姜萍，賴雙雙，許婷婷

(1.新疆維吾爾自治區(qū)氣象服務(wù)中心，烏魯木齊 830002；2. 蘭州大學(xué) 資源環(huán)境學(xué)院，蘭州 730000；3.廣西師范學(xué)院 國土資源與測繪學(xué)院，南寧 530001；4.新疆維吾爾自治區(qū)氣象臺，烏魯木齊 830002)

0 引言

近年來，我國針對積雪面積信息提取的遙感研究主要圍繞波段數(shù)較多、光譜信息相對比較全面的Landsat TM/ETM+，SPOT，MODIS等衛(wèi)星數(shù)據(jù)開展[1]，并且具備全天時、全天候以及穿透探測能力的SAR衛(wèi)星影像也逐漸參與其中，在積雪深度、雪水當量反演方面優(yōu)勢突出而獲得廣泛應(yīng)用與研究[2-4]。與此同時，針對上述數(shù)據(jù)的多種雪蓋信息提取方法得到迅速發(fā)展。張永宏等[5]利用歸一化雪蓋指數(shù)法(normalized difference snow index，NDSI)和多波段綜合閾值實現(xiàn)積雪判別，研究出了適用于FY-3/VIRR資料的積雪判識方法，通過實例分析驗證算法有效可行。侯慧姝等[6]利用NDSI算法和綜合閾值判別法對內(nèi)蒙古自治區(qū)大范圍降雪進行積雪信息提取。Gu等[7]基于圖像匹配技術(shù)，采用NDSI、NDVI及多波段綜合閾值法，提出了一種綜合MODIS和AMSR-E數(shù)據(jù)的積雪提取方法。瞿娟等[8]利用MODIS數(shù)據(jù)，提出了結(jié)合混合光譜分解的積雪分量及灰度共生矩陣提取的紋理特征的支持向量機(support vector machines，SVM)分類方法，對研究區(qū)積雪面積信息提取進行了研究。Tang等[9]通過修正地表反射率、提出歸一化云指數(shù)(normalized difference cloud index，NDCI)區(qū)分云/雪像元、引入MOD11_L2地表溫度產(chǎn)品進一步提高方法精度等方式，提出了一種改進的基于MODIS影像的喜馬拉雅地區(qū)雪蓋提取方法。何詠琪等[10]和蔣友嚴等[11]分別以Landsat ETM+與MODIS提取的積雪面積為標準，分析確定了適用于HJ-1B衛(wèi)星數(shù)據(jù)的NDSI閾值，并結(jié)合SNOMAP算法提取積雪面積，驗證了算法的可靠性。郭金金等[12]對全極化SAR數(shù)據(jù)進行目標分解提取積雪極化特征，再利用J-M距離進行特征選擇，分析不同極化特征對積雪的可分性，最后利用最優(yōu)特征集和SVM進行積雪識別，能夠獲得較好實驗效果。眾多方法中，閾值法及基于反射率特性的NDSI法在積雪蓋度信息遙感提取中應(yīng)用最為廣泛。

2012年1月9日，我國資源三號(簡稱ZY-3)衛(wèi)星成功發(fā)射，較之上述衛(wèi)星數(shù)據(jù)，其獲取的4波段(其中1～3波段為可見光波段(R、G、B)、第4波段為NIR波段)多光譜影像具有更高的空間分辨率[13]。如何針對國產(chǎn)ZY-3衛(wèi)星多光譜影像空間分辨率高但光譜范圍較窄、缺少NDSI計算中所需短波紅外波段這一光譜特性，尋求一種快速、準確的雪蓋信息提取方法極具研究意義。本文基于積雪與非積雪地類在ZY-3衛(wèi)星多光譜影像中光譜反射特性的差異性，以及各地物的NDVI特性，提出一種綜合NIR波段與NDVI的決策樹雪蓋信息提取方法。實驗表明，該方法能保證雪蓋信息提取的完整性和準確性，在雪蓋信息提取方面具有一定的優(yōu)越性。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

本文實驗采用2012年2月2日獲取的ZY-3 衛(wèi)星高分辨率多光譜影像作為數(shù)據(jù)源，分辨率5.8 m，云量6%，成像區(qū)域為新疆烏魯木齊市北部與昌吉回族自治州接壤處，范圍為87°37′57″E～87°47′45″E，44°7′57″N～44°19′27″N。研究區(qū)地處北疆地理中心，屬于溫帶大陸性氣候，夏季短促而炎熱，冬季漫長而嚴寒，每年都要經(jīng)歷3～5個月的降雪期，積雪資源非常豐富，占全國積雪資源的1/3，便于開展積雪研究且應(yīng)用價值較大。研究區(qū)內(nèi)土地覆蓋類型主要包括積雪、建筑物、道路、裸土和少量薄冰等(基本無云層干擾)。研究區(qū)地理位置見圖1。右圖中黑色矩形框所示區(qū)域為本文所用實驗區(qū)。

圖1 ZY-3多光譜影像及其地理位置

1.2 數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

ZY-3衛(wèi)星是我國首顆高精度民用立體測繪衛(wèi)星，設(shè)計壽命為5年，主要任務(wù)是長期、連續(xù)、穩(wěn)定和快速地獲取全國高分辨率立體影像和多光譜影像。該衛(wèi)星同時搭載2.1 m分辨率的全色傳感器和5.8 m分辨率的多光譜傳感器，其影像參數(shù)如表1所示。

表1 ZY-3多光譜影像波段參數(shù)與絕對定標增益系數(shù)

ZY-3衛(wèi)星多光譜影像的預(yù)處理包括波段表觀輻亮度和波段表觀反射率的計算2個方面。

1)輻射校正。采用絕對輻射定標系數(shù)(中國資源衛(wèi)星應(yīng)用中心網(wǎng)站獲得)，將ZY-3衛(wèi)星影像各傳感器通道觀測值DN轉(zhuǎn)換為傳感器入瞳處表觀輻亮度值。

2)Flaash大氣校正。根據(jù)ZY-3衛(wèi)星多光譜數(shù)據(jù)的光譜響應(yīng)函數(shù)，采用Flaash大氣校正方法消除大氣和光照等因素對地物反射的影響，獲得地表反射率。

2 研究方法

2.1 積雪的光譜機理

研究表明，積雪在可見光波段(0.4～0.75 μm)反射率較高，對太陽光譜幾乎達到全反射，在0.5 μm附近出現(xiàn)反射峰，反射率高達80%以上[14]，如圖2所示。隨著波長的增加，積雪反射率逐漸降低，但仍在可見光范圍內(nèi)保持較高的反射率，從而在影像中表現(xiàn)為淺白色。不被積雪覆蓋的裸土、道路、建筑物等地類，因反射率較低在影像中表現(xiàn)為暗色。

圖2 積雪反射率光譜特性曲線

為進一步分析ZY-3衛(wèi)星多光譜影像上積雪與非積雪地物類型的光譜差異性，分別在實驗區(qū)1中選擇積雪樣本，裸土、道路、建筑物、薄冰等非積雪樣本各400個，對其在4個波段中的地表反射率進行統(tǒng)計，結(jié)果如圖3所示。

圖3 ZY-3衛(wèi)星影像中不同地類表觀反射率曲線

圖3中顯示，積雪覆蓋程度較大的區(qū)域(深雪)，表現(xiàn)為強反射特性，其表觀反射率遠大于非積雪地類。而積雪覆蓋程度較小的區(qū)域(薄雪)，表觀反射率有所下降，并在可見光波段與薄冰相近。其他4類非積雪地類在4個波段中的表觀反射率均遠小于積雪覆蓋地類。其中，第四波段(即NIR波段)中，無論是深雪區(qū)，還是薄雪區(qū)，其表觀反射率都明顯高于其他地類。由此可見，ZY-3衛(wèi)星多光譜影像NIR波段具有識別積雪信息的能力。

2.2 積雪的NDVI特性

NDVI是監(jiān)測地區(qū)或全球植被和生態(tài)環(huán)境變化的有效指標，由NIR波段和紅波段反射率比值經(jīng)非線性歸一化處理得到。

NDVI取值在[-1，1]范圍內(nèi)。在植被覆蓋下，NDVI>0，且隨植被覆蓋度增大而增大，因此該指數(shù)被廣泛應(yīng)用于植被提取中。而研究表明，對于除植被以外的其他陸地地表覆蓋類型，由于其在可見光波段、NIR波段上反射率差異的不同，使得NDVI同樣具有一定的指示作用。如巖石、裸土等在兩波段上反射率相近，NDVI≈0；積雪、云、水、陰影和薄冰等在可見光波段反射率高于NIR波段，NDVI<0[15]。有積雪覆蓋的地表，NDVI<0即為積雪的NDVI特性，目前已有學(xué)者將此特性用于雪蓋制圖方法研究，并證實了方法的可行性[16]。

2.3 基于決策樹提取ZY-3衛(wèi)星多光譜影像雪蓋信息

本文針對國產(chǎn)ZY-3影像分辨率高但光譜范圍較窄，缺少NDSI計算中所需短波紅外波段這一特點，以對ZY-3衛(wèi)星多光譜影像中積雪與非積雪光譜反射特征分析、積雪的NDVI特性分析為基礎(chǔ)，提出了一種綜合NIR波段與NDVI的決策樹雪蓋信息提取方法。

方法首先充分利用積雪在NIR波段上反射率遠高于其他地類的特性，選取合適的閾值T，對ZY-3影像進行二值化處理。閾值T選取過程中，考慮到大量建筑物樓頂亦被積雪覆蓋，為使該部分雪蓋信息被最大程度地保留，故應(yīng)選取稍小的閾值。參考圖3中統(tǒng)計結(jié)果，選擇T=0.74作為NIR二值化的閾值，進而獲得雪蓋信息初步提取結(jié)果；其次，為進一步去除初步提取結(jié)果中含有的薄冰、未覆雪建筑物等非積雪信息，以NDVI<0為判別指標對該結(jié)果進行二次閾值化，即充分利用積雪的NDVI特性，實現(xiàn)最佳雪蓋信息的提取。圖4為本文決策樹雪蓋信息提取的技術(shù)流程。

圖4 決策樹雪蓋信息提取技術(shù)流程

3 實驗及結(jié)果分析

3.1 實驗區(qū)雪蓋信息提取

圖5為實驗區(qū)1對應(yīng)的431波段假彩色合成影像、最大似然監(jiān)督分類方法和本文方法提取的雪蓋信息對比。其中，人為參與樣本選擇的最大似然監(jiān)督分類結(jié)果將作為參考數(shù)據(jù)，對本文方法的提取效果進行定性與定量分析。

圖5 實驗區(qū)1雪蓋信息提取對比

從圖5(a)、圖5(c)對比中可直觀看出，整體來看本文提出的提取方法能夠較好地將實驗區(qū)內(nèi)積雪像元提取出來。實驗區(qū)1中積雪覆蓋程度較大的青格達湖、大面積農(nóng)田、裸地、及部分屋頂覆雪的建筑物等在提取結(jié)果中獲得了較好的保留；而實驗區(qū)1左上方的五家渠市、右側(cè)的羊毛工等村鎮(zhèn)、左下方青格達湖景區(qū)一側(cè)的山林等大量未覆雪地類也得到了較為完整地表現(xiàn)。由圖5(b)、圖5(c)對比可見，本文方法提取效果與最大似然分類法吻合程度較高。

采用總體精度和Kappa相關(guān)系數(shù)來進一步定量評價本文方法提取效果。表2為本文方法與最大似然分類法提取結(jié)果的混淆矩陣，可見，本文方法提取結(jié)果總體精度為94.97%，Kappa系數(shù)為0.884，表明方法能較準確而完整地識別出實驗區(qū)內(nèi)的積雪像元。綜合圖5及表2可見，本文方法能保證雪蓋信息提取結(jié)果的完整性和準確性，在雪蓋信息提取方面具有一定的優(yōu)越性。

表2 本文方法提取結(jié)果與最大似然分類法提取結(jié)果混淆矩陣

3.2 提取結(jié)果細節(jié)對比

選取實驗區(qū)1中建筑物密集區(qū)域、含陰影和裸土區(qū)域、薄冰以及積雪覆蓋程度較小的農(nóng)田4個區(qū)域進行提取結(jié)果細節(jié)對比，具體比較如表3、表4所示。

從表3、表4中可以看出，在建筑物、陰影、裸土和薄冰等區(qū)域本文方法與作為參考數(shù)據(jù)的最大似然分類法提取結(jié)果一致性高。對于區(qū)域1、區(qū)域2，本文方法能夠有效識別和劃分屋頂有無積雪覆蓋的建筑物、城市內(nèi)不同等級的道路、高大樓層的陰影以及冬季草木枯萎而裸露的城市綠地等地物類型，同時清晰地提取出城市中大量人工結(jié)構(gòu)的輪廓等細節(jié)信息，漏提及誤提現(xiàn)象較少，提取總體精度分別為93.56%、93.68%，Kappa系數(shù)均在0.85左右。區(qū)域3中，本文方法較最大似然分類法提取的雪蓋面積有所增加，且增加部分集中在薄冰區(qū)邊緣一帶。經(jīng)分析，其原因在于薄冰區(qū)在NIR波段的光譜反射率基本處于判別閾值0.74之上，而冰邊緣通常為積雪所覆蓋，致使其對應(yīng)NDVI<0，從而被劃分為積雪一類。結(jié)合現(xiàn)實考慮，認為該部分誤分可視為合理性的劃分。同時，因該部分像元個數(shù)所占比例較小，對提取結(jié)果總體精度影響不大。區(qū)域4中對于被薄雪覆蓋的農(nóng)田存在較嚴重的漏提，總體精度僅有87.71%，Kappa系數(shù)0.687。經(jīng)分析，NDVI>0是引起該現(xiàn)象的主要原因。如何有效解決該部分漏提問題，有待進一步研究。

為進一步驗證本文所選分割閾值T的代表性與普適性，選取昌吉市邊緣上玉堂村周邊地區(qū)作為實驗區(qū)2，直接采用本文算法進行覆雪面積的提取。由結(jié)果(圖6(b))可見，實驗區(qū)2中主要覆雪地類提取效果與真實情況吻合程度較高，而主要道路、城鄉(xiāng)建筑、和部分裸土均被正確判別為非覆雪區(qū)。由此證明，在保持分割閾值不變的情況下，本文算法依然能夠取得較好效果。

表3 雪蓋提取結(jié)果局部對比

表4 局部區(qū)域提取結(jié)果混淆矩陣

圖6 實驗區(qū)2雪蓋信息提取對比

4 結(jié)束語

本文以ZY-3衛(wèi)星多光譜影像為數(shù)據(jù)源，綜合NIR波段與NDVI提出了決策樹雪蓋信息提取方法。通過對提取結(jié)果進行評價分析發(fā)現(xiàn)，本文方法能較準確有效地提取出研究區(qū)中的雪蓋信息，總體精度可達94.97%。由局部區(qū)域?qū)Ρ劝l(fā)現(xiàn)，本文方法受建筑物、陰影和裸土的影響較小，能在保留各地類細節(jié)信息的同時獲得較高的雪蓋信息提取精度；在薄冰區(qū)邊緣，由于積雪覆蓋程度增大，其對應(yīng)NDVI<0引起提取結(jié)果中該部分雪蓋面積合理性的增加，但總體影響較??；被薄雪覆蓋的農(nóng)田在本文方法中存在較為嚴重的漏提現(xiàn)象。今后的研究重點將集中于消除現(xiàn)有漏分、誤分問題，提高閾值選取的精確性，同時開展對含云量較多的影像的積雪識別研究，為ZY-3衛(wèi)星多光譜影像在積雪資源方面的研究和應(yīng)用提供支持和參考。