梁慶璇，巫殷麟，謝鳳杏，楊宇寧，許 潔

（1.南寧師范大學(xué)自然資源與測(cè)繪學(xué)院，廣西 南寧 530001；2.廣西自然資源遙感院，廣西 南寧 530023；3.南寧師范大學(xué)經(jīng)濟(jì)與管理學(xué)院，廣西 南寧 530001）

1 概述

植被作為環(huán)境的重要組成因子，是反映區(qū)域生態(tài)環(huán)境狀況的最好標(biāo)志之一，也是土壤、水文等要素的解譯標(biāo)志[1]。而城市植被作為區(qū)域植被的一部分，是城市生態(tài)系統(tǒng)重要的組成因素，對(duì)于構(gòu)建生態(tài)城市、保護(hù)城市生態(tài)環(huán)境起著舉足輕重的作用，如凈化空氣、防止水體流失以及改善區(qū)域氣候等[2]。植被覆蓋度［植被（包括葉、莖、枝）在單位面積內(nèi)的垂直投影面積所占百分比］作為植被生長狀況的直觀量化指標(biāo)，在水文、氣象、生態(tài)等方面的區(qū)域或全球性問題的研究中起著重要的作用[3]。因此，及時(shí)、準(zhǔn)確地獲取城市植被覆蓋信息具有重要的理論與現(xiàn)實(shí)意義。

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，城市化進(jìn)程進(jìn)一步加快，在這個(gè)過程當(dāng)中如何謀求城市與環(huán)境協(xié)調(diào)發(fā)展，已經(jīng)成為了人們迫切研究的方向。目前，城市植被信息提取主要有人工實(shí)地測(cè)量和基于遙感影像的信息提取兩種方式?；谶b感影像對(duì)城市植被信息進(jìn)行提取，研究城市植被的分布和結(jié)構(gòu)，可以為城市綠地系統(tǒng)規(guī)劃、改善城市生態(tài)質(zhì)量提供參考。因此，本研究以O(shè)LI影像為數(shù)據(jù)源，利用ENVI5.3和Arc GIS10.2軟件提取植被覆蓋信息，通過對(duì)比不同的波段組合方式在分類總體精度上、空間上和數(shù)據(jù)上的精確度，最終確定提取南寧市邕寧區(qū)的植被覆蓋信息的最佳組合方式，研究進(jìn)行的小區(qū)域植被信息提取，可為大面積范圍的植被信息提取提供參考。

2 數(shù)據(jù)與研究方法

2.1 研究區(qū)域概況

南寧市邕寧區(qū)地處“南寧盆地”東南部，總的地勢(shì)是南、北高，中部低，由西向東傾斜。地理坐標(biāo)介于東經(jīng)108°25′～108°51′、北緯22°23′～22°45′。邕寧區(qū)由百濟(jì)鎮(zhèn)、蒲廟鎮(zhèn)、那樓鎮(zhèn)、新江鎮(zhèn)、中和鄉(xiāng)等5個(gè)鄉(xiāng)鎮(zhèn)組成，總面積1 295 km2。屬亞熱帶季風(fēng)氣候，境內(nèi)植物種類主要有蕨類、裸子類和被子類植物，種類繁多。森林植被有桉樹、松樹、樟樹等，以馬尾松、濕地松和桉樹居多。糧食作物主要有水稻、玉米。經(jīng)濟(jì)作物主要有甘蔗、桑園，果木林有芒果、荔枝、柑橙等。珍稀植物有金花茶、蘇木等。

2.2 數(shù)據(jù)來源與處理

本研究的數(shù)據(jù)主要有Landsat 8 OLI衛(wèi)星影像、南寧市邕寧區(qū)的谷歌地圖和行政界線矢量圖。Landsat 8衛(wèi)星OLI影像中，與提取植被信息相關(guān)的有波段2，主要用于水體穿透，分辨土壤植被；波段3，主要作用是用于分辨植被；波段4，處于綠葉素吸收的區(qū)域，用于觀測(cè)道路、裸露土壤、植被種類等；波段5，用于云和植被覆蓋變換；波段8，波段范圍較窄，可更好區(qū)分植被和無植被。OLI影像具體信息見表1。

表1 OLI影像信息表

為更好突顯植被信息，研究利用ENVI5.3對(duì)Landsat 8 OLI影像數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、影像裁剪、新波段變量構(gòu)造（包括主成分分析、歸一化植被指數(shù)和纓帽變化）、波段組合（包括原始波段組合、主成分分析波段組合和衍生波段組合）等處理。

2.3 研究方法

2.3.1 監(jiān)督分類

在對(duì)3種波段組合完成后，分別對(duì)3個(gè)組合波段的影像進(jìn)行監(jiān)督分類，以提取植被覆蓋信息。監(jiān)督分類一般分為3個(gè)步驟：創(chuàng)建訓(xùn)練樣本、執(zhí)行監(jiān)督分類、分類評(píng)價(jià)及分類后處理。本次監(jiān)督分類在定義訓(xùn)練樣本時(shí)分別定義水體、居民地、裸地、植被。在執(zhí)行監(jiān)督分類時(shí)選擇極大似然估計(jì)方法（Maximum Likelihood Estimate,MLE）進(jìn)行分類。在分類過程中，首先保證樣本分類始終只由一個(gè)人完成，且各類訓(xùn)練樣本的數(shù)量一致；其次保證分類方法相同，盡量排除人為和實(shí)驗(yàn)過程帶來的影響。

（1）原始波段組合影像監(jiān)督分類。針對(duì)原始波段組合影像，用極大似然估計(jì)方法對(duì)其進(jìn)行監(jiān)督分類，訓(xùn)練樣本可分離性計(jì)算報(bào)表見表2，原始波段組合的影像經(jīng)過監(jiān)督分類后，結(jié)果如圖1所示。

圖1 原始波段組合影像植被提取結(jié)果圖

表2 原始波段組合影像訓(xùn)練樣本可分離性計(jì)算報(bào)表

（2）PCA波段組合影像監(jiān)督分類。針對(duì)PCA波段組合影像，用極大似然估計(jì)方法對(duì)其進(jìn)行監(jiān)督分類，訓(xùn)練樣本可分離性計(jì)算報(bào)表見表3，由主成分分析后PC312波段組合的影像，經(jīng)過監(jiān)督分類后得到的植被覆蓋信息結(jié)果如圖2所示。

表3 PCA波段組合影像訓(xùn)練樣本可分離性計(jì)算報(bào)表

圖2 PCA波段組合影像植被提取結(jié)果圖

（3）衍生波段組合影像監(jiān)督分類。針對(duì)衍生波段組合影像，用極大似然估計(jì)方法對(duì)其進(jìn)行監(jiān)督分類，訓(xùn)練樣本可分離性計(jì)算報(bào)表見表4，由衍生波段組合的影像，經(jīng)過監(jiān)督分類后得到的植被覆蓋信息結(jié)果如圖3所示。

圖3 衍生波段組合影像植被提取結(jié)果圖

2.3.2 目視解譯

為了對(duì)比3種組合方式影像的監(jiān)督分類結(jié)果在空間上的精度，本研究將谷歌地圖作為參照?qǐng)D，如圖4所示，將裁剪后的谷歌地圖導(dǎo)入ArcGIS10.2中進(jìn)行目視解譯。目視解譯后的結(jié)果如圖5所示。

圖4 谷歌地圖邕寧區(qū)影像

圖5 目視解譯結(jié)果圖

3 結(jié)果分析

本研究以2017年10月28日南寧市邕寧區(qū)Landsat8 OLI影像為數(shù)據(jù)源，將影像經(jīng)過預(yù)處理后進(jìn)行原始波段組合、主成分分析波段組合、衍生波段組合，然后將3種組合方式的影像進(jìn)行監(jiān)督分類。并將3種組合監(jiān)督分類結(jié)果與目視解譯結(jié)果和南寧市統(tǒng)計(jì)年鑒提供的數(shù)據(jù)進(jìn)行對(duì)比，最后得出提取南寧市邕寧區(qū)植被覆蓋信息最佳的波段組合方式。

3.1 實(shí)驗(yàn)精度分析

3.1.1 3種組合監(jiān)督分類結(jié)果的相互對(duì)比

將影像經(jīng)過監(jiān)督分類之后，在ENVI中選擇Confusion Matrix Using Ground Truth ROIS選項(xiàng)，分別得到3種組合方式的混淆矩陣圖，由混淆矩陣圖可得到3種波段組合方式的KAPPA系數(shù)和總體精度，具體結(jié)果見表5。

表5 KAPPA系數(shù)和總體精度表

由表6可以發(fā)現(xiàn)3種波段組合方式的影像經(jīng)過監(jiān)督分類之后，KAPPA系數(shù)由高到低為衍生波段組合＞原始波段組合＞主成分變換波段組合，總體精度由高到低為衍生波段組合＞原始波段組合＞主成分變換波段組合。由自身的分類精度對(duì)比可知衍生波段組合的監(jiān)督分類結(jié)果要優(yōu)于其他2種組合方式。

3.1.2 3種組合監(jiān)督分類結(jié)果與目視解譯結(jié)果的對(duì)比

為了對(duì)比3種組合方式的監(jiān)督分類結(jié)果在空間上的精度，本研究將3種波段組合影像監(jiān)督分類結(jié)果與谷歌影像地圖在ArcGIS10.2中的目視解譯結(jié)果進(jìn)行對(duì)比，如圖6-圖9所示。

圖6 原始波段影像監(jiān)督分類結(jié)果

圖7 PCA波段影像監(jiān)督分類結(jié)果

圖8 衍生波段影像監(jiān)督分類結(jié)果

圖9 目視解譯結(jié)果

對(duì)比上圖可知原始波段影像監(jiān)督分類結(jié)果和衍生波段影像監(jiān)督分類結(jié)果在空間性上比較接近目視解譯的結(jié)果，PCA波段組合影像監(jiān)督分類結(jié)果與目視解譯的結(jié)果相差較大?，F(xiàn)將原始波段影像監(jiān)督分類結(jié)果和衍生波段影像監(jiān)督分類結(jié)果和目視解譯結(jié)果通過局部放大后對(duì)比，最終確定最接近目視解譯結(jié)果的波段組合影像，局部放大對(duì)比如圖10-圖12所示。

圖10 原始波段組合分類局部放大圖

圖11 衍生波段組合分類局部放大圖

圖12 目視解譯局部放大圖

通過對(duì)比圖10-圖12，可以發(fā)現(xiàn)衍生波段組合影像的監(jiān)督分類結(jié)果與目視解譯結(jié)果在空間性上較為接近，由此可知衍生波段組合影像的監(jiān)督分類結(jié)果要優(yōu)于其他兩種組合的分類結(jié)果。

3.1.3 植被面積取結(jié)果精度對(duì)比

本研究為了對(duì)比3種組合方式的影像監(jiān)督分類提取的植被覆蓋面積數(shù)據(jù)上的精確性，利用ArcGIS分別統(tǒng)計(jì)出原始波段組合影像、主成分變換波段組合影像、衍生波段組合影像經(jīng)過監(jiān)督分類后植被的面積和目視解譯得到的面積，結(jié)合南寧市統(tǒng)計(jì)年鑒做出對(duì)比，結(jié)果見表6。

表6 植被提取面積（km2）

通過對(duì)比可知衍生波段組合經(jīng)過監(jiān)督分類提取的植被面積和目視解譯結(jié)果、南寧市統(tǒng)計(jì)年鑒在數(shù)值上最接近，其次是原始波段組合的監(jiān)督分類結(jié)果，最后是主成分變換波段組合的監(jiān)督分類結(jié)果。

3.2 植被提取結(jié)果的評(píng)價(jià)

本次植被提取實(shí)驗(yàn)通過對(duì)比3種組合提取植被信息的精度，最終確定提取南寧市邕寧區(qū)植被覆蓋信息效果最好波段組合為衍生波段組合。由提取到的研究區(qū)植被覆蓋信息可知，邕寧區(qū)的植被分布范圍很廣泛，幾乎覆蓋了市區(qū)的大部分面積。這與邕寧區(qū)大部分地區(qū)屬于未開發(fā)利用地有關(guān)，植被生長過程中不受外界因素的干擾。由于本次采用的影像圖分辨率有限，導(dǎo)致從整體來看城市里的植被相對(duì)較少且植被分布較為零散，而且較小的村落幾乎被植被所覆蓋，在提取過程中體現(xiàn)不出來。

本次實(shí)驗(yàn)衍生波段組合影像監(jiān)督分類的結(jié)果在空間上和數(shù)據(jù)精確度上與南寧市邕寧區(qū)真實(shí)地面情況和南寧市統(tǒng)計(jì)年鑒大致相同。

4 總結(jié)與展望

4.1 總結(jié)

本研究對(duì)南寧市邕寧區(qū)植被信息提取實(shí)驗(yàn)過程進(jìn)行總結(jié)如下。

在波段組合過程中，原始波段組合是根據(jù)影像各個(gè)波段的相關(guān)性結(jié)合各個(gè)波段的作用選出的最合適提取植被信息的波段組合，原始波段組合影像監(jiān)督分類的總體精度達(dá)到97.158 6%，在空間性和數(shù)據(jù)精確度上都較接近目視解譯結(jié)果和南寧市統(tǒng)計(jì)年鑒，提取效果一般；主成分變換波段組合是將PC3、PC1、PC2波段分別以紅、綠、藍(lán)進(jìn)行假彩色合成，但主成分變換波段組合影像在監(jiān)督分類時(shí)卻出現(xiàn)了錯(cuò)分最多的情況，最終總體精度也最低，為89.134 4%；衍生波段組合是因?yàn)镹DVI、GVI都能反映出植被的信息，而主成分分析PC1包含了所有波段中90%以上的信息量，所以將PC1作為紅波段，GVI作為綠波段，NDVI作為藍(lán)波段進(jìn)行假彩色的合成，其監(jiān)督分類總體精度為99.613 9%，這是本次實(shí)驗(yàn)中波段組合方式中精度最高的一組，在空間性和提取的植被面積數(shù)據(jù)上也是最接近目視解譯和南寧市統(tǒng)計(jì)年鑒的。

在精度對(duì)比過程中，將3種波段組合方式影像的監(jiān)督分類總體精度相互對(duì)比；在空間上對(duì)比目視解譯得到的結(jié)果；在提取得到的植被面積數(shù)據(jù)精確度上對(duì)比南寧市統(tǒng)計(jì)年鑒提供的面積和目視解譯得到的面積。3種對(duì)比方法都是衍生波段組合影像監(jiān)督分類結(jié)果優(yōu)于其他兩種波段組合影像監(jiān)督分類的結(jié)果。因此，本研究最終確定衍生波段組合為提取植被信息的最佳波段組合方式。

4.2 不足與展望

4.2.1 不足

實(shí)驗(yàn)中有較多不足的地方，首先是本次試驗(yàn)采用的影像數(shù)據(jù)空間分辨率只有30 m，導(dǎo)致在監(jiān)督分類提取樣本時(shí)發(fā)現(xiàn)有較多混合像元的情況出現(xiàn)，影響到了監(jiān)督分類的精確度；其次是本次實(shí)驗(yàn)下載的遙感影像捕獲的時(shí)間是10月底，在這段時(shí)間部分農(nóng)作物已經(jīng)收獲，植被也不處在茂盛生長時(shí)間段內(nèi)，導(dǎo)致在提取植被信息時(shí)產(chǎn)生誤差，也使得提取的植被面積相對(duì)于目視解譯和年鑒提供的面積偏?。蛔詈笫悄恳暯庾g過程工作量太大而出現(xiàn)人為誤差影像實(shí)驗(yàn)精度。這些問題都直接影響到了本次南寧市邕寧區(qū)植被提取實(shí)驗(yàn)的提取精度和實(shí)驗(yàn)精度對(duì)比。

4.2.2 展望

（1）在本次實(shí)驗(yàn)中，采用的OLI影像數(shù)據(jù)空間分辨率不是很高，導(dǎo)致在監(jiān)督分類時(shí)發(fā)現(xiàn)有較多混合像元的情況出現(xiàn)，這種現(xiàn)象在較小的區(qū)域還是會(huì)有一定誤差的。這種現(xiàn)象可以通過提高衛(wèi)星影像的空間分辨率以及在實(shí)驗(yàn)前對(duì)影像進(jìn)行預(yù)處理來解決，所以在提高影像分辨率和影像預(yù)處理方面還需要做很大的改進(jìn)。

（2）本次實(shí)驗(yàn)以谷歌地圖作為參照?qǐng)D進(jìn)行目視解譯，但因工作量較大導(dǎo)致局部細(xì)小植被面積的提取沒有很好地完成，導(dǎo)致提取的面積在精確度上有所下降，這方面還需要在實(shí)驗(yàn)過程中有所提高。