靳瑰丽， 武红旗， 范燕敏， 王 俊， 何 龙

(新疆农业大学草业与环境科学学院 新疆草地资源与生态重点实验室， 新疆 乌鲁木齐 830052)

新疆的荒漠草地与农区接壤，是牧民春季和秋季的主要放牧区域，也是牧民定居工程的首选地，由于近年来的人口增长以及人为干扰强度的增大，天山北坡典型荒漠草地已由传统的草地向农田、工业及其他用地转变，天然草地面积逐渐减少，部分草地发生退化[1]，因此对草地的退化监测也越来越重要。遥感以其宏观、获取信息快的特点，成为快速、有效的对草地进行监测管理的重要手段。高光谱遥感具有光谱分辨率高、信息量大的特点，在对植被特征参数计算方面大大优于常规多光谱遥感，已有研究表明利用高光谱能够准确区分建群种和退化指示植物[2]。然而，部分研究还只是停留在群落或植物的光谱研究层面[3-4]。因此，本研究拟将荒漠草地的地面高光谱信息与环境减灾小卫星A星(HJ-1A)的HSI高光谱数据相结合，探讨利用高光谱遥感划分伊犁绢蒿(Seriphidiumtransiliense)荒漠草地退化等级的方法，为退化草地的监测和管理提供参考。

1 材料与方法

1.1 研究区概况

研究区位于天山北坡中段昌吉市三工镇以南2 km处的山前倾斜冲积—洪积扇，地理位置E 87°08′10″～87°08′32″，N 43°51′30″～43°52′12″，海拔825～897 m。具有中亚荒漠气候的特征，年降水量为180～190 mm，年均温为6.5℃。土壤为棕钙土，成土母质为黄土状物质，土层较厚。该研究区是伊犁绢蒿荒漠草地的典型分布区，由于接近居民点，导致过度放牧而出现退化。按传统草地地面调查方法，以各植物的重要值作为数量指标，采用一维数值分析方法—游动分割窗技术，将研究区草地划分为中度、重度和极度3个退化等级和区域[5]。

1.2 高光谱数据获取及处理

1.2.1退化草地群落反射光谱特征采集及处理 于2011年8月下旬利用美国SVC HR-768便携式光谱仪(光谱范围350～2 500 nm，通道数768)分别测定中度、重度和极度3个退化等级的伊犁绢蒿荒漠草地群落光谱反射特征。实地光谱测量时选择晴朗无云，风力小于三级天气，测量时间在北京时间12:00—14:00。在测定反射光谱时，探头与地面始终保持垂直，高度1 m。在每个退化等级内随机设6个1 m×1 m样方，每个样方测定10条光谱反射曲线，去除异常光谱反射曲线后取平均值作为该退化草地的平均光谱反射率，然后导入ENVI5.2中，建立不同退化等级伊犁绢蒿荒漠草地标准光谱库。

1.2.2环境卫星HSI高光谱遥感数据处理 环境与灾害监测小卫星HJ-1A HSI高光谱数据获取时间为2011年8月17日，数据产品是LEVEL 2级，空间分辨率为100 m，幅宽50 km，光谱范围450～950 nm，波段数为115个。

(1) 噪声去除

据郭兴杰等[6]的研究表明：HJ-1A星的高光谱数据在蓝绿波段(450～520 nm)易受大气散射的影响，HSI数据的前20多个谱段有明显的倾斜条带噪声，遮蔽了图像的纹理信息，影响了数据的进一步应用。分析本研究中不同退化等级草地群落在蓝绿波段的近地面反射光谱及高光谱影像反射特征可知，在500 nm之前3个退化等级草地的光谱反射率差别不大，去除后对高光谱影像分类影响较小，因此将其剔除，分类使用的波段范围为505～950 nm。

(2) 高光谱数据预处理

本研究采用ENVI软件FLAASH工具进行大气校正，然后对影像进行几何精校正，总体精度控制在0.5个像元以内。因为研究区域不大(16 km×4 km)，将研究区域范围大致裁剪出来，保留农田边缘与山前丘陵的范围。最后，通过最小噪声分离变换(Minimum Noise Fraction Rotation，MNF)前向变换分离有用信息和噪声，得到优化图像。

1.3 草地退化等级高光谱识别方法

本研究采用2种方法进行草地退化等级识别。方法一：利用已建立的标准光谱库，对HSI高光谱影像进行分类，划分研究区草地退化等级；方法二：使用HSI高光谱影像提取的光谱特征划分草地退化等级。

1.4 分类精度评价

分别在3个退化区域内随机选取15个小区，建立ROI文件，利用混淆矩阵进行分类精度的评价。

2 结果与分析

2.1 基于光谱库的HSI影像进行草地退化等级划分

2.1.1光谱角填图法划分草地退化等级 光谱角填图(Spectral Angle Mapping，SAM)是目前高光谱图像分类中最常用的方法，该方法从考虑光谱维的信息出发，强调了光谱的形状特征，计算待测光谱与参考光谱之间的“角度”看作是判别空间矢量的相似性，通过比较角度的大小来确定两者之间的相似性。在本研究中使用Multiple Angle对各类分别设置角度，调整到合适的参数，输出结果如表1所示。

表1 光谱角填图法的精度检验Table 1 Accuracy verification of SAM classification method/%

从总体精度与kappa系数(表1)可以看出分类质量差，其中中度、极度退化草地的漏分误差较大。重度退化从数据上看制图精度较高，但用户精度低，错分误差较大。

2.1.2光谱信息散度法进行草地退化等级分类 光谱信息散度法(Spectral Information Divergence，SID)通过计算像元光谱和参考光谱之间的光谱信息散度来确定之间的相似性，是从信息论的角度来确定光谱相似度，从光谱的整体波形上对未知光谱进行比较，分类结果如表2所示。

表2 光谱信息散度法的精度检验Table 2 Accuracy verification of SID classification method/%

从总体精度与kappa系数(表2)分析可知，中度、极度退化草地的漏分误差依然较大，仅重度退化制图精度较高，依然是用户精度低，错分误差大。

2.2 基于HSI影像光谱特征的草地退化等级划分

在HSI高光谱影像上每个退化等级草地内随机选取6个点的反射光谱曲线，取平均值作为该退化等级的特征光谱曲线。

2.2.1光谱角填图法划分草地退化等级 利用光谱角填图法对研究区草地进行退化等级划分(表3)。

从总体精度与kappa系数(表3)可知，制图精度、用户精度都在70%以上，错分与漏分误差不大，中度退化草地的分类精度得到了很大提高。

表3 光谱角填图法的精度检验Table 3 Accuracy verification of SAM classification method/%

2.2.2光谱信息散度法进行草地退化等级分类从总体精度与kappa系数(表4)可知，制图精度、用户精度都在70%以上，与表3相比，总体分类精度得到了进一步的提高。

表4 光谱信息散度法的精度检验(单位：%)Table 4 Accuracy verification of SID classification method (Unit:%)

3 讨论与结论

已有研究表明，不同植被群落冠层光谱具有特殊的光谱曲线[7]，其光谱特征参数差异较大，依据地面实测的高光谱数据可以准确地区分草地类型和植物种类[8-9]，但在本研究中，借助建立的群落光谱库，对HJ-HSI高光谱影像进行分类，分类精度很差，可能是由于光谱仪采集的反射光谱波段较多，不能与HJ-HSI高光谱影像的波段吻合，造成分类精度差。也可能是由于干旱荒漠草地覆盖度低，造成土壤背景干扰了植物群落冠层的反射光谱，使不同退化草地的群落冠层光谱差异不大，造成本研究中度、极度退化草地的分类误差较大。李双等[10]对三江源地区的退化高寒草甸进行分类，结果证实SAM方法总体精度达到75%以上，但在区分未退化与轻度退化草甸、重度退化与极度退化草甸时也存在错分、漏分误差，该研究认为主要是草地群落光谱是杂草混合光谱，当杂草组成相近时容易混分造成的。

本研究中HSI高光谱影像经MNF变换后降低了光谱维间的相关性，有效地对高光谱数据降维处理，降低了波段数，消除了图像光谱维的部分噪音，在此基础上分类，总体精度在76%以上。由此说明，不借助地面实测的光谱，依靠HSI高光谱影像的光谱特点可进行大范围的草地监测。