鄱陽湖濕地遙感分類研究及應(yīng)用_江輝

1、收稿日期:2008-06-10;修訂日期:2008-09-03基金項目:國家自然科學基金資助項目(40672159。作者簡介:江輝(1978-,男,博士研究生,講師,主要從事3S 技術(shù)研究及應(yīng)用。E -mail:jnh uily 。鄱陽湖濕地遙感分類研究及應(yīng)用江 輝1,2,周文斌1,劉 瑤2(1.南昌大學環(huán)境科學與工程學院教育部鄱陽湖湖泊生態(tài)與生物資源利用重點實驗室,江西南昌 330031;2.南昌工程學院,江西南昌 330099摘要:綜合應(yīng)用遙感技術(shù)對濕地不同類型進行分類,分析濕地植被的光譜特征、不同類型的特征參數(shù)變化、空間結(jié)構(gòu)差異、季節(jié)性變化等特點,對于不同的濕地類型采取不同的方法解譯,由

2、易至難的方式有效地確立了一套濕地遙感綜合分類方法。以鄱陽湖濕地為例,利用此方法分類不僅減輕了大量的人工解釋工作的負擔,而且能夠提高分類的精度。關(guān) 鍵 詞:濕地;遙感;分類中圖分類號:T P 79 文獻標志碼:A 文章編號:1004-0323(200806-0648-051 引 言濕地是介于陸地生態(tài)系統(tǒng)和水生生態(tài)系統(tǒng)之間的過渡帶,是由水體向陸地逐漸變化,并兼有兩種系統(tǒng)的某些特征。它具有巨大的資源與環(huán)境調(diào)節(jié)功能,是世界上最富有生物多樣性的生態(tài)景觀和人類最重要的生存環(huán)境之一。近幾年在利用遙感和地理信息系統(tǒng)技術(shù)進行濕地分類研究方面,國內(nèi)外已做了許多工作1,2。但由于遙感影像本身的空間分辨率以及/同物異

3、譜0、/異物同譜0現(xiàn)象的存在,往往會存在錯分、漏分情況,導致部分分類結(jié)果不理想。如何提高解譯速度和精度的問題成為濕地遙感技術(shù)發(fā)展的難題。目前,利用影像數(shù)據(jù)進行濕地分類,精度難以提高主要是受影像源的限制,其中不同濕地類型波譜特性之間的混淆是制約精度提高的直接原因。同時,不同類型的濕地還存在著物候景觀及其地域生境等因素的差異。本文將以鄱陽湖濕地為例,對濕地的土地分類提取方法進行探討。2 研究區(qū)概況鄱陽湖是我國第一大淡水湖,鄱陽湖濕地是國際六大重要濕地之一,素有/候鳥天堂0、/中國第二長城0之美名。鄱陽湖是一個吞吐型、季節(jié)性的淺淡水湖,高水湖相、低水河相,有/高水是湖、低水似河0、/洪水一片、枯水一

4、線0的獨特景觀。洪、枯水的湖體面積相差極大。湖口歷年最高水位為21.69m 時,湖體面積為3210km 2;而湖口歷年最低水位5.90m 時,其相應(yīng)湖體面積僅約146km 2,相差22倍。湖盆自東向西、由北向南傾斜,高程一般由12m 降至湖口約1m 。湖底平坦,湖水不深,平均為8.4m 。濕地資源表現(xiàn)出明顯的季節(jié)性特征,49月高水位時,湖灘草洲被洪水淹沒,淪為湖底;10月至翌年3月枯水時期,洲灘顯露。本論文的研究區(qū)域在鄱陽湖湖區(qū)周邊,受湖區(qū)影響最大的區(qū)域作為研究對象,該區(qū)為最典型的濕地分布。3 研究方法目前,遙感分類應(yīng)用中,用得較多、較成熟的是傳統(tǒng)的模式識別分類方法,有最小距離分類、最大似然分

5、類、查表法分類等監(jiān)督分類;有系統(tǒng)聚類法、等混合距離、分級集群法、動態(tài)聚類等非監(jiān)督分類法。由于遙感影像本身的空間分辨率以及/同物異譜0、/異物同譜0現(xiàn)象的存在,往往會存在錯分、漏分情況,導致部分分類結(jié)果不理想。本論文提出由較為單一像元的地物先解譯,到地物混合像元逐步解譯,并結(jié)合特征參數(shù)定量分析的方法,把復雜的分類問題變得簡單化。以下是幾種有效提取濕地類型的圖像處理方法。3.1 利用地表覆蓋物光譜特征進行濕地遙感分類物體的基本特性取決于它的物質(zhì)組成、結(jié)構(gòu)及其光譜特征,而光譜從外觀上以可見的、明確的外表第23卷 第6期2008年12月遙 感 技 術(shù) 與 應(yīng) 用REM OT E SENSING TEC

6、H NOLOGY AND APPL ICAT IONVol.23 N o.6D ec.2008特征/色彩0反映著物質(zhì)的屬性,不同的物體會因物質(zhì)組成和結(jié)構(gòu)不同而具有相異的電磁波譜特征3。按照地表覆蓋物的光譜/色譜差異,對于濕地可大致劃分為這兩大類:有覆被的旱地、林地、荒草地、蘆葦苔草沼澤、水田;無覆被的居民地、堿斑、河灘、泥灘、裸土地、河流、湖泊、水庫、坑塘。原始的遙感圖像所包含的濕地光譜信息,若未經(jīng)加工處理,不能足以反映不同濕地類型之間的差異,經(jīng)圖像處理后,某些濕地類型間的界線會變得醒目。然后采用TM濕地信息對不同波段進行假彩色合成。TM影像在中紅外的band5和band7最能反映植物葉面及土

7、壤中的水分狀況。其中band5在7個波段中具有豐富的光譜信息,土壤在這個波段的反差都很顯著,因此band5作為組合波段最為理想。經(jīng)分析認為:TM影像3、4、5波段假彩色合成圖像是土地利用分類的最佳波段。而TM5、6、7波段假彩色合成圖像中,植被信息豐富、差異顯著、輪廓清楚。所以我們可利用TM3、4、5波段假彩色合成圖像剔除濕地以外的其它土地類型,再與TM5、6、7波段假彩色圖像復合,在TM5、6、7波段假彩色圖像上獲取濕地邊界,在此基礎(chǔ)上提取不同的濕地類型。3.2結(jié)合NDVI等植被指標量化的濕地遙感分類地表覆被物的光譜特征及其季節(jié)性變化規(guī)律是土地覆被的本質(zhì)特征。利用遙感資料所表達的地表覆被物特

8、征值(如以NDVI為指標的綠度值、始綠期、終綠期、波形、峰值、谷值等可以對土地覆被分類標準進行量化處理4,5。NDVI這一植被指數(shù)既可以部分消除由天氣變化、傾斜、觀察姿態(tài)所造成的誤差,又較好地反映了地表綠色植被的分布情況。NDVI長期以來被用來監(jiān)測植被變化情況,也是遙感估算植被覆蓋度研究中最常用的植被指數(shù)。歸一化植被指數(shù)(NDVI定義為近紅外波段(NIR與可見光紅波段(RED數(shù)值之差和這兩個波段數(shù)值之和的比值6: NDVI=(N IR-RED/(N IR+RED(1TM影像中公式:NDVI=(T M4-T M3/ (TM4+TM3。同時,對于一些復雜的復合單元,應(yīng)著重于它的組合特性及其對地面過

9、程的影響來賦予復合類型更確切的內(nèi)涵。據(jù)此,本文首先按照地表覆蓋物的光譜差異,濕地土地的無覆被、有覆被的結(jié)果,再根據(jù)NDVI指數(shù)表征的地物季節(jié)變化特性等,進一步劃分和鑒別出不同組合的土地覆被類型,也可定量驗證因為混合像元而引起的錯分。這種分類方法不但簡單易行,而且其類型特征對陸地生態(tài)系統(tǒng)非常重要,并可以在野外測定驗證,也可以利用植被覆蓋率7來驗證土地的分類模型。3.3利用季相差異進行濕地遙感分類/季節(jié)性土地覆被單元0概念8,即利用衛(wèi)星在生長季內(nèi)獲得的多時相數(shù)據(jù),將圖像元劃分為不同的土地覆被單元,從而強調(diào)了地表覆蓋物的動態(tài)變化過程。土地覆被與土地利用和植被的一個根本區(qū)別在于它具有更強的時相性。綠色

10、植被光譜的相似性或一致性是遙感分類解譯的難點之一。僅考慮濕地光譜特征有時還不夠,但多時相組合是提取不同濕地類型的有效方法。正是由于這些差異的存在,才使得許多在夏季光譜相似的地物類別,在春秋季節(jié)呈現(xiàn)迥然不同的光譜特征。例如水田與人工湖泊的區(qū)分,水田在種植植被時與沒有種植植被時的顏色相差較大,根據(jù)這一變化很容易將這兩者分辨出來。由此可以看出地表覆蓋物的季節(jié)性變化既反映地表物質(zhì)的類型特性,也體現(xiàn)其所處的環(huán)境(如氣候、坡位等和植物生長過程及人為活動干擾狀況等,是特定土地覆被類型的本質(zhì)特征,并且這些特征可以用遙感方法進行測定。3.3.1水稻田鄱陽湖濕地是魚米之鄉(xiāng),水稻田是該地區(qū)重要的土地類型,分類廣、面

11、積大。一般五月灌水,七月上旬封壟,因此在五月下旬前和七月下旬后,水稻田的光譜特征與旱田相似;六月份水稻田與湖泊的影像相似。用6月份和8月份的影像組合,并賦以不同顏色,便將水稻田、旱田、湖泊區(qū)分開來。3.3.2蘆葦沼澤六月末和七月初,蘆葦處在抽穗前期,覆蓋度大,春小麥尚綠,大豆及晚秋作物尚未封壟,此時蘆葦與春小麥之間很難區(qū)分,而與大豆及晚秋作物之間卻有明顯界線;八月上旬后,蘆葦長成,大豆等晚秋作物已封壟,此時蘆葦與大豆等晚秋作物之間很難區(qū)分,而此時春小麥已收割,它與蘆葦之間卻有明顯的影像差異,將兩個時相的TM影像組合,并賦以不同顏色后,可將蘆葦與其它作物全部區(qū)分開來。3.3.3草甸當選用洪水期的

12、遙感影像,苔草沼澤和沼澤化草甸均被洪水淹沒,這便剔除了水面、沼澤和沼澤化草甸,再將五月中下旬或六月上、中旬和89月份遙感影像相結(jié)合,便又剔除了耕地、林地等,草地此時可在影像上突出地顯示出來。3.4利用濕地空間結(jié)構(gòu)差異特征9進行遙感分類濕地空間分布形狀及其濕地植被的垂直分布特征,可作為濕地遙感分類指標。濕地中沼澤蘆葦?shù)闹旮咭话惚日訚商Σ莸母?m以上,因此可選用洪649第6期江輝等:鄱陽湖濕地遙感分類研究及應(yīng)用水期的近紅外影像與6、7月份的影像組合,并賦以不同顏色,可使蘆葦影像清晰地區(qū)別于其它地物。鄱陽湖典型濕地土地覆蓋也表現(xiàn)出一定的帶狀特點,在湖區(qū)較高處,主要覆蓋類型有草甸、草洲;由湖岸到湖心,

13、覆蓋呈現(xiàn)一個漸變過程,依次為濕生苔草群叢、蘆+荻群叢、沉水植物馬來眼子菜+黑藻群從等;與草洲相鄰的是湖灘沙地,它們處于草洲邊緣;緊靠湖灘沙地的是泥灘;泥灘向湖泊中央,湖水逐漸變深,近岸處生長有水生植被。3.5利用面向?qū)ο蠓椒ㄟM行遙感影像分類面向?qū)ο蠓椒ㄅc傳統(tǒng)的基于像素的分類方法的本質(zhì)不同在于它不是對單個像素而是對影像對象進行分類。影像對象是通過考慮不同的特征屬性經(jīng)過影像分割獲得的,它是一組像素的集合。面向?qū)ο蟮姆诸惙椒ㄔ诰C合利用遙感數(shù)據(jù)光譜信息、紋理特征、拓撲關(guān)系和加入專題信息進行多尺度分割獲取對象的基礎(chǔ)上,通過對對象的目視識別建立模糊判別函數(shù)來進行分類把人工解譯判斷地物類型的對象思維用于計算

14、機實現(xiàn)10?？梢詰?yīng)用面向?qū)ο髮I(yè)軟件Ecog nition,也可以直接用人工根據(jù)對象作判斷,鄱陽湖濕地T M/ETM5、4、3彩色合成圖像主要地物的空間解譯標志(表1,如水稻田和人工湖泊:在夏季,水稻田和人工湖泊與其它濕地的灰度差異較小,但水稻田的分布輪廓線一般為直線或折線;人工湖泊一般也有一條或幾條直線邊界,其它為自然邊界,同時湖泊的面積一般較大;其它濕地的邊界為自然邊界,輪廓較平滑。以上濕地的空間分布特征可用作濕地分類依據(jù)。表1鄱陽湖濕地TM/ETM5、4、3彩色合成圖像主要地物的空間解譯標志Table1Spatial interpretation sign of main feature

15、s in color composite image of Poyang wetland TM/ETM5,4,3代碼及類型空間分布位置形狀色調(diào)林地主要在山地不規(guī)則的條帶狀或片狀,面積較大淺綠色到深綠色草地主要在低洼地或山前平原、山地丘陵大小不一,呈片狀、面狀,一般連片分布淺綠色建設(shè)用地主要在平原、山間谷地有規(guī)則的斑塊狀或線狀紫色、綠色、粉色、白色相間濕地湖泊主要在平原大面積的面狀淺、深藍色河流主要在平原、山谷較連續(xù)的線狀藍色沼澤主要在河流兩則,湖邊積水處不規(guī)則菜花狀深紫色.深綠色灘涂主要在湖泊外圍,低階地的下部帶狀、面狀、條帶狀、扇狀灰色水田河流兩岸低階地或洼地,水庫和湖泊附近平原地區(qū)大塊成片

16、,山間分散的有小塊幾何特征規(guī)則四邊形排列,格狀或條帶狀,地類界線明顯深綠色或黃色4鄱陽湖濕地分類4.1數(shù)據(jù)準備及處理本文采集了1989年7月15日、1999年12月10日、2000年8月10日、2000年6月15日的Landsat TM遙感數(shù)字圖像各1景,軌道號121,行號40。全國行政省、市(縣邊界圖;2000年鄱陽湖濕地1B25萬土地利用現(xiàn)狀圖;全省1km數(shù)字高程模型。對不同類型的數(shù)據(jù)進行幾何糾正和投影轉(zhuǎn)換,以1B5萬地形圖為基準,利用二次多項式和雙線性內(nèi)插法對圖像進行幾何校正,經(jīng)重新選點檢驗,誤差在一個像元內(nèi),然后截取相應(yīng)的研究區(qū)影像;本研究區(qū)采用Albers投影體系,使所有的數(shù)據(jù)都轉(zhuǎn)換

17、到統(tǒng)一的坐標系中。4.2遙感分類由于研究目的、學科和國情的不同以及人們認識上的差異,目前對濕地的定義尚缺乏統(tǒng)一的認識,根據(jù)5濕地公約6中的濕地分類系統(tǒng)11,結(jié)合本研究區(qū)域的具體特點,首先建立本論文的濕地分類系統(tǒng),具體分類見表2。表2土地利用類型分類Table2Classification of land use types一級類別二級類別編號名稱編號名稱1非濕地2濕地11林地12草地13建筑物14裸土地21湖泊22河流、水庫、坑塘23蘆葦沼澤24苔草沼澤25沙地26鹽沼(泥灘地27水田根據(jù)以上分類方法對1999年12月10日TM 遙感數(shù)字圖像進行分類,結(jié)果如圖1(見圖版Ö。650遙感

18、技術(shù)與應(yīng)用第23卷4.3與監(jiān)督分類比較本研究中,檢驗樣點除了利用GPS野外調(diào)查時獲取的200個采樣點外,還參照2000年鄱陽湖濕地1B25萬土地利用現(xiàn)狀圖和多景TM影像疊加后的數(shù)據(jù)進行對照檢驗,以及相關(guān)輔助判讀資料。假設(shè)優(yōu)化組合圖像的人機交互判對率為100%,然后通過直接漫游方式對分類圖像進行抽樣檢驗,得到1048個隨機樣點,最后構(gòu)建了誤差矩陣。應(yīng)用這種方法檢驗,一方面可大大節(jié)省野外工作時間和費用;另一方面,它可以實現(xiàn)對檢驗點的準確定位和匹配,避免了其它檢驗方法存在的空間定位誤差大的影響。本次檢驗結(jié)果土地利用分類精度檢驗混淆矩陣如表3所示。從表3可知,除草地、建筑物和苔草沼澤以外,所有地物的使

19、用精度和生產(chǎn)精度都在80%以上,利表3土地利用分類精度檢驗混淆矩陣Table3C onfusion matrix f or accuracy assessment of land use classif ication類型林地草地建筑物裸地湖泊河流、水庫、坑塘蘆葦沼澤苔草沼澤沙地泥灘地水田總數(shù)使用精度(%林地117800000000012593.6草地0660200070058083.5建筑物0915415000060018483.7裸土地1034800000035587.3湖泊0000552010005894.8河流、水庫、坑塘0000159000406492.2蘆葦沼澤2100009550

20、0210590.5苔草沼澤0340103770709581.1沙地0042000059006590.8泥灘地0100303807208782.8水田130009400011313086.9總和120921656760701059865831231048-生產(chǎn)精度(%97.571.793.371.691.784.390.578.690.886.791.7- -1.林地;2.草地;3.建筑物;4.裸土地;5.湖泊;6.河流、水庫、坑塘;7.蘆葦沼澤;8.苔草沼澤;9.沙地;10.泥灘地;11.水田圖2研究區(qū)各類地物分類的精度比較Fig.2Accuracy comparison of various

21、 types of features classif ication in the study area用綜合分類的方法對泥灘地空間參數(shù)和植被指數(shù)進行定量分析,易被苔草混淆的泥灘地的分類精度也得到了很大的提高;通過2000年6月和8月不同水位圖像的比較,利用地物空間結(jié)構(gòu)的不同,蘆葦沼澤和苔草沼澤這兩類難以分辨的地物精度也得到了明顯的提高;由于遙感融合影像中有少部分建筑物紋理的清晰度不夠好,而部分裸巖也具有較清晰的紋理結(jié)構(gòu),二者的光譜特征又極為相似,所以,有少部分建筑物被誤分為裸地。使用精度與生產(chǎn)精度分別從兩個方面衡量每一類別的分類精度,前者對應(yīng)的是錯分誤差,后者對應(yīng)的是漏分誤差。由圖2可以看出

22、,建筑物和草地容易被錯分,草地容易被錯分為苔草沼澤和建筑物。除水域以外使用精度也都比監(jiān)督分類的精度高,除建筑物和苔草外綜合分類方法所獲取的各類地物的生產(chǎn)精度都比監(jiān)督分類高。5結(jié)語對于濕地分類,不同類型的濕地植被不僅有著光譜特征的區(qū)別,同時還存在著物候景觀及其地域651第6期江輝等:鄱陽湖濕地遙感分類研究及應(yīng)用生境等因素的差異,而這一差異可通過復合不同時相、不同通道的遙感影像加以提取,這是濕地遙感分類的理論基礎(chǔ)。以土地覆被的本質(zhì)特征/光譜響應(yīng)及其季節(jié)性變化特征0的原則,分析濕地植被的光譜特征、不同類型的特征參數(shù)變化、空間結(jié)構(gòu)差異等特點,由較為單一像元的地物先解譯,到地物混合像元逐步解譯,并結(jié)合特

23、征參數(shù)定量分析的方法,把復雜的分類問題變得簡單化,確立了一套濕地遙感分類方法。分類精度達到87.8%。濕地遙感綜合分類是這一理論應(yīng)用的成功嘗試。不論遙感數(shù)據(jù)的分辨率是高是低,還是進行實地調(diào)查,都會遇到定義復合類型的難題,只是不同的空間分辨率有著不同的涵義。隨著人類對濕地遙感特征認識的深入,建立濕地遙感專家分類決策模型庫,實現(xiàn)濕地信息自動分類提取,將是濕地遙感應(yīng)用的發(fā)展趨勢。參考文獻:1Yang Y X.New Knowledge on the Progress of InternationalW etland Science Research and Priority Field an d P

24、rospect ofC hines e Wetland Science ResearchJ.Advance in Earth S c-iences,2002,17(4:508-514.楊永興.國際濕地科學研究進展和中國濕地科學研究優(yōu)先領(lǐng)域與展望J.地球科學進展,2002,17(4:508-5142Bill O W.Wetland s of the United S tatesC.In:Wh igham DF.Wetland of W orld:Inventory.Ecology an d M anagem ent.U SA,Kluw er Academic Publis hers,1993,5

25、15-636.3C hen S P.Geo-Analysis Usin g Rem ote SensingM.Beijing:S urveying and M appin g Press,1990.陳述彭.遙感地學分析M.北京:測繪出版社,1990.4Sh eng Y W.Ch ina's M acro-veg etation Classification Usin gSatallite Vegetation IndicesJ.Chinese Science Bu lletin,1995,40(1:68-71.盛永偉.利用氣象衛(wèi)星植被指數(shù)進行我國植被的宏觀分類J.科學通報,1995,4

26、0(1:68-71.5T ang H P,Chen Y F.Intra-Annu al Variability of NDVI an dIts Relation to Climate in Northeast Chin a Northeast C hinaT rans ectJ.Qu aternary S ciences,2003,23(3:318-325.唐海萍.陳玉福.中國東北樣帶NDVI的季節(jié)變化及其與氣候因子的關(guān)系J.第四紀研究,2003,23(3:318-325.6Rous e J W,H aas R W,Schell J A,et al.M on itorin g th e Ver

27、-nal Advancemen t and Retrogradation(Greenvave EffectofNatu ral VegetationR.NAS A/GS FCT T ype III Final Re-port.Green belt.M D.USA.1974.7Chen J,C hen Y H,H e C Y,e t al.Sub-pix el M od el for Vegeta-tion Fraction E stimation Based on Land Cover ClassificationJ.J ou rnal of Rem ote S ens ing,2001,5(

28、6:416-422.陳晉,陳云浩,何春陽,等.基于土地覆蓋分類的植被覆蓋率估算亞像元模型與應(yīng)用J.遙感學報,2001,5(6:416-422.8Runing S W,Loveland T R,Pierce L L.A Vegetation Clas sif-ication Logic:Based on Remote S ens ing for U se in Global Bio-geoch emical M odelsJ.Am bio,1994,23(1:77-81.9Li L K.W etland an d Ramsar ConventionJ.W orld Fores tryResear

29、ch,2001,14(1:1-7.李祿康.濕地與濕地公約J.世界林業(yè)研究,2001,14(1:1-7.10Qian Q J.Land C over Extraction Based on Ob ject Oriented A-nalysisJ.Remote Sensing T echnology an d Ap plication,2005,3:338-342.錢巧靜.面向?qū)ο蟮耐恋馗采w信息提取方法研究J.遙感技術(shù)與應(yīng)用,2005,3:338-342.11Chen Y F.Lan d Cover Space Difference betw een the Seas onalVariation of Sch ema in C hinaJ.Chin es e S cien ce Bu lletin,1998,43(21:2327-2330.陳育峰.中國土地覆被空間差異性的季相變化圖式J.科學通報,1998,43(21:2327-2330.Research and Application of the Poyang Lake Wet