基于NDVI時間序列數(shù)據(jù)的濕地演變RSM

李 婷，唐少霞，王 平

(海南師范大學地理與環(huán)境科學學院，海南 ?？?571158)

1 引言

濕地是極其關(guān)鍵的自然資源，是自然界最具生物多樣性的生態(tài)景觀，與人類社會發(fā)展緊密相關(guān)。伴隨人類活動影響與自然條件的不斷改變，濕地正受到嚴重破壞，濕地面積大幅縮減、水質(zhì)惡化、植被退化等形勢逐步加重。濕地資源對城市區(qū)域發(fā)展與生態(tài)均衡發(fā)展具有重要的意義[1]。遙感技術(shù)具有范圍廣、多時相的動態(tài)監(jiān)測性能，可以得到客觀數(shù)據(jù)，地理信息系統(tǒng)強大的空間數(shù)據(jù)處理能力，能夠快速精準地對濕地變化采取動態(tài)分析[2]。因此，采用遙感技術(shù)監(jiān)測濕地演變過程，對濕地的保護具有重要作用。為此，相關(guān)研究人員對其進行了大量的研究，并取得了一定成果。

羅志東[3]等人提出基于系統(tǒng)工程學的土壤侵蝕高分遙感監(jiān)測方法。該方法從工程化知識庫構(gòu)建、工程化遙感信息提取算法和工程化綜合集成3個主要元素入手，建立土壤侵蝕高分遙感監(jiān)測與評價工程化模式。采用該技術(shù)對土壤侵蝕程度進行分類，分類的精度較高。但該方法研究的對象具有一定局限性，土壤遙感監(jiān)測環(huán)節(jié)較為復(fù)雜，不適合普遍的應(yīng)用。張春桂[4]等人提出從高分一號衛(wèi)星數(shù)據(jù)特征出發(fā)，探究高分一號衛(wèi)星數(shù)據(jù)輻射定標、大氣校正和正射校正的預(yù)處理方法和高分一號衛(wèi)星植被覆蓋度遙感反演方法。以福建省廈門市為例，利用高分一號多光譜相機(GF-1-WFV1)16 m影像數(shù)據(jù)反演覆蓋度，精準劃分覆蓋等級。該方法利用遙感反演技術(shù)可高精度劃分遙感監(jiān)測的等級，但該方法應(yīng)用在濕地演變監(jiān)測中存在監(jiān)測精度較低的問題。

基于上述問題的存在，提出一種新的濕地演變遙感動態(tài)監(jiān)測方法。該方法充分考慮濕地演變形態(tài)特征，提出基于歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)時間序列數(shù)據(jù)的濕地演變遙感動態(tài)監(jiān)測方法。通過設(shè)計監(jiān)測指標，運用數(shù)據(jù)預(yù)處理手段明確濕地變化細節(jié)，采用優(yōu)化理論得到分類優(yōu)選模型，實現(xiàn)濕地演變來源與趨勢信息提取。與傳統(tǒng)方法相比具有一定優(yōu)勢。

2 NDVI時間序列數(shù)據(jù)下濕地演變遙感動態(tài)監(jiān)測

2.1 基于NDVI時間序列數(shù)據(jù)的監(jiān)測指標設(shè)計

為了實現(xiàn)濕地演變遙感動態(tài)監(jiān)測，需要構(gòu)建濕地演變監(jiān)測指標。該指標可有效抑制各類外界干擾影響，為濕地演變監(jiān)測提供準確高效的衡量標準。采用NDVI時間序列數(shù)據(jù)，代表一年中不同時期NDVI數(shù)據(jù)，其是依照時間先后次序組合構(gòu)成的數(shù)據(jù)集。在此方法中，探究濕地演變過程的有效策略即為觀測NDVI曲線時序改變情況[5]。濕地演變類型關(guān)鍵表現(xiàn)在NDVI時間序列曲線形態(tài)與數(shù)值變化中，若變化超出相應(yīng)域值，認定濕地演變類型發(fā)生改變，故濕地演變監(jiān)測指標要充分考慮其曲線變化特征。

現(xiàn)階段，濕地演變監(jiān)測一般采用單一距離指數(shù)或相關(guān)性指數(shù)等指標，對比不同時段遙感影像特征差別，再按照明確的域值分析濕地類型是否發(fā)生改變。濕地演變監(jiān)測的距離指數(shù)與相關(guān)性指數(shù)中歐氏距離為

(1)

絕對距離為

(2)

夾角余弦為

(3)

有關(guān)系數(shù)為

(4)

其中，xri、xti代表參照圖像與監(jiān)測圖像像元第i波段的特征值，xr、xt為參照圖像與監(jiān)測圖像像元全部波段特征均值，n代表波段個數(shù)。

期望得到的濕地演變監(jiān)測指標應(yīng)當著重凸顯土地形態(tài)變化數(shù)據(jù)，且能夠抑制傳感器標度、大氣條件等外部差別導(dǎo)致的變化[6]。本文擬定的演變監(jiān)測指標涵蓋兩方面內(nèi)容，即表征NDVI時間序列曲線值差別特征指標，即值指數(shù)；表征NDVI時間序列曲線狀態(tài)差別特征指標，即形指數(shù)。

在諸多距離指數(shù)中，蘭氏距離對奇異值的低敏感性可有效控制噪聲的影響，并且是一個無量綱的標準化數(shù)值[7]。值指數(shù)運用蘭氏距離標記NDVI時間序列曲線間的數(shù)值區(qū)別，將其描述為

(5)

其中，NDVIri、NDVIti依次表示參照年份與監(jiān)測年份NDVI時間序列曲線i波段的NDVI值。

參考年份與監(jiān)測年份的NDVI時間序列曲線，在不同匹配方位m內(nèi)的交叉相關(guān)系數(shù)為

Rm=

(6)

其中，n為移動后兩個曲線的重疊波段數(shù)值，m為監(jiān)測曲線移動方位。

在上述分析基礎(chǔ)上，將均方根差當作指標表征改變強度，即

(7)

其中，Rm、Rm′依次為匹配方位m真實交叉相關(guān)系數(shù)與參照交叉相關(guān)系數(shù)，k代表匹配方位。

通過上述構(gòu)建的兩個指標特征，建立基于NDVI時間序列的濕地演變變化檢測指標，即：

(8)

2.2 基于灰度形態(tài)學的遙感數(shù)據(jù)預(yù)處理

形態(tài)學源自填充理念，灰度形態(tài)學的處理目標為圖像拓撲特性，使用填充直接描述灰度形態(tài)計算過程，精確呈現(xiàn)濕地表面圖像目標。

將灰度腐蝕表示為ε，灰度膨脹為δ，若f代表一個灰度圖像，N為一結(jié)構(gòu)元，此時腐蝕過程為

(9)

灰度腐蝕也可運用臨近灰度函數(shù)的最小確界進行描述，即

εNf(p)={∧f(p′)|p′∈NG(p)∪f(p)}

(10)

式(9)與式(10)存在相等關(guān)系，式中NG(p)代表結(jié)構(gòu)元鄰域。

與灰度腐蝕計算過程相似[8]，將灰度膨脹δN表示為

≡{∧f(p′)|p′∈NG(p)∪f(p)}

(11)

灰度開運算首先進行灰度腐蝕再實施灰度膨脹的迭代計算，即

γNf(p)=δNεNf(p)

(12)

以此類推，灰度閉運算表達式為

φNf(p)=εNδNf(p)

(13)

Top-Hat變換是一種形態(tài)變換方法，具備極強高通濾波性，利用其檢測灰值圖像的波峰、波谷與細長圖像結(jié)構(gòu)。Top-Hat算子公式為

Γf(p)=f(p)-γNf(p)=f(p)-δNεNf(p)

(14)

Top-Hat算子中的對偶算子為

?！鋐(p)=φNf(p)-f(p)=εNδNf(p)-f(p)

(15)

Top-Hat算子是一種非拓展運算模式[9]，處理中位于原圖像下方位置。但其對偶算子是一種拓展運算，處理時處在原圖像上方，所以Top-Hat變換一定為非負數(shù)。

在Top-Hat變換過程中，結(jié)構(gòu)因子的選擇對處理結(jié)果影響較大。針對噪聲較小的圖像，可以采用Top-Hat算子對圖像進行過濾，也可選擇灰度值較低的結(jié)構(gòu)元對圖像實施濾波處理。為完美呈現(xiàn)濕地周邊特征情況，使用2×2結(jié)構(gòu)元完成預(yù)處理任務(wù)，即

(16)

式中，處在結(jié)構(gòu)元左下方的60代表二維平面的原點位置灰度值增加60，其它數(shù)值含義相同。

為獲得更優(yōu)質(zhì)的濕地遙感圖像預(yù)處理成效，對圖像采取Top-Hat濾波后，不直接實施二值化處理，利用灰度膨脹對圖像重復(fù)進行過濾[10]，可以改進目標質(zhì)量，提升濕地周邊目標提取精度。依照膨脹相關(guān)定義，選擇恰當?shù)慕Y(jié)構(gòu)元，結(jié)構(gòu)元表達式為

(17)

3 濕地演變遙感動態(tài)監(jiān)測實現(xiàn)

3.1 濕地演變過程分析

單獨景觀類型動態(tài)度定義了某個研究區(qū)域固定階段中某個景觀類別的面積改變狀況，其解析式為

(18)

其中，K為研究時間內(nèi)某個景觀類型動態(tài)度，Ua、Ub依次為研究初期與末期的景觀面積，T是研究時間總和。

解析濕地動態(tài)變化的源頭與走向，利用濕地動態(tài)改變向量數(shù)據(jù)，得到每個時期的濕地類型轉(zhuǎn)移矩陣，闡明濕地逐步變化趨勢。為有效呈現(xiàn)濕地演變流程，在轉(zhuǎn)移矩陣前提下，構(gòu)建濕地類型遷移幾率模型為

(19)

其中，oij代表濕地類型i變化成類型j的面積，hij為濕地類型i變化成類型j的遷移幾率。變換式(19)計算模式，獲取濕地類型源頭幾率模型為

(20)

3.2 基于優(yōu)化理論的濕地演變遙感動態(tài)監(jiān)測

在地面物體遙感動態(tài)監(jiān)測中，按照優(yōu)化理論內(nèi)多目標決策機制及遙感分層分類理論，創(chuàng)建基于優(yōu)化理論的濕地演變遙感動態(tài)監(jiān)測方法。在每個層次分類提取過程中，引入分類優(yōu)選模型，對若干個目標的全局效益層層把控，實現(xiàn)遙感數(shù)據(jù)監(jiān)測中最優(yōu)綜合效果[11-12]。

在研究濕地演變遙感動態(tài)監(jiān)測時，遙感信息提取關(guān)鍵指標包括技術(shù)、精度、時間、成本。將決策者對其滿意度為權(quán)衡目標，最大限度使各目標值最打，數(shù)學解析式為

(21)

其中，up(x)為目標滿意度的目標函數(shù)，ul(x)≥u0(x)為收斂條件，u0(x)表示滿意度下限，x為某個遙感監(jiān)測方案。

求多目標規(guī)劃問題可靠解時，通常將問題(VP)變換成加權(quán)問題P(λ)，按照多屬性效用函數(shù)，建立分類優(yōu)選模型，即

(22)

在多目標決策問題種，多數(shù)情況下使用各個目標權(quán)系數(shù)展現(xiàn)每個目標之間的相對關(guān)鍵性，越關(guān)鍵的目標，對應(yīng)權(quán)系數(shù)越高。在諸多實際問題中，決策的基本問題可總結(jié)成權(quán)系數(shù)的確立問題。

將問題目標數(shù)量按照關(guān)鍵性進行對比，對比過程由決策者執(zhí)行，也可使用專家評估法。全部目標均需要兩兩對比，將第i個目標對第j個目標的評估值描述為bij，bij取值為

(23)

式中，λi與λj為目標yi、yj的權(quán)系數(shù)，通過全部對比后，獲得最終遙感動態(tài)監(jiān)測矩陣，即：

(24)

在上述分析基礎(chǔ)上，完成濕地演變觀測目標，為濕地有效治理提供理論支持。

4 仿真分析

4.1 仿真環(huán)境

為證明所提方法有效性，選擇某城市濕地區(qū)域進行監(jiān)測。實驗處理器為Intel賽揚雙核G530@1.80GHz，內(nèi)存為4GB，操作系統(tǒng)為Windows7系統(tǒng)。濕地遙感監(jiān)測區(qū)域如圖1 所示．

圖1 濕地遙感監(jiān)測區(qū)域

4.2 仿真結(jié)果分析

4.2.1 濕地演變遙感動態(tài)監(jiān)測耗時分析

為驗證所提方法的可行性，仿真分析了所提方法、基于系統(tǒng)工程學的高分遙感監(jiān)測方法以及基于高分一號遙感影像的監(jiān)測方法進行監(jiān)測的耗時，實驗結(jié)果如圖2 所示。

圖2 濕地演變遙感動態(tài)監(jiān)測耗時對比

分析圖2可以看出，在相同實驗環(huán)境下，三種方法的監(jiān)測耗時存在一定差距。其中，所提方法的監(jiān)測耗時始終低于其它兩種方法，驗證了所提方法的可行性。

4.2.2 濕地演變遙感動態(tài)監(jiān)測精度分析

為了進一步驗證所提方法的可靠性，對研究區(qū)域?qū)嵤┫到y(tǒng)布點，監(jiān)測濕地變化信息的精度，三種方法下監(jiān)測統(tǒng)計值如表1所示。

表1 濕地演變遙感動態(tài)監(jiān)測精度分析

從表1可知，所提方法濕地演變遙感動態(tài)監(jiān)測精度為90.74%，監(jiān)測精度顯著優(yōu)于兩種方法，表明所提方法獲得的數(shù)據(jù)精度可滿足實際工作需求，實用性較強。其它兩種方法均存在混分現(xiàn)象。其中，混分現(xiàn)象最嚴峻為泥灘地。所提方法采用基于優(yōu)化理論的遙感圖像分層分類，對多個目標全局效益進行逐層把控，得到遙感數(shù)據(jù)的最優(yōu)監(jiān)測效果，驗證了所提方法的可靠性。

5 結(jié)論

為有效探究濕地演變過程，設(shè)計基于NDVI時間序列數(shù)據(jù)的濕地演變遙感動態(tài)監(jiān)測方法。該方法監(jiān)測精度高，速率快，可廣泛適用于土地環(huán)境監(jiān)測領(lǐng)域。但在建立監(jiān)測指標時，沒有考慮NDVI值較小狀況，對監(jiān)測精度存在一定影響，今后會對此缺陷進行深入研究。