基于遙感影像的杭州灣南岸濕地變化分析

李愛霞

(浙江水利水電學(xué)院 測(cè)繪與市政工程學(xué)院，浙江 杭州 310018)

?

基于遙感影像的杭州灣南岸濕地變化分析

李愛霞

(浙江水利水電學(xué)院 測(cè)繪與市政工程學(xué)院，浙江 杭州 310018)

以杭州灣南岸濕地為例，應(yīng)用支持矢量機(jī)分類方法對(duì)現(xiàn)有遙感影像進(jìn)行分類，并根據(jù)分類結(jié)果對(duì)杭州灣南岸濕地進(jìn)行變化檢測(cè)，最后從宏觀和微觀兩個(gè)層面揭示該地區(qū)濕地范圍內(nèi)土地覆蓋類型的變化情況.結(jié)果表明研究區(qū)域內(nèi)進(jìn)行了大規(guī)模的圍墾工程，濕地范圍增加約319.195 km2；并顯示該地區(qū)近年來城市建設(shè)發(fā)展較快，一定比例灘涂被建筑用地所取代.

濕地；變化檢測(cè);支持矢量機(jī);多時(shí)相遙感影像

0 引 言

濕地是水陸相互作用形成的特殊生態(tài)系統(tǒng)，是生物多樣性豐富的自然生態(tài)資源和人類賴以生存的棲息地之一.濕地在防御洪水、改善氣候、調(diào)節(jié)徑流、維持生態(tài)平衡等方面的獨(dú)特作用而占據(jù)著其他系統(tǒng)不可替代的地位.近年來，在自然變化和人類活動(dòng)的雙重影響下，濕地遭到了大幅度的污染與破壞，因此，對(duì)濕地的變化檢測(cè)對(duì)濕地的保護(hù)、恢復(fù)重建和可持續(xù)利用具有重要的現(xiàn)實(shí)意義.

傳統(tǒng)的濕地野外調(diào)查方法，不僅耗費(fèi)大量的人力、物力，調(diào)查結(jié)果不僅依賴于人的主觀判斷，而一些難以到達(dá)的區(qū)域也嚴(yán)重影響了濕地調(diào)查質(zhì)量.遙感技術(shù)具有觀測(cè)范圍廣、信息量大、獲取信息快、可比性強(qiáng)等優(yōu)點(diǎn)，已廣泛應(yīng)用于濕地信息的提取分類[1]、植被信息提取[2]、土地利用分析[3]、景觀格局變化檢測(cè)[4]、水面檢測(cè)[5]等研究中，是目前濕地研究的熱點(diǎn)方向.遙感影像的變化檢測(cè)是從不同時(shí)期的遙感圖像中，定量地分析和確定地物變化的特征和過程的技術(shù)，其中涉及的知識(shí)和因素很多，譬如描述變化信息、變化類型及分布狀況等.當(dāng)前研究的重點(diǎn)都集中在變化信息的提取上[6-8].根據(jù)是否預(yù)先對(duì)影像進(jìn)行分類處理的角度出發(fā)，可以將變化檢測(cè)分為直接比較法和分類后比較法[9].對(duì)于后一種方法，在獲得變化信息的同時(shí)還可以了解到每個(gè)時(shí)期影像地物類別的分布格局，這對(duì)于某些實(shí)際應(yīng)用是非常有必要的，并且能夠有效避免窮盡變化類別選擇樣本的困難，本文將采用后一種方法進(jìn)行濕地變化檢測(cè).

1 研究區(qū)概述與遙感數(shù)據(jù)源

1.1 研究區(qū)域概述

杭州灣位于北太平洋西岸，北緯29°39′～31°15′、東經(jīng)120°5′～122°54′之間，地處上海市南端、浙江省東北部，西起浙江省海鹽縣澉浦鎮(zhèn)和慈溪市之間的西三豐收閘斷面，以錢塘江水域?yàn)榻?，形狀好似一個(gè)喇叭狀，選取的研究區(qū)域位于慈溪市北郊的杭州灣南岸濕地如圖1所示紅色矩形框內(nèi).該區(qū)域?qū)儆跂|亞太平洋西岸北亞熱帶濱海潮汐河口濕地，為動(dòng)植物資源提供保護(hù)，研究區(qū)域內(nèi)魚類資源豐富，是多種降河性洄游魚類產(chǎn)卵和仔魚生活的場(chǎng)所；該區(qū)域內(nèi)包括大片的蘆葦蕩與荒草地，以良好的環(huán)境、豐富的食物，是多種冬候鳥和多種旅鳥遷徙的重要驛站.

圖1 研究區(qū)域示意圖

1.2 遙感數(shù)據(jù)源

選取三期遙感影像，成像時(shí)間和軌道分別為1998年8月4日Landsat-5 TM(118-39)、2006年8月26日Landsat-5 TM(118-39)、2013年7月12日Landsat8-OLI(118-39).每景影像大小為765行×1418列.圖2顯示了三期影像假彩色影像圖，其中Landsat5影像由波段7、4、3合成，Landsat8影像由波段7、5、4合成.為了便于比較，以2013年的影像為標(biāo)準(zhǔn)，對(duì)其他兩期影像進(jìn)行直方圖匹配處理.

圖2 研究區(qū)域原始遙感影像

2 基于支持矢量機(jī)的遙感影像分類

本文基于遙感影像的杭州灣濕地變化分析采用對(duì)遙感影像分類后進(jìn)行變化檢測(cè)分析方法.因此，分類模型的選擇至關(guān)重要，直接決定檢測(cè)的準(zhǔn)確性.支持矢量機(jī)(Support Vector Machines SVM)是Cortes C和Vapnik V N[6]于1995提出的一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，該方法的特點(diǎn)是能夠同時(shí)最小化經(jīng)驗(yàn)誤差和最大化幾何緣區(qū)，因此，又稱為最大邊緣區(qū)分類器.該方法是近年來模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)[11-12]，在遙感分類研究中的一些實(shí)驗(yàn)表明分類結(jié)果比傳統(tǒng)最大似然分類器、人工神經(jīng)網(wǎng)絡(luò)分類器等具有更高的精度[13-16].

2.1 支持矢量機(jī)原理

設(shè)帶有類別標(biāo)記的訓(xùn)練樣本集T={(x1,y1),…,(xl,yl)}∈(x,y)l，其中xi∈x=Rn，yi∈y={-1,1}，i=1,…,l，xi表示輸入的度量指標(biāo)分類特征向量，yi表示輸出的學(xué)習(xí)結(jié)果.訓(xùn)練的目的就是尋找結(jié)構(gòu)風(fēng)險(xiǎn)最小的判決函數(shù)f(x,α)，滿足此條件的函數(shù)為具有最大間隔的分類超平面w·x+b=0.超平面的解通過求解二次規(guī)劃問題獲得：

商談紀(jì)要主要內(nèi)容包含合同相對(duì)方關(guān)于項(xiàng)目的商談時(shí)間、地點(diǎn)、參加人員、商談過程和商談結(jié)論等，雙方參會(huì)人員需簽字，我方參會(huì)人員原則不少于3人，對(duì)于施行預(yù)算管理的企業(yè)，涉及預(yù)算外資金的項(xiàng)目建議財(cái)務(wù)部門參加，重要項(xiàng)目建議審計(jì)部門參加。

(1)

式中，w是最優(yōu)分類面的法向量，b是偏移量，α是拉格朗日乘子.

為了使函數(shù)L關(guān)于w,b最小化，分別令L關(guān)于w,b的偏導(dǎo)數(shù)為0，則式(1)可以轉(zhuǎn)化為求解拉格朗日的對(duì)偶問題：

(2)

這是一個(gè)不等式約束下的二次函數(shù)尋優(yōu)問題，存在唯一解.解中只有部分αi不為零，這些不為零的αi所對(duì)應(yīng)的樣本即被稱為“支持向量”，得到最優(yōu)分類決策函數(shù)為：

(3)

2.2 濕地類型劃分

依據(jù)研究區(qū)域的實(shí)際情況并結(jié)合濕地資源空間格局的特點(diǎn)，劃分的典型覆蓋地物類型包括海水水體、灘涂、池塘和水田、建筑用地、沼澤地、綠地、農(nóng)田七個(gè)大類.樣本選擇標(biāo)準(zhǔn)如表1所示.

表1 本文所采用的濕地分類體系

2.3 特征選擇

根據(jù)上述濕地類型的劃分，土地覆蓋類型的區(qū)分主要集中在水分含量的多少和植被覆蓋的多少兩個(gè)特征上，這些土地覆蓋類型之間包含了一些共性特征而增加了分類的難度.因此在進(jìn)行遙感影像的的分類過程中，本文不僅選擇了多光譜圖像的光譜特征，還包括了某些經(jīng)圖像變換處理后反應(yīng)的特征值.

(1)光譜數(shù)據(jù)的選擇.根據(jù)Landsat5的7個(gè)波段影像特征，選取7、4、3三個(gè)波段的影像數(shù)據(jù)參與分類，其中波段3用于觀測(cè)道路/裸露土壤/植被種類效果很好；波段4用于估算生物數(shù)量，可以從植被中區(qū)分出水體、分辨潮濕土壤；波段7可用于辨識(shí)植被覆蓋和濕潤(rùn)土壤.根據(jù)Landsat8多光譜影像數(shù)據(jù)與Landsat5多光譜影像數(shù)據(jù)的對(duì)應(yīng)關(guān)系，2013年的影像數(shù)據(jù)選取7、5、4三個(gè)波段影像信息.

(2)歸一化植被指數(shù)NDVI(NormalizedDifferenceVegetationIndex).該指數(shù)是一種反映植被覆蓋情況的遙感指標(biāo)，具有植被檢測(cè)靈敏度高，植被覆蓋度的檢測(cè)范圍寬，能消除大部分地形陰影、太陽高度角和大氣等影響因素所帶來的噪聲等優(yōu)點(diǎn)，計(jì)算簡(jiǎn)單.以Landsat5影像數(shù)據(jù)為例，NDVI的計(jì)算公式為

(4)

其中TM3和TM4分別表示可見光波段TM3和近紅外波段TM4.

(3)紋理特征.植被和農(nóng)田都具有很高的植被覆蓋度，但是農(nóng)田具有明顯的紋理特征，因此，選擇紋理特征來區(qū)分二者的差異.紋理特征是成片分布的細(xì)小地物在影像上可以造成有規(guī)律的重復(fù)，是地物成群分布時(shí)的形狀、大小、性質(zhì)等因素的綜合表現(xiàn).因此，紋理特征表現(xiàn)了圖像中灰度的空間相關(guān)特性.紋理特征的計(jì)算有多種方法，其中灰度共生矩陣是一種通過研究灰度的空間相關(guān)特性來描述紋理的常用方法.本文采用3×3大小的窗口進(jìn)行計(jì)算，采用角二階矩、對(duì)比度、相關(guān)性和熵四個(gè)特征來表示影像的紋理特征.

(4)纓帽變換(K-T變換).農(nóng)田和水田具有相似的紋理特征，但是水田的水分含量明顯大于農(nóng)田的水分含量，因此水田更趨于水體的特征，所以二者在亮度、綠度和濕度上應(yīng)該存在一定的差異，因此，本文采用K-T變換計(jì)算的亮度、綠度和濕度才提高二者的可區(qū)分性.

2.4 分類結(jié)果

基于上述選擇和計(jì)算的特征數(shù)據(jù)，利用SVM分類方法對(duì)影像數(shù)據(jù)進(jìn)行分類，三期影像分類結(jié)果如圖3所示.使用驗(yàn)證樣本對(duì)分類結(jié)果構(gòu)建混淆矩陣，進(jìn)行精度評(píng)價(jià).以1998年影像分類結(jié)果精度評(píng)價(jià)為例，通過表2可以看出，對(duì)影像分總體分類精度為92.18%，Kappa系數(shù)為0.903 2.其中海水水域和灘涂在使用者精度和生產(chǎn)者精度上都比較高，這是由于海水水域和灘涂的影像特征比較明顯而且邊界比較清晰，容易區(qū)分.而綠地、池塘和水田、沼澤地的的分類精度相對(duì)較低，主要原因在部分綠地與沼澤地、池塘和水田存在交叉，詳細(xì)劃分有一定的難度并且Landsat影像數(shù)據(jù)自身混合像元的問題導(dǎo)致其錯(cuò)分漏分現(xiàn)象比較明顯.總體分析可以得出采用該方法提取的濕地信息精度達(dá)到了濕地景觀格局變化檢測(cè)的要求.

表2 影像數(shù)據(jù)分類結(jié)果混淆矩陣(1998年為例)

圖3 三期影像分類結(jié)果圖

3 杭州灣南岸濕地變化分析

根據(jù)分類結(jié)果對(duì)杭州灣南岸濕地進(jìn)行變化分析.通過表3和圖4、圖5可以看出研究區(qū)域內(nèi)土地覆蓋類型的時(shí)空變化.

(1)通過表3可以看出，從1998-2013年間，研究區(qū)域內(nèi)海水水域面積縮減明顯，縮減面積達(dá)319.195km2，而灘涂、沼澤地、池塘和水田、綠地、建筑用地都出現(xiàn)了明顯的漲幅，尤其是灘涂、池塘和水田、建筑用地，變化率分別達(dá)到了409.191%、244.597%、118.753%.

(2)從圖3可以看出在1998-2013年之間，杭州灣南岸濕地范圍逐漸增大.在研究區(qū)域內(nèi)，從1998年到2013年間海水水域面積減小了319.195km2，占研究區(qū)域內(nèi)海水面積的51%以上.其中從1998-2006年間面積減小228.023km2，2006-2013年海水水域面積減小91.172km2.從圖4可以看出減少的海水水域85%以上變?yōu)闉┩浚溆嗤ㄟ^治理變?yōu)槌靥粱蛩?、建筑用地?由此可以推斷，從1998-2013年間杭州灣南岸進(jìn)行了大規(guī)模的圍墾工程.

(3)灘涂面積在2006年增幅明顯，而在2013則稍有回落.從圖5可以看出，雖然灘涂面積增加，然而由于地少人多，又加之經(jīng)濟(jì)的快速發(fā)展，工業(yè)用地和城市基礎(chǔ)設(shè)施建設(shè)以及建筑需求都使得開墾灘涂來擴(kuò)大建筑面積的需求日益迫切，在1998-2006和2006-2013年間分別有16.1%和9.20%的灘涂被建筑用地所取代.

(4)農(nóng)田和建筑用地的變化規(guī)律正好相反.2006年以前，農(nóng)田面積呈減少趨勢(shì)而建筑用地面積則明顯增加，雖然2006-2013年間農(nóng)田面積有所增加，但是仍然不能改變逐漸縮小的趨勢(shì).沼澤地在2006年以前有所減小，但是在2006年以后范圍明顯增大.池塘和水田、綠地則一直呈增長(zhǎng)趨勢(shì).

表3 1998-2013年杭州灣南岸濕地面積變化面積 單位：km2變化率：%

圖4 海水水域變化率

圖5 灘涂變化率

4 結(jié) 語

杭州灣濕地是我國八大咸水濕地之一，杭州灣濕地生態(tài)系統(tǒng)的健康不僅關(guān)系到環(huán)杭州灣城市和產(chǎn)業(yè)帶的環(huán)境質(zhì)量，濕地資源的合理保護(hù)與利用更是直接影響到區(qū)域經(jīng)濟(jì)的穩(wěn)定和可持續(xù)發(fā)展.本文利用1998年、2006年及2013年3期TM影像，采用支持向量機(jī)分類方法進(jìn)行地物分類，根據(jù)分類結(jié)果對(duì)杭州灣南岸濕地土地覆蓋類型變化進(jìn)行宏觀和微觀兩個(gè)層面的定量分析，揭示了在過去15年間杭州灣南岸濕地形態(tài)和空間格局上的變化規(guī)律.通過研究，得出(1)在這15年間，杭州灣南岸進(jìn)行了大規(guī)模的圍墾工程，濕地范圍增加明顯；(2)城市建設(shè)發(fā)展較快，灘涂面積逐漸被建筑用地、池塘和水田、綠地等類型所取代；(3)農(nóng)田面積逐漸減小.

[1] 江 健,林文鵬,何 歡,等.上海市濕地信息遙感提取方法研究[J].濕地科學(xué),2013,11(4):470-474.

[2] 柴 穎,阮仁宗,傅巧妮,等.面向?qū)ο蟮母吖庾V影像濕地植被信息提取[J].地理空間信息,2015,13(4):83-85.

[3] 張麗娜,張樹清,劉春悅,等.4個(gè)時(shí)期三江平原別拉洪河河岸帶土地利用分析[J].濕地科學(xué),2014,12(2):268-272.

[4] 謝 靜,王宗明,任春穎.基于遙感的濕地景觀格局季相分析[J].生態(tài)學(xué)報(bào),2014,34(24):7149-7157.

[5] 徐怡波,賴錫軍，周春國.基于衛(wèi)星雷達(dá)數(shù)據(jù)的鄱陽湖濕地水面檢測(cè)與淹露分析[J].中國環(huán)境科學(xué),2010,30(l):57-63.

[6] 陳 晉,何春陽,卓 莉.基于變化向量分析的土地利用/覆蓋變化動(dòng)態(tài)監(jiān)測(cè)變化類型的確定方法[J].遙感學(xué)報(bào),2001,5(5):346-352.

[7] 張錦水,潘耀忠,韓立建,等.光譜與紋理信息復(fù)合的土地利用/覆蓋變化動(dòng)態(tài)監(jiān)測(cè)研究[J].遙感學(xué)報(bào),2007(4):500-510.

[8] 馬國銳,眭海剛,李平湘,等.一種遙感影像核變化檢測(cè)方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2007(7):597-600.

[9] 周啟嗚.多時(shí)相遙感影像變化檢測(cè)綜述[J].地理信息世界,2011,9(2):28-33.

[10]CortesC,VapnikVN.Supportvectornetworks[J].Mach.Learning,1995,20(3):273-297.

[11] 郭明瑋,趙宇宙,項(xiàng)俊平,等.基于支持向量機(jī)的目標(biāo)檢測(cè)算法綜述[J].控制與決策，2014,29(2):193-200.

[12] 于明鑫,周遠(yuǎn)松,王向周,等.基于灰度信息和支持向量機(jī)的人眼檢測(cè)方法[J].工程科學(xué)學(xué)報(bào)，2015,37(6):804-811.

[13] 張 策,臧淑英,金 竺,等.基于支持矢量機(jī)的扎龍濕地遙感分類研究[J].濕地科學(xué)，2011,9(3):263-269.

[14] 譚 琨,杜培軍.基于支持向量機(jī)的高光譜遙感圖像分類[J].紅外與毫米波學(xué)報(bào),2008,27(2):123-128.

[15] 朱海洲,賈銀山.基于是指向量機(jī)的遙感圖像分類研究[J].科學(xué)技術(shù)與工程,2010,10(5):3659-3663.

聲 明

為適應(yīng)我國信息化建設(shè)需要，擴(kuò)大作者學(xué)術(shù)交流渠道和促進(jìn)科技成果的迅速轉(zhuǎn)化，本刊已加入“萬方數(shù)據(jù)資源系統(tǒng)(ChinaInfo)數(shù)字化期刊群”、《中國學(xué)術(shù)期刊(光盤版)》和“中國期刊網(wǎng)”及中國“北極星”等網(wǎng)站或電子出版物，并成為其全文收錄期刊和《中國學(xué)術(shù)期刊綜合評(píng)價(jià)數(shù)據(jù)庫》統(tǒng)計(jì)刊源.凡向本刊所投稿件，全體作者均視為愿意進(jìn)入上述的數(shù)字化期刊群，并愿意將該論文的復(fù)制權(quán)、發(fā)行權(quán)、信息網(wǎng)絡(luò)傳播權(quán)、翻譯權(quán)、匯編權(quán)等權(quán)利在全世界范圍內(nèi)轉(zhuǎn)讓給本刊.凡被錄用的稿件，將同時(shí)通過因特網(wǎng)進(jìn)行網(wǎng)絡(luò)出版或提供信息服務(wù)，稿件一經(jīng)刊用，其作者的著作權(quán)使用費(fèi)由本刊一次性所發(fā)稿酬(即包括印刷版、光盤版和網(wǎng)絡(luò)版各種使用方式的報(bào)酬)所包含.如有作者不同意上述事項(xiàng)，請(qǐng)?jiān)趤砀鍟r(shí)申明，本刊將作適當(dāng)處理.

浙江水利水電學(xué)院學(xué)報(bào)編輯部

Balance Analysis on South Hangzhou Bay Wetland Based on Remote Sensing Images

LI Ai-xia

(School of Surveying and Municipal Engineering, Zhejiang University of Water Resources and Electric Power, Hangzhou 310018, China)

Detecting the changes of wetland is quite important for the protection, rebuilding and sustainable utilization of the wetland. Taking the wetland of South Hangzhou Bay for example, three remote sensing images acquired in 1998, 2006 and 2013 are introduced in this paper. First, the images are classified by the algorithm of Support Vector Machines (SVM). Then, the change detection is fulfilled based on the results of the classification. Finally, the variation of the land coverage in this area is analyzed both in macroscopic and microcosmic scale. The results show that, in 15 years, there was a large-scale reclamation in this area and the wetland was increased by 319.195 sq.km. In addition, 16.1% tidelands in 1998-2006 and 9.20% tidelands in 2006-2013 were replaced by the building land, which illustrated that the urban construction is developed rapidly in recent years.

wetland; change detection; Support Vector Machines (SVM); multi-temporal remote sensing images

2015-07-11

浙江省教育廳資助項(xiàng)目(Y201432349)

李愛霞(1977-)，女,河南林州市人，博士，講師,從事遙感技術(shù)應(yīng)用、遙感圖像處理方面的研究.

TV211.1

A

1008-536X(2015)09-0062-06