高光谱影像黄河口裸滩与黄河水区分能力评价

王建步，张杰，吴培强，马毅

（国家海洋局第一海洋研究所，山东 青岛 266061）

0 引 言

湿地具有很高的经济价值和生态功能，被誉为地球的“生物超市”和“自然之肾”［1］。黄河三角洲是我国三大河口三角洲之一，是我国最年轻，面积最大，保存最完整的新生河口湿地生态系统。其丰富的湿地植被和水生生物资源，大面积的浅海滩涂和沼泽，为鸟类的繁衍生息、迁徙越冬提供了优良的栖息环境，并使之成为东亚以至全球重要的水禽繁殖与栖息地，具有重要的生物保护和科研价值。但是近年来油田和农田的增加，导致了滩涂大面积围垦，造成海域自净能力下降，污染严重，对当地的生态环境造成了非常严重的影响，由此需要开展黄河生态资源监测。遥感具有大范围、同步观测、高时空分辨率和高频率等优势，可为湿地生态系统监测和管理提供经济、快捷、实时的数据来源。

湿地遥感分类方法主要有监督分类和非监督分类两种，目前已有许多学者将这两种分类方法应用到湿地生态监测中［2－6］。黄河口湿地的黄河水含沙量巨大，而河口区的裸滩含水量比较大，在卫星影像中，黄河水体和裸滩光谱特性差异较小，影响了基于光谱特征的黄河水和裸滩的分类精度。本文基于CHRIS高光谱影像，利用其高光谱分辨率的优势，结合水体指数算法开展了黄河口裸滩和黄河水的区分能力研究。

1 研究区与数据

1.1 研究区域

黄河口位于东营市境内，北靠渤海，东靠莱州湾，位于近代黄河三角洲内。同时，黄河携带大量泥沙在这里沉积，年均造陆2万余亩，使这里成为我国最年轻的土地。本文选取的研究区范围为37°42′N～37°50′N，119°3′E～119°13′E，该区域内地物丰富，具有中国暖温带保存最完整、最广阔和最年轻的湿地生态系统（图1）。

图1 CHRIS图像（15、10、5波段组合）

1.2 数据

本文选用的影像为PROBA－CHRIS影像，具有5种成像模式（表1），可获取0°、＋36°、－36°、＋55°和－55°等5种角度的高光谱图像。本文使用的数据是2012年6月获取的黄河口滨海湿地工作模式2的0°图像（图1），其光谱范围406nm～1035nm，光谱分辨率1.25nm～11.00nm，地面分辨率17m（表2）。采用ESA提供的HDFclean软件去除CHRIS影像的噪声和大气校正，包括缺失像元填充、条带噪声去除。

表1 CHRIS传感器成像模式

本文作者于2013年3月和2013年9月两次赴黄河口自然保护区开展现场踏勘，对影像地物进行了解译，并选定了黄河水和裸滩的采样范围，采样区见图1。

2 方法

从图1来看，黄河口自然保护区内黄河水由于含泥沙量太大，导致其在影像上颜色和纹理与滩涂上的裸滩基本一致，从而对该区域内地物监督和非监督分类带来一定的困难。水体指数计算中利用了绿光波段和近红外波段的反射率，其作用是利用植被在近红外波段和绿光波段反射率比值来抑制植被信息，突出水的信息。类似植被，裸滩在近红外也有很强的反射率，因此本文选择水体指数开展裸滩和黄河水两种地物的区分能力研究。

（1）水体指数（NDWI）

Mcfeeters提出的归一化差异水体指数（Normalized Difference Water Index，NDWI）便是其中之一［7］，其公式如下：

式中，Rgreen代表绿光波段；Rnir代表近红外波段。在CHRIS影像中，绿光波段为第2和第3波段，近红外波段为波段16、波段17和波段18。水体的反射从可见光到中红外波段在逐渐减弱，其中在近红外和中红外波长范围内吸收性最强，几乎无反射。由于所用的CHRIS影像没有中红外波段，因此本文选定为近红外波段。

（2）类距离

为了能更好地比较水体指数不同波段的优劣性，本文借鉴模式识别领域两类样本区分所采用的“类距离”来评定，公式如下：

式中，μm、μw分别为裸滩和黄河水在算法中计算的结果，分别为裸滩和黄河水的计算结果的方差。Dmw越大，则可说明对裸滩和黄河水的区分能力越好；反之，则表明区分能力弱［8］。

3 结果与分析

3.1 光谱特征分析

本文通过对选择出的样本区域进行处理，计算得到了裸滩和黄河水的在高光谱图像上的平均光谱和其标准偏差，如图2所示。

图2 裸滩和黄河水平均光谱及标准偏差

由图2可知，在绿光波段范围内，裸滩光谱和黄河水光谱及其标准偏差差异不明显。然而由于裸滩含水量的不同，在近红外波段，裸滩的光谱波动要比黄河水光谱波动大，即裸滩光谱的标准偏差大于相应波段黄河水光谱的标准偏差。在近红外波段范围内，裸滩的光谱随着波长增大反射率不断增加，而黄河水反射率，由于水体吸收特征，随着波长增大不断降低。两种地物光谱在近红外波段范围内随着波长向长波移动，标准偏差都在逐渐增大。故在利用水体指数提取裸滩和黄河水体时，对不同波段组合的水体指数区分裸滩和黄河水体的能力进行评价是必要的。

3.2 提取结果

本文利用水体指数算法，将CHRIS高光谱影像的绿波段的波段2和波段3，近红外波段的波段16、波段17和波段18进行了组合，共计6种；并计算其相应的类距离Dmw，结果如表3所示。

表3 不同波段组合下两种地物的水体指数及类距离（μv—黄河水、μr—裸滩）

类距离值越大，表示在相应波段组合下水体指数对黄河水和裸滩的区分能力越高。由表3中可以看出，不同波段组合下的水体指数计算所得的类距离在0.0059～0.9809之间。在绿光波段确定的情况下，类距离随着近红外波长的增加而增大，绿光波段为第2波段时，类距离最大可达0.9809；绿波段为第3波段时，类距离最大可达0.9129。在近红外波段确定的情况下，随着绿光波段的变化，类距离变化不明显。由表3分析可知，波段2和波段18组合，波段3和波段18组合效果最好，即对裸滩和黄河水的分类能力就越强。

将研究区分为植被、清澈水体、裸滩和黄河水体4种地物类型，基于以上波段组合特征，开展了黄河与裸滩区分试验。首先选择固定的植被指数［9］（NDVI）和水体指数，提取易从其他地物中区分的植被（NDVI＞0.05）和清澈水体（NDWI＞0.2）两大类，在这两类分类结果确定的情况下，选择波段2和波段16、波段2和波段17、波段2和波段18组合构成类距离依次增大的水体指数来区分剩余的黄河和裸滩两种地物。设置NDWI的阈值来区分黄河水与裸滩，其相应的区分结果分布图如图3所示。图3（a）给出了结合现场踏勘获取的人机交互解译标志。由波段2和波段16、波段2和波段17组合的水体指数得到的黄河水与裸滩类距离小，NDWI阈值如何设置，黄河水与裸滩都没有区分开，如图3（b）、图2（c）所示，可以看出黄河水基本全部被误分成裸滩，且裸滩中一部分误分成了黄河水。基于波段2和波段18组合的水体指数可得到最大的黄河与裸滩类距离，设置NDWI＜－0.1为裸滩，－0.1＜NDWI＜0.2的为黄河水，在此基础上得到了黄河水与裸滩较好的区分结果，如图3（d）所示。这也验证了类距离越大的波段组合，区分黄河水和裸滩的能力越强。

图3 基于不同波段组合的NDWI黄河与裸滩区分结果

表4给出了基于最佳波度组合的分类精度。其中裸滩被错分到黄河的占8.46%，黄河错分到裸滩的占9.33%，总体分类精度为82.05%，Kappa系数为0.7235，黄河水体与裸滩区分比较强，且总体具有较高的分类精度。

4 结束语

本文基于CHRIS高光谱影像，利用水体指数算法开展了黄河口裸滩和黄河水的分类研究，分析两者的光谱特征，结合模式识别领域中的“类距离”来分析不同波段组合情况下的水体指数算法区分裸滩和黄河水体的能力。并基于不同波段组合的水体指数，开展了黄河口裸滩与黄河水的区分试验，结果表明：从裸滩和黄河水的光谱特征可以看出，两种地物光谱在近红外波段处差别最大；不同波段组合下的水体指数算法，计算得到的类距离不稳定，浮动大；对于CHRIS高光谱影像来说，水体指数算法中波段组合为波段2和波段18以及波段3和波段18时，裸滩和黄河水的类距离最大，可达0.9803和0.9129，区分能力最大。

表4 基于最佳波段组合的分类精度／%

由于本文所选的样本均来自CHRIS高光谱影像，其波段范围为10nm左右，对于更加细致的不同波段在各算法中的分类能力没有进行研究。

［1］余国营.湿地研究的若干基本科学问题初论［J］.地理科学进展，2001，20（2）：177－183.

［2］张高生，王仁卿.现代黄河三角洲植物群落数量分类研究［J］.北京林业大学学报，2008，30（3）：31－36.

［3］王仁卿，张治国，王清.黄河三角洲植被的分类［J］.山东大学学报（自然科学版），1993，28（增刊）：23－28.

［4］潘建刚，赵文吉，宫辉力.遥感图像分类方法的研究［J］.首都师范大学学报（自然科学版），2004，25（3）：86－91.

［5］刘高焕，叶庆华，刘庆生，等.黄河三角洲生态环境动态监测与数字模拟［M］北京：科学出版社，2003.

［6］MACALISTER C，MAHAXAY M.Mapping wetlands in the lower mekong basin for wetland resource and conservation management using Landsat ETM images and field survey data［J］.Journal of Environmental Management，2009：2130－2137.

［7］MCFEETERS S K.The use of normalized difference water index（NDWI）in the delineation of open water features［J］.International Journal of Remote Sensing，1996，17（7）：1425－1432.

［8］ANDREW R W.统计模式识别（第二版）［M］.北京：电子工业出版社，2004.

［9］王建步，张杰，马毅，等.黄河口湿地典型地物类型高光谱分类方法研究［J］.海洋学研究，2014，32（3）：36－41.