江西中藥資源蔓荊子遙感動態監測研究

黃靈光等

摘要：選擇夏季、秋季兩個時期對江西中藥資源蔓荊子（Vitex trifolia Linn. var. trifolia）進行定點抽樣調查和光譜采集，開展了不同時期的蔓荊子及周邊共生地物光譜特征研究，建立了蔓荊子光譜數據庫。在此基礎上選擇國產資源一號02C和資源三號衛星及其他輔助資料，經數據融合后，結合遙感分類提取技術實現對蔓荊子的空間分布監測，估算了其面積及產量，監測精度達到89.5%。

關鍵詞：中藥資源；蔓荊子（Vitex trifolia Linn. var. trifolia）；遙感；監測

中圖分類號：X52；X703.2 文獻標識碼：A 文章編號：0439-8114（2015）16-3923-05

DOI：10.14088/j.cnki.issn0439-8114.2015.16.023

Remote Sensing Dynamic Monitoring of Jiangxi Traditional Chinese Medicine

Resources of Fructus Viticis

HUANG Ling-guang1，ZHANG Xiu-ping2，FANG Yu1

（1.Center for Remote Sensing Information of Jiangxi Province，Nanchang 30046，China；

2.Jiangxi Provincial Institute of Water Sciences， Nanchang 330029，China）

Abstract： Taking Fructus Viticis as research object， acquired the spectrum of the fructus viticis（Vitex trifolia Linn. var. trifolia） at the fixed sampling spot of Jiangxi province in summer and autumn respectively， analyzed the spectral characteristics of fructus viticis and its surrounding geography objects， and established the fructus viticis spectral database. Based on the satellite imagine of Resources satellite two（ZY-2C）， Resources satellite three（ZY-3） and other field data， the area and biomass of fructus viticis are estimated and the accuracy of the estimate reached 89.5%.

Key words： chinese herbal medicine；fructus viticis（Vitex trifolia Linn. var. trifolia）；remote sensing；monitor

20世紀中期以來，隨著人口劇增和中藥工業的快速發展，中藥資源消耗巨大，一些重要資源的衰竭、喪失和生態的失調，致使中藥的供需矛盾日益加劇。保持中藥資源發展的可持續性刻不容緩。

遙感的廣泛應用，使替代耗時、耗力、耗財的傳統中藥資源普查模式成為可能，也使中藥資源的調查、監測方法有了更易操作的新途徑。遙感在中藥資源上的應用必將成為今后中藥研究熱點之一[1-4]。目前，國內外針對中草藥遙感監測的研究還處于初級階段，在中草藥的光譜特性、信息提取方法以及動態監測技術等方面還有待深入研究。

蔓荊子（Vitex trifolia Linn. var. trifolia）是江西的道地或主特產藥材，具有很高的藥用及經濟價值。不僅在江西有悠久的生產歷史，而且其產量和品質均居全國前列。另外，蔓荊子固沙能力強，還是保護生態環境的重要植物[5，6]。因此，選擇蔓荊子為監測對象，通過野外實測不同生境條件下蔓荊子及周圍環境共生地物的光譜，確定蔓荊子與其他植被種類及生態環境因子的光譜特征差異，進而推算蔓荊子的空間分布、面積及產量，達到對其資源現狀進行動態監測的目的，對中藥資源的可持續利用和生態環境的保護具有重要的借鑒意義[7]。

1 研究區概況

研究區位于都昌縣西北部，鄱陽湖畔。地處北緯29°15′-29°31′、東經116°02′-116°09′，長約11 km、寬4 km。地形多為丘陵沙山，成半島狀，伸入湖中，三面環水，海拔50～250 m，屬亞熱帶潮濕性季風氣候，年均溫17.2 ℃，年平均降水量1 393 mm。區域內植被覆蓋率低，主要有泡桐（Paulownia Sieb. et Zucc.）、杉樹（Taxodiaceae）等10多種經濟林木和蔓荊子、生地（Rehmannia glutinosa Libosch）、黃梔子（Gardenia jasminoides Ellis）、金銀花（Lonicera japonica Thunb.）等20多種藥材。

2 數據與處理方法

2.1 遙感數據和現場調查數據

采用遙感影像為主要數據源，配合野外調查和光譜測量?？紤]到監測的精度要求和經濟適用性，項目采用國產資源一號02C衛星（ZY02C）分辨率2.36 m的全色（HR）和資源三號5.8 m的多光譜數據。影像獲取時間分別為2012年4月2日和2012年1月25日。

野外調查結果為遙感影像中參數的提取和驗證。本次野外光譜采樣儀器選用ASD FieldSpec？誖3便攜式地物波譜儀，獲取地物的反射率。采集日期為2011年7月25和2011年11月3日，光譜采集時間10：30～13：30，與ZY02C衛星過境時間基本一致。采集部位為冠層，每個地物采集10條光譜。同時選取典型樣方，每個樣方大小為2 m×2 m，采集蔓荊子、沙地、苔草等典型地物類型的光譜數據。采集時，儀器的視場角25°，探頭傾角90°，離樣本高度0.2～1.0 m；參考板的放置與掃描探頭測量方向垂直，測定過程中用BaSO4白板進行校正。采集同時詳細記錄觀測目標性質（植物的名稱、健康程度、覆蓋度、周圍植被）、儀器型號、天氣狀況、測量時間、觀測和記錄人員、光譜命名及記錄編號、地理坐標和高程、實地照片編號等輔助參數。

2.2 數據處理方法

遙感數據處理包括預處理、蔓荊子葉片波譜特征分析和蔓荊子信息提取三部分。

2.2.1 遙感數據預處理 ZY02C HR數據為2C級產品，通常經過數據解析、均一化輻射校正、去噪、MTFC、CCD拼接、波段配準、精校正等處理，可直接使用裁切和沖投影。處理的影像參與下一步的影像校正和融合。研究區的ZY02C HR遙感影像裁切結果如圖2所示，分別為裁切后的研究區ZY02C HR全色影像（圖2a）、資源三號衛星多光譜影像（圖2b）和經GS算法融合后的影像（圖2c）。

資源三號衛星的多光譜（MUX）影像數據為1C級產品，經數據解析、均一化輻射校正、去噪、MTFC、CCD拼接、波段配準等預處理，未經幾何校正。本次幾何校正共選擇19個控制點，均勻分布在影像上，控制點計算均方根誤差（RMS）為0.843 5個像元。

為提高目視解譯效果及光譜分析能力，在假彩色波段組合中選擇使用R：b3，G：（b2×3+b4）/4，B： b2分別對應紅、綠、藍三個波段。后經影像裁切得到研究區域影像。

經裁切和幾何校正的ZY02C HR數據和資源三號衛星影像，再經數據融合可保持HR數據高的空間分辨率，同時具有資源三號衛星影像的多光譜特征，可增強圖像信息量。本研究采用基于Gram-schmidt算法的圖像融合方法。該方法具有融合影像保真度較好和計算簡便等優點[7-10]。

2.2.2 野外光譜數據預處理 受大氣、入射角與探測角、地形、目標物等因素影響，野外實測地物光譜數據既包括了地物光譜數據，也包含了噪音光譜數據，需要通過預處理與轉換來消除各種噪音的影響因素，以突出地物光譜的某些細微差異。因此，研究中通過剔除異常光譜、光譜平滑去噪、光譜數據增強等工具對野外光譜數據進行了預處理。

通過增強處理后，得到的原始反射率數據難以獲得光譜特征信息。本研究又選擇了導數、歸一化、包絡線去除法等進行光譜增強。再用歸一化方法對植物光譜曲線進行增強，突出植被的形態信息，從而將不同類型的植物加以區分，提高對植物的識別精度。光譜數據庫的建立對于地物光譜研究以及光譜遙感數據的應用來說十分重要。光譜數據庫一旦建立，可方便的從圖像像元中提取的光譜曲線與光譜庫中檢索到的類似的光譜進行匹配，找到最接近的光譜，達到像元分類的目的。研究利用ENVI軟件的光譜建庫工具，建立以文件格式為ASCII格式的蔓荊子光譜庫。

3 蔓荊子資源提取方法與分析

3.1 蔓荊子葉片波譜特征分析

對高光譜遙感而言，理解電磁波輻射與蔓荊子葉片及冠層的相互作用是開展植被健康狀況監測的基礎。經過異常波譜剔除、剔除水汽吸收波段、平滑和去噪處理后，得到了蔓荊子冠層反射率光譜（圖3）。利用夏季野外采集的健康態的蔓荊子和共生典型地物的光譜（苔草、沙地、混叢），經過相關處理之后，得出它們的原光譜特征和一階導數光譜曲線對比圖。由圖3a可知，不同植物或地物的反射光譜各異，尤其是沙地，與其他植被光譜反差很大，由于夏天天氣炎熱，沙地表面顆粒小和含水量少，致使在350～2 500 nm波段里，反射率從近0.4一直向上緩慢增大。而屬于植物的蔓荊子和苔草，由于葉綠素吸收和水分波段的影響，它們的光譜有很大差異，表現在植被光譜“紅邊”位置以及近紅外和中紅外波段的反射率比蔓荊子大一倍以上。

為了進一步分析消除大氣效應和土壤環境背景對蔓荊子光譜的抑制影響，對波譜數據進行導數光譜分析。圖3b為圖3a中蔓荊子和上述共生地物的導數光譜形式。由圖3b可知，在600～800 nm波段，經一階導數處理的沙地光譜值接近為0，可有效地抑制土壤背景對植物提取的影響。蔓荊子、苔草在725 nm處紅邊斜率分別達到峰值0.010 39和0.003 08，有較強的可區分性。

在植物的不同生育期、健康狀態、不同生境，其光譜存在一定的差異，信息的分類提取應根據其差異選擇相應的數據，研究不同生育期、健康狀態、不同生境蔓荊子的光譜特性是正確分類提取的前提。本研究就上述三種情況分別進行了波譜分析。

夏季和秋季是蔓荊子動態監測一年四季的黃金季節。因此，本研究光譜測量選取夏季和秋季進行，并進行一階導數處理（圖4）。圖4a和圖4b分別顯示了蔓荊子在夏、秋兩個季節的反射光譜曲線和一階導數曲線。經分析， 在550 nm波段附近，反射率夏季大于秋季，且在750～1 000 nm波段范圍內，兩季的反射率曲線波動較大。由一階導數曲線圖可以看出，蔓荊子夏季和秋季的紅邊斜率差異較大，夏季紅邊位置大約在702 nm附近，秋季紅邊位置大約在693 nm附近，有微弱的點藍移現象。

經同期同地點采集的健康和非健康的蔓荊子光譜數據對比（圖5），局部葉子發黃的蔓荊子的反射率整體低于健康的蔓荊子，但仍具有明顯的植被的波譜特征。通過選擇生長在陽坡和陰坡的蔓荊子光譜數據分析（圖6），在可見光和近紅外的反射率陽坡的略高于陰坡值。

3.2 蔓荊子信息提取

選用計算機非監督分類和監督分類、目視解譯和野外核實相結合的方法從遙感影像中提取蔓荊子信息。目視解譯過程如下：首先，結合非遙感信息源，進行室內外的判讀訓練。其次，依據地形圖、土地利用圖在遙感影像上選取2條調查、抽樣線路，沿不同路線在不同地區選取觀察點。利用亞米級手持GPS在野外對各選擇點進行定位，確定蔓荊子分布情況、地面景觀狀況，再結合已處理的遙感影像，對地物進行判讀，建立包括色調、灰度、斑塊形狀和紋理特征在內的研究區不同地物影像解譯標志，結果見表1。

4 結果與分析

4.1 精度分析

先對遙感影像數據進行非監督分類，通過人工解譯確定其類別屬性，然后將人工解譯后的非監督分類的分類屬性表經光譜聚類處理轉化成適用于監督分類的分類模板文件，再執行監督分類的作業方法以提高計算機自動分類的精度。

本研究中選擇50為初始分類數進行非監督分類。非監督分類的最大循環次數定義為24，循環收斂閾值設置為0.95。然后進行各個類別的專題判別、色彩確定、分類合并等處理，形成下一步監督分類的分類模板。最終將該模板初始分類中的50類合并為4類地物類型，即蔓荊子、沙地、林地以及道路。為了得到理想的分類效果，計算機分類后的結果需要進行分類后處理，主要是小圖斑的處理操作。圖像分類后，獲得蔓荊子的分布圖，還需要對可能錯分、漏分的圖斑進行野外調查，通過兩條考察路線實地野外調查驗證，并在室內進行修正?？疾炀€路圖斑驗證情況見表2。由表2可知，分類精度達到89.5%以上。

4.2 蔓荊子資源監測結果

選擇了高空間分辨率影像數據，即資源一號02C和資源三號的多源數據來對蔓荊子的信息進行提取，進而估算出蔓荊子的面積，然后結合地面抽樣調查數據，估算出蔓荊子的果實產量。

經過計算機分類和后期驗證、修正得到的蔓荊子空間分布如圖7所示，蔓荊子的分布面積為6.682 km2。

蔓荊子產量估算等于單位面積產量乘以總面積?？偯娣e已經通過遙感監測得到。對于單位面積產量，結合研究區實際情況，通過野外抽樣調查來獲得。通過選擇兩條具有一定代表性的抽樣路線，抽樣路線設置主要考慮地形（坡向、坡度）、分布（生長特征、種類）等因子，在抽樣路線上設置2 m×2 m樣方調查，每條抽樣路線抽取10個樣方。在樣方內采摘蔓荊子果實，然后同時稱每一個樣方的質量，最后以20個樣方質量的平均值除以4為單位面積的產量。最終計算得到單位面積的產量約為41.2 g/m2，研究區蔓荊子總產量約為2.75×105 kg。

5 小結

針對同一年份不同季節（2011年7月25日和2011年11月3日）蔓荊子及其周邊共生地物的光譜特征研究表明，蔓荊子與其他植被類型具有可區分性，較為理想的波段為500～600 nm的可見光波段和670～800 nm的近紅外波段，而尤其以530 nm和700 nm處區分效果最優。在蔓荊子信息提取的遙感信息源選擇方面，原本以高光譜數據最優，但是目前所選衛星的高光譜的空間分辨率較低，而且難獲取。故選擇國產的高分辨率影像為遙感監測源。對于遙感數據時間選擇，以秋季的換葉期前后的時相為佳，其次為夏季、冬季。

資源三號多光譜的b3（R）、（b2×3+b4）/4（G）、b2（B）波段組合能，并與HR全色數據融合，能較好地實現針對蔓荊子信息的目視解譯和計算機分類。

通過利用非監督分類法（ISODATA法）和監督分類、目視解譯和野外核實相結合的方法，能成功實現蔓荊子的空間分布監測和面積、產量的估算。

參考文獻：

[1] 譚業華，包建華，陳 珍，等.中藥材蔓荊子研究現狀與展望[J].海南師范學院學報（自然科學版），2007，20（4）：361-364.

[2] 郭蘭萍，黃璐琦，蔣有緒，等.“3S”技術在中藥資源可持續利用中的應用[J].中國中藥雜志，2005，30（18）：1397-1400.

[3] 陳士林，張本剛，張金勝，等.人參資源儲藏量調查中的遙感技術方法研究[J].世界科學技術—中醫藥現代化，2005，7（4）：37-43，36.

[4] 江利明，楊武年，房世波.遙感技術在新一輪國土資源大調查中的進展與作用[J].物探化探計算技術，2002，24（2）：151-156

[5] 楊 潔，左長清.蔓荊在鄱陽湖風沙區的適應性及防風作用研究[J].水土保持研究，2004，11（1）：47-49.

[6] 左長清，楊 潔，李相璽.江西省鄱陽湖湖濱沙地蔓荊的固沙效益[J].中國水土保持科學，2003，1（2）：38-41.

[7] 王 橋，王文杰，鄭丙輝，等.中國西部地區生態環境現狀遙感調查[J].遙感學報，2003，7（6）：490-497.

[8] 李存軍，劉良云，王紀華，等.兩種高保真遙感影像融合方法比較[J].中國圖象圖形學報，2004，9（11）：1376-1385.

[9] 譚永生，沈掌泉，賈春燕，等.中高分辨率遙感影像融合研究[J].遙感技術與應用，2007，22（4）：536-541.

[10] 別 強，何 磊，趙傳燕.基于影像融合和面向對象技術的植被信息提取研究[J].遙感技術與應用，2014，29（1）：164-170.