高永攀，陳書文

（1. 河海大學 地球科學與工程學院，江蘇 南京 210098；2.中水北方勘測設計研究有限責任公司，天津 300222）

濕地是介于水生生態(tài)系統(tǒng)和陸地生態(tài)系統(tǒng)之間的一種重要而又特殊的生態(tài)系統(tǒng)[1,2]。但由于人類活動影響，使得濕地面臨嚴峻的形勢[3-6]。濕地系統(tǒng)普遍存在“同質(zhì)異譜”和”同譜異質(zhì)”現(xiàn)象，像元的混合光譜特性制約提取精度[7]。如何利用遙感影像的優(yōu)勢，快速且準確地進行濕地信息的識別，是濕地遙感監(jiān)測研究的關鍵問題之一。論文針對研究區(qū)土地覆蓋變化情況，以濕地為研究對象，利用研究區(qū)Landsat 7 TM數(shù)據(jù)，結合相關的統(tǒng)計資料和數(shù)據(jù)，采用了以決策樹為主的混合分類方法獲取濕地空間分布信息。

1 研究區(qū)概況

洪澤湖是我國5大淡水湖之一，位于淮河下游[8]。洪澤湖及其周邊生境多樣，濕地與生長、棲息的生物種群構成了具有極高生產(chǎn)力的獨特的生態(tài)系統(tǒng)。它有各種豐富多彩的植物資源和魚類、軟體動物等構成的有利于水禽棲息的食物鏈，具有豐富的生態(tài)多樣性和物種多樣性[9,10]。但近些年來，隨著社會經(jīng)濟的發(fā)展，大量的湖泊濕地被用作圍網(wǎng)養(yǎng)殖，破壞了濕地植被，湖面面積縮小。

試驗選用1973年的Landsat MSS（MSS4-MSS7）和2006年的Landsat TM。研究區(qū)其他相關數(shù)據(jù)為該區(qū)1︰10萬的地形圖及相關文獻、統(tǒng)計圖表等資料。

2 研究方法

本試驗區(qū)土地覆蓋類型分為水體、養(yǎng)殖塘、耕地、植被和其他5類。本文選用歸一化植被指數(shù)和最優(yōu)調(diào)節(jié)土壤植被指數(shù)兩種指數(shù)進行試驗。

2.1 特征波段的選擇

2.1.1 歸一化植被指數(shù)（NDVI）

由于歸一化植被指數(shù)法NDVI[11,12]能充分考慮到植被在不同波段區(qū)間的光譜特性，在植被研究以及植物物候研究中得到廣泛應用。NDVI表達式如下：

NDVI對土壤背景的變化較為敏感，是植被類型、覆蓋類型和生長狀況等的綜合反映，其大小取決于植被覆蓋度和葉面積指數(shù)等要素。而且NDVI對植被覆蓋度的監(jiān)測幅度較寬，有較好的時相和空間適應性，應用較為廣泛。

2.1.2 最優(yōu)調(diào)節(jié)土壤植被指數(shù)（OSAVI）

最優(yōu)調(diào)節(jié)土壤植被指數(shù)[13,14]可以很好地消除土壤背景對植被指數(shù)的干擾。Rondeaux等基于SAIL模型模擬了該指數(shù)在不同土壤類型及不同水分和粗糙度條件下的表征，確定了用來減少土壤影響的優(yōu)化值為0.16。KOSAVI表達式如下：

其中，ρ為反射率；L為土壤調(diào)節(jié)系數(shù)，其值介于0～1之間?！?”和“1”分別表示植被覆蓋率極高和極低的兩種極端情況。本文設定L為0.16，可以較好地減弱土壤的背景差異，消除土壤噪聲對植被的影響。

2.2 遙感分類

通過分析特征波段得到歸一化植被指數(shù)、最優(yōu)土壤調(diào)節(jié)指數(shù)，將變換的分量進行合并處理，合并后的文件為波段組合后的數(shù)據(jù)文件。通過人機交互選擇這些特征波段的最佳閾值進行洪澤湖濕地分類。根據(jù)上述方法獲得該變化圖，提取出湖泊濕地的變化信息。并對由知識規(guī)則得到的濕地分類結果進行分析、聚類和過濾處理，對其中錯分現(xiàn)象進行人工修正，可提高分類精度。

3 結果分析

NDVI對土壤背景的變化較為敏感，易受土壤背景影響。而最優(yōu)土壤調(diào)節(jié)指數(shù)是在土壤調(diào)節(jié)植被指數(shù)（SAVI）基礎上提出來的，可以很好地消除土壤背景對植被指數(shù)的干擾。本研究的分類結果如圖1所示。結果圖中濕地植被較少，零星分布在水田、林地和城鎮(zhèn)用地之間。

研究區(qū)濕地的變化主要表現(xiàn)在水體和濕地植被轉(zhuǎn)變?yōu)轲B(yǎng)殖場、稻田、建筑物等，使得植被退化較嚴重。利用ENVI軟件對圖中各地物類型面積進行統(tǒng)計，如表1。可以看出，湖泊大片湖濱地區(qū)在2006年已經(jīng)被圍網(wǎng)用于養(yǎng)殖。大面積的天然濕地轉(zhuǎn)化成了養(yǎng)殖場等人工濕地，濕地的開墾和圍網(wǎng)養(yǎng)殖等使得濕地植物大量減少。而且養(yǎng)殖等農(nóng)業(yè)生產(chǎn)還導致湖泊的污染與富營養(yǎng)化，嚴重破壞了當?shù)氐纳鷳B(tài)資源。

圖1 洪澤湖覆蓋分類結果圖

表1 洪澤湖各類型地物面積變化/km2

利用決策樹模型進行信息提取的關鍵是特征波段的選取。本文根據(jù)影像的光譜特征，將NDVI、OSAVI指數(shù)作為特征波段，使類別間的差距進一步增大。NDVI指數(shù)可以很好地將植被信息和非植被信息區(qū)分開來，OSAVI指數(shù)能較好地去除土壤背景噪聲的影響。然后采用決策樹法進行分類，有效地提高了研究中的分類精度。由于研究中受資料限制以及其他人為因素影響，分類結果存在一定的不合理性。筆者將在以后的研究中，選擇優(yōu)化信息提取算法來提高提高精度，使判別準則和分類結構更符合實際。

[1]呂憲國.濕地科學研究進展及研究方向[J].中國科學院院刊,2002(3):170-172

[2]胡巍巍.淮河流域中游濕地景觀動態(tài)變化研究[J].地理空間信息,2013,11(4):122-124

[3]雷昆,張明祥.中國的濕地資源及其保護建議[J].濕地科學,2005,3(2):81-86

[4]張維平.生物多樣性與可持續(xù)發(fā)展的關系[J].環(huán)境科學,1998(4):92-96

[5]楊士建.洪澤湖濕地資源保護與可持續(xù)利用研究[J].重慶環(huán)境科學,2003(2):55-57

[6]葉正偉,朱國傳,陳良.洪澤湖濕地生態(tài)脆弱性的理論與實踐[J].資源開發(fā)與市場,2005,21(5): 416-420

[7]張芳.基于遙感技術的干旱區(qū)濕地信息提取方法研究[D].烏魯木齊：新疆大學,2008

[8]李波,濮培民,韓愛民.洪澤湖水質(zhì)的因子分析[J].中國環(huán)境科學,2003,23(1):69-73

[9]丁長春,王松.洪澤湖濕地的可持續(xù)發(fā)展[J]. 淮陰工學院學報, 2002, 11(5):34-35

[10]李書恒,郭偉.京杭大運河的功能與蘇北運河段的發(fā)展利用[J].第四紀研究, 2007,27(5):862-867

[11]Rouse J W, Haas R H, Schell J A, et al. Monitoring Vegetation Systems in the Great Plains with ERTS[J]. NASA Special Publication, 1974, 351: 309

[12]萬雪.基于NDVI城鎮(zhèn)土地利用變化檢測探討[J].地理空間信息,2009,7(4):111-113

[13]Rondeaux G,Steven M,Baret F.Optimizationofsoil Adjusted Vegetationindices[J].Remote Sensing of Environment, 1996,55(2): 95-107

[14]夏雙,阮仁宗,顏梅春.基于植被指數(shù)模型的淡水湖泊濕地景觀信息提取[J].地理空間信息,2012,10(6):32-35