張曉冉 黃玨 季民

摘要：我國(guó)是農(nóng)業(yè)大國(guó)，快速、準(zhǔn)確獲取旱地信息可為農(nóng)業(yè)監(jiān)測(cè)、災(zāi)害識(shí)別、發(fā)展規(guī)劃等提供重要的基礎(chǔ)數(shù)據(jù)。為提高農(nóng)業(yè)信息提取效率，本研究基于自動(dòng)閾值，提出一種針對(duì)我國(guó)北方旱地光譜特征的旱地提取方法。該方法基于歸一化建筑指數(shù)（NDBI），通過(guò)直方圖雙峰法確定初步分割閾值;針對(duì)灰度直方圖中正態(tài)擬合后的旱地信息，使用波峰分離度指標(biāo)和適用條件以確定精確的分割閾值。該方法成功應(yīng)用于4個(gè)研究區(qū)的26景Landsat8 OLI影像，分類精度優(yōu)于常用的監(jiān)督分類法、非監(jiān)督分類法及面向?qū)ο蠓诸惙ǎ梢詫?shí)現(xiàn)自動(dòng)、準(zhǔn)確的旱地分布信息提取。

關(guān)鍵詞：旱地信息提取;自動(dòng)閾值選取;NDBI;直方圖雙峰法;全自動(dòng)

中圖分類號(hào)： P237? 文獻(xiàn)標(biāo)志碼： A

耕地是人類生存的基本資源和條件，是人類生活的保障和基礎(chǔ)[1]。我國(guó)耕地資源常分為水田和旱地2種類型，其中旱地占耕地總面積的568%。遙感技術(shù)在提取旱地信息中因具有操作靈活、提取準(zhǔn)確等優(yōu)勢(shì)，備受關(guān)注[2]。實(shí)時(shí)、高效獲取旱地信息以實(shí)現(xiàn)對(duì)旱地面積的監(jiān)測(cè)、分析與預(yù)測(cè)是我國(guó)目前農(nóng)業(yè)研究領(lǐng)域的熱點(diǎn)之一。目前，國(guó)內(nèi)外常用的監(jiān)督分類、非監(jiān)督分類與面向?qū)ο蠓诸惖群档胤诸惙椒?，均取得了較為理想的提取效果[3-8]，如李丹等采用多時(shí)相遙感影像對(duì)黑龍江省鶴崗市進(jìn)行旱地信息提取，使用全球土地覆蓋（GLC）和支持向量機(jī)（SVM）的監(jiān)督分類方法，為研究區(qū)旱地利用保護(hù)提供基礎(chǔ)數(shù)據(jù)[9];曹倩倩等使用Landsat 8數(shù)據(jù)對(duì)安徽省泗縣進(jìn)行旱地信息提取，分別使用了非監(jiān)督分類的迭代自組織數(shù)據(jù)分析技術(shù)（ISODATA）和K-均值（K-means）算法，提取精度分別為80.48%、 81.02%[10];李敏等以江蘇省鹽城市作為研究區(qū)域，采用面向?qū)ο蟮姆椒?，利用eCognition軟件提取了該地旱地信息，最終提取精度為94.1%[11];鄧勁松等運(yùn)用簡(jiǎn)單決策樹(shù)模型區(qū)分旱地和水田，并去除了容易混淆的園地，相比常規(guī)的監(jiān)督分類方法有很大的提高[12]。

雖然上述方法在旱地提取中被廣泛應(yīng)用，但在分類過(guò)程中人工干預(yù)較多，具有一定的主觀性與傾向性。例如監(jiān)督分類方法雖然是通用方法，但是嚴(yán)重依賴解譯人員的經(jīng)驗(yàn);非監(jiān)督分類與面向?qū)ο蠓诸惗即嬖谶\(yùn)算量大、迭代實(shí)驗(yàn)的問(wèn)題，嚴(yán)重影響了提取效率;決策樹(shù)方法雖然分類精度較高，但是某一區(qū)域的分類條件難以適用于其他地區(qū)，可移植性較差?；谕ㄓ媚Ｐ偷暮档匦畔⒆詣?dòng)提取仍然是一個(gè)挑戰(zhàn)。因此，本研究提出一種基于自動(dòng)閾值選取的旱地信息提取方法，并將該方法應(yīng)用于Landsat8 OLI影像數(shù)據(jù)，同時(shí)利用高空間分辨率影像作為真值，對(duì)提取方法的性能進(jìn)行評(píng)價(jià)。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)

選取我國(guó)黑龍江省齊齊哈爾市富?？h、河南省焦作市修武縣、山東省濟(jì)南市長(zhǎng)清區(qū)和安徽省蚌埠市懷遠(yuǎn)縣等作為研究區(qū)域。黑龍江省、河南省、山東省和安徽省均位于平原地區(qū)，地形平坦，降水豐沛，水資源豐富，土壤肥沃，農(nóng)業(yè)發(fā)達(dá)，在2018年全國(guó)31個(gè)省市糧食產(chǎn)量排行中居于前4名，并稱為“中國(guó)糧倉(cāng)”。根據(jù)調(diào)查和試驗(yàn)發(fā)現(xiàn)，富?？h、修武縣、長(zhǎng)清區(qū)及懷遠(yuǎn)縣農(nóng)田分布較廣且在歸一化建筑指數(shù)（NDBI）灰度圖中與其他地物分離明顯，因此選為研究區(qū)域。各區(qū)域的地理位置與直方圖雙峰信息如圖1所示。

1.2 數(shù)據(jù)源

研究數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/）30 m空間分辨率的Landsat8 OLI衛(wèi)星遙感影像數(shù)據(jù)，自動(dòng)提取旱地信息;選擇來(lái)源于LocaSpace Viewer軟件中0268 m空間分辨率的谷歌衛(wèi)星影像為底圖，采用目視解譯法，得到各區(qū)域真實(shí)的旱地與非旱地信息。區(qū)域與遙感影像的總數(shù)分別為4、26。表1為數(shù)據(jù)源信息，主要為2013—2018年4—9月植被正常生長(zhǎng)、云層覆蓋較少、大氣狀況良好的數(shù)據(jù)，每期數(shù)據(jù)均完全覆蓋研究區(qū)域。多景數(shù)據(jù)以判定初始閾值，加粗的日期為旱地精確提取的主影像時(shí)間。

2 自動(dòng)閾值選取模型

基于精確閾值分割方法，通過(guò)NDBI的計(jì)算、閾值統(tǒng)計(jì)與粗定閾值、擬合正態(tài)分布函數(shù)及確定精確閾值等步驟，構(gòu)建旱地信息的全自動(dòng)提取模型（圖2）。由于本研究選擇NDBI提取旱地信息，且所選影像的成像當(dāng)日天氣狀況良好，多發(fā)生瑞利散射，所以不考慮大氣對(duì)遙感影像的影響。

2.1 NDBI與旱地

結(jié)合NDBI計(jì)算公式與使用經(jīng)驗(yàn)可知，在NDBI圖像中，城鎮(zhèn)用地與裸地的值均大于0，非城鎮(zhèn)用地的值小于0。非城鎮(zhèn)用地分類一般包括水體、林地、耕地等。純凈的自然水體在近紅外和短波紅外波段的呈象近似于一個(gè)“黑體”，即水幾乎吸收了其全部的能量而不進(jìn)行反射，因此，在近紅外和短波紅外波段，較純凈的自然水體的反射率也很低，幾乎趨近于0。經(jīng)大量試驗(yàn)證實(shí)，在NDBI小于0的范圍內(nèi)，其灰度直方圖（圖3）中存在2個(gè)明顯的峰（P林地與P旱地），且其中1個(gè)峰為旱地信息。為了清晰辨別旱地，本研究提出自動(dòng)閾值選取模型，自動(dòng)選擇直方圖中2個(gè)峰之間的精確分割閾值。

2.2 直方圖雙峰法

直方圖雙峰法在遙感領(lǐng)域中，常用于陸地和水體圖像分割中的閾值選擇[13-15]。其應(yīng)用前提是使用灰度圖創(chuàng)建柱狀直方圖，當(dāng)其灰度級(jí)直方圖具有較為明顯的雙峰特性時(shí)，將直方圖中2個(gè)峰值之間的谷值用作圖像分割的閾值。若背景地物的灰度值在整個(gè)圖像中可以合理地看作為恒定，而且所有目標(biāo)地物與背景地物都具有幾乎相同的對(duì)比度，則選擇一個(gè)正確的、固定的全局閾值會(huì)有較好的分割效果[16]。為了避免閾值的偶然性和不穩(wěn)定性，本研究通過(guò)計(jì)算多幅影像的直方圖、提取大量谷值形成閾值范圍Rt（圖3），將平均谷值定義為初始閾值Ti[17]?；谥狈綀D雙峰法，初步分離旱地與其他地物信息，為精確提取做準(zhǔn)備。

2.3 精確閾值

賈祎琳等在應(yīng)用直方圖雙峰法選取閾值時(shí)，將2個(gè)峰之間的谷值，即最小值點(diǎn)，作為分割閾值[18-19]。但經(jīng)試驗(yàn)表明，直接取最小值作為分割閾值在實(shí)際應(yīng)用中效果并不理想。為找尋更精確的閾值，本研究經(jīng)大量試驗(yàn)發(fā)現(xiàn)NDBI灰度直方圖中旱地的波形與正態(tài)分布函數(shù)基本吻合（圖4），可以

取灰度直方圖中的旱地信息，計(jì)算均值（μ）及標(biāo)準(zhǔn)差（σ），并將其擬合為正態(tài)分布函數(shù)。如圖4所示，正態(tài)分布函數(shù)的“經(jīng)驗(yàn)法則”為精確閾值選取的基礎(chǔ)：約68%的數(shù)值分布在距離μ有±σ之內(nèi)的范圍，約95%的數(shù)值分布在距離μ有±2σ之內(nèi)的范圍，以及約99.7%的數(shù)值分布在距離μ有±3σ之內(nèi)的范圍。為了提高模型的適用性，本研究提出動(dòng)態(tài)閾值確定方法，根據(jù)不同區(qū)域的旱地面積及分布形態(tài)的特點(diǎn)，分別從±σ、±2σ、±3σ這3種范圍中，動(dòng)態(tài)選取最為精確的閾值范圍，以確保旱地提取的有效性與靈活性。

為解決在3個(gè)閾值取值中選取最優(yōu)閾值的難題，本研究對(duì)多個(gè)區(qū)域進(jìn)行試驗(yàn)，通過(guò)分析NDBI直方圖分布特征，發(fā)現(xiàn)閾值的選擇與波峰的分離程度息息相關(guān)，因此建立波峰分離度指標(biāo)Si（公式1）：若S3<0，則以±3σ為閾值，否則繼續(xù)計(jì)算S2;若S2<0，則以±2σ為閾值，否則以±σ為閾值。計(jì)算公式如下：

式中：i表示σ取3、2、1倍;Ti表示閾值取值;Pl表示旱地信息的波峰所對(duì)應(yīng)的灰度值;Po表示林地信息的波峰所對(duì)應(yīng)的灰度值。利用上述方法獲得圖像分割的專用閾值，并成功地實(shí)現(xiàn)了旱地的自動(dòng)提取。

2.4 精度評(píng)定

為探索模型的可用性，并對(duì)所提模型的實(shí)用性進(jìn)行更好的評(píng)價(jià)，本研究將自動(dòng)閾值選取模型的提取結(jié)果與直方圖雙峰法初步提取結(jié)果作比較，用于判定自動(dòng)閾值選取模型的提取效果是否優(yōu)于最小值閾值提取模型。同時(shí)，通過(guò)與其他常規(guī)方法（監(jiān)督分類、非監(jiān)督分類、面向?qū)ο蠓诸悾┍容^，對(duì)自動(dòng)閾值模型進(jìn)行定量精度分析。另以±4σ作為評(píng)定標(biāo)準(zhǔn)，評(píng)價(jià)自動(dòng)閾值模型提取效果是否隨閾值范圍的擴(kuò)大而效果更優(yōu)。

為了定量評(píng)價(jià)不同旱地提取方法的精度，本研究采用遙感目視解譯法，在0.268 m空間分辨率的谷歌衛(wèi)星影像上明確旱地分布，并進(jìn)行二值化處理，作為真值。選擇總體分類精度（Rall）為主要評(píng)價(jià)因子，對(duì)整體分類情況做出評(píng)價(jià);選擇偽陽(yáng)性率（FPR）與真陽(yáng)性率（TPR）構(gòu)建接收器操作特征（ROC）空間[20]，作為輔助評(píng)價(jià)因子，便于分析自動(dòng)閾值選取模型的提取精度。FPR與TPR計(jì)算公式如下：

式中：FP為自動(dòng)提取結(jié)果中旱地被漏判為非旱地像元的個(gè)數(shù);TN為自動(dòng)提取結(jié)果中非旱地被正確判識(shí)為非旱地像元的個(gè)數(shù);TP為自動(dòng)提取結(jié)果中旱地被正確判識(shí)為旱地像元的個(gè)數(shù);FN為自動(dòng)提取結(jié)果中非旱地被誤判為旱地像元的個(gè)數(shù)。

3 結(jié)果與分析

本研究以富?？h、修武縣、長(zhǎng)清區(qū)和懷遠(yuǎn)縣為例，使用自動(dòng)閾值選取模型進(jìn)行旱地信息提取，從圖5可知，4個(gè)研究區(qū)域內(nèi)均有少量旱地信息的邊界未被正確識(shí)別，但總體而言提取精度較高。結(jié)合表2可知，富裕縣、修武縣、長(zhǎng)清區(qū)、懷遠(yuǎn)縣等研究區(qū)據(jù)初始閾值提取的精度分別為0.641 3、0.851 2、0858 2、0.747 0，相比之下，自動(dòng)閾值選取模型的精度分別達(dá)到0.814 1、0.891 5、0.923 5、 0.828 4，證實(shí)了自動(dòng)閾值選取模型的提取精度更高，改進(jìn)了單以2個(gè)谷值最低點(diǎn)為閾值的方法。此外，本模型精度明顯優(yōu)于常用的監(jiān)督分類法、非監(jiān)督分類法及面向?qū)ο蠓诸惙椒ǎC明了本模型的可用性與優(yōu)越性，既實(shí)現(xiàn)了全過(guò)程自動(dòng)化，也大大提高了分類方法的可移植性。與距標(biāo)準(zhǔn)差±4σ為閾值的提取結(jié)果相比，自動(dòng)閾值選取模型的提取結(jié)果與遙感目視解譯結(jié)果的一致性更高，解決了模型提取效果是否隨閾值范圍的擴(kuò)大而更優(yōu)的疑問(wèn)。

通過(guò)對(duì)比4個(gè)區(qū)域旱地面積占各區(qū)域總面積的百分比以及對(duì)應(yīng)的提取精度，發(fā)現(xiàn)旱地面積比大于40%的地區(qū)提取精度稍差。其原因可能是對(duì)于旱地面積比相對(duì)較小的地區(qū)，其直方圖中旱地波形范圍較小，因此2個(gè)峰相距較遠(yuǎn)、分離明顯，導(dǎo)致提取精度較高。

圖6為4個(gè)研究區(qū)不同旱地提取算法的ROC空間構(gòu)建結(jié)果。ROC空間特征：離左上角（0，1）越近的點(diǎn)表示分類準(zhǔn)確率越高;離右下角（1，0）越近的點(diǎn)，準(zhǔn)確率越低。從（0，0）到（1，1）的對(duì)角線將ROC空間劃分為左上、右下2個(gè)區(qū)域，結(jié)果顯示幾乎研究區(qū)的全部提取結(jié)果都集中在左上部分，分類結(jié)果較好。以（0，1）為圓心，以模型提取結(jié)果的ROC點(diǎn)到（0，1）點(diǎn)的距離為半徑畫1/4圓，發(fā)現(xiàn)除自動(dòng)閾值選取模型外，其他方法的ROC點(diǎn)均不位于圓內(nèi)，進(jìn)一步證明本研究提出的自動(dòng)閾值選取模型的準(zhǔn)確率最高。

雖然本研究所提自動(dòng)閾值選取模型在Landsat8 OLI衛(wèi)星影像中取得了較高的精度，但該算法仍然存在一定的局限性：（1）由于本模型的提出是基于NDBI指數(shù)，所以自動(dòng)計(jì)算閾值法更多地依賴于地物的波譜特征，更適用于提取農(nóng)作物成熟期的旱地，4—9月提取結(jié)果更加精確;（2）閾值的自動(dòng)選取是基于直方圖雙峰法，這就要求影像中有較為明顯的目標(biāo)地物和背景地物，因此對(duì)于貧瘠地區(qū)，旱地提取效果并不十分明顯。

4 結(jié)論

考慮到當(dāng)前常規(guī)旱地分類方法的不足，本研究提出了一種針對(duì)我國(guó)北方旱地光譜特征、基于自動(dòng)閾值選取的旱地提取方法，利用2013—2018年多景遙感數(shù)據(jù)，精確提取了富裕縣、修武縣、長(zhǎng)清區(qū)及懷遠(yuǎn)縣的旱地信息。通過(guò)與其他常規(guī)分類方法、不同閾值選取結(jié)果進(jìn)行比較發(fā)現(xiàn)，自動(dòng)計(jì)算閾值模型簡(jiǎn)單、易操作，具有較高的通用性和靈活性，可以有效提高旱地信息提取的精度和效率。

參考文獻(xiàn)：

[1]蓋 樂(lè). 盤山縣農(nóng)村居民點(diǎn)整治潛力評(píng)估及分區(qū)研究[D]. 北京：首都師范大學(xué)，2013.

[2]王 丹，葛大兵，唐伊凡，等. 洞庭湖生態(tài)經(jīng)濟(jì)區(qū)農(nóng)田景觀格局變化及其驅(qū)動(dòng)力[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（8）：245-250.

[3]Julien Y，Sobrino J A，Jiménez-Muoz J C. Land use classification from multitemporal Landsat imagery using the Yearly Land Cover Dynamics （YLCD） method[J]. International Journal of Applied Earth Observations and Geoinformation，2011，13（5）：711-720.

[4]牛魯燕，張曉艷，鄭繼業(yè)，等. 基于Landsat8 OLI數(shù)據(jù)的山東省耕地信息提取研究[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2014，30（34）：264-269.

[5]Goodin D G，Anibas K L，Bezymennyi M. Mapping land cover and land use from object-based classification：an example from a complex agricultural landscape[J]. International Journal of Remote Sensing，2015，36（18）：4702-4723.

[6]楊 栩，楊潤(rùn)書，朱大明，等. 基于遙感數(shù)據(jù)的耕地信息提取方法研究[J]. 軟件導(dǎo)刊，2018，17（9）：166-170，174.

[7]Frohn R C，Reif M，Lane C，et al. Satellite remote sensing of isolated wetlands using object-oriented classification of Landsat-7 data[J]. Wetlands，2009，29（3）：931-941.

[8]李 峰，王 昊，秦 泉，等. 基于HJ-1 CCD影像的玉米種植面積估算研究[J]. 山東農(nóng)業(yè)科學(xué)，2016，48（2）：138-142.

[9]李 丹，梁 欣，孫麗娜，等. 基于多時(shí)相遙感影像的耕地利用信息提取研究[J]. 現(xiàn)代測(cè)繪，2018，41（4）：21-24.

[10]曹倩倩，黃袁升. 基于Landsat8 OLI影像的泗縣耕地信息提取[J]. 陰山學(xué)刊（自然科學(xué)版），2017，31（3）：58-60.

[11]李 敏，崔世勇，李成名，等. 面向?qū)ο蟮母叻直媛蔬b感影像信息提取——以耕地提取為例[J]. 遙感信息，2008（6）：63-66，89.

[12]鄧勁松，王 珂，沈掌泉，等. 基于特征波段的SPOT-5衛(wèi)星影像耕地信息自動(dòng)提取的方法研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2004，20（6）：145-148.

[13]Prewitt J M S， Mendelsohn M L. The analysis of cell images[J].Annals of the New York Academy of Sciences，1966，128（3）：1035-1053.

[14]Li J L，Sheng Y W，Luo J C. Automatic extraction of himalayan glacial lakes with remote sensing[J]. Journal of Remote Sensing，2011，15（1）：29-43.

[15]Khandelwal A，Karpatne A，Marlier M E，et al. An approach for global monitoring of surface water extent variations in reservoirs using MODIS data[J].Remote Sensing of Environment，2017，202：113-128.

[16]楊修國(guó). 關(guān)于直方圖雙峰法的研究與改進(jìn)[J]. 電子設(shè)計(jì)工程，2012，20（12）：176-179.

[17]Zhang F F，Li J S，Zhang B，et al. A simple automated dynamic threshold extraction method for the classification of large water bodies from landsat-8 OLI water index images[J]. International Journal of Remote Sensing，2018，39（11）：3429-3451.

[18]賈祎琳，張 文，孟令奎. 面向GF-1影像的NDWI分割閾值選取方法研究[J]. 國(guó)土資源遙感，2019，31（1）：95-100.

[19]李景福，趙進(jìn)輝. 基于閾值的彩色農(nóng)業(yè)圖像分割方法研究[J]. 安徽農(nóng)業(yè)科學(xué)，2007，35（28）：8869-8870.

[20]陳 亮. 基于頻域分析和結(jié)構(gòu)聚類的fMRI數(shù)據(jù)處理方法研究[D]. 大連：大連海事大學(xué)，2017.

文章編號(hào)：1002-1302（2020）14-0248-07

收稿日期：2019-07-29

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：41706194）;山東科技大學(xué)人才引進(jìn)科研啟動(dòng)基金;山東省自然科學(xué)基金（編號(hào)：ZR2016DB23）。

作者簡(jiǎn)介：張曉冉（1997—），女，山東濟(jì)南人，主要從事定量遙感研究。E-mail：sloth1601020536@163.com。

通信作者：黃 玨，博士，講師，主要從事定量遙感研究。E-mail：huangjue@sdust.edu.cn。