基于分形理論的不同草原可燃物及裸土野外光譜識別研究

駱曉龍， 佟志軍， 趙云升， 張繼權(quán)

1. 東北師范大學(xué)地理科學(xué)學(xué)院， 吉林 長春 130024

2. 東北師范大學(xué)草地科學(xué)研究所， 吉林 長春 130024

3. 東北師范大學(xué)環(huán)境學(xué)院， 吉林 長春 130024

基于分形理論的不同草原可燃物及裸土野外光譜識別研究

駱曉龍1, 2， 佟志軍3*， 趙云升1， 張繼權(quán)3

1. 東北師范大學(xué)地理科學(xué)學(xué)院， 吉林 長春 130024

2. 東北師范大學(xué)草地科學(xué)研究所， 吉林 長春 130024

3. 東北師范大學(xué)環(huán)境學(xué)院， 吉林 長春 130024

草原火災(zāi)一直是影響我國草原生態(tài)系統(tǒng)的重要因素， 對其展開研究具有重要的現(xiàn)實(shí)意義。 遙感技術(shù)的發(fā)展， 為草原火災(zāi)的相關(guān)研究提供了詳盡準(zhǔn)確的數(shù)據(jù)， 節(jié)省了大量的人力物力和財力。 但在實(shí)際應(yīng)用中， 如何識別不同可燃物及裸土一直是難點(diǎn)問題。 試圖將分形理論應(yīng)用到枯草及裸土的光譜識別研究中， 為上述問題尋找新的研究思路和方法。 該研究運(yùn)用美國ASD公司的FS3地物光譜儀對吉林省長嶺縣西部草場的優(yōu)勢種羊草(Leymuschinensis)、 蘆葦(Reed)、 虎尾草(Chlorisvirgata)、 全葉馬蘭(Kalimerisintegrifolia)、 蒙古蒿(Artemisiamongolica)的枯萎植株及裸土進(jìn)行了野外光譜測量。 并利用Matlab工具， 對上述研究對象的平均野外反射光譜曲線進(jìn)行了包絡(luò)線提取和分形盒維數(shù)的計算。 經(jīng)過光譜分析， 裸土和虎尾草的野外光譜反射強(qiáng)， 羊草、 蘆葦和蒙古蒿的野外光譜反射相對較弱， 但彼此的譜型較為相近， 較難識別區(qū)分。 而全葉馬蘭的平均野外光譜反射強(qiáng)， 且譜型與其他研究對象有較大差異， 可以很好的識別。 通過分形分析， 研究對象的平均野外反射光譜曲線與包絡(luò)線具有典型的分形特征。 以分維數(shù)作為分類指標(biāo)， 對研究對象進(jìn)行聚類分析， 完成了不同地物的野外光譜識別。 該方法與傳統(tǒng)光譜分析的方法相比， 能夠更好地利用數(shù)學(xué)方法， 客觀的通過識別參數(shù)對目標(biāo)進(jìn)行識別， 為今后進(jìn)行其他種類枯草的識別和提取研究提供了新的思路和方法。

草原火； 分形； 盒維數(shù)； 包絡(luò)線

引 言

中國所擁有4億hm2草原中， 火災(zāi)易發(fā)區(qū)占1/3， 頻發(fā)區(qū)占1/6。 草原火災(zāi)是草原生態(tài)系統(tǒng)安全及草原生態(tài)平衡重要影響災(zāi)種之一， 其嚴(yán)重影響草原生態(tài)系統(tǒng)的安全， 制約畜牧業(yè)的發(fā)展， 成為草原地區(qū)人民生命財產(chǎn)安全的重要隱患。 草原火災(zāi)研究具有重要的現(xiàn)實(shí)和社會意義。

近年來， 國內(nèi)外研究主要包括以下內(nèi)容： (1)包玉龍等[1]對枯草理化性質(zhì)進(jìn)行了建模研究。 Cruz等[2]研究了澳大利亞南部地區(qū)石楠燃燒的火行為。 (2)草原火災(zāi)預(yù)警研究。 杜瓦拉等[3]利用遙感技術(shù)， 構(gòu)建了內(nèi)蒙古地區(qū)草原火災(zāi)預(yù)警模型。 佟志軍等[4]利用案例庫、 人工神經(jīng)網(wǎng)絡(luò)技術(shù)對草原火災(zāi)應(yīng)急管理系統(tǒng)和預(yù)警系統(tǒng)進(jìn)行了研究。 (3)以自然災(zāi)害風(fēng)險形成理論為依托， 進(jìn)行有關(guān)草原火災(zāi)風(fēng)險的研究。 如劉興鵬等[5]利用模糊集數(shù)學(xué)方法對內(nèi)蒙古錫林郭勒盟地區(qū)草原火災(zāi)風(fēng)險進(jìn)行了評估。 (4)草原火災(zāi)對生態(tài)環(huán)境影響的研究。 Anthony等[6]進(jìn)行了火災(zāi)對納吉自然保護(hù)區(qū)的生物棲息地、 物種結(jié)構(gòu)以及氣候的影響研究。 Maxim Dubinin等[7]對俄羅斯南部地區(qū)草原火災(zāi)災(zāi)后生態(tài)恢復(fù)進(jìn)行了研究。

從草原火發(fā)生機(jī)理來看， 不同可燃物的理化性質(zhì)不盡相同， 燃燒特性有所差異， 草原可燃物的識別與空間分布研究是上述研究的基礎(chǔ)， 是草原火行為研究、 草原火災(zāi)監(jiān)測預(yù)警以及風(fēng)險評估的重要前提。 在傳統(tǒng)的研究中， 可燃物分布情況主要通過野外實(shí)地調(diào)查來掌握， 需要消耗大量的人力物力。 隨著遙感技術(shù)在野外火災(zāi)研究中廣泛應(yīng)用， 尤其是在森林火災(zāi)中的不斷應(yīng)用， 越來越多的人嘗試將其應(yīng)用到草原火災(zāi)[8-9]研究中， 并取得了一定的成果。 國內(nèi)外研究表明基于遙感技術(shù)進(jìn)行可燃物的提取(即枯草與裸土的區(qū)分)和不同種類可燃物的識別具有重要的理論價值和研究意義。

草原火經(jīng)常發(fā)生在枯草期， 可燃物的生理特性已經(jīng)喪失， 使得利用遙感技術(shù)提取和識別可燃物具有兩個難點(diǎn)： 第一， 枯草與裸土的反射光譜特征十分相似， 很難在多光譜圖像中區(qū)分。 第二， 不同種類的枯草彼此光譜特征相近， 亦較難利用多光譜數(shù)據(jù)進(jìn)行區(qū)分。 然而， 任何地物的光譜特征均是由其結(jié)構(gòu)及特性所組成的非線性系統(tǒng)決定的。 作為一種重要的非線性理論， 分形理論可以用于研究不同地物的光譜特征。 近年來， 分形理論越來越多的應(yīng)用到地物形態(tài)特征研究[10-11]、 光譜分析[12]等領(lǐng)域， 它可以很好的描述不規(guī)則形狀地物的變化特征， 輔助目標(biāo)地物光譜特征的提取， 甚至可以定量的反映植物生長狀況。 因此， 本文擬利用分形理論對不同可燃物野外光譜及其包絡(luò)線分形特征的分析， 實(shí)現(xiàn)草原可燃物的提取與識別。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)

東北師范大學(xué)松嫩草地生態(tài)研究站位于吉林省長嶺縣西北部的腰井子種馬場， 位于東經(jīng)123°45′， 北緯44°45′， 海拔高度約為160 m。 該區(qū)地處東北松嫩平原腹地、 歐亞草原帶東端， 地勢平坦開闊， 有零星沙丘呈條帶狀分布， 低洼地段常形成季節(jié)性堿性泡沼。 氣候?qū)儆诎敫珊怠?半濕潤溫帶大陸性季風(fēng)氣候， 四季分明。 春季干旱多風(fēng)， 夏季濕熱多雨， 秋季溫和涼爽， 冬季寒冷漫長。 該區(qū)域氣候類型以及植被類型具有典型的歐亞草原特征。

1.2 儀器

野外光譜測量儀器采用美國ASD公司生產(chǎn)的FS3型便攜式光譜儀， 其基本參數(shù)為： 光譜范圍350～2 500 nm; 光譜分辨率為3 nm(350～1 000 nm)和10 nm(1 000～2 500 nm); 采樣間隔14 nm(350～1 050 nm)和2 nm(1 000～2 500 nm)； 波長精度1 nm； 掃描時間100 ms。

1.3 方法

野外光譜測量于2014年3月5日至3月10日進(jìn)行， 該時間段野外積雪消融， 枯草大范圍裸露且春草尚未萌發(fā)。 測量時間為11：00—13：30之間， 陽光充足， 大氣狀況良好， 云量較少。 通過對地物光譜儀的參數(shù)設(shè)置， 每次測量自動記錄三次， 取其均值作為測量結(jié)果。

在實(shí)驗(yàn)區(qū)內(nèi)， 隨機(jī)選取270個枯草樣方以及20個裸土(當(dāng)?shù)赝寥李愋蜑辂}堿土)樣方， 尺寸為0.8 m×0.8 m。 識別并記錄樣方內(nèi)枯草種類， 并采用均勻布點(diǎn)的方式進(jìn)行5次野外光譜測量。 測量過程中嚴(yán)格遵守野外光譜測量規(guī)范： 每次測量前均對實(shí)驗(yàn)儀器進(jìn)行標(biāo)準(zhǔn)化處理； 測量過程調(diào)整探頭與枯草灌層距離達(dá)到30 cm， 每次以相同高度進(jìn)行測量， 高度誤差不超過0.5 cm。 光譜采樣的同時對樣方進(jìn)行垂直拍照， 用于枯草覆蓋率計算。

1.4 分形

分形是法國數(shù)學(xué)家Mandelbrot于20世紀(jì)70年代建立起來的幾何學(xué)理論， 在其后來的研究中逐漸成為非線性科學(xué)的重要理論之一。 不同于傳統(tǒng)的歐式幾何學(xué)， 分形理論以分?jǐn)?shù)維的方式來重新認(rèn)識世界、 探究自然。 分維數(shù)的定義和計算方法有多種， 如盒維數(shù)、 相似維數(shù)、 信息維數(shù)等等。 針對不同的研究對象， 應(yīng)選擇相應(yīng)的分維數(shù)作為分形圖形的度量。 本文采用盒維數(shù)來度量平均野外反射光譜曲線的分維特征。 盒維數(shù)計算公式如下

(1)

根據(jù)分形理論， 分形維數(shù)的大小與光譜曲線的空間構(gòu)型以及自相關(guān)能力有較密切的關(guān)系。 光譜曲線的分形維數(shù)越大， 其數(shù)據(jù)空間構(gòu)型越復(fù)雜， 自相關(guān)能力弱， 光譜曲線起伏越大。 相反， 光譜曲線分形維數(shù)越小， 其數(shù)據(jù)空間構(gòu)型越簡單， 自相關(guān)能力強(qiáng)， 光譜曲線起伏越小。

1.5 數(shù)據(jù)處理

1.5.1 野外光譜數(shù)據(jù)處理

本文選用研究區(qū)內(nèi)優(yōu)勢種羊草(Leymuschinensis)、 蘆葦(Reed)、 虎尾草(Chlorisvirgata)、 全葉馬蘭(Kalimerisintegrifolia)、 蒙古蒿(Artemisiamongolica)的枯萎植株樣本和裸土樣本作為研究對象。 由于野草在野外狀態(tài)下很難找到枯草全覆蓋的樣方， 本研究對樣方垂直相片進(jìn)行處理， 計算枯草覆蓋率。 選取覆蓋率在80%以上的樣方作為有效實(shí)驗(yàn)樣方， 計算其平均反射光譜值。 圖1為研究對象的平均野外反射光譜曲線。

圖1 研究對象平均野外反射光譜曲線

1:Leymuschinensis; 2:Kalimerisintegrifolia; 3:Chlorisvirgate; 4: Soil; 5:Artemisiamongolica; 6:Reed

裸土和虎尾草的野外光譜曲線整體偏高， 羊草、 蘆葦和蒙古蒿的野外反射光譜曲線整體偏低， 但上述研究對象的平均野外反射光譜曲線譜型較為相近， 較難識別區(qū)分。 而全葉馬蘭的平均野外反射光譜曲線總體偏高， 且譜型有較大差異， 可以識別。

1.5.2去包絡(luò)線處理

去包絡(luò)線法是野外光譜測量分析中廣泛應(yīng)用的方法[13]。 它可以很好的去除背景地物的影響， 更好的突出探測目標(biāo)的光譜吸收特性， 實(shí)現(xiàn)基于光譜分析的地物識別。 本文采用Clark[14]提出的算法實(shí)現(xiàn)去包絡(luò)線， 具體算法如下： (1)利用光譜曲線的求導(dǎo)法則， 求取野外地物光譜的所有極大值點(diǎn)， 然后通過排序比較， 得到最大值點(diǎn)； (2)以最大值點(diǎn)作為包絡(luò)線的一個端點(diǎn)， 計算該點(diǎn)與長波方向各個極大值點(diǎn)連線的斜率， 將斜率絕對值最小的點(diǎn)作為下一個端點(diǎn)， 如此往復(fù)循環(huán)， 直至波長最大點(diǎn)。 (3)同樣以第一步得到的最大值點(diǎn)作為端點(diǎn)， 向短波方向重復(fù)進(jìn)行第二步的計算， 直至波長最小點(diǎn)； (4)沿波長增加的方向， 連接所有端點(diǎn)， 形成包絡(luò)線。 圖2所繪為研究對象的平均野外反射光譜曲線的包絡(luò)線。

經(jīng)過去包絡(luò)線處理， 可以發(fā)現(xiàn)在野外光照條件下， 不同草類之間的吸收波段范圍較為一致， 僅在吸收程度有差別(如圖2所示)， 主要表現(xiàn)在以下幾個方面：

首先在440～550和590～720 nm兩個波段之間， 裸土有較強(qiáng)的反射作用， 枯草則呈現(xiàn)強(qiáng)吸收作用。 其中以全葉馬蘭吸收作用最為強(qiáng)烈。

其次， 在1 990～2 050 nm之間， 裸土表現(xiàn)了一定的反射作用， 枯草則呈現(xiàn)強(qiáng)吸收作用， 其中全葉馬蘭的吸收作用最為強(qiáng)烈。

再次， 在2 070～2 120 nm之間， 裸土表現(xiàn)了一定的吸收作用， 而枯草樣本中， 除全葉馬蘭表現(xiàn)為吸收外均表現(xiàn)出一定的反射作用。

最后， 不同種枯草盡管存在的相似的吸收波段， 如350～600， 800～1 200， 2 200～2 400 nm等， 但對于不同波段的吸收有較大差別。 吸收由強(qiáng)到弱順序?yàn)椋?全葉馬蘭、 羊草、 蘆葦、 蒙古蒿、 虎尾草。

圖2 研究對象平均野外反射光譜曲線包絡(luò)線

1：Leymuschinensis； 2：Kalimerisintegrifolia； 3：Chlorisvirgate； 4： Soil； 5：Artemisiamongolica； 6：Reed

2 結(jié)果與討論

經(jīng)過野外反射光譜曲線處理及包絡(luò)線提取， 可以發(fā)現(xiàn)不同研究對象平均野外反射光譜曲線及其包絡(luò)線彼此有一定程度的差異， 但多數(shù)研究對象差別不大， 較難實(shí)現(xiàn)不同研究對象的識別與區(qū)分。 除此之外， 通過光譜吸收波段的選取來識別地物往往具有因人而異的特點(diǎn)， 缺少客觀性和通用性。 為了客觀識別不同研究對象， 擬通過分形特征分析和分形值計算的方式解決上述問題。

2.1 分形特征分析

研究對象是否具有分形特征是進(jìn)行分形分析的重要前提， 可通過繪制分形分析曲線即分形幾何圖形的測量尺度與迭代次數(shù)的雙對數(shù)坐標(biāo)圖像進(jìn)行驗(yàn)證。 若分形分析曲線具有典型的一次函數(shù)特征， 則研究對象具有良好的分形特征， 函數(shù)圖像的斜率即其分形維數(shù)。 本文研究對象的平均野外光譜分形分析曲線(如圖3(a)所示)及包絡(luò)線的分形分析曲線(如圖3(b)所示)具有十分明顯的一次函數(shù)特征， 可以運(yùn)用分形理論進(jìn)行研究。

圖3 (a)： 平均野外反射光譜曲線分形分析結(jié)果；

1：Leymuschinensis； 2：Kalimerisintegrifolia； 3：Chlorisvirgate； 4： Soil； 5：Artemisiamongolica； 6：Reed

為了對可燃物和裸土的野外平均反射光譜及其包絡(luò)線的分形特征進(jìn)行分析， 進(jìn)而實(shí)現(xiàn)不同目標(biāo)地物的識別與提取， 本文利用Matlab2010實(shí)現(xiàn)了分形盒維數(shù)算法， 計算了研究對象的平均野外反射光譜曲線盒維數(shù)D1及其包絡(luò)線盒維數(shù)D2(如表1所示)。

表1 研究對象的分形盒維數(shù)

D1值表征了不同研究對象野外光譜曲線的空間構(gòu)形的復(fù)雜程度。 全葉馬蘭具有最大的D1值為1.183 8， 與其他對象的盒維數(shù)值差距較大， 其反射光譜曲線應(yīng)該起伏較為明顯， 構(gòu)型復(fù)雜。 其他目標(biāo)地物的D1值較小且彼此差距甚微， 不具有典型特征。 其中， 蘆葦、 蒙古蒿、 裸土的D1值分別為1.115 6， 1.117 4和1.118 8(如表1所示)， 在千分位上才有所差距， 說明三者對應(yīng)的野外反射光譜曲線空間構(gòu)型較為相似， 均較為平整(如圖1所示)。 羊草和虎尾草的D1值分別為1.131 8和1.145 7， 在百分位上有細(xì)微差距(相差0.013 9)， 說明二者野外反射光譜曲線空間構(gòu)型較蘆葦、 蒙古蒿、 裸土的復(fù)雜。

D2值表征了不同研究對象野外光譜曲線包絡(luò)線的空間構(gòu)形的復(fù)雜程度。 蒙古蒿具有最小的D2值為1.190 6， 其包絡(luò)線空間構(gòu)型簡單， 起伏不明顯。 虎尾草和全葉馬蘭的D2值差異集中在千分位上， 分別為1.233 3和1.235 1， 說明二者包絡(luò)線空間構(gòu)型相似， 較難直接利用D2值進(jìn)行區(qū)分。 裸土和蘆葦?shù)腄2值分別為1.247 9和1.217 1， 二者差異集中在百分位上， 說明其二者包絡(luò)線在空間構(gòu)型上有細(xì)微的差異。 虎尾草具有最大D2值為1.255 9， 這是由于虎尾草的包絡(luò)線隨著光譜波段的增加先較為平穩(wěn)， 后逐漸變得高低起伏， 自相似特征極不明顯所致。

除此之外， 本文計算了D1值與D2值間的相關(guān)系數(shù)結(jié)果

圖4 (a)： 基于野外平均反射光譜曲線盒維值聚類分析結(jié)果；

Fig.4 (a)： Clustering analysis for study subjects based on Box-counting value of field-derived spectra； (b)： Clustering analysis for study subjects based on Box-counting value of continuum of filed-derived spectra

1:Leymuschinensis; 2:Kalimerisintegrifolia; 3:Chlorisvirgate; 4: Soil; 5:Artemisiamongolica; 6:Reed

為0.379 6。 可見， 盡管光譜包絡(luò)線是根據(jù)野外光譜曲線繪制的， 但其盒維數(shù)值與野外光譜曲線盒維數(shù)并不具備明顯的相關(guān)性， 因此二者均可以用來表征不同研究對象的特征。

通過分析， 不同研究對象的野外光譜曲線盒維數(shù)及其對應(yīng)包絡(luò)線盒維數(shù)不盡相同， 能夠表征不同地物不同光譜空間的構(gòu)形特征， 具有特異性。 可以作為草原火不同可燃物及裸土野外光譜識別的重要指標(biāo)。

2.2 聚類分析

盡管不同研究對象的D1值不相同， 但差別并不明顯， 同樣D2值也具備相似特點(diǎn)， 二者均不能直接用來進(jìn)行研究對象的光譜識別。 為了實(shí)現(xiàn)不同研究對象的光譜識別， 本文利用Matlab分別按照D1值和D2值進(jìn)行基于最近歐氏距離的聚類分析(如圖4所示)。

由分類系譜圖可知， 按照D1值分類的結(jié)果表明裸土和蒙古蒿為一類， 羊草、 全葉馬蘭、 虎尾草及蘆葦自成一類[如圖4(a)所示]。 可見， 利用D1值可以識別羊草、 全葉馬蘭、 虎尾草及蘆葦， 而無法識別裸土和蒙古蒿。

按照D2值分類的結(jié)果表明羊草和全葉馬蘭為一類， 虎尾草和裸土為一類， 蒙古蒿、 蘆葦分別自成一類[如圖4(b)所示]。 可見， 利用D2值可以識別蒙古蒿與蘆葦， 而無法識別羊草和全葉馬蘭、 虎尾草和裸土。

綜合上述兩次分類的結(jié)果， 可以實(shí)現(xiàn)不同可燃物及裸土的光譜識別。

3 結(jié) 論

(1)不同研究對象的平均野外光譜反射強(qiáng)弱上具有一定差距， 其中裸土、 虎尾草和全葉馬蘭反射率較高， 而羊草、 蒙古蒿和蘆葦反射率相對較低。 從光譜譜型角度看， 全葉馬蘭的譜型最為復(fù)雜， 起伏較多。 其余地物譜型相近， 較難識別。

(2)實(shí)驗(yàn)區(qū)內(nèi)不同可燃物及裸土的平均野外反射光譜曲線及其包絡(luò)線具有明顯的分形特征。 分形盒維數(shù)可以很好的表征不同研究對象平均野外反射光譜曲線及其包絡(luò)線的起伏特征， 可以用來進(jìn)行地物的識別。 通過聚類分析， 基本實(shí)現(xiàn)了不同研究對象的野外光譜識別。

(3)不同研究對象野外光譜曲線及包絡(luò)線的盒維數(shù)值不具有顯著相關(guān)性。 二者可以作為研究對象的不同屬性和指標(biāo)進(jìn)行研究。

由于枯草處于衰敗期， 植被光譜曲線的特征隨著其生物特性的喪失逐漸消失。 因此， 傳統(tǒng)的利用綠色植被遙感的方法識別和提取枯草是不易實(shí)現(xiàn)的。 研究對象野外平均反射光譜曲線的包絡(luò)線可以反映不同研究對象的不同吸收波段及吸收強(qiáng)度。 盡管可以利用該特征完成研究對象的識別， 但在吸收波段特征值選取的過程中， 受研究人員的主觀意識及經(jīng)驗(yàn)影響， 往往出現(xiàn)識別結(jié)果因人而異的缺陷。 但分形理論作為非線性科學(xué)的重要研究方法， 可以很好的揭示枯草光譜曲線的空間構(gòu)型特征， 分形值可以作為識別地物的重要參數(shù)。 分形值與可燃物理化指標(biāo)相結(jié)合進(jìn)行地物識別與提取的研究將成為下一步研究的重點(diǎn)。

[1] BAO Yu-long, ZHANG Ji-quan, ZHAO Yun-sheng, et al(包玉龍, 張繼權(quán), 趙云升, 等). Infrared(紅外), 2011, 32(7): 38.

[2] Cruz M G, McCaw W L, Anderson W R, et al. Environmental Modelling & Software, 2013, 40: 21.

[3] Duwala(都瓦拉). A Study of Grassland Fire Monitoring and Early Warning and Assessment Inner Mongolia(內(nèi)蒙古草原火災(zāi)監(jiān)測預(yù)警及評價研究). Chinse Academy of Agricultural Sciences(中國農(nóng)業(yè)科學(xué)院), 2012. 182.

[4] Tong Z, Zhang J, Luo X , et al. Study on Grassland Fires Disaster Emergency Spatial Decision Supprot System Based on Case-Base. Istanbul, 2013. 397.

[5] Liu X, Zhang J, Tong Z. Natural Hazards, 2015, 75(3): 2331.

[6] Arthur A D, Catling P C, Reid A. Austral Ecology, 2012, 37(8): 958.

[7] Dubinin M, Potapov P, Lushchekina A, et al. Remote Sensing of Environment, 2010, 114(8): 1638.

[8] Lentile L B, Holden Z A, Smith A M, et al. International Journal of Wildland Fire, 2006, 15(3): 319.

[9] Roy D P, Jin Y, Lewis P E, et al. Remote Sensing of Environment, 2005, 97(2): 137.

[10] Rodriguez Gonzalez J, Del Barrio G, Duguy B. Ecological Modelling, 2008, 211(1-2): 121.

[11] Gelet M, Suryabhagavan K V, Balakrishnan M. International Journal of Ecology and Environmental Sciences, 2010, 36(2-3): 117.

[12] WANG Xiao-jun, ZHANG Qiang, GU Xuan-qing(王小軍, 張 強(qiáng), 古璇清). Acta Geographica Sinica(地理學(xué)報), 2012， (9): 1201.

[14] Isaacson P J, Pieters C M, Besse S, et al. Journal of Geophysical Research, 2011, 116.

An Identification Study on Field-Derived Spectra of Grassland Combustibles and Soil Based on Fractal Theory

LUO Xiao-long1, 2, TONG Zhi-jun3*, ZHAO Yun-sheng1, ZHANG Ji-quan3

1. School of Geographical Sciences, Northeast Normal University, Changchun 130024, China

2. Institute of Grassland Science, Northeast Normal University, Changchun 130024, China

3. School of Environment, Northeast Normal University, Changchun 130024, China

Grassland fire disaster is an important influence factor to grassland ecological system in China. Therefore, it is crucial to study on the monitoring, prediction and management of grassland fire. Remote Sensing (RS) provides detailed data and saves a lot of manpower, material resources and financial resources on the research of grassland fire. However, it is difficult to identify the grassland fuel and soil with Remote Sensing. In this paper, we introduced fractal into the spectral analyses of the field-derived spectra (FDS) of grassland fuel and soil to solve the problem above. The study area laid on the Westward of Changling, Jinlin province, China. Study subjects included soil and dominant species:Leymuschinensis,Reed,Chlorisvirgate,KalimerisintegrifoliaandArtemisiamongolica. FDS of study subjects were measured with ASD FS3 and continuums of FDS were calculated by Matlab 2010. Meanwhile, Box-counting values of FDS and continuums were calculated by Matlab 2010. According to the spectral and continuum analysis, it is difficult to identify soil,Leymuschinensis,Reed,Chlorisvirgate, andArtemisiamongolicabecause of the similar spectral curves. However, theArtemisiamongolicacan be identified for the strong reflection. For typical fractal characteristics of FDS and continuum, clustering analyses of study subjects were done according to box-counting values of FDS and continuum. The results of clustering analyses show that Box-counting values of FDS and continuum are important indexes to identify the study subjects. This study provides a new thought to identity the grassland combustibles and soil with Remote Sensing.

Grassland fire; Fractal; Box-counting; Continuum removed

May 30, 2015; accepted Oct. 12, 2015)

2015-05-30，

2015-10-12

國家自然科學(xué)基金青年項(xiàng)目(41201549), 國家自然科學(xué)基金項(xiàng)目(41271350), 國家“十二五”科技支撐項(xiàng)目(2013BAK05B01)資助

駱曉龍， 1987年生， 東北師范大學(xué)地理科學(xué)學(xué)院碩士研究生 e-mail: luoxl190@nenu.edu.cn *通訊聯(lián)系人 e-mail: gis@nenu.edu.cn

O657.3

A

10.3964/j.issn.1000-0593(2016)08-2553-05

*Corresponding author