多元特征線遙感識(shí)別的灘涂DEM構(gòu)建

楊立君，王得玉，姜 杰，李文梅，施佳鳳

(1. 南京郵電大學(xué)，江蘇 南京 210023； 2. 南京師范大學(xué)，江蘇 南京 210023)

由于受觀測(cè)環(huán)境、調(diào)査成本等條件的制約，灘涂地形測(cè)量研究長(zhǎng)期受到國內(nèi)外學(xué)者關(guān)注。1997年Mason等[1-3]假設(shè)水邊線是一條等高線，通過疊加不同潮汐條件下的水邊線來生成灘涂數(shù)字高程模型，并分析了高程與植被、泥沙粒徑之間的關(guān)系；2007年鄭宗生等[4-5]依據(jù)多時(shí)相遙感影像，利用水邊線構(gòu)建了崇明東灘潮間帶DEM，并用兩條實(shí)測(cè)剖面線進(jìn)行了DEM精度檢查。2014年Li Zhen等[6]利用水邊線生成了年度潮間帶地形圖，實(shí)現(xiàn)了德國瓦登海北部灘涂的發(fā)展情況定量估算和監(jiān)測(cè)。2014年丁賢榮等[7-8]]通過潮位測(cè)站基線計(jì)算水邊線高程，利用水邊線構(gòu)建了江蘇沿海輻射沙脊群DEM。2016年Xu Zhen等[9]借助水邊線方法研究了季節(jié)變化對(duì)GOMSO灣灘涂地形的影響。上述灘涂地形的遙感測(cè)量方法稱之為水邊線復(fù)合技術(shù)，主要是利用遙感技術(shù)提取水邊線，并且將其作為等高線結(jié)合高程數(shù)據(jù)反演灘涂地形。該技術(shù)水邊線數(shù)量越多、分布越均勻、影像時(shí)間跨度越短，地形反演精度越高，反之越差。水邊線復(fù)合技術(shù)是反演灘涂地形的常用方法，但傳統(tǒng)的水邊線復(fù)合技術(shù)有效范圍具有局限性且需要大量遙感影像。遙感影像數(shù)量越多經(jīng)濟(jì)成本越高，水邊線時(shí)間跨度一般也會(huì)越長(zhǎng)。灘涂地形變化頻繁長(zhǎng)時(shí)間序列的水邊線反演灘涂地形精度降低，獲取的灘涂地形也丟失了現(xiàn)勢(shì)性。挖掘遙感影像上其他高程信息是解決上述問題的重要途徑。

灘涂地區(qū)的水邊線、沖刷痕跡線、植被發(fā)展下界及植被間的分界線在遙感影像上均清晰可見。這些線狀目標(biāo)分布在灘涂不同的特征空間，具有顯著的空間分布規(guī)律，利用該分布規(guī)律可獲取多元線狀目標(biāo)高程值。本文結(jié)合專家經(jīng)驗(yàn)知識(shí)提取遙感影像線狀目標(biāo)，提出一種基于線狀地物空間分布規(guī)律反演灘涂地形的遙感技術(shù)方法，旨在提高水邊線復(fù)合技術(shù)反演精度與作業(yè)范圍。

1 數(shù)據(jù)與方法

1.1 研究區(qū)與數(shù)據(jù)

1.1.1 研究區(qū)

選擇資料條件較為完善的上海崇明東灘為研究區(qū)(圖1中箭頭指向的矩形區(qū)域)，在中等尺度下開展灘涂地形反演方法研究。崇明東灘是由長(zhǎng)江北支和南支兩條水道的徑流，以及漲、落潮流所挾帶的泥沙在崇明島東部逐漸沉積而形成，灘內(nèi)潮溝密布，高、中、低潮灘分帶十分明顯，屬于典型的淤泥質(zhì)潮灘[10]。崇明東灘位于長(zhǎng)江入?？?，潮位差較大，不同潮時(shí)的遙感影像，水邊線高程差異明顯，便于構(gòu)建垂直差異明顯的灘涂高程模型。

圖1 研究區(qū)位置

1.1.2 數(shù)據(jù)及預(yù)處理

研究數(shù)據(jù)主要有影像數(shù)據(jù)、光譜數(shù)據(jù)、點(diǎn)位數(shù)據(jù)及上海市灘涂專題地形圖。影像數(shù)據(jù)由7張衛(wèi)星影像組成，詳細(xì)情況見表1。光譜數(shù)據(jù)是2011年8月應(yīng)用FieldSpec?3 Hi-Res光譜儀采集不同植被、水體、裸灘等典型地物的光譜數(shù)據(jù)。點(diǎn)位數(shù)據(jù)則是應(yīng)用Trimble5700 GPS測(cè)量了研究區(qū)3條高程控制剖面線。專題地形圖成圖時(shí)間為2007年，成圖比例尺為1∶5000，水上部分采用陸地測(cè)量方法，水下部分采用GPS、聲吶探測(cè)儀配合驗(yàn)潮站進(jìn)行水位改正的測(cè)量方法。點(diǎn)位數(shù)據(jù)的平面坐標(biāo)系為1954北京坐標(biāo)系，參考高程基準(zhǔn)為吳淞高程。

表1 影像數(shù)據(jù)

數(shù)據(jù)預(yù)處理主要包括大氣校正、幾何糾正及影像增強(qiáng)等遙感影像的預(yù)處理工作。使用FLAASH模塊進(jìn)行大氣校正，選用NLAPS處理產(chǎn)品的對(duì)應(yīng)定標(biāo)參數(shù)完成輻射定標(biāo)，大氣模型選擇中緯度各季節(jié)，氣溶膠模型選擇海洋模型。在堤壩拐角及農(nóng)田邊界選取11個(gè)特征點(diǎn)作為幾何糾正點(diǎn)，幾何糾正精度均小于半個(gè)像元。

1.2 研究方法

灘涂潮間帶高程對(duì)植被和沖刷痕跡線的空間分布具有明顯的控制作用，在遙感影像上水邊線、植被發(fā)展下邊界、植被間分界線及沖刷痕跡線相互平行，具有高程指示性，均可作為灘涂DEM反演信息源。從實(shí)測(cè)光譜數(shù)據(jù)可以看出，不同地物之間(不同植被、植被/陸地、陸地/水體)具有較為明顯的光譜特征差異，利用遙感影像能夠有效地提取各類邊界信息。沖刷痕跡線尺度小，在中等分辨率的衛(wèi)星影像上并不足以顯示，但在高空間分辨率(如IKONOS)的衛(wèi)星影像上顯示十分明顯(圖2箭頭所指的位置)。研究的主要思路是利用遙感技術(shù)從遙感影像上提取上述特征線，依據(jù)地物的空間分布規(guī)律空間賦值方法獲取特征線高程，應(yīng)用GIS工具空間插值法構(gòu)建灘涂DEM，最后，利用實(shí)測(cè)的點(diǎn)位數(shù)據(jù)和地形圖空間插值生成的DEM對(duì)反演結(jié)果進(jìn)行精度評(píng)價(jià)。研究方法如圖3所示。

圖2 特征線遙感識(shí)別結(jié)果

圖3 研究方法

2 結(jié)果與分析

2.1 邊線特征遙感識(shí)別

2.1.1 水邊線提取

利用面向?qū)ο蠹夹g(shù)的水邊線提取方法提取水邊線[11-13]，該方法是利用TM6波段確定分類樣本，基于面向?qū)ο蟮乃枷敕謩e利用灰度、幾何形狀及上下文信息實(shí)現(xiàn)水陸分離。由于利用ENVI二次開發(fā)語言編程實(shí)現(xiàn)水邊線提取，水邊線提取速度快、精度高、人工參與少，結(jié)果如圖2所示。

2.1.2 植被邊線提取

研究區(qū)植被按照高程由高到低依次為蘆葦、互花米草與海三棱藨草，灘涂濕地植被分類一直是遙感圖像分類的難點(diǎn)，植被之間的分界線提取較為復(fù)雜。利用密度分割法和神經(jīng)網(wǎng)絡(luò)綜合分類方法[14]分別提取研究區(qū)植被發(fā)展下界和植被間邊界，保留分類植被下界(植被下界高程指示精度高)并矢量化，編輯后結(jié)果如圖2所示。

2.1.3 沖刷痕跡線提取

Canny算子邊緣檢測(cè)能力強(qiáng)[15]，結(jié)合局部自相關(guān)影像增強(qiáng)、輔助紋理信息邊緣檢測(cè)法實(shí)現(xiàn)沖刷痕跡線提取，提取結(jié)果如圖2所示。

2.2 特征線水平性分析

特征線理論上高程應(yīng)一致為一條水平線，實(shí)際上復(fù)雜的地理環(huán)境致使特征線并非水平，特征線的水平性誤差直接影響DEM的構(gòu)建質(zhì)量。利用上海市灘涂專題地形圖制作與遙感影像相同格網(wǎng)尺寸的DEM數(shù)據(jù)，將特征線與DEM數(shù)據(jù)進(jìn)行疊加，利用GIS工具提取特征線位置對(duì)應(yīng)的DEM高程數(shù)據(jù)。計(jì)算每條特征線的最大高程(Hmax)、最小高程(Hmin)、高程差極大值(Hsub)、平均高程值(Hever)及高程標(biāo)準(zhǔn)差(SD)等信息，以此評(píng)價(jià)特征線水平性，結(jié)果見表2。從表中可以看出，沖刷痕跡線水平性最好，水邊線與植被邊線水平性沒有顯著性差別，高程精度滿足中小比例尺制圖要求。

表2 邊線水平誤差統(tǒng)計(jì)

2.3 特征線高程賦值

潮位校正法是水邊線高程賦值的常用方法，但是不能有效推算植被邊線、沖刷痕跡線高程。臨近插值法及擬合法均可以對(duì)特征線進(jìn)行高程賦值。但臨近插值法精度較低，而擬合法應(yīng)用高程剖面的測(cè)量點(diǎn)擬合高程趨勢(shì)線，通過擬合曲線獲得高程，能夠有效消除地形隨機(jī)波動(dòng)的影響，精度較高[16]。因此，本文基于RTK技術(shù)實(shí)測(cè)研究區(qū)3條高程剖面線，用擬合法對(duì)特征線高程賦值。當(dāng)有多條擬合曲線穿過特征線時(shí)，取高程平均值，表3為特征線高程計(jì)算結(jié)果。

表3 特征線高程值

注：“—”表示高程剖面未通過特征線，“WL”指水邊線。

2.4 灘涂DEM構(gòu)建

將具有高程屬性的特征線作為數(shù)據(jù)源，應(yīng)用ANUDEM空間插值方法[17]生成灘涂DEM。該方法集成在ArcGIS軟件中，利用Topo to Raster工具實(shí)現(xiàn)，圖4為灘涂DEM遙感反演結(jié)果。

圖4 灘涂DEM反演結(jié)果

2.5 DEM質(zhì)量分析

2.5.1 質(zhì)量評(píng)價(jià)

利用專題地形圖制作相同格網(wǎng)尺寸的DEM數(shù)據(jù)，作為參考數(shù)據(jù)。將反演結(jié)果與參考DEM作差值運(yùn)算，獲得地形誤差分布圖，如圖5所示。其中，誤差平均值為-0.15 m，中誤差為±0.26 m。

利用式(1)評(píng)價(jià)反演DEM數(shù)據(jù)的質(zhì)量。式中，Zi為反演DEM數(shù)據(jù)高程，Hi為對(duì)應(yīng)的參考DEM數(shù)據(jù)高程。選取46個(gè)樣本點(diǎn)，計(jì)算樣本點(diǎn)數(shù)據(jù)中誤差為RMSE=±0.12 m。

(1)

圖5 誤差統(tǒng)計(jì)分布

2.5.2 誤差分析

影像幾何糾正誤差(平面誤差)，特征線起算高程誤差、特征線水平性誤差及潮溝等影響是構(gòu)建灘涂DEM誤差的主要來源。多元線性特征遙感識(shí)別的DEM構(gòu)建方法并未考慮潮溝的影響，用一個(gè)高程常量來表示特征線高程存在一定的誤差。對(duì)于大范圍的灘涂地形反演，特征線水平性誤差及潮溝的影響是主要的誤差來源。利用已知地形圖空間插值法構(gòu)建參考DEM含有空間插值誤差，但該評(píng)價(jià)方法能夠從全局了解誤差分布情況，掌握誤差分布特征。利用式(1)評(píng)價(jià)反演DEM，樣本數(shù)據(jù)有意避開潮溝，不包含DEM空間插值帶來的誤差僅包含測(cè)量誤差，評(píng)價(jià)質(zhì)量可信度高。從誤差統(tǒng)計(jì)分布圖中可以看出，構(gòu)建DEM誤差主要集中在潮溝豐富的低潮灘區(qū)域、植被與裸灘交匯地帶。前者是由于本文構(gòu)建灘涂DEM并未考慮潮溝的影響，后者是由于參考DEM誤差較大的原因造成的。由于專題地形圖植被區(qū)域采用陸地測(cè)量方法，裸灘區(qū)域采用水下測(cè)量方法，兩種測(cè)量方法的交會(huì)地帶成圖精度較低，因此，植被與裸灘交會(huì)地帶誤差大，并不可信，利用式(1)評(píng)價(jià)DEM精度較高這一點(diǎn)即可證明。

3 結(jié) 論

以水邊線、植被邊線及沖淤痕跡線等異質(zhì)空間特征線為基礎(chǔ)，結(jié)合實(shí)測(cè)數(shù)據(jù)擬合線法高程賦值，借助遙感與地理信息新技術(shù)構(gòu)建灘涂DEM，在理論上可行，精度可信，結(jié)果符合灘涂地形基本規(guī)律，解決了灘涂地區(qū)實(shí)地測(cè)量困難問題。該方法實(shí)現(xiàn)了特征線從二維到三維的轉(zhuǎn)換，除大比例尺工程測(cè)量的精度要求外，基本滿足潮灘演變、沖淤計(jì)算等基礎(chǔ)研究的精度要求，可作為主要數(shù)據(jù)資料使用?；诙嘣€性特征遙感識(shí)別的DEM構(gòu)建方法，本質(zhì)上是水邊線復(fù)合技術(shù)的拓展，通過引入植被邊界線及沖淤痕跡線解決了植被潮灘地形遙感反演問題，并且降低了生產(chǎn)成本，但還有以下問題值得說明：① 各種對(duì)地觀測(cè)衛(wèi)星捕捉大潮高、低潮位線困難，反演范圍受限，需進(jìn)一步挖掘單幅遙感影像高程信息；②對(duì)較大研究區(qū)域，特征線水平性誤差較大，應(yīng)考慮特征線水平性誤差消除方法，提高反演精度;③不同空間分辨率的遙感影像，空間地理信息量不同，高程反演精度也不一樣，遙感影像空間分辨率對(duì)DEM的精度影響本文未進(jìn)行研究，以后將作為進(jìn)一步的研究方向。