光學(xué)與微波相結(jié)合的崇明東灘濕地植被分類研究

王明昊 白萬晟 劉松濤

摘 要：本文在遙感技術(shù)的支持下將崇明島東灘作為研究區(qū)域。其間使用2017年2—10月Sentinel-1A微波影像和2017年2—9月的Landsat8和sentinel-2A的光學(xué)影像。預(yù)處理后，通過計(jì)算，使用決策樹分類對(duì)崇明東灘的3種重要植被（互花米草、蘆葦、海三菱藨草）進(jìn)行分類，得到多時(shí)相條件下不同植被的分類結(jié)果，用混淆矩陣做精度評(píng)價(jià)。研究表明，光學(xué)與微波相結(jié)合的多時(shí)相分類圖有更好的精度。

關(guān)鍵詞：濕地;崇明島東灘;光學(xué);微波;植被分類

中圖分類號(hào)：Q948文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）26-0148-03

Abstract： With the support of remote sensing technology， this paper took Dongtan of Chongming Island as the research area. In the meantime， Sentinel-1A microwave images from February to October 2017 and Landsat8 and sentinel-2A optical images from February to September 2017 was used. After pre-processing， the decision tree classification was used to classify the three important vegetations （Spartina alterniflora， Phragmites australis， and Sea Mitsubishi） in Chongming Dongtan through calculation and obtain the classification results of different vegetations under multi-temporal conditions， and confusion matrix was used for accuracy evaluation. Research shows that the multi-temporal classification map combined with optics and microwave has better accuracy.

Keywords： wetland;Chongming Island Dongtan;optics;microwave;vegetation classification

濕地、森林與海洋一起并稱為全球三大生態(tài)系統(tǒng)，其中，濕地植被是濕地生態(tài)系統(tǒng)的主要組成部分。濕地植被是濕地生態(tài)系統(tǒng)中能量的固定者和有機(jī)營養(yǎng)物質(zhì)的最初生產(chǎn)者，是最重要的營養(yǎng)級(jí)，能綜合反映濕地的生境特征，并在濕地水分、物質(zhì)、能量循環(huán)中起重要作用[1-2]。濕地植被的動(dòng)態(tài)變化能夠反映濕地的生態(tài)環(huán)境變化，被認(rèn)為是一個(gè)反映生態(tài)環(huán)境變化的敏感指示器，已成為研究熱點(diǎn)，其中植被分類是進(jìn)行植被覆蓋狀況和動(dòng)態(tài)變化規(guī)律研究的基礎(chǔ)[3]。遙感技術(shù)具有宏觀、同步、動(dòng)態(tài)的優(yōu)勢(shì)，可以應(yīng)用于大規(guī)模、大尺度的濕地植被調(diào)查中[4-7]。潮灘濕地處于海陸交匯的特殊地帶，土壤背景受潮汐影響，變化非常復(fù)雜，可達(dá)性差，利用遙感進(jìn)行植被分類較難。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

崇明島地處長江口，是中國第三大島，也是中國最大的河口沖積島和最大的沙島。其成陸已有1 300多年，全島面積為1 269.1 km2，海拔為3.5～4.5 m。全島地勢(shì)平坦，土地肥沃，林木茂盛，物產(chǎn)富饒。

1.2 數(shù)據(jù)源

使用Landsat-8與Sentinel-2A于2017年4個(gè)季度的4幅光學(xué)遙感影像以及Sentinel-1A于2017年成像的9幅微波遙感影像。

2 研究方法與技術(shù)路線

2.1 預(yù)處理

2.1.1 光學(xué)數(shù)據(jù)預(yù)處理。對(duì)光學(xué)數(shù)據(jù)進(jìn)行預(yù)處理時(shí)，使用多時(shí)相的Landsat-8、ESA影像數(shù)據(jù)作為數(shù)據(jù)源，根據(jù)改進(jìn)的歸一化差異水體指數(shù)（[MNDWI]），修正土壤調(diào)節(jié)指數(shù)（[MSAVI]），如式（1）、式（2）所示，然后對(duì)不同植被的反射率進(jìn)行決策樹分類。

[MNDWI=GREEN-SWIRGREEN+SWIR] ? ? ? ? ? ? ? ? ? （1）

[MSAVI=2×NIR+1-2×NIR+1-8×NIR-R22]（2）

式中，[GREEN]為綠光波段;[SWIR]為短波紅外波段;[NIR]為近紅外波段;[R]為紅光波段。

2.1.2 微波數(shù)據(jù)預(yù)處理。下載2017年2—10月的圖像，為后續(xù)的微波與光學(xué)結(jié)合分類做準(zhǔn)備。首先對(duì)微波遙感圖像進(jìn)行預(yù)處理。優(yōu)先進(jìn)行去噪處理，對(duì)所有去噪方法進(jìn)行對(duì)比后，發(fā)現(xiàn)Frost方法進(jìn)行3×3區(qū)域去噪能得到最少噪聲點(diǎn)的圖像。然后進(jìn)行輻射定標(biāo)，最后進(jìn)行地理編碼。在完成圖像裁剪后，獲取紋理特征，但是由于合成孔徑雷達(dá)的圖像多由亮點(diǎn)與暗點(diǎn)形成，所以只有均值（[mean]）有參考價(jià)值。然后，根據(jù)式（3）獲得后向散射強(qiáng)度[DB]值。

[DB=10×alog10DN] ? ? ? ? ? ? ? ? ? ? ? ?（3）

式中，[DN]為遙感影像的像元亮度值;a為某常數(shù)。

2.2 決策樹分類及設(shè)計(jì)

用去年光學(xué)的圖像以及ROI作為參考，確定微波圖像上的植被分布區(qū)域和非植被分布區(qū)域，包含五類：互花米草、蘆葦、海三菱藨草、光灘、水體。對(duì)2017年2—10月影像進(jìn)行統(tǒng)計(jì)分析，得到VV、VH極化的曲線圖。根據(jù)得到的光譜曲線，結(jié)合均值信息進(jìn)行單時(shí)相分類，粗略觀察每個(gè)月的植被生長信息。根據(jù)單時(shí)相分類圖像和后向散射強(qiáng)度曲線，采用決策樹分類法實(shí)現(xiàn)多時(shí)相分類[8-10]。在圖像上根據(jù)控制點(diǎn)獲取精準(zhǔn)的ROI，作為樣本，完成精度評(píng)價(jià)。

2.2.1 光學(xué)數(shù)據(jù)決策樹設(shè)計(jì)。首先根據(jù)[MSAVI]植被指數(shù)在圖像上區(qū)分出植被與非植被[11-13]。非植被包含建筑、水體、光灘等，由于崇明東灘人工建筑非常少，本次研究沒有考慮人工建筑的影響。然后使用歸一化差異水體指數(shù)（[MNDWI]）對(duì)水體和光灘進(jìn)行分類，在5月的圖像中，團(tuán)結(jié)沙部分沒有受到潮汐的影響，光灘和水體較容易區(qū)分;而在9月與2月，由于受到潮汐的影響，所以再次通過植被指數(shù)[MSAVI]、反射率進(jìn)行區(qū)分。植被主要包含三種，即蘆葦、互花米草和海三棱藨草。未知植被為當(dāng)這三種植被被潮汐淹沒后無法區(qū)分時(shí)的稱呼。通過地物的反射率以及波段組合選擇恰當(dāng)?shù)腞OI區(qū)域。通過統(tǒng)計(jì)光譜信息得到植被在不同波段上的光譜信息，可知植被在各個(gè)波段的均值以及標(biāo)準(zhǔn)差，可通過計(jì)算置信區(qū)間來完成決策樹分類。置信區(qū)間（[A]）的計(jì)算公式為：

[A=mean±n×stdev] ? ? ? ? ? ? ? ? ? ? ? ?（4）

式中，[n]為置信區(qū)間的常數(shù)，比如，對(duì)于95%的置信區(qū)間，[n]=1.96;[mean]為均值;[stdev]為標(biāo)準(zhǔn)差計(jì)算地物的反射率的范圍。

2.2.2 微波數(shù)據(jù)決策樹設(shè)計(jì)。非植被包含建筑、水體、光灘等，崇明東灘人工建筑非常少，本次研究沒有考慮人工建筑的影響。在Sentinel-1A影像中，無論極化方式是VV還是VH，水體的[DB]值相對(duì)于其他值較小，較容易區(qū)分。從DB值來看，光灘在分類過程中甚至?xí)霈F(xiàn)高于植被的情況，是由于漲潮和退潮。

2.2.2.1 單時(shí)相決策樹。對(duì)于單時(shí)相影像圖，便于區(qū)分植被的只有2—4月，5—10月三種植被都不便于區(qū)分。單時(shí)相影像即使是能區(qū)分，分類精度也很差。

2.2.2.2 多時(shí)相決策樹。首先用4月VV極化對(duì)水體進(jìn)行分類，VV<-14.5則為水體。然后用5月VH極化分光灘和植被，VH<-19.5為光灘。用4月VH極化分互花米草，VH<-20.3的為互花米草。用2月VV極化區(qū)分蘆葦和海三棱藨草。

3 結(jié)果與討論

3.1 相同時(shí)相不同植被的光譜曲線特征對(duì)比

崇明東灘的三個(gè)優(yōu)勢(shì)中有著不盡相同的物候期。2月、3月蘆葦與互花米草都處于枯萎狀，反射光譜曲線形狀相似。直到4月初，有零星的海三棱藨草開始萌發(fā)，枯萎的互花米草底部也有少量新生的低矮互花米草。然而到了5月，蘆葦和互花米草的光譜反射率出現(xiàn)了極為明顯的區(qū)別，蘆葦?shù)墓庾V出現(xiàn)了典型植被的特征，具有在近紅外區(qū)域的高反射率，互花米草的光譜特征與4月相似。7月、8月兩種植物都處于迅速生長的狀態(tài)，在顏色上都為健康的綠色。9月海三棱藨草明顯枯萎，互花米草有抽穗現(xiàn)象，而蘆葦依然處于營養(yǎng)生長期，蘆葦在該區(qū)域內(nèi)的反射率高于互花米草。10月中旬蘆葦抽穗開花，海三棱藨草完全枯萎，互花米草抽穗末期且植株偏黃。至12月，三種植物都枯萎了。

3.2 多時(shí)相不同極化不同植被的曲線特征對(duì)比

VV極化的曲線中，2月、3月、4月三種植被的后向散射強(qiáng)度差異比較明顯，因3種多年生的植被剛結(jié)束枯萎期進(jìn)入萌芽期，萌芽順序?yàn)樘J葦?shù)?月中旬，海三棱藨草的3月下旬，最后為互花米草，蘆葦在4—5月大量發(fā)生，所以在VV極化中蘆葦?shù)姆逯党霈F(xiàn)在4月。在VH極化曲線中，同樣在2月、3月、4月，三種植被存在一定差異，但相對(duì)于VV極化，差異要小。在5月之后，該時(shí)間段植被都處于綠葉期，植被葉冠茂密，雷達(dá)波主要發(fā)生了體散射/面散射，無論是VV還是VH極化，3種植被后向散射強(qiáng)度差異都很小，且很混亂，難以區(qū)分比較，這里以8月的分類結(jié)果為例，經(jīng)過采樣點(diǎn)的精度評(píng)價(jià)的總精度僅為40%左右。經(jīng)過多時(shí)相的分類之后，結(jié)果更加準(zhǔn)確。

3.3 結(jié)果展示

3.3.1 基于光學(xué)的植被分類結(jié)果。光學(xué)分類結(jié)果精度評(píng)價(jià)如表1所示。

3.3.2 基于微波的植被分類結(jié)果。微波分類結(jié)果精度評(píng)價(jià)如表2所示。

3.3.3 光學(xué)與微波微波的植被分類結(jié)果。多時(shí)相分類結(jié)果精度評(píng)價(jià)如表3所示。

3.4 結(jié)果分析

根據(jù)采集點(diǎn)所做的ROI進(jìn)行精度評(píng)價(jià)，從好到劣，評(píng)價(jià)結(jié)果依次為光學(xué)與微波多時(shí)相結(jié)合、微波多時(shí)相、光學(xué)單時(shí)相、微波單時(shí)相。光學(xué)相較于微波容易受環(huán)境、天氣的影響，由于云的影響，所以選擇了部分Landsat8的影像做出一個(gè)完整的周期。光學(xué)影像中的[NDVI]、[MNDWI]可以有效地區(qū)分光灘與河流，又選擇微波影像區(qū)分出誤分為光灘的高泥沙含量的海水。無論光學(xué)還是微波都能很好地區(qū)分出蘆葦，但是在光學(xué)中難以分辨出海三棱藨草，所以選擇用微波的[DB]值進(jìn)行區(qū)分。但是，由于微波以點(diǎn)成像，所以單時(shí)相內(nèi)會(huì)出現(xiàn)較大的誤差。多時(shí)相微波影像已有較高的精度，但是對(duì)內(nèi)陸河流的區(qū)分不太理想，結(jié)合了光學(xué)后才能清晰地區(qū)分河流與光灘。部分區(qū)域由于人為影響，所以生長較為整齊。

參考文獻(xiàn)：

[1]孟憲民.濕地與全球環(huán)境變化[J].地理科學(xué)，1999（5）：385-391.

[2]孫廣友.中國濕地科學(xué)的進(jìn)展與展望[J].地球科學(xué)進(jìn)展，2000（6）：666-5419.

[3]李曉兵，史培軍.基于NOAA/AVHRR數(shù)據(jù)的中國主要植被類型NDVI變化規(guī)律研究[J].植物學(xué)報(bào)，1999（3）：314-324.

[4]李俊輝，袁一，朱云虹，等.基于融合技術(shù)的潮灘濕地植被分類[J].測繪，2014（1）：24-27.

[5]柴穎，阮仁宗，柴國武，等.基于光譜特征的濕地植物種類識(shí)別[J].國土資源遙感，2016（3）：86-90.

[6]劉建華，楊世倫，史本偉，等.長江口崇明東灘潮溝地貌形態(tài)和演變[J].海洋學(xué)研究，2012（2）：43-50.

[7]高宇，趙斌.人類圍墾活動(dòng)對(duì)上海崇明東灘灘涂發(fā)育的影響[J].中國農(nóng)學(xué)通報(bào)，2006（8）：475-479.

[8]路兵，蔣雪中.灘涂圍墾對(duì)崇明東灘演化影響的遙感研究[J].遙感學(xué)報(bào)，2013（2）：342-349.

[9]姚麗萍，徐麗華，李先華.基于RS的崇明東灘空間動(dòng)態(tài)變化研究[J].資源調(diào)查與環(huán)境，2005（1）：64-70.

[10]袁爽，況潤元，廖啟卿.濕地植被遙感提取及動(dòng)態(tài)變化研究：以崇明東灘為例[J].江西理工大學(xué)學(xué)報(bào)，2018（1）：44-51.

[11]胥為，周云軒，沈芳，等.基于Sentinel-1A雷達(dá)影像的崇明東灘蘆葦鹽沼植被識(shí)別提取[J].吉林大學(xué)學(xué)報(bào)（地球科學(xué)版），2018（4）：1192-1200.

[12]王安琪，周德民，宮輝力.基于雷達(dá)后向散射特性進(jìn)行濕地植被識(shí)別與分類的方法研究[J].遙感信息，2012（2）：15-19.

[13]李華朋，張樹清，孫妍.合成孔徑雷達(dá)在濕地資源研究中的應(yīng)用[J].自然資源學(xué)報(bào)，2010（1）：148-154.