水源地土地覆被分類及無人機遙感驗證評價方法研究

李 營 楊一鵬 殷守敬 楊海軍 洪運富 朱海濤

(環境保護部衛星環境應用中心，北京 100094)

1 水源地衛星遙感影像分類

水源地是我國環境保護的重點區域，保證水源地水質安全具有重要意義。衛星遙感技術具有重訪周期短、監測范圍大、重復動態監測等優勢，是開展環境監測的重要技術手段，在水源地監測中也愈加發揮重要作用。GF－1 是我國2013年發射的高分辨率遙感衛星，搭載了兩臺2m 分辨率全色、8m 分辨率多光譜相機及四臺16m 分辨率多光譜相機，實現了高空間分辨率、多光譜與高時間分辨率的結合，是開展宏觀與微觀環境監測的良好數據源。土地覆被分類是衛星遙感應用最為廣泛的產品之一，基于GF－1 衛星開展土地覆被分類，能夠有效利用GF－1 影像數據分辨率特征，監測水源地敏感地物，為水源地監測提供技術支撐，進而推動國內環境遙感監測事業的進一步發展。

目前，面向對象分類方法普遍適用于高空間分辨率衛星影像，其充分利用高分辨率的全色和多光譜數據的空間、紋理和光譜信息，對衛星影像進行分割和分類，最終以高精度的分類結果或者矢量輸出。當前面向對象分類采用最為廣泛的是德國Definiens Imaging 公司開發的智能化影像分析軟件eCognition，本文采用該軟件對GF－1 衛星影像進行土地覆被分類。

2 無人機遙感驗證評價

基于土地覆被分類獲取水源地環境敏感信息后，須驗證評價分類結果，目前，國內外土地覆被驗證數據源主要分為人工地面核查數據與遙感數據，人工地面核查數據采集耗費較高的人力、物力成本，而且在地形復雜、自然條件惡劣的區域難以獲取;相對于人工地面核查數據，遙感數據省時省力，能夠獲取任何區域的驗證信息，是一種較為經濟實用的驗證數據源。國內外學者已利用遙感數據開展了相關研究，并取得了較好成果。總體來說，基于遙感數據的土地覆被驗證評價通常采用相同或更高空間分辨率的數據，對于GF－1 水源地敏感信息土地覆被結果的驗證，需采用優于2m 空間分辨率影像數據，而目前國內民用衛星缺少此類數據，且國外高分辨率數據(如Quickbird、Geoeye、WorldView、Ikonos 等)難以在時相上滿足驗證要求，因此，采用無人機遙感影像數據進行驗證評價是一種較好的權衡方法。

無人機遙感數據獲取通常包括無人機飛行準備、航線規劃、空域申請、無人機飛行、數據處理、信息提取等過程。數據獲取后，采用隨機抽樣方法選取多個土地覆被驗證多邊形樣本，與土地覆被結果進行對比驗證后建立混淆矩陣，通過總體分類精度、用戶精度、生產者精度評價分類結果。

3 示例應用

以揚州南水北調東線工程源頭區為示例研究區，該區域位于揚州市邗江區與江都市的交接處，是重要的水源地。衛星遙感影像采用2014年3月28日GF－1 全色與多光譜影像數據，數據的處理過程為:對2m 的全色影像進行幾何校正后，將8m 多光譜影像與其配準，按照研究區邊界裁剪兩幅影像，之后，采用Pansharping融合方法對影像進行融合。

為提取研究區內水源地敏感地物分布信息，結合土地利用現狀分類標準(GBT 21010－2007)，將研究區土地覆被分為水體、建筑物、自然地表、道路、裸露的混凝土、灘涂及島嶼、船只和造船廠等八類。基于eCognition 軟件，采用面向對象分類方法，通過多尺度分割方法試驗多次分割不同地物，之后，選用隸屬度模糊分類和目視解譯相結合的方法對影像進行分類，分類結果如圖1 所示。

圖1 水源地GF－1 影像土地覆被分類

針對土地覆被分類結果，基于同時相無人機遙感影像，隨機抽樣選取452 個多邊形樣本，每個多邊形樣本代表一種土地覆被類型，在無人機影像中，多邊形樣本的土地覆被類型為多邊形內面積最大的地物。通過對無人機影像樣本進行目視解譯，建立基于多邊形樣本的混淆矩陣，之后，采用總體精度、生產者精度和用戶精度等指標評價分類精度。通過計算，總體精度為80.00%，各土地覆被類型精度如表1 所示。

表1 用戶精度和生產者精度

4 結 論

(1)本方法是國產高分辨率衛星與無人機遙感技術結合應用的探索，能夠有效應用于水源地遙感監測研究中，為水源地環境保護提供技術與數據支撐。(2)目前，我國無人機遙感技術發展迅速，在各領域發揮了重要作用，已經成為衛星遙感技術的有力補充，國內無人機遙感驗證研究相對較少，本方法采用無人機遙感數據對衛星遙感影像分類結果進行驗證，增添了該領域的研究成果，力爭為國內相關研究提供一定的技術借鑒。

［1］陳志勇．基于高分辨率遙感影像的城市土地覆被變化分析研究［D］．蘭州交通大學，2013．

［2］莫利江，曹宇，胡遠滿，劉淼，夏棟．面向對象的濕地景觀遙感分類——以杭州灣南岸地區為例［J］．濕地科學，2012，02:206－213．

［3］梁京濤，成余糧，王軍，等．基于無人機遙感技術的汶川地震區典型高位泥石流動態監測［J］．中國地質災害與防治學報，2013，24(3):54－61．

［4］謝濤，劉銳，胡秋紅，等．基于無人機遙感技術的環境監測研究進展［J］．環境科技，2013，26(4):55－64．

［5］Stehman S V，Wickham J D．Pixels，blocks of pixels，and polygons:Choosing a spatial unit for thematic accuracy assessment［J］．Remote Sensing of Environment，2011，115(12):3044－3055．

［6］Radoux J，Bogaert P．Accounting for the area of polygon sampling units for the prediction of primary accuracy assessment indices［J］．Remote Sensing of Environment，2014，142:9－19．

［7］孫曉霞，張繼賢，劉正軍．利用面向對象的分類方法從IKONOS 全色影像中提取河流和道路［J］．測繪科學，2006，01:62－63+5．

［8］陳云浩，馮通，史培軍，王今飛．基于面向對象和規則的遙感影像分類研究［J］．武漢大學學報(信息科學版)，2006，04:316－320．

［9］王橋，王晉年，楊一鵬，等．環境監管無人機遙感技術與應用［M］．北京:科學出版社，2014，1－3．