高分辨率影像在野生药用植物宏观监测中的应用评价

总结出来的简单方法，即选择10～30倍于图像波段数目的训练样本，或者在此基础上越多越好。样本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^[15]

2.4 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来提高分类精度；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。

光谱波段之间的相关性比较高，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的第一主成分进行5种适宜的纹理特征提取包括：对比度、熵、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5×5，7×7，9×9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，7×7窗口既能较好地提取地物纹理的边缘，又可以减小窗口带来的模糊效应。因此，本文采用7×7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，选取训练样本，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。分类结果图见3，4，分类精度误差矩阵见表2，3。

3 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 ZY-3

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目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。本文研究区目标物分布状况是既有大簇生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Worldview-2中清晰可见，并很好的提取出来，但是资源三号卫星只能识别大簇生长的罗布麻群落，零星分布的罗布麻在影像中基本上不能识别。

本文基于国产资源三号卫星数据和Worldview-2采用同一种分类方法分别对研究区野生罗布麻群落进行分类，分类结果见图2，3，对比两图可以看出资源三号卫星数据提取的目标物仅仅是将分布较集中、大簇生长的罗布麻提取出来，而零星分布的罗布麻没有被识别；根据实地调查经验以及样本采集数据叠加分析，发现 Worldview-2卫星数据很好地将罗布麻零星分布的罗布麻提取出来。

4 结论

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侧重面具体分析。如果研究区内目标物分布较密切规模较大，既人工种植型，或生长单一的药用植被采用资源三号或中低分辨率的遥感数据便可很好的识别目标物，没必要购买高分辨率的数据，以免造成资源浪费；对于野生药用植被、目标物分布零散且伴生有其他野生植被，认为采用高分辨率卫星影像数据才能很好地识别目标物。

监测区面积的形状也是选择数据源考虑的因素之一，因为Worldview-2数据是以平方公里为单位购买，最小购买面积为100 km2，价格较高；而资源三号以景为单位购买，幅宽较大，单景多光谱影像幅宽可达2 704 km2，价格较Worldview-2要低很多，所以，进行遥感监测之前需要对工作区各方面的情况做详尽的了解，才能购买合适的遥感数据，达到最佳的性价比。

[参考文献]

[1] 王宁，陈斌. 柴达木盆地资源植物——罗布麻的开发利用[J]. 青海科技，2005（6）：15.

[2] 刘起棠，张卫明，肖正春. 我国中东部地区罗布红麻资源濒危状况探讨[J]. 中国野生植物资源， 2009，28（3）：9.

[3] 江源，任斐鹏，肖雁青，等. 基于GIS与群落调查的北京市野生北柴胡资源量测算[J]. 自然资源学报，2009，24（6）：1080.

[4] 谢彩香，陈士林，王瑀，等. 药用植物多级遥感监测体系中定量估计的若干关键问题[J]. 中国中药杂志，2008，33（3）：326.

[5] 孙红梅. 遥感技术与中药资源普查[J]. 基础医学与临床，2008，28（2）：127.

[6] 周应群. 遥感技术在中药资源定量调查中的应用研究[D]. 北京：中国协和医科大学，2006.

[7] 张晓波，郭兰萍，陆建伟，等. 基于网格的空间信息技术在中药资源普查中的应用[J]. 中国天然药物，2009，7（5）：328.

[8] 刘金欣，卢恒，岳建伟，等. 基于3S的京津冀地区野生黄芩资源储量调查研究[J]. 中国中药杂志，2007，32（17）：38.

[9] 刘金欣，刘鑫欣，高路，等. 数字地球技术在中药资源研究中的应用[J]. 中国中药杂志， 2011，36（3）：243.

[10] 张本刚，陈士林，张金盛，等. 基于遥感技术的甘草资源调查方法研究[J]. 中草药， 2009，36（10）：1548.

[11] 周应群. 遥感技术在中药资源定量调查中的应用研究[D]. 北京：中国协和医科大学，2006.

[12] 周应群，陈士林，张本刚. 基于遥感技术的三七资源调查方法研究[J]. 中国中药杂志， 2005，30（24）：1902.

[13] 陈士林，张本刚，张金胜，等. 人参资源储藏量调查中的遥感技术方法研究[J]. 世界科学技术——中医药现代化，2005，7（4）：37.

[14] 娜仁花，郑江华，郭宝林，等. 基于PCA和纹理特征的红花种植面积遥感估算[J]. 中国中药杂志，2013，38（21）：3681.

[15] 朱秀芳，潘耀忠，王双，等. 训练样本对尺度小麦种植面积测量精度影响研究——样本质量对小麦测量精度的影响分析[J]. 测绘科学，2009，16（5）：132.