姜 怡，劉 華，趙 峰，馬永康，劉浩棟

(1.中國(guó)林業(yè)科學(xué)研究院資源信息研究所,國(guó)家林業(yè)和草原局林業(yè)遙感與信息技術(shù)重點(diǎn)實(shí)驗(yàn)室,北京 100091)

隨著遙感技術(shù)的發(fā)展和廣泛應(yīng)用，其在退耕還林（草）[1-3]、退耕還濕[4-5]等生態(tài)恢復(fù)工程的監(jiān)測(cè)中也發(fā)揮了重要作用。除了工程進(jìn)展和實(shí)施效果外，植被類(lèi)型識(shí)別也是工程監(jiān)測(cè)的主要內(nèi)容?，F(xiàn)有的植被類(lèi)型識(shí)別方法多采用不同分類(lèi)器進(jìn)行監(jiān)督分類(lèi)[6-7]，其中樣本選擇是監(jiān)督分類(lèi)的必要步驟。通過(guò)研究最佳波段組合方式，增強(qiáng)影像信息的可判讀性，從而實(shí)現(xiàn)分類(lèi)樣本的快速獲取。

最佳波段組合一直是衛(wèi)星數(shù)據(jù)研究的熱點(diǎn)問(wèn)題。對(duì)于擁有多波段光譜信息的傳感器來(lái)說(shuō)，應(yīng)用最佳波段組合可細(xì)致分析衛(wèi)星原始數(shù)據(jù)各波段信息特征以及在各個(gè)領(lǐng)域的應(yīng)用價(jià)值[8-9]。如郭力娜等[10]采用最佳指數(shù)因子與不同土地利用類(lèi)型光譜曲線(xiàn)相結(jié)合的方法，選取了適用于Landsat8 OLI 在土地利用類(lèi)型提取的最佳波段組合為1-5-7；王平平等[11]在研究WorldView2 原始波段最佳波段組合的基礎(chǔ)上，增加了不同光譜指數(shù)，增強(qiáng)巖性信息提??；和曉風(fēng)等[12]針對(duì)濕地類(lèi)型，從信息量、信息熵、最佳指數(shù)3 個(gè)定量指標(biāo)出發(fā)，確定了GF1 影像最佳波段組合為4-3-2。此外，最佳波段組合也是一種數(shù)據(jù)選擇方法，許多學(xué)者采用最佳波段組合方式來(lái)減少冗余信息與噪聲[13-15]，進(jìn)一步提高分類(lèi)精度。

高分六號(hào)衛(wèi)星是我國(guó)首顆精準(zhǔn)農(nóng)業(yè)觀(guān)測(cè)衛(wèi)星，其新增的紅邊波段能夠有效反映植被的光譜信息，可為退耕還濕工程監(jiān)測(cè)，特別是在區(qū)分濕地保護(hù)區(qū)內(nèi)農(nóng)作物與濕地植被方面提供有力的數(shù)據(jù)支持。但目前，利用高分六號(hào)數(shù)據(jù)針對(duì)濕地保護(hù)區(qū)植被信息識(shí)別上的研究較少。本研究以三江國(guó)家級(jí)自然保護(hù)區(qū)為對(duì)象，基于高分六號(hào)數(shù)據(jù)，從制圖中的視覺(jué)評(píng)估角度，開(kāi)展保護(hù)區(qū)植被類(lèi)型識(shí)別中的最佳波段組合研究，并對(duì)結(jié)果進(jìn)行定量評(píng)估。以期為高分六號(hào)數(shù)據(jù)在濕地資源監(jiān)測(cè)中的進(jìn)一步應(yīng)用提供參考。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)概況

三江國(guó)家級(jí)自然保護(hù)區(qū)位于黑龍江省佳木斯市撫遠(yuǎn)市和同江市境內(nèi)，面積198 089 hm2，是以沼澤濕地為主要保護(hù)對(duì)象的自然保護(hù)區(qū)。2000 年被國(guó)務(wù)院批準(zhǔn)為國(guó)家級(jí)自然保護(hù)區(qū)，2002 年被列入《國(guó)際重要濕地名錄》。保護(hù)區(qū)內(nèi)有豐富的濕地資源，土壤肥沃、濕地植被茂密且類(lèi)型復(fù)雜多樣。由于歷史上多次大規(guī)模人口遷入及開(kāi)荒，原有的大部分濕地被農(nóng)田侵占，原始濕地資源遭到破壞。為恢復(fù)保護(hù)區(qū)內(nèi)濕地生態(tài)系統(tǒng)功能，保護(hù)野生動(dòng)物與鳥(niǎo)類(lèi)正常繁衍棲息，自2016 年起，保護(hù)區(qū)開(kāi)始實(shí)施“退耕還濕”工程。為方便區(qū)劃和管理，當(dāng)?shù)卣畬⑷匀槐Ｗo(hù)區(qū)分為黑龍江流域保護(hù)區(qū)（面積106 552 hm2）；烏蘇里江流域保護(hù)區(qū)（面積91 537 hm2）。本研究選擇黑龍江流域保護(hù)區(qū)作為研究區(qū)域（圖1）。

圖1 研究區(qū)高分六號(hào)影像（RGB=3，2，1）Fig.1 Image of GF6 in the study area（RGB=3，2，1）

1.2 數(shù)據(jù)源

“高分六號(hào)”衛(wèi)星搭載了8 譜段CMOS 探測(cè)器，首次增加了能夠有效反映植被特有光譜特性的“紅邊”波段（具體參數(shù)見(jiàn)表1）。本實(shí)驗(yàn)所用數(shù)據(jù)下載于陸地觀(guān)測(cè)衛(wèi)星數(shù)據(jù)（http://36.112.130.153:7777/#/home），2019 年9 月12 號(hào)獲取，數(shù)據(jù)經(jīng)過(guò)輻射定標(biāo)、大氣校正以及正射校正最終形成后續(xù)研究的遙感數(shù)據(jù)。此外，樣本數(shù)據(jù)為2020 年8 月底到9 月初實(shí)地采集，由于研究區(qū)部分地區(qū)自然條件復(fù)雜，導(dǎo)致某些區(qū)域難以進(jìn)入，故采用無(wú)人機(jī)進(jìn)行數(shù)據(jù)采集作為補(bǔ)充。同時(shí)，結(jié)合實(shí)地考察經(jīng)驗(yàn)與google earth 影像選取足夠數(shù)量的樣本點(diǎn)，作為后續(xù)實(shí)驗(yàn)的基礎(chǔ)數(shù)據(jù)。

表1 高分六號(hào)WFV 數(shù)據(jù)Table 1 GF6/WFV

2 研究方法

從影像信息特征與不同植被類(lèi)型間可分性?xún)蓚€(gè)方面出發(fā)，選取標(biāo)準(zhǔn)偏差、信息熵、相關(guān)系數(shù)以及衍生的波段指數(shù)來(lái)反映影像信息特征，從整體角度縮小最佳波段組合選取范圍；再針對(duì)保護(hù)區(qū)植被類(lèi)型的光譜特征，利用J-M 距離方法計(jì)算不同植被類(lèi)型間的可分性，最終確定研究區(qū)植被類(lèi)型識(shí)別的最佳波段組合。

2.1 影像信息特征

2.1.1 影像信息量 標(biāo)準(zhǔn)偏差和信息熵是衡量波段信息量的常用方法。標(biāo)準(zhǔn)偏差可以反映圖像像元值與總體均值之間的離散程度，而信息熵表達(dá)的是圖像灰度分布的聚集特征所包含的信息量。標(biāo)準(zhǔn)偏差與信息熵越大，則信息量就越豐富。統(tǒng)計(jì)研究區(qū)WFV 傳感器8 個(gè)波段的標(biāo)準(zhǔn)偏差、信息熵，最大最小值、均值結(jié)果如表2 所示。

表2 波段統(tǒng)計(jì)信息Table 2 Statistics of spectral information

2.1.2 影像波段相關(guān)性 相關(guān)系數(shù)是用以反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)指標(biāo)。對(duì)于遙感影像來(lái)說(shuō)，相關(guān)系數(shù)表達(dá)的是波段間的信息重合度。相關(guān)系數(shù)越大，則兩個(gè)波段間相關(guān)性越大，二者間的冗余度越大，信息重復(fù)度越高。統(tǒng)計(jì)研究區(qū)各波段間的相關(guān)系數(shù)并繪制相關(guān)系數(shù)矩陣圖（圖2），圖中由藍(lán)到紅相關(guān)性依次增加?？紤]到GF6/WFV 數(shù)據(jù)原始波段設(shè)置并未按照波長(zhǎng)長(zhǎng)度排列，不利于相關(guān)性分析，故圖2 坐標(biāo)按照中心波長(zhǎng)長(zhǎng)度重新排序，這樣更能表達(dá)GF6/WFV 數(shù)據(jù)的各波段之間的相關(guān)性。

圖2 相關(guān)系數(shù)矩陣Fig.2 Image of correlation coefficient matrix

2.2 最佳指數(shù)因子分析

本研究選擇應(yīng)用較為廣泛的OIF指數(shù)[16]方法。OIF指數(shù)不以單個(gè)波段為目標(biāo)尋找最佳波段組合，而是綜合了波段組合內(nèi)部方差與相關(guān)系數(shù)，從組合角度評(píng)價(jià)圖像信息量。OIF指數(shù)越大，則波段組合信息量越大。其計(jì)算公式如下：

其中:Si為波段i的標(biāo)準(zhǔn)差，rij為波段i與波段j之間的相關(guān)系數(shù)。

從GF6/WFV 數(shù)據(jù)的8 個(gè)波段中任意選取3 個(gè)波段組合，共計(jì)56 種組合方式，計(jì)算各波段組合的OIF指數(shù)，并按照OIF數(shù)值從大到小排序，結(jié)果如表3 所示。

表3 最佳波段指數(shù)OIF 值Table 3 The value of OIF

3 三江保護(hù)區(qū)植被類(lèi)型識(shí)別的最佳波段組合

3.1 研究區(qū)影像信息特征分析

由表2 可知，從不同波段的中心波長(zhǎng)來(lái)說(shuō)，按照波長(zhǎng)從短到長(zhǎng)依次是b7＞b1＞b2＞b8＞b3＞b5＞b6＞b4，標(biāo)準(zhǔn)偏差從小到大順序?yàn)閎7＞b1＞b8＞b2＞b3＞b5＞b6＞b4，信息熵差從小到大順序?yàn)閎7＞b1＞b3＞b8＞b2＞b5＞b6＞b4，中心波長(zhǎng)長(zhǎng)度幾乎與信息量呈正相關(guān)。信息量總趨勢(shì)是隨中心波長(zhǎng)增長(zhǎng)而增大，即波長(zhǎng)越長(zhǎng)，圖像反差越大，所含信息量越豐富。其次，由圖2 可知，波段間相關(guān)系數(shù)出現(xiàn)分塊現(xiàn)象，即：b1、b2、b3、b5、b7、b8（簡(jiǎn)稱(chēng)：一組）以及b4、b6（簡(jiǎn)稱(chēng)：二組）。這兩組波段組間相關(guān)性相對(duì)較低，信息重疊程度小，但組內(nèi)部各波段相關(guān)性較高，信息重疊度較大。在最佳波段選擇原則中我們認(rèn)為，最終結(jié)果應(yīng)盡可能選擇波段間相關(guān)性小的3 個(gè)波段。因此，最佳波段組合不宜以組內(nèi)部波段組成。

由表3 可知，OIF指數(shù)排名前6 名波段組合均存在b4 與b6。通過(guò)前文信息特征分析可知，b4 和b6 所含信息量雖大，但二者的相關(guān)性極高，不宜同時(shí)選取?？紤]到波段組合的獨(dú)立性以及信息量，研究決定從所有段組合中選擇含有b4 或b6（不同時(shí)存在）且同時(shí)OIF數(shù)值排名位于前20 的波段組合作為選擇范圍，用于進(jìn)一步分析，即OIF指數(shù)排名第7～26 的波段組合。

3.2 研究區(qū)植被類(lèi)型光譜特征分析

研究區(qū)植被類(lèi)型豐富，是三江平原原始沼澤的核心和縮影。但由于歷史上大規(guī)模開(kāi)荒活動(dòng)，三江國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)存在大量耕地，占地面積較大，作物類(lèi)型單一。研究區(qū)耕地類(lèi)型以玉米和水稻為主，沼澤濕地以沼澤化草甸為主。根據(jù)研究區(qū)植被類(lèi)型特點(diǎn)，本研究選擇沼澤化草甸、玉米、水稻、林地以及草地5 種植被類(lèi)型作為研究對(duì)象，以前期外業(yè)調(diào)查數(shù)據(jù)和谷歌影像作為參考，每種植被類(lèi)型選擇30 個(gè)樣本，計(jì)算每種植被類(lèi)型在8 個(gè)波段上的響應(yīng)值，并繪制不同植被類(lèi)型的光譜特征曲線(xiàn)，如圖3 所示。

圖3 5 種植被類(lèi)型的光譜特征曲線(xiàn)Fig.3 5 Spectral characteristic curve of planting quilt type

根據(jù)圖3 可知，5 種植被類(lèi)型的光譜響應(yīng)值的總體走勢(shì)相近，在單波段區(qū)分程度各不相同。其中，紅邊波段b5、b6 在植被類(lèi)型識(shí)別中表現(xiàn)優(yōu)異，尤其是波段5 對(duì)各植被類(lèi)型區(qū)分的綜合能力位于前列；b4 和b6 波段的玉米、水稻比其他植被類(lèi)型輻射值更高，有利于區(qū)分耕地與其他植被類(lèi)型；可見(jiàn)光波段（b1、b2、b3、b7、b8）的林地輻射值最低而水稻最高，但是b7 波段對(duì)植被類(lèi)型區(qū)分能力極差，為進(jìn)一步縮小最佳波段選擇范圍，故最佳波段組合中不考慮第7 波段。此外，綜合考慮到波段間信息量，故最佳波段組合中應(yīng)包含b4，不包含b6 與b7。

3.3 植被類(lèi)型可分性分析

J-M 距離是度量不同類(lèi)別可分性較為有效的方法，公式如下：

式中:p(X/ωi)為條件概率密度，即第i個(gè)像元屬于第ωi個(gè)類(lèi)別的幾率。Jij取值在0～2 之間，其中，Jij位于0.0～1.0 之間時(shí)，則樣本間不具有光譜可分性；Jij位于1.0～1.9 之間時(shí)，樣本間具有一定的光譜可分性，但存在較大程度的重疊；Jij位于1.9～2.0 之間時(shí)，樣本間具有很好的光譜可分性。

通過(guò)前期基于OIF指數(shù)的信息量以及植被類(lèi)型光譜特征的綜合分析，從OIF指數(shù)法篩選出的20 組波段組合中，排除包含波段6、7 的波段組合，共選出10 組波段組合，依次計(jì)算不同地物類(lèi)型間的J-M 距離（結(jié)果保留2 位小數(shù)）。結(jié)果如表4 所示。

表4 J-M 距離Table 4 Jeffreys-Matusita Distance

基于J-M 距離評(píng)估植被類(lèi)型的可分性結(jié)果可知，從56 個(gè)波段組合中初選出的10 個(gè)波段組合在植被類(lèi)型識(shí)別方面均表現(xiàn)優(yōu)異，僅在區(qū)分沼澤化草甸與草地效果不佳，但在其他植被類(lèi)型間J-M 距離均大于1.83，且絕大多數(shù)J-M 距離大于1.9，驗(yàn)證了篩選結(jié)果的可靠性。其中，在不同波段組合中林地、水稻、玉米和草地4 種植被類(lèi)型間的JM 距離均大于1.94，表明該10 個(gè)組合在這4 種植被類(lèi)型具有較強(qiáng)區(qū)分能力。此外，沼澤化草甸與其他植被類(lèi)型間J-M 距離相對(duì)較低，不宜區(qū)分，尤其是沼澤化草甸與草地，J-M 距離最大為1.76（波段組合1-4-8），最小僅為0.90，表明沼澤化草甸與草地的光譜信息十分相近，容易混淆不易區(qū)分。

3.4 基于三江保護(hù)區(qū)植被類(lèi)型識(shí)別的最佳波段組合

由于J-M 距離方法僅能衡量?jī)煞N地物類(lèi)型間的可分性，本研究采用兩種方法相結(jié)合的綜合評(píng)估法，進(jìn)一步確定三江保護(hù)區(qū)植被類(lèi)型識(shí)別的最佳波段組合。方法一：將各植被類(lèi)型間的J-M 距離按大小排序，累加排名次序，統(tǒng)計(jì)總排名作為最終分?jǐn)?shù)，總分越小則說(shuō)明該波段綜合排名越高，植被類(lèi)型識(shí)別能力越強(qiáng)（表5）。方法二：累加不同植被類(lèi)型兩兩間J-M 距離，記為總分，并按總分大小排序，總分越高則表明波段組合綜合識(shí)別能力越強(qiáng)。綜合兩種方法結(jié)果如表6 所示。

表5 方法一排名Table 5 Rank of method 1

綜合兩種方法進(jìn)行評(píng)估的優(yōu)勢(shì)在于，如果僅采用方法一進(jìn)行評(píng)估，會(huì)產(chǎn)生拉平效應(yīng)。例如表4 中的沼澤化草甸與草地，波段組合1-3-4 的J-M 距離為1.74，波段組合1-4-5 為1.75，數(shù)值相差0.01，排名相差1。同樣在沼澤化草甸與草地中，波段組合2-4-5 的J-M 距離為1.50，波段組合1-3-4 為1.74，數(shù)值相差0.24，但排名仍相差1。如果僅采用方法二進(jìn)行評(píng)估，則又會(huì)出現(xiàn)因?yàn)槟硟煞N植被類(lèi)型的J-M 距離數(shù)值過(guò)小和過(guò)大而過(guò)分影響該波段的綜合排名現(xiàn)象。故在兩種評(píng)估方法中同時(shí)表現(xiàn)優(yōu)異的波段組合，才應(yīng)是我們優(yōu)選的植被類(lèi)型識(shí)別最佳波段組合。

根據(jù)表6 可知，綜合排名第一的波段組合為1-4-5。本研究根據(jù)最佳波段選擇原則，在研究區(qū)地物光譜特征分析基礎(chǔ)上，結(jié)合OIF值排序以及地物類(lèi)型最大差異的分析，最終確定1-4-5 波段為研究區(qū)植被類(lèi)型識(shí)別的最佳波段組合。

表6 波段組合綜合排名Table 6 Comprehensive rank of band combinations

3.5 最佳波段組合驗(yàn)證

為了更加科學(xué)地判定波段1-4-5 為最佳波段組合，本研究選取綜合排名第二的波段組合1-4-8 作為對(duì)比數(shù)據(jù)，以驗(yàn)證最佳波段組合的優(yōu)越性；并將常用于植被識(shí)別的波段組合2-3-4 作為另一組對(duì)比數(shù)據(jù)。采用在小樣本條件下表現(xiàn)較好支持向量機(jī)方法對(duì)3 種波段組合分別進(jìn)行監(jiān)督分類(lèi)，獲取研究區(qū)植被類(lèi)型分布圖。分類(lèi)結(jié)果如圖4 所示。分類(lèi)精度驗(yàn)證結(jié)果如表7 所示。

由表7 可知，波段組合1-4-5 在各植被類(lèi)型識(shí)別精度均表現(xiàn)優(yōu)異，總體精度和Kappa 系數(shù)最高，故進(jìn)一步證明波段波段組合1-4-5 為本研究的最佳波段組合。此外，適合的RGB 組合方式也是選擇最佳波段組合的關(guān)鍵步驟，通過(guò)對(duì)比發(fā)現(xiàn)，R-4、G-5、B-1 為RGB 最佳組合色彩顯示（圖4）。

表7 3 種波段組合分類(lèi)結(jié)果評(píng)價(jià)Table 7 Classification accurary of 3 kinds of band combination

圖4 波段組合分類(lèi)結(jié)果Fig.4 Classification results of band combination

4 結(jié)論

基于GF6/WFV 影像，從影像特征和類(lèi)間可分性角度出發(fā)，對(duì)標(biāo)準(zhǔn)偏差、信息熵和相關(guān)系數(shù)等指標(biāo)進(jìn)行分析，通過(guò)最佳指數(shù)因子方法確定各個(gè)波段組合的信息量；再結(jié)合典型植被類(lèi)型光譜特征曲線(xiàn)、J-M 距離等確定了研究區(qū)典型植被類(lèi)型識(shí)別的最佳波段組合，并得到如下結(jié)論：

（1）對(duì)于GF6/WFV 數(shù)據(jù)，從可見(jiàn)光到近紅外各波段信息量總體為上升趨勢(shì)，其中b4 波段信息熵與標(biāo)準(zhǔn)偏差最大，b7 最小，說(shuō)明b4 包含信息量最多而b7 最少；依據(jù)波段間相關(guān)性可分為兩組：b1、b2、b3、b7、b8（一組）和b4、b6（二組）。兩組波段組內(nèi)相關(guān)性高，信息冗余度高，組間相關(guān)性低，冗余程度低。對(duì)于影像特征分析可知，在后續(xù)研究中，只有從兩組中分別選取適當(dāng)波段進(jìn)行組合，才能保證最終波段組合的獨(dú)立性。

（2）單一的波段選擇方法具有一定局限性，綜合方法可以實(shí)現(xiàn)方法間優(yōu)勢(shì)互補(bǔ)。OIF指數(shù)可評(píng)估波段組合整體信息含量，初步篩選信息豐富的波段組合；光譜特征曲線(xiàn)從單波段角度評(píng)估各類(lèi)型的可分性；J-M 距離從組合角度評(píng)價(jià)不同波段組合對(duì)植被類(lèi)型的區(qū)分能力。綜合以上3 個(gè)角度可獲得最終的最佳波段組合。

（3）經(jīng)過(guò)多指標(biāo)的綜合評(píng)估，在56 個(gè)波段組合中，波段組合4（R）-5（G）-1（B）是三江保護(hù)區(qū)植被類(lèi)型識(shí)別的最佳波段組合。其中林地、水稻、玉米、草地4 種植被類(lèi)型類(lèi)間具有較強(qiáng)的可分性，但沼澤化草甸與其他植被類(lèi)型間J-M 距離相對(duì)較低，尤其與草地間存在部分混淆情況。

本研究基于GF6/WFV 影像對(duì)識(shí)別三江保護(hù)區(qū)植被類(lèi)型的最佳波段組合進(jìn)行了研究，研究結(jié)果中最佳波段組合1-4-5 中包含近紅與紅邊兩個(gè)波段，前人研究表明，該兩個(gè)波段在植被生物量[17]、健康評(píng)估[18]和樹(shù)種[19-22]、農(nóng)作物識(shí)別[23-24]中發(fā)揮了巨大的作用，有助于提高植被信息的提取精度。故本研究提出的最佳波段組合在植被相關(guān)的目視解譯和分類(lèi)等方面具有可靠性，對(duì)于三江平原的植被類(lèi)型快速識(shí)別具有參考價(jià)值。GF6 號(hào)衛(wèi)星作為我國(guó)自主研發(fā)的傳感器，其新增加的波段包含紫波段、黃波段以及兩個(gè)紅邊波段4 個(gè)特殊波段，本研究從原始波段組合角度分析了植被類(lèi)型識(shí)別方面的最佳波段組合，在今后的研究中可以從指數(shù)進(jìn)一步挖掘新增波段在植被方面的應(yīng)用。