乔 红，万鲁河**，郑倩玉

(哈尔滨师范大学；黑龙江省普通高等学校地理环境遥感监测重点实验室)

LANDSAT 8 OLI影像不同融合方法的地类信息提取*

乔 红，万鲁河**，郑倩玉

(哈尔滨师范大学；黑龙江省普通高等学校地理环境遥感监测重点实验室)

为了探究影像融合技术在土地分类中的适用性，找出适用于不同地物提取的融合方法，以LANDSAT 8 OLI 15m全色/30m多光谱影像为数据源，采用PC变换、Brovey变换、GS变换三种融合法对全色和多光谱影像进行融合，并对融合结果进行了定性和定量评价.基于地物光谱特征、决策树分类法提取研究区地类信息，比较多光谱影像和融合影像的信息提取精度.结果表明，三种融合方法均在空间细节表现能力得到提升，GS融合影像对建筑物识别能力较强，适用于城市建筑提取，而PC融合影像信息量最为丰富，突出显示水和植被信息，总分类精度和Kappa系数均为最高，是最适于农业信息提取的融合方法.

LANDSAT 8 OLI影像;影像融合；融合结果评价；地类信息提取

0 引言

土地利用变化是全球环境变化和陆地生态系统对全球气候变化和人类活动最重要的响应之一[1-3].遥感技术研究成为及时掌握土地利用信息的重要手段，提高遥感影像的时间、空间分辨率，在监测土地覆盖变化、农作物生长状况等方面具有重大意义[4-7].利用遥感影像融合技术，可进一步提高影像中地物分析理解与目标识别能力，获得高精度内容丰富的土地利用信息[8-13].该文应用LANDSAT 8 OLI影像为数据源，该影像波段较多，波段信息丰富，有利于分析地物特征.通过分析均值、标准差、信息熵、相关系数等指标，找到最适合的地类信息提取最优融合方法.利用决策树分类方法提取土地利用信息并对分类结果进行分析，对比融合影像和原始多光谱影像分类结果，探究融合影像在土地利用信息提取方面的优势，最终得到研究区高精度土地利用信息提取方法.

1 研究区及数据

1.1 研究区概况

巴彦县是哈尔滨市郊区县，位于黑龙江省中部偏南，松花江中游北岸，松嫩平原东部的边缘地带.地理坐标为东经126°45′53″～127°42′16″、北纬45°54′28″～46°40′18″之间.地势平坦平原占总面积的2/3，山区、水域及其他土地占1/3，形象称之为“三山一水六分田”，地理形状呈楔形，总的地势由东北向西南逐渐降低，形成东高、西低、北岗、南平、中部多丘陵的趋势.巴彦县受季风气候的影响，四季分明，温差较大，年平均气温2.9℃，属中温带大陆性季风气候.

研究区的核心区地处东经127°13′59″～127°35′22″，北纬45°56′58″～46°11′36″已经形成了区域化布局，土地覆盖类型丰富，包含建设用地、旱田、水田、水域、林地、草地、沙地、裸地等地物类型，以旱田、水田为主的农作物占主要地类(如图1所示).

图1 研究区示意

1.2 实验数据

美国国家航空航天局(NASA)于2013年2月成功发射了Landsat 8卫星，主要携带了陆地成像仪(OLI)、热红外传感器(TIRS).OLI陆地成像仪包括9个波段，空间分辨率为30 m，其中第八波段为全色波段，空间分辨率为15 m.该文使用的影像获取时间为2015年6月16日，轨道号为118/28，云量为0.05.

2 研究方法

2.1 融合方法

该文采用的三种融合方法为：比值变换(Brovey)法、主成分(PC)变换法、Gram-Schmidt Pan Sharpening(GS)法.

2.1.1 比值变换(Brovey)法

Brovey 变换要求两幅影像光谱响应范围相同，通过归一化后的两影像的乘积来增强影像的信息.其表达式为：

2.1.2 主成分(PC)变换法

PC变换是先将多个波段的多光谱影像进行主成份分析，将单波段的高分辨率全色影像经过灰度拉伸，使其灰度的均值、方差和主成分变换第1分量图像一致；然后以拉伸过的高分辨图像代替第1分量图像，经过主成分逆变换还原到原始空间.

2.1.3 Gram-Schmidt Pan Sharpening(GS)法

GS 变换是将多光谱影像转换到正交空间消除冗余信息，使变换后的各分量在正交空间里都正交，经过Gram-Schmidt反变换得到融合影像.

2.2 融合评价方法

融合影像质量评价主要从定性评价和定量评价两方面考虑.定性评价又称为主观评价，主要检验图像光谱保真程度和空间细节改进效果.定量评价又称为客观评价，利用影像间统计特征，用科学全面的数据反应融合结果.该文主要选取均值、标准差、信息熵、相关系数作为评价因子，见表1.

2.3 决策树分类

决策树分类作为一种基于空间数据挖掘和知识发现的分类方法，具有分类速度快，准确性高等特点，该文根据统计不同地类的光谱特征，构建决策树分类模型，对融合后的影像进行典型地物高精度提取.

3 结果与分析

3.1 影像融合结果分析

融合后的影像不仅要有更高清的分辨率，还要具有典型的地物特征，提高各地物识别能力，提高变化监测能力.在ENVI5.1平台下中，对LANDSAT 8 OLI影像的8个波段进行了融合处理，得到15 m分辨率的融合影像.融合结果见表2 ，表3.

表1 融合影像评价因子

表2融合影像结果

通过对融合影像的目视判读可以看出，融合影像比原始多光谱影像清晰，影像分辨率有所提高.PC变换和GS变换融合后的影像含有7个波段，Brovey变换融合后的影像只剩下3个波段丢失了大量波段信息.GS融合影像均值适中，色彩与原始影像保持一致，视觉效果良好.Brovey融合影像相关系数最大，纹理信息较为丰富.PC变换融合后的影像虽然与原始影像在色彩上有所偏差，但标准差、信息熵、均为最大，融合后的影像信息量丰富.通过观察可以看出该方法融合后的影像突出显示水体信息，结合耕地纹理特征可用于提取农业信息中的旱田、水田.

表3 融合影像定量评价表

3.2 地类信息提取

从评价结果可以看出，融合方法会对影像特征产生一定的影响，导致地物表现不同的纹理光谱特征，选取融合后波段较多的GS融合影像和PC融合影像进行地类信息提取.根据研究区范围内的土地利用情况，确定研究区地物类型为建设用地、水域、林地、草地、旱田、水田、沙地、裸地共8类，从影像上通过目视判读，对各类地物进行取样，计算所有融合影像各地物的灰度均值，分析研究区内各地物在各波段上的灰度均值特征(图2).由图2可知，沙地在前4个波段反应的灰度均值大于其他地物.水在第五波段灰度均值最小.林地在第五波段上灰度均值最大，第四波段上平均DN值最小，易于其他地物进行区分.结合平均DN值分析、影像的色调特征分别在多光谱影像和各融合影像上获取ROI训练样本，样本可分离性大于1.9时建立决策树分类模型对多光谱影像、融合影像进行地类信息提取.

图2 研究区内地物不同波段的灰度均值特征

(a)多光谱影像 (b)GS融合影像 (c)PC融合影像

图3 多光谱影像和融合影像土地覆盖分类结果

分类精度/%建设用地旱田水田草地林地水域沙地裸地总精度/%Kappa系数多光谱影像85.4589.6483.2779.2884.2889.3285.6382.1784.790.8237GS融合影像88.3290.3784.6882.2184.6389.5687.6183.2686.920.8698PC融合影像86.9691.6887.9480.5286.7289.8487.5284.2588.680.8724

从表4中可以看出，与原始多光谱影像相比，GS融合影像和PC融合影像均有所提高，GS融合影像较原始多光谱影像相比，总精度提高2.13%，kappa系数也有所提高.PC融合影像较原始多光谱影像相比，总精度提高了3.89%；GS融合影像在提取建设用地、草地上的分类精度高于PC融合影像，建设用地优于1.36%，草地优于1.69%；而在旱田、水田、水域、林地、沙地、裸地等土地类型上PC影像分类精度高于GS融合影像，旱田优于1.31%，水田优于3.26%，水域优于0.28%，林地优于2.09%，沙地优于1.89%，裸地优于2.08%.

通过GS融合影像和PC融合影像分类精度可以发现：GS融合影像更适合建筑物、草地等地类提取.PC融合影像更适合于农业用地、林地等植被较多的地物分类，如旱田、水田、森林等.PC融合影像空间细节表达能力和光谱信息保真程度较好，地物总分类精度和Kappa 系数最高，农业信息提取精度也略高于其他融合影像.

4 结论与讨论

采用PC变换、GS 变换、Brovey变换3种融合方法对Landsat 8 OLI卫星多光谱影像与全色影像进行融合处理，并对融合影像进行了定性、定量评价，评估了融合影像在土地信息提取方面的应用优势.从目视角度上，3种融合方法都增强了原始影像的空间分辨率和视觉效果，Brovey变换和GS变化融合后影像颜色更加贴近真实地物，PC变换融合影像中突出农业、水体信息，GS变换和PC变换融合后的影像不受波段限制，更适合于Landsat 8 OLI卫星融合.定量评价结果表明，PC融合影像能最大限度反应空间细节信息.从土地利用分类来看，PC融合影像的农业土地分类精度高于多光谱影像，因此，结合影像融合质量评价和土地覆盖分类结果来看，PC法是最适于农业、林业信息提取的融合方法.而GS法是最适于建筑用地提取的融合方法.

[1] 刘盛和,吴传钧,沈洪泉. 基于GIS的北京城市土地利用扩展模式[J].地理学报,2000(4):407-416.

[2] 杜国明,匡文慧,孟凡浩，等. 巴西土地利用/覆盖变化时空格局及驱动因素[J]. 地理科学进展,2015,34(1):73-82.

[3] 刘盛和,吴传钧,沈洪泉. 基于GIS的北京城市土地利用扩展模式[J]. 地理学报,2000(4):407-416.

[4] 庞治国,蔡静雅. 遥感影像发展趋势及其在农业中的应用[J]. 测绘通报,2017(7):45-48,54.

[5] 张翠芬,帅爽,郝利娜,等. GF-1影像和OLI影像协同土地利用模糊分类方法研究[J]. 地球信息科学学报,2017,19(1):2-9.

[6] 宋军伟,张友静,李鑫川，等. 基于GF-1与Landsat-8影像的土地覆盖分类比较[J]. 地理科学进展,2016,35(2):255-263.

[7] 安萍,马世斌,张焜,等. 资源一号02C与Landsat 8影像融合方法对比分析[J]. 测绘科学,2015,40(11):57-62.

[8] 李亮,周亚光,梁彬，等. 融合时间特征的遥感影像分类[J]. 国土资源遥感,2017,29(1):36-42.

[9] 别强,何磊,赵传燕. 基于影像融合和面向对象技术的植被信息提取研究[J]. 遥感技术与应用,2014,29(1):164-171.

[10] 敬忠良,肖刚,李振华.图像融合：理论与应用[M].北京:高等教育出版社,2007.

[11] 李春华，徐涵秋．高分辨率遥感图像融合的光谱保真问题[J]．地球信息科学，2008，10(4) : 520-526．

[12] 张寅玥，付炜．多源遥感图像融合算法研究[J]．电子测量技术，2010，33(6) : 34-38．

[13] 徐涵秋． Landsat 7 ETM+ 影像的融合和自动分类研究[J]．遥感学报，2007，9(2) : 186-194．

GroundClassInformationExtractionfromDifferentFusionMethodsforLANDSAT8OLIImages

Qiao Hong，Wan Luhe，Zheng Qianyu

(Harbin Normal University;Key Laboratory of Geographic Environment Remote Sensing Monitoring in Heilongjiang Province)

In order to explore the applicability of image fusion technology in land classification, to find out the suitable fusion method in different feature extraction, using LANDSAT 8 OLI 15m /30m panchromatic multispectral images as the data source, using PC transform, Brovey transform, GS transform fusion method of three kinds of panchromatic and multi spectral image fusion. And the fusion results are qualitative and quantitative evaluation. Based on the spectral features of land objects and the decision tree classification method, the information of land classification is extracted, and the information extraction accuracy of multi spectral images and fusion images is compared. The results show that the three fusion methods can improve the spatial detail performance. GS fusion image is more powerful for building recognition, and it is suitable for urban building extraction. The PC fusion image is the most abundant information, which highlights the water and vegetation information. The total classification accuracy and the Kappa coefficient are the highest. It is the most suitable fusion method for agricultural information extraction.

LANDSAT 8 OLI image; Image fusion; Fusion result evaluation; Information extraction

于达)

X83

A

1000-5617(2017)04-0077-05

2017-05-11

*2016年国家自然科学基金(200100016)

**通讯作者：619606135@qq.com