基于多源遙感影像融合的扎龍濕地信息提取

楊明悅

（哈爾濱師范大學，黑龍江 哈爾濱150000）

1 概述

濕地生態系統與海洋、森林生態系統一起并稱為全球三大生態系統，其在調蓄洪水、維持區域水平衡等方面具有重要的意義。多年來，由于人類對濕地資源帶來了一定程度的干擾，濕地越來越需要有效的監測與保護，而濕地信息提取則是對濕地實現監測的最重要的一環。因此，實現更加高效準確的濕地信息提取是十分必要的[1-2]。

國內外學者也因此對濕地信息提取進行了深入廣泛的研究，不僅在研究方法上進行了優化，還會在數據源的選擇上進行改進。濕地信息提取領域最常用的數據源是光學影像，但是光學影像自身在探測、獲取信息上存在一定的局限性，而雷達影像在探測過程中不受天氣影響，并且具有穿透性，能夠獲取到光學影像獲取不到的信息[3]，因此雷達手段被越來越多的引入到濕地信息提取領域的研究中。例如郭交等人利用Sentinel-1和Sentinel-2 的融合影像對研究區的農作物進行分類，提高了農作物的分類精度[4]。胥為以Sentinel-1 和Landsat8 的融合影像作為數據源，對長江口典型鹽沼濕地進行分類制圖，得到了精度較高的分類結果[5]。周宏偉以光學數據與雷達數據作為基本數據源，采用多種圖像處理方法與手段，提高了濕地分類精度[6]。

本文選用Landsat 8OLI 光學影像和Sentinel-1 雷達影像作為數據源，以黑龍江省齊齊哈爾市扎龍濕地為研究區，將兩種影像進行融合并對融合后的影像進行信息提取，從而實現更加高效準確的濕地信息提取，以期為扎龍濕地提供更準確的監測和更有效的保護與管理。

2 研究區與數據

2.1 研究區概況

扎龍濕地地處黑龍江省齊齊哈爾市（部分地區位于大慶市杜爾伯特蒙古族自治縣和林甸縣境內），位于松嫩平原西部。地物種類豐富，其中分布著大范圍的淡水沼澤區和許多小型水面，河道錯雜分布在草地、沼澤上，濕地生態狀況保持良好，是我國目前北方同緯度地區保留最完整、最原始、最開闊的濕地生態系統[7]。

2.2 數據源及預處理

本文選取了2017 年的Landsat 8OLI 光學影像和2017 年的Sentinel-1 雷達影像。Landsat 8 OLI 影像信息量極為豐富，并且定位精度也很高，空間分辨率為30m，其中全色波段分辨率為15m。選取的Sentinel-1 雷達影像空間分辨率是10m，極化方式是VV+VH 雙極化，這種極化方式對獲取濕地植被信息非常有利[5]。

利用ENVI 軟件對光學影像進行輻射校正、大氣校正、重采樣、裁剪等預處理，得到與Sentinel-1 分辨率相同的影像，利用SNAP 軟件對Sentinel-1 影像進行輻射定標、Sigma 噪聲抑制、地理編碼、幾何校正、裁剪等預處理，采用HIS 變換法將經過預處理的兩幅影像進行融合，得到影像圖像清晰、分辨率更高的具有多源遙感影像信息的融合影像。

3 基于支持向量機的扎龍濕地信息提取

3.1 分類系統

本研究結合“國家資源與環境遙感宏觀調查與動態研究”土地資源分類系統的以及扎龍濕地實際的地表植被特征，同時簡化了濕地內覆蓋物的類別，突出濕地中主要土地覆蓋類型，決定將扎龍濕地分為明水、沼澤、草甸、草原、鹽堿地、農田和居民地7 種類型[8]。

3.2 分類方法

濕地信息提取目前較常用的的監督分類方法主要包括最大似然法、支持向量機、決策樹方法等，但決策樹方法需要建立出合理的決策樹規則需要豐富的先驗知識，存在一定的難度[9]，支持向量機這一方法操作方便快捷、結果質量較好、分類精度較高，并且鄒青青等人采用支持向量機方法對淮河流域濕地進行信息提取時，在河流、湖泊、庫塘上得到了較高的分類精度[10]，該方法比較適合同樣錯綜分布較多水域的扎龍濕地。因此，本文選用支持向量機方法來對扎龍濕地進行信息提取。在ENVI 軟件中，根據特定的波段組合中地物所表現出的不同顏色紋理特征以及各個地物的光譜曲線特征，選出各個地物的訓練樣區，選擇好訓練樣區后查看各類訓練樣區的分離度均大于1.8，符合支持向量機分類的要求，然后根據所選訓練樣區對影像進行支持向量機的分類。

4 結果與分析

4.1 分類結果

在ENVI 軟件的支持下，分別對單一光學影像和融合影像進行支持向量機分類，得到兩種影像的分類結果。但由于計算機自動分類法的直接分類結果會存在一個、兩個或者多個獨立的像元，使圖像上出現很多微小的斑塊，所以本研究對得到的兩種分類結果進行了7×7 的圖斑合并，消除了分類結果上存在的多個碎小的斑塊，圖1 所示為最終分類結果。

圖1 融合影像分類結果

通過分類結果圖可以看出扎龍濕地地物種類較多，大部分地類分布極其零散、不規則。沼澤分布最廣、覆蓋面積最大，相對來說比較連續，草地分布較分散、不連續，但是總面積也很大，草地夾雜在沼澤中或者分布在水體周圍，旱地呈大面積不連續分布，主要圍繞扎龍濕地的邊緣分布。扎龍濕地內部沼澤和草地也會零散分布小面積的旱地和水田，水田的面積很小，除了在沼澤和草地中少有分布，還零散分布在居民地附近或水域附近，水體大多為小型胡泊，錯落分布、十分零散，居民地大多數與耕地分布在一起，從整體看分布也很分散。

4.2 精度評價

在信息提取研究中常通過計算混淆矩陣的方法來進行分類結果的精度評價，其中最主要的檢驗指標就是總體分類精度和Kappa 系數。結合Google 高清地圖在影像上選取一定數量的訓練樣區，作為精度評價的驗證樣本，在ENVI4.5 軟件的Confusion Matrix 命令的支持下進行混淆矩陣的計算，得到了如表1 所示的精度評價表。單一光學影像分類結果的總精度為80.50%，Kappa 系數為0.7703，融合影像分類結果的總精度為81.30%，Kappa 系數為0.7817。

5 結論與討論

本研究中借助光學影像影像多光譜、高波譜分辨率、影像信息豐富的優勢與雷達影像較高的空間分辨率以及對水體識別極為敏感的優勢相互補充，使扎龍濕地信息提取達到了更好的效果，總體精度和Kappa 系數均有明顯的提高，尤其體現在農田、鹽堿地和居民地的分類結果上，有效改善了單一光學影像分類結果中農田居民地誤分嚴重的情況。但是還是存在一定的缺陷，例如草甸與沼澤、草原與農田依然存在一定程度的錯分情況，沒能夠得到有效的改善。

濕地信息提取的影像數據源以及研究方法種類繁多，本文所選取的數據源和研究方法只是冰山一角，并且在進行濕地信息提取的過程中可能存在某些已知或者未知的不足和有待改進的地方，在濕地信息提取領域我們還需要繼續在數據源與研究方法上進行研究與挖掘，從而提高濕地分類精度，實現更精準的濕地信息提取，為扎龍濕地提供更準確的監測和更有效的保護與管理提供有效的依據。