王濤，趙延芳，何福紅，李鵬，馬江濤

（魯東大學資源與環(huán)境工程學院，山東 煙臺 264025）

基于ZY-3和圖像融合的沖溝參數提取研究

王濤，趙延芳，何福紅*，李鵬，馬江濤

（魯東大學資源與環(huán)境工程學院，山東 煙臺 264025）

王濤, 趙延芳, 何福紅, 李鵬, 馬江濤. 基于ZY-3和圖像融合的沖溝參數提取研究[J]. 農業(yè)現代化研究, 2016, 37(6): 1190-1197.

Wang T, Zhao Y F, He F H, Li P, Ma J T. Extracting gully parameters using multispectral (MS) and panchromatic (PAN) fusion image of the ZiYuan-3 (ZY-3) satellite[J]. Research of Agricultural Modernization, 2016, 37(6): 1190-1197.

本文以山東省棲霞市庵里水庫西岸流域為研究區(qū)，基于Gram-S chimdt（GS）方法、色彩空間（Hue Saturation Value, HSV）變換和主成分分析( Principal Component Analysis，PCA)三種方法，對研究區(qū)的資源三號衛(wèi)星（ZY-3）圖像進行了圖像融合，基于各融合圖像提取沖溝參數并進行精度評價。結果表明：三種融合圖像均保留了多光譜圖像的光譜信息，同時具有全色圖像的空間紋理細節(jié)信息；與基于原始多光譜圖像解譯沖溝參數相比較，采用GS光譜銳化、HSV變換及PCA變換融合圖像解譯沖溝參數更準確；相對檢驗區(qū)實測沖溝參數，基于GS光譜銳化融合圖像提取的沖溝參數精度最高，解譯出的沖溝溝面積和溝長的相關系數分別為0.991和0.984。是沖溝參數提取的最優(yōu)圖像融合方法。

沖溝參數；Gram-Schimdt；HSV變換；PCA變換；圖像融合；資源三號衛(wèi)星

沖溝侵蝕是一種常見的土壤侵蝕類型，具有侵蝕范圍小，侵蝕量大、速度快的特點，對農業(yè)危害十分嚴重[1-3]。目前有關沖溝侵蝕的觀測方法主要有地面手工測量法、侵蝕針(樁)監(jiān)測法、航片解譯監(jiān)測法、高精度差分GPS測量等方法[4]。自上世紀四十年代，Ireland等[5]基于航片解譯法對沖溝的溝蝕速率和泥沙產生量進行了研究以來，航片解譯法成為國內外學者監(jiān)測沖溝的重要方法[4-11]。航空像片具有高分辨率、高清晰度和高信息量的優(yōu)點，用于沖溝侵蝕研究具有較好的精度，但航空像片圖幅范圍小、獲取成本高、更新慢的缺點也使該方法僅限于空間小尺度和時間大尺度上的沖溝侵蝕研究[7-8]。航天遙感技術經過50多年的發(fā)展和應用，為同一地區(qū)提供了大量的不同空間分辨率、光譜分辨率及跨平臺的航天遙感圖像。航天遙感圖像具有空間尺度大、更新快、成本低的優(yōu)勢彌補了航空像片的不足，為研究沖溝侵蝕提供了海量連續(xù)的、具有豐富光譜信息和紋理信息的基礎圖像數據[11-16]。多光譜圖像大多存在空間分辨率低、空間細節(jié)表現能力差、光譜信息冗余的局限性，導致解譯具有典型地貌形態(tài)特征的沖溝參數時易發(fā)生漏判、錯判沖溝現象[13-14]。全色圖像具有空間分辨率高的優(yōu)勢，但缺少光譜信息，可判讀性差[13-14,17-18]。因而，綜合多光譜圖像的光譜信息和全色圖像的空間紋理信息，構建既具有豐富的光譜信息又具有高解析能力的融合圖像，將為多尺度溝蝕研究提供必要的科學數據。

多源遙感圖像融合就是將多個傳感器（全色波段和多光譜波段）獲取的同一場景的遙感圖像進行空間配準，然后采用一定算法將各圖像數據中所含的信息進行優(yōu)勢互補的綜合而產生新圖像數據的技術[19-23]。色彩空間法（HSV變換法）、PCA法及GS方法是常用的三種圖像融合算法[19-30]，學者們對各算法優(yōu)缺點進行過研究，但很少從具體解譯應用角度來評價融合算法的優(yōu)缺點。資源三號衛(wèi)星（ZY-3）是我國發(fā)射的首顆民用高分辨率光學傳輸型立體測繪衛(wèi)星，其全色圖像和多光譜圖像具有一致的成像條件（成像時間、成像幾何關系），因而有利于綜合全色圖像和多光譜圖像而獲得高質量的融合圖像?；诖耍疚倪x取棲霞市庵里水庫西緣小流域為研究區(qū)，以ZY-3衛(wèi)星圖像為數據源，采用Gram-Schimdt（GS）方法、HSV變換和PCA變換三種方法融合全色圖像和多光譜圖像，基于各融合圖像，對棲霞小流域沖溝參數進行解譯和提取，并結合野外實地測量數據對基于GS融合、HSV融合和PCA融合圖像提取沖溝參數精度進行評價，以期為精確、快捷提取沖溝參數提供一種較優(yōu)的圖像融合方法。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于山東省棲霞市庵里水庫西緣流域，流域面積為4.95 km2，平均海拔約175 m，經緯度范圍為37°20′16″N-37°21′53″N，120°48′45″E-120°50′54″E (圖1)。區(qū)內低山丘陵地貌廣布，氣候為溫帶季風型濕潤氣候，年平均溫度11.3 ℃，年平均降雨量650 mm，年日照總時2 690 h。區(qū)內土壤主要為土質疏松的棕壤，年內降雨多集中于夏季，夏季多暴雨，因而，區(qū)內沖溝侵蝕地貌發(fā)育明顯?？紤]到典型性和代表性，選取研究區(qū)內涵蓋林地、河流、坡地、建筑物、不同農作物等地物的庵里水庫西側北巖子口小流域（0.13 km2）為檢驗區(qū)，用以對不同融合圖像的解譯沖溝精度進行評價。

1.2 數據及預處理

實驗數據為資源三號衛(wèi)星2014年11月18日獲取的空間分辨率分別為5.8 m和2.1 m的多光譜圖像和全色圖像。基于ENVI5.1軟件對數據做必要的正射校正、輻射定標、大氣校正預處理。為了保證圖像融合結果的準確性還對兩幅圖像進行了嚴格的圖像精配準。檢驗區(qū)的實測數據則由野外實地沿沖溝溝沿線進行RTK-GPS測量獲得，測量數據包括溝沿線測點高程和經緯度信息。

1.3 遙感圖像融合方法

圖1 研究區(qū)所在位置和ZY-3標準假彩色圖像Fig. 1 The location of the study area and ZY-3 standard false color image (SFC)

遙感圖像融合可以分為兩類方法：分量替換法和多分辨率分析法[24]。分量替換法是通過空間變換，并替換新向量空間里的特定向量，而實現信息的融合。GS、HSV和PCA是三種常用的分量替換融合方法，也是本文所采用的融合算法。

1.3.1 Gram-Schmidt光譜銳化方法 GS光譜銳化方法是線性多元統(tǒng)計和代數中常用的方法，它是通過對多維圖像進行正交變換來消除圖像間的冗余信息，在圖像融合中得到廣泛的應用[25-28]。在GS變換融合中，模擬低分辨率全色圖像的質量對融合結果影響較大。一般有兩種模擬方法：方法1通過直接計算n個光譜波段的平均值進行模擬。方法2通過圖像處理算法，降低高分辨率全色波段的空間分辨率，使其具有多光譜圖像相同的分辨率。兩種模擬方法對GS變換融合效果各不相同。方法1融合圖像中，空間紋理信息增強效果較好，但融合圖像存在較明顯的光譜失真；方法2融合圖像中，光譜失真較低，但空間信息增強效果較差。為了增強沖溝同農田之間的空間紋理信息，采用方法1模擬低分辨率全色圖像。具體步驟：首先利用低分辨率多光譜波段模擬低分辨率全色波段，并以模擬低分辨率全色波段為第一波段，協同多光譜波段進行Gram-Schmidt變換。然后，對高分辨率全色波段和第一分量和進行直方圖匹配，修正高分辨率全色波段。最后，用修正高分辨率全色波段替換Gram-Schmidt變換獲得的第一分量，反變換至多光譜空間[25]。

1.3.2 HSV彩色空間變換 HSV彩色空間模型中，H、S、V分別代表色調、飽和度及亮度。色調用來度量顏色，取值0-360°，飽和度表示色調種類的飽和程度，取值為0-1，亮度表示色彩的明暗程度，取值范圍由0-1，與圖像的彩色信息無關[29]。該方法首先將多光譜數據由RGB色彩空間變換至HSV彩色空間，得到亮度數據V分量。然后，全色圖像與上述V分量進行直方圖匹配，使其與V分量具有相似的均值及標準差。最后，用直方圖匹配后的全色圖像代替V分量進行HSV到RGB空間的變換，即得到融合圖像。

1.3.3 PCA變換 主成分變換是建立在統(tǒng)計特征基礎上的多維線性變換[19-24,30]。遙感圖像各波段之間存有一定的相關性，主成分變換在信息總量守恒的前提下，計算各波段圖像的相關矩陣的特征值和特征向量，并將特征值按由大到小的次序排列，由特征向量同各波段圖像的線性組合即可獲得彼此正交、沒有信息重復或冗余的各主成分。各主成分中，第一主成分圖像，其特征值最大，包含原始波段的信息量達80%以上，因而，可將信息量更多、更豐富的全色波段圖像替換第一主成分，實現遙感圖像的融合。為提高圖像融合質量，通常需要將全色波段圖像與第一主成分進行直方圖匹配。

1.4 沖溝參數的提取方法

溝沿線是溝間地和溝坡地的分界線，是流域內土地類型及土地利用類型劃分的基本分界線；溝底線是溝間地同溝谷地的分界線，是溝蝕研究中重要的沖溝參數[13]。溝長不僅是EGEM和WEPP水土流失模型中的重要輸入參數[31]，也是估算沖溝土壤侵蝕量經驗公式的直接參數[32]，在沖溝泥沙效應研究中具有重要意義。因而，本文結合專家先驗經驗和野外調查，分析研究區(qū)內不同地物圖像特征（形狀、位置、陰影、色調、顏色、紋理等），對于不明顯又不易辨別的圖像特征要綜合分析，最終確定沖溝參數的圖像解譯標志。然后利用Arcgis10.1軟件提供的解譯工具完成室內提取沖溝和計算沖溝參數（溝沿線、溝底線、溝長及溝谷平面面積）工作。最后再次野外調查補判修正解譯數據。

1.5 精度評價方法

目前評價圖像融合質量的方法有主觀定性評價法和客觀定量評價法。主觀評價法操作簡單、靈活，判讀精度高，得到廣泛的應用；從數理統(tǒng)計參數來看，客觀定量評價法常用方法是采用標準差、熵、偏差指數及相關系數等來評價圖像融合質量[33]；從評價指標側重面來看，定量評價指標包括評價圖像亮度信息的指標、評價空間信息保持能力的指標和評價光譜信息保持能力的指標[34]。提取某一具體地物的質量受融合圖像的細節(jié)紋理信息的增強程度和光譜信息的保留程度兩個方面的綜合影響，因而，采用單因素指標來評價融合算法無法準確評價某一具體應用中的效果。基于此，本文首先對融合圖像的視覺效果進行主觀定性評價，然后結合解譯沖溝的具體應用，以RTK-GPS實地測量得到的沖溝參數作為標準，并以原始多光譜圖像解譯的沖溝為對比，采用溝長、溝面積、沖溝數量三個指標，對融合法解譯沖溝精度進行檢驗。

2 結果與分析

2.1 融合圖像定性評價

從清晰度上看，三種方法的融合圖像（圖2）較原始圖像清晰度更高，各種地物類型清晰可見，其中GS融合圖像的清晰度最好；從光譜信息保持上來看，GS融合圖像色調與色彩變化不大，光譜保持情況最好；PCA融合圖像色調與色彩變化明顯，光譜保持能力最差，其中，建筑物、裸地失真嚴重；從圖像形態(tài)特征來看，GS融合圖像的地形、地貌的外部形態(tài)最清晰、明顯，紋理信息最豐富，邊緣最清晰?？傊?，全色波段與多光譜圖像融合可以提高原始圖像的質量，其中GS融合法效果最好，HSV融合法次之，PCA融合法最差。吳曉萍等[26]也曾對ZY-3衛(wèi)星圖像融合算法做過研究，并指出GS融合效果最好，PCA融合法次之，IHS融合法效果更次。表明對于ZY-3衛(wèi)星圖像而言，GS融合算法綜合效果優(yōu)于其它方法，具有普遍性，較少受成像時刻、地表地物特性影響。PCA融合法和色彩變換融合法存在一定的差異或不確定性，其原因大致是因為兩種融合算法綜合效果易受遙感圖像成像時刻及地物特性的影響。

圖2 融合圖像光譜視覺評價(標準假彩色)Fig. 2 Visual evaluation of the fusion images (Standard False Color);(a) Multispectral image, (b) GS spectral sharpening, (c) PCA transform, and (d) HSV transform

2.2 沖溝解譯

基于Arcgis10.1，分別基于原始多光譜圖像、Gram-Schimdt光譜銳化圖像、HSV變換圖像及PCA變換圖像，根據所建立的沖溝解譯標志，參考專家經驗，分別解譯出研究區(qū)沖溝系統(tǒng)（圖3）。四種方法解譯出的沖溝系統(tǒng)均表現出研究區(qū)沖溝系統(tǒng)由東、西兩個子沖溝系統(tǒng)組成的特點。但解譯出的沖溝系統(tǒng)的連貫性、沖溝空間尺度及沖溝的數量差異明顯。因為光譜損失最少，且具有高空間分辨率，GS融合法解譯出的沖溝，連貫性最好，且能解譯出小尺度沖溝，解譯出的沖溝數量明顯多于其他方法。受限于空間分辨率低，基于原始圖像提取的沖溝，連貫性差，且只能解譯出中尺度沖溝，因而，解譯出的沖溝數量明顯少于融合法。光譜損失不明顯，HSV融合法解譯出的沖溝連貫性一般，解譯沖溝尺度較理想。光譜損失明顯，色彩失真嚴重，PCA融合法解譯出的沖溝連貫性較差，解譯沖溝的尺度一般。

圖3 基于原始影像與融合影像提取的沖溝系統(tǒng)Fig. 3 Gully system interpreted from multispectral image and fusion images(a) Multispectral image, (b) GS spectral sharpening, (c) HSV transform, and (d) PCA transform

由解譯沖溝參數定量結果（表1）可以看出，ZY-3多光譜圖像空間分辨率較低，從而導致基于原始多光譜圖像解譯出的小尺度沖溝數量最少（115條)，GS融合圖像光譜損失最低，解譯出沖溝數量最多(233條)，PCA融合法和HSV融合法存在較明顯的光譜損失，提取的沖溝也多于原始圖像；基于原始圖像提取的沖溝數量少于PCA融合法，但是沖溝總面積（327 741 m2）卻多于PCA融合法提取的沖溝總面積（320 035 m2），GS融合法提取的沖溝面積最多；基于原始圖像解譯的沖溝中，大型溝與中型溝比例大，三種融合算法提取的沖溝在大型溝和中型溝方面差別不大，GS融合法在解譯小型溝方面優(yōu)勢明顯。因而，原始多光譜圖像在沖溝數量和面積上的誤差多是因為分辨率低而出現對小型沖溝的漏判及對臨近沖溝溝沿線的錯判，難以準確反映研究區(qū)沖溝侵蝕情況。同原始圖像提取的沖溝參數相比，三種融合法提取的沖溝參數能較準確的反映研究區(qū)沖溝侵蝕狀況。

2.3 解譯沖溝精度

表1 研究區(qū)沖溝參數統(tǒng)計Table 1 Statistics of the gully parameters in the study area

采用RTK-GPS對北巖子口小流域檢驗區(qū)內沖溝的溝沿線及溝底線進行數據測量采集，得到檢驗區(qū)的實測沖溝，并作為標準對三種融合法提取的沖溝參數進行精度檢驗（圖4）。

圖4 檢驗區(qū)沖溝參數對比Fig. 4 Comparison of the gully parameters in the evaluation area(a) Field measurement, (b) GS spectral sharpening, (c) HSV transform, and (d) PCA transform

由圖4所示，三種融合法均能將檢驗區(qū)內主要沖溝準確提取出來，但在提取的沖溝數量上存在較大差異。對檢驗區(qū)內實測和解譯出的沖溝參數進行定量統(tǒng)計，結果見表2。PCA融合法提取出了檢驗區(qū)19條沖溝，漏掉6條，識別率為76%，漏分率為24%；HSV融合法解譯出了22條沖溝，漏掉3條，識別率為89%，漏分率為11%；GS融合法提取出了檢驗區(qū)23條沖溝，識別率為92%，漏分率為4%。從數量、面積以及溝長指標上，GS融合法解譯結果明顯優(yōu)于其他兩種融合算法，更為接近實測數據，因而，能準確反映真實沖溝侵蝕情況。

表2 驗證區(qū)內沖溝參數統(tǒng)計表Table 2 Statistics of the gully parameters in the evaluation area

PCA融合法提取的沖溝參數精度低，主要是全色波段光譜同第一主成分圖像灰度值間存在顯著差異和不確定性，用全色波段替換第一主成分圖像參與PCA反變換，必然導致融合圖像光譜損失嚴重、噪聲污染明顯、圖像形態(tài)特征不明顯，降低了解譯沖溝的準確性。此外融合圖像邊緣信息弱化嚴重，難以準確提取溝沿線信息。HSV融合法提取沖溝的精度高于PCA融合法，主要是因為HSV融合圖像具有信息量大、清晰度高、光譜損失弱和圖像形態(tài)特征較明顯，能解譯更多的小尺度沖溝，但仍存在信息融合引入的噪聲污染導致的圖像紋理信息較弱和光譜損失的問題，因而，在沖溝溝沿線解譯方面精度低于GS融合法。GS融合法具有信息量豐富、清晰度高、光譜失真少和圖像形態(tài)特征明顯的優(yōu)點，能夠更快速準確的提取出溝沿線，但同實測沖溝參數相比仍存在一定的誤差，主要原因有沖溝解譯標志較復雜和衛(wèi)星融合圖像存在著反立體現象[13-14]，使得圖像表現出來的地形形態(tài)特征同人類視覺習慣相反，影響了對沖溝溝沿線和溝底線的判讀。

實測沖溝參數同基于GS融合法提取的23條沖溝的溝長和溝面積做相關性檢驗分析（圖5）。從圖5可以看出，GS融合法提取的沖溝面積和溝長同對應的實測沖溝的溝面積和溝長存在顯著的線性相關性，相關系數分別為0.988 3和0.975 4。因此，三種融合算法中，GS融合法是解譯沖溝參數的最優(yōu)圖像融合算法。

圖5 檢驗區(qū)沖溝參數的相關性檢驗Fig. 5 Correlation test of the gully parameters in the validation area

3 討論

多傳感器圖像融合可克服單一傳感器圖像在幾何、光譜和空間分辨率等方面存在的局限性和差異性，提高圖像的質量，從而有利于解譯中小尺度沖溝參數。好的融合算法應該不僅能夠提高多光譜圖像的空間分辨率，同時能夠盡可能多的保留多光譜圖像的光譜信息。HSV和PCA方法能夠提高多光譜圖像的空間分辨率，且具有簡單易操作性，但是融合圖像光譜損失嚴重，無法滿足基于光譜特征反演地物物理、化學特征的定量遙感的需要。不同于PCA的正交變換，變換前后各波段信息量變化明顯，GS光譜增強（GS變換）算法其正交變換產生的各個分量只是正交，同變換前相比，各分量的信息量沒有明顯區(qū)別。在GS變換算法中，模擬低分辨率全色圖像是重要的一個環(huán)節(jié)，本文基于多光譜波段平均值來模擬低分辨率全色圖像，因而模擬的低分辨率全色圖像包含了各多光譜圖像的光譜信息，融合圖像光譜損失明顯低于HSV和PCA方法。無論從融合圖像的視覺效果，還是從解譯沖溝參數來看，GS變換融合算法改善了原始多光譜圖像的空間細節(jié)特征，提高了其空間分辨率，且能最大限度地保持原始多光譜圖像的光譜信息。

本研究實驗中，GS變換融合圖像也存在一定的光譜損失。在全色波段圖像的光譜范圍內，忽略了其間各多光譜波段的權重差異，而采用多光譜波段等權重，即平均值來模擬低分辨率全色圖像，必然會導致一定程度的光譜失真。后續(xù)改進的方法是基于ZY-3多光譜波段響應函數來模擬全色波段。另外，提高多光譜圖像和全色圖像的配準精度也能提高圖像融合質量。

遙感圖像融合效果評估是目前遙感圖像融合領域中亟待解決的問題，直接影響遙感圖像融合技術的發(fā)展和應用。主觀視覺分析、單因素統(tǒng)計分析和分類精度是遙感圖像融合效果評價的常用方法。單因素統(tǒng)計分析法是學者們廣泛采用的評價融合圖像質量的方法[17,19-24,26-27,30,33-34]，本文從視覺分析和分類（解譯）精度兩方面對三種融合算法進行了圖像質量評價。解譯精度不僅依賴于融合圖像，還同檢驗區(qū)的選擇策略、解譯者的經驗及解譯目標特點（光譜、紋理及形狀等）等因素相關。因而，本文采用隨機選擇一檢驗區(qū)，基于野外實測，定量分析解譯出的沖溝參數（沖溝數量、溝長、沖溝面積）的融合圖像精度評價方案，其結果較為可靠。

4 結論

以山東省棲霞市庵里水庫西岸流域為研究區(qū)，采用Gram-Schimdt方法、HSV變換、PCA變換三種方法融合ZY-3全色圖像和多光譜圖像并提取沖溝參數，以期為解譯沖溝參數提供一種較優(yōu)的圖像融合方法。得到了以下結果：

1）三種融合方法綜合得到的融合圖像均保留了多光譜數據的光譜信息，同時很大程度地保持了全色波段的高分辨率空間紋理細節(jié)信息，提高了遙感圖像的質量。

2）基于原始多光譜圖像、GS融合法、HSV融合法和PCA融合法，解譯出研究區(qū)內沖溝，三種融合法所解譯的沖溝比原始多光譜圖像解譯的沖溝更準確。

3）以檢驗區(qū)野外RTK-GPS實測沖溝系統(tǒng)作為參照，對GS融合法、HSV融合法、PCA融合法提取的沖溝參數進行對比研究。GS融合法解譯的沖溝在數量和面積上都與實測沖溝更接近，提取的沖溝溝長、溝面積與實測沖溝溝長、溝面積相關系數分別達到0.975 4和0.988 3。三種融合算法中，GS融合法是最適合沖溝參數提取的融合方法。

[1] 劉元保, 朱顯漠, 周佩華, 等. 黃土高原坡面溝蝕的危害及其發(fā)生發(fā)展規(guī)律[J]. 中國科學院西北水土保持研究所集刊(第7集), 1988: 9-18.

Liu Y B, Zhu X M, Zhou P H, et al. The laws of hillslope channel erosion occurrence and development on Loess Plateau[J]. Memoir of NISWC, Academic Sinica (7th volume), 1988: 9-18.

[2] 何福紅, 李勇, 李璐, 等. 基于GPS與GIS技術的長江上游山地沖溝的分布特征研究[J]. 水土保持學報, 2005, 19(6): 19-22.

He F H, Li Y, Li L, et al. Assessing gully development in upper yangtze river basin based on GPS and GIS[J]. Journal of Soil and Water Conservation, 2005, 19(6): 19-22.

[3] Poesen J, Nachtergaele J, Verstraeten G, et al. Gully erosion and environmental change: Importance and research needs[J]. Catena, 2003, 50(2/3/4): 91-133.

[4] 熊東紅, 范建容, 盧曉寧. 沖溝侵蝕研究進展[J]. 世界科技研究與發(fā)展, 2007, 29(6): 29-35.

Xiong D H, Fan J R, Lu X N, et al. A review on the study of gully erosion[J]. World Sci-Tech Research and Develpment, 2007, 29(6): 29-35.

[5] Ireland H A, Sharpe C F S, Eargle D. Principles of Gully Erosion in the Piedmont of South Carolina[M]. Washington: U.S. Department of Agriculture, 1939.

[6] Ries J, Marzolff I. Monitoring of gully erosion in the Central Ebro Basin by large-scale aerial photography taken from a remotely controlled blimp[J]. Catena, 2003, 50(2/3/4): 309-328.

[7] Marzolff I, Poesen J. The potential of 3D gully monitoring with GIS using high-resolution aerial photography and a digital photogrammetry system[J]. Geomorphology, 2009, 111(1/2): 48-60.

[8] Eustace A, Matthew P, Christian W. Give me the dirt: Detection of gully extent and volume using high-resolution LiDAR[M]. Innovations in Remote Sensing and Photogrammetry. Berlin Heidelberg: Springer-Verlag, 2009: 255-269.

[9] Conforti M, Aucelli P P C, Robustelli G, et al. Geomorphology and GIS analysis for mapping gully erosion susceptibility in the Turbolo stream catchment (Northern Calabria, Italy)[J]. Natural Hazards, 2011, 56(3): 881-898.

[10] Frankl A, Poesen J, Haile M, et al. Quantifying long-term changes in gully networks and volumes in dry land environments: The case of Northern Ethiopia[J]. Geomorphology, 2013, 201: 254-263.

[11] Zhu T X. Gully and tunnel erosion in the hilly Loess Plateau region, China[J]. Geomorphology, 2012, 153/154: 144-155.

[12] Wang T, He F H, Zhang A D, et al. A quantitative study of gully erosion based on object-oriented analysis techniques: A case study in Beiyanzikou catchment of Qixia, Shandong, China[J/OL]. The Scientific World Journal, http://dx.doi.org/10.1155/2014/417325, 2014-01-29.

[13] He F H, Wang T, Jiang W G, et al. An integrated use of topography with RSI in gully mapping, Shandong peninsula, China[J/OL]. The Scientific World Journal, http://dx.doi.org/10.1155/2014/827124, 2014-08-05.

[14] 何福紅, 王濤, 范擎宇, 等. 地形和遙感圖像融合技術在沖溝參數提取中的應用——以棲霞市庵里水庫東緣流域為例[J].地理研究, 2015, 34(11): 2124-2132.

He F H, Wang T, Fan Q Y, et al. Application of a fusion technique that combines topography and remote sensing images for gully extraction: A case study in the eastern watershed of Anli reservoir, Qixia[J]. Geographical Research, 2015, 34(11): 2124-2132.

[15] Shruthi R B V, Kerle N, Jetten V. Object-based gully feature extraction using high spatial resolution imagery[J]. Geomorphology, 2011, 134(3/4): 260-268.

[16] Shruthi R B V, Kerle N, Jetten V, et al. Quantifying temporal changes in gully erosion areas with object oriented analysis[J]. Catena, 2015, 128: 262-277.

[17] 王樂, 牛雪峰, 王明常. 遙感影像融合技術方法研究[J]. 測繪通報, 2011(1): 6-8.

Wang L, Niu X F, Wang M C. Research on remote sensing imagery data fusion technology and methods[J]. Bulletin of Surveying, 2011(1): 6-8.

[18] 張繼賢. 多源遙感數據融合的發(fā)展趨勢[J]. 地理信息世界, 2011(2): 18-20.

Zhang J X. The trend of development of multi-source remote sensing data fusion[J]. Geomatics World, 2011(2): 18-20.

[19] Bai X Z, Gu S H, Zhou F G, et al. Weighted image fusion based on multi-scale top-hat transform: Algorithms and a comparison study[J]. Optik - International Journal for Light and Electron Optics, 2013, 124(13): 1660-1668.

[20] Dong Z Y, Wang Z M, Liu D W, et al. SPOT5 multi-spectral (MS) and panchromatic (PAN) image fusion using an improved wavelet method based on local algorithm[J]. Computers and Geosciences, 2013, 60(10): 134-141.

[21] Ayhan E, Atay G. Spectral and spatial quality analysis in pan sharpening process[J]. Journal of the Indian Society of Remote Sensing, 2012, 40(3): 379-388.

[22] 趙英時. 遙感應用分析原理與方法[M]. 北京: 科學出版社, 2003.

Zhao Y S. The Principle and Method of Analysis of Remote Sensing Application[M]. Beijing: Science Press, 2003.

[23] Thomas C, Ranchin T, Wald L, et al. Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics[J]. IEEE Transaction on Geoscience and Remote Sensing, 2008, 46(5): 1301-1312.

[24] Aiazzi B, Alparone L, Baronti S, et al. Twenty-Five Years of Pansharpening: A Critical Review and New Developments[M]. Chen C H. Signal and Image Processing for Remote Sensing, 2ndedition. Boca Raton: the Chemical Rubber Company, 2011: 533-548.

[25] Laben C A, Brower B V. Process for Enhancing the Spatial Resolution of Multispectral Imagery Using Pan-Sharpening: US, 09/069,232[P]. (2000-01-04). https://www.google.com/patents/ US6011875.

[26] 吳曉萍, 楊武年, 李國明. 資源三號衛(wèi)星正視全色與多光譜圖像融合及評價[J]. 物探化探計算技術, 2014, 36(1): 113-119.

Wu X P, Yang W N, Li G M. The fusion and evaluation of ZY-3 front panchromatic and multi-spectral image[J]. Computing techniques for geophysical and geochemical exploration. 2014, 36(1): 113-119.

[27] 于海洋, 閆柏琨, 甘甫平, 等. 基于Gram Schmidt變換的高光譜遙感圖像改進融合方法[J]. 地理與地理信息科學, 2007, 23(5): 30-42.

Yu H Y, Yan B K, Gan F P, et al. Hyperspectral image fusion by an enhanced gram schmidt spectral transformation[J]. Geography and Geo-Information Science, 2007, 23(5): 30-42.

[28] 張濤, 劉軍, 楊可明, 等. 結合Gram-Schmidt變換的高光譜圖像諧波分析融合算法[J]. 測繪學報, 2015, 44(9): 1042-1047.

Zhang T, Liu J, Yang K M, et al. Fusion algorithm for hyperspectral remote sensing image combined with Harmonic analysis and gram-schmidt transform[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(9): 1042-1047.

[29] Kruse F A, Raines G L. A technique for enhancing digital color images by contrast stretching in Munsell color space[C]. Proceedings of the International Symposium on Remote Sensing of Environment, Third Thematic Conference: Remote Sensing for Exploration Geology. April 16-19, 1984Ann Arbor, MI, USA: Environmental Research Inst of Michigan, 1984.

[30] 楊存建, 許君, 張增祥. SAR和TM 圖像主成分變換融合中不同主分量替換的比較[J]. 國士資源遙感, 2001, 49(3): 30-35.

Yang C J, Xu J, Zhang Z X. Comparison of substituting the different principle component in the fusion of TM and SAR image principle component change[J]. Remote Sensing for Land and Resources, 2001, 49(3): 30-35.

[31] Woodward D E. Method to predict cropland ephemeral gully erosion[J]. Catena. 1999, 37(3/4): 393-399.

[32] Zhang Y G, Wu Y Q, Liu B Y, et al. Characteristics and factors controlling the development of ephemeral gullies in cultivated catchments of black soil region, Northeast China[J]. Soil and Tillage Research, 2007, 96(1/2): 28-41.

[33] 孟京輝, 陸元昌, 劉剛, 等. 基于ETM遙感圖像的圖像融合試驗及評價方法[J]. 南京林業(yè)大學學報, 2010, 32(1): 69-72.

Meng J H, Lu Y C, Liu G, et al. Trial of image fusion methods and quality assessment for ETM+ image[J]. Journal of Nanjing Forestry University (Natural Science Edition), 2010, 32(1): 69-72.

[34] 陳超, 秦其明, 王金梁, 等. 農地遙感圖像融合質量評價方法比較[J]. 農業(yè)工程學報, 2011, 27(10): 95-99.

Chen C, Qin Q M, Wang J L, et al. Comparison of quality evaluation methods for image fusion of farmland remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(10): 95-99.

（責任編輯：王育花）

Extracting gully parameters using multispectral (MS) and panchromatic (PAN) fusion image of the ZiYuan-3 (ZY-3) satellite

WANG Tao, ZHAO Yan-fang, HE Fu-hong, LI Peng, MA Jiang-tao

（College of Resource and Environment Engineering, Ludong University, Yantai, Shandong 264025, China）

Selecting the west coast watershed of Anli Reservoir in Qixia City, Shandong Province as the study area, fusion images were conducted to combine the PAN and multispectral images of ZY-3 satellite in one image using Gram-Schmidt (GS) spectral sharpening method, hue-saturation-value(HSV) transform, and principal component analysis (PCA) transform. Gully parameters were interpreted from the fusion images, and the accuracy was assessed by comparing the gully parameters interpreted from fusion image against those derived from a ground survey. The results showed that the fusion images constructed using the three methods have not only enriched spectral information but also enhanced spatial texture information. The gully mapping accuracy from the three fused images were much higher than those from the original multispectral image. Compared with the field measurement, the accuracy of gully map interpretated from GS spectral sharpening fusion image was the highest among all the three methods, with correlation coefficients of gully length and gully area between those of field measurement and those of mapping from fusion image being 0.984 and 0.991, respectively. This demonstrated that GS spectral sharpening method was the most suitable image fusion method for gully mapping.

gully parameters; GS spectral sharpening; HSV transform; PCA transform; image fusion; ZiYuan-3 (ZY-3) satellite

HE Fu-hong, E-mail: fuhonghe112@126.com.

10.13872/j.1000-0275.2016.0120

S157

A

1000-0275（2016）06-1190-08

國家自然科學基金項目（41001160，41471223）；山東省自然科學基金項目（ZR2014JL026）；煙臺市科技計劃項目（2015ZH091）。

王濤(1975-)，男，山東省萊州市人，碩士，講師，從事土壤侵蝕與3S技術應用教學和研究，E-mail：wt641@163.com；通訊作者：何福紅（1978-），男，湖南衡陽人，博士，副教授，從事土壤侵蝕與3S技術應用教學和研究，E-mail：fuhonghe@ldu.edu.cn。

2016-03-16，接受日期：2016-06-22

Foundation item: National Natural Science Foundation of China (41001160, 41471223); Shandong Provincial Natural Science Foundation (ZR2014JL026); Project of Yantai Science and Technology Program (2015ZH091).

Received 16 March, 2016;Accepted 22 June, 2016