基于面向对象法艾比湖卤虫信息提取

李微， 刘伟男， 贾越平， 刘洪洋, 汤勇

(1.大连海洋大学海洋科技与环境学院，大连 116023；2.辽宁省高校近岸环境科学与技术重点实验室，大连 116023)

0 引言

卤虫卵虫富含蛋白质和脂肪，是名贵水产品良好的开口饲料[1]，价格昂贵。随着水产养殖业的发展，卤虫卵虫的需求量不断升高，一度被称为“软黄金”。90年代初由于我国近海沿岸盐田的污染和破坏，使得我国的卤虫卵虫开采研究从沿海盐田转向内陆盐湖。艾比湖作为内陆盐水湖，在中国内陆盐湖中卤虫资源量占据榜首，每年8—11月是新疆艾比湖卤虫卵虫的捕捞期。遥感具有大面积、多波段、多时相等特点，常用于动态监测内陆湖泊水环境，如湖泊面积及其变化[2]、水色因子如叶绿素浓度[3]、悬浮泥沙含量[4]，以及蓝藻水华灾害[5-7]等。蓝藻密度的增长引起水体光学性质的变化，进而导致卫星传感器接收信号的变化，因此通过分析处理卫星数据可以有效提取水体蓝藻信息，同理遥感技术也可以提取艾比湖表面微小成群的卤虫及其卵虫。

目前遥感信息提取方法总体上可分为基于像元和面向对象2种[8]。艾比湖的卤虫生长在高盐环境下，其卵虫会漂浮于湖面，在低频表面风浪波动的作用下，形成集群的卵虫条带分布的特征，而对于高空间分辨率影像，面向对象的分类方法可以考虑除光谱特征外的纹理、类间和几何特征等，因此本文利用资源三号(ZY-3)高空间分辨率数据，构建基于面向对象的艾比湖卤虫卵虫信息提取模型，旨在探索基于高空间分辨率遥感数据的湖泊卵虫信息提取方法，为实时、准确地监测与预测艾比湖内卵虫分布信息，合理开发与捕捞卵虫的工作提供技术支持。

1 研究区概况及其数据源

1.1 研究区概况

艾比湖是新疆第一大盐水湖，地处中温带大陆性干旱气候带，具有丰富的资源。本文研究区位于N44°45′～45°00′，E82°45′～83°10′之间，如图1(a)所示。其中红线为艾比湖遥感数据的瞬时水体边界。卤虫是一种小型甲壳动物，生活在高盐度水域中，自身呈白色，其卵虫呈红色，是重要的生物资源。卤虫在其生长繁殖周期内，成体和卵虫都会漂浮于水面，形成条带状分布见图1(b)。

(a) 研究区范围 (b) 卤虫卵虫条带局部放大

1.2 遥感数据源及其预处理

我国的ZY-3卫星作为新一代的高空间分辨率卫星于2012年发射成功，采用太阳同步轨道，轨道高度约505 km，倾角97.5°，回归周期59 d，重访周期5 d。该卫星上搭载了4台光学相机，其中包含一台空间分辨率为5.8 m的多光谱相机，共有红光、绿光、蓝光和近红外4个多光谱通道，与全色影像融合用于地物解译。其波段参数如表1所示。

表1 ZY-3多光谱相机有效载荷参数

采用研究区2013年卤虫卵虫爆发期内7月16日的ZY-3多光谱数据。数据预处理采用ENVI5.2软件完成，主要包括正射校正、辐射定标、图像裁剪和大气校正。正射校正结合软件自带的全球900 m空间分辨率的数字高程模型数据进行处理，偏离误差在1个像元以内；辐射定标采用资源卫星应用中心网站提供的ZY-3数据定标参数；利用艾比湖湖水边界进行掩模裁剪；大气校正则通过Flaash Atmospheric Correction模块来实现[9-10]。

2 研究方法

2.1 3类水体覆盖区域光谱特性分析

目视解译ZY-3真彩色合成影像发现：影像中湖水呈现浅绿色，卤虫卵虫密集区域呈红色，除此之外还有亮度值明显高于其他水体的区域，可能为受太阳直射或湖边光滑的岩壁反射影响所形成的太阳耀斑，本文称之为高亮度水体。基于ZY-3遥感数据，均匀选择典型水体样本，依据各波段的中心波长处反射率绘制3类水体的反射光谱曲线[11]，如图2所示。

图2 不同水体的反射光谱曲线

从图2可以看出，水体在蓝绿光波段的反射率较高，随波长增加其吸收逐渐增强，因此水体在近红外波段色调较深，结合近红外波段水体易于提取；高亮度水体整体的反射曲线趋势和水体基本一致，但在各个波段的反射率都要远大于正常水体，掩盖了真实水体的信息，与当天的太阳活动及湖区周边地理状况有一定关系；受卤虫卵虫的影响，该覆盖区域反射率在绿光波段降低，在红光和近红外波段升高，随着卤虫卵虫覆盖密度的增大，反射率在绿光波段反射率呈现递减趋势，在红光波段呈递增趋势。

2.2 基于面向对象法信息提取

面向对象分类通过多特征融合的方法可以有效地避免利用单一光谱信息导致的同物异谱、异物同谱现象，提高分类精度[12]。面向对象法以影像对象为基础单元进行信息提取，其分类过程主要包括影像分割、确立解译标志和分类规则构建，最后利用建立的分类规则进行卤虫卵虫信息的提取。

2.2.1 影像分割

影像分割是利用面向对象法分类的基础[13-14]，采用多尺度异质性区域分割策略[15-16]，其中多尺度体现在针对湖区的不同对象采用二级尺度分割。而异质性由光谱因子和形状因子共同决定，二者权重之和为1。同时，为充分利用光谱信息，各波段都参与分割运算。

针对水体和浅滩，选择较大的分割尺度，即一级分割。因为水体和浅滩光谱信息差异十分明显，仅利用光谱信息就可以较好地提取研究区内的水体和浅滩，而且两者面积较大且分布均匀连续，故设定光谱因子大于形状因子。参数设置如下：①分割尺度为40；②4个波段的权重都为1；③光谱因子为0.9；④形状因子为0.1。

针对水体进行二级分割，由于目标对象卤虫卵虫呈红色，将B3波段的权重设置高于其他波段，以增加其参与分割的信息量，同时结合卤虫卵虫的条带状分布特征，增加形状因子的权重。二级分割参数如下：①分割尺度为10；②红光波段B3权重为1，其他波段权重为0.8；③光谱因子为0.2；④形状因子为0.8。

2.2.2 优选解译标志

解译标志是识别和区分遥感影像中不同地物类别的重要依据，而过多的特征选择会造成信息冗杂、降低整体分类精度。基于目视解译和水体光谱特征分析，从光谱和纹理特征2个方面优选4种解译标志，分别为归一化水体指数(normalized difference water index，NDWI)、卵虫指数RIartemia、多波段反射率均值Br以及长宽比L/W。

NDWI公式为

(1)

式中ρB2和ρB4分别为ZY-3卫星多光谱数据B2和B4波段的反射率值，利用NDWI提取和区分湖区内的水体以及浅滩。

卤虫卵虫爆发时节，因其密度较小而漂浮在水面之上，随着湖区流体作用，会发生堆积现象。因此，结合卤虫卵虫覆盖区域的光谱特征，构建了基于ZY-3多光谱数据ρB3与ρB2的卵虫指数RIartemia，即

(2)

式中ρB3为ZY-3卫星多光谱数据B3波段的反射率值。以图1(b)数据为例，计算RIartemia并统计直方图，如图3所示。

图3 RIartemia分布直方图

从图3中可以看出，RIartemia直方图有明显的2个峰值和1个谷值，2个峰值分别对应湖区水体和卤虫卵虫覆盖区域，而谷值可作为2类区域区分的阈值，并可根据阈值的设定进一步判断卤虫卵虫分布密度。随着覆盖密度逐渐增大，RIartemia逐渐接近于1，因此将RIartemia≥1所对应像元作为高密度卤虫卵虫覆盖区域；RIartemia在谷值到1区间为中密度卤虫卵虫覆盖区域；RIartemia介于湖区水体所对应的第一个峰值和谷值之间为潜在区域。

由于高亮度水体在卫星影像中亮度较大，其各波段反射率均高于湖区内正常水体和卤虫卵虫覆盖区域。因此将各波段反射率之和取均值作为该类区域的解译标志。Br公式为

(3)

式中ρB1为ZY-3卫星多光谱数据B1波段的反射率值。

长宽比定义为分割对象的最大外接矩形长与宽的比值。湖区内卤虫卵虫质量较小且漂浮在水体之上，通常随湖水作用而发生堆积现象，呈条带分布，因此将长宽比作为提取卤虫卵虫的解译标志。

2.2.3 分类规则建立

采用基于阈值的分类方法，根据建立的影像层，优选多种解译标志，基于单个对象内卤虫卵虫的高、中、低密度分布，构建分类规则如表2所示。

表2 分类规则

3 结果与分析

3.1 提取结果

根据上述规则提取水体信息，结果如图4所示。从提取结果中可以看出，卤虫卵虫主要呈现条带状逐级分布，在湖区中央以及东北沿岸为主要分布区域，湖区内提取卤虫卵虫面积约为8.31 km2，其中卤虫卵虫高密度覆盖面积较小，仅占1.13%，主要分布在湖区中央；中密度覆盖面积占11.34%，在东北沿岸也有覆盖；潜在区域占87.53%，穿插分布在高、中密度覆盖区域以及沿岸浅滩。

(a) 面向对象法整体分类结果 (b) 面向对象法分类结果局部放大

为了与基于像元的提取方法进行比较，利用表征光谱信息的NDWI，Br和RIartemia这3个解译标志构建决策树，采用基于像元的分类法进行了同区域的信息提取。基于像元法提取结果如图5所示，卤虫卵虫面积为8.60 km2，其中卤虫卵虫高密度覆盖区域占1.05%，中密度覆盖区域占13.49%，潜在区域占85.56%，各密度级分布区域与面向对象分类结果基本一致。

(a) 基于像元法整体分类结果 (b) 基于像元法分类结果局部放大

通过局部放大(图1(b)、图4(b)和图5(b))进一步比较，可看出2种方法均能较好地提取卤虫卵虫高、中密度覆盖区域，但基于像元法提取的中密度覆盖区域存在一定的“椒盐”现象；而在潜在区域2种方法差别很大，基于像元法在潜在区域内存在大量水体像元，面向对象法在自身分割规则上避免了这个问题，在水体流动的湖内，密度和体积都很小的卤虫卵虫通常会聚集分布在湖区某区域内，不会呈现过多的“椒盐”分布。因此面向对象法更适用于湖区实际状况下的卤虫卵虫信息提取。

3.2 精度评价分析

在研究区域中随机选取360个样本点，采用混淆矩阵法分别对2种方法的分类结果进行精度验证。360个样本点中各类别样本数与涉及像元数成比例，保证小类别的样本点也具有可分析性。结合目视解译，利用ENVI软件中Confusion Matrix工具对各类别进行判断，得到2种方法的混淆矩阵，如表3—4所示。面向对象法的总体精度为91.74%，Kappa系数为0.89；然而基于像元法的总体精度仅为85.67%，Kappa系数为0.82。根据构建的分类规则，在各预测类别中的整体分类精度均高于85%，表明RIartemia指数可以有效提取卤虫卵虫信息。同时，相比基于像元法，面向对象法更加充分地利用了对象的形状信息，将优选长宽比作为解译标志，使分类精度显著提高了6%。比较卤虫卵虫高、中密度覆盖区域及潜在区域分类结果，面向对象法的分类精度分别达到95.08%，92.30%和91.26%，而基于像元法仅分别为90.16%，87.18%和86.40%，面向对象法分类精度均高于基于像元法，表明面向对象法的软分类特性提高了卤虫卵虫不同密度级划分精度，使图像更加紧凑。

表3 面向对象法分类精度

表4 基于像元法分类精度

4 结论

利用艾比湖区域的ZY-3多光谱数据，在分析湖区内各类别覆盖区域光谱特性的基础上，提出卵虫指数RIartemia，结合光谱和纹理特征融合法，构建基于面向对象法的卤虫卵虫信息提取模型，获取了不同密度级卤虫卵虫的空间分布情况，得到如下结论：

1)RIartemia指数在面向对象法和传统方法中都可以较好地提取卤虫卵虫信息，并且结合形状特征可以提高分类精度。

2)相比于基于像元法，面向对象分类法对卤虫卵虫的高、中、低密度覆盖区域划分更加准确，细节描述更加充分，空间分布位置更具合理性，同时具有良好的分类精度，可以有效地避免分类结果中出现的“椒盐”现象，在分类精度和效率上都要高于基于像元法。

在今后将利用多时相高空间分辨率遥感数据动态监测卤虫卵虫信息，进一步区分卤虫成体和卤虫卵虫的分布条带，深入分析、预测其移动轨迹及强度，为科学、合理地捕捞提供更加详实的决策依据。