基于ZY-3和图像融合的冲沟参数提取研究

王涛，赵延芳，何福红，李鹏，马江涛

（鲁东大学资源与环境工程学院，山东 烟台 264025）

基于ZY-3和图像融合的冲沟参数提取研究

王涛，赵延芳，何福红*，李鹏，马江涛

（鲁东大学资源与环境工程学院，山东 烟台 264025）

王涛, 赵延芳, 何福红, 李鹏, 马江涛. 基于ZY-3和图像融合的冲沟参数提取研究[J]. 农业现代化研究, 2016, 37(6): 1190-1197.

Wang T, Zhao Y F, He F H, Li P, Ma J T. Extracting gully parameters using multispectral (MS) and panchromatic (PAN) fusion image of the ZiYuan-3 (ZY-3) satellite[J]. Research of Agricultural Modernization, 2016, 37(6): 1190-1197.

本文以山东省栖霞市庵里水库西岸流域为研究区，基于Gram-S chimdt（GS）方法、色彩空间（Hue Saturation Value, HSV）变换和主成分分析( Principal Component Analysis，PCA)三种方法，对研究区的资源三号卫星（ZY-3）图像进行了图像融合，基于各融合图像提取冲沟参数并进行精度评价。结果表明：三种融合图像均保留了多光谱图像的光谱信息，同时具有全色图像的空间纹理细节信息；与基于原始多光谱图像解译冲沟参数相比较，采用GS光谱锐化、HSV变换及PCA变换融合图像解译冲沟参数更准确；相对检验区实测冲沟参数，基于GS光谱锐化融合图像提取的冲沟参数精度最高，解译出的冲沟沟面积和沟长的相关系数分别为0.991和0.984。是冲沟参数提取的最优图像融合方法。

冲沟参数；Gram-Schimdt；HSV变换；PCA变换；图像融合；资源三号卫星

冲沟侵蚀是一种常见的土壤侵蚀类型，具有侵蚀范围小，侵蚀量大、速度快的特点，对农业危害十分严重[1-3]。目前有关冲沟侵蚀的观测方法主要有地面手工测量法、侵蚀针(桩)监测法、航片解译监测法、高精度差分GPS测量等方法[4]。自上世纪四十年代，Ireland等[5]基于航片解译法对冲沟的沟蚀速率和泥沙产生量进行了研究以来，航片解译法成为国内外学者监测冲沟的重要方法[4-11]。航空像片具有高分辨率、高清晰度和高信息量的优点，用于冲沟侵蚀研究具有较好的精度，但航空像片图幅范围小、获取成本高、更新慢的缺点也使该方法仅限于空间小尺度和时间大尺度上的冲沟侵蚀研究[7-8]。航天遥感技术经过50多年的发展和应用，为同一地区提供了大量的不同空间分辨率、光谱分辨率及跨平台的航天遥感图像。航天遥感图像具有空间尺度大、更新快、成本低的优势弥补了航空像片的不足，为研究冲沟侵蚀提供了海量连续的、具有丰富光谱信息和纹理信息的基础图像数据[11-16]。多光谱图像大多存在空间分辨率低、空间细节表现能力差、光谱信息冗余的局限性，导致解译具有典型地貌形态特征的冲沟参数时易发生漏判、错判冲沟现象[13-14]。全色图像具有空间分辨率高的优势，但缺少光谱信息，可判读性差[13-14,17-18]。因而，综合多光谱图像的光谱信息和全色图像的空间纹理信息，构建既具有丰富的光谱信息又具有高解析能力的融合图像，将为多尺度沟蚀研究提供必要的科学数据。

多源遥感图像融合就是将多个传感器（全色波段和多光谱波段）获取的同一场景的遥感图像进行空间配准，然后采用一定算法将各图像数据中所含的信息进行优势互补的综合而产生新图像数据的技术[19-23]。色彩空间法（HSV变换法）、PCA法及GS方法是常用的三种图像融合算法[19-30]，学者们对各算法优缺点进行过研究，但很少从具体解译应用角度来评价融合算法的优缺点。资源三号卫星（ZY-3）是我国发射的首颗民用高分辨率光学传输型立体测绘卫星，其全色图像和多光谱图像具有一致的成像条件（成像时间、成像几何关系），因而有利于综合全色图像和多光谱图像而获得高质量的融合图像。基于此，本文选取栖霞市庵里水库西缘小流域为研究区，以ZY-3卫星图像为数据源，采用Gram-Schimdt（GS）方法、HSV变换和PCA变换三种方法融合全色图像和多光谱图像，基于各融合图像，对栖霞小流域冲沟参数进行解译和提取，并结合野外实地测量数据对基于GS融合、HSV融合和PCA融合图像提取冲沟参数精度进行评价，以期为精确、快捷提取冲沟参数提供一种较优的图像融合方法。

1 材料与方法

1.1 研究区概况

研究区位于山东省栖霞市庵里水库西缘流域，流域面积为4.95 km2，平均海拔约175 m，经纬度范围为37°20′16″N-37°21′53″N，120°48′45″E-120°50′54″E (图1)。区内低山丘陵地貌广布，气候为温带季风型湿润气候，年平均温度11.3 ℃，年平均降雨量650 mm，年日照总时2 690 h。区内土壤主要为土质疏松的棕壤，年内降雨多集中于夏季，夏季多暴雨，因而，区内冲沟侵蚀地貌发育明显。考虑到典型性和代表性，选取研究区内涵盖林地、河流、坡地、建筑物、不同农作物等地物的庵里水库西侧北岩子口小流域（0.13 km2）为检验区，用以对不同融合图像的解译冲沟精度进行评价。

1.2 数据及预处理

实验数据为资源三号卫星2014年11月18日获取的空间分辨率分别为5.8 m和2.1 m的多光谱图像和全色图像。基于ENVI5.1软件对数据做必要的正射校正、辐射定标、大气校正预处理。为了保证图像融合结果的准确性还对两幅图像进行了严格的图像精配准。检验区的实测数据则由野外实地沿冲沟沟沿线进行RTK-GPS测量获得，测量数据包括沟沿线测点高程和经纬度信息。

1.3 遥感图像融合方法

图1 研究区所在位置和ZY-3标准假彩色图像Fig. 1 The location of the study area and ZY-3 standard false color image (SFC)

遥感图像融合可以分为两类方法：分量替换法和多分辨率分析法[24]。分量替换法是通过空间变换，并替换新向量空间里的特定向量，而实现信息的融合。GS、HSV和PCA是三种常用的分量替换融合方法，也是本文所采用的融合算法。

1.3.1 Gram-Schmidt光谱锐化方法 GS光谱锐化方法是线性多元统计和代数中常用的方法，它是通过对多维图像进行正交变换来消除图像间的冗余信息，在图像融合中得到广泛的应用[25-28]。在GS变换融合中，模拟低分辨率全色图像的质量对融合结果影响较大。一般有两种模拟方法：方法1通过直接计算n个光谱波段的平均值进行模拟。方法2通过图像处理算法，降低高分辨率全色波段的空间分辨率，使其具有多光谱图像相同的分辨率。两种模拟方法对GS变换融合效果各不相同。方法1融合图像中，空间纹理信息增强效果较好，但融合图像存在较明显的光谱失真；方法2融合图像中，光谱失真较低，但空间信息增强效果较差。为了增强冲沟同农田之间的空间纹理信息，采用方法1模拟低分辨率全色图像。具体步骤：首先利用低分辨率多光谱波段模拟低分辨率全色波段，并以模拟低分辨率全色波段为第一波段，协同多光谱波段进行Gram-Schmidt变换。然后，对高分辨率全色波段和第一分量和进行直方图匹配，修正高分辨率全色波段。最后，用修正高分辨率全色波段替换Gram-Schmidt变换获得的第一分量，反变换至多光谱空间[25]。

1.3.2 HSV彩色空间变换 HSV彩色空间模型中，H、S、V分别代表色调、饱和度及亮度。色调用来度量颜色，取值0-360°，饱和度表示色调种类的饱和程度，取值为0-1，亮度表示色彩的明暗程度，取值范围由0-1，与图像的彩色信息无关[29]。该方法首先将多光谱数据由RGB色彩空间变换至HSV彩色空间，得到亮度数据V分量。然后，全色图像与上述V分量进行直方图匹配，使其与V分量具有相似的均值及标准差。最后，用直方图匹配后的全色图像代替V分量进行HSV到RGB空间的变换，即得到融合图像。

1.3.3 PCA变换 主成分变换是建立在统计特征基础上的多维线性变换[19-24,30]。遥感图像各波段之间存有一定的相关性，主成分变换在信息总量守恒的前提下，计算各波段图像的相关矩阵的特征值和特征向量，并将特征值按由大到小的次序排列，由特征向量同各波段图像的线性组合即可获得彼此正交、没有信息重复或冗余的各主成分。各主成分中，第一主成分图像，其特征值最大，包含原始波段的信息量达80%以上，因而，可将信息量更多、更丰富的全色波段图像替换第一主成分，实现遥感图像的融合。为提高图像融合质量，通常需要将全色波段图像与第一主成分进行直方图匹配。

1.4 冲沟参数的提取方法

沟沿线是沟间地和沟坡地的分界线，是流域内土地类型及土地利用类型划分的基本分界线；沟底线是沟间地同沟谷地的分界线，是沟蚀研究中重要的冲沟参数[13]。沟长不仅是EGEM和WEPP水土流失模型中的重要输入参数[31]，也是估算冲沟土壤侵蚀量经验公式的直接参数[32]，在冲沟泥沙效应研究中具有重要意义。因而，本文结合专家先验经验和野外调查，分析研究区内不同地物图像特征（形状、位置、阴影、色调、颜色、纹理等），对于不明显又不易辨别的图像特征要综合分析，最终确定冲沟参数的图像解译标志。然后利用Arcgis10.1软件提供的解译工具完成室内提取冲沟和计算冲沟参数（沟沿线、沟底线、沟长及沟谷平面面积）工作。最后再次野外调查补判修正解译数据。

1.5 精度评价方法

目前评价图像融合质量的方法有主观定性评价法和客观定量评价法。主观评价法操作简单、灵活，判读精度高，得到广泛的应用；从数理统计参数来看，客观定量评价法常用方法是采用标准差、熵、偏差指数及相关系数等来评价图像融合质量[33]；从评价指标侧重面来看，定量评价指标包括评价图像亮度信息的指标、评价空间信息保持能力的指标和评价光谱信息保持能力的指标[34]。提取某一具体地物的质量受融合图像的细节纹理信息的增强程度和光谱信息的保留程度两个方面的综合影响，因而，采用单因素指标来评价融合算法无法准确评价某一具体应用中的效果。基于此，本文首先对融合图像的视觉效果进行主观定性评价，然后结合解译冲沟的具体应用，以RTK-GPS实地测量得到的冲沟参数作为标准，并以原始多光谱图像解译的冲沟为对比，采用沟长、沟面积、冲沟数量三个指标，对融合法解译冲沟精度进行检验。

2 结果与分析

2.1 融合图像定性评价

从清晰度上看，三种方法的融合图像（图2）较原始图像清晰度更高，各种地物类型清晰可见，其中GS融合图像的清晰度最好；从光谱信息保持上来看，GS融合图像色调与色彩变化不大，光谱保持情况最好；PCA融合图像色调与色彩变化明显，光谱保持能力最差，其中，建筑物、裸地失真严重；从图像形态特征来看，GS融合图像的地形、地貌的外部形态最清晰、明显，纹理信息最丰富，边缘最清晰。总之，全色波段与多光谱图像融合可以提高原始图像的质量，其中GS融合法效果最好，HSV融合法次之，PCA融合法最差。吴晓萍等[26]也曾对ZY-3卫星图像融合算法做过研究，并指出GS融合效果最好，PCA融合法次之，IHS融合法效果更次。表明对于ZY-3卫星图像而言，GS融合算法综合效果优于其它方法，具有普遍性，较少受成像时刻、地表地物特性影响。PCA融合法和色彩变换融合法存在一定的差异或不确定性，其原因大致是因为两种融合算法综合效果易受遥感图像成像时刻及地物特性的影响。

图2 融合图像光谱视觉评价(标准假彩色)Fig. 2 Visual evaluation of the fusion images (Standard False Color);(a) Multispectral image, (b) GS spectral sharpening, (c) PCA transform, and (d) HSV transform

2.2 冲沟解译

基于Arcgis10.1，分别基于原始多光谱图像、Gram-Schimdt光谱锐化图像、HSV变换图像及PCA变换图像，根据所建立的冲沟解译标志，参考专家经验，分别解译出研究区冲沟系统（图3）。四种方法解译出的冲沟系统均表现出研究区冲沟系统由东、西两个子冲沟系统组成的特点。但解译出的冲沟系统的连贯性、冲沟空间尺度及冲沟的数量差异明显。因为光谱损失最少，且具有高空间分辨率，GS融合法解译出的冲沟，连贯性最好，且能解译出小尺度冲沟，解译出的冲沟数量明显多于其他方法。受限于空间分辨率低，基于原始图像提取的冲沟，连贯性差，且只能解译出中尺度冲沟，因而，解译出的冲沟数量明显少于融合法。光谱损失不明显，HSV融合法解译出的冲沟连贯性一般，解译冲沟尺度较理想。光谱损失明显，色彩失真严重，PCA融合法解译出的冲沟连贯性较差，解译冲沟的尺度一般。

图3 基于原始影像与融合影像提取的冲沟系统Fig. 3 Gully system interpreted from multispectral image and fusion images(a) Multispectral image, (b) GS spectral sharpening, (c) HSV transform, and (d) PCA transform

由解译冲沟参数定量结果（表1）可以看出，ZY-3多光谱图像空间分辨率较低，从而导致基于原始多光谱图像解译出的小尺度冲沟数量最少（115条)，GS融合图像光谱损失最低，解译出冲沟数量最多(233条)，PCA融合法和HSV融合法存在较明显的光谱损失，提取的冲沟也多于原始图像；基于原始图像提取的冲沟数量少于PCA融合法，但是冲沟总面积（327 741 m2）却多于PCA融合法提取的冲沟总面积（320 035 m2），GS融合法提取的冲沟面积最多；基于原始图像解译的冲沟中，大型沟与中型沟比例大，三种融合算法提取的冲沟在大型沟和中型沟方面差别不大，GS融合法在解译小型沟方面优势明显。因而，原始多光谱图像在冲沟数量和面积上的误差多是因为分辨率低而出现对小型冲沟的漏判及对临近冲沟沟沿线的错判，难以准确反映研究区冲沟侵蚀情况。同原始图像提取的冲沟参数相比，三种融合法提取的冲沟参数能较准确的反映研究区冲沟侵蚀状况。

2.3 解译冲沟精度

表1 研究区冲沟参数统计Table 1 Statistics of the gully parameters in the study area

采用RTK-GPS对北岩子口小流域检验区内冲沟的沟沿线及沟底线进行数据测量采集，得到检验区的实测冲沟，并作为标准对三种融合法提取的冲沟参数进行精度检验（图4）。

图4 检验区冲沟参数对比Fig. 4 Comparison of the gully parameters in the evaluation area(a) Field measurement, (b) GS spectral sharpening, (c) HSV transform, and (d) PCA transform

由图4所示，三种融合法均能将检验区内主要冲沟准确提取出来，但在提取的冲沟数量上存在较大差异。对检验区内实测和解译出的冲沟参数进行定量统计，结果见表2。PCA融合法提取出了检验区19条冲沟，漏掉6条，识别率为76%，漏分率为24%；HSV融合法解译出了22条冲沟，漏掉3条，识别率为89%，漏分率为11%；GS融合法提取出了检验区23条冲沟，识别率为92%，漏分率为4%。从数量、面积以及沟长指标上，GS融合法解译结果明显优于其他两种融合算法，更为接近实测数据，因而，能准确反映真实冲沟侵蚀情况。

表2 验证区内冲沟参数统计表Table 2 Statistics of the gully parameters in the evaluation area

PCA融合法提取的冲沟参数精度低，主要是全色波段光谱同第一主成分图像灰度值间存在显著差异和不确定性，用全色波段替换第一主成分图像参与PCA反变换，必然导致融合图像光谱损失严重、噪声污染明显、图像形态特征不明显，降低了解译冲沟的准确性。此外融合图像边缘信息弱化严重，难以准确提取沟沿线信息。HSV融合法提取冲沟的精度高于PCA融合法，主要是因为HSV融合图像具有信息量大、清晰度高、光谱损失弱和图像形态特征较明显，能解译更多的小尺度冲沟，但仍存在信息融合引入的噪声污染导致的图像纹理信息较弱和光谱损失的问题，因而，在冲沟沟沿线解译方面精度低于GS融合法。GS融合法具有信息量丰富、清晰度高、光谱失真少和图像形态特征明显的优点，能够更快速准确的提取出沟沿线，但同实测冲沟参数相比仍存在一定的误差，主要原因有冲沟解译标志较复杂和卫星融合图像存在着反立体现象[13-14]，使得图像表现出来的地形形态特征同人类视觉习惯相反，影响了对冲沟沟沿线和沟底线的判读。

实测冲沟参数同基于GS融合法提取的23条冲沟的沟长和沟面积做相关性检验分析（图5）。从图5可以看出，GS融合法提取的冲沟面积和沟长同对应的实测冲沟的沟面积和沟长存在显著的线性相关性，相关系数分别为0.988 3和0.975 4。因此，三种融合算法中，GS融合法是解译冲沟参数的最优图像融合算法。

图5 检验区冲沟参数的相关性检验Fig. 5 Correlation test of the gully parameters in the validation area

3 讨论

多传感器图像融合可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性，提高图像的质量，从而有利于解译中小尺度冲沟参数。好的融合算法应该不仅能够提高多光谱图像的空间分辨率，同时能够尽可能多的保留多光谱图像的光谱信息。HSV和PCA方法能够提高多光谱图像的空间分辨率，且具有简单易操作性，但是融合图像光谱损失严重，无法满足基于光谱特征反演地物物理、化学特征的定量遥感的需要。不同于PCA的正交变换，变换前后各波段信息量变化明显，GS光谱增强（GS变换）算法其正交变换产生的各个分量只是正交，同变换前相比，各分量的信息量没有明显区别。在GS变换算法中，模拟低分辨率全色图像是重要的一个环节，本文基于多光谱波段平均值来模拟低分辨率全色图像，因而模拟的低分辨率全色图像包含了各多光谱图像的光谱信息，融合图像光谱损失明显低于HSV和PCA方法。无论从融合图像的视觉效果，还是从解译冲沟参数来看，GS变换融合算法改善了原始多光谱图像的空间细节特征，提高了其空间分辨率，且能最大限度地保持原始多光谱图像的光谱信息。

本研究实验中，GS变换融合图像也存在一定的光谱损失。在全色波段图像的光谱范围内，忽略了其间各多光谱波段的权重差异，而采用多光谱波段等权重，即平均值来模拟低分辨率全色图像，必然会导致一定程度的光谱失真。后续改进的方法是基于ZY-3多光谱波段响应函数来模拟全色波段。另外，提高多光谱图像和全色图像的配准精度也能提高图像融合质量。

遥感图像融合效果评估是目前遥感图像融合领域中亟待解决的问题，直接影响遥感图像融合技术的发展和应用。主观视觉分析、单因素统计分析和分类精度是遥感图像融合效果评价的常用方法。单因素统计分析法是学者们广泛采用的评价融合图像质量的方法[17,19-24,26-27,30,33-34]，本文从视觉分析和分类（解译）精度两方面对三种融合算法进行了图像质量评价。解译精度不仅依赖于融合图像，还同检验区的选择策略、解译者的经验及解译目标特点（光谱、纹理及形状等）等因素相关。因而，本文采用随机选择一检验区，基于野外实测，定量分析解译出的冲沟参数（冲沟数量、沟长、冲沟面积）的融合图像精度评价方案，其结果较为可靠。

4 结论

以山东省栖霞市庵里水库西岸流域为研究区，采用Gram-Schimdt方法、HSV变换、PCA变换三种方法融合ZY-3全色图像和多光谱图像并提取冲沟参数，以期为解译冲沟参数提供一种较优的图像融合方法。得到了以下结果：

1）三种融合方法综合得到的融合图像均保留了多光谱数据的光谱信息，同时很大程度地保持了全色波段的高分辨率空间纹理细节信息，提高了遥感图像的质量。

2）基于原始多光谱图像、GS融合法、HSV融合法和PCA融合法，解译出研究区内冲沟，三种融合法所解译的冲沟比原始多光谱图像解译的冲沟更准确。

3）以检验区野外RTK-GPS实测冲沟系统作为参照，对GS融合法、HSV融合法、PCA融合法提取的冲沟参数进行对比研究。GS融合法解译的冲沟在数量和面积上都与实测冲沟更接近，提取的冲沟沟长、沟面积与实测冲沟沟长、沟面积相关系数分别达到0.975 4和0.988 3。三种融合算法中，GS融合法是最适合冲沟参数提取的融合方法。

[1] 刘元保, 朱显漠, 周佩华, 等. 黄土高原坡面沟蚀的危害及其发生发展规律[J]. 中国科学院西北水土保持研究所集刊(第7集), 1988: 9-18.

Liu Y B, Zhu X M, Zhou P H, et al. The laws of hillslope channel erosion occurrence and development on Loess Plateau[J]. Memoir of NISWC, Academic Sinica (7th volume), 1988: 9-18.

[2] 何福红, 李勇, 李璐, 等. 基于GPS与GIS技术的长江上游山地冲沟的分布特征研究[J]. 水土保持学报, 2005, 19(6): 19-22.

He F H, Li Y, Li L, et al. Assessing gully development in upper yangtze river basin based on GPS and GIS[J]. Journal of Soil and Water Conservation, 2005, 19(6): 19-22.

[3] Poesen J, Nachtergaele J, Verstraeten G, et al. Gully erosion and environmental change: Importance and research needs[J]. Catena, 2003, 50(2/3/4): 91-133.

[4] 熊东红, 范建容, 卢晓宁. 冲沟侵蚀研究进展[J]. 世界科技研究与发展, 2007, 29(6): 29-35.

Xiong D H, Fan J R, Lu X N, et al. A review on the study of gully erosion[J]. World Sci-Tech Research and Develpment, 2007, 29(6): 29-35.

[5] Ireland H A, Sharpe C F S, Eargle D. Principles of Gully Erosion in the Piedmont of South Carolina[M]. Washington: U.S. Department of Agriculture, 1939.

[6] Ries J, Marzolff I. Monitoring of gully erosion in the Central Ebro Basin by large-scale aerial photography taken from a remotely controlled blimp[J]. Catena, 2003, 50(2/3/4): 309-328.

[7] Marzolff I, Poesen J. The potential of 3D gully monitoring with GIS using high-resolution aerial photography and a digital photogrammetry system[J]. Geomorphology, 2009, 111(1/2): 48-60.

[8] Eustace A, Matthew P, Christian W. Give me the dirt: Detection of gully extent and volume using high-resolution LiDAR[M]. Innovations in Remote Sensing and Photogrammetry. Berlin Heidelberg: Springer-Verlag, 2009: 255-269.

[9] Conforti M, Aucelli P P C, Robustelli G, et al. Geomorphology and GIS analysis for mapping gully erosion susceptibility in the Turbolo stream catchment (Northern Calabria, Italy)[J]. Natural Hazards, 2011, 56(3): 881-898.

[10] Frankl A, Poesen J, Haile M, et al. Quantifying long-term changes in gully networks and volumes in dry land environments: The case of Northern Ethiopia[J]. Geomorphology, 2013, 201: 254-263.

[11] Zhu T X. Gully and tunnel erosion in the hilly Loess Plateau region, China[J]. Geomorphology, 2012, 153/154: 144-155.

[12] Wang T, He F H, Zhang A D, et al. A quantitative study of gully erosion based on object-oriented analysis techniques: A case study in Beiyanzikou catchment of Qixia, Shandong, China[J/OL]. The Scientific World Journal, http://dx.doi.org/10.1155/2014/417325, 2014-01-29.

[13] He F H, Wang T, Jiang W G, et al. An integrated use of topography with RSI in gully mapping, Shandong peninsula, China[J/OL]. The Scientific World Journal, http://dx.doi.org/10.1155/2014/827124, 2014-08-05.

[14] 何福红, 王涛, 范擎宇, 等. 地形和遥感图像融合技术在冲沟参数提取中的应用——以栖霞市庵里水库东缘流域为例[J].地理研究, 2015, 34(11): 2124-2132.

He F H, Wang T, Fan Q Y, et al. Application of a fusion technique that combines topography and remote sensing images for gully extraction: A case study in the eastern watershed of Anli reservoir, Qixia[J]. Geographical Research, 2015, 34(11): 2124-2132.

[15] Shruthi R B V, Kerle N, Jetten V. Object-based gully feature extraction using high spatial resolution imagery[J]. Geomorphology, 2011, 134(3/4): 260-268.

[16] Shruthi R B V, Kerle N, Jetten V, et al. Quantifying temporal changes in gully erosion areas with object oriented analysis[J]. Catena, 2015, 128: 262-277.

[17] 王乐, 牛雪峰, 王明常. 遥感影像融合技术方法研究[J]. 测绘通报, 2011(1): 6-8.

Wang L, Niu X F, Wang M C. Research on remote sensing imagery data fusion technology and methods[J]. Bulletin of Surveying, 2011(1): 6-8.

[18] 张继贤. 多源遥感数据融合的发展趋势[J]. 地理信息世界, 2011(2): 18-20.

Zhang J X. The trend of development of multi-source remote sensing data fusion[J]. Geomatics World, 2011(2): 18-20.

[19] Bai X Z, Gu S H, Zhou F G, et al. Weighted image fusion based on multi-scale top-hat transform: Algorithms and a comparison study[J]. Optik - International Journal for Light and Electron Optics, 2013, 124(13): 1660-1668.

[20] Dong Z Y, Wang Z M, Liu D W, et al. SPOT5 multi-spectral (MS) and panchromatic (PAN) image fusion using an improved wavelet method based on local algorithm[J]. Computers and Geosciences, 2013, 60(10): 134-141.

[21] Ayhan E, Atay G. Spectral and spatial quality analysis in pan sharpening process[J]. Journal of the Indian Society of Remote Sensing, 2012, 40(3): 379-388.

[22] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003.

Zhao Y S. The Principle and Method of Analysis of Remote Sensing Application[M]. Beijing: Science Press, 2003.

[23] Thomas C, Ranchin T, Wald L, et al. Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics[J]. IEEE Transaction on Geoscience and Remote Sensing, 2008, 46(5): 1301-1312.

[24] Aiazzi B, Alparone L, Baronti S, et al. Twenty-Five Years of Pansharpening: A Critical Review and New Developments[M]. Chen C H. Signal and Image Processing for Remote Sensing, 2ndedition. Boca Raton: the Chemical Rubber Company, 2011: 533-548.

[25] Laben C A, Brower B V. Process for Enhancing the Spatial Resolution of Multispectral Imagery Using Pan-Sharpening: US, 09/069,232[P]. (2000-01-04). https://www.google.com/patents/ US6011875.

[26] 吴晓萍, 杨武年, 李国明. 资源三号卫星正视全色与多光谱图像融合及评价[J]. 物探化探计算技术, 2014, 36(1): 113-119.

Wu X P, Yang W N, Li G M. The fusion and evaluation of ZY-3 front panchromatic and multi-spectral image[J]. Computing techniques for geophysical and geochemical exploration. 2014, 36(1): 113-119.

[27] 于海洋, 闫柏琨, 甘甫平, 等. 基于Gram Schmidt变换的高光谱遥感图像改进融合方法[J]. 地理与地理信息科学, 2007, 23(5): 30-42.

Yu H Y, Yan B K, Gan F P, et al. Hyperspectral image fusion by an enhanced gram schmidt spectral transformation[J]. Geography and Geo-Information Science, 2007, 23(5): 30-42.

[28] 张涛, 刘军, 杨可明, 等. 结合Gram-Schmidt变换的高光谱图像谐波分析融合算法[J]. 测绘学报, 2015, 44(9): 1042-1047.

Zhang T, Liu J, Yang K M, et al. Fusion algorithm for hyperspectral remote sensing image combined with Harmonic analysis and gram-schmidt transform[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(9): 1042-1047.

[29] Kruse F A, Raines G L. A technique for enhancing digital color images by contrast stretching in Munsell color space[C]. Proceedings of the International Symposium on Remote Sensing of Environment, Third Thematic Conference: Remote Sensing for Exploration Geology. April 16-19, 1984Ann Arbor, MI, USA: Environmental Research Inst of Michigan, 1984.

[30] 杨存建, 许君, 张增祥. SAR和TM 图像主成分变换融合中不同主分量替换的比较[J]. 国士资源遥感, 2001, 49(3): 30-35.

Yang C J, Xu J, Zhang Z X. Comparison of substituting the different principle component in the fusion of TM and SAR image principle component change[J]. Remote Sensing for Land and Resources, 2001, 49(3): 30-35.

[31] Woodward D E. Method to predict cropland ephemeral gully erosion[J]. Catena. 1999, 37(3/4): 393-399.

[32] Zhang Y G, Wu Y Q, Liu B Y, et al. Characteristics and factors controlling the development of ephemeral gullies in cultivated catchments of black soil region, Northeast China[J]. Soil and Tillage Research, 2007, 96(1/2): 28-41.

[33] 孟京辉, 陆元昌, 刘刚, 等. 基于ETM遥感图像的图像融合试验及评价方法[J]. 南京林业大学学报, 2010, 32(1): 69-72.

Meng J H, Lu Y C, Liu G, et al. Trial of image fusion methods and quality assessment for ETM+ image[J]. Journal of Nanjing Forestry University (Natural Science Edition), 2010, 32(1): 69-72.

[34] 陈超, 秦其明, 王金梁, 等. 农地遥感图像融合质量评价方法比较[J]. 农业工程学报, 2011, 27(10): 95-99.

Chen C, Qin Q M, Wang J L, et al. Comparison of quality evaluation methods for image fusion of farmland remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(10): 95-99.

（责任编辑：王育花）

Extracting gully parameters using multispectral (MS) and panchromatic (PAN) fusion image of the ZiYuan-3 (ZY-3) satellite

WANG Tao, ZHAO Yan-fang, HE Fu-hong, LI Peng, MA Jiang-tao

（College of Resource and Environment Engineering, Ludong University, Yantai, Shandong 264025, China）

Selecting the west coast watershed of Anli Reservoir in Qixia City, Shandong Province as the study area, fusion images were conducted to combine the PAN and multispectral images of ZY-3 satellite in one image using Gram-Schmidt (GS) spectral sharpening method, hue-saturation-value(HSV) transform, and principal component analysis (PCA) transform. Gully parameters were interpreted from the fusion images, and the accuracy was assessed by comparing the gully parameters interpreted from fusion image against those derived from a ground survey. The results showed that the fusion images constructed using the three methods have not only enriched spectral information but also enhanced spatial texture information. The gully mapping accuracy from the three fused images were much higher than those from the original multispectral image. Compared with the field measurement, the accuracy of gully map interpretated from GS spectral sharpening fusion image was the highest among all the three methods, with correlation coefficients of gully length and gully area between those of field measurement and those of mapping from fusion image being 0.984 and 0.991, respectively. This demonstrated that GS spectral sharpening method was the most suitable image fusion method for gully mapping.

gully parameters; GS spectral sharpening; HSV transform; PCA transform; image fusion; ZiYuan-3 (ZY-3) satellite

HE Fu-hong, E-mail: fuhonghe112@126.com.

10.13872/j.1000-0275.2016.0120

S157

A

1000-0275（2016）06-1190-08

国家自然科学基金项目（41001160，41471223）；山东省自然科学基金项目（ZR2014JL026）；烟台市科技计划项目（2015ZH091）。

王涛(1975-)，男，山东省莱州市人，硕士，讲师，从事土壤侵蚀与3S技术应用教学和研究，E-mail：wt641@163.com；通讯作者：何福红（1978-），男，湖南衡阳人，博士，副教授，从事土壤侵蚀与3S技术应用教学和研究，E-mail：fuhonghe@ldu.edu.cn。

2016-03-16，接受日期：2016-06-22

Foundation item: National Natural Science Foundation of China (41001160, 41471223); Shandong Provincial Natural Science Foundation (ZR2014JL026); Project of Yantai Science and Technology Program (2015ZH091).

Received 16 March, 2016;Accepted 22 June, 2016