周 寒

(遼寧省撫順?biāo)木?，遼寧 撫順 113015)

2015年前，城市黑臭水體的研究還局限于對黑臭水體的治理研究工作[1- 6]，對于城市黑臭水體的監(jiān)控研究還較少。隨著衛(wèi)星遙感技術(shù)的不斷發(fā)展，對城市黑臭水體的研究也逐步得到國內(nèi)外學(xué)者的廣泛關(guān)注。對于城市黑臭水體的遙感識別，有利于對城市黑臭水體的時(shí)空演變進(jìn)行有效把控，并可從源頭上對城市黑臭水體進(jìn)行控制，改善城市黑臭水體的水質(zhì)。水體遙感識別傳統(tǒng)上采用光學(xué)波段識別模型，但也有黑臭水體本身的特殊性值，使得應(yīng)用傳統(tǒng)光學(xué)波段識別較為困難，識別度較低。近年來，有學(xué)者針對傳統(tǒng)學(xué)波段識別模型的算法進(jìn)行改進(jìn)，引入SIFT算法，該算法可以實(shí)現(xiàn)多背景下的目標(biāo)快速識別，在衛(wèi)星圖像遙感識別中得到應(yīng)用[7- 9]，應(yīng)用效果比改進(jìn)算法下圖像遙感識別度得到明顯提高?？蓪Τ鞘泻诔羲w進(jìn)行有效識別監(jiān)控，本文引入改進(jìn)的SIFT算法，對城市黑臭水體遙感識別進(jìn)行改進(jìn)。

1 改進(jìn)的SIFT算法

改進(jìn)的SIFT算法首先需要計(jì)算光學(xué)反射率角度，檢驗(yàn)反射率角度是否滿足均勻性，假設(shè)發(fā)射角的計(jì)算方程為：

(1)

式中，magij(k)、oriij(k)—jth直方圖上的幅度和方向角度。在反射角計(jì)算基礎(chǔ)上，需要對兩兩方向角的相互獨(dú)立性進(jìn)行檢驗(yàn)，改進(jìn)算法假定兩個(gè)隨機(jī)變量，通過計(jì)算皮爾遜矩相關(guān)系數(shù)來分析其獨(dú)立性，計(jì)算方程為：

ρxy=E[(X-μx)(Y-μy)]/σxσy

(2)

式中，E—期望算子；X、Y—隨機(jī)變量；μx、μy—隨機(jī)變量的期望值；σx、σy—隨機(jī)獨(dú)立變量的方差；反射角度α以及β特征點(diǎn)的計(jì)算方程為：

(3)

通過上述方程的計(jì)算，可以實(shí)現(xiàn)遙感圖像的動(dòng)態(tài)識別點(diǎn)的特征匹配。中國資源衛(wèi)星應(yīng)用中心于2011年7月至9月完成了環(huán)境衛(wèi)星的場外定標(biāo)實(shí)驗(yàn)，并進(jìn)一步檢驗(yàn)了真實(shí)性。環(huán)境衛(wèi)星CCD的定標(biāo)公式為：

L=DN/A+L0

(4)

式中，L0—偏移量；A—絕對定標(biāo)系數(shù)增益。在進(jìn)行完衛(wèi)星遙感圖像定位后，使用環(huán)境衛(wèi)星熱紅外數(shù)據(jù)時(shí)需要將其轉(zhuǎn)換為輻射亮度。其公式為：

(5)

式中，Lλ—熱紅外傳感器所接收到的地表物體反射出的輻射亮度，W·m-2·sr·μm-1；DN—原始影像的灰度值；b—偏移量；g—絕對定標(biāo)系數(shù)增益，在環(huán)境衛(wèi)星熱紅外數(shù)據(jù)頭文件中可以獲取相應(yīng)的數(shù)值。

2 實(shí)例應(yīng)用

本文以遼寧省某城市為研究實(shí)例，結(jié)合改進(jìn)的光學(xué)識別模型對城市黑臭水體進(jìn)行水體遙感影像識別。

2.1 模型參數(shù)設(shè)置

模型運(yùn)用前，對模型不同衛(wèi)星波段下的參數(shù)進(jìn)行設(shè)置，模型參數(shù)設(shè)定結(jié)果見表1。

表1 模型參數(shù)設(shè)定結(jié)果

2.2 模型反射率精度評價(jià)

不同算法下遙感影像識別主要在于其各光譜反射率的分析，結(jié)合不同算法下的光學(xué)識別分析，應(yīng)用8種衛(wèi)星波段，統(tǒng)計(jì)分析了不同算法下各波段的反射率精度，精度統(tǒng)計(jì)結(jié)果見表2—3。

從表2中可以看出，傳統(tǒng)算法下各波段反射率的相關(guān)系數(shù)在0.5892～0.6694之間，各波段平均相關(guān)系數(shù)為0.6463，而均分誤差在48.35%～58.43%之間，各波段均分誤差均值為52.73%，表

3為改進(jìn)算法下的各波段反射率精度分析結(jié)果，可以看出，改進(jìn)算法下各波段的反射率相關(guān)系數(shù)在0.7983～0.8527之間，各波段反射率相關(guān)系數(shù)均值為0.8221，相比于傳統(tǒng)算法，反射率相關(guān)系數(shù)提高0.18，而從各波段均分誤差可以看出，改進(jìn)算法下，各波段反射率的均分誤差減少17.7%。這主要是因?yàn)楦倪M(jìn)的光學(xué)識別模型采用SIFT算法檢查各波段發(fā)射角均勻性，相比于傳統(tǒng)算法，在反射率計(jì)算優(yōu)化性更高，因此改進(jìn)模型的反射率精度更高。

2.3 模型適用性分析

為分析模型的適用性，從波段反演誤差及相關(guān)性兩個(gè)指標(biāo)分析改進(jìn)后模型對于不同類型黑臭水體的識別度，分析結(jié)果如圖1所示。

從圖1中可看出，各類型黑臭水體下模型的波段反演誤差及相關(guān)性分析較好，表明改進(jìn)后的光學(xué)識別模型下各類型黑臭水體遙感反演適用性較好。從類型城市黑臭水體的反演效果可看出，重度黑臭水體下其識別率可達(dá)到85.3%，而中度、輕度黑臭水體的遙感識別率可以達(dá)到64.5%和72.3%，對于一般水體而言，改進(jìn)后的光學(xué)識別模型下的遙感識別率也可達(dá)到81.2%，改進(jìn)的光學(xué)識別模型可以用來對城市黑臭水體進(jìn)行遙感影像識別。

2.4 黑臭水體的遙感影像識別

結(jié)合改進(jìn)的光學(xué)識別模型，對城市5—9月份的黑臭水體進(jìn)行遙感影像圖像識別，識別結(jié)果如圖2所示。

從圖2中可看出，城市黑臭水體在5、6月份主要集中部區(qū)域，且呈現(xiàn)輕度黑臭水體，擴(kuò)散范圍較小，而進(jìn)入?yún)^(qū)域主雨期7、8月份后，進(jìn)入城市的污染物增多，使得城市黑臭水體有所增多，且呈現(xiàn)中度以上污染，重度黑臭水體的范圍有所增多，主要集中在城市中部區(qū)域，應(yīng)加大這一區(qū)域的黑臭水體的治理。從9月份開始，城市黑臭水體的范圍逐步向西進(jìn)行偏移，且呈現(xiàn)中度以下的污染，特別是進(jìn)入10月份以后，城市黑臭水體的范圍逐步減弱，呈現(xiàn)輕度黑臭。進(jìn)入11月以后，城市河道進(jìn)入封凍期，直到次年4月，這一時(shí)期由于河流封凍影響，城市黑臭水體遙感影響識別率較差。

表2 傳統(tǒng)算法下各波段反射率精度評價(jià)結(jié)果

表3 改進(jìn)算法下各波段反射率精度評價(jià)結(jié)果

圖1 不同類型黑臭水體模型適用性分析結(jié)果

圖2 基于改進(jìn)的光學(xué)識別模型的城市黑臭水體遙感影像識別結(jié)果

3 結(jié)論

改進(jìn)算法后，傳統(tǒng)遙感光學(xué)識別模型的平均識別度提升17.7%，改進(jìn)算法下模擬的光波反射率曲線與實(shí)測值相關(guān)系數(shù)提高0.18，重度黑臭水體的遙感識別率達(dá)到85.3%，輕度黑臭水體遙感識別率達(dá)到64.5%，一般性水體的遙感識別率也可達(dá)到81.2%。數(shù)據(jù)表明：SIFT算法下城市黑臭水體遙感影響識別率明顯提高，主要提高在不同波段的光學(xué)反射率上，該方法能較好支撐城市黑臭水體的監(jiān)控。但在北方河道，城市河流進(jìn)入封凍期后，城市黑臭水體遙感影響識別率較差。