朱长明，李均力，张 新，骆剑承

(1.江苏师范大学城市与环境学院，江苏徐州 221116；2.中国科学院新疆生态与地理研究所，新疆乌鲁木齐 830011；3.中国科学院遥感与数字地球研究所，北京 100101）

面向对象的高分辨率遥感影像湿地信息分层提取

朱长明1，2，李均力2，张 新3，骆剑承3

(1.江苏师范大学城市与环境学院，江苏徐州 221116；2.中国科学院新疆生态与地理研究所，新疆乌鲁木齐 830011；3.中国科学院遥感与数字地球研究所，北京 100101）

一、引 言

由于区域地理环境复杂、通达性差等原因，遥感技术一开始在湿地调查研究中得到了广泛的应用[1]。湿地研究98%的数据是利用遥感和现有图件获取地表湿地景观信息[2]。纵观现有的湿地遥感监测研究，主要集中在湿地遥感资源调查与制图和湿地遥感分类与变化检测两大方面。而就湿地遥感信息分类方法来说，自动化、智能化一直是研究者追求的目标。随着计算机和模式识别技术的发展，在自动化和智能化信息提取方面，各种新理论、新方法相继涌现，如神经网络、支持向量机、知识发现、决策树、规则集等，并成功地应用于湿地分类研究。如文献[3]将神经网络算法应用到湿地的自动提取；文献[4]运用基于规则的湿地分类；文献[5]基于ETM＋和SPOT 5影像，采用决策树法提取了湿地；文献[6]利用专家系统方法对珠江口红树林湿地的变化等情况进行了监测；文献[7]提出了基于粗糙集理论的湿地遥感信息自动监测方法。但是以上大部分湿地遥感信息智能提取和目标识别还是从像元特征提取角度进行方法设计，是一种基于像元操作层次上的图像信息提取，能够描述与提取的特征信息非常有限。

近年来，国内外对于面向对象(object-oriented，又称per-parcel或per-field）的遥感影像处理与分析方式日益受到关注[8-9]。尤其是德国Definiens Imaging公司研发的面向对象的遥感信息提取软件eCognition，已经采用了面向对象和模糊规则的处理与分析技术，并成功将其投入广泛的商业运用，开创了基于对象遥感信息提取的新时代。国内外学者已经开始探索和研究将面向对象技术应用于遥感信息提取和分类。如文献[10]率先提出基于对象的遥感图像分类方法；文献[11]利用基于对象的模糊分类器组合，成功地实现了从IKONOS影像上提取城市区域；文献[12]完成了面向对象和规则的北京市土地利用遥感影像分类研究。在湿地信息遥感提取方面，文献[13]提出基于对象和辅助DEM的湿地提取；文献[14]采用面向对象方法完成了完达山以北的湿地遥感分类；文献[15]利用面向对象方法提取湿地信息；文献[16]通过面向对象技术完成了杭州湾南岸的湿地信息遥感监测。

从面向对象影像分析可以发现，面向对象的遥感信息提取可以更好地融入其他特征知识。其核心在于针对不同的目标地物和研究区，发掘更多有效的特征信息，构建科学合理的特征规则集。本文以玛纳斯国家湿地公园规划区为研究区域，采用高空间分辨率的快鸟(QuickBird）影像为数据源，应用面向对象的遥感分类技术，通过多尺度分割，实现影像像元到特征基元的转换，计算基元对象的属性特征，分析不同类型湿地基元对象之间的空间关系和特征属性，采用分层分类、由易到难、逐层构建规则集，实现高分辨率遥感影像湿地信息的自动提取。试验结果表明，该方法能够快速实现区域范围内湿地信息的自动识别和快速提取，总体分类精度达到了87.5%，Kappa系数超过0.83，基本满足应用的需求，为研究区的湿地景观遥感动态监测研究奠定了基础。

二、试验区与数据源

1.研究区概况

玛纳斯国家湿地公园规划区地处新疆腹地，位于玛纳斯县中部(85°50′E―86°30′E，43°50′N―44°50′N），以夹河子水库、大海子水库、新户平水库三大水库为主，包括周边地区，如大湾子水库、下桥子三村水库等小型水库和玛纳斯河故道部分区域，如图1所示。规划区面积为81.6 km2，其中湿地面积68.38 km2。地势南高北地，天山冰川雪水从自南向北奔腾而下，水量丰富、水域辽阔、滩涂广袤、池塘众多、湿地资源丰富，是中亚到印度半岛的候鸟迁徙交通要道。根据国际《湿地公约》的定义，该区域内湿地类型主要有：水库、坑塘(鱼塘）、芦苇沼泽、河道水系及人工沟渠等5个亚类。

图1 研究区位置

2.数据选择及预处理

本文使用的试验数据有快鸟(QuickBird）高空间分辨率卫星遥感影像、高程数据为30 m的ASTER DEM和辅助数据，以及研究区1∶10万土地利用现状图。其中QuickBird影像的空间分辨率全色波段星下点最高达到0.61 m，多光谱为2.44 m，多光谱光谱波段设置有蓝、绿、红和近红外。在此卫星遥感影像上，各种类型的湿地可目视识别，空间纹理清晰，是湿地信息高分辨率卫星遥感监测有效的数据源。由于QuickBird影像已经具有地理坐标信息，经辐射校正，只需要统一空间坐标系统。考虑到提取结果的面积统计计算，文中将空间参考统一转换到Albert等面积圆锥投影。

三、研究方法

基于面向对象的高分辨率影像湿地信息分层提取，整个流程包括数据处理、影像分割、特征计算，空间关系分析与特征表达、规则集构建、对象分类、类型合并、结果输出，如图2所示。其中影像分割、空间关系分析和规则集构建是核心部分。

图2 总体流程图

1.影像多尺度分割

高分辨率遥感影像多尺度分割是面向对象信息提取的前提基础。通过多尺度分割，将空间分布上相同和相似的像元聚类成为一个目标体，实现影像像元向目标基元的转换。整个分割过程需要人工干预的是最佳尺度选择和最优分割参数。由于地理实体的格局普遍存在尺度依赖性，因此针对特定的地物目标选择一个最优分割尺度，才能正确地反映其空间分布结构特性，这是遥感影像多尺度分割的关键[17]。由于研究区存在多种地物目标，文中通过多次试验，最终确定了50和30两个尺度。分割的参数光谱紧致度选择为0.7，形状指数选择为0.3，这样的分割参数设置偏重对光谱的依赖，对于线性目标河道分割效果最好。在50尺度上，主要提取地物、湖泊和水库，而在30的尺度上提取沼泽和河道等细小的目标。在以上参数设置下分割后的对象内部同质性较高，边界轮廓较为清晰，具有较好的可分离性与代表性，如图3所示。

2.空间关系分析

空间分布(依赖）关系则是反映地物分异的另一重要特征，分层分类方法是揭示地物区域结构分布规律的重要地学分析方法。在干旱区流域水体(湖泊、河流）、沼泽、绿洲(草地）、沙漠、高山等地表景观，以水体为中心，景观格局呈现“圈层”结构，形成干旱区特有的景观依存格局和分异规律，如图4所示。水体的分布同湿地的分布在空间关系上必定存在空间相近、空间相邻、空间包含。按总体结构特征对每一层次定义一定的空间尺度，逐步融合不同类型空间分布知识并设计相应的分类决策规则，从而实现对影像中的地物单元从粗到细的逐层判别分类和提取。结合研究区实际情况，在分层提取时，首先提取开放性水域，再提取邻水的沼泽，然后提取离水沼泽，最后根据空间、形状、大小等特征，将水库、坑塘和河道等分开。

图3 遥感影像多尺度分割

图4 流域地表景观格局概念图

3.规则集构建

文中根据景观分异的模式，对湿地景观景物总体结构进行逐级分层次分析，并在以上景观格局依存规律指导下，提出了多特征融合的区域湿地分层提取方法。通过逐层构建规则集，融入空间特征和专家知识，实现流域湿地景观自动监测，具体技术流程如图5所示。

图5 干旱区湿地信息提取分层分类流程图

第一，在选择紧致度compactness为0.7，形状指数shape为0.3的基础上，分别在50和30的尺度上，完成影像的多尺度分割，实现像元到基元的转换，并计算相关空间和属性特征。第二，构建归一化水体指数NDWI和灰度共生矩阵GLCM，通过NDWI＞0.1和GLCM＞0.05，提取出可能是水的基元；进一步根据坡度slope＜0.1和面积area＞100，判断出开放性水域，通过基元合并，实现水体提取。第三，在邻水沼泽层，以开放性水体为重要的参考地物，通过地表湿度因子反演和空间关系分析，具体判别规则为距离水边的距离，即border to water＜0、光谱均值mean＜80和湿度指数wetness＞0，以实现河流和湖泊沼泽的识别。第四，对于一些独立单元的沼泽，根据纹理(GLCM＜0.2）、湿度(wetness＞0）、光谱指数(亮度较暗brightness＜0）以及空间关系特征(border to water＜5），识别出可能存在的沼泽地。第五，在水体层，通过对象合并，根据水域面积的大小，可分为水库和坑塘；而对于一些小的水域，依据对象的长宽比(length/width＞2.5）和已有的土地利用图中的河道空间位置信息叠加分析(overlay＞0），以及上文提出的河流、湖泊(坑塘）提取属性特征以及空间形态知识，实现坑塘和河流的提取。第六，相同类别基元对象合并，导出分类结果。至此完成了流域水库、坑塘、河道、沼泽等类型湿地的提取。

四、结果与分析

1.试验结果

按照上述的流程步骤，试验结果如图6所示。图6(a）为研究区的真彩色遥感影像镶嵌图，图6(b）为湿地遥感监测的结果图。通过遥感分类结果图和真彩色遥感影像对比可以看出，面向对象的区域湿地分层提取，基本上实现了流域范围内的水库、河道、湖泊坑塘以及沼泽等湿地类型的自动提取。

图6 面向对象湿地提取结果

2.精度分析

如果要进一步验证算法精度和有效性，评价结果必须客观可信。文中通过选取随机样本和目视解译相结合的方法，在试验区通过遥感详细目视解译，获取研究区的湿地景观遥感分类图。通过在每个类别中随机设置100个随机点，结合分类影像，统计误差混淆矩阵、总体精度和生产者精度，见表1。

从误差混淆矩阵可以看出，面向对象的分层湿地信息提取算法，对于玛纳斯湿地公园区的遥感监测取得了非常理想的效果，用户精度和制图精度(生产者精度）最低都达到了80%以上。尤其是对于水库和坑塘的识别，用户精度分别为98.97%、87.62%，制图精度分别为96%、87%。总体分类精度达到了87.5%，Kappa系数为0.833。这个精度基本可以满足自动分类的应用精度要求[18]。在制图精度上，精度最高的是水库，其次是坑塘，然后是沼泽，精度最低的是河道。沼泽的生产者精度主要受到离水沼泽影响，判断的精度有所降低；而和水域相邻的沼泽区域基本可以精确提取。对于河道而言，一方面宽度较窄；另一方面一些河道被误判为坑塘和沼泽，影响了整体制图精度。总之，通过面向对象的分层提取和空间关系的融入，对区域湿地信息遥感自动提取获得了较为满意的结果。

表1 湿地自动分类精度评价表

五、结束语

通过遥感技术手段实时地获取区域湿地信息，是湿地资源管理与规划和湿地生态保护的基础和依据。本文针对像素级湿地遥感信息智能提取过程中，对于空间特征信息应用得较少，自动化监测程度难以进一步提高等问题，分析了湿地在遥感图像上的光谱和空间特征，尝试在面向对象技术的支持下，通过空间关系的融入，实现多特征融合的湿地信息分层提取。同传统的智能提取算法不同，面向对象的湿地分层分类是一种决策树分类，分类结果的好坏取决于决策树规则集的构建，整个分类过程人为控制因素较多，分类结果可控。利用分层分类思想，通过逐层下剥和逐步设置规则条件，得到了最优信息提取结果。研究得到以下结论：

1）面向对象的遥感信息提取，其处理的对象从影像像元的像素层次过渡到了特征基元的对象层次，它更接近观测数据的思维逻辑，可以参与后续分析的特征数量上远较前者丰富，因此也更易于地学知识融合。

2）对象级分类构建的算法规则集可移植、可扩展，结构灵活，有利于专家知识的融入，整个提取过程可控；另外，避免了像素级计算中的“椒盐”或“毛刺”现象，为后处理制图编辑工作减少了很多工作量。

3）空间特征信息(如空间关系、空间位置等）是重要的地理特征信息，它与光谱特征信息相辅相成。本文通过空间关系特征知识的融入，在沼泽湿地信息对象级提取中发挥了重要的作用。这对于光谱特征复杂多变的地物信息提取可提供借鉴。

但是，本研究在多特征信息融合的湿地信息提取上还处于初步阶段，空间特征的使用上应用较多的是空间分布特征、空间位置信息及专家知识等。如何发现更多有效的特征和规则集，融入更多的专家知识，完善并发展针对特定类型湿地的地物目标对象化分析方法，构建适应区域特点的湿地专题信息自动提取模型，还有待于进一步深入研究。

[1]KUZILA M S，RNNDQUIST D C，GREEN J A.Methods for Estimating Wetland Loss：The Rainbasin Region of Nebraska，1927―1981[J].Journal of Soil and Water Conservation，1991，46(6）：441-446.

[2]刘红玉，李玉凤，曹晓，等.我国湿地景观研究现状、存在问题和发展方向[J].地理学报，2009，64(11）：1394-1401.

[3]AUGUSTEIJN M F，WARRENDER C E.Wetland Classification Using Optical and Radar Data and Neural Network Classification[J].International Journal of Remote Sensing，1998，19(8）：1545-1560.

[4]LUNETTA R S，BALOGH M E.Application of Multi-Temporal Landsat5 TM Imagery for Wetland Identification[J].Photogrammetric Engineering and Remote Sensing，1999，65(11）：1303-1310.

[5]PHILLIPS R L，BEERI O，DEKEYSER E S.Remote Wetland Assessment for Missouri Coteau Prairie Glacial Basins[J].Wetlands，2005，25(2）：335-349.

[6]黎夏，刘凯，王树功.珠江口红树林湿地演变及遥感定量分析[J].地理学报，2006，61(1）：26-35.

[7]张树清.3S支持下的中国典型沼泽湿地景观时空动态变化研究[M].长春：吉林大学出版社，2008.

[8]BLASCHKE T，HAY G J.Object-oriented Image Analysis and Scale-space：Theory and Methods for Modeling and Evaluating Multiscale Landscape Structures[C]∥Proceedings of the International Archives of Photogrammetry and Remote Sensing.Georgia：University of Georgia，2001.

[9]BENZ U C，HOFMANN P，WILLHAUCK G，et al.Multiresolution，Object-oriented Fuzzy Analysis of Remote Sensing Data for GIS-ready Information[J].ISPRS Journal of Photogrammetry＆Remote Sensing，2004，58(3-4）：239-258.

[10]BLASCHKE T，LANG S，LORUP E，et al.Object-oriented Image Processing in An Integrated GIS/Remote Sensing Environment and Perspectives for Environmental Applications[C]∥Environmental Information for Planning，Politics and the Public.Marburg：Metropolis Verlag，2000.

[11]SHACKELFORD A K，DAVIS C H.A Hierarchical Fuzzy Classification Approach for High-resolution Multispectral Data over Urban Areas[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41(9）：1920-1932.

[12]陈云浩，冯通，史培军，等.基于面向对象的和规则的遥感影像分类研究[J].武汉大学学报：信息科学版，2006，31(4）：316-320.

[13]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.

[14]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―――完达山以北三江平原为例[J].湿地科学，2012，10(4）：429-438.

[15]孙永军，童庆喜，秦其明.利用面向对象方法提取湿地信息[J].国土资源遥感，2008(1）：79-82.

[16]莫丽江，曹宇，胡远满，等.面向对象的湿地景观遥感分类―――以杭州湾南岸地区为例[J].湿地科学，2012，10(1）：206-214.

[17]明冬萍，王群，杨建宇.遥感影像空间尺度特性与最佳空间分辨率选择[J].遥感学报，2008，12(4）：529-538.

[18]JANSSEN L F，VANDERWEL F J M.Accuracy Assessment of Satellite Derived Land-cover Data：A Review [J].Photogrammetric Engineering＆Remote Sensing，1994，60(4）：410-432.

Wetlands Information Automatic Extraction from High Resolution Remote Sensing Imagery Based on Object-oriented Technology

ZHU Changming，LI Junli，ZHANG Xin，LUO Jiancheng

因湿地的类型多样和光谱特征的不确定性，其在高分辨率遥感影像上可人工目视解译，却难以自动化判读。本文在面向对象技术支持下，提出多特征融合的高分辨率遥感影像湿地信息分层提取。该方法首先通过面向对象分割技术转像元为基元，实现光谱相似像元的聚类；然后分析湿地景观格局依存关系和不同类型湿地提取的难易程度，确定提取的先后顺序；再挖掘不同类型湿地的地物光谱、空间形态、空间分布和空间关系等多种属性特征；最后通过分层分类、由易到难构建规则集，逐层融入空间知识，实现高分辨率遥感影像湿地信息自动监测。试验通过高空间分辨率卫星数据对玛纳斯国家湿地公园区进行遥感监测，结果表明，该方法能够快速实现区域范围内湿地信息的自动识别和快速提取，总体分类精度达到了87.5%，Kappa系数超过0.83，基本满足应用的需求，可为应用提供技术参考。

湿地信息；高分辨率遥感；自动监测；面向对象

P237

B

0494-0911(2014）10-0023-06

2013-08-29

国家自然科学基金( 41201460； 41101041；61074132）；国际科技合作项目(2010DFA92720）；水利部公益性行业科研专项(201201092）

朱长明(1983―），男，安徽庐江人，博士，助理研究员，主要从事遥感信息智能提取及湿地生态环境遥感研究等。

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.

10.13474/j.cnki. 11-2246.2014.0320