利用Sentinel-2A多光谱成像仪与Landsat 8陆地成像仪影像进行普陀山岛植被分类效果比较

章晓洁，邓艳芬，张亚超，蒋芸芸，邱桔斐

(国家海洋局东海海洋环境调查勘察中心，上海 200137)

我国海岸线绵长，海岛众多，随着社会经济逐渐增强，海岛开发利用活动日益频繁，海岛原生动植物资源面临巨大威胁。遥感技术已被广泛应用于资源调查[1-2]、生物量估算[3]等领域。遥感影像分类有助于调查海岛资源分布现状，为海岛资源保护和合理开发利用提供基础数据。欧洲空间局(European Space Agency，ESA)于2015年6月发射升空的Sentinel-2A卫星和美国国家航空航天局(National Aeronautics and Space Administration，NASA)于2013年2月发射升空的Landsat 8卫星都可免费提供全球较高空间分辨率的多光谱遥感影像，在海岛调查中的应用潜力较大。

Sentinel-2A搭载的多光谱成像仪(multi-spectral instrument，MSI)和Landsat8搭载的陆地成像仪(operational land imager，OLI)的波段设置具有相似性。自2015年以来，已经有一些研究将MSI影像和OLI影像进行了对比。文献[4—5]对MSI和OLI两个传感器的波段差异导致的辐射度、大气表观反射率的差异进行了研究。文献[6]比较了MSI和OLI数据在火灾烈度评估中的应用效果。文献[7]基于MSI、Landsat 7和Landsat 8影像的地面反射率和由反射率估计的生物物理量对它们进行了比较。文献[8]对比了MSI和OLI在森林冠层覆盖度和叶面积指数反演的效果。文献[9]对比了MSI和Landsat 8 OLI的地表反射率、BRDF修正反射率、NDVI指数等。文献[10]基于K均值法非监督分类对比了MSI和OLI的分类效果。文献[11]进行了资源三号(ZY3)、Sentinel-2A、高分一号(GF1)和Landsat 8影像的城市、乡镇和农村居民地提取精度的比较。但尚未见将MSI和OLI用于海岛土地利用类型分类或植被分类的效果比较的相关研究成果发表。因此，本文以普陀山岛为例，将这两种传感器的影像用于植被分类并进行精度检验和对比分析。

1 研究区概况及试验数据

1.1 研究区概况

普陀山岛位于浙江省舟山市，是舟山群岛中的一个，岛上植被密集。根据文献[12]的研究，有关普陀山植被资源整体认识的研究还比较欠缺，普陀山是亚热带常绿阔叶林海岛型地带性植被的典型代表，物种组成上主要林型的物种与大陆相似，以壳斗科(Fagaceae)和樟科(Lauraceae)占优势，主要林型间优势种的差异较大，物种多样性差异也较大。根据国家海洋局东海分局“海岛物种调查登记和海岛生态区划专题研究”中2014年11月至2015年9月对普陀山岛的实地样方、样线调查，普陀山的自然-半自然植被根据外貌可划分为10大类型，即：常绿阔叶林、常绿阔叶和落叶阔叶混交林、落叶阔叶林、针阔混交林、针叶林、常绿灌丛、落叶灌丛、土生草丛、盐生草丛和沙生草丛。因此，本文将植被分类目标定为阔叶林、针阔混交林、针叶林、灌丛和草丛5种。

1.2 试验数据

Sentinel-2A MSI包含13个光谱波段，覆盖可见光、近红外及短波红外波段，不同波段的空间分辨率不同，其中可见光及842 nm近红外波段的空间分辨率为10 m，其余波段为20或60 m，产品幅宽为100 km×100 km，重访周期为10 d，与Sentinel-2B组网后可提高至5 d。Landsat 8 OLI包含9个波段，除1个空间分辨率为15 m的全色波段外，还包括8个空间分辨率为30 m的可见光、近红外及短波红外波段，产品宽幅为185 km×185 km，重访周期为16 d。

为使MSI和OLI的分类结果具有可比性，在影像下载时尽量选择获取日期相同或相近的影像，并考虑夏季是植被生长最旺盛的季节，且云雾影响较小，因此本研究最终选取了2017年7月25日的MSI影像和2017年7月23日的OLI影像。

同时以国家海洋局东海分局组织开展的“海岛物种调查登记和海岛生态区划专题研究”获得的普陀山植被现状图为参考，用于后续样本选择。

2 研究方法

本研究首先对遥感影像进行预处理。由于ESA提供的MSI影像为Level-1C产品，反映的是大气顶层反射率，因此首先利用ESA提供的SNAP软件插件Sen2Cor2.5.5进行大气校正，并利用SNAP软件将MSI影像转变为常用遥感软件可处理的格式。对于OLI，则利用FLAASH方法进行大气校正。然后将MSI影像和OLI影像都进行像元大小为10 m×10 m的重采样。

在遥感影像分类中，最大似然法(maximum likelihood)监督分类因稳定性好、精度高而被广泛使用，且该方法在新方法研究中常被用来作为参照[13-15]。因此本文利用最大似然法分别对这两种影像进行遥感分类，主要目的为区分出阔叶林、针叶林、针阔混交林、灌丛和草本植被，同时也对其他地物类型进行分类。用于最大似然法分类输入的训练样本，根据参考数据进行人工选取。训练样本共包含阔叶林、针阔混交林、针叶林、灌丛、草丛、建筑物、沙滩、岛陆水体、海水等9类(详见表1)。需要注意的是，样本选取的参考数据来源于样方、样线法调查，调查结果并不能完全准确地体现普陀山岛植被分布现状。虽然人工选取样本时经过目视判断，但仍可能存在一定的误差。人工选取精度检验样本进行结果的精度检验见表1。

表1 分类样本和检验样本个数及像元数汇总

3 分类结果及讨论

MSI和OLI的分类结果如图1所示，两种影像的所有像元都被分到不同类别中，无未分类像元。可以看出OLI分类结果较MSI更零碎。利用精度检验样本对分类结果进行精度检验，得到MSI影像总体分类精度为94.9%，Kappa系数为0.87；OLI影像总体分类精度为93.5%，Kappa系数为0.83。MSI影像的总体精度略高于OLI影像。

表2和表3是两种影像分类结果中各个类别的精度统计。可以看出，不论是MSI影像还是OLI影像，相对非植被的类别来说，5种植被类别的漏分、错分较严重。MSI的5种植被分类精度均高于OLI，尤其是针叶林和灌丛这两类。而在沙滩和岛陆水体这两类中，MSI的分类精度略低于OLI。

表2 Sentinel-2A MSI分类精度统计 (%)

综合生产者精度和用户精度，MSI和OLI中分类最精确的都是海水，而在5种植被类别中，综合来看最精确的都是阔叶林。MSI分类误差和OLI分类误差整体表现相似。两者错分误差最大的都是针叶林，其中很大一部分像元实际为针阔混交林或灌丛；漏分误差最大的都是针阔混交林，大部分针阔混交林像元被分到了阔叶林、针叶林或灌丛类别中。由于针阔混交林本身就是针叶林和阔叶林的混合，因此针阔混交林像元被分到了阔叶林或针叶林像元中并不意外。而阔叶林、针阔混交林和针叶林与灌丛之间的混分，可能是由于某些植被并不绝对是乔木或灌木，例如普陀山岛上的红山茶、檵木、柘木、海桐等物种既是灌木又可能是小乔木，因此增加了分类难度。

表3 Landsat 8 OLI分类精度统计 (%)

需要注意的是，OLI的针阔混交林的漏分误差接近50%，灌丛和针叶林的错分误差均达到了50%以上，而MSI相应类别的误差则小得多。

4 结 论

本文以普陀山岛为例，将Sentinel-2A MSI和Landsat 8 OLI影像的海岛植被分类效果进行了比较，结果表明MSI的总体分类精度略高于OLI，MSI的5种植被分类精度均高于OLI，尤其是针叶林和灌丛这两类，而在沙滩和岛陆水体这两类中，MSI的分类精度略低于OLI。两种影像分类结果中精度最高的都是阔叶林，错分误差最大的都是针叶林，漏分误差最大的都是针阔混交林。需注意的是，由于本文分类的训练样本和精度检验的训练样本都是人工选取，虽然有参考数据，但该数据来源于样方样线调查，数据结果并不能完全准确地体现普陀山岛植被分布现状，因此可能在一定程度上影响本研究的结果精度。在下一步研究中，可以通过实地调查获取植被分布位置及物种类型，获得足够多的可靠样本，排除人工选取训练样本带来的误差，以期获得更可靠的分类结果。