胡琳,甘淑,2,費聯(lián)君,3,于輝,彭銳,馮宇,吳陽

(1.昆明理工大學(xué) 國土資源工程學(xué)院,云南 昆明 650093;2.云南省高校高原山地空間信息測繪技術(shù)應(yīng)用工程研究中心,云南 昆明 650093;3.云南省遙感中心,云南 昆明 650034;4.云南工程職業(yè)學(xué)院,云南 昆明 650304)

0 引 言

湖泊是人類文明的發(fā)祥地,城鎮(zhèn)發(fā)展因湖而興. 高原湖泊具有調(diào)節(jié)氣候、提供工農(nóng)業(yè)及生活用水、便于蓄水發(fā)電等功能. 云南地處云貴高原,地勢較高,可利用的水資源有限,因此,高原湖泊是云南寶貴的自然資源. 但因受高原山地氣候和地形影響,導(dǎo)致高原湖泊補給水源少、水體循環(huán)交換周期長、自身水體凈化能力差且湖泊出口很少,處于半封閉或封閉狀態(tài),高原湖泊生態(tài)系統(tǒng)極其脆弱.

滇池是云南“九湖”高原湖泊之一. 滇池流域伴隨著周邊城鎮(zhèn)人口數(shù)量增加,城鎮(zhèn)化進程加快,大力發(fā)展旅游業(yè)等因素加劇了入湖污染負荷. 滇池作為污染很嚴重的高原湖泊,保護與治理工作備受關(guān)注. 因此,快速甄別滇池流域周邊城鎮(zhèn)入湖污染源,并實時獲取滇池治理保護基礎(chǔ)數(shù)據(jù),為及時優(yōu)化治理方案顯得十分必要.

高原湖泊流域的地表覆蓋是生態(tài)化建設(shè)、可持續(xù)發(fā)展規(guī)劃、環(huán)境變化檢測等重要參數(shù)和關(guān)鍵參量[1]. 了解研究區(qū)地表覆蓋分類,為甄別滇池流域入湖污染源提供實質(zhì)性幫助. 遙感技術(shù)以其快速、高效的特點在地表覆蓋分類中起到顯著作用[1-6].

昆明市晉寧區(qū)位于滇池南岸,下轄53 km的湖岸線,占據(jù)了滇池流域總湖岸線的32.5%. 本文選取晉寧區(qū)為典型城鎮(zhèn)研究區(qū),對滇池周邊典型城鎮(zhèn)地表覆蓋分類進行遙感信息提取,以期為滇池流域生態(tài)環(huán)境治理保護提供科學(xué)依據(jù).

1 研究區(qū)概況及數(shù)據(jù)

1.1 研究區(qū)概況

晉寧區(qū),位于云南省中部,昆明市西南部,緊鄰滇池東南部水域. 轄區(qū)北臨呈貢區(qū),南接玉溪市紅塔區(qū),東和西分別與江川區(qū)、西山區(qū)接壤. 晉寧區(qū)總面積為1230.86 km2. 由于晉寧區(qū)地處云貴高原,地勢南高北低. 本次試驗選取晉寧區(qū)地表覆蓋類型豐富、毗鄰滇池水域的城鎮(zhèn)中心地作為研究區(qū),如圖1所示.

1.2 數(shù)據(jù)源

試驗選2017年3月14日Landsat8 OLI衛(wèi)星影像,軌道號:43(Row),129(Path),以及研究區(qū)2017年2月7日Google earth衛(wèi)星影像,主要用于目視解譯的高分辨率影像參考;2016年12月31日拍攝的研究區(qū)谷歌地圖,空間分辨率為2.15 m,主要用于分類結(jié)果的驗證.

2 數(shù)據(jù)預(yù)處理與地表覆蓋分類體系

2.1 數(shù)據(jù)預(yù)處理

本試驗涉及的數(shù)據(jù)預(yù)處理操作為:① Landsat 8無需矯正[7-8],用矩形框選取研究區(qū)以裁剪影像;將多光譜波段、全色光波段提取;再基于GS方法將影像融合,得到15 m分辨率的影像[9-13],如圖2所示;② 以Landsat8影像為基準(zhǔn)圖像選取40個控制點,對谷歌地圖幾何配準(zhǔn)校正. 配準(zhǔn)后誤差RMS在0.5個像元內(nèi),滿足研究要求.

2.2 地表覆蓋分類體系

研究區(qū)地表覆蓋分類信息是滇池流域環(huán)境變化的主要影響因子,參考《土地利用現(xiàn)狀分類》針對區(qū)域自然地理特性[14-15],結(jié)合影像判讀分析以及試驗研究目的,確定地表覆蓋分類系統(tǒng),主要分為五類,分別是耕地、綠地、城鎮(zhèn)用地、水體和裸地.

3 地表覆蓋分類提取方法比較

3.1 基于最大似然法的自動提取方法

試驗基于最大似然法[16]進行分類,選取各類別樣本并得到樣本間的可分離系數(shù),各類別樣本組合后可分離度均大于1.80,訓(xùn)練樣本選擇有效,如表1所示.

表1 各類別間樣本可分離性評價報表

因所得最大似然法分類結(jié)果圖3(a)過于細碎,運用Majority/Minority分析[17]為結(jié)果進行分類后處理,所得圖3(b)效果較好,將用于精度校驗.

3.2 基于目視解譯的提取方法

將經(jīng)過預(yù)處理后分辨率為15 m的Landsat8影像導(dǎo)入Arcgis,根據(jù)本文確定的地表覆蓋分類系統(tǒng),借助Google Earth高分辨率影像作為參考,目視解譯后所得結(jié)果如圖4所示.

3.3 地表覆蓋分類提取方法比較

利用多項分布的樣本選取方法能為混淆矩陣精度評價提供更客觀依據(jù).剔除實地外業(yè)調(diào)查中的部分異常點后選用其中49個樣本點以及Arcgis建立的400個隨機檢驗點,作為驗證數(shù)據(jù). 建立混淆矩陣,進行精度評價.

由表2可知,最大似然法分類總體精度72.82%,Kappa系數(shù)0.644,研究區(qū)整體分類質(zhì)量很好. 其中,水體光譜特征均一,分類效果最佳,用戶精度為97.33%,生產(chǎn)精度為93.59%;裸地分類效果較差,空間尺寸小且零散,類間混淆明顯,因此裸地用戶精度和生產(chǎn)精度差異較大.

由表3可知,目視解譯分類總體精度88.64%,Kappa系數(shù)0.844,研究區(qū)整體分類效果極好. 水體、耕地、綠地的分類效果比較理想,但因毗鄰流域和山體的城鎮(zhèn)用地較分散,解譯易受周圍耕地影響,使較小塊城鎮(zhèn)用地未被提取,分類精度低;裸地和綠地區(qū)別不明顯,造成一定程度誤判,裸地生產(chǎn)精度最低僅為61.90%,而用戶精度為92.86%. 總體而言分類效果最好的是水體,用戶精度、生產(chǎn)者精度均較高.

表2 最大似然法地表覆蓋分類提取精度評價表

表3 目視解譯地表覆蓋分類提取精度評價表

4 結(jié)果與討論

4.1 分類結(jié)果評價

目視解譯從分類總精度和Kappa系數(shù)都更優(yōu)于最大似然法. 進一步對比各類別的生產(chǎn)精度可以發(fā)現(xiàn),水體、裸地、城鎮(zhèn)用地精度差異不大,耕地和綠地的生產(chǎn)精度卻有明顯提升,耕地由70.75%提升至97.17%,綠地由67.39%提升至88.04%;對比用戶精度,裸地精度變化很大,由18.31%提升至92.86%耕地精度也有所變化,由65.79%到79.84%.

因為最大似然法以像元為單位,基于訓(xùn)練樣本進行計算機自動解譯分類,同時受地形環(huán)境等因素影響,導(dǎo)致分類結(jié)果精度低且存在“椒鹽”現(xiàn)象,在研究區(qū)范圍較大時,地表覆蓋分類不易達到實際需求. 但分類速度快,有效減少人工工作量.

目視解譯工作量大,速度慢,在解譯范圍較大時,效率低,成本高,且不同類別之間的邊界模糊,通過人眼判別存在困難,因此人工需要對影像有較深刻了解. 但目視解譯有很高分類精度,因此目視解譯更多運用于生產(chǎn).

4.2 空間分布及總面積分析

目視解譯精度較高,故地類空間分布及總面積分析采用目視解譯結(jié)果,結(jié)合圖4和表4 可知:研究區(qū)主要為綠地,占總面積的39.44%,整體上分布較為集中,有少部分分布于城鎮(zhèn)用地、耕地之間;城鎮(zhèn)用地面積僅次于耕地共16.6 km2,分布集中在研究區(qū)中部,部分零星分布于鄰水體、綠地、耕地處;水體主要分布于研究區(qū)東北部,部分穿過城鎮(zhèn),屬滇池流域;裸地在各類地表覆蓋類型中占比最少,僅有4.4%,且分布零碎.

表4 各類地表覆蓋類型面積及比例

4.3 應(yīng)用展望,致力滇池保護

遙感技術(shù)為地表覆蓋分類提供高效、快捷的獲取方式,可以快速提取晉寧區(qū)地表覆蓋分類信息. 同理,滇池流域的其他城鎮(zhèn)如:昆明市、呈貢區(qū)、玉溪市等也存在影響滇池治理保護因素,對于快速甄別其它城鎮(zhèn)入湖污染源亦是關(guān)鍵. 此舉將為滇池流域的宏觀動態(tài)監(jiān)測提供技術(shù)支持,為滇池流域城鎮(zhèn)發(fā)展、規(guī)劃和治理提供決策信息,具有應(yīng)用價值.