武功山山地草甸主要群落类型高光谱特征
李真真1,2, 郑翔1,2, 牛德奎3, 郭晓敏1,2, 谢碧裕3, 张学玲4
1.江西农业大学林学院,江西 南昌 330045
2.江西省森林培育重点实验室,江西 南昌 330045
3.江西农业大学国土资源与环境学院,江西 南昌 330045
4.江西农业大学职业师范学院,江西 南昌 330045
通讯作者:张学玲(1973-),女,山东平原人,高级实验师,主要从事景观生态与植被生态修复研究。E-mail:ok_zhangxl@263.com

第一作者:李真真(1991-),女,河南南阳人,在读硕士生,主要从事水土保持与荒漠化防治研究。E-mail:664023867@qq.com

摘要

本研究以江西省武功山金顶风景区的五节芒( Miscanthus floridulus)、野古草( Arundinella hirta)、飘拂草( Fimbristylis wukungshanensis)、中华苔草( Carex chinensis)、箭竹( Sinarundinaria nitida)为优势物种的5种主要群落为研究对象,以美国 SVC HR-768 野外便携式地物波谱仪测定的高光谱数据为基础,利用重采样、一阶微分和去包络线3种数据处理方法分别提取有效的光谱吸收特征参数,以此获得区分5种草地群落的光谱特征。结果表明,1)5种群落光谱反射率组间差异显著( P<0.05),光谱反射率表现为中华苔草>野古草>五节芒>箭竹>飘拂草;2)重采样处理得到的特征参数中500-600、600-700和1 200-1 300 nm 3个波段的波峰/谷深度差别都最明显,一阶微分处理提取的红边、黄边和蓝边有关的特征参数也能够很好的将5种群落进行分类,而利用连续统去除法提取的特征参数中,吸收谷的宽深比差值最大可达到92,是区分5种群落最有效的特征参数;3)波峰/波谷对应的波长位置是山地草甸5种主要群落的共性参数。

关键词: 重采样; 一阶微分; 连续统去除; 草甸群落; 武功山
中图分类号:S812.3;Q848.15 文献标志码:A 文章编号:1001-0629(2016)8-1492-10 doi: 10.11829/j.issn.1001-0629.2016-0014
Hyperspectral characteristics of main community types in Wugong mountain meadow
Li Zhen-zhen1,2, Zheng Xiang1,2, Niu De-kui3, Guo Xiao-min1,2, Xie Bi-yu3, Zhang Xue-ling4
1.College of Forestry, Jiangxi Agricultural University, Nanchang 330045, China
2.Jiangxi Provincial key Laboratory of Forest cultivation, Nanchang 330045, China
3.College of Land Resources and the Environment, Jiangxi Agricultural University, Nanchang 330045, China
4.Vocational College of Teachers, Jiangxi Agricultural University, Nanchang 330045, China
Corresponding author: Zhang Xue-ling E-mail:ok_zhangxl@263.com
Abstract

Miscanthus floridulus, Arundinella hirta, Fimbristylis wukungshanensis, Carex chinensis, Sinarundinaria nitida was the dominant species, respectively, of five different main communities in Jinding scenic of Wugong Mountain in Jiangxi Provience. The hyperspectral data of these five different main communities were measured using field portable spectroradiometers (SVC HR 768, USA). The effective characteristic parameters of spectral absorption achieved by three data processing methods including resampling method, first-order differential method and continuum removal method to obtain the spectral characteristics distinguishing these 5 kinds of grassland communities. The analyzed results showed that there was significant difference between the variance analysis of each wave band of these 5 kinds communities and C. chinensis>A. hirta>M. floridulus >S. nitida> F. wukungshanensis based on reflectivity value. There was most significant difference between peak/Valley depth of the 3 wave bands(500-600 nm, 600-700 nm and 1 200-1 300 nm) which achieved by resampling method. The five communities can be well classified using the characteristic parameters related to red edge, yellow edge and blue edge. The maximum difference between aspect rations of absorption valley obtained from continuum removal method can reach as high as 92 which was the most effective parameter to distinguish the 5 communities. The corresponding wavelength position of the peak/trough was the common parameters of five main mountain meadow community.

Keyword: resampling; first-order differential; continuum removal; the meadow community; Wugong Mountain

草地是全球陆地生态系统的重要组成部分, 也是我国覆盖陆地面积最大的生态系统。草地生态系统在保持水土流失、维护生态平衡、调节气候变化和促进养分循环等方面都有着直接的影响[1, 2]。江西武功山山地草甸面积广、分布基准海拔低, 在华东植被垂直带谱中具有典型性和特殊性, 是气候变化的重要指示植被类型。近年来, 因其丰富的自然资源、独特的地貌形态和优美的“ 云上草原” 景观而闻名, 但过度放牧和旅游开发使武功山山地草甸生态系统越来越脆弱, 土地沙化面积不断扩大, 草甸群落组成和生产力急剧退化, 绵延几万亩的山地草甸景观日渐破碎化, 草地退化现象日益严重, 因此, 探索保护草地生物多样性的方法, 实现对草地的动态监测是草地管理的核心内容[3]。草地分类是合理开发利用草地资源的基础工作, 尤其对退化草甸的植被恢复和资源管理具有至关重要的作用。

传统的监测方法费时费力, 从20世纪80年代初, 国外一些发达国家就开始利用遥感技术进行草地资源的调查和动态监测[4, 5]。随着遥感技术的发展, 高光谱技术以其高分辨率、多波段、信息丰富等特点成为当前遥感领域的前沿技术, 并被广泛应用于植被分类研究当中[6, 7], 国内外许多学者对不同草地类型进行了光谱数据的观测和分析。如, 对内蒙古锡林郭勒地区的4种优势草种进行了光谱测定, 成功将小叶锦鸡儿(Caragana microphylla)从中区分出来, 为退化草地的管理提供了新的思路[8]; 而对甘南州夏河县桑科草原5种典型毒杂草冠层光谱进行特征分析, 并经过一阶微分变换、光谱重排等处理, 利用“ 红谷” 、“ 绿峰” 、“ 红边” 、水分吸收、光谱指数和光谱重排等指标, 可以较好地将这5种毒杂草区分开来, 为草地的分类识别提供了新的方法和理论依据[3]。但是, 目前对草地高光谱的研究多局限于西北高寒草甸[2, 3, 9, 10]和荒漠草地[10, 11, 12, 13, 14], 针对亚热带山地草甸群落光谱特征的分析研究还不多见。

因此, 本研究以江西武功山山地草甸的几种主要群落为研究对象, 探讨利用遥感技术区分山地草甸群落类型的可行性, 揭示草甸植物群落间光谱反射的差异性, 为武功山草甸资源动态监测和遥感反演提供理论依据。

1 材料与方法
1.1 研究区概况

研究区(27° 24'-27° 34' N, 114° 05'-114° 15' E) 位于江西省萍乡市芦溪县东南边境的武功山, 武功山地处罗霄山脉北段, 为赣江水系和湘江水系的分水岭, 海拔高达1 918.3 m, 在我国华东植被划分中具有重要的地位, 是划分我国亚热带东部湿润区常绿阔叶林、中部亚地带和北部亚地带的天然界限[15]。由于山体垂直、海拔较高且山势陡峻, 导致气候、土壤、植被的垂直地带性分异明显。尤其是主峰白鹤峰(金顶)周边大面积分布的山地草甸更使之成为难得的植被垂直地带性的天然博物馆。试验区主要选在白鹤峰(金顶), 地理位置27° 27' N, 114° 10' E, 海拔 1 600~1 900 m, 土壤为山地草甸土, 主要分布有禾本科的野古草(Arundinella hirta)、芒属 (Miscanthus spp.)、箭竹(Sinarundinaria nitida)、野青茅(Deyeuxia arundinacea), 莎草科的飘拂草(Fimbristylis wukungshanensis)、中华苔草(Carex chinensis), 菊科的鬼针草(Bidens pilosa)等。

1.2 数据采集

本试验采用的是由美国 Spectra Vista公司生产的SVC HR-768野外便携式地物波谱仪, 其波长范围为350-2 500 nm, 采样间隔为1.5 nm(350-1 000 nm)、7.5 nm(1 000-1 850 nm)和5 nm(1 850-2 500 nm), 输出波段数为768。

2015年9月16日至18日对山地草甸典型植被群落进行光谱采集, 分别测定金顶附近五节芒(M. floridulus)、野古草、飘拂草、中华苔草、箭竹5种主要群落的光谱曲线。每种群落选取10个均匀、有代表性的样方, 样方大小设置为0.5 m× 0.5 m, 每个样方重复测量5次。为了减少光谱数据受野外环境因素的影响[16, 17, 18], 试验选在晴朗无风的中午(11:00-14:00)进行, 测定时探头距草地植被的冠层70 cm左右, 仪器探头角度垂直于太阳光线照射的方向, 视场角为25° 。测定之前先除去辐射强度中暗电流的影响, 每测一个样方用白板定标一次, 每个样点扫描时间为5 s。

1.3 数据处理

1.3.1 光谱数据预处理 野外测定的数据回来后需要进行质量检查和筛选, 首先将反射率大于1的光谱数据删除, 其次要对数据进行统计分析, 求出每个样方相应的均值、中间值、标准差[19]。标准差反映了同一地物一组光谱数据之间的相对变化幅度, 它与试验光照条件、背景干扰等因素所造成的试验误差有关, 最后筛选出同种群落差异不大的几组光谱曲线作为实际的光谱反射数据。

1.3.2 重采样处理 本试验使用美国SVC生产的 HR-768 地物波谱仪测定草地植被冠层光谱曲线, 在1 000和1 900 nm 附近的接缝处以及350-399 nm波段和2 450-2 500 nm 波段前后边缘处噪声较大, 使得原始光谱曲线的相邻波段之间发生重合或者间断的信息, 而其它波段的信噪比高, 约为1 000:1。因此, 为使最终得到的光谱曲线更加平滑, 也更接近真实值, 本研究采用仪器自带的数据处理软件(HR768)对原始光谱数据进行重采样处理(resample spectral date), 重采样间隔选择1 nm, 再将获得的数据导入Excel表格中。重采样处理可以在保持原有数据特征的基础上, 使最终的光谱曲线便于分析。本研究中此方法提取的光谱特征值相关定义如图1所示。主要有峰/谷位置、宽度、吸收深度、斜度和对称度(S)。

图1 重采样光谱特征参数示意图
注:A、G、C分别是光谱曲线的极值点, λ 为对应的波长(nm), R为对应的反射率(%), O为BG的中点, w为吸收宽度(nm), h为吸收深度(nm), S1为吸收峰左边的面积(nm2), S2为吸收峰右边的面积(nm2), α 为倾斜角(° )。
Fig.1 The schematic diagram of resampling spectrum characteristic parameter
Note: A、G and C points are extreme points of spectrum curve, λ is wavelength(nm), R is reflectance(%), O point is the midpoint of BG, w is width(nm), h is depth (nm), S1 is the area of the left of the absorption peak (nm2), S2 is the area of the right of the absorption peak(nm2), α is tilt angle, (° ).

S=S1/(S1+S2)。

1.3.3 一阶微分处理 光谱微分处理法又叫做导数光谱, 主要反映由于植物中叶绿素及其它一些吸收物质吸收产生的波形变化, 该方法可以有效地去除背景噪声对光谱曲线的影响, 同时增强光谱特征[20]。其基本原理是在重采样处理的基础上先确定导数宽度Δ λ , 再根据导数的定义计算波长λ 的导数, 然后根据表1的定义确定特征参数。对重采样光谱数据进行微分处理后, 曲线的特征信息得到突显, 波峰波谷的位置也更清晰。本研究对草地冠层光谱曲线进行一阶微分的计算公式如下:

P'(λ i)= Pλi+1-Pλi-12Δλ(1)

式中:λ i为波长, i=350, 351, …, 2 500 nm, i为波长i的光谱反射系数, Δ λ 为波长i的相邻间距[21, 22]

表1 一阶微分光谱曲线特征参数表 Table 1 First order differential spectral curve features parameter list

1.3.4 连续统去除处理 连续统去除法[23]也叫去包络线法。它的原理是通过将反射光谱吸收强烈部分的波段特征进行转换, 在一个共同基线的基础上来分析光谱吸收特征。对光谱曲线进行去包络线处理可以有效地突出光谱曲线的吸收和反射特征, 从而使不同光谱曲线的特征值差异明显[24, 25]。特征参数的定义如图2和公式所示。

DEP=1-CRmin (2)

WP=λ (CRmin) (3)

WID=λ b - λ a(4)

AREA=DEP× WID(5)

式中:DEP为吸收深度参数, WP为吸收位置参数, WID为吸收宽度参数, AREA为吸收面积参数, CRmin为吸收谷内包络线去除后的最小值, λ (CRmin)为吸收谷内包络线去除后最小值对应的波长, λ bλ a为包络线去除后的曲线中吸收深度一半位置的波长, b> a。

图2 连续统去除光谱特征参数示意图Fig.2 The schematic diagram of continuum removal spectrum characteristic parameter

1.3.5 数据分析 本研究采用SPSS 17.0软件对所测数据统计分析; 采用Origin 8.1制图。

2 结果与分析
2.1 方差分析结果

首先对筛选后的每种群落的光谱数据做方差分析, 其次对5种群落间做方差分析, 结果(表2、3)表明, 5种群落组内光谱反射率差异不显著(P> 0.05), 所采光谱数据有效; 5种群落的组间光谱反射率差异显著(P< 0.05), 是本研究进行的前提条件。

2.1.1 5种群落组内方差分析结果 利用SPSS 17.0软件分别对5种草甸主要植被群落样点间的光谱反射率数据进行方差分析, 结果(表2)发现, 5种群落组内各样点间F值均小于F临界值, 并且P> 0.05(表示接受原假设, 即在5%的显著性水平下差异不明显),

表2 5种群落组内方差分析结果 Table 2 Variance analysis result of five communities within group

所以研究中各主要群落类型内不同样点间光谱反射率差异很小, 即5种群落的组内无显著差异, 说明本试验所测定的同一种群落的光谱数据相对稳定。

2.1.2 5种群落组间方差分析结果 在350-2 450 nm波长范围内分不同波段进行5种草甸群落的组间方差分析, 同时也在各波段范围内进行组内方差分析(表3)。

表3 5种群落各波段光谱反射率方差分析 Table 3 Five communities variance analysis of fivey in each band

方差分析中用离差平方和来描述总体的变异情况。单个波段中的总变异SS有两个来源:组内变异SS组内, 即由于随机误差的原因使得样点内部的反射率各不相等; 组间变异SS组间, 即由于不同群落的影响使

得各个群落的样点反射率均值大小不等。5种群落在350-425、1 600-2 450 nm波段高光谱无明显差异, 在435-540、1 100-1 385和1 385-1 600 nm 3个波段差异显著(P< 0.05), 而在其它波段差异极显著(P< 0.01)。

2.2 5种群落光谱特征分析

5种群落的方差分析组内差异小, 即同一种群落的光谱数据相对稳定, 而组间差异较大, 表明利用光谱数据可以进行不同群落的识别分类, 因此对5种群落光谱的特征差异分析具有研究意义。不同植被光谱数据的差异主要来源于植被内部结构及理化性质的不同。基于野外光谱反射率数据对武功山草甸的5种群落分别进行重采样处理、一阶微分处理和连续统去除处理, 再分别提取相应的特征参数, 以期达到快速、精确地对山地草甸群落识别和分类的目的。本研究基于差异明显的波段对3种处理的光谱曲线进行特征提取。

2.2.1 重采样处理光谱特征分析 对5种群落的光谱数据进行重采样处理并绘制光谱曲线(图3)。结果显示, 5种群落的光谱曲线整体趋势具有一致性, 与闻兵工[18]研究的健康的植被光谱曲线特征相似, 在450和670 nm左右出现吸收谷, 在550 nm附近出现反射峰, 这跟在可见光范围内光谱受叶绿素含量吸收多少的因素有关。在近红外波段, 植被的光谱曲线主要受叶片内部细胞结构的影响, 细胞内部结构的复杂性导致了多重反射, 从而使得此波段范围的反射率较高, 在740 nm附近形成了反射峰。而在短红外波段, 光谱反射率主要受植被含水量的影响, 反射率与含水量呈负相关关系, 因1 300 nm之后不断出现负坡走向, 由于山地草甸植被的含水量受外界环境因素比较大, 因此该波段噪声较大。总体上, 以中华苔草为优势物种的群落光谱曲线变化趋势较剧烈, 其它群落相对较缓。

图3 重采样光谱曲线对比图Fig.3 Resampling spectral curve comparison chart

由于植被光谱曲线具有相似性, 单从相对稳定的波形趋势无法对不同群落进行区分, 因而本研究根据图1分别对5种群落的光谱曲线提取相应的特征参数(表4), 5个群落在500-600 nm的波峰所对应的波长相近, 600-700 nm、1 200-1 300 nm的波谷对应的波长均各相近, 600-700 nm波段的波谷对称度也近似相等, 而其余的特征提取值差异较大, 基本可以依据波峰、波谷值、对称度、波峰/谷深度、宽度来区分出一种或者多种群落, 其中, 500-600、600-700和1 200-1 300 nm 3个波段的波峰/谷深度差别都最明显, 由此可见, 波峰/谷深度是区分5种群落最有效的特征参数。

表4 重采样光谱曲线波段特征提取值 Table 4 The spectrum feature extractions of resampling spectral curve

2.2.2 一阶微分处理光谱特征分析 通过对5种群落重采样后的反射率平均值数据进行一阶导数变换得到5种群落的一阶微分光谱曲线, 由于植被光谱特征主要体现在1 000 nm之前[23], 因此截取350-1 000 nm波段的一阶微分光谱曲线(图4)。

图4 一阶微分光谱曲线对比图Fig.4 First order differential spectral curve comparison chart

由于本研究在野外进行, 土壤做为植物的背景对光谱数据的测定有一定影响, 通过对光谱数据进行一阶导数变换, 进而根据表1提取特征参数值, 使所得数据更具植被真实的特征(表5), 5种物种群落的红边和蓝边位置都几乎完全相同, 而黄边位置相对有差异, 但都在610-630 nm范围内浮动, 五节芒、野古草与箭竹的红边/蓝边幅值和面积近似相等, 似乎表现为同为禾本科的特征, 因此, 根据红边/蓝边幅值和面积可将中华苔草和飘拂草从这5种群落中区分出来。但同为莎草科的中华苔草和飘拂草却差异非常大, 可能是天然草种和栽培草种的差别表现, 这需要进一步研究证实。而5种群落之间的的黄边幅值和黄边面积走势不同, 箭竹的黄边幅值为负值, 据此又可将箭竹从禾本科植被中区分出, 五节芒的黄边面积为负值, 而野古草的为正值, 据此又可将五节芒和野古草区分开来。

表5 一阶微分光谱特征提取值 Table 5 First order differential spectrum feature extraction

2.2.3 连续统去除处理光谱曲线特征分析 利用ENVI5.1软件分别对5种群落重采样后的反射率平均值经过Spectral-> Mapping Methods-> Continuum Removal进行去包络线处理, 获得的光谱曲线再归一化处理(图5)。

图5 连续统去除光谱曲线对比图Fig.5 Continuum removal spectrum curve comparison chart

结果显示, 对5种群落去包络线处理后得到的光谱曲线波形变化趋势更简明, 波峰波谷也更突出, 分别在480 nm附近和680 nm附近出现吸收谷, 并且近红外波段比可见光附近有更强烈的吸收效应。提取特征参数值(表6)发现, 5种群落两个波段的吸收谷位置仍然比较稳定, 在500 nm附近的中华苔草的吸收深度与其它4种植被相比要小的多, 据此可以将中华苔草区分出来。5种群落的吸收宽度在两个吸收波段差异都不大, 因此吸收宽度不能用来将5种群落识别分类。而宽深比(WID/DEP)和吸收谷面积相对差异较大, 在450-550 nm波段, 5种群落的吸收谷宽深比差值最大, 达到92, 在600-700 nm波段, 吸收谷的宽深比差值最大, 达到52。总体而言, 光谱曲线连续统去除处理后, 区分5种群落最有效的特征参数是宽深比。

表6 连续统去除光谱曲线特征提取值 Table 6 The spectrum feature extractions of continuum removal spectrum curve
3 讨论与结论
3.1 讨论

由于采集时间对植被光谱的影响很大, 草地植被冠层结构会随着生长阶段的不同而发生变化, 其物化性质也会有相应的变化[26]。本研究是在2015年9月单次取样分析, 虽然5种群落的取样时间一致, 但5种群落的生长发育阶段仍有微小的差别, 其中野古草、五节芒、飘拂草叶子已有不同程度的枯黄, 草地植被的光谱受其色素、长势、叶面积及生长形态的影响很大, 特别是可见光波段[11], 所以本研究不能代表同一生长期的植被群落的分类识别, 对5种山地草甸植被群落的精细识别分类需要分生长季来做进一步的研究。此外, 本研究采用野外采集光谱的方法无法避免的产生一定的试验误差, 采集的5种群落的光谱数据不同程度地受到高海拔环境因素的影响, 由于五节芒的冠层较高, 而其余4种植被相对较矮, 5种植被冠层的小气候可能会有一定程度的差异, 是否对本研究结果产生影响需要做进一步的验证分析。另外, 群落间光谱数据的差异是否和植物养分含量有关是今后的研究方向。

3.2 结论

以五节芒、野古草、中华苔草、飘拂草和箭竹为优势物种的5种群落的组内、组间方差分析结果表明:同种群落样点间差异不显著, 但5种群落之间在350-1 600 nm范围内差异显著, 说明利用高光谱技术可以进行植被的识别和分类。

本研究获取的5种群落的样点光谱曲线具有植被共有的波形, 总体变化趋势具有一致性。5种群落光谱反射率相比较, 中华苔草> 野古草> 五节芒> 箭竹> 飘拂草。其中, 中华苔草的波形变化较剧烈, 明显区别于其它4种群落, 这可能是栽培修复草种与天然植被的明显差别。

分别用重采样处理、一阶微分处理和连续统去除处理3种方法来提取的光谱特征值都能够有效地对5种群落进行快速分类。重采样处理最有效的识别参数是波峰、波谷的深度, 一阶微分处理可以分别利用红/蓝/黄边幅值和面积将5种群落进行划分, 连续统去除处理的特征参数中宽深比是识别5种群落最有效的特征值。总体而言, 3种处理方法得到的光谱曲线的波峰/波谷对应的波长位置都相近, 说明这是山地草甸5种主要群落的共性参数。

The authors have declared that no competing interests exist.

参考文献
[1] 莎日娜. 三论草地资源价值. 内蒙古师范大学学报: 哲学社会科学版, 2008, 37(4): 44-48.
Sharina. On the value of grassland resources. Journal of Inner Mongolia Normal University: Philosophy & Social Science, 2008, 37(4): 44-48. (in Chinese) [本文引用:1]
[2] 王启兰, 王溪, 曹广民, 王长庭, 龙瑞军. 青海省海北州典型高寒草甸土壤质量评价. 应用生态学报, 2011, 22(6): 1416-1422.
Wang Q L, Wang X, Cao G M, Wang C T, Long R J. Soil quality assessment of alpine meadow in Haibei State of Qinghai Province. Journal of Applied Ecology, 2011, 22(6): 1416-1422. (in Chinese) [本文引用:2]
[3] 胡远宁, 崔霞, 孟宝平, 杨淑霞, 梁天刚. 甘南高寒草甸主要毒杂草光谱特征分析. 草业科学, 2015, 32(2): 160-167.
Hu Y N, Cui X, Meng B P, Yang S X, Liang T G. Spectral characteristics analysis of typical poisonous weeds in Gannan alpine meadow. Pratacultural Science, 2015, 32(2): 160-167. (in Chinese) [本文引用:3]
[4] Taylor B F, Dini P W, Kidson J W. Determination of seasonal and interannual variation in New Zealand pasture growth from NOAA-7 data. Remote Sensing of Environment, 1985, 18(2): 177-192. [本文引用:1]
[5] 李建龙, 任继周, 胡自治, 陈全功. 草地遥感应用动态与研究进展. 草业科学, 1996, 13(1): 55-60.
Li J L, Ren J Z, Hu Z Z, Chen Q G. The application trends and study prospects of the remote sensing in the grassland . Pratacultural Science, 1996, 13(1): 55-60. (in Chinese) [本文引用:1]
[6] 柴颖, 阮仁宗, 傅巧妮. 高光谱数据湿地植被类型信息提取. 南京林业大学学报: 自然科学版, 2015, 39(1): 181-184.
Chai Y, Ruan R Z, Fu Q N. Extraction of wetland vegetation information using hyperspectral image data. Journal of Nanjing Forestry: Natural Science Edition, 2015, 39(1): 181-184. (in Chinese ) [本文引用:1]
[7] 周磊, 辛晓平, 李刚, 杨桂霞, 张宏斌. 高光谱遥感在草原监测中的应用. 草业科学, 2009, 26(4): 20-27.
Zhou L, Xin X P, Li G, Yang G X, Zhang H B. Application progress on hyperspectral remote sensing in grassland monitoring. Pratacultural Science, 2009, 26(4): 20-27. (in Chinese) [本文引用:1]
[8] Yamano H, Chen J, Tamura M. Hyperspectral identification of grassland vegetation in Xilinhot, Inner Mongolia. International Journal of Remote Sensing, 2003, 24(15): 3171-3178. [本文引用:1]
[9] 李双, 徐新良, 付颖. 基于高光谱影像的三江源区不同退化程度高寒草甸分类研究. 遥感技术与应用, 2015, 30(1): 50-57.
Li S. Xu X L, Fu Y. A study on classification of different degration level alpine meadows based on hyperspectral image data in Three-river headwater region. Remote Sensing Technology and Application, 2015, 30(1): 50-57. (in Chinese) [本文引用:1]
[10] 范燕敏, 武红旗, 靳瑰丽. 新疆草地类型高光谱特征分析. 草业科学, 2006, 23(6): 15-18.
Fan Y M, Wu H Q, Jin G L. Hyperspectral properties analysis of grassland types in Xinjiang. Pratacultural Science, 2006, 23(6): 15-18. (in Chinese) [本文引用:2]
[11] 钱育蓉, 于炯, 贾振红, 杨峰, 帕力旦·吐尔逊. 新疆典型荒漠草地的高光谱特征提取和分析研究. 草业学报, 2013, 22(1): 157-166.
Qian Y R, Yu J, Jia Z H, Yang F, Palidan·Tuerxun. Extraction and analysis of hyper-spectral data from typical desert grassland in Xinjiang. Acta Prataculturae Sinica, 2013, 22(1): 157-166. (in Chinese) [本文引用:2]
[12] 靳瑰丽, 何龙, 安沙舟, 范燕敏, 武鹏飞. 退化伊犁绢蒿荒漠草地特征植物光谱特征. 草业科学, 2014, 31(10): 1848-1858.
Jin G L, He L, An S Z, Fan Y M, Wu P F. Spectral features of eight desert range plants on degradation Seriphidium transiliense desert grassland . Pratacultural Science, 2014, 31(10): 1848-1858. (in Chinese) [本文引用:1]
[13] 何龙, 安沙舟, 靳瑰丽, 范燕敏, 张廷. 退化伊犁绢蒿荒漠草地高光谱特征分析. 草地学报, 2014, 22(2): 271-276.
He L, An S Z, Jin G L, Fan Y M, Zhang T. Analysis on high pectral characteristics of degraded Seriphidium transiliense desert grassland . Acta Agrestia Sinica, 2014, 22(2): 271-276. (in Chinese) [本文引用:1]
[14] 夏小伟, 靳瑰丽, 安沙舟, 范燕敏, 梁娜. 围栏封育下伊犁绢蒿荒漠草地特征植物高光谱特征变化分析. 草业科学, 2015, 32(6): 870-876.
Xia X W, Jin G L, An S Z, Fan Y M, Liang N. Spectral characteristics of typical plants in Seriphidium transiliense desert grassland under enclosure. Pratacultural Science, 2015, 32(6): 870-876. (in Chinese) [本文引用:1]
[15] 袁知洋, 邓邦良, 郭晓敏, 牛德奎, 胡耀文, 汪娇, 赵自稳, 刘宇新, 张文元. 武功山山地草甸土壤全量氮磷钾分布格局及对不同退化程度的响应. 西北林学院学报, 2015, 30(3): 14-20.
Yuan Z Y, Deng B L, Guo X M, Niu D K, Hu Y W, Wang J, Zhao Z W, Liu Y X, Zhang W Y. Soil total NPK’s distribution pattern and response to different degradation degrees in Wugong mountain meadow. Journal of Northwest Forestry College, 2015, 30(3): 14-20. (in Chinese) [本文引用:1]
[16] 韩冬梅, 何峰, 谢开云, 万里强, 李向林. 利用手持光谱设备估测羊草草地生物量. 草原与草坪, 2013, 33(6): 36-40.
Han D M, He F, Xie K Y, Wan L Q, Li X L. Apreliminary study of estimating biomass by using hand held spectrograph device on Leymus chinesis grassland . Grassland and Lawn, 2013, 33(6): 36-40. (in Chinese) [本文引用:1]
[17] 杨红飞, 李建龙, 穆少杰, 杨齐, 胡潇潇, 金国平, 赵万羽. 新疆三种主要草地植被类型的高光谱反射特征研究. 草业学报, 2012, 21(6): 258-266.
Yang H F, Li J L, Mu S J, Yang Q, Hu X X, Jin G P, Zhao W Y. Analysis of hyperspectral reflectance characteristics of three main grassland types in Xinjiang. Acta Prataculturae Sinica, 2012, 21(6): 258-266. (in Chinese) [本文引用:1]
[18] 闻兵工. 地物光谱特征分析技术研究. 郑州: 解放军信息工程大学硕士学位论文, 2009.
Wen B G. Research on spectral feature analysis of objects. Master Thesis. Zhengzhou: PLA Information Engineering University, 2009. (in Chinese) [本文引用:2]
[19] Cloutis E A. Hyperspectral geological remote sensing: Evaluation of analytical techniques. Journal of Remote Sensing, 1996, 17(12): 2215-2242. [本文引用:1]
[20] 王纪华, 赵黄. 农业定量遥感基础与应用. 北京: 科学出版社, 2008: 157-158.
Wang J H, Zhao H. Basic and Application of Quantitative Remote Sensing of Agricultural. Beijing: Science Press, 2008: 157-158. (in Chinese) [本文引用:1]
[21] 郭云开, 张进会. 南方丘陵地区路域植被光谱处理与分析. 测绘工程, 2014, 23(7): 1-5.
Guo Y K, Zhang J H. The vegetation on spectral processing and analysis of the domain of road in southern hills. Engineering of Surveying and Mapping, 2014, 23(7): 1-5. (in Chinese) [本文引用:1]
[22] van der Freek M. Analysis of spectral absorption features in hyperspectral imagery. International Journal of Applied Earth Observation and Geoinformation, 2004, 5(1): 55-68. [本文引用:1]
[23] 刘焕军, 张柏, 张渊智, 宋开山, 王宗明, 李方, 胡茂桂. 基于反射光谱特性的土壤分类研究. 光谱学与光谱分析, 2008, 28(3): 624-628.
Liu H J, Zhang B, Zhang Y Z, Song K S, Wang Z M, Li F, Hu M G. Soil taxonomy on the basis of reflectance spectral characteristics. Spectroscopy and Spectral Analysis, 2008, 28(3): 624-628. (in Chinese) [本文引用:2]
[24] 徐元进, 胡光道, 张振飞. 包络线消除法及其在野外光谱分类中的应用. 地理与地理信息科学, 2005, 21(6): 11-14.
Xu Y J, Hu G D, Zhang Z F. Continuum removal and its application to the spectrum classification of field object. Geography and Geo-Information Science, 2005, 21(6): 11-14. (in Chinese) [本文引用:1]
[25] 张风丽, 尹球, 匡定波, 李凤霞, 周秉荣. 环青海湖地区天然草地时序光谱特征参量分析. 生态学报, 2005, 25(12): 3155-3160.
Zhang F L, Yin Q, Kuang D B, Li F X, Zhou B R. Analysis of time series spectrum feature parameters derived from dominant natural grassland s in the region around Qinghai lake. Acta Ecologica Sinica, 2005, 25(12): 3155-3160. (in Chinese) [本文引用:1]
[26] 姜庆虎, 童芳, 余明珠, 章影, 廖畅, 刘峰. 高光谱技术——生态学领域研究的新方法. 植物科学学报, 2015(5): 33-640.
Jiang Q H, Tong F, Yu M Z, Zhang Y, Liao C, Liu F. Hyperspectral technique: An opportunity in ecology. Plant Science Journal, 2015(5): 633-640. (in Chinese) [本文引用:1]