基于GF-2民勤縣白刺包提取技術(shù)

滑永春， 李增元， 高志海， 郭中

(1.中國林業(yè)科學(xué)研究院資源信息研究所，北京 100091； 2.內(nèi)蒙古自治區(qū)林業(yè)科學(xué)研究院，呼和浩特 010010)

基于GF-2民勤縣白刺包提取技術(shù)

滑永春1， 李增元1， 高志海1， 郭中2

(1.中國林業(yè)科學(xué)研究院資源信息研究所，北京 100091； 2.內(nèi)蒙古自治區(qū)林業(yè)科學(xué)研究院，呼和浩特 010010)

以甘肅民勤縣的白刺包為主要研究對象，采用冬季過境的高分二號(GF-2)數(shù)據(jù)，結(jié)合影像的最小值差值+最大值差值紋理信息、白刺包長寬比與面積等幾何特性，利用多尺度分割、面向?qū)ο蠓诸惡烷撝堤崛〉确椒ㄟM(jìn)行白刺包的定量提取。研究結(jié)果表明： 在白刺包的空間位置提取方面，精度達(dá)到94%，滿足研究要求； 而在提取面積方面，與實(shí)際面積的線性回歸系數(shù)(R2)為0.77，均方根誤差(RMSE)為5.77，雖然精度尚可，但仍然有進(jìn)一步提高的必要。

白刺包； GF-2數(shù)據(jù)； 紋理幾何信息； 圖像分割； 面向?qū)ο蠓诸?/p>

0 引言

白刺(Nitaria tangutorum)在干旱、半干旱荒漠地區(qū)常以灌叢沙堆的形式出現(xiàn)，枝條沙埋后能在濕沙中生出新的不定根，積沙成丘形成固定和半固定的灌叢沙包[1]，故亦稱為白刺沙丘或白刺包。在我國，白刺包主要分布于內(nèi)蒙古、甘肅、新疆、青海、寧夏、陜北和西藏東北邊緣[2]，具有耐干旱、鹽堿、沙埋和抗風(fēng)蝕等特點(diǎn)，在干旱、半干旱地區(qū)維持區(qū)域生態(tài)環(huán)境良性循環(huán)中有著十分重要的地位[3-4]。因此，白刺包的調(diào)查就成為荒漠植被調(diào)查的主要工作之一[5]。在以往的科研和實(shí)踐生產(chǎn)中白刺包的調(diào)查以實(shí)地研究為主，利用遙感影像進(jìn)行白刺包大小和分布格局的研究國內(nèi)外還沒有普遍開展。

本文以甘肅民勤縣的白刺包為主要研究對象，利用國產(chǎn)高分二號(GF-2)高空間分辨率遙感影像的紋理、幾何信息，采取多尺度分割和面向?qū)ο蟮姆诸惙椒ǎM(jìn)行白刺包的定量提取，為干旱、半干旱地區(qū)白刺包遙感研究提供理論基礎(chǔ)。

1 研究區(qū)概況與數(shù)據(jù)預(yù)處理

甘肅民勤縣位于河西走廊東北部、石羊河流域下游，西接巴丹吉林沙漠，東鄰騰格里沙漠，土地總面積約160萬hm2，其中，沙漠、戈壁面積約占85%。該區(qū)是我國典型的綠洲型荒漠化地區(qū)。綠洲外圍天然植被主要是白刺和紅柳(tamarix ramosissima)灌叢，另在一些沙丘、丘間地上還生長有自20 世紀(jì)60年代以來栽植的梭梭(haloxylon ammodendron)和沙棗(elaeagnus angustifolia)人工林[6]。2002 年底民勤縣境內(nèi)天然白刺覆蓋面積為6.64萬hm2，主要分布在固定、半固定沙丘。近20 a來，由于地下水的持續(xù)大規(guī)模過度開采利用和石羊河上中游水資源消耗量的增加，大量的白刺等植被出現(xiàn)了衰退枯死現(xiàn)象。

本研究選用2014年11月13日GF-2數(shù)據(jù)。首先利用30 m空間分辨率的DEM數(shù)據(jù)對GF-2全色影像(空間分辨率1 m)和多光譜影像(空間分辨率4 m)進(jìn)行有理多項(xiàng)式系數(shù)(rational polynomial coeffieients,RPC)糾正； 由于該研究區(qū)地形平坦，明顯地物標(biāo)志點(diǎn)精確的GPS三維數(shù)據(jù)難以獲得，不精確的正射校正難以滿足白刺包定位研究，由于白刺包在遙感圖像上清晰可辨，所以本文未做正射校正； 對影像進(jìn)行輻射校正； 再采用超分辨率貝葉斯法(Pansharp)將GF-2全色和多光譜波段進(jìn)行融合，生成空間分辨率為1 m 的融合影像。在影像上截取局部有白刺包的區(qū)域如圖1所示。

在2014年8月獲取了研究區(qū)52個(gè)30 m×30 m白刺包樣地?cái)?shù)據(jù)，圖2為實(shí)地野外照片。

(a) 野外實(shí)況 (b) 白刺包

圖2 研究區(qū)白刺包實(shí)地野外照片

Fig.2 Field investigation photo of Nitaria tangutorum dune in study area

2 研究方法

2.1 紋理信息

根據(jù)大量野外調(diào)查和遙感影像分析，大多數(shù)白刺包上植被分布不均勻，迎風(fēng)坡及包兩側(cè)結(jié)皮區(qū)域植被均有不同程度的破壞，表現(xiàn)在影像上為白刺包有植被的地方反射率較低，而裸露的迎風(fēng)坡或植被枯死地方的反射較強(qiáng)烈。通過多種紋理信息對比，最后確定選擇7像素×7像素窗口對影像第一波段進(jìn)行最小值差值+最大值差值紋理信息提取，即尋找該像元鄰域內(nèi)的最小值和最大值，并計(jì)算差值，以3像素×3像素窗口為例，原理如圖3所示。該方法多用于對圖像、通信信號的濾波處理[7-9]。在樹冠提取上采用最大值濾波器，可以確定樹冠中心點(diǎn)位置[10]。局部紋理信息提取結(jié)果如圖4所示。

(a) 最小差值紋理信息提取

(b) 最大值差值紋理信息提取

(a) 局部多光譜融合圖像(b) 局部最小值差值+最大值差值紋理提取結(jié)果

圖4 最小值差值+最大值差值紋理提取效果

Fig.4 Extraction of minimum and maximum difference texture

2.2 幾何特征

52個(gè)樣地?cái)?shù)據(jù)的白刺包幾何特征統(tǒng)計(jì)結(jié)果如表1所示。

表1 野外調(diào)查白刺包統(tǒng)計(jì)數(shù)據(jù)

①γ=a/b，式中a和b分別表示對象外接矩形的長度和寬度。

從表1中看出，白刺包形狀近似橢圓，長半軸在2.40～14.65 m之間，短半軸在1.91～12.18 m之間，γ在1.01～2.21之間，面積在7.73～124.18 m2之間。

根據(jù)以上幾何特征選擇γ指標(biāo)(1≤γ≤2.5)和面積指標(biāo)(Area≤150 m2)作為白刺包提取的幾何特征參數(shù)。

2.3 圖像分割及面向?qū)ο蠓诸?/p>

GF-2多光譜波段灰度值范圍在0～1 024之間，白刺包和其他植被類型在各波段灰度值范圍都有一定重疊(表2)，單純利用基于像元的光譜特征信息難以區(qū)分。從更大研究尺度來看，通常白刺包呈點(diǎn)狀散布，包與包之間相距較遠(yuǎn)，其分布區(qū)域的影像光譜特征有別于其他植被類型，主要取決于該區(qū)域的地類光譜特性。為此，白刺包地類提取將成為白刺包提取的前提條件。本文采用面向?qū)ο蟮姆诸惙椒▽?shí)現(xiàn)白刺包地類與其他地類的劃分。

表2 各種植被類型GF-2灰度值范圍

遙感圖像分割算法主要有3類[11]，即閾值化分割法、邊緣分割法和區(qū)域分割法。為了提高遙感圖像分割質(zhì)量和自動化程度，還探索了尺度對比法、最大面積法、局部方差法和變異函數(shù)法等多種分割方法[12-17]，但實(shí)際應(yīng)用中由于分割影像和地類差異，很難找到一種自動計(jì)算分割參數(shù)切實(shí)可行的分割方法。

本文采用eCognition8.7軟件中Multiresolution segmentation 算法對融合后的4個(gè)影像波段和最小值差值+最大差值紋理波段進(jìn)行分割(圖5)。

(a) 融合后4個(gè)影像波段分割結(jié)果 (b) 4個(gè)影像波段+最小值差值+最大差值紋理波段分割結(jié)果

圖5 局部分割效果對比

Fig.5 Comparison of segmentation results in local region

從圖5可以看出最小值差值+最大差值紋理波段的加入可以明顯地提高白刺包的分割精度。經(jīng)過對分割效果的反復(fù)目視對比，最終確定了各地類的形狀因子、緊致度和分割尺度的大小(表3)。

表3 各種地類尺度分割參數(shù)

農(nóng)田由于具有明顯的邊界，大尺度、高形狀因子可以將農(nóng)田防護(hù)林也分割進(jìn)去； 而梭梭林和白刺包都沒有明顯的邊界且有互相重疊區(qū)域。研究發(fā)現(xiàn)，50以上的分割尺度可能會把白刺包錯(cuò)分為梭梭林，而尺度過小則會將密集簇狀分布的梭梭林錯(cuò)分為白刺包。

從分割影像8 136個(gè)對象中，分別選取出包含GF-2數(shù)據(jù)4個(gè)融合波段和最小值差值+最大值差值紋理波段一共5波段的農(nóng)田(含農(nóng)田防護(hù)林、苗圃地)、梭梭林和白刺包3種地物類型170個(gè)訓(xùn)練樣本數(shù)據(jù)，占總數(shù)據(jù)量的2.01%。通過核函數(shù)模型將訓(xùn)練數(shù)據(jù)轉(zhuǎn)化到高維空間。選擇以徑向基函數(shù)(radial basis function,RBF)作為內(nèi)積核函數(shù)的支持向量機(jī)(support vector machine,SVM)分類器進(jìn)行分類運(yùn)算，其中RBF核函數(shù)懲罰參數(shù)(C)和間隔參數(shù)(g)分別設(shè)置為100和0.17。

3 結(jié)果與分析

3.1 分類及精度驗(yàn)證

采用SVM方法對研究區(qū)地類進(jìn)行分類，分類結(jié)果如圖6所示。為了消除其他地類對白刺包提取的影響，將非白刺包地類進(jìn)行掩模處理。在融合后的GF-2影像中，各種地物類型清晰可辨，選取了169個(gè)驗(yàn)證樣本數(shù)據(jù)，對分類結(jié)果進(jìn)行精度評價(jià)，評價(jià)結(jié)果如表4所示。分類結(jié)果可以較好地將白刺包地類與非白刺包地類進(jìn)行區(qū)分。

圖6 分類結(jié)果

表4 土地分類結(jié)果精度評價(jià)

3.2 白刺包提取及精度驗(yàn)證

由于白刺包在第一波段灰度值范圍為260～323之間，采用閾值提取方法將白刺包提取出來。然后對提取的白刺包進(jìn)行矢量化，并根據(jù)γ和Area指標(biāo)再次進(jìn)行剔除，最終得到白刺包提取結(jié)果如圖7所示。

圖7 白刺包提取結(jié)果

白刺包邊界在影像上清晰可辨，相比野外調(diào)查，影像上選取白刺包樣本更加準(zhǔn)確。針對白刺包的提取結(jié)果開展進(jìn)一步的精度評價(jià)，分別從白刺包提取空間位置和面積2個(gè)方面進(jìn)行驗(yàn)證。在影像局部區(qū)域隨機(jī)選取50個(gè)白刺包，有47白刺包可以精確提取，精度可以達(dá)到94%，提取結(jié)果如圖8所示。

圖8 白刺包提取結(jié)果與實(shí)際驗(yàn)證數(shù)據(jù)對比

提取面積和驗(yàn)證面積線性回歸系數(shù)R2可以達(dá)到0.77，散點(diǎn)圖如圖9所示，其RMSE達(dá)到5.77，在面積提取方面精度尚可，但仍有進(jìn)一步提高的必要。

圖9 提取白刺包的面積和實(shí)際驗(yàn)證數(shù)據(jù)散點(diǎn)圖

4 結(jié)論

白刺包對于干旱、半干旱地區(qū)的生態(tài)環(huán)境良性循環(huán)有著極其重要的意義。相對于森林資源的監(jiān)測，國內(nèi)外還沒有普遍開展針對白刺包大面積的遙感監(jiān)測。本文以甘肅民勤縣的白刺包為主要研究對象，通過GF-2影像的光譜、紋理和幾何等信息，采用面向?qū)ο蠓诸惡烷撝堤崛〉冗b感手段進(jìn)行了白刺包的定量提取。主要結(jié)論和存在問題有以下2點(diǎn)：

1)白刺包的植被覆蓋極不均勻，尤其是在沙丘迎風(fēng)坡。反映在影像上是不均一的光譜特征，同時(shí)由于白刺包所處地物類型的多樣性，放大了同物異譜、異物同譜現(xiàn)象，無論從光譜特征和幾何紋理特征白刺包精確的面積提取都存在一定的難度。但空間位置信息精度已達(dá)到94%，可以滿足白刺包空間分布格局的研究需要。

2)GF-2數(shù)據(jù)全色波段的空間分辨率可以達(dá)到1 m，高空間分辨率遙感影像對地物的提取不僅局限于光譜特征，其紋理特征、空間幾何特征等也為地物的精細(xì)提取提供了關(guān)鍵信息。現(xiàn)階段關(guān)于特定地物紋理特征的研究仍欠深入，大多還局限于圖像處理數(shù)學(xué)范疇的籠統(tǒng)研究。本文雖提出了一種關(guān)于白刺包與其他地物類型區(qū)分的紋理特征，但更加完善的紋理特征研究將作為下一步的重點(diǎn)。

[1] 杜建會,嚴(yán)平,丁連剛,等.民勤綠洲不同演化階段白刺灌叢沙堆表面土壤理化性質(zhì)研究[J].中國沙漠,2009,29(2):248-253. Du J H,Yan P,Ding L G,et al.Soil physical and chemical properties of Nitraria tangutorun Nebkhas surface at different development stages in Minqin Oasis[J].Journal of Desert Research,2009,29(2):248-253.

[2] 劉瑛心.中國白刺屬植物的分類和分布(治沙研究,第7號)[M].北京:科學(xué)出版社,1965. Liu Y X.The Classification and Distribution of Chinese Nitaria Tangutorum(Sand Research,NO.7)[M].Beijing:Science Press,1965.

[3] 李進(jìn)軍,馬存世,張有佳,等.民勤連古城自然保護(hù)區(qū)白刺生長發(fā)育影響因素[J].東北林業(yè)大學(xué)學(xué)報(bào),2010,38(10):41-43. Li J J,Ma C S,Zhang Y J,et al.Influencing factors on growth and development of Nitraria in minqin Liangucheng nature reserve[J].Journal of Northeast Forestry University,2010,38(10):41-43.

[4] 宛濤,蔡萍,伊衛(wèi)東,等.內(nèi)蒙古白刺屬植物遺傳多樣性的RAPD分析[J].干旱地區(qū)農(nóng)業(yè)研究,2007,25(1):225-229. Wan T,Cai P,Yi W D,et al.RAPD analysis on genetic diversity of nitavia in Inner Mongolia[J].Agricultural Research in the Arid Areas,2007,25(1):225-229.

[5] 徐蘭英,李鳳日.基于分形理論下的沙漠植被適應(yīng)性群團(tuán)抽樣技術(shù)[J].植物研究,2009,29(3):333-338. Xu L Y,Li F R. Adaptive cluster sampling technique for desert vegetation based on fractal theory[J].Bulletin of Botanical Research,2009,29(3):333-338.

[6] 王繼和,馬全林.民勤綠洲人工梭梭林退化現(xiàn)狀、特征與恢復(fù)對策[J].西北植物學(xué)報(bào),2003,23(12):2107-2112. Wang J H,Ma Q L.Study on restoration strategies,characteristics and status of degenerated artificial Haloxylon ammodendron communities at the edge of Minqin Oasis[J].Acta Botanica Boreali-occidentalia Sinica,2003,23(12):2107-2112.

[7] Dorst L.Quantitative analysis of interferograms using image processing techniques[C]//ICO-13 Conference Digest.Sapporo,Japan,1984:476-477.

[8] Werman M,Peleg S.Min-Max Filters in Texture Analysis[C]//IEEE PAMI-7,1986:730-733.

[9] 侯歡歡,齊小順.圖像處理中的中值濾波、最大值、最小值濾波及其應(yīng)用研究[J].消費(fèi)電子,2014(6):229. Hou H H,Qi X S.The application research of median filter,maximum and minimum filter in image processing[J].Consumer Electronics Review,2014(6):229.

[10]韓學(xué)鋒.基于高分辨率遙感林分調(diào)查因子的提取研究[D].福州:福建師范大學(xué),2008. Han X F.A Study on the Extraction of the Stand Description Factors from High Resolution Remote Sensing Images[D].Fuzhou:Fujian Normal University,2011.

[11]李晶瑩.基于面向?qū)ο蟮母叻直媛蔬b感影像土地沙化調(diào)查——以青海省瑪多縣典型區(qū)為例[D].西寧:青海師范大學(xué),2011. Li J Y.Based on the Object-Oriented and the Remote Sensing Image of High-Resolution Classify Sandy Desertifieation in MaDuo Courty of Qinghai Priviule[D].Xining:Qinghai Normal University,2011.

[12]Haralick R M,Shaprio L G.Image segmentation techniques[J].Computer Vision,Graphics,and Image Processing,1985,29(1):100-132.

[13]Johnson B,Xie Z X.Unsupervised image segmentation evaluation and refinement using a multi-scale approach[J].ISPRS Journal of Photogrammetry and Remote Sensing,2011,66(4):473-483.

[14]于歡,張樹清,孔博,等.面向?qū)ο筮b感影像分類的最優(yōu)分割尺度選擇研究[J].中國圖象圖形學(xué)報(bào),2010,15(2):352-360. Yu H,Zhang S Q,Kong B,et al.Optimal segmentation scale selection for object-oriented remote sensing image classification[J].Journal of Image and Graphics,2010(2):352-360.

[15]Woodcock C E.The factor of scale in remote sensing[J].Remote Sensing of Environment,1987,21(3):311-332.

[16]Atkinson P M,Kelly R E J.Scaling-up point snow depth data in the U.K.for comparison with SSM/I imagery[J].International Journal of Remote Sensing,1994,18(2):437-443.

[17]Atkinson P M,Curran P J.Choosing an appropriate spatial resolution for remote sensing investigations[J].Photogrammetric Engineering and Remote Sensing,1997,63(12):1345-1351.

(責(zé)任編輯： 陳理)

Extraction of Nitaria tangutorum dune in Minqin County based on GF-2 data

HUA Yongchun1, LI Zengyuan1, GAO Zhihai1, GUO Zhong2

(1.ResearchInstituteofResourceInformation,ChineseAcademyofForestry,Beijing100091,China;2.InnerMongoliaAcademyofForestryScience,Hohhot010010,China)

In this paper, the authors used GF-2 remote sensing data to extract Nitaria tangutorum dune in Minqin County. The authors made full use of the minimum/maximum difference texture information and length-width ratio as well as area of geometric features of Nitaria tangutorum dune, by using multiresolution segmentation, object-oriented classification and threshold extraction methods, made quantitative extraction of the Nitaria tangutorum dune. The results show that the spatial position accuracy of Nitaria tangutorum dune can reach 94%, which could completely meet the requirement of the research. Compared with the actual area of Nitaria tangutorum dune, the linear regressionR2can reach 0.77, the standard deviation is 5.77, but the area extraction accuracy remains unsatisfactory, which needs further improvement.

Nitaria tangutorum dune; GF-2 data; geometry and texture information of the image; multiresolution segmentation; object-oriented classification

10.6046/gtzyyg.2017.01.11

滑永春,李增元,高志海,等.基于GF-2民勤縣白刺包提取技術(shù)[J].國土資源遙感,2017,29(1):71-77.(Hua Y C,Li Z Y,Gao Z H,et al.Extraction of Nitaria tangutorum dune in Minqin County based on GF-2 data[J].Remote Sensing for Land and Resources,2017,29(1):71-77.)

2015-09-09；

2015-11-17

國防科工委重大專項(xiàng)項(xiàng)目“高分辨率對地觀測系統(tǒng)”(編號： 21-Y30B05-9001-13/15)資助。

滑永春(1981- )，男，博士后，主要從事植被、荒漠化遙感監(jiān)測。Email: huawu321@sina.com。

高志海(1963- )，男，研究員，主要從事荒漠化監(jiān)測與評價(jià)研究。Email: zhihai_gao@163.com。

TP 751.1

A

1001-070X(2017)01-0071-07