基于多源遙感影像融合的扎龍濕地信息提取

楊明悅

（哈爾濱師范大學(xué)，黑龍江 哈爾濱150000）

1 概述

濕地生態(tài)系統(tǒng)與海洋、森林生態(tài)系統(tǒng)一起并稱為全球三大生態(tài)系統(tǒng)，其在調(diào)蓄洪水、維持區(qū)域水平衡等方面具有重要的意義。多年來，由于人類對濕地資源帶來了一定程度的干擾，濕地越來越需要有效的監(jiān)測與保護，而濕地信息提取則是對濕地實現(xiàn)監(jiān)測的最重要的一環(huán)。因此，實現(xiàn)更加高效準(zhǔn)確的濕地信息提取是十分必要的[1-2]。

國內(nèi)外學(xué)者也因此對濕地信息提取進行了深入廣泛的研究，不僅在研究方法上進行了優(yōu)化，還會在數(shù)據(jù)源的選擇上進行改進。濕地信息提取領(lǐng)域最常用的數(shù)據(jù)源是光學(xué)影像，但是光學(xué)影像自身在探測、獲取信息上存在一定的局限性，而雷達影像在探測過程中不受天氣影響，并且具有穿透性，能夠獲取到光學(xué)影像獲取不到的信息[3]，因此雷達手段被越來越多的引入到濕地信息提取領(lǐng)域的研究中。例如郭交等人利用Sentinel-1和Sentinel-2 的融合影像對研究區(qū)的農(nóng)作物進行分類，提高了農(nóng)作物的分類精度[4]。胥為以Sentinel-1 和Landsat8 的融合影像作為數(shù)據(jù)源，對長江口典型鹽沼濕地進行分類制圖，得到了精度較高的分類結(jié)果[5]。周宏偉以光學(xué)數(shù)據(jù)與雷達數(shù)據(jù)作為基本數(shù)據(jù)源，采用多種圖像處理方法與手段，提高了濕地分類精度[6]。

本文選用Landsat 8OLI 光學(xué)影像和Sentinel-1 雷達影像作為數(shù)據(jù)源，以黑龍江省齊齊哈爾市扎龍濕地為研究區(qū)，將兩種影像進行融合并對融合后的影像進行信息提取，從而實現(xiàn)更加高效準(zhǔn)確的濕地信息提取，以期為扎龍濕地提供更準(zhǔn)確的監(jiān)測和更有效的保護與管理。

2 研究區(qū)與數(shù)據(jù)

2.1 研究區(qū)概況

扎龍濕地地處黑龍江省齊齊哈爾市（部分地區(qū)位于大慶市杜爾伯特蒙古族自治縣和林甸縣境內(nèi)），位于松嫩平原西部。地物種類豐富，其中分布著大范圍的淡水沼澤區(qū)和許多小型水面，河道錯雜分布在草地、沼澤上，濕地生態(tài)狀況保持良好，是我國目前北方同緯度地區(qū)保留最完整、最原始、最開闊的濕地生態(tài)系統(tǒng)[7]。

2.2 數(shù)據(jù)源及預(yù)處理

本文選取了2017 年的Landsat 8OLI 光學(xué)影像和2017 年的Sentinel-1 雷達影像。Landsat 8 OLI 影像信息量極為豐富，并且定位精度也很高，空間分辨率為30m，其中全色波段分辨率為15m。選取的Sentinel-1 雷達影像空間分辨率是10m，極化方式是VV+VH 雙極化，這種極化方式對獲取濕地植被信息非常有利[5]。

利用ENVI 軟件對光學(xué)影像進行輻射校正、大氣校正、重采樣、裁剪等預(yù)處理，得到與Sentinel-1 分辨率相同的影像，利用SNAP 軟件對Sentinel-1 影像進行輻射定標(biāo)、Sigma 噪聲抑制、地理編碼、幾何校正、裁剪等預(yù)處理，采用HIS 變換法將經(jīng)過預(yù)處理的兩幅影像進行融合，得到影像圖像清晰、分辨率更高的具有多源遙感影像信息的融合影像。

3 基于支持向量機的扎龍濕地信息提取

3.1 分類系統(tǒng)

本研究結(jié)合“國家資源與環(huán)境遙感宏觀調(diào)查與動態(tài)研究”土地資源分類系統(tǒng)的以及扎龍濕地實際的地表植被特征，同時簡化了濕地內(nèi)覆蓋物的類別，突出濕地中主要土地覆蓋類型，決定將扎龍濕地分為明水、沼澤、草甸、草原、鹽堿地、農(nóng)田和居民地7 種類型[8]。

3.2 分類方法

濕地信息提取目前較常用的的監(jiān)督分類方法主要包括最大似然法、支持向量機、決策樹方法等，但決策樹方法需要建立出合理的決策樹規(guī)則需要豐富的先驗知識，存在一定的難度[9]，支持向量機這一方法操作方便快捷、結(jié)果質(zhì)量較好、分類精度較高，并且鄒青青等人采用支持向量機方法對淮河流域濕地進行信息提取時，在河流、湖泊、庫塘上得到了較高的分類精度[10]，該方法比較適合同樣錯綜分布較多水域的扎龍濕地。因此，本文選用支持向量機方法來對扎龍濕地進行信息提取。在ENVI 軟件中，根據(jù)特定的波段組合中地物所表現(xiàn)出的不同顏色紋理特征以及各個地物的光譜曲線特征，選出各個地物的訓(xùn)練樣區(qū)，選擇好訓(xùn)練樣區(qū)后查看各類訓(xùn)練樣區(qū)的分離度均大于1.8，符合支持向量機分類的要求，然后根據(jù)所選訓(xùn)練樣區(qū)對影像進行支持向量機的分類。

4 結(jié)果與分析

4.1 分類結(jié)果

在ENVI 軟件的支持下，分別對單一光學(xué)影像和融合影像進行支持向量機分類，得到兩種影像的分類結(jié)果。但由于計算機自動分類法的直接分類結(jié)果會存在一個、兩個或者多個獨立的像元，使圖像上出現(xiàn)很多微小的斑塊，所以本研究對得到的兩種分類結(jié)果進行了7×7 的圖斑合并，消除了分類結(jié)果上存在的多個碎小的斑塊，圖1 所示為最終分類結(jié)果。

圖1 融合影像分類結(jié)果

通過分類結(jié)果圖可以看出扎龍濕地地物種類較多，大部分地類分布極其零散、不規(guī)則。沼澤分布最廣、覆蓋面積最大，相對來說比較連續(xù)，草地分布較分散、不連續(xù)，但是總面積也很大，草地夾雜在沼澤中或者分布在水體周圍，旱地呈大面積不連續(xù)分布，主要圍繞扎龍濕地的邊緣分布。扎龍濕地內(nèi)部沼澤和草地也會零散分布小面積的旱地和水田，水田的面積很小，除了在沼澤和草地中少有分布，還零散分布在居民地附近或水域附近，水體大多為小型胡泊，錯落分布、十分零散，居民地大多數(shù)與耕地分布在一起，從整體看分布也很分散。

4.2 精度評價

在信息提取研究中常通過計算混淆矩陣的方法來進行分類結(jié)果的精度評價，其中最主要的檢驗指標(biāo)就是總體分類精度和Kappa 系數(shù)。結(jié)合Google 高清地圖在影像上選取一定數(shù)量的訓(xùn)練樣區(qū)，作為精度評價的驗證樣本，在ENVI4.5 軟件的Confusion Matrix 命令的支持下進行混淆矩陣的計算，得到了如表1 所示的精度評價表。單一光學(xué)影像分類結(jié)果的總精度為80.50%，Kappa 系數(shù)為0.7703，融合影像分類結(jié)果的總精度為81.30%，Kappa 系數(shù)為0.7817。

5 結(jié)論與討論

本研究中借助光學(xué)影像影像多光譜、高波譜分辨率、影像信息豐富的優(yōu)勢與雷達影像較高的空間分辨率以及對水體識別極為敏感的優(yōu)勢相互補充，使扎龍濕地信息提取達到了更好的效果，總體精度和Kappa 系數(shù)均有明顯的提高，尤其體現(xiàn)在農(nóng)田、鹽堿地和居民地的分類結(jié)果上，有效改善了單一光學(xué)影像分類結(jié)果中農(nóng)田居民地誤分嚴(yán)重的情況。但是還是存在一定的缺陷，例如草甸與沼澤、草原與農(nóng)田依然存在一定程度的錯分情況，沒能夠得到有效的改善。

濕地信息提取的影像數(shù)據(jù)源以及研究方法種類繁多，本文所選取的數(shù)據(jù)源和研究方法只是冰山一角，并且在進行濕地信息提取的過程中可能存在某些已知或者未知的不足和有待改進的地方，在濕地信息提取領(lǐng)域我們還需要繼續(xù)在數(shù)據(jù)源與研究方法上進行研究與挖掘，從而提高濕地分類精度，實現(xiàn)更精準(zhǔn)的濕地信息提取，為扎龍濕地提供更準(zhǔn)確的監(jiān)測和更有效的保護與管理提供有效的依據(jù)。