多元信息支持的巖溶區土地利用信息提取方法構建

張鳳太, 趙衛權

(1.貴州師范學院 地理與旅游學院,貴陽 5500032; 2.貴州科學院 山地資源研究所, 貴陽 550018)

多元信息支持的巖溶區土地利用信息提取方法構建

張鳳太1, 趙衛權2

(1.貴州師范學院 地理與旅游學院,貴陽 5500032; 2.貴州科學院 山地資源研究所, 貴陽 550018)

土地利用信息是重要的基礎數據，其準確程度將對其后續應用工作的結果產生重要影響。巖溶區地形復雜、地表覆蓋類型多樣，使用目視解譯和傳統監督分類的方法都存在一定的局限。通過結合遙感影像和植被指數、濕度指數、地形等多元信息，結合主成分分析方法，利用決策樹實現上述多元信息建模，進而以實地調查樣點為目標函數獲取決策樹的分類決策參數閾值，從而構建了多元信息支持的巖溶區土地利用信息提取方法。經試驗區的模型應用和樣點驗證表明，該方法獲取的土地利用信息基本符合典型巖溶區土地利用比例和分布特征，總體分類精度達到82%。該方法能夠加深對多維遙感信息的認識，充分挖掘出其中隱含的信息，并根據這些信息提高巖溶區土地利用信息提取的精度，尤其能體現出巖溶區地貌特征對土地利用空間分布的影響。

遙感； 土地利用； 多元信息； 巖溶區

隨著遙感技術和地學分析模型的深入發展，利用遙感和GIS技術對區域的土地利用或地表覆蓋信息進行提取及動態監測，成為最迅速可靠和理想有效的手段之一[1]。目前巖溶區土地利用信息提取的方法仍以人工目視解譯、人機交互解譯等傳統方法為主[2-3]。巖溶區往往海拔高且相對高差大、地形復雜、地表覆蓋類型多樣，在土地利用信息提取中，傳統的單純基于遙感影像光譜特征的方法就顯得有所不足。此外，巖溶區地形復雜和地表景觀多樣性的特性，使得影響遙感影像分類精度的混合像元、光譜特征變異問題變得更加突出，導致喀斯特地區土地利用信息提取的不確定性增加[4]。隨著遙感技術的發展，利用高空間分辨率的遙感影像雖然能一定程度上改善上述問題，提高土地利用信息提取精度，但是目前基于高空間分辨率遙感影像的巖溶區土地利用信息提取仍然以人工目視解譯為主[5-6]，此方法耗時耗力，且不同人員的解譯結果沒有可比性，時間上也沒有連續性。因此如何在保證一定精度前提下，快速有效地獲取巖溶區土地利用信息，便成為一個重要的問題。

由于利用多元信息耦合對土地利用信息進行提取，可以融合遙感影像以外的多種知識，且不需要先驗統計假設條件，因而在遙感信息提取和影像分類中有著廣泛的應用[7-8]。多元信息耦合的方法通過多元信息復合，可以充分地發掘與利用遙感影像及其它信息要素中隱含的豐富知識，能一定程度上提高土地利用信息提取的精度[9]。該方法一定程度上改善了基于光譜特征等單一信息提取土地利用或地表覆蓋信息容易造成的常見問題，如同物異譜、同譜異物、錯分、漏分等。該方法目前已被廣泛用于土地利用或土地覆蓋信息提取中，取得了較好的效果[10-12]。此外還被用于植被分類、草地分類、濕地分類其它領域，其效果得到了廣泛認可[13-15]。

巖溶區地表景觀復雜多樣，遙感影像往往存在同譜異物和同物異譜的問題，因此在巖溶區很難僅憑圖像光譜特征獲得土地利用信息。土地利用格局是在多種自然和社會經濟因素的共同作用下形成的，并與這些因素的分布格局、組成狀況、豐缺程度等存在一定的關系，巖溶區地貌特征、土壤類型、氣候條件、經濟水平等因素都對區域土地利用格局產生重要影響。依靠多元信息復合可以更充分的發掘與利用遙感影像數據中隱藏的豐富知識，以提高遙感影像分類的精度[16]。因此，如何應根據巖溶區特點，選擇典型主導因素作為巖溶區土地利用信息提取的依據，構建多元信息支持的巖溶區土地利用信息快速提取方法，成為本文的研究問題。

基于上述對巖溶區土地利用格局的認識，要獲得更準確的巖溶區土地利用信息，應在遙感影像光譜特征的基礎上，結合其它能夠表征巖溶區土地利用特點的要素及影響土地利用格局的主導因素等多元信息。本文在遙感和GIS技術支持下，以SPOT遙感影像光譜特征為基礎，結合地形、植被覆蓋程度等多元信息，構建多元信息支持的巖溶區土地利用信息提取方法。

1 方法構建

該方法首先根據巖溶區自然條件和社會經濟狀況的特點，以相關理論和文獻為依據，合理選擇巖溶區土地利用信息提取的支持信息要素；其次建立各支持信息要素的波譜響應曲線，依據該曲線的區分度選擇各用地類型的決策支持信息要素；第三，構造樣區作為目標函數，通過多次調參以獲得各支持信息要素的決策規則閾值范圍；最后，根據野外采集樣點進行精度驗證。

1.1 試驗區概況

本研究選擇覆蓋典型巖溶區90 km×90 km范圍的SPOT5遙感影像為例，經緯度范圍為24.545°—25.042°N，108.612°—109.162°E，獲取時間為2012年6月。該范圍主要覆蓋廣西羅城縣境內，位于廣西北部，河池市東部，云貴高原苗嶺山脈九萬大山南麓。該區域屬亞熱帶季風氣候，氣候溫和，光照充足，雨量充沛。年平均氣溫19.8℃，年均降雨量1 400～1 800 mm。該區域地形多樣，結構復雜，山嶺綿亙，巖溶廣布，地貌類型是典型的巖溶峰叢峰林地貌景觀，擁有眾多的溶洞、漏斗和地下暗河。

1.2 信息要素選取

SPOT5的高分辨率幾何儀空間分辨率為10 m，重訪時間是3～5 d。數據含多個波段，合成的影像圖色、形、紋信息豐富，解譯識別標志清晰，地類可解度高。尤其是建設用地與農用地、未利用地間色、形、紋及空間配置結構差異大，標志清晰，易于識別。二級地類間由于地表植被特征、巖土體特征、內部結構特征、地貌特征及其所處區域空間配置特征的差異，其遙感影像的色、形、紋解譯識別標志亦清晰[17]。基于SPOT5遙感影像的高分辨率與可獲周期短的特性，目前SPOT5遙感影像已被廣泛應用于土地利用調查。研究選取SPOT5多光譜的近紅外(Ms1)、紅色(Ms2)、綠色(Ms3)、短紅外(Ms4)4個波段，作為決策支持要素。

遙感影像各波段之間通常存在高度相關的情況，其DN值以及目視效果往往很相似，區分度不大。主成分分析(PCA)就是一種去除波段之間多余信息，將多波段的信息壓縮到比原波段更有效的少數幾個轉換波段的方法。基于主成分分析中的K-L變換方法對SPOT遙感影像的四個波段進行主成分變換。結果表明，前兩個主成分的累積方差貢獻率達到94%，因此選擇前兩個主成分PCA1和PCA2作為決策支持要素。

地形因子影響著地表的能量和物質分配[18-19]，進而影響區域土地利用的空間分布格局[20]。坡度和坡向影響關鍵農業要素的分布，高程在一定程度上影響土地的開發利用，因此地形因子深刻影響著土地利用類型的分布[21]。典型巖溶區地形條件復雜，地表起伏大。地表起伏及破碎的地貌特征一定程度上造就了多樣化的地表覆蓋，巖溶區的地形條件對土地利用格局有重要影響。因此，本研究以DEM數據為基礎，采用高程、坡度、地表起伏度作為決策支持要素。

植被本身就是地表覆蓋要素之一，不同的植被覆蓋度，又能在一定程度上反映出土地利用和地表覆蓋類型。遙感影像可以采用不同的空間尺度和較長的時間連續觀測，現在已成為研究地表植被覆蓋變化狀況的重要數據，歸一化植被指數(Normal Difference Vegetation Index, NDVI )是用于不同尺度植被動態監測及其對氣候因子響應研究的有效手段[22]。因此選取NDVI作為決策支持要素。由于SPOT遙感影像具有較高的空間分辨率，本研究采用Rouse等提出的從SPOT數據反演得到研究區NDVI數據的方法(公式1)：

NDVI=(NIR-R)/(NIR+R)

(1)

式中：NIR——近紅外通道反射率；R——紅色通道的反射率。

其中：-1≤NDVI≤1，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值表示有植被覆蓋，且隨覆蓋度增大而增大。

土壤濕度在陸面和大氣交互作用中起著重要作用。巖溶區由于土層薄，保水能力差，土壤水分往往就成為植物生長的限制性因子。土壤水分不僅影響自然植被類型的分布和長勢，也會影響到人類的土地利用方式，因此將土壤濕度作為決策支持要素。采用歸一化濕度指數(NDMI)來表征土壤濕度，該指數根據短波紅外波段受水吸收帶的影響，對濕度、含水量信息非常敏感，且綠波段對水體發射較高的特點，選用這兩個波段經標準化處理構建而成，表達見公式2[23]：

NDMI=(Band1-Band4)/(Band1+Band4)

(2)

綜上所述，本部分共選取了SPOT5遙感影像的近紅外(Ms1)、紅色(Ms2)、綠色(Ms3)、短紅外(Ms4)4個波段、PCA1、PCA2、高程、坡度、地表起伏度、NDVI、NDMI共11個決策支持要素。

1.3 樣點野外調查

由于本研究在構造分類決策規則時需要用到大量的野外調查樣點，同時在結果驗證階段也需要用到野外樣點進行驗證，因此需要通過野外調查工作獲得一定數量的調查樣點數據。通過野外調查及GPS定位獲得樣點，樣點的屬性包括經緯度及地表覆蓋類型，并拍攝地面實況照片，形成遙感影像圖的判讀樣片。樣點的土地利用類型包括水域、有林地、灌木、草地、耕地、建設用地、裸地。共獲得200個土地利用樣點，其中100個用于構造分類決策規則，100個用于后期結果驗證。

1.4 信息耦合與決策

不同的決策支持要素對不同土地利用類型的識別程度是不同的，因此采用波譜特征響應的方式來選擇用何種要素來識別何種土地利用類型。通過讀取100個訓練樣點上除地形外的八項決策支持要素的平均DN值，構造這八個決策支持要素的波譜特征響應(圖1—3)。

圖1SPOT影像四個波段波譜特征響應圖2兩個主成分的波譜特征響應圖3NDVI和NDMI的波譜特征響應

根據對波譜特征響應的區分度分析可知，b2和PCA1兩項決策支持要素在裸地上的平均DN值與其它用地類型的DN值差別較大，即b2和PCA1兩項對裸地的區分度均大，因此可首先依據b2和PCA1將裸地提取出來。用同樣的方法，根據對光譜特征響應的分析，可繼續得到依據b4和NDVI可將水域提取出來，依據NDVI和PCA2可將建設用地提取出來。

在區分出裸地、水域、建設用地后，繼續對光譜特征響應分析后發現，上述八項決策支持要素的DN值對草地、耕地、灌木、林地的區分度均不大。這主要是因為研究區處于亞熱帶，水熱條件較好，草地、耕地、灌木、林地四種地類上普遍植被覆蓋條件均較好，均表現出類似的地表覆蓋特征，因此難以根據遙感影像進行區分。鑒于地形因素對巖溶區土地利用格局有重要影響，因此進一步引入地形因素輔助提取出草地、耕地、灌木、林地。

研究以野外采樣獲得的樣點為目標函數，采用人工調參的方式，獲取土地利用分類判斷規則。構造分類規則的原則是，根據波譜特征的區分程度安排決策順序，先將容易提取、區分度大的地類提取出來，然后再依次提取其它地類。具體做法是，根據文獻和相關先驗知識設定各決策支持信息要素的分類決策閾值， 多次運行決策樹，并在每次運行后將結果與野外樣點進行對比，根據對比進度逐步調整決策參數閾值，直到分類精度不能顯著提高為止，采用此時的分類決策參數閾值作為該決策樹模型的閾值。經過多次運行決策樹和調參，獲得所有決策參數閾值。

研究采用決策樹算法實現上述多元信息的耦合與土地利用分類決策[24-25]，通過IDL語言編程實現決策支持信息要素中的波譜均值、指數值組合作為算法中訓練樣本集合中的屬性進行融合，以構造決策樹判別函數自動提取研究區的不同時期土地利用信息。

2 結果與分析

2.1 面積比例與空間分布

土地利用提取的結果共獲得7種土地利用類型，其中面積最大的是灌木林地，占研究區總面積的31.7%；其次為草地，占研究區總面積的25%；林地和耕地面積也較大，分別占研究區總面積的22.1%和19.2%；面積較小的是水域和建設用地，分別為0.9%和0.78%；面積最小的是裸地(表1)。灌木林地主要分布在研究區的中部，地貌類型主要為巖溶峰叢洼地；草地與灌木林地或者耕地交錯分布，尤其是人類活動擾動較大的地區；林地主要分布在研究區西北部的山區，該區域人類開發活動較少，水土條件適宜，利于植被生長；耕地主要分布在研究區西部大片連續的平緩地帶，在縣城周邊也有分布。綜上所述，從各土地利用類型面積比例與空間分布規律來看，本研究的土地利用信息提取結果基本符合典型巖溶區土地利用比例和分布特征。

表1 研究區各土地利用類型面積與比例

2.2 精度分析

將野外實地調查獲得的所有樣點中的100個樣點作為驗證樣點，經樣點驗證，總體提取精度達到82%。總體而言，該方法分類精度較好，與傳統監督分類相比，既達到同等甚至更高的精度，又較目視解譯而言減輕了許多工作量。其中提取精度最高的是林地，精度為91%，林地提取精度較高的主要原因在于，研究區林地的分布較為集中，主要分布于研究區西北部的土石山區，容易從地形因子上進行控制并較為準確地提取出來。容易發生混淆的是灌木和草地，分類精度分別為57%和53%。由于研究區灌木和草地分布特征接近，都主要分布在巖溶峰叢洼地；此外由于巖溶區水熱條件適宜，各種禾草長勢較好，也難以通過光譜特征區分開來，因此準確提取的難度較大。耕地和草地也較多地存在混淆的情況，分類精度分別為61%和65%。由于研究區種植作物為玉米、水稻等，從外形特征和光譜特征都與巖溶區廣泛分布的禾草較為相似，因此容易出現錯分，這種錯分主要出現在巖溶平原、巖溶洼地周邊過渡地帶。水域錯分的特征是和裸地混淆，導致提取出來的河流不連續，主要由于巖溶區河流普遍較小，河流落差大、灘地多，在河道較窄的地方容易將水域劃分成裸地，造成河道不連續。

3 討論與結論

本研究以決策樹分類方法為基礎，選取SPOT5遙感影像的近紅外(Ms1)、紅色(Ms2)、綠色(Ms3)、短紅外(Ms4)4個波段、PCA1、PCA2、高程、坡度、地表起伏度、NDVI、NDMI共11個決策支持要素，采用經驗判斷和目標樣點調參的方法，綜合確定決策閾值，從而構建了多元信息支持的巖溶區土地利用信息快速提取方法。

與人工目視解譯和人機交互解譯相比，本方法的優勢在于，能夠在巖溶區地表破碎，景觀斑塊數目多、邊界形狀復雜的情況下，快速提取能滿足一定精度要求的土地利用信息。而由于巖溶區普遍存在的地表破碎情況，采用人工目視解譯和人機交互解譯的辦法往往需要耗費巨大的人力，從遙感影像中逐個提取出數量龐雜的斑塊，當工作區面積較大，位于巖溶峰叢洼地等地表極端破碎區時，雖然其精度有保證，但是工作量是不可想象的。

與監督分類、非監督分類等單純基于影像光譜特征的方法相比，本方法通過引入地形要素，一定程度上解決了巖溶區遙感影像解譯同物異譜、同譜異物的問題，尤其體現在巖溶峰叢、峰林等地貌單元的陰影部分。監督分類、非監督分類等方法在提取峰叢、峰林等地貌單元的陰影部分土地利用類型時，往往容易將這些部分錯分為水體，而本方法通過地形特征的判別，較好地解決了這一問題。

與神經網絡等基于訓練樣點的方法相比，該方法不完全依賴訓練樣點，而是基于廣泛的巖溶區土地利用分布格局先驗知識，從而能避免由于樣點選取不當造成的結果偏差。神經網絡等基于訓練樣點的方法，需要大量的采樣點，在巖溶區復雜地形條件下，往往很難保證獲得空間上均勻分布，類型上普遍涉及的樣點，由于樣點的不合理，會對土地利用信息提取結果造成較大影響。本方法不完全依賴采樣點，能減少野外采樣的工作量，而且本方法主要基于多元信息和先驗知識，能夠避免采樣點選取不當造成的偏差，豐富的先驗知識和決策支持信息使本方法在巖溶區復雜地形條件下更為適用。

本方法的不足之處在于，受先驗知識的可靠程度和決策支持要素選取合理性的影響，土地利用提取結果精度往往低于人工目視解譯。由于引入的決策支持要素空間分辨率不一致，遙感影像以外的決策支持要素空間分辨率通常較低，導致土地利用信息提取結果空間分辨率也較低。巖溶區地表構成破碎，人類活動擾動強烈，土地利用影響因素復雜，因此不同研究區所需要的決策支持要素組合不同，其決策閾值也不同，導致前期建模階段需要投入較大的精力。此外，本研究由于前期野外工作不足，采樣點不夠豐富，代表性差，導致精度評價部分各土地利用類型的精度評價不夠充分。

[1] 原立峰,楊桂山,李恒鵬,等.基于TM/ETM綠洲城市土地利用時空演變分析:以新疆奎屯市為例[J].水土保持研究,2013,20(4):34-43.

[2] 許月卿,羅鼎,馮艷,等.西南喀斯特山區土地利用/覆被變化研究:以貴州省貓跳河流域為例[J].資源科學,2010,32(9):1752-1760.

[3] 周旭,安裕倫,張斌,等.CBERS-CCD數據土地利用/覆蓋信息提取最佳波段選擇:以貴州喀斯特山區為例[J].遙感技術與應用,2009,24(6):743-748.

[4] 岳躍民,王克林,張兵,等.喀斯特石漠化信息遙感提取的不確定性[J].地球科學進展,2011,26(3):266-274.

[5] 郭海祥,安裕倫.基于中高分辨率的石漠化治理工程監測:以普安縣地泗河小流域為例[J].貴州師范大學學報,2013,31(1):7-10.

[6] 陳利,林輝,孫華,等.基于SPOT-5影像的冷水江市巖溶區石漠化時空演變研究[J].中南林業科技大學學報,2012,32(8):22-27.

[7] 王曉爽,胡卓瑋,趙文吉,等.基于EVI植被指數的大尺度草地多源信息綜合分類研究[J].草業科學,2011,28(1):10-17.

[8] 錢育蓉,于炯,賈振紅,等.基于決策樹的典型荒漠草地遙感分類策略[J].西北農林科技大學學報：自然科學版,2013,41(2):159-166.

[9] 吳健生,潘況一,彭健,等.基于QUEST決策樹的遙感影像土地利用分類:以云南省麗江市為例[J].地理研究,2012,3(11):1973-1980.

[10] 翁中銀,何政偉,于歡.基于決策樹分類的地表覆蓋遙感信息提取[J].地理空間信息,2012,10(2):110-112.

[11] 楊曦光,黃海軍,嚴立文,等.基于決策樹方法的海島土地利用分類研究[J].國土資源遙感,2012,24(2):116-120.

[12] 王金亮,邵景安,李陽兵.基于多元方法耦合的高強度人為擾動復合區土地利用信息提取[J].地理科學進展,2012,34(4):777-786.

[13] 劉睿,馮敏,孫九林,等.基于環境減災衛星CCD數據與決策樹技術的植被分類研究[J].地理科學,2012,32(12):1490-1495.

[14] 周偉,楊峰,錢育蓉,等.天山北坡草地遙感分類及其精度分析[J].草業科學,2012,29(10):1526-1532.

[15] 孫俊杰,馬大喜,任春穎,等.基于多時相環境衛星數據的南甕河流域濕地信息提取方法研究[J].濕地科學,2013,11(1):60-67.

[16] 曹麗琴,李平湘,張良培,等.基于多地表特征參數的遙感影像分類研究[J].遙感技術與應用,2010,25(1):38-44.

[17] 吳榮濤,詹莉,朱嘉偉.SPOT5遙感數據在土地利用更新調查中的幾何精度分析[J].測繪科學,2006,31(5):129-130.

[18] 田輝,文軍,馬耀明,等.復雜地形下黑河流域的太陽輻射計算[J].高原氣象,2007,26(4):667-676.

[19] 張杰,李棟梁,何金梅,等.地形對青藏高原豐枯水年雨季降水量空間分布的影響[J].水科學進展,2007,18(3):320-326.

[20] 張方方,齊述華,舒曉波,等.南方山地丘陵土地利用類型的地形影響GIS分析:以江西省為例[J].地球信息科學學報,2010,12(6):784-489.

[21] 孫麗,陳煥偉,潘家文運用DEM剖面土地利用類型的分布及時空變化:以北京延慶縣為例[J].山地學報,2004,22(6):762-766.

[22] 歷華,柳欽火,鄒杰.基于MODIS數據的長株潭地區NDBI和NDVI與地表溫度的關系研究[J].地理科學,2009,29(2):262-267.

[23] 江振藍,沙晉明.基于MODIS的福建省植被生態環境遙感本底值研究[J].水土保持研究,2007,14(4):11-15.

[24] 劉朋鋼,楊海龍,高甲榮,等.基于氣候變化和地形濕度指數的錫林浩特市水土流失趨勢分析[J].水土保持研究,2012,19(4):131-137.

[25] 王大鵬,王周龍,崔青春,等.基于決策樹的龍口市土地利用/覆蓋分類研究[J].水土保持研究,2008,15(1):114-121.

LandUseInformationExtractionMethodBasedonMulti-informationSupportinKarstArea

ZHANG Feng-tai1, ZHAO Wei-quan2

(1.DepartmentofGeographyandTourism,GuizhouNormalCollege,Guiyang550003,China;2.InstituteofGuizhouMountainResourcesResearch,GuizhouAcademyofSciences,Guiyang550018,China)

Land use information is the important basic data, whose accuracy will have a significant impact on the subsequent researches. Given the complex terrain and heterogeneous land cover types, there are certain limitations in using visual interpretation and supervised classification methods to obtain land use information in karst areas. In this paper, we coupled remote sensing images with vegetation index, humidity index, terrain and other information, in combination with principal component analysis method. The process mentioned above is conducted through the decision tree modeling method. Decision parameter threshold of the decision tree is obtained by taking field samples to formulate the objective function. Then the land use information extraction method under the multi-information support in karst area is built. The results show that land use information obtained is in line with the characteristics of proportion and distribution of land use in typical karst areas, and overall classification accuracy reached up to 82%. This method can deepen the understanding of the multi-dimensional remote sensing information, fully tap the implied information, and improve the extraction accuracy of the land use information in karst area as well. In particular, it can reflect the influence of topographic features on the spatial distribution of land use in karst area.

remote sensing; land use; multi-information; karst area

2013-09-18

：2013-12-03

國家社科基金項目“西部少數民族地區發展模式創新研究”(10CJY044);貴州省科學技術基金項目“基于農戶視角的喀斯特峰叢洼地生態恢復替代性生計模式選擇研究”(黔科合J字[2012]2294)

張鳳太(1979—),男,山東沂南人,博士研究生,副教授,研究方向為區域經濟、景觀生態、生態系統健康與管理等、E-mail:zhfthero@126.com

TP79

：A

：1005-3409(2014)04-0312-05