基于GF-4號(hào)衛(wèi)星影像東洞庭湖濕地植被類型監(jiān)測(cè)能力比較研究

由 佳，張懷清，陳永富，高志海，劉 華

(中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京 100091)

濕地是介于陸地與水體之間的獨(dú)特生境，兩者結(jié)合相互作用形成了其獨(dú)特的生態(tài)系統(tǒng)，是地球三大生態(tài)系統(tǒng)的重要組成部分，兼具多種生態(tài)功能[1-4]，同時(shí)被譽(yù)為“地球之腎”以及自然物種庫(kù)。濕地植被是濕地生境的重要組成部分，目前，濕地植被的凈化污染的能力[5]、濕地植被景觀組成[6]、濕地植被變化趨勢(shì)[7]等方面均受到研究人員的重視。

洞庭湖的主水域是東洞庭湖區(qū)，總面積達(dá)1 478 km2，是一個(gè)天然蓄水型通江湖泊，對(duì)長(zhǎng)江水量的調(diào)節(jié)起到較為重要的作用。洞庭湖濕地在利用原有的野外實(shí)地勘察獲取數(shù)據(jù)時(shí)，因其湖區(qū)內(nèi)部通行條件的限制，采集數(shù)據(jù)需要花費(fèi)大量的人工、物力、財(cái)力以及時(shí)間。因而運(yùn)用濕地遙感檢測(cè)技術(shù)對(duì)洞庭湖植被類型監(jiān)測(cè)，充分分析洞庭湖植被群落以及其生長(zhǎng)趨勢(shì)和區(qū)域內(nèi)部生態(tài)環(huán)境更迭，有利于其合理地利用濕地資源和濕地生態(tài)環(huán)境的保護(hù)。尤其是在較短的時(shí)間維度內(nèi)對(duì)濕地植被資源動(dòng)態(tài)變化、區(qū)域濕地植被類型的影像特征、濕地植被類型分類識(shí)別能力已成為目前變化檢測(cè)的側(cè)重點(diǎn)之一。

隨著遙感研究技術(shù)的飛速發(fā)展，利用遙感技術(shù)手段對(duì)濕地植被類型進(jìn)行信息提取也有一定程度上的進(jìn)步。那曉東等[8]運(yùn)用MODIS影像數(shù)據(jù)，采用一種基于時(shí)間序列的歸一化植被指數(shù)NDVI區(qū)分7種地表植被類型，得到三江平原2005年的濕地植被分布信息。劉瑜等[9]以長(zhǎng)江口崇明東灘濕地為研究區(qū)域，根據(jù)Landsat TM地物反射光譜曲線以及實(shí)測(cè)數(shù)據(jù)進(jìn)行分析，選取9種典型的植被指數(shù)進(jìn)行計(jì)算，提出相對(duì)適當(dāng)?shù)难芯繀^(qū)域內(nèi)三波段比值被指數(shù)TRVI，并利用該指數(shù)進(jìn)行典型地物信息提取，效果良好。韋瑋等[10]以CHRIS為基礎(chǔ)影像數(shù)據(jù)進(jìn)行植被指數(shù)計(jì)算及影像融合，提出歸一化植被指數(shù)與高光譜影像融合后，采用波譜角填圖的方法提取濕地植被類型信息，其分類結(jié)果使隆寶灘濕地植被類型的提取精度大大提升。喬婷等[11]以SPOT-5衛(wèi)星影像為數(shù)據(jù)源，在預(yù)處理之后，將NDVI應(yīng)用到多尺度分割中，結(jié)合基于隸屬度函數(shù)和閾值的面向?qū)ο蟮姆诸惙椒▽?duì)東洞庭湖濕地植被信息進(jìn)行提取；與此同時(shí)，以相同分類方法對(duì)未輔以NDVI分割的圖像進(jìn)行植被提取，并與最大似然監(jiān)督分類法提取的結(jié)果進(jìn)行對(duì)比。結(jié)果顯示，輔以NDVI分割的面向?qū)ο笮畔⑻崛〉目偡诸惥冗_(dá)到了87.69%，Kappa系數(shù)達(dá)到0.86，提升了濕地植被的提取精度。柴穎等[12]以美國(guó)Sacramento-San Joaquin三角洲為研究區(qū)域，在光譜特征分析和實(shí)測(cè)數(shù)據(jù)的基礎(chǔ)上，構(gòu)造特征指數(shù)，建立決策樹分類模型對(duì)濕地植被進(jìn)行分類，結(jié)果表明，濕地植被在近紅外波段(0.75～1.3 μm)上有較為明顯的光譜特征差異性，根據(jù)這些差異，可以構(gòu)造合適的特征指數(shù)，從而實(shí)現(xiàn)濕地植被在物種水平上的識(shí)別。

綜上，關(guān)于濕地植被信息提取的研究已經(jīng)取得一定進(jìn)展，但研究?jī)?nèi)容主要集中在國(guó)外衛(wèi)星遙感影像上，而以國(guó)內(nèi)高分辨率影像為基礎(chǔ)的比較研究相對(duì)偏少。隨著我國(guó)遙感技術(shù)手段的不斷推進(jìn)，高分辨率的遙感影像能使使用者對(duì)地物形狀及尺寸獲得更高的辨識(shí)度，且更新速度快、覆蓋范圍廣，提升了空間信息的可靠性[13]。筆者利用分辨率為50 m的GF-4號(hào)衛(wèi)星遙感影像進(jìn)行植被類型信息提取，以東洞庭湖為研究區(qū)域，對(duì)影像進(jìn)行預(yù)處理基礎(chǔ)上，在區(qū)內(nèi)選擇蘆葦、苔草、泥蒿+辣蓼3類典型植被類型，每類選取30個(gè)樣本區(qū)，與數(shù)據(jù)物候等盡量接近的Landsat 8商業(yè)衛(wèi)星進(jìn)行對(duì)比，采用同樣的訓(xùn)練樣本，相同的信息提取方法，包括監(jiān)督分類最大似然法和非監(jiān)督ISO分類方法進(jìn)行濕地植被類型信息提取，比較濕地植被分類結(jié)果。

1 研究區(qū)概況與數(shù)據(jù)分析

1.1研究區(qū)概況洞庭湖位于湖南省北部，位于長(zhǎng)江中游荊江南岸，地處111°19′～113°34′E、27°39′～29°51′ N，該區(qū)域南近益陽(yáng)等縣市，北抵安鄉(xiāng)縣、南縣等縣鄉(xiāng)，東至汨羅等市，西至澧縣等縣市。地處亞熱帶季風(fēng)氣候，年平均氣溫16.4～17 ℃，年降水量1 100～1 400 mm，年平均過(guò)水量達(dá)3 126億m3，總?cè)莘e220億m3，其中天然湖泊容積178億m3，河道容積42億m3。洞庭湖獨(dú)特的生境使古老珍稀物種有了得天獨(dú)厚的生存條件。洞庭湖是長(zhǎng)江流域重要的蓄水型湖泊，具有強(qiáng)大的蓄洪能力，同時(shí)在保護(hù)生物多樣性方面發(fā)揮著舉足輕重的作用。

1.2研究區(qū)影像數(shù)據(jù)該研究利用GF-4號(hào)衛(wèi)星數(shù)據(jù)進(jìn)行分析。GF-4號(hào)衛(wèi)星為50 m分辨率光學(xué)成像衛(wèi)星，分為全色波段和多光譜波段，全色和多光譜波段分辨率為50 m，紅外譜波段分辨率為400 m(表1)，單景覆蓋區(qū)域?yàn)?00 km×400 km，影像接收時(shí)間為2016年05月11日。

另外還運(yùn)用了Landsat 8衛(wèi)星數(shù)據(jù)進(jìn)行比較。Landsat 8衛(wèi)星中OLI傳感器有9個(gè)波段，擁有30 m多光譜影像和15 m全色影像(表2)，成像寬幅為185 km×185 km，影像接收時(shí)間為2016年05月11日。

表1 GF-4數(shù)據(jù)光譜波段和分辨率

表2 Landsat 8數(shù)據(jù)光譜波段和分辨率

所獲數(shù)據(jù)基本情況見(jiàn)表3。研究區(qū)的GF-4和Landsat 8 多光譜圖像分別見(jiàn)圖1、2。

表3 遙感影像數(shù)據(jù)情況

圖1 111735原始圖像多光譜(543組合)Fig.1 Original image multi-spectral of 111735(543 combination)

圖2 研究區(qū)Landsat 8多光譜圖像Fig.2 Multi-spectral of the research area by Landsat 8

2 濕地植被類型信息提取方法

對(duì)原始遙感影像數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)融合、配準(zhǔn)進(jìn)行濕地類型信息的提取，在典型的濕地分布區(qū)域，通過(guò)解譯濕地植被類型、濕地植被面積等信息，對(duì)基于GF-4影像以及Landsat 8進(jìn)行判識(shí)，并與已有調(diào)查資料進(jìn)行對(duì)比，比較判識(shí)結(jié)果，分析應(yīng)用能力，評(píng)價(jià)濕地資源信息提取應(yīng)用效果。具體流程見(jiàn)圖3。

圖3 區(qū)域濕地植被類型監(jiān)測(cè)能力測(cè)試評(píng)價(jià)流程Fig.3 Flowchart of test and evaluation of regional wetland vegetation type monitoring capability

2.1典型濕地植被類型反射率比較評(píng)價(jià)在洞庭湖區(qū)選擇蘆葦、苔草、泥蒿+辣蓼3類典型植被類型，每類選取30個(gè)樣本區(qū)，統(tǒng)計(jì)其光譜反射的平均值(表4)，分析其光譜輻射情況，結(jié)果見(jiàn)圖4～6。

對(duì)比東洞庭湖區(qū)3類典型濕地植被類型(蘆葦、苔草、泥蒿+辣蓼)的光譜反射平均值以及光譜輻射分析圖，可以看出，測(cè)試區(qū)內(nèi)的3類典型濕地植被在GF-4影像的可分辨性與Landsat 8差別不大。

表4典型地物光譜反射率統(tǒng)計(jì)

Table4Statisticalofspectralreflectanceoftypicalgroundobjects

產(chǎn)品號(hào)ProductID相機(jī)(傳感器)Camera(sensor)波段號(hào)Bandnumber樣點(diǎn)數(shù)量Numberofsamples光譜反射率Spectralreflectance蘆葦Bulrush苔草Carexgrass泥蒿+辣蓼Artemisia+Polygonum111735PMIBand13048.0539.8241.40Band2283.22287.14286.48Band3156.581150.06164.25Band4150.96155.21181.23Band5485.48314.97284.70—Landsat8Band1309848.009719.1911343.42Band29426.358849.9210936.21Band37769.407571.069858.25Band424124.8419762.9418267.12

圖4 GF-4影像與Landsat 8影像下的苔草光譜輻射對(duì)比Fig.4 Spectral radiation contrast of carex grass under GF-4 images and Landsat 8 images

圖5 GF-4影像與Landsat 8影像下的蘆葦光譜輻射對(duì)比Fig.5 Spectral radiation contrast of bulrush under GF-4 images and Landsat 8 images

圖6 GF-4影像與Landsat 8影像下的泥蒿+辣蓼光譜輻射對(duì)比Fig.6 Spectral radiation contrast of artemisia + polygonum under GF-4 images and Landsat 8 images

2.2濕地植被類型提取能力比較評(píng)價(jià)將融合后的GF-4和Landsat 8影像裁剪成相同的區(qū)域大小，在GF-4影像上的濕地植被區(qū)域內(nèi)進(jìn)行監(jiān)督分類，選取樣本時(shí)，保證原始GF-4和Landsat 8數(shù)據(jù)鏈接，使其2個(gè)影像的樣本保持一致性。所選樣本見(jiàn)圖7～9。

通過(guò)以上的訓(xùn)練樣本選取，然后采用最大似然法進(jìn)行監(jiān)督分類，分析比較采用該種方法后GF-4影像和Landsat 8數(shù)據(jù)濕地植被類型的分類結(jié)果特征，結(jié)果見(jiàn)圖10。

圖7 GF-4影像與Landsat 8影像下的苔草樣本選取Fig.7 Carex grass sample selection under GF-4 images and Landsat 8 images

圖8 GF-4影像與Landsat 8影像下的蘆葦樣本選取Fig.8 Bulrush sample selection under GF-4 images and Landsat 8 images

圖9 GF-4影像與Landsat 8影像下的泥蒿+辣蓼樣本選取Fig.9 Artemisia + polygonum sample selection under GF-4 images and Landsat 8 images

圖10 GF-4影像與Landsat 8最大似然監(jiān)督分類濕地植被結(jié)果Fig.10 Maximum Likelihood Classification of wetland vegetation results under GF-4 images and Landsat 8 images

2.3精度評(píng)價(jià)研究區(qū)精度評(píng)價(jià)是利用Confusion Matrices評(píng)價(jià)分類結(jié)果，是通過(guò)混淆矩陣把分類結(jié)果的精度顯示在一個(gè)混淆矩陣?yán)?用于比較分類結(jié)果和地表的真實(shí)信息)。研究區(qū)運(yùn)用混淆矩陣對(duì)分類結(jié)果進(jìn)行精度分析的結(jié)果見(jiàn)表5～6。

表5 GF-4 影像精度評(píng)價(jià)

表6 Landsat 8影像精度評(píng)價(jià)

注：生產(chǎn)者精度=正確分類數(shù)/某類別總數(shù)；用戶精度=正確分類數(shù)/(正確分類數(shù)+錯(cuò)分到某類別總數(shù))

Note: Producer accuracy = number of correct categories / total number of categories; User accuracy = number of correct categories / (correct number of categories + wrongly assigned to a category total)

3 結(jié)論與討論

3.1結(jié)論綜合上述GF-4影像與Landsat 8數(shù)據(jù)的濕地植被信息提取結(jié)果，得出以下結(jié)論：

(1)研究區(qū)的GF-4影像和Landsat 8影像的典型濕地植被類型光譜反射率具有相似的變化特征。

(2)在研究區(qū)的GF-4影像典型濕地植被類型的細(xì)化分類程度較次于Landsat 8影像分類結(jié)果。

(3)在研究區(qū)的Landsat 8影像分析中出現(xiàn)了在泥灘地中對(duì)水體的混淆情況，GF-4影像分析中沒(méi)有出現(xiàn)水體混淆情況。

(4)GF-4影像的林地出現(xiàn)與耕地部分混淆的現(xiàn)象，在Landsat 8影像也存在該情況。

(5)GF-4影像的典型濕地植被分類斑塊特征不明顯，次于Landsat 8分類結(jié)果的斑塊特性。

3.2討論

(1)東洞庭湖研究區(qū)GF-4影像數(shù)據(jù)質(zhì)量?jī)?yōu)良，可以真實(shí)反映濕地植被信息，較為適合濕地植被類型提取。

(2)東洞庭湖研究區(qū)GF-4影像數(shù)據(jù)的空間分辨率在濕地重點(diǎn)地區(qū)能夠很好地識(shí)別出濕地植被范圍。

(3)通過(guò)植被光譜分析，洞庭湖研究區(qū)GF-4數(shù)據(jù)的植被光譜特征明顯，若再通過(guò)多期不同季相的影像進(jìn)行光譜特征分析，濕地植被類型區(qū)分的效果將會(huì)更加明顯。

[1] 孫廣友.中國(guó)濕地科學(xué)的進(jìn)展與展望[J].地球科學(xué)進(jìn)展，2000，15(6)：666-672.

[2] 楊永興.國(guó)際濕地科學(xué)研究的主要特點(diǎn)、進(jìn)展與展望[J].地理科學(xué)進(jìn)展，2002，21(2)：111-120.

[3] TOYRA J，PIETRONIRO A.Towards operational monitoring of a northen wetland using geometics-based techiniques[J]. Remote sensing of environment，2005，97：174-191.

[4] 王亞欣，鞠洪波，張懷清，等.東洞庭湖國(guó)家級(jí)自然保護(hù)區(qū)濕地資源評(píng)價(jià)[J].地球信息科學(xué)學(xué)報(bào)，2011，13(3)：323-331.

[5] 王國(guó)生，鐘玉書，田敏，等.人工蘆葦濕地處理城市污水的研究[J].遼寧農(nóng)業(yè)科學(xué)，2006(2)：5-8.

[6] 余莉，何隆華，張奇，等.三峽工程蓄水運(yùn)行對(duì)鄱陽(yáng)湖典型濕地植被的影響[J].地理研究，2011，30(1)：134-144.

[7] 王穎，宮輝力，趙文吉，等.北京野鴨湖濕地資源變化特征[J].地理學(xué)報(bào)，2005，60(4)：656-664.

[8] 那曉東，張樹清，李曉峰，等.MODIS NDVI時(shí)間序列在三江平原濕地植被信息提取中的應(yīng)用[J].濕地科學(xué)，2007，5(3)：227- 236.

[9] 劉瑜，韓震，郭永飛.植被指數(shù)在長(zhǎng)江口潮灘濕地植被信息提取中的應(yīng)用研究[J].遙感技術(shù)與應(yīng)用，2009，24(6)：777-783.

[10] 韋瑋，李增元.基于高光譜影像融合的濕地植被類型信息提取技術(shù)研究[J].林業(yè)科學(xué)研究，2011，24(3)：300-306.

[11] 喬婷，張懷清，陳永富，等.基于NDVI分割與面向?qū)ο蟮臇|洞庭湖濕地植被信息提取技術(shù)[J].西北林學(xué)院學(xué)報(bào)，2013，28(4)：170- 175.

[12] 柴穎，阮仁宗，傅巧妮.高光譜數(shù)據(jù)濕地植被類型信息提取[J].南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，39(1)：181- 184.

[13] 陳述彭.遙感地學(xué)分析[M].北京：測(cè)繪出版社，1990.

名詞解釋

擴(kuò)展即年指標(biāo)：這是一個(gè)表征期刊即時(shí)反應(yīng)速率的指標(biāo)，主要描述期刊當(dāng)年發(fā)表的論文在當(dāng)年被引用的情況。具體算法為：

擴(kuò)展他引率：指該期刊全部被引次數(shù)中，被其他刊引用次數(shù)所占的比例。具體算法為：