基于面向?qū)ο蠓ò群u蟲信息提取

李微， 劉偉男， 賈越平， 劉洪洋, 湯勇

(1.大連海洋大學(xué)海洋科技與環(huán)境學(xué)院，大連 116023；2.遼寧省高校近岸環(huán)境科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室，大連 116023)

0 引言

鹵蟲卵蟲富含蛋白質(zhì)和脂肪，是名貴水產(chǎn)品良好的開口飼料[1]，價(jià)格昂貴。隨著水產(chǎn)養(yǎng)殖業(yè)的發(fā)展，鹵蟲卵蟲的需求量不斷升高，一度被稱為“軟黃金”。90年代初由于我國近海沿岸鹽田的污染和破壞，使得我國的鹵蟲卵蟲開采研究從沿海鹽田轉(zhuǎn)向內(nèi)陸鹽湖。艾比湖作為內(nèi)陸鹽水湖，在中國內(nèi)陸鹽湖中鹵蟲資源量占據(jù)榜首，每年8—11月是新疆艾比湖鹵蟲卵蟲的捕撈期。遙感具有大面積、多波段、多時(shí)相等特點(diǎn)，常用于動(dòng)態(tài)監(jiān)測內(nèi)陸湖泊水環(huán)境，如湖泊面積及其變化[2]、水色因子如葉綠素濃度[3]、懸浮泥沙含量[4]，以及藍(lán)藻水華災(zāi)害[5-7]等。藍(lán)藻密度的增長引起水體光學(xué)性質(zhì)的變化，進(jìn)而導(dǎo)致衛(wèi)星傳感器接收信號的變化，因此通過分析處理衛(wèi)星數(shù)據(jù)可以有效提取水體藍(lán)藻信息，同理遙感技術(shù)也可以提取艾比湖表面微小成群的鹵蟲及其卵蟲。

目前遙感信息提取方法總體上可分為基于像元和面向?qū)ο?種[8]。艾比湖的鹵蟲生長在高鹽環(huán)境下，其卵蟲會(huì)漂浮于湖面，在低頻表面風(fēng)浪波動(dòng)的作用下，形成集群的卵蟲條帶分布的特征，而對于高空間分辨率影像，面向?qū)ο蟮姆诸惙椒梢钥紤]除光譜特征外的紋理、類間和幾何特征等，因此本文利用資源三號(ZY-3)高空間分辨率數(shù)據(jù)，構(gòu)建基于面向?qū)ο蟮陌群u蟲卵蟲信息提取模型，旨在探索基于高空間分辨率遙感數(shù)據(jù)的湖泊卵蟲信息提取方法，為實(shí)時(shí)、準(zhǔn)確地監(jiān)測與預(yù)測艾比湖內(nèi)卵蟲分布信息，合理開發(fā)與捕撈卵蟲的工作提供技術(shù)支持。

1 研究區(qū)概況及其數(shù)據(jù)源

1.1 研究區(qū)概況

艾比湖是新疆第一大鹽水湖，地處中溫帶大陸性干旱氣候帶，具有豐富的資源。本文研究區(qū)位于N44°45′～45°00′，E82°45′～83°10′之間，如圖1(a)所示。其中紅線為艾比湖遙感數(shù)據(jù)的瞬時(shí)水體邊界。鹵蟲是一種小型甲殼動(dòng)物，生活在高鹽度水域中，自身呈白色，其卵蟲呈紅色，是重要的生物資源。鹵蟲在其生長繁殖周期內(nèi)，成體和卵蟲都會(huì)漂浮于水面，形成條帶狀分布見圖1(b)。

(a) 研究區(qū)范圍 (b) 鹵蟲卵蟲條帶局部放大

1.2 遙感數(shù)據(jù)源及其預(yù)處理

我國的ZY-3衛(wèi)星作為新一代的高空間分辨率衛(wèi)星于2012年發(fā)射成功，采用太陽同步軌道，軌道高度約505 km，傾角97.5°，回歸周期59 d，重訪周期5 d。該衛(wèi)星上搭載了4臺光學(xué)相機(jī)，其中包含一臺空間分辨率為5.8 m的多光譜相機(jī)，共有紅光、綠光、藍(lán)光和近紅外4個(gè)多光譜通道，與全色影像融合用于地物解譯。其波段參數(shù)如表1所示。

表1 ZY-3多光譜相機(jī)有效載荷參數(shù)

采用研究區(qū)2013年鹵蟲卵蟲爆發(fā)期內(nèi)7月16日的ZY-3多光譜數(shù)據(jù)。數(shù)據(jù)預(yù)處理采用ENVI5.2軟件完成，主要包括正射校正、輻射定標(biāo)、圖像裁剪和大氣校正。正射校正結(jié)合軟件自帶的全球900 m空間分辨率的數(shù)字高程模型數(shù)據(jù)進(jìn)行處理，偏離誤差在1個(gè)像元以內(nèi)；輻射定標(biāo)采用資源衛(wèi)星應(yīng)用中心網(wǎng)站提供的ZY-3數(shù)據(jù)定標(biāo)參數(shù)；利用艾比湖湖水邊界進(jìn)行掩模裁剪；大氣校正則通過Flaash Atmospheric Correction模塊來實(shí)現(xiàn)[9-10]。

2 研究方法

2.1 3類水體覆蓋區(qū)域光譜特性分析

目視解譯ZY-3真彩色合成影像發(fā)現(xiàn)：影像中湖水呈現(xiàn)淺綠色，鹵蟲卵蟲密集區(qū)域呈紅色，除此之外還有亮度值明顯高于其他水體的區(qū)域，可能為受太陽直射或湖邊光滑的巖壁反射影響所形成的太陽耀斑，本文稱之為高亮度水體。基于ZY-3遙感數(shù)據(jù)，均勻選擇典型水體樣本，依據(jù)各波段的中心波長處反射率繪制3類水體的反射光譜曲線[11]，如圖2所示。

圖2 不同水體的反射光譜曲線

從圖2可以看出，水體在藍(lán)綠光波段的反射率較高，隨波長增加其吸收逐漸增強(qiáng)，因此水體在近紅外波段色調(diào)較深，結(jié)合近紅外波段水體易于提取；高亮度水體整體的反射曲線趨勢和水體基本一致，但在各個(gè)波段的反射率都要遠(yuǎn)大于正常水體，掩蓋了真實(shí)水體的信息，與當(dāng)天的太陽活動(dòng)及湖區(qū)周邊地理狀況有一定關(guān)系；受鹵蟲卵蟲的影響，該覆蓋區(qū)域反射率在綠光波段降低，在紅光和近紅外波段升高，隨著鹵蟲卵蟲覆蓋密度的增大，反射率在綠光波段反射率呈現(xiàn)遞減趨勢，在紅光波段呈遞增趨勢。

2.2 基于面向?qū)ο蠓ㄐ畔⑻崛?/h3>

面向?qū)ο蠓诸愅ㄟ^多特征融合的方法可以有效地避免利用單一光譜信息導(dǎo)致的同物異譜、異物同譜現(xiàn)象，提高分類精度[12]。面向?qū)ο蠓ㄒ杂跋駥ο鬄榛A(chǔ)單元進(jìn)行信息提取，其分類過程主要包括影像分割、確立解譯標(biāo)志和分類規(guī)則構(gòu)建，最后利用建立的分類規(guī)則進(jìn)行鹵蟲卵蟲信息的提取。

2.2.1 影像分割

影像分割是利用面向?qū)ο蠓ǚ诸惖幕A(chǔ)[13-14]，采用多尺度異質(zhì)性區(qū)域分割策略[15-16]，其中多尺度體現(xiàn)在針對湖區(qū)的不同對象采用二級尺度分割。而異質(zhì)性由光譜因子和形狀因子共同決定，二者權(quán)重之和為1。同時(shí)，為充分利用光譜信息，各波段都參與分割運(yùn)算。

針對水體和淺灘，選擇較大的分割尺度，即一級分割。因?yàn)樗w和淺灘光譜信息差異十分明顯，僅利用光譜信息就可以較好地提取研究區(qū)內(nèi)的水體和淺灘，而且兩者面積較大且分布均勻連續(xù)，故設(shè)定光譜因子大于形狀因子。參數(shù)設(shè)置如下：①分割尺度為40；②4個(gè)波段的權(quán)重都為1；③光譜因子為0.9；④形狀因子為0.1。

針對水體進(jìn)行二級分割，由于目標(biāo)對象鹵蟲卵蟲呈紅色，將B3波段的權(quán)重設(shè)置高于其他波段，以增加其參與分割的信息量，同時(shí)結(jié)合鹵蟲卵蟲的條帶狀分布特征，增加形狀因子的權(quán)重。二級分割參數(shù)如下：①分割尺度為10；②紅光波段B3權(quán)重為1，其他波段權(quán)重為0.8；③光譜因子為0.2；④形狀因子為0.8。

2.2.2 優(yōu)選解譯標(biāo)志

解譯標(biāo)志是識別和區(qū)分遙感影像中不同地物類別的重要依據(jù)，而過多的特征選擇會(huì)造成信息冗雜、降低整體分類精度。基于目視解譯和水體光譜特征分析，從光譜和紋理特征2個(gè)方面優(yōu)選4種解譯標(biāo)志，分別為歸一化水體指數(shù)(normalized difference water index，NDWI)、卵蟲指數(shù)RIartemia、多波段反射率均值Br以及長寬比L/W。

NDWI公式為

(1)

式中ρB2和ρB4分別為ZY-3衛(wèi)星多光譜數(shù)據(jù)B2和B4波段的反射率值，利用NDWI提取和區(qū)分湖區(qū)內(nèi)的水體以及淺灘。

鹵蟲卵蟲爆發(fā)時(shí)節(jié)，因其密度較小而漂浮在水面之上，隨著湖區(qū)流體作用，會(huì)發(fā)生堆積現(xiàn)象。因此，結(jié)合鹵蟲卵蟲覆蓋區(qū)域的光譜特征，構(gòu)建了基于ZY-3多光譜數(shù)據(jù)ρB3與ρB2的卵蟲指數(shù)RIartemia，即

(2)

式中ρB3為ZY-3衛(wèi)星多光譜數(shù)據(jù)B3波段的反射率值。以圖1(b)數(shù)據(jù)為例，計(jì)算RIartemia并統(tǒng)計(jì)直方圖，如圖3所示。

圖3 RIartemia分布直方圖

從圖3中可以看出，RIartemia直方圖有明顯的2個(gè)峰值和1個(gè)谷值，2個(gè)峰值分別對應(yīng)湖區(qū)水體和鹵蟲卵蟲覆蓋區(qū)域，而谷值可作為2類區(qū)域區(qū)分的閾值，并可根據(jù)閾值的設(shè)定進(jìn)一步判斷鹵蟲卵蟲分布密度。隨著覆蓋密度逐漸增大，RIartemia逐漸接近于1，因此將RIartemia≥1所對應(yīng)像元作為高密度鹵蟲卵蟲覆蓋區(qū)域；RIartemia在谷值到1區(qū)間為中密度鹵蟲卵蟲覆蓋區(qū)域；RIartemia介于湖區(qū)水體所對應(yīng)的第一個(gè)峰值和谷值之間為潛在區(qū)域。

由于高亮度水體在衛(wèi)星影像中亮度較大，其各波段反射率均高于湖區(qū)內(nèi)正常水體和鹵蟲卵蟲覆蓋區(qū)域。因此將各波段反射率之和取均值作為該類區(qū)域的解譯標(biāo)志。Br公式為

(3)

式中ρB1為ZY-3衛(wèi)星多光譜數(shù)據(jù)B1波段的反射率值。

長寬比定義為分割對象的最大外接矩形長與寬的比值。湖區(qū)內(nèi)鹵蟲卵蟲質(zhì)量較小且漂浮在水體之上，通常隨湖水作用而發(fā)生堆積現(xiàn)象，呈條帶分布，因此將長寬比作為提取鹵蟲卵蟲的解譯標(biāo)志。

2.2.3 分類規(guī)則建立

采用基于閾值的分類方法，根據(jù)建立的影像層，優(yōu)選多種解譯標(biāo)志，基于單個(gè)對象內(nèi)鹵蟲卵蟲的高、中、低密度分布，構(gòu)建分類規(guī)則如表2所示。

表2 分類規(guī)則

3 結(jié)果與分析

3.1 提取結(jié)果

根據(jù)上述規(guī)則提取水體信息，結(jié)果如圖4所示。從提取結(jié)果中可以看出，鹵蟲卵蟲主要呈現(xiàn)條帶狀逐級分布，在湖區(qū)中央以及東北沿岸為主要分布區(qū)域，湖區(qū)內(nèi)提取鹵蟲卵蟲面積約為8.31 km2，其中鹵蟲卵蟲高密度覆蓋面積較小，僅占1.13%，主要分布在湖區(qū)中央；中密度覆蓋面積占11.34%，在東北沿岸也有覆蓋；潛在區(qū)域占87.53%，穿插分布在高、中密度覆蓋區(qū)域以及沿岸淺灘。

(a) 面向?qū)ο蠓ㄕw分類結(jié)果 (b) 面向?qū)ο蠓ǚ诸惤Y(jié)果局部放大

為了與基于像元的提取方法進(jìn)行比較，利用表征光譜信息的NDWI，Br和RIartemia這3個(gè)解譯標(biāo)志構(gòu)建決策樹，采用基于像元的分類法進(jìn)行了同區(qū)域的信息提取。基于像元法提取結(jié)果如圖5所示，鹵蟲卵蟲面積為8.60 km2，其中鹵蟲卵蟲高密度覆蓋區(qū)域占1.05%，中密度覆蓋區(qū)域占13.49%，潛在區(qū)域占85.56%，各密度級分布區(qū)域與面向?qū)ο蠓诸惤Y(jié)果基本一致。

(a) 基于像元法整體分類結(jié)果 (b) 基于像元法分類結(jié)果局部放大

通過局部放大(圖1(b)、圖4(b)和圖5(b))進(jìn)一步比較，可看出2種方法均能較好地提取鹵蟲卵蟲高、中密度覆蓋區(qū)域，但基于像元法提取的中密度覆蓋區(qū)域存在一定的“椒鹽”現(xiàn)象；而在潛在區(qū)域2種方法差別很大，基于像元法在潛在區(qū)域內(nèi)存在大量水體像元，面向?qū)ο蠓ㄔ谧陨矸指钜?guī)則上避免了這個(gè)問題，在水體流動(dòng)的湖內(nèi)，密度和體積都很小的鹵蟲卵蟲通常會(huì)聚集分布在湖區(qū)某區(qū)域內(nèi)，不會(huì)呈現(xiàn)過多的“椒鹽”分布。因此面向?qū)ο蠓ǜm用于湖區(qū)實(shí)際狀況下的鹵蟲卵蟲信息提取。

3.2 精度評價(jià)分析

在研究區(qū)域中隨機(jī)選取360個(gè)樣本點(diǎn)，采用混淆矩陣法分別對2種方法的分類結(jié)果進(jìn)行精度驗(yàn)證。360個(gè)樣本點(diǎn)中各類別樣本數(shù)與涉及像元數(shù)成比例，保證小類別的樣本點(diǎn)也具有可分析性。結(jié)合目視解譯，利用ENVI軟件中Confusion Matrix工具對各類別進(jìn)行判斷，得到2種方法的混淆矩陣，如表3—4所示。面向?qū)ο蠓ǖ目傮w精度為91.74%，Kappa系數(shù)為0.89；然而基于像元法的總體精度僅為85.67%，Kappa系數(shù)為0.82。根據(jù)構(gòu)建的分類規(guī)則，在各預(yù)測類別中的整體分類精度均高于85%，表明RIartemia指數(shù)可以有效提取鹵蟲卵蟲信息。同時(shí)，相比基于像元法，面向?qū)ο蠓ǜ映浞值乩昧藢ο蟮男螤钚畔ⅲ瑢?yōu)選長寬比作為解譯標(biāo)志，使分類精度顯著提高了6%。比較鹵蟲卵蟲高、中密度覆蓋區(qū)域及潛在區(qū)域分類結(jié)果，面向?qū)ο蠓ǖ姆诸惥确謩e達(dá)到95.08%，92.30%和91.26%，而基于像元法僅分別為90.16%，87.18%和86.40%，面向?qū)ο蠓ǚ诸惥染哂诨谙裨ǎ砻髅嫦驅(qū)ο蠓ǖ能浄诸愄匦蕴岣吡他u蟲卵蟲不同密度級劃分精度，使圖像更加緊湊。

表3 面向?qū)ο蠓ǚ诸惥?/p>

表4 基于像元法分類精度

4 結(jié)論

利用艾比湖區(qū)域的ZY-3多光譜數(shù)據(jù)，在分析湖區(qū)內(nèi)各類別覆蓋區(qū)域光譜特性的基礎(chǔ)上，提出卵蟲指數(shù)RIartemia，結(jié)合光譜和紋理特征融合法，構(gòu)建基于面向?qū)ο蠓ǖ柠u蟲卵蟲信息提取模型，獲取了不同密度級鹵蟲卵蟲的空間分布情況，得到如下結(jié)論：

1)RIartemia指數(shù)在面向?qū)ο蠓ê蛡鹘y(tǒng)方法中都可以較好地提取鹵蟲卵蟲信息，并且結(jié)合形狀特征可以提高分類精度。

2)相比于基于像元法，面向?qū)ο蠓诸惙▽u蟲卵蟲的高、中、低密度覆蓋區(qū)域劃分更加準(zhǔn)確，細(xì)節(jié)描述更加充分，空間分布位置更具合理性，同時(shí)具有良好的分類精度，可以有效地避免分類結(jié)果中出現(xiàn)的“椒鹽”現(xiàn)象，在分類精度和效率上都要高于基于像元法。

在今后將利用多時(shí)相高空間分辨率遙感數(shù)據(jù)動(dòng)態(tài)監(jiān)測鹵蟲卵蟲信息，進(jìn)一步區(qū)分鹵蟲成體和鹵蟲卵蟲的分布條帶，深入分析、預(yù)測其移動(dòng)軌跡及強(qiáng)度，為科學(xué)、合理地捕撈提供更加詳實(shí)的決策依據(jù)。