无人机高光谱影像与冠层树种多样性监测

冠层树种多样性是自然森林生态系统功能和服务的重要基础。及时掌握冠层多样性的现状及变化趋势,是探讨诸多重要生态学问题的前提，更是制定合理生物多样性保护策略的基础。但受制于传统的多样性信息采集方法，区域尺度的高精度冠层多样性监测发展较为缓慢；许多在气候变化和人类干扰下的生物多样性分布信息得不到及时更新。近年来基于无人机的冠层高光谱影像收集与分析技术的发展，使得冠层多样性监测迎来了新的发展契机。

01森林冠层高光谱影像

典型的冠层高光谱影像与普通相机拍摄的RGB影像没有本质区别。但普通RGB图片只有红绿蓝3个颜色通道(图1A)，而高光谱影像有几百个颜色通道，其中每一个颜色通道代表某一波段光的相对反射强度(图1B)。将图像中的某一个像素包含的所有光谱信息组合起来，就可以得到该像素点所在林冠位置的近乎连续的光谱反射曲线(图1C)。

图1浙江天童亚热带常绿阔叶林典型森林冠层RGB影像与高光谱影像示意图。(A)普通RGB影像(B)冠层高光谱影像的三维立体展示(C)选定像素的光谱

以图2的冠层高光谱影像为例，在普通RGB冠层影像上几乎无法区分不同物种的冠层信息。通过主成分分析提取冠层高光谱影像的主要信息后，就能看到不同树种的林冠呈现出不同的颜色(图2)。这就意味着在普通RGB影像上都是绿色的植物,在不同的光谱曲线上存在可区别的颜色差异，说明高光谱影像具备充分潜力，能够反映出不同树种之间的细微差异。

图2冠层RGB影像与主成分分析(PCA)处理后的冠层高光谱影像对比图。(A)冠层RGB影像(B)通过PCA处理后的前三轴的冠层高光谱影像

02冠层光谱特征

不同物种和不同树木个体间存在可测量的光谱差异，是基于冠层高光谱影像的物种多样性监测的基础。具体而言，当太阳辐射到达植物时，可能被反射、吸收或转化。所有植物都含有能形成反射光谱的基本成分，包括叶片色素、水分、蛋白质、淀粉、蜡和其他结构分子，如木质素和纤维素。常用于物种分类的高光谱波段范围为400–2500nm，其中包括可见光部分、近红外部分和短波红外部分。

植物的独特生化和结构特性可以转化为物种水平的光谱特性，而高光谱传感器可以探测到这些光谱特异性。目前已有越来越多的证据表明，不同植物物种所具有的独特光谱特征能被高光谱传感器所探测。图3展示了4个不同物种的光谱特征曲线，从中可以清晰地看到,这些物种的光谱具有明显差异，同一物种不同个体间也存在光谱差异。

图3 个体的林冠层光谱特征曲线。(A)主成分分析(PCA)处理后的冠层高光谱影像(B)5个林冠个体的光谱反射曲线

03基于冠层影像的多样性信息提取

高光谱影像在具有丰富光谱信息与空间信息的同时，也面临着数据量大、数据维度高与数据结构非线性的挑战。

冠层物种多样性监测可以采用深度学习模型从冠层高光谱影像中提取物种信息。深度学习模型类似于我们熟悉的简单线性回归模型。深度学习模型中还有专门模拟生物处理图像信息的网络结构，它非常适合从影像中提取重要的特征信息。如图4所示，一个完整的卷积神经网络主要包括输入层、隐藏层和输出层。

图4基于深度学习网络的分类模型。

04物种多样性调查

4.1基于冠层光谱多样性的物种多样性调查

由于生化特性与结构不同，林冠层不同物种间存在可测量的光谱差异，所以光谱的多样性在某种程度上可以直接反映物种多样性。有研究证明，利用高光谱特定波段计算出的植被指数与植物多样性之间存在显著相关性。高光谱以上百个连续且细分的光谱波段对目标区域同时成像，光谱分辨率非常高，这就为大尺度生物多样性监测提供了更为直接、简便的方式。

光谱多样性是衡量植物生物多样性的一个新兴维度，它整合了物种内部和物种之间的性状变异，即使在缺乏分类、功能、系统发育或丰度信息的条件下，也可开展高时空分辨率的调查与监测

4.2基于物种自动识别的物种多样性调查

除了直接使用光谱多样性反映物种多样性，也有一部分生态学家尝试使用机器学习算法处理高光谱数据，得到更精准的物种分类信息，以进一步开展物种多样性定量化研究。与区域尺度的光谱多样性研究相比，鉴别出区域内每个物种的空间分布信息对生态学研究的意义更大，但这也对研究技术提出了更高的要求。

近年来，随着计算机技术的不断成熟及机器学习领域的不断发展，深度学习可以有效弥补传统分类算法的不足，在高光谱影像处理领域中表现出色。

在不同的待分类物种数量下，深度学习的分类精度均显著高于非深度学习(图6)。

图6 深度学习与非深度学习算法在高光谱树种分类中的表现。

05发展方向

高光谱影像具有丰富的光谱信息与空间信息，使植物物种识别精度从原始数据上得到了很大程度的提升；无人机与高光谱相机结合大大降低了数据获取的难度与成本；将深度学习方法应用于高光谱影像处理，能够有效提取高光谱影像中包含的物种多样性信息，加速森林冠层多样性监测研究向自动化、大范围的全新阶段迈进。但由于物种高光谱数据样本量不足、常见的深度学习模型未针对高光谱影像进行充分优化等问题，该领域的发展受到了限制。在之后的研究中，如何构建高光谱物种数据库，如何结合高光谱数据的特征优化物种自动识别算法，是无人机高光谱冠层多样性监测所面临的主要挑战。

推荐：

便携式高光谱成像系统iSpecHyper-VS1000

专门用于公安刑侦、物证鉴定、医学医疗、精准农业、矿物地质勘探等领域的最新产品，主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点采用了透射光栅内推扫原理高光谱成像，系统集成高性能数据采集与分析处理系统，高速USB3.0接口传输，全靶面高成像质量光学设计，物镜接口为标准C-Mount，可根据用户需求更换物镜。

审核编辑 黄宇