資源3號衛(wèi)星影像的植被信息提取

張 雨 ，林 輝

(1.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 長沙 410004；2. 貴州省林業(yè)調(diào)查規(guī)劃院，貴州 貴陽 550003)

資源3號衛(wèi)星影像的植被信息提取

張 雨1,2，林 輝1

(1.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 長沙 410004；2. 貴州省林業(yè)調(diào)查規(guī)劃院，貴州 貴陽 550003)

資源3號衛(wèi)星（ZY-3）是我國2012年發(fā)射成功的第一顆自主民用高分辨率立體測繪衛(wèi)星。在對ZY-3衛(wèi)星數(shù)據(jù)精細處理基礎(chǔ)上，分析了典型地物的光譜特征和紋理特征，構(gòu)建了適合植被信息提取的ZY-3決策樹模型，將研究區(qū)地類分為針葉林、闊葉林、灌木林、竹林、耕地、建設(shè)用地、裸露地、水體和其他地類共9種地類，開展植被信息提取和精度檢驗。結(jié)果表明：（1）ZY-3比較適合于森林植被信息的提取，特別是針葉林和闊葉林；（2）ZY-3 數(shù)據(jù)的總體分類效果較好，精度達到了91.96%，Kappa系數(shù)0.902 9，說明根據(jù)影像的光譜特征和紋理特征，采用決策樹算法選擇合適的閾值提取植被信息是可行的。

林業(yè)遙感；資源3號衛(wèi)星（ZY-3）；森林植被；光譜特征；紋理特征；決策樹模型；漓江流域

漓江作為桂林風(fēng)光的精華，每年接待國內(nèi)外游客人數(shù)達200萬～300萬人次，該流域生態(tài)環(huán)境的好壞直接影響到桂林旅游的聲譽，影響到桂林經(jīng)濟的發(fā)展[1]。為了更好的保護漓江流域的生態(tài)環(huán)境，找到一種快速、準(zhǔn)確地提取漓江流域植被信息的算法意義重大。遙感作為提取植被信息的一種手段，能夠很好地、快速地提取植被信息，監(jiān)測植被變化。近年來國產(chǎn)高分辨衛(wèi)星技術(shù)的快速發(fā)展，使高分辨遙感影像的獲取變得容易，采用遙感方法快速、準(zhǔn)確地獲取植被信息成為可能。

目前，對流域植被的研究多選用分辨率較低的衛(wèi)星影像，如TM、MODIS、NOAA-AVHRR等進行大區(qū)域研究，應(yīng)用高分辨遙感影像對流域植被進行小尺度的研究較少[2-5]。分類方法大多采用歸一化植被指數(shù)法，或傳統(tǒng)監(jiān)督和非監(jiān)督分類方法，利用光譜信息和紋理信息構(gòu)建決策樹研究流域植被比較少見[6-8]。

本研究運用2012年我國發(fā)射的第一顆民用高分辨率立體測繪衛(wèi)星ZY-3衛(wèi)星接收的數(shù)據(jù)，采用光譜信息和紋理信息相結(jié)合的方法，對漓江流域的植被進行信息提取，旨在解決以下兩個問題（1）找到一種應(yīng)用資源三號衛(wèi)星快速、準(zhǔn)確地對漓江流域進行植被信息提取的最佳算法；（2）掌握漓江流域2012年植被分布狀況，為今后漓江流域的治理提供科學(xué)依據(jù)。

1 ZY-3衛(wèi)星介紹

資源3號衛(wèi)星（ZY-3）是我國2012年發(fā)射成功的第一顆民用高分辨率立體測繪衛(wèi)星，自發(fā)射以來，在生產(chǎn)中得到了廣泛的應(yīng)用[8-9]，其主要參數(shù)如表1。

2 研究區(qū)概況

研究選擇廣西省桂林市的漓江流域。漓江發(fā)源于廣西壯族自治區(qū)桂林市興安縣貓兒山，東經(jīng)109°45′～ 110°40′， 北 緯 24°18′～ 25°41′， 全 長214 km，由北向南流經(jīng)興安縣、靈川縣、四城區(qū)、雁山區(qū)、陽朔縣、平安縣。

表1 ZY-3衛(wèi)星參數(shù)Table 1 Parameters of ZY-3 satellite

本文的研究區(qū)包括漓江流域左右各緩沖10 km范圍，面積約為259 266.47 hm2（如圖1）。

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

漓江源頭包括貓兒山、青獅潭、海洋山等3個水源林區(qū)。高海拔地帶的森林植被保存較好。低山、丘陵地帶大多為杉木、松類、毛竹、柑橘等人工林。常綠闊葉林為林區(qū)的地帶性植被，主要位于流域源頭和山地，還有天然的馬尾松、人工的濕地松、杉木等，及油桐、油茶、銀杏、橘、橙等經(jīng)濟果木林[10]。

3 數(shù)據(jù)處理與分析

3.1 數(shù)據(jù)收集

研究采用2012年11月ZY-3號衛(wèi)星接收的全波段和多光譜數(shù)據(jù)。另外還有研究區(qū)內(nèi)野外踏勘數(shù)據(jù)、森林資源二類調(diào)查數(shù)據(jù)、行政區(qū)劃圖，研究區(qū)地理、植被等方面的統(tǒng)計文字資料。

3.2 ZY-3衛(wèi)星影像光譜分析

通過對ZY-3衛(wèi)星數(shù)據(jù)進行輻射校正、幾何精校正、坐標(biāo)轉(zhuǎn)換、融合與增強、鑲嵌與裁剪等預(yù)處理后，得到研究區(qū)內(nèi)比較精準(zhǔn)的遙感影像。

根據(jù)衛(wèi)星影像的可判性，結(jié)合土地利用分類體系，將研究區(qū)的地類劃分為針葉林、闊葉林、竹林、灌木林、耕地、建設(shè)用地、裸露地、水體、其他9種地類，對每一種地類進行光譜信息提取，并計算平均值和均方差，結(jié)果見表2和表3。

表2 ZY-3影像各種林地類型光譜特征統(tǒng)計Table 2 Statistics of spectral characteristics of forest land types in ZY-3 images

表3 ZY-3影像各種非林地類型光譜特征統(tǒng)計Table 3 Statistics of spectral characteristics of non-forest land types in ALOS images

表2和表3說明：

（1）各植被類型之間光譜值不同，光譜值在一些波段上相近，在另一些波段上卻差異顯著；光譜值相近的波段不利于植被信息提取。

（2）地類不同其光譜值就不同，而且表現(xiàn)出不同的光譜變化規(guī)律；相同地類在相同波段上的光譜值也存在差異，因此在遙感影像信息處理中，為了保證訓(xùn)練樣本的代表性和典型性，應(yīng)盡可能多的選取訓(xùn)練樣本。

（3）ZY-3影像的綠光波段可以有效的將漓江流域植被與非植被分開。

3.3 ZY-3衛(wèi)星影像紋理分析

紋理是遙感影像上重要的信息，是指影像的細部特征，即遙感影像色調(diào)的變化頻率，是一種單一細小的特征組合，其本質(zhì)是刻畫像素的鄰域灰度空間分布規(guī)律[11]。

利用灰度共生矩陣的方法分別對ZY-3影像進行紋理特征提取，通過人工選取，舍掉方差較大、數(shù)值異常、9種地類差異不明顯和對構(gòu)建決策樹沒有決定意義的紋理特征參數(shù)，保留用來構(gòu)建決策樹紋理特征參數(shù)，如表4和表5。

表4 ZY-3影像各種林地類型紋理特征統(tǒng)計表Table 4 Statistics of texture characteristics of forest land types in ZY-3 images

表5 ZY-3影像各種非林地類型紋理特征統(tǒng)計表Table 5 Statistics of texture characteristics of non-forest land types in ZY-3 images

由表4和表5可知：紋理值與光譜值表現(xiàn)出相似的規(guī)律特征：

（1）各植被類型之間紋理不同，紋理值在一些波段上相近，在另一些波段上卻差異顯著；可以有效利用差異顯著的紋理值對植被信息進行準(zhǔn)確提取。

（2）地類不同其紋理值就不同，而且表現(xiàn)出不同的紋理變化規(guī)律；相同地類在相同波段上的紋理值也存在差異，因此在遙感影像信息處理中，為了保證訓(xùn)練樣本的代表性和典型性，應(yīng)盡可能多的選取訓(xùn)練樣本。

4 決策樹模型的構(gòu)建

決策樹分類算法是近年來出現(xiàn)的一種新分類算法，具有靈活、直觀、清晰和運算效率高等優(yōu)勢，獲得了學(xué)者的一致認(rèn)同和使用[12-15]。

4.1 ZY-3影像林地類型劃分的閾值確定

決策樹分類最主要是通過確定閾值，從總體中分出地類，遙感圖像主要是通過對精處理后的圖像上的灰度值實現(xiàn)的。

ZY-3影像的綠光波段（Band2）可以較好的將林地與非林地分開，也就是將研究區(qū)的地類劃分為兩大部分，再分別確定閾值和建立決策樹模型，現(xiàn)以林地為例，說明閾值的確定過程，由光譜分析可得到各林地在近紅外波段上的光譜分布如表6。

表6 ZY-3影像林地類型光譜統(tǒng)計Table 6 Statistics of characteristic spectrum of forest land types in ZY-3 images

表6說明：針葉林與闊葉林、竹林、灌木林、其他地類在近紅外波段上有明顯差異，針葉林的灰度均值小于408，其余4種地類的灰度均值大于408，據(jù)此可以將針葉林與闊葉林、竹林、灌木林、其他地類分開。

依此類推，通過第二主成分圖像特征將闊葉林、竹林、灌木林與其他地類分開，闊葉林、竹林、灌木林的均值小于-85，其他地類均值大于-85。通過藍光波段相關(guān)性分析將闊葉林、竹林和灌木林分開，闊葉林的均值小于0.22，竹林和灌木林的均值都大于0.22。通過第一主成分圖像上的灰度特征可將竹林和灌木林分開，竹林的灰度均值小于187，灌木林的灰度均值大于187。

同理可分析出非林地中各地類的閾值。

4.2 ZY-3影像林地決策樹模型建立

根據(jù)確定的閾值，可建立決策樹模型如圖2。

其中： ST-水體，GD-耕地，LTD-裸土地，JSYD-建設(shè)用地，ZYL-針葉林，KYL-闊葉林，ZL-竹林，GML-灌木林，QT-其他地類。

COR1-ZY-3影像藍光波段（Band1）進行紋理信息提取時表示影像局部灰度的相關(guān)性大小的相關(guān)性值。VAR2-ZY-3影像綠光波段（Band2）進行紋理信息提取時表示紋理非勻質(zhì)特性的方差值。

5 信息提取

根據(jù)以上結(jié)果對2012年ZY-3影像進行分類，分類結(jié)果如圖3，各地類面積統(tǒng)計如表7。

圖2 研究區(qū)ZY-3影像決策樹模型Fig.2 Decision tree model of ZY-3 image in study region

由表7可知，2012年占據(jù)漓江流域主導(dǎo)地位的是耕地和灌木林地，分別占總面積的34.17%和30.12%，其次是針葉林地和闊葉林地分別占14.37%和14.03%，而建設(shè)用地、裸露地、竹林、其他和水體則分布較少。

圖3 2012年ZY-3影像漓江流域分類結(jié)果Fig.3 Classif i cation result of Lijiang River Basin in 2012 by ZY-3 images

表7 漓江流域各種地類面積Table 7 Areas of land types in Lijiang River Basin

6 精度分析

采用隨機布點，建立地面數(shù)據(jù)與分類影像之間的誤差矩陣，再計算出各種總體精度、用戶精度、制圖精度和Kappa系數(shù)，結(jié)果如表8。

表8 基于2012年ZY-3影像的決策樹分類混淆矩陣?Table 8 Confusion matrix derived from decision tree classification based of ZY-3 images in 2012

由表8可以知道，采用決策樹模型對 ZY-3影像進行分類，總體精度達到了91.96%，Kappa系數(shù)為0.902 9，分類結(jié)果較好，精度較高。

7 結(jié)論與討論

論文通過對ZY-3數(shù)據(jù)精處理基礎(chǔ)上，分析了典型地物的光譜特征和紋理特征，構(gòu)建了適合于植被信息提取的ZY-3決策樹模型，將研究區(qū)地類分為針葉林、闊葉林、灌木林、竹林、耕地、建設(shè)用地、裸地、水域和其他地類等9種地類，開展植被信息提取和精度檢驗。結(jié)果表明：（1）ZY-3數(shù)據(jù)比較適合于森林植被信息的提取；（2）ZY-3 數(shù)據(jù)的總體分類效果較好，精度達到了91.96%，Kappa系數(shù)0.902 9，說明根據(jù)影像的光譜特征和紋理特征，采用決策樹算法選擇合適的閾值提取植被信息是可行的；ZY-3衛(wèi)星是我國自主發(fā)射的第一顆民用高分辨率衛(wèi)星，其應(yīng)用對我國高分系列衛(wèi)星有重要的指導(dǎo)作用。（3）2012年占據(jù)漓江流域主導(dǎo)地位的是耕地和灌木林地，分別占總面積的34.17% 和30.12%，其次是針葉林地和闊葉林地分別占14.37%和14.03%。

[1] 鄧友志,陳三明,羅文敏,等. 基于遙感影像的漓江流域植被覆蓋度動態(tài)變化研究[J]. 數(shù)字技術(shù)與應(yīng)用,2013,(3):90-91.

[2] 吳 虹,郭遠飛,郭建東,等.基于TM/ETM+和MODIS的漓江流域生態(tài)環(huán)境遙感動態(tài)監(jiān)測[J].國土資源遙感,2007,(3):56-61,107.

[3] 楊永德,吳 虹,郭建東,等.漓江源及上游生態(tài)環(huán)境變化遙感調(diào)查[J].桂林工學(xué)院學(xué)報,2005,(1):36-40,138.

[4] 韓蘭英,王寶鑒,張正偲,等.基于RS的石羊河流域植被覆蓋度動態(tài)監(jiān)測[J].草業(yè)科學(xué),2008,(2):11-15.

[5] 吳雪嬌,魯安新,王麗紅,等.2001-2010年松木希錯流域植被動態(tài)變化遙感研究[J].遙感技術(shù)與應(yīng)用,2011,(6):782-790.

[6] 譚德寶,胡 艷,夏 帆,等. MODIS數(shù)據(jù)在長江流域生態(tài)環(huán)境監(jiān)測中的應(yīng)用[J]. 人民長江,2006,(4):5-8.

[7] 陳三明,鄧友志,高 陽,等. 漓江流域沿岸風(fēng)光帶植被覆蓋度的遙感動態(tài)監(jiān)測與估算[J].桂林理工大學(xué)學(xué)報,2013,(3):430-437.

[8] 王海云,劉德富,張成成,等. 基于ETM+遙感圖像的漓江水系生態(tài)環(huán)境變化分析[J].湖北農(nóng)業(yè)科學(xué),2012,(6):1112-1114, 1127.

[9] 李 芬.資源三號衛(wèi)星數(shù)據(jù)在土地利用遙感監(jiān)測中的應(yīng)用研究[D].長春:吉林大學(xué), 2013.

[10] 黎 瑤,楊柳青.漓江兩岸綠化彩化原則與方式探討[J].中南林業(yè)科技大學(xué)學(xué)報:社會科學(xué)版,2011,(2):116-117,134.

[11] 李永亮,林 輝,馬延輝. 基于CBERS-02B星數(shù)據(jù)的竹林、針葉林紋理特征變化分析[J].西北林學(xué)院學(xué)報,2011,(1):171-175.

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

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

[14] 陳 亮,張友靜,陳波.結(jié)合多尺度紋理的高分辨率遙感影像決策樹分類[J].地理與地理信息科學(xué),2007,(4):18-21.

[15] 姜麗華,楊曉蓉.基于決策樹分類技術(shù)的遙感影像分類方法研究[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2009,(10):34-36,42.

Extraction of vegetation information based on resources satellite No.3(ZY-3) data

ZHANG Yu1,2, LIN Hui1
(1. Research Center of Forest Remote Sensing & Information Engineering, Central South University of Forestry & Technology,Changsha 410004, Hunan, China; 2. Forest Inventory and Planning Institute of Guizhou, Guiyang 550003, Guizhou, China)

ZY-3 is the fi rst high resolution satellite of our country, which was launched in 2012, was used in stereo-survey and drawing including forest and vegetation and was one self-developed and for civilian. Based on the fi ne-processing of the ZY-3 data of Lijiang River Basin, the spectral features and texture features of typical ground objects in the area were analyzed, ZY-3 decision tree models were established that were suitable for vegetation information extraction, and then the land type if the studied area were divided into 9 kinds, they are needle-leaved forest, broad-leaved forest, shrub, bamboo, farm, buildings, naked land, water and others, fi nally the vegetation information of all kinds were extracted and the extraction accuracy were tested. The results show that : (1) ZY-3 is very suitable for vegetation extraction, better for the information extraction of needle-leaved and broad-leaved forest than others; (2) All the land types’ information extraction from the data are good, the total classif i cation accuracy was up to 91.96% , and the Kappa coeff i cient was 0.902 9. It is feasible that the studied area vegetation information is extracted according to the spectral features and texture features of the studied area data, by using decision tree algorithm models and choosing an appropriate threshold value.

forestry remote sensing; resources satellite No.3(ZY-3); forest vegetation; spectral features; texture features; decision tree model; Lijiang River Basin

S771.8

A

1673-923X(2014)11-0130-05

2014-01-12

國家“十二五”高技術(shù)研究發(fā)展計劃（863計劃）課題：“數(shù)字化森林資源監(jiān)測關(guān)鍵技術(shù)研究”（2012AA102001）；國家自然科學(xué)基金項目（31370639）；湖南省高校產(chǎn)業(yè)化培育項目（13CY011）

張 雨（1989-），女，遼寧錦州人，碩士研究生，主要從事林業(yè)遙感和地理信息系統(tǒng)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]