基于高精度DOM和DEM的消落带分类——以三峡库区巫山县大宁河口段为例

聂成顺，张中俭，王珊珊

(1.中国地质大学(北京) 工程技术学院，北京 100083；2.中国自然资源航空物探遥感中心，北京 100083)

0 引言

消落带通常是指由于水库、江河、湖泊等水体周期性涨落而在水陆衔接地带形成的干湿交替地带[1]。三峡水库水位在145～175 m之间变动[2]，在巫山县形成的水库消落带面积约7.90 km2，总长度约270 km[3]。由于对消落带研究的区域、目的以及方法不同，分类方式也有所差异[4]。艾丽皎等[5]从生态系统的角度将消落带分为自然消落带和人工消落带。张虹[6]根据岩土组成、水深、坡度和土地利用类型将三峡库区消落带分为硬岩型、软岩型和松散堆积型。

查明消落带的岩土组成，可为岸坡工程、岸坡地质灾害防治等工程活动提供基础数据。张信宝[7]通过长期对三峡水库蓄水后145～175 m消落带坡地的地貌和植被变化的观察，并根据岩土组成，将消落带分为稳定石质坡地、稳定土质坡地和淤积滩涂坡地。鲍玉海等[8]通过对水库的长期监测，再根据岩土组成将消落带分为土质缓坡、土石复合坡和岩质陡坡。

本文拟将消落带按岩土组成分为岩质、岩土质和土质3类。但消落带传统分类方式以实地踏勘为主，费时费力。据此，本文提出了一种基于数字正射影像(digital orthophoto map，DOM)和数字高程模型(digital elevation model，DEM)，使用监督分类和决策树分类相结合的消落带分类方法。将该方法应用到三峡库区巫山县大宁河口，结果表明，该方法可以精细、全面和快速地将消落带按岩土组成进行分类。

1 研究思路

1.1 三类消落带的遥感特征

通过目视解译与实地踏勘，发现岩质、岩土质和土质消落带具有不同遥感影像特征，图1和图2分别为上述3类消落带的DOM影像图和根据DEM生成的坡度分布图。DOM具有地图几何精度和影像特征，DEM则具有坡度、坡向等地貌特性信息。

图1 岩质、岩土质和土质消落带DOM影像

图2 根据DEM生成的岩质、岩土质和土质消落带坡度分布图

岩质消落带以岩石为主，上覆薄土层在水位变动过程中被剥蚀[8]，基本无植被覆盖，地物类型以裸岩为主，小部分为裸土或草地。岩质消落带的色调为白色，亮度高，纹理粗糙。其主要坡度区间大于40°，坡度较陡。

岩土质消落带由岩、土层复合构成，大部分库段无植被覆盖，地物类型以裸土为主。岩土质消落带的色调以棕色和红棕色为主，亮度较低，纹理较粗糙。其主要坡度区间为30°～40°，介于岩质与土质消落带之间。

土质消落带以土层为主，大部分库段被灌草覆盖，地物类型以草地为主，小部分为裸土。土质消落带的色调以绿色为主，亮度低，纹理平滑。其主要坡度区间为0°～30°，坡度平缓。

1.2 分类方法

先基于DOM用监督分类将消落带按地物类型初分为裸岩、裸土和草地，在监督分类结果的基础上，用决策树分类融合DEM坡度要素将消落带按岩土组成细分为岩质、岩土质和土质，即为研究结果。相关技术路线如图3所示。

图3 技术路线图

1)根据地物类型初分消落带。

(1)选取训练样本。根据DOM影像上的光学遥感特征(表1)，通过目视判读选取裸岩、裸土和草地3类训练样本。训练样本数量由图像波段数决定。如果图像有N个波段，则每一类别至少应该有10N个训练样本，且训练样本在相应类别的区域应均匀分布，大小、形状和位置必须能同时在图像和实地容易识别和定位[9]。

表1 裸岩、裸土和草地消落带的高精度光学遥感特征[7]

(2)评价所选取的训练样本是否有效。本文通过样本与样本间的可分离性衡量训练样本是否有效。可用J-M距离(Jeffries-Matusita distance)和转换分离度(transformed divergence)2个参数表示可分离性。当2个样本间的J-M距离和转换分离度都≥1.80时，说明这2个样本可分离性好，是有效样本；若J-M距离和转换分离度都<1.80，说明2个样本可分离性差，是无效样本，需要修改或重新选取[10]。

(3)执行监督分类。监督分类包括支持向量机法(SVM法)、最大似然法、马氏距离法等多种方法。本文选择SVM法进行分类[11-14]。SVM分类法根据所选取的训练样本，建立判别函数对影像进行分类，得到监督分类结果。

(4)监督分类后处理。在影像的分类过程中，由于错误分类或分类的地物类别过于细微，会产生很多面积很小的图斑，无论从专题制图的角度还是从实际应用的角度，都需要剔除这些小图斑[15]。

(5)评价监督分类结果质量。本文以Kappa系数作为衡量分类结果质量的指标[16]。根据训练样本的选取规则和评价方法，选取评价样本并评价其有效后采用混淆矩阵法计算分类结果的Kappa系数[17-18]。根据Kappa系数与分类结果质量的关系评价监督分类结果质量(表2)。当Kappa系数≥0.60时，认为分类质量“很好”[14]，可以进行下一步，否则重新执行监督分类。

表2 Kappa系数与分类质量的对应关系[14]

2)根据岩土组成细分消落带。监督分类结果中，裸岩主要包含岩质消落带；裸土包含岩质、岩土质和土质消落带；草地主要包含土质消落带。据此，结合DEM的坡度信息，使每个像元同时具有“地物类型”和“坡度”2种信息。再利用决策树分类[17-19]将监督分类结果中已分为裸岩、裸土和草地的消落带再细分为岩质、岩土质和土质。详细描述如下。

(1)构建决策规则(表3)。

表3 决策树分类规则

表3中，坡度来源于DEM数据。裸岩、裸土和草地来源于监督分类结果。

(2)执行决策树分类。将监督分类结果和DEM同时作为数据源，输入表3的决策规则后执行决策树分类，得到决策树分类结果。

(3)决策树分类后处理。去除在决策树分类过程中产生的小图斑。

(4)评价决策树分类结果质量。选取评价样本并评价其有效后，同样使用混淆矩阵法对决策树分类结果质量进行评价并得到Kappa系数。根据表2[14]，若Kappa系数<0.60则重新执行决策树分类，直至Kappa系数≥0.60后，可认为决策树分类结果质量“很好”，此时将决策树分类结果作为消落带的岩土分类结果。

2 应用分析

2.1 示例区概况

本文以三峡库区巫山县大宁河口段消落带为示例区，对基于高精度DOM和DEM的消落带分类方法进行验证。示例区消落带长度为6 520 m，地理位置为109°53′21″E～109°54′33″E，31°3′49″N～31°4′50″N(图4)。

图4 示例区地理位置及DOM影像

2.2 数据源

本文主要通过航空摄影测量技术获取1∶5 000比例尺精度的DOM和DEM数据。其中，DOM影像空间分辨率为0.3 m，具有红、绿、蓝3个波段；DEM数据空间分辨率为2.5 m。数据获取时间为2018年7月，为三峡库区消落带出露时间段。

2.3 分类过程

本文研究所用软件为ENVI5.3。

1)初分消落带。

(1)选取训练样本。根据前文所述的选取训练样本规则，所选取的训练样本包括裸岩、裸土和草地3类，每类包括55个样本(图5)。

图5 监督分类训练样本分布图

(2)评价所选取的训练样本是否有效。用可分离性计算(compute ROI separability)工具计算样本与样本间的可分离性，结果见表4。由表4可知，各样本之间的J-M距离和转换分离度>1.80，所选取的训练样本可分离性好，是有效样本，可以进行下一步。

表4 监督分类训练样本可分离性计算表

(3)执行监督分类。用SVM法进行分类，得到监督分类结果。

(4)监督分类后处理。用主要/次要分析(majority/minority analysis)工具去除监督分类过程中产生的小图斑。处理后监督分类结果如图6所示。监督分类结果中，红色像元代表裸岩；黄色像元代表裸土；绿色像元代表草地。红、黄、绿3色的颜色通道强度值分别为[238，0，0]、[255，255，0]和[0，139，0]。

(5)评价监督分类结果质量。选取评价样本，包括裸岩、裸土和草地3类，每类有55个样本点，评价其有效后，采用混淆矩阵法对监督分类结果质量进行评价，评价结果见表5。

图6 监督分类结果图

表5 监督分类结果质量评价混淆矩阵报表

由表5可知监督分类结果的Kappa系数为0.906 9。根据表2可知，监督分类结果质量为“非常好”，可以进行下一步。

2)细分消落带。利用决策树分类[19-21]将已划分为裸岩、裸土、草地的消落带再分为岩质、岩土质和土质消落带。

(1)构建决策规则。根据表3所述原理，构建决策规则如表6所示。

表6 决策树分类的决策规则

表6中，slope为坡度，来源于DEM数据。bn代表第n个颜色通道的颜色强度值，来源于监督分类结果。

(2)执行决策树。输入决策规则，将监督分类结果和DEM数据作为数据源并执行决策树分类。

(3)对决策树分类结果进行分类后处理，结果见图7。

图7 决策树分类结果图

(4)评价决策树分类结果质量。选取评价样本，包括岩质、土质和岩土质消落带3类，每类有55个样本点，评价其有效后，使用混淆矩阵法对决策树分类结果质量进行评价，评价结果见表7。

表7 决策树分类结果质量评价混淆矩阵报表

由表7得到决策树分类结果Kappa系数为0.944 0。由表2可知，决策树分类结果质量属于“非常好”，可作为本文研究成果。

2.4 分类结果对比与分析

将本文的分类结果与2017年实地踏勘的分类结果对比，如图8所示。

由图8可知，本文提出的基于高精度DOM和DEM的消落带分类方法对岩质和土质消落带的分类效果最好，对岩土质消落带的分类效果次之。总体而言，本文的分类结果在大部分库段与实地踏勘分类结果相同，但局部仍存在差异。本文基于实地照片对存在差异的库段进行验证。具体描述如下。

图9中，库段①位于支流河口，实地踏勘无法抵及，难以验证。库段②色调为棕色，坡度在高程上先缓后陡，基本无植被覆盖，为岩土质消落带。库段③色调有白色和绿色，坡度较陡，为岩土质岸坡。库段④为岩土质和土质岸坡交杂。本文对库段②、③和④的分类结果正确。

图8 本文分类结果与实地踏勘分类结果对比

实地踏勘分类过程中，库段②和④由于长度较短被忽略，被直接归类为土质消落带。此外，实地踏勘不能将无法到达的消落带正确分类，如库段①、③位于小型支流河口，被直接归类为岩质和土质消落带。

综上所述，相较于实地踏勘分类结果，本文分类结果更加精细和全面，不但正确地识别实地踏勘分类过程中被忽略的消落带，还能对实地踏勘无法到达的消落带进行分类。

3 结束语

本文提出了一种基于高精度DOM和DEM，使用监督分类和决策树分类相结合的消落带分类方法。该方法先基于DOM使用监督分类将消落带初分为裸岩、裸土和草地，然后在监督分类基础上融合DEM数据，使用决策树分类将消落带再分为岩质、岩土质和土质。与实地踏勘的分类结果对比后，可知该方法不但能准确识别实地踏勘分类过程中易忽略的消落带，还能对实地踏勘无法到达的消落带进行分类，具有分类精细、全面和快速的特点。