基于Pleiades-1衛(wèi)星數(shù)據(jù)薇甘菊信息提取

柳 帥 ，林 輝 ，孫 華 ，陳 利

（1.湖南農(nóng)業(yè)大學(xué) 生物科學(xué)技術(shù)學(xué)院，湖南 長(zhǎng)沙 410128；2.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004）

基于Pleiades-1衛(wèi)星數(shù)據(jù)薇甘菊信息提取

柳 帥1，林 輝2，孫 華2，陳 利2

（1.湖南農(nóng)業(yè)大學(xué) 生物科學(xué)技術(shù)學(xué)院，湖南 長(zhǎng)沙 410128；2.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004）

薇甘菊Mikania micrantha是一種極具危險(xiǎn)性的外來(lái)物種，對(duì)侵入地生態(tài)系統(tǒng)的完整性構(gòu)成了極大威脅，及時(shí)、準(zhǔn)確掌握薇甘菊分布信息成為防控其入侵的關(guān)鍵技術(shù)。目前，薇甘菊的監(jiān)測(cè)主要采用人工方法，耗時(shí)費(fèi)力。隨著遙感技術(shù)的發(fā)展，采用高分辨率遙感數(shù)據(jù)快速準(zhǔn)確提取薇甘菊分布信息成為可能。以深圳市Pleiades-1影像為主要信息源，開(kāi)展薇甘菊信息的快速提取研究。結(jié)果表明:(1)Pleiades-1影像分辨率較高，在開(kāi)展薇甘菊識(shí)別時(shí)的最佳波段組合是R(B3)、G(B2+B4)/2、B(B1)；(2)通過(guò)Brovey變換、Gram-Schmidt變換、Pansharpen變換的對(duì)比分析，Gram-Schmidt變換在信息量、最佳波段、清晰度等方面，均優(yōu)于Brovey變換和Pansharpen變換，既保留了大量的原有信息，又增強(qiáng)目視解譯效果，是影像融合時(shí)的最優(yōu)變換；(3)基于光譜與紋理信息分析，提取薇甘菊信息范圍更好；(4)薇甘菊信息提取的最佳分割尺度是30，綜合識(shí)別精度達(dá)95.3%，說(shuō)明采用高分辨率遙感影像能實(shí)現(xiàn)薇甘菊信息的精細(xì)識(shí)別。

遙感技術(shù)；薇甘菊；信息提??；Pleiades-1衛(wèi)星數(shù)據(jù)

外來(lái)物種入侵對(duì)原生地的物種和生態(tài)環(huán)境常常造成嚴(yán)重威脅，隨著經(jīng)濟(jì)的發(fā)展，我國(guó)外來(lái)物種的入侵越來(lái)越頻繁。薇甘菊Mikania micrantha又名小花蔓澤蘭，是一種危險(xiǎn)性極強(qiáng)的外業(yè)物種，原產(chǎn)于中美洲，于20世紀(jì)80年代初期從香港擴(kuò)散至深圳市，之后快速蔓延至珠江三角洲地區(qū)，現(xiàn)在已擴(kuò)散至廣西、云南、貴州等地，是世界上危害最嚴(yán)重的雜草之一[1]。

薇甘菊入侵的關(guān)鍵因素至今尚未完全明確，但及時(shí)掌握其分布和發(fā)展動(dòng)態(tài)，是防治其蔓延的必須過(guò)程。通常對(duì)其調(diào)查及防治以人工方法為主，速度慢且不準(zhǔn)確，采用遙感技術(shù)監(jiān)測(cè)其分布及動(dòng)態(tài)發(fā)展，為薇甘菊防治提供了新的途徑[2]。遙感技術(shù)應(yīng)用于外來(lái)物種的監(jiān)測(cè)雖有嘗試，但效果并不好，主要是當(dāng)時(shí)使用的遙感圖像空間分辨率偏低，即使是高分辨率圖像出現(xiàn)以后，對(duì)于植物種的識(shí)別也是非常困難的[3-5]，而且高空間分辨率遙感數(shù)據(jù)量大、成本高、過(guò)程復(fù)雜，大面積采用仍有難度[6-9]，因此，類(lèi)似的研究也很少見(jiàn)。

本研究通過(guò)高空間分辨率遙感數(shù)據(jù)，結(jié)合地面高光譜觀測(cè)和物候期的特點(diǎn)，綜合提取薇甘菊分布信息，希望找到一種比較好的薇甘菊信息遙感監(jiān)測(cè)方法。

1 研究區(qū)概況

研究區(qū)位于廣東省深圳市，該地區(qū)地處珠江入?？跂|岸，東經(jīng) 113°46′～ 114°37′，北緯 22°27′～22°52′；海拔高度70～120 m，屬亞熱帶海洋性氣候，平均氣溫22℃，雨量充沛，年降水量1 926 mm，研究區(qū)位置見(jiàn)圖1。

圖1 研究區(qū)位置Fig.1 Location of study area

2 遙感數(shù)據(jù)源

研究采用的遙感數(shù)據(jù)為Pleiades-1多光譜和全色影像。Pleiades-1衛(wèi)星由法國(guó)阿斯特里姆公司公司于2011年12月27日發(fā)射，分辨率為0.5 m，幅寬達(dá)到了20 km×20 km，由1個(gè)全波段和4個(gè)多波段組成。Pleiades-1影像不僅具有較高的空間分辨率，光譜信息比較豐富（如表1）。

表1 Pleiades-1衛(wèi)星基本參數(shù)Table 1 Basic parameters of Pleiades-1

本次Pleiades-1影像采集時(shí)間為2013年11月25日，恰逢薇甘菊的開(kāi)花期，是識(shí)別薇甘菊的最佳時(shí)期。

3 最佳波段組合分析與圖像融合

3.1 薇甘菊高光譜分析

為了準(zhǔn)確掌握薇甘菊的光譜特征，結(jié)合物候期特點(diǎn)，在薇甘菊盛花期同步開(kāi)展了高光譜觀測(cè)，外業(yè)采用了美國(guó)ASD公司生產(chǎn)的地物輻射儀進(jìn)行地面高光譜觀測(cè)，結(jié)果如圖2所示。

從圖2可以看出，在可見(jiàn)光區(qū)域內(nèi)，薇甘菊的反射率較背景植被高，而在紅外區(qū)域內(nèi)，其反射率遠(yuǎn)低于背景植被。另外，薇甘菊在綠光和紅光區(qū)域具有明顯的反射峰和反射谷。

3.2 最佳波段組合分析

圖像融合是遙感圖像處理的重要步驟，融合后的圖像具有全波段分辨率高和多波段信息量大的特點(diǎn)，使圖像的分辨能力大大提高。波段如何選擇和組合，需要分析多光譜影像單個(gè)波段的均值、方差、相關(guān)系數(shù)、信息熵等指標(biāo)，再對(duì)融合后的影像采用標(biāo)準(zhǔn)差、信息熵、最佳波段組合的定量指標(biāo)綜合確定最佳波段組合[11]。

融合算法采用了HSV融合、Brovey融合、Gram Schmidt融合和PC 融合等4種方法。其中Gram Schmidt融合所得影像的3個(gè)波段的圖像質(zhì)量最好，清晰度最高，提高了影像的空間分辨率，在色彩保真和清晰度方面均具有良好的效果，優(yōu)于其余3種方法。

圖2 薇甘菊的光譜特征Fig.2 Spectral characteristics of Mikania micrantha

通過(guò)對(duì)融合圖像的熵、標(biāo)準(zhǔn)差、圖像清晰度進(jìn)行評(píng)價(jià)，并計(jì)算波段間的相關(guān)系數(shù)和最佳指數(shù)，最后確定最佳波段組合為R(B3)、G(B2+B4)/2、B(B1)（見(jiàn)圖3）。

圖3 最佳波段組合效果(R(B3)、G(B2+B4)/2、B(B1))Fig.3 Best result for the band combination of R (B3), G(B2+B4)/2 and B (B1)

最佳波段組合可以很清楚的分辨各種地類(lèi)的差異，但對(duì)薇甘菊的顯示還不是最明顯，因此，在最佳波段組合的基礎(chǔ)上，進(jìn)一步開(kāi)展波段運(yùn)算和灰度拉伸，最后得到的圖像清晰、層次豐富、主成分類(lèi)型可判讀性好（見(jiàn)圖4）。

圖4顯示出薇甘菊在拉伸后的圖像上泛白色，對(duì)薇甘菊的識(shí)別十分有利。

圖4 圖像運(yùn)算與拉伸后效果(R(B3)、G(B4/B2)、B(B1))Fig.4 Results for the image (with band combination of R(B3), G (B2+B4)/2 and B (B1)) after computation and stretch

4 信息提取

4.1 圖像分割

圖像分割是信息提取的關(guān)鍵步驟，但分割尺度很難把握，為了找到合適的分割尺度，分別以10、30、50為分割尺度對(duì)圖像進(jìn)行處理。通過(guò)目視解譯判斷，最后確定影像分割的尺度為30，并采用Full Lambda-Schedule算法進(jìn)行合并分塊。

4.2 信息提取

4.2.1 圖像光譜分析

分割后的圖像存在歸類(lèi)的問(wèn)題，也就是信息提取的過(guò)程。利用歸一化植被指數(shù)(NDVI)是一種常用方法，可以很容易地區(qū)分植被與非植被。選取多組植被樣本，比較其N(xiāo)DVI值，可以確定閾值為0.4，即NDVI≥0.4為植被，否則為非植被。依此類(lèi)推，利用外業(yè)調(diào)查、高光譜曲線和遙感圖像上的光譜響應(yīng)曲線，對(duì)薇甘菊和其它植被分別采樣，共選取50113個(gè)林地樣本和20903個(gè)薇甘菊樣本，對(duì)樣本的DN值及NDVI值分別統(tǒng)計(jì)其最小值、最大值和均值（見(jiàn)表2）。

表2 光譜特征統(tǒng)計(jì)Table 2 Spectral characteristics of various vegetation statistics

僅利用光譜特征是無(wú)法獲取林地與薇甘菊區(qū)域的差異，對(duì)影像進(jìn)一步分析可以發(fā)現(xiàn)，Band2圖像上林地與薇甘菊DN值差異在，是易于區(qū)分的波段圖像，而B(niǎo)and4則相對(duì)要差一些。而從NDVI值來(lái)看，薇甘菊的NDVI值明顯偏低，其它植被則明顯又偏高，結(jié)合這兩方面的因素，信息提取的結(jié)果要準(zhǔn)確得多。

4.2.2 紋理特征

高分辨率遙感圖像的最大特征是具有紋理效應(yīng)，每種植被或地類(lèi)是具有一定的紋理特征的，薇甘菊也不例外，從本研究圖像上看，紋理特征也很明顯，色調(diào)均勻且與背景反差大，顆粒感不明顯，相對(duì)集中連片，也是判讀的重要依據(jù)。

4.3 精度檢驗(yàn)

遙感的判讀結(jié)果是否正確，還需要外業(yè)的驗(yàn)證，并對(duì)結(jié)果進(jìn)行檢查和修正。本次外業(yè)驗(yàn)證工作共分3次進(jìn)行，外業(yè)核查小班數(shù)分別為182個(gè)、246個(gè)和360個(gè)。核查小班分布在寶安區(qū)、福田區(qū)、光明新區(qū)、龍崗區(qū)、龍華區(qū)、羅湖區(qū)和南山區(qū)，核查的范圍較大，其有效小班343個(gè)，判對(duì)率為95.3%。從結(jié)果來(lái)看，判對(duì)率比較高，能夠達(dá)到生產(chǎn)的要求。

5 結(jié)論與討論

通過(guò)對(duì)Pleiades-1遙感圖像的精處理，并提取薇甘菊信息，主要結(jié)果如下：

(1)通過(guò)對(duì)融合影像的標(biāo)準(zhǔn)差、信息熵和最佳指數(shù)分析，確定了薇甘菊信息提取的最佳波段組合為 R(B3)、G(B2+B4)/2、B(B1)。

(2)通過(guò)采用HSV融合、Brovey融合、Gram Schmidt融合和PC 融合進(jìn)行比較分析，Gram Schmidt融合影像的3個(gè)波段的圖像質(zhì)量最好，清晰度最高，提高了影像的空間分辨率，在色彩保真和清晰度方面均具有良好的效果。

(3)通過(guò)光譜分析，采用遙感像上的DN值和NDVI值綜合分析方法，可以比較準(zhǔn)確地區(qū)分薇甘菊與及其背景植被的光譜差異。信息提取時(shí)，其分割尺度以30效果比較好。

研究結(jié)果經(jīng)外業(yè)驗(yàn)證，判對(duì)率達(dá)95.3%，準(zhǔn)確率較高，能夠滿足生產(chǎn)的要求。但本研究的基礎(chǔ)是在光譜分析基礎(chǔ)上，結(jié)合了物候期的特點(diǎn)，有針對(duì)性地采集高空間分辨率的遙感圖像，才取得了較好的結(jié)果。

[1] 陳 軍,權(quán)文婷,周冠華,等.外來(lái)物種紫莖澤蘭光譜特征[J].光譜學(xué)與光譜分析,2010,30(7):1853-1857.

[2] 林 輝,孫 華,熊育久.林業(yè)遙感[M].北京:中國(guó)林業(yè)出版社,2011:88-92.

[3] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003:117-120.

[4] 嚴(yán)恩萍,林 輝,莫登奎,等.基于光譜特征的森林類(lèi)型識(shí)別研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2011, 31(11): 23-29.

[5 東啟亮,林 輝,孫 華,等.多源遙感數(shù)據(jù)融合方法在濕地分類(lèi)中的適用性研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2013,33(1):52-57.

[6] 于 歡,張樹(shù)清,趙 軍,等.基于ALOS遙感影像的濕地地表覆被信息提取研究[J].地球科學(xué)與環(huán)境學(xué)報(bào),2010,121(3):324-330.

[7] 嚴(yán)恩萍,林 輝,莫登奎,等. 基于ALOS數(shù)據(jù)的遙感植被分類(lèi)研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào), 2010,30(11):37-42.

[8] 凌春麗,朱蘭艷,吳俐民. Pleiades-1影像林地信息提取的研究與實(shí)現(xiàn)[J].測(cè)繪科學(xué),2010,35(5): 205-207.

[9] 王雷光,鄭 晨,林立宇,等.基于多尺度均值漂移的高分辨率遙感影像快速分割方法[J].光譜學(xué)與光譜分析,2011,31(1):177-183.

[10] 陳 利,林 輝,孫 華,等.基于決策樹(shù)分類(lèi)的森林信息提取研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2013,33(1):46-51.

[11] 林 輝,嚴(yán)恩萍,莫登奎,等.成像高光譜數(shù)據(jù)大氣校正方法研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2011,31(11): 7-12.

Information extraction ofMikania micranthabased on Pleiades-1 data

LIU Shuai1, LIN Hui2, SUN Hua2, CHEN Li2
(1. College of Biological Science and Technology, Hunan Agricultural University, Changsha 410128, Hunan, China; 2. Research Center of Forestry Remote Sensing & Information Engineering, Central South University of Forestry & Technology, Changsha 410004, Hunan, China)

Mikania micranthaH.B.K. is a highly dangerous invasion plant, has seriously threaten the integrity of ecosystem of invaded area. It is required that timely and accuratly understand distribution ofM. micranthainformation in China, and it is also very important for us to master and controlM. micranthaintrusion. At present, the monitoring ofM. micranthaadopt mainly artificial methods,take time and effort. With the development of remote sensing technology, using high resolution remote sensing data and quickly and accurately extractingM. micranthadistribution information become possible. By taking Shenzhen city’s Pleiades-1 satellite images as the main source of information, the author of this study conducted the study on the fast extraction ofM. micranthainformation.The results show that (1) the images had higher resolution, and the optimal band combinations that re-cognizedM. micranthaare R(B3),G(B2+B4)/2 andB(B1)；(2) through comparing and analyzing Brovey transform, Gram-Schmidt transform and Pansharpen transform, we can find that Gram-Schmidt transformation in aspects such as information amount, best band and clarity etc. , are superior to Brovey transform and Pansharpen transform, it retains much of the original information, and enhance the effect of visual interpretation, is the optimal transformation for image fusion; (3) with the analysis methods of spectrum and texture information, we can get more wider extracting range forM. micranthainformation; (4) the best segmentation scale forM. micranthainformation extraction is 30, the integrated identif i cation precision reached 95.3%. It is found that we can realize the precise identif i cation ofM. micranthainformation by using high-resolution remote sensing images.

remote sensing technology;Mikania micrantha; information extraction; Pleiades-1 satellite data

S771.8

A

1673-923X(2014)11-0116-04

2014-01-12

國(guó)家十二五高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）課題：“數(shù)字化森林資源監(jiān)測(cè)關(guān)鍵技術(shù)研究”（課題編號(hào)：2012AA102001），國(guó)家自然科學(xué)基金資助項(xiàng)目（30871962），湖南省高校產(chǎn)業(yè)化培育項(xiàng)目（13CY011）

柳 帥（1983-），女，湖南長(zhǎng)沙人，碩士研究生，主要從事生態(tài)學(xué)研究

林 輝（1965-），女，湖北黃岡人，教授，博士，博士生導(dǎo)師，主要從事森林經(jīng)理學(xué)、遙感技術(shù)與地理信息系統(tǒng)的教學(xué)和科研工作

[本文編校：吳 毅]