謝春華, 張帥影,3*, 崔麗珍, 安文韜, 唐家奎

(1. 國家衛(wèi)星海洋應(yīng)用中心空間海洋遙感與應(yīng)用重點(diǎn)實(shí)驗(yàn)室， 北京 100081； 2. 自然資源部空間海洋遙感與應(yīng)用重點(diǎn)實(shí)驗(yàn)室， 北京 100081； 3. 國家海洋環(huán)境預(yù)報(bào)中心， 北京 100081； 4.中國科學(xué)院大學(xué)生命科學(xué)學(xué)院， 北京 100049； 5. 中國科學(xué)院大學(xué)資源與環(huán)境學(xué)院， 北京 100049)

濕地和森林、海洋被譽(yù)為全球三大重要生態(tài)系統(tǒng)，黃河三角洲地區(qū)濕地遍布，是各種珍稀鳥類棲息繁衍的重要場所。濕地是水生生態(tài)系統(tǒng)向陸地生態(tài)系統(tǒng)的一個(gè)過渡階段，在生態(tài)結(jié)構(gòu)中的地位非常重要。然而，由于氣候變化、人類活動(dòng)的影響，造成黃河三角洲的生態(tài)結(jié)構(gòu)發(fā)生變化，自然濕地面積減少，對(duì)在黃河三角洲生活的各種動(dòng)植物生存環(huán)境造成破壞[1]。對(duì)于濕地監(jiān)測，Liu等[2]利用FRAGSTATS 3.3軟件對(duì)黃河三角洲的濕地進(jìn)行研究，指出濕地的動(dòng)態(tài)的變化主要是由人為因素引起的，因此當(dāng)?shù)卣斜匾獙?duì)濕地進(jìn)行保護(hù)，以保護(hù)黃河三角洲地區(qū)的生物多樣性。黃河三角洲地區(qū)除濕地發(fā)生變化外，同時(shí)土地鹽漬化也是目前較為嚴(yán)重的一個(gè)問題。黃河三角洲地下水與淡水的不足，導(dǎo)致黃河三角洲地區(qū)土地鹽漬化現(xiàn)象日益嚴(yán)重[3]。土地鹽漬化影響了黃河三角洲地區(qū)的土地變遷和地物分布，Li等[4]調(diào)查了黃河三角洲墾利縣典型的鹽漬化區(qū)域，通過對(duì)采樣點(diǎn)的提取和分析，為土地的科學(xué)利用和管理決策提供了決策的依據(jù)。針對(duì)土地鹽漬化的問題，Guo等[5]提出了基于修正土壤調(diào)整植被指數(shù)-鹽漬化指數(shù)(modified soil adjusted vegetation index-salinization index，MSAVI-SI)特征空間的兩種模型，并對(duì)這兩種模型進(jìn)行了比較分析，找出并推薦了土壤鹽化的最佳監(jiān)測模型，為監(jiān)測土壤鹽化提供了理論支持。與此同時(shí)，黃河三角洲的總面積在不斷增加，其中主要的土地類型是旱地和荒地，最常見的土地利用類型變化是耕地和荒地之間的轉(zhuǎn)化，二者之間在不同時(shí)期的變化強(qiáng)度不同，同時(shí)地物類別也在不斷發(fā)生變化[6]。通過對(duì)黃河三角洲地物進(jìn)行識(shí)別和分類，監(jiān)測地物變化，進(jìn)而采取相應(yīng)的措施，減少黃河三角洲的退化，重建生態(tài)自然結(jié)構(gòu)，恢復(fù)當(dāng)?shù)氐纳镂锓N多樣性，實(shí)現(xiàn)該地區(qū)的可持續(xù)發(fā)展。

黃河三角洲地物種類復(fù)雜繁多，沿岸由于受到季節(jié)性河水的沖擊侵蝕，地物種類在不斷地發(fā)生變化，主要的地物種類有養(yǎng)殖池塘、怪柳林、坑塘、鹽地堿蓬、水稻田、潮灘、互花米草、陸生蘆葦、河流、潮灘蘆葦、公路、裸灘、林地、鹽田、翅堿蓬等類別。并且這些植物隨著季節(jié)變化而表現(xiàn)不同的特征，現(xiàn)場調(diào)查需要耗費(fèi)巨大的人力物力，亟須新的技術(shù)來實(shí)現(xiàn)黃河三角洲的地物種類分類監(jiān)測。

遙感圖像是地物的電磁波譜特征的記錄，是地物的光譜特征、空間特征、時(shí)間特征、紋理特征的記錄，人們根據(jù)這些特征來進(jìn)行判斷地物的類別，進(jìn)而實(shí)現(xiàn)對(duì)地面物體的識(shí)別和分類。Weng等[7]發(fā)現(xiàn)可通過光譜測量技術(shù)進(jìn)行分析土地的鹽漬化，并說明衛(wèi)星高光譜的數(shù)據(jù)有助于大面積的預(yù)測。對(duì)于不同時(shí)段的遙感衛(wèi)星拍攝到的同一地物的影像數(shù)據(jù)，通過圖像差值運(yùn)算，可以實(shí)現(xiàn)對(duì)該地區(qū)的動(dòng)態(tài)變化監(jiān)測，Chang等[8]運(yùn)用7個(gè)時(shí)相的遙感圖像和航拍照片，實(shí)現(xiàn)了對(duì)黃河三角洲的準(zhǔn)圓形植被斑塊(the quasi-circular vegetation patches, QVPs)動(dòng)態(tài)變化監(jiān)測。并且遙感具有大范圍的覆蓋、高時(shí)效性、多光譜、多時(shí)序、高精度可比性的特點(diǎn)，與傳統(tǒng)的三角洲地物調(diào)查的區(qū)域大、不易達(dá)、變化快、地物破碎、專題多的特點(diǎn)相比較，采用遙感衛(wèi)星進(jìn)行三角洲地物監(jiān)測分類的手段更有優(yōu)勢，能夠最大限度地降低傳統(tǒng)人工調(diào)查的時(shí)間、資金、人力成本。因此，將遙感技術(shù)應(yīng)用到黃河三角洲地區(qū)的地物分類中，是未來大面積地物監(jiān)測分類的趨勢。通過利用遙感衛(wèi)星數(shù)據(jù)可以研究黃河三角洲的海岸線的變化對(duì)于了解地物變遷，掌握其發(fā)展變化趨勢對(duì)于三角洲的管理和開發(fā)具有重要的意義，Shi等[9]利用不同時(shí)相的遙感圖像，研究了1976—2004年的黃河三角洲的海岸線演變，通過對(duì)21幅陸地衛(wèi)星影像的數(shù)據(jù)源經(jīng)過校正和配準(zhǔn)，得出黃河三角洲在不斷向海洋擴(kuò)張，同時(shí)河口地區(qū)的侵蝕面積在不斷增大。目前有很多學(xué)者做了地物分類的研究，但是缺乏對(duì)黃河三角洲地物分類的方法和內(nèi)容的梳理總結(jié)[9-17]。因此有必要開展相關(guān)的研究，并提出合理的措施以更好地實(shí)現(xiàn)對(duì)黃河三角洲地區(qū)地物的分類、識(shí)別、監(jiān)測。

1 黃河三角洲概況

黃河三角洲是指黃河入?？跀y帶泥沙在渤海凹陷處沉積形成的沖積平原。黃河三角洲覆蓋的面積大約為5 400 km2，其中絕大部分(5 200 km2)都在山東省東營市境內(nèi)。黃河三角洲地處海岸帶，所處位置優(yōu)越，地物種類繁多且資源豐富，擁有多處油氣資源；同時(shí)黃河三角洲地區(qū)的濕地資源豐富，極大地促進(jìn)了當(dāng)?shù)芈糜萎a(chǎn)業(yè)發(fā)展。目前，黃河三角洲地區(qū)成為山東省的經(jīng)濟(jì)發(fā)展的重點(diǎn)區(qū)域，圖1是2018年11月5日的黃河三角洲高分三號(hào)遙感影像。

數(shù)據(jù)來源:中國海洋衛(wèi)星數(shù)據(jù)服務(wù)系統(tǒng)(https://osdds.nsoas.org.cn/)圖1 2018年11月5日高分三號(hào)8 m空間分辨率黃河三角洲衛(wèi)星遙感影像Fig.1 Gaofen-3 8 m spatial resolution satellite remote sensing image of the Yellow River Delta on November 5, 2018

經(jīng)濟(jì)發(fā)展的同時(shí)，也為黃河三角洲生態(tài)環(huán)境保護(hù)與可持續(xù)發(fā)展帶來巨大壓力。黃河三角洲的濕地是各種珍稀鳥類遷徙和繁殖的場所，具有很高的生態(tài)服務(wù)價(jià)值[18-19]。然而隨著人類活動(dòng)和各種自然災(zāi)害的影響，黃河三角洲的濕地面積在不斷減少并遭到嚴(yán)重的破壞，部分的原因也在于當(dāng)?shù)卣腿嗣袢狈?duì)濕地的保護(hù)[20]。

為了減少氣候變化、人類活動(dòng)影響，保護(hù)黃河三角洲地區(qū)的自然生態(tài)系統(tǒng)，實(shí)現(xiàn)該地區(qū)社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展，山東省已在該地區(qū)成立了黃河三角洲自然保護(hù)區(qū)(118°33′E～119°20′E，37°35′N～38°12′N)，并采取了一系列法律法規(guī)來保護(hù)該地區(qū)的生態(tài)環(huán)境[21]。

2 可用于黃河三角洲地物分類的遙感衛(wèi)星數(shù)據(jù)

為了研究和保護(hù)黃河三角洲生態(tài)環(huán)境，實(shí)現(xiàn)其社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展，衛(wèi)星遙感技術(shù)因快速、大范圍、廉價(jià)的優(yōu)點(diǎn)已被用于研究該地區(qū)地物分類與變化。目前常用的用于黃河三角洲地物分類的衛(wèi)星主要有Landsat、Sentinle-2、高分系列衛(wèi)星(GF-2、GF-3)、中等分辨率成像光譜儀(medium resolution imaging spectrum，MODIS)、SPOT系列等衛(wèi)星。主要研究了目前用的較多的遙感衛(wèi)星以及對(duì)這些衛(wèi)星的優(yōu)勢與不足進(jìn)行了敘述。表1是遙感數(shù)據(jù)在黃河三角洲地區(qū)地物分類以及論文發(fā)表情況。

表1 遙感數(shù)據(jù)在黃河三角洲地區(qū)地物分類以及論文發(fā)表情況Table 1 The classification of remote sensing data in the Yellow River Delta and the publication of papers

2.1 Landsat系列

Landsat系列衛(wèi)星是目前最多用于遙感地物分類的衛(wèi)星，Landsat是一個(gè)多光譜衛(wèi)星，在地物的識(shí)別與分類中取得了長足的發(fā)展。表2是Landsat系列衛(wèi)星發(fā)展的主要?dú)v程。

表2 Landsat系列衛(wèi)星發(fā)展歷程Table 2 The development history of Landsat series satellite

21世紀(jì)初，Song等[22]通過不同時(shí)相的Landsat-5遙感圖像對(duì)珠江三角洲陸地表面動(dòng)態(tài)監(jiān)測，發(fā)現(xiàn)大氣的影響對(duì)最終的分類結(jié)果有較大的影響，在地物分類時(shí)，通過去除大氣的影響，能夠顯著提高分類的精度。Chen等[23]以1976年8月、1985年11月、1990年10月、2000年10月、2010年10月和2015年10月Landsat MSS/TM/ETM+/OLI影像作為數(shù)據(jù)源，采用面向?qū)ο蟮倪b感影像分類方法，對(duì)黃河三角洲地區(qū)的濱海濕地信息進(jìn)行提取，發(fā)現(xiàn)黃河三角洲的灘涂面積明顯減小，其中各種人類活動(dòng)是造成黃河三角洲濱海天然濕地面積減少、人工濕地增加的主要因素。

通過研究各種因素對(duì)黃河三角洲的發(fā)展變化的影響，有助于對(duì)黃河三角洲的可持續(xù)發(fā)展及時(shí)地做出規(guī)劃。Liu等[24]綜合利用不同年份的現(xiàn)代黃河三角洲的Landsat TM/ETM+圖像，輔以數(shù)字地形圖、數(shù)字高程圖，對(duì)黃河三角洲的灘涂空間分布與演變進(jìn)行了研究。采用不同衛(wèi)星數(shù)據(jù)也可以實(shí)現(xiàn)對(duì)地物的監(jiān)測，Wang等[25]收集了IKONOS和Landsat-8陸地成像儀傳感器數(shù)據(jù)，通過黃河三角洲地區(qū)的人工刺槐人工林的健康水平圖的不同，進(jìn)而實(shí)現(xiàn)了對(duì)該地區(qū)的人工刺槐的健康狀況的掌握。Yao等[26]對(duì)刺槐的樹木活力狀況進(jìn)行分析，并利用監(jiān)督分類的方法從Landsat TM圖像種提取刺槐的面積，并得出刺槐的面積與土壤鹽分和地下水深度顯著相關(guān)。He等[27]利用1992年和1996年陸地衛(wèi)星專題成像儀資料，通過計(jì)算黃河三角洲河口地區(qū)不同的土地覆蓋的范圍以及變化，然后經(jīng)過圖像處理和非監(jiān)督分類的方法，生成相應(yīng)年份的土地覆蓋圖，從而可以檢測出黃河三角洲河口地區(qū)的碳含量的變化情況。Yue等[28]通過引入斑塊連接指數(shù)，并采用無監(jiān)督和有監(jiān)督的分類方法，對(duì)Landsat圖像的不同場景進(jìn)行分類，并繪制了不同時(shí)期的黃河三角洲新生濕地土地利用圖，提出了一種計(jì)算斑塊連通性指數(shù)的模型，并將其應(yīng)用到分類圖像，結(jié)果表明，該指數(shù)能夠說明生態(tài)環(huán)境多樣性和人類影響強(qiáng)度的關(guān)系，對(duì)于黃河三角洲地物變化監(jiān)測具有一定的參考意義。

雖然Landsat系列衛(wèi)星已經(jīng)獲得了長足的發(fā)展和廣泛的應(yīng)用。但在如何獲得高質(zhì)量變化檢測產(chǎn)品方面仍存在諸多的挑戰(zhàn)，例如，云和條帶減少時(shí)序數(shù)據(jù)棧中可用的像元的數(shù)量，影響時(shí)序變化檢測產(chǎn)品的精度，如何減少Landsat時(shí)序影像中云污染和Landsat ETM+數(shù)據(jù)中的壞條帶的影響，以提高識(shí)別分類和變化檢測中的產(chǎn)品的質(zhì)量[29]。

2.2 Sentinel-2系列

Sentinel-2衛(wèi)星是高分辨率多光譜成像衛(wèi)星，攜帶了一枚多光譜成像儀，用于陸地監(jiān)測，可提供植被、土壤和水覆蓋、內(nèi)陸水陸及海岸帶區(qū)域等圖像，其包含2A和2B兩顆衛(wèi)星。Sentinel-2衛(wèi)星在地物分類上也得到廣泛的應(yīng)用。對(duì)于黃河三角洲地區(qū)的地物分類，Samat等[30]發(fā)現(xiàn)采用Sentinel-2多光譜圖像，基于面向?qū)ο蟮姆椒ǖ姆诸惣夹g(shù)要優(yōu)于MODIS、Landsat的效果，同時(shí)也可聯(lián)合地面測量數(shù)據(jù)、無人機(jī)多光譜圖像和Sentinel-2A多光譜圖像作為數(shù)據(jù)源，聯(lián)合對(duì)黃河三角洲進(jìn)行地物分類，相比單一的遙感數(shù)據(jù)分類方法，能有效地提高反演濱海鹽漬土鹽分的精度[31]。Landsat圖像對(duì)長時(shí)間的地物變化監(jiān)測也是很有效的，除了結(jié)合使用不同數(shù)據(jù)進(jìn)行黃河三角洲地物分類的方法外，采用同系列的衛(wèi)星進(jìn)行研究也可以實(shí)現(xiàn)對(duì)黃河三角洲地區(qū)的地物進(jìn)行監(jiān)測，Zhang等[32]利用光學(xué)(Sentinel-2)和合成孔徑雷達(dá)(Sentinel-1)圖像來繪制鹽沼物種的分布，同時(shí)考慮了地物的光譜特征、時(shí)間特征和空間特征，能夠有效地提高三角洲地區(qū)不同種類地物之間的分類，并且提出了也有助于對(duì)濱海濕地的實(shí)時(shí)監(jiān)測和管理的框架。

2.3 高分系列

合成孔徑雷達(dá)能夠主動(dòng)地向地物發(fā)射信號(hào)，穿透云雨，能夠?qū)崿F(xiàn)全天時(shí)、全天候的觀測，在地物的識(shí)別和分類中被廣泛利用。Liu等[33]利用數(shù)字高程模擬資料和合成孔徑雷達(dá)數(shù)據(jù)，解釋了黃河三角洲沙嘴土地覆蓋種類與地貌類型之間的關(guān)系，并研究了沙嘴地區(qū)的不同種類地物所占的比例，以及分布的區(qū)域。Li等[34]將高分三號(hào)(GF-3)SAR數(shù)據(jù)和Sentinel-2多光譜數(shù)據(jù)分析了黃河三角洲的7種地物，并統(tǒng)計(jì)分析了光譜指數(shù)、極化散射和紋理特征的信息，然后采用最大似然估計(jì)(maximum likelihood estimation, MLE)、決策樹(decision tree)和支持向量機(jī)(support vector machine, SVM)實(shí)現(xiàn)監(jiān)督分類。同時(shí)，分析了這兩種數(shù)據(jù)的聯(lián)合分類結(jié)果，證明了這兩種數(shù)據(jù)在聯(lián)合濕地分類中的潛力。Yang等[35]以GF-1和GF-2影像為數(shù)據(jù)源，提出了將空間位置與決策樹分類相結(jié)合的互花米草信息抽取的方法，最終結(jié)果表明，該方法能夠準(zhǔn)確地識(shí)別和提取互花米草的信息，這對(duì)于研究黃河三角洲的互花米草分類與識(shí)別具有參考價(jià)值。全極化SAR圖像能夠從多個(gè)極化通道收集到地物的散射信息，Xu等[36]利用全極化合成孔徑雷達(dá)對(duì)魯北黃河三角洲地區(qū)進(jìn)行圖像分類，并提出了改進(jìn)的子空間方法，分類結(jié)果與有監(jiān)督的Wishart相比較，提出的方法產(chǎn)生了更好的分類結(jié)果。Cheng等[37]發(fā)現(xiàn)采用合成孔徑雷達(dá)PALSAR數(shù)據(jù)和GPS野外采樣點(diǎn)數(shù)據(jù)，對(duì)黃河三角洲地區(qū)的濕地情況進(jìn)行研究，最終結(jié)果表明，無論是監(jiān)督分類的精度還是Kappa系數(shù)都有很大的提高。

由于合成孔徑雷達(dá)衛(wèi)星是通過接收地物的回波信息進(jìn)行探測地物的，信號(hào)在大氣的傳播過程中受到各種氣溶膠、氣體的影響，以及地物之間的相互散射，不可避免地會(huì)產(chǎn)生各種噪聲，對(duì)最終成像的地物造成影響。如何利用各種算法，對(duì)雷達(dá)圖像上的噪聲進(jìn)行去除，最大可能地還原地物信息，是有效提高最終地物分類的精度要解決的關(guān)鍵問題之一。

2.4 SPOT系列衛(wèi)星

SPOT系列衛(wèi)星是由法國國家空間研究中心(CNES)，與比利時(shí)、瑞典合作研制。經(jīng)過近十幾年的發(fā)展，SPOT系列衛(wèi)星已經(jīng)從最初的SPOT-1逐步發(fā)展到SPOT-7。并被大量的學(xué)者用于遙感地物的研究，Cao等[38]發(fā)現(xiàn)利用SPOT-5影像，在多種尺度下分割為高度均勻的圖像對(duì)象，生成對(duì)應(yīng)的網(wǎng)絡(luò)。該方法對(duì)于植被信息抽取分類的結(jié)果很有前景，且最終分類的精度明顯高于監(jiān)督分類。吳夢紅等[39]以SPOT-5和資源一號(hào)02C星為數(shù)據(jù)源，分析了高分辨率遙感影像在土地覆蓋監(jiān)測中的適用性，實(shí)驗(yàn)結(jié)果表明，經(jīng)過有效合成和融合處理的高分辨率遙感影像能最大限度保持影像中的紋理和光譜信息，對(duì)分類研究可以提供更多有用的信息。王雪娜[40]采用SPOT-6衛(wèi)星影像數(shù)據(jù)，利用隨機(jī)森林的方法對(duì)城市土地利用進(jìn)行精細(xì)化分類研究，研究總體分類精度達(dá)到87.46%，相比最近鄰分類方法能有提升7%。研究結(jié)果可為SPOT-6衛(wèi)星影像數(shù)據(jù)的應(yīng)用提供參考。秦園[41]采用SPOT-5衛(wèi)星數(shù)據(jù)，結(jié)合ERDAS軟件對(duì)土地信息提取技術(shù)進(jìn)行了相關(guān)的研究，通過影像融合技術(shù)，證明融合后的SPOT-5衛(wèi)星遙感數(shù)據(jù)不僅保留了多光譜圖像中的光譜特征，而且具備較高的空間分辨率，適用于遙感影像分類的研究。

2.5 MODIS系列

MODIS是搭載在Terra和Aqua兩顆衛(wèi)星上的中分辨率成像光譜儀。它是美國地球觀測系統(tǒng)(earth observation system, EOS)計(jì)劃中主要用來觀測全球生物和物理過程的重要儀器。由于MODIS成像面積大，能監(jiān)測到大面積的陸表、海域，并且由于時(shí)間分辨率較高，生產(chǎn)了各種衛(wèi)星產(chǎn)品，如大氣、陸地、海洋產(chǎn)品等，并被廣泛地應(yīng)用到各個(gè)研究領(lǐng)域。Li等[42]注意到利用中等分辨率成像光譜儀(MODIS)可以實(shí)現(xiàn)對(duì)黃河三角洲地區(qū)地表水汽傳輸?shù)墓浪?。除了將MODIS遙感影像應(yīng)用到大氣方面的研究外，MODIS數(shù)據(jù)也非常適用于監(jiān)測大面積的土地覆蓋變化中，韋倩[43]利用MODIS陸地標(biāo)準(zhǔn)產(chǎn)品對(duì)加拿大土地利用覆蓋進(jìn)行研究，結(jié)果表明，MODIS數(shù)據(jù)在高緯度區(qū)域大尺度制圖方面具有廣闊的應(yīng)用前景。黃炅怡[44]利用MODIS數(shù)據(jù)對(duì)全球城市區(qū)域進(jìn)行提取，成功提取了全球城市區(qū)分布圖，研究結(jié)果表明全球面積增長率分布情況與城市擴(kuò)張面積差異較大。巴銳[45]提出新的基于卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)模型(SmokeNet),利用MODIS遙感數(shù)據(jù)對(duì)野火探測和植被受災(zāi)評(píng)估進(jìn)行研究，研究結(jié)果可為野火防控和植被監(jiān)測提供參考。MODIS數(shù)據(jù)不僅在陸地研究中有所應(yīng)用，也可以用于海洋方面的研究。卞明明[46]以MODIS為數(shù)據(jù)源，采用決策樹的分類方法對(duì)秦皇島海域的赤潮進(jìn)行研究，最終結(jié)果表明，采用MODIS影像為數(shù)據(jù)源，對(duì)于秦皇島海域具有較好的實(shí)用性和可操作性，可為其他大面積海域監(jiān)測提供參考。蘇婧[47]以MODIS數(shù)據(jù)為數(shù)據(jù)源，建立了基于MODIS的海霧探測算法。實(shí)驗(yàn)結(jié)果表明，新建立的算法總體精度達(dá)89.56%，并且MODIS數(shù)據(jù)可以很好地應(yīng)用于海霧探測研究。

3 可用于黃河三角洲地物遙感分類的方法

3.1 傳統(tǒng)分類方法

傳統(tǒng)的用于遙感圖像解譯的主要方式為利用解譯人員的解譯經(jīng)驗(yàn)，對(duì)遙感圖像上的地物進(jìn)行判讀識(shí)別，最終根據(jù)實(shí)際調(diào)研確定地物的類別的過程。面向?qū)ο蠓治龇椒ㄊ且环N用于分類的傳統(tǒng)方法，有不少學(xué)者采用面向?qū)ο蠓指畹姆椒▽?duì)黃河三角洲地區(qū)土地覆蓋類型結(jié)合目視判讀、時(shí)序特征進(jìn)行研究[47-50]。面向?qū)ο蠓椒ㄏ啾雀鞣N監(jiān)督、非監(jiān)督分類方法運(yùn)行速度較快，效率高，但同時(shí)也存在一定的缺點(diǎn)，面向?qū)ο蠓椒ㄔ黾恿饲捌诠ぷ?對(duì)象的劃分、抽象相對(duì)復(fù)雜,控制不好更容易導(dǎo)致系統(tǒng)結(jié)構(gòu)混亂。Yue等[51]]采用監(jiān)督分類方法和非監(jiān)督分類方法相結(jié)合用于黃河三角地物，監(jiān)測濕地的自然演化情況和人口的活動(dòng)。結(jié)果表明，人類活動(dòng)是影響黃河三角洲發(fā)展的主要因素。最后，根據(jù)實(shí)驗(yàn)研究結(jié)果，提出了一些關(guān)于保護(hù)黃河三角洲濕地的建議和措施。采用監(jiān)督和非監(jiān)督分類方法相結(jié)合的手段，能夠結(jié)合兩者的優(yōu)勢，實(shí)現(xiàn)對(duì)濕地地區(qū)地物較高精度的分類，具有較為普遍的適用性。

根據(jù)亮度、綠度、濕度值進(jìn)行分類，屬于傳統(tǒng)的分類方法，利用這3個(gè)數(shù)值，也可以實(shí)現(xiàn)對(duì)三角洲地區(qū)的地物分類[52]。這種方法適用于受環(huán)境影響較小的情況，這些變量易受到各種環(huán)境參數(shù)的影響，采用這些值對(duì)地物進(jìn)行分類，最終的地物分類精度也會(huì)因此受到影響。Chu等[53]提出了利用向量余弦的遙感圖像相似系數(shù)的分類方法，并將該方法應(yīng)用于黃河三角洲的地物分類之中，經(jīng)過驗(yàn)證，表明該方法是合理的。但該方法適用于形狀差別大的地物，由于形狀相似的地物散射信息大致相同，利用該方法就不能將形狀相似的地物區(qū)分開，因此該方法存在一定局限性。將傳統(tǒng)的分類方法聯(lián)合起來，進(jìn)行綜合分類也是一種提升分類精度的方式。Fan等[54]將自動(dòng)纓帽變換、非監(jiān)督分類、監(jiān)督分類、后分類處理等方法聯(lián)合起來對(duì)黃河三角洲的地物進(jìn)行分類，將黃河三角洲的土地利用類型劃分為9種類型，并對(duì)鹽漬化的土地分為不同的等級(jí)，相比單一的分類方法，所提出的綜合分類方法在地物精度達(dá)到了89%。將這些方法綜合起來對(duì)地物進(jìn)行分類，能夠發(fā)掘圖像中蘊(yùn)含的地物信息，對(duì)濕地地區(qū)的地物區(qū)分有利，適用性大。

交互式解譯和人工修改的方法能夠?qū)S河三角洲的地物變化監(jiān)測的精度有所提升，Zhao等[55]以黃河三角洲的墾利縣為例，采用TM數(shù)據(jù)，在研究了土地利用變化及其驅(qū)動(dòng)力，表明不利的人類活動(dòng)和土壤鹽化、水分缺失導(dǎo)致黃河三角洲地區(qū)土地利用類型發(fā)生了變化。Thanh等[56]利用人機(jī)交互式解譯方法，發(fā)現(xiàn)使用不平衡和平衡數(shù)據(jù)相結(jié)合的方式能夠取得較高的分類精度。這種方法和單一的人工解譯相比更具有優(yōu)勢，但是人工解譯需要大量的人工來對(duì)地物進(jìn)行判別，并且要求解譯人員具有豐富的解譯經(jīng)驗(yàn)，地物的解譯精度的高低也會(huì)受到人為主觀因素的影響。因此，該方法主要適合經(jīng)驗(yàn)豐富、具備專家解譯知識(shí)的人員。

3.2 機(jī)器學(xué)習(xí)

計(jì)算機(jī)技術(shù)的發(fā)展催生了各種優(yōu)秀的計(jì)算機(jī)分類算法，支持向量機(jī)(support vector machine, SVM)、K最近鄰(K-nearest neighbor，KNN)、隨機(jī)森林(random forest, RF)、決策樹(decision tree, DT)等分類算法被應(yīng)用到遙感圖像分類中?；诟鞣N機(jī)器學(xué)習(xí)的方法也被應(yīng)用到遙感的三角洲地物解譯之中。Ottinger等[57]采用基于決策樹算法的監(jiān)督逐像素分類方法，利用不同時(shí)期的Landsat-5專題成像儀(TM)生成土地覆蓋圖，得出了三角洲地區(qū)的周圍經(jīng)濟(jì)發(fā)展涉及大量增加的建成區(qū)取代了自然植被和耕地。沿海地區(qū)的變化與人類開發(fā)水產(chǎn)養(yǎng)殖業(yè)和鹽的生產(chǎn)相關(guān)。張珍珍等[58]采用決策樹分類算法對(duì)黃河三角洲的刺槐林進(jìn)行健康監(jiān)測，區(qū)分健康樹冠和林下禾草，最終分類總體精度達(dá)到84.32%。劉建濤[59]針對(duì)黃河三角洲地區(qū)典型地表類型，以機(jī)器學(xué)習(xí)和協(xié)同理論為指導(dǎo)，對(duì)該地區(qū)地物進(jìn)行分類研究，取得了不錯(cuò)的成果。雖然決策樹分類算法具有可讀性、分類速度較快等優(yōu)點(diǎn)，但決策樹算法也有一定的不足，該算法對(duì)于各類別樣本數(shù)量不一致的數(shù)據(jù)，信息增益偏向于那些更多數(shù)值的特征，容易過擬合，忽略屬性之間的相關(guān)性。因此，該方法主要適用于樣本數(shù)量較為均衡的情況，以平衡信息增益帶來過擬合的影響。使決策樹更好地學(xué)習(xí)地物之間的相關(guān)性，達(dá)到較高分類精度的效果。

除了單一利用機(jī)器學(xué)習(xí)的方法，也可將機(jī)器學(xué)習(xí)的方法結(jié)合傳統(tǒng)解譯手段進(jìn)行黃河三角洲的地物分類，F(xiàn)u等[60]提出利用支持向量機(jī)(support vector machine, SVM)和視覺解譯相結(jié)合的方法，以Landsat-5 TM和SPOT影像提取景觀覆蓋物、海岸線和人工壩。通過相關(guān)的指數(shù)和梯度分析，研究了人工壩對(duì)于內(nèi)陸地區(qū)的逆向侵蝕作用以及人工壩區(qū)潮灘景觀面積的變化情況。SVM算法對(duì)大規(guī)模訓(xùn)練樣本難以實(shí)施，用SVM解決多分類問題存在困難，對(duì)缺失數(shù)據(jù)敏感，對(duì)參數(shù)和核函數(shù)的選擇敏感。因此該算法主要適用于小規(guī)模樣本、類別較少的地物分類，同時(shí)在使用該算法時(shí)，要保證樣本數(shù)據(jù)數(shù)量之間的均衡性，選擇合適的參數(shù)和核函數(shù)，對(duì)遙感影像進(jìn)行分類，進(jìn)而獲取較好的分類結(jié)果。此外，Li等[61]利用不同時(shí)期的遙感數(shù)據(jù)，采用層次分類和決策樹分類相結(jié)合的方法對(duì)黃河三角洲的濕地情況進(jìn)行研究。結(jié)果表明，黃河三角洲濕地的面積先增后減，人工濕地的面積一直在增加，所采用的層次分類方法要優(yōu)于傳統(tǒng)的監(jiān)督分類和非監(jiān)督分類。這種方法逐級(jí)對(duì)濕地地區(qū)的地物進(jìn)行分類，充分考慮了濕地地區(qū)地物的具有區(qū)分性的特征信息，具有較強(qiáng)的適用性。

Zhao等[62]利用多光譜帶、灰度共生矩陣紋理信息和IKONOS影像的局部統(tǒng)計(jì)信息，采用隨機(jī)森林的方法對(duì)刺槐進(jìn)行監(jiān)測，結(jié)果表明，利用該方法能夠提高人工林健康水平的分類精度，增強(qiáng)預(yù)測的準(zhǔn)確率。這種方法較多地考慮了影像中地物的局部信息，能夠利用同種地物不同個(gè)體間的差異，適用于監(jiān)測同類地物生長狀況。Xu等[63]發(fā)現(xiàn)利用黃河三角洲地區(qū)的RADARSAR-2極化合成孔徑雷達(dá)(polarimetric synthetic aperture radar, PolSAR)圖像，綜合了極化目標(biāo)分解、極化干涉測量、灰度共生矩陣(gray level concurrence matrix, GLCM)、紋理特征和支持向量機(jī)(SVM)方法，對(duì)黃河三角洲地區(qū)進(jìn)行土地覆蓋分類，最終表明該方法在黃河河口地區(qū)SAR圖像分類中具有優(yōu)越性。這種方法將傳統(tǒng)分類方法和機(jī)器學(xué)習(xí)相結(jié)合，能夠更多地利用PolSAR影像中的信息，但由于SVM固有的缺陷，若要進(jìn)一步提升分類精度，需要改進(jìn)分類所用的方法。黃河三角洲地區(qū)的互花米草的存在會(huì)對(duì)原來生長在黃河三角洲地區(qū)的植被和動(dòng)物的棲息環(huán)境產(chǎn)生影響，并影響灘涂生態(tài)，Li等[64]綜合隨機(jī)森林分類技術(shù)和統(tǒng)計(jì)分析方法，對(duì)黃河三角洲濱海濕地的互花米草入侵過程進(jìn)行了研究，結(jié)果表明，黃河三角洲地區(qū)的互花米草在不斷地入侵和擴(kuò)張。但隨機(jī)森林方法就像一個(gè)黑盒，讓人無法控制模型內(nèi)部的運(yùn)行，這種方法只能在不同參數(shù)和種子之間進(jìn)行嘗試。當(dāng)只有小樣本數(shù)據(jù)時(shí)，數(shù)據(jù)特征較少，采用該方法，就不能達(dá)到很好的分類效果。

高光譜圖像能夠獲取地物的多個(gè)譜段的信息，Mou等[65]將極限學(xué)習(xí)機(jī)(extreme learning machine, ELM)與支持向量機(jī)(SVM)相結(jié)合對(duì)意大利帕維亞大學(xué)(PaviaU)ROSIS和博茨瓦納(Botswana)奧卡瓦納三角洲Hyperion高光譜遙感數(shù)據(jù)處理，最終發(fā)現(xiàn)，在時(shí)間和精度方面，所提出的方法能夠有效地提高分類精度。李鵬等[66]結(jié)合最大似然法、決策樹、支持向量機(jī)三種算法對(duì)黃河三角洲地區(qū)的GF-3雷達(dá)數(shù)據(jù)與Sentinel-2多光譜數(shù)據(jù)協(xié)同對(duì)黃河三角洲地區(qū)的地物覆蓋類型進(jìn)行研究，最終總體精度高達(dá)95.7%。這種將兩種或者兩種以上的機(jī)器學(xué)習(xí)算法相結(jié)合能夠結(jié)合兩種方法的優(yōu)勢，相比單一分類方法在表現(xiàn)效果上具備一定的提升，這種研究思路也可為其他類型分類方法提供借鑒。劉慶生等[67]根據(jù)不同地物具有不同的光譜特征的特點(diǎn)，收集利用不同地物的特征光譜，然后通過對(duì)光譜進(jìn)行處理，進(jìn)而確定地物的類別，并將算數(shù)平均法應(yīng)用于黃河三角洲地區(qū)采集的Landsat TM數(shù)據(jù)，采用決策樹方法進(jìn)行測試，驗(yàn)證了采用算術(shù)平均法是快速繪制黃河三角洲主要種群的可行方法。作為最簡單的時(shí)序預(yù)測法，該方法需要考慮當(dāng)前研究數(shù)據(jù)的各種因素，雖然在預(yù)測時(shí)間上能得到較大的提升，但現(xiàn)實(shí)中會(huì)受到各種因素的影響，造成最終分類結(jié)果很不穩(wěn)定，適用性較差。

3.3 深度學(xué)習(xí)

自2006年深度學(xué)習(xí)這個(gè)術(shù)語被提出以后，伴隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，各種深度學(xué)習(xí)模型也在不斷地被提出和改進(jìn)，并應(yīng)用到圖像處理和計(jì)算機(jī)視覺領(lǐng)域。各種網(wǎng)絡(luò)如AlexNet、VGGNets、ResNet被應(yīng)用到遙感圖像分類中，并取得了很好的分類結(jié)果[68-75]。Feng等[76]提出多分支卷積神經(jīng)網(wǎng)絡(luò)，利用Sentinel-1/2數(shù)據(jù)對(duì)中國沿海地區(qū)土地覆蓋地物進(jìn)行分類，提出的卷積神經(jīng)網(wǎng)絡(luò)有助于提高黃河三角洲土地覆蓋的分類精度。深度卷積神經(jīng)網(wǎng)絡(luò)(deep convolutional neural network, DCNN)擁有多個(gè)卷積層，能夠?qū)崿F(xiàn)對(duì)地物的精細(xì)分類。DCNN利用多個(gè)卷積層對(duì)地物信息進(jìn)行提取，能夠更多地發(fā)掘遙感影像中所蘊(yùn)含的地物信息，特別是對(duì)于那些特征相似的地物，該網(wǎng)絡(luò)可以提取地物間具有差別的特征，具有較大的適用性。Aung等[77]使用AlexNet對(duì)伊洛瓦底三角洲進(jìn)行地物分類，對(duì)比Multiclass SVM分類結(jié)果精度較高。AlexNet網(wǎng)絡(luò)結(jié)構(gòu)簡單，并且由于網(wǎng)絡(luò)中加入了ReLU函數(shù)，能夠很好地防止訓(xùn)練的模型出現(xiàn)過擬合的現(xiàn)象，適用于光學(xué)和SAR影像中的地物分類。除此之外，Chen等[78]通過研究超分辨率卷積神經(jīng)網(wǎng)絡(luò)(super-resolution convolutional neural network, SPCNN)對(duì)黃河三角洲的互花米草進(jìn)行識(shí)別研究，并指出互花米草分布會(huì)受到海拔和潮汐的影響。超分辨率卷積神經(jīng)網(wǎng)絡(luò)能夠在亞米級(jí)對(duì)地物的特征進(jìn)行提取和分類，對(duì)于需要進(jìn)行精細(xì)分類的地區(qū)的研究具有一定參考意義。各種深度學(xué)習(xí)算法已應(yīng)用到遙感領(lǐng)域，但是目前可用于深度學(xué)習(xí)的遙感訓(xùn)練集還比較少，深度學(xué)習(xí)適用于樣本較為充足的數(shù)據(jù)類型，以便得到較好的分類。但是目前可用于深度學(xué)習(xí)的訓(xùn)練集較少，適合于黃河三角洲地物分類的各種數(shù)據(jù)集更少，因此，深度學(xué)習(xí)需要更多的樣本集的支持。同時(shí)，深度學(xué)習(xí)對(duì)于學(xué)習(xí)遙感地物的特征較多，計(jì)算機(jī)所需要的計(jì)算量大，大量的數(shù)據(jù)需要很大量的算力。面對(duì)具有復(fù)雜特征的地表地物特征，降低地物特征數(shù)量、擴(kuò)大可用于地物分類的樣本集，同時(shí)提高硬件的性能，以提升深度學(xué)習(xí)分類的速度、縮短分類所用的時(shí)間。由于受限于計(jì)算機(jī)硬件、各種模型算法的參數(shù)量較大的問題以及人們對(duì)于黃河三角洲地物的了解程度，目前黃河三角洲地物分類識(shí)別的精度還有待提高。

為了更直觀地了解深度學(xué)習(xí)方法在三角洲的分類研究，在中國知網(wǎng)上統(tǒng)計(jì)了2006—2021年該領(lǐng)域的文獻(xiàn)發(fā)表趨勢。圖2是深度學(xué)習(xí)三角洲地物分類的走勢圖，可以看出，目前深度學(xué)習(xí)方法正在被廣泛地應(yīng)用到三角洲、海岸帶地物分類中。

數(shù)據(jù)來源：中國知網(wǎng)(https://www.cnki.net/)圖2 2006—2021年深度學(xué)習(xí)在三角洲遙感地物分類論文發(fā)表走勢圖Fig.2 Trend chart of the publication of deep learning papers on the classification of remote sensing features in the delta from 2006 to 2021

4 黃河三角洲遙感地物分類的應(yīng)用

4.1 濕地生態(tài)系統(tǒng)研究

濕地又有“地球之腎”之稱，它是自然界中最富生物多樣性和生產(chǎn)力最高的生態(tài)系統(tǒng)，也是人類最重要的生存環(huán)境之一[79]。濕地對(duì)人類的生產(chǎn)生活方面具有重要的作用，同時(shí)，由于濕地具有獨(dú)特的生態(tài)水文環(huán)境，孕育出了豐富的動(dòng)植物資源，是眾多野生動(dòng)物棲息和繁衍的場所，被譽(yù)為“世界物種的基因庫”，對(duì)于保護(hù)生物多樣性也具有重要的意義[80-83]。

徐振田[84]利用6個(gè)不同時(shí)期的Landsat遙感衛(wèi)星圖像，對(duì)黃河三角洲濕地近30年時(shí)空分布和動(dòng)態(tài)變化特征進(jìn)行研究，最終發(fā)現(xiàn)層次分類方法可以提高分類的精度，適用于黃河三角洲地區(qū)的信息提取，并發(fā)現(xiàn)，CA-Markov預(yù)測的2022年黃河三角洲濕地信息，2022年東營養(yǎng)殖池塘、鹽田有進(jìn)一步擴(kuò)張的趨勢，未來的濕地保護(hù)工作需要合理規(guī)劃人工濕地修建與污染防控。王敬哲[85]收集了近30年艾比湖濕地3個(gè)季節(jié)的衛(wèi)星遙感數(shù)據(jù)，采用隨機(jī)森林算法為主要的分類器對(duì)該地區(qū)的濕地進(jìn)行研究，獲取了該濕地的在空間和時(shí)間尺度上的變化。彭凱鋒等[86]基于1995—2005年5期土地利用數(shù)據(jù)和連續(xù)時(shí)間序列的水體數(shù)據(jù)集，使用Logistic模型對(duì)武漢城市圈的濕地受損程度及其對(duì)應(yīng)的水體變化特征進(jìn)行研究，得出人類活動(dòng)分工是濕地受損的主要因素。王意可等[87]以江蘇鹽城濕地為研究對(duì)象，分析景觀格局的時(shí)空動(dòng)態(tài)特征對(duì)珍稀鳥類的影響，研究的結(jié)果可以為濱海濕地資源的保護(hù)規(guī)劃提供數(shù)據(jù)支持和理論參考。

4.2 服務(wù)海岸帶開發(fā)與管理

海岸帶位于陸地與海洋的交界地帶，是陸地系統(tǒng)與海洋系統(tǒng)之間的一個(gè)敏感過度區(qū)域。中國的海岸帶沿岸瀕臨4個(gè)海區(qū)，主要的大城市和大多數(shù)人口都集中在海岸帶地區(qū)，并且擁有豐富的自然資源，但是黃河三角洲海岸帶地區(qū)面臨著統(tǒng)籌規(guī)劃不足，缺乏陸海統(tǒng)籌的總體空間布局以及產(chǎn)業(yè)布局、環(huán)境保護(hù)籌劃。因此，研究海岸帶地區(qū)主要分布的地物類型并制定相應(yīng)的法律規(guī)章制度對(duì)海岸帶地區(qū)的地物種類進(jìn)行規(guī)劃和保護(hù)，這對(duì)于人類的正常生產(chǎn)和生活具有重要的意義。

劉艷芬等[88]利用Landsat-7 ETM+遙感影像，融合地學(xué)知識(shí)，逐級(jí)分層次對(duì)提取海岸帶的地物進(jìn)行分類，最終總體的分類精度達(dá)到了95.8%，實(shí)現(xiàn)了研究區(qū)域較快速和較高精度的地物自動(dòng)化信息提取。同時(shí)，何厚軍等[89]采用決策樹模型對(duì)江蘇省的海岸帶ETM+圖像進(jìn)行研究，將圖像的光譜和紋理特征以及地學(xué)知識(shí)融入所構(gòu)建的決策樹模型中，解決了遙感圖像中復(fù)雜地物分類過程中的混淆現(xiàn)象。但是由于海岸帶地區(qū)的地物種類繁多且復(fù)雜，不可避免地造成地物分類的精度較低，如何利用現(xiàn)有技術(shù)，實(shí)現(xiàn)快速、高效、自動(dòng)化地進(jìn)行海岸帶地物分類是后續(xù)研究發(fā)展的趨勢。

4.3 海岸線提取

海岸線是海洋和陸地的分界線。由于受到潮汐漲落的影像，海岸線實(shí)際處于變動(dòng)中，一般將平均的大潮高潮線作為海岸線[90]。海岸線是重要的海岸地貌標(biāo)志，其時(shí)空演化是海岸帶資源環(huán)境變化的直接體現(xiàn)[91-93]。

海岸線是近岸海域空間存在的基礎(chǔ)，是海岸帶開發(fā)活動(dòng)的重要空間載體。近年來，由于陸地環(huán)境資源壓力的不斷增加和人類生活區(qū)域向陸地的擴(kuò)張，人類持續(xù)高強(qiáng)度的海域開發(fā)活動(dòng)，造成了海岸線人工趨勢不斷加劇，自然的海岸線比例不斷降低[94-95]。李飛等[96]利用遙感技術(shù)提取了2014年海岸線指標(biāo)，采用基線法和統(tǒng)計(jì)方法對(duì)海岸線指標(biāo)空間分布特征以及海岸演變的特征進(jìn)行分析，得出江蘇中部地區(qū)的沿海海岸帶自北向南縱深逐步增大。詹雅婷等[97]采用海岸線遙感光譜的角度實(shí)現(xiàn)了海岸線的自動(dòng)化提取，但是由于基于遙感影像提取的海岸線只是瞬時(shí)水邊線，需要進(jìn)一步結(jié)合海岸線的類型以及潮位數(shù)據(jù)和數(shù)字高程模型(digital elevation model，DEM)數(shù)據(jù)進(jìn)行修正得到最終的海岸線。杜佳威[98]提出了中小比例尺海岸線基于雙向斜拉式彎曲劃分的海岸線漸進(jìn)化方法、適應(yīng)于中比例尺海岸線的河口灣海岸線漸進(jìn)化簡方法、適用于大比例尺海岸線的基于平行結(jié)構(gòu)的人工海岸線漸進(jìn)化簡方法，對(duì)海岸線進(jìn)行提取。姜懷剛[99]采用激光雷達(dá)技術(shù)對(duì)海岸線進(jìn)行提取及性質(zhì)識(shí)別進(jìn)行了研究，并提出了一種粗細(xì)格網(wǎng)多約束條件下的海岸線提取方法和海岸線屬性性質(zhì)自動(dòng)識(shí)別的方法。由于大尺度的海岸線提取往往因?yàn)榈赜驈?fù)雜和衛(wèi)星遙感影像分辨率的不足，最終提取的精度往往難以滿足大比例尺成圖要求，麻德明等[100]以無人機(jī)影像為數(shù)據(jù)，采用面向?qū)ο蟮姆椒▽?duì)青島小島灣海岸線進(jìn)行提取，最終面向?qū)ο蟮姆椒ㄌ崛〉暮０毒€能夠滿足海岸線動(dòng)態(tài)變化監(jiān)測需求，可以在海岸線資源管理中推廣應(yīng)用。

5 黃河三角洲地物遙感分類未來發(fā)展趨勢

黃河三角洲遙感經(jīng)歷了近40年的發(fā)展，應(yīng)用研究內(nèi)容逐步擴(kuò)大，黃河三角洲資源監(jiān)測精度明顯提升，黃河三角洲生態(tài)監(jiān)測時(shí)效大幅增強(qiáng)，對(duì)地觀測衛(wèi)星體系的時(shí)空分辨率取得飛躍發(fā)展，但由于黃河三角洲生態(tài)環(huán)境自身的復(fù)雜性和遙感技術(shù)自身發(fā)展的規(guī)律，仍有許多關(guān)鍵技術(shù)問題值得關(guān)注和研究解決，進(jìn)而提升遙感技術(shù)對(duì)黃河三角洲生態(tài)系統(tǒng)管理的支撐能力和水平，通過現(xiàn)有資料的研究，認(rèn)為黃河三角洲地物分類的未來發(fā)展主要有以下幾個(gè)方面的趨勢。

5.1 極化SAR應(yīng)用于黃河三角洲地物監(jiān)測

黃河三角洲地物種類繁多，各種地物混雜，同時(shí)利用光學(xué)數(shù)據(jù)所含的光譜信息極易受到不同地物的干擾，影響最終分類的結(jié)果。極化SAR數(shù)據(jù)采用不同的極化方式對(duì)地物進(jìn)行探測以獲取不同地物的后向散射信息。相比單極化的SAR，極化SAR數(shù)據(jù)能夠極大地提高對(duì)地面目標(biāo)散射信息的能力，并且目前中國具備獲取極化SAR數(shù)據(jù)能力的高分三號(hào)(GF-3)衛(wèi)星已于2016年發(fā)射升空，同系列的一米C-SAR衛(wèi)星已于2021年11月23日在酒泉衛(wèi)星發(fā)射中心成功發(fā)射，并于2022年1月4日完成平臺(tái)與載荷系統(tǒng)的主要在軌測試工作，是中國首顆合成孔徑雷達(dá)業(yè)務(wù)衛(wèi)星，可完成對(duì)陸地、海洋的業(yè)務(wù)化觀測。極大地豐富了目前極化SAR的數(shù)據(jù)源，可利用這些數(shù)據(jù)實(shí)現(xiàn)對(duì)黃河三角洲的監(jiān)測。

5.2 建立用于黃河三角洲深度學(xué)習(xí)分類的樣本集

目前各種優(yōu)秀的深度學(xué)習(xí)算法如支持向量機(jī)、AlexNet、VGG-Net、GoogleNet、ResNet已經(jīng)被應(yīng)用到遙感領(lǐng)域中，并取得了一定的成果，但目前深度學(xué)習(xí)均需要各種大量的標(biāo)記樣本用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，多數(shù)遙感分類均需要手動(dòng)標(biāo)注訓(xùn)練集以制作用于神經(jīng)網(wǎng)絡(luò)分類的樣本集。神經(jīng)網(wǎng)絡(luò)最終分類的精度取決于所標(biāo)注樣本集的好壞，運(yùn)行速度和時(shí)間也受到標(biāo)記樣本數(shù)量和質(zhì)量的影響。因此還需構(gòu)建用于不同數(shù)據(jù)類型(光學(xué)、SAR等)的樣本集，為相關(guān)的研究人員提供數(shù)據(jù)支撐，以便更好地實(shí)現(xiàn)對(duì)黃河三角洲的監(jiān)測。

5.3 構(gòu)建黃河三角洲生態(tài)遙感監(jiān)測網(wǎng)絡(luò)綜合集成平臺(tái)

由于黃河三角洲生態(tài)遙感監(jiān)測指標(biāo)和內(nèi)容的復(fù)雜性和綜合性，現(xiàn)有遙感產(chǎn)品的精度不能滿足黃河三角洲生態(tài)管理的發(fā)展需求，迫切需要基于生態(tài)系統(tǒng)結(jié)構(gòu)、過程和功能解決生態(tài)遙感監(jiān)測業(yè)務(wù)化應(yīng)用技術(shù)問題，在實(shí)現(xiàn)黃河三角洲生態(tài)環(huán)境遙感的高性能專用載荷建設(shè)和提高黃河三角洲遙感圖像解譯、遙感數(shù)據(jù)建模反演的基礎(chǔ)上，不斷實(shí)現(xiàn)產(chǎn)品的高精度、實(shí)時(shí)化。實(shí)現(xiàn)全球黃河三角洲精細(xì)化、標(biāo)準(zhǔn)化管理，構(gòu)建黃河三角洲生態(tài)遙感監(jiān)測網(wǎng)絡(luò)綜合集成平臺(tái)，實(shí)現(xiàn)多元數(shù)據(jù)融合，在遙感大數(shù)據(jù)時(shí)代不斷推進(jìn)黃河三角洲觀測系統(tǒng)的發(fā)展與應(yīng)用。