楊朝輝 白俊武 暢里鑫
(1 蘇州科技大學地理科學與測繪工程學院,江蘇 蘇州 215009;2 蘇州科技大學天平學院,江蘇 蘇州 215009)
在全球化城市化持續(xù)推進的背景下,濕地資源保護形式愈發(fā)嚴峻,亟需一種能夠?qū)竦刭Y源進行快速監(jiān)測、識別和分析的技術手段和方法。遙感以其覆蓋區(qū)域大、時空分辨率高、無需到達現(xiàn)場等特點,成為濕地資源監(jiān)測和現(xiàn)代自然資源管理中的重要技術手段(吳志峰等, 2020; 張小偉等, 2021)。目前,多種遙感觀測衛(wèi)星平臺可提供大量多尺度多分辨率的遙感影像。采用遙感技術能夠?qū)崿F(xiàn)對濕地的大范圍多時相動態(tài)監(jiān)測,減弱研究者對濕地的直接干擾,能在短時間內(nèi)獲取提取濕地類型及分布變化,避免花費大量的外業(yè)勞動力、財力和物力(李楠,2020),使?jié)竦刭Y源保護與管理工作從傳統(tǒng)繁重而低效的人工現(xiàn)場調(diào)查中解放出來,大大提升濕地資源的保護和治理能力。
Landsat 系列影像被很多研究人員用于濕地分類信息提取及動態(tài)監(jiān)測(Wang et al., 2020)。該系列遙感影像在區(qū)域尺度的濕地監(jiān)測研究中可以識別建筑物、水體、樹林和植被等類型,但受到30 m 分辨率的限制,難以在更精細尺度上完成分類(Frohn et al., 2012)。隨著遙感技術快速發(fā)展,SPoT、國產(chǎn)的ZY 和GF 等高分辨率影像能夠更細致地反映濕地不同對象的紋理和幾何特征,也逐漸被用于濕地相關研究(張樹文等, 2013)。此外,無人機具有更高的空間分辨率以及更加靈活機動等優(yōu)勢,可作為遙感衛(wèi)星影像的補充數(shù)據(jù)源,也開始被應用于濕地植物群落監(jiān)測和濕地景觀提取(鄧璐希等,2021; 張舒昱, 2020)。
使用單一影像進行濕地監(jiān)測,在時空分辨率和光譜分辨率等方面均具有一定的局限性。相比之下,融合多源遙感影像可以利用不同影像數(shù)據(jù)源的優(yōu)勢,可摸清濕地資源現(xiàn)狀(劉潤紅等, 2017; Rokni et al., 2014; Kloiber et al., 2015),實現(xiàn)濕地資源分布、面積統(tǒng)計和類型變化等分析,因此,多源遙感影像融合已成為目前濕地遙感研究中常用的手段之一。本研究采用遙感技術,通過融合多源多尺度遙感影像,實現(xiàn)濕地資源監(jiān)測和不同時期之間濕地變化斑塊提取,在此基礎上構建蘇州濕地資源管理系統(tǒng),實現(xiàn)蘇州重要濕地資源的科學高效管理。
蘇州重要濕地監(jiān)測對象為省級和市級重要濕地以及市級濕地公園,其中,包括陽澄湖和太湖等15個省級重要濕地,尚湖、官塘和陶蕩面等86 個市級重要濕地和市級濕地公園,蘇州重要濕地監(jiān)測對象如圖1 所示。
圖1 蘇州重要濕地監(jiān)測對象Fig.1 monitoring important wetlands in Suzhou
受蘇州地區(qū)多云多霧和梅雨季長等天氣特征影響,區(qū)域內(nèi)滿足濕地動態(tài)監(jiān)測要求的高質(zhì)量傳統(tǒng)遙感影像數(shù)量相對較少,亟需高分遙感影像和無人機影像等新型遙感數(shù)據(jù)源的有效補充,提高濕地植被豐度、覆蓋度等指標提取和監(jiān)測的準確性及穩(wěn)定性。本文綜合使用資源一號、Sentinel2、高分二號、中巴地球資源衛(wèi)星等多源遙感影像,每半年采集一次最新影像,實現(xiàn)對研究區(qū)域的全覆蓋監(jiān)測,同時使用無人機實時監(jiān)測重點區(qū)域和疑似變化區(qū)域。資源一號02D 影像分別包括2.5 m 和10 m 的全色及多光譜波段,高分二號影像含有0.81 m 和3.24 m 分辨率的全色波段和多光譜波段,Sentinel2 影像則有13個波段,波段中最高分辨率為10 m。
基于多源衛(wèi)星遙感影像和相關地理信息矢量數(shù)據(jù),以省級重要濕地、市級重要濕地和市級濕地公園的紅線為主要監(jiān)測范圍,綜合采用影像自動識別分類、專家目視解譯、野外現(xiàn)場調(diào)查和無人機調(diào)查等多種監(jiān)測手段,自動提取和常態(tài)化監(jiān)測蘇州重要濕地資源的濕地變化斑塊。在此基礎上,構建動態(tài)監(jiān)測數(shù)據(jù)庫,編制濕地變化監(jiān)測報告及相關專題圖件,最終建立重要濕地資源管理地理信息系統(tǒng),總體技術路線見圖2。
圖2 總體技術路線Fig.2 The overall flowchart
借鑒過去研究的相關經(jīng)驗,結合資源一號、高分二號和Sentinel2 等衛(wèi)星影像判讀解譯特點,確定了適合本研究區(qū)的地類分類體系,將與濕地區(qū)域相關的地類劃分為河流、湖泊、魚塘等11 個類別(表1)。
表1 地類分類體系Table 1 Land use classification system
決策樹是一種分層次的數(shù)據(jù)結構,具有運算快速、層次清晰等優(yōu)點,常被應用于地類信息提取和分類。決策樹分類方法通過選取整合對象的不同分類特征屬性,有效提高了分類精度(楊冬等, 2016)?;诙嘣葱l(wèi)星遙感影像融合,提取濕地監(jiān)測區(qū)域不同對象的面向?qū)ο筇卣?,并將這些特征量化為決策樹分類規(guī)則(楊朝輝等, 2019),其中,面向?qū)ο筇卣餍畔⒅饕ㄑ芯繉ο蟮墓庾V、形狀、紋理、結構和拓撲等常見特征(張小偉等,2021)。圖3 為適用于Sentinel2 影像處理的決策樹分類模型流程。
圖3 適用于Sentinel2 影像的決策樹分類模型流程圖Fig.3 Flowchart of decision tree classification model by using Sentinel2 images
2.1.1 水體和非水體區(qū)域判定 蘇州濕地以湖泊和河流為主,水體是蘇州濕地的重要組成部分。考慮到歸一化差異水體指數(shù)(MNDWI)方法計算精度比傳統(tǒng)方法更高(Du et al., 2016),本文首先采用MNDWI 方法將濕地區(qū)域粗分為水體和非水體區(qū)域,計算公式如下:
式中:PGreen、PSWIR為Sentinel2 影像的綠波段和短波紅外波段。
非水體區(qū)域進行再次分類,將其劃分為植被和非植被區(qū)域??紤]到NDVI 植被覆蓋指數(shù)能有效檢測植被覆蓋度,因此通過合理設置NDVI 指數(shù)閾值,得到?jīng)Q策樹分類判斷條件。滿足該分類判斷條件的區(qū)域為植被覆蓋區(qū)域,不滿足該分類判斷條件的則判定為非植被區(qū)域。NDVI 植被覆蓋指數(shù)計算公式如下:
式中:PRed、PNIR分別是Sentinel2 影像的紅波段和近紅外波段。
2.1.2 面向?qū)ο筇卣鞯募毞诸?基于傳統(tǒng)像元光譜特征的分類方法存在光譜混淆和混合像元的問題,本文采用面向?qū)ο筇卣鞯姆诸惙椒ǎ瑢⒕哂邢嗨菩再|(zhì)的像元構建為研究對象,通過組合使用研究對象的光譜、紋理和空間分布等關鍵信息完成進一步的細分類。影像分割是實現(xiàn)細分類的關鍵步驟,它可以將影像中具有相似灰度和紋理等特征的相鄰像元提取為具有相似信息的斑塊。影像分割中分割尺度的選取在很大程度上影響到提取斑塊的類別、大小、數(shù)量、形狀和精度(楊朝輝等,2019)。本文采用多尺度分割算法,通過設置合適的分割尺度和歸并尺度,比較不同尺度的邊界差異,最終得到多尺度對象分割結果。該方法可以提高分割對象的內(nèi)部同質(zhì)性和外部可分離性。
基于表1 列出的11 個地類分類類別,計算多尺度分割對象的光譜和這些分類類別的幾何等特征信息,將這些特征信息輸入決策樹分類模型,最終實現(xiàn)細分類。將分割對象范圍內(nèi)所有像素的光譜均值作為光譜特征;灰度共生矩陣紋理作為紋理特征;計算分割對象的面積、矩形形狀參數(shù)和延伸率作為幾何特征。
以水體區(qū)域細分類為例,將面積大于4 萬 m2、延伸率小于3.0 的斑塊判定為湖泊;將面積小于5 000 m2、長度大于200 m、延伸率大于2.2 的斑塊判定為河流;將面積位于1 500 m2和4 萬 m2范圍內(nèi)的斑塊判定為魚塘;剩余的部分則判定為坑塘。最后在研究區(qū)內(nèi)隨機生成500 個檢驗樣本點,結合野外調(diào)查和高分辨率影像目視判讀,確定檢驗樣本點的真實參考類別。在此基礎上構建濕地分類混淆矩陣,計算得到總體精度為85.3%,Kappa 系數(shù)為82.9%,分類精度能夠滿足分類要求。
使用上述的決策樹分類方法處理每期的遙感影像,得到面向?qū)ο筇卣鞯募毞诸惤Y果。自動提取不同時期分類結果的變化斑塊,經(jīng)過數(shù)據(jù)整理和分析并結合目視判斷,最終將濕地變化斑塊分為變化確定類和疑似排除類兩種類別。疑似排除類是經(jīng)遙感影像判讀和野外現(xiàn)場調(diào)查,排除疑似變化斑塊,確認仍為濕地斑塊。變化確定類一般是由濕地斑塊轉變?yōu)榉菨竦匕邏K,該類變化斑塊需進一步重點監(jiān)測和現(xiàn)場核實。變化確定類的斑塊一般包括濕地紅線范圍內(nèi)違法建筑物和水利工程設施等(圖4),圖中綠色多邊形為提取出來的疑似變化斑塊區(qū)域。其中,圖4(a)(b)(c)分別是某臨時碼頭的當前遙感影像(高分二號,拍攝時間2022 年5 月)、前一期遙感影像(高分二號,拍攝時間2021 年10 月)和核實影像;圖4(d)(e)(g)分別是某水利設施的當前遙感影像(中巴資源衛(wèi)星CB04A,拍攝時間2023 年6 月)、前一期遙感影像(高分二號,拍攝時間2022 年11 月)和核實影像;圖4(g)(h)(i)分別是某地鐵建設項目的當前遙感影像(資源一號,拍攝時間2022 年5 月)、前一期遙感影像(高分二號,拍攝時間2021 年10 月)和核實影像;圖4(j)(k)(l)分別是某濕地公園內(nèi)臨時浮橋的當前遙感影像(中巴資源衛(wèi)星CB04A,拍攝時間2021 年12 月)、前一期遙感影像(高分二號,拍攝時間2021 年6 月)和核實影像;圖4(m)(n)(o)分別是某高鐵建設項目的當前遙感影像(高分二號,拍攝時間2021 年4 月)、前一期遙感影像(高分二號,拍攝時間2020 年10 月)和核實影像。
圖4 變化確定類圖斑實例(圖斑名稱見正文)Fig.4 Examples of definite change polygons
為了方便數(shù)據(jù)管理,對變化斑塊進行編碼。編碼為4 位數(shù),前兩位為分區(qū)代碼,后兩位為區(qū)內(nèi)代碼。張家港市、常熟市、太倉市、昆山市、吳江區(qū)、吳中區(qū)、相城區(qū)、工業(yè)園區(qū)、高新區(qū)和姑蘇區(qū)的分區(qū)代碼分別為01 至10。對于每個縣(市)、區(qū)來說,區(qū)內(nèi)代碼編制規(guī)則為從北到南、自西向東,每個縣(市)、區(qū)都從01 開始編碼。
實地調(diào)查核實變化確定類的圖斑。通過無人機攝影測量方式將待核實圖斑區(qū)域的現(xiàn)狀地形地物拍攝成圖像或視頻資料,結合實地觀察和拍照,完成現(xiàn)場調(diào)查核實。現(xiàn)場調(diào)查核實時需記錄的內(nèi)容包括待核實變化斑塊的行政區(qū)范圍及空間位置、土地利用類型和觀察到的濕地動植物名稱等。
將采集到的最新高分遙感影像通過大氣糾正、正射糾正、拼接、融合和調(diào)色等遙感圖像處理步驟,生成遙感底圖(張慶全等, 2021)。在此基礎上,疊加變化確定類斑塊數(shù)據(jù)、行政區(qū)劃界線數(shù)據(jù)和濕地紅線數(shù)據(jù),再結合現(xiàn)場調(diào)查數(shù)據(jù),制作動態(tài)變化監(jiān)測專題圖。
采用Web 端和移動端系統(tǒng)開發(fā)技術,分別開發(fā)實現(xiàn)濕地資源數(shù)據(jù)的顯示管理功能和濕地資源的調(diào)查監(jiān)測功能。通過這兩端功能整合,結合蘇州重要濕地資源動態(tài)監(jiān)測管理的業(yè)務流程,開發(fā)“濕地一張圖”展示功能、多時序遙感底圖對比功能、變化圖斑編輯管理功能、征占用工程管理功能和濕地景觀健康評價功能,實現(xiàn)蘇州重要濕地資源的動態(tài)監(jiān)測與科學管理。管理信息系統(tǒng)架構圖如圖5 所示。
圖5 系統(tǒng)架構圖Fig.5 System architecture diagram
以最新的高分遙感影像作為濕地基礎底圖,疊加蘇州重要濕地紅線矢量、行政邊界矢量、道路等專題數(shù)據(jù),構成“濕地一張圖”,為信息查詢和分析統(tǒng)計提供基礎數(shù)據(jù)源。
疊加歷史和現(xiàn)狀多期遙感影像,通過卷簾和多屏等不同的對比方式,直觀地展示濕地在每個監(jiān)測時期的現(xiàn)狀及不同監(jiān)測時期之間的變化。
在濕地一張圖的基礎上,疊加歷史多期遙感影像,并疊加各年度的變化圖斑矢量監(jiān)測數(shù)據(jù)成果,將變化圖斑整改和銷號等結果掛接到該變化圖斑相應屬性表上,實現(xiàn)對其數(shù)字化管理,及時掌握濕地變化圖斑的處理情況。
根據(jù)相關項目編制的征占用保護修復方案,基于蘇州重要濕地紅線矢量數(shù)據(jù)和濕地專題數(shù)據(jù),對比征占用設計圖斑,對涉及濕地紅線范圍的工程項目和人類干擾活動進行管理。將工程設計文件和項目審批文件掛接到被征占的濕地相應屬性表上,實現(xiàn)對濕地征占用情況的展示與管理。
使用遙感圖像處理技術從多源遙感影像數(shù)據(jù)中提取濕地景觀健康評價指標,指標主要包括建設用地、湖泊河流、道路和濕地植被。在此基礎上根據(jù)每個指標的不同特點設計其優(yōu)化參數(shù),將指標進行歸一化處理。最終建立評價模型,在多個尺度上將不同景觀評價指標合理組合在一起,定量實現(xiàn)對蘇州市濕地的景觀健康評價(楊朝輝等, 2016b)。確立評價模型函數(shù)后,根據(jù)評價函數(shù)類型和相應設置的參數(shù),依次對每個評價濕地區(qū)域計算不同的評價指標,生成單指標評價得分和多指標綜合得分。多指標綜合得分可以作為濕地景觀健康的評價結果。為加快計算速度,可以將設計好的優(yōu)化參數(shù)和評價模型預先儲存在服務器上,用戶可以直接調(diào)用相應函數(shù)而完成濕地景觀健康的快速評價(楊朝輝等,2016c)。
隨著遙感技術和產(chǎn)業(yè)的全面快速發(fā)展,不同類型遙感數(shù)據(jù)的采集和成本逐漸降低,越來越多的多源高分遙感影像數(shù)據(jù)被應用于大范圍的自然資源調(diào)查和濕地監(jiān)測中(李楠, 2020)。但在具體項目的應用中,仍存在如何更科學、更高效地從大規(guī)模的遙感影像數(shù)據(jù)中挖掘有用信息等難題。本研究通過每半年一次采集購買資源一號、高分二號等多源遙感影像,實現(xiàn)多源遙感影像數(shù)據(jù)對蘇州市域的全覆蓋,在此基礎上研究動態(tài)監(jiān)測關鍵技術,實現(xiàn)濕地變化斑塊的自動提取,解決了傳統(tǒng)濕地動態(tài)監(jiān)測方法存在的勞動強度大、覆蓋范圍小、成果編制慢等缺陷。
選擇合適的數(shù)學分類方法提取濕地分類信息是濕地監(jiān)測的關鍵。傳統(tǒng)的方法主要有監(jiān)督分類和非監(jiān)督分類法,隨著遙感技術的最新發(fā)展,決策樹和支持向量機等新方法逐漸取代了傳統(tǒng)的分類方法(耿萬軒等, 2021)。由于決策樹方法不需要依賴任何先驗的統(tǒng)計假設條件,只需要利用特定的專家經(jīng)驗,通過設置判斷條件對數(shù)據(jù)進行細化類,具有直觀、高效等優(yōu)點。本研究結合蘇州的實際情況,確定適合蘇州市域的地類分類體系,將與濕地相關地類劃分為河流、湖泊等11 個類別。采用決策樹分類方法,提取這11 個類別的面向?qū)ο筇卣餍畔?,并將光譜、形狀、紋理、結構等面向?qū)ο筇卣髁炕癁闆Q策樹分類規(guī)則,最終得到高精度的分類結果,為后續(xù)的動態(tài)監(jiān)測提供了可靠的濕地分類成果。
濕地遙感動態(tài)監(jiān)測是通過比較前后兩期濕地觀測數(shù)據(jù),分析這段時間濕地的變化差異情況。濕地遙感動態(tài)監(jiān)測一般分為直接比較法和分類后比較法。直接比較法對影像預處理和圖像變換要求較高,易導致分類精度較低(Li et al., 2019)。分類后比較方法先提取出不同時期遙感影像的分類結果,再直接對分類結果進行比較(Ludwig et al.,2019)。這種方法適用于對不同類型傳感器和不同季節(jié)遙感數(shù)據(jù)之間進行對比。本研究采用分類后比較方法,將相鄰兩期的濕地分類成果進行比較,自動提取出疑似變化斑塊,提高了濕地資源動態(tài)監(jiān)測的效率和精度,也驗證了本研究方法和技術路線的科學性和可行性。
本研究綜合多源遙感影像數(shù)據(jù)和蘇州濕地相關矢量數(shù)據(jù),構建了蘇州重要濕地資源遙感動態(tài)監(jiān)測體系,研究了動態(tài)監(jiān)測關鍵技術,實現(xiàn)了基于決策樹分類方法面向?qū)ο筇卣鞯臐竦貐^(qū)域相關地類細分類和變化斑塊自動提取,為濕地保護管理工作提供基礎數(shù)據(jù)和決策依據(jù)。在上述動態(tài)監(jiān)測的基礎上,開發(fā)了濕地資源管理地理信息系統(tǒng),實現(xiàn)了“濕地一張圖”展示、多時序遙感底圖對比、變化圖斑編輯管理、征占用工程管理和濕地景觀健康評價等功能,實現(xiàn)蘇州重要濕地資源的動態(tài)監(jiān)測與科學管理。本研究成果可為提高濕地保護管理科學水平,加強濕地保護與修復提供技術支撐和決策依據(jù)。