由 佳，張懷清，陳永富，高志海，劉 華

(中國林業(yè)科學研究院資源信息研究所，北京 100091)

濕地是介于陸地與水體之間的獨特生境，兩者結(jié)合相互作用形成了其獨特的生態(tài)系統(tǒng)，是地球三大生態(tài)系統(tǒng)的重要組成部分，兼具多種生態(tài)功能[1-4]，同時被譽為“地球之腎”以及自然物種庫。濕地植被是濕地生境的重要組成部分，目前，濕地植被的凈化污染的能力[5]、濕地植被景觀組成[6]、濕地植被變化趨勢[7]等方面均受到研究人員的重視。

洞庭湖的主水域是東洞庭湖區(qū)，總面積達1 478 km2，是一個天然蓄水型通江湖泊，對長江水量的調(diào)節(jié)起到較為重要的作用。洞庭湖濕地在利用原有的野外實地勘察獲取數(shù)據(jù)時，因其湖區(qū)內(nèi)部通行條件的限制，采集數(shù)據(jù)需要花費大量的人工、物力、財力以及時間。因而運用濕地遙感檢測技術對洞庭湖植被類型監(jiān)測，充分分析洞庭湖植被群落以及其生長趨勢和區(qū)域內(nèi)部生態(tài)環(huán)境更迭，有利于其合理地利用濕地資源和濕地生態(tài)環(huán)境的保護。尤其是在較短的時間維度內(nèi)對濕地植被資源動態(tài)變化、區(qū)域濕地植被類型的影像特征、濕地植被類型分類識別能力已成為目前變化檢測的側(cè)重點之一。

隨著遙感研究技術的飛速發(fā)展，利用遙感技術手段對濕地植被類型進行信息提取也有一定程度上的進步。那曉東等[8]運用MODIS影像數(shù)據(jù)，采用一種基于時間序列的歸一化植被指數(shù)NDVI區(qū)分7種地表植被類型，得到三江平原2005年的濕地植被分布信息。劉瑜等[9]以長江口崇明東灘濕地為研究區(qū)域，根據(jù)Landsat TM地物反射光譜曲線以及實測數(shù)據(jù)進行分析，選取9種典型的植被指數(shù)進行計算，提出相對適當?shù)难芯繀^(qū)域內(nèi)三波段比值被指數(shù)TRVI，并利用該指數(shù)進行典型地物信息提取，效果良好。韋瑋等[10]以CHRIS為基礎影像數(shù)據(jù)進行植被指數(shù)計算及影像融合，提出歸一化植被指數(shù)與高光譜影像融合后，采用波譜角填圖的方法提取濕地植被類型信息，其分類結(jié)果使隆寶灘濕地植被類型的提取精度大大提升。喬婷等[11]以SPOT-5衛(wèi)星影像為數(shù)據(jù)源，在預處理之后，將NDVI應用到多尺度分割中，結(jié)合基于隸屬度函數(shù)和閾值的面向?qū)ο蟮姆诸惙椒▽|洞庭湖濕地植被信息進行提取；與此同時，以相同分類方法對未輔以NDVI分割的圖像進行植被提取，并與最大似然監(jiān)督分類法提取的結(jié)果進行對比。結(jié)果顯示，輔以NDVI分割的面向?qū)ο笮畔⑻崛〉目偡诸惥冗_到了87.69%，Kappa系數(shù)達到0.86，提升了濕地植被的提取精度。柴穎等[12]以美國Sacramento-San Joaquin三角洲為研究區(qū)域，在光譜特征分析和實測數(shù)據(jù)的基礎上，構(gòu)造特征指數(shù)，建立決策樹分類模型對濕地植被進行分類，結(jié)果表明，濕地植被在近紅外波段(0.75～1.3 μm)上有較為明顯的光譜特征差異性，根據(jù)這些差異，可以構(gòu)造合適的特征指數(shù)，從而實現(xiàn)濕地植被在物種水平上的識別。

綜上，關于濕地植被信息提取的研究已經(jīng)取得一定進展，但研究內(nèi)容主要集中在國外衛(wèi)星遙感影像上，而以國內(nèi)高分辨率影像為基礎的比較研究相對偏少。隨著我國遙感技術手段的不斷推進，高分辨率的遙感影像能使使用者對地物形狀及尺寸獲得更高的辨識度，且更新速度快、覆蓋范圍廣，提升了空間信息的可靠性[13]。筆者利用分辨率為50 m的GF-4號衛(wèi)星遙感影像進行植被類型信息提取，以東洞庭湖為研究區(qū)域，對影像進行預處理基礎上，在區(qū)內(nèi)選擇蘆葦、苔草、泥蒿+辣蓼3類典型植被類型，每類選取30個樣本區(qū)，與數(shù)據(jù)物候等盡量接近的Landsat 8商業(yè)衛(wèi)星進行對比，采用同樣的訓練樣本，相同的信息提取方法，包括監(jiān)督分類最大似然法和非監(jiān)督ISO分類方法進行濕地植被類型信息提取，比較濕地植被分類結(jié)果。

1 研究區(qū)概況與數(shù)據(jù)分析

1.1研究區(qū)概況洞庭湖位于湖南省北部，位于長江中游荊江南岸，地處111°19′～113°34′E、27°39′～29°51′ N，該區(qū)域南近益陽等縣市，北抵安鄉(xiāng)縣、南縣等縣鄉(xiāng)，東至汨羅等市，西至澧縣等縣市。地處亞熱帶季風氣候，年平均氣溫16.4～17 ℃，年降水量1 100～1 400 mm，年平均過水量達3 126億m3，總?cè)莘e220億m3，其中天然湖泊容積178億m3，河道容積42億m3。洞庭湖獨特的生境使古老珍稀物種有了得天獨厚的生存條件。洞庭湖是長江流域重要的蓄水型湖泊，具有強大的蓄洪能力，同時在保護生物多樣性方面發(fā)揮著舉足輕重的作用。

1.2研究區(qū)影像數(shù)據(jù)該研究利用GF-4號衛(wèi)星數(shù)據(jù)進行分析。GF-4號衛(wèi)星為50 m分辨率光學成像衛(wèi)星，分為全色波段和多光譜波段，全色和多光譜波段分辨率為50 m，紅外譜波段分辨率為400 m(表1)，單景覆蓋區(qū)域為400 km×400 km，影像接收時間為2016年05月11日。

另外還運用了Landsat 8衛(wèi)星數(shù)據(jù)進行比較。Landsat 8衛(wèi)星中OLI傳感器有9個波段，擁有30 m多光譜影像和15 m全色影像(表2)，成像寬幅為185 km×185 km，影像接收時間為2016年05月11日。

表1 GF-4數(shù)據(jù)光譜波段和分辨率

表2 Landsat 8數(shù)據(jù)光譜波段和分辨率

所獲數(shù)據(jù)基本情況見表3。研究區(qū)的GF-4和Landsat 8 多光譜圖像分別見圖1、2。

表3 遙感影像數(shù)據(jù)情況

圖1 111735原始圖像多光譜(543組合)Fig.1 Original image multi-spectral of 111735(543 combination)

圖2 研究區(qū)Landsat 8多光譜圖像Fig.2 Multi-spectral of the research area by Landsat 8

2 濕地植被類型信息提取方法

對原始遙感影像數(shù)據(jù)進行預處理，通過融合、配準進行濕地類型信息的提取，在典型的濕地分布區(qū)域，通過解譯濕地植被類型、濕地植被面積等信息，對基于GF-4影像以及Landsat 8進行判識，并與已有調(diào)查資料進行對比，比較判識結(jié)果，分析應用能力，評價濕地資源信息提取應用效果。具體流程見圖3。

圖3 區(qū)域濕地植被類型監(jiān)測能力測試評價流程Fig.3 Flowchart of test and evaluation of regional wetland vegetation type monitoring capability

2.1典型濕地植被類型反射率比較評價在洞庭湖區(qū)選擇蘆葦、苔草、泥蒿+辣蓼3類典型植被類型，每類選取30個樣本區(qū)，統(tǒng)計其光譜反射的平均值(表4)，分析其光譜輻射情況，結(jié)果見圖4～6。

對比東洞庭湖區(qū)3類典型濕地植被類型(蘆葦、苔草、泥蒿+辣蓼)的光譜反射平均值以及光譜輻射分析圖，可以看出，測試區(qū)內(nèi)的3類典型濕地植被在GF-4影像的可分辨性與Landsat 8差別不大。

表4典型地物光譜反射率統(tǒng)計

Table4Statisticalofspectralreflectanceoftypicalgroundobjects

產(chǎn)品號ProductID相機(傳感器)Camera(sensor)波段號Bandnumber樣點數(shù)量Numberofsamples光譜反射率Spectralreflectance蘆葦Bulrush苔草Carexgrass泥蒿+辣蓼Artemisia+Polygonum111735PMIBand13048.0539.8241.40Band2283.22287.14286.48Band3156.581150.06164.25Band4150.96155.21181.23Band5485.48314.97284.70—Landsat8Band1309848.009719.1911343.42Band29426.358849.9210936.21Band37769.407571.069858.25Band424124.8419762.9418267.12

圖4 GF-4影像與Landsat 8影像下的苔草光譜輻射對比Fig.4 Spectral radiation contrast of carex grass under GF-4 images and Landsat 8 images

圖5 GF-4影像與Landsat 8影像下的蘆葦光譜輻射對比Fig.5 Spectral radiation contrast of bulrush under GF-4 images and Landsat 8 images

圖6 GF-4影像與Landsat 8影像下的泥蒿+辣蓼光譜輻射對比Fig.6 Spectral radiation contrast of artemisia + polygonum under GF-4 images and Landsat 8 images

2.2濕地植被類型提取能力比較評價將融合后的GF-4和Landsat 8影像裁剪成相同的區(qū)域大小，在GF-4影像上的濕地植被區(qū)域內(nèi)進行監(jiān)督分類，選取樣本時，保證原始GF-4和Landsat 8數(shù)據(jù)鏈接，使其2個影像的樣本保持一致性。所選樣本見圖7～9。

通過以上的訓練樣本選取，然后采用最大似然法進行監(jiān)督分類，分析比較采用該種方法后GF-4影像和Landsat 8數(shù)據(jù)濕地植被類型的分類結(jié)果特征，結(jié)果見圖10。

圖7 GF-4影像與Landsat 8影像下的苔草樣本選取Fig.7 Carex grass sample selection under GF-4 images and Landsat 8 images

圖8 GF-4影像與Landsat 8影像下的蘆葦樣本選取Fig.8 Bulrush sample selection under GF-4 images and Landsat 8 images

圖9 GF-4影像與Landsat 8影像下的泥蒿+辣蓼樣本選取Fig.9 Artemisia + polygonum sample selection under GF-4 images and Landsat 8 images

圖10 GF-4影像與Landsat 8最大似然監(jiān)督分類濕地植被結(jié)果Fig.10 Maximum Likelihood Classification of wetland vegetation results under GF-4 images and Landsat 8 images

2.3精度評價研究區(qū)精度評價是利用Confusion Matrices評價分類結(jié)果，是通過混淆矩陣把分類結(jié)果的精度顯示在一個混淆矩陣里(用于比較分類結(jié)果和地表的真實信息)。研究區(qū)運用混淆矩陣對分類結(jié)果進行精度分析的結(jié)果見表5～6。

表5 GF-4 影像精度評價

表6 Landsat 8影像精度評價

注：生產(chǎn)者精度=正確分類數(shù)/某類別總數(shù)；用戶精度=正確分類數(shù)/(正確分類數(shù)+錯分到某類別總數(shù))

Note: Producer accuracy = number of correct categories / total number of categories; User accuracy = number of correct categories / (correct number of categories + wrongly assigned to a category total)

3 結(jié)論與討論

3.1結(jié)論綜合上述GF-4影像與Landsat 8數(shù)據(jù)的濕地植被信息提取結(jié)果，得出以下結(jié)論：

(1)研究區(qū)的GF-4影像和Landsat 8影像的典型濕地植被類型光譜反射率具有相似的變化特征。

(2)在研究區(qū)的GF-4影像典型濕地植被類型的細化分類程度較次于Landsat 8影像分類結(jié)果。

(3)在研究區(qū)的Landsat 8影像分析中出現(xiàn)了在泥灘地中對水體的混淆情況，GF-4影像分析中沒有出現(xiàn)水體混淆情況。

(4)GF-4影像的林地出現(xiàn)與耕地部分混淆的現(xiàn)象，在Landsat 8影像也存在該情況。

(5)GF-4影像的典型濕地植被分類斑塊特征不明顯，次于Landsat 8分類結(jié)果的斑塊特性。

3.2討論

(1)東洞庭湖研究區(qū)GF-4影像數(shù)據(jù)質(zhì)量優(yōu)良，可以真實反映濕地植被信息，較為適合濕地植被類型提取。

(2)東洞庭湖研究區(qū)GF-4影像數(shù)據(jù)的空間分辨率在濕地重點地區(qū)能夠很好地識別出濕地植被范圍。

(3)通過植被光譜分析，洞庭湖研究區(qū)GF-4數(shù)據(jù)的植被光譜特征明顯，若再通過多期不同季相的影像進行光譜特征分析，濕地植被類型區(qū)分的效果將會更加明顯。

[1] 孫廣友.中國濕地科學的進展與展望[J].地球科學進展，2000，15(6)：666-672.

[2] 楊永興.國際濕地科學研究的主要特點、進展與展望[J].地理科學進展，2002，21(2)：111-120.

[3] TOYRA J，PIETRONIRO A.Towards operational monitoring of a northen wetland using geometics-based techiniques[J]. Remote sensing of environment，2005，97：174-191.

[4] 王亞欣，鞠洪波，張懷清，等.東洞庭湖國家級自然保護區(qū)濕地資源評價[J].地球信息科學學報，2011，13(3)：323-331.

[5] 王國生，鐘玉書，田敏，等.人工蘆葦濕地處理城市污水的研究[J].遼寧農(nóng)業(yè)科學，2006(2)：5-8.

[6] 余莉，何隆華，張奇，等.三峽工程蓄水運行對鄱陽湖典型濕地植被的影響[J].地理研究，2011，30(1)：134-144.

[7] 王穎，宮輝力，趙文吉，等.北京野鴨湖濕地資源變化特征[J].地理學報，2005，60(4)：656-664.

[8] 那曉東，張樹清，李曉峰，等.MODIS NDVI時間序列在三江平原濕地植被信息提取中的應用[J].濕地科學，2007，5(3)：227- 236.

[9] 劉瑜，韓震，郭永飛.植被指數(shù)在長江口潮灘濕地植被信息提取中的應用研究[J].遙感技術與應用，2009，24(6)：777-783.

[10] 韋瑋，李增元.基于高光譜影像融合的濕地植被類型信息提取技術研究[J].林業(yè)科學研究，2011，24(3)：300-306.

[11] 喬婷，張懷清，陳永富，等.基于NDVI分割與面向?qū)ο蟮臇|洞庭湖濕地植被信息提取技術[J].西北林學院學報，2013，28(4)：170- 175.

[12] 柴穎，阮仁宗，傅巧妮.高光譜數(shù)據(jù)濕地植被類型信息提取[J].南京林業(yè)大學學報(自然科學版)，2015，39(1)：181- 184.

[13] 陳述彭.遙感地學分析[M].北京：測繪出版社，1990.

名詞解釋

擴展即年指標：這是一個表征期刊即時反應速率的指標，主要描述期刊當年發(fā)表的論文在當年被引用的情況。具體算法為：

擴展他引率：指該期刊全部被引次數(shù)中，被其他刊引用次數(shù)所占的比例。具體算法為：