采集的样本数据

表2 第二阶段采集的样本数据

表3 第三阶段采集的样本数据

3 数据预处理

在光谱常用的数据预处理方式中，经常使用对数变换、一阶导数变换、二阶导数变换，对于去除光谱噪声能够起到非常有效的作用。对皇甫山森林公园优势树种进行分类处理，可以使用对数变换、一阶导数变换、二阶导数变换等三种方式对数据进行预处理，从而有利于优势树种分类的数据预处理。用g(r)、f'(r)、f''(r)分别作为对数变换、一阶导数函数、二阶导数函数进行变换后得到的光谱曲线函数，其中，f(r)是去除异常值和重采样后的实际测量原始光谱曲线函数，并将r定义为波长值，

4 研究方法

4.1 单因素方差分析

在不考虑波段之间相关性的前提下，利用单因素方差对优势树种的波段进行分析，以便能够发现不同优势树种之间的差异性，可以通过不同优势树种波段光谱的均值及方差来对不同优势树种的波段差异性进行判断，可以优先考虑差异较大的波段，同时，借助SPSS20软件对单因素方差进行研究，将0.05作为显著性差异的标志，由此可以得到不同优势树种波段的基础信息，但还需要进行下一步的分析。

4.2 逐步判别分析

逐步判别分析法是指将具有一定研究对象的类别作为因变量，将具有相应特征的变量作为自变量，由此按照一定的判别标准建立判别函数，由此依据研究对象的属性特征来确定判别函数的待定系数，由此对相应的判别指标进行计算。因此，在对优势树种进行分类的过程中，可以使用逐步判别法选择有利于优势树种分类的波段组合，按照Wilks' Lambda(L)的标准对波段进行选择，并使用交叉验证方法对波段进行验证，以便能够对选择波段的稳定性进行验证。因此，可以使用全模型法对选择出来的特征波段进行判别，从而根据不同波段的特征来对不同优势树种进行分类。

4.3 因子分析

使用因子分析法可以对选择的不同树种的波段进行优化、提取，作为一种常用的数据降维方法，能够从多种变量中提取共性因子，将相关性较强的共性因子归类为同一类，以便能够通过少数的因子来表达共性因子的特征。在对皇甫山森林公园的不同种类的优势树种进行分类的过程中，使用主成分分析的方法进行因子提取。

4.4 多光谱数据的模拟

通过使用多光谱传感器中的光谱响应函数对多光谱数据进行模拟，以便能够模拟出不同传感器的低分辨率光谱，并且使用SDA进行分类研究，以便能够确定不同的波段个数，从而能够对皇甫山森林公园不同优势树种进行分类。

首先，对光谱重采样进行1nm间隔，依据波段响应函数，对3个不同卫星的多光谱传感器的光谱曲线进行模拟，并且这3种不同的卫星分别为GEOEYE-1、RAPIDEYE、WORDVIEW2，前两种卫星的波段是从430 nm开始的，而后面一个卫星的波段是从350 nm开始的。但实验室在对叶片光谱数据波段信噪比进行测量，能够获得较高的波段范围处于470～1050 nm，为满足蓝光波段模拟的要求。基于此，未对蓝光波段进行研究。对多光谱传感器进行光谱模拟，需要对光谱响应函数进行了解，并根据实际测量的光谱能量重新进行分配，即能够按照实际测量的光谱函数进行波长加权平均，得到的波长函数的权重就是光谱响应函数在该波段处的函数值。

5 结果与分析

对于第一阶段采集获得的数据，可以使用单因素分析法和逐步判别法对其进行研究，将实验得到的数据按照不同的优势进行分类，将其分为9种树种，以便能够探讨皇甫山森林公园不同优势树种叶片光谱的可分性，同时，还要分析不同数据对优势树种分类结果的影响。

5.1 单因素分析方法对8种树种分类结果的影响

利用单因素分析方法对实验获得的原始数据和对数数据进行分析，对于透射或者反射来说，对皇甫山森林公园的优势树种进行分类，可以借助高光谱数据的波段并且会对优势树种分类产生显著影响。在经过一阶导数、二阶导数处理后，获得的波段数据对优势树种分类不会产生显著影响，并且获得的波段在高光谱波段范围内处于不规则分布状态。依据叶片正面对数的反射数据，红色波段对马尾松、国外松等针阔叶林的分类不会产生较大的影响。利用反射数据对皇甫山森林公园的优势树种进行分类，会对优势树种分类产生较为显著的影响。利用透射数据对优势树种进行分类时，绿光和红光波段对优势树种分类的影响不是很显著。对于反射和透射数据来说，近红外波段光谱都会对优势树种分类产生显著影响。在对叶片正反面不加以区分的情况下，反射光谱在混合之后可以减少可分波段的数量，而透射数据对可分波段的数量不会产生显著影响。

5.2 逐步判别分析方法对8种树种分类结果的影响

利用逐步判别分析方法对实验获得的优势树种光谱数据进行分析，在对数据信息分析的过程中，通过对Wilk' Lambda(L)值及波段、分类精度数据既验证精度数据进行提取。其中，可以使用Wilk' Lambda(L)值对之前选择的波段进行分类，将其取值范围界定在0-1之间，若其取值越靠近0，越能够表明选择的波段对优势树种具有越强的分类能力。若其取值越靠近1，越能够表明选择的波段对优势树种具有越弱的分类能力。当Wilk' Lambda(L)值不会在显著降低时，对优势树种分类的分析也就结束。

借助Wilk' Lambda(L)值、分类精度对优势树种进行分类，如图2所示，从整体上看，使用判别分析法对已经选择的分类波段对优势树种都具有较强的分类能力(L<0.12)，并且经过一阶导数、二阶导数处理后的Wilk' Lambda(L)值均小于通过源数据和对数数据所获得的Wilk' Lambda(L)值，并且通过反射正面获得的数据以及不区分叶片正反面所获得的反射数据，其获得的Wilk' Lambda(L)值均大于其他方式获得的Wilk' Lambda(L)值。

图2 L值对比

如图3所示，对于马尾松、国外松等树种来说，这种树种的分类及验证精度都能够达到100%，各种优势树种也能够获得较好的分类结果，大部分优势树种的分类精度都处于80%～100%之间，尤其是分类精度处于90%～100%之间的精度数量占总的精度数量的百分比达到了85%以上。同时，对实验数据预处理方式以及采取不同的组合方式都会对优势树种的分类精度产生影响，但使用一阶导数、二阶导数对优势树种进行分类，能够获得较好的分类效果。通过反射+透射的分类方式获得的分类精度效果相对较好，但通过透射、反射、反射透射相结合分分类方式所获得的分类效果逐渐降低。

图3 8种树种分类精度对比

总体来看，通过对优势树种的正面叶片进行高光谱采集数据，能够获得较好的分类效果，但对优势树种的反面叶片进行高光谱采集数据，能够获得的分类效果要弱于通过正面叶片进行高光谱采集数据所获得的分类效果。但如果对叶片正反面不加以区分，所获得的叶片数据由此来进行优势树种的分类精度较差。此外，在对所获得的数据进行分类判别时，并且对分类的波段进行汇总，发现红边波段是出现频率最高的波段，因而红边波段对皇甫山森林公园优势树种的分类有着较为显著的影响。

6 结论

在现代世界环境中，森林的重要性不言而喻，而优势树种作为构成森林生态体系的重要组成部分，在现代环境中发挥着十分重要的作用。因此，加强对优势树种的分类管理，是提升森林管理的重要方式。通过使用叶片高光谱对皇甫山森林公园优势树种进行分类研究，发现使用单因素方差分析、逐步判别分析、因子分析能够取得较好的分类效果，并且3种分析方法对优势树种分类的精度有着显著的差异。同时，也发现红边波段对皇甫山森林优势树种的分类能够取得较好的分类效果。因此，使用叶片高光谱技术对森林中的优势树种进行分类研究，具有重要的研究价值。