夏 盈，厲恩華，王學(xué)雷，張瑩瑩，楊 嬌,2，周 瑞

(1.中國科學(xué)院精密測量科學(xué)與技術(shù)創(chuàng)新研究院，環(huán)境與災(zāi)害監(jiān)測評估湖北省重點實驗室，武漢 430077；2.中國科學(xué)院大學(xué)，北京 100049；3.鄭州師范學(xué)院地理與旅游學(xué)院，鄭州 450044)

濕地處于陸地與水域之間的過渡地帶，是具有復(fù)雜景觀空間結(jié)構(gòu)和變化過程的重要生態(tài)系統(tǒng)，在抵御洪水、調(diào)節(jié)徑流，改善氣候、控制污染，美化環(huán)境和維護(hù)區(qū)域生態(tài)平衡等方面有其它系統(tǒng)所不能替代的作用[1-2].近年來由于氣候與地質(zhì)災(zāi)害，錯誤開發(fā)、城市規(guī)模加速擴(kuò)張導(dǎo)致人地矛盾日益突出等因素[3]，使得濕地功能受到嚴(yán)重威脅，甚至部分濕地喪失.實時精確獲取濕地信息對研究濕地生態(tài)功能具有重要意義.因此，優(yōu)化提取濕地信息的方法顯得尤為重要.

遙感領(lǐng)域相關(guān)技術(shù)不斷發(fā)展成熟，使得遙感技術(shù)在濕地信息提取的研究中得到了廣泛應(yīng)用.國內(nèi)外相關(guān)學(xué)者根據(jù)不同的分類方法開展了濕地相關(guān)研究，Chen[4]等人利用多期Landsat-TM影像數(shù)據(jù)提取植被指數(shù)及纓帽變換后，對比監(jiān)督與非監(jiān)督等方法對加利福尼亞州北部地區(qū)的濕地與森林植被類型進(jìn)行整體精度分析；盧柳葉[5]等人利用Landsat-TM影像，結(jié)合光譜單元信息和紋理特征建立BP神經(jīng)網(wǎng)絡(luò)分類模型；鄒青青[6]等人利用Landsat8多光譜影像，采用支持向量機(jī)、決策樹和面向?qū)ο蠓诸惙▽春恿饔虬霾憾螡竦匦畔⑻崛?上述分類方法主要集中在分辨率較低的影像上提取，基于多特征變量的優(yōu)化研究較少.

新數(shù)據(jù)源的出現(xiàn)為濕地信息優(yōu)化提取提供便利.Sentinel-2作為新的開源數(shù)據(jù)，具有系統(tǒng)的全球地面覆蓋，重訪周期5 d，高空間分辨率、以及特有的紅邊波段等優(yōu)勢，提供諸如土地利用及土地覆被狀態(tài)與變化、濕地信息提取、森林監(jiān)測和陸地測繪等服務(wù)[7].但在利用Sentinel-2數(shù)據(jù)的特征集時，由于特征間的相關(guān)性容易造成數(shù)據(jù)冗余使得分類精度降低，如何優(yōu)化選擇特征變量組合起著至關(guān)重要的作用.隨著數(shù)據(jù)科學(xué)與遙感出現(xiàn)相協(xié)調(diào)一致化的趨勢，機(jī)器學(xué)習(xí)在遙感和地球觀測領(lǐng)域中普及[8]，利用機(jī)器學(xué)習(xí)方法進(jìn)行濕地信息提取并綜合多種特征變量的優(yōu)化是今后濕地信息智能化提取的重點和難點之一[9].隨機(jī)森林算法是使用最廣泛的機(jī)器學(xué)習(xí)算法之一[10]，隨機(jī)森林算法不僅可以進(jìn)行分類與回歸分析，而且適用于高維復(fù)雜數(shù)據(jù)集，能自動判別變量的重要性，給出變量間的依賴關(guān)系，易于結(jié)合專業(yè)知識解釋[11].

本研究以位于長江中游具有典型性和代表性的重要內(nèi)陸濕地和淡水生態(tài)區(qū)域——湖北洪湖濕地自然保護(hù)區(qū)為研究區(qū)，運用隨機(jī)森林算法模型，提取Sentinel-2A數(shù)據(jù)的光譜、植被指數(shù)、水體指數(shù)、紅邊指數(shù)、紋理等特征，并對上述特征進(jìn)行重要性評估.根據(jù)特征的重要性進(jìn)行優(yōu)選組合，比較不同的分類方案下的精度差異，驗證新數(shù)據(jù)源、新特征集下基于特征優(yōu)選的隨機(jī)森林算法在濕地信息提取的可行性，為濕地變化監(jiān)測系統(tǒng)提供基礎(chǔ)數(shù)據(jù)，在濕地科學(xué)管理與生態(tài)保護(hù)等方面以期提供科學(xué)依據(jù).

1 研究區(qū)概況

洪湖(29°38′～29°59′N，113°11′～113°28′E)地處長江中游北岸，位于湖北省東南部，系長江和漢水支流東津河之間的大型淺水洼地壅塞湖，現(xiàn)存湖泊面積348.2 km2[12].洪湖屬于典型的亞熱帶濕潤氣候，四季分明，光能充足，降水充沛，熱量豐富，年平均氣溫15.9～16.6℃，年平均降水量1 000～1 300 mm，無霜期長，一般在250 d以上.洪湖作為長江中下游地區(qū)典型的內(nèi)陸淡水湖泊濕地，于2008年列入國際重要濕地名錄，2014年晉升為國家級自然保護(hù)區(qū).洪湖作為天然的濕地物種基因庫，生物多樣性豐富，植被以水生和濕生植被為主，以人工栽培植被和疏林草植被為輔.隨地貌差異和水分梯度的影響，研究區(qū)(圖1)的植被依次呈現(xiàn)濕生植物、挺水植物、浮葉植物、沉水植物等多種生態(tài)類型.

注：背景圖為2019-09-30 Sentinel-2A影像432波段組合.圖1 研究區(qū)位置Fig.1 Location of the study area

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)來源與預(yù)處理

Sentinel-2衛(wèi)星是歐空局(ESA)哥白尼計劃中發(fā)射的第2組衛(wèi)星，其搭載的MSI載荷共包含13個光譜波段.這13個光譜波段在空間分辨率范圍為10 m、20 m、60 m范圍內(nèi)涵蓋了從可見光、近紅外、短波紅外的電磁波段，各波段具有不同的特點和用途[13].本研究利用的Sentinel-2A影像數(shù)據(jù)通過美國地質(zhì)調(diào)查局(USGS)網(wǎng)站(http://earthexplorer.usgs.gov)下載獲取，影像獲取時間為2019年9月30日，研究區(qū)內(nèi)無云且影像質(zhì)量良好，利用Sen2cor2.8插件進(jìn)行大氣校正，并利用SNAP軟件對大氣校正后的產(chǎn)品重采樣至10 m的空間分辨率，轉(zhuǎn)換至常用遙感軟件可處理的格式.在ENVI 5.3軟件下，將研究區(qū)邊界疊加，對其進(jìn)行裁剪.

2.2 濕地信息提取

利用Sentinel-2A數(shù)據(jù)的豐富的光譜信息及空間信息，提取光譜特征、指數(shù)特征以及紋理特征，并利用隨機(jī)森林算法對特征的重要性評估，將特征優(yōu)選后的隨機(jī)森林分類結(jié)果與特征優(yōu)選前的結(jié)果以及傳統(tǒng)的監(jiān)督分類結(jié)果比較和精度評估.本研究的技術(shù)流程如圖2所示.

2.2.1 樣本選取 本研究的訓(xùn)練樣本主要來源于GPS定位后的野外實地勘查數(shù)據(jù)和由Google Earth 高分辨率影像目視解譯的濕地景觀類型圖，保證各地物類型測試樣本點不少于400個.以上數(shù)據(jù)構(gòu)成訓(xùn)練樣本用于濕地信息提取的不同分類方案下分類器的建立.本研究的驗證樣本來源于2019年10月洪湖野外實地采樣點，并參考Google Earth高分辨率影像選擇驗證樣本，各類型驗證樣本點均不少于100個(其中其他用地面積較小，驗證點小于100個)，總計1 546個驗證點，用于分類精度的驗證.

2.2.2 濕地分類方案 參照土地利用/土地覆被分類系統(tǒng)[14]、濕地分類和濕地景觀分類研究[15]，基于洪湖濕地地表特征和已有研究中的分類體系[16]，通過綜合分析與對比，建立了研究區(qū)內(nèi)的分類體系，劃分為以下7類：湖泊(開闊水體)、浮葉及挺水植被(以蓮、菰、浮萍、菱群落等濕生植物為主，)、沉水植被(以穗花孤尾藻、金魚藻為優(yōu)勢種)、耕地(水田、旱地)、坑塘(封閉水體，人為開挖的土埂相間的規(guī)則水體)、建設(shè)用地(城鎮(zhèn)用地、工交建設(shè)用地、農(nóng)村居民點)和其他用地(湖岸灘涂、裸地及坑塘周邊分布的低濕生植被覆蓋的土埂、田埂).

圖2 技術(shù)路線圖Fig.2 Technology road map

2.2.3 特征提取 為達(dá)到信息增強的目的，對原始影像進(jìn)行主成分分析，其中第一主成分包含所有波段中90.56%的方差信息.僅選取第一主成分采用灰度共生矩陣方法提取紋理特征，根據(jù)大量試驗效果，設(shè)置滑動窗口大小為5×5，步長為1，基于二階概率統(tǒng)計提取5種常用的紋理特征.為提高濕地信息提取的精細(xì)度和準(zhǔn)確度，提取了10個光譜特征、13個指數(shù)特征共28個特征，提取的特征集詳細(xì)說明和公式見表1.

表1 提取特征變量集說明Tab.1 Description of extracted feature variable set

續(xù)表1

2.3 隨機(jī)森林分類算法

隨機(jī)森林算法是由Breiman等人發(fā)明的基于訓(xùn)練樣本和特征集的以決策樹為基本分類器的一種機(jī)器學(xué)習(xí)算法，它包含兩種重要的方法：隨機(jī)特征子空間和袋外估計[25].

隨機(jī)森林算法的基本原理是：

1)通過bagging方式隨機(jī)并有放回的抽取原始樣本種的N個樣本構(gòu)成新的訓(xùn)練樣本，當(dāng)N足夠大時，其中約有1/3的樣本不在訓(xùn)練樣本中，這類數(shù)據(jù)被稱為袋外(out of bag，OOB)數(shù)據(jù).

2)并根據(jù)Gini系數(shù)最小原則下通過隨機(jī)選擇N棵決策樹內(nèi)部分裂后的每個節(jié)點變量的子集來構(gòu)建多個Cart決策樹并組成隨機(jī)森林；其中Gini系數(shù)定義如下：

(1)

式中，T為給定數(shù)據(jù)集，Ci為隨機(jī)選擇一個樣本并認(rèn)定為某一類別，f(Ci，T)/|T|為所選樣本為Ci類別的概率.

3)生成的隨機(jī)森林分類器對數(shù)據(jù)進(jìn)行分類，對于精度估計，當(dāng)每個樣本屬于OOB樣本時，每次都會統(tǒng)計其投票數(shù)，多數(shù)表決的投票將決定分類類別，OOB樣本由于未參與建立決策樹，可用來估計預(yù)測誤差，利用OOB誤差評估模型性能及量化變量的重要性[10，26].變量的重要性定義如下：

(2)

2.4 變量的重要性評估與優(yōu)選

特征變量重要性的評估優(yōu)選以及濕地信息提取的分類結(jié)果主要由EnMAP-Box工具包實現(xiàn)，EnMAP-Box是一款由德國環(huán)境制圖與分析計劃項目組基于IDL(interactive data language)開發(fā)的處理高光譜數(shù)據(jù)的工具包.為確保分類準(zhǔn)確度和運行時間成本，在EnMAP-Box工具包設(shè)置的參數(shù)中，默認(rèn)抽取的特征個數(shù)(M)為總特征個數(shù)的算術(shù)平方根，設(shè)置決策樹數(shù)量(N)為1 000.

采用隨機(jī)森林算法對所有特征進(jìn)行重要性評估，對得到的特征重要性得分按降序排列，逐一累加按降序排列的特征變量，首先選取重要性得分最高的特征，然后選取重要性得分前2位的特征，依此類推，得到28個特征變量組合，分別進(jìn)行隨機(jī)森林分類，比較分類精度，以分類精度最高的組合來確定優(yōu)選變量特征.

2.5 分類方案及精度評價

將基于特征優(yōu)選與所有特征變量進(jìn)行隨機(jī)森林分類分別為優(yōu)選特征隨機(jī)森林(方案a)和原始隨機(jī)森林(方案b)，同時采用支持向量機(jī)法(方案c)和最大似然法(方案d)構(gòu)成4種分類方案.利用混淆矩陣分別計算總體精度、kappa系數(shù)、生產(chǎn)者精度、用戶精度對以上4種分類結(jié)果進(jìn)行精度評價.

根據(jù)Janssen[27]等人指出，有必要在統(tǒng)計上以嚴(yán)格的方式比較不同分類的準(zhǔn)確性，需要對由不同分類器計算得到的分類結(jié)果評估精度差異是否顯著.本研究利用雙比例Z值檢驗比較兩種算法中正確分類像素的比例.該測試產(chǎn)生一個兩尾概率值，該概率值測試了每個算法對的正確分類像素的比例之間沒有差異的零假設(shè)，檢驗產(chǎn)生的Z統(tǒng)計量的平方遵循一個自由度的χ2分布，χ2大于3.84表示在5%的置信區(qū)間上具有顯著差異[8].

3 結(jié)果與分析

3.1 特征重要性評估

分別對28種特征組合的隨機(jī)森林分類后的結(jié)果進(jìn)行精度評估，生成特征個數(shù)與分類精度的關(guān)系圖(圖2)，可以得到以下結(jié)論，隨著特征個數(shù)的增加，特征重要性得分靠前且貢獻(xiàn)率較高的變量率先作為隨機(jī)森林模型的輸入量，特征變量間相關(guān)性較低，總體精度與kappa系數(shù)呈現(xiàn)急劇增長的趨勢，前期隨著可見光波段與紅邊指數(shù)波段輸入到隨機(jī)森林分類模型中，分類精度與kappa系數(shù)由48.69%和0.36迅速上升到89.19%和0.85，分類精度上升的趨勢迅速.中期呈現(xiàn)波動上升的趨勢，在特征個數(shù)達(dá)到13時，分類精度與kappa系數(shù)達(dá)到最高，分別為90.69%和0.87，特征個數(shù)從13增加到28時，由于特征之間的相互關(guān)聯(lián)導(dǎo)致數(shù)據(jù)冗余，耗時增加，使得分類器性能降低，從而導(dǎo)致分類過擬合的現(xiàn)象產(chǎn)生，使得分類精度呈現(xiàn)波動減小的趨勢.根據(jù)分類精度結(jié)果，選擇最高的前13個特征變量組合作為優(yōu)選特征集，并將基于特征優(yōu)選后的隨機(jī)森林分類結(jié)果參與后續(xù)的精度評估.

根據(jù)優(yōu)選特征重要性分布圖(圖4)可知，Sentinel-2A的光譜波段特征占所有優(yōu)選特征組合個數(shù)的62%，紅邊指數(shù)占31%，紋理特征占7%，說明影像光譜特征及紅邊指數(shù)特征在濕地信息提取中發(fā)揮著重要的作用.在優(yōu)選特征重要性分布中，藍(lán)光波段對洪湖濕地信息提取起重要的作用，藍(lán)光波段重要性得分最高，分值達(dá)到2.85.可能的原因在于：1)藍(lán)光波段對水體穿透性強，同時對植物綠反射反應(yīng)敏感，具有較強的檢測水體、識別植物的能力.洪湖作為長江中下游的大型湖泊，其主要地物類型為開闊水體，所以藍(lán)光波段重要性得分最高.2)根據(jù)Immitzer與何云[28-29]等人研究結(jié)果表明，藍(lán)光波段受其他波段特征關(guān)聯(lián)的影響，藍(lán)光波段選定后其他與其關(guān)聯(lián)性強的波段特征重要性得分會相應(yīng)降低，也使得藍(lán)光波段重要性得分偏高；3)可見光波段中藍(lán)光波段與其他波段相關(guān)性較低，重要性得分偏高.近紅外波段排名相對靠前，位列第三，對于提高隨機(jī)森林分類精度起到一定的作用.優(yōu)選特征組合中紅邊指數(shù)排名靠前，紅邊指數(shù)特征重要性得分差異不大，其中IRECI指數(shù)重要性得分最高，達(dá)到1.71.在提取的5個紋理特征中只有均值(Mean)重要性得分較高，位列12，由于洪湖濕地土地覆蓋類型中水體占絕大多數(shù)比例，水體內(nèi)部異質(zhì)性小，整體分類圖斑比較規(guī)整，故紋理特征占優(yōu)選特征的比例較小，僅有均值(Mean)納入優(yōu)選特征組合中.原始光譜波段與紅邊指數(shù)對于提取濕地土地覆蓋的貢獻(xiàn)大于一般的植被指數(shù)，由于植被水體指數(shù)的重要性貢獻(xiàn)率偏低，發(fā)揮相對較弱的作用，沒有在優(yōu)選特征組合中體現(xiàn).由此推斷，與傳統(tǒng)的光譜植被指數(shù)相比，紅邊植被指數(shù)是更有效的濕地植被的檢測特征變量，將有助于改進(jìn)目前基于遙感的濕地信息提取及土地覆蓋監(jiān)測，這也與Raczko[30]等人研究結(jié)果相一致.

3.2 特征變量對于區(qū)分地物的意義

遙感影像中不同波段對于分類不同地物具有重要意義，通過計算每種典型地類的特征均值，得到地物波譜曲線(圖5).對于紅邊指數(shù)，由于紅邊指數(shù)量綱不同，對各類地物的紅邊指數(shù)均值進(jìn)行標(biāo)準(zhǔn)化處理.由圖5可知，紅邊指數(shù)特征IRECI與MCARI上水體波譜、浮葉及挺水植被與其他地物波譜間具有明顯差異，可見紅邊指數(shù)對于洪湖復(fù)雜濕地信息提取具有重要意義.相較于其他紋理特征，均值(Mean)地物波譜曲線差異較大，在區(qū)分地物上更具優(yōu)勢.原始光譜特征中近紅外波段在區(qū)分地物類別中相對具有較大差異，因而IRECI指數(shù)和MCARI指數(shù)的重要性得分較高，在評估特征變量的重要性得分時，B8a波段的重要性排名靠前，紋理特征中僅有均值(Mean)納入優(yōu)選特征集中.

3.3 分類結(jié)果及精度評價

基于四種不同分類方案下的濕地信息分類結(jié)果(圖6)可知，通過目視解譯效果來看，方案c和方案d的分類效果較差，出現(xiàn)了“椒鹽現(xiàn)象”及類別錯分，坑塘與湖泊兩類水體斑塊交界處區(qū)分較差，存在混分現(xiàn)象，其中方案d中沉水植被與水體之間、其他用地與浮葉及挺水植被類別之間存在錯分現(xiàn)象.由于復(fù)雜的景觀總是包含一些相似的地物類別，例如本研究中的坑塘與湖泊，其他用地與浮葉及挺水植被等類別，雖具有相似的光譜特征，但為不同的土地覆蓋類別，支持向量機(jī)與最大似然分類算法在此類類別上集成訓(xùn)練樣本的能力將被削弱，導(dǎo)致以上地物類別之間重疊、混分、錯分的現(xiàn)象出現(xiàn).

圖5 地物波譜曲線Fig.5 Spectral curve of surface features

通過計算不同分類方案下的混淆矩陣，獲得各類地物的生產(chǎn)者精度、用戶精度以及分類結(jié)果的總體精度與kappa系數(shù)結(jié)果(見表2).各分類方案的分類精度差異較大，基于特征優(yōu)選的隨機(jī)森林方案分類精度最高，總體精度達(dá)到90.69%，kappa系數(shù)達(dá)到0.87，原始隨機(jī)森林分類精度次之，最大似然法分類精度最低，其總體精度和kappa系數(shù)分別僅為83.12%和0.77.基于特征優(yōu)選的隨機(jī)森林方案分類結(jié)果中，匯總其混淆矩陣(表3)，可以看出，湖泊、浮葉及挺水植被、耕地及建設(shè)用地以上4種類別的生產(chǎn)者精度和用戶精度均高于85%，分類效果較好.由于其他用地與坑塘交相分布，內(nèi)部結(jié)構(gòu)復(fù)雜，在分類過程中分類精度不高，其他用地與坑塘混淆，用戶精度與生產(chǎn)者精度均低于80%.

提取的特征集的個數(shù)與特征變量將影響分類類別的生產(chǎn)者精度、用戶精度以及總體精度.所有特征參與分類時，因信息冗余造成原始隨機(jī)森林分類結(jié)果的總體精度降低并影響分類類別的分類精度，所有特征的隨機(jī)森林分類方案中考慮到沉水植被指數(shù)，沉水植被類別中生產(chǎn)者精度與用戶精度有所提高，但數(shù)據(jù)冗余導(dǎo)致的分類性能降低也造成了其他地物類別生產(chǎn)者精度和用戶精度的降低從而造成總體精度降低.相較于隨機(jī)森林分類結(jié)果而言，支持向量機(jī)與最大似然法未考慮紋理特征及紅邊、植被水體指數(shù)特征等變量，所以支持向量機(jī)分類和最大似然法分類結(jié)果中沉水植被、坑塘及其他用地等類別的分類精度值較低，導(dǎo)致整體分類精度結(jié)果較差，其中總體分類精度分別降低了6.02%、7.57%.

圖6 基于四種不同分類方案的分類結(jié)果Fig.6 Classification results based on four different classification schemes

由于各分類方案的訓(xùn)練樣本與驗證樣本數(shù)量相同，可以對精度做無偏估計，利用雙比例Z值檢驗來判斷算法對之間的精度分布差異(表4)，結(jié)果可知：其中基于特征優(yōu)選的隨機(jī)森林分類結(jié)果分別與傳統(tǒng)的支持向量機(jī)分類和最大似然法分類的精度分布在統(tǒng)計學(xué)上具有顯著差異(p<0.01，χ2=25.891；p<0.01，χ2=38.895).相較于特征優(yōu)選的隨機(jī)森林分類和支持向量機(jī)分類的算法對的精度分布差異，基于特征優(yōu)選的隨機(jī)森林分類和最大似然法分類的兩種算法的精度分布差異更大；支持向量機(jī)分類與最大似然法分類的總體精度分布并沒有顯著差異(p>0.05，χ2=1.379).

表2 分類精度統(tǒng)計Tab.2 The statistics of classification accuracy

表3 基于特征優(yōu)選的隨機(jī)森林方法的分類結(jié)果混淆矩陣Tab.3 Confusion matrix of classificationresult based on feature-optimized random forest

表4 不同分類器下算法對的雙比例Z值統(tǒng)計檢驗Tab.4 A two proportion Z-test for algorithm pairsunder different classifiers

4 結(jié)論

1)從特征個數(shù)與分類精度的關(guān)系來看，當(dāng)特征個數(shù)增加到13以后，隨機(jī)森林分類精度會隨著特征個數(shù)過多造成的數(shù)據(jù)冗余以及分類過擬合現(xiàn)象而下降.

2)優(yōu)選特征組合下，受藍(lán)光波段自身穿透性強的特性和其他相關(guān)聯(lián)的特征影響，藍(lán)光波段的重要性得分最高，對濕地信息提取發(fā)揮重要作用.紅邊指數(shù)及紅邊波段的重要性排名靠前，而傳統(tǒng)的植被指數(shù)沒有在優(yōu)選特征集中體現(xiàn)，表明在提取湖泊濕地信息時，相較于傳統(tǒng)的植被指數(shù)，紅邊波段及紅邊指數(shù)發(fā)揮的作用更明顯，紅邊波段及紅邊指數(shù)的應(yīng)用將可能替代傳統(tǒng)的植被指數(shù)，并提升分類精度.

3)比較不同分類方案下的分類精度，基于特征優(yōu)選的隨機(jī)森林分類精度高于原始隨機(jī)森林分類結(jié)果，基于特征優(yōu)選的隨機(jī)森林分類精度明顯高于支持向量機(jī)分類和最大似然法分類，在5%的置信區(qū)間上具有顯著差異.

綜上所述，基于特征優(yōu)選的隨機(jī)森林方法對于優(yōu)化提取復(fù)雜濕地信息發(fā)揮重要的作用，將為今后管理濕地提供科學(xué)依據(jù)與決策支持.