基于面向对象的河道信息提取及其季节性变化分析
汤旭光1,2, 王宗明1, 刘殿伟1, 董张玉1
1.中国科学院东北地理与农业生态研究所,长春 130102
2.黄河水利委员会信息中心,郑州 450004

第一作者简介: 汤旭光(1986-),男,博士,工程师,主要从事资源环境遥感方面的研究。Email:tang11100@163.com

摘要

准确提取河道变化信息可以为堤坝等防洪减灾设施建设提供数据支持。该文采用主成分分析与小波变换相结合的方法,对黄河下游花园口段的ETM遥感影像进行融合增强处理,而后利用面向对象的方法提取河道信息。对冬季、春季、夏季与秋季4期遥感影像分别进行处理,并结合GIS空间分析功能,选取河道水面面积、平均河面宽、心洲面积及心洲数量4个指标对区域内河道进行季节性变化分析。研究结果表明,利用遥感方法结合GIS空间分析功能可以直观准确地监测黄河下游河道的空间格局变化。

关键词: 面向对象; 河道; 季节变化; 遥感
中图分类号:TP75 文献标志码:A 文章编号:1001-070X(2014)01-0013-04 doi: 10.6046/gtzyyg.2014.01.03
Extraction of riverway information based on object-oriented method and analysis of seasonal variations
TANG Xuguang1,2, WANG Zongming1, LIU Dianwei1, DONG Zhangyu1
1. Northeast Institute of Geography and Agricultural Ecology, CAS, Changchun 130102, China
2. Information Center, Yellow River Conservancy Commission, Zhengzhou 450004, China
Abstract

Accurately extracting the riverway information could provide the basis for dam construction, flood prevention projects and disaster reduction facilities. Taking Huayuankou section in the lower reaches of the Yellow River as the study area, the authors enhanced the remote sensing images based on an improved fusion method that combines PCA transformation with wavelet transformation. Then the riverway information of four-period images consisting of winter, spring, summer and autumn was extracted using the object-oriented method. The seasonal variations in the river area, the mean river channel width, the river island area and the amount were comparatively studied under the support of GIS. The results show that the integrated remote sensing technique and GIS could directly monitor the seasonal variation characteristics of riverbed with good precision.

Keyword: object-oriented method; riverway information; seasonal variation; remote sensing
0 引言

在自然或人为因素影响下河道常常会发生较大的变化, 但是基于常规观测方法却很难及时、有效、全面、宏观地把握其动态。而遥感技术在大尺度调查与监测方面具备不可替代的优势, 可以用来弥补常规监测方法的不足, 在研究河道变化规律方面具有特殊的作用[1, 2]。黄河下游河道宽浅散乱, 多沙洲边滩, 受中上游来水量影响, 主流摆动频繁, 流势多变, 如不加以重视, 常造成险情[3, 4]。当前, 基于遥感技术的河道变迁研究大多以一定时期内多期遥感数据为研究对象, 结合河道参数探讨格局演变及驱动力[2, 5, 6], 而对于年内季节性变化特征涉及较少。

本文以黄河下游花园口段为例, 采用面向对象的分类方法提取河道信息, 同时考虑河道的季节性变化特征, 研究遥感技术在监测河道年内季节性特征变化规律的有效性, 以期为防洪减灾提供技术支持。

1 研究方法
1.1 数据选择及处理

1.1.1 数据选择

采用的遥感图像为ETM+数据, 影像轨道号为124/36。由于要在河道信息遥感提取的基础上进行季节性变化规律分析, 考虑图像的可获取性、成像质量及云覆盖状况, 分别选取了2002年冬季(1月5日)、春季(3月26日)、夏季(8月1日)与秋季(11月5日)4个时期的遥感图像。

1.1.2 数据处理方法

为了提高河道信息提取的精度, 本文将主成分分析(PCA)与小波变换相结合对图像进行融合, 具体流程如图1所示。

图1 基于PCA与小波变换相结合的遥感图像融合方法Fig.1 Fusion method of remote sensing images based on PCA and wavelet transformation

首先, 将低空间分辨率的多光谱数据进行PCA变换; 然后, 利用小波变换模块对第一主成分及全色波段分解, 获取高频和低频信息; 最后, 利用局部算法对相应的高频、低频信息分别进行融合处理, 并采用小波逆变换得到新的第一主成分, 再与其他主成分进行PCA逆变换获取高空间分辨率的多光谱图像。

1.2 面向对象的河道信息提取方法

基于遥感图像提取水体信息已成为水资源调查及水灾害预警监测重要的手段。传统的水体信息提取都是基于像素的方法, 提取结果往往造成“ 椒盐现象” 和图斑破碎[7]。而面向对象的分类方法是一种智能化自动影像分析方法, 其处理对象是由若干像素组成的目标对象。eCognition软件采用多尺度分割方法生成图像对象, 提高了分类信息的信噪比, 并且面向对象的分类技术还包含了许多可用于分类的其他特征(如形状、纹理及相互关系等), 同时考虑将基于先验知识的监督分类与人工修改相结合, 比传统基于像素的图像分类方法解译精度更高[8, 9]。当前, 基于遥感影像提取水体信息的方法主要有水体指数法、阈值法、色度法、多波段谱间关系法、决策树法以及依据形状指数对水体进行自动判别归类等[10, 11, 12]

本研究结合黄河下游河道泥沙含量较高的特点, 在eCognition面向对象分类的特征参数选择中, 选取光谱相关系数法, 即

r= i, j=1n(xi-x-i)(yj-y-j)i, j=1n(xi-x-i)2i, j=1n(yj-y-j)2, (1)

式中: xiyj为2个波段图像的像元亮度值(i, j=1, 2, …, n); n为波段数。光谱相关系数的取值范围在[-1, 1]之间。采用相关系数衡量相似度时, 相似度越大, 表示相关程度越好。

2 结果分析

首先在遥感数据预处理的基础上, 采用PCA与小波变换相结合的方法对数据进行融合处理, 从而获取高分辨率的遥感图像; 然后利用面向对象的eCognition软件对图像进行分割, 从而获取目标对象, 经过不断调试确定最适分割尺度为10, 紧凑度与光谱度均为0.5; 而后再依据选择的特征参数, 不断调整相关系数的阈值来提取河道信息; 最后利用人工判别方式对河道水面提取结果进行修正, 获得黄河下游花园口段4个季节河道数据, 如图2所示。

图2 基于面向对象的河道信息提取结果Fig.2 Extraction results of the riverway information based on the object-oriented method

图2可以看出, 基于面向对象的河道信息提取结果能够清楚分辨河道中诸如心洲、细小河流等信息, 该方法简单易行。

对比提取的同一河段4个季节的河道数据, 不难看出黄河下游河道的年内变化比较剧烈。本文共选取了河面面积、平均河面宽度、心洲面积以及心洲数4个指标进行分析说明, 如表1所示。

表1 河道年内季节性变化特征 Tab.1 Seasonal variation characteristics of riverbed

从冬季到春季, 受冰雪融化及中上游来水量增加影响, 河面面积与平均河面宽都显著增大; 而后受夏季集中降雨量的影响, 河面面积与平均河面宽度都达到最大; 秋季进入相对枯水季节, 河面面积与平均宽度显著减少, 但也明显高于冬季。而心洲面积及其数量呈现相反的变化趋势, 从冬季到春季, 随着水量的增多, 较低处的心洲逐渐被水面淹没, 尤其是夏季河流的心洲面积及其数量均达到了最低点; 秋季随着水量的减少, 二者均有很大程度的反弹, 心洲面积及数量再次恢复较大状态。通过分析黄河下游河道年内的空间格局季节性变化特征, 可以为堤坝等防洪减灾设施建设提供依据。

3 结论

1)本文采用PCA与小波变换相结合的方法, 对研究区的遥感图像进行融合处理, 在不丢失空间纹理信息的同时又提高了遥感数据的空间分辨率, 可为河道遥感信息研究提供良好的图像基础。

2)通过选择合适的分割尺度与特征参数阈值, 利用面向对象的分类方法能够准确可靠地提取研究区4个季节的河道信息(包括心洲及细小河流等)。

3)在遥感提取河道信息的基础上, 分析黄河下游河段年内空间格局的季节性变化特征, 可以为堤坝防洪设施建设提供依据。

综上所述, 利用遥感方法结合GIS空间分析功能可以直观准确地监测黄河下游河道变化, 整体性强, 可提高分析河道演变的质量, 并且节省人力物力, 是一种高效的手段, 具有一定的实践意义。

本研究的不足之处是仅借助历史遥感数据提取河道信息并进行季节性变化规律分析, 缺乏实地验证的数据。今后将结合水文资料及实际勘测数据对黄河下游河道特征及其变化规律进一步研究。

The authors have declared that no competing interests exist.

参考文献
[1] 亢庆, 王兴玲. 河道演变的遥感研究方法及应用[J]. 中山大学学报, 1999, 38(5): 109-113.
Kang Q, Wang X L. Application of remote sensing technology in riverbed changes[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 1999, 38(5): 109-113. [本文引用:1] [CJCR: 0.574]
[2] 钟凯文, 刘万侠, 黄建明. 河道演变的遥感分析研究——以北江下游为例[J]. 国土资源遥感, 2006, 18(3): 69-73.
Zhong K W, Liu W X, Huang J M. A riverway evolution analysis based on remote sensing technique: A case study of the lower reaches of the Beijiang River[J]. Remote Sensing for Land and Resources, 2006, 18(3): 69-73. [本文引用:2]
[3] 候素珍, 陈亚男. 应用遥感技术分析黄河下游河道平面演变[J]. 地域研究与开发, 1989, 8(5): 74-75.
Hou S Z, Chen Y N. Application of remote sensing technology to monitor the lower Yellow River channel evolution[J]. Areal Research and Development, 1989, 8(5): 74-75. [本文引用:1] [CJCR: 1.056]
[4] 刘学工, 韩琳, 张艳宁, . 黄河下游游荡型河段河相遥感监测分析研究[J]. 人民黄河, 2008, 30(3): 4-6.
Liu X G, Han L, Zhang Y N, et al. Research on remote sensing monitoring of the wand ering-graided reach of the lower Yellow River[J]. Yellow River, 2008, 30(3): 4-6. [本文引用:1] [CJCR: 0.3451]
[5] 毛锋, 黄健熙, 胡强, . 基于多源遥感数据的清口地区河道演变及驱动力分析[J]. 清华大学学报: 自然科学版 , 2009, 49(3): 313-316.
Mao F, Huang J X, Hu Q, et al. Analysis of evolution of rivers and driving force in the Qingkou region based on multi-source remote sensing data[J]. Journal of Tsing University: Science and Technology, 2009, 49(3): 313-316. [本文引用:1]
[6] 李茂田, 于霞, 陈中原. 40年来长江九江河段河道演变及其趋势预测[J]. 地理科学, 2004, 24(1): 76-82.
Li M T, Yu X, Chen Z Y. Evolution and developing trend of the Jiujiang River course of the Yangtze River in recent forty years[J]. Scientia Geographica Sinica, 2004, 24(1): 76-82. [本文引用:1] [CJCR: 2.779]
[7] 周文鑫, 何隆华, 马荣华, . 基于面向对象的TM_LBV变换水体信息提取[J]. 中国科学院研究生院学报, 2012, 29(6): 775-779.
Zhou W X, He L H, Ma R H, et al. Extraction of water information based on LBV transformation of TM image using the object-oriented method[J]. Journal of Graduate University of Chinese Academy of Sciences, 2012, 29(6): 775-779. [本文引用:1]
[8] 宋杨, 李长辉, 林鸿. 面向对象的eCognition遥感影像分类识别技术应用[J]. 地理空间信息, 2012, 10(2): 64-66.
Song Y, Li C H, Lin H. Object extraction techniques of remote sensing images based on object-oriented eCognition software[J]. Geospatial Information, 2012, 10(2): 64-66. [本文引用:1] [CJCR: 0.4149]
[9] 徐京萍, 赵建华, 张丰收, . 面向对象的池塘养殖用海信息提取[J]. 国土资源遥感, 2013, 25(1): 82-85.
Xu J P, Zhao J H, Zhang F S, et al. Object-oriented information extraction of pond aquaculture[J]. Remote Sensing for Land and Resources, 2013, 25(1): 82-85. [本文引用:1]
[10] 王培培. 基于ETM影像的水体信息自动提取与分类研究[J]. 首都师范大学学报: 自然科学版 , 2009, 30(6): 75-79.
Wang P P. Automatic extraction and classification of water body from ETM image[J]. Journal of Capital Normal University: Natural Sciences Edition, 2009, 30(6): 75-79. [本文引用:1] [CJCR: 0.3974]
[11] 孙小霞, 张继贤, 刘正军. 利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J]. 测绘科学, 2006, 31(1): 62-63.
Sun X X, Zhang J X, Liu Z J. Extracting the river and the road using an object oriented technique from IKONOS panchromatic imagery[J]. Science of Surveying and Mapping, 2006, 31(1): 62-63. [本文引用:1] [CJCR: 0.778]
[12] 陈婧, 邓一兵. 基于ETM+遥感影像水体信息提取方法探讨[J]. 测绘与空间地理信息, 2011, 34(1): 177-180.
Chen J, Deng Y B. Study on method of extracting water information from ETM+remote sensing images[J]. Geomatics and Spatial Information Technology, 2011, 34(1): 177-180. [本文引用:1]