水浸胁迫下植被高光谱遥感识别模型对比分析

《水浸胁迫下植被高光谱遥感识别模型对比分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３３卷，第１１期光谱学与光谱分析Ｖｏｌ．３３，Ｎｏ．１１，ｐｐ３１０６－３１１０２０１３年１１月ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＮｏｖｅｍｂｅｒ，２０１３水浸胁迫下植被高光谱遥感识别模型对比分析蒋金豹１，ＭｉｃｈａｅｌＤＳｔｅｖｅｎ２，何汝艳１，蔡庆空１１．中国矿业大学（北京）地球科学与测绘工程学院，北京１０００８３２．ＳｃｈｏｏｌｏｆＧｅｏｇｒａｐｈｙ，ＵｎｉｖｅｒｓｉｔｙｏｆＮｏｔｔｉｎｇｈａｍ，ＮＧ７２ＲＤ，ＵＫ摘要随着全球气候变暖，我国洪涝灾害发生的频率及影响范围都不断增加。通过野外模拟试验，研究

2、植被（玉米、甜菜）在水浸胁迫下的光谱变化特征，以构建高光谱遥感模型对水涝灾害范围进行监测。试验于２００８年５月—８月在英国诺丁汉大学ＳｕｔｔｏｎＢｏｎｉｎｇｔｏｎ校区（５２．８°Ｎ，１．２°Ｗ）进行，每周采集一次样本并在室内测量其光谱数据。试验结果表明植被光谱在５５０，８００～１３００ｎｍ区域反射率都稍有降低，而在６８０ｎｍ区域反射率则略微增大。选取ＮＤＶＩ，ＳＩＰＩ，ＰＲＩ，ＳＲＰＩ，ＧＮＤＶＩ及Ｒ８００＊Ｒ５５０／Ｒ６８０共六个植被指数识别水浸胁迫下的植被，研究表明，指数ＳＩＰＩ与Ｒ８００＊Ｒ５５０／Ｒ６８０对水浸胁迫玉米比较敏感，

3、而指数ＳＩＰＩ，ＰＲＩ及Ｒ８００＊Ｒ５５０／Ｒ６８０对水浸胁迫甜菜比较敏感。为寻找最优的识别模型，计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析，发现植被指数Ｒ８００＊Ｒ５５０／Ｒ６８０的归一化均值距离在胁迫早期即大于其他指数的距离，说明该指数识别水浸胁迫植被的能力优于其他指数，且具有较强的敏感性与稳健性。因此，可以利用该指数快速地提取水浸面积，为救灾减灾决策提供信息支持。关键词光谱特征；水浸胁迫；植被；识别模型对比分析；归一化均值距离中图分类号：Ｏ６５７．３；Ｓ１２７文献标识码：ＡＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１

4、０００－０５９３（２０１３）１１－３１０６－０５引言１实验部分随着全球气候变化，我国洪涝灾害发生的频率与影响范１．１试验设计围都呈不断增加的趋势［１］。植被在外界胁迫下，其光谱特征２００８年５月—８月在英国诺丁汉大学ＳｕｔｔｏｎＢｏｎｉｎｇｔｏｎ［２］。目前，已有部分学者研究了水浸胁迫对植物会发生变化校区（５２．８°Ｎ，１．２°Ｗ）进行模拟水浸胁迫试验。选择玉米与［３］光谱的影响。Ａｎｄｅｒｓｏｎ等发现水淹的树在５５０ｎｍ以及近甜菜作为试验对象，每个试验对象各设６个样本，其中３个红外７７０ｎｍ附近的反射率与没有水淹的树相比增加了。对照，

5、３个胁迫，样本均种植在花盆中，花盆中土壤数量、质［４］Ｐｉｃｋｅｒｉｎｇ等发现遭水浸后，植被变黄且稀少，其光谱在可量保持基本一致。花盆的直径为２０ｃｍ，高度为２５ｃｍ，土壤［５］见光区域增加，在近红外区域降低。谢小红等研究发现枫厚度为２０ｃｍ，２００８年５月底进行试验幼苗移栽，７月７日杨（ｐｔｅｒｏｃａｒｙａｓｔｅｎｏｐｔｅｒａＣＤＣ）幼苗叶片在水淹胁迫下，其叶在采集过第一次样本后即开始进行水浸胁迫。为更好地控制片的光谱反射率呈下降趋势，在蓝光波段（４００～５００ｎｍ）和水浸胁迫试验，把胁迫样本放置在水桶中，水桶的直径为３５［６］近红外

6、波段（７６０～９５０ｎｍ）具有极显著差异。Ｗａｌｌａｃｅ等ｃｍ，深度为４０ｃｍ，为避免桶壁影响阳光照射植物，花盆底发现利用近红外与热波段可以很好地识别水浸胁迫与健康的部用砖块垫起，使花盆的上沿与桶的上沿持平，水桶中水面［７］禾谷类作物。Ｄｗｉｖｅｄｉ等研究表明可以利用多光谱与多时高度保持低于土壤表面约１ｃｍ，由于花盆底部有泄水孔，从相遥感数据识别水浸区域的植被。本研究选择玉米与甜菜两而使花盆与水桶水位保持一致。每个品种的６个样本东西方种作物进行水浸胁迫试验，以便研究不同作物在水浸胁迫条向一字排开，这样保证每个样本接收的阳光一致，对照植物

7、件下其光谱变化共同的特征与规律。除了正常降水外，只有在植物出现干旱的早期症状后，才给每个样本浇相同量的水。１．２样本采集收稿日期：２０１３－０３－０１，修订日期：２０１３－０４－２０基金项目：国家自然科学基金项目（４１１０１３９７），教育部博士点基金项目（２０１０００２３１２０００７）和国家留学基金委联合资助作者简介：蒋金豹，１９７８年生，中国矿业大学（北京）地球科学与测绘工程学院副教授ｅ－ｍａｉｌ：ａｈｄｓｊｊｂ＠１２６．ｃｏｍ第１１期光谱学与光谱分析３１０７从２００８年７月７日开始，每隔７天采集一次试验样本，为了尽量减少由于生育期的

8、不同给研究结果带来的影响，每次都采集玉米、甜菜处于同一高度、相同生育期长出的叶片。１．３光谱数据测量及处理具体方法请参阅《光谱学与光谱分析》２０１２年３２（７），１８８３页。［８－１２］１．４高光谱植被指数