呂林，易文彬，崔丹丹，王楠，張東，謝正磊1，

（1.自然資源部濱海鹽沼濕地生態(tài)與資源重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210017；2.南京師范大學(xué)海洋科學(xué)與工程學(xué)院，江蘇 南京 210023；3.江蘇省海域使用動(dòng)態(tài)監(jiān)視監(jiān)測(cè)中心，江蘇 南京 210003）

植被是陸地生態(tài)系統(tǒng)的重要組成部分，在促進(jìn)全球能量交換、維持生態(tài)平衡、預(yù)測(cè)未來(lái)生態(tài)系統(tǒng)的演化方面具有重要作用[1]。植被類型識(shí)別和分布是植被研究的基礎(chǔ)[2]。濱海鹽沼濕地位于海陸交錯(cuò)地帶，主要指受潮汐作用影響、有耐鹽性植被生長(zhǎng)的河口以及淤泥質(zhì)海岸地區(qū)[3]。江蘇鹽城濱海鹽沼濕地由于外來(lái)物種入侵，鹽沼植被景觀格局發(fā)生了重要變化，快速高效地獲取鹽沼植被的時(shí)空變化對(duì)保護(hù)濱海鹽沼濕地生態(tài)系統(tǒng)以及預(yù)測(cè)其未來(lái)演化具有重要意義。植被是生態(tài)環(huán)境變化的重要指標(biāo)，植被監(jiān)測(cè)一般分為地面實(shí)測(cè)和遙感監(jiān)測(cè)。地面實(shí)測(cè)需要花費(fèi)大量的人力、物力、財(cái)力，監(jiān)測(cè)時(shí)效性較差，準(zhǔn)確性得不到保證，容易受到區(qū)域可達(dá)性、天氣狀況等影響。遙感監(jiān)測(cè)具有較強(qiáng)的連續(xù)監(jiān)測(cè)能力，能有效捕捉鹽沼植被的時(shí)空動(dòng)態(tài)演變[4-5]。遙感技術(shù)在監(jiān)測(cè)全球土地覆蓋變化以及生態(tài)系統(tǒng)的動(dòng)態(tài)變化等方面被廣泛應(yīng)用[4]。很多研究應(yīng)用中等分辨率光學(xué)遙感影像和中等分辨率成像光譜儀進(jìn)行植被信息提取，通過(guò)植被動(dòng)態(tài)監(jiān)測(cè)可以獲取植被的縮減與擴(kuò)張面積、災(zāi)害后植被的恢復(fù)情況和監(jiān)測(cè)物種入侵[2]。Workie等[6]以埃塞俄比亞為研究區(qū)，利用MODIS NDVI、MODIS 地表溫度數(shù)據(jù)和2002－2015 年降水?dāng)?shù)據(jù)，使用多元回歸分析降水量和溫度與NDVI關(guān)系，利用NDVI的年際變化構(gòu)建的植物物候得到了氣候變化對(duì)植被物候的影響。孟祥珍等[7]依托Google Earth Engine （GEE）平臺(tái)選取了2014－2019 年Landsat 8 OLI 時(shí)間序列數(shù)據(jù)，通過(guò)分析不同植被生長(zhǎng)狀況獲取物候特征差異時(shí)相數(shù)據(jù)，構(gòu)建了決策樹提取互花米草。Zhang 等[8]基于Landsat 影像，采用監(jiān)督分類的方法獲得了中國(guó)濱海濕地互花米草的時(shí)空分布。陳康明等[9]基于Google Earth Engine平臺(tái)和Landsat 長(zhǎng)時(shí)序歷史影像，利用連續(xù)變化檢測(cè)和分類算法反演了近30 年中國(guó)南方（浙江以南）濱海鹽沼植被的時(shí)空分布。大量研究成果主要集中在人工林、紅樹林和互花米草的識(shí)別提取以及指標(biāo)的動(dòng)態(tài)監(jiān)測(cè)上，但是基于遙感平臺(tái)對(duì)鹽沼植被進(jìn)行精細(xì)提取且從整體空間格局與過(guò)程角度，闡釋濱海鹽沼植被景觀格局以及氣候變化對(duì)鹽沼植被影響方面的研究比較缺乏。目前，濱海鹽沼濕地植被監(jiān)測(cè)仍存在以下不足：采用傳統(tǒng)數(shù)據(jù)獲取與處理方法，分類速度與精度很難兼得，大多數(shù)立足于幾期遙感影像和樣點(diǎn)的調(diào)查角度，效率較低[10]；植被類型之間異物同譜現(xiàn)象，依靠單幅遙感影像很難有效區(qū)分，在分類時(shí)需要綜合考慮植被間的物候差異特征[11]。

鹽城濱海鹽沼濕地是典型的淤泥質(zhì)海岸濕地，是我國(guó)首處濱海濕地類世界自然遺產(chǎn)，在自然與人為影響下其景觀結(jié)構(gòu)不斷發(fā)生變化[12-13]。分析鹽城濱海鹽沼濕地地表覆蓋類型及變化對(duì)于研究鹽城濱海鹽沼濕地的氣候變化與人類活動(dòng)影響，以更好地保護(hù)這一自然遺產(chǎn)具有重要的科學(xué)價(jià)值。張華兵等[14]從景觀尺度揭示了鹽城保護(hù)區(qū)核心區(qū)景觀植被帶具有明顯帶狀分布特征并不斷向海淤漲。姚成等[15]以生態(tài)要素調(diào)查視角揭示了水文、鹽分等土壤性狀對(duì)濕地植被演變的影響。不少學(xué)者從宏觀和微觀尺度研究了江蘇鹽城淤泥質(zhì)濱海濕地景觀演變特征，以及自然和生態(tài)要素影響。濱海鹽沼植被中互花米草是多年生常綠植物，其光譜特征容易與水田等類似植被混淆，僅用光譜特征進(jìn)行識(shí)別鹽沼植被很難達(dá)到理想的效果。在進(jìn)行長(zhǎng)時(shí)序動(dòng)態(tài)監(jiān)測(cè)分析時(shí)，傳統(tǒng)的遙感技術(shù)面臨著衛(wèi)星重訪周期、云雨干擾、海量數(shù)據(jù)的獲取、存儲(chǔ)、預(yù)處理、分析以及機(jī)器配置等巨大挑戰(zhàn)。

谷歌地球引擎（Google Earth Engine，GEE）具有強(qiáng)大的數(shù)據(jù)存儲(chǔ)和處理能力、便捷的數(shù)據(jù)共享以及使用成本低等優(yōu)勢(shì)逐漸成為大尺度遙感研究的重要工具[2，4，16-17]，但基于GEE遙感大數(shù)據(jù)云處理平臺(tái)開展濱海鹽沼植被的細(xì)分類以及氣候因素對(duì)鹽沼植被生長(zhǎng)影響的研究較少。本文以江蘇省鹽城濱海濕地為例，借助于GEE 云平臺(tái)的2000－2020年Landsat 5、Landsat7、Landsat8和Sentinel-2遙感影像，綜合多源特征構(gòu)建分類方案，結(jié)合隨機(jī)森林分類方法和鹽沼植被物候特征，對(duì)鹽城濱海濕地植被解譯和提取，獲取鹽城濱海鹽沼植被的時(shí)空演變信息，分析氣候因素對(duì)鹽沼植被生長(zhǎng)的影響，充分了解、掌握濱海鹽沼植被的時(shí)空分布的歷史演變規(guī)律及其控制機(jī)制，實(shí)現(xiàn)鹽沼植被擴(kuò)張動(dòng)態(tài)監(jiān)測(cè)，為濱海鹽沼濕地生態(tài)保育以及制定科學(xué)管理政策提供科學(xué)依據(jù)。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)概況

江蘇鹽城濱海濕地地處江蘇省中部沿海，位于黃海海域內(nèi)，是亞洲最大的淤泥質(zhì)潮間帶濕地，隸屬于東臺(tái)、大豐、射陽(yáng)、濱海、響水等縣（市、區(qū)）的沿海灘涂，面積約為4.55×103km2，占全省灘涂面積的75%。研究區(qū)海岸線全長(zhǎng)約582 km，屬于亞熱帶與暖溫帶的過(guò)渡地帶，年平均氣溫13.7～14.8 ℃，年降雨量為900～1 100 mm。地貌類型為海積平原。區(qū)域內(nèi)有江蘇鹽城濕地珍禽國(guó)家級(jí)自然保護(hù)區(qū)，該保護(hù)區(qū)是我國(guó)最大的海岸帶保護(hù)區(qū)，其核心區(qū)地處120°26′40″－120°40′40″E，33°25′00″－33°42′40″N，位于保護(hù)區(qū)中部，北至新洋港出海河南岸，南至斗龍港出海河北岸，西至海堤，面積為195.25 km2（圖1）。保護(hù)區(qū)以中路港為界分為南、北兩部分，北部主要為人工管理區(qū)，受人類活動(dòng)干擾強(qiáng)烈，景觀組分單一，主要為養(yǎng)殖塘等人為景觀。南部主要為自然濕地區(qū)，受人類活動(dòng)影響程度較弱，基本保留著原始濕地景觀[18]。由陸地向海洋主要分布有蘆葦帶、堿蓬帶、米草帶和無(wú)植被帶（潮間帶光泥灘）[19-20]。適宜的氣候條件和水文動(dòng)力，孕育了多樣的濕地生態(tài)類型。鹽城濱海濕地是至今為數(shù)不多的典型原始海岸之一，保持著完整的、天然的潮灘植被演替序列和生態(tài)系統(tǒng)結(jié)構(gòu)。

圖1 鹽城濱海濕地核心區(qū)

1.2 數(shù)據(jù)源

基于GEE 平臺(tái)，選取2000 年1 月1 日至2020年12 月31 日Landsat 影像數(shù)據(jù)（30 m 分辨率）和Sentinel-2 影像數(shù)據(jù)（10 m 分辨率）進(jìn)行鹽沼濕地地表覆蓋提取及變化監(jiān)測(cè)。本研究共使用347景影像，其中Landsat 5的2000－2008年共97景影像，Landsat 7 的2000－2012 年 共113 景 影 像，Landsat 8 的2013－2016 年 共48 景 影 像，以 及Sentinel-2 的2017－2020 年共89 景影像（圖2）。利用GEE 的simpleComposite 算法模塊對(duì)每年的原始Landsat 和Sentinel-2 衛(wèi)星影像進(jìn)行輻射定標(biāo)、影像去云處理，合成年際最小云量影像，并通過(guò)Filter函數(shù)對(duì)影像進(jìn)行時(shí)間、區(qū)域篩選。

圖2 本研究獲取有效影像數(shù)量（2000－2020年）

參考Google Earth Pro 和高分2 號(hào)中的歷史高清影像，通過(guò)GEE 平臺(tái)在線選取樣本點(diǎn)，共選取樣本點(diǎn)7 121個(gè)，每年選取的樣本點(diǎn)中70%作為訓(xùn)練樣本，30%為驗(yàn)證樣本，2000－2020 年各地物類型樣本點(diǎn)情況如圖3所示。

圖3 本研究選取樣本點(diǎn)數(shù)（2000－2020年）

2 研究方法

本文基于GEE 遙感云平臺(tái)，利用濱海鹽沼植被物候特征差異對(duì)濱海鹽沼植被進(jìn)行精細(xì)提取。首先，參考Google Earth Pro 和高分2 號(hào)中的歷史高清影像，并結(jié)合Landsat 5、Landsat 7、Landsat 8和Sentinel-2 影像不同的波段組合選擇樣本，結(jié)合歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）、增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）和土壤調(diào)節(jié)植被指數(shù)（Soil Adjusted Vegetation Index，SAVI）提取出養(yǎng)殖塘、自然水體和濱海鹽沼植被區(qū)；然后，利用時(shí)間諧波分析法構(gòu)建鹽沼植被NDVI時(shí)間序列曲線，確定鹽沼植被物候特征差異；最后，通過(guò)隨機(jī)森林分類法，精細(xì)提取鹽城市三類典型濱海鹽沼植被。技術(shù)路線如圖4所示。

圖4 濱海鹽沼植被提取流程圖

2.1 分類體系構(gòu)建

鹽城濱海濕地作為典型的原生濕地之一，自然植被保存完整，植被類型豐富多樣。鹽城濱海鹽沼濕地植被類型主要包括蘆葦、堿蓬、米草等優(yōu)勢(shì)植被[21-23]。鹽城處于江蘇省灘涂圍墾的核心區(qū)，隨著建設(shè)“海上蘇東”戰(zhàn)略的提出、百萬(wàn)畝灘涂大開發(fā)計(jì)劃的實(shí)施，鹽城圍墾面積遠(yuǎn)高于其他城市，甚至出現(xiàn)私自圍墾、亂挖養(yǎng)殖塘的現(xiàn)象[24]。本文結(jié)合影像判讀和實(shí)地調(diào)查以及前人研究成果，將研究區(qū)地表覆被類型劃分為五類：蘆葦、堿蓬、米草、養(yǎng)殖塘和自然水體（海洋、河流、沼澤等）。通過(guò)目視解譯的方式，參考Google Earth Pro和高分2 號(hào)中的歷史高清影像，并利用Landsat 5、Landsat7、Landsat8 和Sentinel-2 影像不同的波段，根據(jù)需求選擇對(duì)應(yīng)RGB 合成顯示，繼而選取樣本點(diǎn)。隨機(jī)選取樣本的70%作為訓(xùn)練數(shù)據(jù)，剩余30%樣本作為測(cè)試數(shù)據(jù)以進(jìn)行精度評(píng)價(jià)。

2.2 時(shí)間序列諧波分析法

由于在GEE 平臺(tái)調(diào)用影像數(shù)據(jù)集時(shí)對(duì)影像進(jìn)行了時(shí)間、空間以及云量的篩選，導(dǎo)致計(jì)算得出的鹽沼植被NDVI原始值曲線粗糙、不平滑、不連續(xù)，且存在突然下降或增長(zhǎng)的異常值。時(shí)間序列諧波分析法（Harmonic Analysis of Time Series，HATS）能夠準(zhǔn)確描述時(shí)間序列數(shù)據(jù)的變化規(guī)律，是進(jìn)行定量監(jiān)測(cè)植被動(dòng)態(tài)變化的物候分析方法[25-26]。諧波分析由MODIS-NDVI 或MODIS-EVI數(shù)據(jù)產(chǎn)品得到每一個(gè)像元對(duì)應(yīng)地表NDVI或EVI隨時(shí)間變化的離散波信號(hào)，通過(guò)最小二乘法的迭代擬合剔除原始數(shù)據(jù)中受云污染影響較大和偏離閾值最大點(diǎn)，借助傅里葉變換將時(shí)間域的波形變化到頻率域?qū)崿F(xiàn)曲線的分解和重構(gòu)，用一系列正弦波來(lái)表示NDVI 或EVI波動(dòng)，以此得到更加合理的數(shù)據(jù)，準(zhǔn)確反映植被周期性變化規(guī)律[27-28]。其計(jì)算公式如下：

式中：i為擬合數(shù)據(jù)序號(hào)；j為原始數(shù)據(jù)序號(hào)；A0為諧波余項(xiàng)，等于序列平均值；Aj為各諧波振幅；ωj= 2jπ∕N為各諧波頻率，N為序列長(zhǎng)度；θj為各諧波初相位；n為諧波個(gè)數(shù)，等于N-1[29]。本文選用時(shí)間序列諧波分析法對(duì)其進(jìn)行處理，處理后的植被NDVI值，剔除了受云干擾的點(diǎn)或偏離閾值的最大點(diǎn)，利用剩余有效點(diǎn)重構(gòu)鹽沼植被NDVI時(shí)間序列曲線，更加真實(shí)、清晰地反映鹽沼植被生長(zhǎng)規(guī)律。

2.3 分類方法與植被覆蓋度遙感反演模型

隨機(jī)森林（Random Forest，RF）是Leo Breiman于2001 年提出的一種基于分類回歸樹的組合分類算法[30]，是一種利用多棵決策樹對(duì)樣本進(jìn)行訓(xùn)練并集成預(yù)測(cè)的分類器，具有學(xué)習(xí)速度快、人工干預(yù)少和精確度高等優(yōu)點(diǎn)。在隨機(jī)森林算法中，需要定義兩個(gè)參數(shù)：分類樹數(shù)目和每個(gè)節(jié)點(diǎn)分割使用的預(yù)測(cè)變量的數(shù)目。雖然較大分類樹數(shù)目會(huì)帶來(lái)計(jì)算上的復(fù)雜性，但是也會(huì)改善分類效果[31]。隨機(jī)森林分類能直接處理高維數(shù)據(jù)，對(duì)噪聲和異常值有一定的容忍度，且預(yù)測(cè)誤差小，不易產(chǎn)生過(guò)擬合問(wèn)題，在濕地遙感分類研究中具有較好的效果。

利用長(zhǎng)時(shí)間序列遙感影像反演植被覆蓋度，特征指數(shù)的選擇十分重要，在分類特征上，常利用歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）、增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）、歸一化差值濕度 指 數(shù)（Normalized Difference Moisture Index，NDMI）等光譜特征變量及紋理參數(shù)來(lái)區(qū)分濕地植被和非濕地植被[32-33]。而NDVI是植被監(jiān)測(cè)最為常用的模型，對(duì)植被監(jiān)測(cè)更為敏感。為了提高研究區(qū)地物提取精度，本文選用歸一化植被指數(shù)（NDVI）、歸一化水體指數(shù)（NDWI）、增強(qiáng)植被指數(shù)（EVI）和土壤調(diào)節(jié)植被指數(shù)（Soil Adjusted Vegetation Index，SAVI）。SAVI 是Huete[34]基于NDVI 提出的，用以減少NDVI 對(duì)土壤背景的敏感性。L 是隨著植被密度而發(fā)生變化參數(shù)，取值范圍為0～1，L=0時(shí)，表示土壤背景的影響為零，即植被茂密，覆蓋度極高，反之則L=1。因此對(duì)于濕地而言，L 取0.5 時(shí)消除土壤反射率效果較好[34-36]。特征值計(jì)算公式如下：

式中：ρred、ρgreen、ρblue、ρnir分別為各傳感器的紅色、綠色、藍(lán)色和近紅波段反射率；L 為常數(shù)，取值0.5。

根據(jù)測(cè)試樣本對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)，評(píng)價(jià)指標(biāo)包括總體精度（Overall Accuracy，OA）、用戶精度（User′s Accuracy，UA）、生產(chǎn)者精度（Producer′s Accuracy，PA）、Kappa 系數(shù)等，其中OA 和Kapp 系數(shù)用來(lái)評(píng)價(jià)總體分類精度，PA 和UA 用來(lái)衡量各類的錯(cuò)分誤差[37]，從不同的方面評(píng)價(jià)影像分類的結(jié)果。

3 結(jié)果與分析

3.1 鹽城濱海濕地鹽沼植被NDVI時(shí)間變化特征

根據(jù)NDVI 計(jì)算公式，基于GEE 平臺(tái)獲得了蘆葦、堿蓬、米草三種鹽沼植被NDVI值，由于研究年限較長(zhǎng)，且每年鹽沼植被NDVI值變化存在相似特征，故選用了2000年和2020年三類鹽沼植被NDVI值進(jìn)行分析，以獲得鹽城濱海濕地蘆葦、堿蓬和米草生長(zhǎng)情況（圖5）。

蘆葦3－5 月（春季）的NDVI 值為0.15～0.4，3 月NDVI 值處于0.15 左右，蘆葦進(jìn)入生長(zhǎng)期；6－8 月（夏季）NDVI 值達(dá)到0.3～0.5，蘆葦處于生長(zhǎng)茂盛期；9－11 月（秋季）NDVI 值維持在0.4～0.5 左右，最高可達(dá)到0.6，然后NDVI 值開始下降，生長(zhǎng)開始減緩，逐步進(jìn)入衰退期；12 月到次年2月（冬季）NDVI低于0.15，蘆葦植被凋落。堿蓬3－5 月（春季）的NDVI 值為0.1～0.3，此時(shí)堿蓬植被開始有初步生長(zhǎng)態(tài)勢(shì)；6－8 月（夏季）NDVI 值為0.3～0.4，處于持續(xù)生長(zhǎng)階段；9－11 月（秋季）NDVI 值保持在0.5 左右，生長(zhǎng)速度減緩；12 月至次年2 月（冬季）NDVI 值小于0.15，進(jìn)入凋落狀態(tài)。互花米草3－5 月（春季）的NDVI 值為0.15～0.3，米草植被開始緩慢生長(zhǎng)；6－8 月（夏季）NDVI 值達(dá)到0.4～0.6，米草植被生長(zhǎng)迅猛；9－11月（秋季）NDVI值高達(dá)0.7左右，此時(shí)生長(zhǎng)茂盛；12 月到次年2 月，NDVI 值在0.15 以上，米草植被保持持續(xù)生長(zhǎng)狀態(tài)。

3.2 鹽城濱海濕地植被時(shí)空演變特征

基于GEE 平臺(tái)、運(yùn)用隨機(jī)森林分類方法，并引入SAVI 和城濱海鹽沼植被NDVI 時(shí)間變化特征作為特征值進(jìn)行分類，獲得2000－2020 年鹽城濱海鹽沼植被時(shí)空分布格局（圖6）。

圖6 2000－2020年鹽城濱海濕地核心區(qū)鹽沼植被時(shí)空分布

總體而言，2000－2020 年蘆葦、米草面積呈上升趨勢(shì)，養(yǎng)殖坑塘和堿蓬不斷減少，自然水體面積基本保持不變（圖6）。圖7 為鹽城濱海濕地各覆蓋類型逐年面積，可以看出2000－2003 年養(yǎng)殖坑塘面積持續(xù)擴(kuò)張，2003 年養(yǎng)殖坑塘面積擴(kuò)張至36.71 km2，面積擴(kuò)張率達(dá)到18.11%。2004－2020 年，養(yǎng)殖坑塘面積逐漸減少，從2006 年的25.62 km2縮 減 至2020 年 的1.02 km2，縮減 率 為96.02%。2014－2015 年養(yǎng)殖坑塘面積劇烈下降，2015 年僅存保護(hù)區(qū)核心區(qū)西部和西南角部分養(yǎng)殖坑塘。自然水體在2000－2020 年間面積基本無(wú)變化，除2019 年自然水體面積為133.4 km2外，其余年份面積一直處于120～130 km2之間。

就鹽沼植被而言，蘆葦和互花米草面積變化穩(wěn)定，整體面積呈擴(kuò)張趨勢(shì)。蘆葦主要分布在養(yǎng)殖坑塘和堿蓬植被帶之間，2000－2003 年，蘆葦整體面積小于堿蓬，且養(yǎng)殖坑塘不斷擴(kuò)張侵占了蘆葦生境，蘆葦斑塊愈漸破碎，2003 年蘆葦面積為近20 年來(lái)最低，僅為36.8 km2。2004－2020 年蘆葦群落面積整體處于持續(xù)增長(zhǎng)狀態(tài)，除2008年、2013年、2017年以及2019年有小幅下降，蘆葦群落2000－2020 年面積擴(kuò)張率達(dá)到109.7%，2020 年蘆葦群落面積擴(kuò)張至92.3 km2，為歷史最高?；セ撞萑郝涿娣e基本上處于穩(wěn)步增長(zhǎng)狀態(tài)，面積擴(kuò)張率高達(dá)125%，但在2000－2006 年，群落面積小于堿蓬面積，且2000－2004 年間互花米草以小斑塊聚集在新洋河南岸潮灘地帶。2000－2020 年堿蓬群落面積整體為下降趨勢(shì)，2001 年面積驟減至31 km2，縮減率達(dá)到36.86%，在2002 年面積又回升至44.4 km2，此外2008 年、2015 年和2020 年堿蓬群落面積相較于前一年都略有回升。從2018 年開始，堿蓬植被群落基本消失，2000－2020 年堿蓬群落面積縮減率高達(dá)95.3%，為五類地物覆蓋類型中最高。

3.3 提取精度驗(yàn)證

考慮研究所用影像較多，以及后期某些地物的大面積消失，因此選擇以2006 年影像為例，基于隨機(jī)森林分類方法，添加物候特征和SAVI指數(shù)分類和未添加物候特征和SAVI指數(shù)進(jìn)行分類，分類結(jié)果如圖8（b）、（c）所示。

圖8 江蘇鹽城國(guó)家級(jí)自然保護(hù)區(qū)核心區(qū)分類結(jié)果對(duì)比

從總體分類效果而言，添加物候特征和SAVI指數(shù)進(jìn)行分類和未添加物候特征和SAVI指數(shù)進(jìn)行分類都能將不同地物識(shí)別出來(lái)（圖8），但是在分類細(xì)節(jié)上，添加物候特征和SAVI指數(shù)進(jìn)行分類能將養(yǎng)殖坑塘和自然水體區(qū)分得更加細(xì)致。如研究區(qū)北部為河流，未添加物候特征和SAVI指數(shù)進(jìn)行分類將其錯(cuò)分為養(yǎng)殖坑塘，且無(wú)法區(qū)分潮溝與植被。在鹽沼植被細(xì)分上，添加物候特征和SAVI指數(shù)進(jìn)行分類很大程度上避免了蘆葦、堿蓬、互花米草三類植被的錯(cuò)分、混分現(xiàn)象。綜合對(duì)比研究發(fā)現(xiàn)，添加物候特征和SAVI指數(shù)進(jìn)行分類效果要優(yōu)于未添加物候特征和SAVI指數(shù)分類效果。

表1 對(duì)比了兩種分類方法的分類精度，未添加物候特征和SAVI 指數(shù)進(jìn)行分類的總體精度（Overall Accuracy） 和Kappa 系數(shù)分別為82%和0.78，養(yǎng)殖坑塘分類精度極低，生產(chǎn)者精度（PA）和用戶精度（UA）分別為60%和64%。添加物候特征和SAVI指數(shù)進(jìn)行分類后，各種地物類型的分類精度都得到了改善，尤其是養(yǎng)殖坑塘的分類精度?；陔S機(jī)森林分類方法并結(jié)合鹽沼植被物候特征差異和SAVI指數(shù)進(jìn)行鹽沼植被精細(xì)提取分類精度較高，總體精度普遍位于90%左右，Kappa系數(shù)為0.80以上，分類精度分布圖見圖9。

表1 添加物候特征和SAVI指數(shù)和未添加物候特征和SAVI指數(shù)分類精度對(duì)比

圖9 分類精度分布情況

3.4 氣象條件對(duì)鹽沼植被變化的影響

植被生長(zhǎng)受到氣候因素影響和制約，植被光合作用和呼吸作用都與氣溫有關(guān)，降雨量會(huì)改變土壤含水量從而影響植被水分收支平衡。基于GEE 平臺(tái)，獲取了研究區(qū)2000－2020 年降水量（GPM 數(shù)據(jù)）和氣溫（MOD11A1 的白天平均地表溫度數(shù)據(jù)）（圖10），通過(guò)相關(guān)性分析，對(duì)年降水量和年均氣溫與蘆葦、堿蓬以及米草年均NDVI值進(jìn)行分析，研究氣候因素對(duì)鹽沼植被生長(zhǎng)影響（表2）。

表2 鹽城濱海鹽沼濕地氣候因素與鹽沼植被NDVI值相關(guān)性

圖10 2000－2020年研究區(qū)年降水量、年均氣溫變化

可以看到年降水量與蘆葦、堿蓬和米草NDVI年均值都呈現(xiàn)正相關(guān)性（表2），但與蘆葦和堿蓬NDVI 年均值屬于強(qiáng)相關(guān)，與互花米草NDVI 年均值相關(guān)性弱；年均氣溫與蘆葦和米草NDVI值正相關(guān)，與米草NDVI年均值中等程度相關(guān)，但與蘆葦NDVI 年均值弱相關(guān)，與堿蓬NDVI 年均值呈負(fù)相關(guān)，且相關(guān)性極弱。

年均氣溫與鹽沼植被NDVI年均值變化不存在明顯規(guī)律（圖11），年降水與蘆葦和堿蓬NDVI 年均值有著較為相似的變化規(guī)律，結(jié)合表2 可知，降水量與蘆葦、堿蓬和米草NDVI年均值都呈現(xiàn)正相關(guān)性，相關(guān)系數(shù)分別為0.697、0.804 和0.385；氣溫與蘆葦和米草NDVI年均值呈正相關(guān)，相關(guān)系數(shù)分別為0.243 和0.534，與堿蓬呈負(fù)相關(guān)，相關(guān)系數(shù)為-0.069。由此得出，氣候因素中，降水對(duì)蘆葦和堿蓬生長(zhǎng)影響較大，氣溫對(duì)米草生長(zhǎng)的影響相較其他兩個(gè)因素而言最大。

圖11 降雨、氣溫和蘆葦、堿蓬、米草NDVI年均值變化趨勢(shì)

4 討論

GEE 遙感云平臺(tái)出現(xiàn)以來(lái)，憑借其海量數(shù)據(jù)集、強(qiáng)大的計(jì)算能力、便捷的數(shù)據(jù)共享等優(yōu)勢(shì)逐漸成為地球系統(tǒng)科學(xué)研究的重要工具[2]。江蘇鹽沼植被研究面臨的一個(gè)科學(xué)問(wèn)題是如何高效快速精細(xì)提取植被信息，從而充分了解濱海鹽沼植被的時(shí)空分布的歷史演變規(guī)律及其控制機(jī)制。植被提取方法眾多，不同的方法各有其優(yōu)勢(shì)和不足，綜合多種優(yōu)勢(shì)，使用多種特征變量及特征變量組合是提升分類精度和效率的重要途徑[17]。目前，大多研究采用計(jì)算光譜特征和植被指數(shù)，利用監(jiān)督和非監(jiān)督分類算法對(duì)鹽沼植被進(jìn)行提取，或利用無(wú)人機(jī)通過(guò)目視解譯的方式對(duì)鹽沼植被進(jìn)行分類提取。不同的植被類型其光譜特征存在明顯差異。近年來(lái)，綜合光譜、地形和土壤等特征的植被提取方法被廣泛應(yīng)用。現(xiàn)有大多植被遙感提取大多以影像中的光譜特征差異為基礎(chǔ)，但由于受自然條件影響，導(dǎo)致“同物異譜”與“異物同譜”的現(xiàn)象十分普遍[38]，從而使得植被提取過(guò)程中出現(xiàn)錯(cuò)分、混分，植被細(xì)分類精度不高。植被指數(shù)是根據(jù)植被的光譜特征，將衛(wèi)星可見光和近紅外波段進(jìn)行組合形成的，是對(duì)地表植被狀況的簡(jiǎn)單、有效和經(jīng)驗(yàn)的度量[39]。目前較為常用的歸一化植被指數(shù)（NDVI）是有效提高植被覆蓋度監(jiān)測(cè)靈敏度的重要指標(biāo)[40]，但其對(duì)背景敏感度最大且有明顯的地域性和時(shí)效性，受植物本身、環(huán)境和大氣條件的影響。因此，單一使用植被指數(shù)對(duì)植被進(jìn)行分類、提取的精度較低。包廣道等[40]基于GEE，利用歸一化差異植被指數(shù)（NDVI）分析了2000－2019 年阿勒泰地區(qū)的植被時(shí)空格局。劉潤(rùn)紅等[42]基于Google Earth 等高分辨率影像，采用目視解譯和面向?qū)ο蟮姆椒ǐ@得2003－2015 年福建漳江口濕地米草的空間分布。這些遙感監(jiān)測(cè)方法在分類、提取過(guò)程中受限條件較多且分類效率和精度較差?；谖锖蛱卣魈崛≈脖贿b感信息是目前應(yīng)用較為廣泛的方法，其提取精度也得到了大大提高[38]。植物物候特征是指植物長(zhǎng)期適應(yīng)自然條件變化，形成生長(zhǎng)節(jié)律的季節(jié)性和年際變化特征。植物物候遙感監(jiān)測(cè)主要利用時(shí)間序列植被指數(shù)，如增強(qiáng)型植被指數(shù)（EVI）、歸一化差值植被指數(shù)（NDVI）等，通過(guò)分析植被指數(shù)時(shí)序數(shù)據(jù)所反映出的植物生長(zhǎng)節(jié)律可識(shí)別植物物候特征[43]。將多源遙感數(shù)據(jù)相結(jié)合，多種特征變量相融合，是提高地物分類精度的有效方法，也是當(dāng)前基于遙感的地物信息提取方法發(fā)展趨勢(shì)之一[38]。與傳統(tǒng)遙感監(jiān)測(cè)方式相比，由GEE 云平臺(tái)直接調(diào)用多源長(zhǎng)時(shí)間序列數(shù)據(jù)并結(jié)合鹽沼植被物候差異和特征指數(shù)對(duì)鹽沼植被進(jìn)行識(shí)別和監(jiān)測(cè)更加便捷、高效和準(zhǔn)確，能有效彌補(bǔ)單一數(shù)據(jù)和分類方法的缺陷，提高整體提取精度，研究結(jié)果可以為鹽城鹽沼濕地自然遺產(chǎn)保護(hù)以及濕地生態(tài)可持續(xù)發(fā)展提供重要的決策支持。

土地覆被是地表各地物類型及其自然屬性和特征的綜合體，準(zhǔn)確的土地覆被信息是自然資源評(píng)價(jià)的重要手段[44]。本文將鹽城濱海濕地土地覆被類型分為5 類：養(yǎng)殖坑塘、自然水體、蘆葦、堿蓬和米草。研究結(jié)果表明，自然水體面積變化趨勢(shì)較為穩(wěn)定，僅2019 年突增至133.4 km2，經(jīng)查閱資料發(fā)現(xiàn)，臺(tái)風(fēng)“利馬奇”來(lái)襲致使研究區(qū)降水量暴增，從而使得研究區(qū)中積水增多，沼澤面積擴(kuò)大。早期鹽城濱海濕地主要以開發(fā)利用為主，注重經(jīng)濟(jì)發(fā)展，缺乏對(duì)濕地和生物多樣性的保護(hù)，養(yǎng)殖坑塘面積不斷增加，自然濕地面積不斷減少、破碎。自21 世紀(jì)開始相關(guān)政策轉(zhuǎn)變?yōu)槔门c保護(hù)并重，2004 年頒布了《關(guān)于加強(qiáng)濕地保護(hù)管理的通知》[45]，后續(xù)相繼出臺(tái)了一系列保護(hù)措施，退圍還灘還濕，自然濕地逐步恢復(fù)。

互花米草自1979 年被我國(guó)引入[19]，在我國(guó)沿海廣泛栽培，其生命力旺盛、繁殖能力強(qiáng)，生長(zhǎng)期長(zhǎng)于蘆葦和堿蓬，侵占?jí)A蓬生態(tài)位，迅速定居擴(kuò)散，且在我國(guó)缺少天敵，故群落面積不斷擴(kuò)大，逐漸成為優(yōu)勢(shì)種，導(dǎo)致堿蓬面積銳減，這與姚成等學(xué)者的研究結(jié)果一致[15，46-48]。王聰?shù)萚19]系統(tǒng)地分析了1996－2010年這14年間鹽城潮灘濕地互花米草沼澤景觀的時(shí)空動(dòng)態(tài)及其對(duì)濕地景觀空間格局的影響，其結(jié)果表明，鹽城潮灘濕地互花米草沼澤分布面積呈顯著增加趨勢(shì)。互花米草沼澤空間擴(kuò)張?zhí)卣鞅憩F(xiàn)為前期以沿平行海岸方向擴(kuò)張為主；2006 年之后則主要表現(xiàn)為垂直海岸方向擴(kuò)張為主，且向陸不斷入侵堿蓬沼澤，與本文研究分析所得結(jié)果一致。王娟等[49]就濱海濕地植物群落種間格局與競(jìng)爭(zhēng)關(guān)系的時(shí)空變化特征的相關(guān)研究也得出了相似結(jié)論。

鹽城濱海濕地三種典型的鹽沼植被NDVI值存在不同的變化規(guī)律。蘆葦NDVI 值普遍高于堿蓬，這是由于鹽沼堿蓬為紅色，對(duì)綠光吸收較少。蘆葦在4 月中旬便開始進(jìn)入快速生長(zhǎng)期，而互花米草則晚于蘆葦，在5 月中旬左右才開始進(jìn)入生長(zhǎng)旺盛期?；セ撞菰诙静⑽纯菸?，依舊處于生長(zhǎng)狀態(tài)，而蘆葦和堿蓬則在11 月末就開始逐漸凋零，與吳亞茜等[50]對(duì)鹽城潮間帶濕地鹽沼植被物候遙感監(jiān)測(cè)所得出的結(jié)果一致。

有關(guān)氣候因素對(duì)鹽沼植被的影響研究中，降水對(duì)蘆葦和堿蓬NDVI年均值影響較大，對(duì)互花米草影響較小，而氣溫對(duì)互花米草的NDVI年均值影響較大，對(duì)蘆葦和堿蓬影響微弱。理論情況下，氣溫升高，加速土壤水分蒸發(fā)和植被蒸騰，從而使土壤含水量降低，植被蒸騰作用增強(qiáng)，影響植被的生長(zhǎng)。而實(shí)際上，氣溫對(duì)蘆葦和互花米草NDVI年均值是正相關(guān)，對(duì)堿蓬雖是負(fù)相關(guān)但相關(guān)性不顯著，這與理論相矛盾。王文碩[51]對(duì)遼河口典型鹽生植被演替退化遙感監(jiān)測(cè)的研究中也得出相似結(jié)論，但其導(dǎo)致這種結(jié)果是由于所選取的降水量和氣溫?cái)?shù)據(jù)范圍過(guò)大，而本文選取的則僅為研究區(qū)范圍內(nèi)的降水和氣溫?cái)?shù)據(jù)。Nielsen 等[52]調(diào)查了澳大利亞北部灘涂濕地對(duì)氣候變化的響應(yīng)，結(jié)果表明，干燥的氣候會(huì)引發(fā)區(qū)域降水和河流徑流的大幅減少，降低濕地水流補(bǔ)給和水文連通，會(huì)導(dǎo)致濕地生態(tài)系統(tǒng)失衡，影響濕地植被生長(zhǎng)。孫萬(wàn)龍等[53]基于長(zhǎng)時(shí)間序列遙感影像，探究了黃河口潮間帶濕地景觀格局演替的主要驅(qū)動(dòng)因素，結(jié)果表明，河流徑流量減少加重了土壤的鹽堿化，降低了濕地植被的存活率。本文僅研究了氣溫對(duì)鹽沼植被生長(zhǎng)的直接影響，氣溫變化所產(chǎn)生的間接影響有待進(jìn)一步研究探討。

5 結(jié)論

本文基于GEE 平臺(tái)的Landsat 5、Landsat 7、Landsat 8 以及Sentinel-2 影像，以江蘇鹽城濱海濕地為例，采用隨機(jī)森林分類法、結(jié)合特征指數(shù)，利用時(shí)間諧波分析法重構(gòu)鹽沼植被NDVI指數(shù)時(shí)間曲線，確定鹽沼植被物候差異特征，對(duì)鹽城市三類典型鹽沼植被進(jìn)行精細(xì)提取，研究2000－2020年鹽城濱海濕地鹽沼植被時(shí)空演變態(tài)勢(shì)。本文采用的提取方法相較傳統(tǒng)監(jiān)測(cè)方式能夠快速、便捷地將鹽沼植被細(xì)分、提取且分類精度較高。結(jié)果表明：

（1）GEE 在鹽沼濕地地表覆被提取工作中具有處理數(shù)據(jù)量大、分類速度快的優(yōu)勢(shì)，并且基于隨機(jī)森林分類算法結(jié)合植被物候特征和SAVI指數(shù)的提取結(jié)果準(zhǔn)確可靠，分類精度均在85%以上。

（2）2000－2020 年，蘆葦和互花米草植被面積呈擴(kuò)張趨勢(shì)，堿蓬植被面積不斷縮減，互花米草植被前期沿海岸帶擴(kuò)張，后期向陸一側(cè)垂直擴(kuò)張，不斷侵占?jí)A蓬生境。

（3）鹽城三類典型鹽沼植被NDVI值變化規(guī)律不同。蘆葦和堿蓬春季開始進(jìn)入生長(zhǎng)期，夏季生長(zhǎng)茂盛，秋季NDVI 值達(dá)到峰值，冬季枯萎死亡，兩者NDVI 值變化趨勢(shì)極為相似，但堿蓬NDVI 值普遍低于蘆葦?；セ撞荽耗┻M(jìn)入生長(zhǎng)期，略晚于蘆葦，夏季生長(zhǎng)迅猛，秋季NDVI值達(dá)峰值，冬季仍然持續(xù)生長(zhǎng)，生長(zhǎng)期比蘆葦和堿蓬長(zhǎng)2 個(gè)月左右。

（4）降水對(duì)鹽沼植被生長(zhǎng)影響較為顯著，氣溫對(duì)鹽沼植被生長(zhǎng)的直接影響較小。

致謝：南京師范大學(xué)海洋科學(xué)與工程學(xué)院李玉鳳教授提供了研究區(qū)邊界，在此致謝。