于 娟，武紅旗，范燕敏，谷金芝，史名杰

（新疆農業(yè)大學草業(yè)與環(huán)境科學學院，新疆烏魯木齊830052）

沙漠作為一種自然資源對人們的生存環(huán)境、生活質量等方面產生著不同程度的影響。沙漠邊界的提取可以為研究人員提供有價值的信息，將其作為評估沙漠地區(qū)面積變化、沙漠化程度等方面的參考資料，因此沙漠邊界的提取工作具有重要價值[1-2]。相對于實地調查來說，遙感技術不用與物體直接接觸，能真實、迅速反映地表情況，成本效益優(yōu)勢凸顯的較為明顯，因此可以作為沙漠邊界提取的一種手段[3-4]。

因沙漠區(qū)域具有明顯不同于其他地物的表面紋理[5]，采用紋理特征對圖像進行分類，對沙漠邊界進行提取。采用監(jiān)督分類方法中的最大似然法和支持向量機對遙感信息進行分類，針對傳統(tǒng)超像素算法因緊湊性因子選取主觀性較強而導致結果邊緣貼合度低、精確度不高的缺陷進行了改進。本研究旨在利用遙感技術快速、準確提取鄯善縣的庫木塔格沙漠邊界，為生態(tài)環(huán)境治理、自然資源確權等工作提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

鄯善縣是世界上距離沙漠最近的城市。本文研究的庫木塔格沙漠位于新疆維吾爾自治區(qū)鄯善縣，坐落于鄯善縣以南，與鄯善老城東環(huán)路南段相連，西距烏魯木齊280 k m，東距哈密340 k m。地理位置91°25′～94°00′E、38°20′～40°50′N。該沙漠風沙地貌類型齊全，周圍具有豐富的自然景觀和人文景觀。庫木塔格沙漠植被受周圍環(huán)境條件的影響，天然植被類型及分布極不均勻。沙漠腹地植被分布極為稀少，只有在局部地區(qū)地下水埋深較淺處，零星稀疏的生長著檉柳、蘆葦、駱駝刺等植物。因此，研究庫木塔格沙漠邊界提取有利于為干旱半干旱區(qū)沙漠邊界研究提供參考。

研究區(qū)遙感數(shù)據(jù)為Landsat8的O L I（OperationalLandImager，O L I）成像儀影像作為實驗數(shù)據(jù)源。由于1景圖像已經可以覆蓋研究區(qū)域，所以選擇了日期為2020年8月1日，編號為L C814032020 214LG N00的遙感數(shù)據(jù)，平均云量為0.07%。

1.2 研究方法

本文采用了最大似然法和支持向量機和超像素算法來對遙感影像進行分類處理。最大似然法使用的很廣泛，是較為傳統(tǒng)且經典的一種方法。支持向量機是一種在統(tǒng)計學基礎上發(fā)展起來的新型算法，其優(yōu)點很多，比如結構簡單、可有效處理非線性、高維數(shù)據(jù)等。由于其優(yōu)越的性能被逐步大范圍的應用到遙感圖像處理中[6-7]。針對傳統(tǒng)超像素算法的緊湊性因子Nc的選取很大程度上依靠經驗來完成，選取不當則產生邊緣不夠貼合、精確度下降等問題[8-9]，本文將Nc值在每次迭代過程中自動改進。光譜值差異不明顯且均勻度較高時，Nc值較大，使得分割結果形狀更加緊湊和規(guī)則；如果光譜值差異明顯且均勻度不高時，Nc值較小，可以有效的使邊緣的貼合度增加，解決貼合度差、精度不高等問題。

在人工測繪工作中主要利用數(shù)碼相機、手持G PS、天寶R8 RT K測量儀、筆記本電腦等工具完成。由于庫木塔格沙漠地形崎嶇、地勢復雜且面積較大，沙漠邊沿土質松軟，尤其是沙漠深處南部區(qū)易出現(xiàn)陷車等狀況，測繪工作難度較大。

2 沙漠邊界提取

2.1 圖像預處理

本文對原始數(shù)據(jù)的預處理包括輻射定標、大氣矯正、影像裁剪和最小噪聲分離4部分。圖像的預處理均利用E N V I 5.3遙感圖像處理軟件完成。

2.2 監(jiān)督分類方法提取

考慮到沙漠區(qū)域具有明顯不同于其他地物的表面紋理，可以改善提取效果，解決邊緣碎屑化等問題，因此選擇基于紋理特征對其進行提取分析。此次紋理提取采用了E N V I 5.3軟件中的Co-occurrence M easures工具選項提取8個基于11x11窗口的二階矩陣紋理濾波。

2.3 基于超像素的沙漠邊界提取

耕地和人造建筑等非沙漠地物，空間結構通常呈圓形或矩形；由于其空間分布較為規(guī)律，通過邊緣檢測對其閉合區(qū)域進行形狀的判斷分析并處理，對于圓形或矩形等形狀的即可直接去除。對于無明顯空間結構特征的沙漠過渡帶、戈壁等非沙漠地物，可以用歸一化沙漠差異指數(shù)N DD I進行去除。

3 結果與分析

3.1 庫木塔格沙漠邊界提取結果疊加分析

圖1（a）、（b）、（c）3幅圖分別為最大似然法、支持向量機、改進的超像素算法所得沙漠邊界與人工測繪法所得沙漠邊界進行疊加而得。庫木塔格沙漠邊界提取的難點在于右下角的沙漠過渡帶部分，此部分存在較多弱邊緣且對比度不清晰，對沙漠邊界的提取帶來了一定的挑戰(zhàn)。由于采用了紋理特征，提取效果較好的保持沙漠邊界的完整性。改進的超像素算法可以較好地去除與沙漠邊界相對較遠非沙漠地物。對于沙漠周邊的非沙漠地物，則綜合使用空間結構信息和光譜信息來去除，能夠使沙漠邊界提取結果的邊緣貼合度更高。

圖1 庫木塔格沙漠區(qū)域提取結果疊加圖

3.2 精度對比分析

本文對沙漠邊界提取算法的分類精度和邊界精度分別進行了計算，其量化見表1?；诰o湊性因子改進的超像素總體精度達到了93.5%，K a pp a系數(shù)為0.88，相對監(jiān)督分類方法而言精度更高，更適用于沙漠邊界提取。在監(jiān)督分類方法中，支持向量機相較于最大似然法優(yōu)勢較為突出，最大似然法的精度最低，可靠性較差。

表1 精度統(tǒng)計

本文的邊界精度則是以人工測繪法所得面積為基準，對其他方法所得面積與之的差值進行比較，計算得到誤差（k m2）和相對誤差（%）?？梢园l(fā)現(xiàn)：運用改進的超像素算法的實驗結果相較于監(jiān)督分類方法精度更好，驗證了改進算法的可靠性。

通過對這3種方法進行比較分析，可以說明支持向量機和改進的超像素算法在本文的實驗中可靠性較好。造成誤差主要是影像的東北角和東南角部分沙漠與戈壁的紋理較為接近，引起了部分的誤判。但總體上，每種方法的相對誤差也控制在5%以內，從而驗證了基于遙感技術對沙漠邊界提取有較好的效果。

4 結論

本研究所采用的3種方法中，基于緊湊性因子改進的超像素算法分類精度最高，總體精度為93.5%，K a pp a系數(shù)為0.88。監(jiān)督分類方法中支持向量機的總體精度為90.8%，K a pp a系數(shù)為0.83；最大似然法總體精度為84.3，K a pp a系數(shù)為0.75；改進的超像素算法與支持向量機的整體精度均高于90%，K a pp a系數(shù)均大于0.8，能夠滿足分類精度要求。最大似然法的精度相較于其他2種方法而言可靠性較低。

在邊界精度方面，最大似然法誤差為105.3k m2，相對誤差是4.86%；支持向量機誤差為65.7 k m2；相對誤差是3.03%；基于緊湊性因子的改進超像素算法誤差為59.6 k m2，相對誤差是2.75%。由邊界精度分析可知，3種方法所得的相對誤差均小于5%，能夠滿足邊界精度的要求。但是改進的超像素算法所得面積與人工測繪法所得面積最接近，說明改進的超像素算法邊界精度最高。

通過分類精度和邊界精度的對比分析，證明了改進的超像素算法相較于其他2種方法具有一定的優(yōu)勢，在高效性、準確性方面表現(xiàn)均強于其他2種方法。在沙漠邊界提取工作中的適用性較強，能夠較好的完成沙漠邊界的提取工作。同時，證明了基于中等分辨率的多光譜遙感影像在進行縣域沙漠邊界的提取時，不僅能夠針對目標進行正確判讀，而且針對沙漠邊界提取的精度較為可靠。