基于高分SAR与光学影像数据融合的滨海湿地变化监测方法

吴瑞娟

1. 内江师范学院地理与资源科学学院，四川 内江 641100； 2. 河海大学地球科学与工程学院，江苏 南京 211100

滨海湿地是自然作用和人类活动剧烈地带，及时监测湿地资源及其生态环境的变化具有重要现实意义。基于高分辨率卫星影像的遥感变化检测技术是滨海湿地精细化变化监测的一种有效手段，但目前大多数研究仅利用单源遥感数据进行变化监测，较少综合利用多源遥感数据的互补性，从而制约了变化监测精度。光学影像光谱信息丰富，但不能穿透植被冠层。合成孔径雷达(synthetic aperture radar,SAR)具有穿透力强，能够探测植被水文特征等优点，克服了光学影像在湿地变化监测中的局限性。

论文立足滨海湿地覆盖范围广、类型多样的场景特点，按照“先变化提取后变化类型识别”思路，针对SAR与光学影像数据融合、变化提取以及变化识别方面存在的问题进行了深入研究，以期提高滨海湿地变化监测的精度和自动化水平。主要内容如下：

(1) 针对单源遥感数据无法完整表达湿地复杂变化信息的问题，引入分离度概念，提出了自适应加权的高分SAR与光学影像融合方法。该方法利用EMD距离度量不同特征对变化与未变化的分离度，依据分离度自适应确定不同特征的融合权值，得到特征融合影像。采用TerraSAR-X、高分三号SAR和资源三号光学影像进行研究，结果表明自适应融合方法优于传统多特征融合方法，虚检率明显降低。

(2) 针对像元级变化检测方法对配准误差敏感、椒盐现象严重，而对象级变化检测方法过程烦琐等问题，提出了显著图引导的结合像元级与对象级变化检测方法。该方法利用视觉显著性检测生成显著图，采用结合模糊C均值聚类和马尔可夫随机场方法初步获取像元级变化检测结果，然后在面向对象叠加分割基础上，通过构建对象的不确定性指数，自适应选择训练样本进行分类，得到最终的变化检测结果。研究表明相比于像元级、对象级等方法，提出方法提高了湿地变化提取的精度，改善了像元级变化检测结果的椒盐现象，提高了变化提取的自动化水平。

(3) 针对变化识别中高维特征“维数灾难”和多时相分类中单独选择样本自动化程度低的问题，提出特征分层选择和样本迁移学习的变化识别方法。该方法引入跳跃度概念，采用顾及跳跃度的特征分层选择方法，依据特征重要性值对特征集进行优化，采用跨时相的样本迁移学习方法识别变化区域的变化转移类型。研究发现特征分层方法为最优特征子集的选择提供了定量参考，样本迁移学习方法得到的分类总体精度和Kappa系数分别为90.95%和0.88，满足了精细化湿地变化监测的要求。

(4) 以江苏盐城滨海湿地为典型研究区，开展湿地时空变化监测应用研究。采用自适应加权的SAR与光学影像融合方法和结合像元级与对象级变化检测方法进行大范围的变化提取，采用特征分层选择与样本迁移学习方法进行变化识别，监测近30年盐城湿地时空演变过程。研究发现以芦苇茅草盐沼、米草盐沼和碱蓬盐沼为代表的自然湿地大幅减少，以农田、养殖塘为代表的人工湿地以及非湿地大幅增加，并分析了盐城湿地盐沼植被演变与围垦活动的响应关系，以及盐城湿地变化成因。论文对盐城湿地时空动态监测分析的结果可为政府部门合理开发利用湿地以及保护湿地提供决策支持。