基于面向?qū)ο蟮穆酚蛑脖画h(huán)境遙感動(dòng)態(tài)分析

馮 超 郭云開

（長(zhǎng)沙理工大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長(zhǎng)沙410076）

1 引言

高等級(jí)公路的建設(shè)對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展有著越來(lái)越重要的作用，然而公路在建設(shè)和運(yùn)營(yíng)期間加劇了環(huán)境、資源和人口之間的矛盾，對(duì)沿線生態(tài)環(huán)境造成了不可忽視的影響［1］。綠色植被是生態(tài)環(huán)境中最為敏感和最主要的環(huán)境要素，是反映區(qū)域生態(tài)環(huán)境好壞的重要標(biāo)志之一。由定量遙感得到的地物類型變化能夠快速、實(shí)時(shí)、動(dòng)態(tài)地反應(yīng)周邊環(huán)境狀況［2］。面向?qū)ο螅╫bject－oriented）分析技術(shù)是針對(duì)高分辨率遙感影像的應(yīng)用而興起的一種全新的影像分類技術(shù)［3］。傳統(tǒng)的基于影像像元光譜的監(jiān)督分類、非監(jiān)督分類等方法大多適用于中低分辨率的遙感影像。本文采用的面向?qū)ο蟮姆诸惙椒ㄒ杂跋褙S富的光譜、結(jié)構(gòu)、紋理、布局等特征，可以結(jié)合專家知識(shí)進(jìn)行分類，提高分類精度。對(duì)高分辨率遙感影像來(lái)說(shuō)，是一種非常有效的信息提取方法，具有很好的應(yīng)用前景。此外，通過(guò)對(duì)植被光譜的分析，建立植被指數(shù)與植被覆蓋度的轉(zhuǎn)換關(guān)系來(lái)估算植被覆蓋度，這種植被指數(shù)法簡(jiǎn)便、精確、快速，相對(duì)于經(jīng)驗(yàn)?zāi)Ｐ偷陌l(fā)展更具有普遍意義［4］。本文綜合運(yùn)這兩種遙感定量分析方法對(duì)植被環(huán)境進(jìn)行監(jiān)測(cè)評(píng)價(jià)。

2 面向?qū)ο蠓诸愒?/h2>

面向?qū)ο蟮挠跋穹治霾捎靡环N影像多尺度分割的法則，以任意度生成屬性信息相似的影像多邊形對(duì)象，運(yùn)用模糊數(shù)學(xué)方法獲得每個(gè)影像對(duì)象的屬性信息，以影像對(duì)象為信息提取的基本單元，實(shí)現(xiàn)類別信息自動(dòng)提取的目的［5］。這種分類方法可以有效地克服基于像元層次分類的不足、得到較高的分類精度。面向?qū)ο笥跋穹治鲇袃蓚€(gè)獨(dú)立模塊：對(duì)象生成和信息提取。

對(duì)象生成是采用分割技術(shù)生成屬性信息不同的影像對(duì)象的過(guò)程，多尺度影像分割是從任一個(gè)像元開始，采用自下而上的區(qū)域合并方法形成對(duì)象［6］。本次采用一種基于邊緣的分割算法，根據(jù)相鄰像元亮度、顏色、紋理等特征對(duì)影像進(jìn)行分割，通過(guò)不同尺度邊緣差異控制，改變分割尺度參數(shù)得到從細(xì)到粗的多尺度分割結(jié)果。影像分割完成后利用Full Lambda－Schedule算法進(jìn)行合并，使一些特征錯(cuò)分或破碎部分得到處理，該方法是結(jié)合光譜和空間信息，迭代合并臨近的小對(duì)象，最后計(jì)算對(duì)象空間、光譜、紋理、波段比和顏色空間等屬性，完成了象生成階段［7］。影像信息提取是基于模糊邏輯的分類系統(tǒng)，并不簡(jiǎn)單地將每個(gè)對(duì)象簡(jiǎn)單地分到某一類，而是給出每個(gè)對(duì)象隸屬于某一類的概率，根據(jù)地物特征以及空間相關(guān)信息建立模糊邏輯的知識(shí)庫(kù)，進(jìn)行信息提取。

3 研究方法

3.1 試驗(yàn)路域與遙感數(shù)據(jù)

3.1.1 研究路域概況

本文選取長(zhǎng)沙—湘潭高速公路為研究區(qū)，地處湖南省內(nèi)經(jīng)濟(jì)發(fā)達(dá)的長(zhǎng)沙、株洲、湘潭“金三角”地區(qū)，全長(zhǎng)44．76km，其中長(zhǎng)沙境內(nèi)26．7km。長(zhǎng)潭高速公路的建成有效地緩解了長(zhǎng)、株、潭地區(qū)的交通狀況，促進(jìn)了人類活動(dòng)以及經(jīng)濟(jì)的發(fā)展。然而，公路的建成和運(yùn)營(yíng)影響了路域生態(tài)環(huán)境的質(zhì)量。

3.1.2 數(shù)據(jù)選取與預(yù)處理

本文選取了2003年7月和2010年8月的10m分辨率SPOT－5遙感影像作為數(shù)據(jù)源，利用ENVI5．1對(duì)兩個(gè)年份遙感影像進(jìn)行了輻射定標(biāo)，采用FLAASH模塊進(jìn)行大氣校正，有效地削弱了大氣的影響，影像清晰度大幅度提高［8］。通過(guò)在影像上均勻選取地面控制點(diǎn)，采用多項(xiàng)式校正方法實(shí)現(xiàn)影像的幾何校正。對(duì)道路中線兩邊各1000m范圍建立緩沖區(qū)矢量文件，對(duì)影像進(jìn)行裁剪，得到了長(zhǎng)潭高速路域兩側(cè)各1000m的帶狀影像圖，如圖1所示。

3.2 面向?qū)ο蟮匚锓诸?/h3>

面向?qū)ο蟮男畔⑻崛?，是根?jù)地物的形狀、大小、色調(diào)、紋理等特征進(jìn)行地物的分類。ENVI EX面向?qū)ο蟮姆诸惙椒ǜ鶕?jù)像元臨近像素亮度、顏色、紋理等采用一種基于邊緣的分割算法對(duì)影像進(jìn)行分割［9］。在提取地物時(shí)有三種分類方法可供選擇：監(jiān)督分類、基于規(guī)則的分類和直接矢量輸出。本文選擇監(jiān)督分類Example Based Feature Extraction的提取方法。在ENVI5．1中的Feature Extraction中，為了使路域各地物信息能夠明確分割出來(lái)，如圖2選擇合適的分割尺度為40，合并尺度為90。

在增設(shè)交通用地、建筑用地、城市綠地、耕地、林地、水體和未利用地七類樣本類別后，分別設(shè)置樣本顏色等屬性，選擇分類樣本。在選擇適量的樣本后，得到了面向?qū)ο蠓诸悎D。圖3為最終分類成果圖。

3.3 植被覆蓋度分級(jí)

目前已經(jīng)發(fā)展了很多利用遙感測(cè)量植被覆蓋度的方法，較為實(shí)用的方法是利用植被指數(shù)近似估算植被覆蓋度，由于歸一化植被指數(shù)（NDVI）具有植被檢測(cè)靈敏度較高、植被覆蓋度的檢測(cè)范圍較寬、能夠消除地形和群落結(jié)構(gòu)陰影和輻射干擾以及消弱太陽(yáng)高度角和大氣所帶來(lái)的噪音等優(yōu)勢(shì)［9］，本文采用NDVI來(lái)提取植被信息。在ENVI中得到的研究區(qū)的統(tǒng)計(jì)結(jié)果，選取NDVImin和NDVImax，通過(guò)式（1）計(jì)算得到一個(gè)單波段的植被覆蓋度圖像文件。

為了直觀表現(xiàn)公路路域植被環(huán)境的情況，我們依據(jù)影像地物的分布情況以及NDVI值的大小，結(jié)合目視解譯來(lái)進(jìn)一步劃分植被覆蓋度的等級(jí)。本文依據(jù)分類分級(jí)標(biāo)準(zhǔn)將植被覆蓋度劃分為四個(gè)等級(jí)：非植被區(qū)覆蓋度［0，25%）；低覆蓋度［25%，50%）；中覆蓋度［50%，75%）；高覆蓋度［75%，100%］［10］。在 ENVI軟件中實(shí)現(xiàn)建模，不同的級(jí)別賦予不同程度的綠色，兩個(gè)年份的植被覆蓋度分級(jí)圖見圖4。

3.4 動(dòng)態(tài)變化分析

3.4.1 地物分類變化矩陣

通過(guò)用面向?qū)ο蟮姆椒▽?duì)七類地物的提取，在ENVI中我們得到了各地物面積比例變化矩陣，經(jīng)過(guò)整理如表1所示，從表1中我們可以看出2010年交通用地面積相比2003年增加2．7%，建筑用地增加了1．15%，而林地面積大幅度減少比例高達(dá)5．26%，大量的林地被開發(fā)用于修建公路和房屋。研究區(qū)域的水域面積有所增加，城市綠化面積增加了1．32%，這說(shuō)明人們?cè)诖罅块_發(fā)修建公路和建筑物后，逐漸對(duì)城區(qū)綠化加大了重視，城市綠地面積明顯增大。從兩個(gè)年份的七類地物分類圖中我們也可看出植被面積明顯減少，相應(yīng)的公路、地鐵等建起，城區(qū)道路也進(jìn)行了修建規(guī)劃，建筑物大面積增多。隨著城市綠化的發(fā)展，市區(qū)綠地面積雖然有所增加，但是總體來(lái)看公路路域植被覆蓋量明顯減少，而且該高速公路的北部靠近市區(qū)部分植被退化最為嚴(yán)重。

表1 各地物分類變化矩陣

3.4.2 植被覆蓋度變化統(tǒng)計(jì)

在ENVI中提取植被覆蓋度的動(dòng)態(tài)變化信息，統(tǒng)計(jì)得出表2：

表2 各等級(jí)植被覆蓋百分比統(tǒng)計(jì)表

從表2和圖5的統(tǒng)計(jì)結(jié)果來(lái)看：2003年和2010年的植被覆蓋分別為87．6636%和75．6985%。其中，中植被覆蓋區(qū)降低了5．5398個(gè)百分點(diǎn)，高植被覆蓋區(qū)降低了13．3383個(gè)百分點(diǎn)。從植被覆蓋分級(jí)圖以及統(tǒng)計(jì)數(shù)據(jù)中看出：2010年的植被區(qū)的面積比2003年的少了很多，居民地、建設(shè)用地、交通用地等非植被區(qū)面積有所增加，中植被區(qū)以及高植被區(qū)所占的比率也大幅度減小，不難看出，中、高覆蓋度植被向低覆蓋植被和非植被演化，植被所占面積逐漸減少。

4 結(jié)論

從以上定量分析結(jié)果可以看出，由于各種自然因素和人為因素的影響，2010年的植被覆蓋情況相比2003年明顯減少。交通用地大量增加，房屋建筑崛地而起，因而占用了大量的土地面積，雖然在一定程度上加大了城市綠化力度，但是植被覆蓋量明顯減少。通過(guò)定量分析其動(dòng)態(tài)變化可以得到以下結(jié)論：

（1）本文在一定程度上反映了從2003年到2010年這七年間京港澳高速長(zhǎng)潭段路域植被環(huán)境的變化特征，沿線地區(qū)植被覆蓋程度明顯下降，而房屋建筑、公路、高鐵、地鐵等交通建設(shè)面積呈上升趨勢(shì)，植被環(huán)境因此受到了不可忽視的影響。

（2）面向?qū)ο蟮倪b感影像分類方法結(jié)合NDVI反演路域植被覆蓋情況與野外調(diào)研實(shí)驗(yàn)結(jié)果相吻合，遙感定量分析可以有效地對(duì)路域植被環(huán)境進(jìn)行評(píng)價(jià)分析，其可行性將帶動(dòng)定量遙感的深入研究。

（3）經(jīng)過(guò)分析我們能夠及早地發(fā)現(xiàn)問(wèn)題，并且及時(shí)采取有效措施，加強(qiáng)對(duì)路域環(huán)境的防護(hù)治理工作，為今后的公路工程建設(shè)提供切實(shí)可行的經(jīng)驗(yàn)，可為恢復(fù)路域生態(tài)環(huán)境提供基礎(chǔ)支持。