基于landsa影像的洪河保護區(qū)濕地分類研究

基于landsa影像的洪河保護區(qū)濕地分類研究

1濕地遙感分類研究現(xiàn)狀濕地是指由多年生和多年生土壤和植物組成的獨特生態(tài)系統(tǒng)組成的。雖然濕地是眾多珍稀瀕危野生植物和動物的棲息地,具有穩(wěn)定環(huán)境、物種基因保護及資源利用功能,被譽為自然之腎、生物基因庫和人類搖籃,但卻是近代史上遭受人類活動破壞最為嚴重的生態(tài)系統(tǒng),近年來濕地的特殊性和重要性已受到全世界的關(guān)注,濕地研究已成為當前地理科學(xué)、環(huán)境科學(xué)與生態(tài)科學(xué)等多種學(xué)科交匯研究的一個熱門領(lǐng)域。由于濕地多處于偏遠地區(qū)以及難以進入,而遙感信息定量化、多時相、多平臺、信息量大、可比性強的優(yōu)點使其非常適用于濕地研究。盡管濕地植被由于其復(fù)雜性和不確定性而存在普遍的“同質(zhì)異譜”和“同譜異質(zhì)”現(xiàn)象,但是由于近年來GPS和GIS技術(shù)的飛速發(fā)展與普及,“3S”技術(shù)的融合以及圖像處理技術(shù)的不斷提高使遙感技術(shù)在濕地研究的有效性大大提高。濕地遙感分類是進行濕地科學(xué)研究的一個重要基礎(chǔ),我國目前在技術(shù)方法上已由傳統(tǒng)的目視解譯開始向計算機自動提取方向發(fā)展;雖然國際上濕地衛(wèi)星遙感分類研究已具有遙感平臺多極化,分類方法定量化、多樣化與集成化,以及與GIS輔助支持的明顯特征,但由于濕地復(fù)雜的過渡性特征,以及分類尺度,分類體系和區(qū)域特征各不一樣,目前還無法形成一個統(tǒng)一通用的分類模式?；镜姆椒ㄊ沁\用分層提取和多時相結(jié)合,研究的尺度大多基于流域或跨流域的中大尺度,研究重點在消除不同濕地類型植被間的光譜誤分以及自然濕地與水田及人工水域的誤分。在研究取向上,注重遙感數(shù)據(jù)的空間分析,對于遙感方法及其分類結(jié)果的精度檢驗重視不夠。本研究的目的是評價中等空間分辨率(30m)的LandsatTM影像在濕地識別中的應(yīng)用,探索應(yīng)用中等分辨率影像對中小尺度自然濕地生態(tài)系統(tǒng)中基于群落尺度的分類方法,研究中應(yīng)用了在突出影像增強前提下的基于專家經(jīng)驗的監(jiān)督分類,以及基于GIS支持的對于分類的改進,取得了較好的分類效果。建立在較高分類精度基礎(chǔ)上的遙感數(shù)據(jù),在GIS的支持下,為定量研究分析高度自然狀態(tài)下的北方半濕潤區(qū)內(nèi)陸淡水濕地群落類型的原始空間格局提供了支持,也為進一步研究濕地環(huán)境變化及其生態(tài)效應(yīng)提供了科學(xué)依據(jù);深入認識特定區(qū)域各類型濕地原生態(tài)及其結(jié)構(gòu)特征是研究認識不同類型濕地功能與變化機理的基本前提,對于制定相應(yīng)的濕地保護與恢復(fù)策略都具有重要科學(xué)價值。2陰山山地u、南北緣濕地三江平原是我國濕地集中分布且面積最大的地區(qū),發(fā)育有淡水沼澤、沼澤化草甸、草甸、河流與湖泊等眾多濕地類型。本區(qū)濕地是大量野生植物種的基因庫和珍稀瀕危水禽的棲息地,因而備受國內(nèi)外關(guān)注。黑龍江洪河國家級自然保護區(qū)(圖1)位于三江平原東北部,保護區(qū)面積250.9km2,地理坐標:133°34′38″～133°46′29″E,47°42′18″～47°52′00″N,黑龍江支流濃江從保護區(qū)的北部穿過,構(gòu)成其北部自然邊界,沃綠藍河從保護區(qū)的腹地由南向北匯入濃江;保護區(qū)地處低平遼闊的沉降平原,海拔高度在58～61m之間,地貌單一,地形平緩;其地勢由南向北輕微傾斜,形似傾斜淺平鍋底,平均坡降極小,地面坡降只有1/5000～1/10000,從而造成區(qū)內(nèi)河汊、泡沼、碟形及線形洼地星羅棋布,各種類型濕地十分發(fā)育,形成豐富多樣的北方水生、陸生、濕生生態(tài)系統(tǒng)。目前區(qū)內(nèi)包含有鳥類16目43科174種,野生植物1012種,被譽為“三江平原野生生物特有基因庫”,并在2002年1月被列入《國際重要濕地名錄》。由于三江平原濕地被大面積開墾,該保護區(qū)目前已成為中國東北部所剩不多的一塊類型齊全、生態(tài)系統(tǒng)自然完整、全面反映三江平原原始沼澤內(nèi)陸濕地全貌的自然保護區(qū),在三江平原乃至全球同一生物氣候帶和生物地理界中都具有高度的代表性和典型性。3學(xué)習方法3.1濕地分類結(jié)果本次研究采用的數(shù)據(jù)源可分為遙感信息源和非遙感信息源。遙感信息源選取Landsat7衛(wèi)星的TM影像數(shù)據(jù)。根據(jù)研究內(nèi)容、研究區(qū)地表景觀季相差異及TM衛(wèi)星影像質(zhì)量,分別選取2001年9月21日TM影像一景,2004年6月5日和2004年8月1日的TM各1/4景,影像的云層覆蓋率均小于5%。選取這3個時段的主要依據(jù)是由于這3個時段水體邊界最為清楚,各個類型濕地景觀生態(tài)特征在影像上分異比較清晰,有利于識別和提取各種濕地類型。波段的正確選取是進行影像分析重要前提。在TM的7個光譜波段中,TM5波段對地表土壤和植物組織中的水分具有很高的敏感性,對于識別地表的干濕狀況及其范圍最佳;TM4對于植物葉的結(jié)構(gòu)特征敏感,該波段反映了植物反射近紅外光線的能力,可以反映植物的生活力、葉面積指數(shù)和生物量等方面信息。TM3受大氣的陰霾影響較小,影像的反差較好,分辨率較高。在經(jīng)過增強處理的TM5、4、3波段合成的假彩色圖像上,各種濕地群落信息差異顯著,輪廓清晰,特別是濕地景觀間的離散性尤為明顯。從相關(guān)性方面分析,7個波段中前3個波段具有很高的相關(guān)系數(shù),第4波段比較獨立,第7波段和第5波段相關(guān)性較高。因此,本研究選取的5、4、3波段組合既含有最豐富的分類信息,又較好地減少了信息冗余。此外,輔助的研究區(qū)非遙感信息源主要包括1∶1萬地形圖及其提取的DEM,保護區(qū)邊界圖、規(guī)劃圖、地貌分區(qū)圖、水系圖等,以及野外考察采集積累的各種資料和數(shù)據(jù)。將這些非遙感信息源的各類專題圖件進行掃描、矢量化、編輯、拓撲、編碼等處理,生成coverage文件,然后采用高斯—克呂格投影方式建立統(tǒng)一的坐標系統(tǒng),使校正后的TM遙感影像的地理坐標與其一致,這些數(shù)據(jù)對于評價、分析和檢驗分類過程與分類模型十分重要。由于所獲取的TM影像已完成了輻射校正、幾何校正,與地形圖有較好的吻合,因而計算機處理工作的重點是圖像增強和分類訓(xùn)練區(qū)模版選取。3.2增強技術(shù)方法由于各濕地植被類型間光譜特征普遍比較相近,因此增加類型間光譜差異的影像增強處理是執(zhí)行監(jiān)督分類取得較高分類精度的重要前提條件。本研究采取歸一照度植被指數(shù)方法作為影像增強技術(shù)方法,處理方法主要包括等照度賦值處理(表1),除噪歸一化通道建立(見式(1))以及歸一化假彩色合成(見表2)3個環(huán)節(jié)。因太陽輻射、地貌變化及各種地物陰影而引起的光照度差異,歪曲了真實地物波譜特性在遙感影像上的正確表達,影響遙感信息的定性定量判讀。因此進行等照度處理可更好消除外部噪聲,提取類型間真實的光譜差異。此外,植被群落生境多樣,群落間過渡特征復(fù)雜,在等照度基礎(chǔ)上的歸一化植被指數(shù)運算利于將影像中各個植被類型光譜值還原成為真正意義上的植被指數(shù),并且歸并到同一標準下進行比較分類。3.3濕地自然生境類型選取分類系統(tǒng)服務(wù)于研究目的,分類層次與研究尺度相對應(yīng);同時,分類系統(tǒng)的制定直接影響分類精度。由于本次解譯主要針對的是典型自然沼澤濕地,根據(jù)洪河保護區(qū)濕地生態(tài)系統(tǒng)的具體組成情況,將該區(qū)濕地分為5大類13個基本類型(見表3),大類以生態(tài)系統(tǒng)劃分,基本類型以植物群落特征為標準。此外,保護區(qū)內(nèi)還有部分科學(xué)實驗用地作為一個特殊類型:耕地。3.4監(jiān)督分類方法圖像分類就是基于圖像像元的數(shù)據(jù)文件值,將像元歸并成有限的幾種類型、等級或數(shù)據(jù)集的過程。對于濕地的分類通常在較大區(qū)域尺度下進行,過去主要運用目視解譯方法,由于濕地典型植被主要以低矮植被為主,其影像光譜值、形狀和結(jié)構(gòu)的差異都非常細微,因此無論分類精度還是工作效率都不是十分理想?；谟嬎銠C自動分類方法的非監(jiān)督分類難以形成滿意的分類層次,而且通常只能應(yīng)用于較大的區(qū)域。因此,在研究區(qū)域不大,同時對于研究區(qū)比較熟悉的前提下,專家經(jīng)驗支持下的監(jiān)督分類方法是較合理的遙感分類技術(shù)方法。分類操作在Erdas8.6軟件平臺上進行,分類執(zhí)行過程見圖2。在比較分析3個時段影像歸一等照度植被指數(shù)預(yù)處理效果后,選擇質(zhì)量最好的2004年6月5日影像圖執(zhí)行監(jiān)督分類。由于研究區(qū)域不大,因此對于影像的幾何精校正要求較高。將合成假彩色圖配準到1∶10000地形圖上,配準精度控制在10m以內(nèi),即:不大于1/3個像元格。結(jié)合專家經(jīng)驗根據(jù)前期對保護區(qū)的實地考察和利用GPS選取的不同群落類型訓(xùn)練區(qū),在校正后的假彩色圖像上選取對應(yīng)的訓(xùn)練區(qū),建立分類摸板信息,初步評價后利用最大似然法對影像執(zhí)行分類,得出初步分類結(jié)果。利用已經(jīng)建立配準的其它分類圖層,基于生態(tài)系、地學(xué)等學(xué)科專家經(jīng)驗對初步結(jié)果進行分類評價,逐類反復(fù)調(diào)整訓(xùn)練區(qū)數(shù)量,分析類別的直方圖,計算任意類別間的統(tǒng)計距離,調(diào)整閾值等。此外,歸一化植被指數(shù)(NDVI)具有識別植被蓋度與土壤、水體背景關(guān)系能力,以及比值植被指數(shù)(RVI)在中、高蓋度植被中與面積指數(shù)和葉綠素濃度具有良好相關(guān)性,它們也被用來作為分類初檢驗評價的參考。3.5數(shù)字地形分析河道范圍遙感影像特征是基于植物類型與土壤、水體等地物特征及其組分相互消長關(guān)系的綜合反映,因此,單純基于光譜特征的識別植被類型不可避免會產(chǎn)生誤分。依據(jù)生態(tài)系、地學(xué)等方面的專家知識,利用GIS作為工具,對基于光譜特征的影像分類進行改進是提高分類精度的一個重要手段。由于保護區(qū)耕地具有科學(xué)實驗的特點,因此在保護區(qū)內(nèi)出現(xiàn)的一些棄耕地會很快長出小葉章,在6月份,耕地作物與小葉章之間光譜特征相近,從而造成相互誤分比較嚴重;但在9月份,兩類植物的光譜特征已經(jīng)產(chǎn)生明顯分異。因此,利用2001年9月21日的影像制作一個耕地掩膜的方式基本消除了誤分成耕地的小葉章群落。利用研究區(qū)DEM自動生成的河網(wǎng),與地形圖提取的河道相對照,可以勾繪生成濃江與沃綠藍河的河道范圍。將影像分類所得的柵格圖轉(zhuǎn)為矢量圖,并與河道范圍作GIS疊加分析,發(fā)現(xiàn)部分小葉章—苔草在河道中與漂筏苔草相鄰分布,基于生態(tài)學(xué)知識,在河道深水區(qū)不可能產(chǎn)生小葉章—苔草與漂筏苔草相鄰分布的現(xiàn)象,通過GIS空間相鄰關(guān)系特征設(shè)置查詢選項執(zhí)行對這一特定區(qū)域的誤分斑塊篩選,然后進行類代碼的重新賦值,提高了分類精度。此外,相關(guān)的研究資料顯示水冬瓜群落是一個分布于保護區(qū)東北角的特定灌叢群落,實地調(diào)查也印證了這一分布特征。單純依據(jù)光譜值的監(jiān)督分類方法,該群落被誤分成了柴樺群落,通過執(zhí)行GIS空間疊加分析功能可以將該特定區(qū)域誤分的柴樺群落選定并進行類代碼的重新賦值,從而糾正該類誤分。4分類精度分析本研究采用基于誤差矩陣的方法對研究區(qū)的濕地遙感監(jiān)督分類結(jié)果進行了精度檢驗?；痉椒ㄊ沁\用GIS方法在研究區(qū)范圍內(nèi)隨機生成3750個具有經(jīng)緯度值的校驗點,在遵循校驗點的隨機性與空間均勻分布原則的前提下,綜合考慮各群落類型間數(shù)量差異后,從3750個校驗點抽取400個點,依據(jù)這些校驗點的經(jīng)緯度坐標值,以精度不低于5m的GPS導(dǎo)航儀對所有校驗點逐個實地校驗。由于沼澤區(qū)行走極為不便,取得的校驗數(shù)據(jù)有限。最后,結(jié)合實地校驗數(shù)據(jù)與規(guī)劃圖等其它現(xiàn)有資料產(chǎn)生了共計375個有效校驗數(shù)據(jù),并依此對分類模型進行精度檢驗統(tǒng)計分析(見表4)。從表4可以看出,各類群落分類精度普遍達到80%以上,總精度達到85.87%,取得了較好的分類效果。其中,水冬瓜群落、柞楊樺群落和蘆葦群落的分類精度都比較高,無論用戶精度還是生產(chǎn)者精度都接近或者超過90%。漂筏苔草和毛果—漂筏苔草間,小葉章群落和小葉章—苔草群落間的相互誤分比較明顯,這主要是由于與其它類型群落相比,它們彼此間經(jīng)?；焐植?光學(xué)特征也更為相近。狹葉甜茂和臌囊—烏拉苔草的分類精度也相對較低,原因主要是這兩種類型植被的生境通常比較破碎。由于臌囊—烏拉苔草特定的干濕交替的生境在干旱化趨勢下日益減少,其分布往往是小塊的、零散分布的;狹葉甜茅通常在河岸成狹長條帶分布,它們與其它濕地植被間存在混合像元。因此,這兩種群落無論是生產(chǎn)者精度還是用戶精度都相對較低。柴樺的用戶精度達85.37%,明顯低于其生產(chǎn)者精度92.11%,這說明柴樺存在明顯的過分類現(xiàn)象,部分沼柳、小葉章—苔草和小葉章被分類成柴樺。此外,無植被水面的用戶精度很高,達到了100%,但是其生產(chǎn)者精度卻很低,僅有69.23%,這說明水面存在較嚴重的漏分現(xiàn)象,其原因除了由于水面區(qū)通常無法到達因而使樣本數(shù)不足外,實地校驗中還發(fā)現(xiàn)由于過于平緩的地勢和純自然生境下植被過度繁育難以形成較大的無植被水面,因此實際存在的水面面積通常極度狹小,30m的空間分辨率無法將其圈定出來,這些小水面被自動歸并入與其相鄰的漂筏苔草、狹葉甜茂和蘆葦里,這說明基于群落尺度的分類研究需要更高分辨率遙感影像的支持以提高精度。在精度檢驗過程中發(fā)現(xiàn)臨近群落類型交界的校驗點誤分比例較高,也從另一個側(cè)面證明進一步研究應(yīng)用高分辨率影像和新的分類算法對于基于群落尺度濕地分類的重要性。5濕地的空間分布特征由表5可知,洪河保護區(qū)典型沼澤濕地面積為9617.84hm2,占總面積的38.34%,其中,漂筏苔草群落和毛果—漂筏苔草群落的面積占了66.61%的比例,是最主要的沼澤濕地類型;草甸濕地面積為9152.13hm2,占總面積的36.48%,其中,小葉章—苔草群落的面積占83.25%;灌叢濕地面積為3289.87hm2,占總面積的13.11%,其中,柴樺群落占73%的比例;島狀林濕地面積為1980.97hm2,占總面積的7.90%;無植被水面為79.13hm2,僅占總面積的0.32%;此外,實驗性耕地面積為968.57hm2,占總面積的3.86%。從濕地的空間分布特征上看(圖3),沼澤濕地主要分布在濃江和沃綠藍河河道內(nèi),漂筏苔草群落主要分布于河道較深的濃江,毛果—漂筏苔草群落主要分布于相對河道較淺的沃綠藍河,兩種群落基本連片分布,形成河道區(qū)的基質(zhì)性景觀,狹葉甜茂主要分布于河岸,分布的特點狹長而破碎,濃江南岸分布相對密集些;臌囊—烏拉苔草群落分布特點是較為破碎,斑塊數(shù)較多,在河岸與河間洼地廣為分布,特別是保護區(qū)的中南部地帶。草甸濕地和灌叢濕地是占據(jù)河間地帶的主要濕地生態(tài)系統(tǒng),灌叢斷續(xù)分布于島狀林的外圍,其中,柴樺為主要灌叢類型,與沼柳群落交錯分布。島狀林和灌叢外圍一直延伸到河岸的廣大地區(qū)分布著草甸濕地,小葉章—苔草群落成為該區(qū)域的基質(zhì)性景觀類型。值得注意的是,具有從沼澤濕地向草甸濕地明顯過渡特征的該類群落面積比例占整個保護區(qū)面積的30.37%,近1/3比例,與無植被水面僅占保護區(qū)0.32%相印證,都說明該濕地保護區(qū)典型沼澤濕地的濕生環(huán)境退化特征比較明顯。相關(guān)的研究表明,保護區(qū)周邊地區(qū)日益完善的農(nóng)田水利設(shè)施,以及作為保護區(qū)邊界的水溝都損害了洪河自然保護區(qū)作為該區(qū)域積水洼地的外部條件,而這正是其濕生環(huán)境賴以存在的必要條件,因此,如果不及早采取綜合配套的解決辦法,將會危及這一北方洪泛平原原生濕地生態(tài)系統(tǒng)標本庫的繼續(xù)存在。6典型濕地類型的濕