透過分析光譜曲線之間的差異，可以有效地辨識不同類別的地物。本章節首先對研究區內典型地物的原始光譜曲線進行分析，然後采用不同的光譜數學變換方法對原始曲線進行處理，增強地物之間的光譜差異，為後續的地物光譜特征波段篩選和地物分類提供基礎。
一、典型地物光譜特征分析
不同類別的地物具有獨特的光譜特征。透過分析光譜曲線之間的差異，可以有效地辨識不同類別的地物。本章節繼續對研究區內典型地物的原始光譜曲線進行分析，然後采用不同的光譜數學變換方法對原始曲線進行處理，增強地物之間的光譜差異，為後續的地物光譜特征波段篩選和地物分類提供基礎。
原始光譜特征分析
2.1 其他地物光譜特征分析
不同時期、不同傳感器的遙感影像所表現出來的同種地物的光譜特征也不同，根據不同光譜特征所采用的辨識分類方法也有所區別，因此，對不同時期影像的不同地物進行光譜特征分析是很有必要的。
2020年3月15日獲取的影像只包含了少量建設用地（研究區內的道路）和裸灘，缺少居民地。建設用地和裸灘的光譜曲線趨勢幾乎相同，在865nm和940nm處建設用地的反射率小於裸灘，其余波段建設用地的反射率均大於裸灘，且大部份波段二者差異為0.1左右，說明建設用地和裸灘的可區分性大。2020年6月17日3類其它地物的光譜曲線趨勢相似，光譜差異明顯，可區分性強。居民地和建設用地在可見光區域反射率呈上升趨勢，裸灘光譜曲線平緩，且居民地和建設用地的反射率遠高於裸灘，建設用地和居民地之間差異較小，反射率由高到低依次為：建設用地>居民地>裸灘；在近紅外區域，除最後一個波段外，其余波段的反射率順序依然是建設用地>居民地>裸灘，且三者之間的差異均衡，居民地和建設用地之間的差異增大。總之，該時期其它地物之間差異顯著。2020年10月10日3類其它地物的反射率由高到低的順序與2020年6月17日的順序一致。區別在於該時期其它地物的光譜曲線呈現上升趨勢，三者之間在500nm之後的波長差異顯著，可分性強。2020年11月11日的3類其它地物光譜曲線趨勢相似，在510nm和760nm附近均形成一個明顯的反射峰，在440～550nm波長範圍內，3類地物的反射率順序由高到低為：建設用地>居民地>裸灘，在550nm處裸灘反射率超過居民地，在550～880nm範圍內，反射率順序變為建設用地>裸灘>居民地，總體來看，3類其他地物有一定可分性。
圖9不同時期其它地物原始光譜均值曲線
2021年1月18日4類其它地物總體呈上升趨勢，裸灘反射率最低，且與其余3類差異明顯，可以區分辨識，淺水灘在440～700nm範圍內與居民地、建設用地的光譜曲線幾乎重合，在700nm之後，反射率高於居民地和建設用地，在該波長範圍內可以被有效辨識，建設用地和居民地的光譜曲線在全波段幾乎重合，需進一步進行變換，以放大二者的差異。
三、包絡線去除光譜特征分析
3.1 包絡線去除法
包絡線去除法是一種非線性方法，用於處理光譜曲線，透過標準化地物的光譜曲線，分析其反射和吸收特征。這種方法最初是Clark等人在反射光譜遙感方面提出的。該方法對於反射率較小且相似的波段非常有效，可以增強不同地物之間的光譜差異性，有助於進行光譜曲線特征的數量比較，並篩選出具有代表性的特征波段，最終用於地物的分類和辨識。原始光譜曲線可有效區分水體、植被和其它地物三大類，為了進一步增強地物的吸收反射特征，獲取精細辨識地物的特征波段，在大類可區分的基礎上，分別對研究區3大類地物的光譜數據進行包絡線去除，獲得其包絡線去除光譜曲線，本文利用Matlab軟件實作了對地物原始反射率數據的包絡線去除變換。
3.2 水體包絡線去除光譜特征分析
在包絡線去除的光譜曲線中，可以清晰地觀察到不同地物的吸收特征，這些吸收特征通常出現在不同的波段，並且吸收強度也存在差異。
圖10不同時期水體包絡線去除均值光譜曲線
在2020年3月15日的包絡線去除光譜曲線中，可以看出，青色水體有2個吸收波段，第1個吸收波段位於443～580nm波長範圍內，吸收強度較弱，第2個吸收波段位於596～926nm波長範圍內，該吸收谷吸收強度大於第一個吸收波段；藍色水體有3個吸收波段，第1個吸收波段為443～490nm，吸收寬度僅有2個波段，第2個吸收波段為490～580nm，但吸收強度弱，第3個吸收波段吸收強度最大，為580～920nm波長範圍內；藍綠色水體和深藍色水體只有1個吸收波段，均為443～920nm波長範圍內，其光譜曲線趨勢相似，無法有效區分二者。
在2020年6月17日的包絡線去除光譜曲線中，青色水體和藍綠色水體均有3個吸收波段，深藍色水體有兩個吸收波段，青色水體吸收強度最強的吸收波段為596～910nm，藍綠色水體為640～910nm，深藍色水體為580～896nm，吸收強度最大處均為760nm處，且該波段處的吸收強度從大到小依次是：深藍色水體>青色水體>藍綠色水體，差異明顯，可以有效區分3類水體。
在2020年10月10日的包絡線去除光譜曲線中，3類水體的包絡線去除光譜曲線趨勢幾乎一致，在520～566nm波長範圍內，均有1個小型強吸收波段，在該波段範圍內，藍色水體的吸收強度最大處為550nm，而深藍色水體和藍黑色水體的均為536nm，且吸收強度從大到小依次是：藍黑色水體>深藍色水體>藍色水體；該時期包絡線去除光譜曲線吸收強度最大處位於686～716nm波長範圍內，吸收強度差別不大，在700nm之後，深藍色水體和藍黑色水體曲線幾乎重疊，不可區分，二者吸收強度小於藍色水體。
在2020年11月11日的包絡線去除光譜曲線中，明顯可區分5類水體的波長為500nm處，吸收強度從大到小依次是：藍黑色水體>深藍色水體>藍綠色水體>藍色水體>青色水體，與原始光譜曲線的反射分析一致，在其余波段處均有不同程度的交叉重疊，不利於區分5類水體。在2021年1月18日的包絡線去除光譜曲線中，4類水體的包絡線去除光譜曲線趨勢相似，吸收波段一致，吸收強度有所不同，可以分為4個區間，分別為443～490nm、500～580nm、580nm～709nm和709～926nm。其中，青色水體和藍色水體在第4區間，最大吸收深度為0.12左右，符合青色水體和藍色水體高反射的特征，深藍色水體在第1、3、4區間的最大吸收深度相近，吸收深度在0.12～0.14範圍內，藍黑色水體的最大吸收強度位於第1個吸收區間，吸收強度達到0.33，這與藍黑色水體的低反射，高吸收特性相符合。總體來說，在665～670nm波長範圍內，4類水體可分性明顯。
3.3植被包絡線去除光譜特征分析
圖11各個時期植被均表現出明顯的植被特征，其中在可見光區域的吸收強度大於近紅外區域，符合植被在可見光區域反射率低、近紅外區域高反射的特性。不同種類的植被在不同的吸收波段表現出不同的吸收強度，而同一種植被在同一吸收波段的吸收強度也可能存在差異。透過包絡線去除變換後，植被在可見光區域吸收強度大的波段具有明顯差異，可以用於區分不同種類的植被。但在近紅外區域，不同種植被的光譜曲線存在嚴重的交叉重疊，光譜特征差異較小，因此不適合用於植被分類。2020年3月15日的3類植被包絡線去除光譜曲線中，蘆葦-南荻群落和薹草-虉草群落的「藍谷」特性不明顯；在650～700nm波長範圍內，兩類植被的吸收強度最大，在可見光區域的絕大多數波段都明顯可分。而在近紅外區域，由於植被的高反射特性，植被吸收強度弱，差異小。
圖11不同時期植被包絡線去除均值光譜曲線
2020年6月17日的5類植被包絡線去除光譜曲線中，在500～550nm波長範圍內，四類植被均表現出了由「藍谷」引起的小型吸收谷，但在吸收強度和吸收顯著度上有所不同，吸收深度從大到小依次為：薹草-虉草群落>林地>蘆葦-南荻群落>農田，且農田的吸收谷更為明顯，林地和薹草-虉草群落的吸收谷較小；四類植被的最大吸收深度依然是650～700nm的「紅谷」區域，農田的吸收深度最小，林地和薹草-虉草群落的吸收深度最大，在可見光區域，林地和薹草-虉草群落的光譜曲線幾乎重疊，說明包絡線去除未能放大二者之間的差異，其余兩類植被可分性明顯。在近紅外區域，5類植被交叉重疊嚴重，不可依此區分辨識。
圖12同種植被不同時期包絡線去除均值曲線
2020年10月10日的2類植被包絡線去除光譜曲線中，全波段來看，二者在某些波段有一定的可分性，例如，536nm、596～700nm、730～760nm和760～806nm波長範圍內，但是差異並不顯著，最大吸收深度依然位於「紅谷」區域，二者之間的可區分辨識波段需要進一步定量分析來確定。2020年3月15日的3類植被包絡線去除光譜曲線中，4類植被在550nm附近均有一個吸收深度較深的吸收谷，對應植被的「藍谷」，在該吸收谷處，林地的吸收深度最大，其余3類植被的吸收深度幾乎相同，在580～700nm波長範圍內4類植被的差異明顯，吸收深度從大到小為：林地>農田>蘆葦-南荻群落>薹草-虉草群落，在776～806nm波長範圍內，4類植被也有一定差異，但是差異較小，是否能區分4類植被，還需要進一步定量分析。2020年3月15日的3類植被包絡線去除光譜曲線中，由於冬季植被存在枯萎現象的原因，該時期植被的吸收反射較為混亂，以「紅谷」為例，林地的「紅谷」位於640nm處，蘆葦-南荻群落的位於670nm處，薹草-虉草群落的「紅谷」不明顯，其最大吸收深度位於580nm處，農田的「紅谷」位於686nm處，但總體來看，4類植被在可見光區域的大多數波段差異明顯，可以認為4類植被可以被區分。
圖12可以看出：林地、蘆葦-南荻群落以及薹草-虉草群落三類自然植被的最大吸收強度均發生在夏季，而農田的最大吸收強度則在秋季，四類植被在冬季時吸收強度均最弱。
3.4其他地物包絡線去除光譜特征分析
整體來看，由於不同時期影像衛星傳感器的差異，以及樣本選取存在的一定誤差，使得同種地物的吸收反射特征都存在一定差異。如2020年3月15日所示的包絡線去除後的光譜曲線，由於該時期原始光譜曲線的趨勢基本一致，所以，經過包絡線去除變換後，二者光譜曲線趨勢依然很相似，但二者在大多數波段都有明顯的差異，光譜變換前後，2類地物的可區分性都很強。從2020年6月17日的光譜曲線可以看出，3類其它地物在可見光區域的吸收強度小於近紅外區域，最大吸收深度均位於746～760nm波長範圍內，分析光譜曲線可以看出，在596～716nm和836～880nm範圍內。3類其它地物光譜曲線差異顯著，可作為區分3類地物的依據。分析2020年10月10日的光譜曲線可知，在520～700nm波長範圍內，3類其它地物的光譜曲線差異顯著，可認為在此範圍內，可有效區分3類地物，在近紅外區域，3類地物光譜曲線交叉重疊嚴重，差異小，不足以區分辨識地物。2020年11月11日的其它地物包絡線去除變換後光譜曲線趨勢一致，3類地物均有3個吸收波段，分別為443～500nm、500～760nm和760～926nm。
圖13不同時期其它地物包絡線去除均值光譜曲線
在第1個吸收波段，3類地物在446～490nm範圍記憶體在差異，吸收深度從大到小為：建設用地>居民地>裸灘；在第2個吸收波段，透過觀察可知，在531～560nm範圍內，3類地物存在差異；在第3個吸收波段，在833～865nm範圍內，3類地區存在差異，且相差0.1左右，因此，認為該範圍可區分3類其它地物。從2021年1月18日的光譜曲線可以明顯看出，在可見光區域，裸灘的吸收強度遠大於其余3類地物，達0.46，而其余3類地物在全波段都有交叉重疊現象，淺水灘在近紅外區域的高反射特征經過變化反而與其余地物的差異變小了。
四、總結
南磯濕地受鄱陽湖水位影響，呈現復雜的濕地生境類別，且濕地記憶體在南山和磯山兩個非濕地島嶼，濕地地物和非濕地地物構成了復雜的地物類別，高光譜遙感的迅速發展為大範圍的地物精細分類提供重要研究思路。對地物進行光譜特征分析以及辨識光譜差異是高光譜遙感能夠精細分類的基礎，而對光譜差異特征波段進行選擇和組合，從而使其能有效辨識分類不同地物一直是高光譜研究的重難點之一。基於高光譜影像對地物的光譜特征，特征波段以及辨識分類進行研究，為大範圍區域的精細分類提供了便利，也對高光譜技術的發展起到了推動作用。
推薦 ：
地物光譜儀iSpecField-HH/NIR/WNIR
地物光譜儀是萊森光學專門用於野外遙感測量、土壤環境、礦物地質勘探等領域的最新明星產品，獨有的光路設計，雜訊校準技術、可以即時自動校準暗電流，采用了固定全像光柵一次性分光，測試速度快，最短積分時間最短可達20μs，操作靈活、便攜方便、光譜測試速度快、光譜數據準確，廣泛套用於遙感測量、農作物監測、森林研究、海洋學研究和礦物勘察等各領域。
