郝玉峰，滿衛(wèi)東,2,3，汪金花，劉明月,2,3，張 闊

（1.華北理工大學 礦業(yè)工程學院，河北 唐山 063210；2.河北省礦業(yè)開發(fā)與安全技術(shù)重點實驗室，河北 唐山063210；3.河北省礦區(qū)生態(tài)修復(fù)產(chǎn)業(yè)技術(shù)研究院，河北 唐山063210）

0 引言

濕地是地球三大生態(tài)系統(tǒng)之一，雖然只占地球表面積的6%左右，但憑借其豐富的自然資源，為動植物提供了良好的生存環(huán)境，同時也具有調(diào)節(jié)氣候、保護生物多樣性、蓄洪抗旱、改善環(huán)境等作用[1]，被稱為“地球之腎”[2].近年來，由于受氣候變化、自然災(zāi)害、環(huán)境污染、城鎮(zhèn)擴張、農(nóng)業(yè)發(fā)展等因素的影響，大面積的自然濕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地、農(nóng)業(yè)用地以及人工濕地[3]，導(dǎo)致濕地生態(tài)系統(tǒng)功能遭到嚴重破壞.第二次全國濕地資源調(diào)查結(jié)果表明，截止2013年，中國濕地總面積為5 360.26萬km2，相較于第一次調(diào)查結(jié)果，濕地面積減少了339.63萬km2[4].準確掌握濕地的面積和分布情況，對濕地的管理與保護以及生態(tài)系統(tǒng)的可持續(xù)發(fā)展具有重要意義.

快速、準確提取濕地信息是進行濕地探究的基礎(chǔ)，20世紀70年代，計算機技術(shù)在遙感圖像解譯中得到廣泛應(yīng)用，其中目視判讀憑借簡單易操作、靈活性強等優(yōu)點，成為主要的方法之一[5]，但該方法很大程度上取決于解譯人員的專業(yè)知識水平.隨著遙感技術(shù)的發(fā)展，土地覆被信息提取方法也取得了較大發(fā)展，分類精度得到了很大提高，主要包括監(jiān)督分類、非監(jiān)督分類、支持向量機、決策樹等方法[6].其中，決策樹分類方法憑借其靈活、直觀、運算效率高等特點在濕地分類中較為常用[7].但當前多數(shù)方法都以像元為基準進行分類，使得光譜相似的地物類型無法準確分離，必然造成“同譜異質(zhì)”、“同質(zhì)異譜”等現(xiàn)象[8].面向?qū)ο蠓诸惙椒☉?yīng)用地物類型的光譜、形狀、空間關(guān)系等特征建立規(guī)則，將含有更多信息的對象應(yīng)用到分類中，能夠解決傳統(tǒng)分類方法出現(xiàn)的光譜混淆等問題[9].將面向?qū)ο蠓诸惡蜎Q策樹相結(jié)合，利用面向?qū)ο蠓▽⒂跋穹指畛赏|(zhì)對象，再經(jīng)過決策樹進行滿足和不滿足的條件判斷[10]，實現(xiàn)更加快速、高效地影像分類，使得分類結(jié)果更準確.由于濕地所處地形豐富，覆被地物類型多樣，需要應(yīng)用較多的特征變量，才能對濕地進行精確的分類.從影像中提取的特征變量間往往存在相關(guān)性，且應(yīng)用過多的特征變量參與分類將影響分類精度和分類速度.因此，如何能在特征集中選擇出最優(yōu)的特征變量的同時，又能高效的對濕地進行精確分類顯得尤為重要.

Relief-F算法[11]是一種典型的過濾式特征優(yōu)化算法，通過計算特征變量的權(quán)重并進行排序，進而提取出最優(yōu)特征集合.Relief-F算法具有高效、不受數(shù)據(jù)類型限制的優(yōu)點，被廣泛應(yīng)用于國內(nèi)外各研究領(lǐng)域.何云[12]等利用優(yōu)選特征進行隨機森林土地覆蓋分類，并與原始隨機森林分類結(jié)果進行對比，得出基于特征優(yōu)選的分類結(jié)果精度明顯提高.劉家福[13]等采用 Relief-F算法對全部特征變量進行權(quán)重排序，采用基于特征優(yōu)選的隨機森林模型與傳統(tǒng)的分類方法提取黃河口濱海濕地信息，得出特征優(yōu)選的隨機森林模型精度和效率最高.以上研究都是利用隨機森林決策樹模型進行分類，但不同決策樹對于濕地分類的適用性沒有明確說明，不同決策樹方法分類精度存在一定差異.對不同的決策樹模型進行比較，選擇出最優(yōu)模型，有助于提高分類精度.

該研究以唐山市曹妃甸為研究區(qū)，基于Landsat8 OLI數(shù)據(jù)，經(jīng)輻射定標、大氣校正等預(yù)處理后，對影像進行面向?qū)ο蠓指睿崛》指顚ο蟮墓庾V、紋理、幾何、植被指數(shù)、水體指數(shù)等特征，并利用Relief-F算法對特征變量進行優(yōu)選，獲取適合本研究區(qū)的最優(yōu)特征集，分別使用 CART、C5.0和QUEST決策樹及未特征優(yōu)化的QUEST決策樹對研究區(qū)的濕地類型進行分類，評價不同方法在濕地分類中的優(yōu)劣.

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

曹 妃 甸 區(qū) （ 39°07′43″N ～ 39°27′23″N ，118°12′12″E～118°43′16″E）處于河北省唐山市南部沿海、渤海灣中心地帶，面積為1 943.72 km2，其中野生動植物豐富多樣，省級濕地和鳥類保護區(qū)110 km2，被國際濕地組織稱為“開發(fā)潛力巨大、不可多得的濕地保護區(qū)”.該地區(qū)位于東部季風區(qū)溫帶半濕潤區(qū)，大陸性季風特征顯著，夏季潮濕多雨，冬季寒冷干燥，四季分明，年均氣溫11 ℃，年降水量636 mm，主要集中在7月和8月.研究區(qū)土地利用類型多樣，主要以鹽田、水田、養(yǎng)殖池、不透水表面等為主，濕地植被主要以蘆葦和翅堿蓬為主，見圖1.

圖1 曹妃甸區(qū)Fig.1 study area ofCaofeidian

1.2 數(shù)據(jù)來源與預(yù)處理

該研究使用的數(shù)據(jù)為曹妃甸地區(qū)2013年7月24日夏季的Landsat8 OLI影像，來源于USGS官網(wǎng)（https://www.usgs.gov/），軌道行列號為 122/33，影像的云量少，圖像清晰，主要包括7個波段，可見光與近紅外包括5個波段，TIRS 包括2個波段，空間分辨率為30 m，其中全色波段的分辨率為15 m.輔助數(shù)據(jù)主要包括Google Earth 衛(wèi)星影像、曹妃甸矢量文件和野外調(diào)查數(shù)據(jù).

利用ENVI軟件對遙感影像進行輻射定標和大氣校正，消除大氣所造成的輻射誤差，獲得地物表面的真實反射率；采用二次多項式對遙感數(shù)據(jù)進行幾何精校正，將幾何誤差控制在0.5個像元內(nèi)；采用Gram-Schmidt變換對30 m的多光譜影像和15m的全色波段影像進行融合；最后利用曹妃甸矢量邊界對遙感影像裁剪，得到研究區(qū)遙感影像.

1.3 濕地遙感提取的分類系統(tǒng)

以《濕地公約》、《全國濕地資源調(diào)查與監(jiān)測技術(shù)規(guī)程》和文獻的濕地分類體系為依據(jù)，通過實地考察和Google Earth影像的目視判讀，將研究區(qū)的主要濕地劃分草本沼澤、河流、泥沙質(zhì)灘涂、庫塘/水庫、養(yǎng)殖池、鹽田、水田、非濕地（建設(shè)用地、耕地）共9類，見表1.

表1 研究區(qū)遙感分類體系Tab.1 remote sensing classification system in study area

1.4 特征變量說明

本文選取光譜特征、紋理特征、幾何特征、形狀特征、指數(shù)特征和纓帽變換求得的亮度、綠度、濕地構(gòu)建共52個特征集（表2）.

表2 樣本特征與描述Tab.2 features and description of sample

續(xù)表2

將遙感影像波段的平均值和標準差作為光譜特征；并利用各波段反射率為基準構(gòu)建水體指數(shù)和植被指數(shù)；但研究區(qū)濕地類型豐富多樣，僅依靠光譜特征和指數(shù)特征很難將相似的地物分離[14]，紋理特征能夠更好的描述地物信息的細節(jié)[15]，因此本文利用灰度共生矩陣（Gray-level Co-occurrence Matrix，GLCM）提取56個特征變量.并利用主成分分析對其降維，其中第一主成分的貢獻率達到51.23%，第6主成分的貢獻率達到95.74%，因此選取前6個主成分作為紋理特征.

纓帽變換不僅對原始影像的地物信息起到圖像增強的效果，還能壓縮各波段間的冗余信息[16].本文選擇Baig等人提出的Landsat8 OLI纓帽變換系數(shù)進行纓帽變換[17]，得到6個分量，其中前3個分量為亮度、綠度、濕度，第3到6變量均為噪聲，因此提取前3個分量的均值和標準差用于區(qū)分不同的濕地類型.

1.5 分類方法

（1）多尺度分割

面向?qū)ο蠓椒ㄊ菍⒂跋穹指畹玫酵|(zhì)對像，再根據(jù)地物類型的光譜、形狀、空間關(guān)系等特征建立規(guī)則，將對象分配到相應(yīng)的類中[18].其核心步驟是多尺度分割，分割的好壞直接影響到分類結(jié)果的精度.其原理是根據(jù)給定的閾值對像元進行聚集合并，形成具有更多信息的對象，并將對象提取出來的過程[19].面向?qū)ο蠓指罘椒ㄖ饕O(shè)置6個參數(shù)：波段權(quán)重、分割尺度、光譜、形狀、緊湊度和光滑度.其中分割尺度對分類結(jié)果的影響最為明顯，尺度設(shè)置的越大，像元合并的面積就越大，獲得的對象越少，越容易造成像元混淆的現(xiàn)象，反之則導(dǎo)致分割對象過于破碎，大大增加工作量[20]；光滑度和緊湊度、形狀因子和光譜因子的取值范圍均為0.1～0.9，參數(shù)的和均是1.由于地區(qū)的空間差異和不同信息提取的需要，應(yīng)根據(jù)實際情況設(shè)置相應(yīng)的參數(shù)，從而得到最優(yōu)的分割結(jié)果.

（2）特征優(yōu)選算法

Relief-F算法是一種基于數(shù)理統(tǒng)計的多類別特征選擇算法，其核心思想是通過隨機抽取樣本的方式，計算各個特征變量的權(quán)重，并對權(quán)重值的大小進行排序[21].其主要內(nèi)容是從訓練集中隨機選擇一個樣本R，然后從和R同類的樣本中尋找k最近鄰樣本H，從和R不同類的樣本中尋找k最近鄰樣本M，最后定義特征權(quán)重為

式中，A為特征變量的個數(shù)；m為樣本抽樣次數(shù)；k為最近鄰樣本個數(shù)；Hj為樣本R的第k個最近鄰?fù)慄c；diff(A,R,Hj)為在特征A上樣本R和Hj的差；Mj(C)為異類樣本點；Class(R)為樣本R的類別；P為概率.

（3）決策樹分類方法

CART（Classification and Regression Tree，分類回歸樹）算法基本原理是將測試變量與目標變量構(gòu)成數(shù)據(jù)集，通過計算基尼系數(shù)（Gini Index）選擇最優(yōu)分割特征，再根據(jù)特征值構(gòu)建二叉樹，并循環(huán)此步驟，直到待分類的樣本集達到停止分類的條件[22].基尼系數(shù)的計算式為

式中，r為類別變量的個數(shù)；P(Ui)為所選樣本的數(shù)據(jù)集中屬于第i個類別概率.

C5.0決策樹算法以特征變量信息增益率（Information Gain）為標準確定最優(yōu)分割特征和分割值，并通過代價矩陣對決策樹的節(jié)點進行修剪[23]，除此之外，C5.0算法還引入了Boosting技術(shù).Boosting技術(shù)依次建立一系列決策樹，后建立的決策樹會對前面構(gòu)建決策樹出現(xiàn)的錯分現(xiàn)象加以分析，最終生成更加準確的決策樹模型[24].

QUEST決策樹算法是一種二元分類方法，其基本流程和其他決策樹相同，主要分為特征變量和特征分割值的選擇.QUEST將特征變量和分割閾值的確定分開進行，一方面對連續(xù)性變量和離散型變量同時適用，另一方面還減小了分類方法中常見的偏向類別較多預(yù)測變量的趨勢，因此在特征變量選擇上基本無偏[25]，同時可通過多個變量構(gòu)成的超平面在特征空間中區(qū)別類別成員和非類別成員[26].

基于分類結(jié)果，構(gòu)建混淆矩陣，利用總體精度、Kappa系數(shù)、生產(chǎn)者精度和用戶精度對不同方法的結(jié)果進行評價.

2 結(jié)果與分析

2.1 影像多尺度分割

本研究采用試錯法選擇最優(yōu)分割尺度，分割尺度以20為步長，從60到200，不斷改變分割尺度、形狀和緊密度的權(quán)重，得到不同尺度的分割結(jié)果.由于研究區(qū)主要為水田、養(yǎng)殖池和水庫這樣較為規(guī)則的地物，因此將形狀因子的權(quán)重設(shè)置的較高，經(jīng)過多次試驗發(fā)現(xiàn)，設(shè)置形狀因子權(quán)重為0.9、緊湊度權(quán)重為0.5，當分割尺度為60時，地物類型分割的過于破碎；而當設(shè)置尺度為 160時，建設(shè)用地能夠準確的分離，但是水田、養(yǎng)殖池會出現(xiàn)錯分的現(xiàn)象；當分割尺度為100時，不同的地物類型均得到較好的分割，見圖2.因此，選取分割尺度為100，形狀因子為0.9，緊湊度為0.5對研究區(qū)進行多尺度分割.

圖2 研究區(qū)局部不同尺度的分割結(jié)果對比Fig.2 comparison of segmentation results of different scales in study area

2.2 特征優(yōu)選

利用Relief-F算法對52個特征變量進行優(yōu)選，主要設(shè)置兩個參數(shù)，分別為決策樹數(shù)量和輸入特征變量個數(shù).假設(shè)構(gòu)建決策樹的數(shù)量N=1 000，以5為步長，從1到52，不斷改變特征變量個數(shù)k，計算得出分類精度.由圖3可知，隨著特征變量的增加，前7個特征的分類精度呈現(xiàn)持續(xù)增長的態(tài)勢，由第一個特征分類精度為79.3%增長到89%，這是由于前期特征變量間的相關(guān)性較低，對分類都起到了積極作用；但到了7～20個特征變量時，少數(shù)的冗余特征開始出現(xiàn)，致使分類精度呈現(xiàn)波動上升趨勢，輸入 20個特征變量時，分類精度達到最大值，為89.5%；從21個特征變量開始，分類精度呈現(xiàn)明顯的下降趨勢，這是由于不相關(guān)特征的增加，對最優(yōu)特征的選擇產(chǎn)生了干擾，導(dǎo)致分類精度降低.固定特征變量的個數(shù)k=20，對決策樹數(shù)量N進行選取，通過測試發(fā)現(xiàn)，當決策樹的數(shù)量N≥1 000時，分類精度逐漸趨于穩(wěn)定.因此，本文在特征數(shù)k=20，決策樹數(shù)量N=1 000時選取最優(yōu)特征集.

圖3 特征變量個數(shù)與分類精度關(guān)系Fig.3 relationship between number of feature variables and classification accuracy

利用上述Relief-F算法計算52個特征變量的權(quán)重，得出權(quán)重系數(shù)排在前 30的特征變量見圖4.根據(jù)Relief-F算法計算得到的最優(yōu)特征數(shù)量，選取前20個特征變量構(gòu)成最優(yōu)特征集.最優(yōu)特征集中，光譜特征有8個，纓帽變換有4個，水體指數(shù)有3個，幾何特征和植被指數(shù)均有2個，紋理特征有1個，形狀特征則最不明顯，權(quán)重最高的形狀特征排在所有特征的第21個.結(jié)果表明光譜特征在本研究區(qū)的分類中作用最為顯著，其次是纓帽變換求得的濕地、亮度和綠度.圖4中，Std Red/Blue/SWIR1/PC1/PC2/PC3/ PC4/ PC5為紅波段、藍波段、紅外波段1、第一、第二、第三、第四、第五主成分標準差，MeanWetness/ Brightness/Greenness為濕度、亮度、綠度均值，MeanRed/Blue/Coastal/Green/SWIR1/SWIR2為紅波段、藍波段、海岸波段、綠波段、紅外波段1、紅外波段2均值，Std Wetness/Brightness為濕度、亮度標準差，其他變量參照表2.下文中圖6變量符號與圖4相同.

圖4 特征權(quán)重分布和前30個特征變量的占比Fig.4 distribution of feature weight and proportion of the first 30 feature variables

2.3 決策樹的建立

基于9種地物類型578個訓練樣本和20個特征變量，應(yīng)用 C5.0、CART、QUEST建立決策樹模型，與未進行特征優(yōu)選的QUEST決策樹模型進行比較分析見圖5.用 4種方法構(gòu)建決策樹使用的特征變量明顯不同，見圖6.C5.0決策樹應(yīng)用到Boosting算法，所選的20個特征變量都參與到模型的構(gòu)建，且權(quán)重沒有較大差距，其余的三種方法使用了10個左右的特征變量.從出現(xiàn)次數(shù)上看，近紅外均值、地表水指數(shù)是最主要的變量，在C5.0、QUEST和未特征優(yōu)選的QUEST決策樹種均出現(xiàn)1次；從特征的權(quán)重系數(shù)上看，未特征優(yōu)選的QUEST決策樹的形狀指數(shù)的最大系數(shù)為0.54，而其他特征變量的權(quán)重系數(shù)較低，CART與QUEST決策樹的最優(yōu)特征變量系數(shù)均在 0.20左右，且各特征變量間的差距不大.

圖5 決策樹模型Fig.5 decision tree model

圖6 不同決策樹權(quán)重對比Fig.6 comparison of weights of different decision trees

2.4 分類精度評價

對比4種模型得到的結(jié)果見圖7.由圖7可見，經(jīng)過特征優(yōu)化的 3種決策樹方法與未特征優(yōu)化的QUEST決策樹在對濕地類型的判斷上存在較大差異.圖8（d）中，都出現(xiàn)了草本沼澤、建設(shè)用地、水田等濕地類型混淆嚴重，其中建設(shè)用地（道路）被錯分為細河流最為明顯，還有部分水庫坑塘被劃分為養(yǎng)殖池和鹽田.特征優(yōu)化下的 3種決策樹方法相比，QUEST決策樹的分類效果更優(yōu).在區(qū)域1中，C5.0和CART決策樹都將部分草本沼澤錯分為養(yǎng)殖池和建設(shè)用地；在區(qū)域2中，都存在建設(shè)用地與河流混淆的情況，但QUEST決策樹相較下錯分的較少，部分水庫坑塘被分為河流和養(yǎng)殖池；在區(qū)域 3中，C5.0和CART決策樹都將建設(shè)用地錯分為河流，水田、旱地與草本沼澤相互錯分.

圖8 不同方法分類結(jié)果對比Fig.8 comparison of different classification result

4種決策樹分類結(jié)果出現(xiàn)不同的錯分情況，原因可能為：Landsat8影像為中等分辨率的影像，導(dǎo)致細小的河流、道路容易和周圍的植被形成混合像元，光譜特征與草本沼澤相似；在設(shè)置分割尺度時，只查看了主要的濕地類型是否分割，而造成了過多的小斑塊出現(xiàn)，導(dǎo)致部分分類結(jié)果稀碎化.因此針對差異較大的地物類型，應(yīng)利用多尺度、多數(shù)據(jù)源相結(jié)合的方法來優(yōu)化分類結(jié)果.

為更直觀地比較不同決策樹方法對濕地分類的效果，參照實地考查數(shù)據(jù)和Google Earth高分辨率影像，均勻的在研究區(qū)內(nèi)選取水田、養(yǎng)殖池、水庫坑塘等9類地物類型共291個驗證點.將驗證點與分類結(jié)果進行疊加分析，利用統(tǒng)計結(jié)果構(gòu)建混淆矩陣，計算得到總體精度（Overall Accuracy，OA）、Kappa系數(shù)、生產(chǎn)者精度（Producer’s Accuracy，PA）和使用者精度（User’s Accuracy，UA），對分類結(jié)果的好壞進行評價.

4種分類方法的精度評價見表3，QUEST決策樹的總體精度86.9%，Kappa系數(shù)為0.85；未特征優(yōu)選的QUEST決策樹的分類精度最低，總體進度為75.6%，Kappa系數(shù)為0.71，其他兩種決策樹的分類結(jié)果均能滿足精度需求.從使用者精度來看，旱地和河流的分類效果在4種方法上都達到了最優(yōu)，而對草本沼澤的分類效果較差，這是由于在多尺度分割時，建設(shè)用地、植被這種相鄰地物間的混合像元易造成錯分現(xiàn)象，從而與草本沼澤的光譜特征相似.從生產(chǎn)者精度來看，C5.0和QUEST決策樹在水田和鹽田的分類精度達到最大值，但是在河流的精度較低，為57.7%，存在較為明顯的錯分現(xiàn)象.因此總體來看，利用特征優(yōu)選下的QUEST決策樹對研 究區(qū)濕地信息提取得到的效果最佳.

表3 4種分類方法的精度評價Tab.3 accuracy evaluation of four classification methods

3 結(jié)論

（1）基于Relief-F算法，從光譜特征、紋理特征、水體指數(shù)等共52個特征中選取出20個最優(yōu)特征集，解決特征變量過多引起的“維度災(zāi)害”現(xiàn)象，從而提高濕地的分類精度.基于特征優(yōu)選的 3種決策樹模型的分類結(jié)果均能滿足分類精度的要求，但未特征優(yōu)選的QUEST決策樹，總體精度為75.6%，未能達到分類精度的要求.其中，針對草本沼澤、旱地這種光譜特征相似的地物類型，分類精度有了明顯提高.

（2）將決策樹的數(shù)據(jù)自動挖掘的能力和面向?qū)ο蠓椒ǖ亩嗵卣飨嘟Y(jié)合，實現(xiàn)了更加精確的分類.從 3種決策樹模型的分類精度中可以看出，應(yīng)用Relief-F算法的QUEST決策樹模型的分類精度最高為86.9%，Kappa系數(shù)為0.85，C5.0決策樹的分類精度最低為83.8%，Kappa系數(shù)為0.81.基于特征優(yōu)化下的決策樹算法在提高濕地的遙感分類精度方面具有很好的作用，為濕地信息提取在特征變量和決策樹的選擇上提供了新思路.