陳鵬霄，申邵洪

（長江科學院空間信息技術應用研究所，武漢 430010）

基于多時相CBERS影像的陸生生境變化研究

陳鵬霄，申邵洪

（長江科學院空間信息技術應用研究所，武漢 430010）

采用國產(chǎn)CBERS影像為數(shù)據(jù)源開展陸生生境變化監(jiān)測研究，文章以三峽大壩下游枝城區(qū)域為研究對象，運用最大似然、馬氏距離、支持向量機等多宗分類方法，分別獲取水、植被、建筑物等主要陸生生境要素，分析了三峽蓄水前后枝城區(qū)域陸生生境要素之間的變化關系。實驗結果表明：從2001年至2009年期間枝城區(qū)間水體面積變化不大，三峽的初期蓄水對枝城區(qū)間的陸生生境變化影響不明顯，成果說明國產(chǎn)的CBERS影像能夠有效應用于獲取中等尺度的陸生生境要素，能夠有效分析生境要素的變化，為流域環(huán)境保護和城市規(guī)劃研究提供信息支持。

CBERS；陸生生境；變化分析；遙感分類

1 概 述

經(jīng)濟的高速發(fā)展加大了人們對資源的要求，水能、礦產(chǎn)、土地等資源的開發(fā)利用不斷改變區(qū)域的生態(tài)環(huán)境。隨著人們對環(huán)境問題認識的不斷深化，環(huán)境保護、生態(tài)平衡及可持續(xù)發(fā)展的問題逐步成為人們關注的熱點問題。如何有效分析資源的開發(fā)利用對環(huán)境的影響程度是開展生態(tài)環(huán)境保護的首要工作［1，2］。遙感影像具有信息豐富、覆蓋范圍廣的特征，可對生態(tài)環(huán)境進行大范圍、全局性動態(tài)監(jiān)測和變化分析［3，4］。

空間信息技術高速發(fā)展以來，國產(chǎn)衛(wèi)星遙感平臺在技術水平上取得了長足的發(fā)展和進步，大量遙感數(shù)據(jù)能夠得到廣泛應用，很大程度上促進了國產(chǎn)衛(wèi)星遙感在國民經(jīng)濟和社會發(fā)展中的作用［5］。CBERS衛(wèi)星的應用目標是利用先進的空間遙感技術為中國和巴西兩國的農(nóng)業(yè)、林業(yè)、地質(zhì)、水文、測繪和環(huán)境等資源的調(diào)查、開發(fā)、管理和監(jiān)測服務［6，7］。

本文利用中巴地球資源衛(wèi)星（CBERS）進行長江流域區(qū)域陸生生境的變化分析研究，在分析CBERS中分辨率遙感影像優(yōu)缺點的基礎上，探討了CBERS多波段中分辨率遙感影像應用于陸生生境要素識別工作的潛力。

圖1 研究區(qū)域行政概況Fig.1 Illustration of Researched Area

2 研究區(qū)域與數(shù)據(jù)

2.1 中巴地球資源衛(wèi)星（CBERS）

中巴地球資源衛(wèi)星（CBERS）是中國與巴西聯(lián)合研制的傳輸型陸地光學遙感衛(wèi)星。CBERS－01衛(wèi)星是1988年立項研制的，1999年10月14日正式發(fā)射上天。星上搭載了CCD傳感器、IRMSS紅外掃描儀、廣角成像儀，提供了從20～256 m分辨率的11個波段不同幅寬的遙感數(shù)據(jù)。CBERS－02于2003年10月21日發(fā)射升空并進入了正常的運行狀態(tài)，衛(wèi)星指標基本和CBERS－01星相同。

本文選擇枝城為研究對象，采用2001年、2008年和2009年CBERS中分辨率遙感影像，研究區(qū)域內(nèi)不同時相間的陸生生境要素變化狀況。

2.2 研究區(qū)域介紹

枝城地區(qū)位于湖北省的枝城市內(nèi)，位于湖北省中西部，地處長江中游，坐落北緯30.42°，東經(jīng)111.42°，至北緯30.23°，東經(jīng)111.70°范圍內(nèi)（見圖1）。區(qū)域范圍內(nèi)水量充沛，河網(wǎng)發(fā)達，地物種類繁多。選用枝城作為研究區(qū)，一方面是該區(qū)域是我國長江中下游典型的河流，且兩岸分布眾多人口居住區(qū)，研究其陸生生境要素變化對當?shù)氐纳鷳B(tài)環(huán)境保護、生活生產(chǎn)及河流水量平衡研究等具有重要意義。另一方面，枝城位于三峽大壩下游區(qū)域，通過對比分析大壩蓄水前后的生境要素變化狀況，其研究結果能夠用于分析水資源的高效利用對下游生態(tài)環(huán)境的影響。

2.3 實驗數(shù)據(jù)

研究選用數(shù)據(jù)包括：研究區(qū)2001年、2008年和2009年CBERS中分辨率遙感影像，1∶50 000河道地形數(shù)據(jù)。CBERS影像空間分辨率為20 m，覆蓋范圍為1 120×1 080像素。

研究選用CBERS遙感影像，該數(shù)據(jù)具有易獲得性和時間的延續(xù)性，能夠提供自2000年以來枝城區(qū)域的陸生生境要素信息，所用遙感影像為中國資源衛(wèi)星應用研究中心提供，經(jīng)過了大氣校正、輻射校正和幾何校正等預處理工作，配準的精度在一個像元內(nèi)。

圖2是1，2，3波段合成的假彩色影像，通過多時相影像之間的目視對比分析，水體在不同時相影像上面呈現(xiàn)出不同顏色。對影像進行放大后，分析局部細節(jié)，植被覆蓋區(qū)域的光譜特征也存在較為嚴重的差異。2001年的實驗數(shù)據(jù)為CBERS－1影像，其影像質(zhì)量缺陷之處主要體現(xiàn)在條帶噪聲嚴重、輻射分辨率低。

圖2 實驗區(qū)域多時相CBERS原始影像Fig.2 Original M ulti-temporal CBERS Images of the Researched Area

2008年和2009年的實驗影像為CBERS－2影像，相對而言，此兩項缺陷均有大幅度的改進，但是相對TM影像而言，輻射分辨率還是呈現(xiàn)不足，影像特征上表現(xiàn)為部分建筑物區(qū)域和相鄰植被覆蓋之間的光譜差異不明顯。影像幾何特征方面，放大局部細節(jié)，與同等分辨率的TM影像相對比，CBERS－2影像的清晰度不高，表現(xiàn)為影像表層存在模糊噪聲，降低了影像的視覺質(zhì)量。

1∶50 000河道DEM數(shù)據(jù)為我國測繪部門生產(chǎn)的國家標準圖幅DEM數(shù)據(jù)，DEM數(shù)據(jù)類型為規(guī)則格網(wǎng)，其格網(wǎng)尺寸為20 m×20 m。

為開展研究工作，將3個時間段的CBERS遙感、DEM數(shù)據(jù)調(diào)整到統(tǒng)一投影系統(tǒng)和坐標體系。

3 研究方法

3.1 最大似然法

最大似然分類法是最常用的監(jiān)督分類方法，它通過求出每個像素對于各類別的歸屬概率，把該像素分到歸屬概率最大的類別中去.它假定訓練區(qū)地物的光譜特征近似服從正態(tài)分布，利用訓練區(qū)可求出均值、方差以及協(xié)方差等特征參數(shù)，然后求出總體的先驗概率密度函數(shù)，并利用Bayes公式進行后驗概率的計算，根據(jù)其最大值原則判定類別歸屬

式中：N是波段數(shù)；ui為均值；Vi是協(xié)方差矩陣；Pi（x）為類別判定函數(shù)；X為多波段遙感影像光譜特征矢量。

3.2 馬氏距離法

設n維矢量xi＝（，…，）和xj＝，…，）是矢量集｛x1，x2，…，xm｝中的2個矢量，令類別中心v＝xj，則待識別模式xi到類別中心的馬氏距離定義為

式中：d2（xi，v）為矢量xi到類別中心v的馬氏距離；v為類別中心；m為類別數(shù)；xi為n維矢量。

3.3 支持向量機

支持向量機（support vector machines，SVM）是一種基于統(tǒng)計學習理論的機器學習算法，采用結構風險最小化（structural risk minimization，SRM）準則，在最小化樣本誤差的同時縮小模型泛化誤差的上界，從而提高模型的泛化能力［8］。

SVM是在一個可分的2類問題的最優(yōu)超平面基礎上發(fā)展而來的，如圖3所示，同樣一個問題可能存在多個分類超平面能夠?qū)⒂柧殬颖緶蚀_地分開，如圖3中的Z1和Z2，根據(jù)知覺判斷，通常會認為Z1優(yōu)于Z2，假設有N個訓練｛（x1，y1），（x2，y2），…，（xn，yn）｝，xi∈Rd，yi∈｛±1｝，要通過這些樣本點得到一個線性超平面分類器

式中：sgn為符號函數(shù)；x為矢量；b為函數(shù)的參數(shù)；w為函數(shù)的參數(shù)。

圖3 分類超平面Fig.3 Hyperp lane of classification

這2個超平面之間沒有任何樣本點并且他們之間的距離最大，即Z能將2類正確分開，且使分類間隔最大。此時Z1和Z2之間的距離為2／‖w‖，因此最大化這個距離可以轉(zhuǎn)化為最小化‖w‖2＝wTw，而要求分類器對所有樣本正確分類，就是要求它滿足

式中：yi∈｛±1｝；w為函數(shù)的參數(shù)；xi為矢量；b為函數(shù)的參數(shù)；n為樣本個數(shù)。

因此，滿足條件（4）且使‖w‖最小的超平面叫做最優(yōu)超平面，Z1和Z2上的訓練樣本點就稱為支持向量。

使分類間隔最大實際上就是對推廣能力的控制，這是SVM的核心思想之一，根據(jù)統(tǒng)計學習理論，一個規(guī)范超平面構成的指示函數(shù)集

的VC維h滿足

式中：w為函數(shù)的參數(shù)，‖w‖≤A；R為覆蓋樣本向量的超球半徑。

根據(jù)上面的討論，在線形可分條件下構建最優(yōu)超平面，就轉(zhuǎn)化為下面的2次規(guī)劃問題：

式中：min為最小化；st為約束條件。

利用Lagrange優(yōu)化方法可以把上述最優(yōu)分類面問題轉(zhuǎn)化為其對偶問題，這樣就可以對任一新的樣本點x進行下式分類，

式中：x為任意新的樣本點；sgn為符號函數(shù)；w，b為函數(shù)的參數(shù)；n為樣本個數(shù)；xi為支持向量；ai為系數(shù)。

4 研究區(qū)域主要陸生生境要素分類實驗

本文主要研究陸生生態(tài)系中的水、植被和人工建筑物等3大要素，各類的樣本數(shù)目為：植被73，水體184，建筑物189。分別采用最大似然法、馬氏距離法和支持向量機對多個時間段的CBERS影像進行分類，取得的分類結果如圖4所示。受影像輻射分辨率的影響，存在建筑物和水體混分的現(xiàn)象，具體表現(xiàn)為2001年CBERS影像，中心位置的建筑物區(qū)域誤分為水體。采用河道DEM數(shù)據(jù)，以高程信息為分析依據(jù)，對建筑分類結果進行修正。通過對分類結果的目視分析可以發(fā)現(xiàn)，最大似然法取得的分類結果中，在2001年、2008年和2009年的分類結果中，都存在大量水體誤分為建筑物的情況。馬氏距離法分類結果中，植被覆蓋區(qū)域受噪聲和陰影的影響較為明顯，在2008年的馬氏距離分類結果中，植被區(qū)域被誤判為建筑的現(xiàn)象較為明顯。通過實驗結果的綜合分析可得支持向量機能夠取得最好的分類結果，適合開展CBERS遙感影像的分類工作。

根據(jù)2001年、2008年、2009年3個時期CBERS影像的分類結果，分別計算了2001－2008年，2008－2009年期間不同3種要素的轉(zhuǎn)移變化情況，變化矩陣如表2、表3所示。

分析2001年、2008年、2009年生境要素分類結果，2001－2008年期間建筑地類變化幅度較大，水和植被覆蓋區(qū)域變化幅度較小。從生境要素轉(zhuǎn)移情況看出，2001－2008年期間存在明顯的植被轉(zhuǎn)換為建筑物情況，說明這段時間研究區(qū)域內(nèi)工業(yè)化建設和居民地擴展占據(jù)了植被覆蓋區(qū)域。通過分析2001年、2008年、2009年3個時間段的分類結果和生境要素轉(zhuǎn)移情況，表明研究區(qū)域生態(tài)環(huán)境整體類型處于良好狀態(tài)，水和植被整體變化幅度小。特別是水體面積，3個時間段內(nèi)未發(fā)生較大幅度的變化，說明三峽工程蓄水前后對此段河道的整體趨勢未產(chǎn)生明顯影響，整體水網(wǎng)體系能夠保持平衡。值得注意的是建筑用地較大幅度提高，占用了植被覆蓋區(qū)域，一定程度上對自然生態(tài)平衡產(chǎn)生影響。

圖4 2001年、2008年、2009年CBERS遙感影像分類結果Fig.4 Images classification results of 2001，2008 and 2009

表1 2001年、2008年、2009年生境要素分類結果Table1 Classification Results of Environmental Elements

表2 2001－2008年生境要素變化轉(zhuǎn)移矩陣Table2 Transfer matrix of Environmental Elements Changing from 2001 to 2008

表3 2008－2009年生境要素變化轉(zhuǎn)移矩陣Table3 Transfer matrix of Environmental Elements Changing from 2008 to 2009

5 結 語

本文以枝城區(qū)域為研究對象，采用多時相CBERS影像，結合遙感分類方法，分析了流域范圍內(nèi)生境要素信息變化狀況。通過最大似然、馬氏距離和支持向量機的分類結果和精度分析，得知支持向量機具有最好的分類結果，更為適合CBERS影像生境要素分類。通過分析生境要素變化信息，發(fā)現(xiàn)2001年、2008年、2009年間實驗區(qū)范圍內(nèi)水體分布狀況未發(fā)生大幅度變化，說明三峽水庫蓄水后未對研究區(qū)的水文狀況產(chǎn)生明顯影響。不同年份間的建筑物信息存在大幅度變化，表明CBERS影像適合于對城市總體格局趨勢進行分析。研究結果表明，采用CBERS影像進行流域范圍內(nèi)的陸生生境要素研究是可行的，具備良好的應用前景，對推動國產(chǎn)衛(wèi)星行業(yè)應用具有廣闊的市場潛力，同時對推動國產(chǎn)遙感衛(wèi)星的高水平發(fā)展具有重要的指導意義。

［1］ 毛戰(zhàn)坡，彭文啟，周懷東.大壩的河流生態(tài)效應及對策研究［J］.中國水利，2004，15（1）：43－45.（MAO Zhan-po，PENGWen-qi，ZHOU Huai-dong.Research on River Ecology Affection and Response of Dams［J］.China Water Resources，2004，15（1）：43－45.（in Chinese））

［2］ 陳求穩(wěn)，歐陽志云.流域生態(tài)學及模型系統(tǒng)［J］.生態(tài)學報，2005，25（5）：1184－1189.（CHEN Qiu-wen，OUY-ANG Zhi-yun.Watershed Ecology and Modeling System［J］.Acta Ecologica Sinica，2005，25（5）：1184－1189.（in Chinese））

［3］ 彭光雄.多時相影像的典型區(qū)農(nóng)作物識別分類方法對比研究［J］.地球信息科學學報，2009，11（12）：225－230.（PENG Guang-xiong.Study on Methods Comparison of Typical Remote Sensing Classification Based on Multi-tem-poral Images［J］.Journal Of GEO-Information Science，2009，11（12）：225－230.（in Chinese））

［4］ 李玉霞，李 麗，鄭澤忠.CBERS-02圖像在土地利用／覆蓋動態(tài)監(jiān)測中的應用［J］.四川師范大學學報（自然科學版），2006，29（5）：627－630.（LI Yu-xia，LI Li，ZHENG Ze-zhong.The Application of CBERS-02 Remote Sensing Image in the Land Use／Overlay Dynamic Monito-ring［J］.Journal of Sichuan Normal University（Natural Science），2006，29（5）：627－630.（in Chinese））

［5］ 何宇華，史良樹，張榮慧，等.中巴資源衛(wèi)星數(shù)據(jù)（CBERS－02）在土地調(diào)查中的應用［J］.中國土地科學，2007，21（2）：51－57.（HE Yu-hua，SHI Liang-shu，ZHANGRong-hui，et al.Application Research of CBERS-02 Data in Land-use Survey［J］.China Land Science，2007，21（2）：51－57.（in Chinese））

［6］ 張慶君，馬世俊.中巴地球資源衛(wèi)星成就與發(fā)展［J］.航天器工程，2009，18（4）：1－8.（ZHANG Qing-jun，MA Shi-jun.Achievements and Progress of China-Brazil Earth Resource Satellite［J］.Spacecraft Engineering，2009，18（4）：1－8.（in Chinese））

［7］ 武佳麗，余 濤，顧行發(fā)，等.中國資源衛(wèi)星現(xiàn)狀與應用趨勢概述［J］.遙感信息，2008，（6）：96－100.（WU Jia-li，YU Tao，GU Xing-fa，et al.Status and Application Trend of Chinese Earth Resources Satellites［J］.Remote Sensing Information，2008，（6）：96－100.（in Chinese））

［8］ BRUZZONE L，MELGANI F.Classification of Hyper-spectral Imageswith Support Vector Machines：Multi-class Strategies［C］∥Proc.Image and Signal Processing for Re-mote Sensing IX，SPIE，Barcelona，8－9 September，2003：408－419.

（編輯：王 慰）

Research on Terrestrial Eco-Environment Changing Based on M ulti-Temporal CBERS Images

CHEN Peng-xiao，SHEN Shao-hong
（Changjiang River Scientific Research Institute，Wuhan 430010，China）

Based on multi－temporal CBERS remotely sensed images of the Zhijiang area of the Yangtze River Ba-sin，this paper obtains terrestrial environmental elements such aswater taking，vegetation and structures separately by using Maximum likelihood classifier（MLC），Mahalanobis distance classifier and Support Vector Machine（SVM），and makes an analysis of the change relationship between the area＇s terrestrial environmental elements be-fore and After the impoundment of the Three Gorges Reservoir.The results prove that the CBERS images can be used to gain terrestrial environmental elements in a middle size river basin and their change relations effectively，which would be an useful technical support on the basin’s environment protection and city planning.

CBERS；terrestrial environment；classification of remote sense

X37；TV697.2

A

1001－5485（2011）02－0069－05

2010-05-31

人力資源和社會保障部留學人員科技活動項目基金（QTGY0906／KJ01）

陳鵬霄（1977-），男，山西芮城人，高級工程師，主要從事水信息學研究，（電話）027-82926469（電子信箱）cpx21peng＠hotmail.com。