基于Sentinel-2時(shí)序多特征的植被分類(lèi)

郭文婷， 張曉麗

（1.北京林業(yè)大學(xué) 省部共建森林培育與保護(hù)教育部重點(diǎn)實(shí)驗(yàn)室，北京100083；2.北京林業(yè)大學(xué) 精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室，北京100083）

森林資源調(diào)查可以統(tǒng)計(jì)不同林地的生物學(xué)特性、生態(tài)特征和經(jīng)營(yíng)價(jià)值，為森林的合理經(jīng)營(yíng)規(guī)劃提供有效的數(shù)據(jù)支持［1-2］。由于中國(guó)各地區(qū)之間自然條件差異較大，森林類(lèi)型多種多樣，林分結(jié)構(gòu)較為復(fù)雜，森林資源調(diào)查工作難度很大［3］。植被分類(lèi)是研究森林資源狀況和動(dòng)態(tài)變化規(guī)律的基礎(chǔ)，利用遙感手段可以更加快速、準(zhǔn)確地識(shí)別植被類(lèi)型［4］。因此傳統(tǒng)的依靠人力的地面調(diào)查已經(jīng)逐漸轉(zhuǎn)變?yōu)榛谶b感手段的植被識(shí)別和植被分類(lèi)［5-6］。以往許多研究學(xué)者基于植被的光譜特征進(jìn)行了植被分類(lèi)［7-8］。由于許多地物光譜特征相似度高及環(huán)境因素的影響，許多地物難以分離。針對(duì)這一問(wèn)題，有學(xué)者采用神經(jīng)網(wǎng)絡(luò)［9-10］、支持向量機(jī)［11-12］、隨機(jī)森林［13-14］、決策樹(shù)等［15-17］分類(lèi)方法對(duì)植被進(jìn)行分類(lèi)并取得較好的分類(lèi)結(jié)果。但是植被分布雜亂無(wú)序，且存在 “同物異譜”和 “同譜異物”的現(xiàn)象［18］，只利用光譜特征進(jìn)行分類(lèi)很難取得高精度的分類(lèi)結(jié)果。有的學(xué)者采用結(jié)合紋理特征進(jìn)行分類(lèi)的方法并得到了更高的分類(lèi)精度，證明了紋理特征有助于提高分類(lèi)精度［19］。近年來(lái)，為了進(jìn)一步提高植被的分類(lèi)精度，有學(xué)者對(duì)植被的物候信息進(jìn)行研究，發(fā)現(xiàn)有些植被的物候特征差異很大，利用多時(shí)相的遙感數(shù)據(jù)可以提高物候差異明顯的植被區(qū)分能力［20］。不同植被的物候特征、紋理特征、光譜特征各不相同，因此其歸一化植被指數(shù)（normalized difference vegetation index，NDVI）時(shí)間序列、紋理和光譜響應(yīng)存在一定的差異。利用單一特征進(jìn)行植被分類(lèi)，精度往往較低。由于過(guò)去遙感數(shù)據(jù)源的限制，數(shù)據(jù)很難同時(shí)滿(mǎn)足高時(shí)間分辨率、高空間分辨率和豐富的光譜信息這3個(gè)特點(diǎn)，例如MODIS數(shù)據(jù)具有較高的時(shí)間分辨率和豐富的光譜信息，但空間分辨率較低，只適合大尺度范圍的植被分類(lèi)［21］；Landsat系列數(shù)據(jù)的空間分辨率也較低，且其光譜信息中缺少植被十分敏感的紅邊波段［22］；而Sentinel-2數(shù)據(jù)則具有較高的時(shí)間分辨率、空間分辨率和豐富的光譜信息［23-24］，尤其是其多個(gè)紅邊波段對(duì)植被區(qū)分具有很大幫助。由于不同植被的物候期存在一定的差異，因此其N(xiāo)DVI時(shí)間序列變化特征也存在一定差異，利用多期遙感影像構(gòu)建NDVI時(shí)間序列有助于將物候期差異明顯的植被區(qū)分。本研究基于多時(shí)相的Sentinel-2遙感影像，首先選取植被生長(zhǎng)旺盛時(shí)期的影像，計(jì)算NDVI并設(shè)定合適的閾值將研究區(qū)內(nèi)的植被提取出來(lái)，剩余部分歸為非植被。然后選取NDVI時(shí)間序列、最佳時(shí)相的Sentinel-2數(shù)據(jù)中10個(gè)波段的光譜反射率特征和主成分分析前3個(gè)分量的紋理特征作為分類(lèi)特征，將研究區(qū)內(nèi)的植被類(lèi)型分為耕地、草地、常綠針葉林、落葉針葉林和落葉闊葉林五大類(lèi)。

1 研究區(qū)概況

旺業(yè)甸實(shí)驗(yàn)林場(chǎng)（圖1）位于內(nèi)蒙古赤峰市喀喇沁旗西南部，地屬燕山山脈北麓，屬茅荊壩次生林區(qū)的一部分，為淺山丘陵地貌，地勢(shì)西南高東北低，一般坡度為10°～30°，平均海拔為1300 m，最高峰是翠云峰， 海拔為 1890.9 m。41°21′～41°39′N(xiāo)， 118°09′～118°30′E，東西長(zhǎng) 41 km，南北寬 20 km。林場(chǎng)總面積為253.07 km2，有林地面積為219.6 km2，林木總蓄積量為157萬(wàn)m3，森林覆被率為93.24%。在有林地面積中：天然次生林為115.33 km2，人工林為104.27 km2。其中人工落葉松Larix gmelinii面積為 45.33 km2， 油松Pinustabuliformis為 56.47 km2， 樟子松Pinus sylvestrisvar.mongholica為 2.15 km2，云杉Picea asperata為0.33 km2。旺業(yè)甸林區(qū)的生物資源復(fù)雜多樣，具有很強(qiáng)的代表性、典型性、特有性及脆弱性，在全國(guó)的多樣性保護(hù)中占有重要地位。林場(chǎng)有林地有落葉松，云杉，樟子松，紅松Pinuskoraiensis，油松，黑樺Betula dahurica，白樺Betula platyphylla，山楊Populus davidiana，核桃楸Juglansmandshurica等12個(gè)優(yōu)勢(shì)樹(shù)種。

2 研究數(shù)據(jù)

2.1 遙感數(shù)據(jù)與預(yù)處理

使用的Sentinel-2數(shù)據(jù)是從歐洲航天局（European Space Agency，ESA）的數(shù)據(jù)共享網(wǎng)站（https://scihub.copernicus.eu/dhus/#/home）免費(fèi)下載。Sentinel-2A是歐洲航天局（ESA）于2015年6月23日發(fā)射的環(huán)境監(jiān)測(cè)衛(wèi)星，重訪(fǎng)周期為10 d，其雙星Sentinel-2B于2016年發(fā)射后，將重訪(fǎng)周期縮短到5 d。Sentinel-2A數(shù)據(jù)的具體波段信息見(jiàn)表1。由于植被自身的物候特征，植被的光譜反射率在時(shí)間序列上有一定的變化規(guī)律，因此，在2017年內(nèi)具有可用影像的月份均選取一景云量較少、質(zhì)量較高的Sentinel-2影像，共9景，成像時(shí)間分別 為 2017-01-15， 2017-02-14， 2017-04-15， 2017-05-25， 2017-06-14，2017-09-22， 2017-10-27， 2017-11-21，2017-12-31。 利用 ESA提供的SNAP軟件對(duì)數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、幾何校正和圖像裁剪。將像元較大的波段重采樣為10 m×10 m的像元，從而使各個(gè)波段的像元大小一致。

圖1 研究區(qū)位置示意圖Figure 1 Location of the study area

表1 Sentinel-2波段信息表Table 1 Band information of Sentinel-2

2.2 外業(yè)數(shù)據(jù)

本研究中的外業(yè)數(shù)據(jù)來(lái)源于2017年9月研究區(qū)的實(shí)地調(diào)查，共選取300個(gè)適合本次研究的樣點(diǎn)數(shù)據(jù)。實(shí)地調(diào)查遵循樣本具有代表性、樣本均勻分布的原則，在研究區(qū)內(nèi)選取具有代表性的植被類(lèi)型進(jìn)行采樣，且保證采集的樣本點(diǎn)均勻分布在整個(gè)研究區(qū)內(nèi)。樣本點(diǎn)的數(shù)據(jù)屬性包括樹(shù)種類(lèi)別和用手持GPS定位的經(jīng)緯度坐標(biāo)。由于采集得到的每個(gè)類(lèi)別樣本點(diǎn)數(shù)量不同，因此分別選取每個(gè)類(lèi)別的訓(xùn)練樣本，使其能夠均勻分布于研究區(qū)內(nèi)。共選取訓(xùn)練樣本數(shù)據(jù)122個(gè)，其中非植被為18個(gè)，耕地20個(gè)，常綠針葉林22個(gè)，落葉闊葉林24個(gè)，落葉針葉林22個(gè)，草地16個(gè)。剩余178個(gè)樣點(diǎn)數(shù)據(jù)作為驗(yàn)證樣本，其中非植被為19個(gè)，耕地13個(gè)，常綠針葉林46個(gè)，落葉闊葉林41個(gè)，落葉針葉林43個(gè)，草地16個(gè)。

3 研究方法

采用以下3種方法對(duì)研究區(qū)進(jìn)行植被分類(lèi)：①最大似然法，以外業(yè)采集數(shù)據(jù)作為樣本，基于Sentinel-2數(shù)據(jù)的 10個(gè)波段（B02， B03， B04， B05， B06， B07， B08， B08a， B11， B12）進(jìn)行分類(lèi)， 且各個(gè)類(lèi)別的樣本數(shù)據(jù)光譜特征均服從正態(tài)分布。②根據(jù)不同地物的歸一化植被指數(shù)（NDVI）時(shí)序變化特征和光譜特征（NDVI時(shí)序＋光譜特征），選取最佳分類(lèi)閾值，建立基于決策樹(shù)的分層分類(lèi)模型，將研究區(qū)分為非植被、耕地、草地、常綠針葉林、落葉針葉林、落葉闊葉林。③NDVI時(shí)序特征＋光譜特征＋紋理特征（Sentinel-2時(shí)序多特征），采用支持向量機(jī)分類(lèi)器，經(jīng)過(guò)多次實(shí)驗(yàn)核函數(shù)選取高斯函數(shù)，核函數(shù)系數(shù)γ為0.2，懲罰因子C為7，對(duì)在植被生長(zhǎng)旺盛期，利用NDVI閾值提取出的植被進(jìn)行植被類(lèi)型分類(lèi)，將其分為耕地、草地、常綠針葉林、落葉針葉林、落葉闊葉林。

NDVI對(duì)植被反應(yīng)敏感，能夠反映出植被與其他地物在可見(jiàn)光、近紅外波段的明顯差異。因此，首先選取植被生長(zhǎng)茂盛時(shí)期的影像，計(jì)算其N(xiāo)DVI，設(shè)置合適的閾值將植被提取出來(lái)。NDVI計(jì)算公式如下： INDV=（B08-B04）/（B08＋B04）。 其中： INDV為歸一化植被指數(shù)， B08為近紅外波段的反射率，B04為紅光波段的反射率。

3.1 構(gòu)建NDVI時(shí)間序列

不同時(shí)間的NDVI能夠反映植被的物候信息，且兩者有一定的規(guī)律性，是區(qū)分植被類(lèi)型的重要特征。例如，常綠針葉林常年保持綠色，NDVI在1 a中的變化較?。晦r(nóng)作物在6-9月為生長(zhǎng)期，此時(shí)耕地的NDVI也呈增長(zhǎng)趨勢(shì)，到9月NDVI達(dá)到最大值；落葉類(lèi)植被一般在5月開(kāi)始長(zhǎng)葉10月開(kāi)始落葉，NDVI也隨之在5月開(kāi)始上升10月開(kāi)始下降。因此，分別計(jì)算9個(gè)時(shí)相影像的NDVI，構(gòu)建6種地物的NDVI時(shí)序曲線(xiàn)，描述6種地物的動(dòng)態(tài)變化過(guò)程。

3.2 最佳時(shí)相光譜反射率特征分析

根據(jù)地物的物候特征可知：在5-9月均為5種地物的最佳時(shí)相，因此選取這段時(shí)間內(nèi)質(zhì)量最好的2017-06-14影像繪制光譜反射率曲線(xiàn)進(jìn)行單波段光譜分析。對(duì)于NDVI時(shí)間序列曲線(xiàn)相似、難以區(qū)分的地物，利用不同地物的光譜反射率差異可以增加這種相似地物的區(qū)分度，但是仍可能存在混分現(xiàn)象。例如落葉針葉林和草地，兩者的NDVI時(shí)序變化規(guī)律相似，光譜反射率的變化規(guī)律也相似。因此，對(duì)紋理特征進(jìn)行分析后，在最終分類(lèi)時(shí)應(yīng)用紋理特征以提高分類(lèi)精度。

3.3 紋理特征分析

紋理特征是一種全局特征，它描述了物體表面的特性。與基于像素點(diǎn)的顏色特征不同，紋理特征需要在包含多個(gè)像素點(diǎn)的像素區(qū)域中進(jìn)行統(tǒng)計(jì)計(jì)算。而且紋理特征常具有旋轉(zhuǎn)不變性，對(duì)于噪聲也具有較強(qiáng)的抵抗能力。本研究共選取了Sentinel-2數(shù)據(jù)中的10個(gè)波段進(jìn)行分類(lèi)研究，若提取每個(gè)波段的紋理特征并參與最終分類(lèi)，將會(huì)產(chǎn)生大量數(shù)據(jù)，計(jì)算量太大。因此，在提取紋理特征前首先對(duì)數(shù)據(jù)進(jìn)行主成分分析處理，然后選取前3個(gè)主成分分量用來(lái)進(jìn)行后續(xù)的特征提取。1973年HARALICK提出的灰度共生矩陣是遙感圖像中常采用的紋理特征提取方法［25-26］。灰度共生矩陣是通過(guò)研究圖像上像元灰度的空間相關(guān)特性來(lái)描述紋理。通過(guò)研究分析選取5×5大小的移動(dòng)窗口，利用灰度共生矩陣分別計(jì)算前3個(gè)分量的8種紋理特征，即均值、方差、同質(zhì)性、對(duì)比度、差異性、熵值、二階矩、相關(guān)性。

綜上所述，共選取 43個(gè)特征用于分類(lèi)，包括9個(gè)時(shí)相（2017-01-15，2017-02-14，2017-04-15，2017-05-25，2017-06-14，2017-09-22， 2017-10-27， 2017-11-21， 2017-12-31）的 NDVI特征，10 個(gè)波段（B02，B03，B04，B05，B06，B07，B08，B08a，B11，B12）的光譜反射率特征和24個(gè)紋理特征。

4 結(jié)果與分析

4.1 特征提取結(jié)果

由圖2分析可得：①常綠針葉林在1 a中都是綠色植被，NDVI變化相對(duì)較小。在1，2，3，11，12月其他植物多處于非生長(zhǎng)期，常綠針葉林的NDVI明顯高于其他地物，容易被區(qū)分；②研究區(qū)內(nèi)的耕地在5-9月屬于生長(zhǎng)期，NDVI處于上升趨勢(shì)，但同一時(shí)期的其他植物也處于生長(zhǎng)旺盛期，5種地物的NDVI均較高，相比之下耕地的NDVI值反而是最低的，容易被區(qū)分；③落葉闊葉林在5-9月屬于1 a中生長(zhǎng)最旺盛的時(shí)期，其N(xiāo)DVI值達(dá)0.80以上，高于同一時(shí)期的其他地物，可以進(jìn)行區(qū)分。

通過(guò)分析圖3發(fā)現(xiàn)：①耕地在B11波段的反射率上升相比于其他地物的反射率下降具有顯著差異，利用B11波段很容易將耕地與其他地物區(qū)分出來(lái)；②草地在B06，B07，B08，B08a波段的反射率與其他地物均存在差異，可以利用這幾個(gè)波段將草地與其他地物區(qū)分；③落葉針葉林在B05波段的反射率低于落葉闊葉林，而在B06波段的反射率卻高于落葉闊葉林，可以利用這一特征將兩者進(jìn)行區(qū)分。

4.2 分層分類(lèi)閾值設(shè)置

通過(guò)分析典型地物的NDVI時(shí)間序列曲線(xiàn)與典型地物的光譜反射率曲線(xiàn)，得出結(jié)合NDVI時(shí)序與光譜特征分類(lèi)方法的最佳分類(lèi)閾值。在2017-09-22的影像中，INDV＜0.37為非植被；在2017-12-31的影像中，INDV＞0.39為常綠針葉林；在2017-06-14的影像中，B11波段的反射率B11＞25%為耕地（圖3）；在2017-06-14的影像中，B08波段的反射率B08＞21%為草地；在2017-05-25的影像中，INDV＞0.8為落葉闊葉林；在2017-05-25影像中，0.7＜INDV＜0.8為落葉針葉林。

圖2 典型地物的NDVI時(shí)間序列曲線(xiàn)Figure 2 NDVI temporal profiles of typical land cover types

圖3 典型地物的光譜反射率Figure 3 Spectral reflectance curve of typical land cover types

4.3 分類(lèi)結(jié)果

通過(guò)分析比較3種方法的分類(lèi)結(jié)果（圖4和表2）發(fā)現(xiàn)：①最大似然法。非植被與耕地在分類(lèi)結(jié)果中的面積明顯偏少，存在大量的漏分；草地在分類(lèi)結(jié)果圖中沒(méi)有明顯的表現(xiàn)出來(lái)，也存在嚴(yán)重的漏分；常綠針葉林、落葉針葉林和落葉闊葉林在分類(lèi)結(jié)果完全是分散分布且交錯(cuò)分布的，這與實(shí)地調(diào)查情況不符，存在明顯的混分。②NDVI時(shí)序+光譜特征方法。非植被分類(lèi)情況與基于多特征的分類(lèi)結(jié)果一致，且明顯可以看出包含了一些道路，與實(shí)際調(diào)查情況相符；耕地和草地的分類(lèi)結(jié)果與其他2種方法相比面積較多，尤其是草地的面積過(guò)多，與常綠針葉林、落葉針葉林和落葉闊葉林產(chǎn)生混分。③NDVI時(shí)序+光譜特征+紋理特征方法。非植被與耕地的面積和分布情況均符合實(shí)際情況；常綠針葉林主要分布在耕地周邊，集中在研究區(qū)的中部；落葉闊葉林主要分布在研究區(qū)的西部和西南位置，少數(shù)分散分布于整個(gè)研究區(qū)，與落葉針葉林交錯(cuò)分布；草地在研究?jī)?nèi)呈現(xiàn)為一些散碎的斑塊，且面積相對(duì)較小。整體的分類(lèi)結(jié)果與實(shí)地調(diào)查情況有較高的一致性。

4.4 精度評(píng)價(jià)

圖4 3種方法的分類(lèi)結(jié)果示意圖Figure 4 Classification results of three methods

利用實(shí)地調(diào)查采集的178個(gè)樣點(diǎn)數(shù)據(jù)作為驗(yàn)證樣本，其中非植被19個(gè)，耕地13個(gè)，常綠針葉林46個(gè)，落葉闊葉林41個(gè)，落葉針葉林43個(gè)，草地16個(gè)。對(duì)比3種方法的分類(lèi)結(jié)果與實(shí)地調(diào)查結(jié)果，并計(jì)算出每種方法的類(lèi)別分類(lèi)精度及總體分類(lèi)精度。由表3可見(jiàn)：基于NDVI時(shí)序+光譜特征+紋理特征的多特征分類(lèi)總體精度達(dá)87.64%，分別比最大似然法和NDVI時(shí)序＋光譜特征的分類(lèi)總體精度提高了15.73%和14.61%。而且基于NDVI時(shí)序+光譜特征+紋理特征的多特征分類(lèi)中單個(gè)類(lèi)別的分類(lèi)精度也均較高，其中常綠針葉林的分類(lèi)精度最高達(dá)到了95.65%，這是由于利用了NDVI時(shí)序特征，可以通過(guò)分析不同植物在1 a中的NDVI變化趨勢(shì)，選擇出最佳的分類(lèi)時(shí)相將常綠針葉林與其他地物區(qū)分。耕地的分類(lèi)精度也比較高，其N(xiāo)DVI在1 a中的變化具有一定的規(guī)律性，且耕地在B11波段的反射率與其他地物有明顯差異，利用這些特征可與其他地物很好地區(qū)分。NDVI時(shí)序＋光譜特征的分類(lèi)精度與NDVI時(shí)序+光譜特征+紋理特征的分類(lèi)精度相比，非植被這一類(lèi)別的分類(lèi)精度相同，但其他類(lèi)別的分類(lèi)精度則較低。這是由于NDVI時(shí)序變化和光譜特征代表的僅僅是一個(gè)平均值，并不能完全代表地物的特征變化，因此，根據(jù)平均值來(lái)選取閾值分層分類(lèi)的精度較低。

表2 3種分類(lèi)方法的地類(lèi)面積Table 2 Land area of three methods

表3 3種分類(lèi)方法的精度評(píng)價(jià)Table 3 Accuracy evaluation of three methods

5 結(jié)論與討論

本研究基于多時(shí)相的Sentinel-2遙感影像，選取NDVI時(shí)間序列、最佳時(shí)相的Sentinel-2數(shù)據(jù)中10個(gè)波段的光譜反射率特征和主成分分析前3個(gè)分量的紋理特征作為分類(lèi)特征，利用支持向量機(jī)分類(lèi)器，將研究區(qū)內(nèi)的植被類(lèi)型分為耕地、草地、常綠針葉林、落葉針葉林和落葉闊葉林。得出結(jié)論如下：①基于多特征的分類(lèi)總體精度達(dá)87.64%，Kappa系數(shù)為0.85，分別比最大似然法的分類(lèi)結(jié)果提高了15.73%和0.20。因此，結(jié)合多種特征的分類(lèi)方法有助于提高分類(lèi)精度。②通過(guò)構(gòu)建NDVI時(shí)間序列，分析地物的NDVI變化趨勢(shì)，選擇常綠針葉林提取的最佳時(shí)相進(jìn)行提取，可以大大提高常綠針葉林的分類(lèi)精度。NDVI的時(shí)序特征對(duì)于植被的區(qū)分具有很大幫助。③耕地在Sentinel-2影像的B11波段上的反射率與其他地物有顯著差異，而且耕地在NDVI時(shí)間序列上也與其他地物有明顯差異，利用這些特征極大提高了耕地的分類(lèi)精度。④采用分層分類(lèi)的思想，首先將研究區(qū)內(nèi)的植被提取出來(lái)，然后再對(duì)植被進(jìn)行類(lèi)型識(shí)別，可以排除非植被因素的干擾，有效提高植被類(lèi)型的分類(lèi)精度。

分類(lèi)結(jié)果中常綠針葉林與耕地均得到了很高的分類(lèi)精度，這是由于本研究考慮了植被的物候信息，構(gòu)建了不同植被的NDVI時(shí)間序列變化曲線(xiàn)，并充分利用植被的物候特征進(jìn)行分類(lèi)。分類(lèi)結(jié)果中也顯示草地的分類(lèi)精度是所有類(lèi)別中精度最低的。一方面原因是，在研究區(qū)內(nèi)草地分布比較分散而且比較破碎，在實(shí)地調(diào)查中采集的草地樣本點(diǎn)相比其他類(lèi)別樣本數(shù)量較少，分類(lèi)時(shí)訓(xùn)練樣本的數(shù)量相比其他類(lèi)別也比較少，從而導(dǎo)致了分類(lèi)精度較低。另一方面，草地的NDVI時(shí)間序列變化規(guī)律與落葉針葉林、落葉闊葉林相似，其光譜反射率的變化規(guī)律與落葉針葉林也相似，從而導(dǎo)致草地極易與落葉針葉林、落葉闊葉林混分，使其分類(lèi)精度較低。本研究只選取了NDVI時(shí)序特征、光譜特征和紋理特征3種特征作為分類(lèi)特征，而地形特征中也包含了豐富的信息，可以充分利用地形特征進(jìn)行深入研究。