PDF-遥感学报.doc

面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例 张猛，曾永年，朱永森 1.中南大学地球科学与信息物理学院，长沙 410083； 2.中南大学空间信息技术与可持续发展研究中心， 长沙 410083 摘要：本文采用时序MODIS EVI数据，利用面向对象的遥感分类方法，以洞庭湖流域为研究区，对大范围湿地信息遥感提取方法进行了研究。首先，基于时间序列MODIS EVI及物候特征参数，通过J-M（Jeffries-Matusita distance）距离分析，构建了MODIS（250）Johnson指数确定了最佳分割尺度，采用面向对象的遥感分类方法（Random tree分类器）提取了洞庭湖流域的湿地信息，并验证该方法的适用性。研究结果表明，基于时序数据与面向对象的Random tree分类的总体精度和Kappa系数分别为78.84%和0.71,较之基于像元的相同算法的总体分类精度和Kappa系数分别提高了5.79%和0.04。同时，基于面向对象方法的湿地整体的用户精度与生产者精度较基于像元方法分别提高了4.56%和6.21%，基于时间序列MODIS数据与面向对象方法可有效提高大区域湿地信息提取的精度。 关键词：时间序列，MODIS，面向对象分类，Random tree，湿地，洞庭湖流域 1引言 湿地是人类最重要的生存环境之一，被誉为“地球之肾”（牟晓杰2015；吕铭志 传统的湿地调查与监测不仅费时、费力、耗费高，而且调查范围小，同时监测周期长，时效性较差（张树文等，2013）。遥感技术具有覆盖范围广、信息量大、获取数据快、重复监测周期短，可比行强等优点，近20年来已广泛用于湿地资源调查、识别与监测等研究中（Chopra等，2001；Jessika等，2005）。基于遥感技术的湿地调查中，多种空间分辨率的遥感数据已被采用，其中低空间分辨率影像（≥100 m），如NOAA AVHRR（Advanced Very High Resolution Radiometer）和MDDIS (Terra Moderate Resolution Imaging Spectroradiometer)常用于区域、大陆甚至全球性范围的湿地研究，用于湿地信息提取的方法多基于像元，如决策树或阈值法等（Landmann等，2010；Shi等，2015）。中等空间分辨率多光谱遥感影像（如Landsat、SPOT、ASTER）已广泛用于湿地类型提取及变化、湿地植被特征以及湿地入侵植被等研究（Reschke等，2014；Kayastha等，2012；Poulin等，2010），国产中等空间分辨率多光谱卫星影像HJ 1A/1B，CBERS等也常用于湿地信息提取及相关研究（杨元征等，2011；Wang等，2012；雷璇等，2012）。中等分辨率影像多用于小范围的湿地研究，湿地信息提取也多采用基于像元及像元光谱特征的分类方法，如最大似然法、支持向量机（Han等，2015）及决策树等。高空间分辨率影像（IKONOS、QuickBird，国产ZY、GF卫星等）多被用于地方范围或局部的湿地植被群落区分以及土地和水资源监测（Szantoi等，2013；Ghioca-Robrecht等，2008）,且多采用面向对象分类方法提取湿地信息（Tian等，2015; Laba等,2010）。 面向对象分类能够顾及地理对象的空间分布特征及相关性，因而能够较好地解决传统的基于像元分类法的不足（宫兆宁等，2014；Pengra等，2007），因此，面向对象的分类方法已在针对局地湿地系统的高分辨遥感分类及其变化研究中得到了较为广泛的应用。也有一些学者也将该技术应用于中等分辨率影像的湿地信息提取，并取得了较好的效果（Dronova等，2011）。然而，目前利用低空间分辨率影像（如MODIS等）进行大区域湿地信息提取中，尚未有基于面向对象分类方法的相关研究。尽管低空间分辨率影像在空间分辨率上存在一定的劣势，但其时间分辨率高、光谱信息丰富，且获取成本低廉。因此，探讨基于时间序列的低空间分辨率遥感数据，采用面向对象分类方法的大范围湿地信息提取方法与技术，具有重要的实践意义。 因此，本文以洞庭湖流域为研究区，以MODIS13Q1为基础数据源，利用TIMESAT软件包对时序EVI数据进行滤波处理并提取物候特征参数数据。基于时序EVI数据，分析主要地物（主要为植被类型）的可分离性，探讨典型地物类型识别的可行性及最佳时序影像组合，通过最优分割尺度选择，采用面向对象分类技术进行大范围湿地信息提取。 2研究方法与数据 2.1研究方法 本研究首先对时序MODIS EVI数据进行重构并计算出其物候特征参数，基于JM距离对不同的影像组合数据进行可分离性分析并得到分离效果最佳的组合数据，之