趙展，閆利

(武漢大學(xué) 測繪學(xué)院，武漢 430079)

0 引言

光譜分辨率是反應(yīng)遙感影像提取地物信息能力的重要指標(biāo)，傳統(tǒng)的高分辨率遙感衛(wèi)星的多光譜影像一般只有藍(lán)、綠、紅、近紅外4個波段，光譜分辨率較低。2009年發(fā)射的WorldView-2在傳統(tǒng)的4波段基礎(chǔ)上增加海岸帶、黃、紅邊和第2近紅外波段，光譜分辨率顯著提高。國內(nèi)外研究者利用8波影像進(jìn)行了大量研究，如利用WorldView-2 8波段影像進(jìn)行各類植被提取[1-4]、牧草地分類[5]和樹種分類[6-8]、根據(jù)植被指數(shù)進(jìn)行生物量反演[9]、濕地地區(qū)地物分類與制圖[10-11]、林火過火嚴(yán)重性分析[12]、城市區(qū)域不透水層[13-15]提取和市區(qū)建筑物分類[16-17]、溫室大棚[18]提取，以及進(jìn)行海水水深反演[19]等。諸多研究證明，相比于4波段多光譜影像，8波段影像具有更好的地物信息提取能力，新增加的4個波段對于某些特定地物能夠顯著提高提取精度，例如利用第2紅外波段構(gòu)建植被指數(shù)能提高植被提取精度[3]、黃波段有利于樹種分類[7]、紅邊波段有利于區(qū)分道路和其他不透水層[14]等。作為目前最先進(jìn)的高分辨率民用遙感衛(wèi)星，WorldView-3、4在繼承WorldView-2的8個多光譜波段的基礎(chǔ)上，又添加了8個短波紅外(short wave infrared，SWIR)區(qū)域的波段，將光譜范圍從“可見光-近紅外”擴(kuò)展到1 195～2 365 nm之間短波紅外波段。相比于可見光-近紅外波段，短波紅外的成像波段更長，不僅能夠反應(yīng)這一波段范圍內(nèi)地物的獨(dú)特反射特性，而且受大氣的散射作用小，穿透霧、煙塵的能力強(qiáng)，有希望顯著提高WorldView影像精細(xì)提取地物信息能力[20]。

目前已有國外研究者開始通過理論分析和實(shí)際影像研究WorldView短波紅外影像在環(huán)境遙感中的應(yīng)用。Asadzadeh等利用地面和機(jī)載高光譜數(shù)據(jù)模擬了WorldView短波紅外影像，并結(jié)合碳?xì)浠衔锓瓷涮匦赃M(jìn)行分析，認(rèn)為其1、4、8波段在溢油監(jiān)測方面極具應(yīng)用潛力[21]。Hunt等通過葉面成分反射率模擬模型研究了葉面成分與近紅外-短波紅外波段反射率的關(guān)系，認(rèn)為WorldView短波紅外影像可以用于葉面水分含量的估算[22]。Warner等利用WorldView-3的兩時期16波段影像進(jìn)行森林過火嚴(yán)重程度分析研究[23]。現(xiàn)有研究證明WorldView短波紅外影像具有很大的地物信息提取潛力，但16波段影像對各類地物的分類能力尚有待系統(tǒng)分析研究。因此，本文以武漢市東西湖區(qū)的WorldView影像為例分析了各種地物在16波段影像上的光譜特征，提出了新的地物指數(shù)，通過實(shí)驗證明了16波段影像具有更好的分類性能以及所提出地物指數(shù)的有效性。

1 研究區(qū)域與數(shù)據(jù)

研究區(qū)域位于武漢市東西湖區(qū)，東西湖區(qū)位于武漢市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)，是武漢市“工業(yè)倍增”計劃的示范區(qū)。實(shí)驗區(qū)內(nèi)地物類型豐富，有河流、池塘、農(nóng)田、林地、道路、各種建筑物等。實(shí)驗數(shù)據(jù)是WorlView-3衛(wèi)星的16波段影像，其中第1到8波段是可見光-近紅外波段，分辨率為1.2 m；第9到16波段是短波紅外波段，分辨率為7.5 m。使用ENVI5.3軟件分別對實(shí)驗影像進(jìn)行輻射定標(biāo)和大氣校正，將影像像素灰度值轉(zhuǎn)換為反射率。然后將短波紅外影像重采樣到1.2 m分辨率，跟可見光-近紅外影像組合成16波段影像。影像如圖1所示，圖1(a)是紅、綠、藍(lán)3個波段組合的真彩色顯示示意圖，圖1(b)是短波紅外1、2、3波段。

圖1 實(shí)驗影像數(shù)據(jù)

2 地物光譜特征分析與地物指數(shù)構(gòu)建

如圖1所示，實(shí)驗影像上地物種類較多，其中水體、植被、裸地等自然地物一般在影像上呈現(xiàn)比較一致的光譜特征，而道路、建筑物等人工地物由于建筑材質(zhì)不同在影像上呈現(xiàn)不同特征。其中，道路主要包含水泥道路和瀝青公路，建筑物包括各種廠房、倉庫、住宅小區(qū)，以及村落(磚瓦房)等。在影像上采集不同地物的典型樣本點(diǎn)，繪制其16波段光譜曲線如圖2所示。

圖2 地物光譜曲線

圖2顯示了水體、植被(草地和林地)、裸地、不同材的道路和建筑物的典型樣本的16波段反射率曲線。曲線圖中橫坐標(biāo)表示波段，第1到8波段位可見光-近紅外波段，分別為海岸帶(下文中簡稱為C)、藍(lán)(簡稱為B)、綠(簡稱為G)、黃(簡稱為Y)、紅(簡稱為R)、紅邊(簡稱為RE)、第1近紅外(簡稱為NIR1)、第2近紅外波段(簡稱為NIR2)，第9到16波段是短波紅外波段(簡稱為SWIR1～8)；縱坐標(biāo)表示反射率(為了顯示方便，數(shù)值乘以10 000)。從圖中可以看出，水體的整體反射率較低，特別是在短波紅外波段，反射率顯著低于其他地物。植被具有非常明顯的曲線特征，在近紅外波段和短波紅外波段有兩個明顯的波峰；在紅波段和短波紅外波段有3個波谷，曲線形狀與其他地物區(qū)分明顯。道路和建筑物屬于人工地物，其反射率取決于所使用的不同建筑材質(zhì)。從圖中可以看出，瀝青材質(zhì)的道路和建筑物都具有較低的反射率，在可見光-近紅外波段反射率與水體接近。而其他材質(zhì)的建筑物和道路，根據(jù)材質(zhì)各不相同在可見光-近紅外波段可能具有不同的曲線特征，但在短波紅外波段都具有較高的反射率，可以根據(jù)這一特點(diǎn)構(gòu)造特征指數(shù)同時提取各種不同的人工建設(shè)地物。裸地的反射率曲線變化相對較平緩，整體規(guī)律類似與水泥材質(zhì)地物，其中農(nóng)田裸地整體反射率相對較低，而推填土的反射率較高，與水泥地物比較接近，但在短波紅外一般低于水泥地物。總地來說，在16波段影像上，不同地物的光譜曲線間的區(qū)分性大大增強(qiáng)了。

在遙感應(yīng)用中，經(jīng)常根據(jù)需要提取某種特定地物。諸多已有研究中，針對某種目標(biāo)地物的反射特性，利用波段反射差異性構(gòu)建地物指數(shù)能夠通過簡單設(shè)置閾值即可有效提取該地物，例如歸一化植被指數(shù)、歸一化水體指數(shù)等。16波段影像相比以往4波段或8波段影像能更好地反應(yīng)地物的光譜特性，可以利用16波段影像構(gòu)建更有效的地物指數(shù)。

植被的反射率曲線在紅波段有個明顯波谷，在近紅外波段呈現(xiàn)明顯的波峰，以往遙感應(yīng)用中經(jīng)常利用這2個波段計算歸一化植被指數(shù)NDVI，實(shí)踐證明該指數(shù)可以有效提取植被并用于植被精細(xì)分類。但是在實(shí)際應(yīng)用中，有的地物在這2個波段可能具有相似的反射率關(guān)系(如藍(lán)色屋頂?shù)膹S房)，其計算的NDVI數(shù)值同樣很高，影響植被提取。而在短波紅外波段，植被在第11、12波段呈現(xiàn)波峰，而在第10、13波段呈現(xiàn)明顯波谷，植被呈現(xiàn)出與其他地物不同的反射特性，例如藍(lán)色廠房在短波紅外波段整體反射率都比較高。利用植被在短波紅外的反射曲線特性，可以構(gòu)建新的植被指數(shù)用于植被提取分類。本文研究中利用第9波段(SWIR1)和第10波段(SWIR2)、第12波段(SWIR4)和第13波段(SWIR5)構(gòu)建新的歸一化植被指數(shù)：

(1)

(2)

在影像上水體屬于反射率較低的物體，在可見光-近紅外波段可能與瀝青材質(zhì)地物相近(公路、房屋)，易于混淆。如圖2所示二者在可見光-近紅外波段范圍(1～8波段)內(nèi)的反射率大小和光譜曲線形狀上都非常相近，已有的遙感研究應(yīng)用中常用的利用海岸帶波段(或綠波段)和近紅外波段構(gòu)建歸一化水體指數(shù)NDWI，能夠有效地提取水體。但是當(dāng)影像上存在瀝青材質(zhì)地物時，由于瀝青可見光-近紅外波段的反射特性跟水體較為接近，易造成混淆。但在短波紅外范圍(9～16波段)內(nèi)，水體的反射率很低，瀝青相對較高，二者區(qū)分明顯。因此利用可見光波段和短波紅外波段構(gòu)建新的水體指數(shù)，這里為了最大程度增加對瀝青的區(qū)分，可見光波段選擇紅波段，短波紅外波段選擇第8短波紅外波段：

(3)

如上文所述，人工建設(shè)地物(包括建筑物和道路等)根據(jù)建筑材質(zhì)不同呈現(xiàn)不同的光譜特征，而除瀝青外的各種建筑材質(zhì)盡管在可見光-近紅外波段具有不同的光譜曲線特征，但在短波紅外波段都具有較高的反射率，明顯高于可見光-近紅外波段。因此，本文根據(jù)這一特點(diǎn)構(gòu)造歸一化建成區(qū)指數(shù)NDBI(normalized difference built-up index)提取由各種不同的人工建筑地物組成的建成區(qū)：

(4)

裸地同水泥材質(zhì)地物具有較相似的反射曲線形狀，也可能會具有較高的swirNDBI值，而在C波段和SWIR8波段，水泥地物反射率一般高于裸地，因此可以構(gòu)造一個輔助特征參數(shù)排除裸地對建成區(qū)的干擾：

swirNDBI2=SWIR8+C

(5)

3 實(shí)驗與分析

3.1 監(jiān)督分類結(jié)果

本文設(shè)計了2個實(shí)驗分析16波段影像的分類性能。首先進(jìn)行監(jiān)督分類試驗，分析在少量樣本的情況下，利用最近鄰分類器分類時的分類精度。然后進(jìn)行單一地物提取實(shí)驗，驗證分析利用本文設(shè)計的地物指數(shù)提取單一地物的精度。為了防止分類結(jié)果出現(xiàn)“椒鹽現(xiàn)象”，分類過程以面向?qū)ο蠓椒榛A(chǔ)，即以分割后的影像對象為基本分類單元。但與面向?qū)ο蠓诸惙椒ㄖ谐浞掷酶鞣N幾何特征不同，由于本文主要是分析16波段影像光譜特征的分類性能，在本文實(shí)驗中僅采用分割對象的各波段光譜灰度均值特征以及基于光譜的地物指數(shù)特征。因此，在本文實(shí)驗過程中對影像進(jìn)行了小尺度的分割，在分割結(jié)果上進(jìn)行光譜分類實(shí)驗。

在監(jiān)督分類實(shí)驗中，將實(shí)驗影像上的地物分為植被、水體、裸地、建筑物和道路5類。采用人工目視判別影像結(jié)合百度街景確定影像上真實(shí)地物類別，所建立的分類樣本和精度檢查樣本如圖3所示?；诜诸悩颖?，分別利用可見光-近紅外波段(即前8個波段)的光譜特征以及所有16波段的特征進(jìn)行分類，分類結(jié)果利用檢查樣本進(jìn)行精度評定。分類結(jié)果如圖4所示，精度統(tǒng)計結(jié)果如表1、表2所示?？梢钥闯?，8波段影像分類結(jié)果中水體和植被的分類精度較高，裸地、建筑物、道路間的精度較低，有較多的裸地被誤分為建筑物或道路，裸地的生產(chǎn)者精度較低，而建筑物、道路相互混淆也較嚴(yán)重，二者的生產(chǎn)者精度和用戶精度都較低。使用16波段影像分類，植被和水體的精度有進(jìn)一步提高，裸地的誤分現(xiàn)象得到明顯改善，生產(chǎn)者精度提高明顯，而建筑物、道路的分類精度也有所提高。同時，建筑物和道路仍然存在一定的混淆，道路的用戶精度仍然比較低，這是因為道路的建設(shè)材質(zhì)與部分建筑物相同，僅靠光譜信息很難將完全區(qū)分，在后續(xù)研究中還需要加入形狀、紋理等其他特征。總地來說，加入短波紅外波段后，總體分類精度從83.5%提高到89.1%，Kappa系數(shù)從0.77提高到0.85。

圖3 實(shí)驗影像樣本數(shù)據(jù)

圖4 實(shí)驗影像分類結(jié)果

表1 8波段影像分類精度評價

表2 16波段影像分類精度評價

3.1 利用地物指數(shù)提取地物結(jié)果

同時本文還對比分析利用地物指數(shù)提取特定地物結(jié)果，分別利用本文提出的幾種地物指數(shù)設(shè)置簡單閾值規(guī)則提取植被、水體和建成區(qū)，并利用圖3(b)的檢查樣本進(jìn)行精度檢查，提取規(guī)則和精度統(tǒng)計結(jié)果如表3所示。其中植被和水體提取結(jié)果分別與基于8波段的地物指數(shù)結(jié)果作對比，而對于建成區(qū)來說，8波段影像并不能構(gòu)建有效特征指數(shù)，這里僅給出本文基于16波段影像特征指數(shù)的提取結(jié)果。3種地物的提取結(jié)果分別如圖5、圖6、圖7所示。從圖5(a)可以看出，利用NDWI進(jìn)行植被提取時，很多工廠廠房也被誤提植被，雖然生產(chǎn)者精度較高，漏提較低，但誤提較多導(dǎo)致用戶精度不高，只有85.7%；而利用swirNDVI1建立一個簡單閾值規(guī)則后，可以有效排除干擾地物(使用swirNDVI2可以達(dá)到同樣效果，因此，文中只給出基于swirNDVI1的結(jié)果)。加入基于swirNDVI1閾值規(guī)則后，誤提減少，用戶精度可以顯著提高到95.6%；同時，相比之下生產(chǎn)者精度略有下降，這是因為短波紅外影像分辨率較低，在地物邊緣處混合像元的影響造成的。同樣的情況出現(xiàn)在水體提取的結(jié)果中，提取規(guī)則加入swirNDWI特征后，生產(chǎn)者精度略有下降，但避免了瀝青房屋的干擾，用戶精度從97.1%提升到99.9%。建成區(qū)的提取分為2個部分，非瀝青材質(zhì)的建成區(qū)具有較高的swirNDBI1和swirNDBI2指數(shù)值，通過二者建立提取規(guī)則提取，提取結(jié)果如圖7(a)所示；瀝青材質(zhì)的建成區(qū)在可見光-近紅外波段與水體相似具有相對較高的NDWI數(shù)值，同時swirNDWI的數(shù)值明顯小于水體，可以利用這一特性提取瀝青材質(zhì)的建成區(qū)，提取結(jié)果如圖7(b)所示，將二者合并，最終的提取結(jié)果如圖7(c)所示。建成區(qū)的提取最終的生產(chǎn)者精度為80.8%，用戶精度86%，通過簡單閾值規(guī)則即取得較高的提取精度。

表3 地物提取規(guī)則與精度評價

圖5 植被提取結(jié)果

圖6 水體提取結(jié)果

圖7 建成區(qū)提取結(jié)果

4 結(jié)束語

本文研究分析了WorldView衛(wèi)星的16波段影像上各種地物的光譜特征，分析了16波段影像對不同地物的分類性能，并基于16波段影像提出了新的植被指數(shù)、水體指數(shù)和建成區(qū)指數(shù)。實(shí)驗表明相比于8波段影像，使用16波段影像分類能夠顯著提高各類地物特別是裸地、建筑物和道路的分類精度，總體精度提高約5.5%。基于16波段設(shè)計的新的地物特征指數(shù)能夠通過簡單閾值有效提取地物，相比于已有地物指數(shù)，能更好地避免誤提干擾地物，取得較高的提取精度。另一方面，分類和地物提取過程中，建筑物和道路依然存在一定的混淆，因為二者可能采用相同的建筑材料，僅僅依靠光譜特征很難完全區(qū)分。將16波段影像的豐富光譜特征與形狀、紋理等幾何特征相結(jié)合進(jìn)行地物分類和提取，并分析16波段影像在地物精細(xì)分類中的性能，是下一步的主要研究內(nèi)容。