冠層樹種多樣性是自然森林生態(tài)系統(tǒng)功能和服務(wù)的重要基礎(chǔ)。及時(shí)掌握冠層多樣性的現(xiàn)狀及變化趨勢,是探討諸多重要生態(tài)學(xué)問題的前提，更是制定合理生物多樣性保護(hù)策略的基礎(chǔ)。但受制于傳統(tǒng)的多樣性信息采集方法，區(qū)域尺度的高精度冠層多樣性監(jiān)測發(fā)展較為緩慢；許多在氣候變化和人類干擾下的生物多樣性分布信息得不到及時(shí)更新。近年來基于無人機(jī)的冠層高光譜影像收集與分析技術(shù)的發(fā)展，使得冠層多樣性監(jiān)測迎來了新的發(fā)展契機(jī)。

01森林冠層高光譜影像

典型的冠層高光譜影像與普通相機(jī)拍攝的RGB影像沒有本質(zhì)區(qū)別。但普通RGB圖片只有紅綠藍(lán)3個(gè)顏色通道(圖1A)，而高光譜影像有幾百個(gè)顏色通道，其中每一個(gè)顏色通道代表某一波段光的相對反射強(qiáng)度(圖1B)。將圖像中的某一個(gè)像素包含的所有光譜信息組合起來，就可以得到該像素點(diǎn)所在林冠位置的近乎連續(xù)的光譜反射曲線(圖1C)。

圖1浙江天童亞熱帶常綠闊葉林典型森林冠層RGB影像與高光譜影像示意圖。(A)普通RGB影像(B)冠層高光譜影像的三維立體展示(C)選定像素的光譜

以圖2的冠層高光譜影像為例，在普通RGB冠層影像上幾乎無法區(qū)分不同物種的冠層信息。通過主成分分析提取冠層高光譜影像的主要信息后，就能看到不同樹種的林冠呈現(xiàn)出不同的顏色(圖2)。這就意味著在普通RGB影像上都是綠色的植物,在不同的光譜曲線上存在可區(qū)別的顏色差異，說明高光譜影像具備充分潛力，能夠反映出不同樹種之間的細(xì)微差異。

圖2冠層RGB影像與主成分分析(PCA)處理后的冠層高光譜影像對比圖。(A)冠層RGB影像(B)通過PCA處理后的前三軸的冠層高光譜影像

02冠層光譜特征

不同物種和不同樹木個(gè)體間存在可測量的光譜差異，是基于冠層高光譜影像的物種多樣性監(jiān)測的基礎(chǔ)。具體而言，當(dāng)太陽輻射到達(dá)植物時(shí)，可能被反射、吸收或轉(zhuǎn)化。所有植物都含有能形成反射光譜的基本成分，包括葉片色素、水分、蛋白質(zhì)、淀粉、蠟和其他結(jié)構(gòu)分子，如木質(zhì)素和纖維素。常用于物種分類的高光譜波段范圍為400–2500nm，其中包括可見光部分、近紅外部分和短波紅外部分。

植物的獨(dú)特生化和結(jié)構(gòu)特性可以轉(zhuǎn)化為物種水平的光譜特性，而高光譜傳感器可以探測到這些光譜特異性。目前已有越來越多的證據(jù)表明，不同植物物種所具有的獨(dú)特光譜特征能被高光譜傳感器所探測。圖3展示了4個(gè)不同物種的光譜特征曲線，從中可以清晰地看到,這些物種的光譜具有明顯差異，同一物種不同個(gè)體間也存在光譜差異。

圖3 個(gè)體的林冠層光譜特征曲線。(A)主成分分析(PCA)處理后的冠層高光譜影像(B)5個(gè)林冠個(gè)體的光譜反射曲線

03基于冠層影像的多樣性信息提取

高光譜影像在具有豐富光譜信息與空間信息的同時(shí)，也面臨著數(shù)據(jù)量大、數(shù)據(jù)維度高與數(shù)據(jù)結(jié)構(gòu)非線性的挑戰(zhàn)。

冠層物種多樣性監(jiān)測可以采用深度學(xué)習(xí)模型從冠層高光譜影像中提取物種信息。深度學(xué)習(xí)模型類似于我們熟悉的簡單線性回歸模型。深度學(xué)習(xí)模型中還有專門模擬生物處理圖像信息的網(wǎng)絡(luò)結(jié)構(gòu)，它非常適合從影像中提取重要的特征信息。如圖4所示，一個(gè)完整的卷積神經(jīng)網(wǎng)絡(luò)主要包括輸入層、隱藏層和輸出層。

圖4基于深度學(xué)習(xí)網(wǎng)絡(luò)的分類模型。

04物種多樣性調(diào)查

4.1基于冠層光譜多樣性的物種多樣性調(diào)查

由于生化特性與結(jié)構(gòu)不同，林冠層不同物種間存在可測量的光譜差異，所以光譜的多樣性在某種程度上可以直接反映物種多樣性。有研究證明，利用高光譜特定波段計(jì)算出的植被指數(shù)與植物多樣性之間存在顯著相關(guān)性。高光譜以上百個(gè)連續(xù)且細(xì)分的光譜波段對目標(biāo)區(qū)域同時(shí)成像，光譜分辨率非常高，這就為大尺度生物多樣性監(jiān)測提供了更為直接、簡便的方式。

光譜多樣性是衡量植物生物多樣性的一個(gè)新興維度，它整合了物種內(nèi)部和物種之間的性狀變異，即使在缺乏分類、功能、系統(tǒng)發(fā)育或豐度信息的條件下，也可開展高時(shí)空分辨率的調(diào)查與監(jiān)測

4.2基于物種自動(dòng)識別的物種多樣性調(diào)查

除了直接使用光譜多樣性反映物種多樣性，也有一部分生態(tài)學(xué)家嘗試使用機(jī)器學(xué)習(xí)算法處理高光譜數(shù)據(jù)，得到更精準(zhǔn)的物種分類信息，以進(jìn)一步開展物種多樣性定量化研究。與區(qū)域尺度的光譜多樣性研究相比，鑒別出區(qū)域內(nèi)每個(gè)物種的空間分布信息對生態(tài)學(xué)研究的意義更大，但這也對研究技術(shù)提出了更高的要求。

近年來，隨著計(jì)算機(jī)技術(shù)的不斷成熟及機(jī)器學(xué)習(xí)領(lǐng)域的不斷發(fā)展，深度學(xué)習(xí)可以有效彌補(bǔ)傳統(tǒng)分類算法的不足，在高光譜影像處理領(lǐng)域中表現(xiàn)出色。

在不同的待分類物種數(shù)量下，深度學(xué)習(xí)的分類精度均顯著高于非深度學(xué)習(xí)(圖6)。

圖6 深度學(xué)習(xí)與非深度學(xué)習(xí)算法在高光譜樹種分類中的表現(xiàn)。

05發(fā)展方向

高光譜影像具有豐富的光譜信息與空間信息，使植物物種識別精度從原始數(shù)據(jù)上得到了很大程度的提升；無人機(jī)與高光譜相機(jī)結(jié)合大大降低了數(shù)據(jù)獲取的難度與成本；將深度學(xué)習(xí)方法應(yīng)用于高光譜影像處理，能夠有效提取高光譜影像中包含的物種多樣性信息，加速森林冠層多樣性監(jiān)測研究向自動(dòng)化、大范圍的全新階段邁進(jìn)。但由于物種高光譜數(shù)據(jù)樣本量不足、常見的深度學(xué)習(xí)模型未針對高光譜影像進(jìn)行充分優(yōu)化等問題，該領(lǐng)域的發(fā)展受到了限制。在之后的研究中，如何構(gòu)建高光譜物種數(shù)據(jù)庫，如何結(jié)合高光譜數(shù)據(jù)的特征優(yōu)化物種自動(dòng)識別算法，是無人機(jī)高光譜冠層多樣性監(jiān)測所面臨的主要挑戰(zhàn)。

推薦：

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價(jià)比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計(jì)，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯 黃宇