濕地植被的高分遙感分類

方馨

摘要：濕地植被種類豐富，對(duì)于濕地生態(tài)系統(tǒng)有著無(wú)可替代的作用，近年來(lái)，濕地生態(tài)系統(tǒng)研究焦點(diǎn)是濕地植被的分類及其精度問(wèn)題。本文以杭州灣南岸作為研究區(qū)域，運(yùn)用FCN結(jié)合面向?qū)ο蟮姆椒ㄅc單采用FCN方法分別對(duì)研究區(qū)2017年的QuickBird影像進(jìn)行處理，以濕地野外調(diào)查數(shù)據(jù)為數(shù)據(jù)源，對(duì)杭州灣南岸濱海濕地植被進(jìn)行提取分類。實(shí)驗(yàn)結(jié)果表明：本文方法與單采用FCN的分類結(jié)果相比，能有效提高部分濕地植被的分類精度，總體分類精度達(dá)92.167%，Kappa系數(shù)達(dá) 92.1%。

關(guān)鍵詞：面向?qū)ο蠹夹g(shù);全卷積神經(jīng)網(wǎng)絡(luò);濕地植被;杭州灣南岸

緒 論

一、 研究背景

濕地有“地球之腎”的美稱，在地球表面占6%的覆蓋比，是地球上20%已知物種的棲息地，有很高的生態(tài)地位，是“三大系統(tǒng)”之一。在當(dāng)前濕地應(yīng)用研究中，主要聚焦對(duì)濕地植被的分類及其提取的精確的研究[1]。濕地植被的多樣性是評(píng)價(jià)濕地生態(tài)環(huán)境的一個(gè)重要指標(biāo)，因而，對(duì)其變化的精確分析和提取，對(duì)于濕地生態(tài)系統(tǒng)的研究來(lái)說(shuō)尤為重要。

濕地植被對(duì)人類生活有重要意義，是主要環(huán)境資本。濕地植被不僅是必須的自然植物，也是當(dāng)前開(kāi)展建設(shè)人工濕地工程的重要組成部分。根據(jù)濕地對(duì)自然環(huán)境以及人類活動(dòng)的重要性，加強(qiáng)對(duì)于濕地植被的監(jiān)測(cè)有助于對(duì)濕地植被的觀察與保護(hù)[2]。遙感作為一種新技術(shù)，憑借觀測(cè)范圍廣、獲取信息快等特點(diǎn)，在濕地資源調(diào)查中具有優(yōu)越地位。濱海濕地資源調(diào)查的目的是明確資源種類、分布等情況，掌握濕地資源的變化規(guī)律，為管理、保護(hù)濕地資源提供實(shí)時(shí)的標(biāo)準(zhǔn)化信息[3]。

二、國(guó)內(nèi)外研究現(xiàn)狀

2.1遙感分類方法

傳統(tǒng)遙感分類技術(shù)有目視解譯與計(jì)算機(jī)分類。計(jì)算機(jī)分類按照分類器可分為最大似然法（最常用的監(jiān)督方法）、馬氏距離分類、支持向量機(jī)分類等。隨著計(jì)算機(jī)圖像分類算法的發(fā)展，近年來(lái)，遙感分類出現(xiàn)新研究方向，如面向?qū)ο蠓指睢Q策樹(shù)分類、神經(jīng)網(wǎng)絡(luò)（NN）法、隨機(jī)森林分類法等。

2.2濕地植被遙感分類研究現(xiàn)狀

濕地植被的種類及其分布狀況數(shù)據(jù)，一般通過(guò)研究人員開(kāi)展實(shí)地調(diào)查的傳統(tǒng)方式獲取，缺陷在于會(huì)耗費(fèi)相當(dāng)長(zhǎng)的時(shí)間以及巨大的人力和物力。近年來(lái)，高分遙感影像技術(shù)發(fā)展迅速，為濕地的研究監(jiān)測(cè)提供了有力手段。國(guó)內(nèi)外的實(shí)驗(yàn)研究大多采用高分機(jī)載航拍圖，SAR 影像圖，QuickBird影像等研究數(shù)據(jù)，通過(guò)支持向量機(jī)、隨機(jī)森林、深度學(xué)習(xí)等方法對(duì)濕地植被進(jìn)行監(jiān)測(cè)。當(dāng)前，計(jì)算機(jī)學(xué)習(xí)算法不斷的更新，卷積神經(jīng)網(wǎng)絡(luò)以自動(dòng)提取數(shù)據(jù)能力的優(yōu)異性、對(duì)圖像大小限制少等特點(diǎn)，開(kāi)始成為當(dāng)下研究的熱點(diǎn)方法[4]。

2.3研究目的

高分遙感影像具有空間分辨率高，特征提取精確的特點(diǎn)，有利于復(fù)雜地表覆蓋的分類。基于像素分類方法處理高分辨率遙感分類，常會(huì)出現(xiàn)嚴(yán)重的椒鹽現(xiàn)象。近年來(lái)出現(xiàn)的全卷積神經(jīng)網(wǎng)絡(luò)在解決分類問(wèn)題有突出的優(yōu)勢(shì)，因此，本文將采取全卷積神經(jīng)網(wǎng)絡(luò)與面向?qū)ο蠹夹g(shù)相結(jié)合的方法， 對(duì)杭州灣南岸的濱海濕地進(jìn)行遙感分類。

三、研究區(qū)概況和研究數(shù)據(jù)

3.1研究區(qū)概況

杭州灣南岸的濱海濕地位于浙江省東北部（29°58’27” ～30°51’30” N，120°54’30” ～ 121°50’48” E ）， 該區(qū)域是三大建設(shè)用地核心的聚集地;南岸屬于淤漲型灘涂，也是浙江重要的后背土地資源庫(kù);耕地面積廣闊，還是是浙江重要的糧食基地。

該研究區(qū)的各類地物的分布格局由內(nèi)陸向海岸線大致是：建筑、蘆葦、南方堿蓬、互花米草、海三棱藨草、光攤、淺海。本實(shí)驗(yàn)所研究的濱海濕地植被主要是蘆葦、互花米草、海三棱藨草， 其中還包含一些常見(jiàn)地物，例如：田埂，耕地，河道（水體），樹(shù)，陰影等。

3.2研究數(shù)據(jù)

本次實(shí)驗(yàn)的研究數(shù)據(jù)是2017年QuickBird影像以及野外調(diào)查數(shù)據(jù)，圖像大小為14130*13982 個(gè)像元，分辨率為0.6 m。研究所采用的QuickBird 數(shù)據(jù)屬于L2A級(jí)別的產(chǎn)品，坐標(biāo)系統(tǒng)采用了全球橫軸墨卡托投影，包含了1個(gè)全色波段及4個(gè)多光譜波段，因此為了克服單一數(shù)據(jù)源的局限性，使影像信息得到充分利用，將全色波段及多光譜波段進(jìn)行融合。圖3.2中的黃點(diǎn)為2016年10月在研究區(qū)內(nèi)經(jīng)實(shí)地考察所獲取的樣點(diǎn)數(shù)據(jù)，以為后續(xù)制作樣本使用。圖 3.1 為原始圖像，圖3.2為研究樣點(diǎn)分布圖。

四、研究方法

對(duì)精校正的2017年Quick Brid 影像進(jìn)行面向?qū)ο蠓指睿貌煌指顓?shù)設(shè)置生成多個(gè)分割結(jié)果，運(yùn)用定量評(píng)價(jià)方法選擇最優(yōu)分割結(jié)果。基于分割好的圖像，選擇訓(xùn)練樣本并制作標(biāo)簽，運(yùn)用 FCN 方法進(jìn)行濕地植被分類;最后檢驗(yàn)分類精度。

五、研究結(jié)果

5.1 分類結(jié)果圖

由本次分類圖可見(jiàn)，海三棱藨草主要分布在灘涂處，蘆葦主要分布在空地與水田處，喬木集中在空地的右下角，耕地主要分布在靠近內(nèi)陸，裸露地表較少，主要集中在水田邊緣處。各部分面積見(jiàn)表 5.1。

5.2 精度評(píng)價(jià)結(jié)果

由上述結(jié)果可見(jiàn)，基于FCN分類的耕地、水體、灘涂的分類精度高，都達(dá)90%以上;海三棱藨草、互花米草、蘆葦、南方堿蓬、喬木的精度較好，都達(dá)86%以上。基于FCN結(jié)合面向?qū)ο蠓诸惖慕Y(jié)果顯示，海三棱藨草、南方堿蓬、睡蓮、喬木等精度有提高。

5.3 結(jié)論與討論

本文采用FCN結(jié)合面向?qū)ο蟮姆椒ㄅc基于FCN方法分別對(duì)2017年杭州灣南岸的濕地植被進(jìn)行分類。針對(duì)研究區(qū)中的濕地植被進(jìn)行分類處理，由于植被種類較多，調(diào)查數(shù)據(jù)有限，因此本次實(shí)驗(yàn)主要挑選有代表性且野外調(diào)查數(shù)據(jù)較充足的植被進(jìn)行分析。本次研究的植被主要有蘆葦、互花米草、睡蓮、喬木、南方堿蓬、海三棱藨草等。

本文通過(guò)運(yùn)用兩種方法所得結(jié)果的對(duì)比，認(rèn)為運(yùn)用FCN結(jié)合面向?qū)ο蠓指畹姆椒ㄝ^僅使用FCN處理，能有效提高部分濕地植被的分類精度，能較好提取濕地植被的監(jiān)測(cè)信息。例如：海三棱藨草的研究精度從88%提高至90%，睡蓮的研究精度從 80% 提高至92%。但也存在部分地物精度下降的現(xiàn)象，蘆葦?shù)难芯烤葟?8% 降至84%。

參考文獻(xiàn)：

[1]楊鋒，秦志遠(yuǎn)，高松峰.基于神經(jīng)網(wǎng)絡(luò)的濕地信息提取及動(dòng)態(tài)變化研究——以鶴壁淇河為例[J]. 河南城建學(xué)院學(xué)報(bào)，2018，27（6）：50-59.

[2]劉濤.濕地植物對(duì)人工濕地生態(tài)環(huán)境修復(fù)的重要性[J].環(huán)境與發(fā)展，2019，31（10）：197-199.

[3]孫廣興.3S 技術(shù)在濕地生態(tài)環(huán)境保護(hù)中的應(yīng)用綜述[J].科技經(jīng)濟(jì)導(dǎo)刊，2019，27（21）：100.

[4]薛家祥，陳海峰.基于卷積神經(jīng)網(wǎng)絡(luò)的光伏陣列污染報(bào)警系統(tǒng)[J].電測(cè)與儀表，2020，57（07）：54-59.