利用Sentinel-2A多光譜成像儀與Landsat 8陸地成像儀影像進行普陀山島植被分類效果比較

章曉潔，鄧艷芬，張亞超，蔣蕓蕓，邱桔斐

(國家海洋局東海海洋環境調查勘察中心，上海 200137)

我國海岸線綿長，海島眾多，隨著社會經濟逐漸增強，海島開發利用活動日益頻繁，海島原生動植物資源面臨巨大威脅。遙感技術已被廣泛應用于資源調查[1-2]、生物量估算[3]等領域。遙感影像分類有助于調查海島資源分布現狀，為海島資源保護和合理開發利用提供基礎數據。歐洲空間局(European Space Agency，ESA)于2015年6月發射升空的Sentinel-2A衛星和美國國家航空航天局(National Aeronautics and Space Administration，NASA)于2013年2月發射升空的Landsat 8衛星都可免費提供全球較高空間分辨率的多光譜遙感影像，在海島調查中的應用潛力較大。

Sentinel-2A搭載的多光譜成像儀(multi-spectral instrument，MSI)和Landsat8搭載的陸地成像儀(operational land imager，OLI)的波段設置具有相似性。自2015年以來，已經有一些研究將MSI影像和OLI影像進行了對比。文獻[4—5]對MSI和OLI兩個傳感器的波段差異導致的輻射度、大氣表觀反射率的差異進行了研究。文獻[6]比較了MSI和OLI數據在火災烈度評估中的應用效果。文獻[7]基于MSI、Landsat 7和Landsat 8影像的地面反射率和由反射率估計的生物物理量對它們進行了比較。文獻[8]對比了MSI和OLI在森林冠層覆蓋度和葉面積指數反演的效果。文獻[9]對比了MSI和Landsat 8 OLI的地表反射率、BRDF修正反射率、NDVI指數等。文獻[10]基于K均值法非監督分類對比了MSI和OLI的分類效果。文獻[11]進行了資源三號(ZY3)、Sentinel-2A、高分一號(GF1)和Landsat 8影像的城市、鄉鎮和農村居民地提取精度的比較。但尚未見將MSI和OLI用于海島土地利用類型分類或植被分類的效果比較的相關研究成果發表。因此，本文以普陀山島為例，將這兩種傳感器的影像用于植被分類并進行精度檢驗和對比分析。

1 研究區概況及試驗數據

1.1 研究區概況

普陀山島位于浙江省舟山市，是舟山群島中的一個，島上植被密集。根據文獻[12]的研究，有關普陀山植被資源整體認識的研究還比較欠缺，普陀山是亞熱帶常綠闊葉林海島型地帶性植被的典型代表，物種組成上主要林型的物種與大陸相似，以殼斗科(Fagaceae)和樟科(Lauraceae)占優勢，主要林型間優勢種的差異較大，物種多樣性差異也較大。根據國家海洋局東海分局“海島物種調查登記和海島生態區劃專題研究”中2014年11月至2015年9月對普陀山島的實地樣方、樣線調查，普陀山的自然-半自然植被根據外貌可劃分為10大類型，即：常綠闊葉林、常綠闊葉和落葉闊葉混交林、落葉闊葉林、針闊混交林、針葉林、常綠灌叢、落葉灌叢、土生草叢、鹽生草叢和沙生草叢。因此，本文將植被分類目標定為闊葉林、針闊混交林、針葉林、灌叢和草叢5種。

1.2 試驗數據

Sentinel-2A MSI包含13個光譜波段，覆蓋可見光、近紅外及短波紅外波段，不同波段的空間分辨率不同，其中可見光及842 nm近紅外波段的空間分辨率為10 m，其余波段為20或60 m，產品幅寬為100 km×100 km，重訪周期為10 d，與Sentinel-2B組網后可提高至5 d。Landsat 8 OLI包含9個波段，除1個空間分辨率為15 m的全色波段外，還包括8個空間分辨率為30 m的可見光、近紅外及短波紅外波段，產品寬幅為185 km×185 km，重訪周期為16 d。

為使MSI和OLI的分類結果具有可比性，在影像下載時盡量選擇獲取日期相同或相近的影像，并考慮夏季是植被生長最旺盛的季節，且云霧影響較小，因此本研究最終選取了2017年7月25日的MSI影像和2017年7月23日的OLI影像。

同時以國家海洋局東海分局組織開展的“海島物種調查登記和海島生態區劃專題研究”獲得的普陀山植被現狀圖為參考，用于后續樣本選擇。

2 研究方法

本研究首先對遙感影像進行預處理。由于ESA提供的MSI影像為Level-1C產品，反映的是大氣頂層反射率，因此首先利用ESA提供的SNAP軟件插件Sen2Cor2.5.5進行大氣校正，并利用SNAP軟件將MSI影像轉變為常用遙感軟件可處理的格式。對于OLI，則利用FLAASH方法進行大氣校正。然后將MSI影像和OLI影像都進行像元大小為10 m×10 m的重采樣。

在遙感影像分類中，最大似然法(maximum likelihood)監督分類因穩定性好、精度高而被廣泛使用，且該方法在新方法研究中常被用來作為參照[13-15]。因此本文利用最大似然法分別對這兩種影像進行遙感分類，主要目的為區分出闊葉林、針葉林、針闊混交林、灌叢和草本植被，同時也對其他地物類型進行分類。用于最大似然法分類輸入的訓練樣本，根據參考數據進行人工選取。訓練樣本共包含闊葉林、針闊混交林、針葉林、灌叢、草叢、建筑物、沙灘、島陸水體、海水等9類(詳見表1)。需要注意的是，樣本選取的參考數據來源于樣方、樣線法調查，調查結果并不能完全準確地體現普陀山島植被分布現狀。雖然人工選取樣本時經過目視判斷，但仍可能存在一定的誤差。人工選取精度檢驗樣本進行結果的精度檢驗見表1。

表1 分類樣本和檢驗樣本個數及像元數匯總

3 分類結果及討論

MSI和OLI的分類結果如圖1所示，兩種影像的所有像元都被分到不同類別中，無未分類像元?？梢钥闯鯫LI分類結果較MSI更零碎。利用精度檢驗樣本對分類結果進行精度檢驗，得到MSI影像總體分類精度為94.9%，Kappa系數為0.87；OLI影像總體分類精度為93.5%，Kappa系數為0.83。MSI影像的總體精度略高于OLI影像。

表2和表3是兩種影像分類結果中各個類別的精度統計?？梢钥闯觯徽撌荕SI影像還是OLI影像，相對非植被的類別來說，5種植被類別的漏分、錯分較嚴重。MSI的5種植被分類精度均高于OLI，尤其是針葉林和灌叢這兩類。而在沙灘和島陸水體這兩類中，MSI的分類精度略低于OLI。

表2 Sentinel-2A MSI分類精度統計 (%)

綜合生產者精度和用戶精度，MSI和OLI中分類最精確的都是海水，而在5種植被類別中，綜合來看最精確的都是闊葉林。MSI分類誤差和OLI分類誤差整體表現相似。兩者錯分誤差最大的都是針葉林，其中很大一部分像元實際為針闊混交林或灌叢；漏分誤差最大的都是針闊混交林，大部分針闊混交林像元被分到了闊葉林、針葉林或灌叢類別中。由于針闊混交林本身就是針葉林和闊葉林的混合，因此針闊混交林像元被分到了闊葉林或針葉林像元中并不意外。而闊葉林、針闊混交林和針葉林與灌叢之間的混分，可能是由于某些植被并不絕對是喬木或灌木，例如普陀山島上的紅山茶、檵木、柘木、海桐等物種既是灌木又可能是小喬木，因此增加了分類難度。

表3 Landsat 8 OLI分類精度統計 (%)

需要注意的是，OLI的針闊混交林的漏分誤差接近50%，灌叢和針葉林的錯分誤差均達到了50%以上，而MSI相應類別的誤差則小得多。

4 結 論

本文以普陀山島為例，將Sentinel-2A MSI和Landsat 8 OLI影像的海島植被分類效果進行了比較，結果表明MSI的總體分類精度略高于OLI，MSI的5種植被分類精度均高于OLI，尤其是針葉林和灌叢這兩類，而在沙灘和島陸水體這兩類中，MSI的分類精度略低于OLI。兩種影像分類結果中精度最高的都是闊葉林，錯分誤差最大的都是針葉林，漏分誤差最大的都是針闊混交林。需注意的是，由于本文分類的訓練樣本和精度檢驗的訓練樣本都是人工選取，雖然有參考數據，但該數據來源于樣方樣線調查，數據結果并不能完全準確地體現普陀山島植被分布現狀，因此可能在一定程度上影響本研究的結果精度。在下一步研究中，可以通過實地調查獲取植被分布位置及物種類型，獲得足夠多的可靠樣本，排除人工選取訓練樣本帶來的誤差，以期獲得更可靠的分類結果。