基于ETM+遙感圖像的漓江水系生態(tài)環(huán)境變化分析

王海云 劉德富 張成成 廖 濤 譚飛帆

摘要：運用衛(wèi)星遙感技術對漓江水系生態(tài)環(huán)境條件進行解譯，綜合分析了林地、植被、土壤為主要類型的生態(tài)環(huán)境現(xiàn)狀，應用ＥＲＤＡＳ 9.2軟件對４個年份的影像進行監(jiān)督分類，計算歸一化植被指數(shù)（ＮＤＶＩ）。結果表明，２００0—２００８年林地面積、裸地面積、水體面積分別增長１９．６３％、－15.85％和２４7．21％，漓江流域的生態(tài)環(huán)境條件有所改善。

關鍵詞：漓江水系；生態(tài)環(huán)境；遙感解譯

中圖分類號：Ｘ１７１．１文獻標識碼：Ａ文章編號：0439－８114（２０12）06－1112-03

ＥＴＭ+ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ Bａｓｅｄ ｏｎ Ｗａｔｅｒ Ｅｃｏｌｏｇｉｃａｌ Ｅｎｖｉｒｏｎｍｅｎｔ Ｃｈａｎｇｅ

ｉｎ Ｌｉｊｉａｎｇ

ＷＡＮＧ Ｈａｉ－ｙｕｎ，ＬＩＵ Ｄｅ－ｆｕ，ＺＨＡＮＧ Ｃｈｅｎg－ｃｈｅｎg，ＬＩＡＯ Ｔａｏ，ＴＡＮ Fei-fan

（Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Wａｔｅｒ Cｏｎｓｅｒｖａｎｃｙ Cｏｌｌｅｇｅ， Ｔｈｒｅｅ Ｇｏｒｇｅｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｙｉｃｈａｎｇ ４４３００２，Ｈｕｂｅｉ， Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｔｈrough the ｕｓｅ ｏｆ ｓａｔｅｌｌｉｔｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ， ｔｈｅ ｃｏｎｄｉｔｉｏｎｓ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ of Lijiang river were explained， ａ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｆｏｒｅｓｔ， ｖｅｇｅｔａｔｉｏｎ， ｓｏｉｌ ｅｃｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｆｏｒ ｔｈｅ ｍａｉｎ ｔｙｐｅｓ ｏｆ ｓｉｔｕａｔｉｏｎ was proceeded， and the software ERDAS 9.2 was used to supervise and classify the images of 4 years， and ｔｏ ｃａｌｃｕｌａｔｅ ｔｈｅ nｏｒｍａｌｉｚｅｄ dｉｆｆｅｒｅｎｃｅ vｅｇｅｔａｔｉｏｎ iｎｄｅｘ（ＮＤＶＩ）. Results showed that forest area， bare land area and water area increased 19.63%， -15.85% and 247.21% respectively， ｉｎｄｉｃａｔｉｎｇ ｔｈａｔ ｎｅａｒｌｙ ８ ｙｅａｒｓ， Ｌｉｊｉａｎｇ rｉｖｅｒ ｈａｓ ｉｍｐｒｏｖｅｄ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｃｏｎｄｉｔｉｏｎｓ ｃｈａｎｇｅ．

Ｋｅｙ ｗｏｒｄｓ： Ｌｉｊｉａｎｇ river； ｅｃｏ－ｅｎｖｉｒｏｎｍｅｎｔ； ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ

生態(tài)環(huán)境面廣范圍大，同時具有相當豐富的內涵，利用不同時相的衛(wèi)星數(shù)據(jù)監(jiān)測區(qū)域生態(tài)環(huán)境變化，是國內外常用的一種研究方法［１，２］。目前應用較多的解譯方法是：分別獨立進行兩個時相圖像的目視解譯，用同一種分類方法分別對兩個不同時相的衛(wèi)星圖像進行多光譜分類；用其他圖像模式識別方法分別對兩個時相圖像進行識別，最終將兩個不同時相的數(shù)據(jù)分類統(tǒng)計分析。但存在著目視解譯的主觀性和圖像模式物體識別區(qū)分難的問題。

漓江屬珠江水系桂江支流的上游，是桂江的一部分，發(fā)源于廣西壯族自治區(qū)興安縣西北部的越城嶺主峰貓兒山，與相鄰河流的分水嶺都是由高山大嶺組成，界線分明，東以海洋山與湘江相隔，西以天平山架橋嶺與洛清江相隔?？傮w由北向南，流經(jīng)興安、靈川、桂林市區(qū)、臨桂、陽朔、荔浦、平樂等６個縣１個市區(qū)，全長２１４ ｋｍ，流域面積１２ ２８５ ｋｍ２，其間有小東江、桃花江、寧遠河、南溪河、相思江等支流匯入。漓江流域地理坐標為東經(jīng)１０９°４５′—１１０°５６′、北緯２４°３８′—２５°５５′（圖１）。采用２００0—２００８年衛(wèi)星遙感數(shù)據(jù)，對漓江水系生態(tài)環(huán)境變化進行了解譯，應用ＥＲＤＡＳ 9.2軟件對影像進行監(jiān)督分類，通過計算歸一化指數(shù)（ＮＤＶＩ），有效提高了生態(tài)環(huán)境數(shù)據(jù)的定量化水平，取得了良好的解譯效果。

１研究方法

獲取２００0—２００８年ＥＴＭ+影像，采用ＥＲＤＡＳ 9.2軟件進行數(shù)據(jù)處理［３－５］，包括進行輻射和幾何校正、假彩色合成、影像分割、分類統(tǒng)計解譯、變化轉移矩陣精度評價。其技術路線見圖２。

２遙感數(shù)據(jù)來源與處理

衛(wèi)星遙感數(shù)據(jù)來源于國際科學數(shù)據(jù)服務平臺（ｄａｔａｍｉｒｒｏｒ．ｃｓｄｂ．ｃｎ），包括２０００１０３０、２００２０１０５、２００５１２１５、２００８０５１３ ４個年份的ＥＴＭ＋遙感圖像。

２．１假彩色合成

假彩色合成可以綜合增強顯示３個波段的遙感影像特征，結合區(qū)內植被、土壤和相關環(huán)境因子的光譜特性，確定了以Ｒ（ＴＭ５）＋Ｇ（ＴＭ４）＋Ｂ（ＴＭ３）為顯示反映研究區(qū)狀況的最佳增強處理方案。利用ＥＲＤＡＳ ９．２軟件分別導入各年份３、４、５波段的ＴＩＦＦ圖像，進行波段合成，生成各年份３個波段的假彩色圖像。

２．２幾何、輻射校正

遙感數(shù)據(jù)均由中國科學院數(shù)據(jù)中心進行過幾何、輻射校正，屬于幾何、輻射校正后的產(chǎn)品。

２．３影像分割

經(jīng)ＥＲＤＡＳ 9.2軟件進行影像分割后生成的假彩色圖像如圖３。由圖３可知，研究區(qū)內各種不同類型的土地區(qū)域的界線明顯，紅色區(qū)域為地表水體（漓江及其支流），粉紅色區(qū)域為沒有植被覆蓋的裸露區(qū)，綠色及紫色區(qū)域均為植被覆蓋的平原和山地。

３土地類型分類

３．１分類方法

用被確認樣本類別的像元去識別其他未知類別像元實現(xiàn)監(jiān)督分類。經(jīng)ＥＲＤＡＳ 9.2軟件執(zhí)行監(jiān)督分類后生成的圖像見圖４。

３．２分類后處理

對上述分類結果進行鄰域分析（Ｎｅｉｇｈｂｏｒｈｏｏｄ），鄰域范圍采用３×３的矩陣區(qū)域，分析函數(shù)采用Ｍａｊｏｒｉｔｙ算法（多數(shù)值，鄰域范圍內出現(xiàn)最多的像元值），對處理后的分類結果進行合并處理，得到４個年份土地利用/覆蓋分類圖（圖５）。

３．３分類精度評估

采用誤差矩陣法構成一個ｒ×ｒ矩陣（ｒ是類型數(shù)），矩陣的元素表示了抽樣中被分到某一類而經(jīng)過檢驗的像元數(shù)。分類精度主要指標有生產(chǎn)者精度、用戶精度、總體精度、錯分誤差、漏分誤差和Ｋａｐｐａ系數(shù)。使用ＥＲＤＡＳ 9.2軟件運行精度評估矩陣，２０００年精度評價隨機點數(shù)設置為１５０，其余年份設置為１００，得到４個年份的分類精度評價結果如表１、表２。

３．４土地利用變化

對４個年份影像數(shù)據(jù)反映的各種土地利用類型的面積分別進行統(tǒng)計，得到研究區(qū)內２０００—２００８年不同土地類型面積如表３。

３．５植被指數(shù)

植被指數(shù)是利用衛(wèi)星探測數(shù)據(jù)的線性或非線性組合來反映植被的存在、數(shù)量、質量、狀態(tài)及時空分布特點的指數(shù)。ＮＤＶＩ能反映出植物冠層的背景影響，依據(jù)ＥＲＤＡＳ 9.2中ＮＤＶＩ計算模型，計算歸一化植被指數(shù)（ＮＤＶＩ），－１≤ＮＤＶＩ≤１，負值表示地面覆蓋為云、水、雪等，０表示有巖石或裸土等，ＮＩＲ和Ｒ近似相等；正值表示有植被覆蓋，且隨覆蓋度增大而增大。將４個年份原始圖像的3、4、5波段進行合成，并結合對應的ＡＯＩ，對圖像進行切割，得到４個年份研究區(qū)的植被指數(shù)圖像如圖６。４個年份研究區(qū)的歸一化植被指數(shù)（ＮＤＶＩ）的最小值、最大值及平均值見表4。

由于歸一化植被指數(shù)（ＮＤＶＩ）隨植被覆蓋度的增大而增大，因此可用ＮＤＶＩ的平均值間接反映植被覆蓋度的平均值，而各年份ＮＤＶＩ平均值的變化情況也間接反映各年份植被覆蓋度的變化情況。ＮＤＶＩ平均值變化２０００－２００２年為－６９．１８％，２００２－２００５年為１７５．５１％，２００５－２００８年為45．93％。

４結論

１）利用２００0—２００８年ＥＴＭ+影像，進行輻射和幾何校正、假彩色合成、影像分割，采用ＥＲＤＡＳ 9.2軟件進行數(shù)據(jù)分析處理、分類統(tǒng)計解譯、變化轉移矩陣精度評價，較客觀地對漓江水系區(qū)域生態(tài)環(huán)境變化進行了解譯。

２）２０００—２００８年，林地面積、裸地面積、水體面積分別增長１９．６３％、－１５．８５％和２４７．２１％，漓江流域的生態(tài)環(huán)境條件有所改善［6］。

參考文獻：

［１］ ＹＡＮＧ Ｓ Ｔ， ＬＥＩ Ｔ， ＷＡＮＧ Ｂ．Ｔｈｅ ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｆｅａｔｕｒｅ ｏｆ ｔｈｅｒｍａｌ ｒａｄｉａｎｔ ｉｎ Ｇｕｉｙａｎｇ， Ｃｈｉｎａ ｕｓｉｎｇ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ［Ａ］． ＩＥＥＥ． ２００４ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｓｙｍｐｏｓｉｕｍ Ｐｒｏｃｅｅｄｉｎｇｓ［Ｃ］． Ｎｅｗ Ｙｏｒｋ： ＩＥＥＥ， ２００４．３１６１－３１６４．

［２］ ＷＩＥＮＳ Ｊ，ＳＵＴＴＥＲ Ｒ，ANDERSON M， et al． Ｓｅｌｅｃｔｉｎｇ ａｎｄ ｃｏｎｓｅｒｖｉｎｇ ｌａｎｄｓ ｆｏｒ ｂｉｏｄｉｖｅｒｓｉｔｙ： Ｔｈｅ ｒｏｌｅ ｏｆ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ［J］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， ２００９，１１３：１３７０－１３８１．

［３］ 辛海強，聞輝，張昱．ＥＲＤＡＳ軟件在森林資源分類工作中應用［Ｊ］．測繪科學，２００３，２８（２）：３９－４１．

［４］ 黃瑞，黃華明，張防修，等．基于ｓｋｅｔｃｈｕｐ及ｅｒｄａｓ軟件實現(xiàn)土地利用三維監(jiān)測［Ｊ］．安徽農業(yè)科學，２０１０，３８（２２）：１１８１７－１１８１８．

［５］ 王巖，楊愛玲，劉秀娟． 基于ＥＲＤＡＳ軟件遙感正射影像圖的制作［Ｊ］． 測繪與空間地理信息，２００７，３０（５）：１０４－１０５，１０９．

［６］ 丁美青，陳松嶺，郭云開． 基于遙感的土地復墾植被覆蓋度評價［Ｊ］．中國土地科學，２００９，２３（１１）：７２－７５．