鄱阳湖南矶湿地景观信息高分辨率遥感提取

doi:10.3724/SP.J.1047.2016.00847

地球信息科学学报 ›› 2016, Vol. 18 ›› Issue (6): 847-856.doi: 10.3724/SP.J.1047.2016.00847

鄱阳湖南矶湿地景观信息高分辨率遥感提取

方朝阳^1,^2,³(), 邬浩², 陶长华², 高丹^1,^2,³, 周华⁴

1. 鄱阳湖湿地与流域研究教育部重点实验室,南昌 330022
2. 江西师范大学地理与环境学院,南昌 330022
3. 流域生态与地理环境监测国家测绘地理信息局重点实验室,南昌 330209
4. 江西省地理国情监测遥感院,南昌 330046

收稿日期:2015-09-16 修回日期:2015-11-06 出版日期:2016-06-10 发布日期:2016-06-17
作者简介:
作者简介：方朝阳(1971-),男,江西南丰人,博士,教授,主要从事空间信息科学、环境遥感和虚拟现实研究。E-mail: fcy@jxnu.edu.cn
基金资助:
江西省重大生态安全问题监控协同创新中心(JXS-EW-00);鄱阳湖湿地与流域研究教育部重点实验室主任基金(ZK2013004);江西省对外科技合作计划(20123BDH80012);国家测绘地理信息公益性行业科研专项(201512026);国家科技支撑计划课题(2015BAH50F03)

The Wetland Information Extraction Research of Nanji Wetland in Poyang Lake Based on High Resolution Remote Sensing Image

FANG Chaoyang^1,^2,^3,^*(), WU Hao², TAO Zhanghua², GAO Dan^1,^2,³, ZHOU Hua⁴

1. Key Laboratory of Poyang Lake Wetland and Watershed Research, Ministry of Education, Jiangxi Normal University, Nanchang 330022, China
2. School of Geography and Environment, Jiangxi Normal University, Nanchang 330022, China
3. Key Laboratory of Watershed Ecology and Geographical Environment Monitoring, National Administration of Surveying, Mapping and Geoinformation, Nanchang 330209, China
4. Institute of Remote S ensing Monitoring of Geographical Conditions, Nanchang 330046, China

Received:2015-09-16 Revised:2015-11-06 Online:2016-06-10 Published:2016-06-17
Contact: FANG Chaoyang E-mail:fcy@jxnu.edu.cn

摘要/Abstract

摘要：

鄱阳湖南矶湿地是亚热带典型过水性湿地,由于该区域水文情况复杂,且泥滩、沼泽和疫水（血吸虫）分布较广,导致野外考察验证工作困难,使用传统的遥感信息提取方法很难保证该地区湿地景观的提取精度。本文以高分一号影像为数据源,综合运用数字高程模型（DEM）、归一化植被指数（NDVI）、归一化水体指数（NDWI）等辅助数据,采用面向对象分类方法,对鄱阳湖南矶湿地景观信息进行提取研究,并取得了较好的分类效果。研究结果表明：（1）基于国产高分辨率影像的面向对象分类,既兼顾了国产高分辨率影像光谱、空间、结构、纹理信息,又综合利用多源辅助数据参与到分类计算中,分类精度得到明显的提升;（2）基于面向对象与多源数据分类方法对湿地混合像元有较好地识别能力,可获得较高的总体分类精度（94.3275%）和Kappa系数（0.9324）,说明利用多源数据的面向对象方法提取湿地信息是可行的,其分类结果具有较高的准确性和可信度,较好地解决了过水性湿地景观分类问题;（3）该分类方法弥补了单一遥感影像分类方法的不足,对研究国产高分卫星在提取过水性湿地景观信息方面具有重要的参考和实际意义。最后,分析了多源数据面向对象分类尚待解决的问题和下一步的研究方向。

关键词: GF-1遥感影像, 南矶湿地, 多源数据, 面向对象分类

Abstract:

The Nanji wetland of Poyang Lake is a typical wetland of the water-carrying type. It is quite difficult to accurately extract the information of wetland landscape from remote sensing images with the traditional information extraction approaches due to the complicated hydrology conditions and arduous field verification, and moreover, the mud flat, swamp and infested water (schistosomiasis) is widely distributed in the region. This study chose GF image as the data source, with the auxiliary data of digital elevation model (DEM), normalized difference vegetation index (NDVI) and normalized difference water index (NDWI) to ensure the accuracy of information extraction. And it uses the object-oriented classification method to extract the landscape information of the Nanji wetland, which achieved some reasonable classification results indicating in the following part; (1) Based on the object-oriented classification of domestic GF satellite remote sensing images, which contains the spectral, spatial structure and texture features, this study makes a comprehensive utilization of the multi-source data in the classification calculation, and the precision of its classification result is significantly higher than the object-oriented classification of single-source; (2) The object-oriented method of multi-source remote sensing data has better distinguish ability for mixed pixels. It obtains a higher overall accuracy of 94.3275% and a Kappa coefficient of 0.9324, which indicates a distinctive high degree of accuracy and reliability. It has effectively solved the classification problem in extracting the wetland landscape of water-carrying; (3) This method makes up the deficiency in the object-oriented classification method of single-source remote sensing image, and it acts as an important reference and has the practical significance for effectively extracting the information of water-carrying wetland landscape through the domestic GF remote sensing image. Finally, we put forward some issues to be resolved and illustrated the future research direction of the object-oriented classification of multi-source data.

Key words: GF-1 remote sensing image, Nanji wetland, multi-source data, object-oriented classification

方朝阳, 邬浩, 陶长华, 高丹, 周华. 鄱阳湖南矶湿地景观信息高分辨率遥感提取[J]. 地球信息科学学报, 2016, 18(6): 847-856.

FANG Chaoyang,WU Hao,TAO Zhanghua,GAO Dan,ZHOU Hua. The Wetland Information Extraction Research of Nanji Wetland in Poyang Lake Based on High Resolution Remote Sensing Image[J]. Journal of Geo-information Science, 2016, 18(6): 847-856.

图/表 10

图1

表1

表2

图2

图3

图4

图5

图6

表3

表4

参考文献 23

[1]	曹宇,莫利江,李艳,等.湿地景观生态分类研究进展[J].应用生态学报,2009,20(12):3084-3092.
	[ Cao Y, Mo L J, Li Y, et al.Wetland landscape ecological classification research progress[J]. Chinese Journal of Applied Ecology, 2009,20(12):3084-3092. ]
[2]	张继平,张镱锂,刘峰贵,等.长江源区当曲流域高寒湿地类型划分及分布研究[J].湿地科学,2011,9(3):218-226.
	[ Zhang J P, Zhang Y L, Liu F G, et al.Classification and distribution of alpine wetland of Damqu river basin in the source region of the Yangze River[J]. Wetland Science, 2011,9(3):218-226. ]
[3]	Ramsey E W Ⅲ, Chappell D K, Baldwin D G. AVHRR imagery used to identify hurricane damage in a forested wetland of Louisiana[J]. Photogrammetric Engineering & Remote Sensing, 1997,63:293-297. doi: 10.1007/s001900050091
[4]	Shalaby A, Tateishi R.Remote sensing and GIS for mapping and monitoring land-cover and land-use changes in the Northwestern coastal zone of Egypt[J]. Applied Geography, 2007,27:28-41.
[5]	袁金国,王卫.多源遥感数据融合应用研究[J].地球信息科学,2005,7(3):97-103.
	[ Yuan J G, Wang W.Research on multi-source remote sensing information fusion application[J]. Geo-information Science, 2005,7(3):97-103. ]
[6]	张继平,刘林山,张镱锂,等.面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例[J].地球信息科学学报,2010,12(4):517-523.
	[ Zhang J P, Liu L S, Zhang Y L, et al.Object-oriented information extraction of water bodies and glaciers in extreme high altitude area a case study of the core area of Mt Qomolangma (Everest) national nature preserve[J]. Journal of Geo-information Science, 2010,12(4):517-523. ]
[7]	党安荣,何新东,史慧珍,等.土地利用信息的多元分析提取[J].地球信息科学,2004,6(2):62-66.
	[ Dang A R, He X D, Shi H Z, et al.Study on extraction method of land use information[J]. Geo-information Science, 2004,6(2):62-66. ]
[8]	孔博,邓伟,李爱农,等.多源数据的面向对象国际河流土地覆被分类研究[J].武汉大学学报·信息科学版,2015,40(7):943-949.
	[ Kong B, Deng W, Li A N, et al.Object-oriented Landcover classification of multi-source remote sensing data in international trans-boundary river[J]. Geomatics and Information Science of Wuhan University, 2015,40(7):943-949. ]
[9]	苏伟,李京,陈云浩,等.基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例[J].遥感学报,2007,11(4):521-530. doi: 10.11834/jrs.20070472
	[ Su W, Li J, Chen Y H, et al.Objetc-oriented urban land-cover classification of multi-scale image segmentation method-a case study in Kuala Lumpur city center, Malaysia[J]. Journal of Remote Sensing, 2007,11(4):521-530. ] doi: 10.11834/jrs.20070472
[10]	Myint S W, Gober P, Brazel A, et al.Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery[J]. Remote Sensing of Environment, 2011,115:1145-1161.
[11]	郑利娟,李小娟,胡德勇,等.基于对象和DEM的湿地信息提取——以洪河沼泽湿地为例[J].遥感技术与应用,2009,24(3):346-351.
	[ Zheng L J, Li X J, Hu D Y, et al.Wetland information extraction based on DEM and the object-a case study in Honghe Wetland[J]. Remote Sensing Technology and Application, 2009,24(3):346-351. ]
[12]	Im J, Jensen J R, Tullis J A.Object-based change detection using correlation image analysis and image segmentation[J]. International Journal of Remote Sensing, 2008,29(2):399-423.
[13]	Mui A, He Y H, Weng Q H.An object-based approach to delineate wetlands across landscapes of varied disturbance with high spatial resolution satellite imagery[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,109:30-46.
[14]	Dronova I, Gong P, Wang L.Object-based analysis and change detection of major wetland cover types and their classification uncertainty during the low water period at Poyang Lake, China[J]. Remote Sensing of Environment, 2011,115:3220-3236. doi: 10.1016/j.rse.2011.07.006
[15]	莫利江,曹宇,胡远满,等.面向对象的湿地景观遥感分类——以杭州湾南岸地区为例[J].湿地科学,2012,10(2):206-213.
	[ Mo L J, Cao Y, Hu Y M, et al.Object-oriented classification for satellite remote sensing of wetlands: a case study in southern Hangzhou Bay area[J]. Wetland Science, 2012,10(2):206-213. ]
[16]	程乾,陈金凤.基于高分1号杭州湾南岸滨海陆地土地覆盖信息提取方法研究[J].自然资源学报,2015,30(2):350-360.
	[ Cheng Q, Chen J F.Research on the extraction method of landcover information in southern coastal land of Hangzhou Bay Based on GF-1 image[J]. Journal of Natural Resources, 2015,30(2):350-360. ]
[17]	陈建龙,王语檬,侯淑涛,等.面向对象和DEM的ZY-1 02C影像湿地提取研究[J].地球信息科学学报,2015,17(9):1103-1109.
	[ Chen J L, Wang Y M, Hou S T, et al.Wetland information extraction of ZY-1 02C image based on the object and DEM[J]. Journal of Geo-information Science, 2015,17(9):1103-1109. ]
[18]	刘红玉,吕宪国.三江平原湿地景观生态制图分类系统研究[J].地理科学,1999,19(5):432-436.
	[ Liu H Y, Lu X G.Study on classification system of middle scale landscape ecology mapping in the Sanjiang Plain[J]. Scientia Geographica Sinica, 1999,19(5):432-436. ]
[19]	杨永兴. 国际湿地科学研究进展与中国湿地科学研究优先领域与展望[J].地球科学进展,2002,17(4):505-514.
	[ Yang Y X.New knowledge on the progress of international wetland science research and priority field and prospect of Chinese wetland science research[J]. Advance in Earth Sciences, 2002,17(4):505-514. ]
[20]	牛振国,宫鹏,程晓,等.中国湿地初步遥感制图及相关地理特征分析[J].中国科学D辑:地球科学,2009,39(2):188-203.
	[ Niu Z G, Gong P, Cheng X, et al.Geographical characteristics of China's wetland derived from remote sensing[J]. Science in China Series D: Earth Science, 2009,39(2):188-203. ]
[21]	宫鹏,牛振国,程晓,等.中国1990和2000基准年湿地变化遥感[J].中国科学:地球科学,2010,40(6):768-775.
	[ Gong P, Niu Z G, Cheng X, et al.China's wetland change (1990-2000) determined by remote sensing[J]. Scientia Sinica: Terrae, 2010,40(6),768-775. ]
[22]	陈建,王世岩,毛战坡.1976-2008年黄河三角洲湿地变化的遥感监测[J].地理科学进展,2011,30(5):585-592. doi: 10.11820/dlkxjz.2011.05.010
	[ Chen J, Wang S Y, Mao Z P.Monitoring wetland changes in Yellow River Delta by remote sensing during 1976-2008[J]. Progress in Geography, 2011,30(5):585-592. ] doi: 10.11820/dlkxjz.2011.05.010
[23]	崔保山,杨志峰.湿地学[M].北京:北京师范大学出版社,2006.
	[ Cui B S, Yang Z F.Wetland science[M]. Beijing: Beijing Normal University Publishing, 2006. ]

波段	空间分辨率/m	波谱范围/μm
全色波段	2	0.45~0.90
蓝色波段	8	0.45~0.52
绿色波段		0.52~0.59
红色波段		0.63~0.69
近红外波段		0.77~0.89

一级类型		二级类型	颜色特征	形状、纹理	类型含义
湿地	天然湿地	河流	浅蓝色、深蓝色	线状;均匀	水流速度较快的水体,深度较大
		湖泊	浅蓝色、深蓝色	大面积面状;总体均匀,局部无规则	主要是包括保护区蝶形湖泊群和部分主湖体,水深较浅,一般为理想的涉禽和游禽栖息地
		泥滩	深灰色、浅灰色	环状或面状;均匀	水生床出露,紧接水体
		草洲	浅红色、深红色、褐色略带黄色	环状或面状;总体均匀	主要包括南荻群丛、芦苇群丛和苔草群从等
		茭白	白色、浅黄色	面状;总体均匀	主要分布于地形较为低洼地区
	人工湿地	鱼塘	深蓝色	规则矩形;均匀	形状较为规则的水产养殖地
非湿地		耕地	深红色、浅红色	面状;总体均匀	包括旱地和水田,主要分布在南山岛和矶山岛
		建筑用地	灰白色	无规则面状;不均匀	包括道路、居民、水坝和建筑设施,集中分布在南山岛和矶山岛
		林地	深红色	面状;较为均匀	包括树木和高大的灌丛,主要分布于矶山岛

实际地类	参考地类									总计	用户精度/（%）
实际地类	河流				湖泊	泥滩	草洲	茭白	鱼塘	耕地	建筑用地	林地
河流	229	4	0	0	2	0	0	0	0	235	97.45
湖泊	2	249	6	0	0	0	0	0	0	257	96.89
泥滩	1	0	313	0	2	0	7	0	0	323	96.90
草洲	2	0	13	326	8	0	5	7	3	364	89.56
茭白	1	0	0	1	323	0	0	2	0	327	98.78
鱼塘	0	0	0	0	0	39	0	0	0	39	100.00
耕地	1	0	0	0	0	3	48	5	0	57	84.21
建筑用地	4	0	0	0	0	0	3	51	3	61	83.61
林地	0	0	0	0	0	0	0	12	35	47	74.47
总计	240	253	332	327	335	42	63	77	41	1710
生产精度/（%）	95.42	98.42	94.28	99.69	96.42	92.86	76.19	66.23	85.37
总体精度/（%）												94.3275
kappa系数												0.9324

实际地类	参考地类									总计	用户精度/（%）
实际地类	河流				湖泊	泥滩	草洲	茭白	鱼塘	耕地	建筑用地	林地
河流	223	4	41	1	2	0	0	0	0	271	82.29
湖泊	6	248	5	0	1	0	0	0	0	260	95.38
泥滩	3	1	265	0	2	3	1	3	0	278	95.32
草洲	2	0	20	322	8	0	22	9	4	387	83.20
茭白	1	0	0	2	320	0	0	1	0	324	98.77
鱼塘	0	0	1	0	1	39	0	0	0	41	95.12
耕地	1	0	0	2	0	0	37	7	0	47	78.72
建筑用地	4	0	0	0	0	0	3	25	0	32	78.13
林地	0	0	0	0	1	0	0	32	37	70	52.86
总计	240	253	332	327	335	42	63	77	41	1710
生产精度/（%）	92.92	98.02	79.82	98.47	95.52	92.86	58.73	32.47	90.24
总体精度/（%）												88.6550
kappa系数												0.8649

鄱阳湖南矶湿地景观信息高分辨率遥感提取

The Wetland Information Extraction Research of Nanji Wetland in Poyang Lake Based on High Resolution Remote Sensing Image

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 23

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	王林江, 吴炳方, 张淼, 邢强. 关键生育期冬小麦和油菜遥感分类方法[J]. 地球信息科学学报, 2019, 21(7): 1121-1131.
[2]	吴吉东, 王旭, 王菜林, 何鑫, 叶梦琪. 社会经济数据空间化现状与发展趋势[J]. 地球信息科学学报, 2018, 20(9): 1252-1262.
[3]	宋晓阳, 黄耀欢, 董东林, 张飞. 融合数字表面模型的无人机遥感影像城市土地利用分类[J]. 地球信息科学学报, 2018, 20(5): 703-711.
[4]	林文棋, 陈会宴, 谢盼, 李颖, 陈清凝, 李栋. 基于多源数据的北京市朝阳区人口时空格局评估与预测[J]. 地球信息科学学报, 2018, 20(10): 1467-1477.
[5]	陈天博, 胡卓玮, 魏铼, 胡顺强. 无人机遥感数据处理与滑坡信息提取[J]. 地球信息科学学报, 2017, 19(5): 692-701.
[6]	关舒婧, 韩鹏鹏, 王月如, 韩宇, 易琳, 周廷刚, 陈劲松. 华南地区典型种植园地遥感分类研究[J]. 地球信息科学学报, 2017, 19(11): 1538-1546.
[7]	郭昱杉,刘庆生,刘高焕,黄翀. 基于标记控制分水岭分割方法的高分辨率遥感影像单木树冠提取[J]. 地球信息科学学报, 2016, 18(9): 1259-1266.
[8]	吴田军, 骆剑承, 沈占锋, 夏列钢, 徐楠. 高分辨率遥感土地覆盖分类技术的应用研究——以重庆市黔江贫困区为例[J]. 地球信息科学学报, 2016, 18(3): 353-361.
[9]	童新华, 张郭秋晨, 韦燕飞. 区域碳收支能力估算的面向对象遥感分类方法[J]. 地球信息科学学报, 2016, 18(12): 1675-1683.
[10]	刘希亮, 程诗奋, 余丽, 刘康, 陆锋. 架起GIS与计算机科学的桥梁：ACM SIGSPATIAL 2015 会议综述[J]. 地球信息科学学报, 2016, 18(11): 1448-1455.
[11]	柏中强, 王卷乐, 姜浩, 高孟绪. 基于多源信息的人口分布格网化方法研究[J]. 地球信息科学学报, 2015, 17(6): 653-660.
[12]	郭亚鸽, 于信芳, 江东, 王世宽, 姜小三*. 面向对象的森林植被图像识别分类方法[J]. 地球信息科学学报, 2012, 14(4): 514-522.
[13]	张金区, 诸云强, 王卷乐, 宋佳, 孙九林. 面向服务的地学多源数据虚拟整合及其可视化分析[J]. 地球信息科学学报, 2010, 12(5): 613-619.
[14]	张军, 赵芳芳. 滑坡灾害的多源数据分析与评估方法[J]. 地球信息科学学报, 2008, 10(6): 741-748.
[15]	陈芸芝, 陈崇成, 汪小钦, 唐丽玉. 漳平市森林可燃物类型变化遥感动态监测[J]. 地球信息科学学报, 2008, 10(6): 792-797.