新巴爾虎右旗沼澤和草甸信息提取

劉志濤 蘇根成

摘要：運(yùn)用監(jiān)督分類和決策樹兩種方法，以2014-8-25的Landsat8-OLI遙感影像為基礎(chǔ)數(shù)據(jù)源，提取新巴爾虎右旗的沼澤和草甸信息。方法一：在ENVI中進(jìn)行監(jiān)督分類，將研究區(qū)分為沼澤和草甸、草地、森林、農(nóng)用地、水體、居民地、沙地和其他等八類，采用最大似然法對(duì)研究區(qū)遙感影像進(jìn)行沼澤和草甸信息的提取工作。方法二：求取研究區(qū)的歸一化植被指數(shù)NDVI，將NDVI值和坡度值作為限制條件，進(jìn)行求取研究區(qū)域的沼澤和草甸信息。將兩種方法獲得的沼澤和草甸分類圖與驗(yàn)證樣本進(jìn)行混合矩陣分析，分別對(duì)兩種分類結(jié)果進(jìn)行精度評(píng)價(jià)，比較監(jiān)督分類和決策樹分類在沼澤和草甸信息提取的精度。結(jié)果表明：Landsat8-OLI影像采用監(jiān)督分類的精度為89.40%，利用決策樹分類的精度達(dá)到了91.05%，精度較高。這兩種方法均能夠很好地進(jìn)行沼澤和草甸信息提取，同時(shí)驗(yàn)證了基于Landsat8遙感影像在濕地覆被分類的可行性。

關(guān)鍵詞：新巴爾虎右旗；沼澤；草甸；監(jiān)督分類；決策樹

1.引言

1.1研究背景

本文所研究的濕地，包括研究區(qū)內(nèi)的河流濕地、湖泊濕地、沼澤濕地以及草甸濕地等。近年來由于人類經(jīng)濟(jì)的不斷發(fā)展，在比較偏遠(yuǎn)的濕地也得到了開發(fā)利用，同時(shí)也遭到嚴(yán)重破壞，濕地污染，面積也不斷減少，功能日趨退化。因此，保護(hù)濕地已經(jīng)引起了人們的廣泛關(guān)注。濕地多處于偏遠(yuǎn)地區(qū)，采用傳統(tǒng)的手段來監(jiān)測(cè)，費(fèi)時(shí)、費(fèi)力、耗費(fèi)高，調(diào)查范圍小，對(duì)濕地有破壞性，而且其周期性較長，往往需要幾個(gè)月甚至幾年，時(shí)效性很差。及時(shí)、準(zhǔn)確地獲取濕地變化信息已成為濕地保護(hù)的重要手段之一。衛(wèi)星遙感技術(shù)具有觀測(cè)范圍廣、信息量大、獲取速度快、動(dòng)態(tài)性和實(shí)時(shí)性等優(yōu)點(diǎn)，被廣泛應(yīng)用于濕地動(dòng)態(tài)監(jiān)測(cè)。

本文以內(nèi)蒙古自治區(qū)呼倫貝爾市新巴爾虎右旗為例，通過選取不同方法進(jìn)行沼澤和草甸信息提取，得到該濕地空間分布圖，為新巴爾虎右旗濕地保護(hù)提供參考信息，以期為OLI影像更廣泛和更有效地應(yīng)用于濕地信息提取提供參考依據(jù)。

1.2研究區(qū)概括

新巴爾虎右旗是內(nèi)蒙古自治區(qū)的19個(gè)邊境旗市和23個(gè)牧業(yè)旗之一，是自治區(qū)唯一一個(gè)與兩個(gè)毗鄰國家接壤的旗縣，即中俄蒙三國交界處。地理位置在中國東北邊陲（東經(jīng)111°31′～117°43′，北緯47°36′～49°50′），在舉世聞名的呼倫貝爾大草原西南部。東部以烏爾遜河為界與新巴爾虎左旗隔河相望，東北部與全國最大的陸路口岸城市滿洲里毗鄰?？偯娣e25194km²，其中水域面積2217.4km²。新右旗境內(nèi)水資源豐富，有克魯倫河和烏爾遜河2條河流和呼倫湖、貝爾湖、烏蘭諾爾3個(gè)較大湖泊、濕地，屬于黑龍江流域額爾古納河水系，年徑流總量為8.072億立方米。

2.研究方法

2.1監(jiān)督分類方法

監(jiān)督分類（Supervised Classification）又稱訓(xùn)練分類法，是用已經(jīng)確認(rèn)類別的樣本像元來識(shí)別未知類別像元的過程。當(dāng)對(duì)研究區(qū)域比較了解的時(shí)候，或掌握了更多的先驗(yàn)知識(shí)，為了使這些有用的輔助信息參與到遙感分類中，需要使用監(jiān)督分類方法。監(jiān)督分類主要是根據(jù)分類的復(fù)雜程度、精度要求等來選擇分類器。常用的分類器有最小距離、最大似然、平行六面體、馬氏距離、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。本文主要選取最大似然法對(duì)研究區(qū)的不同影像數(shù)據(jù)進(jìn)行分類比較。

2.2最大似然法

最大似然判別法，也稱為bayes分類，它是建立在貝葉斯準(zhǔn)則的基礎(chǔ)上，偏重于集群分布的統(tǒng)計(jì)特性，分類原理是假定訓(xùn)練樣本數(shù)據(jù)在光譜空間的分布是服從高斯正態(tài)分布規(guī)律的，通過對(duì)感興趣區(qū)域的統(tǒng)計(jì)和計(jì)算求出樣本均值、方差和協(xié)方差等統(tǒng)計(jì)特征參數(shù)，從而求出總體的先驗(yàn)概率密度函數(shù)，然后通過計(jì)算給定像元屬于某訓(xùn)練樣本的概率，將像元?dú)w人概率最大的一類中，從而達(dá)到分類的效果。具體分為3步：首先確定各類的訓(xùn)練樣本；再根據(jù)訓(xùn)練樣本計(jì)算各類的統(tǒng)計(jì)特征值，建立分類判別函數(shù)；最后逐點(diǎn)掃描影像各像元，將像元特征向量代人判別函數(shù)，求出其屬于各類的概率，將待判斷像元?dú)w屬于最大判別函數(shù)值的一組。

2.3決策樹

決策樹分類算法的基本思想是：按照一定的規(guī)則把遙感數(shù)據(jù)集逐級(jí)往下細(xì)分以得到具有不同屬性的各個(gè)類別。分類決策樹由一個(gè)根節(jié)點(diǎn)（Root nodes）、一系列內(nèi)部節(jié)點(diǎn)（Internal nodes）（分支）和終極節(jié)點(diǎn)（Terminal nodes）（葉）組成，每個(gè)內(nèi)部節(jié)點(diǎn)只有一個(gè)父節(jié)點(diǎn)和兩個(gè)多個(gè)子節(jié)點(diǎn)。在每一個(gè)內(nèi)部節(jié)點(diǎn)（包括根節(jié)點(diǎn)）處根據(jù)一系列規(guī)則將該節(jié)點(diǎn)處的數(shù)據(jù)集劃分為兩個(gè)子集，如此往復(fù)直至所有的數(shù)據(jù)被分為預(yù)期設(shè)定的各個(gè)子集為止。這里的規(guī)則可以是根據(jù)經(jīng)驗(yàn)和目視解譯人為設(shè)定，也可以按照一定的算法自動(dòng)獲取。決策樹能夠處理的數(shù)據(jù)集不僅包含光譜信息，還可以是紋理信息、空間特征和高程信息等多元數(shù)據(jù)。圖1為本次分類的決策樹的基本模型。

3.數(shù)據(jù)處理

3.1前期處理

從權(quán)威地理信息數(shù)據(jù)網(wǎng)站http：∥www.gscloud.cn/下載研究區(qū)的遙感影像，選取Landsat8-OLI的2014-8-25遙感影像為基礎(chǔ)數(shù)據(jù)進(jìn)行處理。數(shù)據(jù)必須利用專業(yè)軟件打開和處理，數(shù)據(jù)預(yù)處理步驟如下：①輻射校正。Landsat-8得到的數(shù)據(jù)為Levell T級(jí)別，該數(shù)據(jù)產(chǎn)品是使用地面控制點(diǎn)和數(shù)字高程模型數(shù)據(jù)進(jìn)行幾何精校正處理后得到的數(shù)據(jù)產(chǎn)品，因此，實(shí)驗(yàn)用的Landsat-8數(shù)據(jù)可以直接使用而不需要做幾何校正。本文主要對(duì)研究數(shù)據(jù)直接進(jìn)行輻射校正處理。輻射校正的目的是消除或修正輻射誤差而引起的影像畸變，主要包括輻射定標(biāo)和大氣校正。本文采用ENVI中的FLAASH工具進(jìn)行大氣校正，具有較高的輻射校正精度，更適合用于濕地植被信息的提取。大氣校正后自動(dòng)剔除卷云波段9，應(yīng)用于數(shù)據(jù)分類的是1～7共7個(gè)波段。②影像鑲嵌。由于單幅的Landsat-8影像無法完全覆蓋整個(gè)研究區(qū)域，所以對(duì)兩幅互為鄰接的Landsat-8影像進(jìn)行幾何鑲嵌、色調(diào)調(diào)整、去重疊等處理，拼接為統(tǒng)一的影像。③影像裁剪。根據(jù)已有的研究區(qū)矢量化邊界，結(jié)合新巴爾虎右旗行政區(qū)劃圖，進(jìn)行影像裁剪，裁剪后的結(jié)果影像作為研究區(qū)的基礎(chǔ)數(shù)據(jù)，且影像質(zhì)量滿足研究需求。

3.2監(jiān)督分類提取沼澤和草甸

利用監(jiān)督分類方法，將研究區(qū)的覆被信息分為沼澤和草甸、草地、森林、農(nóng)用地、水體、居民地、沙地和其他等八類。利用經(jīng)驗(yàn)和已有資料選取有代表性訓(xùn)練區(qū)，繪制成多邊形，對(duì)每一種選取的訓(xùn)練區(qū)都均勻地分布在整個(gè)研究區(qū)中，濕地感興趣區(qū)選擇為181個(gè)，將提取好的訓(xùn)練區(qū)用最大似然法分類，得到初步分類效果圖，如圖2所示。由于遙感影像圖的分類過程是按照影像光譜特征進(jìn)行的聚類分析，都帶有一定的盲目性，分類得到結(jié)果圖成塊的地類圖會(huì)出現(xiàn)小塊的異類圖斑。本實(shí)驗(yàn)對(duì)分類圖進(jìn)行了聚類分析（Clump），過濾處理（sieve），得到的監(jiān)督分類影像圖（見圖3）。由于克魯倫河這一主要水系在監(jiān)督分類過程中沒有與沼澤草甸分離，為此計(jì)算了歸一化差異水體指數(shù)（NDWI），提取出水體信息，然后進(jìn)行了波段差值運(yùn)算，從監(jiān)督分類結(jié)果圖中去除了水體信息，得到新巴爾虎右旗的最終監(jiān)督分類結(jié)果圖，沼澤草甸與河流明確地分離開，而且沼澤草甸斑塊比較完整（如圖4）。

3.3決策樹方法提取沼澤草甸信息

決策樹分類算法的基本思想是：按照一定的規(guī)則通過構(gòu)建決策樹模型，把遙感數(shù)據(jù)集逐級(jí)往下細(xì)分以得到具有不同屬性的各個(gè)類別，在本文的決策樹模型是通過兩個(gè)分支提取的研究區(qū)的兩類沼澤草甸信息。

在決策樹模型中，ndvi為歸一化植被指數(shù)；p（nir）為近紅外波段的反射率；slope為由DEM求得的坡度圖。

如圖1所示，該決策樹模型是以研究區(qū)的NDVI為基礎(chǔ)，在反映新巴爾虎右旗土地覆蓋植被狀況優(yōu)勢(shì)明顯。在構(gòu)建模型時(shí)，通過反復(fù)試錯(cuò)獲得沼澤草甸區(qū)域在決策樹各節(jié)點(diǎn)的分割閾值為0.3時(shí)，能夠較精確的提取出大量沼澤草甸信息，同時(shí)也包含了研究區(qū)北部的森林地貌信息，此時(shí)利用沼澤草甸的坡度較小的特點(diǎn)，以slope<0.8為條件能夠剔除其他干擾信息，而提取出大部分沼澤草甸信息；其次在呼倫湖南岸有大片鹽堿地的ndvi值較低，通過反復(fù)試錯(cuò)以nd-vi<0.15和p（nir）>1400為條件，可以做到精確區(qū)分。

4.分類結(jié)果評(píng)價(jià)

對(duì)于遙感圖像的分類結(jié)果，可以采用混淆矩陣和分類精度指標(biāo)進(jìn)行評(píng)價(jià)，分類精度指標(biāo)主要有用戶精度、生產(chǎn)者精度、總體精度、錯(cuò)分誤差、漏分誤差和Kappa系數(shù)。本文主要采用總體分類精度（Overall Accuracy）和Kappa系數(shù)來進(jìn)行分類精度評(píng)估，驗(yàn)證樣本為通過已有資料選取的80個(gè)樣點(diǎn)，分別建立混淆矩陣。

Landsat8-OLI影像采用監(jiān)督分類的精度為89.40%，Kappa系數(shù)為0.54；決策樹分類的精度達(dá)到了91.05%，Kappa系數(shù)為0.63。兩種方法均可用，后者能夠更好地進(jìn)行沼澤草甸信息提取分類，精度更高。表明基于Landsat8遙感影像在沼澤草甸覆被分類的可行性，從而能夠及時(shí)合理地保護(hù)濕地資源。

5.結(jié)果分析

監(jiān)督分類結(jié)果如圖5所示，經(jīng)過統(tǒng)計(jì)，沼澤草甸面積約為916.46km²。決策樹模型得到的結(jié)果如圖6所示，沼澤草甸面積約為885.59km²。

由圖可知，新巴爾虎右旗的沼澤草甸植被比較豐富，主要分布在克魯倫河流域以及呼倫湖、貝爾湖周邊，在研究區(qū)的南北內(nèi)陸草原地區(qū)受星羅棋布的湖泊影響，也有一定小面積的濕地存在。

6.結(jié)論

本文利用landsat-8的影像應(yīng)用監(jiān)督分類和決策樹兩種方法提取了沼澤和草甸信息，并將分類結(jié)果與已有分類數(shù)據(jù)進(jìn)行混淆矩陣驗(yàn)證，結(jié)果表明決策樹的分類精度更高，比監(jiān)督分類結(jié)果高出1.65%?？梢娫跐竦馗脖环诸愌芯恐杏幸欢ǖ姆诸惥葍?yōu)勢(shì)。

此外就遙感影像分類提取信息而言，在選擇不同時(shí)期的影像圖對(duì)提取的精度影響也很大。在北方地區(qū)提取沼澤草甸信息時(shí)，選取八九月份的影像效果較佳，其他草本植物的葉綠素比濕生植物降解的早，此時(shí)的沼澤草甸信息在標(biāo)準(zhǔn)假彩色影像的顏色紋理更清晰，提取精度可能更高。