光學與微波相結合的崇明東灘濕地植被分類研究

王明昊 白萬晟 劉松濤

摘 要：本文在遙感技術的支持下將崇明島東灘作為研究區域。其間使用2017年2—10月Sentinel-1A微波影像和2017年2—9月的Landsat8和sentinel-2A的光學影像。預處理后，通過計算，使用決策樹分類對崇明東灘的3種重要植被（互花米草、蘆葦、海三菱藨草）進行分類，得到多時相條件下不同植被的分類結果，用混淆矩陣做精度評價。研究表明，光學與微波相結合的多時相分類圖有更好的精度。

關鍵詞：濕地;崇明島東灘;光學;微波;植被分類

中圖分類號：Q948文獻標識碼：A文章編號：1003-5168（2020）26-0148-03

Abstract： With the support of remote sensing technology， this paper took Dongtan of Chongming Island as the research area. In the meantime， Sentinel-1A microwave images from February to October 2017 and Landsat8 and sentinel-2A optical images from February to September 2017 was used. After pre-processing， the decision tree classification was used to classify the three important vegetations （Spartina alterniflora， Phragmites australis， and Sea Mitsubishi） in Chongming Dongtan through calculation and obtain the classification results of different vegetations under multi-temporal conditions， and confusion matrix was used for accuracy evaluation. Research shows that the multi-temporal classification map combined with optics and microwave has better accuracy.

Keywords： wetland;Chongming Island Dongtan;optics;microwave;vegetation classification

濕地、森林與海洋一起并稱為全球三大生態系統，其中，濕地植被是濕地生態系統的主要組成部分。濕地植被是濕地生態系統中能量的固定者和有機營養物質的最初生產者，是最重要的營養級，能綜合反映濕地的生境特征，并在濕地水分、物質、能量循環中起重要作用[1-2]。濕地植被的動態變化能夠反映濕地的生態環境變化，被認為是一個反映生態環境變化的敏感指示器，已成為研究熱點，其中植被分類是進行植被覆蓋狀況和動態變化規律研究的基礎[3]。遙感技術具有宏觀、同步、動態的優勢，可以應用于大規模、大尺度的濕地植被調查中[4-7]。潮灘濕地處于海陸交匯的特殊地帶，土壤背景受潮汐影響，變化非常復雜，可達性差，利用遙感進行植被分類較難。

1 研究區概況與數據源

1.1 研究區概況

崇明島地處長江口，是中國第三大島，也是中國最大的河口沖積島和最大的沙島。其成陸已有1 300多年，全島面積為1 269.1 km2，海拔為3.5～4.5 m。全島地勢平坦，土地肥沃，林木茂盛，物產富饒。

1.2 數據源

使用Landsat-8與Sentinel-2A于2017年4個季度的4幅光學遙感影像以及Sentinel-1A于2017年成像的9幅微波遙感影像。

2 研究方法與技術路線

2.1 預處理

2.1.1 光學數據預處理。對光學數據進行預處理時，使用多時相的Landsat-8、ESA影像數據作為數據源，根據改進的歸一化差異水體指數（[MNDWI]），修正土壤調節指數（[MSAVI]），如式（1）、式（2）所示，然后對不同植被的反射率進行決策樹分類。

[MNDWI=GREEN-SWIRGREEN+SWIR] ? ? ? ? ? ? ? ? ? （1）

[MSAVI=2×NIR+1-2×NIR+1-8×NIR-R22]（2）

式中，[GREEN]為綠光波段;[SWIR]為短波紅外波段;[NIR]為近紅外波段;[R]為紅光波段。

2.1.2 微波數據預處理。下載2017年2—10月的圖像，為后續的微波與光學結合分類做準備。首先對微波遙感圖像進行預處理。優先進行去噪處理，對所有去噪方法進行對比后，發現Frost方法進行3×3區域去噪能得到最少噪聲點的圖像。然后進行輻射定標，最后進行地理編碼。在完成圖像裁剪后，獲取紋理特征，但是由于合成孔徑雷達的圖像多由亮點與暗點形成，所以只有均值（[mean]）有參考價值。然后，根據式（3）獲得后向散射強度[DB]值。

[DB=10×alog10DN] ? ? ? ? ? ? ? ? ? ? ? ?（3）

式中，[DN]為遙感影像的像元亮度值;a為某常數。

2.2 決策樹分類及設計

用去年光學的圖像以及ROI作為參考，確定微波圖像上的植被分布區域和非植被分布區域，包含五類：互花米草、蘆葦、海三菱藨草、光灘、水體。對2017年2—10月影像進行統計分析，得到VV、VH極化的曲線圖。根據得到的光譜曲線，結合均值信息進行單時相分類，粗略觀察每個月的植被生長信息。根據單時相分類圖像和后向散射強度曲線，采用決策樹分類法實現多時相分類[8-10]。在圖像上根據控制點獲取精準的ROI，作為樣本，完成精度評價。

2.2.1 光學數據決策樹設計。首先根據[MSAVI]植被指數在圖像上區分出植被與非植被[11-13]。非植被包含建筑、水體、光灘等，由于崇明東灘人工建筑非常少，本次研究沒有考慮人工建筑的影響。然后使用歸一化差異水體指數（[MNDWI]）對水體和光灘進行分類，在5月的圖像中，團結沙部分沒有受到潮汐的影響，光灘和水體較容易區分;而在9月與2月，由于受到潮汐的影響，所以再次通過植被指數[MSAVI]、反射率進行區分。植被主要包含三種，即蘆葦、互花米草和海三棱藨草。未知植被為當這三種植被被潮汐淹沒后無法區分時的稱呼。通過地物的反射率以及波段組合選擇恰當的ROI區域。通過統計光譜信息得到植被在不同波段上的光譜信息，可知植被在各個波段的均值以及標準差，可通過計算置信區間來完成決策樹分類。置信區間（[A]）的計算公式為：

[A=mean±n×stdev] ? ? ? ? ? ? ? ? ? ? ? ?（4）

式中，[n]為置信區間的常數，比如，對于95%的置信區間，[n]=1.96;[mean]為均值;[stdev]為標準差計算地物的反射率的范圍。

2.2.2 微波數據決策樹設計。非植被包含建筑、水體、光灘等，崇明東灘人工建筑非常少，本次研究沒有考慮人工建筑的影響。在Sentinel-1A影像中，無論極化方式是VV還是VH，水體的[DB]值相對于其他值較小，較容易區分。從DB值來看，光灘在分類過程中甚至會出現高于植被的情況，是由于漲潮和退潮。

2.2.2.1 單時相決策樹。對于單時相影像圖，便于區分植被的只有2—4月，5—10月三種植被都不便于區分。單時相影像即使是能區分，分類精度也很差。

2.2.2.2 多時相決策樹。首先用4月VV極化對水體進行分類，VV<-14.5則為水體。然后用5月VH極化分光灘和植被，VH<-19.5為光灘。用4月VH極化分互花米草，VH<-20.3的為互花米草。用2月VV極化區分蘆葦和海三棱藨草。

3 結果與討論

3.1 相同時相不同植被的光譜曲線特征對比

崇明東灘的三個優勢中有著不盡相同的物候期。2月、3月蘆葦與互花米草都處于枯萎狀，反射光譜曲線形狀相似。直到4月初，有零星的海三棱藨草開始萌發，枯萎的互花米草底部也有少量新生的低矮互花米草。然而到了5月，蘆葦和互花米草的光譜反射率出現了極為明顯的區別，蘆葦的光譜出現了典型植被的特征，具有在近紅外區域的高反射率，互花米草的光譜特征與4月相似。7月、8月兩種植物都處于迅速生長的狀態，在顏色上都為健康的綠色。9月海三棱藨草明顯枯萎，互花米草有抽穗現象，而蘆葦依然處于營養生長期，蘆葦在該區域內的反射率高于互花米草。10月中旬蘆葦抽穗開花，海三棱藨草完全枯萎，互花米草抽穗末期且植株偏黃。至12月，三種植物都枯萎了。

3.2 多時相不同極化不同植被的曲線特征對比

VV極化的曲線中，2月、3月、4月三種植被的后向散射強度差異比較明顯，因3種多年生的植被剛結束枯萎期進入萌芽期，萌芽順序為蘆葦的3月中旬，海三棱藨草的3月下旬，最后為互花米草，蘆葦在4—5月大量發生，所以在VV極化中蘆葦的峰值出現在4月。在VH極化曲線中，同樣在2月、3月、4月，三種植被存在一定差異，但相對于VV極化，差異要小。在5月之后，該時間段植被都處于綠葉期，植被葉冠茂密，雷達波主要發生了體散射/面散射，無論是VV還是VH極化，3種植被后向散射強度差異都很小，且很混亂，難以區分比較，這里以8月的分類結果為例，經過采樣點的精度評價的總精度僅為40%左右。經過多時相的分類之后，結果更加準確。

3.3 結果展示

3.3.1 基于光學的植被分類結果。光學分類結果精度評價如表1所示。

3.3.2 基于微波的植被分類結果。微波分類結果精度評價如表2所示。

3.3.3 光學與微波微波的植被分類結果。多時相分類結果精度評價如表3所示。

3.4 結果分析

根據采集點所做的ROI進行精度評價，從好到劣，評價結果依次為光學與微波多時相結合、微波多時相、光學單時相、微波單時相。光學相較于微波容易受環境、天氣的影響，由于云的影響，所以選擇了部分Landsat8的影像做出一個完整的周期。光學影像中的[NDVI]、[MNDWI]可以有效地區分光灘與河流，又選擇微波影像區分出誤分為光灘的高泥沙含量的海水。無論光學還是微波都能很好地區分出蘆葦，但是在光學中難以分辨出海三棱藨草，所以選擇用微波的[DB]值進行區分。但是，由于微波以點成像，所以單時相內會出現較大的誤差。多時相微波影像已有較高的精度，但是對內陸河流的區分不太理想，結合了光學后才能清晰地區分河流與光灘。部分區域由于人為影響，所以生長較為整齊。

參考文獻：

[1]孟憲民.濕地與全球環境變化[J].地理科學，1999（5）：385-391.

[2]孫廣友.中國濕地科學的進展與展望[J].地球科學進展，2000（6）：666-5419.

[3]李曉兵，史培軍.基于NOAA/AVHRR數據的中國主要植被類型NDVI變化規律研究[J].植物學報，1999（3）：314-324.

[4]李俊輝，袁一，朱云虹，等.基于融合技術的潮灘濕地植被分類[J].測繪，2014（1）：24-27.

[5]柴穎，阮仁宗，柴國武，等.基于光譜特征的濕地植物種類識別[J].國土資源遙感，2016（3）：86-90.

[6]劉建華，楊世倫，史本偉，等.長江口崇明東灘潮溝地貌形態和演變[J].海洋學研究，2012（2）：43-50.

[7]高宇，趙斌.人類圍墾活動對上海崇明東灘灘涂發育的影響[J].中國農學通報，2006（8）：475-479.

[8]路兵，蔣雪中.灘涂圍墾對崇明東灘演化影響的遙感研究[J].遙感學報，2013（2）：342-349.

[9]姚麗萍，徐麗華，李先華.基于RS的崇明東灘空間動態變化研究[J].資源調查與環境，2005（1）：64-70.

[10]袁爽，況潤元，廖啟卿.濕地植被遙感提取及動態變化研究：以崇明東灘為例[J].江西理工大學學報，2018（1）：44-51.

[11]胥為，周云軒，沈芳，等.基于Sentinel-1A雷達影像的崇明東灘蘆葦鹽沼植被識別提取[J].吉林大學學報（地球科學版），2018（4）：1192-1200.

[12]王安琪，周德民，宮輝力.基于雷達后向散射特性進行濕地植被識別與分類的方法研究[J].遙感信息，2012（2）：15-19.

[13]李華朋，張樹清，孫妍.合成孔徑雷達在濕地資源研究中的應用[J].自然資源學報，2010（1）：148-154.