第30卷，第7期 2010年7月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
基于叶片高光谱特性分析的树种识别
王志辉，丁丽霞*
Vol.30,No.7,pp1825-1829
July，2010
浙江农林大学，浙江省森林生态系统碳循环与固碳减排重点实验室，环境科技学院，断江临安311300
摘要高光谱遥感技术的出现将为解决森林树种的精细识别难题提供有效的途径。利用高光谱遥感技术进行树种鉴别时，光谱特征的选择及提取是个非常重要的过程。与多光谱数据相比，高光谱数据具有波段多、数据量大、允余度大等特点。该文利用光谱微分法对原始光谱数据进行处理，分析不同树种原始光谱、光谱一阶微分和光谱二阶微分曲线图，从中选择差异较大的波段用于鉴别不同树种。最后利用欧氏距离对所选择的波段进行检验识别不同树种的效果，检验的结果显示选择的波段能有效地区分不同树种。区分不同树种的有效波段大都位于近红外波段，并且差异最大的波段也是近红外波段，其分别为1657～1666和 1868~1 877 nm.
关键词树种；高光谱：光谱微分：欧氏距离
中图分类号：S771.8
引言
文献标识码：A
DOI:10.3964/j.issn.1000-0593(2010)07-1825-05
处理高光谱数据成为高光谱通感的研究热点和未来的发展方向。其中，有关光谱特征选择和特征提取的研究是一个重要方向[]。范文义曾用方差、最大最小值、信噪比以及波段间
高光谱遇感技术是20世纪80年代以来在对地观测方面取得的重大技术突破之一，它具有波段窄、波段多的特点，能够提供比多光谱递感技术更细致的地物光谱信息]，为研究地物的细微特征提供了有效的途径。目前高光谱逐感技术已被广泛地用于植物研究，与多光谱相比，能有效地提高物种分类精度(")，面且能够估测各种植物化学成分，如植物叶内的N、P、K、糖类、淀粉、蛋白质、纤维素和叶绿素等的估测(")，进行植物长势评价、植被生物量估测*]。在植物物种的识别方面也有一些成功的实验，例如，浦瑞良等[利用小型机载成像光谱仪（com-pactairbornespectrographicimager，简称CASI)数据，采用变量相关、基于植被指数的估计方法和多元回归预测方法对植物物种识别，张良培等[3利用高光谱对植物物种进行识别，但是对南方树种进行高光谱识别的报道极少，本文分析不同树种的高光谱反射率信息及相关特征参量的差异，探索高光谱遥感技术树种分类的可能性。
高光谱递感技术波段多、波段窄的优势也带来了数据量大、数据允余度大的问题，高光谱数据采样间距一般都在纳米级，造成了相邻波段的高度相关性，允余度也随之增加。如何既有效地利用高光谱数据的最大信息，又能较快地
收稿日期：2009-10-11，修订日期：2010-01-26
的相关性等作为指标进行选择波段，取得了较好的效果（参考范文义（北京林业大学)的论文：成像光谱遥感数据处理及对荒漠化监测信息提取方法的研究，2000)；刘建平[}]等在分析利用信息量方法来选择波段局限性的同时，提出了基于类间可分性的高光谱数据最佳波段选择理论模型，具有一定的实用性；Alam等提出了基于目标探测与分类的自适应进行波段选择(*)，光谱微分可以增强光谱曲线在坡度上的细微变化，并且其波形分析能消除部分大气效应。王渊等利用光谱微分对油荣叶片的高光谱特征进行选择及提取，获得了良好的效果[。本文使用一阶微分和二阶微分等两种方法对原始高光谱数据进行处理分析，从而选择区分不同树种的波段及光谱待征参量。
1数据与方法 1.1数据获取
实验地点为浙江省临安市浙江林学院校内植物园，选择了香樟、麻棵、马尾松、毛竹等4种南方常见的树进行试验，每种树选取5棵树，每棵树采集10片向阳面的成熟叶，共
基金项目：国家自然科学基金项目（30771725)，国家高技术研究发展计划(863计划)项目（2006AA12Z109)，浙江省林业厅项目(07A16)和
浙江省教育厅项目(20060651)资助
作者简介：王志辉，1979年生，浙江农林大学环境科技学院研究生
e-mail;dlxlxy@126.com
*通讯联系人
万方数据
e-mail;wzf20002@163.com