EN中文

Tropical Geography >

2024 , Vol. 44 >Issue 9: 1702 - 1718

DOI: https://doi.org/10.13284/j.cnki.rddl.20231011

VNIR Characteristics of Rock Wall Hues at Danxia Mountain, Northern Guangdong, China

  • Guifang Zhang , 1, 2, 3 ,
  • Yumeng Ye 1 ,
  • Qiang Fu 1 ,
  • Hongwei Li 4 ,
  • Ke Zhang 1, 2, 3 ,
  • Zhijun Yang 1, 2, 3 ,
  • Tonghao Wang 1 ,
  • Feifan Lu 1
Expand
  • 1. School of Earth Science and Engineering, Sun Yat-sen University, Zhuhai 519082, China
  • 2. Guangdong Provincial Key Lab of Geological Processes and Mineral Resources, Zhuhai 519082, China
  • 3. Southern Marine Science and Engineering GuangdongLaboratory (Zhuhai), Zhuhai 519082, China
  • 4. Guangdong Geological Survey Institute, Guangzhou 510080, China

Received date: 2023-12-26

  Revised date: 2024-04-15

  Online published: 2024-09-05

Fold

Abstract

China's Danxia landforms are characterized by their indicative red color. Portable ground object spectrometers are widely used owing to their small size, ease of operation in the field, rapid measurements, and simple operation. In this study, we analyzed the characteristic parameters of the reflection spectra of the Danxia rock wall surfaces (i.e., red surfaces, orange surfaces, and pure white spots) and different types of plant cover, as well as their quantitative relationships with color tones, using the visible-near-infrared (VNIR) reflectance spectra of the rock walls. The results indicate that the absorption depths and areas of the red and orange surface samples were highly correlated at 525 and 500 nm, as were the redness and orangeness of the samples. The redness and orangeness of the indoor and outdoor samples were relatively consistent with the absorption depth and area growth rates; however, the indoor samples had larger absorption depth and area values. The absorption depth and area of the pure white spots at 530 nm was highly correlated with redness, but the red surface and pure white spot spectra exhibited considerably different redness values, absorption depths, and absorption areas at 525–530 nm. Thus, these are advantageous parameters for distinguishing between the two surface types. The absorption positions of the red surfaces, orange surfaces, and pure white spots in the visible spectrum differed considerably, which is likely related to changes in the iron mineral types and contents present in the strata. Compared to the red surface absorption position at 525 nm, that of the orange surface shifted in the shortwave direction to 500 nm, which may be related to lower hematite and higher goethite contents. The absorption of the pure white spots at 430 nm may be caused by their pyrite content. The absorption depths of black, blocky, and green plants at 670 nm were considerably correlated with Normalized Difference Vegetation Index(NDVI). The NDVI values and absorption depths of the three plant types had widely differing range distributions, which can serve as a basis for distinguishing among the three plant types. The absorption depths of non-white spot and white spot plant coverings at 670 nm also increased with increasing NDVI values. The absorption positions of pure white spots in the visible spectrum were 430, 530, and 690 nm. After plants attached to the white spots, the 430 nm absorption position disappeared while that at 530 nm shifted in the shortwave direction. The absorption position at 690 nm was converted into that of chlorophyll. This study provides a reference for quantitatively investigating the color tones of the Danxia rock walls using VNIR reflectance spectroscopy.

Key words： Danxia Mountain; VNIR; red rock walls; hue; NDVI; northern Guangdong

Cite this article

Guifang Zhang , Yumeng Ye , Qiang Fu , Hongwei Li , Ke Zhang , Zhijun Yang , Tonghao Wang , Feifan Lu . VNIR Characteristics of Rock Wall Hues at Danxia Mountain, Northern Guangdong, China[J]. Tropical Geography, 2024 , 44(9) : 1702 -1718 . DOI: 10.13284/j.cnki.rddl.20231011

丹霞地貌是指以陡崖坡为特征的红层地貌（彭华 等，2013），以“赤壁丹崖”为特征。目前，丹霞地貌研究涉及定义（郭福生 等，2020）、形态特征（郭福生 等，2011；刘江龙，2021）、分类系统（赵汀 等，2014；郭福生 等，2020）、分布规律（齐德利 等，2005）、发育阶段（章桂芳 等，2018）和演化因素（彭华 等，2013）等方面，近10年来，对丹霞地貌的研究也出现了一些定量‒半定量的分析（齐德利 等，2015；朱诚 等，2015；史月欣 等，2023；姜勇彪 等，2024），但对丹霞红层致色的基础和定量研究仍较为薄弱，本研究旨在探索丹霞地貌的色调特征与其矿物成分及外在表面植被覆盖之间的关系，推动对丹霞色调形成过程的科学理解。
丹霞地貌因“色如渥丹、灿若明霞”的赤壁丹崖而闻名，红色是丹霞地貌核心特征和重要标志。一般认为Fe元素是导致红层显色的主要元素（罗曦 等，2021），而赤铁矿是红层致色的主要矿物（Bensing et al., 2005; Xiao et al., 2018），丹霞山红层中的红棕色矿物主要由细粒赤铁矿组成并含有微量针铁矿，而红紫色矿物仅由赤铁矿组成（He et al., 2023）。在红层中还广泛发育灰白色晕斑，大小不一，在平面上形状近圆形（杨志军 等，2022），已有研究认同白斑形成于还原环境（谭艳 等，2015；杨志军 等，2022），有部分研究认为是赤铁矿被还原而形成白斑（谭艳 等，2015），也有部分研究认为白斑是由于红色矿物中的Fe3+被富含有机质组分或C-H相关大分子还原而形成（杨志军 等，2022）。
虽然红层中的矿物成分是决定红色色调的主要原因，但红层陡崖的物理和化学风化、表生低等植物的发育以及坡面流水和崩塌等地貌过程都会影响陡崖色调，从而影响丹霞地貌的景观效果。红色色调的显色强度实际上是反射光谱中红色波段相较于其他波段的反射程度，红色色调的鲜艳或者黯淡必然与光谱中红色波段的增强或者减弱有关。然而，目前少有研究从光谱学角度探讨丹霞山红色陡崖反射光谱的不同色调特征并进行相关因素分析。丹霞红层反射光谱本质是岩矿混合光谱，其受到碎屑物类型、矿物、粒度和胶结物等多种因素影响（王润生 等，2011；王延霞 等，2015；丁文清 等，2022），利用光谱的吸收特征参数如吸收深度、吸收波长位置等可以进行特征提取和岩矿识别（Crowley et al., 1989；许宁 等，2011）。不仅如此，自然的陡崖还会受到风化、淋滤与植被等外在因素的影响（Feng et al., 2018；王珊珊 等，2018；秦效荣 等，2020）。自然岩石表面附着生长的植被（地衣和苔藓）会改变混合光谱的曲线特征，如地衣会让某些矿物的吸收特征出现位移，但即使岩石表面完全被地衣覆盖，在混合光谱中仍能观察到矿物的光谱信息（Feng et al., 2013; Salehi et al., 2017）。有学者利用实验室高光谱数据计算岩石表面附着的地衣NDVI，发现地衣的反射曲线与高等植物相似（Karnieli et al., 1996）。
本研究拟通过实测丹霞山陡崖VNIR反射光谱数据，分析不同颜色的陡崖表面反射光谱特征与色调之间的定量关系，以及不同岩生植物覆盖表面的反射光谱特征，探索丹霞山陡崖的反射光谱特征与岩壁表面和植被覆盖之间的联动关系。以期通过光谱学分析，深化对丹霞地貌色调、矿物成分及岩生植物之间关系的理解，为丹霞地貌的定量研究提供新的视角和方法。

1 数据和处理

1.1　研究区域

丹霞山位于丹霞盆地，地处广东省粤北韶关市仁化县（图 1-a），是中国国家和世界地质公园、世界自然遗产地，也是丹霞地貌的命名地和丹霞研究的核心区。丹霞盆地内部主要由白垩系地层构成：下部的伞洞组为火山岩夹泥岩和粉砂岩（K1 s）和马梓坪组泥岩和泥质粉砂岩（K1 m）出露在盆地边缘，总厚度为700~1 100 m。上部的长坝组（K1-2 c）和丹霞组（K2 d）是白垩纪中晚期沉积的粗细相间的红层，总厚度约3 700 m。长坝组以软弱的粉砂岩和泥质岩为主，夹泥灰岩和石膏层，除局部有不高的陡崖坡外，多发育低缓的丘陵；丹霞组整合于长坝组之上，为洪—冲积扇、河流及风成沙丘相红色碎屑堆积地层（陈留勤 等，2019），以坚硬的砾岩和砂岩为主，水平或近水平产出，断裂及垂直节理发育。在流水和重力作用下，形成高数十米至数百米的赤壁丹崖，发育方山、石墙、石堡、石峰和石柱等典型丹霞地貌。丹霞组自下而上分为3段：下段为巴寨段（K2 d 1），岩性为褐红色块状砾岩、含砾砂岩，局部夹紫红色薄层状粉砂质泥岩；中段为锦石岩段（K2 d 2），为棕红、褐红色厚层长石砂岩，具大型板状、槽状交错层理，夹少量粉砂质泥岩、细砾岩和含砾砂岩，往往形成赤壁丹崖；上段为白寨顶段（K2 d 3），是一套棕红色砾岩、中—粗砂岩夹粉砂—细砂岩，顶部受到剥蚀。盆地中心通过的走向NNE的韶关—仁化断层带（图 1-b），为区域性大断层，对丹霞盆地的抬升与丹霞山的形成起主导作用，具有延伸长，切割深，活动时间长的特点。该断裂两侧还存在许多与主断裂平行的断裂（吴甲添 等，2001；陈留勤 等，2013）。
图1 丹霞山研究区域地质图（a. 研究区位置；b. 研究区地层图；c. 采样点分布图；d. 摩崖石刻采样剖面；e. 锦石岩寺采样剖面）

注：该图基于国家地理信息公共服务平台网站下载的审图号GS（2024）0650号的标准地图制作，底图无修改。

Fig.1 Geological maps of the Danxia Mountain research area(a. the location of the research area; b. the stratigraphic map of the study area;c. the distribution of sampling points; d&e. the measurement profiles of Moyashike and Jinshiyan Temple, respectively)

丹霞盆地位于南岭山脉中段，具有中亚热带向南亚热带过渡的季风性湿润气候特点，多年平均气温19.7℃，多年平均降雨量1 715 mm。丹霞山发育良好的亚热带常绿阔叶林，且在小尺度范围内生态系统复杂多样，在同一个山块上，山顶是旱生常绿阔叶－针叶林生态系统，崖壁上为苔藓、草本及藤木植物组成的干旱崖壁生态系统。丹霞红色陡崖少土壤、易侵蚀、灼热干旱的特点孕育了耐贫瘠、耐干旱、适应力强的丹霞岩生植物（彭华 等，2018），地衣和苔藓作为丹霞岩壁上分布最广泛的岩生植物，对岩壁的反射光谱具有不可忽视的影响。据研究，丹霞山共有苔藓植物170种，藓类植物比苔类植物更为丰富，藓类植物中以毛藓科（Ditrichaceae）、曲尾藓科（Dicranaceae）、白发藓科（Leucobryaceae）、凤尾藓科（Fissidentaceae）、缩叶藓科（Ptychomitriaceae）、卷柏藓科（Racopilaceae）、羽藓科（Thuidiaceae）等占主导地位（彭少麟 等，2011）；与丹霞山同处中亚热带的武夷山与丹霞山气候相似，且在地形地貌和植物科属上也较为相似（彭少麟 等，2011），武夷山地衣的优势科是梅衣科（Parmeliaceae）、娱衣科（Physciaceue）、肺衣科（Lobariaceae）、石蕊科（Claloniaceac）等（张恩然，2005），一些武夷山的地衣优势科在丹霞山可能同样分布广泛。本研究将对苔藓和地衣组成的丹霞岩生植被覆盖下的陡崖反射波谱特征进行讨论。

1.2　数据采集

本研究进行陡崖VNIR光谱数据采集的仪器为Spectral Evolution PSR+3500便携式地物光谱仪，便携式地物光谱仪由于体积小，便于在野外工作，且测量速度快，操作简单等优点，被广泛应用于各个领域。使用光纤探头采集光谱数据，光谱波长范围为350~2 500 nm，700 nm处光谱分辨率为2.8 nm，采样间隔为1.3 nm，1 500 nm处光谱分辨率为8 nm，采样间隔为3.5 nm，2 100 nm处光谱分辨率为6 nm，采样间隔为2.3 nm，最终对测定光谱进行1 nm的重采样，重采样后的波段数量为2 151个。项目组于2022年7和9月以及2023年7月多次前往丹霞山进行陡崖高光谱野外实测工作，选取丹霞山锦石岩寺、梦觉关、上天龙、福音峡、摩崖石刻、细美寨、玄机台、舵石、龙王泉与丹霞栈道等地的陡崖进行高光谱剖面测量（图1-c~e）。采样时天气晴朗，阳光充足，风力较小，采样时间段为T 10:00—14:00，采样人员穿深色衣物，采样时面向阳光避免阴影，保持岩样周围通视良好。每个点位获取高光谱反射曲线3~5条，取算数平均值作为该点最终反射光谱曲线。进行室外VNIR光谱采集的同时，采集岩石样品43个进行室内光谱数据采集。采样点位分布和描述如图1-c和表1所示。
表1 丹霞山陡崖野外VNIR光谱数据采集情况及数量

Table 1 Collection and quantity of VNIR spectral data in the field of Danxia Mountain area

采集地 天气 地物类型 地层

采集

点位数

 采集数量/个

红色

表面

橘色

表面

纯净

白斑

岩生

植物

 非白斑岩生植物覆盖

白斑岩生

植物覆盖
长老峰 晴转多云

砂岩，细砂岩，砾岩，

苔藓，地衣

 丹霞组第二段（K2 d 2） 133 21 40 — 19 41 12
丹霞组第三段（K2 d 3） 23 2 — — — 10 11
巴寨 晴 细砂岩，地衣 丹霞组第二段（K2 d 2） 6 5 — — — 1 —
阳元山 多云转晴 细砂岩，苔藓，地衣 丹霞组第三段（K2 d 3） 67 14 — — 12 25 16
景区周边 多云转晴 细砂岩，粉砂岩 丹霞组第一段（K2 d 1） 21 12 — 6 3 — —
根据陡崖表面的色调和岩生植物覆盖程度的不同，将样点分为6类：红色表面、橘色表面、纯净白斑、岩生植物、非白斑岩生植物覆盖和白斑岩生植物覆盖（图 2）。其中，红色表面、橘色表面和纯净白斑所在样品多为均一的砂岩，在肉眼上有明显色调区别，表面无植被附着；岩生植物样品的岩壁表面被植物严密覆盖，本研究将岩生植物分为黑色岩生植物，块状岩生植物与绿色岩生植物3类；非白斑岩生植物覆盖的样品为红色表面附着黑色鳞片状岩生植物；白斑岩生植物覆盖的样品为白斑表面附着黑色鳞片状岩生植物。
图2 不同类型的陡崖表面

● 反射光谱采集位置

Fig.2 Different types of rock wall surfaces

实验室高光谱采集也使用Spectral Evolution PSR+3500便携式地物光谱仪，使用光纤探头采集光谱数据，采用50W卤素灯作为光源，为降低测量过程中周围环境的影响，远离窗户、墙壁等对光线有较大影响的物体，在暗室环境中测量，采样人员同样穿着深色衣物。开始前对光谱仪进行白板校正，对每个采集的样本直接测量3~5次，剔除异常值，以算数平均值作为该样本的实测光谱值。

1.3　数据处理

1.3.1　数据预处理

为减小噪声的影响并获取光谱中的有用信息，先对实测高光谱反射谱线进行预处理，预处理包括掩膜、平滑和去包络线等。
1）用于照明的卤素灯辐射能量集中在400~2 500 nm（Prasad et al., 2015；汪恩良 等，2020），所以对300~399 nm区间做掩膜。为方便野外光谱与实验室光谱的对比，对野外光谱的300~399 nm谱段也相应进行掩膜处理。
2）在完成噪声谱段掩膜后采用Savitzky-Golay法对反射光谱曲线进行平滑处理，该方法基于最小二乘法，能最大限度保留光谱有用信息（Wang et al., 2015; Hou et al., 2019; Duranovich et al., 2020）。
3）去包络线（Continuum Removal, CR）是Clark和Roush（1984）在1984年提出的曲线处理方法，是一种常见的光谱增强方法，可放大光谱的吸收特征，计算原理为（Rodger and Cudahy, 2009）：
R C R λ = R λ R c λ
式中： R λ是原始反射率光谱； R c ( λ )是包络线光谱； R C R ( λ )是去除包络线光谱。

1.3.2　色调定量

为定量表征丹霞山陡崖反射色调，探讨陡崖显色色调特征，以经过平滑处理后的实测高光谱反射数据为基础数据，开展陡崖反射色调的定量研究。结合丹霞山研究区红层陡崖特征及前人对陡崖反射色调的研究（彭华 等，2013；罗曦 等，2021），以可见光波段（400~760 nm）的反射波谱为基础，按不同色调的波谱显色区间划分为红色（630~760 nm）、橘色（590~630 nm）、黄色（560~590 nm）、绿色（490~560 nm）、蓝色（450~490 nm）和紫色（400~450 nm）。以各色调区间波段反射率之和除以整个可见光波段反射率之和（Li and Cai, 2013），得到该色调的强度。计算原理为：
c o l o r n e s s i = S U M r e f i S U M r e f v i s                                        
式中：SUM（ref i ）代表色调i对应波段区间的反射率之和；SUM（refvis）代表可见光波段区间的反射率之和；colorness i 代表色调i的计算结果，值域为0~1，值越高代表该色调的反射强度越高，色调显示越强烈。

1.3.3　NDVI计算

归一化植被指数NDVI（Normalized difference vegetation index）（Rouse et al., 1974）是植被信息提取的常用指标，基于近红外波段与红光波段的反射率的波段运算获得，植被不同的生长状态对应的光谱特征也不相同，计算出的NDVI也有差别（Jensen, 2015），NDVI公式为：
N D V I = N I R - R / N I R + R                          
式中：NIR为近红外波段反射率；R为红光波段反射率；NDVI的值域范围为[-1, 1]，植被生长状况越好值越高。
已有研究中，在计算NDVI过程中对红光波段与近红外波段的选取有较大差异，红光波段可选取630、650、660、670和693 nm等，近红外波段选取780、800、810、820、850、862与870 nm等（Teillet et al., 1997; Bronson et al., 2005; Ren et al., 2011；房世波 等，2011；蒋金豹 等，2013）。考虑到丹霞山陡崖多发育苔藓与地衣，且不同植物在近红外峰值和红光谷值对应的波长所在位置可能存在偏差，参考已有研究并对实际采集的高光谱进行初步分析后，采用810和670 nm波段的反射率作为近红外和红光波段的反射率进行NDVI值的计算，进而分析NDVI与吸收深度的关系。通过NDVI阈值分割，将非白斑岩生植物覆盖与白斑岩生植物覆盖进行分类，探索陡崖上岩生植物NDVI变化以及岩生植物与不同陡崖色调综合后对波谱特征的影响。

1.3.4　特征参数提取

预处理之后的反射光谱曲线采用以下特征参数描述吸收特征：吸收波长位置（P），吸收深度（D）及特征吸收谷的吸收面积（A）。其中，吸收波长位置可以确定岩石中矿物的成分类别，而吸收深度与吸收面积与岩石中的矿物成分存在定量关系（Gaffey, 1987; Kruse, 1988; Gomez et al., 2008；丛丽娟 等，2013；王建刚 等，2020；孟先强 等，2020）。计算公式为（贺倩 等，2019）：
A = ∫ λ s t a r t λ e n d C R                                                                   
D = 1 - C R m i n                                                             
P = λ C R m i n                                                                      
式中： λ s t a r t、 λ e n d为吸收谷起始点和终点对应波长； C R m i n为包络线去除后光谱吸收谷内的最小值； λ ( C R m i n )为吸收谷内去除包络线后最小值对应的波长。

2 结果分析

2.1　六类表面光谱特征

由于本研究主要关注陡崖反射光谱特征与陡崖色调之间的关系，因此，主要讨论可见光和近红外（VNIR）波段的吸收特征参数，波长范围为400~1 300 nm。将原始光谱曲线去除包络线，去除包络线后的反射光谱曲线吸收特征得到放大，选取6类表面的典型反射波谱曲线（图3），并对其吸收位置进行统计：6类反射波谱在520 nm附近、670 nm附近、940 nm附近具有较为显著的吸收特征；相比其他4类表面，岩生植物额外在410 nm处具有吸收谷，纯净白斑在430 nm处具有吸收谷。
图3 不同陡崖表面去包络线反射光谱曲线

Fig.3 Continuum-removed reflectance curves of various surfaces

2.2　岩生植物与光谱特征

丹霞山陡崖多覆盖植被，有些样点被岩生植物完全覆盖，称为岩生植物样点，有些样点部分岩生植物覆盖，根据其陡崖色调分为非白斑岩生植物覆盖与白斑岩生植物覆盖。岩生植物的存在必然会影响光谱的反射曲线，因此，按照不同的岩生植物覆盖类型（岩生植物、非白斑岩生植物覆盖与白斑岩生植物覆盖）基于样品的反射光谱特征，显示不同岩生植物覆盖下的反射光谱曲线特征。

2.2.1　岩生植物类

采集的陡崖植物样品共34个（表1），参考已有研究将岩生植物按照表面形态与颜色分类（Morison et al., 2014），将岩生植物分为黑色岩生植物、块状岩生植物与绿色岩生植物3类（图4）。其中，黑色岩生植物外观颜色为黑灰色，具有粗糙的鳞片状纹理；块状岩生植物颜色为黄绿色，斑块状分布，与周围环境有明显边界；绿色岩生植物大面积的成片生长在岩石表面，外观为海绿色，边界不明显。对比3类岩生植物反射波谱曲线（见图4），在可见光波段，3类岩生植物在670 nm处具有最显著的吸收特征，块状岩生植物在500 nm有一个次吸收谷，部分曲线在410 nm左右也出现较小的吸收谷，绿色岩生植物在480 nm处有一个次吸收谷。
图4 三类岩生植物去包络线反射光谱曲线

Fig.4 Continuum-removed reflectance curves of three types of rock plants

2.2.2　非白斑岩生植物覆盖类

计算所有的非白斑岩生植物覆盖类的NDVI值，其分布在0.14~0.45，以0.24为阈值，将非白斑岩生植物覆盖分为岩生植物发育类与岩生植物不发育类。2类非白斑岩生植物覆盖类的反射波谱曲线如图 5所示，2类曲线在可见光波段呈现2个吸收谷，分别在515 nm左右和670 nm，可明显看出，表面岩生植物发育类在515 nm附近处的吸收深度小于表面岩生植物不发育类，在670 nm处的吸收深度则大于表面岩生植物不发育类。
图5 两类非白斑岩生植物覆盖的去包络线反射光谱曲线

Fig.5 Continuum-removed reflectance curves for surfaces cover by plants of non-white spot

2.2.3　白斑岩生植物覆盖类

在丹霞山陡崖的白斑发育处，有时也会长有岩生植物，因此对白斑岩生植物覆盖的样品的NDVI值进行计算，其值域分布在0.11~0.25。以0.15为阈值，将白斑岩生植物覆盖类分为表面岩生植物发育白斑类与表面岩生植物不发育白斑类（图 6），2类白斑岩生植物覆盖类样点在520与670 nm左右都有较显著的吸收特征，且表面岩生植物发育白斑类在2处的吸收深度均大于表面岩生植物不发育白斑类。比较发现，纯净白斑在可见光部分的吸收位置在430、530与690 nm，白斑表面附着植被后，430 nm处的吸收特征消失，530与690 nm处的吸收特征向短波方向移动。
图6 两类白斑岩生植物覆盖的去包络线反射光谱曲线

Fig.6 Continuum-removed reflectance curves for surfaces covered by plants of white spot

3 讨论

3.1　色调与光谱特征

为对比不同色调的陡崖表面的反射光谱特征，将红色表面、橘色表面与纯净白斑在可见光波段的反射光谱吸收特征参数与定量色调进行分析。

3.1.1　红色表面

分析145个红色表面样品的红度值与红色表面在各个吸收谷的特征参数可知，红色表面样品红度值与其在525 nm左右的吸收谷的吸收深度与吸收面积具有很强的相关性（图7）：红色表面的红度值为0.45~0.58，吸收深度为0.12~0.47，吸收面积的分布范围为13.00~65.01；不管室内样品还是室外实测样品，随着样品红度值的增高，吸收深度和吸收面积都随之升高，相关性超过0.88，且2类样品的红度与吸收深度和吸收面积的增长率较为一致；相比室外样品，室内样品在525 nm处具有更大的吸收深度和吸收面积；室外样品红度值与525 nm左右的吸收谷的吸收深度（0.91 vs. 0.89）与吸收面积（0.93 vs. 0.89）的相关性要稍高于室内
图7 红色表面红度与吸收特征参数的相关性分析

Fig.7 Correlation analysis between redness and absorption feature parameters on red surfaces

样品。

3.1.2　橘色表面

采集的橘色表面样点共56个，分析橘色表面样品的橘度值与橘色表面在各个吸收谷的特征参数可知，橘色表面样品橘度值与其在500 nm左右的吸收谷的吸收深度与吸收面积具有很强的相关性（图8）：橘色表面样品的橘度值分布在0.12~0.16，吸收深度在0.13~0.56，吸收面积则分布在15.24~78.01；室内外样品随着橘度值的增高，吸收深度和吸收面积随之升高的关系较显著，且2类样品的橘度与吸收深度和吸收面积的增长率也较为一致，室外样品的相关性分别为0.87和0.83，室内样品的相关性较弱，分别为0.69和0.55；与红色样品类似，橘色室内样品整体在500 nm处具有更大的吸收深度和吸收面积。
图 8 橘色表面橘度与吸收特征参数的相关性分析

Fig.8 Correlation analysis between orangeness and absorption feature parameters on orange surfaces

3.1.3　纯净白斑

共采集纯净白斑样点21个，对其反射光谱进行预处理后，所有样点的反射光谱在可见光有3个吸收位置，分别在430、530与690 nm左右。530 nm处属于红色波段，因此首先尝试分析纯净白斑样品的红度值与其在530 nm处的吸收深度和吸收面积之间的关系。由图9可知，纯净白斑样品的红度值分布在0.39~0.46，吸收深度的值域为0.02~0.11，吸收面积值域为0.76~13.71；室内测量的白斑样品的吸收深度均值为0.06，吸收面积为5.79，普遍高于室外样品（分别为0.03和2.73）；随着红度值的增高，吸收深度和吸收面积都随着增长，室内白斑样品的红度值与吸收深度和吸收面积的相关性（R 2）分别为0.87和0.88，由于室外样品数量较少，并未对其做相关性分析。
图9 纯净白斑红度与吸收特征参数相关性分析

Fig.9 Correlation analysis between redness and absorption feature parameters on pure white spot

对比发现，白斑样品的红度值平均值（0.42）小于红色表面样品（0.53）；白斑样品在530 nm处的吸收深度和吸收面积也与红色表面有明显差距：白斑的吸收深度的最大值为0.11，而红色表面的吸收深度最小值为0.12；红色表面的吸收面积最小值为13.00，平均值为43.40，而白斑吸收面积的最大值为13.71，平均值为4.26。因此，红色表面和纯净白斑的反射光谱在红度值、525~530 nm处的吸收深度和吸收面积上都具有截然的差异，是区分这2类表面的有利参数。
另外，3类不同色调的样品在室内样品和室外样品的结果上均有一定差异性，在室外条件下测得的陡崖光谱数据受到温度、太阳高度角、湿度和太阳辐射强度变化等因素的影响（Lagacherie et al., 2008；陈宇波 等，2020），而室内测量使用的卤素灯因为能量低于太阳辐射能量（汪恩良 等，2020），这可能导致室内结果相关性低于室外。Ogen等（2021）对比了实验室光谱数据与野外光谱数据的分类精度，结果表明实验室分类精度为68.1%，野外测量数据分类精度为100%；陈睿华等（2022）分别用野外和室内光谱数据建模，发现野外数据反演精度更高，但也有学者发现野外受环境影响更大，精度较实验室结果低（Shonk et al., 1991; Kooistra et al., 2004; Morgan et al., 2009）。

3.1.4　对含铁矿物的指示

各种铁氧化物有各自的吸收特征，标准赤铁矿的吸收位置在520 nm左右，在混入针铁矿后吸收位置会向短波方向移动，针铁矿越多，移动的距离越长（Hunt et al., 1971; Sherman and Waite, 1985; Meng et al., 2023）。对红色表面、橘色表面和纯净白斑在400~700 nm的吸收位置进行分析后发现，红色表面吸收位置在525 nm左右（图10），与赤铁矿标准谱线吸收位置相近；橘色表面吸收位置在500 nm左右，与标准赤铁矿的吸收位置相比，向短波方向移动了20 nm左右，据He等（2023）研究，当丹霞岩壁色调红紫色（即本文的红色表面）向红棕色（即本文的橘色表面）变化时，其对应的致色矿物由赤铁矿转为赤铁矿与针铁矿并存。综上判断，橘色表面吸收位置较红色表面向短波方向的移动有可能是由于针铁矿增多而赤铁矿相应减少引起的。纯净白斑的吸收位置在430和530 nm附近，但非常微弱，室外样品的平均吸收深度仅有0.01和0.03。据已有研究，白斑的矿物组成并未发现有明显的赤铁矿与针铁矿存在（杨志军 等，2022），与本研究白斑在530 nm处有关赤铁矿的吸收特征几乎消失相吻合。纯净白斑在430 nm的吸收特征也是Fe2+的特征吸收位置（燕守勋 等，2003），而前人也在白斑矿物成分中发现黄铁矿的存在（杨志军 等，2022），因此推测纯净白斑在430 nm处的吸收特征由Fe2+引起，而在红色表面与橘色表面没有发现相应的430 nm（Fe2+）的吸收位置，推测在白斑的形成过程中Fe3+被还原成Fe2+，这与已有研究认为白斑是在还原环境下形成的认识（谭艳 等，2015；杨志军 等，2022）相符。
图10 红色表面、橘色表面与纯净白斑在400~700 nm的吸收位置

Fig.10 Red surface, orange surface, and pure white spot at absorption positions of 400~700 nm

3.2　岩生植物NDVI与光谱特征

3.2.1　岩生植物类NDVI与光谱特征

计算3类岩生植物样品的NDVI值后，分析各吸收谷的特征参数与NDVI的相关性，发现NDVI与670 nm处的吸收深度有较强相关性，如图11所示，岩生植物的NDVI值分布在0.20~0.49，吸收深度分布在0.24~0.58，黑色岩生植物与块状岩生植物和绿色岩生植物的NDVI值和吸收深度在值域分布上都具有较大差异，可作为岩生植物类型的区分依据：黑色岩生植物的NDVI值整体偏低，最大值仅为0.32，块状岩生植物的NDVI值最高，最大值为0.49，绿色岩生植物NDVI值介于两者之间，最大值为0.45；3类岩生植物在670 nm处的吸收深度值域与其各自的NDVI值域分布规律一致，黑色岩生植物吸收深度与NDVI增长率最为缓慢。再者，3类地衣在670 nm处的吸收深度与NDVI呈现明显的正相关关系，其相关性都超过0.9，相关性最高的为块状岩生植物（R 2=0.99）。
图11 岩生植物NDVI与吸收深度相关性

Fig.11 Correlation between NDVI and absorption depth for rock plants

3类岩生植物在670 nm附近有吸收特征（见图4），据前人研究大多数地衣在光谱特征上都有接近叶绿素的吸收，而叶绿素b的特征谷也分布在670 nm附近（Bechtel et al., 2002; Li et al., 2020）。地衣在可见光-近红外区域的光谱特征具有高度多样性（Rikkinen, 1994），块状岩生植物和绿色岩生植物在500 nm附近的吸收位置显示一些维管植物特征（Bechtel et al., 2002），而块状地衣在410 nm的吸收特征可能受到其他色素的影响（Guzmán et al., 2020）。

3.2.2　非白斑岩生植物覆盖类NDVI与光谱特征

分析各吸收谷的特征参数与NDVI的相关性，发现NDVI与670 nm处的吸收深度有较强相关性，对其进行相关性分析（图12），2类非白斑岩生植物覆盖的吸收深度在0.07~0.48变化，随着NDVI值增大，其吸收深度也相应增加。同时发现，2类非白斑岩生植物覆盖的NDVI值与670 nm的吸收深度的相关关系一致，R 2达到0.92。
图12 非白斑岩生植物覆盖NDVI与吸收深度相关性

Fig.12 Correlation between NDVI and absorption depth for surfaces cover by plants of non-white spot

3.2.3　白斑岩生植物覆盖类NDVI与光谱特征

分析各吸收谷的特征参数与NDVI的相关性，发现NDVI与670 nm处的吸收深度有较强相关性，对其进行相关性分析，如图13所示，2类白斑岩生植物覆盖的吸收深度在0.03~0.24变化，随着NDVI值增大，其吸收深度也相应增加。同时发现，两类白斑岩生植物覆盖的NDVI值与670 nm的吸收深度的相关关系一致，R 2达到0.90。
图13 白斑岩生植物覆盖类NDVI与吸收深度相关性

Fig.13 Correlation between NDVI and absorption depth for surfaces covered by plants of white spot

纯净白斑在可见光部分的吸收位置在430、530与690 nm（见图3-c），白斑岩生植物覆盖类的吸收位置520和670 nm附近（见图6）。纯净白斑在430 nm的吸收深度很浅，白斑表面附着植被后，受到表面植被的影响430 nm处的吸收特征消失，在被地衣等植被覆盖后530 nm的吸收特征像短波方向位移到520 nm，已有研究也表明在附着地衣后会让矿物的吸收位置发生偏移（Salehi et al., 2017），纯净白斑在690 nm的吸收特征在附着植被后变为叶绿素的吸收特征。

4 结论

本研究利用便携式光谱仪实测6类丹霞山陡崖表面的VNIR反射波谱曲线，分析了红色表面类、橘色表面类与纯净白斑类样品的吸收特征参数与定量色调之间的关系，以及岩生植物类、非白斑岩生植物覆盖类与白斑岩生植物覆盖类样品的吸收特征与NDVI的相关性，获得以下结论：
1）红色表面和橘色表面样品在525和500 nm处的吸收深度、吸收面积与红度和橘度之间的相关性显著：随着样品红度值的增高，红色表面类样品在525 nm处的吸收深度和吸收面积都随之升高，其相关性超过0.88，室内外2类样品的红度与吸收深度和吸收面积的增长率较为一致，且室内样品具有更大的吸收深度和吸收面积；随着橘度值的增高，橘色表面类样品在500 nm处吸收深度和吸收面积随之升高，相关性显著，且室内外2类样品的橘度与吸收深度和吸收面积的增长率也较为一致，与红色样品类似，室内样品具有更大的吸收深度和吸收面积。纯净白斑在530 nm处的吸收深度、吸收面积与红度具有较高的相关性。红色表面和纯净白斑的反射光谱在红度值、525~530 nm处的吸收深度和吸收面积上都具有截然的差异，是区分这2类表面的有利参数。
2）红色表面、橘色表面和纯净白斑在可见光波段的吸收位置具有显著不同，可能与这3类地层中的含铁矿物种类及含量的变化有关：相比红色表面吸收位置在525 nm处，橘色表面吸收位置则向短波方向移动至500 nm处，推测是与赤铁矿的含量降低而针铁矿含量相应增多有关；纯净白斑的波谱特征显示其几乎不含赤铁矿，在430 nm处的吸收可能由黄铁矿引起，与前人研究相吻合。
3）黑色岩生植物、块状岩生植物和绿色岩生植物在670 nm处的吸收深度与NDVI的相关性显著，3类岩生植物的NDVI值和吸收深度在值域分布上具有较大差异，可作为3类岩生植物类型的区分依据。非白斑岩生植物覆盖类在515 nm左右和670 nm处具有吸收特征，且其在670 nm处的吸收深度随着NDVI值增大而增加。白斑岩生植物覆盖类在520与670 nm左右有较显著的吸收特征，且其在670 nm处的吸收深度也随着NDVI值增大而增加。
4）纯净白斑在可见光部分的吸收位置在430、530与690 nm，当白斑表面附着植被后，430 nm处的吸收特征消失，530 nm处的吸收特征向短波方向移动，690 nm的吸收特征转换为叶绿素的吸收特征。

章桂芳：论文选题和构思，实验方案设计，论文主体框架撰写；

叶雨朦：光谱数据采集、整理和处理，论文撰写；

傅 强：定量色调计算；

李宏卫：基础地质数据提供，结果讨论；

张 珂：论文选题方向指导，结果讨论；

王同皓、陆非凡：光谱数据采集。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Bechtel R, Rivard B, and Sánchez-Azofeifa A. 2002. Spectral Properties of Foliose and Crustose Lichens Based on Laboratory Experiments. Remote Sensing of Environment, 82(2): 389-396.

Bensing J P, Mozley P S, and Dunbar N W. 2005. Importance of Clay in Iron Transport and Sediment Reddening: Evidence from Reduction Features of the Abo Formation, New Mexico, U.S.A. Journal of Sedimentary Research, 75(4): 562-571.

Bronson K F, Booker J D, Keeling J W, Boman R K, Wheeler T A, Lascano R J, and Nichols R L.2005. Cotton Canopy Reflectance at Landscape Scale as Affected by Nitrogen Fertilization. Agronomy Journal, 97(3): 654-660.

陈留勤，郭福生，梁伟，蒋星波. 2013. 江西抚崇盆地上白垩统河口组砾石统计特征及其地质意义. 现代地质，27（3）：568-576.

Chen Liuqin, Guo Fusheng, Liang Wei, and Jiang Xingbo. 2013. Gravel Fabric Characteristics of the Upper Cretaceous Hekou Formation in Fuzhou-Chongren Basin, Jiangxi and the Geological significance. Geoscience, 27(3): 568-576.

陈留勤，李鹏程，郭福生，刘鑫，李馨敏. 2019. 粤北丹霞盆地晚白垩世丹霞组沉积相及古气候意义. 沉积学报，37（1）：17-29.

Chen Liuqin, Li Pengcheng, Guo Fusheng, Liu Xin, and Li Xinmin. 2019. Facies Analysis and Paleoclimate lmplications of the Late Cretaceous Danxia Formation in the Danxia Basin, Northern Guangdong Province, South China. Acta Sedimentologica Sinica, 37(1): 17-29.

陈睿华，尚天浩，张俊华，王怡婧，贾科利. 2022. 不同光谱类型对银川平原土壤含盐量反演精度的影响与校正. 应用生态学报，33（4）：922-930.

Chen Ruihua, Shang Tianhao, Zhang Junhua, Wang Yijing, and Jia Keli. 2022. Effects of Different Spectra Types on the Accuracy and Correction of Soil Saltcontent Inversion in Yinchuan Plain, China. Chinese Journal of Applied Ecology, 33(4): 922-930.

陈宇波，薛云，邹滨，文益民，周松林. 2020. 有色金属矿区土壤铬污染遥感反演研究. 中南大学学报（自然科学版），51（10）：2876-2884.

Chen Yubo, Xue Yun, Zou Bin, Wen Yimin, and Zhou Songlin. 2020. Research on Remote Sensing Retrieval of Soil Chromium Pollution in Nonferrous Metal Mining Area. Journal of Central South University(Science and Technology), 51(10): 2876-2884.

Clark R N and Roush T L. 1984. Reflectance Spectroscopy: Quantitative Analysis Techniques for Remote Sensing Applications. Journal of Geophysical Research: Solid Earth, 89(B7): 6329-6340.

丛丽娟，岑况，余学中，黄增芳，冷福荣. 2013. 朱拉扎嘎金矿区地物光谱特征与地球化学成分之间的关系. 中南大学学报（自然科学版），44（1）：266-274.

Cong Lijuan, Cen Kuang, Yu Xuezhong, Huang Zengfang, and Leng Furong. 2013. Relationship between Spectral Characteristics and Geochemical Composition of Zhulazhaga Gold Deposit. Journal of Central South University(Science and Technology), 44(1): 266-274.

Crowley J K, Brickey D W, and Rowan L C. 1989. Airborne Imaging Spectrometer Data of the Ruby Mountains, Montana: Mineral Discrimination Using Relative Absorption Band-Depth Images. Remote Sensing of Environment, 29(2): 121-134.

丁文清，丁林. 2022. 岩矿高光谱遥感及其在青藏高原的应用前景. 地质科学，57（3）：924-944.

Ding Wenqing and Ding Lin. 2022. Hyperspectral Remote Sensing of Rock and Mineral and Its Application Prospects on the Tibetan Plateau. Chinese Journal of Geology, 57(3): 924-944.

Duranovich F N, Yule I J, Lopez-Villalobos N, Shadbolt N M, Draganova I, and Morris S T. 2020. Using Proximal Hyperspectral Sensing to Predict Herbage Nutritive Value for Dairy Farming. Agronomy, 10(11): 1826.

房世波，张新时. 2011. 苔藓结皮影响干旱半干旱植被指数的稳定性.光谱学与光谱分析，31（3）：780-783.

Fang Shibo and Zhang Xinshi. 2011. Impact of Moss Soil Crust on Vegetation Indexes Interpretation. Spectroscopy and Spectral Analysis, 31(3): 780-783.

Feng J, Rivard B, Rogge D, and Sánchez-Azofeifa A. 2013. The Longwave Infrared (3-14 μm) Spectral Properties of Rock Encrusting Lichens Based on Laboratory Spectra and Airborne SEBASS Imagery. Remote Sensing of Environment, 131: 173-181.

Feng J, Rogge D, and Rivard B. 2018. Comparison of Lithological Mapping Results from Airborne Hyperspectral VNIR-SWIR, LWIR and Combined Data. International Journal of Applied Earth Observation and Geoinformation, 64: 340-353.

Gaffey S J. 1987. Spectral Reflectance of Carbonate Minerals in the Visible and Near Infrared (0.35-2.55 µm): Anhydrous Carbonate Minerals. Journal of Geophysical Research: Solid Earth, 92(B2): 1429-1440.

Gomez C, Lagacherie P, and Coulouma G. 2008. Continuum Removal Versus PLSR Method for Clay and Calcium Carbonate Content Estimation from Laboratory and Airborne Hyperspectral Measurements. Geoderma, 148(2): 141-148.

郭福生，陈留勤，严兆彬，刘富军，潘志新，张炜强，胡海平. 2020. 丹霞地貌定义、分类及丹霞作用研究. 地质学报，94（2）：361-374.

Guo Fusheng, Chen Liuqin, Yan Zhaobin, Liu Fujun, Pan Zhixin, Zhang Weiqiang, and Hu Haiping. 2020. Definition, Classification, and Danxianization of Danxia Landscapes. Acta Geologica Sinica, 94(2): 361-374.

郭福生，姜勇彪，胡中华，刘林清，李虹. 2011. 龙虎山世界地质公园丹霞地貌成景系统特征及其演化. 山地学报，29（2）：195-201.

Guo Fusheng, Jiang Yongbiao, Hu Zhonghua, Liu Linqing, and Li Hong. 2011. Evolution and Genesis System Features of Danxia Lanform in Longhushan World Geopark. Mountain Research, 29(2): 195-201.

Guzmán Q J A, Laakso K, López-Rodríguez J C, Rivard B, and Sánchez-Azofeifa G A. 2020. Using Visible-Near-Infrared Spectroscopy to Classify Lichens at a Neotropical Dry Forest. Ecological Indicators, 111: 105999.

贺倩，姬鑫慧，洪宇辰. 2019. 入侵杂草紫茎泽兰的高光谱特征提取和分析. 科技创新与应用，（7）：44-47.

He Qian, Ji Xinhui, and Hong Yuchen. 2019. Hyperspectral Feature Extraction and Analysis of the Invasive Eupatorium Adenophorum. Technology Innovation and Application, (7): 44-47.

He W, Yang Z, Hu J, Zhang K, and Li H. 2023. Color Origin of Red Beds within the Danxia Basin, Southern China. Minerals, 13(8): 1054.

Hou L, Li X, and Li F. 2019. Hyperspectral-Based Inversion of Heavy Metal Content in the Soil of Coal Mining Areas. Journal of Environmental Quality, 48(1): 57-63.

Hunt G, Salisbury J, and Lenhoff C. 1971. Visible and Near-Infrared Spectra of Mineral and Rocks, 3. Oxides and Hydroxides. Modern Geology, 2: 195-205.

Shonk J L, Gaultney L D, Schulze D G, and Scoyoc G E V. 1991. Spectroscopic Sensing of Soil Organic Matter Content. Transactions of the ASAE, 34(5): 1978-1984.

Jensen J R. 2015. Introductory Digital Image Processing: A Remote Sensing Perspective. USA: Prentice Hall Press.

姜勇彪，郭福生，黎广荣，李蓉，楼法生，汪震，陈留勤，郄海满，闫罗彬，李益朝，凡秀君. 2024. 江西丹霞地貌演化阶段与分布及其构造控制探讨. 地质论评，70（1）：44-58.

Jiang Yongbiao, Guo Fusheng, Li Guangrong, Li Rong, Lou Fasheng, Wang Zhen, Chen Liuqin, Xi Haiman, Yan Luobin, Li Yichao, and Fan Xiujun. 2024. Study on the Evolution of Danxia Landform in Jiangxi Province and Its Structural Factors. Geological Review, 70(1): 44-58.

蒋金豹，Michael D Steven，何汝艳，蔡庆空. 2013. 水浸胁迫下植被高光谱遥感识别模型对比分析. 光谱学与光谱分析，33（11）：3106-3110.

Jiang Jinbao, Michael D Steven, He Ruyan, and Cai Qingkong. 2013. Comparison and Analysis of Hyperspectral Remote Sensing Ldentifiable Models for Different Vegetation under Waterlogging Stress. Spectroscopy and Spectral Analysis, 33(11): 3106-3110.

Karnieli A, Shachak M, Tsoar H, Zaady E, Kaufman Y, Danin A, and Porter W.1996. The Effect of Microphytes on the Spectral Reflectance of Vegetation in Semiarid Regions. Remote Sensing of Environment, 57(2): 88-96.

Kooistra L, Salas E A L, Clevers J G P W, Wehrens R, Leuven R S E W, Nienhuis P H, and Buydens L M C. 2004. Exploring Field Vegetation Reflectance as an Indicator of Soil Contamination in River Floodplains. Environmental Pollution, 127(2): 281-290.

Kruse F A. 1988. Use of Airborne Imaging Spectrometer Data to Map Minerals Associated with Hydrothermally Altered Rocks in the Northern Grapevine Mountains, Nevada, and California. Remote Sensing of Environment, 24(1): 31-51.

Lagacherie P, Baret F, Feret J B, Madeira Netto J, and Robbez-Masson J M.2008. Estimation of Soil Clay and Calcium Carbonate Using Laboratory, Field and Airborne Hyperspectral Measurements. Remote Sensing of Environment, 112(3): 825-835.

Li H, Wei Zh, Wang X, and Xu F. 2020. Spectral Characteristics of Reclaimed Vegetation in a Rare Earth Mine and Analysis of its Correlation with the Chlorophyll Content. Journal of Applied Spectroscopy, 87(3): 553-562.

Li X and Cai Y.2013. Constraining the Colouration Mechanisms of Cretaceous Oceanic Red Beds Using Diffuse Reflectance Spectroscopy. Cretaceous Research, 46: 257-266.

刘江龙. 2021. 湖南崀山丹霞地貌景观特征及其世界自然遗产价值. 商业经济，（12）：151-153.

Liu Jianglong. 2021. Landform and Landscape Characteristics of Danxia in Langshan, Hunan Province and Its World Natural Heritage Value. Business ＆ Economy, (12): 151-153.

罗曦，杨志军，张珂，王汉雨，都衡恒，何旺. 2021. 广东丹霞山红色成因的矿物学研究. 矿物学报，41（6）：704-712.

Luo Xi, Yang Zhijun, Zhang Ke, Du Hengheng, and He Wang. 2021. A Mineralogical Study on the Genesis of Red Color of the Danxia Mountain in Guangdong Province. Acta Mineralogica Sinica, 41(6): 704-712.

Meng X, Li G K, Long X, Li S, and Ji J K. 2023. Quantifying Soil Goethite/Hematite Ratios: A New Method Based on Diffuse Reflectance Spectra. Geophysical Research Letters,50(8): e2022GL102280.

孟先强，季峻峰. 2020. 一种漫反射光谱定量沉积物中针铁矿与赤铁矿比值的方法：CN202010556006.2. 2020-08-18.

Meng Xianqiang and Ji Junfeng. 2020. A Method for Quantifying the Ratio of Goethite to Hematite in Sediments Using Diffuse Reflectance Spectroscopy: CN202010556006.2. 2020-08-18.

Morgan C L S, Waiser T H, Brown D J, and Hallmark C T. 2009. Simulated in Situ Characterization of Soil Organic and Inorganic Carbon with Visible Near-Infrared Diffuse Reflectance Spectroscopy. Geoderma, 151(3): 249-256.

Morison M, Cloutis E, and Mann P. 2014. Spectral Unmixing of Multiple Lichen Species and Underlying Substrate. International Journal of Remote Sensing, 35(2): 478-492.

彭华，潘志新，闫罗彬，Scott Simonson. 2013. 国内外红层与丹霞地貌研究述评. 地理学报，68（9）：1170-1181.

Peng Hua, Pan Zhixin, Yan Luobin, and Scott S. 2013. A Review of the Research on Red Beds and Danxia Landform. Acta Geographica Sinica, 68(9): 1170-1181.

Ogen Y, Denk M, Glaesser C, Eichstaedt H, Kahnt R, Loeser R, Suppes R, Chimeddorj M, Tsedenbaljir T, Alyeksandr U, and Oyunbuyan T. 2021. Quantification of the Spectral Variability of Ore-Bearing Granodiorite under Supervised and Semisupervised Conditions: An Upscaling Approach. Journal of Spectroscopy, 2021: e2580827.

彭华，刘盼，张桂.2018. 中国东南部丹霞地貌区小尺度植被分异结构研究. 地理科学，38（6）：944-953.

Peng Hua, Liu Pan and Zhang Guihua.2018. Small Scale Vegetation Differentiation Structure in Danxia Landforms, Southeast China. Scientia Geographica Sinica, 38(6): 944-953.

彭少麟，廖文波，李贞，贾凤龙，王英永，常弘，曾曙才，金建华，辛国荣，陈宝明，侯荣丰. 2011. 广东丹霞山动植物资源综合科学考察. 北京：科学出版社.

Peng Shaolin, Liao Wenbo, Li Zhen, Jia Fenglong, Wang Yingyong, Chang Hong, Zeng Shucai, Jin Jianhua, Xin Guorong, Chen Baoming, and Hou Rongfeng. 2011. Comprehensive Scientific Investigation of Animal and Plant Resources in Danxia Mountain, Guangdong. Beijing: Science Press.

Prasad K A, Gnanappazham L, Selvam V, Ramasubramanian R, and Kar C S. 2015. Developing a Spectral Library of Mangrove Species of Indian East Coast Using Field Spectroscopy. Geocarto International, 30(5): 580-599.

齐德利，于蓉，张忍顺，葛云健，李加林. 2005. 中国丹霞地貌空间格局. 地理学报，15（1）：41-52.

Qi Deli, Yu Rong, Zhang Renshun, Ge Yunjian, and Li Jialin. 2005. On the Spatial Pattern of Danxia Landform in China. Acta Geographica Sinica, 15(1): 41-52.

齐德利，陈致均，王随继，王志华，景福怀. 2015. 崆峒山丹霞地貌地层归属演化及地貌年龄. 山地学报，33（4）：408-415.

Qi Deli, Chen Zhijun, Wang Suji, Wang Zhihua, and Jing Fuhuai. 2015.Stratigraphic Classification, Evolution Stage and Geomorphologic Age of Kongtongshan Danxia Landform in Pingliang, Gansu, China. Mountain Research, 33(4): 408-415.

秦效荣，姚玉增，何宏平，谭伟，马灵涯，孙一凡，王春来，黄健. 2020. 广东梅州花岗岩风化壳剖面的可见光-短波红外反射光谱特征及其对风化强度的指示. 地球化学，49（4）：422-434.

Qin Xiaorong, Yao Yuzeng, He Hongping, Tan Wei, Ma Lingya, Sun Yifan, Wang Chunlai, and Huang Jian. 2020. Visible to Shortwave-Infrared Spectroscopic Characteristics and Weathering Intensity Indicators of a Weathering-Crust-Type REE Deposit in Granite Bedrock, from Meizhou, Guangdong Province. Geochimica, 49(4): 422-434.

Ren H, Zhou G, and Zhang X, 2011. Estimation of Green Aboveground Biomass of Desert Steppe in Inner Mongolia Based on Red-Edge Reflectance Curve Area Method. Biosystems Engineering, 109(4): 385-395.

Rikkinen J. 1994.What's behind the Pretty Colours: A Study on the Photobiology of Lichens. The Bryologist, 99(3): 375.

Rodger A and Cudahy T. 2009. Vegetation Corrected Continuum Depths at 2.20µm: An Approach for Hyperspectral Sensors. Remote Sensing of Environment, 113(10): 2243-2257.

Rouse J W, Haas R H, Schell J A, and Deering D W. 1974. Monitoring Vegetation Systems in the Great Plains with ERTS In: Freden S C, Mercanti E P, Becker M. Proceedings 3rd Earth Resources Technology Satellite (ERTS) Symposium. Washington D C: NASA, SP-351.

Salehi S, Rogge D, Rivard B, Heincke B.H, and Fensholt R. 2017. Modeling and Assessment of Wavelength Displacements of Characteristic Absorption Features of Common Rock Forming Minerals Encrusted by Lichens. Remote Sensing of Environment, 199: 78-92.

Sherman D M and Waite T D, 1985. Electronic Spectra of Fe3+ Oxides and Oxide Hydroxides in the Near IR to Near UV. American Mineralogist, 70(11): 1262-1269.

史月欣，陈留勤，杜丁丁，柴乐，王子涵. 2023. 丹霞山陡坡上风化洞穴的基本特征及成因探讨. 热带地理，43（1）：103-114.

Shi Yuexin, Chen Liugin, Du Dingding, Chai Le, and Wang Zihan. 2023. Basic Characteristics and Genesis of Cavernous Weathering Features on the Steep Slopes of Danxia Landscape in Danxiashan UNESCO Global Geopark. Tropical Geography, 43(1): 103-114.

谭艳，朱诚，吴立，孙伟，王晓翠，贾天骄，彭华，侯荣丰. 2015. 广东丹霞山砂岩蜂窝状洞穴及白斑成因. 山地学报，33（3）：279-287.

Tan Yan, Zhu Cheng, Wu Li, Sun Wei, Wang Xiaocui, Jia Tianjiao, Peng Hua, and Hong Rongfeng.2015. Geomophogensis on Sandstone Honeycombs and White Spot in the Mt. Danxiashan,Guangdong Province, South China. Mountain Research, 33(3): 279-287.

Teillet P M, Staenz K, and William D J.1997. Effects of Spectral, Spatial, and Radiometric Characteristics on Remote Sensing Vegetation Indices of Forested Regions. Remote Sensing of Environment, 61(1): 139-149.

汪恩良，于俊，韩红卫，许春光，胡胜博.2020. 室内辐照试验用太阳模拟器设计. 东北农业大学学报，51（12）：90-98.

Wang Enliang, Yu Jun, Han Hongwei, Xu Chunguang, and Hu Shengbo. 2020. Design of a Solar Simulator for Indoor Irradiation Experiments. Journal of Northeast Agricultural University, 51(12): 90-98.

Wang H, Peng J, Xie C, Bao Y, and He Y. 2015. Fruit Quality Evaluation Using Spectroscopy Technology: A Review. Sensors, 15(5): 11889-11927.

王建刚，叶发旺，邱骏挺，孟树，张川. 2020. 遥感岩性识别分类研究. 世界核地质科学，37（1）：10-22.

Wang Jiangang, Ye Fawang, Qiu Junting, Meng Shu, and Zhang Chuan. 2020. Review on Remote Sensing Method for the Identification and Classification of Lithology. World Nuclear Geoscience, 37(1): 10-22.

王润生，熊盛青，聂洪峰，梁树能，齐泽荣，杨金中，闫柏琨，赵福岳，范景辉，童立强，林键，甘甫平，陈微，杨苏明，张瑞江，葛大庆，张晓坤，张振华，王品清，郭小方，李丽. 2011. 遥感地质勘查技术与应用研究. 地质学报，85（11）：1699-1743.

Wang Runsheng, Xiong Shengqing, Nie Hongfeng, Liang Shuneng, Qi Zerong, Yang Jinzhong, Yan Baikun, Zhao Fuyue, Fan Jinghui, Tong Liqiang, Lin Jian, Gan Fuping, Chen Wei, Yang Suming, Zhang Ruijiang, Ge Daging, Zhang Xiaokun, Zhang Zhenhua, Wang Pinqing, Guo Xiaofang, and Li Li. 2011. Remote Sensing Technology and Its Application in Geological Exploration. Acta Geologica Sinica, 85(11): 1699-1743.

王珊珊，周可法，周曙光，陈艺超. 2018. 风化面、荒漠漆及地衣在岩矿表面对高光谱遥感的影响. 地质科学，53（2）：739-748.

Wang Shanshan, Zhou Kefa, Zhou Shuguang, and Chen Yichao. 2018. Effects of Weathering, Desert-Varnish and Lichens of Rock Surface on Hyperspectral Remote Sensing. Chinese Journal of Geology, 53(2): 739-748.

王延霞，吴见，周亮广，侯兰功，王岽，曹敏.2015. 不同粒度条件下矿物光谱变化分析. 光谱学与光谱分析，35（3）：803-808.

Wang Yanxia, Wu Jian, Zhou Liangguang, Hou Langing, Wang Dong, and Cao Min. 2015. Mineral Spectrum Change Analysis under the Conditions of Different Particle Size. Spectroscopy and Spectral Analysis, 35(3): 803-808.

吴甲添，刘建雄，廖示庭. 2001. 丹霞盆地地质特征和演化. 中国区域地质，（3）：274-279.

Wu Jiatian, Liu Jianxiong, and Liao Shiting. 2001. Geological Characteristics, Evolution of the Danxia Basin. Geological Bulletin of China,(3): 274-279.

Xiao Y, Li Y, Ding H, Li Y, and Lu A. 2018. The Fine Characterization and Potential Photocatalytic Effect of Semiconducting Metal Minerals in Danxia Landforms. Minerals, 8(12): 554.

许宁，胡玉新，雷斌，洪友堂，党福星. 2011. 基于改进光谱特征拟合算法的高光谱数据矿物信息提取. 光谱学与光谱分析，31（6）：1639-1643.

Xu Ning, Hu Yuxin, Lei Bin, Hong Youtang, and Dang Fuxing. 2011. Mineral Information Extraction for Hyperspectral Image Based on Modified Spectral Feature Fitting Algorithm. Spectroscopy and Spectral Analysis, 31(6): 1639-1643.

燕守勋，张兵，赵永超，郑兰芬，童庆禧，杨凯. 2003. 矿物与岩石的可见—近红外光谱特性综述. 遥感技术与应用，（4）：191-201.

Yan Shouxun, Zhang Bin, Zhao Yongchao, Zheng Lanfen, Tong Qingxi, and Yang Kai. 2003. Summarizing the VlS-NlR Spectra of Minerals and Rocks. Remote Sensing Technology and Application, (4): 191-201.

杨志军，都衡恒，罗曦，张珂，何旺，刘逸，毛梦嫒. 2022. 广东丹霞山红色岩层中白斑成因的矿物学研究. 矿产与地质，36（1）：129-137.

Yang Zhijun, Du Hengheng, Luo Xi, Zhang Ke, He Wang, Liu Yi, and Mao Mengyuan. 2022. Mineralogy Study on the Origin of White Spots in the Red Strata of Danxia Mountain, Guangdong. Mineral Resources and Geology, 36(1): 129-137.

张恩然. 2005. 武夷山地衣区系的初步研究. 济南：山东师范大学.

Zhang Enran. 2005. The Primary Study on the Flora of Mt. Wuyi. Ji'nan: Shandong Normal University.

章桂芳，陈凯伦，张浩然，张慧. 2018. 基于DEM的丹霞地貌演化阶段划分. 中山大学学报（自然科学版），57（2）：12-21.

Zhang Guifang, Chen Kailun, Zhang Haoran, and Zhang Hui. 2018. The Evolution Stage Decision of Danxia Landform Based on Digital Elevation Model (DEM). Acta Scientiarum Naturalium Universitatis Sunyatseni, 57(2): 12-21.

赵汀，赵逊，彭华，侯荣丰. 2014. 关于丹霞地貌概念和分类的探讨. 地球学报，35（3）：375-382.

Zhao Ting, Zhao Xun, Peng Hua, and Hou Rongfeng. 2014. A Tentative Discussion on the Definition and Classification of Danxia Landform. Acta Geoscientica Sinica, 35(3): 375-382.

朱诚，吴立，朱同新，侯荣丰，胡智农，谭艳，孙伟，贾天骄，彭华. 2015. 华南丹霞山地区丹霞造景地貌成因实验地貌学研究（英文）. 地理学报，25（8）：943-966.

Zhu Cheng, Wu Li, Zhu Tongxin, Hou Rongfeng, Hu Zhinong, Tan Yan, Sun Wei, Jia Tianjiao, and Peng Hua. 2015. Experimental Studies on the Danxia Landscape Morphogenesis in Mt. Danxiashan, South China. Journal of Geographical Sciences, 25(8): 943-966.

Options
Outlines

/

〈 〉