梁超，劉利，劉建強(qiáng)，鄒斌，鄒亞榮，崔松雪

(1. 自然資源部 國(guó)家衛(wèi)星海洋應(yīng)用中心，北京 100081；2. 自然資源部 空間海洋遙感與應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室，北京 100081；3. 中國(guó)科學(xué)院 空天信息創(chuàng)新研究院，北京 100094)

1 引言

紅樹林是指生長(zhǎng)在熱帶、亞熱帶近岸潮間帶上部灘涂淺灘，以紅樹植物為主體的常綠灌木或喬木組成的潮灘濕地木本生物群落，是陸地向海洋過渡的特殊生態(tài)系統(tǒng)。紅樹林具有防風(fēng)消浪、促淤保灘、凈化海水、保持生物多樣性等重要功能。近幾十年來(lái)，由于圍海造地、圍海養(yǎng)殖、砍伐等人為不合理開發(fā)活動(dòng)等因素影響，使得紅樹林面積逐年銳減。紅樹林生態(tài)環(huán)境保護(hù)工作對(duì)長(zhǎng)期監(jiān)測(cè)紅樹林的分布范圍、生物量、健康水平等提出了要求，其中紅樹林分布范圍的監(jiān)測(cè)是基礎(chǔ)。利用遙感手段可以大范圍、快速、重復(fù)監(jiān)測(cè)紅樹林時(shí)空分布信息，這對(duì)于研究保護(hù)紅樹林生態(tài)系統(tǒng)具有重要意義。

國(guó)內(nèi)外紅樹林遙感監(jiān)測(cè)方面開展了大量研究，所采用的數(shù)據(jù)源通常為NOAA-AVHRR、Landsat、SPOT、Quickbird、ALOS/PALSAR等衛(wèi)星以及諸如HyMap等航空高光譜遙感影像，主要方法包括人工解譯、監(jiān)督分類、植被指數(shù)及紋理特征、面向?qū)ο蠓诸惖萚1-14]。HY-1C是我國(guó)第一代海洋水色衛(wèi)星HY-1A/B的后繼星，于2018年9月7日在太原衛(wèi)星發(fā)射中心發(fā)射成功，是我國(guó)首顆業(yè)務(wù)化運(yùn)行、全球開機(jī)、連續(xù)觀測(cè)的海洋水色衛(wèi)星，載荷配置和性能指標(biāo)、探測(cè)能力等均有明顯改進(jìn)，可獲取重訪周期更短、觀測(cè)范圍更大、精度更高的水色遙感產(chǎn)品。HY-1C搭載的海岸帶成像儀（Coastal Zone Imager，CZI）用于獲取海陸交互區(qū)域?qū)崟r(shí)數(shù)據(jù)，監(jiān)測(cè)近海、海島、海岸帶等信息，其幅寬、分辨率相比上一代載荷分別提升近2倍和5倍。本文擬以廣西山口紅樹林生態(tài)自然保護(hù)區(qū)為研究區(qū)，綜合利用紅樹林與一般陸地植被光譜特征及空間分布特征，選用適當(dāng)?shù)墓庾V指數(shù)重構(gòu)原始數(shù)據(jù)，經(jīng)最小噪聲分離變換（Minimum Noise Fraction Rotation，MNF）后，建立決策樹提取紅樹林，據(jù)此探討HY-1C衛(wèi)星CZI數(shù)據(jù)在紅樹林監(jiān)測(cè)工作中的適用性。

2 數(shù)據(jù)與方法

2.1 研究區(qū)概況

本文以廣西山口紅樹林生態(tài)自然保護(hù)區(qū)為研究區(qū)（圖1），該保護(hù)區(qū)由位于廣西合浦縣東南部沙田半島東、西兩側(cè)的海域、陸域及全部灘涂組成，地處亞熱帶，是我國(guó)第二個(gè)國(guó)家級(jí)的紅樹林自然保護(hù)區(qū)，分布著發(fā)育良好、結(jié)構(gòu)典型、連片較大、保存較完整的天然紅樹林，有紅海欖、木欖、秋茄、桐花樹等15種紅樹林植物。山口紅樹林國(guó)家級(jí)自然保護(hù)區(qū)具典型的大陸紅樹林海岸生態(tài)系統(tǒng)特征，紅樹林中還棲息著多種海洋生物和鳥類，具有重要的科學(xué)價(jià)值。

圖1 研究區(qū)位置與HY-1C衛(wèi)星CZI原始影像Fig. 1 Study area location and the CZI original image of HY-1C satellite

2.2 數(shù)據(jù)源

采用2018年10月31日11時(shí)25分獲取的HY-1C衛(wèi)星CZI傳感器L1B級(jí)數(shù)據(jù)，CZI主要技術(shù)指標(biāo)見表1。

表1 HY-1C衛(wèi)星CZI傳感器主要技術(shù)指標(biāo)Table 1 The main technical indicators of HY-1C satellite CZI sensor

2.3 研究方法

本文采用波段重構(gòu)與光譜變換相結(jié)合的方法，以增強(qiáng)CZI影像上紅樹林與一般陸地植被的特征差異，提高二者可分性。圖2為研究方法流程圖，首先對(duì)CZI數(shù)據(jù)預(yù)處理，然后基于紅樹林與一般陸地植被光譜特征構(gòu)建多種光譜指數(shù)，通過相關(guān)性分析篩選最佳指數(shù)組合重構(gòu)原始數(shù)據(jù)，繼而采用MNF進(jìn)一步增強(qiáng)重構(gòu)數(shù)據(jù)中紅樹林與一般陸地植被的光譜及空間分布特征差異，最后建立決策樹提取紅樹林。

圖2 本文研究方法流程圖Fig. 2 The research flow chart

2.3.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理包括幾何校正和輻射定標(biāo)，CZI數(shù)據(jù)采用HDF5格式，幾何校正利用數(shù)據(jù)自帶的RPC參數(shù)。L1B數(shù)據(jù)像元值為輻射亮度，據(jù)公式（1）轉(zhuǎn)換為表觀反射率[15]：

式中，ρ為大氣層頂表觀反射率（無(wú)量綱），Lλ為大氣層頂進(jìn)入衛(wèi)星傳感器的光譜輻射亮度，單位為W/(m2·sr·μm)，D為日地距離 (天文單位)，ESUNλ為大氣層頂?shù)钠骄?yáng)光譜輻照度，單位為W/(m2·μm)，θ為太陽(yáng)天頂角，相關(guān)參數(shù)可由HDF5數(shù)據(jù)集屬性參量中查找。

2.3.2 光譜指數(shù)

紅樹林與一般陸地植被光譜特征相似，在CZI原始影像難以區(qū)分。為突出植被、水體等信息并增強(qiáng)紅樹林與一般陸地植被的差異，本文擬選用適當(dāng)?shù)墓庾V指數(shù)重構(gòu)CZI原始數(shù)據(jù)。綜合考慮大氣、紅樹林分布環(huán)境等因素的影響，本文選用了常見的8種植被指數(shù)[16-19]和1種水體指數(shù)，為進(jìn)一步突出CZI影像上植被光譜特征，構(gòu)造了3個(gè)波段比指數(shù)和1個(gè)光譜斜率比指數(shù)，其中波段比指數(shù)用來(lái)表達(dá)目標(biāo)物在不同波段之間的歸一化差值比，可見光光譜斜率比指數(shù)用來(lái)表達(dá)不同地物在可見光波段的光譜曲線形態(tài)差異。表2列出了本文所采用的13種光譜指數(shù)。

2.3.3 最小噪聲分離變換

MNF最早由Green等[20]提出，是在主成分變換基礎(chǔ)上提出的一種線性變換算法。主成分變換各分量按照方差降序排列，影像主要信息集中在前幾個(gè)分量，但不能保證影像質(zhì)量（信噪比）也按照降序排列，MNF用以改進(jìn)主成分變換在噪聲消除及影像增強(qiáng)上的不足。Boardman和Kruse[21]證明了MNF等效于連續(xù)兩次主成分變換，設(shè)多光譜數(shù)據(jù)由加性噪聲和信號(hào)兩部分組成，首先對(duì)影像噪聲協(xié)方差矩陣進(jìn)行變換，使變換后噪聲協(xié)方差矩陣為單位矩陣且波段間不相關(guān)，然后對(duì)變換后的數(shù)據(jù)集作標(biāo)準(zhǔn)主成分變換[22]。

第一步，對(duì)多光譜影像X的噪聲協(xié)方差矩陣進(jìn)行對(duì)角化：

式中，Cxn為原始影像噪聲協(xié)方差矩陣，Λ為其特征值組成的對(duì)角陣，E為由其特征向量組成的正交矩陣。

上式前乘以 (Λ-0.5)T，后乘以Λ-0.5，則

式中，I為單位矩陣，令F=EΛ-0.5，則上式轉(zhuǎn)換為

原始影像經(jīng)Y=FTX變換后的協(xié)方差矩陣為

表2 本文使用的植被光譜指數(shù)列表Table 2 List of vegetation spectral indices used in this paper

式中，Cx為原始影像協(xié)方差矩陣。

第二步，對(duì)Y應(yīng)用標(biāo)準(zhǔn)主成分變換：

式中，ΛY是CY特征值降序排列的對(duì)角陣，B是其特征向量組成的正交矩陣。

綜上，MNF矩陣為

多光譜數(shù)據(jù)經(jīng)過MNF后各分量按照信噪比降序排列，影像有效信息集中在前幾個(gè)分量，噪聲主要存在于后面的分量中，實(shí)現(xiàn)了光譜增強(qiáng)的同時(shí)分離數(shù)據(jù)中的噪聲，改善多光譜處理結(jié)果。

MNF最重要的一步是估計(jì)原始影像噪聲協(xié)方差，其方法一般借助影像的空間特征，據(jù)Canty[23]：

式中，x=(i,j)T表示影像X的一個(gè)像元坐標(biāo)，h=(h1,h2)T表示坐標(biāo)的偏移量，即噪聲協(xié)方差可以用原始影像與偏移影像差異的協(xié)方差來(lái)估計(jì)。

3 結(jié)果分析

3.1 CZI影像上植被光譜特征分析

通過建立感興趣區(qū)，提取紅樹林與一般陸地植被樣本的表觀反射率光譜曲線（圖3），可見在CZI影像上二者均表現(xiàn)出典型的綠色植被光譜特征，即綠波段強(qiáng)反射、紅波段強(qiáng)吸收以及近紅外波段的高反射率，藍(lán)波段由于大氣散射的影響亦表現(xiàn)出較強(qiáng)的反射，而近紅外波段上二者光譜曲線均較為發(fā)散，這是由于中低分辨率影像上混合像元效應(yīng)的影響。紅樹林與一般陸地植被光譜曲線具有較高的相似性，使得二者很難在4波段CZI數(shù)據(jù)中被區(qū)分。圖4為CZI影像上紅樹林與一般陸地植被表觀反射率分布直方圖，可見二者在各波段具有大致相近的直方圖形態(tài)和峰值分布區(qū)間，雖然在第4波段，紅樹林與一般陸地植被直方圖峰值位置略有差異，但如前述，紅樹林與陸地植被在該波段光譜曲線均較為發(fā)散，直方圖上分布范圍均較寬，從而存在較大的重疊區(qū)。綜合考慮光譜曲線及直方圖可知，單純依靠CZI表觀反射率數(shù)據(jù)很難區(qū)分紅樹林與一般陸地植被。

圖3 CZI影像上紅樹林（a）與一般陸地植被（b）光譜曲線Fig. 3 Spectral curves of mangrove (a) and general terrestrial vegetation (b) on CZI image

圖4 紅樹林（a）與一般陸地植被（b）表觀反射率分布直方圖Fig. 4 Histograms of apparent reflectance distribution of mangroves (a) and general terrestrial vegetation (b)

3.2 基于光譜指數(shù)重構(gòu)多光譜數(shù)據(jù)

紅樹林與一般陸地植被在CZI原始光譜空間中較高的相似性對(duì)紅樹林檢測(cè)帶來(lái)了難度，傳統(tǒng)的監(jiān)督/非監(jiān)督分類等方法提取紅樹林效果均不甚理想。本文通過構(gòu)建對(duì)植被和水體信息敏感的光譜指數(shù)組合代替原始波段數(shù)據(jù)，以增強(qiáng)影像中典型植被的光譜信息及其差異性。

本文以植被遙感中最常用的歸一化差異植被指數(shù)NDVI為參考基準(zhǔn)，開展了NDVI與其他12種光譜指數(shù)的相關(guān)性分析，表3為各指數(shù)之間的相關(guān)系數(shù)。首先剔除與NDVI相關(guān)系數(shù)極低的光譜指數(shù)，如CBRI，因?yàn)闃O低的相關(guān)系數(shù)意味著該類指數(shù)對(duì)目標(biāo)植被信息不敏感；其次，剔除與NDVI具有較高的正相關(guān)系數(shù)的光譜指數(shù)，如 SIPI、CNBI、MSAVI、EVI等，該類指數(shù)在表征植被信息方面與NDVI作用相當(dāng)，從避免冗余考慮予以剔除；最后，選擇與NDVI具有中、低相關(guān)性及最大負(fù)相關(guān)性的光譜指數(shù)參與重構(gòu)，如 RI、NDWI、NDGI、CBGI、ARVI和 CVSSR 等，該類指數(shù)既能從不同程度反映植被信息，又避免了信息冗余，確保重構(gòu)后的新光譜空間既能最大化地增強(qiáng)植被及水體信息，又能最大程度減少波段之間的相關(guān)性。據(jù)此原則并經(jīng)多次試驗(yàn)，本文最終選取NDVI、NDWI、ARVI和CVSSR為最佳指數(shù)組合，并以之依次代替CZI 4個(gè)原始波段組成新的多光譜數(shù)據(jù)。

表3 NDVI與其他光譜指數(shù)間的相關(guān)系數(shù)Table 3 Correlation coefficients between NDVI and the other spectral indices

圖5為重構(gòu)后多光譜數(shù)據(jù)中紅樹林與陸地植被的直方圖，對(duì)比圖4可見在新光譜空間中，第1波段上紅樹林與陸地植被分布大致相近，但紅樹林分布范圍更寬一些；第2波段上紅樹林的分布峰值位置約為-0.50，而一般陸地植被則小于-0.50；第3波段上二者分布特征最為接近；第4 波段上紅樹林分布峰值位置約為0.70，較之一般陸地植被偏大。這說明在重構(gòu)數(shù)據(jù)光譜空間中紅樹林與一般陸地植被的差異性得到一定程度增強(qiáng)。

3.3 最小噪聲分離變換

對(duì)重構(gòu)后數(shù)據(jù)進(jìn)行MNF，圖6為變換結(jié)果的4個(gè)分量圖像，根據(jù)MNF原理，變換后4個(gè)分量按照噪聲水平升序排列，第1、2、3分量包含了主要的空間信息，而第4分量則包含較多的噪聲信號(hào)。特別地，在MNF第3分量上，紅樹林與一般陸地植被表現(xiàn)出較明顯的目視差異，前者具有更高的像元值。由圖7可知，MNF后，紅樹林與一般植被直方圖分布形態(tài)差異性得到提升，峰值分布區(qū)間的重合度進(jìn)一步減小。具體表現(xiàn)為：第1分量上，紅樹林分布范圍更寬，峰值位置約在9.30附近，陸地植被分布范圍集中在10以上，峰值位于11.52附近；第2分量上，紅樹林分布范圍亦較寬，峰值位置約在-1.23附近，陸地植被接近均值為-2.13的正態(tài)分布，主要范圍在-3.77至1.77之間；第3分量上紅樹林與一般陸地植被分布差異最為明顯，紅樹林分布中心偏右，峰值位置約為5.13，陸地植被分布峰值位置大致為3.62，且絕大部分分布在約4.36以下，而紅樹林一般高于此值（見圖7中黑色虛線）；第4分量包含更多噪聲信號(hào)，二者區(qū)分不大。這說明，基于光譜指數(shù)重構(gòu)數(shù)據(jù)，MNF在分離了噪聲信號(hào)的同時(shí)，由于利用了影像空間分布信息（公式（8）），進(jìn)一步增強(qiáng)了目標(biāo)地物的波譜差異，提高了紅樹林與一般陸地植被的可區(qū)分度。

圖5 光譜指數(shù)重構(gòu)數(shù)據(jù)樣本直方圖Fig. 5 Histograms of the spectral index reconstruction data

圖6 重構(gòu)后數(shù)據(jù)MNF的4個(gè)分量Fig. 6 The 4 MNF components of the reconstruction data

圖7 光譜指數(shù)重構(gòu)數(shù)據(jù)MNF結(jié)果樣本直方圖Fig. 7 Histograms of MNF components of the spectral index reconstruction data

通過上述分析，基于光譜指數(shù)重構(gòu)數(shù)據(jù)MNF結(jié)果可以較容易地構(gòu)建分類決策樹，實(shí)現(xiàn)紅樹林提取。圖8為本文構(gòu)建的決策樹，其中：

規(guī)則 1：NDVI ＞ 0.50，區(qū)分植被與非植被。

規(guī)則2：MNF3 ＞ 4.36，區(qū)分紅樹林與一般陸地植被。

國(guó)家衛(wèi)星海洋應(yīng)用中心在諸如“908”專項(xiàng)調(diào)查、廣西海域使用本底庫(kù)建設(shè)等工作中在該區(qū)域開展過多次遙感調(diào)查及現(xiàn)場(chǎng)核查，圖9a是基于歷史調(diào)查成果和專家經(jīng)驗(yàn)支持下的山口紅樹林分布范圍人工解譯結(jié)果，圖9b是基于本文決策樹的紅樹林自動(dòng)提取結(jié)果，可見絕大部分紅樹林均能被正確提取，其中專家解譯的面積為9.44 km2，本文方法提取紅樹林的面積為9.65 km2，面積檢測(cè)相對(duì)準(zhǔn)確率可達(dá)97%。進(jìn)一步在研究區(qū)內(nèi)隨機(jī)選取2 000個(gè)驗(yàn)證樣本點(diǎn)，其中覆蓋紅樹林樣本點(diǎn)50個(gè)，本文方法檢測(cè)出樣本點(diǎn)44個(gè)，從而紅樹林總體檢測(cè)精度約為88%。

圖8 紅樹林提取決策樹Fig. 8 Decision tree for mangrove extracting

4 總結(jié)

本文基于HY-1C衛(wèi)星CZI 4波段影像，以廣西山口紅樹林自然保護(hù)區(qū)為研究區(qū)，采用光譜指數(shù)重構(gòu)CZI數(shù)據(jù)，經(jīng)MNF建立決策樹，實(shí)現(xiàn)了研究區(qū)紅樹林自動(dòng)提取，研究結(jié)果表明：利用NDVI、NDWI、ARVI、CVSSR 4種指數(shù)重構(gòu)CZI數(shù)據(jù)，減少了地形、大氣、傳感器等因素對(duì)植被光譜信息的影響，且重構(gòu)后數(shù)據(jù)對(duì)植被、水體等更加敏感。MNF則進(jìn)一步利用了影像上紅樹林與陸地植被的波譜及空間分布特征，變換結(jié)果中二者差異被顯著增強(qiáng)，最終通過建立決策樹提取了紅樹林分布信息。本文結(jié)合光譜指數(shù)重構(gòu)和MNF方法，較好地解決了在CZI原始光譜空間中紅樹林與陸地植被難以區(qū)分的問題。因此，HY-1C CZI數(shù)據(jù)可以有效地用于紅樹林空間分布監(jiān)測(cè)。

HY-1C CZI數(shù)據(jù)優(yōu)勢(shì)在于重訪周期短、幅寬大，可快速重復(fù)獲取大范圍中等分辨率光學(xué)影像數(shù)據(jù)，但因波段較少，缺少對(duì)研究土壤與水分情況較重要的短波紅外、中波紅外或熱紅外等波段，且波段較寬，對(duì)典型植被波譜特征細(xì)節(jié)描述能力稍弱。本文研究方法可彌補(bǔ)CZI數(shù)據(jù)用于紅樹林監(jiān)測(cè)的上述不足，后續(xù)還可通過形態(tài)學(xué)方法對(duì)提取結(jié)果進(jìn)一步優(yōu)化，提升自動(dòng)檢測(cè)準(zhǔn)確率。需要指出的是，本文決策樹規(guī)則閾值對(duì)于不同地區(qū)和時(shí)相的數(shù)據(jù)可能會(huì)有所調(diào)整，目前HY-1C衛(wèi)星尚處于在軌測(cè)試階段，相信衛(wèi)星正式交付后，傳感器數(shù)據(jù)的定標(biāo)精度和質(zhì)量穩(wěn)定性會(huì)得到進(jìn)一步保障，有利于后續(xù)對(duì)本文方法的驗(yàn)證和完善。

圖9 研究區(qū)紅樹林提取結(jié)果分布Fig. 9 Mangrove extraction results