無(wú)人機(jī)影像紅邊波段K-L變換火燒跡地提取方法

曹國(guó)軍，趙 爽，曾玉婷，陳 兵，葉江霞

(西南林業(yè)大學(xué)，云南 昆明 650224)

森林是地球生態(tài)系統(tǒng)的重要組成部分之一，對(duì)人類生產(chǎn)生活及社會(huì)發(fā)展十分重要。中國(guó)森林資源地廣物稀，人均森林占有量不足世界人均占有量的1/4，且面臨著火災(zāi)、病蟲害、氣象災(zāi)害、濫砍濫伐等一系列外在威脅[1-3]。其中，火災(zāi)是森林資源遭到毀壞的重要原因之一?；馂?zāi)發(fā)生后，植被覆蓋度降低，生物生境遭到破壞，生物多樣性減少，導(dǎo)致生態(tài)環(huán)境惡化[4，5]；另一方面，火災(zāi)也給人類生產(chǎn)生活帶來(lái)嚴(yán)重威脅，影響社會(huì)經(jīng)濟(jì)持續(xù)發(fā)展[6]。森林火災(zāi)發(fā)生的原因具有多樣性，不可控性高，災(zāi)前預(yù)防難度較大。因此，對(duì)林火動(dòng)態(tài)進(jìn)行精準(zhǔn)高效的監(jiān)測(cè)，對(duì)于降低火災(zāi)損失、促進(jìn)森林生態(tài)系統(tǒng)恢復(fù)具有指導(dǎo)性意義[7，8]。目前，森林火災(zāi)及林火監(jiān)測(cè)方面的災(zāi)后評(píng)估主要依靠傳統(tǒng)的遙感GIS技術(shù)手段。與傳統(tǒng)遙感技術(shù)相比，無(wú)人機(jī)影像具有作業(yè)靈活、時(shí)效性和分辨率高等優(yōu)勢(shì)[9]，但目前應(yīng)用無(wú)人機(jī)影像提取火燒跡地的研究相對(duì)較少。筆者以2020年5月9日云南省安寧市青龍街道火燒跡地?zé)o人機(jī)多光譜影像為研究對(duì)象，采用2種方法對(duì)火燒跡地進(jìn)行提取，并對(duì)其精度進(jìn)行分析，以期為森林火災(zāi)的災(zāi)后評(píng)估提供借鑒。

1 研究地概況

2020年5月9日，云南省昆明市西郊的安寧市青龍街道發(fā)生森林火災(zāi)，被燒植被主要為針葉類樹種。該地區(qū)地形為高原山林地，四季溫差較小，干濕分明，降雨量少，5月至9月為主要降水季節(jié)，每年春季火災(zāi)頻發(fā)，是云南省滇中高火險(xiǎn)地區(qū)。

2 數(shù)據(jù)來(lái)源

選用大疆精靈4多光譜無(wú)人機(jī)正射影像，該數(shù)據(jù)分辨率能夠達(dá)到0.1 m。本研究所用的無(wú)人機(jī)比普通無(wú)人機(jī)多搭載了紅邊、近紅外攝像頭，增強(qiáng)了火燒區(qū)域植被葉綠素的識(shí)別效果。影像拍攝時(shí)間為2020年10月，影像中有部分植被已經(jīng)恢復(fù)。

3 研究方法

3.1 監(jiān)督分類

多光譜無(wú)人機(jī)中包含R(Red)、G(Green)、B(Blue)、Red-edge、NIR 5個(gè)波段，先將單波段進(jìn)行組合，組合1：R、G、B、NIR，組合2：R、G、B、Red-edge。在無(wú)人機(jī)預(yù)處理影像中選取60個(gè)樣點(diǎn)(其中，火燒樣點(diǎn)30個(gè)，未燒樣點(diǎn)30個(gè))和60個(gè)驗(yàn)證樣點(diǎn)，基于ENVI軟件分別對(duì)2個(gè)組合進(jìn)行最大似然法監(jiān)督分類，再用驗(yàn)證樣點(diǎn)進(jìn)行精度驗(yàn)證。

3.2 第3主成分分析法

研究選取R、G、B、NIR波段進(jìn)行K-L變換，同時(shí)用Red-edge波段替換R波段進(jìn)行K-L變換，分析并設(shè)置第3主成分變換后的圖像閾值，提取火燒跡地。利用人工目視解譯與影像對(duì)象的NaN值相結(jié)合的方法獲得對(duì)應(yīng)閾值，閾值設(shè)置如表1。

表1 閾值設(shè)置

K-L3影像中影像值計(jì)算如下：

K-L3Red=x1×B1+x2×B2+x13×B3+x14×B5，

(1)

K-L3Red-edge=y1×B1+y21×B2+y3×B4+y41×B5

。

(2)

式中：B1為Blue波段；B2為Green波段；B3為Red波段；B4為Red-edge波段；B5為NIR波段；xi、yi為相應(yīng)系數(shù)。

4 結(jié)果與分析

4.1 監(jiān)督分類結(jié)果

借助ENVI軟件進(jìn)行波段融合后，監(jiān)督分類結(jié)果見圖1。

圖1 監(jiān)督分類結(jié)果圖

從圖1可以看出，通過監(jiān)督分類的最大似然法分類，樣點(diǎn)的可分離系數(shù)均達(dá)到1.9以上，融合紅邊波段的影像分類結(jié)果優(yōu)于普通Red影像。且經(jīng)過驗(yàn)證,兩者的Kappa系數(shù)分別為0.961 9(Red-edge)、0.924 0(Red)，說(shuō)明融合紅邊波段后的影像效果有所增強(qiáng)[10]。

4.2 K-L3變換結(jié)果

對(duì)研究所選取的波段進(jìn)行K-L變換，再根據(jù)協(xié)方差矩陣(Covariance Matrix)計(jì)算對(duì)應(yīng)的特征向量，與公式(1)、(2)結(jié)合得到第3主成分分析的圖像。再通過對(duì)圖像閾值分割，提取火燒跡地信息，火燒跡地提取結(jié)果如圖2所示。

圖2 第3主成分分析圖

由圖2可以看出，融合紅邊波段圖像(圖2-b)中的火燒區(qū)范圍遠(yuǎn)大于紅波段的(圖2-a)。與研究區(qū)樣地相比，圖2-b的準(zhǔn)確度大于圖1-a，紅邊波段對(duì)于葉綠素的識(shí)別要比紅波段強(qiáng)。經(jīng)過第3主成分分析的紅邊波段效果比紅波段增強(qiáng)效果更明顯，但圖2-a與圖1-a相比其效果更優(yōu)，4幅分類圖中圖2-b的效果與準(zhǔn)確度最好。

5 結(jié)論與討論

5.1 結(jié)論

1) 相比監(jiān)督分類，第3主成分變換后的分類效果與精度較高。

2) 融合紅邊波段后的火燒跡地提取精度相比于紅波段的更好。

3) 融合紅邊波段且采用第3主成分分析后的圖像更適合于火燒跡地的提取。

5.2 討論

由于天氣原因,數(shù)據(jù)源獲取時(shí)間與火災(zāi)發(fā)生日期相隔5個(gè)月，研究區(qū)內(nèi)已有部分植被恢復(fù)(草地、灌木、受傷程度較小的喬木)，對(duì)研究的精度產(chǎn)生了一定影響。本研究只是針對(duì)火燒跡地的提取，未對(duì)跡地內(nèi)不同受傷程度進(jìn)行分類。今后，可以進(jìn)一步深入研究，對(duì)不同受傷程度、不同地類進(jìn)行分類(喬、灌、草)。