李红凌，刘 斌，巴艳君

(1.新疆大学资源与环境科学学院，乌鲁木齐 830046；2.新疆维吾尔自治区测绘科学研究院，乌鲁木齐 830046)

0 引 言

我国干旱/半干旱区生态环境十分脆弱，该区域湿地的变化非常活跃，是环境变化的敏感指示器[1]，其转移，收缩以及消失都能够反映出该区域内生态环境的质量和容量。当下，遥感在湿地方面的研究重点体现在湿地资源检测、湿地信息分类与湿地的变化监测等方面。就湿地遥感信息提取方法来说，自动化智能化一直是研究者追求的目标[2]。针对高分辨率的遥感影像，为了改善地物目标的分类精度，学者通常选择面向对象的影像分割技术，并根据分割结果从对象中提取出光谱特征以及空间关系特征来改善对象间光谱混合问题[3]。

在面向对象分割过程中，当分割阈值选择不合理时会引起“欠分割”、“过分割”、“边缘不匹配”等问题，为了满足不同地物的最佳分割效果，可以利用地物特征异质性来寻找各类别最适宜的分割尺度，最终获得不同类型的影像对象[4]。由Baatz等人[5]于2000年提出的分形网络演化方法(Fractal Net Evolution Approach，FNEA)是一种非常适用于高分辨率遥感影像的图像分割算法，已被应用与多个国际项目中，实践证明这种基于统计的影像分割技术在影像分析中颇具潜力[6,7]。 FNEA技术的依据是局部最佳适应法,该方法确保像元在统计对象异质性最小的结果后进行合并,即单个像元或像元集合与其相邻的像元同时进行计算与合并,两个相邻对象之间的差异通过启发式处理过程进行比较[8]。

在湿地信息遥感提取方面，范登科[9]等发现归一化差异综合水体指数在水体提取中水陆区分度高。朱长明[10]和姜浩[11]等根据水体的线性特征提出解决影细小河流的提取的方法。郑丽娟等人提出面向对象结合DEM数据对研究区湿地进行提取[12];谢静、李晓娟等人采用多时相HJ_1影像利用面向对象方法完成了完达山以北的湿地遥感分类[13]。上述方法在水体提取上取得了较好的效果，对湿地信息提取有重要的参考价值。

1 研究区概况与数据

塔里木河流域位于新疆天山山脉以南，昆仑山山脉以北，由叶尔羌河、和田河、阿克苏河等汇合而成。塔里木河从西向东蜿蜒于塔里木盆地北部，上游地区地势较为起伏，多为不平缓的沙漠地区，流域范围从叶尔羌河流域起，到塔里木河尾闾的台特玛湖，全长2 421 km，是世界上第一最大内陆河流域。该流域深处欧亚大陆腹地，四周环山，地理位置偏离海洋，日照充足，导致该区域内降水量小，蒸发量大，表现为干旱大陆性气候。根据《中华人民共和国湿地分类标准( GB/T 24708-2009)》采用二级分类系统，结合塔里木盆地水文地貌条件和湿地发育特征，湿地一级类型包括天然湿地与人工湿地，二级类型包括湖泊湿地、河流湿地、沼泽湿地、水库、坑塘和人工养殖场六个类型。

试验采用的遥感影像数据为2014年10月叶尔羌河中游区域RapidEye高分遥感影像，地理坐标为39°4′58.58″N，77°36′33.01E～39°0′47.84″N，77°42′40.90″E，空间分辨率为5 m，波段范围分别为蓝波段(440～510 nm)，绿波段(520-590 nm)， 红波段(630～685 nm)，红边波段(690～730 nm)和近红外波段(760～850 nm)；1∶50 000 DOM数据用于研究区影像正射校正；土地利用现状数据为研究区第二次土地调查项目成果，该数据为地表覆盖分类辅助判读的参考数据及分类结果精度验证的主要数据源。研究区内湿地类型有河流、水库、沼泽、人工养殖场和坑塘。原始影像经过辐射校正、正射校正、融合、镶嵌等处理。

2 研究方法

2.1 主成分分析

主成分分析(Principal Component Analysis, PCA)由Pearson[14]于1901年发明，其原理是通过对协方差矩阵进行特征分析，从而达到减少数据维数的目的，并且该过程要遵循数据集对方差的贡献最大原则[15]。影像经过主成分分析后得到的5个分量，前3个分量PC1、PC2和PC3累计方差百分比为99.65%,将前3个分量分别放入红、绿、蓝通道合成假彩色影像，与原真彩色影像相比色彩鲜明，各地物的区分度更明显，其中深色区域反映出可能为水体的信息。PC1分量的灰度图像中可以看出水库、沼泽等地物显示高亮度值，限定阈值可提取相应目标地物。根据研究区内典型地物在PCA各分量中的波谱曲线显示，水体在PC2波段上的值VALUEwater<-800，裸地、植被、建筑物等地物值VALUE(not water)>-800。从PC2分量的灰度图像中可以看出水体呈现暗色调，其他地物为亮色调.由此可知，在面向对象的湿地提取中，选择PC2分量作为特征参数，调整阈值可以有效提取水体信息。

图1 主成分分析图Fig.1 The spectrum of typical features in PCA plot

图2 典型地物在 PCA 的波谱曲线图Fig.2 Principal components analysis images

2.2 多尺度分割

FNEA的多尺度分割(Multiresolution Segmentation)[16]是一种基于像元自下而上的分割思维，其原理是从任一种子像元开始,将小的像元合并为大的对象，分割过程受尺度参数、形状参数和紧致度的影响。尺度参数在软件应用中是不是一个具体的术语，其作用是限定影像对象的异质性阈值，通过调整参数改变分割对象的规模(颜色同质性是基于光谱颜色的标准差)；形状参数用于限定对象的形状以及优化对象的均质度[17]；紧致度参数可以进一步表示对象的均质度[18]；合并规则为合并后对象的异质性不得大于事先给定的阈值。

由于研究区存在多种湿地类型，为解决不同地物目标适宜的分割尺度，本研究通过ESP(Estimation of Scale Parameter)尺度评价工具[19]统计影像同质性的局部变化LV(Local Variance)以及LV变化率值ROC(Rates Of Change)。ROC计算公式为：

式中：Li表示目标层第i层对象层的平均标准差，而Li-1表示目标层第i-1层中对象层的平均标准差。当ROC最大时变化率曲线呈现峰值，峰值点有可能为目标地物对应最优尺度。

参照ESP评价结果结合目视判别法，最终判断尺度在240时适合水库、沼泽等目标较大的湿地类型提取；尺度为80时人工养殖场的边缘匹配状况较好；尺度为40时能准确对河流、坑塘进行分割。

图3 ESP尺度分割评价图Fig.3 ESP scale segmentation evaluation image

2.3 湿地分层提取

湿地包含的信息较为复杂，利用单一波段的光谱阈值难以区分。本研究在针对湿地分类所提取得特种光谱、纹理、形状特征主要包括：

(1)主成分分析的PC1、PC2分量。

(2)归一化植被指数NDVI(Normalized Difference Vegetation Index),通过植被在红光和近红外波段辐射差异，计算两个波段的反射率和差、比值来判别地表植被覆盖和长势，其表达式为：

式中：Bnir表示近红外波段；Br表示红光波段。

(3)归一化差异综合水体指数CIWI(Combined Index of NDVI and NIR for Water- Identification)[20]。水体随波长增长，其光谱反射率降低，而植被和土壤则相反，将NDVI和近红外结合，利用乘性因子可以增强水体光谱特征值，抑制植被、河漫滩等地物信息，从而区分水体和其他地物。表达式为：

(4)纹理特征主要有灰度共生同质性指数(GLCM Homogeneity)。

(5)形状特征中形状指数(Shape Index)和对象的像元长度(Length)。

分割过程中设置参数详情：紧致度为0.5，形状指数为0.4。分别在240、80和40三个尺度的分割结果上建立分类规则集，湿地提取流程如图4所示。

图4 湿地信息分层提取流程图Fig.4 Flowchart of wetland information extraction

首先，在分割尺度为240层，通过PC2阈值对影像进行水体粗提取，提取出可能是水体的区域，并根据归一化差异综合水体指数CIWI与形状指数ShapeIndex进一步从水体中提取水库信息,同时，通过植被覆盖指数NDVI与PC1两个特征从非水体中提取出沼泽湿地。其次，在尺度为80时，通过调整CIWI指数和纹理指数GLCM的阈值来确立人工养殖场。然后，在尺度为40时通过PC2,CIWI提取较为细小的水体信息，将提取的细小水体图斑合并，通过限定对象长度Length值区分河流和库塘信息。同时，在该尺度上对可能为陆地的区域重新检测水体信息，再次利用CIWI指数来提取坑塘信息。最后对分类结果进行合并、平滑以及去除细小图斑等处理。

3 结果与分析

将按照试验步骤所得到的研究区湿地分类结果，可以得出结论基于FNEA的多尺度分层提取可以实现研究区内，水库、沼泽、河流、人工养殖场和坑塘等湿地类型的自动解译(见图5)，基本满足生产应用的需求，也对国内外其他干旱区、内陆地区的湿地遥感解译提供参考。

为了更为客观的验证该提取结果的精度，本文参考第二次土地调查专题数据和野外实测数据，在研究区范围内各湿地类型随机选取30～50个检验样本点，统计样本点在分类影像中的混淆矩阵，如表1所示。混淆矩阵显示，基于FNEA分割尺度下的多层次湿地信息提取方法在塔里木河流域内湿地遥感解译中总精度达到了87.7%，Kappa系数为0.842,各湿地类型的用户精度与制图精度明显高于80%,取得了较好的结果。其中，水库与沼泽的制图均达到了90%，人工养殖场达到93.33%。另外，人工养殖场与河流的用户精度甚至高于95%，达到了96.55%与96.15%。由于受到植被、河漫滩、阴影等地物的干扰，导致分类结果中出现个别错分、漏分等现象。但是，整体而言，基于FNEA多尺度分割结合分层规则集的建立在研究区内湿地解译和提取中达到了较为理想的效果。

图5 湿地分类图Fig.5 The classifications of wetland

表1 湿地自动解译混淆矩阵Table.1 The confusion Matrix of wetland Automatic interpretation

4 结 语

干旱/半干旱地区的稀疏植被、河漫滩、建筑物阴影等地物的光谱亮度值与湿地中沼泽、河流等地物非常相似，传统的解译方法很少对空间特征信息加以应用，为解决单一光谱信息中同谱异物、同物异谱造成的地物界限不明确和椒盐现象，该研究提出了基于面向对象网络分形演化法并融入空间关系，多尺度多层次的提取湿地信息。结果表明，面向对象思维在针对高分辨率的遥感影像的湿地提取中体现出一定优势：

(1)FNEA分割结合ESP分割评价工具能够快速、准确的确立与地物相适应的分割尺度并有效地将像元分割成对象目标，避免花费大量的人力和时间去确立合理的分割尺度，同时，改善了后续分类中的地物混淆和椒盐现象。

(2)主成分分析法不仅能够去除影像中的冗余信息达到减维降噪的目的，研究显示，主成分分析中的第一分量与第二分量是分离水体与其他信息的有效特征，在水体解译中非常实用。

(3)在FNEA最优分割尺度下的分类规则集能够快速、自动提取研究区内湿地信息，其架构灵活可控，适于被移植和扩展，经换区试验证明具有一定的普适性。同时，对其他区域的湿地信息识别与提取提供参考。

该研究针对多层次、多特征的干旱区/半干旱区湿地信息提取还不够完善，有待针对干旱区/半干旱区的区域特点发现和拓展更多特征，探索更为高效准确的规则集模型。

□

[1] 黄 方,张树文,Jan de Leeuw,等.20世纪70年代以来松嫩平原乌裕尔河中下游流域的湿地演变[J].自然资源学报,2006,21(6):949-956.

[2] 朱长明，李均力，张 新，等.面向对象的高分辨率遥感影像湿地信息分层提取[J].测绘通报,2014,(10):23-28.

[3] 汪 闽,万其明,张大骞,等.光谱、形状特征结合的多精度图像分割算法与应用[J].地球信息科学学报,2010,12(2):261-268.

[4] 黄慧萍，吴炳方．地物大小、对象尺度、影像分辨率的关系分析[J]．遥感技术与应用,2006,21(3):243-248.

[5] Baatz M, Schäpe A. Multiresolution segmentation: An opti-mization approach for high quality multi-scale image seg-mentation[C]∥ Angewandte Geographische Informations-verarbeitung XII, Strobl J, Blaschke T, Griesebner G(Eds),Wichmann, Heidelberg,Germany,2000.

[6] Schiewe J.Segmentation of high-resolution remotely senseddata-concepts, applications and problems[J]. InternationalArchives of Photogrammetry Remote Sensing And Spatial Information Sciences, 2002,34(4):380-385.

[7] Blaschke T, Burnett C, Pekkarinen A. Image segmentation methods for object-based analysis and classification[C]∥ Remote sensing image analysis: Including the spatial do-main.Springer Netherlands, 2006.

[8] Schiewe J, Tufte L, Ehlers M. Potential and problems of multi-scale segmentation methods in remote sensing[J].GeoBIT/GIS, 2001,6(1):34-39.

[9] 范登科,李 明,贺少帅.基于环境小卫星CCD影像的水体提取指数法比较[J].地理与地理信息科学,2012,28(2):14-19.

[10] 朱长明,骆剑承,沈占锋,等.DEM 辅助下的河道细小线性水体自适应迭代提取[J].测绘学报,2013,42(2):277-283.

[11] 姜 浩,冯 敏,肖 桐,王昌佐.基于线状特征增强的 TM 遥感影像细小河流提取方法[J].测绘学报,2014,43(7):705-710.

[12] 郑丽娟,李小娟,胡德勇,等.基于对象和辅助DEM的湿地信息提取 以洪泽湖湿地为例[J].遥感技术与应用，2009,24(3):346-351．

[13] 谢 静,王宗明,毛德华,等.基于面向对象方法和多时相HJ-1影像的湿地遥感分类——以完达山北三江平原为例[J].湿地科学,2012,10(4) :429-438．

[14] 王 莺,王 静,姚玉璧,等.基于主成分分析的中国南方干旱脆弱性评价[J].生态环境学报,2014,23(12):1 897-1 904.

[15] Pearson K. Principal components analysis[J]. The London Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 1901,6(2):559.

[16] Benz UC, Hofmann P, Willhauck G, Lingenfelder M. Multi-Resolution, Object Oriented Fuzzy Analysis of Remote Sensing Data for GIS-Ready Information[J]. SPRSJournal of Photogrammetry & Remote Sensing, 2004,(58):239-258.

[17] Beijing Space Eye Innovation Technology Co, LT D. eCognition Training Files[EB/OL]. [2008 29224].http:∥www.bsei.com.cn/xz ecognition rjzl.html〗.

[18] Definiens AG. Definiens Developer 7 Reference Book[M]. München:Trappentreustr Press,2007:23-24.

[19] Dragut L, Tiede D, Levick SR.ESP: a tool to estimate scale parameter for multiresolution image segmentation of remotely sensed data[J]．International Journal of Geographical Information Science,2010,24(6):859-871.

[20] 莫伟华,孙涵.基于EOS/MODIS卫星数据的洪涝灾害遥感监测应用技术研究[D]．南京：南京信息工程大学，2006.

·信息·

欢迎订阅2016年《中国农村水利水电》

《中国农村水利水电》是由中国灌溉排水发展中心、水利部农村水电及电气化发展局、武汉大学、中国国家灌排委员会主办的水利水电专业性技术期刊，内容包括水利水电研究、设计、建设和管理的各个方面，信息量大，读者面广，且注重应用技术的研究和推广，理论联系实际，具有很强的实用性。是全国(省、部)优秀科技期刊，并荣获“首届国家期刊奖”，是“中国期刊方阵”的双高期刊。是全国中文核心期刊、中国科技论文统计源期刊、中国学术期刊综合评价数据库来源期刊。

栏目设置：农田水利、灌区建设与管理、节水灌溉、供水工程、水工建筑、泵站技术、水文水资源、水环境与水生态、水利经济、水电建设、防汛与抗旱、国外技术等。

月刊，大16开，每月15日出版，定价10.00元/册，全年120元。

国内订阅：全国各地邮局，邮发代号38-49

国外订阅：中国国际图书贸易总公司(北京399信箱)，国外代号M4211，也可直接从编辑部订阅

地 址：武汉大学(二区)《中国农村水利水电》编辑部 邮 编：430072

电 话：(027)68776133 68776880 传 真：(027)68776133

联 系 人：关良宝E-mail：xsdbjb@188.com

单位名称：《中国农村水利水电》读者服务部

开户银行：中国银行武汉市东湖开发区支行转水大支行

账 号：556057528310。