高分辨率影像在野生药用植物宏观监测中的应用评价

《高分辨率影像在野生药用植物宏观监测中的应用评价》由会员分享，可在线阅读，更多相关《高分辨率影像在野生药用植物宏观监测中的应用评价（8页珍藏版）》请在金锄头文库上搜索。

1、高分辨率影像在野生药用植物宏观监测中的应用评价高分辨率影像在野生药用植物宏观监测中的应用评价收稿日期2013-10-24基金项耳中医药公共卫生专项（财社2011J76号）；中医药 行业科研专项（201207002）通信作者*郑江华，博士，硕士生导师，E-mail：itslbs126. com； *贾晓光，研究员，E-mail： 499361608qq. com 作者简介娜仁花，硕士研究生，E-mail： 499361608qq. com 摘要以阿勒泰阿拉哈克乡野生罗布麻自然保护区为研究对象, 采用中低分辨率的国产卫星资源三号影像和高分辨率影像 Worldview-2分别对罗布麻进行遥感识别提取

2、，为分析比较哪种数据 源更适合生长状况较复杂的野生药用植被遥感识别，该文对2种数据 源采用了同种分类体系，在传统分类方法中加入PCA （第一主分量） 和纹理特征作为辅助数据来提高分类精度。结果表明：对丁生长状况 较复杂的野生药用植物罗布麻，高分辨率影像Worldview-2更适合对 其进行遥感识别，而国产中低分辨率卫星资源三号只适合识别分布密 集的罗布麻，对于零星分布的罗布麻基本不能识别。因此评价数据源 的性能要针对具体工作区目标物分布状况及其监测的侧匝面具体分 析。如果研究区内目标物分布较密集且规模较大，既人工种植型，或 生长单一的药用植物，采用资源三号或中低分辨率的遥感数据便可很 好的识别

3、目标物，没必要购买高分辨率的数据，以免造成资源浪费； 对于分布零散口伴生有其他野生植被的目标物，认为采用高分辨率卫 星影像数据才能很好地识別目标物。关键词高分辨率影像；中低分辨率影像；野生药用植物；应 用评价罗布麻Apocynum venetum L.为夹竹桃科罗布麻属植物，其叶为 常用中药“罗布麻叶”，具有平肝安神、清热利水等功效，用于高血 压、肾炎等疾病的治疗。罗布麻茎纤维还用于纺织、造纸等领域，具 有多方面的经济价值。罗布麻是多年生草本，零散分布在北纬 36 -55气候干燥带盐碱又长年湿润的狭窄沙土地域，具有耐早、 耐寒、耐暑、耐盐碱、耐大风等极强的抗逆性，与芦苇、怪柳、廿草 骆驼刺等耐

4、盐植物共同构成新疆内陆河流低地盐化草甸的原生植被, 因此乂具有重要的半态价值，可用于盐碱地绿化、沿海防护林建设等。罗布麻在过去的儿十年里，其生境遭到了严重破坏。刘起裳等在 2005-2008年先后去陕西、山西、山东、河北、河南、安徽、江苏 等罗布红麻产地进行调查，大多数过去生长罗布红麻的地方，现已很 少能找到了，而残留在田间、地头和防护林带Z中，中部地区的陕西 渭河岸边、黄河岸边，三门峡库区的山西、河南周边地区；东部地区 的山东和苏北有残存分布，但各地残存的罗布红麻既不集中，生长势 也很差，其生长高度多在Im左右，茎干很细，与杂草混生，采集困 难，资源儿乎无法利用2。罗布麻在新疆的资源情况询

5、没有研究。遥感技术以其快速、经济、方便等特点，在资源调查及监测方面 显示出极大的优势，近年来一些学者已将遥感技术逐渐引入中草药资 源调查研究中，取得了一些初步成果，展现出良好的应用前景 3-6o已有的研究中，遥感技术主要用于在群落中占绝 对优势的成片存在的乔木、灌木类中药资源探索性监测，如杜仲、麻 黄、甘草、苦豆草、松树、三尖杉、红花等7-14o然 而遥感技术在稀疏分布野生的中药资源调查中的和关研究还罕有文 献报道。与传统的中、低空间分辨率的遥感影像数据相比，高分辨率 遥感影像可以更加清楚地表达地物冃标的空间结构、表层纹理特征以 及丰富的光谱信息，可分辨出地物内部更为精细的组成，地物边缘信 息

6、也更加清晰，为有效的解译分析提供了条件和基础。本文以阿勒泰 阿拉哈克乡野生罗布麻口然保护区为研究对象，获取中低分辨率的国 产卫星资源三号和高分辨率影像Worldview-2分别对罗布麻进行遥 感识别提取，为分析比较哪种数据源像更适合生长状况较复杂的野生 药用植被遥感提取，木文对2种数据源采用了同种分类体系，在传统 分类方法中加入PCA （笫一主分量）和纹理特征作为辅助数据来提高 分类精度。最后，对分类结果进行分析比较，针对具体工作区目标物 分布状况及其监测侧重面具体分析并评价数据源的性能。1研究区概况以及主要地物类型1.1研究区概况 阿勒泰地区位于新疆北端，阿尔泰山南麓，介 于东经 85。31

7、 73 -91 0V 15、北纬 45 007 00 -49 10 45，位于新疆最北部，同蒙古接壤，植被类型属于欧亚草原的 一部分。阿勒泰市属温带干旱气候，年平均气温4. 5 C,年均降水 量191. 3 mm,年均蒸发量1 682. 6 mm,年均无霜期146 d,境内气 候属北温带大陆性气候，气候特征具有温带、寒温带和寒带呈梯形带 分布的特征，3个自然地貌单元气候乂独具特色。阿勒泰是罗布麻主产地，也是仿生种植的发祥地，罗布麻适宜生 长在轻盐碱荒漠地，根系发达，并且水源消耗少，维护成木低，一经 种植成活，每年萌发新株，连绵不断，是改善局域环境最好的生态植 物。位于阿勒泰地区的戈宝红麻公司对

8、野牛罗布麻实施封育禁牧，建 立了阿拉哈克乡盐湖罗布野生罗布麻麻保护区，并建立了人工驯化繁 育中心，已实现人工种植并通过仿野牛种植方法，扩充了原野牛分布 区域，研究区示意图见图1。1. 2研究区主要地物类型及其分布罗布麻主要生长于沙漠盐碱 地、河斥、山沟、山坡的砂质地，该区域生长的罗布麻群落主要由芦 苇、桂柳、甘草、黑果枸杞骆驼刺等半&植物建群。阿勒泰阿拉哈克 乡核心区盐湖连片生长的100多公顷野生罗布红麻地实施封育禁牧, 建立了阿拉哈克乡盐湖罗布红麻保护区；另外，与盐湖有一定距离范 围内有零星分布的罗布麻；人工仿生罗布麻分布在盐湖东北方向罗布 麻人工种植区，戈宝公司院内也有种植。2数据源选择木

9、研究选择的遥感影像见表1。选择的数据位图 1 研究区示意图 Fig 1 The study area于同一季相，处于罗布麻花期，且相差20 d之内，避免了因季 节差而产半的植被物候变化信息，从而保证了变化检测对图像质量的 要求。野生药用植物遥感识别信息提取首先，通过走访当地农业科技站、戈宝公司等单位调研并结合和 关资料对研究区进行踏查,确定勘察时间、勘察区域范围、勘查路线、 勘察方法，并确定遥感影像数据信息，包括影像分辨率、时相，范围 等；继而进行罗布麻野外勘察，勘察方法是基于GPS根据勘察路线采 集罗布麻以及周围典型植被样木，选取的样本具有一定典型性，为后 续遥感影像室内解译提供验证数据；最

10、后对研究区进行核查，采集核 查数据來验证遥感影像的解译精度，将遥感影像与实地进行对比、修 改、更正室内目视解译结果，总体技术流程见图2。图2总体技术路线图Fig.2 Experiment process flow chart2.1野外样地调查 研究小组连续2年对阿勒泰阿拉哈克乡罗布 麻进行遥感调查，于2012年5刀、9刀下旬阿勒泰阿拉哈克乡野生 罗布麻保护区开展了野外调查共获取50个野外GPS观测样本，包插 野生罗布麻、人工仿生罗布麻、油葵、苜蓿、防护林等，这50个样 本是作为资源三号卫星分类的训练样本和检验样本；于2013年6月 28-29 R共获取30个野外GPS观测样本，包括野生罗布麻、

11、人工仿 生罗布麻、油葵、苜蓿、防护林等，这30个样本作为Worldview-2 卫星提取罗布麻信息时的训练样本和检验样本；样本地块在实验区内 均匀分布，有着较好的代表性，为实验区罗布麻面积测量提供有效的 训练样本和检验样本，然后利用GIS软件将GPS定位点的样地经纬度 数据转换成与图像投影一致的shp格式文件，以便在遥感图像上进行 地面样点定位，获取地面样点位置处的遥感监测信息，为高分辨率影 像冃视解译提供先验知识和样本信息。2. 2遥感影像预处理首先对两景遥感影像进行分别进行预处理, 包括儿何校正、辐射校正、图像增强和裁剪、融合等。本文采用 Gram-Schmidt光谱锐化高保真的图像融合算

12、法。Gram-Schmidt变换 的图像不但很好的保留了多光谱图像的绝大部分光谱信息，提高了影 像辨识度，增强了纹理特征而且图像色彩接近自然色，地物的对比效 果较好，清晰度较高，可以消除兀余信息，且计算过程较简单 17o最后对预处理结果进行裁剪得到实验区影像。2.3训练样木选取为避免特征维数的增加对分类性能的影响在 遥感图像分类中，假设某个地物类别服从正态分布，要选择训练样本 对该类别进行表示需要的样本数量计算公式如下。N二z2p (100-p) /e2 (1)式中n为采样个数；p为准确度期望值(%)； Z为按照一定概率 水平在标准正态分布双侧分位数表中查到的值；e期望值的允许偏差 (%)o在

13、具体的实验中不是利用公式确定样本数量，而是采用人们长 期总结出來的简单方法，即选择1030倍于图像波段数目的训练样 木，或者在此基础上越多越好。样木量的增加可以减少单次分类引起 的随机误差，使分类结果趋于稳定152.4基于PCA和纹理特征的监督分类由于国产卫星资源三号波 段数较少，光谱信息不够丰富，集中在可见光和近红外波段，通常在 传统分类方法中可加入纹理特征、主成分变换(PCA)等特征数据加 以辅助來提高分类精度；为了做比较，对于高分数据Worldview-2采 用相同的特征数据参与分类。光谱波段Z间的和关性比较高，首先对实验区多光谱数据进行主 成分变换，采用灰度共生矩阵法对PCA的第一主成

14、分进行5种适宜的 纹理特征提取包括：对比度、爛、逆差矩、非相似性、相关性；提取 纹理信息移动窗口的大小选择很也重要，窗口的过大过小都会影响到 特征提取的效果，研究中分别尝试用5X5, 7X7, 9X9大小的窗口 对研究区遥感影像进行纹理特征提取，对比纹理特征图像发现，7X7 窗口既能较好地提取地物纹理的边缘，乂可以减小窗口带來的模糊效 应。因此，木文采用7X7窗口对PCA的第一主成分进行纹理特征的 提取，最后将经过PCA处理后加入5种纹理特征以及影像原始的光谱 波段进行监督分类。根据勘察采集的样本数据结合目视解译，选取训 练样木，将影像大致分为罗布麻、裸地、其他植被、水体等典型地物 样本。分类

15、结果图见3, 4,分类精度误差矩阵见表2, 3o3不同数据源分类结果分析与对比3.1混淆矩阵根据表2可看出资源三号影像数据影像总体精度 为90. 23%, Kappa系数为0.865 8,说明整体分类精度较好，但是罗 布麻的生产者精度只有73. 09%,漏判情况较严重，根据实地调查情 况对比分析，发现零星分布的罗布麻没有被识别提取。图3资源三号卫星分类结果图Fig.3 The classification results on ZY3图4 Worldview-2卫星分类结果图Fig. 4 The classification results on Worldview-2表3是基于高分辨率影像Worldview-2分类结果产生的混淆矩阵, 总体精度为94. 308 6%, Kappa系数为0. 927 3,每一类地物的生产 者精度都在90%以上，说明Worldview-2在野生药用植物遥感识别中适用性相比资源三号较好。3.2基于目标物特点不同数据源遥感识别能力比较与传统的中、 低空间分辨率的遥感影像数据相比，高分辨率遥感影像可以更加清楚 地表达地物冃标的空间结构与表层纹理特征，可分辨出地物内部更为 精细的组成，地物边缘信息也更加清晰，为有效的解译分析提供了条 件和基础。木文研究区目标物分布状况是既有大簇工长的罗布麻群落 也有零星分布的罗布麻，这些信息能从高分辨率影像Wor