劉慶生，張韻婕，劉高煥，黃 翀，柴思躍

(中國科學(xué)院地理科學(xué)與資源研究所資源與環(huán)境信息系統(tǒng)國家重點實驗室，北京 100101)

資源三號衛(wèi)星不同空間分辨率圖像斑狀植被檢測比較研究

劉慶生，張韻婕，劉高煥，黃 翀，柴思躍

(中國科學(xué)院地理科學(xué)與資源研究所資源與環(huán)境信息系統(tǒng)國家重點實驗室，北京 100101)

黃河三角洲濱海區(qū)域大量分布著由檉柳、蘆葦、翅堿蓬、二色補(bǔ)血草、白茅等組成的斑狀植被，多呈棋盤狀規(guī)則分布，勝利油田地震勘探被認(rèn)為是產(chǎn)生這一現(xiàn)象的原因之一。深入研究其分布格局并探討其形成機(jī)理，對于區(qū)域濕地生態(tài)系統(tǒng)植被恢復(fù)至關(guān)重要。為此，本文首先對斑狀植被進(jìn)行了有效的檢測和制圖，評價了我國首顆民用高分辨率光學(xué)傳輸型立體測圖衛(wèi)星(資源三號衛(wèi)星)不同空間分辨率圖像檢測黃河三角洲斑狀植被的能力。結(jié)果表明，在利用圓霍夫檢測方法下，前視、后視、正視全色圖像和正視多光譜圖像都能很好地檢測斑狀植被，空間分辨率高的圖像檢測精度更高。

資源三號衛(wèi)星；斑狀植被；圓霍夫；黃河三角洲

一、引 言

斑狀植被在世界范圍干旱半干旱區(qū)、海岸灘涂均有分布，斑狀植被生境中資源量(如水分、養(yǎng)分、種子等)的大小控制著地表植被斑塊的特點，而資源的再分配過程則控制著植被斑塊的形成和消亡，進(jìn)而影響區(qū)域上斑狀植被格局的演變特點，其實質(zhì)是植物種群間及種群與其生境之間相互作用的結(jié)果[1-3]。Montana等在Chihuahuan荒漠區(qū)[4]、Soriano等在阿根廷Patagonian干旱草原[5]等地進(jìn)行斑狀植被結(jié)構(gòu)和動態(tài)研究時，將植被斑塊分為帶狀和點狀兩類，認(rèn)為兩類斑塊演化受制于使斑塊創(chuàng)建和維持的物質(zhì)(水分、養(yǎng)分、種子等)再分配過程。Martin等給出了斑狀植被動態(tài)的概念模型，認(rèn)為斑塊動態(tài)一般都包括創(chuàng)建和退化階段，帶狀和點狀兩類斑塊的創(chuàng)建都是以木本植物的生長開始，以優(yōu)勢種的死亡開始退化[6]。在黃河三角洲濱海區(qū)域大量分布著由檉柳、蘆葦、翅堿蓬、二色補(bǔ)血草、白茅等組成的類圓形植被斑塊，多呈棋盤狀規(guī)則分布，除了與其他干旱半干旱區(qū)類似的原因外，勝利油田地震勘探被認(rèn)為是產(chǎn)生這一現(xiàn)象的原因之一[7]。斑狀植被檢測是斑狀植被群落演替研究的基礎(chǔ)，野外樣帶樣點采樣測量是常用的方法，這種方法精度高，但費時費力，不宜在大面積區(qū)域使用。隨著多傳感器、時間和空間分辨率的不斷提高，遙感技術(shù)在斑狀植被檢測中越來越占據(jù)重要的地位。Kadmon等的研究表明航空遙感數(shù)據(jù)能夠用來進(jìn)行斑狀植被結(jié)構(gòu)特征的檢測[8]，Barbier等發(fā)現(xiàn)1～2 m分辨率全色遙感數(shù)字圖像可滿足10 m尺度植被斑塊格局的研究[9]。斑狀植被格局在不同空間尺度上都表現(xiàn)出高植被覆蓋斑塊和裸地斑塊或稀疏植被覆蓋相互鑲嵌的特點。近年來，隨著面向?qū)ο筮b感分類和數(shù)學(xué)形態(tài)學(xué)的發(fā)展，基于感興趣植物群落與環(huán)境幾何形態(tài)特征的差異進(jìn)行目標(biāo)識別與分類越來越受到重視，識別精度和效率大大提高[10]，高分辨率衛(wèi)星遙感圖像用于檢測斑狀植被取得了較好的效果[11-14]。但是，大面積高分辨率衛(wèi)星遙感圖像數(shù)據(jù)的獲取和處理有時是相當(dāng)困難的，需要明確各種空間分辨率遙感圖像的檢測能力，為多樣化斑狀植被研究和管理需求提供數(shù)據(jù)和技術(shù)支持。本文對我國首顆民用高分辨率光學(xué)傳輸型立體測圖衛(wèi)星(資源三號衛(wèi)星)不同空間分辨率圖像檢測黃河三角洲斑狀植被的能力進(jìn)行評價，目的是：①評價資源三號衛(wèi)星不同空間分辨率圖像檢測斑狀植被的能力；②提供一種好的斑狀植被檢測方法。

二、研究區(qū)與數(shù)據(jù)準(zhǔn)備

1.研究區(qū)概況

黃河三角洲地處東經(jīng)118°7′～119°10′、北緯37°20′～38°10′，位于山東省北部黃河入?？谔?，是黃河泥沙淤積形成的扇形沖積平原。該區(qū)位于暖溫帶半濕潤大陸性季風(fēng)氣候區(qū)[15]，總的氣候特點是光照充足、熱量豐富、四季分明、氣溫適中、雨熱同期、風(fēng)能資源豐富，年平均降水量為530～630 mm，70%分布在夏季，年平均蒸發(fā)量為750～2400 mm。該區(qū)自然植被為草地植被，主要為蘆葦、檉柳、翅堿蓬、荻、白茅和二色補(bǔ)血草等。受黃河來水、海洋動力和人類海岸工程的影響，植被具有鹽生和濕生群落特征[15]，從海向陸以黃河為中心呈帶狀分布[16]。

2.數(shù)據(jù)準(zhǔn)備

資源三號(ZY-3)是我國首顆民用高分辨率光學(xué)傳輸型立體測圖衛(wèi)星，于2012年1月9日從太原發(fā)射升空，主要搭載有前視、后視和正視3臺高分辨率全色成像相機(jī)，以及1臺多光譜相機(jī)。多光譜相機(jī)空間分辨率為6 m，幅寬為51 km，包含4個波段(0.45～0.52 μm、0.52～0.59 μm、0.63～0.69 μm、0.77～0.89 μm)。3臺高分辨率全色成像相機(jī)均為一個波段，光譜范圍為0.50～0.80 μm，前視相機(jī)和后視相機(jī)空間分辨率為3.5 m，幅寬為52 km，正視相機(jī)空間分辨率為2.1 m，幅寬為51 km[17]。資源三號衛(wèi)星傳感器校正產(chǎn)品定位精度能滿足1∶2.5萬比例尺地形圖的修測[18]，適用于地物分類，在影像土地覆蓋分類方面具有很高的應(yīng)用價值與潛力[19]。

研究區(qū)資源三號衛(wèi)星數(shù)據(jù)于2012年5月27日獲取，以研究區(qū)正射校正好的SPOT5真彩色圖像為參考圖像，利用多項式方法首先對正視相機(jī)全色圖像進(jìn)行幾何糾正；然后，以正視相機(jī)全色圖像為參考圖像，對前視、后視和多光譜相機(jī)圖像進(jìn)行幾何糾正；最后，截取具有典型類圓形植被斑塊分布的400像元×400像元子圖像作為試驗圖像(如圖1所示)，以正視相機(jī)全色圖像中類圓形植被斑塊檢測為研究目標(biāo)。

三、方 法

目視解譯、監(jiān)督和非監(jiān)督分類是高分辨率衛(wèi)星遙感圖像斑狀植被檢測的傳統(tǒng)方法，目視解譯是最為傳統(tǒng)和最常用的方法，通過人機(jī)交互獲得斑狀植被分布圖，檢測精度高，適用于所有圖像，但需要大量人力和時間，對于大范圍斑狀植被檢測不太現(xiàn)實。對于斑狀植被與周邊地物有明顯光譜和紋理等特征差異的圖像來說，僅使用監(jiān)督和非監(jiān)督分類方法就能取得很好的效果，但對于光譜上與周圍地物相混淆的斑狀植被來說，則效果較差。本文利用常用的非監(jiān)督分類方法之一的K-means方法進(jìn)行斑狀植被檢測評價。近年來，隨著面向?qū)ο筮b感分類和數(shù)學(xué)形態(tài)學(xué)的發(fā)展，基于感興趣植物群落與環(huán)境幾何形態(tài)特征的差異進(jìn)行目標(biāo)的識別與分類越來越受到重視，McGlynn等利用面向?qū)ο蠓治龇椒ㄟM(jìn)行了灌叢分布的檢測[20]，Vogt等利用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行了植被空間格局制圖[21]，均取得了較好的效果。圓霍夫變換(circular hough transform)是目前應(yīng)用最為廣泛的圓檢測方法，該方法的最大特點是可靠性高，在噪聲狀態(tài)下依然能取得理想的結(jié)果[22]。利用該方法檢測斑狀植被取得了較好的效果[23]。

圖1 不同空間分辨率試驗圖像

K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價指標(biāo)，即認(rèn)為兩個對象的距離越近，其相似度就越大。該算法認(rèn)為簇是由距離靠近的對象組成的，因此把得到緊湊且獨立的簇作為最終目標(biāo)。本文利用ENVI軟件中的K-means算法實現(xiàn)。

圓霍夫變換是由Duda等提出的[24]，是由標(biāo)準(zhǔn)霍夫變換改變而來，目的是找到圖像中的圓形目標(biāo)。圓霍夫變換將圖像空間的特征點變換成參數(shù)空間的累積投票集，然后，對于每個特征點，在累積數(shù)組中進(jìn)行投票，包含最高投票數(shù)的數(shù)組元素即為圓的信息[25]。本文所用圓霍夫變換程序改編自陶鵬[26]，所有過程均在Matlab軟件中實現(xiàn)。

1.斑狀植被目視解譯

前視、后視相機(jī)全色圖像空間分辨率等特征基本類似，故只對前視、正視相機(jī)全色圖像和多光譜假彩色圖像進(jìn)行了目視解譯。正視相機(jī)全色圖像目視解譯共識別出88個類圓形斑狀植被，前視相機(jī)全色圖像目視解譯共識別出87個類圓形斑狀植被，多光譜相機(jī)全色圖像目視解譯共識別出85個類圓形斑狀植被，見表1。

表1 不同空間分辨率試驗圖像目視解譯結(jié)果

2.K-means斑狀植被檢測

在ENVI的K-means分類過程中，參數(shù)取默認(rèn)值，即分類數(shù)目設(shè)為5類，最大迭代次數(shù)為1次，變化檢測閾值為5%。前視、后視、正視相機(jī)全色圖像和多光譜假彩色圖像K-means非監(jiān)督分類結(jié)果如圖2所示。類圓形斑狀植被因為其光譜特征的差異被分成了4類，每一類之間相互重疊，如將4類合并為一類，則許多斑狀植被將無法檢測出。前視與后視相機(jī)全色圖像K-means分類結(jié)果類似，正視相機(jī)全色圖像與多光譜圖像K-means分類結(jié)果類似。部分環(huán)形結(jié)構(gòu)的斑狀植被被分類成多個類別，部分斑狀植被由于與周邊裸地光譜特征差異較小，其形態(tài)識別較差。對于圖2(a)中暗背景中的斑狀植被而言，后視相機(jī)全色圖像K-means分類結(jié)果最好。

圖2 不同空間分辨率試驗圖像K-means分類結(jié)果

3.圓霍夫變換斑狀植被檢測

圓霍夫變換通過設(shè)定和調(diào)節(jié)斑狀植被半徑范圍、梯度圖像閾值、累積投票數(shù)組中局域最大值搜索時的濾波半徑和多個可能半徑的容忍度4個參數(shù)來進(jìn)行斑狀植被檢測。由原始圖像(圖1)可知，斑狀植被分別處于亮色和暗色背景中，這樣會造成識別亮色背景中斑狀植被的同時會漏檢暗色背景中的斑狀植被，反之亦然。為此，首先對原始圖像進(jìn)行拉伸處理，以擴(kuò)大各自與背景之間的差異。在此基礎(chǔ)上，根據(jù)斑狀植被的大小，設(shè)定類圓形斑狀植被半徑范圍，前視與后視相機(jī)全色圖像設(shè)為1～5個像元，正視相機(jī)全色圖像設(shè)為1～11個像元，由于多光譜圖像上斑狀植被太小，因此將其放大兩倍再設(shè)定類圓形斑狀植被半徑范圍為1～5個像元；梯度圖像閾值根據(jù)圖像的最大灰度設(shè)定，一般取最大灰度的4%～10%較好，以消除圖像背景的不均勻，本研究取值為8，小于該值的像元將不參與計算；濾波半徑用于在累積投票數(shù)組中搜索局域最大值，如果斑狀植被與圓形相差較大，則該值需要設(shè)得大些，本研究取值為3；多個可能半徑的容忍度范圍從0.1～1，取值0.1代表最大的容忍度，意味著環(huán)形結(jié)構(gòu)的斑狀植被將被檢測為內(nèi)、外圓兩個目標(biāo)，本研究取值為1代表最小的容忍度，環(huán)形結(jié)構(gòu)的斑狀植被將被檢測為一個目標(biāo)。前視、后視、正視相機(jī)全色圖像和多光譜假彩色圖像斑狀植被的圓霍夫變換檢測結(jié)果見表2和圖3。

圖3 不同空間分辨率試驗圖像圓霍夫變換檢測結(jié)果

表2 不同空間分辨率試驗圖像圓霍夫變換檢測結(jié)果

四、結(jié)論與討論

1)一般的，類圓形植被斑塊由檉柳、蘆葦、翅堿蓬、二色補(bǔ)血草、白茅等組成，直徑為3～25 m不等。按正視相機(jī)全色圖像檢測結(jié)果統(tǒng)計，研究區(qū)內(nèi)共有88個類圓形植被斑塊，基本按北東東—南西西和北北西—南南東向規(guī)則分布。檢測出的類圓形斑狀植被面積最小、最大和平均值分別為33 m2、1384 m2、363 m2。

2)資源三號衛(wèi)星不同空間分辨率圖像對研究區(qū)域內(nèi)斑狀植被目視解譯結(jié)果略有不同：與前視相機(jī)全色圖像和多光譜相機(jī)假彩色圖像相比，空間分辨率最高的正視相機(jī)圖像可識別出更多的類圓形植被斑塊。隨著圖像空間分辨率的降低，類圓形植被斑塊最小、最大和總面積等有增大的趨勢，可能與將混合像元也識別為植被像元有關(guān)，這意味著在目視解譯制圖中需選擇合適的空間分辨率圖像，需在相同尺度下進(jìn)行解譯。

3)試驗所用資源三號衛(wèi)星數(shù)據(jù)獲取于研究區(qū)春季，不是類圓形植被斑塊與背景有較大光譜特征差異的時期，退化或死亡植被斑塊與背景光譜特征差異更小，而且因含水量的差異背景多種多樣。因此K-means非監(jiān)督分類方法盡管能檢測出部分類圓形植被斑塊，但無法將其分離出來。總體來說，正視相機(jī)全色圖像K-means分類效果最好，后視相機(jī)全色圖像比前視相機(jī)全色圖像分類效果好，多光譜相機(jī)假彩色圖像分類效果最差，總體精度較低。

4)正視相機(jī)全色圖像類圓形植被斑塊圓霍夫變換檢測精度最高，達(dá)84.1%，后視相機(jī)全色圖像次之，為70.1%，前視相機(jī)全色圖像再次之，為65.5%，多光譜相機(jī)假彩色圖像檢測精度最低，為57.5%?？臻g分辨率越高，類圓形植被斑塊檢測精度越高，這與前人對不同空間分辨率傳感器植被識別研究結(jié)果是一致的[12，27]。

5)不論K-means非監(jiān)督分類，還是圓霍夫變換檢測，后視相機(jī)全色圖像與前視相機(jī)全色圖像相比，類圓形植被斑塊識別效果更好，其是因為圖像清晰度還是觀測角度的差異，值得進(jìn)一步探究。

6)從正視相機(jī)全色圖像觀察可知，研究區(qū)除類圓形植被斑塊外，還有帶狀植被沿河溝呈北西—南東向分布，其與類圓形植被斑塊的關(guān)系、形成機(jī)制有何異同，值得今后深入研究。

7)本研究表明資源三號衛(wèi)星前視、后視、正視全色圖像和正視多光譜圖像能很好地檢測斑狀植被空間位置，但對其面積的準(zhǔn)確量測、對其圈層結(jié)構(gòu)的識別還需更高分辨率遙感數(shù)據(jù)的運用。另外，通過選擇合適季相的圖像、進(jìn)行不同空間分辨率數(shù)據(jù)的融合，資源三號衛(wèi)星不同空間分辨率圖像檢測斑狀植被的精度還能進(jìn)一步提高，這需要將來更多的試驗來驗證。

[1] 陳利頂，傅伯杰，徐建英，等.基于“源-匯”生態(tài)過程的景觀格局識別方法——景觀空間負(fù)荷對比指數(shù)[J].生態(tài)學(xué)報，2003，23(11)：2406-2413.

[2] 胡廣錄，趙文智，王崗.干旱荒漠區(qū)斑塊狀植被空間格局及其防沙效應(yīng)研究進(jìn)展[J].生態(tài)學(xué)報，2011，31(24)：7609-7616.

[3] 孫自永.額濟(jì)納盆地植被斑塊分布格局及演化的生態(tài)地質(zhì)學(xué)機(jī)制[D].武漢：中國地質(zhì)大學(xué)，2003.

[4] MONTANA C.The Colonization of Bare Areas in Twophase Mosaics of an Arid Ecosystem[J].Journal of Ecology，1992，80(2)：315-327.

[5] SORIANO A，OSVALDO E S，PERELMAN S B.Patch Structure and Dynamics in a Patagonian Arid Steppe [J].Vegetatio，1994(111)：127-135.

[6] MARTIN R A，OSVALDO E S.Patch Structure，Dynamics and Implications for the Functioning of Arid Ecosystems[J].Tree，1999，14(7)：273-277.

[7] 劉慶生，劉高煥，黃翀，等.地震勘探引起植被棋盤式分布分析[J].油氣田環(huán)境保護(hù)，2012，22(6)：36-38，88.

[8] KADMON R，HARARI-KREMER R.Studying Long-term Vegetation Dynamics Using Digital Processing of Historical Aerial Photographs[J].Remote Sensing of Environment，1999，6(8)：164-176.

[9] BARBIER N，COUTERON P，LEJOLY J，et al.Self-organized Vegetation Patterning as a Fingerprint of Climate and Human Impact on Semi-arid Ecosystems[J]. Journal of Ecology，2006(94)：537-547.

[10] LIU Qingsheng，LIU Gaohuan，HUANG Chong，et al. Using SPOT 5 Fusion-ready Imagery to Detect Chinese Tamarisk(Saltcedar)with Mathematical Morphological Method[J].International Journal of Digital Earth，2012(10)：1080.

[11] CLARK P E，SEYFRIED M S，HARRIS B.Intermountain Plant Community Classification Using Landsat TM and SPOT HRV Data[J].Journal of Range Management，2001(54)：152-160.

[12] CARTER G A，LUCAS K L，BLOSSOM G A，et al.Griffith.Remote Sensing and Mapping of Tamarisk Along the Colorado River，USA：a Comparative Use of Summeracquired Hyperion，Thematic Mapper and QuickBird Data[J].Remote Sensing，2009(1)：318-329.

[13] LIU Qingsheng，LIU Gaohuan，HUANG Chong，et al. Using SPOT 5 High Spatial Resolution Image to Detect Vegetation Patches at Gudong Oil Field[C]∥the 7th International Conference on Natural Computation.[S. l.]：ICNC，2011.

[14] LIU Qingsheng，LIU Gaohuan，HUANG Chong，et al. Using ALOS High Spatial Resolution Image to Detect Vegetation Patches[J].Procedia Environmental Sciences，2011，10(A)：896-901.

[15] 張高生，王仁卿.現(xiàn)代黃河三角洲植物群落數(shù)量分類研究[J].北京林業(yè)大學(xué)學(xué)報，2008，30(3)：31-36.

[16] FANG H L，XU J.Land Cover and Vegetation Change in the Yellow River Delta Nature Reserve Analyzed with Landsat Thematic Mapper Data[J].Geocarto International，2000，15(4)：1-7.

[17] 中國資源衛(wèi)星應(yīng)用中心，資源三號衛(wèi)星介紹[EB/ OL].[2012-07-25].http：∥www.cresda.com/n16/ n1130/n175290/175676.html.

[18] 劉斌，孫喜亮，邸凱昌，等.資源三號衛(wèi)星傳感器校正產(chǎn)品定位精度驗證與分析[J].國土資源遙感，2012(4)： 36-40.

[19] 盧剛，陸敏燕，陳成，等.資源三號衛(wèi)星影像分類研究[C]∥第九屆長三角科技論壇(測繪分論壇).連云港：[s.n.]，2012.

[20] MCGLYNN I O，OKIN G S.Characterization of Shrub Distribution Using High Spatial Resolution Remote Sensing：Ecosystem Implications for a Former Chihuahuan Desert Grassland[J].Remote Sensing of Environment，2006(101)：554-566.

[21] VOGT P，RIITTERS K H，ESTREGUIL C，et al.Mapping Spatial Patterns with Morphological Image Processing[J].Landscape Ecology，2007，22(2)：171-177.

[22] 蔡晉輝，蔣慶，周澤魁，等.圓檢測HOUGH變換的改進(jìn)算法研究[J].模式識別與人工智能，2004，17(1)：72-76.

[23] LIU Qingsheng，HUANG Dan，CHU Xiaolei.Detect the Different Structures of Vegetation Patches Using Circular Hough Transform at Gudong Oil Field[C]∥the 9th International Conference on Fuzzy Systems and Knowledge Discovery.Chongqing：[s.n.]，2012.

[24] DUDA R O，HART P E.Use of the Hough Transformation to Detect Lines and Curves in Pictures[J].Communications of the ACM，1972(15)：11-15.

[25] MASOUD N，RONAK K，HAMED N，et al.A Method for Detection and Extraction of Circular Shapes from Noisy Images Using Median Filter and CHT[J].Journal of American Science，2011(7)：84-88.

[26] PENG Tao.Detect Circles with Various Radii in Grayscale Image via Hough Transform[EB/OL].[2010-11-17]. http：∥www.mathworks.fr/matlabcentral/fileexchange/ 9168-detect-circles-with-various-radii-in-grayscale-image-via-hough-transform.

[27] LIU Qingsheng，LIU Gaohuan，CHU Xiaolei.Comparison of Different Spatial Resolution Bands of SPOT 5 to Vegetation Community Patch Detection[C]∥the 5th International Congress on Image and Signal Processing. Chongqing：[s.n.]，2012.

Comparison of Different Spatial Resolution Images of ZY-3 Satellite to Patch Vegetation Detection

LIU Qingsheng，ZHANG Yunjie，LIU Gaohuan，HUANG Chong，CHAI Siyue

P237

B

0494-0911(2014)11-0016-05

2013-11-23

國家自然科學(xué)基金(41023010；41271407)；國際科技合作專項項目(2012DFG22050)；國家科技支撐計劃(2013BAD05B03)

劉慶生(1971—)，男，山西忻州人，博士，副研究員，主要從事遙感與GIS在區(qū)域資源環(huán)境評價中的應(yīng)用研究工作。

劉慶生，張韻婕，劉高煥，等.資源三號衛(wèi)星不同空間分辨率圖像斑狀植被檢測比較研究[J].測繪通報，2014(11)：16-20.

10. 13474/j.cnki.11-2246.2014.0353