基于高分二號(hào)數(shù)據(jù)的自然保護(hù)區(qū)生態(tài)用地遙感分類研究
——以衡水湖國家級(jí)自然保護(hù)區(qū)為例

賈 坤 劉端陽 姚云軍 張曉通

(北京師范大學(xué)地理科學(xué)學(xué)部，北京 100875)

國家級(jí)自然保護(hù)區(qū)是推進(jìn)生態(tài)文明建設(shè)、構(gòu)建國家生態(tài)安全屏障和建設(shè)美麗中國的重要載體，其中生態(tài)用地對(duì)于保持生態(tài)平衡、構(gòu)建和諧的人與自然關(guān)系、保護(hù)生物多樣性具有重要作用，是區(qū)域生態(tài)環(huán)境質(zhì)量好壞的“晴雨表”[1]。然而，隨著我國社會(huì)經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的加快，我國生態(tài)用地尤其是國家級(jí)自然保護(hù)區(qū)生態(tài)用地面臨諸多問題，如何準(zhǔn)確有效、及時(shí)地對(duì)生態(tài)用地狀況進(jìn)行監(jiān)測(cè)對(duì)國家級(jí)自然保護(hù)區(qū)的管理和生態(tài)保護(hù)具有重要的作用。

遙感因具有快速、大面積觀測(cè)以及具有可追溯性的對(duì)地觀測(cè)優(yōu)勢(shì)，已成為生態(tài)用地監(jiān)測(cè)和提取的重要手段。目前，利用遙感技術(shù)監(jiān)測(cè)生態(tài)用地狀況已開展了較多研究，如王志濤等[2]基于Landsat-8衛(wèi)星數(shù)據(jù)對(duì)沽源縣水源涵養(yǎng)型、土壤保持型等生態(tài)用地類型進(jìn)行了綜合識(shí)別并分析了其空間分布狀況；張彥敏等[3]基于SPOT-5衛(wèi)星遙感數(shù)據(jù)，對(duì)天津市生態(tài)用地人類活動(dòng)變化進(jìn)行遙感監(jiān)測(cè)，發(fā)現(xiàn)天津生態(tài)用地呈現(xiàn)人工表面增多的趨勢(shì)；武愛彬等[4]基于長時(shí)間序列的Landsat TM和Landsat-8衛(wèi)星數(shù)據(jù)開展了河北生態(tài)用地解譯，并分析其時(shí)空格局的地貌分異特征。隨著我國高分辨率對(duì)地觀測(cè)重大專項(xiàng)的實(shí)施，國產(chǎn)高分衛(wèi)星數(shù)據(jù)憑借其高空間分辨率、高時(shí)間分辨率和高重訪觀測(cè)的優(yōu)勢(shì)，為區(qū)域生態(tài)用地監(jiān)測(cè)提供了理想的潛在數(shù)據(jù)源[5]。國內(nèi)學(xué)者也利用高分衛(wèi)星數(shù)據(jù)對(duì)生態(tài)用地遙感監(jiān)測(cè)展開了初步的探索，如孟晉杰等[6]基于GF-1衛(wèi)星數(shù)據(jù)，對(duì)北京市中心區(qū)及以東方向的城市郊區(qū)城市生態(tài)用地進(jìn)行監(jiān)測(cè)，取得了很好的效果。

綜上所述，遙感技術(shù)可為區(qū)域生態(tài)用地監(jiān)測(cè)提供有力的技術(shù)支撐，而高空間分辨率的遙感數(shù)據(jù)的空間信息更豐富，紋理特征更明顯，有望進(jìn)一步提高區(qū)域生態(tài)用地遙感分類精度。高分二號(hào)（GF-2）衛(wèi)星是我國高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)中首顆亞米級(jí)高空間分辨率民用光學(xué)遙感衛(wèi)星，于2016年8月19日在山西太原衛(wèi)星發(fā)射中心發(fā)射升空。該衛(wèi)星搭載兩臺(tái)1米全色、4米多光譜相機(jī)（PMS），多光譜數(shù)據(jù)包括藍(lán)、綠、紅和近紅外四個(gè)波段，重訪周期為5天，是區(qū)域生態(tài)用地遙感監(jiān)測(cè)的重要數(shù)據(jù)源[7]。但GF-2衛(wèi)星數(shù)據(jù)用于國家級(jí)自然保護(hù)區(qū)生態(tài)用地分類的研究較少，其實(shí)際應(yīng)用方法和監(jiān)測(cè)效果有待進(jìn)一步探索和驗(yàn)證。因此，本文基于GF-2衛(wèi)星數(shù)據(jù)，研究河北省衡水湖國家級(jí)自然保護(hù)區(qū)生態(tài)用地遙感分類方法，探討GF-2衛(wèi)星數(shù)據(jù)在國家級(jí)自然保護(hù)區(qū)生態(tài)用地遙感分類中的應(yīng)用效果，以期推進(jìn)國產(chǎn)高分衛(wèi)星服務(wù)于國家級(jí)自然保護(hù)區(qū)生態(tài)用地管理和規(guī)劃。

1 研究區(qū)概況

河北衡水湖國家級(jí)自然保護(hù)區(qū)（115°27′50″～115°42′51″E，37°31′40″～37°41′56″N）位于河北省衡水市桃城區(qū)、冀州兩縣區(qū)境內(nèi)，占地面積283 km2。該地區(qū)屬暖溫帶大陸季風(fēng)氣候區(qū)，四季分明，多年平均氣溫約為13.0 ℃，年平均降雨量約為518.9 mm。衡水湖自然保護(hù)區(qū)于2003年晉升為國家級(jí)自然保護(hù)區(qū)[8]，具有保持沼澤、水域、灘涂、草甸和森林等完整濕地生態(tài)系統(tǒng)的特點(diǎn)，生態(tài)用地類型豐富，對(duì)于檢驗(yàn)GF-2衛(wèi)星數(shù)據(jù)的分類能力具有較好的代表性與示范性。保護(hù)區(qū)內(nèi)具有豐富的生物多樣性，主要以內(nèi)陸淡水濕地生態(tài)系統(tǒng)和國家一、二級(jí)鳥類為主要保護(hù)對(duì)象[8]，屬于淡水濕地生態(tài)系統(tǒng)類型自然保護(hù)區(qū)，具有蓄洪防澇防旱、調(diào)節(jié)氣候、控制土壤侵蝕、降解環(huán)境污染等功能，對(duì)調(diào)解京津地區(qū)的氣候、改善生態(tài)環(huán)境起到重要作用。圖1（a）是采用GF-2衛(wèi)星多光譜遙感數(shù)據(jù)拼接的研究區(qū)真彩色合成影像圖，其中紅線內(nèi)區(qū)域?yàn)楹馑壹?jí)自然保護(hù)區(qū)，圖1（b）為裁剪后的保護(hù)區(qū)影像。

圖1 衡水湖國家級(jí)自然保護(hù)區(qū)地理位置Fig. 1 Geographical location of Hengshui Lake National Nature Reserve

2 數(shù)據(jù)來源

2.1 GF-2衛(wèi)星數(shù)據(jù)

本研究選用的GF-2衛(wèi)星數(shù)據(jù)為PMS傳感器采集的多光譜影像，由中國資源衛(wèi)星應(yīng)用中心 （http://www.cresda.com/CN/）提供。GF-2衛(wèi)星數(shù)據(jù)成像時(shí)間為2017年11月18日，數(shù)據(jù)獲取時(shí)間段內(nèi)大氣狀況良好，因此研究區(qū)遙感數(shù)據(jù)云覆蓋比例小于1%、成像質(zhì)量好，可完整覆蓋衡水湖自然保護(hù)區(qū)。

2.2 地面調(diào)查與樣本選擇

本研究于2017年11月18日在研究區(qū)開展地面調(diào)查工作，主要調(diào)查研究區(qū)生態(tài)用地類型的空間分布特征。在地面調(diào)查期間，調(diào)查人員記錄了具有代表性的生態(tài)用地詳細(xì)信息，并利用手持GPS接收機(jī)進(jìn)行地理坐標(biāo)信息采集，GPS型號(hào)為天寶Juno SB，空間定位精度約±3 m。根據(jù)《土地利用現(xiàn)狀分類》（GB/T 21010?2017）和研究區(qū)實(shí)際的生態(tài)用地分布，最終確定研究區(qū)生態(tài)用地分類系統(tǒng)包括水體、農(nóng)田、濕地、道路、林地、居民點(diǎn)。在地面調(diào)查和GoogleEarth影像輔助GF-2數(shù)據(jù)目視解譯的基礎(chǔ)上，隨機(jī)選取樣本用于分類模型構(gòu)建和檢驗(yàn)的訓(xùn)練與檢驗(yàn)樣本。對(duì)于每種生態(tài)用地類型均獲取了足夠的樣本點(diǎn)，其中包括水體像元1 579 390個(gè)、農(nóng)田像元623 544個(gè)、濕地像元404 390個(gè)、道路像元21 716個(gè)、林地像元20 714個(gè)和居民點(diǎn)像元99 576個(gè)。在建立樣本數(shù)據(jù)集后，將樣本點(diǎn)隨機(jī)均分成兩部分，分別作為訓(xùn)練樣本和檢驗(yàn)樣本，訓(xùn)練和檢驗(yàn)樣本互不重疊。

3 研究方法

基于GF-2多光譜數(shù)據(jù)的自然保護(hù)區(qū)生態(tài)用地遙感分類技術(shù)流程圖如圖2所示。首先，對(duì)GF-2多光譜數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正以及幾何校正處理，進(jìn)而利用保護(hù)區(qū)邊界對(duì)數(shù)據(jù)進(jìn)行拼接和裁剪。之后，利用面向?qū)ο蟮亩喑叨确指罘椒▽?duì)遙感數(shù)據(jù)進(jìn)行圖像分割，并計(jì)算每個(gè)對(duì)象的光譜特征以及紋理特征。進(jìn)而，利用樣本數(shù)據(jù)集和分類特征進(jìn)行生態(tài)用地遙感分類模型構(gòu)建以及自然保護(hù)區(qū)生態(tài)用地分類。最后，對(duì)分類結(jié)果進(jìn)行分類后處理，包括小斑塊去除和分類后統(tǒng)計(jì)等，最終得到自然保護(hù)區(qū)生態(tài)用地遙感分類專題圖。

圖2 生態(tài)用地分類流程Fig. 2 Flow chart of ecological land classification

3.1 GF-2衛(wèi)星數(shù)據(jù)處理

GF-2多光譜數(shù)據(jù)的預(yù)處理主要包括：輻射定標(biāo)、大氣校正、幾何校正。其中，輻射定標(biāo)是將像元亮度值轉(zhuǎn)換為輻射亮度，定標(biāo)公式為：

其中，Le代表輻射亮度值，Gain和Offset是從中國資源衛(wèi)星應(yīng)用中心獲取的GF-2衛(wèi)星PMS數(shù)據(jù)輻射定標(biāo)系數(shù)（http://218.247.138.119/CN/Downloads/dbcs/11307.shtml）。

大氣校正采用FLAASH大氣校正模型[9]，該模型基于MODTRAN4的輻射傳輸計(jì)算方法，能精確地補(bǔ)償大氣影響，適用于GF-2衛(wèi)星多光譜數(shù)據(jù)的大氣校正。FLAASH模型的輸入數(shù)據(jù)主要來源于GF-2衛(wèi)星PMS多光譜數(shù)據(jù)的成像時(shí)間和數(shù)據(jù)相關(guān)參數(shù)。幾何校正采用二次多項(xiàng)式糾正法，參考影像采用從美國地質(zhì)調(diào)查局網(wǎng)站（https://earthexplorer.usgs.gov/）獲取的Landsat-8衛(wèi)星OLI傳感器采集的高質(zhì)量數(shù)據(jù)。其中，幾何校正采用的地面控制點(diǎn)從兩幅影像中手動(dòng)選取。最后，將經(jīng)過大氣校正和幾何校正后的兩景GF-2衛(wèi)星PMS數(shù)據(jù)進(jìn)行拼接裁剪，用于后續(xù)衡水湖自然保護(hù)區(qū)生態(tài)用地遙感分類研究。

3.2 面向?qū)ο蟮亩喑叨扔跋穹指?/h3>

面向?qū)ο蟮姆诸惸Ｊ綄⑦b感影像分割為不同的對(duì)象來代替原始的像元作為分類的基本單位，其最重要的步驟是合理的影像分割，使分割對(duì)象能夠清晰地反映出感興趣地物的空間分布[10?11]。本研究中選擇多尺度分割算法[12]進(jìn)行遙感影像分割。因?yàn)樵谡跋裆虾茈y找到一個(gè)固定的最佳分割尺度，因此為確定最佳的影像分割尺度，本研究以5為間隔，在10～100之間設(shè)置了19組對(duì)照實(shí)驗(yàn)，將每次實(shí)驗(yàn)的分割結(jié)果進(jìn)行對(duì)比分析，通過目視觀察優(yōu)選能呈現(xiàn)感興趣地物目標(biāo)真實(shí)形態(tài)的最優(yōu)分割尺度。最后，本研究選擇25作為分割尺度參數(shù)。

3.3 分類方法與精度檢驗(yàn)

本研究選用了支持向量機(jī)分類器[13?15]，是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，其通過在高維特征空間中尋找最優(yōu)分類超平面解決復(fù)雜數(shù)據(jù)的分類問題[16?17]。支持向量機(jī)具有參數(shù)設(shè)定簡單和能得到全局最優(yōu)結(jié)果的優(yōu)點(diǎn)，尤其適合有限樣本問題，在很大程度上解決了傳統(tǒng)分類方法中存在的如模型選擇、過學(xué)習(xí)、多維問題、局部極小點(diǎn)等問題[16]。支持向量機(jī)的最終求解可轉(zhuǎn)化為一個(gè)具有線性約束的二次凸規(guī)劃問題，不存在局部極小值?，F(xiàn)代的支持向量機(jī)理論[18]是由Cortes和Vapnik提出的，詳細(xì)的支持向量機(jī)描述可查詢Burges[19]發(fā)表的文獻(xiàn)。

支持向量機(jī)分類器的輸入特征包括光譜特征和紋理特征，其中光譜特征包括GF-2數(shù)據(jù)的多光譜波段反射率，及其顏色空間變換得到的HSL空間的色調(diào)、飽和度和亮度特征。這些特征對(duì)于農(nóng)田、濕地以及林地等植被覆蓋類型具有較好的識(shí)別能力，是由于在可見光-近紅外波段范圍內(nèi)，植被在藍(lán)光和紅光波段存在吸收谷，在綠光和近紅外波段存在反射峰，有利于植被和非植被以及不同植被類型之間的區(qū)分。紋理特征主要包括Texture Range、Texture Mean、Texture Variance和Texture Entropy等紋理統(tǒng)計(jì)特征[20?21]，其中Texture Range指卷積核內(nèi)的平均灰度范圍，本研究中卷積核設(shè)置為3×3；Texture Mean指卷積核內(nèi)的平均灰度值，如公式（2）；Texture Variance指卷積核內(nèi)的灰度變化值，如公式（3）；Texture Entropy指卷積核內(nèi)信息熵，如公式（4）。紋理特征主要對(duì)水體、道路和居民點(diǎn)等地表類型較為敏感，因這些地物類型往往由不同材質(zhì)構(gòu)成，其灰度變化差異相較于自然地物目標(biāo)更為明顯。本研究選取徑向基函數(shù)（Radial Basis Function，RBF）作為支持向量機(jī)分類算法的核函數(shù)，核參數(shù)γ和懲罰因子C根據(jù)先驗(yàn)知識(shí)分別設(shè)置為0.25和100。

式中，M和N表示卷積核大小，研究中取3×3，f(i,j) 為 (i,j)位置處像元的灰度值， μ為卷積核內(nèi)灰度均值，P(i,j) 為卷積核內(nèi)灰度值為f(i,j)的像元概率。

分類后處理采用多數(shù)（Majority）分析、聚類處理（Clump）和過濾處理（Sieve）策略去除初步分類結(jié)果中的碎小斑塊，最終得到衡水湖自然保護(hù)區(qū)生態(tài)用地分類專題圖。專題圖分類精度驗(yàn)證基于前述檢驗(yàn)樣本采用分類混淆矩陣衡量[16,22]，檢驗(yàn)樣本包括水體像元789 695個(gè)、農(nóng)田像元311 772個(gè)、濕地像元202 195個(gè)、道路像元10 858個(gè)、林地像元10 357個(gè)和居民點(diǎn)像元49 788個(gè)，精度指標(biāo)包括總體分類精度和Kappa系數(shù)。

4 結(jié)果與分析

衡水湖國家級(jí)自然保護(hù)區(qū)生態(tài)用地分類結(jié)果如圖3所示。進(jìn)一步利用地面檢驗(yàn)樣本，計(jì)算分類混淆矩陣，得到總體分類精度和Kappa統(tǒng)計(jì)指標(biāo)（表1）。從目視效果來看，采用GF-2衛(wèi)星多光譜數(shù)據(jù)可有效識(shí)別各種生態(tài)用地類型。衡水湖保護(hù)區(qū)東部主要分布為水體和濕地，西部主要為農(nóng)田，其中夾雜分布一些居民點(diǎn)。定量精度評(píng)價(jià)結(jié)果表明，基于GF-2衛(wèi)星多光譜數(shù)據(jù)的衡水湖自然保護(hù)區(qū)生態(tài)用地遙感分類總體分類精度為92.62%，Kappa系數(shù)為0.875，達(dá)到了較好的分類效果。在分類混淆方面，水體、農(nóng)田、林地及居民點(diǎn)分類效果較好，濕地與水體和農(nóng)田具有一定程度的混分，導(dǎo)致了濕地的制圖精度相對(duì)于其他用地類別呈現(xiàn)較低的現(xiàn)象。這是由于濕地多由水生植被構(gòu)成，植被覆蓋度的高低差異會(huì)造成濕地光譜與水體和農(nóng)田光譜的混淆。另外，道路與水體、農(nóng)田、居民點(diǎn)都有少量的分類混淆。這是由于GF-2衛(wèi)星多光譜數(shù)據(jù)4 m的空間分辨率在相對(duì)較窄的道路識(shí)別上空間細(xì)節(jié)信息呈現(xiàn)不足，造成道路易于周邊用地類型形成混合像元，導(dǎo)致了道路分類精度也低于其他用地類別。精細(xì)的道路識(shí)別可能需更高空間分辨率的遙感數(shù)據(jù)?？傮w而言，各生態(tài)用地類別均能達(dá)到一個(gè)較好的分類效果。

圖3 衡水湖自然保護(hù)區(qū)生態(tài)用地遙感分類Fig. 3 Remote sensing classification map of ecological land in Hengshui Lake Nature Reserve

表1 衡水湖自然保護(hù)區(qū)生態(tài)用地遙感分類混淆矩陣Table 1 Confusion matrix of remote sensing classification of ecological land in Hengshui Lake Nature Reserve

本研究對(duì)衡水湖自然保護(hù)區(qū)內(nèi)不同生態(tài)用地類型的面積進(jìn)行了統(tǒng)計(jì)，其中水體、農(nóng)田、濕地、道路、林地和居民點(diǎn)的面積分別為42.77 km2、87.43 km2、10.06 km2、6.47 km2、5.95 km2和10.98 km2。從統(tǒng)計(jì)結(jié)果可以看出，衡水湖自然保護(hù)區(qū)農(nóng)田和水體占據(jù)了總共79.5%的比例（圖4）。

圖4 衡水湖自然保護(hù)區(qū)生態(tài)用地類型統(tǒng)計(jì)Fig. 4 Statistical chart of ecological land use types in Hengshui Lake Nature Reserve

5 討論與結(jié)論

本研究以國家高空間分辨率對(duì)地觀測(cè)系統(tǒng)GF-2衛(wèi)星多光譜數(shù)據(jù)為主要數(shù)據(jù)源，采用面向?qū)ο蟮闹С窒蛄繖C(jī)分類算法，提出了衡水湖國家級(jí)自然保護(hù)區(qū)生態(tài)用地遙感分類技術(shù)?？傮w來說，與中、低空間分辨率遙感數(shù)據(jù)相比，GF-2衛(wèi)星多光譜數(shù)據(jù)在景觀結(jié)構(gòu)、形狀、紋理和細(xì)節(jié)等方面均具有較大優(yōu)勢(shì)，能在精細(xì)的空間尺度上識(shí)別地表的細(xì)節(jié)變化狀況。從分類結(jié)果可看出，GF-2衛(wèi)星數(shù)據(jù)采用面向?qū)ο蟮姆诸惒呗赃m于自然保護(hù)區(qū)生態(tài)用地遙感分類，能取得較好的分類效果。另外，GF-2衛(wèi)星數(shù)據(jù)可免費(fèi)獲取，相對(duì)于同等空間分辨率商業(yè)遙感衛(wèi)星數(shù)據(jù)昂貴的數(shù)據(jù)費(fèi)用更具經(jīng)濟(jì)性，且具有制圖便捷與準(zhǔn)確的特點(diǎn)，是生態(tài)用地遙感分類較好的數(shù)據(jù)源。

通過本研究可得出如下結(jié)論：1）GF-2衛(wèi)星多光譜數(shù)據(jù)較高的空間分辨率，能有效解決研究區(qū)生態(tài)用地中存在的地類細(xì)小、破碎、隨機(jī)性強(qiáng)的問題，能為國家級(jí)自然保護(hù)區(qū)生態(tài)用地遙感分類提供有效的數(shù)據(jù)源。2）采用面向?qū)ο蠓诸惒呗缘闹С窒蛄繖C(jī)分類方法適用于GF-2衛(wèi)星多光譜數(shù)據(jù)生態(tài)用地分類，總體分類精度達(dá)到92.62%，為國家級(jí)自然保護(hù)區(qū)生態(tài)用地遙感監(jiān)測(cè)與業(yè)務(wù)應(yīng)用提供技術(shù)參考。