基于HJ-1影像与地形因子的竹资源专题信息提取研究

高远，刘健，4，余坤勇，顾林彬，王卿

(1.福建农林大学3S技术应用研究所，福州 350002；2.福建农林大学 林学院，福州 350002；3.福建省资源环境监测与可持续经营利用重点实验室，福州 350002；4.三明学院，福建 三明 365000)

1 引 言

竹子是一种十分重要的森林资源，在生态系统中发挥中不可替代的作用。现在全球已知的竹子约有150属，1225种。随着不可再生资源的不断消耗和生态环境的日益严峻，合理、有效地利用竹资源具有重大意义。我国的竹资源丰富，在湖南、江西、福建、云南和四川都有大量不同种类的竹子分布，竹资源的面积和株数总量的调查和监测主要依赖传统的一类调查和二类调查，难度大、费用高，不利用实时了解竹资源的发展状况。遥感技术作为一种准确、客观、及时获取信息的手段，具有宏观、动态、便捷、可重复的特点，广泛应用于气象、海洋、农林、水电、交通、军事等多个领域[1]。将其应用于竹资源的调查和监测，有利于竹资源的合理发展和开发。

目前，利用遥感技术进行竹资源专题信息提取方面日渐成熟，丁丽霞等[2]利用TM和SPOT遥感影像，采用目视解译和图像勾绘的方法，得出天目山国家级自然保护区毛竹林信息。颜梅春等[3]通过计算IKONOS图像灰度共生矩阵合灰度联合矩阵方法进行竹林信息提取。余坤勇等[4]以ALOS影像为数据源，提出“基于光谱片层—面向纹理类”的竹资源专题信息提取技术。刘健等[5]以ALOS影像为数据源，探讨不同地形条件下，竹林与其他林地的纹理差异，构建竹资源专题信息提取的纹理特征量。现有研究多采用TM、SPOT、ALOS、IKONOS等卫星影像作为数据源研究竹资源专题信息提取。但是，这些数据源多存在获取困难，尤其是时间分辨率低等问题。竹资源多分布于南方地区，多云多雨天气频发，为获取成像效果佳的影像，需要数据源影像具有较高的时间分辨率。HJ-1影像数据空间分辨率达30m，且A、B两星结合的重访周期为2d，幅宽大、监测范围广是日常监测较好的数据源[6]。HJ-1多光谱影像具有时间分辨率高、数据容易获取等特点，有利于进行大面积竹资源信息提取。王羲程等[7]采用结合地形因子的方法提取湿地信息。冯益明等[8]通过DEM数据排除干扰信息，进行戈壁信息的提取。乔艳雯等[9]结合地形因子对淡水沼泽地信息进行提取，得到满意效果。吴见等[10]通过研究不同地形条件下的植被指数模型，很好地提取出植被盖度信息。诸多学者在进行专题信息提取时都考虑地形因子的影响，而竹资源多分布于地形情况复杂的南方山地丘陵地区，且在海拔400m～1000m范围内分布广泛，而且HJ-1多光谱影像的空间分辨率只有30m，因此对竹资源专题信息进行提取时应考虑地形因子的影响。本研究着眼于南方山地丘陵地貌竹资源专题信息的提取，以永安市HJ-1多光谱影像为数据源，探讨地形因子对竹资源专题信息提取的影响，以期提高竹资源专题信息的提取精度，为竹资源的合理规划和可持续利用提供参考。

2 研究区概况

永安市位于福建省中部偏西，地处闽中大谷地南端，地理坐标介于116°56′E～117°47′E，25°33′N～26°12′N之间。永安市素有“九山半水半分田”之称，也是全国南方重点林区县(市)之一。全市现有林业用地2550km2，森林覆盖率83.2%，森林总蓄积量21400000m3，位居福建省首位。永安属中亚热带南缘季风气候，年平均气温19.2℃，年降水量1600mm，地貌80%以上为中低山丘陵，境内地形复杂，溪河密布，生态环境多样，适宜各种生物资源的繁衍与生长，加上长期以来植被保护相对较好，竹子资源十分丰富。现已查清，全市共有竹种15属76种，其中毛竹林面积70余万亩，位居福建省第二位，农民人均拥有毛竹面积2400m2，居全国首位。

3 资料收集与影像预处理

卫星数据是经中国资源卫星应用中心(http：//www.cresda.com) 获取2009年12月24日的HJ-1-A影像图，其他基础数据包括永安市1∶10 000地形图、2008年永安市林业小班基本图、永安市行政区划边界图。

对影像数据进行FLAASH模型大气校正，大气校正是HJ-1星多光谱数据进行定量分析和信息提取的基础。地表反射率数据质量决定了其衍生信息的精度、质量与可用性[6]。得到4个波段的地表反射率数据后，进行裁剪、几何校正等，其中几何校正是在环境星影像上选取清晰的河流岔口、道路等作为待测校正点，误差控制在1个象元之内，如图1所示。

图1 预处理后的永安市影像

4 方法与结果

4.1 林地专题信息提取

本研究针对竹资源专题信息提取，为排除水体、居民地、交通用地等非林地信息的干扰，首先将林地遥感影像分割出来。林地信息提取的方法较多，为达到较高精度的林地信息提取，本研究采用归一化差值植被指数，较为准确地提取出林地信息，通过掩膜技术得到永安市的林地遥感影像(图2)。

4.2 地形因子的提取

研究区域为典型的南方山地丘陵地貌，在此种地貌情况下，地形与气候条件复杂，“同物异谱”和“异物同谱”现象广泛存在，严重影响竹资源专题信息的提取精度。本文通过对地形因子分级，探讨不同地形因子对竹资源专题信息提取的影响。地形因子分级时应既能体现研究区地形特征，又能反映自然规律[11-12]。利用提取出的地形因子与竹资源分布图进行对比，发现海拔400m以下、1200m以上和0°～5°平坡地形条件下竹资源分布稀少，本文不予考虑，得到图3遥感影像。只考虑400m～600m、600m～800m、800m～1000m、1000m～1200m 等4种海拔和缓坡、斜坡、陡坡和险坡等地形因子，为方便分析将4种海拔条件分别命名为海拔1、2、3、4。根据研究区的实际情况和相关标准划分的地形因子如表1所示。

表1 地形因子分级

图2 永安市林地影像

图3 掩膜后的林地影像

4.3 单一地形因子对竹资源光谱反射率的影响分析

根据表1的地形因子划分，分析单一的地形条件对竹资源在HJ-1多光谱影像的光谱特征的影响，随机选取100个竹林小班，转换为点，读取不同地形条件下的竹资源光谱反射率，求取均值绘制曲线图，如图4、图5、图6所示。

从图4可以看出，影像前3个波段的反射率值较低，变化不大；第4波段反射率差异加大，其反射率变化规律为阳坡反射率>半阳坡反射率>半阴坡反射率>阴坡反射率。不同坡向条件下，竹资源光谱反射率变化的原因是，不同坡向竹资源受太阳辐射程度不同，阳坡>半阳坡>半阴坡>半阴坡，从而导致阳坡反射率>半阳坡反射率>半阴坡反射率>阴坡反射率。图5中影像第4波段反射率海拔1<海拔2<海拔3<海拔4，且海拔1与海拔2的光谱反射率接近，海拔3与海拔4的光谱反射率接近，不同海拔条件下，竹资源光谱反射率变化的原因是，不同海拔竹资源受太阳辐射强度不同，导致反射率存在差异，海拔越高，反射率越大。图6表明不同坡度条件下光谱反射率曲线近似相同，主要由于坡度对竹资源接受的太阳辐射强度影响不大，进而说明，坡度条件对竹资源专题信息的提取影响很小。

图4 不同坡向条件下竹的光谱反射率

图5 不同海拔条件下竹的光谱反射率

图6 不同坡度条件下竹的光谱反射率

图7 复合地形条件下竹的光谱反射率

4.4 复合地形条件下竹资源的光谱反射

从4.3节的分析可以看出，海拔1和海拔2、海拔3和海拔4的光谱反射率接近，因此进行整合，生成海拔a和海拔b；坡度对竹资源的光谱反射率影响很小，在此暂不考虑。通过对竹资源在不同坡向、海拔、坡度等地形条件下光谱反射率曲线的观察发现，阳坡、阴坡、半阳坡、半阴坡、海拔a、海拔b等地形条件下，竹资源的光谱反射率差异明显，为了进一步解析地形因子对竹资源专题信息提取的影响，进行地形因子的复合，生成8组，分别是a阳、a阴、a半阳、a半阴、b阳、b阴、b半阳、b半阴，地形因子组合如表2所示。

根据表2复合地形因子的组合，分析复合地形条件对竹资源在HJ-1多光谱影像光谱特征的影响，随机选取100竹林小班，转换为点，读取出竹资源的光谱反射率，求取均值绘制曲线(图7)。从图7中可以看出，第1波段，在海拔a与b的范围内，不仅同一坡向条件下海拔a范围内的竹反射率大，而且b范围内的阴坡面竹的反射率都大于a范围内的阳坡反射率；第2、3波段，在海拔a与b的范围内，同一坡向条件下海拔a范围内的竹反射率都大于b范围；第4波段，在海拔a与b的范围内，同一坡向条件下，海拔a范围的反射率小于b范围的反射率，以上说明，海拔和坡向是影响竹资源光谱反射率变化的主要因素，8种地形情况下的竹资源光谱反射率差异明显。

表2 地形因子组合

4.5 基于地形因子辅助的竹资源专题信息提取

4.5.1 竹资源专题信息提取

为进一步证明地形因子对竹资源专题信息提取的影响，采用最大似然法结合地形因子辅助分类和单纯依靠光谱分类分别进行竹资源专题信息的提取。最大似然法基于贝叶斯准则，在统计学上具有较小的错分概率，是一种常用的监督分类方法。假定训练样本数据在光谱空间的分布是服从高斯正态分布的，然后通过计算像元属于各类别的概率，将像元归为概率最大的一类[13]。

单纯依靠光谱分类的竹资源专题信息提取方法是采用最大似然法对图3的影像进行竹资源专题信息提取，生成竹资源专题信息分类图(图8)。结合地形因子辅助分类的竹资源专题信息提取的方法是将图3的影像按照8个地形因子分为8片，分别采用最大似然法提取竹资源专题信息，结果叠加，生成竹资源专题信息分类图(图9)。

图8 单纯依靠光谱竹资源分类图

图9 地形因子辅助竹资源分类图

4.5.2 精度评价

采用精度评估法分别对以上两种情况下竹资源专题信息的提取结果进行评价，选取200个随机点，其中100个竹林，赋值1，100个非竹林，赋值0。误差矩阵如表3所示。

表3 竹资源信息提取误差矩阵

从表3可以看出，直接光谱分类下，75个竹林样点中有48个被正确划分，另有27个被误分，125个非竹林样点中有73个被正确划分，剩余52个被误分，分类精度60.50%；地形因子辅助分类下，77个竹林样点中有63个被正确划分，另有14个被误分，123个非竹林样点中有86个被正确划分，剩余37个被误分，分类精度74.50%。地形因子辅助分类比单纯依靠光谱，总分类精度高14.00%，Kappa系数高0.32，说明地形因子对竹资源专题信息提取具有很大的影响，不可忽略。从分类结果图看，分类图5中的安砂镇、槐南乡和青水乡大部分被错分为竹资源，而分类图4中的安砂镇、槐南乡和青水乡被错分为竹资源的部分明显少于分类图5；分类图5中，实际竹资源分布集中的贡川镇、上坪乡、洪田镇存在漏分现象，而分类图4中贡川镇、上坪乡、洪田镇的竹资源基本被提取出来。

综合可以看出，通过光谱反射率曲线、竹资源专题信息提取精度、分类结果图相互结合对比，证明地形因子对竹资源专题信息的提取具有不可忽略的影响，南方地区提取竹资源专题信息时，应考虑地形因子辅助分类，进而提高分类精度。

5 结束语

大量研究表明，在“同物异谱”和“异物同谱”问题较为严重的区域，单纯利用光谱信息难以有效地提取出竹资源专题信息[14]。本研究以永安市DEM数据和HJ-1多光谱影像作为数据源，探讨地形因子对竹资源专题信息提取的影响。通过研究单一地形因子对竹资源光谱反射率的影响，发现海拔、坡向对竹资源的光谱反射率变化具有较大影响，而坡度对其影响轻微；通过复合地形条件下竹资源光谱反射率变化发现，海拔400m～800m和800m～1200m内的阳坡、半阳坡、阴坡、半阴坡的光谱反射率差异最为明显。在此研究基础上，采用最大似然法对竹资源专题信息进行提取，结合地形因子辅助分类的精度比单纯依靠光谱分类的精度高14.00%，Kappa系数高0.32，说明地形因子对竹资源专题信息提取具有重要影响，辅助分类可以良好地改进信息提取精度，帮助解决遥感影像自身存在的“同物异谱”和“异物同谱”问题。

基于遥感技术对南方丘陵地区进行竹资源专题信息提取，涉及因素众多，研究中尚存在不足之处。地形因子在分级过程中存在主观因素，坡度、海拔、坡向等地形因子的划分还较简单，导致提取结果与实际情况相比存在误差，误差原因主要是多提取；由于HJ-1多光谱影像的数据稳定性原因，导致单纯依靠光谱信息进行竹资源的专题信息提取，精度难以达到理想程度，为进一步提高分类精度，需要探讨竹资源在影像中的纹理特征，这也是下一步研究的重点。

参考文献：

[1] 赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.

[2] 丁丽霞，王祖良，周国模，等.天目山国家级自然保护区毛竹林扩张遥感监测[J].浙江林学院学报，2006，23(3)：297-300.

[3] 颜梅春，张友静，鲍艳松.基于灰度共生矩阵法的IKONOS影像中竹林信息提取[J].遥感信息，2004，(2)：31-34.

[4] 余坤勇，许章华，刘健，等.“基于片层-面向类”的竹林信息提取算法与应用分析[J].中山大学学报(自然科学版)，2012，51(1)：89-95.

[5] 刘健，余坤勇，许章华，等.竹资源专题信息提取纹理特征量构建研究[J].遥感信息，2010，(6)：87-94.

[6] 梁益同，万君.基于HJ-1A/B-CCD影像的湖北省冬小麦和油菜分布信息的提取方法[J].中国农业气象，2012，33(4)：573-578.

[7] 王羲程，曹广超，张富玲，等.结合TM影像和DEM两种数据源的青藏高原湿地提取方法[J].测绘科学，2013，38(4)：40-42.

[8] 冯益明，智长贵，姚爱冬.基于决策树的戈壁信息提取研究[J].干旱区地理，2013，36(1)：125-130.

[9] 乔艳雯，臧淑英，那晓东.基于决策树方法的淡水沼泽湿地信息提取——以扎龙湿地为例[J].中国农学通报，2013，29(8)：169-174.

[10] 吴见，刘民士，李伟涛.不同地形条件下植被盖度信息提取技术研究[J].植物生态学报，2013，37(1)：18-25.

[11] 冯朝阳，于勇，高吉喜，等.地形因子对京西门头沟区土地利用/覆盖变化的影响[J].山地学报，2007，25(3)：274-279.

[12] 黎景良，后斌，危双峰，等.基于DEM的广东省山区土地利用变化分析[J].测绘通报，2007，(6)：53-57.

[13] HELMI Z M，AFFENDI S，SHATTRI M.The performance of maximum likelihood，spectral angle mapper，neural network and decision tree classifiers in hyperspectral image analysis[J].Journal of Computer Science，2007，3(6)：419-423.

[14] 余坤勇，刘健，许章华，等.南方地区竹资源专题信息提取研究[J].遥感技术与应用，2009，24(4)：449-455.