论文部分内容阅读
[摘 要]自2001年起，汉江华汉段开始遭遇水葫芦， 2014年10月出现汉江迄今最严重水葫芦肆虐现象，引起人们对汉江水环境的高度关注，有效地提取水葫芦信息对分析水葫芦动态分布和应急处理有重要意义，而利用卫星遥感技术进行汉江水葫芦监测使获取结果更便捷、更高效。本文以2014年10月20日我国高分一号卫星PMS数据为数据源，对研究区的船只、水体、水葫芦进行采样，通过各种物体在DVI、RVI、NDWI、NDVI四种指数变化范围的比较，建立了对象知识库；运用eCognition软件选择合适尺度分割提取研究区，再对研究区进行分割，选取合适的指数和阈值进行了水体、船只、水葫芦的分类；分析了分类结果，并与传统分类技术进行对比，对分类结果进行精度评价，确定面向对象方法的优越性。本次研究为以后开展河道水葫芦应急监测提供技术参考。
[关键词]水葫芦 高分一号 面向对象 eCogition
中圖分类号：TP31 文献标识码：A 文章编号：1009-914X（2016）11-0283-02
引言：水葫芦，别名凤眼莲[1]，自20世纪五、六十年代开始，由南美引进到南方乡村的河塘[2]，它有一定的观赏价值，并且能够吸收水体中的一些有害元素，起到净化水质的作用，故被广泛应用到生态修复工程中[3-5]。但是由于制约水葫芦的天敌欠缺，除此之外，工业废水和生活污水肆意倾倒到江河湖泊，从而水体的富营养化程度升高，也为水葫芦的迅速蔓延创造了有利条件。到了2009年，我国水葫芦灾害面积已经达到38万hm，引起的经济损失约为43.55亿/年[6]。
目前，对水葫芦的综合治理和防治技术研究颇多，其中生物技术经济持久，被广泛应用[7]，但是对于确定水葫芦发生的范围和规模的方法研究较少，尽快确定水葫芦发生范围和发生规模可以更有目标性、更高效地对其作出应急处理。故本文以2014年10月汉江水葫芦大暴发为背景，选取晴川桥至月湖桥段为研究水域，以我国在2013年发射的GF一号卫星2米/8米数据为主要数据源，对汉江水葫芦进行应急监测，目前通过遥感影像对绿色植被进行提取的方法较多，然而很多方法都针对像元，都不能充分利用高分辨率的空间特征，而面向对像的方法则可以充分利用影像的光谱信息和空间结构信息，故本文采用面向对象的分类提取方法，对影像进行分割，再使用常用的植被提取指数DVI、RVI、NDVI、NDWI、TBAI的进行比较，根据各指数的优势建立规则，在对象层次上对水葫芦进行提取，并通过与传统分类方法的对比，表明了面向对象方法的优越性。
1 试验区数据
本研究应用高分一号卫星的MSS多光谱数据。其中PMS传感器幅宽60km，获取的多光谱数据空间分辨率为8米，高分8米多光谱数据较高的空间分辨率和时间分辨率，有利于捕捉地面的动态变化信息[8]。
本研究中选用2014年10月20日的PMS多光谱数据，包括蓝、绿、红三个可见光波段（波长范围分别是0.45-0.52μm、0.52-0.59μm、0.63-0.69μm）和一个近红外波段（波长范围为0.77-0.89μm），空间分辨率为8米。
2 面向对象水葫芦提取
2.1 数据预处理
PMS传感器获取到的多光谱数据的Level2产品在平原地区的几何定位精度约为10米，满足1：5万比例尺地形图的更新要求。故本文不对元数据进行几何精校正，而是借助envi5.1软件通过安装GF插件，对PMS多光谱数据做辐射定标和大气校正，再进行正射校正，最后把研究区裁剪出来，得到研究区接近真实值的反射率。预处理结果如下（图1、图2）。
2.2影像分割提取研究区
对裁剪区域进行研究，使用eCognition软件选取最佳的分割参数，对影像进行分割，提取出研究区边界。
本文使用面向对象的图像分类方法进行分类前，要利用图像分割的方法将图像划分为一个个大小不等且互不相交的小区域，从而把目标对象提取出来[9]。
影像分割中确定最优尺度和分割参数是关键，这直接决定着分类的精度。对研究区进行分割实验，把分割尺度设置为50、100、150、200、250，颜色因子、形状因子、光滑度、紧密度的权重分别设为 0.9、0.1、0.5、0.5。由于研究区域内地物较多，不仅有水体和水葫芦，还有桥梁、船只。因此在寻找分割尺度时就要采取折中方法，既要尽量将桥梁和船只单独分出来，也要保证水葫芦在提取范围内。图2为分割尺度为100的结果，图3为分割尺度为150的结果，图4为分割尺度为200的结果。从图中可以看出，图2虽然能把桥梁与水体分割出来，但是与其它结果相比太破碎。图3虽然研究区较完整，还是有浓度较高的水葫芦岸边区被单独分割，而植被与水体的光谱特征差异较大，在提取时容易漏掉。图4分割的水体区域较完整，不仅将桥梁单独分块，也没有漏掉岸边聚集的水葫芦，能把研究区较完整得分割出来。故200是最优分割尺度。图5为利用分割尺度200，颜色因子、形状因子、光滑度、紧密度的权重分别设为 0.9、0.1、0.5、0.5，进行分割，通过反复试验，用NDWI阈值为>0.08的研究区提取结果最为适合（如图6）。
2.3水葫芦知识库
研究区除了水葫芦主要是水体和船只，由于水葫芦是水上浮游植物，叶绿素浓度较高，较易于与水体区分，但河道中的大量船只光谱特征与水葫芦接近，会干扰提取结果，同时，使用单一指数进行提取有一定的局限性，故，此文结合以下几种常用指数，对小浓度水葫芦、大浓度水葫芦、船只和水体选出适量样本点，求对应指数平均值进行比较，分析各指数在不同物体间指数差异特征，按照一定的规则对水葫芦进行提取。
通过对样本点的各个指数进行对比分析，可以看出，水葫芦与水体通过指数容易区分，但船只对应指数值处在浓度较小水葫芦和浓度较大水葫芦之间，其值都与浓度较小的水葫芦接近，同时浓度较小的水葫芦与水体指数接近，对提取精度造成干扰，故根据表中反应的指数特点，DVI指数不能较好的区分开船只和水葫芦，然而水体与船只的NDWI指数偏大，水体值最大，水葫芦的NDVI值比船只和水体都大，浓度较小的水葫芦与船只的RVI值差距较为明显。 2.4 水葫芦提取与分类
对数据预处理结果在eCognition软件中进行分割，对研究区河道内物质特征进行分析，建立水葫芦提取知识库，在eCognition中根据规则集进行分类得到水葫芦提取结果。
对试验区进行分割，首先考虑到河道中主要有水体、船只和水葫芦三种物质，尺度不同，故经过试验，采用折中的方法进行设置，既要保证水葫芦和船只被独立分割，又要尽可能的使水体对象不会太破碎，经过反复试验得出最佳分割尺度设为10最好，颜色因子、形状因子、光滑度和紧密度的权重设为0.9，、0.1、0.5、0.5 。
根据知识库，先用NDWI指数将水体和大部分船只提取出来，去除大部分船只干扰，再用NDVI指数提取出浓度较大水葫芦和部分浓度较小的水葫芦，最后用TBAI指数对剩余区域提取水葫芦即可，使提取精度提高。
3 结果对比分析
为了客观地评价面向对象水葫芦提取的优势与不足，对试验区数据进行了基于传统监督分类方法的水葫芦提取。用ENVI 5.1 软件的监督分类功能模块对试验区影像选取了样本，使样本点均匀分布，进行传统的最大似然分类、最小距离分类和马氏距离分类。对面向对象分类结果和面向像元的分类结果进行对比分析。面向对象分类结果如图8 所示。
可以得出在传统的面向像元的分类方法中，最大似然分类结果与假彩色合成影像中水葫芦的分布最为接近，但对比面向对象分类和面向像元分类结果可以看出面向对象分类结果更加精确，为了进一步验证结论的正确性，采用ERDAS IMAGINE软件和eCognition软件分别对面向像元和面向对象分类结果进行精度评价。精度评价的结果如下表所示。
从上表的显示结果可以看出，面向对象的分类方法在总精度和Kappa系数上都显著高于面向像元的传统分类方法。
4 结论
本文运用国产高分一号卫星的PMS影像数据，进行面向对象的水葫芦提取方法的研究，通过试验和比较分析得到以下几方面结论：
1） 本文使用GF1 PMS多光谱数据采用面向对象的分类方法对汉江水葫芦进行提取，对水葫芦的提取精度达到92.62%，高于传统的分类提取方法。
2） 采用国产卫星数据获取方便，由于水葫芦在河道发生频率较大，低分辨率数据不能满足要求，采用高分數据进行面向对象的分类，可以充分利用形状和数据中地物的上下文信息，能使浓度较小水葫芦和水体，浓度较小水葫芦和船只得到有效区分，满足精度要求。
3） 面向对象的分类方法是针对同质对象的，大大减少了破碎对象，起到抗噪声作用。
4）不足之处：a.面向对象进行分类，分类精度会受到分割尺度及规则有效区分性的影响，在进行分割尺度选择时，数据质量对分割结果也有一定影响，使得部分区域地物不能被区分出来；b.目前高分卫星数据量有限，有效数据较少，应急效率低。c.此研究区使用尺度分割和阈值提取可以提取出来是因为岸边地物特性与水体光谱差异较大。对于其它区域水体不一定适用。
参考文献：
[1] 郑有念.关于开展水葫芦整治工作的思考[J].引进与咨询，2006，（5）：37
[2] 邵江樵.生态入侵者——水葫芦[J].生物学教学，2003，28（3）：63-64
[3] 胡啸，蔡辉，陈刚，等，3种类型水生植物及其组合对污染水体中铬、氮、和磷的净化效果研究[J].水处理技术，2012，38（4）：45-48
[4] 周晓勇，田亚运，张举斌.水葫芦对水溶液中Cu2+、Pb2+吸附研究[J].水处理技术，2015，41（2）：56-61
[5] 刘国峰.包先明，吴婷婷，等.水葫芦生态工程措施对太湖竺山湖水环境修复效果的研究[J].农业环境科学学报.2015.34（2）：352-360
[6] 黄本胜、徐红辉.水葫芦灾害及其水生态修复功能[J].广东水利水电，2008.6（3）：1-3
[7] 江洪涛、张红梅.国内外水葫芦防治研究综述.中国农业科技导报.2003.5（3）：72-75
[8] 黄世存、吴海平、王奇、张林林.”高分一号”卫星PMS图像几何定位精度验证[J].航天返回与遥感.2014.
[9] 曹凯，江南，吕恒.等.面向对象的SPOT 5影像城区水体信息提取研究[J].国土资源遥感.2007（2）：27-30
[7] 陈云、戴锦芳.基于遥感数据的太湖蓝藻水华信息识别方法[J].
[关键词]水葫芦 高分一号 面向对象 eCogition
中圖分类号：TP31 文献标识码：A 文章编号：1009-914X（2016）11-0283-02
引言：水葫芦，别名凤眼莲[1]，自20世纪五、六十年代开始，由南美引进到南方乡村的河塘[2]，它有一定的观赏价值，并且能够吸收水体中的一些有害元素，起到净化水质的作用，故被广泛应用到生态修复工程中[3-5]。但是由于制约水葫芦的天敌欠缺，除此之外，工业废水和生活污水肆意倾倒到江河湖泊，从而水体的富营养化程度升高，也为水葫芦的迅速蔓延创造了有利条件。到了2009年，我国水葫芦灾害面积已经达到38万hm，引起的经济损失约为43.55亿/年[6]。
目前，对水葫芦的综合治理和防治技术研究颇多，其中生物技术经济持久，被广泛应用[7]，但是对于确定水葫芦发生的范围和规模的方法研究较少，尽快确定水葫芦发生范围和发生规模可以更有目标性、更高效地对其作出应急处理。故本文以2014年10月汉江水葫芦大暴发为背景，选取晴川桥至月湖桥段为研究水域，以我国在2013年发射的GF一号卫星2米/8米数据为主要数据源，对汉江水葫芦进行应急监测，目前通过遥感影像对绿色植被进行提取的方法较多，然而很多方法都针对像元，都不能充分利用高分辨率的空间特征，而面向对像的方法则可以充分利用影像的光谱信息和空间结构信息，故本文采用面向对象的分类提取方法，对影像进行分割，再使用常用的植被提取指数DVI、RVI、NDVI、NDWI、TBAI的进行比较，根据各指数的优势建立规则，在对象层次上对水葫芦进行提取，并通过与传统分类方法的对比，表明了面向对象方法的优越性。
1 试验区数据
本研究应用高分一号卫星的MSS多光谱数据。其中PMS传感器幅宽60km，获取的多光谱数据空间分辨率为8米，高分8米多光谱数据较高的空间分辨率和时间分辨率，有利于捕捉地面的动态变化信息[8]。
本研究中选用2014年10月20日的PMS多光谱数据，包括蓝、绿、红三个可见光波段（波长范围分别是0.45-0.52μm、0.52-0.59μm、0.63-0.69μm）和一个近红外波段（波长范围为0.77-0.89μm），空间分辨率为8米。
2 面向对象水葫芦提取
2.1 数据预处理
PMS传感器获取到的多光谱数据的Level2产品在平原地区的几何定位精度约为10米，满足1：5万比例尺地形图的更新要求。故本文不对元数据进行几何精校正，而是借助envi5.1软件通过安装GF插件，对PMS多光谱数据做辐射定标和大气校正，再进行正射校正，最后把研究区裁剪出来，得到研究区接近真实值的反射率。预处理结果如下（图1、图2）。
2.2影像分割提取研究区
对裁剪区域进行研究，使用eCognition软件选取最佳的分割参数，对影像进行分割，提取出研究区边界。
本文使用面向对象的图像分类方法进行分类前，要利用图像分割的方法将图像划分为一个个大小不等且互不相交的小区域，从而把目标对象提取出来[9]。
影像分割中确定最优尺度和分割参数是关键，这直接决定着分类的精度。对研究区进行分割实验，把分割尺度设置为50、100、150、200、250，颜色因子、形状因子、光滑度、紧密度的权重分别设为 0.9、0.1、0.5、0.5。由于研究区域内地物较多，不仅有水体和水葫芦，还有桥梁、船只。因此在寻找分割尺度时就要采取折中方法，既要尽量将桥梁和船只单独分出来，也要保证水葫芦在提取范围内。图2为分割尺度为100的结果，图3为分割尺度为150的结果，图4为分割尺度为200的结果。从图中可以看出，图2虽然能把桥梁与水体分割出来，但是与其它结果相比太破碎。图3虽然研究区较完整，还是有浓度较高的水葫芦岸边区被单独分割，而植被与水体的光谱特征差异较大，在提取时容易漏掉。图4分割的水体区域较完整，不仅将桥梁单独分块，也没有漏掉岸边聚集的水葫芦，能把研究区较完整得分割出来。故200是最优分割尺度。图5为利用分割尺度200，颜色因子、形状因子、光滑度、紧密度的权重分别设为 0.9、0.1、0.5、0.5，进行分割，通过反复试验，用NDWI阈值为>0.08的研究区提取结果最为适合（如图6）。
2.3水葫芦知识库
研究区除了水葫芦主要是水体和船只，由于水葫芦是水上浮游植物，叶绿素浓度较高，较易于与水体区分，但河道中的大量船只光谱特征与水葫芦接近，会干扰提取结果，同时，使用单一指数进行提取有一定的局限性，故，此文结合以下几种常用指数，对小浓度水葫芦、大浓度水葫芦、船只和水体选出适量样本点，求对应指数平均值进行比较，分析各指数在不同物体间指数差异特征，按照一定的规则对水葫芦进行提取。
通过对样本点的各个指数进行对比分析，可以看出，水葫芦与水体通过指数容易区分，但船只对应指数值处在浓度较小水葫芦和浓度较大水葫芦之间，其值都与浓度较小的水葫芦接近，同时浓度较小的水葫芦与水体指数接近，对提取精度造成干扰，故根据表中反应的指数特点，DVI指数不能较好的区分开船只和水葫芦，然而水体与船只的NDWI指数偏大，水体值最大，水葫芦的NDVI值比船只和水体都大，浓度较小的水葫芦与船只的RVI值差距较为明显。 2.4 水葫芦提取与分类
对数据预处理结果在eCognition软件中进行分割，对研究区河道内物质特征进行分析，建立水葫芦提取知识库，在eCognition中根据规则集进行分类得到水葫芦提取结果。
对试验区进行分割，首先考虑到河道中主要有水体、船只和水葫芦三种物质，尺度不同，故经过试验，采用折中的方法进行设置，既要保证水葫芦和船只被独立分割，又要尽可能的使水体对象不会太破碎，经过反复试验得出最佳分割尺度设为10最好，颜色因子、形状因子、光滑度和紧密度的权重设为0.9，、0.1、0.5、0.5 。
根据知识库，先用NDWI指数将水体和大部分船只提取出来，去除大部分船只干扰，再用NDVI指数提取出浓度较大水葫芦和部分浓度较小的水葫芦，最后用TBAI指数对剩余区域提取水葫芦即可，使提取精度提高。
3 结果对比分析
为了客观地评价面向对象水葫芦提取的优势与不足，对试验区数据进行了基于传统监督分类方法的水葫芦提取。用ENVI 5.1 软件的监督分类功能模块对试验区影像选取了样本，使样本点均匀分布，进行传统的最大似然分类、最小距离分类和马氏距离分类。对面向对象分类结果和面向像元的分类结果进行对比分析。面向对象分类结果如图8 所示。
可以得出在传统的面向像元的分类方法中，最大似然分类结果与假彩色合成影像中水葫芦的分布最为接近，但对比面向对象分类和面向像元分类结果可以看出面向对象分类结果更加精确，为了进一步验证结论的正确性，采用ERDAS IMAGINE软件和eCognition软件分别对面向像元和面向对象分类结果进行精度评价。精度评价的结果如下表所示。
从上表的显示结果可以看出，面向对象的分类方法在总精度和Kappa系数上都显著高于面向像元的传统分类方法。
4 结论
本文运用国产高分一号卫星的PMS影像数据，进行面向对象的水葫芦提取方法的研究，通过试验和比较分析得到以下几方面结论：
1） 本文使用GF1 PMS多光谱数据采用面向对象的分类方法对汉江水葫芦进行提取，对水葫芦的提取精度达到92.62%，高于传统的分类提取方法。
2） 采用国产卫星数据获取方便，由于水葫芦在河道发生频率较大，低分辨率数据不能满足要求，采用高分數据进行面向对象的分类，可以充分利用形状和数据中地物的上下文信息，能使浓度较小水葫芦和水体，浓度较小水葫芦和船只得到有效区分，满足精度要求。
3） 面向对象的分类方法是针对同质对象的，大大减少了破碎对象，起到抗噪声作用。
4）不足之处：a.面向对象进行分类，分类精度会受到分割尺度及规则有效区分性的影响，在进行分割尺度选择时，数据质量对分割结果也有一定影响，使得部分区域地物不能被区分出来；b.目前高分卫星数据量有限，有效数据较少，应急效率低。c.此研究区使用尺度分割和阈值提取可以提取出来是因为岸边地物特性与水体光谱差异较大。对于其它区域水体不一定适用。
参考文献：
[1] 郑有念.关于开展水葫芦整治工作的思考[J].引进与咨询，2006，（5）：37
[2] 邵江樵.生态入侵者——水葫芦[J].生物学教学，2003，28（3）：63-64
[3] 胡啸，蔡辉，陈刚，等，3种类型水生植物及其组合对污染水体中铬、氮、和磷的净化效果研究[J].水处理技术，2012，38（4）：45-48
[4] 周晓勇，田亚运，张举斌.水葫芦对水溶液中Cu2+、Pb2+吸附研究[J].水处理技术，2015，41（2）：56-61
[5] 刘国峰.包先明，吴婷婷，等.水葫芦生态工程措施对太湖竺山湖水环境修复效果的研究[J].农业环境科学学报.2015.34（2）：352-360
[6] 黄本胜、徐红辉.水葫芦灾害及其水生态修复功能[J].广东水利水电，2008.6（3）：1-3
[7] 江洪涛、张红梅.国内外水葫芦防治研究综述.中国农业科技导报.2003.5（3）：72-75
[8] 黄世存、吴海平、王奇、张林林.”高分一号”卫星PMS图像几何定位精度验证[J].航天返回与遥感.2014.
[9] 曹凯，江南，吕恒.等.面向对象的SPOT 5影像城区水体信息提取研究[J].国土资源遥感.2007（2）：27-30
[7] 陈云、戴锦芳.基于遥感数据的太湖蓝藻水华信息识别方法[J].