基于Pleiades-1卫星数据薇甘菊信息提取

柳 帅 ，林 辉 ，孙 华 ，陈 利

（1.湖南农业大学 生物科学技术学院，湖南 长沙 410128；2.中南林业科技大学 林业遥感信息工程研究中心，湖南 长沙 410004）

基于Pleiades-1卫星数据薇甘菊信息提取

柳 帅1，林 辉2，孙 华2，陈 利2

（1.湖南农业大学 生物科学技术学院，湖南 长沙 410128；2.中南林业科技大学 林业遥感信息工程研究中心，湖南 长沙 410004）

薇甘菊Mikania micrantha是一种极具危险性的外来物种，对侵入地生态系统的完整性构成了极大威胁，及时、准确掌握薇甘菊分布信息成为防控其入侵的关键技术。目前，薇甘菊的监测主要采用人工方法，耗时费力。随着遥感技术的发展，采用高分辨率遥感数据快速准确提取薇甘菊分布信息成为可能。以深圳市Pleiades-1影像为主要信息源，开展薇甘菊信息的快速提取研究。结果表明:(1)Pleiades-1影像分辨率较高，在开展薇甘菊识别时的最佳波段组合是R(B3)、G(B2+B4)/2、B(B1)；(2)通过Brovey变换、Gram-Schmidt变换、Pansharpen变换的对比分析，Gram-Schmidt变换在信息量、最佳波段、清晰度等方面，均优于Brovey变换和Pansharpen变换，既保留了大量的原有信息，又增强目视解译效果，是影像融合时的最优变换；(3)基于光谱与纹理信息分析，提取薇甘菊信息范围更好；(4)薇甘菊信息提取的最佳分割尺度是30，综合识别精度达95.3%，说明采用高分辨率遥感影像能实现薇甘菊信息的精细识别。

遥感技术；薇甘菊；信息提取；Pleiades-1卫星数据

外来物种入侵对原生地的物种和生态环境常常造成严重威胁，随着经济的发展，我国外来物种的入侵越来越频繁。薇甘菊Mikania micrantha又名小花蔓泽兰，是一种危险性极强的外业物种，原产于中美洲，于20世纪80年代初期从香港扩散至深圳市，之后快速蔓延至珠江三角洲地区，现在已扩散至广西、云南、贵州等地，是世界上危害最严重的杂草之一[1]。

薇甘菊入侵的关键因素至今尚未完全明确，但及时掌握其分布和发展动态，是防治其蔓延的必须过程。通常对其调查及防治以人工方法为主，速度慢且不准确，采用遥感技术监测其分布及动态发展，为薇甘菊防治提供了新的途径[2]。遥感技术应用于外来物种的监测虽有尝试，但效果并不好，主要是当时使用的遥感图像空间分辨率偏低，即使是高分辨率图像出现以后，对于植物种的识别也是非常困难的[3-5]，而且高空间分辨率遥感数据量大、成本高、过程复杂，大面积采用仍有难度[6-9]，因此，类似的研究也很少见。

本研究通过高空间分辨率遥感数据，结合地面高光谱观测和物候期的特点，综合提取薇甘菊分布信息，希望找到一种比较好的薇甘菊信息遥感监测方法。

1 研究区概况

研究区位于广东省深圳市，该地区地处珠江入海口东岸，东经 113°46′～ 114°37′，北纬 22°27′～22°52′；海拔高度70～120 m，属亚热带海洋性气候，平均气温22℃，雨量充沛，年降水量1 926 mm，研究区位置见图1。

图1 研究区位置Fig.1 Location of study area

2 遥感数据源

研究采用的遥感数据为Pleiades-1多光谱和全色影像。Pleiades-1卫星由法国阿斯特里姆公司公司于2011年12月27日发射，分辨率为0.5 m，幅宽达到了20 km×20 km，由1个全波段和4个多波段组成。Pleiades-1影像不仅具有较高的空间分辨率，光谱信息比较丰富（如表1）。

表1 Pleiades-1卫星基本参数Table 1 Basic parameters of Pleiades-1

本次Pleiades-1影像采集时间为2013年11月25日，恰逢薇甘菊的开花期，是识别薇甘菊的最佳时期。

3 最佳波段组合分析与图像融合

3.1 薇甘菊高光谱分析

为了准确掌握薇甘菊的光谱特征，结合物候期特点，在薇甘菊盛花期同步开展了高光谱观测，外业采用了美国ASD公司生产的地物辐射仪进行地面高光谱观测，结果如图2所示。

从图2可以看出，在可见光区域内，薇甘菊的反射率较背景植被高，而在红外区域内，其反射率远低于背景植被。另外，薇甘菊在绿光和红光区域具有明显的反射峰和反射谷。

3.2 最佳波段组合分析

图像融合是遥感图像处理的重要步骤，融合后的图像具有全波段分辨率高和多波段信息量大的特点，使图像的分辨能力大大提高。波段如何选择和组合，需要分析多光谱影像单个波段的均值、方差、相关系数、信息熵等指标，再对融合后的影像采用标准差、信息熵、最佳波段组合的定量指标综合确定最佳波段组合[11]。

融合算法采用了HSV融合、Brovey融合、Gram Schmidt融合和PC 融合等4种方法。其中Gram Schmidt融合所得影像的3个波段的图像质量最好，清晰度最高，提高了影像的空间分辨率，在色彩保真和清晰度方面均具有良好的效果，优于其余3种方法。

图2 薇甘菊的光谱特征Fig.2 Spectral characteristics of Mikania micrantha

通过对融合图像的熵、标准差、图像清晰度进行评价，并计算波段间的相关系数和最佳指数，最后确定最佳波段组合为R(B3)、G(B2+B4)/2、B(B1)（见图3）。

图3 最佳波段组合效果(R(B3)、G(B2+B4)/2、B(B1))Fig.3 Best result for the band combination of R (B3), G(B2+B4)/2 and B (B1)

最佳波段组合可以很清楚的分辨各种地类的差异，但对薇甘菊的显示还不是最明显，因此，在最佳波段组合的基础上，进一步开展波段运算和灰度拉伸，最后得到的图像清晰、层次丰富、主成分类型可判读性好（见图4）。

图4显示出薇甘菊在拉伸后的图像上泛白色，对薇甘菊的识别十分有利。

图4 图像运算与拉伸后效果(R(B3)、G(B4/B2)、B(B1))Fig.4 Results for the image (with band combination of R(B3), G (B2+B4)/2 and B (B1)) after computation and stretch

4 信息提取

4.1 图像分割

图像分割是信息提取的关键步骤，但分割尺度很难把握，为了找到合适的分割尺度，分别以10、30、50为分割尺度对图像进行处理。通过目视解译判断，最后确定影像分割的尺度为30，并采用Full Lambda-Schedule算法进行合并分块。

4.2 信息提取

4.2.1 图像光谱分析

分割后的图像存在归类的问题，也就是信息提取的过程。利用归一化植被指数(NDVI)是一种常用方法，可以很容易地区分植被与非植被。选取多组植被样本，比较其NDVI值，可以确定阈值为0.4，即NDVI≥0.4为植被，否则为非植被。依此类推，利用外业调查、高光谱曲线和遥感图像上的光谱响应曲线，对薇甘菊和其它植被分别采样，共选取50113个林地样本和20903个薇甘菊样本，对样本的DN值及NDVI值分别统计其最小值、最大值和均值（见表2）。

表2 光谱特征统计Table 2 Spectral characteristics of various vegetation statistics

仅利用光谱特征是无法获取林地与薇甘菊区域的差异，对影像进一步分析可以发现，Band2图像上林地与薇甘菊DN值差异在，是易于区分的波段图像，而Band4则相对要差一些。而从NDVI值来看，薇甘菊的NDVI值明显偏低，其它植被则明显又偏高，结合这两方面的因素，信息提取的结果要准确得多。

4.2.2 纹理特征

高分辨率遥感图像的最大特征是具有纹理效应，每种植被或地类是具有一定的纹理特征的，薇甘菊也不例外，从本研究图像上看，纹理特征也很明显，色调均匀且与背景反差大，颗粒感不明显，相对集中连片，也是判读的重要依据。

4.3 精度检验

遥感的判读结果是否正确，还需要外业的验证，并对结果进行检查和修正。本次外业验证工作共分3次进行，外业核查小班数分别为182个、246个和360个。核查小班分布在宝安区、福田区、光明新区、龙岗区、龙华区、罗湖区和南山区，核查的范围较大，其有效小班343个，判对率为95.3%。从结果来看，判对率比较高，能够达到生产的要求。

5 结论与讨论

通过对Pleiades-1遥感图像的精处理，并提取薇甘菊信息，主要结果如下：

(1)通过对融合影像的标准差、信息熵和最佳指数分析，确定了薇甘菊信息提取的最佳波段组合为 R(B3)、G(B2+B4)/2、B(B1)。

(2)通过采用HSV融合、Brovey融合、Gram Schmidt融合和PC 融合进行比较分析，Gram Schmidt融合影像的3个波段的图像质量最好，清晰度最高，提高了影像的空间分辨率，在色彩保真和清晰度方面均具有良好的效果。

(3)通过光谱分析，采用遥感像上的DN值和NDVI值综合分析方法，可以比较准确地区分薇甘菊与及其背景植被的光谱差异。信息提取时，其分割尺度以30效果比较好。

研究结果经外业验证，判对率达95.3%，准确率较高，能够满足生产的要求。但本研究的基础是在光谱分析基础上，结合了物候期的特点，有针对性地采集高空间分辨率的遥感图像，才取得了较好的结果。

[1] 陈 军,权文婷,周冠华,等.外来物种紫茎泽兰光谱特征[J].光谱学与光谱分析,2010,30(7):1853-1857.

[2] 林 辉,孙 华,熊育久.林业遥感[M].北京:中国林业出版社,2011:88-92.

[3] 赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003:117-120.

[4] 严恩萍,林 辉,莫登奎,等.基于光谱特征的森林类型识别研究[J].中南林业科技大学学报,2011, 31(11): 23-29.

[5 东启亮,林 辉,孙 华,等.多源遥感数据融合方法在湿地分类中的适用性研究[J].中南林业科技大学学报,2013,33(1):52-57.

[6] 于 欢,张树清,赵 军,等.基于ALOS遥感影像的湿地地表覆被信息提取研究[J].地球科学与环境学报,2010,121(3):324-330.

[7] 严恩萍,林 辉,莫登奎,等. 基于ALOS数据的遥感植被分类研究[J].中南林业科技大学学报, 2010,30(11):37-42.

[8] 凌春丽,朱兰艳,吴俐民. Pleiades-1影像林地信息提取的研究与实现[J].测绘科学,2010,35(5): 205-207.

[9] 王雷光,郑 晨,林立宇,等.基于多尺度均值漂移的高分辨率遥感影像快速分割方法[J].光谱学与光谱分析,2011,31(1):177-183.

[10] 陈 利,林 辉,孙 华,等.基于决策树分类的森林信息提取研究[J].中南林业科技大学学报,2013,33(1):46-51.

[11] 林 辉,严恩萍,莫登奎,等.成像高光谱数据大气校正方法研究[J].中南林业科技大学学报,2011,31(11): 7-12.

Information extraction ofMikania micranthabased on Pleiades-1 data

LIU Shuai1, LIN Hui2, SUN Hua2, CHEN Li2
(1. College of Biological Science and Technology, Hunan Agricultural University, Changsha 410128, Hunan, China; 2. Research Center of Forestry Remote Sensing & Information Engineering, Central South University of Forestry & Technology, Changsha 410004, Hunan, China)

Mikania micranthaH.B.K. is a highly dangerous invasion plant, has seriously threaten the integrity of ecosystem of invaded area. It is required that timely and accuratly understand distribution ofM. micranthainformation in China, and it is also very important for us to master and controlM. micranthaintrusion. At present, the monitoring ofM. micranthaadopt mainly artificial methods,take time and effort. With the development of remote sensing technology, using high resolution remote sensing data and quickly and accurately extractingM. micranthadistribution information become possible. By taking Shenzhen city’s Pleiades-1 satellite images as the main source of information, the author of this study conducted the study on the fast extraction ofM. micranthainformation.The results show that (1) the images had higher resolution, and the optimal band combinations that re-cognizedM. micranthaare R(B3),G(B2+B4)/2 andB(B1)；(2) through comparing and analyzing Brovey transform, Gram-Schmidt transform and Pansharpen transform, we can find that Gram-Schmidt transformation in aspects such as information amount, best band and clarity etc. , are superior to Brovey transform and Pansharpen transform, it retains much of the original information, and enhance the effect of visual interpretation, is the optimal transformation for image fusion; (3) with the analysis methods of spectrum and texture information, we can get more wider extracting range forM. micranthainformation; (4) the best segmentation scale forM. micranthainformation extraction is 30, the integrated identif i cation precision reached 95.3%. It is found that we can realize the precise identif i cation ofM. micranthainformation by using high-resolution remote sensing images.

remote sensing technology;Mikania micrantha; information extraction; Pleiades-1 satellite data

S771.8

A

1673-923X(2014)11-0116-04

2014-01-12

国家十二五高技术研究发展计划（863计划）课题：“数字化森林资源监测关键技术研究”（课题编号：2012AA102001），国家自然科学基金资助项目（30871962），湖南省高校产业化培育项目（13CY011）

柳 帅（1983-），女，湖南长沙人，硕士研究生，主要从事生态学研究

林 辉（1965-），女，湖北黄冈人，教授，博士，博士生导师，主要从事森林经理学、遥感技术与地理信息系统的教学和科研工作

[本文编校：吴 毅]