楊奇勇，馬祖陸，蔣忠誠，羅為群，謝運球

(中國地質(zhì)科學院巖溶地質(zhì)研究所，桂林 541004)

峰叢洼地遙感圖像山體陰影缺失的克里格修復

楊奇勇，馬祖陸，蔣忠誠，羅為群，謝運球

(中國地質(zhì)科學院巖溶地質(zhì)研究所，桂林 541004)

為了解決巖溶區(qū)峰叢洼地遙感圖像山體陰影區(qū)域信息“缺失”的問題，以廣西壯族自治區(qū)平果縣果化鎮(zhèn)生態(tài)重建示范區(qū)典型峰叢洼地的遙感圖像為例，利用地統(tǒng)計學的方法分析了ETM圖像B3，B4，B5波段的灰度值(digital number，DN)結(jié)構(gòu)特征，對3個波段陰影區(qū)域的DN值進行了修復與驗證。結(jié)果表明:研究區(qū)峰叢洼地3個波段的DN值主要受內(nèi)在因子的作用，有顯著的空間自相關(guān)性，自相關(guān)距離都在360 m以上;各波段驗證值與修復值之間都具有極其顯著的相關(guān)性，平均相對誤差均在0.2% 以下，具有較高的修復精度;峰叢洼地山體陰影缺失信息的修復可為巖溶區(qū)生態(tài)環(huán)境監(jiān)控、石漠化評估等遙感解譯精度的提高提供參考。

遙感;空間變異測量;地理信息系統(tǒng);巖溶;半方差函數(shù);地統(tǒng)計學

0 引言

峰叢洼地是濕熱條件下典型的巖溶地貌形態(tài)，在中國西南地區(qū)有著廣泛分布［1］。受巖性、地形地貌和人類活動的影響，峰叢洼地生態(tài)環(huán)境非常脆弱。遙感技術(shù)以信息量大、獲取速度快、覆蓋范圍廣、受人力物力限制小等優(yōu)點，已經(jīng)在巖溶區(qū)石漠化評估［2－3］、水土流失［4］、巖溶地質(zhì)探測［5］及土地利用［6］等方面得到越來越廣泛的應用。但是，巖溶區(qū)峰叢洼地地貌結(jié)構(gòu)崎嶇、復雜［1］，在遙感圖像上往往存在大量“月牙型”和“棒狀”陰影“缺失”信息區(qū)，為遙感圖像在該區(qū)域的運用帶來誤差［7］。因此，在應用遙感圖像之前對山體陰影“缺失”信息進行修復顯得非常重要。

目前，數(shù)字圖像修復已成為新穎而前沿的研究熱點之一。國外修復方法研究總體可分為2類:一是基于圖像集合模型的修復方法(inpainting)，適合于小區(qū)域數(shù)字圖像“缺失”信息的修復［8－9］;二是基于紋理的圖像補全技術(shù)(completion)，適合于大面積數(shù)字圖像“缺失”信息的修復［8，10］。國內(nèi)在遙感圖像“缺失”信息的修復研究也取得了一定的進展，如馮益明等［11］在圖像處理軟件 ERDAS和 GIS軟件ArcInfo的支持下，應用空間統(tǒng)計分析軟件ILWIS內(nèi)插了遙感圖像中“缺失”斑塊的信息;朱長明等［12］采用時空自適應反射率融合模型(STARFM)算法實現(xiàn)MODIS 09數(shù)據(jù)和TM/ETM+數(shù)據(jù)的融合，對由于掃描行校正器SLC故障造成的壞行數(shù)據(jù)進行了修復研究;陳仁喜和李鑫慧［13］針對遙感圖像上“缺失”區(qū)域的現(xiàn)象，利用GIS輔助信息提高了圖像修復的質(zhì)量。但是，以上研究中有的圖像修復方法計算過于復雜，有的對圖像修復結(jié)果沒有進行驗證與評估。結(jié)合已有研究［11，14］，本文在 GIS 技術(shù)支持下，利用地統(tǒng)計學方法對廣西壯族自治區(qū)平果縣果化鎮(zhèn)生態(tài)重建示范區(qū)典型峰叢洼地的遙感圖像進行山體陰影信息的修復。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

研究區(qū)位于廣西壯族自治區(qū)平果縣果化鎮(zhèn)生態(tài)重建示范區(qū)，地跨 E 107°22'～ 107°27'，N 23°21'～23°25'之間，總面積 76.3 km2，屬于典型的巖溶峰叢洼地地貌。右江自東北向西南方向流經(jīng)研究區(qū)東北部，是區(qū)內(nèi)主要河流。右江右岸以巖溶準平原為主，海拔100 m左右，區(qū)內(nèi)以巖溶峰叢洼地地貌為主，最高石峰海拔550m。該地區(qū)植被覆蓋率不足10%，森林覆蓋率不足1%，巖石裸露、石漠化嚴重，生態(tài)環(huán)境非常脆弱。耕地資源嚴重不足、生產(chǎn)力低，農(nóng)作物單一，主要糧食作物為玉米。

1.2 地統(tǒng)計學方法

Kriging方法可以得到有限區(qū)域內(nèi)區(qū)域變量的最佳線性無偏估計量，在空間預測中有著廣泛的運用。研究表明，遙感圖像中每個像素點的灰度值(digital number，DN)并不是完全獨立于相鄰點，它們之間存在一定的相關(guān)性，即圖像的DN值是空間相關(guān)的，這種相關(guān)性與它們的空間距離有關(guān)，因而表現(xiàn)出一定的結(jié)構(gòu)性。Kriging方法可以將這種相關(guān)性量化并融入遙感圖像分類中，反映圖像DN值的空間變化［15－16］。對一幅具體的遙感圖像而言，半方差函數(shù)r(h)可表示為

式中:N(h)表示相距為h像素對的數(shù)量;DN(xi+h)和DN(xi)分別為像素xi+h和xi的灰度值;i為像素序號。

1.3 數(shù)據(jù)處理

采用2009年ETM遙感圖像及30 m空間分辨率的DEM等數(shù)據(jù)進行圖像修復，其中ETM圖像來源于中國科學院國際數(shù)據(jù)服務平臺。在巖溶區(qū)石漠化遙感監(jiān)測中通常利用B5(R)，B4(G)，B3(B)波段合成的假彩色圖像［17］進行巖溶區(qū)石漠化、土地利用等研究，本文正是利用這3個波段對山體陰影DN值進行修復的。其中圖像的鑲嵌、裁剪和波段合成采用ENVI 6.0軟件;圖像DN值提取、半方差函數(shù)分析和專題圖繪制采用ArcGIS 9.2軟件;半方差函數(shù)圖和相關(guān)分析圖等圖件的繪制采用Excel軟件。

1.4 圖像修復驗證

圖像修復精度驗證的具體指標包括:①相關(guān)系數(shù)，修復值與驗證值的相關(guān)系數(shù)越接近1，表明擬合度越高，陰影灰度值修復越好;②平均相對誤差(MEE)，反映修復值偏離驗證值的大小，正值表示高估，負值表示低估。Whitmore和 Foereid 等［17－18］認為，在對驗證值與修復值的誤差統(tǒng)計時，如果|MEE|≤5%，則圖像修復結(jié)果很準確;如果|MEE|≤10%時，則圖像修復結(jié)果可行。平均相對誤差采用

計算。式中:Oi為驗證數(shù)據(jù);Pi為修復數(shù)據(jù);n為驗證數(shù)據(jù)與修復數(shù)據(jù)的數(shù)目;MEE為平均相對誤差。

2 結(jié)果與分析

2.1 圖像灰度值的統(tǒng)計特征

研究區(qū)遙感圖像共848544個像素，在ENVI中利用B3，B4，B5波段合成的假彩色圖像進行分析，結(jié)合DEM三維圖像對陰影區(qū)域進行提取。提取山體陰影像素數(shù)目10228個，占研究區(qū)域總面積的12.05%。如此多的陰影區(qū)域在很大程度上影響了研究區(qū)的遙感解譯精度。利用剔除山體陰影后的3個波段的圖像數(shù)據(jù)，以1%的像素點為驗證點，在ArcGIS中利用Create Subsets模塊對3個波段隨機生成實驗數(shù)據(jù)與驗證數(shù)據(jù)(圖1)，并對其進行經(jīng)典統(tǒng)計特征分析(表1)。

圖1 研究區(qū)圖像修復驗證樣點分布Fig.1 Testing sample distribution for image restoration in study area

表1 研究區(qū)ETM圖像B3，B4，B5灰度值的統(tǒng)計特征Tab.1 Statistical characteristics for digital numbers of ETM image B3，B4 and B5 in study area

從表1可以看出，各波段實驗數(shù)據(jù)與驗證數(shù)據(jù)灰度值的各項統(tǒng)計特征差異不大，但是山體陰影區(qū)灰度值的統(tǒng)計特征與相應波段實驗數(shù)據(jù)和驗證數(shù)據(jù)的統(tǒng)計特征差異較大?？梢?，由于山體陰影的遮擋，陰影區(qū)域的光譜特征已經(jīng)發(fā)生了很大變化，其DN均值與數(shù)據(jù)寬幅都明顯變小，趨于均一，已不能正確地反映峰叢洼地陰影區(qū)域?qū)嶋H的光譜特征。因此，對峰叢洼地區(qū)域山體陰影“缺失”信息的修復是十分必要的。研究區(qū)灰度值的偏度值都很小，基本呈正態(tài)分布，適合地統(tǒng)計分析。

2.2 圖像灰度值的半方差函數(shù)結(jié)構(gòu)分析

研究表明，當滯后距離為1個像素時，最能準確描述最鄰近像素間光譜亮度的差異［13，15］。因此本文選用30 m的滯后距離來計算各波段灰度值的半方差函數(shù)。在GIS中進行反復模擬，得到3個波段灰度值的最優(yōu)半方差函數(shù)模型(圖2)及其參數(shù)(表2)。

圖2 3個波段灰度值的半方差函數(shù)Fig.2 Semi－variance of three bands DN

表2 半方差函數(shù)模型及其參數(shù)Tab.2 Semi－ variance models and parameters

從圖2和表2看出，3個波段灰度值的半方差函數(shù)都符合指數(shù)模型;3個波段灰度值的塊基比均小于 0.25，具有強烈的空間自相關(guān)性［19］，說明巖性、地形地貌等結(jié)構(gòu)因素是引起研究區(qū)峰叢洼地3個波段灰度值空間變異的主要原因。3個波段灰度值的變程都在12個像素以上，大于陰影區(qū)域半徑，可用上述半方差函數(shù)對陰影區(qū)域灰度值進行修復。

2.3 圖像修復精度分析

Kriging插值修復圖像的驗證結(jié)果分析表明(圖3)，各波段灰度值的驗證值和修復值之間的相關(guān)系數(shù)r處在0.9433～0.9545之間，相關(guān)性都達到極顯著水平(P＜0.01)，說明各波段灰度值的驗證值與修復值之間具有很好的一致性。同時，3個波段驗證值與修復值之間的平均相對誤差MEE，第4波段最小，為－0.0955%，第5波段最大，僅為－0.185%，|MEE|均小于5%，說明用Kriging插值對各波段灰度值進行修復的精度非常高，研究區(qū)峰叢洼地山體陰影區(qū)的Kriging圖像修復結(jié)果是可信的。

圖3 3個波段灰度值修復精度檢驗Fig.3 Repair precision test of three bands DN

2.4 圖像修復結(jié)果

圖4為研究區(qū)ETM假彩色合成圖像(B5(R)，B4(G)，B3(B))修復前后的對比圖。從圖4中可以看出，修復前假彩色合成圖像中有許多“棒狀”“月牙狀”的黑色陰影區(qū)域，而在修復后假彩色合成圖像中相應區(qū)域已經(jīng)被多種色調(diào)替代，增加了較豐富的影像信息，說明陰影區(qū)域比較單一的光譜特征已被較好“修復”。從視覺效果來看，修復后的假彩色合成圖像色彩更加豐富明快。

圖4 研究區(qū)B5(R)，B4(G)，B3(B)假彩色合成圖像修復前后Fig.4 Before and after repair of B5(R)，B4(G)，B3(B)false color composite image in study area

3 結(jié)論

遙感解譯精度的提高一直是遙感信息提取過程中的關(guān)鍵問題之一。本文在GIS技術(shù)支持下，利用地統(tǒng)計學方法對典型峰叢洼地山體陰影區(qū)域的遙感圖像常用波段灰度值進行了修復，為解決巖溶區(qū)山體陰影對石漠化等遙感解譯精度的影響，以及提高巖溶區(qū)退化生態(tài)環(huán)境遙感監(jiān)測精度提供了方法參考。本文采用GIS空間分析功能隨機生成實驗數(shù)據(jù)和驗證數(shù)據(jù)，利用實驗數(shù)據(jù)進行地統(tǒng)計建模，利用驗證數(shù)據(jù)進行模型插值精度驗證，彌補了已有研究缺少模型驗證的不足。從圖像修復的結(jié)果驗證來看，3個波段的平均相對誤差都很小，具有很高的修復精度。但是較大研究區(qū)域的圖像修復，計算機運行時間太長，需要通過編程來完成。

［1］蔣忠誠，李先琨，曾馥平，等.巖溶峰叢洼地生態(tài)重建［M］.北京:地質(zhì)出版社，2007.Jiang Z C，Li X K，Zeng F P，et al.Ecological Reconstruction in Peak Cluster Karst Depression［M］.Beijing:Geological Publishing House，2007(in Chinese).

［2］夏學齊，田慶久，杜鳳蘭.石漠化程度遙感信息提取方法研究［J］.遙感學報，2006，10(4):469 －474.Xia X Q，Tian Q J，Du F L.Retrieval of Rock － desertification Degree from Multi－ spectral Remote Sensing Images［J］.Journal of Remote Sensing，2006，10(4):469 －474(in Chinese with English Abstract).

［3］張盼盼，胡遠滿，李秀珍，等.基于GIS的喀斯特高原山區(qū)石漠化景觀格局變化分析［J］.農(nóng)業(yè)工程學報，2009，25(12):306－311.Zhang P P，Hu Y M，Li X Z，et al.Analysis of Rocky Desertification Landscape Pattern Change in Karst Plateau Area Based on GIS［J］.Transactions of the Chinese Society of Agricultural Engineering，2009，25(12):306 －311(in Chinese with English Abstract).

［4］周 濤，李玉輝，陳有君，等.石林景區(qū)巖溶湖泊湖濱帶土地利用變化研究［J］.水土保持研究，2009，16(4):230 －233.Zhou T，Li Y H，Chen Y J，et al.Changes of Land Use in Lakeside Zone of Karst Lakes in Stone Forest［J］.Research of Soil and Water Conservation，2009，16(4):230 － 233(in Chinese with English Abstract).

［5］郭達志，盛業(yè)華，金學林，等.礦區(qū)巖溶塌陷落柱探測中遙感與地理信息系統(tǒng)技術(shù)的應用研究［J］.測繪學報，1994，23(2):113－119.Guo D Z，Sheng Y H，Jin X L，et al.An Application of Remote Sensing Image and GIS to Exploration of Karst Collapse Pillars in a Coal Mine Area［J］.Acta Geodaetica et Cartographica Sinica，1994，23(2):113 －119(in Chinese with English Abstract).

［6］侯英雨，何延波.利用TM數(shù)據(jù)監(jiān)測巖溶山區(qū)城市土地利用變化［J］.地理學與國土研究，2001，17(3):22 －25.Hou Y Y，He Y T.Monitoring Land Use Changes of Cities in Karst Mountainous Area Using TM Remote Sensing Data［J］.Geography and Territorial Research，2001，17(3):22 － 25(in Chinese with English Abstract).

［7］楊奇勇，蔣忠誠，馬祖陸，等.基于地統(tǒng)計學和遙感的巖溶區(qū)石漠化空間變異特征［J］.農(nóng)業(yè)工程學報，2012，28(4):243－247.Yang Q Y，Jiang Z C，Ma Z L，et al.Spatial Variability of Karst Rock Desertification Based on Geostatistics and Remote Sensing［J］.Transactions of the Chinese Society of Agricultural Engineering，2012，28(4):243 －247(in Chinese with English Abstract).

［8］Criminisi A，Perez P，Toyama K.Region Filling and Object Removal by Exemplar － based Image Inpainting［J］.IEEE Transactions on Image Processing，2004，13(9):1200 －1212.

［9］Chan T F，Shen J H.Mathematical Models for Local Non － texture Inpainting［J］.SIAM Journal of Applied Mathematics，2001，62(3):1019－1043.

［10］Drori I，Daniel C O，Hezy Y.Fragment Based Image Completion［J］.ACM Transactions on Graphics，2003，22(3):303 － 312.

［11］馮益明，雷相東，陸元昌.應用空間統(tǒng)計學理論解譯遙感影像信息“缺失”區(qū)［J］.遙感學報，2004，8(4):319 －324.Feng Y M，Lei X D，Lu Y C.Interpretation of Pixel－missing Patch of Remote Sensing Image with Kriging Interpolation of Spatial Statistics［J］.Journal of Remote Sensing，2004，8(4):319 － 324(in Chinese with English Abstract).

［12］朱長明，沈占鋒，駱劍承，等.基于 MODIS數(shù)據(jù)的Landsat－7 SLC－off影像修復方法研究［J］.測繪學報，2010，39(3):251－256.Zhu C M，Shen Z F，Luo J C，et al.Research on Landsat－7 SLC －off Image Restoration Method Based on MODIS09 Data［J］.Acta Geodaetica et Cartographica Sinica，2010，39(3):251 － 256(in Chinese with English Abstract).

［13］陳仁喜，李鑫慧.GIS輔助數(shù)據(jù)下的影像缺失信息恢復［J］.武漢大學學報:信息科學版，2008，33(5):462 －465.Chen R X，Li X H.Restoring Lost Information on Remote Sensing Images Based on Accessorial GIS Data［J］.Geomatics and Information Science of Wuhan University，2008，33(5):462 － 465(in Chinese with English Abstract).

［14］Chica－Olmo M，Abarca－Hernandez F.Computing Geostatistical Image Texture for Remotely Sensed Data Classification［J］.Computers and Geosciences，2000，26(4):373 －383.

［15］Curran P J.The Semivariogram in Remote Sensing:An Introduction［J］.Remote Sensing of Environment，1988，24(3):493 －507.

［16］陳華宣，王君華.基于TM數(shù)據(jù)的西南巖溶區(qū)石漠化調(diào)查研究［J］.氣象研究與應用，2010，31(3):41 －44.Chen H X，Wang J H.Investigation and Research on Karst Rocky Desertification Area Based on TM data［J］.Journal of Meteorological Research and Application，2010，31(3):41 － 44(in Chinese with English Abstract).

［17］Whitmore A P，Klein G H，Crocker G J，et al.Simulating Trends in Soil Organic Carbon in Long－term Experiments Using the Century Model［J］.Geoderma，1997，81(1/2):75 －90.

［18］Foereid B，H?gh J H.Carbon Sequestration Potential of Organic Agriculture in Northern Europe:A modeling Approach［J］.Nutrient Cycling in Agroecosystems，2004，68(1):13 －24.

［19］楊奇勇，楊勁松，姚榮江，等.耕地土壤有機質(zhì)空間變異性的隨機模擬［J］.農(nóng)業(yè)工程學報，2010，26(12):324 －329.Yang Q Y，Yang J S，Yao R J，et al.Stochastic Simulation of Cultivated Soil Organic Matter Spatial Variability［J］.Transactions of the Chinese Society of Agricultural Engineering，2010，26(12):324－329(in Chinese with English Abstract).

Restoration of Missing Information of Mountain Shadow on Remote Sensing Images in Peak Cluster Karst Area Based on Kriging

YANG Qi－yong，MA Zu－lu，JIANG Zhong－cheng，LUO Wei－qun，XIE Yun－qiu
(Institute of Karst Geology，CAGS，Guilin 541004，China)

In order to solve the problem of restoring missing information of mountain shadow on remote sensing images in peak cluster karst area，this paper took Guohua Ecological Experimental Area as the study area，which lies in Pingguo County of Guangxi.The spatial variability of digital number(DN)was analyzed by applying geostatistic method to the three bands，i.e.，B3，B4 and B5.Then the DN values of the mountain shadow areas on the three bands were predicted and verified.The results indicate that the DN values of the these bands show strong spatial variability and spatial autocorrelation mainly from the impact of intrinsic factors，and their ranges are above 360 m.The correlation of values between validated values and restored values are extremely significant for each band，and the average relative errors are all lower than 0.2%with very high precision.The restoration of missing information of the mountain shadow on the remote sensing images in peak cluster depression areas provides a new idea and method for improving the accuracy of remote sensing interpretation of ecological environment monitoring of karst rocky desertification assessment in same areas.

remote sensing;spatial variables;geographic information system;karst;semi－variances;geostatistics

TP 79;P 237

A

1001－070X(2012)04－0112－05

2011－11－27;

2012－01－13

“十二五”國家科技支撐計劃項目“喀斯特峰叢洼地退化生態(tài)系統(tǒng)適應性修復技術(shù)與示范”(編號:2010BAE00739－02)、“漓江流域面源污染控制與水土流失治理技術(shù)研究和示范”(編號:2012BAC16B02)、廣西自然科學基金項目(編號:2012GXNSFAA053186)以及中國地質(zhì)科學院巖溶地質(zhì)研究所所控項目(編號:2012015)共同資助。

10.6046/gtzyyg.2012.04.19

楊奇勇(1976－)，男，博士，助理研究員，主要從事巖溶區(qū)水土資源高效利用與遙感應用研究。E－mail:yangqiyong0739@163.com。

(責任編輯:邢 宇)