基于实测地物光谱的芦苇、柳、翅碱蓬数据融合与识别

基于实测地物光谱的芦苇、柳、翅碱蓬数据融合与识别

1野外遥感研究芦苇、柳树和叶子草是黄河三角洲植被群落的三种主要树种。它的覆盖率、构成群落的比例和空间分布信息对黄河三角洲生态系统的组成、结构和功能、湿地景观结构的动态变化、湿地生态系统的稳定和健康评估非常重要。传统的野外样方调查方法能准确获得这些信息,但需要大量的人力、物力、财力和时间,因此不宜于长期开展。现在常用的是一定量的野外样方调查结合遥感信息提取的方法(一般都需要已知样本或纯端元光谱),该方法简单、需要相对较少的人力、财力和时间,但精度相对较低,主要受制于遥感数据的空间和光谱分辨率、采用的遥感信息提取方法和操作人员的经验。在现代黄河三角洲,除芦苇外,柽柳、翅碱蓬多呈斑状、簇状零星散布,其直径一般都小于10m,这对于空间分辨率大于10m的遥感影像,通过直接从影像上获得柽柳、翅碱蓬已知样本或纯端元光谱来说非常困难,依此而进行的遥感信息提取必将面临巨大挑战。本文一方面通过野外光谱实测获得近乎纯净的芦苇、柽柳、翅碱蓬野外光谱,解决从空间分辨率大于10m的遥感影像上获得这些植被的纯端元光谱的难题,另一方面对它们的野外光谱数据进行挖掘,以期获得一种简单的自动或半自动方法去识别这些主要植被,以提高工作效率和判别精度。应用实测地物光谱特征对TM图像进行地物识别,常见于土地利用/土地覆被一、二级类的信息提取,对于植被建群种的识别由于TM图像空间分辨率的限制和混合光谱的原因少见于报道。本文只是这方面初步的尝试。2现场光谱处理2.1野外光谱分析反射率的获得野外光谱测量仪器选用美国ASD公司的FieldSpec®ProFR便携式分光辐射光谱仪。波长范围:350~2500nm。选天气晴朗的时间(2007年10月16日~19日,当日时间上午8:30到下午3:30)进行植被光谱测量,探测高度约植被上方30cm。每测一点的植被,首先优化仪器、测白板,然后连续测5次植被。最后在室内利用已知99%白板反射比值将植被野外光谱测量值转化为植被反射率值,取5次反射率平均值为该点植被的野外光谱反射率值,由此获得350~2500nm范围内每个波段(光谱分辨率:重采样后1nm,波段数:2151个)的反射率值。在野外共获得芦苇(8个)、柽柳(5个)、翅碱蓬(23个)野外光谱36个。2.2野外光谱分析由于大气强吸收(1350~1460nm和1790~1960nm)、水汽及其他因素干扰影响,ASDFieldSpec®ProFR野外光谱测量数据中,仅350~1349nm、1461~1789nm、1970~2002nm和2018~2300nm范围内的1645个波段被选用来研究植被野外光谱特征。分别比较芦苇、柽柳、翅碱蓬野外光谱曲线,剔除了9个异常光谱(3个芦苇、1个柽柳和5个翅碱蓬光谱),剩余27个野外光谱用于下面的研究。2.3特征谱件的确定剔除了异常波段之后的野外光谱数据仍有1645个波段,具有丰富的信息。直观地从光谱曲线上看,芦苇、柽柳在559nm附近有明显的波峰,而与芦苇、柽柳相比,翅碱蓬在639nm附近具有明显的波峰。但如何从这么多波段中找出芦苇、柽柳、翅碱蓬各自的特征波段以及可用于区分它们的特征波段对于多光谱遥感至关重要。这可理解为类内特征和类间特征波段的选择。对同属一类别的目标特征而言,若某个特征量分布较为疏松,而其方差较大,说明该特征量不能很好地表征目标;方差小,说明该特征量分布较为紧密,能较好地表征此类目标。根据这个规则,可以初步确定类内特征波段。对于类间特征的初步确定,较简单的有Fisher比率法,某特征的Fisher比率越大意味着该特征对分类贡献大,该特征宜选为类间特征,Fisher比率小的变量则可弃去不用。基于上述方法,本文利用获得的27个野外光谱数据进行了现代黄河三角洲芦苇、柽柳、翅碱蓬野外光谱特征分析,结果发现:芦苇、柽柳、翅碱蓬类内和类间特征分别位于350~700nm和350~550nm之间,说明可见光波段对于这几种植被的识别和区分最有利。2.4柳野外工作方法对重采样结果的影响常用的、易获得的、存档数据时间长的多光谱卫星遥感数据为美国陆地卫星TM数据,经常被用来进行土地覆被/土地利用、植被信息提取等研究。为此,将经过预处理的野外光谱数据重采样至TM数据可见光-近红外-短波红外对应波段光谱。重采样常用的方法有算术平均法、中心波长法和光谱响应函数法。本文分别利用这3种方法对经过预处理的27个野外光谱进行了重采样,然后利用配对样本T检验方法(Paired-SamplesTTest)比较了3种重采样方法对于重采样结果有无显著差异。对于芦苇和柽柳野外光谱来说,对应TM7波段的重采样结果,中心波长法与算术平均法和光谱响应函数法均无显著的差异,对应TM5波段的重采样结果,算术平均法和光谱响应函数法无显著的差异,其余各波段3种重采样方法结果均有显著差异;对于翅碱蓬野外光谱来说,对应TM7波段的重采样结果,中心波长法与算术平均法和光谱响应函数法均无显著的差异,算术平均法与光谱响应函数法无显著的差异,对应TM5波段的重采样结果,算术平均法和光谱响应函数法无显著的差异,其余各波段3种重采样方法结果均有显著差异;不区分芦苇、柽柳和翅碱蓬比较3种重采样方法对于重采样结果有无显著差异,发现对应TM7和TM2波段的重采样结果,中心波长法与算术平均法和光谱响应函数法均无显著的差异,对应TM5波段的重采样结果,算术平均法和光谱响应函数法无显著的差异,其余各波段3种重采样方法结果均有显著差异。通过直观比较芦苇、柽柳和翅碱蓬3种重采样方法光谱曲线,发现这种差别很小,且主要是光谱量值的差异而不是光谱形态上的差异,特别是算术平均法和光谱响应函数法重采样后的光谱曲线十分相近,而算术平均法相对于光谱响应函数重采样方法来说计算简单,不需要TM传感器各波段响应函数值,因而可被方便使用,本文即采用算术平均法进行野外光谱重采样用于后面的分析。2.5说事结果及结果分析对重采样后的芦苇、柽柳、翅碱蓬数据利用2.3中Fisher比率法进行类间特征提取,发现:对于芦苇和柽柳分类来说贡献由大到小顺序为TM1>TM2>TM5>TM7>TM4>TM3;对于芦苇和翅碱蓬分类来说贡献由大到小顺序为TM1>TM3>TM7>TM2>TM5>TM4;对于柽柳和翅碱蓬分类来说贡献由大到小顺序为TM1>TM3>TM7>TM5>TM4>TM2。为此,将常规假彩色合成RGB432中的波段2用波段1代替,发现能提高目视解译这3种植被的效果。利用重采样后的芦苇(5个)、柽柳(4个)、翅碱蓬(18个)数据求取各自的平均光谱曲线,如图1所示。可以看出,芦苇和柽柳光谱曲线形态相近,芦苇各波段光谱反射率均大于柽柳各波段光谱反射率,且TM4与TM3构成的直线斜率(TM4-TM3)芦苇远大于柽柳。翅碱蓬与芦苇和柽柳光谱曲线形态迥异,从(TM1-TM3)、(TM4-TM7),芦苇和柽柳光谱曲线向下弯曲,而翅碱蓬光谱曲线向上弯曲,这可以分别用(TM2-(TM3+TM1)/2)和(TM5-(TM7+TM4)/2)来进行区分。即如果(TM2-(TM3+TM1)/2)≤0,那么该光谱曲线属于翅碱蓬,反之则属于芦苇和柽柳;如果(TM5-(TM7+TM4)/2)≤0,那么该光谱曲线属于翅碱蓬,反之则属于芦苇和柽柳。通过反复比对重采样后的芦苇(5个)、柽柳(4个)、翅碱蓬(18个)光谱曲线,我们发现(TM2-(TM3+TM1)/2)≤0可以用来很好地识别翅碱蓬,而(TM5-(TM7+TM4)/2)≤0有较大的不确定性,即不能很好地将翅碱蓬光谱与芦苇和柽柳光谱区分开来。另外,从图1可知,TM4与TM3构成的直线斜率翅碱蓬一般都处于芦苇与柽柳之间,这样,我们就可以利用(TM2-(TM3+TM1)/2)和(TM4-TM3)组合来进行芦苇、柽柳、翅碱蓬判识了。图2是27个野外光谱数据(TM2-(TM3+TM1)/2)和(TM4-TM3)的散点图。从图2可以看出,除一个翅碱蓬样品(TM2-(TM3+TM1)/2)大于0外,其余17个翅碱蓬均小于0,利用(TM2-(TM3+TM1)/2)来判别翅碱蓬的准确率为94.44%。利用(TM4-TM3)∈[0.1258,0.1703]中任何一个值都可以将芦苇与柽柳完全区分开来,图2中取值为0.15,但考虑到本次芦苇、柽柳野外光谱样品数较少,且该值易受群落组成、结构、生物量等影响,因此其具体取值应考虑试验区实际情况而定。3甘蔗、酒精和碱蓬3.1tm遥感数据由于没有购买到同步TM遥感数据,因此作者选取了植物生长季节相同的2006年10月2日的TM遥感数据。由于现代黄河三角洲以外多被开垦为农田,因此利用现代黄河三角洲外边框裁切上述TM遥感数据作为本次芦苇、柽柳、翅碱蓬TM分类试验用数据,以减少工作量。3.2遥感图像处理软件获得的TM原始数据记录的是灰度值,不能直接应用野外光谱获得的规律来进行芦苇、柽柳、翅碱蓬判别,需要经过大气校正后才能使用。为此,作者利用PCIGeomaticaV10.0.3遥感图像处理软件中的ATCOR2大气校正功能对所用TM数据进行了大气校正,由于其所得结果数值范围为0~255,对于8bit遥感数据须除以4获得真实反射率值。具体步骤可参见PCIGeomaticaV10.0.3遥感图像处理软件中的ATCOR2帮助文件。本文的目的是识别芦苇、柽柳和翅碱蓬,因此首先利用监督分类的方法将试验区TM遥感数据分为水体、农田、建筑用地、林地、灌草地、未利用地,然后将水体、农田、建筑用地、林地、未利用地掩膜掉,制作成掩膜图像,用于后面主要建群种的判别,以减少计算量和其他类别对分类的干扰。3.3柳、柳群落分类在芦苇、柽柳、翅碱蓬野外光谱判别规则的基础上,结合所获取2006年10月遥感图像数据,建立芦苇、柽柳和翅碱蓬TM分类决策树。即:如果(TM2-(TM3+TM1)/2)≤0,那么判别为翅碱蓬群落;进一步判别,对于(TM2-(TM3+TM1)/2)>0,如果(TM7-TM4)≤-0.08,则为芦苇群落,如果-0.08<(TM7-TM4)≤-0.03,则为柽柳群落,分类结果见图3。利用2006年5月野外植被调查数据对分类结果进行验证,发现60个样本中有38个样本判别正确,判对率为63.3%。其中,柽柳样本共16个,有4个被误判为芦苇,判对率为75%;芦苇样本共37个,有8个被误判为芦苇,7个被误判为翅碱蓬,判对率为60%;翅碱蓬样本共7个,有2个被误判为柽柳,1个被误判为芦苇,判对率为57%。由图3可见,芦苇群落是现代黄河三角洲最为主要的植被群落,分布于河道、水渠和水库等水分较大地区周边;其次为柽柳群落,主要分布于滩涂向陆一侧的盐碱滩地;翅碱蓬群落最少,呈斑状零星分布于芦苇、柽柳群落周边。4柳、柳、野外植被物种混合特征利用野外光谱数据或野外重采样数据(TM对应波段)都能很好地判别芦苇、柽柳和翅碱蓬群落,如图2所示,翅碱蓬的判别精度可达94.44%,而利用(TM4-TM3)∈[0.1258,0.1703]中任何一个值都可以将芦苇与柽柳完全区分开来。但应用到遥感图像,判对率仅为63.3%。原因可能为:①野外光谱采集时视场小,芦苇、柽柳和翅碱蓬光谱纯净,而遥感图像包含土壤、水等背景因素光谱为混合光谱,因而判对精度降低;②芦苇、柽柳和翅碱蓬群落多为三者或其他植被物种混合,即芦苇群落中可能包含了柽柳和翅碱蓬,柽柳群落中可能包含了芦苇和翅碱蓬,翅碱蓬群落中可能也包含了芦苇和柽柳,这就增加了误分的几率;③芦苇和柽柳光谱曲线形态无太大差异,主要是反射率大小的差异,而植被长势差异是影响反射率大小的主要因素,这也增加了芦苇、柽柳误判的几率;④野外光谱样本和野外植被调查样本相对较少,这也增加了基于野外光谱数据建立的决策树用于群落遥感识别误判的几率;⑤尽管使用了PCIGeomaticaV10.0.3遥感图像处理软件中的ATCOR2进行了TM图像大气校正,但由于使用的是软件提供的标准大气,而图像获取时的大气条件、能见度等复杂多变,因而与实测地物反射率之间尽管光谱曲线形态相似但绝对值之间仍存在一定的差异,这也增加了基于野外光谱数据建立的决策树用于群落遥感识别误判的几率。另外,本次野外调查所用GPS水平定位