草地草种遥感判别技术研究进展.pdf

第 32 卷 第 6 期Vol.32，No.6167-1852023 年 6 月草业学报ACTA PRATACULTURAE SINICA黄梦鸽，王新鸿，马灵玲，等.草地草种遥感判别技术研究进展.草业学报，2023，32（6）：167185.HUANG Meng-ge，WANG Xin-hong，MA Ling-ling，et al.Research progress on remote sensing discrimination techniques for grassland botanical species.Acta Prataculturae Sinica，2023，32（6）：167185.草地草种遥感判别技术研究进展黄梦鸽1，2，王新鸿1*，马灵玲1，叶学华3，朱小华1，孔维平1，王宁1，汪琪1，欧阳光洲1，郑青川4，侯晓鑫4，唐伶俐1（1.中国科学院空天信息创新研究院，中国科学院定量遥感信息技术重点实验室，北京 100094；2.中国科学院大学电子电气与通信工程学院，北京 100049；3.中国科学院植物研究所植被与环境变化国家重点实验室，北京 100093；4.内蒙古北方重工业集团有限公司，内蒙古 包头 014033）摘要：草地是促进区域经济发展的重要资源载体，也是中国陆地生态环境安全的重要生态屏障。遥感技术快速、高效、成本较低，是大范围草原监测的主流技术手段。利用遥感技术对草地草种进行判别是监测草地种群动态和群落更替的重要途径，有利于及时准确地发现草地生态环境的变化，为草地生态系统科学管理和生态文明建设提供重要参考。本研究围绕草地草种遥感判别问题，厘清草种判别技术流程，从草种判别主要遥感数据源的特点及其获取技术、重要的草种判别特征及其挖掘技术，以及目前常用的草种判别方法与模型等 3个方面介绍了最新研究进展及技术难点。本研究认为，高光谱、激光雷达遥感及其融合技术在草种遥感判别中具有一定的应用前景，多维特征深度挖掘及互补特征有效结合可提升草种判别准确率。本研究指出了当前草种遥感判别技术存在的主要问题，对未来通过遥感技术实现草地草种的精确判别提出了展望，为全面了解草地草种遥感识别领域和深入开展草种判别研究提供了理论借鉴。关键词：遥感；草种判别；高光谱；激光雷达；特征挖掘；判别模型Research progress on remote sensing discrimination techniques for grassland botanical speciesHUANG Meng-ge1，2，WANG Xin-hong1*，MA Ling-ling1，YE Xue-hua3，ZHU Xiao-hua1，KONG Wei-ping1，WANG Ning1，WANG Qi1，OUYANG Guang-zhou1，ZHENG Qing-chuan4，HOU Xiao-xin4，TANG Ling-li11.Key Laboratory of Quantitative Remote Sensing Information Technology，Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China；2.School of Electronic，Electrical and Communication Engineering，University of Chinese Academy of Sciences，Beijing 100049，China；3.State Key Laboratory of Vegetation and Environmental Change，Institute of Botany，Chinese Academy of Sciences，Beijing 100093，China；4.Inner Mongolia North Heavy Industries Group Co.，Ltd.，Baotou 014033，ChinaAbstract：Grassland is an important resource bank for regional economic development and a crucial ecological reservoir for the security of Chinas land-based ecological environment.Remote sensing technology is rapid，efficient，and low-cost，and therefore provides the mainstream technical means for large-scale grassland monitoring.The use of remote sensing technology to discriminate grassland species is an important way to monitor the population dynamics and botanical community succession in grassland.Such information is conducive to the timely and accurate DOI：10.11686/cyxb2022278http：/收稿日期：2022-06-28；改回日期：2022-09-19基金项目：中国科学院战略性先导科技专项子课题（XDA26010203；XDA26010304）和内蒙古自治区科技重大专项（2021ZD0044）资助。作者简介：黄梦鸽（1996-），女，河南洛阳人，在读硕士。E-mail： 通信作者 Corresponding author.E-mail：Vol.32，No.6ACTA PRATACULTURAE SINICA（2023）detection of changes in the grassland ecological environment and provides an important reference for the scientific management of grassland ecosystems and the construction of an ecologically aware civilization.This study focuses on the problem of remote sensing discrimination of grassland species，clarifies the technical process of grassland species discrimination and introduces the latest research progress.Technical difficulties are covered from three perspectives：The characteristics of the main remote sensing data sources for grassland species discrimination and their acquisition techniques，important grassland species discrimination features and their mining techniques and the current commonly used grassland species discrimination methods and models.This study concludes that hyperspectral and LiDAR remote sensing and their fusion technologies have application prospects in the remote sensing discrimination of grassland species，and that the deep mining of multidimensional features and the effective combination of complementary features can improve the accuracy of grassland species discrimination.This study identifies the main problems of the current remote sensing discrimination technology for grassland species，and opens the prospect of the future precise discrimination of grassland species through remote sensing technology and thereby provides a theoretical reference for a thorough understanding of the field of remote sensing identification of grassland species and in-depth research on grassland species discrimination.Key words：remote sensing；grass species discrimination；hyperspectral；LiDAR；feature mining；discriminative model我国是世界上草地资源最为丰富的国家之一，根据我国第一次草地普查数据，我国草地面积为 4亿 hm2，占国土面积的 41.7%1。草地是重要的可再生资源，对畜牧业的健康发展和环境保护等具有重要意义。长期以来，受到气候变化、人类活动等因素影响，我国大多数草地都发生了不同程度的退化，给当地的畜牧业生产和人民生活造成巨大影响，严重威胁我国生态安全和区域可持续发展。近年来，我国政府采取了多种措施加强对草地资源的管理和维护，取得了很好的效果，但草原退化、草畜矛盾等问题仍然存在。一方面，我国草地类型多样，不同类型的草地其物种组成不同。根据 1 1000000中国植被图，我国草地分为草原、草甸、草丛和草本沼泽 4大类 12类，包括高寒草甸、高寒草原、温性草原、亚热带热带草丛、荒漠草原、岩生草甸、山地草甸、草甸草原、沼泽化草甸、寒温带温带沼泽和温带草丛、高寒沼泽等。另一方面，受降水和温度的影响，特别是生长季降水的影响，同样的草地类型，其植物组成存在较大地域差异。草地植物群落物种结构自身具有季节和年际动态变化，草地退化大面积发生，退化过程中伴随着植物种结构的变化，特别是优势种的变化。例如，在过度放牧导致的草原退化过程中，衰退种群植株死亡后的资源空间可使拓殖能力强的种群或原种群增长2。所以，在草原退化过程中，草原植被种群的数量通常会表现出波动性，对草种进行高效、精准的识别是定量化评价草种群落变化的重要依据3，是草地动态监测的重要环节之一，也是研究草地环境变化、合理管控草地、制定草地利用方案的基础。草种判别的传统方法是人工识别，这种方法耗时耗力、低效率、低精度，不适合大范围区域和难以到达区域的监测，遥感技术在这些方面表现出巨大优势，成为当前草种识别的主要手段。目前，已有部分研究利用遥感技术对草原草种进行成功识别4-7，但其整体分辨率偏低，拍摄成本也十分昂贵。近年来，高光谱遥感技术作为研究热点之一，被应用于草种监测领域。通过高光谱成像技术获取草地草种高光谱图像成本降低，为草地草种的精细化研究提供了数据支撑。然而，当前高光谱遥感的应用场景主要局限于分布较为均匀或草种类型较少、群落结构相对简单区域的草种识别，如荒漠化草原8-9，对于草种分布混杂度更高区域（如草甸草原等）的研究十分贫乏。为了获取草种更全面的信息，激光雷达（light detection and ranging，LiDAR）遥感技术也被应用于草地资源监测领域，但是受限于点云密度和高程精度，LiDAR 技术在捕捉草种细微差异方面也存在不足。近几年 LiDAR 与光学遥感源融合的方法也吸引了学术界的广泛关注，在草种判别领域具有一定的应用前景，但相关研究仍是空白。总体而言，更为精准的草种识别是当前和未来较长一段时间内面临的主要难题。鉴于遥感技术在草原退化监测中的重要应用价值，本研究将以草种的遥感判别为着眼点，分别从遥感数据168第 32 卷第 6 期草业学报 2023 年源、特征挖掘和判别模型 3个方面梳理该领域关键技术及研究进展（草种遥感判别技术流程如图 1），并在此基础上总结草种遥感判别所面临的主要问题和未来挑战。1草种遥感数据源传统遥感技术如全色遥感的空间分辨率高，可达米（m）级，但是仅使用可见光-近红外的单个波段，对地物识别效果差；多光谱遥感的光谱分辨率可达微米（m）级，具有两个以上的波段，可用于构建植被指数，但是受波段宽度（光谱分辨率）、波段数量和波段位置的限制，多光谱遥感缺乏辨别地物细微光谱差异的能力，对植被类型的识别不够敏感，在草原植被精细分类方面存在困难10。在这个应用方向上，高光谱遥感表现出了巨大优势，其光谱分辨率可达纳米（nm）级，可以更为准确地探测到地物的细微光谱差异，在草种遥感监测中获得最为广泛的图 1草种遥感判别技术流程Fig.1Flow chart of remote sensing techniques for grass species discrimination169Vol.32，No.6ACTA PRATACULTURAE SINICA（2023）应用。激光雷达（LiDAR）遥感是一种主动遥感技术，可有效穿透植被，获取植被垂直结构信息，目前被广泛用于森林类型识别、树种监测等领域，在草种遥感领域也具有较好的应用前景。1.1高光谱遥感早期，国外学者通过实测大量植被光谱后指出，不同的植被间总是或多或少的存在某些光谱差异显著的波段，据此可以利用在野外测量的光谱库识别出植被物种11。高光谱遥感在对目标的空间特征成像的同时，对每个像元可在较宽的波长范围上形成几十个乃至几百个窄波段连续的光谱覆盖12，具有更高的光谱分辨率（10 nm）、更多的波段以及图谱合一所带来的更大的信息量，从而可以更加准确地探测到草种的细微光谱差异，成为草种遥感监测研究的一种重要手段。尤其是近 10年来，随着高光谱遥感数据处理方法的研究日渐成熟13，基于高光谱遥感数据对草种进行监测的研究和在实际场景中的应用不断涌现。如赵烜赫等14采用欧普特公司研制的高光谱成像仪（HyperSpecPTU-D48E，光谱分辨率 2.8 nm，成像波谱范围 4001000 nm）采集内蒙古人工草地 6类草种，经高光谱数据降维处理和机器学习分类，对草种的分类精度最高达到 99.33%。随着无人机的出现，将无人机技术与高光谱遥感进行结合的优点逐渐被发掘，从而得到大力发展。无人机航空遥感平台相比于地面遥感获取的数据覆盖范围更广，更适合大面积区域的物种监测，数据采集效率更高，能够有效地节省人力物力；相比于航天遥感技术获取的数据空间分辨率更高，在相对小区域范围内可以做到更精确的测量，重访周期、航行路线、观测时间等都可以通过人为控制，而且低空飞行不受云量影响，成像质量高，飞行成本低，成为近年来遥感获取数据的重要平台之一。当前，国外无人机成像光谱仪正在朝着质量轻，自动化程度高，成本低，凝视成像的方向发展，国内也已经研制出部分轻小型化成像光谱仪，这极大地促进了国内无人机高光谱遥感技术的发展。图 2统计了近 10年 Scopus检索平台上关于无人机高光谱遥感在植被研究领域的论文发表数量变化趋势，可以发现近 10年，基于无人机平台开展植被高光谱遥感的研究越来越受研究者的重视，其中 2018-2019年的发文增加率达到了 73%。近几年，基于高光谱和无人机平台的遥感技术已经扩展到草种物种水平判别应用中。杨红艳等8首次应用无人机高光谱遥感技术对内蒙古乌兰察布四子王旗荒漠草原草种开展物种水平的判别研究，采用深圳大疆技术有限公司的 Matrice 600Pro型六旋翼无人机搭载高光谱成像仪采集了光谱分辨率为 3.5 nm 的草种高光谱数据纯样方，对高光谱数据进行预处理并输入卷积神经网络进行分类，整体分类准确率达到 94%。胡宜娜等15基于大疆无人机载 Cubert UHD 185高光谱相机获取了光谱分辨率为 4 nm 的高光谱数据，并据此实现了对三江源草种的精细识别，最终识别精度约 94%。基于无人机高光谱的遥感数据可以同时满足高光谱分辨率（高光谱成像仪成像）和高空间分辨率（无人机低空飞行采集数据）的要求，在草种的物种水平精细识别方面具有较大的应用潜力。但是，目前这方面的研究仍然很少见，这可能受多方面因素限制。首先，遥感数据质量直接影响草种判别效果，大多草种低矮细小，颜色、高度、形状等特征差异甚微，遥感数据精度受传感器限制，能捕捉的草种细微特征十分有限，导致基于遥感数据所提取的草种可分特征不充足。其次，样本数据获取难度大、训练样本数量不足、模型可靠性低，野外试验采集无人机高光谱遥感数据需要人力、物力和项目支撑，优异的数据资源获取需要结合草种物候期和天气等因素，因此，满足研究需求的最佳试验场地和试验时间可遇不可求，难以获取开展研究所需的数据量，尤其是采用机器学习、卷积神经网络等人工智能方法时，在模型训练阶段需要足量的标记样本数据作为支撑，才能训练出稳健的模型。目前，图 2Scopus平台关于无人机高光谱植被遥感的年度发文数量Fig.2 The number of annual publications on unmanned aerial vehicle hyperspectral remote sensing of vegetation on the Scopus platform170第 32 卷第 6 期草业学报 2023 年部分研究虽然取得了一定成效8，14，16-17，但其是否具有较好的实际应用价值仍有待进一步验证。1.2激光雷达遥感激光雷达遥感是一种主动遥感技术，能够获取地表三维数据，生成数字高程模型（digital elevation model，DEM），且抗干扰能力、穿透能力和时效性较强，可有效穿透植被，获取植被垂直结构信息。LiDAR 技术的出现，为草地资源的三维动态监测提供了一种全新的遥感手段18-19。草层高度在草地遥感应用中具有重要意义，然而对草地冠层高度的精确反演和制图一直是草地遥感的难点20。高光谱遥感主要获取植被的冠层表面信息，很难获得植被群落的垂直空间结构信息，因此，很少用于估算植被高度的研究，而 LiDAR技术以一个全新的方式探测植被垂直结构信息，弥补了二维表面信息的不足。但由于起步较晚，目前 LiDAR 在草地资源监测中的应用仍处于起步阶段。初期，LiDAR 技术更多地被用于提取各种草地结构参数，如冠层高度、冠层体积、覆盖度等21-23，并以提取的结构参数为基础估测草地生物量19，24。随后，LiDAR 遥感的应用又被扩展到草地空间格局的动态变化监测中。Zlinszky等25和 Moeslund等26分别利用机载 LiDAR 对不同草地类型进行评估，并将其应用于草地生物多样性的评估。在植被类型判别方面，LiDAR 用于树种判别取得了部分研究成果，如 Qrka等27使用量度身高百分位数和 canopy-return-densities 单独分类树种挪威云杉（Picea asperata）和桦木（Betula），分别获得 74%和 77%的整体精度；Liu 等28利用高度百分位数和点高变化等点云指标对 15 种城市树种进行分类，分类总准确率为61%。但 LiDAR 用于草本植物类型判别的研究还比较罕见，原因主要是草本植物通常都比较矮小，且以较高的混杂度分布在草地上，表面形态均匀，因此 LiDAR遥感技术难以捕捉到不同草种之间的细微差异。总的来看，首先，从数据获取平台上，LiDAR 遥感在草地资源动态监测中多以地基和机载为主，星载平台还有待进一步探究29；相应地，LiDAR 遥感在样方-景观尺度的草地资源监测中具有更大的应用潜力，在更大尺度的应用潜力还有待探讨。其次，由于草本植物高度相对低矮且表面形态比较均匀，因此，基于 LiDAR的估算方法受限于点云密度和高程精度，容易出现对草层高度等参数的低估现象30-31，加大了研究难度。此外，近几年，LiDAR与光学遥感数据融合技术的研究也成为热点之一。LiDAR获取地物拓扑信息，可用于构建地表三维模型，光学遥感可同时获取地物空间维和光谱维信息，两者结合可以发挥各自优势，从而更好地应用于地物识别32。在植被识别的应用方面，LiDAR 与高光谱遥感融合技术应用于树种识别可以有效改善仅使用单一遥感数据源的识别准确率33-35，近年来在树种和林分类型识别中获得了较为广泛的研究与应用。另外，LiDAR 与光学遥感融合技术也被应用于作物分类，如 Liu等36采用机载高光谱图像和 LiDAR 数据组合的方法研究黑河流域人造绿洲中的作物分类，研究表明激光雷达的高度信息大大提高了作物种类分类精度，且对于具有显著高度差异的作物如玉米（Zea mays）提升更为明显，对于较矮的植被如韭菜（Allium tuberosum）、辣椒（Capsicum annuum）、土豆（Solanum tuberosum）等 有较小的提升或没有提升。在草种判别方面，尽管两种遥感数据源组合的研究仍是空白，但其在树种及作物识别中的成功应用案例为草种精细识别提供了研究思路和研究基础，表明 LiDAR 与其他遥感源结合的方法具有一定的应用前景。如上所述，单一激光雷达遥感源可能低估草层高度等参数，但是若将 LiDAR 与光学遥感数据进行有效融合，或可弥补这些不足，进而提升草种判别的准确率。在融合级别上，目前光学遥感与 LiDAR的融合主要基于特征级和决策级37，数据级融合受限于传感器的异质性，在技术层面上还难以保证融合后的质量。当前光学遥感与 LiDAR 的融合研究主要集中在 3个方面：首先，如何基于两种数据源分别生成有效特征；其次，如何将两类特征进行有效的融合；最后，如何确定有效的分类模型。在草种精细判别领域，当前的首要问题是如何解决光学遥感源与 LiDAR 遥感源同步获取的问题，在草种分布混杂度低（如某些人工种植的草地或草坪，单一草种成片集中分布）的场景下，可以通过设置地面标志物或控制点实现同步数据采集；在分布混杂度高的地方，可以结合地面标志点和地理坐标信息等进行精准定位，以实现两种数据源的准确匹配。表 1总结了高光谱和 LiDAR 两种遥感数据源的主要特点。总体而言，高光谱遥感的光谱分辨率高，覆盖可见光到热红外的全部电磁辐射范围，可以更精细地描述植被的空间和波谱特征；LiDAR 遥感具有很好的穿透性，可以获取植被的垂直结构信息。如果能够将两者进行有效的融合，可以为草种遥感研究提供更为丰富的先验信息，从而更好地应用于草种判别研究中。171Vol.32，No.6ACTA PRATACULTURAE SINICA（2023）2草种判别特征挖掘研究现状特征是分析遥感数据的重要依据，获取遥感数据特征的操作称为特征挖掘。特征类型多种多样，根据特征挖掘所依据的先验知识类型，本研究将草种遥感数 据 的 特 征 类 型 分 为 光 谱 特 征、纹 理 特 征 和 物 候特征。2.1光谱特征地物的波谱特征是指该地物对太阳光的反射、散射能力随波长而变化的规律。图 3展示了几种草原草种的光谱特性曲线，与大多数植被光谱在总体特征上接近38：在可见光波段（0.380.76 m）：草种的光谱特征受叶绿素及其他色素的强烈吸收作用，总体反射率较低。叶绿素对蓝光和红光吸收率高，对绿光反射率相对较高，因此，在大约以 0.45 m 为中心的蓝光波段和以0.67 m为中心的红光波段出现吸收谷；在大约 0.54 m为中心的绿光波段形成反射峰。在近红外波段（0.761.3 m）：草种的光谱特征取决于叶片内部的细胞结构，细胞壁与细胞孔腔的多重散射作用使得光线在叶片内部发生多次反射与折射，致使叶片对太阳光的吸收作用几乎可以被忽略，最终使得草种在这一波段区间内具有较高的反射率，呈现特有的很宽很强的反射峰，且在 0.96和 1.20 m 处表现出两个较为明显的水吸收带。由于不同草种的叶子内部结构变化大，所以草种在近红外波段的反射率差异比在可见光波段更加明显，可用于区分不同的草种类型39。在短波红外波段（1.32.5 m）：草种的光谱特征受液态水所控制，在大约 1.42 m 处存在一个强烈的吸收谷，谷的深度与液态水含量有关。如前所述，不同植物在不同波长处的反射率数据具有差异性，草种尽管大多都低矮细小，但由于叶片内部化学物质组分、含量和细胞结构等的不同，不同草种的光谱特性还是会存在或多或少的差异。分析光谱吸收特征是识别草种某些本质属性的第一步，而遥感数据可以通过对这些吸收特征的定量化描述来区分不同草种。2.1.1波谱库数据 草种的波谱特征是认识草种最直观的方式，也是草种遥感探测的基础、遥感图像的解译指南、信息提取和目标识别的根据。我国近年虽然引进了一大批代表国际前沿水平的地物波谱测试设备，但是不同的设备往往分散在各部门，各种辅助装置也不太完善，在具体的科学研究实施过程中往往很难保证完整的配套，导致系统的草种波谱数据库至今尚未出现，难以满足草种时空分异特性的研究需求。目前国内外许多科研单表 1主要遥感数据源及其特点Table 1Major remote sensing data sources and their characteristics主要遥感数据源Major remote sensing data sources高光谱遥感 Hyperspectral remote sensing激光雷达遥感 LiDAR remote sensing特点Characteristics获取光谱反射特性和空间分布特性，光谱分辨率高，覆盖波谱范围广，能够精细地描述草种波谱特性；但只能获取二维表面信息，且数据维度高，处理困难。Obtain spectral reflectance characteristics and spatial distribution characteristics，with high spectral resolution，covering a wide spectral range，and capable of finely describing the spectral characteristics of grass species；However，only two-dimensional surface information can be obtained，and the high dimensionality of the data makes processing difficult.获取垂直结构信息，穿透性好、抗干扰能力强；但受限于点云密度和高程精度，容易低估草层高度等参数。Obtain vertical structure information with good penetration and resistance to interference；However，limited by point cloud density and elevation accuracy，easy to underestimate parameters such as grass layer height.图 3草原草种的（叶片）光谱特性曲线Fig.3 Spectral characteristic curves of grassland grass species（leaf）172第 32 卷第 6 期草业学报 2023 年位和机构整理并发表了许多典型的综合波谱库数据，其中包含植被波谱的主要有以下几种，国外：USGS 波谱库40、ASTER 波谱库41、SPECCHIO 波谱库42、HyspIRI波谱库43、VSL植被波谱库等；国内：地物反射光谱特性数据库44、新疆典型荒漠植物光谱数据库45等（表 2）。其中，美国地质调查局的 USGS 波谱库是建设最早，也是应用最广泛的典型波谱库，该波谱库包含了一个植被子库，内含许多牧场草种的光谱，覆盖了 0.22.5 m 的波谱范围；国内开发的地物反射光谱特性数据库也包含一个植被子库，其中含有来自灌木草丛、草原、荒漠、草甸等的多种草种光谱；新疆典型荒漠植物光谱数据库以塔里木河中下游野外实测荒漠植物数据为基础构建，包含 20余种典型荒漠植物反射光谱，光谱范围覆盖 0.352.50 m，可提供给荒漠植物研究使用。2.1.2光谱位置、面积特征“红边”指红光区外叶绿素吸收减少部位（约0.7 m）之间，健康植被的光谱反射率陡然增加的窄带区域，是植被的敏感特征光谱段，它的位置随着叶绿素含量、物候期、健康状况及类别的不同呈现差异性。因此可以提取光谱曲线的“红边”特征用来区分不同的草种。具体的参数包括红边位置、红边面积、红边反射率幅值等，黄边、蓝边情况与之类似（表 3）。其中红边反射率幅值是区分物种的主要特征，而红边位置和红边面积可作为补充特征从而实现更好的区分效果46。红边反射率幅值可通过对原始光谱进行一阶求导运算得到。地面实测光谱或地面成像高光谱数据经常会受到地形、大气、观测几何等引起的光照变化的影响47，对光谱曲线求导得到的一阶导数曲线除了能够更加直观地观测反射率的斜率情况，也被认为是消除或减弱低频（如土壤和大气的线性影响）光照变化对目标光谱影响的有效手段48。相关研究表明，一阶微分处理可以显著提高植被的识别准确度49-50。光谱一阶导数的计算公式如下：(i)(i+1)-(i-1)（1）式中：（i）是一阶微分，（i）是波段 i的反射率；是相邻波段 i+1和 i-1的间隔，光谱微分分析要求光谱分辨率高于 10 nm且光谱波段连续。Wang 等51通过结合地面实测光谱与机载成像光谱对美国密苏里州中部的公共草地内的一种入侵草种（Sericea lespedeza）进行了监测。在他们的研究中，红边幅值（650800 nm 的光谱一阶导数最大值）被用于区分表 2国内外涵盖植被波谱的主要波谱库Table 2Major spectral libraries covering vegetation spectra at home and abroad项目Item国外Foreign国内Domestic波谱库名称Spectrum library nameUSGS波谱库USGS spectrum libraryASTER波谱库ASTER spectrum librarySPECCHIO 波谱库SPECCHIO spectrum libraryHyspIRI波谱库HyspIRI spectrum libraryVSL植被波谱库VSL vegetation spectrum library地物反射光谱特性数据库Database of reflectance spectral properties of features新疆典型荒漠植物光谱数据库Spectrum database of typical desert plants of Xinjiang发布机构Publisher美国地质调查局 United States Geological Survey美国宇航局 National Aeronautics and Space Administration苏黎世大学 University of Zurich美国喷气推进实验室 American Jet Propulsion Laboratory得克萨斯大学 University of Texas中国科学院遥感应用研究所等 Institute of Remote Sensing Applications，Chinese Academy of Sciences，etc.新疆农业大学草业与环境科学学院 College of Grass and Environmental Sciences，Xinjiang Agricultural University建设年份Construction year1993199820031999201420世纪 90年代初In the early 1990s2013下载网址Download sitehttps：/speclab.cr.usgs.gov/spectral-lib.htmlhttps：/speclib.Jpl.nasa.govwww.specchio/dndex.phphttps：/hyspiri.jpl.nasa.gov/documents/www.spectrallibrary.utep.edu_173Vol.32，No.6ACTA PRATACULTURAE SINICA（2023）牧草中的入侵物种，通过简单的阈值分割，成功识别出研究区内不同大小的入侵物种。安如等52分析了三江源中东部草地 17种典型草种的一阶微分光谱曲线，发现“黄边”（560640 nm）、“红边”（680760 nm）和“蓝边”（490530 nm）幅值可以用来初步识别柔软紫菀（Aster flaccidus）、部分蒿草属以及两种形式的矮火绒草（Leontopodium nanum）。Li等53对内蒙古自治区锡林浩特市某草原上 6种草的光谱进行了一阶导数分析，发现草种光谱一阶导数曲线在 520 nm 附近和红边位置（680750 nm）出现了反射峰，根据反射峰的最大值和最小值分别可以区分糙隐子草（Cleistogenes squarrosa）和羊草、野韭（Allium ramosum）和小叶锦鸡儿（Caragana microphylla）。2.1.3光谱吸收特征 在可见光范围受植物色素（如叶绿素和类胡萝卜素）的影响植被出现光谱诊断吸收波段；在短波红外区域受其他化学成分（如木质素、纤维素和果胶等）的影响出现光谱诊断吸收波段。通过对植被光谱曲线上的每一个吸收峰进行归一化可以定量表征这些吸收特征。常用的方法是连续统去除技术54（也称包络线归一化法）。这种方法使反射率吸收相对较为强烈部分的波段特征被放大，光谱反射率值被归一化为 01.0，因此可以在一个共同的基准下比较不同植被的光谱吸收特征。“包络线”通常定义为逐点直线连接光谱曲线上那些凸出的峰值点，并使折线在峰值点上的外角大于 180，以原始光谱曲线上的值除以包络线上对应的值，即为光谱去包络。包络线去除的公式如下11：CRi=RiRHiRHi=Rstart+K(i-start)K=Rend-Rstartend-start（2）式中：CRi为第 i波段对应的包络值；Ri为第 i波段的光谱反射率；RHi为第 i波段对应的“外壳（Hull）”（即吸收谷起点和终点的连线）值；K 为所选吸收起始点到终点的“Hull”斜率；Rstart和 Rend分别为吸收起始点和终点的反射率；start和 end是对应的波长取值。根据光谱吸收特征主要提取“红谷”、“绿峰”、近红外峰值等（表 3）。Galvao等55应用连续统去除方法提取了671 nm（叶绿素）、983 nm 和 1205 nm（液态水）以及 2103 nm（木质素和纤维素）为中心的吸收带特征，根据不同的吸收影响因素，并结合其他光谱指数，识别了生长在巴西东南部的 5个甘蔗（Saccharum officinarum）品种。冯双双等56的研究中，统计了几种草地植被光谱包络线去除后波段在 500600 nm 的最大值