基于GF-4號衛星影像東洞庭湖濕地植被類型監測能力比較研究

由 佳，張懷清，陳永富，高志海，劉 華

(中國林業科學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特生境，兩者結合相互作用形成了其獨特的生態系統，是地球三大生態系統的重要組成部分，兼具多種生態功能[1-4]，同時被譽為“地球之腎”以及自然物種庫。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[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，總面積達1 478 km2，是一個天然蓄水型通江湖泊，對長江水量的調節起到較為重要的作用。洞庭湖濕地在利用原有的野外實地勘察獲取數據時，因其湖區內部通行條件的限制，采集數據需要花費大量的人工、物力、財力以及時間。因而運用濕地遙感檢測技術對洞庭湖植被類型監測，充分分析洞庭湖植被群落以及其生長趨勢和區域內部生態環境更迭，有利于其合理地利用濕地資源和濕地生態環境的保護。尤其是在較短的時間維度內對濕地植被資源動態變化、區域濕地植被類型的影像特征、濕地植被類型分類識別能力已成為目前變化檢測的側重點之一。

隨著遙感研究技術的飛速發展，利用遙感技術手段對濕地植被類型進行信息提取也有一定程度上的進步。那曉東等[8]運用MODIS影像數據，采用一種基于時間序列的歸一化植被指數NDVI區分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]以長江口崇明東灘濕地為研究區域，根據Landsat TM地物反射光譜曲線以及實測數據進行分析，選取9種典型的植被指數進行計算，提出相對適當的研究區域內三波段比值被指數TRVI，并利用該指數進行典型地物信息提取，效果良好。韋瑋等[10]以CHRIS為基礎影像數據進行植被指數計算及影像融合，提出歸一化植被指數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衛星影像為數據源，在預處理之后，將NDVI應用到多尺度分割中，結合基于隸屬度函數和閾值的面向對象的分類方法對東洞庭湖濕地植被信息進行提取；與此同時，以相同分類方法對未輔以NDVI分割的圖像進行植被提取，并與最大似然監督分類法提取的結果進行對比。結果顯示，輔以NDVI分割的面向對象信息提取的總分類精度達到了87.69%，Kappa系數達到0.86，提升了濕地植被的提取精度。柴穎等[12]以美國Sacramento-San Joaquin三角洲為研究區域，在光譜特征分析和實測數據的基礎上，構造特征指數，建立決策樹分類模型對濕地植被進行分類，結果表明，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，根據這些差異，可以構造合適的特征指數，從而實現濕地植被在物種水平上的識別。

綜上，關于濕地植被信息提取的研究已經取得一定進展，但研究內容主要集中在國外衛星遙感影像上，而以國內高分辨率影像為基礎的比較研究相對偏少。隨著我國遙感技術手段的不斷推進，高分辨率的遙感影像能使使用者對地物形狀及尺寸獲得更高的辨識度，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號衛星遙感影像進行植被類型信息提取，以東洞庭湖為研究區域，對影像進行預處理基礎上，在區內選擇蘆葦、苔草、泥蒿+辣蓼3類典型植被類型，每類選取30個樣本區，與數據物候等盡量接近的Landsat 8商業衛星進行對比，采用同樣的訓練樣本，相同的信息提取方法，包括監督分類最大似然法和非監督ISO分類方法進行濕地植被類型信息提取，比較濕地植被分類結果。

1 研究區概況與數據分析

1.1研究區概況洞庭湖位于湖南省北部，位于長江中游荊江南岸，地處111°19′～113°34′E、27°39′～29°51′ N，該區域南近益陽等縣市，北抵安鄉縣、南縣等縣鄉，東至汨羅等市，西至澧縣等縣市。地處亞熱帶季風氣候，年平均氣溫16.4～17 ℃，年降水量1 100～1 400 mm，年平均過水量達3 126億m3，總容積220億m3，其中天然湖泊容積178億m3，河道容積42億m3。洞庭湖獨特的生境使古老珍稀物種有了得天獨厚的生存條件。洞庭湖是長江流域重要的蓄水型湖泊，具有強大的蓄洪能力，同時在保護生物多樣性方面發揮著舉足輕重的作用。

1.2研究區影像數據該研究利用GF-4號衛星數據進行分析。GF-4號衛星為50 m分辨率光學成像衛星，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)，單景覆蓋區域為400 km×400 km，影像接收時間為2016年05月11日。

另外還運用了Landsat 8衛星數據進行比較。Landsat 8衛星中OLI傳感器有9個波段，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，影像接收時間為2016年05月11日。

表1 GF-4數據光譜波段和分辨率

表2 Landsat 8數據光譜波段和分辨率

所獲數據基本情況見表3。研究區的GF-4和Landsat 8 多光譜圖像分別見圖1、2。

表3 遙感影像數據情況

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

對原始遙感影像數據進行預處理，通過融合、配準進行濕地類型信息的提取，在典型的濕地分布區域，通過解譯濕地植被類型、濕地植被面積等信息，對基于GF-4影像以及Landsat 8進行判識，并與已有調查資料進行對比，比較判識結果，分析應用能力，評價濕地資源信息提取應用效果。具體流程見圖3。

圖3 區域濕地植被類型監測能力測試評價流程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價在洞庭湖區選擇蘆葦、苔草、泥蒿+辣蓼3類典型植被類型，每類選取30個樣本區，統計其光譜反射的平均值(表4)，分析其光譜輻射情況，結果見圖4～6。

對比東洞庭湖區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，測試區內的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計

Table4Statisticalofspectralreflectanceoftypicalgroundobjects

產品號ProductID相機(傳感器)Camera(sensor)波段號Bandnumber樣點數量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價將融合后的GF-4和Landsat 8影像裁剪成相同的區域大小，在GF-4影像上的濕地植被區域內進行監督分類，選取樣本時，保證原始GF-4和Landsat 8數據鏈接，使其2個影像的樣本保持一致性。所選樣本見圖7～9。

通過以上的訓練樣本選取，然后采用最大似然法進行監督分類，分析比較采用該種方法后GF-4影像和Landsat 8數據濕地植被類型的分類結果特征，結果見圖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最大似然監督分類濕地植被結果Fig.10 Maximum Likelihood Classification of wetland vegetation results under GF-4 images and Landsat 8 images

2.3精度評價研究區精度評價是利用Confusion Matrices評價分類結果，是通過混淆矩陣把分類結果的精度顯示在一個混淆矩陣里(用于比較分類結果和地表的真實信息)。研究區運用混淆矩陣對分類結果進行精度分析的結果見表5～6。

表5 GF-4 影像精度評價

表6 Landsat 8影像精度評價

注：生產者精度=正確分類數/某類別總數；用戶精度=正確分類數/(正確分類數+錯分到某類別總數)

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 結論與討論

3.1結論綜合上述GF-4影像與Landsat 8數據的濕地植被信息提取結果，得出以下結論：

(1)研究區的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)在研究區的GF-4影像典型濕地植被類型的細化分類程度較次于Landsat 8影像分類結果。

(3)在研究區的Landsat 8影像分析中出現了在泥灘地中對水體的混淆情況，GF-4影像分析中沒有出現水體混淆情況。

(4)GF-4影像的林地出現與耕地部分混淆的現象，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分類結果的斑塊特性。

3.2討論

(1)東洞庭湖研究區GF-4影像數據質量優良，可以真實反映濕地植被信息，較為適合濕地植被類型提取。

(2)東洞庭湖研究區GF-4影像數據的空間分辨率在濕地重點地區能夠很好地識別出濕地植被范圍。

(3)通過植被光譜分析，洞庭湖研究區GF-4數據的植被光譜特征明顯，若再通過多期不同季相的影像進行光譜特征分析，濕地植被類型區分的效果將會更加明顯。

[1] 孫廣友.中國濕地科學的進展與展望[J].地球科學進展，2000，15(6)：666-672.

[2] 楊永興.國際濕地科學研究的主要特點、進展與展望[J].地理科學進展，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.東洞庭湖國家級自然保護區濕地資源評價[J].地球信息科學學報，2011，13(3)：323-331.

[5] 王國生，鐘玉書，田敏，等.人工蘆葦濕地處理城市污水的研究[J].遼寧農業科學，2006(2)：5-8.

[6] 余莉，何隆華，張奇，等.三峽工程蓄水運行對鄱陽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].地理學報，2005，60(4)：656-664.

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

[9] 劉瑜，韓震，郭永飛.植被指數在長江口潮灘濕地植被信息提取中的應用研究[J].遙感技術與應用，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研究[J].林業科學研究，2011，24(3)：300-306.

[11] 喬婷，張懷清，陳永富，等.基于NDVI分割與面向對象的東洞庭湖濕地植被信息提取技術[J].西北林學院學報，2013，28(4)：170- 175.

[12] 柴穎，阮仁宗，傅巧妮.高光譜數據濕地植被類型信息提取[J].南京林業大學學報(自然科學版)，2015，39(1)：181- 184.

[13] 陳述彭.遙感地學分析[M].北京：測繪出版社，1990.

名詞解釋

擴展即年指標：這是一個表征期刊即時反應速率的指標，主要描述期刊當年發表的論文在當年被引用的情況。具體算法為：

擴展他引率：指該期刊全部被引次數中，被其他刊引用次數所占的比例。具體算法為：