洞庭湖湿地植被分类研究
宋仁飞，林 辉，严恩萍，和晓风
【摘 要】高分一号卫星是我国2013年自主发射的第一颗高分辨率对地观测卫星(GF-1) ，其在湿地中的应用还比较少见。以洞庭湖湿地为研究区，GF-1影像为主要遥感数据源，在对研究区湿地主要植被柳树、杨树、芦苇和苔草的光谱特征分析基础上，建立决策树分类算法。同时结合GF-1影像特有的纹理信息，引入纹理均值和相异性指数对决策树算法进行改进，结果表明：通过采用纹理均值和相异性指数，总体精度从传统决策树的85.64%提高到了92.66%，Kappa系数从0.82提高到0.91，说明该方法对湿地植被识别的效果较好。这对于同等空间分辨率遥感数据的植被分类具有指导和借鉴作用。 【期刊名称】中南林业科技大学学报 【年(卷),期】2015(000)011 【总页数】5
【关键词】高分辨率遥感；决策树；纹理；植被分类；洞庭湖
湿地在保持水源、净化水质、维护生物多样性、调节气候等方面有着十分重要的生态作用[1]，因此享有“地球之肾”的美誉[2]。近年来，湿地植被的群落组成[3]及演变趋势[4]等方面得到了广泛的关注和重视。植被作为全球变化的敏感指示器，已成为一个研究热点，特别是湿地植被类型的研究对生态环境有着十分重要的作用[5]。
随着遥感分类技术的发展，遥感影像分辨率的不断提高，尤其是国产卫星空间分辨率的快速提高，使得应用国产卫星对湿地植被类型进行提取成为可能。高分辨率遥感影像不仅真实记录了地表植被的光谱特征，还表征了与之相关的纹
理信息。相关研究表明，利用光谱与纹理特征结合得到的分类精度要高于单纯光谱或单纯纹理的分类精度[6]。不同的植被类型由于其波谱特征的不同，在影像上的亮度值也不同，有关学者围绕多光谱高分辨率遥感影像开展了植被分类研究[7-11]。颜梅春[8]利用IKONOS影像数据的纹理信息进行植被分类，并将结果与用光谱信息、植被指数信息的分类结果比较，得出纹理信息分类的精度最高。黎良财等[9]运用SPOT-5全色和多光谱影像，采用支持向量机(SVM)法对森林植被进行分类研究，探讨了SVM法的分类能力以及纹理信息在森林植被分类中的影响。严恩萍等[10]以ALOS高分辨率遥感影像为数据源，采用基于光谱特征的图像分类方法实现了森林类型的精确提取，分类精度达90.25%。但运用GF-1将湿地植被区分至种的文章鲜有报道。本研究旨在寻找能够识别东洞庭湖4种典型湿地植被的分类方法，为相当空间分辨率的遥感影像植被分类提供参考。
1 材料与方法
1.1 研究区概况
研究区为湖南省东洞庭湖国家级自然保护区，位于长江中游荆江江段南侧，全区总面积约 19 万 hm2。 地 理 位 置 为 28°59′～ 29°38′N，112°43′～ 113°15′E，海拔高度 10 ～ 80 m，属于亚热带季风气候区，年均气温17 ℃，降水量1 200～1 300 mm。东洞庭湖是洞庭湖湖系中最大的湖泊，主要湿地植被有苔草、芦苇、杨树、柳树等。 1.2 数据来源及预处理 1.2.1 地面调查数据
研究选取的地面数据为手持GPS获取的点数据和SVC非成像光谱仪中测量植
被光谱时获取的GPS点数据，对非植被地类和不同植被类型进行采样，共选择了457个非植被样本、438个柳树样本、200个杨树样本、229个芦苇样本、394个苔草样本，选择其中三分之二的样本作为训练数据，其余三分之一的数据作为验证数据。 1.2.2 遥感数据
主要采用了GF-1号卫星获取的遥感影像，接收时间为2014年5月1日，包括4个多光谱波段（空间分辨率8 m）和1个全色波段（空间分辨率2 m）。采用ENVI5.1软件对GF-1号数据进行辐射定标、大气校正和Gram-Schmidt图像融合等处理，处理后的影像如图1所示。 1.3 研究方法
本文研究了湿地植被的光谱特征，通过分析柳树、杨树、芦苇、苔草4种主要湿地植被的光谱特征，分别统计原始波段反射率、NDVI和RVI的最小值、最大值和均值，发现不同植被类型具有不同的光谱特征，可以将它们区分。首先根据统计的影像的光谱特征值设置阈值，进行决策树分类；然后基于光谱特征的分类结果，结合蓝波段均值纹理特征和近红外波段相异性指数对基于光谱特征的决策树分类算法进行改进。最后采用混淆矩阵对两种分类结果进行精度评价，得出最佳的湿地植被分类方法。
2 结果与分析
2.1 光谱特征分析
2.1.1 植被与非植被的光谱分析
本文的主要研究目的是进行植被分类，因此需要首先将植被提取出来。目前的很多研究表明，归一化植被指数（NDVI）可以很好地区分植被和非植被地类，
洞庭湖湿地植被分类研究
