高光谱遥感在植物多样性研究中的应用进展与趋势

一、植物多样性的重要性与挑战

植物多样性，包括物种多样性、遗传多样性、生态环境多样性、生命周期多样性等。植物的物种多样性对群落稳定和生产力具有极为重要的作用。对于整个生态系统而言，植物物种的多样性保证了消费者的食物供应、多样的栖息地环境以及对植物物候和水循环的调节能力。同时在生态服务，如碳储存、水源涵养、土壤保护中尤为重要。人类活动、极端气候、物种入侵等事件导致植物的生物多样性丧失加剧，生物多样性保护迫切需要快速准确地收集陆地植物多样性信息。

图1植物多样性（引自：中国科技新闻网—国家植物园 让生物多样性保护体系更完整）

二、传统植物多样性调查的方法及难点

现有的植物多样性调查主要源于野外调查，也是确定植物多样性的基础，一般需*在固定样方大小内甄别植物的物种数量以及各物种的占比。它主要包括两个步骤：一是野外收集植被样本，二是实验室内进行鉴定和分类。整个过程需要专业的植物学家全程参与。地面调查虽然可以提供非常**的调查结果，但是要想实现大尺度的研究却不可能，无法实现大范围的植物多样性评价。

图2植物多样性野外调查（引自：百度图片）

三、高光谱遥感技术在植物多样性调查上的方法

高光谱遥感的出现，为大空间尺度上的植物多样性研究提供了技术基础， 为生物多样性相关理论的验证提供了契机。

相较于传统地面观测，遥感技术在不破坏植物的前提下能够精准提取波段信息技术。光谱数据基于光学频谱生成，其中高光谱分辨率通常在10 nm以下，有几十甚至数百条窄光谱带。大量的研究表明：高光谱传感器具有精细光谱分光和图谱合一的技术优势，光谱分辨率的提高加强了对植物物种、功能和基因水平细微差异的探测和识别。

随着遥感技术的不断成熟，更高分辨率的数据产品逐渐普及,海量遥感数据为不同尺度的生物多样性监测和评估提供了良好支撑。高光谱遥感手段大大减少了人力、物力的消耗，保证了多样性监测的时效性，满足了对大尺度植物群落多样性格局动态监测的要求。

根据多样性度量要求的不同，高光谱遥感对多样性的反演方法可以分为基于光谱变异假说的植物多样性直接估测 和 基于定量反演的植物多样性间接估测。

3.1.基于光谱变异假说的植物多样性直接估测

高光谱特征直接应用于物种多样性反演的理论基础是光谱变异假说SVH，这一假说认为生物多样性与光谱反射率差异间存在一定的联系。冠层生化性状的差异主要源于群落内多样的物种，不同植物的化学、解剖、形态、分类特征的差异共同影响着光谱特征，因此，光谱特征的差异可以在一定程度上直接表征植物多样性的高低。

光谱变异假说将植物多样性转化为光谱特征的异质性问题，即通过度量不同植物群落的光谱异质性程度来比较多样性高低。提出了不同的方法来量化光谱异质性（表），如应用全谱段信息评估光谱多样性的变异系数法，光谱角法和信息离散度法等。

图3. 基于光谱特征的多样性提取原理（引自：张艺伟,等.高光谱遥感在植物多样性研究中的应用进展与趋势[J].遥感学报, 2023, 27(11).）

表1 常用的描述光谱多样性的指标

光谱多样性指标	计算方法
变异系数	波段或光谱特征参数的变异系数
光谱角	光谱矢量夹角
信息离散度	光谱矢量离散度
包络体体积	三维光谱主成分空间内包络体体积
体投影面积	波段与像元二维空间的占据面积
光谱物种	基于冠层生化形状进行聚类
光谱异质性	光谱特征参数或主成分方法
平均距离法	各像元到光谱质心的平均距离

3.2.基于定量反演的植物多样性间接估测

高光谱技术具备了极宽的光谱范围和极高的光谱分辨率，植被遥感监测实现了从定性到定量的突破。高光谱定量反演植物多样性的间接估测重要是两个方向：1.基于性状反演的功能多样性间接估测；2.基于光谱指数的多样性间接估测。

基于性状反演的功能多样性间接估测包括植物功能性状定量反演和功能多样性度量。植物功能性状是植物对环境适应策略的综合表达，特定环境条件下群落内各物种功能性状的趋向性体现了群落对外界环境的响应。通过高光谱遥感技术反演可大尺度获得植物群落的冠层结构参数、叶片含水量指标、干物质含量、叶绿素a,含量等关键参数而确定植物多样性。功能多样性度量的测定和表示方式众多，主要有：反应功能性状丰富程度的FD指数、功能丰富度指数Fric、和TOP指数，反应功能性状均匀程度的功能均匀度FEve，反应功能性状分化差异的功能分散度FDiv，功能离散度Fdis。

表2基于高光谱遥感可探测的植物功能性状

性状类型	植物性状	反演精度（R2）
生物化学性状	叶绿素a,b	0.54-0.79
	α,β胡萝卜素	0.55—0.71
	氮	0.45—0.85
	磷	0.47—0.81
	木质素	0.47—0.76
	纤维素	0.61—0.84
	酚类	0.44—0.73
	含水量	0.49—0.77
	鞣酸类	0.25—0.59
	淀粉，糖	0.64—0.87
形态结构性状	比叶面积	0.66—0.79
	比叶质量	0.61—0.88
	叶面积指数	0.71—0.83

四.不同尺度高光谱遥感的产品介绍

随着高光谱的技术发展，各种空间尺度的平台越来越丰富，如：卫星平台、航空/无人机平台、近地面平台，为植物多样性评估研究带来了更多的数据源，以此达到不同应用要求。

图4. 遥感高光谱生物多样性提取的应用（引自：张艺伟,等.高光谱遥感在植物多样性研究中的应用进展与趋势[J].遥感学报, 2023, 27(11).）

4.1.星载高光谱通常搭载在卫星平台上，如NASA 的Hyperion 和中国的高分五号等。星载高光谱的优势在于其能覆盖大范围的地理区域，获取大规模的连续光谱信息，可为绘制大空间尺度的植物多样性分布图提供数据源。但星载高光谱的空间分辨率和光谱分辨率较低，同时受天气影响较大，数据应用挑战较大。 

图5 星载高光谱成像示意图

表3 全球部分高光谱卫星参数

4.2.无人机高光谱搭载平台主要有多旋翼和固定翼，固定翼中又分为手抛/滑轨固定翼和垂直起降固定翼。固定翼因其操作难度和起降场地的限制，应用较少。目前无人机高光谱的搭载平台为多旋翼无人机，尤其以大疆行业机M600 Pro、M300、M350居多。无人机高光谱的优势在于其能在区域空间尺度上获取高空间分辨率(厘米级)和高光谱分辨率（＜10nm）光谱信息，同时无人机平台操作灵活，操作难度低，使用成本相对较低，便于灵活获得植物群落的高光谱数据。

江苏双利合谱科技有限公司自主研发的GaiaSky-Mini3-VN机载高光谱成像系统是针对大疆M350旋翼无人机开发的高性价比机载高光谱成像系统。采用**技术—悬停内置扫描系统和增稳系统，成功克服了小型无人机系统搭载推扫式高光谱相机时，由于无人机系统的震动和姿态轨迹造成的成像质量差的问题。植被遥感作为机载高光谱成像技术重要的应用场景，悬停内置推扫带来的无畸变的高光谱图像可帮助用户准确获得植被的形态信息，先进的透射式分光带来的真实、高精度的光谱数据，帮助用户准确评估植被：生长信息：覆盖度、地上部干物重、叶面积等；生理信息：叶绿素含量、特异性色素含量、N元素含量及不同植被的生育期、产量评估等信息。

如图，使用GaiaSky-Mini3-VN设备获取６种林冠层树种高光谱影像，基于深度学习的卷积神经网络模型能够完成对温带天然林林冠树种的准确高效分类，在树种多样性监测和林业资源调查应用中具有较大潜力。

图6 GaiaSky-Mini3-VN机载高光谱成像系统

4.3.地面/室内高光谱平台主要以便携式高光谱相机和地物光谱仪为主，可准确获得单株植物或单叶尺度高光谱信息，建立准确的植物样本光谱库，为无人机载和星载高光谱大面积调查植物多样性带来建模数据和验证数据库。高光谱相机相比地物光谱仪具备了“图谱合一”的特性，带来更多维度的信息，也更适用于植物多样性评估研究。

江苏双利合谱科技有限公司自主研发的GaiaField系列产品具有内置推扫、自动调焦和自动曝光技术，极大降低了用户现场对高光谱相机的操作难度，同时波段范围广：400-1000nm、900-1700nm和1000-2500nm，光谱分辨率高。同时Gaia Field可搭载我司室内暗箱测试系统Gaia Sorter系类，在稳定、单一的环境下获得准确的光谱特征。

如图采用Gaia Sorter高光谱设备对不同类型的植物叶片进行了近红外光谱数据采集并进行分析，不同植物叶片的因色素含量、叶绿素含量、干旱胁迫不同，近红外光谱有所差异，利用近红外高光谱成像的谱图合一的功能有望对植物进行大范围的监测，从而及时掌握植物的生长情况。

图6 GaiaField地面三脚架户外测试（左图）及GaiaSorter室内暗箱系统（右图）

图7 不同植物叶片高光谱（400-2500nm）

五、高光谱遥感技术在植物多样性应用的展望

尽管高光谱遥感优势能带来巨大的吸引力，但目前高光谱在植物多样性的监测领域仍有着许多局限性。

1.满足了不同空间尺度研究的要求，但是在调查郁闭度较高的森林和灌丛群落时，只能获取冠层上部光谱信息，无法获取下层植被光谱信息。

2.此外，由于大空间尺度冠层高光谱数据的空间分辨率相对粗糙，像元尺寸难以满足个体识别的要求，因此需要将机载和地面高光谱成像设备结合使用。但叶片尺度和冠层尺度的数据转换也是目前植物多样性反演面临的一大挑战。

3.高光谱遥感技术的特点源自其信息的丰度，利用高光谱数据进行植被探测尤其是对特定性状进行模拟估算时，需要在保证有效信息尽量保留的同时减少信息冗余。如何针对研究目标和植被类型，选取有效波段建立起光谱—性状的联系是后续数据处理中值得考虑的问题。

4.传感器灵敏度、暗电流以及杂散光会导致相干噪声或随机噪声的产生，且高光谱数据的信噪比是否足以支持重要光谱特征的识别仍存在不确定性。当进行大尺度植物性状制图时，需要整合不同遥感平台的高光谱数据，如何校准和统一具有不同中心波段、不同光线条件下的成像数据也是今后数据处理工作中需要改进的方向之一。