Savitzky-Golay平滑在高光谱森林树种分类中的情境依赖性绩效:基于贝叶斯层次模型的评估

《Ecological Informatics》:Context-dependent performance of Savitzky-Golay smoothing in hyperspectral Forest species classification: A Bayesian hierarchical assessment

【字体: 大 中 小 】 时间:2026年07月05日 来源:Ecological Informatics 8.5

编辑推荐:

  Savitzky-Golay(SG)滤波可缓解高光谱影像逐像素分类中的"椒盐效应",但其在不同森林类型中的最优参数化仍不明确。研究人员评估了81种SG参数组合(窗口:3–19,阶数:1–17)在三个结构迥异的匈牙利森林(Gemenc、Mecsek、Ságvár

  
Savitzky-Golay(SG)滤波可缓解高光谱影像逐像素分类中的"椒盐效应",但其在不同森林类型中的最优参数化仍不明确。研究人员评估了81种SG参数组合(窗口:3–19,阶数:1–17)在三个结构迥异的匈牙利森林(Gemenc、Mecsek、Ságvár)中对物种水平分类的影响,采用贝叶斯层次模型量化了林分、树种、二者交互作用及SG参数对总体精度的影响。分析揭示了三个主要发现:第一,林分是SG绩效的主要驱动因素,而单个树种无显著效应;仅一个森林-树种交互作用(Mecsek::有柄栎)显著。第二,81组参数组合中72组统计等价,表明参数选择具有较大灵活性。第三,窗口5与阶数1组合(b5::1)表现为最稳健的参数配置,而过度方差降低会系统性降低精度,尤其在最多样化的Mecsek森林中。研究人员得出结论:SG滤波性能受林分尺度结构和群落特征而非树种本身调控,多数参数组合的广泛等价性提供了实际应用灵活性,推荐b5::1作为稳健默认参数。除上述具体发现外,本研究证明了采用层次建模框架——此处为贝叶斯层次模型——评估预处理技术的价值,为遥感应用中的未来研究提供了可适应性分析模板。
**一、研究背景与问题提出**

准确识别树种对于森林管理至关重要,是生物多样性保护、灾害风险管理及入侵物种监测等应用的基础。高光谱遥感凭借精细的空间与光谱分辨率,已成为区分树种的替代性技术手段,相较于多光谱影像,其高光谱分辨率更有利于解析各物种的独特光谱特征,从而提升分类精度。然而,高光谱影像的高分辨率特性也带来了光谱波段间多重共线性、噪声增加及计算复杂度等挑战。此外,高空间分辨率影像分类中常见的"椒盐效应"(Salt-and-Pepper effect)会导致像素级分类结果出现散点状误分,降低制图精度与视觉可解译性。

现有研究多聚焦于复杂算法以应对高光谱生态数据的高维度和结构复杂性,如Vision Transformers、多时相卷积神经网络及贝叶斯优化等深度学习框架,但对基础预处理技术如何影响分类前高光谱数据统计结构关注不足。Savitzky-Golay(SG)滤波作为一种预平滑技术,通过滑动窗口内多项式拟合实现卷积运算,在抑制噪声的同时能够保留原始光谱特征,兼具降噪与保形的优势。然而,SG滤波性能高度依赖窗口大小(Window size)和多项式阶数(Order)两个关键参数,其在结构和组成多样的森林类型中的有效性尚不清楚。基于此,该研究将分析重点从分类器复杂性转向生态信息驱动的输入数据优化,旨在量化生态情境与参数选择对SG滤波性能的联合影响。

**二、研究设计与技术方法**

研究人员在匈牙利南部Transdanubian地区的三个森林区域(Ságvár、Mecsek、Gemenc)开展研究,这些区域在面积、生态多样性和树种组成上存在显著差异。采用机载高光谱传感器获取影像数据:Mecsek和Gemenc使用AISA FENIX 1K传感器,Ságvár使用AISA Kestrel 10传感器,空间分辨率统一为1米,光谱波段数和光谱范围因传感器配置而异。参考数据通过野外调查结合高光谱影像判读获取,涵盖8种(Ságvár)、7种(Mecsek)和5种(Gemenc)树种,包括欧洲山毛榉(Fagus sylvatica)、有柄栎(Quercus robur)、挪威云杉(Picea abies)等本地种及刺槐(Robinia pseudoacacia)等入侵种。

SG滤波参数设定为窗口大小3–19的奇数和阶数1–17,满足阶数小于窗口大小减一的约束条件,共生成81种滤波参数组合及对应影像。分类采用随机森林(Random Forest, RF)算法,以Scikit-learn默认参数训练,避免超参数差异引起的模型变异。精度评估基于10折交叉验证的总体精度(Overall Accuracy, OA)。

统计分析采用贝叶斯层次随机模型(Bayesian Hierarchical Random Model, BHRM),以总体精度为响应变量,将林分(Forest,3水平)、树种(Species,17水平)、森林-树种交互作用(Forest::Species,20水平)及SG参数组合(sav,81水平)作为分类预测变量,均处理为随机效应并禁用部分池化。模型通过R-INLA包基于积分嵌套拉普拉斯近似(Integrated Nested Laplace Approximation, INLA)拟合,采用弱信息先验,以95%最高密度区间(Highest Density Interval, HDI)不包含零作为效应有效性的判定标准。

**三、研究结果**

**3.1 分类精度跨林分与SG变异的比较**

初始分析表明,SG滤波后的精度呈现明显的林分层级分化。绝大多数SG变异的精度优于非平滑基线,其中Gemenc森林对预处理响应最显著,精度提升常达5–8%,最高达约95.8%,较基线绝对提升10.4%。偏差分析图显示,较小窗口在各阶数下均能保持稳定或改善性能,而大窗口(13–19)配合低阶数会导致显著性能下降,在Gemenc和Mecsek的降幅高达31%,造成过平滑及诊断性光谱特征损失。方差降低比率(Variance Reduction Ratio, VRR)分析揭示,各站点分类精度在低-中等VRR区间达峰,超过最优范围后精度系统性下降,伴随类间平滑差异增大,此模式在Mecsek最为显著。VRR分析独立识别出各站点最优配置:Gemenc和Ságvár为b5::1,Mecsek为b3::1。

**3.2 森林与树种变量的效应**

BHRM结果表明,Forest对平滑精度具有有效影响,三个林分的95% HDI均未包含零,证明结构性和组成性差异显著影响平滑器性能。相反,独立于林分的单个Species效应均为非有效,其HDI均包含零,凸显建模Forest::Species交互作用的必要性。

**3.3 森林-树种交互作用的效应**

在20种Forest::Species交互组合中,仅Mecsek林分与有柄栎(pedunculate oak)的交互作用有效,其余所有交互的后验分布均包含零,表明为非情境特异性效应。

**3.4 平滑器参数交互(窗口大小-阶数)的效应**

在81种参数组合中,仅9种被认定为有效,但全部表现为负效应;其余72种为非有效,即对精度的影响与零无统计差异。所有9种有效组合均导致较低总体精度。

**3.5 最稳健平滑器的识别**

72种非有效平滑器在贝叶斯框架下统计等价。b5::1因其最高的后验均值总体精度被认定为最稳健参数配置,但其非有效性意味着与另外71种平滑器统计不可区分。

**四、讨论与结论**

**4.1 VRR与BHRM分析的趋同证据**

VRR分析独立识别出与贝叶斯层次模型一致的最优SG配置,两种独立方法(基于方差降低比率的启发式度量和基于层次模型的形式化贝叶斯推断)的一致性强化了b5::1作为可靠默认配置的证据。Mecsek的轻微偏差(b3::1)反映了该多样森林对方差降低的更高敏感性,与森林情境决定平滑性能的总体结论相符。

**4.2 平滑器性能的生态驱动因素**

Forest是SG平滑器精度的首要驱动因素,而Species单独无显著效应,说明物种特异性状并非主导因素,林分尺度结构和群落特征是造成性能变异的主要来源。Gemenc在秋季物候期(9月12日)的显著精度增益归因于叶片衰老引起的冠层内光谱变异性增加,SG滤波有效缓解了该时期的冠层尺度光谱变异。相比之下,Mecsek在激进滤波下性能下降,因大窗口平滑过度抹除了用于物种区分的细微诊断特征,这与Vaiphasa(2006)关于光谱平滑可降低植被类别统计可分离性的发现一致。

仅Mecsek::有柄栎交互显著,证实物种影响通常从属于林分特征并受其调节。有柄栎在Mecsek的独特敏感性可能源于其特定光谱属性或在该多样冠层中的丰度。

**4.3 方法学灵活性与稳健平滑器识别**

72/81参数组合的非有效性表明参数选择具有实质性灵活性。尽管b5::1被识别为最稳健默认配置,但非有效平滑器的统计等价性意味着指定单一"最稳健"组合在概念上存在微妙性。

**研究结论:**

该研究旨在厘清研究地点(涵盖影像属性、物候期和气候条件)和物种组成对SG滤波处理高光谱影像进行物种水平分类精度的影响。通过测试81种SG参数组合,得出三项核心结论:(1)森林结构超越树种身份——SG平滑精度受林分尺度结构和群落特征的影响大于树种本身特性;(2)存在实质性参数灵活性——72/81参数组合统计等价,用户无需穷尽调参即可达近最优结果;(3)存在实用稳健默认配置——b5::1基于其持续高性能被推荐,但非有效平滑器的统计等价性使单一"最稳健"组合的界定具有概念微妙性。

该研究证明层次建模框架在评估遥感预处理技术中的价值。BHRM契合了数据嵌套结构,可同时处理主效应与交互作用。该框架不限于本研究条件,因其能处理复杂嵌套交互并校准弱信息先验,可部署于不同地理区域、森林结构或传感器规格的高光谱数据集。研究为异质森林中SG参数选择提供了实践指导,并为遥感预处理技术评估提供了灵活的分析模板。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号