基于HJ-1影像與地形因子的竹資源專(zhuān)題信息提取研究

高遠(yuǎn)，劉健，4，余坤勇，顧林彬，王卿

(1.福建農(nóng)林大學(xué)3S技術(shù)應(yīng)用研究所，福州 350002；2.福建農(nóng)林大學(xué) 林學(xué)院，福州 350002；3.福建省資源環(huán)境監(jiān)測(cè)與可持續(xù)經(jīng)營(yíng)利用重點(diǎn)實(shí)驗(yàn)室，福州 350002；4.三明學(xué)院，福建 三明 365000)

1 引 言

竹子是一種十分重要的森林資源，在生態(tài)系統(tǒng)中發(fā)揮中不可替代的作用。現(xiàn)在全球已知的竹子約有150屬，1225種。隨著不可再生資源的不斷消耗和生態(tài)環(huán)境的日益嚴(yán)峻，合理、有效地利用竹資源具有重大意義。我國(guó)的竹資源豐富，在湖南、江西、福建、云南和四川都有大量不同種類(lèi)的竹子分布，竹資源的面積和株數(shù)總量的調(diào)查和監(jiān)測(cè)主要依賴(lài)傳統(tǒng)的一類(lèi)調(diào)查和二類(lèi)調(diào)查，難度大、費(fèi)用高，不利用實(shí)時(shí)了解竹資源的發(fā)展?fàn)顩r。遙感技術(shù)作為一種準(zhǔn)確、客觀、及時(shí)獲取信息的手段，具有宏觀、動(dòng)態(tài)、便捷、可重復(fù)的特點(diǎn)，廣泛應(yīng)用于氣象、海洋、農(nóng)林、水電、交通、軍事等多個(gè)領(lǐng)域[1]。將其應(yīng)用于竹資源的調(diào)查和監(jiān)測(cè)，有利于竹資源的合理發(fā)展和開(kāi)發(fā)。

目前，利用遙感技術(shù)進(jìn)行竹資源專(zhuān)題信息提取方面日漸成熟，丁麗霞等[2]利用TM和SPOT遙感影像，采用目視解譯和圖像勾繪的方法，得出天目山國(guó)家級(jí)自然保護(hù)區(qū)毛竹林信息。顏梅春等[3]通過(guò)計(jì)算IKONOS圖像灰度共生矩陣合灰度聯(lián)合矩陣方法進(jìn)行竹林信息提取。余坤勇等[4]以ALOS影像為數(shù)據(jù)源，提出“基于光譜片層—面向紋理類(lèi)”的竹資源專(zhuān)題信息提取技術(shù)。劉健等[5]以ALOS影像為數(shù)據(jù)源，探討不同地形條件下，竹林與其他林地的紋理差異，構(gòu)建竹資源專(zhuān)題信息提取的紋理特征量。現(xiàn)有研究多采用TM、SPOT、ALOS、IKONOS等衛(wèi)星影像作為數(shù)據(jù)源研究竹資源專(zhuān)題信息提取。但是，這些數(shù)據(jù)源多存在獲取困難，尤其是時(shí)間分辨率低等問(wèn)題。竹資源多分布于南方地區(qū)，多云多雨天氣頻發(fā)，為獲取成像效果佳的影像，需要數(shù)據(jù)源影像具有較高的時(shí)間分辨率。HJ-1影像數(shù)據(jù)空間分辨率達(dá)30m，且A、B兩星結(jié)合的重訪(fǎng)周期為2d，幅寬大、監(jiān)測(cè)范圍廣是日常監(jiān)測(cè)較好的數(shù)據(jù)源[6]。HJ-1多光譜影像具有時(shí)間分辨率高、數(shù)據(jù)容易獲取等特點(diǎn)，有利于進(jìn)行大面積竹資源信息提取。王羲程等[7]采用結(jié)合地形因子的方法提取濕地信息。馮益明等[8]通過(guò)DEM數(shù)據(jù)排除干擾信息，進(jìn)行戈壁信息的提取。喬艷雯等[9]結(jié)合地形因子對(duì)淡水沼澤地信息進(jìn)行提取，得到滿(mǎn)意效果。吳見(jiàn)等[10]通過(guò)研究不同地形條件下的植被指數(shù)模型，很好地提取出植被蓋度信息。諸多學(xué)者在進(jìn)行專(zhuān)題信息提取時(shí)都考慮地形因子的影響，而竹資源多分布于地形情況復(fù)雜的南方山地丘陵地區(qū)，且在海拔400m～1000m范圍內(nèi)分布廣泛，而且HJ-1多光譜影像的空間分辨率只有30m，因此對(duì)竹資源專(zhuān)題信息進(jìn)行提取時(shí)應(yīng)考慮地形因子的影響。本研究著眼于南方山地丘陵地貌竹資源專(zhuān)題信息的提取，以永安市HJ-1多光譜影像為數(shù)據(jù)源，探討地形因子對(duì)竹資源專(zhuān)題信息提取的影響，以期提高竹資源專(zhuān)題信息的提取精度，為竹資源的合理規(guī)劃和可持續(xù)利用提供參考。

2 研究區(qū)概況

永安市位于福建省中部偏西，地處閩中大谷地南端，地理坐標(biāo)介于116°56′E～117°47′E，25°33′N(xiāo)～26°12′N(xiāo)之間。永安市素有“九山半水半分田”之稱(chēng)，也是全國(guó)南方重點(diǎn)林區(qū)縣(市)之一。全市現(xiàn)有林業(yè)用地2550km2，森林覆蓋率83.2%，森林總蓄積量21400000m3，位居福建省首位。永安屬中亞熱帶南緣季風(fēng)氣候，年平均氣溫19.2℃，年降水量1600mm，地貌80%以上為中低山丘陵，境內(nèi)地形復(fù)雜，溪河密布，生態(tài)環(huán)境多樣，適宜各種生物資源的繁衍與生長(zhǎng)，加上長(zhǎng)期以來(lái)植被保護(hù)相對(duì)較好，竹子資源十分豐富。現(xiàn)已查清，全市共有竹種15屬76種，其中毛竹林面積70余萬(wàn)畝，位居福建省第二位，農(nóng)民人均擁有毛竹面積2400m2，居全國(guó)首位。

3 資料收集與影像預(yù)處理

衛(wèi)星數(shù)據(jù)是經(jīng)中國(guó)資源衛(wèi)星應(yīng)用中心(http：//www.cresda.com) 獲取2009年12月24日的HJ-1-A影像圖，其他基礎(chǔ)數(shù)據(jù)包括永安市1∶10 000地形圖、2008年永安市林業(yè)小班基本圖、永安市行政區(qū)劃邊界圖。

對(duì)影像數(shù)據(jù)進(jìn)行FLAASH模型大氣校正，大氣校正是HJ-1星多光譜數(shù)據(jù)進(jìn)行定量分析和信息提取的基礎(chǔ)。地表反射率數(shù)據(jù)質(zhì)量決定了其衍生信息的精度、質(zhì)量與可用性[6]。得到4個(gè)波段的地表反射率數(shù)據(jù)后，進(jìn)行裁剪、幾何校正等，其中幾何校正是在環(huán)境星影像上選取清晰的河流岔口、道路等作為待測(cè)校正點(diǎn)，誤差控制在1個(gè)象元之內(nèi)，如圖1所示。

圖1 預(yù)處理后的永安市影像

4 方法與結(jié)果

4.1 林地專(zhuān)題信息提取

本研究針對(duì)竹資源專(zhuān)題信息提取，為排除水體、居民地、交通用地等非林地信息的干擾，首先將林地遙感影像分割出來(lái)。林地信息提取的方法較多，為達(dá)到較高精度的林地信息提取，本研究采用歸一化差值植被指數(shù)，較為準(zhǔn)確地提取出林地信息，通過(guò)掩膜技術(shù)得到永安市的林地遙感影像(圖2)。

4.2 地形因子的提取

研究區(qū)域?yàn)榈湫偷哪戏缴降厍鹆甑孛玻诖朔N地貌情況下，地形與氣候條件復(fù)雜，“同物異譜”和“異物同譜”現(xiàn)象廣泛存在，嚴(yán)重影響竹資源專(zhuān)題信息的提取精度。本文通過(guò)對(duì)地形因子分級(jí)，探討不同地形因子對(duì)竹資源專(zhuān)題信息提取的影響。地形因子分級(jí)時(shí)應(yīng)既能體現(xiàn)研究區(qū)地形特征，又能反映自然規(guī)律[11-12]。利用提取出的地形因子與竹資源分布圖進(jìn)行對(duì)比，發(fā)現(xiàn)海拔400m以下、1200m以上和0°～5°平坡地形條件下竹資源分布稀少，本文不予考慮，得到圖3遙感影像。只考慮400m～600m、600m～800m、800m～1000m、1000m～1200m 等4種海拔和緩坡、斜坡、陡坡和險(xiǎn)坡等地形因子，為方便分析將4種海拔條件分別命名為海拔1、2、3、4。根據(jù)研究區(qū)的實(shí)際情況和相關(guān)標(biāo)準(zhǔn)劃分的地形因子如表1所示。

表1 地形因子分級(jí)

圖2 永安市林地影像

圖3 掩膜后的林地影像

4.3 單一地形因子對(duì)竹資源光譜反射率的影響分析

根據(jù)表1的地形因子劃分，分析單一的地形條件對(duì)竹資源在HJ-1多光譜影像的光譜特征的影響，隨機(jī)選取100個(gè)竹林小班，轉(zhuǎn)換為點(diǎn)，讀取不同地形條件下的竹資源光譜反射率，求取均值繪制曲線(xiàn)圖，如圖4、圖5、圖6所示。

從圖4可以看出，影像前3個(gè)波段的反射率值較低，變化不大；第4波段反射率差異加大，其反射率變化規(guī)律為陽(yáng)坡反射率>半陽(yáng)坡反射率>半陰坡反射率>陰坡反射率。不同坡向條件下，竹資源光譜反射率變化的原因是，不同坡向竹資源受太陽(yáng)輻射程度不同，陽(yáng)坡>半陽(yáng)坡>半陰坡>半陰坡，從而導(dǎo)致陽(yáng)坡反射率>半陽(yáng)坡反射率>半陰坡反射率>陰坡反射率。圖5中影像第4波段反射率海拔1<海拔2<海拔3<海拔4，且海拔1與海拔2的光譜反射率接近，海拔3與海拔4的光譜反射率接近，不同海拔條件下，竹資源光譜反射率變化的原因是，不同海拔竹資源受太陽(yáng)輻射強(qiáng)度不同，導(dǎo)致反射率存在差異，海拔越高，反射率越大。圖6表明不同坡度條件下光譜反射率曲線(xiàn)近似相同，主要由于坡度對(duì)竹資源接受的太陽(yáng)輻射強(qiáng)度影響不大，進(jìn)而說(shuō)明，坡度條件對(duì)竹資源專(zhuān)題信息的提取影響很小。

圖4 不同坡向條件下竹的光譜反射率

圖5 不同海拔條件下竹的光譜反射率

圖6 不同坡度條件下竹的光譜反射率

圖7 復(fù)合地形條件下竹的光譜反射率

4.4 復(fù)合地形條件下竹資源的光譜反射

從4.3節(jié)的分析可以看出，海拔1和海拔2、海拔3和海拔4的光譜反射率接近，因此進(jìn)行整合，生成海拔a和海拔b；坡度對(duì)竹資源的光譜反射率影響很小，在此暫不考慮。通過(guò)對(duì)竹資源在不同坡向、海拔、坡度等地形條件下光譜反射率曲線(xiàn)的觀察發(fā)現(xiàn)，陽(yáng)坡、陰坡、半陽(yáng)坡、半陰坡、海拔a、海拔b等地形條件下，竹資源的光譜反射率差異明顯，為了進(jìn)一步解析地形因子對(duì)竹資源專(zhuān)題信息提取的影響，進(jìn)行地形因子的復(fù)合，生成8組，分別是a陽(yáng)、a陰、a半陽(yáng)、a半陰、b陽(yáng)、b陰、b半陽(yáng)、b半陰，地形因子組合如表2所示。

根據(jù)表2復(fù)合地形因子的組合，分析復(fù)合地形條件對(duì)竹資源在HJ-1多光譜影像光譜特征的影響，隨機(jī)選取100竹林小班，轉(zhuǎn)換為點(diǎn)，讀取出竹資源的光譜反射率，求取均值繪制曲線(xiàn)(圖7)。從圖7中可以看出，第1波段，在海拔a與b的范圍內(nèi)，不僅同一坡向條件下海拔a范圍內(nèi)的竹反射率大，而且b范圍內(nèi)的陰坡面竹的反射率都大于a范圍內(nèi)的陽(yáng)坡反射率；第2、3波段，在海拔a與b的范圍內(nèi)，同一坡向條件下海拔a范圍內(nèi)的竹反射率都大于b范圍；第4波段，在海拔a與b的范圍內(nèi)，同一坡向條件下，海拔a范圍的反射率小于b范圍的反射率，以上說(shuō)明，海拔和坡向是影響竹資源光譜反射率變化的主要因素，8種地形情況下的竹資源光譜反射率差異明顯。

表2 地形因子組合

4.5 基于地形因子輔助的竹資源專(zhuān)題信息提取

4.5.1 竹資源專(zhuān)題信息提取

為進(jìn)一步證明地形因子對(duì)竹資源專(zhuān)題信息提取的影響，采用最大似然法結(jié)合地形因子輔助分類(lèi)和單純依靠光譜分類(lèi)分別進(jìn)行竹資源專(zhuān)題信息的提取。最大似然法基于貝葉斯準(zhǔn)則，在統(tǒng)計(jì)學(xué)上具有較小的錯(cuò)分概率，是一種常用的監(jiān)督分類(lèi)方法。假定訓(xùn)練樣本數(shù)據(jù)在光譜空間的分布是服從高斯正態(tài)分布的，然后通過(guò)計(jì)算像元屬于各類(lèi)別的概率，將像元?dú)w為概率最大的一類(lèi)[13]。

單純依靠光譜分類(lèi)的竹資源專(zhuān)題信息提取方法是采用最大似然法對(duì)圖3的影像進(jìn)行竹資源專(zhuān)題信息提取，生成竹資源專(zhuān)題信息分類(lèi)圖(圖8)。結(jié)合地形因子輔助分類(lèi)的竹資源專(zhuān)題信息提取的方法是將圖3的影像按照8個(gè)地形因子分為8片，分別采用最大似然法提取竹資源專(zhuān)題信息，結(jié)果疊加，生成竹資源專(zhuān)題信息分類(lèi)圖(圖9)。

圖8 單純依靠光譜竹資源分類(lèi)圖

圖9 地形因子輔助竹資源分類(lèi)圖

4.5.2 精度評(píng)價(jià)

采用精度評(píng)估法分別對(duì)以上兩種情況下竹資源專(zhuān)題信息的提取結(jié)果進(jìn)行評(píng)價(jià)，選取200個(gè)隨機(jī)點(diǎn)，其中100個(gè)竹林，賦值1，100個(gè)非竹林，賦值0。誤差矩陣如表3所示。

表3 竹資源信息提取誤差矩陣

從表3可以看出，直接光譜分類(lèi)下，75個(gè)竹林樣點(diǎn)中有48個(gè)被正確劃分，另有27個(gè)被誤分，125個(gè)非竹林樣點(diǎn)中有73個(gè)被正確劃分，剩余52個(gè)被誤分，分類(lèi)精度60.50%；地形因子輔助分類(lèi)下，77個(gè)竹林樣點(diǎn)中有63個(gè)被正確劃分，另有14個(gè)被誤分，123個(gè)非竹林樣點(diǎn)中有86個(gè)被正確劃分，剩余37個(gè)被誤分，分類(lèi)精度74.50%。地形因子輔助分類(lèi)比單純依靠光譜，總分類(lèi)精度高14.00%，Kappa系數(shù)高0.32，說(shuō)明地形因子對(duì)竹資源專(zhuān)題信息提取具有很大的影響，不可忽略。從分類(lèi)結(jié)果圖看，分類(lèi)圖5中的安砂鎮(zhèn)、槐南鄉(xiāng)和青水鄉(xiāng)大部分被錯(cuò)分為竹資源，而分類(lèi)圖4中的安砂鎮(zhèn)、槐南鄉(xiāng)和青水鄉(xiāng)被錯(cuò)分為竹資源的部分明顯少于分類(lèi)圖5；分類(lèi)圖5中，實(shí)際竹資源分布集中的貢川鎮(zhèn)、上坪鄉(xiāng)、洪田鎮(zhèn)存在漏分現(xiàn)象，而分類(lèi)圖4中貢川鎮(zhèn)、上坪鄉(xiāng)、洪田鎮(zhèn)的竹資源基本被提取出來(lái)。

綜合可以看出，通過(guò)光譜反射率曲線(xiàn)、竹資源專(zhuān)題信息提取精度、分類(lèi)結(jié)果圖相互結(jié)合對(duì)比，證明地形因子對(duì)竹資源專(zhuān)題信息的提取具有不可忽略的影響，南方地區(qū)提取竹資源專(zhuān)題信息時(shí)，應(yīng)考慮地形因子輔助分類(lèi)，進(jìn)而提高分類(lèi)精度。

5 結(jié)束語(yǔ)

大量研究表明，在“同物異譜”和“異物同譜”問(wèn)題較為嚴(yán)重的區(qū)域，單純利用光譜信息難以有效地提取出竹資源專(zhuān)題信息[14]。本研究以永安市DEM數(shù)據(jù)和HJ-1多光譜影像作為數(shù)據(jù)源，探討地形因子對(duì)竹資源專(zhuān)題信息提取的影響。通過(guò)研究單一地形因子對(duì)竹資源光譜反射率的影響，發(fā)現(xiàn)海拔、坡向?qū)χ褓Y源的光譜反射率變化具有較大影響，而坡度對(duì)其影響輕微；通過(guò)復(fù)合地形條件下竹資源光譜反射率變化發(fā)現(xiàn)，海拔400m～800m和800m～1200m內(nèi)的陽(yáng)坡、半陽(yáng)坡、陰坡、半陰坡的光譜反射率差異最為明顯。在此研究基礎(chǔ)上，采用最大似然法對(duì)竹資源專(zhuān)題信息進(jìn)行提取，結(jié)合地形因子輔助分類(lèi)的精度比單純依靠光譜分類(lèi)的精度高14.00%，Kappa系數(shù)高0.32，說(shuō)明地形因子對(duì)竹資源專(zhuān)題信息提取具有重要影響，輔助分類(lèi)可以良好地改進(jìn)信息提取精度，幫助解決遙感影像自身存在的“同物異譜”和“異物同譜”問(wèn)題。

基于遙感技術(shù)對(duì)南方丘陵地區(qū)進(jìn)行竹資源專(zhuān)題信息提取，涉及因素眾多，研究中尚存在不足之處。地形因子在分級(jí)過(guò)程中存在主觀因素，坡度、海拔、坡向等地形因子的劃分還較簡(jiǎn)單，導(dǎo)致提取結(jié)果與實(shí)際情況相比存在誤差，誤差原因主要是多提取；由于HJ-1多光譜影像的數(shù)據(jù)穩(wěn)定性原因，導(dǎo)致單純依靠光譜信息進(jìn)行竹資源的專(zhuān)題信息提取，精度難以達(dá)到理想程度，為進(jìn)一步提高分類(lèi)精度，需要探討竹資源在影像中的紋理特征，這也是下一步研究的重點(diǎn)。

參考文獻(xiàn)：

[1] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003.

[2] 丁麗霞，王祖良，周?chē)?guó)模，等.天目山國(guó)家級(jí)自然保護(hù)區(qū)毛竹林?jǐn)U張遙感監(jiān)測(cè)[J].浙江林學(xué)院學(xué)報(bào)，2006，23(3)：297-300.

[3] 顏梅春，張友靜，鮑艷松.基于灰度共生矩陣法的IKONOS影像中竹林信息提取[J].遙感信息，2004，(2)：31-34.

[4] 余坤勇，許章華，劉健，等.“基于片層-面向類(lèi)”的竹林信息提取算法與應(yīng)用分析[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，51(1)：89-95.

[5] 劉健，余坤勇，許章華，等.竹資源專(zhuān)題信息提取紋理特征量構(gòu)建研究[J].遙感信息，2010，(6)：87-94.

[6] 梁益同，萬(wàn)君.基于HJ-1A/B-CCD影像的湖北省冬小麥和油菜分布信息的提取方法[J].中國(guó)農(nóng)業(yè)氣象，2012，33(4)：573-578.

[7] 王羲程，曹廣超，張富玲，等.結(jié)合TM影像和DEM兩種數(shù)據(jù)源的青藏高原濕地提取方法[J].測(cè)繪科學(xué)，2013，38(4)：40-42.

[8] 馮益明，智長(zhǎng)貴，姚愛(ài)冬.基于決策樹(shù)的戈壁信息提取研究[J].干旱區(qū)地理，2013，36(1)：125-130.

[9] 喬艷雯，臧淑英，那曉東.基于決策樹(shù)方法的淡水沼澤濕地信息提取——以扎龍濕地為例[J].中國(guó)農(nóng)學(xué)通報(bào)，2013，29(8)：169-174.

[10] 吳見(jiàn)，劉民士，李偉濤.不同地形條件下植被蓋度信息提取技術(shù)研究[J].植物生態(tài)學(xué)報(bào)，2013，37(1)：18-25.

[11] 馮朝陽(yáng)，于勇，高吉喜，等.地形因子對(duì)京西門(mén)頭溝區(qū)土地利用/覆蓋變化的影響[J].山地學(xué)報(bào)，2007，25(3)：274-279.

[12] 黎景良，后斌，危雙峰，等.基于DEM的廣東省山區(qū)土地利用變化分析[J].測(cè)繪通報(bào)，2007，(6)：53-57.

[13] HELMI Z M，AFFENDI S，SHATTRI M.The performance of maximum likelihood，spectral angle mapper，neural network and decision tree classifiers in hyperspectral image analysis[J].Journal of Computer Science，2007，3(6)：419-423.

[14] 余坤勇，劉健，許章華，等.南方地區(qū)竹資源專(zhuān)題信息提取研究[J].遙感技術(shù)與應(yīng)用，2009，24(4)：449-455.