1、测 绘 通 报 年 第 期引文格式：李振今，王志勇，叶凯乐，等 联合时间序列相干性和后向散射系数的黄河三角洲湿地分类 测绘通报，（）：联合时间序列相干性和后向散射系数的黄河三角洲湿地分类李振今，王志勇，叶凯乐，刘晓彤，田 康（山东科技大学测绘与空间信息学院，山东 青岛）摘要：针对后向散射系数难以完成高精度湿地分类问题，本文以 景 极化的 影像为数据源，构建了一种联合时间序列相干性和后向散射系数的分类方法。通过对长时间序列的后向散射系数和相干性分析，选择互花米草易与其他地物混淆的 个时相（月 日（）、月 日（）、月 日（）的后向散射系数图为合成数据源，引入 月 日相干图代替 月 日后向散射系数图
2、。采用 和随机森林分类器，探究相干性引入前后黄河三角洲湿地分类精度变化。研究表明，相干性引入后，和随机森林分类结果的总体精度分别提升了.和.，互花米草的分类精度分别提升了.和.。关键词：湿地分类；相干性；后向散射系数；黄河三角洲；互花米草中图分类号：文献标识码：文章编号：（），（，）：，（），（）（）.，.：；年 月 日，习近平总书记考察黄河三角洲入海口，强调推动黄河流域生态保护与高质量发展，着力加强黄河三角洲生态保护治理。黄河三角洲湿地是湿地公约中的国际重要湿地之一，也是我国最完整、最广阔、最年轻的滨海湿地。适宜的气候环境与充足的资源，使得当地物种存在多样性的特点。该区域存在着航运、渔业养殖
3、、农业、工业等多种产业混合发展的模式，因此保护当地的生态环境健康发展具有重要意义。互花米草于 年首次引入中国，起初用于弥补大米草植株较矮、产量低等不足。然而随着时间的推移，互花米草展现了极强的侵略性，逐渐在中国沿海湿地泛滥成灾，被列入了“十大外来入侵物种”之一。年起，互花米草在黄河三角洲当地开始蔓延，对当地的生态系统造成严重危害。同时，互花米草的泛滥占用原本的航道空间，导致航道阻塞等现象经常发生，阻碍了当地多种产业的发展。由于缺少天敌，互花米草在我国主要依靠人工清除，需要大量的人力物力，并且互花米草严重挤压了其他当地物种的生存空间。因此，对黄河三角洲的湿地类型进行区分，尤其是对互花米草分收稿日
4、期：；修回日期：基金项目：山东省重大科技创新工程（）；国家自然科学基金（）作者简介：李振今（），男，硕士生，主要从事微波遥感。：通信作者：王志勇。：年 第 期 李振今，等：联合时间序列相干性和后向散射系数的黄河三角洲湿地分类布范围的精确把控，对保护沿海湿地的生态环境和降低清除成本有着重要意义。目前，互花米草的提取可以依靠光学影像、无人机航测等多种遥感手段。然而，光学影像易受云雾等影响，造成数据不可用，无人机航测的监测范围有限且易受天气影响，无法较好地完成长时间序列的监测任务。影像由于其不受云雾雨雪干扰的特点，为长时间序列进行互花米草提取提供了可能。另外，由于互花米草与芦苇在外观上呈现相似性，因
5、此在光学、航测影像上直接提取时，易将互花米草与芦苇混淆。利用 影像独特的后向散射系数特性，可将芦苇与互花米草进行有效区分。目前利用长时间序列的 后向散射系数进行分类，已经被证明可在湿地、城市、干旱地区等达到好的效果。然而在一些时相下，互花米草的后向散射系数与其他地物相近，为实现互花米草与其他地物的精准区分提出了挑战。相干性是指利用 技术对两幅 图像进行相干处理，获得地物散射体的散射信息。相干图不仅用于反映 干涉过程中干涉质量的好坏，也可反映地物类型的变化。目前相干性已经广泛地用于地物分类与提取，众多学者研究证明，相干性差异可作为分类的有效依据，并为达到更高精度的分类作出较大的贡献。本文拟通过
6、年 景 极化的 影像，构建一种联合短时间基线相干性和 后向散射系数的分类方法，实现黄河三角洲的湿地分类，并着重探究相干性对互花米草分类精度的贡献。研究区域与数据.研究区域黄河 三 角 洲 位 于 中 国 山 东 省 境 内，东 经，北纬 之间，东临莱州湾，北临渤海湾，面积 万多平方千米。地势平坦，海拔 。地处暖温带，属半湿润大陆性季风气候，年平均降水量为.。.数据源 雷达卫星于 年 月 日在欧洲航天局（欧空局）发射，在 波段运行，轨道高度约 ，有 的回访期，为长时间序列分析互花米草提供可能。本次试验采用 年 月 日 月 日期间的 景 极化数据进行长时间序列分析。影像参数见表。表 影像参数传感器
7、波段幅宽模式轨道方向分辨率 升轨.方法与结果以 年 景 极化数据为数据源，首先进行影像预处理工作，包括 后向散射系数与短时间基线的相干性获取，并绘制长时间序列后向散射系数和相干性曲线图。然后通过分析曲线，选择不同时相特征进行多时相合成，在不改变合成数据源的前提下，探究引入相干性前后的分类精度差异，并着重探究互花米草的精度变化。技术路线如图 所示。图 技术流程.数据预处理首先对 景影像进行预处理工作，用于获取后向散射系数：（）影像配准。令图像大小一致，去除地理偏差。（）图像滤波。统一采用 滤波，尽可能去除图像中斑点噪声对结果的影响。（）辐射定标。将雷达图像的像元灰度值（）转换为后向散射系数（），
8、公式为（，）（）（）式中，表示像素点位置为图像中的第 行第 列；为定标参数。（）地理编码。将最终结果转换到 坐标系下，在此基础上进行分析。此外，对配准后日期相邻的影像分别做雷达干涉处理，以日期在前的影像为主影像，日期在后的影像为副影像。根据影像获取的时间间隔，干涉对的时间基线均在 。预处理后得到相干系数图，探究不同地物的短时间基线相干性差异。测 绘 通 报 年 第 期.后向散射系数与相干性提取.后向散射系数提取对预处理完成的影像建立感兴趣区（，）用于地物分类，感兴趣区的选择依据 影 像、光 学 影 像、其 他 学 者 研 究 结果等。本次试验共计样本 个，其中 用于训练，用于验证。各地物样本数
9、量见表。表 样本数量个地物类别训练样本验证样本互花米草芦苇柽柳滩涂水体根据选择的样本对不同地物的后向散射系数进行统计，统计方法采用均值法，即对同一样本所有 的后向散射系数计算平均值。得到长时间序列的后向散射系数变化曲线，如图（）所示。.相干性提取依据先前构建的，对相干性进行统计，方法同上，得到长时间序列的相干性变化曲线如图（）所示。日期表示的为干涉对副影像日期，即 月 日表示 月 日相干图的相干性值。图 时序特征曲线.湿地分类.分类方法利用经典的支持向量机（）和随机森林分类器进行湿地分类。分类器是通过一个非线性映射，把样本空间映射到一个高维乃至无穷维的特征空间中，使得在原来的样本空间中的非线性
10、可分问题转化为在特征空间中的线性可分问题。随机森林分类器是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树。每棵决策树都是一个分类器，对于一个输入样本，棵树有 个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出。大量研究表明，分类器和随机森林分类器适合用于各种情形遥感影像分类。.分类结果根据对后向散射系数的变化曲线分析可知，极化下，月，互花米草后向散射系数与其他地物类型相差较大，可以较容易地提取；月，芦苇与互花米草的后向散射系数相近；月，柽柳与互花米草后向散射系数相近；月末开始，互花米草再次与芦苇容易混淆。在针对不同地物的相干性的统计中，笔者发现
11、，月与 月，各地物之间相干性存在较大差异，尤其是冬季，互花米草的相干性与其他地物存在明显区分；月，由于植被噪声本身的影响或其他因素限制，所有地物的相干性均较低，除柽柳外均保持在.上下浮动。对后向散射系数分析发现，月互花米草较易区分，而其他时间易同其他地物混淆。由于相干性在 月的区分能力有限，因此本文着重研究了 月期间相干性对分类的贡献。首先在后向散射系数图中，挑选了互花米草最易与其他地物造成混淆的 个时相，即 月 日、月 日和 月 日 个时相的后向散射系数图，分别赋予、个通道。然后在不改变合成所用数据源的情况下，在 通道引入 月 日相干图代替 月 日的后向散射系数图，重新合成假彩色影像，合成方
12、式见表。表 多时相合成方式类别相干性引入前相干性引入后 相干图相干图引入前、后的假彩色影像如图 所示。年 第 期 李振今，等：联合时间序列相干性和后向散射系数的黄河三角洲湿地分类由图 可知，图像发生了较大的变化，相干性引入后原本颜色相近的互花米草和柽柳之间差异变得更加明显，与其他地物相比，互花米草变得更加突出。利用 分类器和随机森林分类器，使用先前制作的样本分别对两张假彩色影像分类，得到的结果如图 所示。图 多时相合成假彩色影像图 分类结果测 绘 通 报 年 第 期 讨论与分析.总体精度评定为验证引入短时间基线相干性前后分类结果的差异，根据分类结果和验证样本建立混淆矩阵，见表、表。根据表 和表
13、 可知，引入相干性后，利用 分类器进行分类的总体精度由.提升至.，系数由.上升至.；利用随机森林分类器进行分类的总体精度由.提升至.，系数由.上升至.。在样本不变的前提下，精度分别提升了.和.，系数分别提升了.和.。总体来看，两种分类方式在引入相干性后的分类精度均有所提高，随机森林分类器的精度和提升精度均略高于 分类器。表 分类混淆矩阵类别相干性引入前精度（）相干性引入后精度（）互花米草芦苇柽柳水体滩涂互花米草芦苇柽柳水体滩涂互花米草.芦苇.柽柳.水体.滩涂.总和.总体精度（）.系数.表 随机森林分类混淆矩阵类别相干性引入前精度（）相干性引入后精度（）互花米草芦苇柽柳水体滩涂互花米草芦苇柽柳水
14、体滩涂互花米草.芦苇.柽柳.水体.滩涂.总和.总体精度（）.系数.虽然相干性对于分类的贡献明显，但是总体的分类精度仍比较有限。水体和滩涂较容易区分，柽柳分类精度相对较高，但是芦苇的分类精度相对较低。在多时相合成的假彩色影像中，不同区域的芦苇样本颜色呈现明显差异，这也导致了分类结果中芦苇在部分区域出现了和周围地物不连贯，存在明显错分的现象。这可能与芦苇的生长周期有关，同时，本文的样本是根据 影像、光学影像及其他学者分类结果选取的，可能存在一定误差。.互花米草精度分析为了更详细地研究互花米草提取的精度提升，根据生产者精度和用户精度两项指标，单独针对互花米草的分类精度进行评价，结果见表。表 互花米草
15、分类精度（）分类器是否引入相干性生产者精度用户精度否.是.随机森林否.随机森林是.在不改变样本的前提下，互花米草在 分类器中生产者精度提升了.，用户精度提升了.；在随机森林分类器中生产者精度提升了.，用户精度提升了.。两种方法的生产者精度和用户精度均存在明显的提升，相干性的引入对互花米草提取精度贡献明显。采用同期 影像观测，与使用本文引入相干性前后的分类结果在部分区域作对比，如图 所示。图 中 年 第 期 李振今，等：联合时间序列相干性和后向散射系数的黄河三角洲湿地分类第 列为 影像，成像时间为 年 月 日；第 列为引入相干性前 分类结果，可以看到分类结果非常琐碎，出现了大量地物混淆，与光学影
16、像不符；第 列为引入相干性后 分类结果，结果非常平滑，其更贴近于真实情况。图 光学影像与分类结果对比 结 论本文利用 年 景 极化 数据，构建了一种联合时间序列相干性和后向散射系数的分类方法，通过对长时间序列的地物后向散射系数和相干性进行统计和分析，将短时间基线相干图引入多时相合成的假彩色影像中，对黄河三角洲湿地进行分类。得到以下结论：（）通过对 极化下各类地物长时间序列的后向散射系数和相干性统计分析可得，互花米草在 月期间的后向散射系数与其他地物差异较大，在 月和 月期间的相干性与其他地物差异较大。（）通过短时间基线相干性的引入，在不改变合成数据源的前提下对黄河三角洲地区进行 和随机森林分类，并同相干性引入前的分类结果进行对比可得：与仅使用后向散射系数相比，本文方法在 分类器下总体精度提升了.，系数提升了.；在随机森林分类器下总体精度提升了.，系数提升了.。（）对互花米草分类精度进行重点分析。在 分类器下，相干性引入后互花米草的生产者精度提升了.，用户精度提升了.；在随机森林分类器下，生产者精度提升了.，用户精度提升了.。参考文献：苏锐 保护黄河流域生态 助推文旅事业高质量发展：习近
