基于GF-2民勤县白刺包提取技术

滑永春， 李增元， 高志海， 郭中

(1.中国林业科学研究院资源信息研究所，北京 100091； 2.内蒙古自治区林业科学研究院，呼和浩特 010010)

基于GF-2民勤县白刺包提取技术

滑永春1， 李增元1， 高志海1， 郭中2

(1.中国林业科学研究院资源信息研究所，北京 100091； 2.内蒙古自治区林业科学研究院，呼和浩特 010010)

以甘肃民勤县的白刺包为主要研究对象，采用冬季过境的高分二号(GF-2)数据，结合影像的最小值差值+最大值差值纹理信息、白刺包长宽比与面积等几何特性，利用多尺度分割、面向对象分类和阈值提取等方法进行白刺包的定量提取。研究结果表明： 在白刺包的空间位置提取方面，精度达到94%，满足研究要求； 而在提取面积方面，与实际面积的线性回归系数(R2)为0.77，均方根误差(RMSE)为5.77，虽然精度尚可，但仍然有进一步提高的必要。

白刺包； GF-2数据； 纹理几何信息； 图像分割； 面向对象分类

0 引言

白刺(Nitaria tangutorum)在干旱、半干旱荒漠地区常以灌丛沙堆的形式出现，枝条沙埋后能在湿沙中生出新的不定根，积沙成丘形成固定和半固定的灌丛沙包[1]，故亦称为白刺沙丘或白刺包。在我国，白刺包主要分布于内蒙古、甘肃、新疆、青海、宁夏、陕北和西藏东北边缘[2]，具有耐干旱、盐碱、沙埋和抗风蚀等特点，在干旱、半干旱地区维持区域生态环境良性循环中有着十分重要的地位[3-4]。因此，白刺包的调查就成为荒漠植被调查的主要工作之一[5]。在以往的科研和实践生产中白刺包的调查以实地研究为主，利用遥感影像进行白刺包大小和分布格局的研究国内外还没有普遍开展。

本文以甘肃民勤县的白刺包为主要研究对象，利用国产高分二号(GF-2)高空间分辨率遥感影像的纹理、几何信息，采取多尺度分割和面向对象的分类方法，进行白刺包的定量提取，为干旱、半干旱地区白刺包遥感研究提供理论基础。

1 研究区概况与数据预处理

甘肃民勤县位于河西走廊东北部、石羊河流域下游，西接巴丹吉林沙漠，东邻腾格里沙漠，土地总面积约160万hm2，其中，沙漠、戈壁面积约占85%。该区是我国典型的绿洲型荒漠化地区。绿洲外围天然植被主要是白刺和红柳(tamarix ramosissima)灌丛，另在一些沙丘、丘间地上还生长有自20 世纪60年代以来栽植的梭梭(haloxylon ammodendron)和沙枣(elaeagnus angustifolia)人工林[6]。2002 年底民勤县境内天然白刺覆盖面积为6.64万hm2，主要分布在固定、半固定沙丘。近20 a来，由于地下水的持续大规模过度开采利用和石羊河上中游水资源消耗量的增加，大量的白刺等植被出现了衰退枯死现象。

本研究选用2014年11月13日GF-2数据。首先利用30 m空间分辨率的DEM数据对GF-2全色影像(空间分辨率1 m)和多光谱影像(空间分辨率4 m)进行有理多项式系数(rational polynomial coeffieients,RPC)纠正； 由于该研究区地形平坦，明显地物标志点精确的GPS三维数据难以获得，不精确的正射校正难以满足白刺包定位研究，由于白刺包在遥感图像上清晰可辨，所以本文未做正射校正； 对影像进行辐射校正； 再采用超分辨率贝叶斯法(Pansharp)将GF-2全色和多光谱波段进行融合，生成空间分辨率为1 m 的融合影像。在影像上截取局部有白刺包的区域如图1所示。

在2014年8月获取了研究区52个30 m×30 m白刺包样地数据，图2为实地野外照片。

(a) 野外实况 (b) 白刺包

图2 研究区白刺包实地野外照片

Fig.2 Field investigation photo of Nitaria tangutorum dune in study area

2 研究方法

2.1 纹理信息

根据大量野外调查和遥感影像分析，大多数白刺包上植被分布不均匀，迎风坡及包两侧结皮区域植被均有不同程度的破坏，表现在影像上为白刺包有植被的地方反射率较低，而裸露的迎风坡或植被枯死地方的反射较强烈。通过多种纹理信息对比，最后确定选择7像素×7像素窗口对影像第一波段进行最小值差值+最大值差值纹理信息提取，即寻找该像元邻域内的最小值和最大值，并计算差值，以3像素×3像素窗口为例，原理如图3所示。该方法多用于对图像、通信信号的滤波处理[7-9]。在树冠提取上采用最大值滤波器，可以确定树冠中心点位置[10]。局部纹理信息提取结果如图4所示。

(a) 最小差值纹理信息提取

(b) 最大值差值纹理信息提取

(a) 局部多光谱融合图像(b) 局部最小值差值+最大值差值纹理提取结果

图4 最小值差值+最大值差值纹理提取效果

Fig.4 Extraction of minimum and maximum difference texture

2.2 几何特征

52个样地数据的白刺包几何特征统计结果如表1所示。

表1 野外调查白刺包统计数据

①γ=a/b，式中a和b分别表示对象外接矩形的长度和宽度。

从表1中看出，白刺包形状近似椭圆，长半轴在2.40～14.65 m之间，短半轴在1.91～12.18 m之间，γ在1.01～2.21之间，面积在7.73～124.18 m2之间。

根据以上几何特征选择γ指标(1≤γ≤2.5)和面积指标(Area≤150 m2)作为白刺包提取的几何特征参数。

2.3 图像分割及面向对象分类

GF-2多光谱波段灰度值范围在0～1 024之间，白刺包和其他植被类型在各波段灰度值范围都有一定重叠(表2)，单纯利用基于像元的光谱特征信息难以区分。从更大研究尺度来看，通常白刺包呈点状散布，包与包之间相距较远，其分布区域的影像光谱特征有别于其他植被类型，主要取决于该区域的地类光谱特性。为此，白刺包地类提取将成为白刺包提取的前提条件。本文采用面向对象的分类方法实现白刺包地类与其他地类的划分。

表2 各种植被类型GF-2灰度值范围

遥感图像分割算法主要有3类[11]，即阈值化分割法、边缘分割法和区域分割法。为了提高遥感图像分割质量和自动化程度，还探索了尺度对比法、最大面积法、局部方差法和变异函数法等多种分割方法[12-17]，但实际应用中由于分割影像和地类差异，很难找到一种自动计算分割参数切实可行的分割方法。

本文采用eCognition8.7软件中Multiresolution segmentation 算法对融合后的4个影像波段和最小值差值+最大差值纹理波段进行分割(图5)。

(a) 融合后4个影像波段分割结果 (b) 4个影像波段+最小值差值+最大差值纹理波段分割结果

图5 局部分割效果对比

Fig.5 Comparison of segmentation results in local region

从图5可以看出最小值差值+最大差值纹理波段的加入可以明显地提高白刺包的分割精度。经过对分割效果的反复目视对比，最终确定了各地类的形状因子、紧致度和分割尺度的大小(表3)。

表3 各种地类尺度分割参数

农田由于具有明显的边界，大尺度、高形状因子可以将农田防护林也分割进去； 而梭梭林和白刺包都没有明显的边界且有互相重叠区域。研究发现，50以上的分割尺度可能会把白刺包错分为梭梭林，而尺度过小则会将密集簇状分布的梭梭林错分为白刺包。

从分割影像8 136个对象中，分别选取出包含GF-2数据4个融合波段和最小值差值+最大值差值纹理波段一共5波段的农田(含农田防护林、苗圃地)、梭梭林和白刺包3种地物类型170个训练样本数据，占总数据量的2.01%。通过核函数模型将训练数据转化到高维空间。选择以径向基函数(radial basis function,RBF)作为内积核函数的支持向量机(support vector machine,SVM)分类器进行分类运算，其中RBF核函数惩罚参数(C)和间隔参数(g)分别设置为100和0.17。

3 结果与分析

3.1 分类及精度验证

采用SVM方法对研究区地类进行分类，分类结果如图6所示。为了消除其他地类对白刺包提取的影响，将非白刺包地类进行掩模处理。在融合后的GF-2影像中，各种地物类型清晰可辨，选取了169个验证样本数据，对分类结果进行精度评价，评价结果如表4所示。分类结果可以较好地将白刺包地类与非白刺包地类进行区分。

图6 分类结果

表4 土地分类结果精度评价

3.2 白刺包提取及精度验证

由于白刺包在第一波段灰度值范围为260～323之间，采用阈值提取方法将白刺包提取出来。然后对提取的白刺包进行矢量化，并根据γ和Area指标再次进行剔除，最终得到白刺包提取结果如图7所示。

图7 白刺包提取结果

白刺包边界在影像上清晰可辨，相比野外调查，影像上选取白刺包样本更加准确。针对白刺包的提取结果开展进一步的精度评价，分别从白刺包提取空间位置和面积2个方面进行验证。在影像局部区域随机选取50个白刺包，有47白刺包可以精确提取，精度可以达到94%，提取结果如图8所示。

图8 白刺包提取结果与实际验证数据对比

提取面积和验证面积线性回归系数R2可以达到0.77，散点图如图9所示，其RMSE达到5.77，在面积提取方面精度尚可，但仍有进一步提高的必要。

图9 提取白刺包的面积和实际验证数据散点图

4 结论

白刺包对于干旱、半干旱地区的生态环境良性循环有着极其重要的意义。相对于森林资源的监测，国内外还没有普遍开展针对白刺包大面积的遥感监测。本文以甘肃民勤县的白刺包为主要研究对象，通过GF-2影像的光谱、纹理和几何等信息，采用面向对象分类和阈值提取等遥感手段进行了白刺包的定量提取。主要结论和存在问题有以下2点：

1)白刺包的植被覆盖极不均匀，尤其是在沙丘迎风坡。反映在影像上是不均一的光谱特征，同时由于白刺包所处地物类型的多样性，放大了同物异谱、异物同谱现象，无论从光谱特征和几何纹理特征白刺包精确的面积提取都存在一定的难度。但空间位置信息精度已达到94%，可以满足白刺包空间分布格局的研究需要。

2)GF-2数据全色波段的空间分辨率可以达到1 m，高空间分辨率遥感影像对地物的提取不仅局限于光谱特征，其纹理特征、空间几何特征等也为地物的精细提取提供了关键信息。现阶段关于特定地物纹理特征的研究仍欠深入，大多还局限于图像处理数学范畴的笼统研究。本文虽提出了一种关于白刺包与其他地物类型区分的纹理特征，但更加完善的纹理特征研究将作为下一步的重点。

[1] 杜建会,严平,丁连刚,等.民勤绿洲不同演化阶段白刺灌丛沙堆表面土壤理化性质研究[J].中国沙漠,2009,29(2):248-253. Du J H,Yan P,Ding L G,et al.Soil physical and chemical properties of Nitraria tangutorun Nebkhas surface at different development stages in Minqin Oasis[J].Journal of Desert Research,2009,29(2):248-253.

[2] 刘瑛心.中国白刺属植物的分类和分布(治沙研究,第7号)[M].北京:科学出版社,1965. Liu Y X.The Classification and Distribution of Chinese Nitaria Tangutorum(Sand Research,NO.7)[M].Beijing:Science Press,1965.

[3] 李进军,马存世,张有佳,等.民勤连古城自然保护区白刺生长发育影响因素[J].东北林业大学学报,2010,38(10):41-43. Li J J,Ma C S,Zhang Y J,et al.Influencing factors on growth and development of Nitraria in minqin Liangucheng nature reserve[J].Journal of Northeast Forestry University,2010,38(10):41-43.

[4] 宛涛,蔡萍,伊卫东,等.内蒙古白刺属植物遗传多样性的RAPD分析[J].干旱地区农业研究,2007,25(1):225-229. Wan T,Cai P,Yi W D,et al.RAPD analysis on genetic diversity of nitavia in Inner Mongolia[J].Agricultural Research in the Arid Areas,2007,25(1):225-229.

[5] 徐兰英,李凤日.基于分形理论下的沙漠植被适应性群团抽样技术[J].植物研究,2009,29(3):333-338. Xu L Y,Li F R. Adaptive cluster sampling technique for desert vegetation based on fractal theory[J].Bulletin of Botanical Research,2009,29(3):333-338.

[6] 王继和,马全林.民勤绿洲人工梭梭林退化现状、特征与恢复对策[J].西北植物学报,2003,23(12):2107-2112. Wang J H,Ma Q L.Study on restoration strategies,characteristics and status of degenerated artificial Haloxylon ammodendron communities at the edge of Minqin Oasis[J].Acta Botanica Boreali-occidentalia Sinica,2003,23(12):2107-2112.

[7] Dorst L.Quantitative analysis of interferograms using image processing techniques[C]//ICO-13 Conference Digest.Sapporo,Japan,1984:476-477.

[8] Werman M,Peleg S.Min-Max Filters in Texture Analysis[C]//IEEE PAMI-7,1986:730-733.

[9] 侯欢欢,齐小顺.图像处理中的中值滤波、最大值、最小值滤波及其应用研究[J].消费电子,2014(6):229. Hou H H,Qi X S.The application research of median filter,maximum and minimum filter in image processing[J].Consumer Electronics Review,2014(6):229.

[10]韩学锋.基于高分辨率遥感林分调查因子的提取研究[D].福州:福建师范大学,2008. Han X F.A Study on the Extraction of the Stand Description Factors from High Resolution Remote Sensing Images[D].Fuzhou:Fujian Normal University,2011.

[11]李晶莹.基于面向对象的高分辨率遥感影像土地沙化调查——以青海省玛多县典型区为例[D].西宁:青海师范大学,2011. Li J Y.Based on the Object-Oriented and the Remote Sensing Image of High-Resolution Classify Sandy Desertifieation in MaDuo Courty of Qinghai Priviule[D].Xining:Qinghai Normal University,2011.

[12]Haralick R M,Shaprio L G.Image segmentation techniques[J].Computer Vision,Graphics,and Image Processing,1985,29(1):100-132.

[13]Johnson B,Xie Z X.Unsupervised image segmentation evaluation and refinement using a multi-scale approach[J].ISPRS Journal of Photogrammetry and Remote Sensing,2011,66(4):473-483.

[14]于欢,张树清,孔博,等.面向对象遥感影像分类的最优分割尺度选择研究[J].中国图象图形学报,2010,15(2):352-360. Yu H,Zhang S Q,Kong B,et al.Optimal segmentation scale selection for object-oriented remote sensing image classification[J].Journal of Image and Graphics,2010(2):352-360.

[15]Woodcock C E.The factor of scale in remote sensing[J].Remote Sensing of Environment,1987,21(3):311-332.

[16]Atkinson P M,Kelly R E J.Scaling-up point snow depth data in the U.K.for comparison with SSM/I imagery[J].International Journal of Remote Sensing,1994,18(2):437-443.

[17]Atkinson P M,Curran P J.Choosing an appropriate spatial resolution for remote sensing investigations[J].Photogrammetric Engineering and Remote Sensing,1997,63(12):1345-1351.

(责任编辑： 陈理)

Extraction of Nitaria tangutorum dune in Minqin County based on GF-2 data

HUA Yongchun1, LI Zengyuan1, GAO Zhihai1, GUO Zhong2

(1.ResearchInstituteofResourceInformation,ChineseAcademyofForestry,Beijing100091,China;2.InnerMongoliaAcademyofForestryScience,Hohhot010010,China)

In this paper, the authors used GF-2 remote sensing data to extract Nitaria tangutorum dune in Minqin County. The authors made full use of the minimum/maximum difference texture information and length-width ratio as well as area of geometric features of Nitaria tangutorum dune, by using multiresolution segmentation, object-oriented classification and threshold extraction methods, made quantitative extraction of the Nitaria tangutorum dune. The results show that the spatial position accuracy of Nitaria tangutorum dune can reach 94%, which could completely meet the requirement of the research. Compared with the actual area of Nitaria tangutorum dune, the linear regressionR2can reach 0.77, the standard deviation is 5.77, but the area extraction accuracy remains unsatisfactory, which needs further improvement.

Nitaria tangutorum dune; GF-2 data; geometry and texture information of the image; multiresolution segmentation; object-oriented classification

10.6046/gtzyyg.2017.01.11

滑永春,李增元,高志海,等.基于GF-2民勤县白刺包提取技术[J].国土资源遥感,2017,29(1):71-77.(Hua Y C,Li Z Y,Gao Z H,et al.Extraction of Nitaria tangutorum dune in Minqin County based on GF-2 data[J].Remote Sensing for Land and Resources,2017,29(1):71-77.)

2015-09-09；

2015-11-17

国防科工委重大专项项目“高分辨率对地观测系统”(编号： 21-Y30B05-9001-13/15)资助。

滑永春(1981- )，男，博士后，主要从事植被、荒漠化遥感监测。Email: huawu321@sina.com。

高志海(1963- )，男，研究员，主要从事荒漠化监测与评价研究。Email: zhihai_gao@163.com。

TP 751.1

A

1001-070X(2017)01-0071-07