肖星星， 王曉紅

（華北理工大學礦業(yè)工程學院，河北 唐山 062000）

0 引言

珊瑚礁被譽為“藍色沙漠中的綠洲”，是海洋中最重要的生態(tài)系統(tǒng)之一，生活在珊瑚礁區(qū)的物種十分豐富，具有巨大的開發(fā)潛力、經濟價值和生態(tài)環(huán)境價值[1]。 近年來，隨著人類活動和全球溫室效應的影響， 對珊瑚礁的生態(tài)系統(tǒng)造成嚴重威脅， 全球大面積的珊瑚礁發(fā)生白化或死亡，保護珊瑚礁資源已經成為亟待解決的問題。 遙感技術因其能夠大面積、快速、實時監(jiān)測的特點，已被廣泛用于珊瑚礁監(jiān)測[2]。

隨著珊瑚礁生態(tài)系統(tǒng)問題的日益嚴重， 了解珊瑚礁底棲類型的狀況是十分有必要的， 因此有很多學者開始利用遙感技術關注珊瑚礁底棲類型的問題。 早期對于珊瑚礁底質信息提取，大多采用人工解譯的方法，可以實現對珊瑚礁的簡單分類（例如珊瑚礁、 海草、 沙和硬基底等）， 隨著國內外研究學者對遙感分類技術的大量研究，提出了最大似然（ML）、支持向量機（SVM）和決策樹等監(jiān)督分類方法來對珊瑚礁信息進行提取， 并取得不錯的效果[3]。 隨著遙感技術和遙感算法的不斷提高，基于像元的分類方法也顯現出它的弊端， 由于基于像元的分類算法主要是依靠影像光譜的特性，很容易引起因“同質異譜”和“異質同譜”所造成的椒鹽現象。因此，面向對象（OBIA）的分類方法也被引入珊瑚礁底質信息的提取當中， 因其可以充分利用高分辨率數據的光譜、紋理和形狀等屬性，可以大大減少這種“椒鹽”現象，其提取效果要優(yōu)于基于傳統(tǒng)的基于像素的分類方法， 是目前比較好的對于珊瑚礁底棲物質分類方法[4]。

本文基于Sentinel-2 數據，利用面向對象的珊瑚礁信息提取方法對三亞西玳瑁島的珊瑚礁信息進行提取，以便對三亞珊瑚礁保護區(qū)的珊瑚礁進行更好的監(jiān)測， 并提供更好的數據支撐。

1 研究區(qū)域概況與研究數據

1.1 研究區(qū)概況

本文選取三亞珊瑚礁保護區(qū)中的西玳瑁島為研究區(qū)，其中西玳瑁島位于三亞珊瑚礁保護區(qū)的最西段，地理位置如圖1 所示：

圖1 西玳瑁島地理位置圖

1.2 GF-2 影像數據預處理

本文研究所使用的數據為Sentinel-2 數據，數據采集時間為2017 年2 月6 日, 遙感圖像數據處理主要包括大氣校正、圖像融合和圖像裁剪。 利用Sen2cor 方法對Sentinel-2 影像進行大氣校正。 圖像融合和裁剪都是在ENVI5.3 里面完成的。

2 基于面向對象的珊瑚礁空間分布提取

面向對象分類方法主要包括兩個過程：影像分割和特征對象選取。 通過對影像進行分割，將具有相同或相近特征的鄰近像元組成一個對象，并將此對象作為影像分析單元。 并基于光譜、紋理和形狀等特征選取特征對象，實現對不同地物特征的分類提取[5]。 本文針對不同的地貌單元進行影像分割實驗，從而獲取最優(yōu)分割尺度及參數，選取適合的指標閾值，實現不同地物的分離，利用最近鄰分類的方法對相應影像進行分類, 提取珊瑚礁空間分布信息。最后， 利用其混淆矩陣和Kappa 系數對分類結果進行精度評價。 提取流程圖如圖2 所示：

圖2 基于面向對象的珊瑚礁空間分布提取流程

2.1 影像分割

本研究中影像分割釆用軟件中的多尺度分割算法（Multiresolution Segmentation）對Sentinel-2 影像的研究區(qū)域進行分割處理實驗。 多尺度分割方法考慮了實際地表多層次、多格局的特征，通過建立不同的尺度分割等級，逐層進行分割與信息提取。 下面對分割參數進行試驗，以確定最優(yōu)參數。

2.1.1 大型地物分割尺度選取

圖3 不同分割尺度對比圖

由于本文設置分割尺度范圍從30～100 （以10 為單位遞增）對影像進行分割實驗，以確定最適宜的分割尺度用于分割陸地和水體之間的界限。 由于分割尺度在30 以下的分割效果極為破碎，不適用與地物分割特征，因此分割尺度在30 以下忽略不予嘗試。 通過對分割尺度參數在30～100 范圍內分割結果進行對比發(fā)現， 隨著尺度參數的逐漸變化，尺度參數設置的越小，分割得到的對象就越多，如圖3 為分割尺度分別為30、50、70、100 的分割效果。

通過對比分割尺度參數在30～100 范圍內分割結果進行對比發(fā)現，小尺度分割效果是在較大尺度上分割輪廓上的再分割。如圖3 所示，當分割尺度為100 時，其對于分離水體和陸地之間的界限可以起到很好的效果，但對于珊瑚礁區(qū)域，分割尺度過大，錯把兩種地物都分到一起了；而當分割尺度為50 和70 時，由于尺度參數在比較接近的分割尺度在分割效果上差異較小，分割輪廓變化不大，但這個尺度參數對于陸地區(qū)域邊界分得不夠明朗，容易造成不同地物間的混淆，對后面的分類造成影響；而當分割尺度參數為30 時，可對于陸地區(qū)域形成了“過分割”狀態(tài)，分割的過于細碎破壞了不同地物的邊界完整性，但對于珊瑚礁區(qū)域來說確又過大， 未能很好的表征出不同底棲物質信息，因此還需針對小尺度的珊瑚礁區(qū)域的分割尺度進行更進一步的研究，以便更好地提取珊瑚礁區(qū)域下的不同底棲物信息。

2.1.2 小尺度珊瑚礁區(qū)域最優(yōu)分割尺度選取

針對分割尺度為30 時， 沒有很好的把小尺度的珊瑚礁區(qū)域中底棲物信息給分離出來，因此在此基礎上，設置分割尺度范圍從5～25（以5 為單位遞增）對影像進行分割實驗，如圖4 為分割尺度分別為5、15、20、25 的分割效果。

圖4 不同分割尺度對比圖

通過對比分割尺度參數在5～25 范圍內分割結果進行對比發(fā)現，在分割尺度為25 和20 時，對于珊瑚礁區(qū)域的分割還是過大， 未能較清晰的表征出水下底棲物的信息。而當分割尺度為15 和5 時，對于珊瑚礁區(qū)域的分割效果明顯要由于分割尺度25 和20， 但當分割尺度為5 時，對于珊瑚礁區(qū)域有點“過分割”狀態(tài)，對于礁盤區(qū)域分的過于細碎。 因此通過實驗可以大致得出珊瑚礁區(qū)域的一個最優(yōu)分割尺度范圍在5～15 之間。

2.2 面向對象影像分類及分類結果

2.2.1 分類層次建立和特征對象選取

根據上面多尺度分割實驗的結果構建多層次分類體系，如圖5 所示：

圖5 類層次結構圖

在第一層，通過分割尺度100 分離水體和海岸之間的界限，提取出水體和非水體。 由于近紅外波段在水體中反射率低， 在陸表反射率高的特征， 可以利用近紅外波段（NIR）來分離出水體和非水體。

在第一層分離出的基礎上，提取出非水體。 非水體包括淺灘和陸地兩部分，而淺灘區(qū)域是處于水面之下，陸地是完全露于水面之上的， 由于處于水下淺灘區(qū)域光譜反射率低，而水上的陸地有許多建筑，反射率高，且與水下淺灘區(qū)域顏色有很大差異， 而HIS 分量特征是體現顏色差異特點的特征， 在水下的HIS 值與水上陸地顏色呈現明顯的不同。 因此可以通過色調H 特征來區(qū)分出淺灘和陸地區(qū)域。 當H＜0.6，就可提取出淺灘區(qū)域。

由于分割尺度為100 時， 對淺灘區(qū)域分割對象過大，錯誤的把不同地物的分成一個對象， 因而基于一個更小的尺度參數10 來對珊瑚礁礁盤區(qū)域進行二次分割， 以滿足不同地物之間的劃分。

2.2.2 影像分類

這里先基于分割尺度100 分離出水體和非水體，再在非水體的基礎上，分離陸地和淺灘，然后再基于分割尺度10 對淺灘區(qū)域進行二次分割。本次實驗采用eCognition 中最鄰近分類算法對研究區(qū)域進行分類提取， 把淺灘區(qū)域分成珊瑚礁、沙礫和海藻類混合物、沙地以及巖石等四種類別進行提取，得到的最鄰近分類結果如圖6 所示：

圖6 西玳瑁島影像分類結果

3 分類結果精度評價

利用最近鄰分類方法Sentinel-2 影像進行分類， 得到西玳瑁島珊瑚礁信息結果， 采用混淆矩陣對分類結果進行評價， 其總體精度達到93.3%，Kappa 系數達到89.6%，分類精度達到較高的準確度， 這驗證本文研究方法的準確性。 從分類結果來看，珊瑚礁區(qū)域、沙地、沙礫和海藻類混合物占據面積最廣，因此分類精度較高。

4 結論與展望

本文利用Sentinel-2 影像，以三亞珊瑚礁保護區(qū)的西玳瑁島為研究對象， 采用面向對象的分類方法來提取西玳瑁島的珊瑚礁空間分布信息。 通過影像分割試驗，確定了最優(yōu)的適合小尺度珊瑚礁區(qū)域的分割參數，并基于最近鄰分類算法對珊瑚礁信息進行提取， 取得較好的分類結果。 結果表明面向對象方法對于珊瑚礁信息提取應用是可行的，為珊瑚礁遙感監(jiān)測提供一個有力的提取方法。