基于Landsat 8影像的濕地信息提取最佳波段組合

顏鳳芹，于靈雪，楊朝斌，卜 坤，楊久春，常麗萍，張樹文

（1.中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所， 長春 130102； 2.中國科學院大學，北京 100049）

基于Landsat 8影像的濕地信息提取最佳波段組合

顏鳳芹1,2，于靈雪1,2，楊朝斌1,2，卜 坤1，楊久春1，常麗萍1，張樹文1

（1.中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所， 長春 130102； 2.中國科學院大學，北京 100049）

濕地在維持生態(tài)平衡等方面發(fā)揮著重要的作用，因此，濕地的監(jiān)測與保護是研究者們關注的話題。遙感技術的出現(xiàn)為濕地研究提供了強有力的技術支撐。在濕地遙感中，目視解譯仍然是濕地信息提取的重要方法。影像的最佳波段的選取與合成作為色彩合成的重要部分，直接對目視解譯的精度產(chǎn)生影響。因而，遙感影像最佳波段選擇與合成是遙感圖像處理的一個重要課題。本文以三江平原為例，探討了Landsat 8影像用于濕地目視解譯時的最佳波段選擇與組合，以期為Landsat 8影像更有效地應用于濕地信息提取提供參考。

Landsat 8影像；最佳波段組合；最佳指數(shù)（OIF）；濕地

濕地是地球上水陸相互作用形成的獨特生態(tài)系統(tǒng)，是重要的生存環(huán)境和自然界最富有生物多樣性的生態(tài)景觀之一,具有穩(wěn)定環(huán)境、物種基因保護及資源利用等功能，被譽為“地球之腎”、“生命的搖籃”、“文明的發(fā)源地”和“物種的基因庫”，與森林、海洋一起并列為全球三大生態(tài)系統(tǒng)（殷康前和倪晉仁，1998；孫廣友，2000；楊永興，2002）。然而，由于各種自然因素和人為因素，濕地正在以驚人的速度遭到破壞。濕地的監(jiān)測和保護受到人們的廣泛關注。

濕地多處于偏遠地區(qū)，采用傳統(tǒng)的手段來監(jiān)測費時、費力、耗費高，調查范圍小，對濕地有破壞性，而且其周期性較長，往往需要幾個月甚至幾年，時效性差。遙感技術因具有省時省力等優(yōu)勢，可為濕地研究提供強有力的技術支撐。由于Landsat系列數(shù)據(jù)（MSS、TM、ETM+等影像）性價比較高，在目前的濕地遙感研究中應用最為廣泛（Houhoulls and Mlchene et al，2000；Wright and Gallant，2007；Frohn et al，2012；張樹文等，2013）。在濕地遙感監(jiān)測中，雖然自動分類省時省力，但提取精度（一般小于80%）相對于目視解譯（85%以上）依然偏低，因而目視解譯濕地仍然受到國內外研究者的青睞（Houhoulls and Mlchene，2000；李穎等，2002；Wright and Gallant，2007；Bortels et al，2011；Frohn et al，2012；Michishita et al，2012；Niu et al，2012；張樹文等，2013）。由于Landsat 7號星故障及Landsat 5 號星退役，使得Landsat對地觀測中斷約1 年零4個月。2013年2月11日， Landsat8衛(wèi)星發(fā)射，使一度中斷的Landsat 對地觀測得以繼續(xù)。與Landsat 7相比，Landsat 8在延續(xù)的基礎上，波段有所增加，波段光譜范圍有所變化，信息更為豐富，Landsat 8的OLI影像已經(jīng)被廣泛應用于土地利用/覆蓋類型監(jiān)測等各個方面（徐涵秋和唐菲，2013；張雨航和蔣國勝，2013；Jiang et al，2013；El-Askary et al，2014；Jia et al，2014；Lobo et al，2014）。目前，遙感技術的應用主要是通過有效的圖像合成、處理來獲取濕地信息，并進行相關的定量分析。多光譜影像最佳波段的選取與合成作為色彩合成的重要部分，直接影響到影像信息量的豐富與否，進而直接對濕地信息提取的精度產(chǎn)生影響。前人對于Landsat MSS、TM、ETM+等影像在濕地信息提取的最佳波段選取與組合已有研究，但是鮮有OLI影像在濕地信息提取中的最佳波段選取與組合。本文以三江平原濕地為例，通過選取典型樣地并在統(tǒng)計分析的基礎上探討了濕地目視解譯中的最佳波段選擇與組合，以期為OLI影像更廣泛和更有效地應用于濕地信息提取提供參考依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

三江平原位于黑龍江省的東北部, 總面積10.89×104km2, 占黑龍江省土地總面積的22.6%。是由黑龍江、松花江、烏蘇里江沖積形成的低平原,經(jīng)緯度范圍45°01'05"N～48°27'56"N, 130°13'10"E～135°05'26"E。其地貌特征為廣闊的沖積低平原和河流形成的階地、以及河漫灘上廣泛發(fā)育著的沼澤和沼澤化草甸。三江平原是我國三大內陸沼澤濕地集中分布區(qū)之一, 并且是全國重要的糧食生產(chǎn)基地。

1.2 數(shù)據(jù)源及其預處理

本研究采用的衛(wèi)星遙感數(shù)據(jù)是Landsat8遙感影像。Landsat8衛(wèi)星發(fā)射于2013年2月11日，Landsat8衛(wèi)星數(shù)據(jù)很好地延續(xù)了Landsat系列衛(wèi)星。其設計和特征與Landsat 7基本相同，因而Landsat8影像數(shù)據(jù)與前期Landsat數(shù)據(jù)保持了很高的一致性。與Landsat 7相比，Landsat8新增了1個深藍波段（用于監(jiān)測近岸水體和大氣中的氣溶膠,因此也稱海岸/ 氣溶膠波段）和1個卷云波段（用于檢測卷云）；將原熱紅外波段的光譜范圍一分為二，設置了2個熱紅外波段；收窄了原近紅外波段的光譜范圍；收窄了原全色波段的光譜范圍，新的全色波段的光譜范圍不再覆蓋近紅外波段。本次研究采用的影像行列編號為115/028，影像獲取日期為2013年7月7日。

1.3 方法

最佳波段選擇的原則有3點（章孝燦和黃智才，2003）：（1）參與彩色合成的波段所含信息量大；（2）參與彩色合成的各波段間的相關性小；（3）研究地物類型的光譜特征差異要最大。因此，信息量大、相關性小、地物光譜差異大的波段組合即為最佳波段組合。在ENVI軟件的支持下，本文采取如下的方法來提取最佳波段組合。

（1）單波段信息的統(tǒng)計分析

Landsat8遙感影像的各個波段包含的地物信息多寡不一，通過對各波段的最大值、最小值、均值、方差等的排序，對各個波段的信息量可以有初步的認識。研究區(qū)典型地物的特征光譜曲線的獲取可以為最佳波段的選取提供參考依據(jù)。

（2）多波段相關性分析

相關性分析是指對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素的相關密切程度。多波段相關性分析可以得出各波段間重疊與相關的程度。用相關性較小的波段進行合成可以減少波段之間的冗余，提高圖像的質量。相關系數(shù)的計算公式如下：

式中，Si和Sj分別為圖像i波段和j波段的標準差；Sij2為圖像i波段和j波段的協(xié)方差。

（3）最佳指數(shù)OIF分析

最佳指數(shù)法（Optimal index factor，OIF）由美國查維茨提出，綜合考慮了單波段圖像的信息量及各波段間的相關性, 將標準差和相關系數(shù)有效地統(tǒng)一起來, 提高了判斷的準確性（姜小光等，2000），其計算公式如下所示：

式中Si是指第i個波段的標準差；Rij是指i、j兩波段的相關系數(shù)。OIF指數(shù)值越大，表明相應的波段組合包含的信息量越大，組合效果最佳。

2 結果與分析

2.1 Landsat 8單波段信息分析

2.1.1 單波段光譜特征統(tǒng)計

表1統(tǒng)計了實驗數(shù)據(jù)的各個波段的基本信息，包括最小值、最大值、亮度差、均值、標準差，統(tǒng)計信息值反映了遙感影像所包含的信息，亮度差、標準差越大說明圖像的反差大、信息量豐富。

從表1中我們可以看到：

2013年7月7日的影像亮度差的排序為：6＞5＞4＞7＞3＞2＞1＞9；標準差的排序是：5＞6＞7＞4＞3＞2＞1＞9。因此僅從單波段統(tǒng)計的特征值來看，5、6、4、7波段的信息比較豐富。

2.1.2 典型地物光譜特征曲線

通過在影像上選取典型地類的感興趣區(qū)，分別對水體、植被、建設用地、農(nóng)田、沼澤五類典型地類在不同位置上采集20個樣點，最后取均值繪制典型地物光譜特征曲線（如圖1所示）。從圖中，我們可以看出：研究區(qū)的典型地物在第5波段比較容易區(qū)分，建設用地與沼澤在第4、7波段比較容易區(qū)分；水體與沼澤在4、5、6波段都比較容易區(qū)分；農(nóng)田與植被只在第5波段比較容易分離；在第9、1、2、3波段，各地物類型都不太容易區(qū)分。

表1 研究區(qū)單波段圖像光譜特征統(tǒng)計Table 1 The statistics of spectrum characteristics in studyarea

圖1 實驗影像典型地物光譜特征曲線Fig.1 Signatures of the main land cover classes of the test images

2.2 相關系數(shù)分析

利用ENVI軟件，對OLI影像的OLI1、OLI2、OLI3、OLI4、OLI5、OLI6、OLI7、OLI9八個波段之間的相關系數(shù)進行計算，得到的結果見表2。

從表2中可以得出如下信息：

（1）波段5與其他波段的相關系數(shù)都很低，因此可以優(yōu)先考慮波段5。

（2）1、2、3、4波段之間的相關系數(shù)都很高（0.993，0.895，0.907，0.923，0.939，0.942）；波段6和波段7之間的相關系數(shù)很高，達到0.880；波段4與波段7之間的相關系數(shù)也很高，達到0.814；因此（1，2，3，4）、（6，7）（4，7）每組中的任意兩個波段進行組合都會帶來較大的信息冗余，應盡量避開這些組合。

（3）波段9與各個波段的相關系數(shù)都不高，但是考慮到波段9是卷云波段，主要用于探測積云，且其信息量不豐富，因此不建議采用波段9。

2.3 OIF指數(shù)分析

將標準差、相關系數(shù)帶入到OIF指數(shù)公式可以計算出相應的OIF指數(shù)（見表3）。由于OLI9的信息不夠豐富，并且OLI9主要用于探測卷云，故排除OLI9，只對前7個波段的波段組合進行OIF指數(shù)計算。

從表中可以看出，OIF前5位的是：356、456、156、256、567，這些都是理想的候選波段。單看OIF指數(shù)，是無法直接判定的，還需要綜合前面的各種分析。在前面的各種分析中，第6波段與第7波段的相關系數(shù)達到0.880，因此排除567波段組合；第4波段的信息比1、2、3波段豐富，且研究區(qū)的典型地類在第4波段較比第1、2、3波段更容易區(qū)分。綜上分析可知，在目視解譯中，利用Landsat 8提取濕地的最佳的波段組合為4、5、6波段。

最佳波段已經(jīng)選出，但要想得到最佳彩色合成圖像，還需要確定賦色方案。在ENVI中，導入4、5、6波段，進行紅綠藍配色可以得到6種方案。經(jīng)過目視效果的反復比較，5、6、4波段分別賦予紅、綠、藍合成得到的圖像地面信息豐富，色彩反差明顯，地物紋理清楚，便于將濕地分離出來，并且其色彩顯示規(guī)律與常規(guī)合成片相近，適合遙感專業(yè)人員的目視解譯與判讀。如果將6、5、4波段分別賦予紅、綠、藍，可以得到近似自然彩色的圖像，適合非遙感應用專業(yè)人員使用。

表2 研究區(qū)波段之間的相關系數(shù)矩陣Table 1 The correlation matrix between bands in study area

表3 各波段組合OIF指數(shù)及其排序Table 3 The OIF index and its rank

3 討論與結論

基于遙感自動分類提取濕地信息的方法雖然省時省力，但提取精度（一般小于80%）相對于目視解譯（85%以上）依然偏低，因而目視解譯濕地仍然受到國內外研究者的青睞。多光譜影像的最佳波段的選取與合成作為色彩合成的重要部分，直接對目視解譯的精度產(chǎn)生影響。本文以三江平原為例，探討了目視解譯濕地時，Landsat 8影像的最佳波段選擇與組合，得出以下結論，并進行相關討論。

（1）運用OIF指數(shù)，同時結合Landsat 8各個波段的統(tǒng)計信息和相關系數(shù)、地物光譜曲線進行綜合分析是進行最佳波段選擇的一種簡單快捷的方法?？梢岳么朔椒ㄌ接懩恳暯庾g其他地類，Landsat 8作為主要數(shù)據(jù)源時的最佳波段組合。

（2）Landsat 8很好地傳承了Landsat系列衛(wèi)星的基本特征，信息更加豐富，在濕地遙感中仍然可以作為主要的數(shù)據(jù)源。但是其新增的深藍波段（OLI1）和卷云波段（OLI9）在目視解譯提取濕地信息時，發(fā)揮的作用不大。在今后的研究中可以進一步探討新增的波段在濕地的計算機自動分類及其濕地的環(huán)境監(jiān)測等工作中的應用。

（3）研究認為，利用OLI影像進行濕地的目視解譯提取時，最佳的波段組合為4、5、6波段（對應于Landsat TM影像的3、4、5波段），此波段組合的信息最為豐富；并且OLI564分別賦予紅、綠、藍是最適合遙感專業(yè)人員目視解譯的賦色方案。

李 穎, 張養(yǎng)貞, 張樹文. 2002.三江平原沼澤濕地景觀格局變化及其生態(tài)效應 [J]. 地理科學, 22(6): 677–682. [Li Y, Zhang Y Z, Zhang S W. 2002. The landscape pattern and ecologic effect of the marsh changes in the Sanjiang Plain [J]. Scientia Geographica Sinica, 22(6): 677–682.]

姜小光,王長耀, 王 成. 2000.成像光譜數(shù)據(jù)的光譜信息特點及最佳波段選擇[J] . 干旱區(qū)地理, 23(3): 215–220. [Jiang X G, Wang C Y, Wang C. 2000. Optimum band selection of hyperspectral remote sensing data [J]. Arid Land Geography, 23(3): 215–220.]

孫廣友. 2000.中國濕地科學的進展與展望 [J]. 地球科學進展, 15(6): 666–672. [Sun G Y. 2000. Development and prospect of wetland science in China [J]. Advance in Earth Sciences, 15(6): 666–672.]

徐涵秋, 唐 菲. 2013. 新一代Landsat 系列衛(wèi)星：Landsat 8 遙感影像新增特征及其生態(tài)環(huán)境意義[J]. 生態(tài)學報, 33(11): 3249–3257. [Xu H Q, Tang F. 2013. Analysis of new characteristics of the f rst Landsat 8 image and their eco-environmental signif cance [J]. Acta Ecologica Sinica, 33(11): 3249–3257.]

楊永興. 2002.國際濕地科學研究的主要特點、進展與展望 [J]. 地理科學進展, 21(2): 111–120. [Yang Y X. 2002. Main characteristics, progress and prospect of international wetland science research [J]. Progress in Geography, 21(2): 111–120.]

殷康前 ,倪晉仁. 1998.濕地研究綜述 [J]. 生態(tài)學報, 18(5): 93–100. [Yin K Q, Ni J R.1998. Review of wetland studies [J]. Acta ecologica sinica, 18(5): 93–100.]

章孝燦, 黃智才. 2003.遙感數(shù)字圖像處理[ M] . 杭州: 浙江大學出版社, 154–157, 163–164. [Zhang X C, Huang Z C. 2003. Remote sensing digital image processing [M]. Hangzhou: Zhejiang University Press, 154–157, 163–164.]

張樹文, 顏鳳芹, 于靈雪, 等. 2013.濕地遙感研究進展 [J]. 地理科學, 33(11): 1406–1412. [Zhang S W, Yan F Q, Yu L X, et al. 2013. Application of remote sensing technology to wetland research [J]. Scientia Geographica Sinica, 33(11): 1406–1412.]

張雨航, 蔣國勝. 2013.基于TM 和OLI 的鞍山城區(qū)南部土地利用/覆蓋時空變化研究[J].北方環(huán)境，25(10) : 50–54. [Zhang Y H，Jiang G S. 2013. Study on temporal and spatial variation of land use /cover in south of Anshan based on TM and OLI [J]. Northern Environment, 25(10): 50–54.]

Bortels L, Chan J C W, Merken R, et al. 2011. Long-term monitoring of wetlands along the Western-Greek Bird Migration Route using Landsat and ASTER satellite images: Amvrakikos Gulf (Greece) [J]. Journal for Nature Conservation, 19(4): 215–223.

Frohn R C, D'Amico E, Lane C, et al. 2012. Multi-temporal sub-pixel Landsat ETM+ classification of isolated wetlands in Cuyahoga County, Ohio, USA [J]. Wetlands, 32(2): 289–299.

El-Askary H, Abd El-Mawla S H, Li J, et al. 2014. Change detection of coral reef habitat using Landsat-5 TM, Landsat 7 ETM+ and Landsat 8 OLI data in the Red Sea (Hurghada, Egypt) [J]. International Journal of Remote Sensing, 35(6): 2327–2346.

Houhoulls P F, Mlchene W K. 2000. Detecting wetland change: A rule-based approach using NWI and SPOT-XS data [J]. Photogrammetric Engineering and Remote Sensing, 66: 205–211.

Jiang G Z, Han B, Gao Y, et al. 2013. Review of 40-year earth observation with Landsat series and prospects of LDCM [J]. Journal of Remote Sensing, 17(5): 1033–1048.

Jia K, Wei X Q, Gu X F, et al. 2014. Land cover classif cation using Landsat 8 Operational Land Imager data in Beijing, China [J]. Geocarto International, doi: 10.1080/10106049.2014.894586.

Lobo F L, Costa M P F, Novo E M L M. 2014. Timeseries analysis of Landsat-MSS/TM/OLI images over Amazonian waters impacted by gold mining activities [J]. Remote Sensing of Environment, http://dx.doi.org/10.1016/ j.rse.2014.04.030.

Michishita R, Jiang Z, Gong P, et al. 2012.Bi-scale analysis of multitemporal land cover fractions for wetland vegetation mapping [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 72: 1–15.

Niu Z G, Zhang H Y, Wang X W, et al.2012. Mapping Wetland Changes in China between 1978 and 2008 [J]. China Science Bulletin, 57(22): 2813–2823.

Wright C, Gallant A. 2007. Improved wetland remote sensing in Yellowstone National Park using classif cation trees to combine TM imagery and ancillary environmental data [J]. Remote Sensing of Environment, 107(4): 582–605.

The optimal bands combination in wetland based on Landsat 8 image

YAN Feng-qin1,2, YU Ling-xue1,2, YANG Chao-bin1,2, BU Kun1, YANG Jiu-chun1, CHANG Li-ping1, ZHANG Shu-wen1
(1. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China)

Wetlands play an important role in maintaining ecological balance and so on, therefore, the monitoring and protection of the wetland has aroused widespread concerns. The emergence of remote sensing technology provides a strong technical support for the study of wetland. Visual interpretation is still an important method in wetland information extraction by RS technology. As an important part of color synthesizing, the optimal band combination directly affect the precision of the visual interpretation. Taking the Sanjiang Plain as an example, this paper discusses the optimal band combination in visual interpretation of wetlands based on Landsat 8 image. The result shows that the optimal combination bands for Landsat 8 image interpretation are OLI5, OLI6, and OLI4 assigned with R, G and B primitive color respectively.

Landsat 8 image; the optimal bands combination; OIF; wetland

P237

：A

：1674-9901(2014)05-0339-05

10.7515/JEE201405005

2014-07-07

中國科學院戰(zhàn)略性先導科技專項子課題（XDA05090310）；國家重點基礎研究發(fā)展計劃（2010CB95090103）；國家科技基礎性工作專項子課題（2013FY111806）

張樹文，E-mail: zhangshuwen@neigae.ac.cn