基于隨機(jī)森林的綠洲典型濕地信息提取

顧 峰，丁建麗，王敬哲，葛翔宇

(1.新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院 智慧城市與環(huán)境建模自治區(qū)普通高校重點實驗室，烏魯木齊 830046； 2.新疆大學(xué) 綠洲生態(tài)教育部重點實驗室，烏魯木齊 830046)

濕地在維系區(qū)域生態(tài)平衡及保護(hù)生物多樣性方面具有不可替代的作用[1]。新疆的干旱區(qū)濕地多是荒漠生態(tài)系統(tǒng)中的物種多樣性中心，不僅能涵養(yǎng)水源，調(diào)節(jié)局地小氣候，還影響著當(dāng)?shù)鼐G洲生態(tài)經(jīng)濟(jì)的可持續(xù)發(fā)展，因此對該地區(qū)濕地的提取和分析尤為重要[2]。而塔里木河流域的濕地多依存于各綠洲邊緣且交通不便，利用遙感手段對該地區(qū)濕地監(jiān)測不受交通掣肘且能夠發(fā)揮其范圍廣、周期短、效率高、成本低的優(yōu)點[3]。

早期，利用遙感手段對干旱區(qū)濕地的提取多采用目視解譯的方式，不但費時費力且對解譯人員的專業(yè)水平有很高的要求[4,5]。20世紀(jì)90年代以來，計算機(jī)自動分類技術(shù)的發(fā)展為濕地信息提取提供了諸多新方法，主要包括監(jiān)督和非監(jiān)督分類提取，并引入最大似然、分類回歸樹、遺傳算法、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等大大提高了分類精度和效率[6,7]。但上述分類方法都是以像元為基礎(chǔ)，較少利用影像中的紋理、大小、形狀等信息。Khatami R等人對近15年基于像素的監(jiān)督分類方法分析，發(fā)現(xiàn)加入多時相的遙感影像將分類精度提高了8.0%，而加入紋理信息后的分類精度提高最明顯有12%。支持向量機(jī)和隨機(jī)森林等機(jī)器學(xué)習(xí)方法取得了相對較高的精度[8]。利用機(jī)器學(xué)習(xí)方法進(jìn)行濕地信息提取并綜合多種特征變量的優(yōu)化是今后濕地信息智能化提取的重點和難點之一[9]。

隨機(jī)森林是一種公認(rèn)的、可降低數(shù)據(jù)維度的集成學(xué)習(xí)算法，它能根據(jù)特征變量對分類結(jié)果的影響而對所有參與特征進(jìn)行重要性重排序和篩選。已有學(xué)者使用隨機(jī)森林算法聯(lián)合NDVI指數(shù)與紋理信息對新疆北部Ertix河流域的干旱區(qū)濕地進(jìn)行了信息提取，與其他機(jī)器算法相比將水體和耕地的提取精度提高了10%[10]。這表明隨機(jī)森林算法較適合于內(nèi)陸干旱區(qū)濕地的提取[11,12]，但該研究存在著建模指數(shù)單一、特征變量未優(yōu)選降維、尺度狹小的缺點?？紤]到南北疆地區(qū)的空間異質(zhì)性，在干旱區(qū)的推廣仍有待考證[13]。

基于此，本文以塔里木盆地北緣的渭干河-庫車河綠洲的干旱區(qū)濕地為研究對象，采用多時相Landsat OLI影像數(shù)據(jù)，構(gòu)建涵蓋紋理信息、時相信息、光譜及其指數(shù)信息的特征變量集和濕地提取方案，使用隨機(jī)森林算法在優(yōu)選特征變量的同時對濕地信息提取，為干旱區(qū)農(nóng)業(yè)灌溉規(guī)劃提供了參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)

渭干河-庫車河綠洲(簡稱“渭-庫綠洲”)(圖1)位于新疆南部阿克蘇地區(qū)，天山南脈中段塔里木盆地北緣，塔里木河中游。綠洲境內(nèi)北高南低，平均高程900 m,地理坐標(biāo)(41°10′～41°38′N、81°26′～83°17′E)。氣溫日較差大，2001-2015年間年平均氣溫10.3～14.4 ℃，最高氣溫41.5 ℃，潛在蒸發(fā)量2 420 mm，多年平均降水量為43 mm，蒸降比約54∶1，降水季節(jié)性差異很大，多集中于夏季六七月，其他月份降水大幅減少，屬于干旱與極端干旱地區(qū)。土壤主要為潮土、草甸土。綠洲境內(nèi)為主要農(nóng)作物產(chǎn)區(qū)，人工植被以棉花、梨樹、棗樹為主；天然植被以蘆葦(Phragimitesaustralis)、駱駝刺(Allhagisparisifolia)、花花柴(Karelinacaspica)檉柳 (Tamarix chinensis) 等為主。20世紀(jì)80年代以來，由于人口增長和大規(guī)模開荒種棉，該地區(qū)的濕地面積持續(xù)減少，渭干河下游的大量沼澤濕地已退化為灌叢地[14]。

圖1 研究區(qū)位置Fig.1 Location of the study area 注：A,B為草本沼澤；C為水庫濕地；D為河流濕地；E為塔里木河邊的胡楊林沼澤。

1.2 數(shù)據(jù)來源及預(yù)處理

1.2.1 影像數(shù)據(jù)

根據(jù)研究區(qū)衛(wèi)星數(shù)據(jù)的影像質(zhì)量、成像時間，驗證期匹配等信息，選取渭庫(渭干河-庫車河)綠洲貼近塔里木河的3期覆蓋植被生長期的Landsat OLI遙感影像作為干旱區(qū)濕地提取與分析的數(shù)據(jù)源。用于地形校正的DEM數(shù)據(jù)為來源于中國科學(xué)院數(shù)據(jù)中心30 m分辨率的ASTER GDEM數(shù)據(jù)。

根據(jù)2017年7月和10月的野外實際調(diào)查點，共計獲取87個穩(wěn)定控制點(圖 1)。采用二次多項式對遙感做幾何校正預(yù)處理，誤差控制在0.5個像元以內(nèi)，并統(tǒng)一坐標(biāo)與投影信息為WGS 84，使用ENVI 5.3軟件對影像做輻射定標(biāo)和按照FLAASH模型進(jìn)行大氣校正，利用 DEM 數(shù)據(jù)在 ENVI 5.3中對坡度、坡向數(shù)據(jù)進(jìn)行獲取并進(jìn)行地形校正得到最后的實驗影像(見表1)。

表1 Landsat OLI獲取時間Tab.1 Acquisition time of Landsat OLI

本文的樣本數(shù)據(jù)為基于野外現(xiàn)場實測數(shù)據(jù)和Google Earth高分辨率影像的目視解譯數(shù)據(jù)。2017年6月和10月，實驗組對渭-庫綠洲進(jìn)行了詳細(xì)的調(diào)研，使用高精度GPS對不同濕地分布及其植被類型進(jìn)行定位、拍照并記錄。隨后，在室內(nèi)通過Google Earth影像目視解譯了一部分濕地類型，以上兩部分?jǐn)?shù)據(jù)分別構(gòu)成樣本數(shù)據(jù)和驗證數(shù)據(jù)用于分類器的建立和精度驗證。

1.2.2 土壤含水量數(shù)據(jù)

土壤表層含水量(Soil Moisture Content, SMC)對每個采樣點，使用5點采樣法，采集5個10～20 cm 的土層樣本，記錄相應(yīng)的周邊環(huán)境信息。回實驗室后，將土壤樣本置于105 ℃的恒溫烤箱里面，烘干48 h，然后將同一采樣點的土壤水分實測值進(jìn)行平均，得到該采樣點的真實土壤含水量。

1.2.3 土壤電導(dǎo)率數(shù)據(jù)

土壤表層電導(dǎo)率(Electrical Conductivity，EC)。每組土樣稱取3 份樣品，每份為0.5 g，將每份樣品置于消煮管中，用去離子水定標(biāo)至20 mL，將所有消煮管放置在搖床上，震動處理1 h，靜置30 min，采用德國 Wissenschaftlich Technische Werkst?tten 公司生產(chǎn)的Cond 7310電導(dǎo)儀測定，并將3份樣品的電導(dǎo)率求平均，得到該組土樣的電導(dǎo)率。

1.3 分類方法

1.3.1 干旱區(qū)濕地分類方案

參照《濕地公約》，結(jié)合當(dāng)?shù)貪竦氐膶嶋H分布情況和近年來國內(nèi)調(diào)查研究的方案[15]。將干旱區(qū)濕地分為：河流濕地、湖泊濕地、沼澤濕地和人工濕地4大類，河流濕地、湖泊濕地、林地濕地、灌叢濕地、草本濕地、水庫/坑塘、運(yùn)河/水渠 7個亞類。但由于在研究區(qū)面積大于1 km2的靜水面基本都是人工水庫，因此不將湖泊濕地納入分類方案(見表2)。

1.3.2 特征變量提取

干旱區(qū)濕地類型相互交錯，針對研究區(qū)地物特點，提取光譜、紋理、指數(shù)3種特征變量。光譜特征，將Landsat-8 OLI影像預(yù)處理后，得到3景影像7個波段的光譜數(shù)據(jù)。植被和水體指數(shù)特征，提取歸一化植被指數(shù)(NDVI)、差值植被指數(shù)(DVI)、比值植被指數(shù)(RVI)、歸一化水體指數(shù)(NDWI)、改進(jìn)歸一化水體指數(shù)(MNDWI)。由于該地區(qū)有大面積的鹽漬地且沼澤濕地多為鹽沼，故引入鹽分指數(shù)特征，鹽分指數(shù)T(SI-T)、鹽分指數(shù)(S2)、鹽分指數(shù)2(SI2)、鹽分指數(shù)3(SI3)、歸一化鹽分指數(shù)(NDSI)[16]，共10個指數(shù)。采用較為成熟的灰度共生矩陣(GLCM)法，將像元壓縮合并成8個灰度級，設(shè)定灰度統(tǒng)計參數(shù)。

表2 研究區(qū)濕地遙感分類體系Tab.2 Remote sensing classification system for the wetlands in study area

對原始影像進(jìn)行主成分分析之后選取第一主成分(第一個主成分方差占比均大于 0.75)獲取5 個紋理特征方差(variance)、對比度(contrast)、熵(entropy)、角二階矩(Angular second moment)和相關(guān)性(correlation)共5個參數(shù)[17](見表3)。

表3 Landsat OLI特征集描述Tab.3 Description of the feature set from Landsat OLI

1.3.3 最優(yōu)特征集提取

隨機(jī)森林算法具有效率高、不受噪聲干擾和數(shù)據(jù)類型限制的優(yōu)點。該算法核心思路是計算特征變量的重要性(權(quán)重)并對權(quán)重數(shù)值進(jìn)行重排序，后再根據(jù)事先設(shè)定的閾值來決定特征變量取舍(大于閾值保留、小于閾值舍棄)，將保留下的特征變量作為最優(yōu)特征集(見表4)。

表4 實驗方案信息Tab.4 The information of experimental programs

1.3.4 隨機(jī)森林模型

隨機(jī)森林模型(RF)是由Breiman(2001年)開發(fā)的集成機(jī)器學(xué)習(xí)模型，通過組合大量決策樹來改進(jìn)決策樹(CART)分類的算法[18]。在隨機(jī)森林回歸中[19]，通過選擇原始數(shù)據(jù)集和訓(xùn)練數(shù)據(jù)集的隨機(jī)樣本(即校準(zhǔn)數(shù)據(jù)集)構(gòu)建確定性算法中的每棵樹。需要在模型中確定3個參數(shù)：N，從原始數(shù)據(jù)集中抽取的N個集合用于生成回歸樹的數(shù)量(默認(rèn)值為500棵樹);K是從N個訓(xùn)練集中提取的K個特征變量(默認(rèn)值是總數(shù)據(jù)量的66.67%);X是從K個總特征變量中選取的最具分類能力的X個特征參數(shù)作為每棵樹的分類節(jié)點(X≤K)。

此外，在抽取訓(xùn)練集X過程中，未被抽部分稱為袋外數(shù)據(jù)(out-of-bag，OOB)，使用此部分?jǐn)?shù)據(jù)計算內(nèi)部誤差(OOB誤差)，OOB誤差越小，說明隨機(jī)森林模型的分類精度越高。OOB誤差也用作計算特征變量的重要性，將需要計算的一個特征變量改變并保持其他特征變量不變，計算被改變特征變量前、后OOB誤差的差值和百分比，即為判斷該特征變量重要性依據(jù)[20]。其評估模型如下：

(1)

基于表3和表4所提出的方案，本文采用德國環(huán)境制圖與分析計劃(Environment Mapping and Analysis Program)項目組開發(fā)的 EnMAP-BOX 工具進(jìn)行特征優(yōu)選及濕地信息提取。

1.3.5 精度評價

混淆矩陣(Confusion Matrix)也被稱作誤差矩陣，在精度評價中，主要通過比較分類結(jié)果和實際測得值之間的混淆程度實現(xiàn)精度評價[21]。本文從3景影像上隨機(jī)選取各種地類檢驗樣本(每類不少于150個)，然后結(jié)合Google衛(wèi)星圖像數(shù)據(jù)和野外樣點判讀每個樣本的地物類型，計算6種方案的總體精度、Kappa系數(shù)、生產(chǎn)者精度和用戶精度，并對各個方案進(jìn)行評價。

2 結(jié)果與討論

上文中方案①～⑤作為對照實驗，不需進(jìn)行最優(yōu)特征集的選擇[11]，建立前5種方案的目的是探究不同特征變量對濕地信息提取精度的影響。在方案⑤的基礎(chǔ)上，采用隨機(jī)森林算法對153個特征變量進(jìn)行重要性計算并按從大到小的順序排列，再通過分類器對特征變量逐漸累加的濕地信息進(jìn)行提取，最后選擇分類精度最高的31個特征變量集合構(gòu)成方案⑥。

2.1 方案特征確定

為了更加直觀清晰地呈現(xiàn)高重要性的特征變量，結(jié)合特征變量個數(shù)與分類精度和Kappa系數(shù)的關(guān)系(圖2)，本文選取前31個重要性得分較高的特征生成重要性分布圖(圖3)。

圖2 特征變量個數(shù)與分類精度和 Kappa 系數(shù)關(guān)系Tab.2 The relation between the number of characteristic variables and the classification accuracy and the Kappa coefficient

圖3 特征重要性分布Fig.3 The distribution of characteristic importance 注：特征B4_10表示10月份的第4波段(紅波)，NDVI_10表示7月份的Normalized Difference Vegetation Index指數(shù)，特征B7_10(SD)表示10月份的第7波段的角二階矩，以此類推，表7如此。

統(tǒng)計所有參與分類的153個特征變量的重要性得分發(fā)現(xiàn)：不同特征變量的重要性差異顯著，特征變量B7_10的重要性得分最高為 13.17，而SI3_6的重要性得分最低為0.01，幾乎對分類結(jié)果無影響。如圖2所示，將分類過程分為前期(前19個特征變量)，中期(19～31個特征變量)和后期(31～153個特征變量)。前期(前 19個特征變量)總體精度急速上升，從7個特征變量(單月影像)的36.28%迅速達(dá)到83.77%，說明前期單個特征變量的重要性評分高，特征之間相關(guān)性小且冗余少；中期(19～31個特征變量)的總體精度提升速度降低，但仍然呈現(xiàn)繼續(xù)上升的趨勢，精度從83.77%爬升到90.09%，表明中期加入的特征變量有一定的重疊性，部分指數(shù)雖然計算方式不同，但利用了相同的波段；后期(31～153個特征變量)，總體精度逐漸下降，而且從87個特征變量之后精度下降更加明顯?？梢姾笃诓幌嚓P(guān)特征持續(xù)增加。特征變量的個數(shù)不是越多越好，當(dāng)個數(shù)為31個時，總體精度和Kappa系數(shù)均達(dá)最大值，分別為90.09%和0.882 5，故將前31個特征變量作為方案⑥參與后續(xù)精度評價。

2.2 分類精度比較

總體可知(見表5)：以多時相光譜特征為基礎(chǔ)的方案①總體精度48.89%，Kappa系數(shù)為0.392 4。在多時相光譜特征的基礎(chǔ)上,加入每種的特征變量都會對濕地信息提取的精度有相應(yīng)提高。如方案②、③、④總體精度均大幅度上升，分別達(dá)到90.02%、78.27%和85.72%，Kappa系數(shù)分別為0.879 4、0.742 1和0.828 3。而在包含所有特征變量都的方案⑤中，總體精度相比方案②降低了89.82%。特征優(yōu)選之后的方案⑥，相較于前 5個方案中提取效果最好的方案②而言，總體精度提高了0.07%，Kappa系數(shù)提高了0.31%。

表5 分類精度統(tǒng)計Tab.5 The statistics of classification accuracy

注：表中 PA、UA 分別代表各類的生產(chǎn)者精度和用戶精度。

單個類型的生產(chǎn)者精度和用戶精度表明：與植被生理參數(shù)相關(guān)的特征(植被指數(shù))可提高濕地信息提取的精度。如方案④劃分的草本濕地、灌叢濕地、農(nóng)田在加入以上此特征之后精度上升。在加入與當(dāng)?shù)馗珊祬^(qū)鹽漬化關(guān)系密切的鹽分指數(shù)后，如方案③中的鹽漬地信息提取的用戶精度比方案②高3.33%。在加入紋理特征后，所有地類的提取精度都有所上升，這是由于在農(nóng)田和塔里木河兩岸的天然地類的交界處夾雜著大量鹽漬地、裸地[14]。紋理信息從面向?qū)ο蟮姆诸惤嵌葘ρ芯繀^(qū)地類做了區(qū)分，

當(dāng)所有特征參與分類時，如方案⑤由于信息冗余，不僅導(dǎo)致總體精度降低，還影響了單個地類的精度。采用方案⑥(圖4)中的優(yōu)選特征進(jìn)行濕地信息提取時，只保留了對分類起關(guān)鍵作用的特征，避免了信息的交叉冗余，精度最佳。

圖4 方案⑥的濕地分布圖Fig.4 Wetland distribution map based on scenario ⑥

為了和現(xiàn)有的分類手段比較，在相同驗證樣點和分類體系下，采用最大似然分類和支持向量機(jī)分類，提取研究區(qū)的濕地信息，對比采用3 種方法的分類時間，生產(chǎn)者精度、用戶精度、總體精度以及kappa系數(shù)。最大似然(Likelihood Classification)是假設(shè)每一波段的每一類都呈正態(tài)分布，計算給定像元屬于某一訓(xùn)練樣本的似然度，像元最終被歸并到似然度最大的一類。支持向量機(jī)分類(Support Vector Machine ，SVM)是一種建立在統(tǒng)計學(xué)習(xí)理論(Statistical Learning Theory, STL)基礎(chǔ)上的機(jī)器學(xué)習(xí)方法[8]。SVM可自動尋找那些對分類有較大區(qū)分能力的支持向量，由此構(gòu)造出分類器可使類與類之間的間隔最大化(圖5)。

圖5 方法對比Fig.5 Comparison of methods

由表6和表7可發(fā)現(xiàn)，特征優(yōu)選的隨機(jī)森林分類方法在分類效果和分類速度上都處于優(yōu)勢，雖然分類精度稍遜于支持向量機(jī)，但由于參與分類的特征經(jīng)過機(jī)器優(yōu)選，其分類效率得到大幅提升，而最大似然法雖然分類速度很快，但分類精度較差，對林地沼澤，水庫坑塘，灌渠水溝出現(xiàn)了大量混分的情況。

表6 方法對比Tab.6 Comparison of methods

注：分類過程所采用PC硬件為i7-7700k處理器，16G內(nèi)存，6G顯存。

表7 分類精度對比Tab.7 Comparison of classification accuracy

注：表中 PA、UA 分別代表各類的生產(chǎn)者精度和用戶精度。

不同類別的特征參與分類時的貢獻(xiàn)度差異明顯。如圖6所示截取了重要性得分較高的前50個特征變量，以每10個特征為一組計算不同類別特征在組內(nèi)所占的比重。可得：多時相光譜特征、植被指數(shù)和水體指數(shù)所占比重始終保持穩(wěn)定且是分類的主要貢獻(xiàn)特征。在30個特征變量之后，紋理特征出現(xiàn)且所占比重逐漸上升。分類效果最佳時的31個特征變量，多時相光譜特征有 17個，植被水體指數(shù)特征有10個，鹽分指數(shù)特征3個，紋理特征1個，表明：特征變量的合理分配和優(yōu)選才能取得較高提取精度。紋理特征由于數(shù)量較多(105個)，單獨加入方案時分類效果較好，但特征優(yōu)選時，隨機(jī)森林算法為即保證分類精度又保證分類效率將其冗余部分剔除。

圖6 特征變量統(tǒng)計圖Fig.6 Statistical graph of feature variables

方案⑥選出的31個特征變量如表8所示，將表8的信息結(jié)合野外實地驗證結(jié)果得出 10月份是適宜渭干河-庫車河綠洲濕地分類提取的主要時相，主要因為研究區(qū)內(nèi)人類活動頻繁，農(nóng)作物種植范圍較廣，作物主要以棉花、大棗、玉米為主，10月是棉花、大棗、玉米的成熟期，其生長較為茂盛，植被覆蓋度較大，且10月也是研究區(qū)南部的“原生態(tài)胡楊林”的葉黃期，不同植被類型在物候期上的差異也使其易于區(qū)分[22]。

表8 優(yōu)選特征分布表Tab.8 Distribution list of optimal feature

將采樣點的坐標(biāo)信息和實測水、鹽數(shù)據(jù)對應(yīng)到方案⑥的濕地分類結(jié)果，得到了不同地類下的表層土壤含水量和電導(dǎo)率的分布(表9)。由圖7和圖8可得，分類結(jié)果的區(qū)分度在實測點上也有較清晰的差異性反映。持水能力：森林沼澤>灌叢沼澤>鹽堿地>草本沼澤>農(nóng)田>裸地；含鹽度：鹽堿地>裸地>森林沼澤>草本沼澤>灌叢沼澤>農(nóng)田。參考分類結(jié)果(圖4)，森林沼澤多位于綠洲的南部，且綠洲地勢北高南低，上游工業(yè)廢水、農(nóng)田排堿以及施用化肥使得綠洲周圍的草本沼澤、森林沼澤含鹽度遠(yuǎn)高預(yù)期。

表9 采樣點類型 個

圖7 采樣點含水量分布Fig.7 SMC distribution of sampling points

圖8 采樣點電導(dǎo)率分布Fig.8 EC distribution of sampling points

本研究采用的隨機(jī)森林提取方法考慮了地物大量的紋理特征，重點探究了不同特征變量對濕地信息提取的影響。但由于數(shù)據(jù)空間分辨率限制，地物光譜混合影響，分類結(jié)果出現(xiàn)了“椒鹽現(xiàn)象”。這種現(xiàn)象在農(nóng)田、草本濕地較多，對應(yīng)樣點照片發(fā)現(xiàn)該區(qū)域的田埂上生長著草本植物。后續(xù)將采用更高分辨率的數(shù)據(jù)，深度結(jié)合面向?qū)ο蟮奶崛》椒ǎ⒚嫦驖竦靥崛〉奶卣鲙?，以期進(jìn)一步提高濕地信息提取的精度。

3 結(jié) 語

本文基于多時相Landsat OLI遙感數(shù)據(jù)，選取光譜特征、植被指數(shù)、水體指數(shù)、鹽分指數(shù)和紋理特征確定了6種不同的實驗方案，結(jié)合隨機(jī)森林算法對塔里木河流域典型綠洲濕地息提取，主要得到以下結(jié)論：

(1)在特征數(shù)量達(dá)到冗余前，所有特征都會對濕地信息提取的精度產(chǎn)生積極影響，相較而言，光譜特征、植被指數(shù)和水體指數(shù)對提取精度的貢獻(xiàn)更高；鹽分指數(shù)、紋理特征的貢獻(xiàn)較低。

(2)基于隨機(jī)森林的特征優(yōu)選算法，能夠綜合考量并優(yōu)選影響地物分類精度較大的特征信息，在降低特征維度后(特征維數(shù)由153降低至31)，分類精度和效率仍能保持在較高水平。

(3)特征優(yōu)選的濕地提取結(jié)果從宏觀和微觀上證實了隨機(jī)森林算法在干旱區(qū)實現(xiàn)濕地信息提取的可行性，對保護(hù)當(dāng)?shù)厣鷳B(tài)環(huán)境和制定科學(xué)的水肥管理措施有參考意義。