基于多时相CBERS影像的陆生生境变化研究

陈鹏霄，申邵洪

（长江科学院空间信息技术应用研究所，武汉 430010）

基于多时相CBERS影像的陆生生境变化研究

陈鹏霄，申邵洪

（长江科学院空间信息技术应用研究所，武汉 430010）

采用国产CBERS影像为数据源开展陆生生境变化监测研究，文章以三峡大坝下游枝城区域为研究对象，运用最大似然、马氏距离、支持向量机等多宗分类方法，分别获取水、植被、建筑物等主要陆生生境要素，分析了三峡蓄水前后枝城区域陆生生境要素之间的变化关系。实验结果表明：从2001年至2009年期间枝城区间水体面积变化不大，三峡的初期蓄水对枝城区间的陆生生境变化影响不明显，成果说明国产的CBERS影像能够有效应用于获取中等尺度的陆生生境要素，能够有效分析生境要素的变化，为流域环境保护和城市规划研究提供信息支持。

CBERS；陆生生境；变化分析；遥感分类

1 概 述

经济的高速发展加大了人们对资源的要求，水能、矿产、土地等资源的开发利用不断改变区域的生态环境。随着人们对环境问题认识的不断深化，环境保护、生态平衡及可持续发展的问题逐步成为人们关注的热点问题。如何有效分析资源的开发利用对环境的影响程度是开展生态环境保护的首要工作［1，2］。遥感影像具有信息丰富、覆盖范围广的特征，可对生态环境进行大范围、全局性动态监测和变化分析［3，4］。

空间信息技术高速发展以来，国产卫星遥感平台在技术水平上取得了长足的发展和进步，大量遥感数据能够得到广泛应用，很大程度上促进了国产卫星遥感在国民经济和社会发展中的作用［5］。CBERS卫星的应用目标是利用先进的空间遥感技术为中国和巴西两国的农业、林业、地质、水文、测绘和环境等资源的调查、开发、管理和监测服务［6，7］。

本文利用中巴地球资源卫星（CBERS）进行长江流域区域陆生生境的变化分析研究，在分析CBERS中分辨率遥感影像优缺点的基础上，探讨了CBERS多波段中分辨率遥感影像应用于陆生生境要素识别工作的潜力。

图1 研究区域行政概况Fig.1 Illustration of Researched Area

2 研究区域与数据

2.1 中巴地球资源卫星（CBERS）

中巴地球资源卫星（CBERS）是中国与巴西联合研制的传输型陆地光学遥感卫星。CBERS－01卫星是1988年立项研制的，1999年10月14日正式发射上天。星上搭载了CCD传感器、IRMSS红外扫描仪、广角成像仪，提供了从20～256 m分辨率的11个波段不同幅宽的遥感数据。CBERS－02于2003年10月21日发射升空并进入了正常的运行状态，卫星指标基本和CBERS－01星相同。

本文选择枝城为研究对象，采用2001年、2008年和2009年CBERS中分辨率遥感影像，研究区域内不同时相间的陆生生境要素变化状况。

2.2 研究区域介绍

枝城地区位于湖北省的枝城市内，位于湖北省中西部，地处长江中游，坐落北纬30.42°，东经111.42°，至北纬30.23°，东经111.70°范围内（见图1）。区域范围内水量充沛，河网发达，地物种类繁多。选用枝城作为研究区，一方面是该区域是我国长江中下游典型的河流，且两岸分布众多人口居住区，研究其陆生生境要素变化对当地的生态环境保护、生活生产及河流水量平衡研究等具有重要意义。另一方面，枝城位于三峡大坝下游区域，通过对比分析大坝蓄水前后的生境要素变化状况，其研究结果能够用于分析水资源的高效利用对下游生态环境的影响。

2.3 实验数据

研究选用数据包括：研究区2001年、2008年和2009年CBERS中分辨率遥感影像，1∶50 000河道地形数据。CBERS影像空间分辨率为20 m，覆盖范围为1 120×1 080像素。

研究选用CBERS遥感影像，该数据具有易获得性和时间的延续性，能够提供自2000年以来枝城区域的陆生生境要素信息，所用遥感影像为中国资源卫星应用研究中心提供，经过了大气校正、辐射校正和几何校正等预处理工作，配准的精度在一个像元内。

图2是1，2，3波段合成的假彩色影像，通过多时相影像之间的目视对比分析，水体在不同时相影像上面呈现出不同颜色。对影像进行放大后，分析局部细节，植被覆盖区域的光谱特征也存在较为严重的差异。2001年的实验数据为CBERS－1影像，其影像质量缺陷之处主要体现在条带噪声严重、辐射分辨率低。

图2 实验区域多时相CBERS原始影像Fig.2 Original M ulti-temporal CBERS Images of the Researched Area

2008年和2009年的实验影像为CBERS－2影像，相对而言，此两项缺陷均有大幅度的改进，但是相对TM影像而言，辐射分辨率还是呈现不足，影像特征上表现为部分建筑物区域和相邻植被覆盖之间的光谱差异不明显。影像几何特征方面，放大局部细节，与同等分辨率的TM影像相对比，CBERS－2影像的清晰度不高，表现为影像表层存在模糊噪声，降低了影像的视觉质量。

1∶50 000河道DEM数据为我国测绘部门生产的国家标准图幅DEM数据，DEM数据类型为规则格网，其格网尺寸为20 m×20 m。

为开展研究工作，将3个时间段的CBERS遥感、DEM数据调整到统一投影系统和坐标体系。

3 研究方法

3.1 最大似然法

最大似然分类法是最常用的监督分类方法，它通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去.它假定训练区地物的光谱特征近似服从正态分布，利用训练区可求出均值、方差以及协方差等特征参数，然后求出总体的先验概率密度函数，并利用Bayes公式进行后验概率的计算，根据其最大值原则判定类别归属

式中：N是波段数；ui为均值；Vi是协方差矩阵；Pi（x）为类别判定函数；X为多波段遥感影像光谱特征矢量。

3.2 马氏距离法

设n维矢量xi＝（，…，）和xj＝，…，）是矢量集｛x1，x2，…，xm｝中的2个矢量，令类别中心v＝xj，则待识别模式xi到类别中心的马氏距离定义为

式中：d2（xi，v）为矢量xi到类别中心v的马氏距离；v为类别中心；m为类别数；xi为n维矢量。

3.3 支持向量机

支持向量机（support vector machines，SVM）是一种基于统计学习理论的机器学习算法，采用结构风险最小化（structural risk minimization，SRM）准则，在最小化样本误差的同时缩小模型泛化误差的上界，从而提高模型的泛化能力［8］。

SVM是在一个可分的2类问题的最优超平面基础上发展而来的，如图3所示，同样一个问题可能存在多个分类超平面能够将训练样本准确地分开，如图3中的Z1和Z2，根据知觉判断，通常会认为Z1优于Z2，假设有N个训练｛（x1，y1），（x2，y2），…，（xn，yn）｝，xi∈Rd，yi∈｛±1｝，要通过这些样本点得到一个线性超平面分类器

式中：sgn为符号函数；x为矢量；b为函数的参数；w为函数的参数。

图3 分类超平面Fig.3 Hyperp lane of classification

这2个超平面之间没有任何样本点并且他们之间的距离最大，即Z能将2类正确分开，且使分类间隔最大。此时Z1和Z2之间的距离为2／‖w‖，因此最大化这个距离可以转化为最小化‖w‖2＝wTw，而要求分类器对所有样本正确分类，就是要求它满足

式中：yi∈｛±1｝；w为函数的参数；xi为矢量；b为函数的参数；n为样本个数。

因此，满足条件（4）且使‖w‖最小的超平面叫做最优超平面，Z1和Z2上的训练样本点就称为支持向量。

使分类间隔最大实际上就是对推广能力的控制，这是SVM的核心思想之一，根据统计学习理论，一个规范超平面构成的指示函数集

的VC维h满足

式中：w为函数的参数，‖w‖≤A；R为覆盖样本向量的超球半径。

根据上面的讨论，在线形可分条件下构建最优超平面，就转化为下面的2次规划问题：

式中：min为最小化；st为约束条件。

利用Lagrange优化方法可以把上述最优分类面问题转化为其对偶问题，这样就可以对任一新的样本点x进行下式分类，

式中：x为任意新的样本点；sgn为符号函数；w，b为函数的参数；n为样本个数；xi为支持向量；ai为系数。

4 研究区域主要陆生生境要素分类实验

本文主要研究陆生生态系中的水、植被和人工建筑物等3大要素，各类的样本数目为：植被73，水体184，建筑物189。分别采用最大似然法、马氏距离法和支持向量机对多个时间段的CBERS影像进行分类，取得的分类结果如图4所示。受影像辐射分辨率的影响，存在建筑物和水体混分的现象，具体表现为2001年CBERS影像，中心位置的建筑物区域误分为水体。采用河道DEM数据，以高程信息为分析依据，对建筑分类结果进行修正。通过对分类结果的目视分析可以发现，最大似然法取得的分类结果中，在2001年、2008年和2009年的分类结果中，都存在大量水体误分为建筑物的情况。马氏距离法分类结果中，植被覆盖区域受噪声和阴影的影响较为明显，在2008年的马氏距离分类结果中，植被区域被误判为建筑的现象较为明显。通过实验结果的综合分析可得支持向量机能够取得最好的分类结果，适合开展CBERS遥感影像的分类工作。

根据2001年、2008年、2009年3个时期CBERS影像的分类结果，分别计算了2001－2008年，2008－2009年期间不同3种要素的转移变化情况，变化矩阵如表2、表3所示。

分析2001年、2008年、2009年生境要素分类结果，2001－2008年期间建筑地类变化幅度较大，水和植被覆盖区域变化幅度较小。从生境要素转移情况看出，2001－2008年期间存在明显的植被转换为建筑物情况，说明这段时间研究区域内工业化建设和居民地扩展占据了植被覆盖区域。通过分析2001年、2008年、2009年3个时间段的分类结果和生境要素转移情况，表明研究区域生态环境整体类型处于良好状态，水和植被整体变化幅度小。特别是水体面积，3个时间段内未发生较大幅度的变化，说明三峡工程蓄水前后对此段河道的整体趋势未产生明显影响，整体水网体系能够保持平衡。值得注意的是建筑用地较大幅度提高，占用了植被覆盖区域，一定程度上对自然生态平衡产生影响。

图4 2001年、2008年、2009年CBERS遥感影像分类结果Fig.4 Images classification results of 2001，2008 and 2009

表1 2001年、2008年、2009年生境要素分类结果Table1 Classification Results of Environmental Elements

表2 2001－2008年生境要素变化转移矩阵Table2 Transfer matrix of Environmental Elements Changing from 2001 to 2008

表3 2008－2009年生境要素变化转移矩阵Table3 Transfer matrix of Environmental Elements Changing from 2008 to 2009

5 结 语

本文以枝城区域为研究对象，采用多时相CBERS影像，结合遥感分类方法，分析了流域范围内生境要素信息变化状况。通过最大似然、马氏距离和支持向量机的分类结果和精度分析，得知支持向量机具有最好的分类结果，更为适合CBERS影像生境要素分类。通过分析生境要素变化信息，发现2001年、2008年、2009年间实验区范围内水体分布状况未发生大幅度变化，说明三峡水库蓄水后未对研究区的水文状况产生明显影响。不同年份间的建筑物信息存在大幅度变化，表明CBERS影像适合于对城市总体格局趋势进行分析。研究结果表明，采用CBERS影像进行流域范围内的陆生生境要素研究是可行的，具备良好的应用前景，对推动国产卫星行业应用具有广阔的市场潜力，同时对推动国产遥感卫星的高水平发展具有重要的指导意义。

［1］ 毛战坡，彭文启，周怀东.大坝的河流生态效应及对策研究［J］.中国水利，2004，15（1）：43－45.（MAO Zhan-po，PENGWen-qi，ZHOU Huai-dong.Research on River Ecology Affection and Response of Dams［J］.China Water Resources，2004，15（1）：43－45.（in Chinese））

［2］ 陈求稳，欧阳志云.流域生态学及模型系统［J］.生态学报，2005，25（5）：1184－1189.（CHEN Qiu-wen，OUY-ANG Zhi-yun.Watershed Ecology and Modeling System［J］.Acta Ecologica Sinica，2005，25（5）：1184－1189.（in Chinese））

［3］ 彭光雄.多时相影像的典型区农作物识别分类方法对比研究［J］.地球信息科学学报，2009，11（12）：225－230.（PENG Guang-xiong.Study on Methods Comparison of Typical Remote Sensing Classification Based on Multi-tem-poral Images［J］.Journal Of GEO-Information Science，2009，11（12）：225－230.（in Chinese））

［4］ 李玉霞，李 丽，郑泽忠.CBERS-02图像在土地利用／覆盖动态监测中的应用［J］.四川师范大学学报（自然科学版），2006，29（5）：627－630.（LI Yu-xia，LI Li，ZHENG Ze-zhong.The Application of CBERS-02 Remote Sensing Image in the Land Use／Overlay Dynamic Monito-ring［J］.Journal of Sichuan Normal University（Natural Science），2006，29（5）：627－630.（in Chinese））

［5］ 何宇华，史良树，张荣慧，等.中巴资源卫星数据（CBERS－02）在土地调查中的应用［J］.中国土地科学，2007，21（2）：51－57.（HE Yu-hua，SHI Liang-shu，ZHANGRong-hui，et al.Application Research of CBERS-02 Data in Land-use Survey［J］.China Land Science，2007，21（2）：51－57.（in Chinese））

［6］ 张庆君，马世俊.中巴地球资源卫星成就与发展［J］.航天器工程，2009，18（4）：1－8.（ZHANG Qing-jun，MA Shi-jun.Achievements and Progress of China-Brazil Earth Resource Satellite［J］.Spacecraft Engineering，2009，18（4）：1－8.（in Chinese））

［7］ 武佳丽，余 涛，顾行发，等.中国资源卫星现状与应用趋势概述［J］.遥感信息，2008，（6）：96－100.（WU Jia-li，YU Tao，GU Xing-fa，et al.Status and Application Trend of Chinese Earth Resources Satellites［J］.Remote Sensing Information，2008，（6）：96－100.（in Chinese））

［8］ BRUZZONE L，MELGANI F.Classification of Hyper-spectral Imageswith Support Vector Machines：Multi-class Strategies［C］∥Proc.Image and Signal Processing for Re-mote Sensing IX，SPIE，Barcelona，8－9 September，2003：408－419.

（编辑：王 慰）

Research on Terrestrial Eco-Environment Changing Based on M ulti-Temporal CBERS Images

CHEN Peng-xiao，SHEN Shao-hong
（Changjiang River Scientific Research Institute，Wuhan 430010，China）

Based on multi－temporal CBERS remotely sensed images of the Zhijiang area of the Yangtze River Ba-sin，this paper obtains terrestrial environmental elements such aswater taking，vegetation and structures separately by using Maximum likelihood classifier（MLC），Mahalanobis distance classifier and Support Vector Machine（SVM），and makes an analysis of the change relationship between the area＇s terrestrial environmental elements be-fore and After the impoundment of the Three Gorges Reservoir.The results prove that the CBERS images can be used to gain terrestrial environmental elements in a middle size river basin and their change relations effectively，which would be an useful technical support on the basin’s environment protection and city planning.

CBERS；terrestrial environment；classification of remote sense

X37；TV697.2

A

1001－5485（2011）02－0069－05

2010-05-31

人力资源和社会保障部留学人员科技活动项目基金（QTGY0906／KJ01）

陈鹏霄（1977-），男，山西芮城人，高级工程师，主要从事水信息学研究，（电话）027-82926469（电子信箱）cpx21peng＠hotmail.com。