結(jié)合光譜和紋理特征的林地變更檢測

梅樹紅，范城城，廖永生，李雅然，施宇軍，麥 超

(1. 廣西壯族自治區(qū)遙感信息測繪院，廣西 南寧 530023； 2. 廣西壯族自治區(qū)地理國情監(jiān)測院，廣西 南寧 530023； 3. 南寧市國土測繪地理信息中心，廣西 南寧 530021)

森林是陸地生態(tài)系統(tǒng)的主體，是人類社會(huì)賴以生存和發(fā)展的物質(zhì)基礎(chǔ)。在當(dāng)前各種人類活動(dòng)和自然力的共同作用下，林地?cái)?shù)量、結(jié)構(gòu)及空間分布變化加快，林地資源數(shù)據(jù)不清影響森林經(jīng)營管理措施制定，不利于生態(tài)建設(shè)科學(xué)決策。

2003年，國家林業(yè)局發(fā)布的《森林資源規(guī)劃設(shè)計(jì)調(diào)查規(guī)程》將高分辨率衛(wèi)星影像作為小班調(diào)繪的參考數(shù)據(jù)。相比于傳統(tǒng)外業(yè)地面測量、現(xiàn)場勾繪等手段，應(yīng)用遙感技術(shù)進(jìn)行林地資源動(dòng)態(tài)變化調(diào)查的效率、精度都有大幅提升，但當(dāng)前目視判讀影像的作業(yè)方式仍需投入大量人力。據(jù)廣西壯族自治區(qū)林業(yè)廳統(tǒng)計(jì)，2017年度全區(qū)林地變更圖斑三十多萬個(gè)。如何從多期遙感影像中自動(dòng)檢測出林地變化信息，對于林業(yè)資源調(diào)查具有重要意義，也是遙感界近年來的研究熱點(diǎn)之一。

由于不同地物在遙感影像上所呈現(xiàn)的光譜信息、紋理特征等都存在差異，因此，當(dāng)林地發(fā)生變更(如林地變?yōu)榻ㄔO(shè)用地)時(shí)，可以通過遙感影像變化檢測，確定變更的空間范圍和變化類型。近年來，眾多學(xué)者針對遙感影像變化檢測的理論和方法進(jìn)行了大量研究。文獻(xiàn)[1]將基于像素和基于對象的變化檢測過程有機(jī)結(jié)合起來，并利用隨機(jī)森林分類器進(jìn)行面向?qū)ο蟮倪b感影像變化檢測；文獻(xiàn)[2]以高分一號衛(wèi)星影像作為數(shù)據(jù)源，利用核主成分分析法提取森林覆蓋變化信息；文獻(xiàn)[3]結(jié)合歸一化植被指數(shù)與影像差值，對校正后的不同時(shí)相SPOT5衛(wèi)星影像進(jìn)行植被覆蓋變化檢測。由于影像數(shù)據(jù)源及檢測目標(biāo)存在差異，不同檢測方法的適用范圍也不盡相同。

針對當(dāng)前林地變更檢測存在的問題，本文提出一種結(jié)合光譜和紋理特征的林地變更檢測方法，其以最大似然監(jiān)督分類和植被指數(shù)閾值分割的處理結(jié)果為基礎(chǔ)構(gòu)建決策樹，充分利用光譜信息和紋理信息對多時(shí)相遙感影像進(jìn)行變化檢測。

1 研究區(qū)和數(shù)據(jù)源

1.1 研究區(qū)概況

靈山縣地處廣西南部，瀕臨北部灣，地理坐標(biāo)為東經(jīng)108°44′—109°35′，北緯21°51′—22°38′，是欽州市轄縣，轄區(qū)總面積3 558.6 km2，屬典型南方丘陵地貌，氣候溫和，夏涼冬暖，雨量充沛。據(jù)統(tǒng)計(jì)，靈山縣林業(yè)用地面積為2 210.83 km2，森林面積為1 401.77 km2，森林總蓄積量為9 349 751 m3，全縣森林覆蓋率為56.03%。

從遙感影像上看，靈山縣東北部多為山地，植被茂密，局部區(qū)域地勢較為平坦，集中分布著大片農(nóng)田和居民地。

1.2 數(shù)據(jù)源

本文利用20171209和20180201兩個(gè)時(shí)相的高分二號衛(wèi)星影像進(jìn)行試驗(yàn)，以裁剪后兩景影像的重疊覆蓋區(qū)作為實(shí)際研究范圍，面積為303.67 km2。高分二號是高分專項(xiàng)工程的一顆民用光學(xué)遙感衛(wèi)星，由我國自主研制，主要服務(wù)于國土資源部、住房和城鄉(xiāng)建設(shè)部、交通運(yùn)輸部、國家林業(yè)局等部門。其搭載的多光譜相機(jī)能夠獲取紅、綠、藍(lán)和近紅外4個(gè)波段的影像數(shù)據(jù)，光譜信息豐富，而全色相機(jī)的星下點(diǎn)空間分辨率可達(dá)0.81 m，目視效果良好。

2 林地變更檢測方法和試驗(yàn)

本文提出的林地變更檢測方法是在最大似然監(jiān)督分類和歸一化植被指數(shù)提取的基礎(chǔ)上構(gòu)建決策樹，以此作為變化檢測的依據(jù)，并通過濾波、小圖斑剔除等手段進(jìn)行檢測結(jié)果優(yōu)化，最終獲得林地變更的矢量邊界。具體技術(shù)流程如圖1所示。

2.1 影像預(yù)處理

影像預(yù)處理涵蓋了正射校正、波段融合、輻射校正、影像增強(qiáng)、勻光勻色等內(nèi)容。在變化檢測中，前后時(shí)相影像的校正和配準(zhǔn)尤為關(guān)鍵，以廣西統(tǒng)一航飛正射影像為參考對原始影像進(jìn)行校正，經(jīng)質(zhì)檢校正精度在2個(gè)像素以內(nèi)，因此不再對兩期影像作額外配準(zhǔn)；采用直方圖匹配法進(jìn)行相對輻射校正，通過變換原始影像(即前時(shí)相影像)的灰度分布，使其與參考影像(后時(shí)相影像)的灰度分布相近，從而使兩幅試驗(yàn)影像具有較一致的色調(diào)和反差。

2.2 紋理信息提取

遙感影像的紋理特征描述了影像范圍內(nèi)對應(yīng)地物的表面性質(zhì)。將紋理信息與光譜信息有機(jī)結(jié)合，能夠有效提高影像分類精度。文獻(xiàn)[4]提出的灰度共生矩陣通過研究灰度的空間相關(guān)特性來定量分析紋理，并定義了14種紋理特征計(jì)算方法。本文選取均值、方差、對比度、相關(guān)性、熵5種常用的統(tǒng)計(jì)方法，利用3×3像素窗口分別提取兩期影像中4個(gè)光譜波段的紋理特征數(shù)據(jù)。

2.3 樣本選取與監(jiān)督分類

2.3.1 樣本選取

在對試驗(yàn)區(qū)內(nèi)地物的種類和分布情況作簡單了解分析的基礎(chǔ)上，確定所選樣本包括林地、耕地、裸地、建設(shè)用地和水域5類。為了保證樣本的可靠性，其選取還應(yīng)滿足一定數(shù)量，并盡可能均勻分布。所選樣本主要作為監(jiān)督分類的訓(xùn)練樣本集數(shù)據(jù)及用于NDVI閾值設(shè)定。

2.3.2 監(jiān)督分類

監(jiān)督分類是以已確認(rèn)類別的樣本像元去識(shí)別未知類別像元的過程。分別利用最大似然、支持向量機(jī)(SVM)、人工神經(jīng)網(wǎng)絡(luò)等算法進(jìn)行監(jiān)督分類試驗(yàn)，并對分類精度、運(yùn)算速度和算法實(shí)現(xiàn)難易程度作綜合對比得出如下結(jié)論：支持向量機(jī)監(jiān)督分類的結(jié)果最優(yōu)，然而運(yùn)算速度非常慢；人工神經(jīng)網(wǎng)絡(luò)監(jiān)督分類的結(jié)果不穩(wěn)定且算法實(shí)現(xiàn)難度較大；最大似然監(jiān)督分類的精度略遜于支持向量機(jī)，但相比而言，運(yùn)算效率有很大提升?？紤]到實(shí)際應(yīng)用中遙感影像的范圍較大、數(shù)量較多，本文選用最大似然法作為監(jiān)督分類器。

最大似然分類假定遙感影像中每一類地物的光譜特征近似服從正態(tài)分布，并基于貝葉斯最小錯(cuò)誤率決策法則構(gòu)建一組判別函數(shù)，用于計(jì)算每個(gè)像元屬于各個(gè)類別的概率，概率值最大的則為所屬類別。

2.4 歸一化植被指數(shù)提取

地物的光譜特性是指其區(qū)別于其他地物的電磁輻射規(guī)律。遙感影像的光譜特征是進(jìn)行分類和變化檢測的重要依據(jù)。

由于植物葉面在可見光紅光波段具有很強(qiáng)的吸收特性，在近紅外波段具有很強(qiáng)的反射特性，造成遙感影像中紅光波段與近紅外波段對于綠色植物的光譜響應(yīng)十分不同，這兩個(gè)波段觀測值的不同組合能夠得到不同的植被指數(shù)。遙感影像近紅外波段的反射值(NIR)與紅光波段的反射值(R)之差比上兩者之和，即為歸一化植被指數(shù)(NDVI)，其計(jì)算公式為

NDVI=NIR-R/NIR+R

(1)

歸一化植被指數(shù)是檢測植被生長狀態(tài)的重要參數(shù)，也是植被覆蓋度的最佳指示因子，因而應(yīng)用最為廣泛。對所選樣本的NDVI值進(jìn)行統(tǒng)計(jì)分析，并以樣本中林地的NDVI平均值與其他4類地物的NDVI平均值之差作為閾值，經(jīng)計(jì)算確定NDVI差值的閾值為0.18。

2.5 構(gòu)建決策樹

在上述分類分析基礎(chǔ)上構(gòu)建的決策樹包括以下測試條件：

(1) 前后兩期影像的NDVI差值大于試驗(yàn)設(shè)定的閾值0.18。

(2) 前時(shí)相影像的監(jiān)督分類結(jié)果為林地。

(3) 后時(shí)相影像的監(jiān)督分類結(jié)果為非林地。

同時(shí)滿足上述條件的像元集合即為本方法認(rèn)定的發(fā)生林地變更的區(qū)域。

2.6 矢量化及小圖斑剔除

2.6.1 柵格矢量化

經(jīng)決策樹處理得到的二值柵格圖數(shù)據(jù)量較大，而且數(shù)據(jù)格式不便于后續(xù)分析和利用，需要將其轉(zhuǎn)為矢量，并作為最終結(jié)果輸出。柵格邊緣追蹤算法首先逐行遍歷找到一個(gè)目標(biāo)區(qū)域的邊緣像元P作為起點(diǎn)，接著以該像元為中心按一定順序(順時(shí)針或逆時(shí)針)檢測8個(gè)相鄰像元的灰度值，找到下一個(gè)邊緣像元作為新的起點(diǎn)繼續(xù)追蹤，以此類推直至回到最初起點(diǎn)，從而完成整個(gè)區(qū)域的邊緣提取。

2.6.2 小圖斑剔除

矢量化結(jié)果中存在一些破碎零散的小圖斑，無論從專題制圖還是實(shí)際應(yīng)用角度出發(fā)，這些面積較小的圖斑都不是所需要的，需要將其剔除?！度珖值刈兏{(diào)查技術(shù)方案》中指出“對于林地轉(zhuǎn)入轉(zhuǎn)出的地塊，最小變更圖斑面積為0.067公頃(1畝)。”試驗(yàn)根據(jù)上述規(guī)定刪除不合標(biāo)準(zhǔn)的小圖斑，僅保留面積在666 m2及以上的圖斑。

3 結(jié)果分析

3.1 檢測精度評價(jià)

為了檢驗(yàn)變化檢測結(jié)果的精度，在試驗(yàn)范圍內(nèi)選取了一塊38.11 km2的驗(yàn)證區(qū)，人工勾繪林地變化圖斑，并將勾繪圖斑作為實(shí)際變化區(qū)域，對驗(yàn)證區(qū)內(nèi)的檢測結(jié)果和勾繪結(jié)果進(jìn)行面積統(tǒng)計(jì)和比例計(jì)算，結(jié)果見表1。

表1 驗(yàn)證區(qū)內(nèi)檢測精度統(tǒng)計(jì)

檢測為變化且實(shí)際為變化，即檢測正確的面積有0.44 km2，總體精度達(dá)到77%以上，可以說明本方法檢測效果較好，對于大規(guī)模林地變更圖斑的提取具有一定的應(yīng)用價(jià)值；同理計(jì)算得到的漏檢率和誤檢率分別為15.79%和7.02%，主要是由于檢測的矢量邊界不準(zhǔn)確導(dǎo)致。值得注意的是，由于檢測為無變化且實(shí)際為無變化的面積太大，計(jì)入總面積會(huì)導(dǎo)致精度比例值失真，因此對其僅作統(tǒng)計(jì)不作計(jì)算。

3.2 檢測效率統(tǒng)計(jì)

對人工勾繪和算法檢測的面積、圖斑數(shù)量、耗時(shí)、人員投入等數(shù)據(jù)進(jìn)行總結(jié)、統(tǒng)計(jì)得到的檢測效率見表2。考慮到算法檢測的圖斑矢量范圍尚且存在誤差，需要人為手動(dòng)修整，保守認(rèn)為本文所提出的林地變更檢測方法能夠?qū)?dāng)前人工勾繪變化圖斑的效率提高一半以上。

表2 檢測效率統(tǒng)計(jì)

3.3 試驗(yàn)結(jié)果分析

經(jīng)過統(tǒng)計(jì)計(jì)算，在不到3個(gè)月的時(shí)間里，303.67 km2的試驗(yàn)范圍內(nèi)檢測到變化圖斑共有496處。究其原因主要為：

(1) 試驗(yàn)區(qū)內(nèi)種植著大量桉樹，由于其屬經(jīng)濟(jì)林，輪伐期較短，因此桉樹砍伐的現(xiàn)象比較常見，圖斑數(shù)量也比較多。

(2) 同一采伐區(qū)，由于道路或其他地物的分割，往往會(huì)檢測出數(shù)個(gè)變化圖斑。

(3) 試驗(yàn)區(qū)內(nèi)實(shí)際發(fā)生林地變更的圖斑確實(shí)較多，是否合法采伐需要林業(yè)主管部門核實(shí)。

上述試驗(yàn)和檢驗(yàn)結(jié)果驗(yàn)證了本方法的可靠性，也從側(cè)面反映了進(jìn)行林地變更自動(dòng)化或半自動(dòng)化檢測的必要性和急迫性。

4 結(jié) 論

本文通過將最大似然監(jiān)督分類和歸一化植被指數(shù)提取這兩種常用的遙感影像處理手段有機(jī)結(jié)合，充分挖掘光譜特征和紋理特征的有效信息，提出了一種林地變更檢測的新思路，并利用靈山縣東北部的高分二號衛(wèi)星影像數(shù)據(jù)進(jìn)行試驗(yàn)，以人工勾繪的變化圖斑作為參考數(shù)據(jù)對檢測結(jié)果進(jìn)行精度評價(jià)和效率統(tǒng)計(jì)。試驗(yàn)和檢驗(yàn)結(jié)果驗(yàn)證了本文提出的結(jié)合光譜和紋理特征的林地變更檢測方法在大規(guī)模林地變更圖斑提取工作中的可用性，對于林業(yè)資源的清查和管理具有重要意義。

該方法仍然存在一些需要改進(jìn)的地方。例如，沒有考證NDVI閾值設(shè)定是否合理；漏檢率和誤檢率仍然較高，因此需要對決策樹作進(jìn)一步調(diào)整等。