1、信息技術(shù)在海岸帶遙感中的應(yīng)用例說 馬 毅、張 杰 任廣波、王常穎、王小龍 國(guó)家海洋局第一海洋研究所 2014年12月23日,國(guó)家海洋局第一海洋研究所海洋物理與遙感研究室,開展海洋物理基礎(chǔ)與應(yīng)用研究 發(fā)展海洋遙感及其與多學(xué)科交叉,海洋遙測(cè)工程技術(shù)研究中心（國(guó)家海洋局與航天科技集團(tuán)共建）,國(guó)家海洋局第一海洋研究所 中國(guó)航天704所 中國(guó)海監(jiān)總隊(duì),總體組,第一方面 海洋雷達(dá)遙感遙測(cè),第二方面 海岸帶遙感應(yīng)用,雷達(dá)高度計(jì)技術(shù)與應(yīng)用,海岸帶遙感調(diào)查與分析,海岸帶高分遙感技術(shù),戰(zhàn)略規(guī)劃與大項(xiàng)目推動(dòng),成 果 推 動(dòng),年 度 進(jìn) 展 報(bào) 告 與 學(xué) 術(shù) 活 動(dòng) 組 織,基 金 申 請(qǐng) 與 骨 干 錘 煉,動(dòng)力

2、微波觀測(cè)與新型遙感器,地波雷達(dá)技術(shù)與數(shù)據(jù)融合,海上目標(biāo)S A R探測(cè) 技術(shù),第三方面 海洋環(huán)境組網(wǎng)觀測(cè)技術(shù),主被動(dòng)光學(xué)遙感,無(wú)人船技術(shù),報(bào)告內(nèi)容,（一）半監(jiān)督方法與海岸帶遙感分類 （二）D-S理論與海岸帶遙感分類 （三）最優(yōu)化方法與赤潮生物量高光譜遙感反演 （四）De Morgan法則與海島多源風(fēng)險(xiǎn)評(píng)價(jià),（一）半監(jiān)督方法與海岸帶遙感分類,研究背景 1）遙感影像的小樣本分類問題：遙感影像中的地物類型統(tǒng)計(jì)分布特征本身具有很高的復(fù)雜性和不確定性，分類樣本的人為選擇又不可避免的會(huì)存在精力、經(jīng)驗(yàn)知識(shí)有限和盲目性等缺點(diǎn)，所以人為選擇樣本常常數(shù)量少，且很難保證對(duì)待分類影像的代表性。,2） 遙感影像的分類樣本

3、拓展應(yīng)用問題 分類樣本的拓展應(yīng)用對(duì)無(wú)法獲取有效訓(xùn)練樣本的災(zāi)情的應(yīng)急監(jiān)測(cè)、跨區(qū)域的遙感監(jiān)測(cè)研究和跨國(guó)界的軍事監(jiān)測(cè)具有十分重要的意義。 由于地物在不同時(shí)期、不同區(qū)域的影像中所處的輻射環(huán)境不同，而很難保證從一景影像中選擇的分類樣本可對(duì)另一景影像中的同種地物特征也有好的代表性。,2）遙感影像的自動(dòng)分類問題 遙感影像的自動(dòng)分類是今后大規(guī)模、周期性、機(jī)械性區(qū)域遙感監(jiān)測(cè)技術(shù)發(fā)展的重要方向。長(zhǎng)期以來(lái)，從遙感影像上高精度自動(dòng)提取信息一直是遙感應(yīng)用研究者們的一個(gè)愿望。 建立預(yù)設(shè)樣本集是實(shí)現(xiàn)自動(dòng)化分類的最直接的途徑，但卻要面臨預(yù)設(shè)樣本對(duì)待分類影像代表性不好的問題。,半監(jiān)督學(xué)習(xí)是數(shù)據(jù)挖掘領(lǐng)域中的一種方法，該方法同時(shí)利

4、用已知類別樣本和未知類別樣本，通過挖掘未知類別樣本中所隱含的各待分類類型在特征空間中的固有結(jié)構(gòu)信息，對(duì)已知類別樣本可能因代表性不好而造成的擬合分類器有偏差情況進(jìn)行矯正。,半監(jiān)督學(xué)習(xí)分類方法,半監(jiān)督學(xué)習(xí)是數(shù)據(jù)挖掘領(lǐng)域中的一種方法，該方法同時(shí)利用已知類別樣本和未知類別樣本，通過挖掘未知類別樣本中所隱含的各待分類類型在特征空間中的固有結(jié)構(gòu)信息，對(duì)已知類別樣本可能因代表性不好而造成的擬合分類器有偏差情況進(jìn)行矯正。,半監(jiān)督學(xué)習(xí)分類方法,labeled samples,unlabeled samples,支持向量面,目前常用標(biāo)注方法：成對(duì)標(biāo)注,訓(xùn)練的過程就是賦予未知類別樣本類別標(biāo)簽的過程，即標(biāo)注過程,遙感

5、影像中未知樣本動(dòng)輒數(shù)千 標(biāo)注效率低 未結(jié)合遙感影像數(shù)據(jù)的特點(diǎn),問題,labeled samples,unlabeled samples,優(yōu)點(diǎn)： 效率高 結(jié)合遙感影像數(shù)據(jù)的特點(diǎn),體現(xiàn)了數(shù)據(jù)降維的思想,適用于遙感影像的未知樣本標(biāo)注法聚類團(tuán)簇,基于分割的高分辨率遙感影像聚類團(tuán)簇,將坐標(biāo)位置相鄰的象元聚類圖像分割 以分割斑塊為最小聚類團(tuán)簇,成對(duì)標(biāo)注法半監(jiān)督分類結(jié)果,聚類團(tuán)簇法半監(jiān)督分類結(jié)果,成對(duì)標(biāo)注與聚類團(tuán)簇標(biāo)注對(duì)比,聚類團(tuán)簇法因更好的描述了遙感影像的空間數(shù)據(jù)結(jié)構(gòu)，而獲得了更高的分類精度；分類效率方面，本實(shí)驗(yàn)中，聚類團(tuán)簇標(biāo)注法用時(shí)9s，成對(duì)標(biāo)注法用時(shí)69s.,成對(duì)標(biāo)注與聚類團(tuán)簇標(biāo)注對(duì)比,（二）D-S理

6、論與海岸帶遙感分類,D-S證據(jù)理論 由Dempster于1967年提出，其學(xué)生Shafer完善。 可看作是經(jīng)典概率論的擴(kuò)展，即：所描述的不確定性包括“不知道”或“不好說”。,設(shè)D是變量x所有可能取值的集合，且D中的元素是互斥的，即變量x能且只能取D中的某個(gè)元素為值，則稱D為x的樣本空間。D的任一子集為一個(gè)命題。 概率分配函數(shù)M： 2D0,1，且滿足則稱M是2D上的概率分配函數(shù)，M(A)稱為A的基本概率數(shù)。,概率分配函數(shù),Bel：2D0, 1 Bel(A)表示對(duì)命題A為真的信任程度。 容易推出對(duì)單元素子集，其基本概率數(shù)和信任程度是一致的。 另外，,信任函數(shù),概率定義,定義在事件域 F 上的一個(gè)集

7、合函數(shù)P稱為概率，如果它滿足如下三個(gè)條件：（1）P(A)0，對(duì)于一切A F ；（2） P()=0 ，P()=1；（3）若Ai F ，i=1，2，且兩兩互不相容，則 ( = )= = ( )性質(zhì)（3）稱為可列可加性或完全可加性。,似然函數(shù),Pl：2D0, 1，且 Pl(A)=1-Bel(-A) Pl(A)表示對(duì)A為非假的信任程度。 Pl(A) -Bel(A)表示對(duì)A不知道的程度，即既非對(duì)A信任又非不信任的那部分。,概率分配函數(shù)的正交和,設(shè) 和 是兩個(gè)概率分配函數(shù)，則其正交和 為 其中： 如果 ，則正交和 也是一個(gè)概率分配函數(shù)；如果 則不存在正交和 ，稱 與 矛盾。,樣本空間D是變量x所有可能取值

8、的集合，且D中的元素是互斥的，即變量x能且只能取D中的某個(gè)元素為值。應(yīng)用到地物分類時(shí)，要求地物類型是完全已知的。 事實(shí)上，在對(duì)一景影像進(jìn)行地物分類時(shí)，往往會(huì)存在一些人們不知道的地物類型，因此，證據(jù)理論無(wú)法應(yīng)用。 下面就提出了一種能夠處理樣本空間元素不完全知道情況下擴(kuò)展的證據(jù)理論。,2. 證據(jù)理論的擴(kuò)展,設(shè)樣本空間D中的元素滿足互不相容的條件，但是存在D中沒有的未知類別，“變量x能且只能取D中的某個(gè)元素為值”？ 設(shè)函數(shù)M：2D0,1，且滿足： 則稱M是D上的概率分配函數(shù)， M(A)稱為A的基本概率數(shù)，A是D的子集。,概率分配函數(shù),Bel：2D0, 1 Bel(A)表示對(duì)命題A為真的信任程度。 容

9、易推出對(duì)單元素子集，其基本概率數(shù)和信任程度是一致的。另外，,信任函數(shù),似然函數(shù),Pl：2D0, 1，且 Pl(A)表示對(duì)A為非假的信任程度。 Pl(A) -Bel(A)表示對(duì)A不知道的程度，即既非對(duì)A信任又非不信任的那部分。,概率分配函數(shù)的正交和,設(shè) 和 是兩個(gè)概率分配函數(shù)，則其正交和 為 其中： 如果 ，則正交和 也是一個(gè)概率分配函數(shù)；如果 則不存在正交和 ，稱 與 矛盾。,選取鴨綠江河口區(qū)域的SPOT-5影像為數(shù)據(jù)源，其中的主要地物類型為耕地、水體、建設(shè)用地、潮灘、荒地/林地等。,3. 證據(jù)理論在遙感地物分類中的應(yīng)用,基于證據(jù)理論的高分辨率影像海岸帶地物分類主要分三個(gè)步驟： （1）證據(jù)源的

10、選擇：從形狀、光譜、紋理選擇分類特征，通過典型指數(shù)來(lái)實(shí)現(xiàn)。 （2）分類規(guī)則的形成：由訓(xùn)練影像中地物類型的特征屬性的直方圖分布，來(lái)定義概率分配函數(shù)，然后，計(jì)算各種證據(jù)源導(dǎo)出的概率分配函數(shù)正交和，求出各種地物類別的可信度，確定可信度最大的類別，得到“特征屬性地物類別”的規(guī)則。 （3）基于規(guī)則的分類： 根據(jù)上面形成的規(guī)則，實(shí)現(xiàn)分類。,分類方法介紹,從形狀信息、光譜信息和紋理信息三個(gè)方面考慮，選擇了5個(gè)屬性，分別用下面的指數(shù)表示： 形狀指數(shù) 歸一化植被指數(shù) 歸一化水體指數(shù) Red波段的熵值 NIR波段的熵值,屬性表達(dá),分類規(guī)則形成,樣本空間D=耕地,水體,荒地,潮灘,建設(shè)，基于證據(jù)理論的地物分類方法的

11、核心就是構(gòu)造 “特征-類別”規(guī)則。 基于上述5類32種證據(jù)源，轉(zhuǎn)化為32種概率分配函數(shù)，例舉如下： 表1 形狀指數(shù)為0,0.2)的基本可信度分配m1 表2 熵-red為0,0.03)的基本可信度分配m2,計(jì)算m1與m2的正交和m,K=1-0.2259*(0.2458+0.4797+0.0256+0.1031)=0.8070； m(耕地)=1/0.8070*0.2458*(0.4071+0.0637+0.3033) +0.4797*(0.4071+0.0637)+(0.0256+0.1031)*0.4071=0.5805； m(建設(shè))=1/0.8070*0.1458*0.2259=0.0408；

12、 這樣，就形成了特征到類別的分類規(guī)則: “形狀指數(shù)=0, 0.2) 且 熵-red=0, 0.03) -類別=耕地”,實(shí)施分類,測(cè)試數(shù)據(jù)識(shí)別精度,應(yīng)用前面訓(xùn)練樣本得到的地物分類規(guī)則進(jìn)行類型識(shí)別；共計(jì)271個(gè)斑塊，正確識(shí)別數(shù)目為220塊，誤識(shí)別斑塊數(shù)目為51塊。 提出的識(shí)別方法能夠高精度的識(shí)別出耕地、水體和潮灘，其識(shí)別精度分別為94.44%，92.167%和94.74%；能夠較好的識(shí)別出建設(shè)用地，其識(shí)別精度為75.61%、而荒地或林地的識(shí)別結(jié)果不是非常理想；但總體識(shí)別精度達(dá)到81.92%。,（三）最優(yōu)化與赤潮生物量高光譜遙感反演,最優(yōu)化基本理論與方法,最優(yōu)化方法是用數(shù)值計(jì)算方法尋找最佳的選擇，即

13、目標(biāo)函數(shù)滿足一定約束條件下的極大或極小 無(wú)約束最優(yōu)化問題 經(jīng)典算法：最速下降法、共軛梯度法 牛頓法、擬牛頓法,赤潮生物量高光譜遙感反演應(yīng)用,赤潮航空高光譜圖像,渤海赤潮航空照片,水體光學(xué)成像機(jī)理,正問題模型,遙感反射率：,吸收：,散射：,偏差函數(shù)的最優(yōu)化問題：,待優(yōu)化的參數(shù)：,正問題模型參數(shù)優(yōu)化,代價(jià)函數(shù)：,偏差函數(shù)的最優(yōu)化問題：,反問題模型,實(shí)測(cè)譜和最適譜,P01mg/m3 C01mg/m3 F0 = 0.001,赤潮生物量高光譜遙感反演例子,反演葉綠素濃度最大值為13.3mg/m3, 最小值為7.8mg/m3, 平均值為10.2mg/m3. 由于沒有同步實(shí)測(cè)資料，以高光譜數(shù)據(jù)獲取日期所在的

14、7月上半月的平均值6.5mg/m3、8月上半月的平均值15.8mg/m3為參考，反演結(jié)果合理。,（四）概率論中的De Morgan法則與 海島多源風(fēng)險(xiǎn)評(píng)價(jià),對(duì)事件A與B，若P（AB）=P（A）P（B），則稱事件A與事件B是相互獨(dú)立的 對(duì)于三個(gè)事件A、B、C，若下列四個(gè)等式同時(shí)成立，則稱它們相互獨(dú)立。 P（AB）=P（A）P（B） P（BC）=P（B）P（C） P（AC）=P（A）P（C） P（ABC）=P（A）P（B）P（C）,De Morgan法則 假設(shè)Ai（i=1，2，m）相互獨(dú)立，則 P（ = ）=1- = ( ),概率型風(fēng)險(xiǎn)復(fù)合表征模型提出 1. 模型現(xiàn)狀 風(fēng)險(xiǎn)計(jì)算的基本公式： 概率型

15、風(fēng)險(xiǎn)評(píng)價(jià)可分為單源風(fēng)險(xiǎn)評(píng)價(jià)和多源風(fēng)險(xiǎn)復(fù)合評(píng)價(jià) 目前，多源風(fēng)險(xiǎn)復(fù)合評(píng)價(jià)采用的模型和算法基本都是線性的（權(quán)重求和），缺點(diǎn)：綜合過程缺乏明確的物理意義，隨意性大。 現(xiàn)階段的研究已經(jīng)指出：多源概率型風(fēng)險(xiǎn)的聯(lián)合作用存在非線性效應(yīng)。,我們的非線性模型包括四個(gè)算式： 評(píng)價(jià)單一風(fēng)險(xiǎn)源對(duì)單一生境類型的風(fēng)險(xiǎn)壓力： 評(píng)價(jià)單一風(fēng)險(xiǎn)源對(duì)評(píng)價(jià)區(qū)域的風(fēng)險(xiǎn)壓力： 評(píng)價(jià)單一生境受復(fù)合風(fēng)險(xiǎn)聯(lián)合作用的風(fēng)險(xiǎn)壓力： 評(píng)價(jià)區(qū)域綜合風(fēng)險(xiǎn)壓力：,2. 模型提出,國(guó)外審稿專家對(duì)模型的評(píng)價(jià),審稿專家一：,審稿專家二：,問題形成 區(qū)域背景分析 區(qū)域生境結(jié)構(gòu)分析 風(fēng)險(xiǎn)源分析 受體分析 暴露與危害分析 暴露分析：暴露響應(yīng)概念模型 危害分析：潛在生態(tài)損

16、失度 風(fēng)險(xiǎn)計(jì)算 概率型復(fù)合風(fēng)險(xiǎn)表征模型應(yīng)用 風(fēng)險(xiǎn)管理 針對(duì)生態(tài)風(fēng)險(xiǎn)評(píng)估結(jié)果給出可能采取的對(duì)策,海島概率型風(fēng)險(xiǎn)評(píng)價(jià)框架,長(zhǎng)島南五島概率型風(fēng)險(xiǎn)評(píng)價(jià)實(shí)例,1.問題形成 區(qū)域背景 南五島是長(zhǎng)島國(guó)家自然保護(hù)區(qū)候鳥保護(hù)的核心區(qū)，該區(qū)共記錄鳥類284種。國(guó)家一級(jí)保護(hù)鳥類9種，二級(jí)43種。此外，該區(qū)還是斑海豹和蝮蛇的重點(diǎn)保護(hù)區(qū)。,長(zhǎng)島南五島位于黃、渤海交匯處，陸域面積32.2km2，南、北長(zhǎng)山島統(tǒng)稱長(zhǎng)山島，為山東省第一、第二大島。,區(qū)域生境結(jié)構(gòu) 本文采用遙感手段進(jìn)行區(qū)域生境結(jié)構(gòu)分析，主要解譯區(qū)分四類生境：林地/灌木、農(nóng)田草地、居民點(diǎn)、潮灘。,ASTER遙感影像（2002.6） ASTER影像解譯圖,南五島各島

17、生境類型面積GIS統(tǒng)計(jì),風(fēng)險(xiǎn)源分析 選定干旱、寒潮、風(fēng)暴潮和蟲災(zāi)4類頻發(fā)性災(zāi)害作為主要風(fēng)險(xiǎn)源。,南五島主要自然災(zāi)害發(fā)生頻次的歷史統(tǒng)計(jì),受體分析 受體選擇是針對(duì)對(duì)風(fēng)險(xiǎn)因子較敏感或在生態(tài)系統(tǒng)中具有重要地位的指示性物種或種群。鳥類應(yīng)是能反映南五島區(qū)生態(tài)狀況最直接的物種。 生態(tài)終點(diǎn)指在危害性和不確定性風(fēng)險(xiǎn)因素作用下，風(fēng)險(xiǎn)受體可能受到的損害。南五島受體相應(yīng)的生態(tài)終點(diǎn)為：鳥類種群及數(shù)量的減少、珍稀鳥類在本區(qū)的消失。,暴露分析 分析4類概率型源到鳥類受體的接觸暴露途徑，構(gòu)建風(fēng)險(xiǎn)源生境生態(tài)終點(diǎn)的暴露響應(yīng)概念模型。,風(fēng)險(xiǎn)源受體生態(tài)終點(diǎn)的暴露途徑示意圖,2. 暴露與危害分析,海島概率型風(fēng)險(xiǎn)評(píng)價(jià)的危害分析采用“區(qū)域潛在生態(tài)損失度”度量法，計(jì)算公式為： 式中，生態(tài)指數(shù) 由生物多樣性指數(shù) 和物種重要性指數(shù) 聯(lián)合計(jì)算得到；脆弱性指數(shù)F 是通過生境脆弱性排序、歸一化計(jì)算得到。,危害分析,本文采用遙感解譯手段和地方性統(tǒng)計(jì)數(shù)據(jù)相結(jié)合的方法，利用本文發(fā)展的復(fù)合風(fēng)險(xiǎn)表征模型進(jìn)行風(fēng)險(xiǎn)表征。 遙感解譯手段： 海島面積； 各類生境的面積、分布等。 地方性統(tǒng)計(jì)數(shù)據(jù)(長(zhǎng)島南五島現(xiàn)場(chǎng)調(diào)研、踏勘）： 自然災(zāi)害歷史發(fā)生概率統(tǒng)計(jì)、分布； 區(qū)域鳥類種數(shù)及其生活習(xí)性； 國(guó)家保護(hù)級(jí)鳥類種數(shù)及其生活習(xí)性等。,3. 風(fēng)險(xiǎn)計(jì)算,南五島各島生境潛在風(fēng)險(xiǎn)比較,評(píng)價(jià)結(jié)果,南五島四類自然災(zāi)害風(fēng)