地球信息科学学报 ›› 2014, Vol. 16 ›› Issue (6): 997-1004.doi: 10.3724/SP.J.1047.2014.00997
• • 上一篇
龚剑明1(), 朱国强2,3,*(
), 杨娟3, 左秀玲3, 石伟3
收稿日期:
2014-09-21
修回日期:
2014-10-23
出版日期:
2014-11-10
发布日期:
2014-11-01
作者简介:
作者简介:龚剑明(1975-),博士,湖北黄冈人,研究方向为遥感与地理信息系统应用。E-mail:
基金资助:
GONG Jianming1(), ZHU Guoqiang2,3,*(
), YANG Juan3, ZUO Xiuling3, SHI Wei3
Received:
2014-09-21
Revised:
2014-10-23
Online:
2014-11-10
Published:
2014-11-01
Contact:
ZHU Guoqiang
About author:
*The author: CHEN Nan, E-mail:
摘要:
南海珊瑚礁地貌信息的提取是珊瑚礁资源利用、生态保护与管理及可持续发展的重要地学基础。本文提出了面向对象的珊瑚礁地貌单元提取模型,针对不同的地貌单元,以不同地貌单元的最优分割尺度、光谱参数、形状参数来分割影像并合并成不同对象,从而获得相应的地貌单元。通过大量实验得出自然地貌的最优分割尺度区间为[140,600],其中附礁生物稀疏带及丛生带、礁坑发育带的光谱参数和形状参数分别为0.9和0.1,其他自然地貌单元的光谱参数和形状参数分别为0.8和0.2;人工地貌的最优分割尺度区间为[25,170],其光谱参数和形状参数分别为0.8和0.2。进一步以南沙群岛簸箕礁WorldView-2高分辨率遥感影像为例提取地貌单元,并结合混淆矩阵和Kappa系数对分类结果进行了精度评价,地貌单元提取总体精度达到了85.75%,Kappa系数为0.8349。结果表明,该方法可有效运用南海珊瑚礁遥感影像的光谱特征、纹理特征,以及影像数据不同波段的组合特性,综合了影像和珊瑚礁地貌的关联特性,充分利用了珊瑚礁不同地貌相带的异质性,获得了理想的南海珊瑚礁地貌的整体信息,满足了我国南海珊瑚礁地貌信息提取和地貌数字产品生成的需求。
龚剑明, 朱国强, 杨娟, 左秀玲, 石伟. 面向对象的南海珊瑚礁地貌单元提取[J]. 地球信息科学学报, 2014, 16(6): 997-1004.DOI:10.3724/SP.J.1047.2014.00997
GONG Jianming,ZHU Guoqiang,YANG Juan,ZUO Xiuling,SHI Wei. A Study on the Object-oriented Model for Geomorphic Unit Extraction of Coral Reefs in the South China Sea[J]. Journal of Geo-information Science, 2014, 16(6): 997-1004.DOI:10.3724/SP.J.1047.2014.00997
表1
南海珊瑚环礁地貌分类体系
一级分类体系 | 二级分类体系 | 三级分类体系 | 定义 |
---|---|---|---|
自然地貌 | 水下礁脊 | 环礁外缘不出露礁坪或开放型环礁的口门处 | |
外礁坪 | 低潮全部干出,发育有槽沟 | ||
礁凸起带 | 内、外礁坪的分界 | ||
附礁生物稀疏带 | 紧靠凸起带内缘,但稍低于凸起带,影像呈浅色调 | ||
附礁生物丛生带 | 内礁坪的中部,紧连附礁生物稀疏带,影像呈深色调 | ||
礁坑发育带 | 内礁坪向潟湖过渡的分界,在近附礁生物丛生带呈斑块状,紧邻潟湖边缘端呈凹凸状 | ||
潟湖 | 潟湖坡 | 从礁坪内缘至潟湖底的斜坡带 | |
潟湖底 | 环礁环绕水域的中心部分 | ||
点礁 | 从潟湖底或边坡上显著突出的小礁体 | ||
潮汐通道 | 非封闭环礁潟湖水体与外海水体交换的通道 | ||
沙洲 | 高潮出露的生物碎屑和砂质堆积 | ||
灰沙岛 | 海滩 | 灰沙岛的边缘地带,属潮间带,以砂为主 | |
沙堤 | 紧靠海滩,向灰沙岛的内部隆起 | ||
沙席 | 紧靠沙堤的背风坡,呈圈状逐渐包围的砂体 | ||
洼地 | 灰沙岛地势最低处,一般处于岛中部 | ||
人工地貌 | 房屋、军事设施、浮标、码头、港池、楼堡等 |
表2
簸箕礁的影像分割参数
地貌类别 | 尺度参数 | 光谱因子 | 形状因子 | 形状因子 | |
---|---|---|---|---|---|
紧致度 | 光滑度 | ||||
外礁坪 | 600 | 0.8 | 0.2 | 0.6 | 0.4 |
波浪破碎带 | 600 | 0.8 | 0.2 | 0.6 | 0.4 |
附礁生物稀疏带 | 600 | 0.9 | 0.1 | 0.6 | 0.4 |
附礁生物丛生带 | 600 | 0.9 | 0.1 | 0.6 | 0.4 |
礁坑发育带 | 300 | 0.9 | 0.1 | 0.6 | 0.4 |
潟湖坡 | 500 | 0.8 | 0.2 | 0.6 | 0.4 |
潟湖底 | 140 | 0.8 | 0.2 | 0.6 | 0.4 |
点礁 | 140 | 0.8 | 0.2 | 0.6 | 0.4 |
沙洲 | 500 | 0.8 | 0.2 | 0.6 | 0.4 |
防波堤 | 25 | 0.8 | 0.2 | 0.5 | 0.5 |
楼堡 | 170 | 0.8 | 0.2 | 0.6 | 0.4 |
灯塔 | 50 | 0.8 | 0.2 | 0.5 | 0.5 |
港池 | 150 | 0.8 | 0.2 | 0.6 | 0.4 |
表3
簸箕礁的分类规则集
地貌类别 | 特征空间 | 模糊规则 |
---|---|---|
外礁坪 | Brightness | 65<Brightness<71 |
Ratio | 0.081<Ratio<0.084 | |
波浪破碎带 | Mean Layer4 | 100<Mean Layer4<385 |
附礁生物稀疏带 | Brightness | 72<Brightness<75 |
NDVI | NDVI>0.37 | |
附礁生物丛生带 | Brightness | 62<Brightness<65 |
NDVI | NDVI>0.37 | |
礁坑发育带 | Mean Layer4 | 59<Mean Layer4<60 |
潟湖坡 | Brightness | 95<Brightness<100 |
Mean Layer4 | 54.45<Mean Layer4<59.5 | |
潟湖底 | Brightness | 58<Brightness<62 |
Mean Layer4 | 59.62<Mean Layer4<63.5 | |
点礁 | Brightness | 54<Brightness<58 |
沙洲 | Brightness | 392<Brightness<629 |
Area | 100<Area<238 | |
防波堤 | Area | 861<Area<1286 |
Mean Layer4 | 200<Mean Layer4<240 | |
楼堡 | Area | 76<Area<425 |
Mean Layer4 | 376<Mean Layer4<418 | |
灯塔 | Area | 226<Area<343 |
Mean Layer4 | 414.13<Mean Layer4<14.76 | |
港池 | Mean Layer4 | 84<Mean Layer4<95 |
表4
基于面向对象方法的簸箕礁地貌信息提取结果精度评价
信息类型 | 参考点数 | 分类总数 | 正确分类数 | 错分误差(%) | 漏分误差(%) | 制图精度(%) | 用户精度(%) | |
---|---|---|---|---|---|---|---|---|
外礁坪 | 190 | 133 | 124 | 6.77 | 30 | 65.26 | 93.23 | |
波浪破碎带 | 180 | 176 | 174 | 1.14 | 3.33 | 96.67 | 98.86 | |
附礁生物稀疏带 | 82 | 81 | 80 | 1.23 | 2.44 | 97.56 | 98.77 | |
附礁生物丛生带 | 99 | 82 | 81 | 1.22 | 18.18 | 81.82 | 98.78 | |
礁坑发育带 | 55 | 80 | 51 | 36.25 | 7.27 | 92.73 | 63.75 | |
潟湖坡 | 71 | 70 | 70 | 0 | 1.41 | 98.59 | 100 | |
潟湖底 | 62 | 63 | 62 | 1.59 | 0 | 100 | 98.41 | |
点礁 | 2 | 19 | 2 | 89.47 | 0 | 100 | 10.53 | |
沙洲 | 3 | 6 | 2 | 66.67 | 33.33 | 66.67 | 33.33 | |
防波堤 | 3 | 9 | 3 | 66.67 | 0 | 100 | 33.33 | |
楼堡 | 4 | 4 | 3 | 25 | 25 | 75 | 75 | |
灯塔 | 1 | 3 | 1 | 66.67 | 0 | 100 | 66.67 | |
港池 | 13 | 14 | 3 | 78.57 | 76.92 | 23.08 | 21.43 | |
总体精度(%) | 85.75 | |||||||
Kappa系数 | 0.8649 |
[1] | Audrfout S, Roux L, Chancerelle Y, et al.A fuzzy possibilistic scheme of study for objects with indeterminate boundaries: Application to French Polynesian reefscapes[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000,38(1):257-270. |
[2] | Hackelford A K, Davis C H.A combined fuzzy pixel-based and object-based approach for classification of high-resolution multispectral data over urban areas[M]. IEEE Transactions on Geoscience and Remote Sensing, 2003,41(10):2354-2363. |
[3] | Purkis S J, Myint S W, Bernhard M.Riegl. Enhanced detection of the coral Acropora cervicornis from satellite imagery using a textural operator[J]. Remote Sensing of Environment, 2006,101:82-94. |
[4] | Robin P, Jean-Yves M, Ravahere T, et al.Support vector machines to map rare and endangered native plants in Pacific islands forests[J]. Ecological Informatics, 2012,9:37-46. |
[5] | Stuart R P, Chris M R, Peter J M.Multi-scale, object-based image analysis for mapping geomorphic and ecological zones on coral reefs[J]. International Journal of Remote Sensing, 2012,33(12):3768-3797. |
[6] | Chris R, Stuart P, Stacy J, et al.Mapping coral reefs at reef to reef-system scales, 10 s-1000 s km2, using object-based image analysis[J]. International Journal of Remote Sensing, 2013,34(18):6367-6388. |
[7] | Caras T, Karnieli A.Ground-level spectroscopy analyses and classification of coral reefs using a hyperspectral camera[J]. Coral Reefs, 2013,32:825-834. |
[8] | Sumisha V, Raghavendra S M, Raghavanc B R, et al.Coupled correction and classification of hyperspectral imagery for mapping coral reefs of Agatti and Flat Islands, India[J]. International Journal of Remote Sensing, 2014,35(14):5544-5561. |
[9] | 刘宝银,郝庆祥.南沙珊瑚岛礁空间结构的遥感信息树模型研究[J].海洋学报,1997,19(5):47-55. |
[10] | 潘春梅,丁谦,曹文玉. 南沙群岛岛礁地形地貌TM影像特征分析[J]. 国土资源遥感,2002(2):34-37. |
[11] | 邹亚荣,林明森,王华,等.对东沙岛基于融合信息高分辨遥感影像分类研究[J].海洋学报,2006,28(1):56-71. |
[12] | 胡蕾秋,刘亚岚,任玉环.SPOT5多光谱图像对南沙珊瑚礁信息提取方法的探讨[J].遥感技术与应用,2010,25(4):493-501. |
[13] | 姚永慧,周成虎,苏奋振,等.南沙群岛海底地貌制图研究——以1:100万郑和群礁幅为例[J].热带海洋学报,2007,26(6):34-39. |
[14] | 邹亚荣,梁超,朱海天.基于QuickBird影像上珊瑚礁发育状况监测实验研究[J].海洋学报(中文版),2012,34(2):57-62. |
[15] | 陈忠. 高分辨率遥感图像分类技术研究[D].北京:中国科学院遥感应用研究所,2006. |
[16] | 许民. 高分辨率遥感影像融合方法研究及融合效果评价[D].兰州:兰州大学,2010. |
[1] | 戚梦, 陈楠, 林偲蔚, 周千千. 引入集水区复杂网络的中国地貌识别研究[J]. 地球信息科学学报, 2023, 25(5): 909-923. |
[2] | 谢静, 陈楠, 林偲蔚. 基于地形音乐的地形定量分析与空间分异研究—以陕北黄土高原为例[J]. 地球信息科学学报, 2023, 25(5): 924-934. |
[3] | 丁小花, 王琤, 席俊杰, 王朝, 岳程瑜, 张青峰. 黄土高原地貌类型界线划定研究进展[J]. 地球信息科学学报, 2022, 24(7): 1219-1233. |
[4] | 魏海涛, 杜云艳, 张佳丽, 孙璐瑶. 基于CNN的空间数据自适应切分算法[J]. 地球信息科学学报, 2022, 24(6): 1099-1106. |
[5] | 林偲蔚, 陈楠, 刘奇祺, 贺卓文. 基于DEM小流域复杂网络的黄土高原地貌自动识别研究[J]. 地球信息科学学报, 2022, 24(4): 657-672. |
[6] | 詹琪琪, 赵伟, 杨梦娇, 付浩, 李昕娟, 熊东红. 雅鲁藏布江中部流域土地沙化遥感识别[J]. 地球信息科学学报, 2022, 24(2): 391-404. |
[7] | 贺卓文, 陈楠. 复杂网络理论在黄土高原沟谷地貌特征研究中的应用[J]. 地球信息科学学报, 2021, 23(7): 1196-1207. |
[8] | 李文萍, 王伟, 高星, 伍宇明, 王学成, 刘青. 融合面向对象和分水岭算法的山地湖泊提取方法[J]. 地球信息科学学报, 2021, 23(7): 1272-1285. |
[9] | 张春森, 贾欣, 吴蓉蓉, 崔卫红, 史书, 郭丙轩. 面向对象高分遥感影像典型自然地物半自动提取[J]. 地球信息科学学报, 2021, 23(6): 1050-1062. |
[10] | 李晓恩, 周亮, 肖杨, 吴文周, 苏奋振, 石伟. 基于渔船AIS数据的南海北部海洋渔业捕捞强度空间特征挖掘[J]. 地球信息科学学报, 2021, 23(5): 850-859. |
[11] | 李宇君, 张磊. 基于沙地指数模型的沙地监测方法[J]. 地球信息科学学报, 2021, 23(4): 680-691. |
[12] | 贺彬, 吴文周, 康路, 苏奋振. 南海区域渔船活动时空特征分析[J]. 地球信息科学学报, 2021, 23(11): 2013-2024. |
[13] | 陈昂, 杨秀春, 徐斌, 金云翔, 张文博, 郭剑, 邢晓语, 杨东. 基于面向对象与深度学习的榆树疏林识别方法研究[J]. 地球信息科学学报, 2020, 22(9): 1897-1909. |
[14] | 赵青松, 兰安军, 范泽孟, 杨青. 贵州省不同地貌形态类型土壤侵蚀强度变化的定量分析[J]. 地球信息科学学报, 2020, 22(7): 1555-1566. |
[15] | 张源榆, 黄荣永, 余克服, 樊明顺, 周国清. 基于卫星高光谱遥感影像的浅海水深反演方法[J]. 地球信息科学学报, 2020, 22(7): 1567-1577. |
|