基于landsa影像的洪河保护区湿地分类研究

基于landsa影像的洪河保护区湿地分类研究

1湿地遥感分类研究现状湿地是指由多年生和多年生土壤和植物组成的独特生态系统组成的。虽然湿地是众多珍稀濒危野生植物和动物的栖息地,具有稳定环境、物种基因保护及资源利用功能,被誉为自然之肾、生物基因库和人类摇篮,但却是近代史上遭受人类活动破坏最为严重的生态系统,近年来湿地的特殊性和重要性已受到全世界的关注,湿地研究已成为当前地理科学、环境科学与生态科学等多种学科交汇研究的一个热门领域。由于湿地多处于偏远地区以及难以进入,而遥感信息定量化、多时相、多平台、信息量大、可比性强的优点使其非常适用于湿地研究。尽管湿地植被由于其复杂性和不确定性而存在普遍的“同质异谱”和“同谱异质”现象,但是由于近年来GPS和GIS技术的飞速发展与普及,“3S”技术的融合以及图像处理技术的不断提高使遥感技术在湿地研究的有效性大大提高。湿地遥感分类是进行湿地科学研究的一个重要基础,我国目前在技术方法上已由传统的目视解译开始向计算机自动提取方向发展;虽然国际上湿地卫星遥感分类研究已具有遥感平台多极化,分类方法定量化、多样化与集成化,以及与GIS辅助支持的明显特征,但由于湿地复杂的过渡性特征,以及分类尺度,分类体系和区域特征各不一样,目前还无法形成一个统一通用的分类模式。基本的方法是运用分层提取和多时相结合,研究的尺度大多基于流域或跨流域的中大尺度,研究重点在消除不同湿地类型植被间的光谱误分以及自然湿地与水田及人工水域的误分。在研究取向上,注重遥感数据的空间分析,对于遥感方法及其分类结果的精度检验重视不够。本研究的目的是评价中等空间分辨率(30m)的LandsatTM影像在湿地识别中的应用,探索应用中等分辨率影像对中小尺度自然湿地生态系统中基于群落尺度的分类方法,研究中应用了在突出影像增强前提下的基于专家经验的监督分类,以及基于GIS支持的对于分类的改进,取得了较好的分类效果。建立在较高分类精度基础上的遥感数据,在GIS的支持下,为定量研究分析高度自然状态下的北方半湿润区内陆淡水湿地群落类型的原始空间格局提供了支持,也为进一步研究湿地环境变化及其生态效应提供了科学依据;深入认识特定区域各类型湿地原生态及其结构特征是研究认识不同类型湿地功能与变化机理的基本前提,对于制定相应的湿地保护与恢复策略都具有重要科学价值。2阴山山地u、南北缘湿地三江平原是我国湿地集中分布且面积最大的地区,发育有淡水沼泽、沼泽化草甸、草甸、河流与湖泊等众多湿地类型。本区湿地是大量野生植物种的基因库和珍稀濒危水禽的栖息地,因而备受国内外关注。黑龙江洪河国家级自然保护区(图1)位于三江平原东北部,保护区面积250.9km2,地理坐标:133°34′38″～133°46′29″E,47°42′18″～47°52′00″N,黑龙江支流浓江从保护区的北部穿过,构成其北部自然边界,沃绿蓝河从保护区的腹地由南向北汇入浓江;保护区地处低平辽阔的沉降平原,海拔高度在58～61m之间,地貌单一,地形平缓;其地势由南向北轻微倾斜,形似倾斜浅平锅底,平均坡降极小,地面坡降只有1/5000～1/10000,从而造成区内河汊、泡沼、碟形及线形洼地星罗棋布,各种类型湿地十分发育,形成丰富多样的北方水生、陆生、湿生生态系统。目前区内包含有鸟类16目43科174种,野生植物1012种,被誉为“三江平原野生生物特有基因库”,并在2002年1月被列入《国际重要湿地名录》。由于三江平原湿地被大面积开垦,该保护区目前已成为中国东北部所剩不多的一块类型齐全、生态系统自然完整、全面反映三江平原原始沼泽内陆湿地全貌的自然保护区,在三江平原乃至全球同一生物气候带和生物地理界中都具有高度的代表性和典型性。3学习方法3.1湿地分类结果本次研究采用的数据源可分为遥感信息源和非遥感信息源。遥感信息源选取Landsat7卫星的TM影像数据。根据研究内容、研究区地表景观季相差异及TM卫星影像质量,分别选取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,影像的云层覆盖率均小于5%。选取这3个时段的主要依据是由于这3个时段水体边界最为清楚,各个类型湿地景观生态特征在影像上分异比较清晰,有利于识别和提取各种湿地类型。波段的正确选取是进行影像分析重要前提。在TM的7个光谱波段中,TM5波段对地表土壤和植物组织中的水分具有很高的敏感性,对于识别地表的干湿状况及其范围最佳;TM4对于植物叶的结构特征敏感,该波段反映了植物反射近红外光线的能力,可以反映植物的生活力、叶面积指数和生物量等方面信息。TM3受大气的阴霾影响较小,影像的反差较好,分辨率较高。在经过增强处理的TM5、4、3波段合成的假彩色图像上,各种湿地群落信息差异显著,轮廓清晰,特别是湿地景观间的离散性尤为明显。从相关性方面分析,7个波段中前3个波段具有很高的相关系数,第4波段比较独立,第7波段和第5波段相关性较高。因此,本研究选取的5、4、3波段组合既含有最丰富的分类信息,又较好地减少了信息冗余。此外,辅助的研究区非遥感信息源主要包括1∶1万地形图及其提取的DEM,保护区边界图、规划图、地貌分区图、水系图等,以及野外考察采集积累的各种资料和数据。将这些非遥感信息源的各类专题图件进行扫描、矢量化、编辑、拓扑、编码等处理,生成coverage文件,然后采用高斯—克吕格投影方式建立统一的坐标系统,使校正后的TM遥感影像的地理坐标与其一致,这些数据对于评价、分析和检验分类过程与分类模型十分重要。由于所获取的TM影像已完成了辐射校正、几何校正,与地形图有较好的吻合,因而计算机处理工作的重点是图像增强和分类训练区模版选取。3.2增强技术方法由于各湿地植被类型间光谱特征普遍比较相近,因此增加类型间光谱差异的影像增强处理是执行监督分类取得较高分类精度的重要前提条件。本研究采取归一照度植被指数方法作为影像增强技术方法,处理方法主要包括等照度赋值处理(表1),除噪归一化通道建立(见式(1))以及归一化假彩色合成(见表2)3个环节。因太阳辐射、地貌变化及各种地物阴影而引起的光照度差异,歪曲了真实地物波谱特性在遥感影像上的正确表达,影响遥感信息的定性定量判读。因此进行等照度处理可更好消除外部噪声,提取类型间真实的光谱差异。此外,植被群落生境多样,群落间过渡特征复杂,在等照度基础上的归一化植被指数运算利于将影像中各个植被类型光谱值还原成为真正意义上的植被指数,并且归并到同一标准下进行比较分类。3.3湿地自然生境类型选取分类系统服务于研究目的,分类层次与研究尺度相对应;同时,分类系统的制定直接影响分类精度。由于本次解译主要针对的是典型自然沼泽湿地,根据洪河保护区湿地生态系统的具体组成情况,将该区湿地分为5大类13个基本类型(见表3),大类以生态系统划分,基本类型以植物群落特征为标准。此外,保护区内还有部分科学实验用地作为一个特殊类型:耕地。3.4监督分类方法图像分类就是基于图像像元的数据文件值,将像元归并成有限的几种类型、等级或数据集的过程。对于湿地的分类通常在较大区域尺度下进行,过去主要运用目视解译方法,由于湿地典型植被主要以低矮植被为主,其影像光谱值、形状和结构的差异都非常细微,因此无论分类精度还是工作效率都不是十分理想。基于计算机自动分类方法的非监督分类难以形成满意的分类层次,而且通常只能应用于较大的区域。因此,在研究区域不大,同时对于研究区比较熟悉的前提下,专家经验支持下的监督分类方法是较合理的遥感分类技术方法。分类操作在Erdas8.6软件平台上进行,分类执行过程见图2。在比较分析3个时段影像归一等照度植被指数预处理效果后,选择质量最好的2004年6月5日影像图执行监督分类。由于研究区域不大,因此对于影像的几何精校正要求较高。将合成假彩色图配准到1∶10000地形图上,配准精度控制在10m以内,即:不大于1/3个像元格。结合专家经验根据前期对保护区的实地考察和利用GPS选取的不同群落类型训练区,在校正后的假彩色图像上选取对应的训练区,建立分类摸板信息,初步评价后利用最大似然法对影像执行分类,得出初步分类结果。利用已经建立配准的其它分类图层,基于生态系、地学等学科专家经验对初步结果进行分类评价,逐类反复调整训练区数量,分析类别的直方图,计算任意类别间的统计距离,调整阈值等。此外,归一化植被指数(NDVI)具有识别植被盖度与土壤、水体背景关系能力,以及比值植被指数(RVI)在中、高盖度植被中与面积指数和叶绿素浓度具有良好相关性,它们也被用来作为分类初检验评价的参考。3.5数字地形分析河道范围遥感影像特征是基于植物类型与土壤、水体等地物特征及其组分相互消长关系的综合反映,因此,单纯基于光谱特征的识别植被类型不可避免会产生误分。依据生态系、地学等方面的专家知识,利用GIS作为工具,对基于光谱特征的影像分类进行改进是提高分类精度的一个重要手段。由于保护区耕地具有科学实验的特点,因此在保护区内出现的一些弃耕地会很快长出小叶章,在6月份,耕地作物与小叶章之间光谱特征相近,从而造成相互误分比较严重;但在9月份,两类植物的光谱特征已经产生明显分异。因此,利用2001年9月21日的影像制作一个耕地掩膜的方式基本消除了误分成耕地的小叶章群落。利用研究区DEM自动生成的河网,与地形图提取的河道相对照,可以勾绘生成浓江与沃绿蓝河的河道范围。将影像分类所得的栅格图转为矢量图,并与河道范围作GIS叠加分析,发现部分小叶章—苔草在河道中与漂筏苔草相邻分布,基于生态学知识,在河道深水区不可能产生小叶章—苔草与漂筏苔草相邻分布的现象,通过GIS空间相邻关系特征设置查询选项执行对这一特定区域的误分斑块筛选,然后进行类代码的重新赋值,提高了分类精度。此外,相关的研究资料显示水冬瓜群落是一个分布于保护区东北角的特定灌丛群落,实地调查也印证了这一分布特征。单纯依据光谱值的监督分类方法,该群落被误分成了柴桦群落,通过执行GIS空间叠加分析功能可以将该特定区域误分的柴桦群落选定并进行类代码的重新赋值,从而纠正该类误分。4分类精度分析本研究采用基于误差矩阵的方法对研究区的湿地遥感监督分类结果进行了精度检验。基本方法是运用GIS方法在研究区范围内随机生成3750个具有经纬度值的校验点,在遵循校验点的随机性与空间均匀分布原则的前提下,综合考虑各群落类型间数量差异后,从3750个校验点抽取400个点,依据这些校验点的经纬度坐标值,以精度不低于5m的GPS导航仪对所有校验点逐个实地校验。由于沼泽区行走极为不便,取得的校验数据有限。最后,结合实地校验数据与规划图等其它现有资料产生了共计375个有效校验数据,并依此对分类模型进行精度检验统计分析(见表4)。从表4可以看出,各类群落分类精度普遍达到80%以上,总精度达到85.87%,取得了较好的分类效果。其中,水冬瓜群落、柞杨桦群落和芦苇群落的分类精度都比较高,无论用户精度还是生产者精度都接近或者超过90%。漂筏苔草和毛果—漂筏苔草间,小叶章群落和小叶章—苔草群落间的相互误分比较明显,这主要是由于与其它类型群落相比,它们彼此间经常混生分布,光学特征也更为相近。狭叶甜茂和臌囊—乌拉苔草的分类精度也相对较低,原因主要是这两种类型植被的生境通常比较破碎。由于臌囊—乌拉苔草特定的干湿交替的生境在干旱化趋势下日益减少,其分布往往是小块的、零散分布的;狭叶甜茅通常在河岸成狭长条带分布,它们与其它湿地植被间存在混合像元。因此,这两种群落无论是生产者精度还是用户精度都相对较低。柴桦的用户精度达85.37%,明显低于其生产者精度92.11%,这说明柴桦存在明显的过分类现象,部分沼柳、小叶章—苔草和小叶章被分类成柴桦。此外,无植被水面的用户精度很高,达到了100%,但是其生产者精度却很低,仅有69.23%,这说明水面存在较严重的漏分现象,其原因除了由于水面区通常无法到达因而使样本数不足外,实地校验中还发现由于过于平缓的地势和纯自然生境下植被过度繁育难以形成较大的无植被水面,因此实际存在的水面面积通常极度狭小,30m的空间分辨率无法将其圈定出来,这些小水面被自动归并入与其相邻的漂筏苔草、狭叶甜茂和芦苇里,这说明基于群落尺度的分类研究需要更高分辨率遥感影像的支持以提高精度。在精度检验过程中发现临近群落类型交界的校验点误分比例较高,也从另一个侧面证明进一步研究应用高分辨率影像和新的分类算法对于基于群落尺度湿地分类的重要性。5湿地的空间分布特征由表5可知,洪河保护区典型沼泽湿地面积为9617.84hm2,占总面积的38.34%,其中,漂筏苔草群落和毛果—漂筏苔草群落的面积占了66.61%的比例,是最主要的沼泽湿地类型;草甸湿地面积为9152.13hm2,占总面积的36.48%,其中,小叶章—苔草群落的面积占83.25%;灌丛湿地面积为3289.87hm2,占总面积的13.11%,其中,柴桦群落占73%的比例;岛状林湿地面积为1980.97hm2,占总面积的7.90%;无植被水面为79.13hm2,仅占总面积的0.32%;此外,实验性耕地面积为968.57hm2,占总面积的3.86%。从湿地的空间分布特征上看(图3),沼泽湿地主要分布在浓江和沃绿蓝河河道内,漂筏苔草群落主要分布于河道较深的浓江,毛果—漂筏苔草群落主要分布于相对河道较浅的沃绿蓝河,两种群落基本连片分布,形成河道区的基质性景观,狭叶甜茂主要分布于河岸,分布的特点狭长而破碎,浓江南岸分布相对密集些;臌囊—乌拉苔草群落分布特点是较为破碎,斑块数较多,在河岸与河间洼地广为分布,特别是保护区的中南部地带。草甸湿地和灌丛湿地是占据河间地带的主要湿地生态系统,灌丛断续分布于岛状林的外围,其中,柴桦为主要灌丛类型,与沼柳群落交错分布。岛状林和灌丛外围一直延伸到河岸的广大地区分布着草甸湿地,小叶章—苔草群落成为该区域的基质性景观类型。值得注意的是,具有从沼泽湿地向草甸湿地明显过渡特征的该类群落面积比例占整个保护区面积的30.37%,近1/3比例,与无植被水面仅占保护区0.32%相印证,都说明该湿地保护区典型沼泽湿地的湿生环境退化特征比较明显。相关的研究表明,保护区周边地区日益完善的农田水利设施,以及作为保护区边界的水沟都损害了洪河自然保护区作为该区域积水洼地的外部条件,而这正是其湿生环境赖以存在的必要条件,因此,如果不及早采取综合配套的解决办法,将会危及这一北方洪泛平原原生湿地生态系统标本库的继续存在。6典型湿地类型的湿