韋 蔚，高慶方，高永紅，薛 倩，王 芳

（黃河勘測(cè)規(guī)劃設(shè)計(jì)有限公司，河南 鄭州 450003）

0 引言

南水北調(diào)西線工程作為重要的戰(zhàn)略性工程，對(duì)其沿線進(jìn)行生態(tài)調(diào)查具有重要的意義。近年來(lái)，隨著國(guó)產(chǎn)衛(wèi)星的不斷發(fā)展，如 ZY3 和 GF 衛(wèi)星，利用國(guó)產(chǎn)衛(wèi)星進(jìn)行遙感監(jiān)測(cè)已成為區(qū)域性生態(tài)環(huán)境監(jiān)測(cè)的新型技術(shù)手段。針對(duì)生態(tài)資源調(diào)查對(duì)于土地利用、植被群落分布等生態(tài)環(huán)境監(jiān)測(cè)核心要素的獲取目的，在大區(qū)域內(nèi)采用人工目視判讀的方法，工期長(zhǎng)、成本高，所以探索使用自動(dòng)或者半自動(dòng)的遙感分類方法是提高監(jiān)測(cè)效率的有效途徑。面向?qū)ο蟮淖詣?dòng)分類方法不是傳統(tǒng)的以像元為分類基本單位，而是以圖像分割后的同質(zhì)區(qū)域?yàn)榉诸悊卧猍1]，這種分類方法可以充分利用影像的光譜和紋理特征、幾何形狀等信息，非常適合高分辨率遙感影像的分類[2-4]。前人運(yùn)用面向?qū)ο蟮姆诸惙椒ㄒ策M(jìn)行了遙感監(jiān)測(cè)方面的研究，如：常利[5]、季建萬(wàn)[6]等，但大多是小范圍內(nèi)的研究，不能滿足大范圍的普適性。

在本次南水北調(diào)西線遙感生態(tài)調(diào)查項(xiàng)目中使用國(guó)產(chǎn) ZY3 衛(wèi)星遙感數(shù)據(jù)通過(guò)面向?qū)ο蟮姆诸惙椒ㄟM(jìn)行資源調(diào)查，與傳統(tǒng)方法相比，節(jié)約了人工，而且在制定分類規(guī)則時(shí)考慮了大區(qū)域的普適性，提高了調(diào)查速度，節(jié)約了調(diào)查成本，為今后的大區(qū)域生態(tài)資源快速調(diào)查提供了依據(jù)，并且基本形成了適用于大區(qū)域遙感生態(tài)調(diào)查的可通用流程。

1 調(diào)查范圍及數(shù)據(jù)源選擇

1.1 調(diào)查范圍

本次遙感生態(tài)調(diào)查范圍主要是南水北調(diào)西線工程沿線區(qū)域，面積約 3500 km2，橫跨四川、青海兩省，包含雅礱江干流、達(dá)曲、泥曲、鮮水河，以及大渡河支流色曲、杜柯河、綽斯甲河、瑪柯河、阿柯河、足木足河等 10 條河流。壩址上游為庫(kù)區(qū)淹沒(méi)范圍，分別以指定高程的等高線為邊界進(jìn)行庫(kù)區(qū)范圍的圈定；壩址下游為河道兩側(cè) 1 km 范圍，以河道中心線為準(zhǔn)，分別向兩側(cè)建立 1 km 緩沖區(qū)進(jìn)行資源調(diào)查。

1.2 數(shù)據(jù)源選擇

1.2.1 衛(wèi)星選擇

通過(guò)對(duì)國(guó)內(nèi)外的衛(wèi)星遙感影像進(jìn)行調(diào)研，結(jié)合項(xiàng)目需求、經(jīng)費(fèi)安排、影像性價(jià)比等多方面因素，選擇 ZY3 衛(wèi)星遙感影像作為本次土地利用和植被類型細(xì)分解譯的數(shù)據(jù)基礎(chǔ)。ZY3 測(cè)繪衛(wèi)星由我國(guó)于2012 年 1 月 9 日發(fā)射，搭載了 4 臺(tái)光學(xué)相機(jī)，包括1 臺(tái)地面分辨率為 2.1 m 的正視全色 TDI CCD、2 臺(tái)地面分辨率為 3.6 m 的前視和后視全色 TDI CCD、1 臺(tái)地面分辨率為 5.8 m 的正視多光譜等相機(jī)[7]，數(shù)據(jù)主要用于地形圖制圖、高程建模及資源調(diào)查等。

1.2.2 時(shí)相選擇

由于南水北調(diào)西線覆蓋地區(qū)具有地域遼闊、自然環(huán)境復(fù)雜多樣的特點(diǎn)，土地利用類型多樣，景觀特征在 1 a 內(nèi)不同時(shí)期相差很大。在 ZY3 圖像的季相確定時(shí)，既要注意所在調(diào)查區(qū)域內(nèi)影像信息瞬時(shí)覆蓋本身的質(zhì)量（一般要求含云量 ＜ 10% 等技術(shù)指標(biāo)），又必須顧及不同區(qū)域的時(shí)效性和季相差異選擇。根據(jù)現(xiàn)勢(shì)性要求，最終選擇 2014 年 10—11 月34 景，以及邊緣和漏洞處補(bǔ)充的 2013 年 1 月 2 景，3 月 1 景，8 月 1 景，共 38 景的圖像。

2 遙感影像處理與解譯

2.1 影像預(yù)處理

對(duì)南水北調(diào)西線生態(tài)遙感覆蓋區(qū)域內(nèi)的 38 景影像經(jīng)過(guò)輻射定標(biāo)、大氣和正射校正、影像配準(zhǔn)融合等步驟得到適合本項(xiàng)目研究的 4 波段多光譜全色融合后影像。在使用的過(guò)程中根據(jù)需要隨時(shí)變換合成方式：432 假彩色或者 321 真彩色合成顯示。由于需要使用波段信息進(jìn)行自動(dòng)解譯，要用到像元真實(shí)的波譜信息，不能對(duì)影像進(jìn)行鑲嵌，會(huì)破壞原始的像元波譜信息，因此，對(duì)單景影像進(jìn)行分別解譯后再做接邊處理。

2.2 影像解譯

2.2.1 面向?qū)ο蠓诸愒?/p>

“同物異譜，同譜異物”會(huì)對(duì)影像分類產(chǎn)生影響，加上高分辨率影像的光譜信息不是很豐富，經(jīng)常伴有光譜相互影響的現(xiàn)象，這是基于光譜的分類方法多受限的地方。面向?qū)ο蟮姆诸惙椒ㄊ腔诩y理和形狀，先將原始的影像進(jìn)行分割，將相似的區(qū)域合并成為一個(gè)“對(duì)象”[8]，然后對(duì)分割后的“對(duì)象”進(jìn)行特征分析和分類的方法，分類原理與流程如圖1 所示。

2.2.2 影像分類方案設(shè)計(jì)

通過(guò)對(duì)影像進(jìn)行分割實(shí)驗(yàn)，變化分割尺度及形狀和緊湊度因子，選擇最合適的分割尺度，使所分割的對(duì)象保持最大限度的紋理和光譜一致性，即同質(zhì)像元。通過(guò)實(shí)驗(yàn)對(duì)比最終選取的分割尺度為 25，形狀因子為 0.1，緊湊度因子為 0.5，對(duì)影像進(jìn)行分割及合并。

圖1 自動(dòng)解譯流程

利用基于多特征的面向?qū)ο蟮姆椒ǎ瑢?duì)分割后的同質(zhì)像元圖斑，通過(guò)實(shí)驗(yàn)對(duì)比分析，選擇以下特征進(jìn)行分類：圖斑對(duì)象的亮度；歸一化水體指數(shù)（NDWI），用于提取水體；歸一化植被指數(shù)（NDVI），用于提取植被；陰影指數(shù)（SI），用于提取陰影、人工建筑物等。相應(yīng)公式如下：

式中：Rb代表圖斑對(duì)象藍(lán)光波段平均反射率；Rg代表圖斑對(duì)象綠光波段平均反射率，Rr代表圖斑對(duì)象紅光波段平均反射率；Rn代表圖斑對(duì)象近紅外波段平均反射率。

對(duì) 4 個(gè)特征進(jìn)行組合和實(shí)驗(yàn)，分類流程如圖2所示。在 eCognition 軟件中建立此分類過(guò)程，首先劃分綠光和紅光波段值為 0 的對(duì)象為影像背景，不參與分類；其次，在剩下的對(duì)象中劃分SI＜ 58 的對(duì)象為陰影；再次，在剩下對(duì)象中劃分NDWI＞ 0.41 的為水體；再在剩下對(duì)象中劃分NDVI＞ 0.19 的為林地；剩下的對(duì)象中劃分SI＞ 200 的為建筑物；剩下的對(duì)象中劃分SI在（58～130）范圍內(nèi)的為草地；最后剩下的所有對(duì)象為未分類類別。這樣逐級(jí)分類，再進(jìn)行類內(nèi)對(duì)象合并、小圖斑剔除（＜ 50 個(gè)像元的對(duì)象自動(dòng)合并到周圍大的像元上）、類圖斑邊緣平滑（去除柵格像元的棱角，使分類圖斑形狀更接近于真實(shí)地物），最終將影像分為 6 個(gè)大類：水體、林地、建筑用地、草地、陰影、未分類。分類結(jié)果如圖3 所示（未分類類別已合并）。

在 ArcGIS 中對(duì)自動(dòng)解譯成果中的林地和草地等生態(tài)調(diào)查特別關(guān)注的類別進(jìn)行進(jìn)一步的細(xì)分，結(jié)合外業(yè)調(diào)查建立的解譯標(biāo)志，將植被細(xì)分至植被群落；對(duì)陰影和未分類的圖斑進(jìn)行判讀和合并；對(duì)自動(dòng)解譯結(jié)果較差的類型進(jìn)行人工圈定和修正，如道路和河流的連通性。

圖2 面向?qū)ο蠓诸惙桨?/p>

圖3 自動(dòng)分類結(jié)果

3 外業(yè)核查及數(shù)據(jù)庫(kù)建設(shè)

3.1 外業(yè)核查及成果整理

外業(yè)核查的主要內(nèi)容為：對(duì)內(nèi)業(yè)疑問(wèn)圖斑進(jìn)行核實(shí)確認(rèn)；對(duì)內(nèi)業(yè)解譯成果進(jìn)行驗(yàn)證；對(duì)不同的植被群落進(jìn)行記錄、拍照，建立植被群落解譯樣本庫(kù)。

解譯成果核實(shí)修改步驟如下：

1）外業(yè)調(diào)查數(shù)據(jù)展繪。將樣方調(diào)查點(diǎn)和拍攝點(diǎn)數(shù)據(jù)轉(zhuǎn)換成 ArcGIS 的 shape 格式數(shù)據(jù)，以便與內(nèi)業(yè)解譯數(shù)據(jù)進(jìn)行套合檢查。

2）內(nèi)業(yè)解譯數(shù)據(jù)屬性修改。將外業(yè)拍照地點(diǎn)、遙感影像、解譯圖斑套合顯示，利用監(jiān)督分類的原理，選取典型的樣本區(qū)作為主要參考對(duì)象，以樣本區(qū)為中心，由內(nèi)而外，以河流流向?yàn)閰⒖?，自上而下，參照研究區(qū)內(nèi)解譯標(biāo)志，依次細(xì)分到林地和草地的植被群落。

3）圖斑構(gòu)面及屬性賦值。為保證圖斑要素間的拓?fù)湟恢滦?，在作業(yè)時(shí)直接畫出每個(gè)圖斑范圍線，并在每個(gè)圖斑內(nèi)添加面心點(diǎn)，將植被群落名稱賦給每個(gè)點(diǎn)。在 ArcGIS 中對(duì)解譯圖斑線進(jìn)行拓?fù)錂z查和修改，然后進(jìn)行構(gòu)面，并將面心點(diǎn)屬性賦給每個(gè)面狀圖斑，最終獲得解譯成果圖斑。

3.2 數(shù)據(jù)庫(kù)建設(shè)

地理數(shù)據(jù)庫(kù)采用 Geodatabase 數(shù)據(jù)模型。按照不同的地理要素類別，南水北調(diào)西線工程基礎(chǔ)地理數(shù)據(jù)共分為測(cè)量控制點(diǎn)、居民地、地物設(shè)施、交通、管線垣柵、水系、境界、地貌土質(zhì)、植被、地名、輔助要素、柵格數(shù)據(jù)等 12 類。地理要素的屬性包括基本和擴(kuò)展屬性，基本屬性項(xiàng)包括要素名稱、代碼，以及實(shí)體的名稱、類別、性質(zhì)、高程等屬性項(xiàng)；擴(kuò)展屬性是專業(yè)應(yīng)用部門根據(jù)本專業(yè)的應(yīng)用需要，在基本屬性的基礎(chǔ)上擴(kuò)充的專業(yè)屬性項(xiàng)。擴(kuò)展屬性和地理要素、基本屬性建立關(guān)聯(lián)，便于空間查詢和分析。

3.3 最終成果分析

通過(guò)遙感生態(tài)調(diào)查流程獲得最終土地利用分類一級(jí)分類結(jié)果及三級(jí)植被群落分布，如圖4 所示。根據(jù)外業(yè)調(diào)查的 85 個(gè)點(diǎn)，其中 80 個(gè)做樣本，5 個(gè)選做檢查點(diǎn)，檢查結(jié)果與預(yù)判結(jié)果一致；并與搜集到的林業(yè)調(diào)查資料進(jìn)行對(duì)比，地類分布情況也基本一致。

圖4 土地利用一級(jí)類分類結(jié)果及三級(jí)類植被群落分布

4 關(guān)鍵問(wèn)題分析

本次調(diào)查屬于大范圍區(qū)域遙感生態(tài)調(diào)查，由于影像的時(shí)相差異較大，導(dǎo)致光譜差異明顯，要達(dá)到生態(tài)調(diào)查的目的，需要注意以下關(guān)鍵問(wèn)題：

1）自動(dòng)分類方案中的閾值不具有普適性。在分類的過(guò)程中不同類別的地物分類的閾值會(huì)隨著時(shí)相和區(qū)域的不同產(chǎn)生變化，因此，對(duì)于不同景的遙感影像進(jìn)行處理時(shí)對(duì)分類規(guī)則中的閾值都要進(jìn)行調(diào)整，得到最合適的分類結(jié)果。

2）短期內(nèi)很難利用自動(dòng)解譯將植被直接細(xì)分至群落。由于研究區(qū)跨越范圍較大，植被種類復(fù)雜，對(duì)于每種植被都建立分類規(guī)則較困難；而且搜集到的遙感影像時(shí)相有差異，導(dǎo)致相同植被在不同景影像上的光譜差異也比較大，所以很難用統(tǒng)一的分類規(guī)則進(jìn)行植被的細(xì)分。如果針對(duì)不同景影像建立不同的分類規(guī)則又不能在短期內(nèi)完成，滿足不了項(xiàng)目工期要求，因此，經(jīng)過(guò)實(shí)驗(yàn)和分析，采用自動(dòng)加人工的半自動(dòng)分類方法進(jìn)行資源信息的提取。先利用面向?qū)ο蟮姆椒ㄗ詣?dòng)分類到一級(jí)類，然后再通過(guò)人工判讀加外業(yè)核實(shí)的方法進(jìn)行植被類的細(xì)分。實(shí)踐證明，這種資源調(diào)查方法適合大范圍短工期的項(xiàng)目需求。

5 結(jié)語(yǔ)

利用國(guó)產(chǎn) ZY3 衛(wèi)星遙感影像進(jìn)行國(guó)土資源監(jiān)測(cè)已經(jīng)得到了廣泛的應(yīng)用，但在較大范圍區(qū)域內(nèi)利用面向?qū)ο蟮淖詣?dòng)解譯方法進(jìn)行快速生態(tài)遙感信息提取和工程制圖屬于首次嘗試，本研究采取自動(dòng)和人工解譯及外業(yè)圖斑核查相結(jié)合的方法，縮短了工作時(shí)間，降低了工作量，為流域生態(tài)資源自動(dòng)解譯及水利信息化建設(shè)提供了切實(shí)可行的技術(shù)方案。但對(duì)于植被類的進(jìn)一步細(xì)分，仍需要人工干預(yù)，下一步需要對(duì)自動(dòng)解譯算法進(jìn)行進(jìn)一步的改進(jìn)，以期達(dá)到全自動(dòng)解譯的目的，更好地為區(qū)域生態(tài)調(diào)查服務(wù)。

參考文獻(xiàn)：

[1] 孫曉艷，杜華強(qiáng)，韓凝，等. 面向?qū)ο蠖喑叨确指畹?SPOT5影像毛竹林專題信息提取[J]. 林業(yè)科學(xué)，2013，49 (10):80-87.

[2] 杜鳳蘭，田慶久，夏學(xué)齊，等. 面向?qū)ο蟮牡匚锓诸惙ǚ治雠c評(píng)價(jià)[J]. 遙感技術(shù)與應(yīng)用，2004 (1): 20-23，77.

[3] 關(guān)元秀，程曉陽(yáng). 高分辨率衛(wèi)星影像處理指南[M]. 北京：科學(xué)出版社，2008.

[4] 牟鳳云，韓葵. 面向?qū)ο蟮倪b感濕地植被分類與信息提取——以微山湖為例[J]. 安徽農(nóng)業(yè)科學(xué)，2012，40 (12):7574-7576.

[5] 常利，裴亮. 丹江口水庫(kù)面積季節(jié)變化遙感監(jiān)測(cè)[J]. 測(cè)繪與空間地理信息，2017，40 (5): 152-156.

[6] 季建萬(wàn)，沙晉明. 基于面向?qū)ο蠓诸惙椒ê投嘣催b感數(shù)據(jù)的龍祥島區(qū)域濕地變化檢測(cè)[J]. 福建師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，33 (3): 78-86.

[7] 吳平. 資源三號(hào)測(cè)繪衛(wèi)星影像在基礎(chǔ)地理要素快速更新生產(chǎn)中的技術(shù)研究[J]. 測(cè)繪與空間地理信息，2015，38 (11):109-113.

[8] 周勇兵，曹輝. 基于 eCognition 的土地利用遙感影像自動(dòng)提取研究[J]. 人民長(zhǎng)江，2017 (12): 75-78.