基于HJ-1A高光谱影像的湿地精细分类-地理科学进展.PDFVIP

第37 卷 第12期 地理科学进展 Vol.37, No.12 2018 年12月 ProgressinGeography Dec. 2018 基于HJ-1A 高光谱影像的湿地精细分类 * 张雅春，那晓东 ，臧淑英 (哈尔滨师范大学寒区地理环境监测与空间信息服务黑龙江省重点实验室，哈尔滨150025) 摘要：混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度，而且已成为遥感科学向定量化发展的 主要障碍。本文以扎龙湿地为试验区，以环境一号卫星采集的高光谱影像为数据源，分别采用传统的全约束最小 二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱 解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类，并 对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选 择场景中所占比例最高的一组端元，并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类 型丰度的提取，该算法充分考虑了端元的空间异质性，弥补了FCLS 算法在端元选取过程中的不足。精度验证结 果表明与FCLS 算法相比，SUFCLS 算法分类结果的均方根误差更小，丰度的相关系数更高，因此该方法对于提高 湿地解混精度以及实现湿地精细化分类具有重要意义。 关键词：高光谱影像；稀疏解混；线性解混；湿地分类；扎龙自然保护区 1 引言 地带，湿地生态系统具有高度的空间异质性和水文 动态特征，湿地生态系统的精细监测和制图极为困 湿地是地球上重要的生态系统，在物种存贮、 难(张玉红等, 2015; 姜明等, 2018) 。因此，迫切需要 调节气候、维护生态平衡及生物多样性保护等方面 选择合适的数据源和分类方法，使湿地监测研究不 具有重要意义(Woodward et al, 2001; Yang et al, 断趋于定量化、精细化和准确化。 2002) 。但是在高强度的自然和人为干扰的双重作 由于遥感影像具有大尺度、重复覆盖的优势， 用下，全球范围的湿地出现了严重的退化和消失的 来自不同传感器平台的多源卫星影像已成为湿地 趋势。通过湿地调查和监测，准确地获取湿地的空 信息提取与动态监测的主要数据来源。例如，多光 间分布信息是进行湿地保护和管理的基础。目前 谱传感器获取的遥感影像数据，如常用的Landsat 湿地的监测手段已经从最初单纯的湿地野外综合 陆地卫星(Landsat-5 TM、Landsat-7 ETM+ 、Landsat- 考察发展到现代遥感技术和GIS 技术支持下的湿 8 OLI)和SPOT 等已在湿地遥感监测方面发挥了重 地动态监测，监测内容也从最初的湿地类型、湿地 要作用(Baker et al, 2006; 陈建等, 2011; 崔天翔等, 面积等较为单一的监测扩展为湿地植被群落结构、 2013; 东启亮等, 2014; Han et al, 2015) 。虽然多光 植被分布格局及多样性、湿地生态水文过程等较为 谱数据能够区分主要的土地覆被类型如沼泽、水 精细、系统化的监测。由于湿地通常处于水陆交汇 域、农田、林地、草甸等，数量有限的波段并不能够 收稿日期：2017-09-28 ；修订日期：2018-10-14。 基金项目：国家自然科学基金项目 ；黑龙江省普通本科高等学校青年创新人才培养计划项目(UN- PYSCT-2016073)