蔣小敏
(安徽理工大學(xué)空間信息與測(cè)繪工程學(xué)院,安徽 淮南 232001)
樹(shù)冠在樹(shù)木中占據(jù)著較大的面積,是進(jìn)行光合作用的主要場(chǎng)所,為其生長(zhǎng)提供主要的能量。對(duì)樹(shù)木的樹(shù)冠大小進(jìn)行判斷與研究,可以用來(lái)監(jiān)測(cè)樹(shù)木的長(zhǎng)勢(shì),預(yù)估樹(shù)木的生物量,對(duì)樹(shù)木病蟲(chóng)害的防治也有一定的作用。近年來(lái)遙感技術(shù)突飛猛進(jìn),國(guó)內(nèi)外研究者通過(guò)利用遙感數(shù)據(jù)對(duì)樹(shù)冠結(jié)構(gòu)加以研究進(jìn)行提取樹(shù)冠信息的研究方法有很多種。例如,2005年,Perrin等應(yīng)用標(biāo)記點(diǎn)過(guò)程模型對(duì)高空間分辨率彩色近紅外影像進(jìn)行樹(shù)冠提??;2009年,F(xiàn)orzieri等應(yīng)用激光雷達(dá)數(shù)據(jù)研發(fā)了具有時(shí)效性較強(qiáng)、成本較低的單木樹(shù)冠提取過(guò)程。馮益明等[1]利用空間統(tǒng)計(jì)學(xué)半方差理論對(duì)人工冠幅進(jìn)行估量,取得了較高精度;熊軼群等[2]通過(guò)采集樹(shù)冠中心點(diǎn)坐標(biāo),建立射線(xiàn)方程,基于射線(xiàn)法提取樹(shù)冠面積;萬(wàn)紅梅等[3]采納人機(jī)交互方法提取樹(shù)冠信息,以實(shí)測(cè)數(shù)據(jù)為真值進(jìn)行驗(yàn)證;周艷飛等[4]通過(guò)對(duì)比支持向量機(jī)法、光譜結(jié)合紋理支持向量機(jī)(Support Vector Machine,SVM)以及面向?qū)ο蠓诸?lèi)法3種方法提取樹(shù)冠。傳統(tǒng)的外業(yè)測(cè)量不僅作業(yè)強(qiáng)度大、效率低,而且主觀(guān)因素的依賴(lài)性大,測(cè)量精度難以保證。尋找一種客觀(guān)、高效、準(zhǔn)確的單木樹(shù)冠提取方法不僅是林業(yè)學(xué)者關(guān)心的問(wèn)題,也受到了遙感與地理信息科學(xué)及計(jì)算機(jī)視覺(jué)學(xué)者的高度關(guān)注。目前,樹(shù)冠的提取研究從對(duì)航空像片目視解譯開(kāi)始,已經(jīng)逐步發(fā)展到應(yīng)用被動(dòng)影像和主動(dòng)激光雷達(dá)數(shù)據(jù)進(jìn)行自動(dòng)和半自動(dòng)提取階段。本文以果子溝研究區(qū)里的Quickbird遙感影像作為處理數(shù)據(jù)源,運(yùn)用面向?qū)ο蠓诸?lèi)的方法,對(duì)研究區(qū)的云杉樹(shù)冠進(jìn)行提取研究。
霍城縣位于新疆維吾爾自治區(qū)西部,隸屬于伊犁哈薩克自治州,地理位置為東經(jīng)8°11′~81°24′,北緯43°39′~44°50′。屬于溫帶半干旱氣候,全年日照時(shí)數(shù)2 550~3 500 h,每日日照時(shí)數(shù)8~12 h,年平均氣溫8.2~9.4℃,年降水量達(dá)到140~460 mm。全縣南北跨度120 km,東西橫跨85 km?;舫强h城沿東北方向40 km處就是本文研究的果子溝地區(qū),全長(zhǎng)28 km,云杉人工林遍布。
數(shù)據(jù)獲取時(shí)間為2017年6月28日,像元大小為0.6 m的高分辨率遙感影像,數(shù)據(jù)采集當(dāng)天天氣情況良好,獲取的遙感圖像較清晰,其成像質(zhì)量較好,包括研究區(qū)內(nèi)的1∶10 000的地形圖和1∶10 000數(shù)字高程模型(Digital Elevation Model,DEM)數(shù)據(jù)以及需要用到的處理圖像軟件eCognition 8.7,ENVI 5.3和Arcgis 10.0等。
下載的遙感影像數(shù)據(jù)不能直接加以利用,圖像中除了包含所需的信息外,還包含了一些無(wú)用信息。為了提取可靠的信息,去除誤差,增強(qiáng)信息的可靠性,簡(jiǎn)化數(shù)據(jù),需要進(jìn)行預(yù)處理。本文采用ENVI 5.3軟件,利用1∶10 000的地形圖和1∶10 000 DEM數(shù)據(jù)對(duì)遙感影像進(jìn)行正射校正,即在獲取的QuickBird遙感影像上選取控制點(diǎn),利用DEM數(shù)據(jù)對(duì)影像做傾斜改正和投影差改正,重采樣成正射影像圖。經(jīng)校正后的正射影像圖具有豐富的信息,采用K-L變換對(duì)多光譜影像融合取得了較好效果,通過(guò)人工可判別出影像中的深色區(qū)域?yàn)闃?shù)冠。
面向?qū)ο蠓诸?lèi)方法主要是對(duì)多個(gè)像元群(也稱(chēng)為目標(biāo)對(duì)象)進(jìn)行分析,而非單個(gè)像元,這樣的分析與單個(gè)像元的分析相比,更能凸顯其現(xiàn)實(shí)意義[5]。面向?qū)ο蟮姆诸?lèi)方法是建立在目標(biāo)對(duì)象基礎(chǔ)上的,研究的是實(shí)實(shí)在在的有意義影像對(duì)象,模仿人類(lèi)的大腦思維來(lái)認(rèn)知現(xiàn)實(shí)世界中的事物,分析的是單個(gè)實(shí)體而不僅僅是一個(gè)單獨(dú)存在的像元。面向?qū)ο蠓诸?lèi)法的原理可以簡(jiǎn)單地理解為對(duì)整個(gè)影像進(jìn)行分割、分類(lèi),最終得到所需結(jié)果[6-7]。
在高分辨率遙感影像中,因地物的影像特征互不相同,所以分割參數(shù)的設(shè)置也應(yīng)根據(jù)實(shí)際影像圖進(jìn)行,且分割參數(shù)的不同,其所分割出來(lái)的影像也不盡相同,對(duì)之后的分類(lèi)精度有很大的影響[8-10]。因此為獲取最優(yōu)的分割尺度和方法,對(duì)各種參數(shù)(分割尺度、平滑度和緊致度)進(jìn)行組合試驗(yàn),最終經(jīng)過(guò)對(duì)比,得到分割尺度為5,平滑度為0.1,緊致度為0.5時(shí)可較好地分割出天山云杉的樹(shù)冠,其分割結(jié)果見(jiàn)圖1。
圖1 分割尺度為5、平滑度為0.1、緊致度為0.5時(shí)的天山云杉樹(shù)冠
提取樹(shù)冠信息,需要將地物進(jìn)行分類(lèi),以獲得樹(shù)冠的分布圖。本文運(yùn)用的是eCognition中基于樣本的監(jiān)督分類(lèi)方法。最鄰近分類(lèi)算法是通過(guò)對(duì)一個(gè)分類(lèi)樣本進(jìn)行特征選擇形成樣例,然后在最鄰近算法里添加或編輯需要分類(lèi)的樣本,簡(jiǎn)化步驟,提高自動(dòng)化。本文使用波段均值和標(biāo)準(zhǔn)差配置最鄰近特征,分類(lèi)結(jié)果見(jiàn)圖2。
圖2 果子溝林場(chǎng)樹(shù)冠提取效果圖
用eCognition軟件對(duì)圖像進(jìn)行分割分類(lèi)后可看到樹(shù)冠的分布情況,為了進(jìn)一步對(duì)樹(shù)冠信息進(jìn)行研究,需將樹(shù)冠提取出來(lái)生成矢量數(shù)據(jù),利用ArcGIS 10.0軟件打開(kāi)后可看到提取出來(lái)的樹(shù)冠信息,因而可以做后續(xù)的空間分析或面積統(tǒng)計(jì)(見(jiàn)圖3)。
圖3 果子溝林場(chǎng)樹(shù)冠分布圖
為了驗(yàn)證結(jié)果是否符合精度要求,需要對(duì)結(jié)果進(jìn)行分類(lèi)精度評(píng)價(jià),然后將取得的分類(lèi)結(jié)果輸出,才能獲得樹(shù)冠大小信息。在eCognition軟件中基于分割對(duì)象選擇樣本,然后做精度分析,得出:總精度為0.89, Kappa系數(shù)為0.82。從得到的分析結(jié)果來(lái)看,本文采用的提取技術(shù)基本能夠滿(mǎn)足精度要求。Kappa系數(shù)能夠更準(zhǔn)確地反映整體的分類(lèi)精度,Kappa系數(shù)越大,其分類(lèi)質(zhì)量越好。本文實(shí)驗(yàn)得到的分類(lèi)精度見(jiàn)表1。
表1 面向?qū)ο蠓诸?lèi)精度
1)本文用的是高空間分辨率衛(wèi)星的全色波段數(shù)據(jù),相對(duì)于其他遙感影像,地面分辨率較高,綠色植物在多光譜波段上的表現(xiàn)大多數(shù)是不相同的,數(shù)據(jù)經(jīng)過(guò)正射校正、圖像融合等預(yù)處理后,影像紋理信息相對(duì)豐富,圖像較清晰,能較好地反映地面樹(shù)冠的結(jié)構(gòu)特征,可將樹(shù)冠與其他地物區(qū)別開(kāi)來(lái)。
2)圖像分割參數(shù)(分割尺度、平滑度、緊致度)的選取對(duì)后面的面向?qū)ο蠓诸?lèi)結(jié)果的精度具有很大的影響,因這些分割參數(shù)不固定,所以必須經(jīng)過(guò)多次反復(fù)實(shí)驗(yàn),才能找到較合適的分割參數(shù),在一定程度上對(duì)圖像對(duì)象的精度具有較大的提高。
3)在樹(shù)木比較密集的森林里,樹(shù)冠與樹(shù)冠之間會(huì)有相互遮擋、掩蓋,一些較小的樹(shù)木會(huì)被大樹(shù)所覆蓋,導(dǎo)致樹(shù)冠提取的精度會(huì)降低。本文研究的是特定的天山云杉樹(shù)種,不具有普遍實(shí)用性。
4)相比于其他提取方法而言,本文的面向?qū)ο筇崛》椒ň瓤梢赃_(dá)到要求,但在基于樣本的監(jiān)督分類(lèi)中,訓(xùn)練樣本的選取依靠的是人工的目視解譯,自動(dòng)化程度低,在一定程度上影響樹(shù)冠的提取效率和提取精度。