1　引　　言

湿地是地球上具有多种功能的独特生态系统，不仅具有巨大的经济社会效益，还具有调节区域气候、均化洪水、净化水质、保持物种多样性等功能^［1］。干旱区湿地在我国湿地中占有较大的比重，主要分布在江河源头、绿洲、河滩、内陆湖滨等生态敏感带，对维护干旱地区生态环境起着重要作用^［2］。

艾比湖湿地自然保护区位于新疆北部准噶尔盆地西南，属于典型的干旱区湖泊湿地，在维护区域生态平衡，提供珍稀动植物栖息地和保护生物多样性等方面具有非常重要的作用^［3］。芦苇作为湿地生态系统的基本组分，其群落特征的变化能够反映出生长环境的状况。芦苇叶片水分含量约为40%~80%，水分是控制植被光合作用、呼吸作用以及生物量的主要因素，水分缺失会直接影响植物生理生化过程和形态结构，从而影响植物的生长和发育^［4］。因此，及时准确监测或诊断芦苇叶片的含水量对反映芦苇的生理状况，以及对火灾、旱灾和生态安全的监测有重要的意义。

传统的监测和估算植被含水量的多种野外实测方法，由于受空间和时间的局限，测得的植被含水量只反映采样点周边较小空间和较短时间内的状况；同时，传统方法一般具有事后性和破坏性，在空间和时间上无法满足快速、实时、准确、无损的诊断要求，难以大面积应用^［5］。而根据光谱测定进行植被含水量的分析与反演，无疑为解决传统植被含水量监测问题提供了一种有效途径。在植被水分遥感研究中，冠层温度法是诊断作物水分状况的重要手段^［6］。随后研究人员相继提出参考温度法^［7］、威迫积温法^［8］、作物缺水指标法^［9］等，在植被水分遥感监测方面取得较大的成就。目前，高光谱技术在反演荒漠植物的含水率^［10］、小麦的水分状况^［11-14］、土壤水分^［15-16］等方面，得到了广泛应用。对高光谱技术研究表明，有效、无损地检测土壤有机质的重要前提是通过在适当的微分窗口尺度下从一阶导数光谱提取特征参数^［17］。因此，在一定范围的微分窗口内，通过选取合适的窗口尺度来辨别光谱对植物含水量的响应波段，提取最优的光谱特征参数来表征植物含水量的变化，是值得研究的问题。本研究对芦苇叶片原始光谱及其平滑处理后的光谱进行了对数和导数的变换，之后分析了在不同微分窗口尺度下芦苇叶片一阶导数对含水量变化的响应特征，同时提取特征参数表征植物含水量，旨在为干旱区湿地植被实现有效、准确、快速、大范围地遥感监测提供支持。

2　研究区概括

艾比湖湿地自然保护区（44°30'～45°09'N，82°36'～80°50'E）位于新疆维吾尔自治区内，是准噶尔盆地西部最低洼地和水盐汇聚中心，总面积为2670.85 km²，属典型温带大陆性干旱气候^［3］。研究区年均气温为5 ℃，多年平均降水量为105.17 mm，潜在蒸发量为1315 mm，降水量年内分配不均，夏多冬少，气候极端干燥，降水稀少。

艾比湖湿地自然保护区是我国内陆干旱区独特的生物基因宝库，因其处于阿拉山口主风道区，该地区形成了盐湖、沼泽、沙漠、盐漠等多种地类，由此形成了多种植被群落，其中包括旱生、盐生、沙生、湿生、水生等植被类群，芦苇是该地区典型的盐生植被代表^［18］。

3　材料与方法

3.1　芦苇叶片光谱测定

芦苇叶片光谱反射率的测定采用美国Analytical Spectral Device （ASD）公司生产的FieldSpec3便携式光谱仪，波段范围为350~2500 nm。其中350~1000 nm光谱采样间隔为1.4 nm，光谱分辨率为3 nm；1000~2500 nm光谱采样间隔为2 nm，光谱分辨率为10 nm。于2013年5月15日对艾比湖湿地自然保护区鸭子湾芦苇群落随机设置10 m×10 m 的样方进行芦苇叶片的野外光谱测量。野外测量选择晴朗无风的时间，测量时间为当地时间10：00~14：00，至少每20 min利用白板进行1次优化。测量时选择芦苇的第一片完全展开叶，探头距离叶片中间部位约为5 cm，保证探头的视野范围落在叶片上，每株芦苇测定10次，取平均值作为该样本代表性光谱曲线。

3.2　芦苇叶片含水量测定

在样地内取光谱测定的芦苇叶片，装入封口袋，立即称鲜重、贴标签，芦苇叶片光谱测定与含水量测定所用叶片样品一一对应。样品带回实验室内，装入纸袋中，使用电热恒温鼓风箱，先将温度调至100 ℃~105 ℃杀青15 min，然后将温度调至80 ℃，烘至恒重并称其干重，鲜重与干重的差值与鲜重之比即为芦苇叶片含水率^［10］。40个芦苇样本中，含水率最大值为70.39%，最小值为35.44%，平均值为57.28%。

3.3　数据处理

赵钊等^［10］通过研究古尔邦通古特沙漠南缘典型荒漠植被含水量的光谱表达特征区段，认为1374~1534 nm是荒漠植被对水分最为敏感波段，因而本文把1374~1534 nm作为芦苇叶片含水量响应波段，对每个样品采集的光谱进行平均。实验在1374~1534 nm波段对芦苇叶片光谱进行对数和导数变换，以加强因芦苇叶片含水量的变化所产生的光谱响应差异，对数变化采用的计算公式为^［17］

式中：λ为波长，范围为1374~1534 nm；R（λ）为波长位于λ处芦苇叶片原始光谱的反射率；A（λ）为波长位于λ处对数变换后的芦苇叶片光谱值。导数变换的公式为^［17］

式中：ω为微分窗口尺度，范围为1~30；D（λ）为波长位于λ处导数变换后的芦苇叶片一阶导数光谱值。

3.4　相关性分析

线性相关分析是分析两种因素关联性大小的一种数学统计方法。两种因素的相关性表明两种因素的关联程度，关联度越大，两种因素的相关性越大，关系越密切；反之，表明关系越远。相关性分析运算结果值介于-1~1之间，当相关性值>0，表明两种因素为正相关；当相关性值<0，表明两种因素为负相关。相关性分析运算结果值的绝对值离1越近，说明这两种因素的相关性越大，两种因素相关性分析结果值的绝对值越接近于0，表明这两种因素的相关性越小^［19］。

4　结果与讨论

4.1　导数变换对含水量不同的芦苇叶片光谱响应特征的影响

依据（1）式和（2）式求出在不同尺度的微分窗口下（ω=1，2，…，30），含水量不同芦苇叶片的一阶导数光谱（图1）；同时求出芦苇叶片的一阶导数光谱与含水量之间的相互关系（图2）。由图1和图2可知，由于微分窗口尺度的增大，导数变换后的一阶导数光谱曲线的平滑效果明显得到优化。当ω=1~5时，由于微分窗口尺度小，导数变换的平滑作用差，大量的噪声对芦苇叶片的一阶导数光谱曲线有着严重的干扰，导致光谱曲线轮廓不易辨别，因叶片含水量变化引起的光谱响应特征受到强干扰，敏感波段难以提取，光谱质量差；在对应的微分窗口尺度下，一阶导数光谱与含水量之间的关系曲线振荡强烈，频率高、振幅大。当ω=6~10时，由于微分窗口尺度的逐渐增大，导数变换对芦苇叶片一阶导数光谱曲线的平滑作用得到了提高，噪声对一阶导数光谱曲线的干扰有了相应程度的降低，但噪声干扰仍然较强，致使光谱曲线轮廓依然不易辨别，芦苇叶片含水量变化引起的光谱响应特征依然难以判断；在对应微分窗口尺度下，虽然一阶导数光谱与含水量之间的关系曲线振荡的强度有所下降，但振荡依然强烈，振幅大。当ω=11~15时，由于微分窗口尺度的进一步增大，导数变换对芦苇叶片一阶导数光谱曲线的平滑作用有了较大的提升，噪声对一阶导数光谱曲线的干扰得到了进一步的降低，光谱曲线轮廓大致能够辨别出来，但叶片含水量变化引起的光谱响应特征依然不易判断；在对应微分窗口尺度下，一阶导数光谱与含水量之间的关系曲线振荡的强度得到了进一步的下降，但振荡依然起伏大，不易提取含水量变化引起的光谱响应波段。当ω=16~30时，由于微分窗口尺度的不断增大，导数变换对芦苇叶片光谱曲线的平滑作用得到了更好的提升，噪声对一阶导数光谱曲线的干扰得到了有效去除，光谱曲线轮廓能够得到更清晰的辨别。在波长范围1374~1414 nm内，含水量不同的各条光谱曲线均存在一个“V”形特征的吸收谷；其中在1381~1382 nm处，一阶导数光谱值位于谷底；对于含水量不同芦苇叶片的光谱值，在1460~1500 nm范围内随着含水量的增加整体呈上升趋势，与其他波段比较，该波段范围内光谱表现出较为一致、显著的响应特征。以ω=20为例，在1374~1534 nm范围内，一阶导数光谱与含水量之间的相关系数范围为-0.54~0.40，平均值为0.05，标准差为0.25；在1460~1500 nm范围内，一阶导数光谱与含水量之间的相关系数范围为0.18~0.36，平均值为0.27，标准差为0.04。一阶导数光谱与含水量之间的相关系数标准差在1460~1500 nm，比1374~1534 nm小0.21，因而能够说明在1460~1500 nm内一阶导数光谱与含水量之间的相关系数波动小，表现较稳定。

图 1. 不同尺度的微分窗口对芦苇叶片一阶导数光谱响应特征的影响。(a) ω=5；(b) ω=10； (c) ω=15； (d) ω=20

Fig. 1. Effects of different differential window scales on first derivative spectral response characteristics of reed leaves. (a) ω=5；(b) ω=10； (c) ω=15； (d) ω=20

下载图片 查看所有图片

图 2. 不同尺度的微分窗口对芦苇叶片一阶导数光谱与含水量相关系数的影响。(a) ω=5； (b) ω=10； (c) ω=15； (d) ω=20

Fig. 2. Effects of different differential window scales on correlation coefficient of reed leaf first derivative spectra and water content. (a) ω=5； (b) ω=10； (c) ω=15； (d) ω=20

下载图片 查看所有图片

在ω=16~30时，波长范围1460~1500 nm内芦苇叶片一阶导数光谱值比较一致，而且波动幅度小；对叶片含水量的变化，整体上表现出较为一致、显著的响应特征。本研究采用该波段范围内一阶导数光谱值的平均值作为特征参数表征芦苇叶片含水量变化。计算公式为

式中：Dsω(λ)代表经对数变换后，微分窗口尺寸为ω时，波长位置λ处芦苇叶片一阶导数光谱值；Msω代表波长范围1460~1500 nm内Dsω(λ)的平均值。然后计算在不同微分窗口尺度下，Msω与芦苇叶片含水量的相关关系。如图3（a）所示，随着微分窗口的逐步增加，相关系数曲线呈先下降，后急剧上升，再略有下降，最后缓慢增加的趋势。当ω=1~15时，由于窗口尺度较小，曲线波动幅度大；当ω=16~30时，曲线波动幅度小，曲线变化平缓；当ω=18~21时，相关系数处于曲线后段的底部，基本稳定在-0.212~-0.219之间，变化趋势稳定；当ω=20时，相关系数取得负数的最小值-0.219，因而在微分窗口尺度1~30中，Ms20更适合作为特征参数表示芦苇叶片含水量变化。

图 3. 不同尺度的微分窗口对特征参数的相关系数的影响。(a)平滑前; (b)平滑后

Fig. 3. Effects of different differential window scales on the correlation coefficients of characteristic parameters. (a) Before smoothing; (b) after smoothing

下载图片 查看所有图片

4.2　微分窗口尺度下平滑去噪后一阶导数光谱响应特征的影响

为了深入研究微分窗口尺度对芦苇叶片一阶导数光谱的影响，本实验对芦苇叶片原始光谱数据用Savitzky-Golay平滑法处理，平滑处理后再根据（1）式和（2）式，求出不同微分窗口尺度下，含水量不同的芦苇叶片的一阶导数光谱值，结果如图4所示。结合图4和图1比较分析，对原始光谱经平滑处理后的光谱值变换求得一阶导数光谱曲线，在不同微分窗口尺度下轮廓变得清晰、光滑；在波长范围1374~1414 nm内，呈现“V”形吸收谷的特征更加明显，在波长范围1460~1500 nm内，一阶导数光谱值对芦苇叶片含水量响应特征愈加显著。同样为了表征芦苇叶片含水量变化，将波长范围1460~1500 nm内原始光谱平滑处理后变换的一阶导数光谱值的平均值Mpω作为特征参数，计算公式为

式中：Dpω(λ)代表原始光谱平滑处理后的光谱值经变换后，微分窗口尺寸为ω时，波长位置λ处芦苇叶片一阶导数光谱值；Mpω代表波长范围1460~1500 nm内Dpω(λ)的平均值。随后计算在不同微分窗口尺度下，Mpω与芦苇叶片含水量的相关关系，结果如图3（b）所示。结合图3（b）和图3（a）比较分析，随着微分窗口的逐步增加，相关系数曲线与图3（a）整体变化趋势非常一致，但是曲线波动显著减小，曲线更加光滑；当ω=18~21时，相关系数处于曲线后段的底部，基本稳定在-0.212~-0.216之间，变化趋势稳定；当ω=20时，相关系数取得负数的最小值-0.216，因而在微分窗口尺度1~30中，更适合作为特征参数表示芦苇叶片含水量变化。对比Ms20和Mp20可知，虽然两者的相关系数相差不大，但是对原始光谱平滑处理后的Mpω与含水量相关系数曲线更加平滑，更能体现光谱一阶导数平均值对芦苇叶片含水量的响应，因而在微分窗口尺度1~30中，Mp20更适合作为特征参数指示芦苇叶片含水量变化。

图 4. 不同尺度的微分窗口对平滑后芦苇叶片一阶导数光谱响应特征的影响。(a) ω=5； (b) ω=10； (c) ω=15； (d) ω=20

Fig. 4. Effects of different differential window scales on the first derivative spectral response characteristics of reed leaves after smoothing. (a) ω=5； (b) ω=10； (c) ω=15； (d) ω=20

下载图片 查看所有图片

4.3　讨论

芦苇叶片原始光谱与含水量的相关系数在1374~1534 nm内为-0.33~0.01，相关系数小，不适用于提取特征波段和芦苇叶片含水量的估算。进行微分窗口的导数变换，可以提高光谱数据与含水量的相关性，但是选取合适的微分窗口尺度，是从一阶导数光谱中提取特征参数定量检测芦苇叶片含水量的重要前提。经过微分窗口变换，光谱与叶片含水量的相关性有所提高，在ω=20窗口下相关系数为-0.54~0.40，可以用于提取特征波段对芦苇叶片含水量的估算。对于芦苇叶片含水量的光谱估算，在中国知网进行检索，未能找到相关文献。但根据同实验室人员对胡杨叶片含水量的高光谱估算研究可知^［20］，原始光谱及6种不同微分变换后与胡杨叶片含水量的相关系数也多在-0.40~0.40范围内，运用多元逐步回归方法建立胡杨叶片含水量高光谱估算模型效果较好，但其建立的估算模型所用波段为剔除水分350~2500 nm范围内的光谱，所建7个估算模型的入选波段数均为9个，模型自变量多，较为复杂。为了减少从350~2500 nm全范围内提取特征的波动，本研究提取了芦苇叶片含水量的特征波段范围。

5　结　　论

本文提出一种提取最优的光谱特征参数来表征植物含水量的方法。通过对芦苇叶片原始光谱及其平滑处理后的光谱进行导数的变换，分析了在不同微分窗口尺度下芦苇叶片一阶导数对含水量变化的响应特征，同时提取光谱特征参数表征芦苇叶片含水量。随着微分窗口的扩大，芦苇叶片光谱噪声得到了有效去除，并得到了芦苇叶片含水量的光谱的波段范围，提高了表征叶片含水量的光谱的精确性，减少了提取特征波段数量，提升了建立叶片含水量与光谱特征响应的效率。

今后进行芦苇叶片含水量的高光谱估算可以选取1460~1500 nm内的光谱数据用于建立估算模型。采用一元线性回归、多元线性逐步回归方法和偏最小二乘法方法建立芦苇叶片含水量高光谱估算模型，通过精度对比确定适合芦苇叶片含水量的最优模型，为芦苇叶片含水量定量遥感估算提供有效支撑，这将是下一步研究工作的重点。