基于WorldView-2的薇甘菊信息精细提取

胡 佳，林 辉，孙 华，东启亮，范应龙，罗喜华

(1.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；2.河北省遥感中心，河北 石家庄050000；3.北京市林业勘察设计院，北京 100029；4.攸县黄丰桥国有林场，湖南 攸县 412300)

基于WorldView-2的薇甘菊信息精细提取

胡 佳1，林 辉1，孙 华1，东启亮2，范应龙3，罗喜华4

(1.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；2.河北省遥感中心，河北 石家庄050000；3.北京市林业勘察设计院，北京 100029；4.攸县黄丰桥国有林场，湖南 攸县 412300)

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。随着遥感技术的发展，使得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Worldview-2影像的9个波段为主要信息源，开展了外来入侵物种薇甘菊的信息提取分析研究。结果表明：(1)用于识别薇甘菊的最佳波段组合是347组合；(2)Worldview-2影像融合的最优方法是Gram-Schmidt变换；(3)光谱与纹理分析研究得出的辐射亮度值和NDVI值能提取出部分入侵区域，结合第7波段与PC1的反差平均值与3×3卷积核方差可提取完整的薇甘菊入侵范围；(4)信息提取的最佳分割尺度是30，且制图精度达87.6％，用户精度达88.4％。说明采用高分辨率影像特征能提取薇甘菊信息，并实现精细识别。

林业遥感；外来入侵物种；薇甘菊；信息提取；WorldView-2

外来植物入侵对我国原生物种与生态环境多样性造成严重威胁。薇甘菊Mikania micrantha H.B.K又名小花蔓泽兰，多年生草质或木质藤本，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，严重破坏了该地区原生生物的多样性，是世界上危害最严重的杂草之一[1]。

尽管外来物种薇甘菊成功入侵的关键因素至今尚未完全确定，但是运用遥感技术可以有助于了解物种成功入侵的机理。同时遥感技术具有快捷、准确反映地表植物迅速变化的功能，为薇甘菊识别与空间分布的动态监测提供了新的方法[2]。从20世纪90年代初期遥感技术开始应用于外来物种的监测研究，进入21世纪后图像处理技术日趋成熟，成像高光谱数据开始被广泛应用，不断涌现出新的图像处理与分类方法[3-5]。然而高光谱数据空间分辨率低以及数据冗余，在物种提取精度与分布图比例尺上存在局限性。此外，利用多源遥感数据以及结合物候学的综合分析方法在物种识别上有所突破[6-9]，但有着数据量大、成本高、过程反复等缺点。Worldview-2遥感数据较其它数据空间分辨率高，光谱信息又丰富，有利于提高外来物种提取精度，降低成本，简化过程。

论文将高分辨率遥感数据引入薇甘菊识别研究中，以Worldview-2影像为基础，通过分析其光谱特征，确定用于识别薇甘菊的最佳波段组合，结合物候学及实测光谱数据，运用面向对象规则分类法开展薇甘菊信息的精细提取研究，旨在找到一种快速有效的薇甘菊信息提取新算法。

1 材料与方法

1.1 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 70～120m，属亚热带海洋性气候，平均气温22℃，雨量充沛，年降水量1 926mm，研究区位置见图1。

1.2 数据源

研究采用的遥感数据为WorldView-2多光谱和全色影像。WorldView-2卫星由美国Digital Globe公司于2009年10月发射，WorldView-2卫星能提供1个分辨率为0.5m的全色波段与8个分辨率为1.8m的多光谱波段。在8个多光谱波段中，除了4个常见波段外，还能提供海岸波段、黄色波段、红色边缘波段和近红外2波段等4个独有波段。海岸波段可用于植物鉴定与分析，但由于波长较小，容易受大气散射影响。黄色波段是重要的植物应用波段，可用于植物分析。而红色边缘波段包含了“红边”区间，因此可用于研究植物生长健康状况。近红外2波段有部分重叠在近红外波段，且其光谱范围大，可用于生物量研究。因此与其他数据相比，WorldView-2影像不仅具有较高的空间分辨率，同时又保留了更为丰富的光谱信息[10-11]。

WorldView-2影像采集时间为2011年11月4日，恰逢薇甘菊的开花期，是识别薇甘菊的最佳时期，同时采用研究区2010年航空影像作为辅助数据，并同步开展了薇甘菊地面调查及高光谱观测。另有实地调查薇甘菊数据，用于信息提取的精度验证。

图1 研究区位置Fig.1 Location of experiment region

1.3 最佳波段组合分析与图像融合

1.3.1 最佳波段组合分析

将多波段遥感影像信息通过最佳波段的组合合成彩色图像是遥感影像处理的重要步骤。研究利用原始多光谱影像8个波段的均值、方差、相关系数、信息熵等进行初步对比，然后将两种融合后的影像采用标准差、信息熵以及最佳波段组合的定量指标确定其最佳波段组合[11]。

1.3.2 图像融合

图像融合是指将同一区域的不同类型的遥感数据采用一定的算法合成图像的过程[12]，在现有数据获取能力下，数据融合是改善分类精度最为快速的一种方法，融合后的影像同时具有多光谱波段的光谱信息和全色波段的几何信息，使图像的信息识别能力大大增强。本研究采用3种融合方法：Brovey变换、Gram-Schmidt变换和Pansharpen变换。融合后的影像采用标准差、信息熵、最佳波段组合与清晰4个定量指标进行评价[13]。

1.4 光谱与纹理特征分析

1.4.1 光谱特征分析

WorldView-2遥感影像共包含了9个波段的数据，各个波段的波谱范围是不同的，因此其对地物的探测能力也有所差异，通过波段的均值、标准差、信息熵等统计，可进行对比分析。

在区分植被与非植被的指数中应用最为广泛的是归一化植被指数(NDVI)，其是植被生长状态及植被覆盖的最佳指示因子[14]。此外，经辐射定标后的数据，可进行辐射亮度值分析。

1.4.2 纹理特征分析

遥感影像的纹理特征能反映自然景观和目标地物的内部结构，是地物识别和信息提取的重要依据之一[15]。灰度共生矩阵法是一种有效的纹理分析统计方法，研究选取均值(Mean)、方差(Variance)、同质性(Homogeneity)、反差(Contrast)、异质性(Dissimilarity)、熵(Entropy)、二阶矩(Second Moment)7个纹理特征进行分析。同时，在面向对象分析中，对象纹理特征计算采用对该对象内所有像元的灰度值进行计算的方式[15-16]。

1.5 信息提取与评价

1.5.1 影像的分割

影像分割是指把一幅影像划分为互不重叠的一组区域的过程，分割的尺度决定着分割的优劣，因此尺度的选择显得尤为重要[17]。研究采用多尺度分割目视经验对比分析方法确定分割尺度。

1.5.2 规则分类

规则分类方法是指通过经验总结、数学统计与归纳方法等，获得分类规则并进行遥感分类的方法。研究通过光谱与纹理特征分析，归纳出若干属性表达式组成分类规则输入到分类法中进行分类。

2 结果与分析

2.1 最佳波段组合分析

对原始多光谱影像进行统计分析发现，第4波段和第5波段的相关系数为99.36％，而第7波段和第8波段的相关系数为99.44％，两组波段相关程度高，信息重复，因此在每组中仅选择一个。根据原始多光谱影像标准差比较，第7波段优于第8波段，第4波段优于第5波段。

标准差是相对简单的评价指标，若标准差大，图像灰度分布分散，反差大。在表1中，Pansharpen变换与Gram-Schmidt变化融合中7波段标准差明显高于其他波段。而通过原始影像分析可知，第7波段与第8波段相似度极高，选取最佳波段组合时，第7波段较第8波段更优。同时第4波段与第5波段的相关系数也极高，且第4波段的标准差均大于第5波段，因此第4波段较第5波段更优。考虑到最佳波段组合选取的层次性，第1、2波段因其标准差远远小于其他波段放置最后考虑。

但是，标准差不足以作为最佳波段组合的唯一指标。熵值是反映图像信息程度的度量值，熵值越大，图像中包含的信息越丰富，图像质量越好。表2中，第7、8波段仍然保持着较大优势，第6、5、4、3波段作为中间波段进行对比讨论，第1、2波段放置最后考虑。

表1 融合后影像各波段标准差Table 1 Standard deviation of fusion images’ bands

表2 融合后影像各波段信息熵Table 2 Entropy of fusion images’ bands

经过标准差与信息熵的对比，未得出最佳波段组合，单个波段之间讨论，只能比较出较优波段，但波段组合的效果不能体现，选择最佳指数作为评价波段组合的定量指标。8个波段进行选取，有56种组合方式，进行排列组合后，在表中列举出最佳指数最大的10种组合。表3中，Gram-Schmidt变换478组合的最佳指标指数最大，但是考虑到7波段与8波段不能同时选取，依次进行筛选，到347组合时为符合条件的最大值波段。同理，在Pansharpen变换中，从最佳指数最大的波段组合478组合进行筛选，得出Pansharpen变换中最佳波段组合为347组合。最终确定最佳波段组合为347波段组合。

2.2 融合效果评价

将全色和多光谱影像进行灰度拉伸增强等预处理操作，在精确配准后进行Brovey变换、Gram-Schmidt变换、Pansharpen变换，得到融合影像。如图2所示，图像显示为最佳波段组合RGB=743。

表3 融合后影像各波段组合最佳指数Table 3 Optimal index of fusion images’ bands

图2 融合结果Fig.2 Results of fusion image

研究采用了基于信息量与清晰度的评价，表1中，Brovey变换的347组合的标准差均小于Pansharpen变换与Gram-Schmidt变换。而3种融合方法中标准差最大值则出现在Pansharpen变换的第7波段，高达144.58。但最佳波段组合中3波段与4波段的最大值则出现在Gram-Schmidt变换中，从标准差指标可知Gram-Schmidt变换略优于Pansharpen变换，但差别不大。

表2中，列出了各波段熵值大小，Gram-Schmidt变换的信息熵值均大于Pansharpen变换，而Brovey变换中，最佳波段组合347的信息熵也分别大于Pansharpen变换，但与Gram-Schmidt变换相比在4波段与3波段相差不大，但Gram-Schmidt变换7波段的信息熵值高Brovey变换0.65。因此，Gram-Schmidt变换与Brovey变换保留的信息量大于Pansharpen变换。

此外，最佳波段组合347在Gram-Schmidt变换中指数最大，达到247.05，Pansharpen变换与Brovey变化的最佳指数分别为200.67和80.64，均小于Gram-Schmidt变换(见表3)。

以上分析可知：Gram-Schmidt变换与Pansharpen变换的347波段组合标准差与OIF均较为理想，而Gram-Schmidt变换与Brovey变换的信息熵优于Pansharpen变换。表4可以得出Gram-Schmidt变换的平均梯度达到11.39，比Brovey变换高出127.36％，比Pansharpen变换高出49.28％。

表4 融合后影像平均梯度(RGB=743)Table 4 Average gradient of fusion images’ bands

综合分析可以得出：Gram-Schmidt变换为最佳融合方法。考虑到影像用于外来入侵植物识别，波段组合RGB=743的色彩更适用于植物信息提取。

2.3 光谱与纹理特征提取与分析

2.3.1 光谱特征

先利用归一化植被指数(NDVI)区分植被与非植被区域。研究选取多个不同植被样本，通过比较其NDVI值，并进行多次对比实验，确定阈值为0.4，即NDVI≥0.4为植被，否则为非植被。结果如图3所示。

其次，利用外业调查光谱曲线数据分析各种覆被类型在多光谱波段中的可分性。由图4可知，在第7波段范围内，薇甘菊与其他覆被的可分离性较其他波段更为明显。因此，利用第5波段与第7波段的辐射能量值差异来区分薇甘菊与林地和草地。

通过对影像进行光谱特征分析，发现薇甘菊与其他植被具有不同的光谱特征，可以将其从植被中提取出来。对薇甘菊与林地类型进行采样，共选取50 113个林地样本和20 903个薇甘菊样本，对样本的8个波段辐射值及NDVI值进行统计分析，得出其最小值、最大值以及均值(如图5)。

图3 植被分布Fig.3 Distribution of vegetation

图4 各种植被类型的光谱曲线Fig.4 Spectrums of various vegetation

图5 中辐射量走势曲线基本符合实地光谱数据，但在第7波段的可分性不大，可能与卫星拍摄的时相、气候有关。图5中林地的辐射值曲线在薇甘菊曲线的下端，直到6、7波段中段之后，林地的辐射亮度值才有了明显抬高且超过了薇甘菊。而薇甘菊与林地辐射值的最小值近乎保持平行状态。两者区间的重叠区域比例越小，可分离程度越大，图5中，只有4波段薇甘菊与林地达到最小的重叠区域比例，因此，第4波段较其他波段更优。

表5为图5的数据表达，进一步确定了第4波段的分离区间，而通过NDVI最大值最小值分析，也可找到(0.38，0.76)区间为薇甘菊区间，而平均值为0.54，可通过假设总体样本为正态分布的统计问题分析，但由于样本数基数大，从而求解的99％置信区间范围很小，因此不做考虑。

从上述统计资料可知，利用光谱特征是无法直接获取林地与薇甘菊入侵区域的显著区别，但是对影像做进一步分析可以发现，辐射值位于(1 474，2 392)可认定为薇甘菊，而(2 392，4 349)范围为林地与薇甘菊的重叠部分，利用现有数据不能将其区分。而NDVI值为(0.41，0.46)可判定为薇甘菊，但仍存在(0.46，0.76)的重叠部分。

2.3.2 纹理特征

考虑到林地与薇甘菊入侵区域的光谱和专题特征没法满足进一步提取，而且许多研究表明区分林地与草地最有效的特征为纹理特征，草地的纹理较林地而言更细，色调也更为均匀，故选择用基于灰度共生矩阵的纹理描述进行特征分析。

图5 薇甘菊与林地辐射量曲线Fig.5 Radiation curves of Mikania micrantha and forest land

表5 覆被光谱特征统计Table 5 Spectral characteristics statistics of various vegetation

图6 薇甘菊与林地纹理特征曲线Fig.6 Texture spectrum curves of Mikania micrantha and health forest land

图6 为薇甘菊和林地样本的6个纹理特征曲线图，选取了第2、3、4、5、7波段以及PC1的纹理特征曲线。第2波段，第3波段曲线接近，不存在可利用的分离性。第4波段、第5波段在反差中虽然有一定差别，但分离程度不大，而第7波段和PC1第一主成分的反差样本均值间隔较大，7波段的均值差异为2.804，PC1的均值差异比7波段小，但也有2.301。两个波段存在较好分离性，能够用于对薇甘菊与林地区分。选取多个不同植被样本反复实验，确定阈值为2.1。

2.4 信息提取与评价

2.4.1 影像分割结果

图像分割是面向对象图像处理的关键步骤，为了找到合适的分割尺度，在ENVI EX中分别以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，最后分割结果如图7所示。

图7 分割结果Fig7 Results of segmentation

2.4.2 信息提取

实现薇甘菊信息的精确提取，需要综合考虑影像的光谱统计特征、专题特征、形状、大小、纹理及空间关系等一系列因素。基于规则分类不同于决策树分类方法的是研究对象从单个像元变成块状图斑。

薇甘菊信息提取方法流程是：K1、K2、K3、K4、K5为选取的阈值。在确定影像NDVI值后，提取NDVI＞K1区间为植被区，利用NDVI≤K2与Avgband_4≥K3，提取出部分林地区域，缩小薇甘菊的区间范围，但仍有部分林地和草地混合在其中。而通过Tx_variance＞K4可区分出草地与部分林地区域，最后根据Avgband_12≥K5，则可提取出薇甘菊信息(如图8所示)。其中Avgband_1～8为1～8波段辐射值平均值。Avgband_9～15分别为7波段7个纹理特征的平均值。Tx_variance为影像3×3卷积核范围平均灰度变化值。由于各种植被类型的光谱特征与纹理特征差异均为相对的，因此设定的阈值也为相对量。

对于实验提取结果精度的评价，采取系统抽样的方法选取解译结果中的500个样本点，以目视解译航摄相片结合野外实地调查数据作为标准参考资料，进行人机交互精度验证，得出用户度精度为87.2％，同样用实地调查的105个薇甘菊样本点，与解译结果比对，正确样本点数为92个，得出制图精度为88.4％。结果如表6所示。

图8 薇甘菊分布Fig.8 Distribution of Mikania micrantha

表6 精度验证Table 6 Accuracy verification

3 结 论

本文通过对Worldview-2影像融合、分割、特征提取、规则分类等步骤的研究可以得出如下4点结论。

(1)通过原始影像与融合后影像的标准差、信息熵、最佳指数分析，最终确定最佳波段组合为347组合。组合中保留的近红外波段，是研究入侵物种薇甘菊的重要波段。

(2)将Brovey变化、Gram-Schmidt变换与Pansharpen变换进行4个定量指标的对比分析后发现，Gram-Schmidt变换无论是信息量指标、最佳波段指数还是清晰度指标，均优于Brovey变化和Pansharpen变换，因此在高分辨率影像融合时，Gram-Schmidt变换既能保留大量的原有信息，又能增强目视解译的清晰度。

(3)光谱分析中采用辐射亮度值和NDVI分析方法，利用薇甘菊与林地的光谱差异，选择可分性最好的第4波段进行统计，同时NDVI值的差异区间给信息提取提供了条件。实验结果表明，仅仅利用光谱特征是不能将薇甘菊信息提取出，因此，需要进行其他特征分析。经过分析纹理特征曲线与卷积核方差，发现第7波段与PC1的反差平均值与3×3卷积核方差具有较大差异，也正符合了实地调查光谱曲线在第7波段范围内光谱可分性高的事实。同时也说明，薇甘菊地区的纹理较周围林地地区而言更为粗糙。

(4)研究结果经外业薇甘菊样点验证，得到88.4％的制图精度，表明该方法能够有效提取薇甘菊信息，分析其误差的主要原因是薇甘菊与附主植被空间分布交错复杂且特征相近，并受薇甘菊花期长短所限。

[1] Kong G-h,Wu Q-g,Hu Q-m,et al.Further supplementary data on Mikania micrantha HBK(Asteraceae)[J].Journal of Tropical and Subtropical Botany,2000,8:128-130.

[2] 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.

[3] Underwood E C,Ustin S L,Ramirez C M.A comparison of spatial and spectral image resolution for mapping invasive plants in coastal California[J].Environmental Management,2007,39(1):63-83.

[4] Narumalani S,Mishra D R,Wilson R,et al.Detecting and mapping four invasive species along the floodplain of North Platte River,Nebraska[J].Weed Technology,2009,23(1):99-107.

[5] Hamada Y,Stow DA,Coulter LL,et al.Detecting Tamarisk species(Tamarix)in riparian habitats of Southern California using high spatial resolution hyperspectral imagery[J].Remote Sensing of Environment,2007,109(2):237-248.

[6] Hestir E L,Khanna S,Andrew M E,et al.Identification of invasive vegetation using hyperspectral remote sensing in the California Delta ecosystem[J].Remote Sensing of Environment,2008,112(11):4034-4047.

[7] Laba M,Downs R,Smith S,et al.Mapping invasive wetland plants in the Hudson River National Estuarine Research Reserve using quickbird satellite imagery[J].Remote Sensing of Environment,2008,112(1):286-300.

[8] Glenn N F,Mundt J T,Weber K T,et al.Hyperspectral data processing for repeat detection of small infestations of leafy spurge[J].Remote Sensing of Environment,2005,95(3):399-412.

[9] Wilfong B N,Gorchov D L,Henry M C.Detecting an invasive shrub in deciduous forest understories using remote sensing[J].Weed Science,2009,57(5):512-520.

[10] 凌春丽,朱兰艳,吴俐民.WorldView-2影像林地信息提取的研究与实现[J].测绘科学,2010,35(5):205-207.

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

[12] 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.

[13] 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.

[14] 姜 芸,李锡泉.湖南省湿地标准与分类以及湿地资源[J].中南林业科技大学学报,2007,27(2):92-95.

[15] 陈君颖,田庆久.高分辨率遥感植被分类研究[J].遥感学报,2007,11(2):221-227.

[16] 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.

[17] 李春干.面向对象的 SPOT5 图像森林分类研究[D].北京:北京林业大学,2009:61-67.

[18] 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.

Precise extraction of Mikania micrantha information based on WorldView-2 data

HU Jia1,LIN Hui1,SUN Hua1,DONG Qi-liang1,FAN Ying-long2,LUO Xi-hua3
(1.Research Center of Forestry Remote Sensing & Information Engineering,Central South University of Forestry & Technology ,Changsha 410004,Hunan,China; 2.The Remote Sensing Cennter of Hebei,Shijiazhuang 050000,Hebei,China; 3.Forestry Survey and Design Institute of Beijing,Beijing 100029,China; 4.Huangfengqiao State-owned Forestry Farm,Youxian 412300,Hunan,China)

Mikania micrantha H.B.K,a highly dangerous invasion plant,has seriously threaten the integrity of ecosystem of invaded area.Using the traditional methods fi eld investigation to monitor the distribution of Mikania micrantha will takesa lot of manpower and material resources.A new approach was provided by advanced remote sensing technology which can fast,accurately re fl ect the rapid changes of vegetation on the surface to identify Mikania micrantha or dynamically monitor the spatial distribution of it.Currently,it has certain advantage that using the hyperspectral imaging data in information identi fi ed of alien species.But the spatial distribution is hard to be precisely extracted as the limit of spatial resolution.Nine-band data of Worldview-2 images in Shenzhen City were utilized in this thesis.After analysis and research of invasive species Mikania micrantha for information extraction,it was drawn out that(1)the best band combination used to identify Mikania micrantha are 347 combinations which retain near-infrared bands that is the importance band to study invasive species Mikania;(2)Gram-Schmidt transform fusion method is superior to others in the Worldview-2 multispectral and panchromatic fusion,because it not only can keepa large number of original information after fusion transform but also can enhance the clarity of visual interpretation;(3)Spectra obtained with texture analysis part of invaded area can be extracted by the radiance of band 4 and NDVI values, while combining the contrast mean of band 7 or PC1 and variance of 3 ×3 convolution kernel the whole invaded area can be complete extraction;(4)the best segmentation scale of information extraction was 30,and the mapping accuracy was 87.6％ ,the user accuracy was 88.4％; The error was caused by the complex spatial distribution and similar characteristics of Mikania micrantha,and the host,and may in fl uenced by the length of fl owering.The fi ndings show that the method can improve the extraction accuracy of M.micrantha and achieve the fi ne identi fi cation.

forestry remote sensing; alien invasive species; Mikania micrantha; information extraction; WorldView-2

S771.8

A

1673-923X(2015)01-0042-08

10.14067/j.cnki.1673-923x.2015.01.009

2013-11-10

十二五“国家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(2012AA102001)”；湖南省高校产业化培育项目(13CY011)

胡 佳，硕士研究生；E-mail：hujia919@126.com

林 辉，教授，博士，博士生导师

胡 佳，林 辉，孙 华，等.基于WorldView-2的薇甘菊信息精细提取[J].中南林业科技大学学报，2015,35(1):42-49.

[本文编校：谢荣秀]