福建省羅源縣石材礦開采區(qū)高分遙感十年變化監(jiān)測

王志華，何國金，張兆明

(1.中國科學院遙感與數(shù)字地球研究所，北京 100094；2.中國科學院大學，北京 100039)

1 引 言

礦產(chǎn)資源開發(fā)和利用在產(chǎn)生巨大經(jīng)濟和社會效益的同時，也對所在地區(qū)的生態(tài)環(huán)境造成嚴重破壞和巨大威脅。福建省羅源縣石材礦資源豐富，是我國著名的石材產(chǎn)地。近十年來，羅源縣石材產(chǎn)業(yè)迅猛發(fā)展，石材礦過度開發(fā)導致礦區(qū)的廢石亂堆亂放，土地大量占用，植被嚴重破壞以及水體嚴重污染，是福建省國土廳的重點整治區(qū)域。遙感作為一種可以連續(xù)、快速、客觀獲取地表信息的技術(shù)手段，在礦區(qū)變化監(jiān)測方面具有明顯優(yōu)勢[1-3]，特別是隨著遙感圖像空間分辨率的不斷提高，高精度提取礦區(qū)信息及變化成為可能，使遙感技術(shù)成為礦山生態(tài)環(huán)境監(jiān)管的重要手段。為此，基于高分辨率遙感圖像開展了羅源縣石材礦開采區(qū)十年變化監(jiān)測研究。

圖1 研究區(qū)域位置及預處理后影像圖

2 石材礦開采范圍信息提取

2.1 研究區(qū)概況

羅源縣位于福建省東北沿海，26°23′N～26°39′N，119°07′E～119°54′E(圖1(a))，處于福建新華夏巨型構(gòu)造體系第二隆起帶的東部沉降帶上，中生代晚侏羅世和早白堊世火山巖及燕山晚期侵入巖大片分布境內(nèi)[4]。該縣陸地面積1081.2km2，轄6鎮(zhèn)、5鄉(xiāng)，屬中亞熱帶海洋性季風氣候，多年平均氣溫19℃，降雨量1650mm。

境內(nèi)山海資源豐富，花崗巖儲量在福建省內(nèi)位居第一?？h境開采花崗石、輝綠巖做建筑材料歷史悠久，在唐宋時期，就已使用花崗石建造石祠、石塔及雕刻工藝品。進入20世紀90年代后，羅源縣石材業(yè)異軍突起，逐漸成為全國的石材生產(chǎn)大縣，石材業(yè)成為解決當?shù)厝藛T就業(yè)，增加財政收入來源的重要渠道[5]。

2.2 遙感數(shù)據(jù)收集

收集了2010年高分辨率遙感圖像和2001年中分遙感影像，開展礦山信息提取及變化監(jiān)測研究。其中2010年的數(shù)據(jù)為3月18日的ALOS 2.5m全色與10m多光譜影像；2001年的數(shù)據(jù)為3月2日的SPOT-2 10m全色影像和3月4日的Landsat-7的ETM+30m多光譜影像。此外，還搜集了由中國科學院計算機網(wǎng)絡(luò)信息中心國際科學數(shù)據(jù)鏡像網(wǎng)站(http：//www.gscloud.cn)共享的30m分辨率GDEM DEM和GDEM SLOPE，以作為分類的輔助數(shù)據(jù)。

2.3 遙感數(shù)據(jù)預處理

遙感數(shù)據(jù)預處理包括幾何校正、數(shù)據(jù)融合、重采樣及投影變換、裁剪等步驟，如圖1(b)、圖1(c)所示，具體過程如下：

①影像幾何校正。利用RPC模型對ALOS全色及多光譜影像進行正射校正，以校正后的ALOS作為參考影像，對2001年影像進行校正，精度均小于1個像元。

②影像融合。實驗了Brovey變換、IHS變換、小波變換、主成分變換、Pansharp融合方法，通過觀察分析光譜扭曲程度、邊緣清晰度等方式[6]，最終選擇Pansharp融合方法。

③數(shù)據(jù)重采樣及投影變換。為在同一尺度和空間下分析，將兩期影像數(shù)據(jù)和輔助數(shù)據(jù)轉(zhuǎn)換為UTM投影，并對2001年影像進行三次卷積法重采樣到2.5m。

④裁剪。為保證數(shù)據(jù)范圍的一致性與可比性，對兩期預處理后的數(shù)據(jù)在石材礦區(qū)集中分布地區(qū)進行統(tǒng)一裁剪，裁剪區(qū)域位置如圖1(a)所示。

2.4 石材礦開采區(qū)生態(tài)系統(tǒng)分類

對于高分辨率影像來說，由于地物類別內(nèi)部的光譜響應(yīng)變異增大，傳統(tǒng)的基于像元的遙感影像分類方法已不適合高分遙感圖像分類[6]。與基于像元的分類方法相比，面向?qū)ο蟮姆椒梢杂行Ы鉀Q高分辨率影像的分類問題[7-9]。因此，論文用eCognition軟件進行面向?qū)ο笏枷脒M行分類。

兩期影像單獨分類會出現(xiàn)邊界不一致的現(xiàn)象，而且2001年原始影像分辨率較2010年低，還可能出現(xiàn)分類精度相差太大而不能有效進行變化檢測分析。為此，論文還采取了回溯的方法，即以2010年影像分類結(jié)果約束2001年的分類過程。

此外，不同類別體系常常會引起面向?qū)ο蠓诸惖膮?shù)設(shè)置和分類結(jié)果的不同[8]，須在分類前根據(jù)需求確認類別設(shè)置。論文依據(jù)項目需求，設(shè)置了七大類：工礦、城鎮(zhèn)、耕地、裸地、林地、草地和水域，其中工礦是研究重點。

圖2 礦區(qū)土地覆蓋及變化信息提取流程圖

在高分影像中，各個類別中還含有光譜差異性比較大的子類，例如工礦中的挖損區(qū)與壓占區(qū)，城鎮(zhèn)中的居民點與石材加工廠等，情況復雜。采用人工觀察特征，創(chuàng)建分類規(guī)則，不僅工作量大，還易出錯。決策樹是一種根據(jù)系統(tǒng)的勻質(zhì)程度指標，如信息增益、基尼指數(shù)，來生成決策規(guī)則簡單、高效并且能夠處理高維數(shù)據(jù)的智能分類算法[14]。該算法，可以在不需要人為干預設(shè)定參數(shù)的情況下，有效處理同一類別中含有多個子類的情況，因此，論文還選擇決策樹分類器進行生態(tài)系統(tǒng)分類。圖2為整個信息提取流程圖。

2.4.1 2010年高分影像決策樹分類

分割是面向?qū)ο蠓诸惖幕A(chǔ)，其好壞直接影響后期分類的精度和斑塊邊界的準確度。但關(guān)于分割質(zhì)量評價[11]和分割參數(shù)選擇[12]的問題，在實際應(yīng)用中是通過選擇樣本區(qū)，并采用目視判斷結(jié)合統(tǒng)計分析來確定最佳分割參數(shù)。以本研究中的工礦為例，在shape-0.1、color-0.9、compactness-0.5、smoothness-0.5下進行多尺度分割，統(tǒng)計樣本區(qū)域內(nèi)含有工礦的總斑塊數(shù)N和部分含有工礦類別的斑塊數(shù)Npart，并計算工礦類別正確分割的比率Nc=100%×(N-Npart)/N，結(jié)果如表1所示。

表1 工礦多尺度分割統(tǒng)計表

從數(shù)據(jù)中可以看到，當尺度為50時，工礦分割正確率達98%以上，隨著尺度的增加，欠分割現(xiàn)象逐漸顯露。如果尺度過小，會導致過分割現(xiàn)象，不利于發(fā)揮面向?qū)ο蠓诸惖膬?yōu)勢，因此取礦區(qū)分割尺度參數(shù)為50。依此方法，還確定了耕地、林地、草地為60，城鎮(zhèn)、裸地為50，水域為40。因該七類最佳分割尺度參數(shù)相差不大，可以統(tǒng)一取分割尺度參數(shù)為50，以便在同一分割圖層中選取樣本和利用決策樹算法[13]。

在訓練決策樹前，盡可能計算并利用多種與類別相關(guān)的特征，可以充分發(fā)揮決策樹算法的優(yōu)勢來自動發(fā)現(xiàn)特征中類別區(qū)分度較高的特征，生成最優(yōu)的判別規(guī)則。該實驗中不僅選取了基于光譜、形狀、紋理特征，還利用了輔助數(shù)據(jù)坡度、DEM的均值、方差，以及與植被、水體敏感的指數(shù)NDVI、NDWI[15]，共39個特征。其中，光譜特征包括亮度以及各波段的均值、方差；形狀特征包括面積、周長、周長面積比；紋理特征包括基于灰度共生矩陣的勻質(zhì)度、對比度、熵、ASM能量、自相關(guān)度[16]。在按照全面、均勻分布等要求下選擇各類樣本(表2)，并計算以上特征，然后使用eCognition軟件中的CART決策樹分類器進行訓練和分類。生成的決策樹如圖3所示，其中Layer 1、 Layer 2、Layer 3、Layer 4、Layer SLOPE分別是斑塊在2010年影像1、2、3、4波段中的均值以及SLOPE中的均值，分類結(jié)果如圖4(b)所示。

表2 樣本統(tǒng)計表

2.4.2 基于回溯方法的2001年遙感影像分類

2001年融合后影像分辨率較2010年融合后影像低，為10m。實地考察發(fā)現(xiàn)，水域、林地大部分在十年時間里變化幅度不明顯。回溯方法正是利用了以上規(guī)律，在控制2001年分類精度的同時，發(fā)揮高分影像邊界清晰的優(yōu)勢，使變化信息提取更加準確。其具體步驟如下：

(1)利用2010年分類結(jié)果中斑塊的邊界約束2001年影像分割。以2010年分類之后的圖層作為2001年分割的父類圖層，根據(jù)2.4.1節(jié)中分割參數(shù)選擇方法確認該分割參數(shù)。經(jīng)嘗試和實驗，分割尺度參數(shù)為30時效果最佳。

(2)參考2010年決策樹規(guī)則，提取變化部分。以提取在2010年變化為工礦的地物類別為例，當在2001年影像圖層中的某一對象，其父對象為工礦時，其屬性滿足決策樹中林地的判別條件，即NDVI>0.017且Layer 3<51.55，或者NDVI>0.31，Layer 3<51.55且SLOPE>6.58的條件時，可以判斷該對象從2001年的林地變化為2010年的工礦。其他變化信息依次類推，直至得出所有生態(tài)系統(tǒng)變化類別。

圖3 樣本訓練后的決策樹

圖4 遙感影像分類圖與礦區(qū)變化圖

表3分類精度驗證混淆矩陣

實際類別參考類別工礦/個城鎮(zhèn)/個裸地/個耕地/個水域/個草地/個林地/個工礦57130100城鎮(zhèn)25501002裸地01472112耕地11084085水域00036000草地012411236林地010407276

(3)合并相鄰同類斑塊，生成2001年生態(tài)系統(tǒng)分類結(jié)果圖和礦區(qū)變化圖，如圖4(a)和圖4(c)所示。

表4 各類別總體精度表

2.5 精度驗證

以上分類精度及變化監(jiān)測精度主要依賴于2010年影像分類精度，因此，可以從分析2010年分類精度驗證來探索分類結(jié)果的可靠程度。根據(jù)各類別面積所占比例，采用了Erdas軟件隨機生成763個驗證點，其中為了保證面積較少的類別能夠有足夠的精度驗證點，設(shè)置其點數(shù)下限為50。通過野外考察資料驗證其實際類別。結(jié)果顯示：2010年影像分類總體精度達92.01%，總體Kappa系數(shù)為0.8978。詳細混淆矩陣如表3所示，各類別總體精度如表4所示。

3 結(jié)果與分析

從分類結(jié)果統(tǒng)計圖5以及變化統(tǒng)計表5可以看出，一方面工礦面積從2001年的2.09km2增加到2010年的7.89km2，面積擴大到10年前的近四倍，而從表5可以看出，礦區(qū)擴張占用的土地類型幾乎全為林地，達6.43km2；另一方面，礦區(qū)復墾為林地的面積很有限，只有0.27km2。林地在生態(tài)系統(tǒng)穩(wěn)定性方面發(fā)揮著重要的作用，而礦山開采對林地的大量破壞，可能會導致當?shù)厣鷳B(tài)系統(tǒng)穩(wěn)定性的下降。

從斑塊數(shù)量上看(表6)，2001年工礦斑塊數(shù)為191，而2010年斑塊數(shù)量為158，呈減少趨勢，但平均斑塊面積增大到近5倍，表明礦山有規(guī)?；_采的趨勢，實地考察也印證了這一點。“十五”期間，羅源縣政府完成了首輪礦產(chǎn)資源總體規(guī)劃，調(diào)整礦業(yè)結(jié)構(gòu)，提升礦山開采規(guī)模等級，強調(diào)規(guī)?；_采，提高大中型礦山比例，研究結(jié)果也在一定程度上證明了政府規(guī)劃起到了一定的成效。

圖5 分類結(jié)果統(tǒng)計圖

表5礦區(qū)變化信息統(tǒng)計表

轉(zhuǎn)化類型轉(zhuǎn)化面積/km2裸地-礦區(qū)0.00耕地-礦區(qū)0.00濕地-礦區(qū)0.00草地-礦區(qū)0.00林地-礦區(qū)6.43礦區(qū)-林地0.27礦區(qū)-草地0.33礦區(qū)-耕地0.02

表6 各類斑塊數(shù)與平均斑塊面積

此外，從信息提取過程來看，還可分析如下：

(1)面向?qū)ο蠓诸惪梢暂^好地解決高分影像分類，但有關(guān)分割方面的研究需要進一步深入。從分類結(jié)果和變化監(jiān)測結(jié)果來看，面向?qū)ο蠓诸惤Y(jié)果中幾乎沒有“椒鹽”現(xiàn)象，與地物類別實際的變化規(guī)律相吻合，例如林地到工礦、耕地到城鎮(zhèn)的轉(zhuǎn)變幾乎都是區(qū)域性的出現(xiàn)，可以有效地發(fā)揮高分影像的優(yōu)勢，提升解譯精度。但是面向?qū)ο蠓诸愡^程中一個關(guān)鍵的因素——分割的方法與參數(shù)選擇，卻沒有實用的解決方案，實際中多數(shù)情況下仍使用目視判斷和統(tǒng)計分析，效率較低，因此還需做進一步地深入研究。

(2)決策樹的使用，可以很好地探索、發(fā)現(xiàn)地物類別關(guān)鍵區(qū)分特征，但算法本身有一定的適用性。一方面，研究區(qū)域地物類別復雜，直接、間接特征很多，通過分析圖3中的決策樹主枝和一些重要的輔枝后，可以發(fā)現(xiàn)NDVI可以將林地、草地、耕地與水體、工礦、裸地、城鎮(zhèn)區(qū)分開來，SLOPE數(shù)據(jù)可以很好地將城鎮(zhèn)與工礦區(qū)分開來，而紋理特征在本區(qū)域的高分影像分類中則沒有體現(xiàn)出來；另一方面，決策樹本身對樣本的依賴性比較強，如果樣本選擇的數(shù)量較少，或者選擇樣本時各類別的子類覆蓋不全，則可能會出現(xiàn)一些不合理的決策規(guī)則，例如選擇工礦樣本時，過多選擇礦山挖損區(qū)而忽視壓占區(qū)，將會導致決策時裸地與工礦的壓占區(qū)誤分。因此，有系統(tǒng)地選擇足夠數(shù)量的樣本是成功使用決策樹分類的關(guān)鍵。此外，訓練生成的決策樹除了主枝之外，還有許多輔枝，實際使用中，還需根據(jù)實際精度需求，做一定的剪枝處理。

(3)在該研究中，回溯方法較好地將中高分辨率影像結(jié)合使用。羅源區(qū)域2000年左右的高分影像原本就很少有，而且還需與2010年高分影像時相一致，若要同時使用兩期高分影像進行礦區(qū)變化信息提取，不僅可行性低，成本也高?；厮莘椒ǖ氖褂貌呗栽跀U大可使用影像范圍的同時，還可以充分發(fā)揮高質(zhì)量數(shù)據(jù)的優(yōu)勢，提升變化監(jiān)測精度。

(4)精度驗證方法，有待深入研究。由于羅源縣2001年可用的高分影像非常有限，本文采用10m 分辨率的SPOT-2融合影像，為了兩期影像的匹配，將2001年影像重采樣到2.5m，這樣會對分類產(chǎn)生一定的影響，然而考慮到兩者分辨率差別并不太大，對最終分類結(jié)果的影響比較小。但面向?qū)ο蠓诸愂腔诜指畹膮^(qū)域分類，其精度驗證中應(yīng)該含有與基于像元分類思想不同的新特征，例如邊界的準確性。以上研究采用基于混淆矩陣、Kappa系數(shù)為指標的基于像元的驗證分析方法，其可靠性還需做進一步研究。此外，關(guān)于變化部分的分類精度驗證也缺乏相應(yīng)的合理方法。

4 結(jié)束語

衛(wèi)星遙感技術(shù)，尤其是高分辨率衛(wèi)星遙感技術(shù)，在高精度提取礦區(qū)地表覆蓋信息以及礦區(qū)變化監(jiān)測方面具有獨特的優(yōu)勢。研究結(jié)果表明：結(jié)合決策樹的面向?qū)ο蠓椒梢愿呔忍崛「叻钟跋裰械V區(qū)地表覆蓋信息；從2001年到2010年間羅源縣工礦面積幾乎翻兩番；礦區(qū)的快速擴張侵占了大量的林地，而同時礦區(qū)的復墾面積有限，對當?shù)厣鷳B(tài)系統(tǒng)的穩(wěn)定性造成了一定的威脅。

參考文獻：

[1] 況順達，趙震海.SPOT5在礦山監(jiān)測中的應(yīng)用[J].地質(zhì)與勘探，2005，41 (3)：79-82.

[2] 王曉紅，聶洪峰，楊清華，等.高分辨率衛(wèi)星數(shù)據(jù)在礦山開發(fā)狀況及環(huán)境監(jiān)測中的應(yīng)用效果比較[J].國土資源遙感，2004，(1)：15-18.

[3] 尚紅英，陳建平，李成尊，等.RS在礦山動態(tài)監(jiān)測中的應(yīng)用-以新疆稀有金屬礦集區(qū)為例[J].遙感技術(shù)與應(yīng)用，2008，23(2)：189-194.

[4] 張涵韜.羅源縣林地采壇口存在的主要問題及應(yīng)對措施[J].林業(yè)勘查設(shè)計，2009，(1)：203-206.

[5] 徐彤飚，顏益群，彭鼎鏗，等.對金融支持羅源石材業(yè)發(fā)展的調(diào)查與思考[J].福建金融，2010，(7)：40-42.

[6] 王海暉，彭嘉雄，吳巍，等.多源遙感圖像融合效果評價方法研究[J].計算機工程與應(yīng)用，2003，(25)：33-37.

[7] 侯偉，魯學軍，張春曉，等.面向?qū)ο蟮母叻直媛视跋裥畔⑻崛》椒ㄑ芯俊运拇ɡ砜h居民地提取為例[J].地球信息科學學報，2010，12(1)：119-125.

[8] SOE W M，ANTHONY B，SUSANNE G C，et al.Object-oriented image analysis for mapping shrub encroachment from 1937 to 2003 in southern New Mexico[J].Remote Sensing of Environment，2004，93 (1)：198-210.

[9] BLASCHKE T.Object based image analysis for remote sensing[J].ISPRS Journal of Photogrammetry and Remote Sensing，2010，65 (1)：2-16.

[10] HAN J W，MICHELINE K，PEI J.Data mining concepts and techniques，third edition[M].USA：Morgan Kaufmann Publisher，330-349.

[11] 章毓晉.圖像分割評價技術(shù)分類和比較[J].中國圖象圖形學報，1996，(2)：151-158.

[12] 薄樹奎，韓新超，丁琳.面向?qū)ο笥跋穹诸愔蟹指顓?shù)的選擇[J].武漢大學學報(信息科學版)，2009，34(5)：514-517.

[13] LALIBERTE A S，ED L F，ALBERT R.Combining decision trees with hierarchical object-oriented image analysis for mapping arid rangelands[J].Photogrammetric Engineering and Remote Sensing，2007，73 (2)：197-207.

[14] MCFEETERS S K.The use of the normalized difference water index (NDWI) in the delineation of open water features[J].International Journal of Remote Sensing，1996，17 (7)：1425-1432.

[15] TRIMLE.ECognition developer 8.7 reference book[Z].Germany：Trimble Germany GmbH，2011：319-328.