王建步，張杰，吳培強，馬毅

（國家海洋局第一海洋研究所，山東 青島 266061）

0 引 言

濕地具有很高的經(jīng)濟價值和生態(tài)功能，被譽為地球的“生物超市”和“自然之腎”［1］。黃河三角洲是我國三大河口三角洲之一，是我國最年輕，面積最大，保存最完整的新生河口濕地生態(tài)系統(tǒng)。其豐富的濕地植被和水生生物資源，大面積的淺海灘涂和沼澤，為鳥類的繁衍生息、遷徙越冬提供了優(yōu)良的棲息環(huán)境，并使之成為東亞以至全球重要的水禽繁殖與棲息地，具有重要的生物保護和科研價值。但是近年來油田和農(nóng)田的增加，導(dǎo)致了灘涂大面積圍墾，造成海域自凈能力下降，污染嚴重，對當?shù)氐纳鷳B(tài)環(huán)境造成了非常嚴重的影響，由此需要開展黃河生態(tài)資源監(jiān)測。遙感具有大范圍、同步觀測、高時空分辨率和高頻率等優(yōu)勢，可為濕地生態(tài)系統(tǒng)監(jiān)測和管理提供經(jīng)濟、快捷、實時的數(shù)據(jù)來源。

濕地遙感分類方法主要有監(jiān)督分類和非監(jiān)督分類兩種，目前已有許多學(xué)者將這兩種分類方法應(yīng)用到濕地生態(tài)監(jiān)測中［2－6］。黃河口濕地的黃河水含沙量巨大，而河口區(qū)的裸灘含水量比較大，在衛(wèi)星影像中，黃河水體和裸灘光譜特性差異較小，影響了基于光譜特征的黃河水和裸灘的分類精度。本文基于CHRIS高光譜影像，利用其高光譜分辨率的優(yōu)勢，結(jié)合水體指數(shù)算法開展了黃河口裸灘和黃河水的區(qū)分能力研究。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)域

黃河口位于東營市境內(nèi)，北靠渤海，東靠萊州灣，位于近代黃河三角洲內(nèi)。同時，黃河攜帶大量泥沙在這里沉積，年均造陸2萬余畝，使這里成為我國最年輕的土地。本文選取的研究區(qū)范圍為37°42′N～37°50′N，119°3′E～119°13′E，該區(qū)域內(nèi)地物豐富，具有中國暖溫帶保存最完整、最廣闊和最年輕的濕地生態(tài)系統(tǒng)（圖1）。

圖1 CHRIS圖像（15、10、5波段組合）

1.2 數(shù)據(jù)

本文選用的影像為PROBA－CHRIS影像，具有5種成像模式（表1），可獲取0°、＋36°、－36°、＋55°和－55°等5種角度的高光譜圖像。本文使用的數(shù)據(jù)是2012年6月獲取的黃河口濱海濕地工作模式2的0°圖像（圖1），其光譜范圍406nm～1035nm，光譜分辨率1.25nm～11.00nm，地面分辨率17m（表2）。采用ESA提供的HDFclean軟件去除CHRIS影像的噪聲和大氣校正，包括缺失像元填充、條帶噪聲去除。

表1 CHRIS傳感器成像模式

本文作者于2013年3月和2013年9月兩次赴黃河口自然保護區(qū)開展現(xiàn)場踏勘，對影像地物進行了解譯，并選定了黃河水和裸灘的采樣范圍，采樣區(qū)見圖1。

2 方法

從圖1來看，黃河口自然保護區(qū)內(nèi)黃河水由于含泥沙量太大，導(dǎo)致其在影像上顏色和紋理與灘涂上的裸灘基本一致，從而對該區(qū)域內(nèi)地物監(jiān)督和非監(jiān)督分類帶來一定的困難。水體指數(shù)計算中利用了綠光波段和近紅外波段的反射率，其作用是利用植被在近紅外波段和綠光波段反射率比值來抑制植被信息，突出水的信息。類似植被，裸灘在近紅外也有很強的反射率，因此本文選擇水體指數(shù)開展裸灘和黃河水兩種地物的區(qū)分能力研究。

（1）水體指數(shù)（NDWI）

Mcfeeters提出的歸一化差異水體指數(shù)（Normalized Difference Water Index，NDWI）便是其中之一［7］，其公式如下：

式中，Rgreen代表綠光波段；Rnir代表近紅外波段。在CHRIS影像中，綠光波段為第2和第3波段，近紅外波段為波段16、波段17和波段18。水體的反射從可見光到中紅外波段在逐漸減弱，其中在近紅外和中紅外波長范圍內(nèi)吸收性最強，幾乎無反射。由于所用的CHRIS影像沒有中紅外波段，因此本文選定為近紅外波段。

（2）類距離

為了能更好地比較水體指數(shù)不同波段的優(yōu)劣性，本文借鑒模式識別領(lǐng)域兩類樣本區(qū)分所采用的“類距離”來評定，公式如下：

式中，μm、μw分別為裸灘和黃河水在算法中計算的結(jié)果，分別為裸灘和黃河水的計算結(jié)果的方差。Dmw越大，則可說明對裸灘和黃河水的區(qū)分能力越好；反之，則表明區(qū)分能力弱［8］。

3 結(jié)果與分析

3.1 光譜特征分析

本文通過對選擇出的樣本區(qū)域進行處理，計算得到了裸灘和黃河水的在高光譜圖像上的平均光譜和其標準偏差，如圖2所示。

圖2 裸灘和黃河水平均光譜及標準偏差

由圖2可知，在綠光波段范圍內(nèi)，裸灘光譜和黃河水光譜及其標準偏差差異不明顯。然而由于裸灘含水量的不同，在近紅外波段，裸灘的光譜波動要比黃河水光譜波動大，即裸灘光譜的標準偏差大于相應(yīng)波段黃河水光譜的標準偏差。在近紅外波段范圍內(nèi)，裸灘的光譜隨著波長增大反射率不斷增加，而黃河水反射率，由于水體吸收特征，隨著波長增大不斷降低。兩種地物光譜在近紅外波段范圍內(nèi)隨著波長向長波移動，標準偏差都在逐漸增大。故在利用水體指數(shù)提取裸灘和黃河水體時，對不同波段組合的水體指數(shù)區(qū)分裸灘和黃河水體的能力進行評價是必要的。

3.2 提取結(jié)果

本文利用水體指數(shù)算法，將CHRIS高光譜影像的綠波段的波段2和波段3，近紅外波段的波段16、波段17和波段18進行了組合，共計6種；并計算其相應(yīng)的類距離Dmw，結(jié)果如表3所示。

表3 不同波段組合下兩種地物的水體指數(shù)及類距離（μv—黃河水、μr—裸灘）

類距離值越大，表示在相應(yīng)波段組合下水體指數(shù)對黃河水和裸灘的區(qū)分能力越高。由表3中可以看出，不同波段組合下的水體指數(shù)計算所得的類距離在0.0059～0.9809之間。在綠光波段確定的情況下，類距離隨著近紅外波長的增加而增大，綠光波段為第2波段時，類距離最大可達0.9809；綠波段為第3波段時，類距離最大可達0.9129。在近紅外波段確定的情況下，隨著綠光波段的變化，類距離變化不明顯。由表3分析可知，波段2和波段18組合，波段3和波段18組合效果最好，即對裸灘和黃河水的分類能力就越強。

將研究區(qū)分為植被、清澈水體、裸灘和黃河水體4種地物類型，基于以上波段組合特征，開展了黃河與裸灘區(qū)分試驗。首先選擇固定的植被指數(shù)［9］（NDVI）和水體指數(shù)，提取易從其他地物中區(qū)分的植被（NDVI＞0.05）和清澈水體（NDWI＞0.2）兩大類，在這兩類分類結(jié)果確定的情況下，選擇波段2和波段16、波段2和波段17、波段2和波段18組合構(gòu)成類距離依次增大的水體指數(shù)來區(qū)分剩余的黃河和裸灘兩種地物。設(shè)置NDWI的閾值來區(qū)分黃河水與裸灘，其相應(yīng)的區(qū)分結(jié)果分布圖如圖3所示。圖3（a）給出了結(jié)合現(xiàn)場踏勘獲取的人機交互解譯標志。由波段2和波段16、波段2和波段17組合的水體指數(shù)得到的黃河水與裸灘類距離小，NDWI閾值如何設(shè)置，黃河水與裸灘都沒有區(qū)分開，如圖3（b）、圖2（c）所示，可以看出黃河水基本全部被誤分成裸灘，且裸灘中一部分誤分成了黃河水?；诓ǘ?和波段18組合的水體指數(shù)可得到最大的黃河與裸灘類距離，設(shè)置NDWI＜－0.1為裸灘，－0.1＜NDWI＜0.2的為黃河水，在此基礎(chǔ)上得到了黃河水與裸灘較好的區(qū)分結(jié)果，如圖3（d）所示。這也驗證了類距離越大的波段組合，區(qū)分黃河水和裸灘的能力越強。

圖3 基于不同波段組合的NDWI黃河與裸灘區(qū)分結(jié)果

表4給出了基于最佳波度組合的分類精度。其中裸灘被錯分到黃河的占8.46%，黃河錯分到裸灘的占9.33%，總體分類精度為82.05%，Kappa系數(shù)為0.7235，黃河水體與裸灘區(qū)分比較強，且總體具有較高的分類精度。

4 結(jié)束語

本文基于CHRIS高光譜影像，利用水體指數(shù)算法開展了黃河口裸灘和黃河水的分類研究，分析兩者的光譜特征，結(jié)合模式識別領(lǐng)域中的“類距離”來分析不同波段組合情況下的水體指數(shù)算法區(qū)分裸灘和黃河水體的能力。并基于不同波段組合的水體指數(shù)，開展了黃河口裸灘與黃河水的區(qū)分試驗，結(jié)果表明：從裸灘和黃河水的光譜特征可以看出，兩種地物光譜在近紅外波段處差別最大；不同波段組合下的水體指數(shù)算法，計算得到的類距離不穩(wěn)定，浮動大；對于CHRIS高光譜影像來說，水體指數(shù)算法中波段組合為波段2和波段18以及波段3和波段18時，裸灘和黃河水的類距離最大，可達0.9803和0.9129，區(qū)分能力最大。

表4 基于最佳波段組合的分類精度／%

由于本文所選的樣本均來自CHRIS高光譜影像，其波段范圍為10nm左右，對于更加細致的不同波段在各算法中的分類能力沒有進行研究。

［1］余國營.濕地研究的若干基本科學(xué)問題初論［J］.地理科學(xué)進展，2001，20（2）：177－183.

［2］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.

［3］王仁卿，張治國，王清.黃河三角洲植被的分類［J］.山東大學(xué)學(xué)報（自然科學(xué)版），1993，28（增刊）：23－28.

［4］潘建剛，趙文吉，宮輝力.遙感圖像分類方法的研究［J］.首都師范大學(xué)學(xué)報（自然科學(xué)版），2004，25（3）：86－91.

［5］劉高煥，葉慶華，劉慶生，等.黃河三角洲生態(tài)環(huán)境動態(tài)監(jiān)測與數(shù)字模擬［M］北京：科學(xué)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.統(tǒng)計模式識別（第二版）［M］.北京：電子工業(yè)出版社，2004.

［9］王建步，張杰，馬毅，等.黃河口濕地典型地物類型高光譜分類方法研究［J］.海洋學(xué)研究，2014，32（3）：36－41.