基于TM影像的瑪多縣濕地變化監(jiān)測方法

楊永順，鈔振華，宣 勇，張曉明，趙旭東

（1.青海省環(huán)境監(jiān)測中心站，青海 西寧810007；2.南通大學(xué)地理科學(xué)學(xué)院，江蘇 南通226007；3.民政部國家減災(zāi)中心，北京100124）

濕地是一種特殊的自然綜合體，具有多功能的獨(dú)特生態(tài)系統(tǒng)，素有“地球之腎”之稱［1］，不僅為人類生產(chǎn)、生活提供多種資源，在涵養(yǎng)水源、調(diào)節(jié)徑流、蓄洪防旱、保護(hù)生物和遺傳多樣性等方面也有著不可替代的作用。在青藏高原地區(qū)，濕地研究是表生過程研究領(lǐng)域的薄弱環(huán)節(jié)［2］，研究濕地變化特征有助于研究青藏高原生態(tài)環(huán)境的演變［3－4］。因此，及時掌握濕地資源的變化具有重要意義，濕地研究的關(guān)鍵在于準(zhǔn)確、定量地獲取和分析濕地信息，而利用遙感技術(shù)快速有效地提取濕地信息的研究就顯得尤為重要。

目前，基于遙感技術(shù)所發(fā)展的地物提取方法很多。楊存建和徐美［5］研究發(fā)現(xiàn)，陸地衛(wèi)星TM影像對于 水體 信 息 具 有 “（TM2＋TM3）／（TM4＋TM5）＞2”的特性，從而與其他地物相區(qū)分。受歸一化植被指數(shù) （Normalized Difference of Vegetation Index，NDVI）的激發(fā)，Mc Feeters［6］發(fā)展了歸一化水體指數(shù)方法（Normalized Difference of Water Index，NDWI），該方法可以抑制背景信息的干擾。但是在實(shí)際應(yīng)用中尤其在城市區(qū)域，NDWI方法所提取的水體仍混有非水體信息。在分析NDWI的基礎(chǔ)上，徐涵秋［7］對構(gòu)成該指數(shù)的波長組合進(jìn)行了修改，提出了改進(jìn)的歸一化差異水體指數(shù)（Modified NDWI）。劉旭攏等［8］通過對多種指數(shù)模型對比分析后，發(fā)現(xiàn)比值指數(shù)模型最適合于河網(wǎng)密布、魚塘眾多且人為干擾強(qiáng)烈區(qū)域水體信息的提取。程磊等［9］利用TM數(shù)據(jù)對各種水體識別方法在黃土高原的適用性進(jìn)行了研究。越來越多的研究人員認(rèn)為沒有通用的水體信息提取方法［10－15］，提取特定區(qū)域的濕地信息應(yīng)根據(jù)當(dāng)?shù)氐膶?shí)際情況進(jìn)行方法優(yōu)選比較。

青海省瑪多縣因湖泊眾多而享有“千湖之縣”的雅稱，是黃河源頭最大的水源涵養(yǎng)區(qū)，但近年來植被與濕地生態(tài)系統(tǒng)遭到破壞，水源涵養(yǎng)能力急劇減退，利用遙感監(jiān)測濕地的變化研究已有很多報道［16－17］，但關(guān)于該區(qū)域濕地信息快速提取方法的比較研究較少。為此，本研究通過比較評價幾種常用的濕地信息提取方法，旨在為及時、準(zhǔn)確地分析瑪多縣高原濕地的動態(tài)變化提供科學(xué)依據(jù)。

1 數(shù)據(jù)及方法

1.1 研究區(qū)概況 典型研究區(qū)瑪多縣（33°50′～35°40′N，96°50′～99°20′E）位于青藏高原腹地，巴顏喀拉山北麓，阿尼馬卿山以西的黃河谷地，全縣總土地面積25 253 km2。瑪多縣地勢自西北向東南傾斜，平均海拔4 500 m左右?，敹嗍屈S河流經(jīng)的第一個縣，境內(nèi)的鄂陵湖和扎陵湖是黃河上游最大的2個湖泊，也是整個三江源區(qū)最大的淡水湖。境內(nèi)河流湖泊眾多，發(fā)育著大量的沼澤濕地，為黃河源濕地研究的典型地區(qū)。

1.2 TM數(shù)據(jù) 水體對入射能量具有強(qiáng)吸收性，故在大部分遙感傳感器的波長范圍內(nèi)呈現(xiàn)較弱的反射率，且隨著波長的增加有進(jìn)一步減弱的趨勢。本研究從云層覆蓋、物候季相考慮，選取瑪多縣2010年7月25日、8月14日、9月24日過境的三景Landsat TM影像，經(jīng)拼接、裁剪得到時相大致統(tǒng)一的瑪多地區(qū)TM影像圖。表1中列舉了TM波段特征，不同地物波譜響應(yīng)曲線如圖1所示。

表1 Landsat TM波段特征Table 1 Landsat TM band characteristics

圖1 典型地物波譜響應(yīng)曲線Fig.1 The response curve of spectrum to different surface features

1.3 研究方法 為了更好地評價不同方法，將地物僅分為濕地和非濕地（城鎮(zhèn)、草地、道路及未利用地）兩類。

1）譜間關(guān)系法：

楊存建和徐美［5］在對遙感TM影像水體信息提取的過程中發(fā)現(xiàn)水體具有“（TM2＋TM3）＞（TM4＋TM5）”的規(guī)律，同時發(fā)現(xiàn)水體、居民地陰影以及山體陰影都具有這個特性，但是三者的比值（TM2＋TM3）／（TM4＋TM5）卻存在著較大的差異，所以輔以適合的閾值，可以將水體信息區(qū)別于其他所有的地物（式1）。該方法可以有效地將水體與居民地及山體陰影區(qū)分開來，是一種自動提取水體信息的有效、快捷的方法，適合于各種范圍的水體信息自動提取。

2）歸一化差異水體指數(shù)：

水體的反射從可見光到中紅外波段逐漸減弱，在近紅外和中紅外波段的范圍內(nèi)吸收性最強(qiáng)，幾乎無反射，因此用可見光波段和近紅外波段的反差構(gòu)成的NDWI可以突出影像中的水體信息。另外，由于植被在近紅外波段的反射率一般最強(qiáng)，因此采用綠光波段與近紅外波段的比值可以最大程度地抑制植被的信息，從而達(dá)到突出水體信息的目的。

3）修正歸一化水體指數(shù)（Modified Normalized Difference Water Index，MNDWI）：

McFeeters［6］在構(gòu)建 NDWI指數(shù)時，只考慮到了植被因素，卻忽略了地表的另一個重要因素的影響——土壤／建筑物，由于后者在綠光和近紅外波段的波譜反射率幾乎與水體一致，即在綠光波段的反射率高于在近紅外波段的反射率，并且有較大的反差，計算出來的比值與水體相近。很明顯，用歸一化水體指數(shù)提取出來的水體信息中含有較大的噪音，得不到滿意的結(jié)果。在此基礎(chǔ)上，徐涵秋［7］改進(jìn)了歸一化水體指數(shù)模型，其計算公式是：

MNDWI＝（Green－MIR）／（Green＋MIR）。 （3）式中，MIR為中紅外波段，即波段TM5。此方法的提出主要解決了歸一化水體指數(shù)中未考慮到土壤與建筑物對水體提取的影響。

4）非監(jiān)督分類（Unsupervised Classification）：

非監(jiān)督分類是計算機(jī)解譯方法的一種，是利用圖像數(shù)據(jù)本身能在特征測量空間中聚集成群的特點(diǎn)，先形成各個數(shù)據(jù)集，然后再核對這些數(shù)據(jù)集所代表的物體類別［18］。這種方法的優(yōu)點(diǎn)就是事先不用對被研究區(qū)域的樣本作調(diào)查了解，方便、快捷。

2 結(jié)果與討論

2.1 瑪多縣濕地信息提取結(jié)果分析 利用譜間關(guān)系法、歸一化差異水體指數(shù)法、修正歸一化水體指數(shù)和非監(jiān)督分類4種方法提取了瑪多縣濕地信息（圖2）。結(jié)果基本上反映了瑪多縣的濕地空間分布狀況，其中對鄂陵湖和扎陵湖以及水域面積較大的區(qū)域分類結(jié)果基本一致，但在水域面積較小且地形相對復(fù)雜的地區(qū)，4種分類方法的結(jié)果差異較大。譜間關(guān)系法和其他基于水體指數(shù)的分類方法都屬于自動濕地信息提取方法，將研究區(qū)直接劃分成濕地與非濕地，方便、快捷，但是如果研究區(qū)有云存在，將會對分類結(jié)果造成很大的誤差。與譜間關(guān)系法和基于水體指數(shù)的分類方法相比，非監(jiān)督分類可以有效地識別云蓋，而且對地表水體細(xì)微變化的敏感性更強(qiáng)，分類結(jié)果表明非監(jiān)督分類方法可以提取更豐富的水體信息，但是分類結(jié)果是否準(zhǔn)確還需要進(jìn)一步的驗證。

圖2 4種方法的濕地信息提取結(jié)果Fig.2 Wetland extracted by using Relation of spectrum，NDWI，MDDWI and Unsupervised classification

2.2 瑪多縣濕地信息提取結(jié)果驗證 為了驗證4種方法濕地分類準(zhǔn)確度，選取適合瑪多縣濕地信息提取最優(yōu)方法，借助瑪多縣1∶700 000地形圖和相應(yīng)區(qū)域?qū)嵉夭蓸訑?shù)據(jù)，在Google Earth影像輔助的基礎(chǔ)上，分別評價了4種方法濕地信息分類準(zhǔn)確度。在扎陵湖、鄂陵湖、冬給錯那湖、苦海等較大、顯著濕地區(qū)域，瑪多地區(qū)西南部、東北部海拔在4 500 m以上區(qū)域以及中部區(qū)域分別取100個濕地邊界像元。采用總體分類準(zhǔn)確度評價方法［19］，對分類結(jié)果進(jìn)行比較驗證（表2）。其中準(zhǔn)確率表示信息提取方法所提取的濕地信息與實(shí)際地表信息相符的比率，誤判率表示非濕地信息被劃分為濕地和濕地信息被劃分為非濕地信息的比率。

表2 濕地信息提取精度評價Table 2 Accuracy evaluation of wetland classification for the four methods %

結(jié)合濕地信息提取結(jié)果和提取精度評價，在扎陵湖、鄂陵湖等較大、顯著濕地區(qū)域，由于周圍地形和地物的影響相對較小，4種方法信息提取的準(zhǔn)確度都比較高；在海拔高度4 500 m以上且地形復(fù)雜的地區(qū)，受地形及云的影響，信息提取效果較差，但MNDWI方法的分類準(zhǔn)確度明顯高于其他3種方法，仍達(dá)到86%。非監(jiān)督分類方法效果最差，其次是譜間關(guān)系法；在中部地勢較低區(qū)域，MNDWI方法不如NDWI方法的準(zhǔn)確度高，但高于譜間關(guān)系法及非監(jiān)督分類方法。由于利用了中紅外波段替換近紅外波段，在海拔較高、地形復(fù)雜區(qū)域，而且受到云的影響下，MNDWI精度高于NDWI方法。NDWI優(yōu)于譜間關(guān)系法及非監(jiān)督分類，精度在65%以上；受云和地形雙重因素的影響，譜間關(guān)系法的精度差且將云覆蓋區(qū)域劃分為濕地信息；非監(jiān)督分類法雖然很好地體現(xiàn)了云對濕地信息提取的影響，但地形的負(fù)面作用非常明顯，提取的濕地信息誤差很大。由于采用了歸一化的比值運(yùn)算，MNDWI影像易于消除地形差異的影響?？傮w來說，MNDWI方法是這幾種濕地信息提取方法中分類結(jié)果最好的，且能很好地將云和地形對濕地信息提取的影響降到最低。

3 結(jié)論

地形復(fù)雜且地面觀測信息有限是限制遙感技術(shù)在青藏高原地區(qū)快速準(zhǔn)確提取濕地信息的瓶頸。本研究以湖泊眾多、地物信息相對單一的瑪多縣地區(qū)為研究區(qū)，評價了4種常用的濕地信息提取方法，結(jié)果基本上反映了瑪多縣濕地的空間分布狀況，對水域面積較大的區(qū)域分類結(jié)果比較一致，但在濕地面積較小、海拔高且地形相對復(fù)雜的地區(qū)，4種分類方法的結(jié)果差異較大。總體上說，MNDWI方法可以有效地減少云及地形的影響，能很好地提取濕地信息且準(zhǔn)確率最高，比較適用于青藏高原濕地動態(tài)監(jiān)測。但是受地形和云的影響，MNDWI提取的濕地信息仍有很大不確定性，需要進(jìn)一步的驗證?，敹酀竦卣訚杀椴?、湖泊眾多，水文條件復(fù)雜，很多濕地面積小于900 m2即TM的一個像元，且很多河流寬度小于30 m，這也是影響提取效果的主要原因。多源遙感數(shù)據(jù)的融合、波段優(yōu)化等的應(yīng)用應(yīng)為瑪多濕地信息提取準(zhǔn)確度提高的主要考慮因素。

［1］ 國家林業(yè)局.中國濕地行動保護(hù)計劃［M］.北京：中國林業(yè)出版社，2000.

［2］ 白軍紅，歐陽華，徐惠風(fēng)，等.青藏高原濕地研究進(jìn)展［J］.地理科學(xué)進(jìn)展，2004，23（4）：1－9.

［3］ 陳宜瑜，呂憲國.濕地功能與濕地科學(xué)的研究方向［J］.濕地科學(xué)，2003（1）：7－11.

［4］ 李鳳霞，常國剛，肖建設(shè)，等.黃河源區(qū)濕地變化與氣候變化的關(guān)系研究［J］.自然資源學(xué)報，2009，24（4）：683－690.

［5］ 楊存建，徐美.遙感信息機(jī)理的水體提取方法的探討［J］.地理研究，1998，17（增刊）：86－89.

［6］ McFeeters S K.The use of normalized difference water index in the delineation of open water features［J］.International Journal of Remote Sensing，1996，17（7）：1425－1432.

［7］ 徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究［J］.遙感學(xué)報，2005，9（5）：589－595.

［8］ 劉旭攏，鐘凱文，陳志良，等.基于TM影像的珠江三角洲河道快速提取方法研究［J］.遙感技術(shù)與應(yīng)用，2008，23（1）：57－61.

［9］ 程磊，徐宗學(xué)，左德鵬，等.基于Landsat TM 數(shù)據(jù)的黃土高原區(qū)水體識別方法研究［J］.北京師范大學(xué)學(xué)報（自然科學(xué)版），2010，46（3）：424－430.

［10］ 黃海波，趙萍，陳志英，等.ASTER遙感影像水體信息提取方法研究［J］.遙感技術(shù)與應(yīng)用，2008，23（5）：525－528.

［11］ 于歡，張樹清，李曉峰，等.基于TM影像的典型內(nèi)陸淡水濕地水體提取研究［J］.遙感技術(shù)與應(yīng)用，2008，13（3）：310－315.

［12］ Frazier P S，Page K J.Water body detection and delineation with Landsat TM data［J］.Photogrammetric Engineering and Remote Sensing，2000，66（12）：1461－1467.

［13］ Kloiber S M，Brezonik L，Bauer M E.Application of Landsat imagery to regional scale assessment of lake clarity［J］.Water Research，2002，36：4330－4340.

［14］ Ryu J H，Won J S，Min K D.Waterline extraction from Landsat TM data in a tidal flat：A case study in Gomso Bay［J］.Remote Sensing of Environment，2002，83（3）：442－456.

［15］ 董立新，王文科，孔金玲，等.黃河上游瑪多縣生態(tài)環(huán)境變化遙感監(jiān)測及成因分析［J］.水土保持通報，2005，25（4）：68－72.

［16］ 吳素霞，常國剛，李鳳霞，等.近年來黃河源頭地區(qū)瑪多縣湖泊變化［J］.湖泊科學(xué)，2008，20（3）：364－368.

［17］ 江沖亞，李滿春，劉永學(xué).海岸帶水體遙感信息全自動提取方法［J］.測繪學(xué)報，2011，40（3）：332－337.

［18］ 趙英時.遙感應(yīng)用分析原理與方法［M］.北京：科學(xué)出版社，2003.

［19］ 張曉明，楊永順.遙感監(jiān)測的土地利用／覆被數(shù)據(jù)質(zhì)檢流程研究［J］.青海環(huán)境，2010，20（2）：72－75.