基于多源遥感影像融合的扎龙湿地信息提取

杨明悦

（哈尔滨师范大学，黑龙江 哈尔滨150000）

1 概述

湿地生态系统与海洋、森林生态系统一起并称为全球三大生态系统，其在调蓄洪水、维持区域水平衡等方面具有重要的意义。多年来，由于人类对湿地资源带来了一定程度的干扰，湿地越来越需要有效的监测与保护，而湿地信息提取则是对湿地实现监测的最重要的一环。因此，实现更加高效准确的湿地信息提取是十分必要的[1-2]。

国内外学者也因此对湿地信息提取进行了深入广泛的研究，不仅在研究方法上进行了优化，还会在数据源的选择上进行改进。湿地信息提取领域最常用的数据源是光学影像，但是光学影像自身在探测、获取信息上存在一定的局限性，而雷达影像在探测过程中不受天气影响，并且具有穿透性，能够获取到光学影像获取不到的信息[3]，因此雷达手段被越来越多的引入到湿地信息提取领域的研究中。例如郭交等人利用Sentinel-1和Sentinel-2 的融合影像对研究区的农作物进行分类，提高了农作物的分类精度[4]。胥为以Sentinel-1 和Landsat8 的融合影像作为数据源，对长江口典型盐沼湿地进行分类制图，得到了精度较高的分类结果[5]。周宏伟以光学数据与雷达数据作为基本数据源，采用多种图像处理方法与手段，提高了湿地分类精度[6]。

本文选用Landsat 8OLI 光学影像和Sentinel-1 雷达影像作为数据源，以黑龙江省齐齐哈尔市扎龙湿地为研究区，将两种影像进行融合并对融合后的影像进行信息提取，从而实现更加高效准确的湿地信息提取，以期为扎龙湿地提供更准确的监测和更有效的保护与管理。

2 研究区与数据

2.1 研究区概况

扎龙湿地地处黑龙江省齐齐哈尔市（部分地区位于大庆市杜尔伯特蒙古族自治县和林甸县境内），位于松嫩平原西部。地物种类丰富，其中分布着大范围的淡水沼泽区和许多小型水面，河道错杂分布在草地、沼泽上，湿地生态状况保持良好，是我国目前北方同纬度地区保留最完整、最原始、最开阔的湿地生态系统[7]。

2.2 数据源及预处理

本文选取了2017 年的Landsat 8OLI 光学影像和2017 年的Sentinel-1 雷达影像。Landsat 8 OLI 影像信息量极为丰富，并且定位精度也很高，空间分辨率为30m，其中全色波段分辨率为15m。选取的Sentinel-1 雷达影像空间分辨率是10m，极化方式是VV+VH 双极化，这种极化方式对获取湿地植被信息非常有利[5]。

利用ENVI 软件对光学影像进行辐射校正、大气校正、重采样、裁剪等预处理，得到与Sentinel-1 分辨率相同的影像，利用SNAP 软件对Sentinel-1 影像进行辐射定标、Sigma 噪声抑制、地理编码、几何校正、裁剪等预处理，采用HIS 变换法将经过预处理的两幅影像进行融合，得到影像图像清晰、分辨率更高的具有多源遥感影像信息的融合影像。

3 基于支持向量机的扎龙湿地信息提取

3.1 分类系统

本研究结合“国家资源与环境遥感宏观调查与动态研究”土地资源分类系统的以及扎龙湿地实际的地表植被特征，同时简化了湿地内覆盖物的类别，突出湿地中主要土地覆盖类型，决定将扎龙湿地分为明水、沼泽、草甸、草原、盐碱地、农田和居民地7 种类型[8]。

3.2 分类方法

湿地信息提取目前较常用的的监督分类方法主要包括最大似然法、支持向量机、决策树方法等，但决策树方法需要建立出合理的决策树规则需要丰富的先验知识，存在一定的难度[9]，支持向量机这一方法操作方便快捷、结果质量较好、分类精度较高，并且邹青青等人采用支持向量机方法对淮河流域湿地进行信息提取时，在河流、湖泊、库塘上得到了较高的分类精度[10]，该方法比较适合同样错综分布较多水域的扎龙湿地。因此，本文选用支持向量机方法来对扎龙湿地进行信息提取。在ENVI 软件中，根据特定的波段组合中地物所表现出的不同颜色纹理特征以及各个地物的光谱曲线特征，选出各个地物的训练样区，选择好训练样区后查看各类训练样区的分离度均大于1.8，符合支持向量机分类的要求，然后根据所选训练样区对影像进行支持向量机的分类。

4 结果与分析

4.1 分类结果

在ENVI 软件的支持下，分别对单一光学影像和融合影像进行支持向量机分类，得到两种影像的分类结果。但由于计算机自动分类法的直接分类结果会存在一个、两个或者多个独立的像元，使图像上出现很多微小的斑块，所以本研究对得到的两种分类结果进行了7×7 的图斑合并，消除了分类结果上存在的多个碎小的斑块，图1 所示为最终分类结果。

图1 融合影像分类结果

通过分类结果图可以看出扎龙湿地地物种类较多，大部分地类分布极其零散、不规则。沼泽分布最广、覆盖面积最大，相对来说比较连续，草地分布较分散、不连续，但是总面积也很大，草地夹杂在沼泽中或者分布在水体周围，旱地呈大面积不连续分布，主要围绕扎龙湿地的边缘分布。扎龙湿地内部沼泽和草地也会零散分布小面积的旱地和水田，水田的面积很小，除了在沼泽和草地中少有分布，还零散分布在居民地附近或水域附近，水体大多为小型胡泊，错落分布、十分零散，居民地大多数与耕地分布在一起，从整体看分布也很分散。

4.2 精度评价

在信息提取研究中常通过计算混淆矩阵的方法来进行分类结果的精度评价，其中最主要的检验指标就是总体分类精度和Kappa 系数。结合Google 高清地图在影像上选取一定数量的训练样区，作为精度评价的验证样本，在ENVI4.5 软件的Confusion Matrix 命令的支持下进行混淆矩阵的计算，得到了如表1 所示的精度评价表。单一光学影像分类结果的总精度为80.50%，Kappa 系数为0.7703，融合影像分类结果的总精度为81.30%，Kappa 系数为0.7817。

5 结论与讨论

本研究中借助光学影像影像多光谱、高波谱分辨率、影像信息丰富的优势与雷达影像较高的空间分辨率以及对水体识别极为敏感的优势相互补充，使扎龙湿地信息提取达到了更好的效果，总体精度和Kappa 系数均有明显的提高，尤其体现在农田、盐碱地和居民地的分类结果上，有效改善了单一光学影像分类结果中农田居民地误分严重的情况。但是还是存在一定的缺陷，例如草甸与沼泽、草原与农田依然存在一定程度的错分情况，没能够得到有效的改善。

湿地信息提取的影像数据源以及研究方法种类繁多，本文所选取的数据源和研究方法只是冰山一角，并且在进行湿地信息提取的过程中可能存在某些已知或者未知的不足和有待改进的地方，在湿地信息提取领域我们还需要继续在数据源与研究方法上进行研究与挖掘，从而提高湿地分类精度，实现更精准的湿地信息提取，为扎龙湿地提供更准确的监测和更有效的保护与管理提供有效的依据。