医学论文范文高分辨率影像在野生药用植物宏观监测中的应用
发布时间：2014-07-07 15:06所属分类：临床医学论文浏览：1次加入收藏
罗布麻Apocynum venetum L.为夹竹桃科罗布麻属植物，其叶为常用中药罗布麻叶，具有平肝安神、清热利水等功效，用于高血压、肾炎等疾病的治疗。罗布麻茎纤维还用于纺织、造纸等领域，具有多方面的经济价值。罗布麻是多年生草本，零散分布在北纬36―55气候干燥
罗布麻Apocynum venetum L.为夹竹桃科罗布麻属植物，其叶为常用中药“罗布麻叶”，具有平肝安神、清热利水等功效，用于高血压、肾炎等疾病的治疗。罗布麻茎纤维还用于纺织、造纸等领域，具有多方面的经济价值。罗布麻是多年生草本，零散分布在北纬36°―55°气候干燥带盐碱又长年湿润的狭窄沙土地域，具有耐旱、耐寒、耐暑、耐盐碱、耐大风等极强的抗逆性，与芦苇、怪柳、甘草骆驼刺等耐盐植物共同构成新疆内陆河流低地盐化草甸的原生植被，因此又具有重要的生态价值，可用于盐碱地绿化、沿海防护林建设等。
[摘要] 以阿勒泰阿拉哈克乡野生罗布麻自然保护区为研究对象，采用中低分辨率的国产卫星资源三号影像和高分辨率影像Worldview-2分别对罗布麻进行遥感识别提取，为分析比较哪种数据源更适合生长状况较复杂的野生药用植被遥感识别，该文对2种数据源采用了同种分类体系，在传统分类方法中加入PCA(第一主分量)和纹理特征作为辅助数据来提高分类精度。结果表明：对于生长状况较复杂的野生药用植物罗布麻，高分辨率影像Worldview-2更适合对其进行遥感识别，而国产中低分辨率卫星资源三号只适合识别分布密集的罗布麻，对于零星分布的罗布麻基本不能识别。因此评价数据源的性能要针对具体工作区目标物分布状况及其监测的侧重面具体分析。如果研究区内目标物分布较密集且规模较大，既人工种植型，或生长单一的药用植物，采用资源三号或中低分辨率的遥感数据便可很好的识别目标物，没必要购买高分辨率的数据，以免造成资源浪费;对于分布零散且伴生有其他野生植被的目标物，认为采用高分辨率卫星影像数据才能很好地识别目标物。
[关键词] 医学论文,高分辨率影像,中低分辨率影像,野生药用植物,应用评价
罗布麻在过去的几十年里，其生境遭到了严重破坏。刘起裳等在2005―2008年先后去陕西、山西、山东、河北、河南、安徽、江苏等罗布红麻产地进行调查，大多数过去生长罗布红麻的地方，现已很少能找到了，而残留在田间、地头和防护林带之中，中部地区的陕西渭河岸边、黄河岸边，三门峡库区的山西、河南周边地区;东部地区的山东和苏北有残存分布，但各地残存的罗布红麻既不集中，生长势也很差，其生长高度多在1 m左右，茎干很细，与杂草混生，采集困难，资源几乎无法利用[2]。罗布麻在新疆的资源情况尚没有研究。
遥感技术以其快速、经济、方便等特点，在资源调查及监测方面显示出极大的优势，近年来一些学者已将遥感技术逐渐引入中草药资源调查研究中，取得了一些初步成果，展现出良好的应用前景[3-6]。已有的研究中，遥感技术主要用于在群落中占绝对优势的成片存在的乔木、灌木类中药资源探索性监测，如杜仲、麻黄、甘草、苦豆草、松树、三尖杉、红花等[7-14]。然而遥感技术在稀疏分布野生的中药资源调查中的相关研究还罕有文献报道。与传统的中、低空间分辨率的遥感影像数据相比，高分辨率遥感影像可以更加清楚地表达地物目标的空间结构、表层纹理特征以及丰富的光谱信息，可分辨出地物内部更为精细的组成，地物边缘信息也更加清晰，为有效的解译分析提供了条件和基础。本文以阿勒泰阿拉哈克乡野生罗布麻自然保护区为研究对象，获取中低分辨率的国产卫星资源三号和高分辨率影像Worldview-2分别对罗布麻进行遥感识别提取，为分析比较哪种数据源像更适合生长状况较复杂的野生药用植被遥感提取，本文对2种数据源采用了同种分类体系，在传统分类方法中加入PCA(第一主分量)和纹理特征作为辅助数据来提高分类精度。最后，对分类结果进行分析比较，针对具体工作区目标物分布状况及其监测侧重面具体分析并评价数据源的性能。
1 研究区概况以及主要地物类型
1.1 研究区概况 阿勒泰地区位于新疆北端，阿尔泰山南麓，介于东经85°31′73″―91°01′15″、北纬45°00′00″―49° 10′45″，位于新疆最北部，同蒙古接壤，植被类型属于欧亚草原的一部分。阿勒泰市属温带干旱气候，年平均气温4.5 ℃，年均降水量191.3 mm，年均蒸发量1 682.6 mm，年均无霜期146 d，境内气候属北温带大陆性气候，气候特征具有温带、寒温带和寒带呈梯形带分布的特征，3个自然地貌单元气候又独具特色。
阿勒泰是罗布麻主产地，也是仿生种植的发祥地，罗布麻适宜生长在轻盐碱荒漠地，根系发达，并且水源消耗少，维护成本低，一经种植成活，每年萌发新株，连绵不断，是改善局域环境最好的生态植物。位于阿勒泰地区的戈宝红麻公司对野生罗布麻实施封育禁牧，建立了阿拉哈克乡盐湖罗布野生罗布麻麻保护区，并建立了人工驯化繁育中心，已实现人工种植并通过仿野生种植方法，扩充了原野生分布区域，研究区示意图见图1。
1.2 研究区主要地物类型及其分布 罗布麻主要生长于沙漠盐碱地、河岸、山沟、山坡的砂质地，该区域生长的罗布麻群落主要由芦苇、柽柳、甘草、黑果枸杞骆驼刺等半生植物建群。阿勒泰阿拉哈克乡核心区盐湖连片生长的100多公顷野生罗布红麻地实施封育禁牧，建立了阿拉哈克乡盐湖罗布红麻保护区;另外，与盐湖有一定距离范围内有零星分布的罗布麻;人工仿生罗布麻分布在盐湖东北方向罗布麻人工种植区，戈宝公司院内也有种植。
2 数据源选择
本研究选择的遥感影像见表1。选择的数据位
图1 研究区示意图 Fig.1 The study area
于同一季相，处于罗布麻花期，且相差20 d之内，避免了因季节差而产生的植被物候变化信息，从而保证了变化检测对图像质量的要求。
野生药用植物遥感识别信息提取
首先，通过走访当地农业科技站、戈宝公司等单位调研并结合相关资料对研究区进行踏查，确定勘察时间、勘察区域范围、勘查路线、勘察方法，并确定遥感影像数据信息，包括影像分辨率、时相，范围等;继而进行罗布麻野外勘察，勘察方法是基于GPS根据勘察路线采集罗布麻以及周围典型植被样本，选取的样本具有一定典型性，为后续遥感影像室内解译提供验证数据;最后对研究区进行核查，采集核查数据来验证遥感影像的解译精度，将遥感影像与实地进行对比、修改、更正室内目视解译结果，总体技术流程见图2。
图2 总体技术路线图
Fig.2 Experiment process flow chart
2.1 野外样地调查 研究小组连续2年对阿勒泰阿拉哈克乡罗布麻进行遥感调查，于2012年5月、9月下旬阿勒泰阿拉哈克乡野生罗布麻保护区开展了野外调查共获取50个野外 GPS观测样本，包括野生罗布麻、人工仿生罗布麻、油葵、苜蓿、防护林等，这50个样本是作为资源三号卫星分类的训练样本和检验样本;于2013年6月 28―29日共获取30个野外GPS观测样本，包括野生罗布麻、人工仿生罗布麻、油葵、苜蓿、防护林等，这30个样本作为Worldview-2卫星提取罗布麻信息时的训练样本和检验样本;样本地块在实验区内均匀分布，有着较好的代表性，为实验区罗布麻面积测量提供有效的训练样本和检验样本，然后利用 GIS软件将GPS定位点的样地经纬度数据转换成与图像投影一致的shp格式文件，以便在遥感图像上进行地面样点定位，获取地面样点位置处的遥感监测信息，为高分辨率影像目视解译提供先验知识和样本信息。
2.2 遥感影像预处理 首先对两景遥感影像进行分别进行预处理，包括几何校正、辐射校正、图像增强和裁剪、融合等。本文采用Gram-Schmidt光谱锐化高保真的图像融合算法。Gram-Schmidt 变换的图像不但很好的保留了多光谱图像的绝大部分光谱信息，提高了影像辨识度，增强了纹理特征而且图像色彩接近自然色，地物的对比效果较好，清晰度较高，可以消除冗余信息，且计算过程较简单[17]。最后对预处理结果进行裁剪得到实验区影像。
2.3 训练样本选取 为避免特征维数的增加对分类性能的影响在遥感图像分类中，假设某个地物类别服从正态分布，要选择训练样本对该类别进行表示需要的样本数量计算公式如下。
N=z2p(100-p)/e2(1)
式中n为采样个数; p为准确度期望值(%);Z为按照一定概率水平在标准正态分布双侧分位数表中查到的值;e期望值的允许偏差(%)。在具体的实验中不是利用公式确定样本数量，而是采用人们长期总结出来的简单方法，即选择10～30倍于图像波段数目的训练样本，或者在此基础上越多越好。样本量的增加可以减少单次分类引起的随机误差，使分类结果趋于稳定[15]
2.4 基于PCA和纹理特征的监督分类 由于国产卫星资源三号波段数较少，光谱信息不够丰富，集中在可见光和近红外波段，通常在传统分类方法中可加入纹理特征、主成分变换(PCA)等特征数据加以辅助来提高分类精度;为了做比较，对于高分数据Worldview-2采用相同的特征数据参与分类。
光谱波段之间的相关性比较高，首先对实验区多光谱数据进行主成分变换，采用灰度共生矩阵法对PCA的第一主成分进行5种适宜的纹理特征提取包括：对比度、熵、逆差矩、非相似性、相关性;提取纹理信息移动窗口的大小选择很也重要，窗口的过大过小都会影响到特征提取的效果，研究中分别尝试用5×5，7×7，9×9大小的窗口对研究区遥感影像进行纹理特征提取，对比纹理特征图像发现，7×7窗口既能较好地提取地物纹理的边缘，又可以减小窗口带来的模糊效应。因此，本文采用7×7窗口对PCA的第一主成分进行纹理特征的提取，最后将经过PCA处理后加入5种纹理特征以及影像原始的光谱波段进行监督分类。根据勘察采集的样本数据结合目视解译，选取训练样本，将影像大致分为罗布麻、裸地、其他植被、水体等典型地物样本。分类结果图见3，4，分类精度误差矩阵见表2，3。
3 不同数据源分类结果分析与对比
3.1 混淆矩阵 根据表2可看出资源三号影像数据影像总体精度为90.23%，Kappa系数为0.865 8，说明整体分类精度较好，但是罗布麻的生产者精度只有73.09%，漏判情况较严重，根据实地调查情况对比分析，发现零星分布的罗布麻没有被识别提取。
图3 资源三号卫星分类结果图
Fig.3 The classification results on ZY-3
图4 Worldview-2卫星分类结果图
Fig.4 The classification results on Worldview-2
表3是基于高分辨率影像Worldview-2分类结果产生的混淆矩阵，总体精度为94.308 6%，Kappa系数为0.927 3，每一类地物的生产者精度都在90%以上，说明Worldview-2在野生药用植物遥感识
别中适用性相比资源三号较好。
3.2 基于目标物特点不同数据源遥感识别能力比较 与传统的中、低空间分辨率的遥感影像数据相比，高分辨率遥感影像可以更加清楚地表达地物目标的空间结构与表层纹理特征，可分辨出地物内部更为精细的组成，地物边缘信息也更加清晰，为有效的解译分析提供了条件和基础。本文研究区目标物分布状况是既有大簇生长的罗布麻群落也有零星分布的罗布麻，这些信息能从高分辨率影像Worldview-2中清晰可见，并很好的提取出来，但是资源三号卫星只能识别大簇生长的罗布麻群落，零星分布的罗布麻在影像中基本上不能识别。 本文基于国产资源三号卫星数据和Worldview-2采用同一种分类方法分别对研究区野生罗布麻群落进行分类，分类结果见图2，3，对比两图可以看出资源三号卫星数据提取的目标物仅仅是将分布较集中、大簇生长的罗布麻提取出来，而零星分布的罗布麻没有被识别;根据实地调查经验以及样本采集数据叠加分析，发现 Worldview-2卫星数据很好地将罗布麻零星分布的罗布麻提取出来。
4 结论
评价数据源的性能要针对具体工作区目标物分布状况及其监测侧重面具体分析。如果研究区内目标物分布较密切规模较大，既人工种植型，或生长单一的药用植被采用资源三号或中低分辨率的遥感数据便可很好的识别目标物，没必要购买高分辨率的数据，以免造成资源浪费;对于野生药用植被、目标物分布零散且伴生有其他野生植被，认为采用高分辨率卫星影像数据才能很好地识别目标物。
监测区面积的形状也是选择数据源考虑的因素之一，因为Worldview-2数据是以平方公里为单位购买，最小购买面积为100 km2，价格较高;而资源三号以景为单位购买，幅宽较大，单景多光谱影像幅宽可达2 704 km2，价格较Worldview-2要低很多，所以，进行遥感监测之前需要对工作区各方面的情况做详尽的了解，才能购买合适的遥感数据，达到最佳的性价比。
[参考文献]
[1] 王宁，陈斌. 柴达木盆地资源植物――罗布麻的开发利用[J]. 青海科技，2005(6)：15.
[2] 刘起棠，张卫明，肖正春. 我国中东部地区罗布红麻资源濒危状况探讨[J]. 中国野生植物资源， 2009，28(3)：9.
[3] 江源，任斐鹏，肖雁青，等. 基于GIS与群落调查的北京市野生北柴胡资源量测算[J]. 自然资源学报，2009，24(6)：1080.
[4] 谢彩香，陈士林，王