近20年太湖草型區(qū)水生植物遙感監(jiān)測

王永敏

(上?？睖y設(shè)計研究院有限公司，上海 200080)

0 引 言

湖泊是城市發(fā)展的重要有機(jī)組成部分之一[1]，能補(bǔ)充地下水、調(diào)節(jié)水循環(huán)，調(diào)節(jié)區(qū)域環(huán)境并反映其變化情況，對氣候也有所影響。太湖淡水資源豐富，跨越浙江和江蘇兩個經(jīng)濟(jì)大省，對當(dāng)?shù)丨h(huán)境和經(jīng)濟(jì)影響重大。大型水生植物能夠維持整個湖泊的生態(tài)平衡，使湖泊水質(zhì)保持良好狀態(tài)，其分布情況會體現(xiàn)在遙感影像中[2]。因此，研究淺水湖泊中大型水生植物的面積、分布情況和變化對湖泊水質(zhì)的分析和控制具有重要意義。

遙感技術(shù)的出現(xiàn)和其鮮明的優(yōu)點，為水環(huán)境變化監(jiān)測帶來了新的變革，使得投入較低花費(fèi)實現(xiàn)大范圍水環(huán)境變化監(jiān)測成為可能。如何將遙感技術(shù)合理、有效地應(yīng)用到湖泊水環(huán)境變化監(jiān)測中，并提高監(jiān)測精度和效率，是研究的重點。

水生植物的光譜反射特征與陸生植物有一定相似之處，因此陸生植物分類和提取的技術(shù)和方法對于太湖水生植物遙感監(jiān)測的實現(xiàn)具有一定的借鑒和指導(dǎo)意義。隨著人們對環(huán)境和生態(tài)保護(hù)意識的增強(qiáng)，國內(nèi)外學(xué)者在水生植物遙感監(jiān)測方面做了大量研究，也取得了一些成果。不同學(xué)者提出了對應(yīng)于不同數(shù)據(jù)和地區(qū)的各種方法和研究成果，如：Valta-Hulkkonen[3]利用航拍照片數(shù)據(jù)資料，通過影像增強(qiáng)、主成分分析等方法，論證了利用水生植物的冠層大小、豐度和葉片形態(tài)等區(qū)分不同水生植物，從而實現(xiàn)水生植物分類的可行性，并對相關(guān)性進(jìn)行了研究；Baker等利用Landsat ETM+遙感影像數(shù)據(jù)，通過決策樹分析的方法實現(xiàn)了美國加勒廷谷水生植物的分類[4]；張淵智、段洪濤等利用多元遙感數(shù)據(jù)進(jìn)行研究，驗證了MERIS和MODIS數(shù)據(jù)用于太湖藻類提取的可行性[5]；李俊生等利用實測光譜和高光譜遙感數(shù)據(jù)，構(gòu)建了適合浮葉植物、沉水植物、水華和水體的遙感指數(shù)并建立了它們的識別公式[6]。遙感技術(shù)為水生植物的監(jiān)測提供了一種便捷的手段，在動態(tài)監(jiān)測方面也有很多研究和發(fā)現(xiàn)，如Shapiro等利用Landsat TM和Landsat ETM+遙感影像，以波多黎各東部為研究區(qū)域，實現(xiàn)了1985～2000年水生植物的變化檢測[7]。

不同區(qū)域、不同季節(jié)遙感影像的獲取條件不同，而且不同水體的地物波譜特性也存在差異，因此許多地物指數(shù)和遙感分類方法的通用性并不好。以上這些研究大多是近海岸等水體透明度較高的區(qū)域，有些方法對太湖這種淺水湖且富營養(yǎng)化程度比較嚴(yán)重的水域并不適用，此外，目前有些針對太湖區(qū)域的研究并未構(gòu)建一種可以實現(xiàn)水生植物自動監(jiān)測的模型，但是這些研究成果為本文的研究打下了理論基礎(chǔ)，在方法和思路上具有很好的借鑒意義。針對現(xiàn)有植被指數(shù)對太湖草型區(qū)水生植物分類的局限性和不足之處，通過分析水生植物和湖水光譜特征，經(jīng)過大量實驗，創(chuàng)建了適合夏季太湖草型區(qū)水生植物分類的NVWI指數(shù)，基于NVWI指數(shù)結(jié)合K-M分類法實現(xiàn)了近20年太湖草型區(qū)的水生植物遙感監(jiān)測，研究發(fā)現(xiàn)：近20年中，沉水植物出現(xiàn)先減少后增加的變化趨勢，一直占比較大；浮葉植物在2004年前后有所增加，近十年不斷減少；挺水植物的變化規(guī)律不明顯，這與挺水植物受人為活動影響大有關(guān)。

1 研究區(qū)數(shù)據(jù)采集

1.1 研究區(qū)概況

太湖是我國五大淡水湖之一，位于30°55′40″N～31°32′58″N、119°52′32″E～120°36′10″E之間，太湖西側(cè)和西南側(cè)以丘陵和山地為主，東側(cè)為平原和水網(wǎng)。太湖一共分為8個湖區(qū)，經(jīng)查閱資料發(fā)現(xiàn)，太湖中藍(lán)藻聚集區(qū)和大型水生植物生長聚集區(qū)相對獨(dú)立(圖1)。本文的研究區(qū)為圖1(b)中的紅色區(qū)域，在文中稱太湖草型區(qū)。

圖1 太湖湖區(qū)分布和研究區(qū)劃分

由圖2可以看出，2016年太湖草型區(qū)中沉水植物分布面積較大，挺水植物主要在東太湖沿岸和湖中島嶼沿線有分布，浮葉植物分布面積較少，僅在東太湖中出現(xiàn)了3片較小的聚集區(qū)。要說明的是，驗證數(shù)據(jù)中將圍網(wǎng)養(yǎng)殖區(qū)單獨(dú)區(qū)分出來，即圖2中的白色區(qū)域，但是實際情況是圍網(wǎng)區(qū)中水生植物分布較廣泛，尤其是沉水植物可以吸收水中礦物質(zhì)，為魚蝦等提供養(yǎng)料和溶解氧，在圍網(wǎng)養(yǎng)殖區(qū)更是常見，所以下文在分類時未將圍網(wǎng)養(yǎng)殖區(qū)單獨(dú)劃分。

圖2 2016年夏季水生植物分布情況數(shù)據(jù)

1.2 研究區(qū)數(shù)據(jù)介紹

本文選用1995年、2000年、2004年、2008年、2010年、2014年和2016年夏季Landsat TM/ETM+/OLI多光譜遙感影像作為基礎(chǔ)影像資料，以2016年夏季的水生植物真實類群分布數(shù)據(jù)(圖2)作為驗證，分析近20年太湖草型區(qū)水生植物類群的時空變化。遙感影像從地理空間數(shù)據(jù)云和美國地質(zhì)調(diào)查局USGS上下載獲取，驗證數(shù)據(jù)從水利部太湖流域管理局官方網(wǎng)站上獲取并結(jié)合其他歷史資料，繪制了2016年夏季水生植物分布情況圖。可以根據(jù)驗證數(shù)據(jù)選擇驗證樣本，對分類方法的有效性和分類結(jié)果的精度進(jìn)行評價。

2 數(shù)據(jù)處理

2.1 K-M分類法

本文研究的時間跨度大，從1995年至2016年已有20多年，在這段時間中，太湖流域地物類別和分布等是否發(fā)生較大變化難以確定，因此，訓(xùn)練樣本選取的準(zhǔn)確性和代表性難以保證。為了減少人為誤差對分類結(jié)果的影響，本文采用非監(jiān)督分類中的K-M分類法，根據(jù)經(jīng)驗值確定類別初始中心數(shù)目進(jìn)行聚類，初步分類后再經(jīng)過分類后處理，獲得最終的分類結(jié)果圖。

K-M分類法又叫C-均值分類法，屬于非監(jiān)督分類中的一種常用的分類方法，其基本思想是：通過迭代運(yùn)算、按照最小二乘誤差原則移動各類的中心并確定新的類別中心，直到得到最好的聚類結(jié)果為止[8-9]。根據(jù)經(jīng)驗值確定類別數(shù)C(C為一已知整數(shù))后，K-M分類法的實現(xiàn)可以概括為以下4步：

(1)

(2)

2.2 精度評價

本文所用提取結(jié)果的精度評價指標(biāo)主要有總體分類精度、用戶精度、制圖精度和Kappa系數(shù)，介紹和公式如下：

(1)總體分類精度

總體分類精度表示所分類結(jié)果與參考圖像中對應(yīng)類別一致的概率，是具有概率意義的一個統(tǒng)計量，其表達(dá)式為：

(3)

(2)用戶精度(對于第i類)

用戶精度表示分類結(jié)果中任一隨機(jī)樣本所具有的類型與參考圖像上實際類型一致的概率，其表達(dá)式為：

UA=Xii/Xi+

(4)

(3)制圖精度

制圖精度表示參考圖像中任一隨機(jī)樣本的類型與分類圖像上同一地點的分類結(jié)果一致的概率，其表達(dá)式為：

PA=Xjj/X+j

(5)

(4)Kappa系數(shù)

Kappa系數(shù)是用來測定參考影像中所有類別和分類結(jié)果的整體吻合度或綜合精度的指標(biāo)，其表達(dá)式為：

(6)

通常，Khat值大于0.80表示分類圖像和參考信息之間的吻合度或一致性很大，精度很高；Khat值在0.40～0.80之間表示分類圖像和參考信息之間的吻合度或一致性處于中等水平；Khat值小于0.40表示吻合度或一致性很差，說明精度較低。

3 結(jié)果與分析

草型區(qū)水生植物主要包括挺水植物、浮葉植物和沉水植物。太湖中常見的有菱、苦草、蘆葦、荷花等。通常情況下，水生植物生長越好的湖泊，水質(zhì)越好，水體透明度越高，藍(lán)藻越少。在對原始遙感影像進(jìn)行幾何精校正、輻射校正和大氣校正等預(yù)處理后，通過合適的植被指數(shù)進(jìn)行增強(qiáng)處理，然后通過K-M分類法實現(xiàn)水生植物遙感監(jiān)測。

3.1 植被指數(shù)構(gòu)建

目前常見的植被指數(shù)有歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI、差值植被指數(shù)DVI、歸一化差異綠度指數(shù)NDGI和增強(qiáng)植被指數(shù)EVI，通過植被指數(shù)對遙感影像進(jìn)行處理可以增強(qiáng)植被與其他地物的對比度，進(jìn)而提高分類精度。前述的幾種植被指數(shù)大多是以紅光和近紅外波段構(gòu)建，也有用到藍(lán)光和綠光波段的，每一種植被指數(shù)都有各自的優(yōu)缺點，適用于不同情況的植被提取。為探究不同植被指數(shù)對太湖草型區(qū)水生植物分類的效果，將2016年8月28日太湖草型區(qū)影像采用5種常見植被指數(shù)結(jié)合K-M分類法進(jìn)行處理，將處理所得的結(jié)果與2016年夏季水生植物真實類群分布數(shù)據(jù)進(jìn)行對比(圖3)。

圖3中，紅色圓圈標(biāo)注部分為分類結(jié)果不夠準(zhǔn)確的部分，可以看出：在挺水植物的識別上，采用5種指數(shù)所得的分類結(jié)果差別不大，均較理想，這可能是因為挺水植物的光譜特征與陸生植物類似，因此以上5種植被指數(shù)發(fā)揮了作用；在沉水植物的識別上，DVI指數(shù)和RVI指數(shù)并未提取出貢湖和東部沿岸區(qū)的沉水植物，NDVI指數(shù)將貢湖區(qū)域覆蓋度較高的沉水植物錯分為了浮葉植物，NDGI指數(shù)僅僅識別出了貢湖區(qū)域的沉水植物，相比而言，EVI指數(shù)對沉水植物識別效果較好，但是也不是很理想，可以明顯看出EVI指數(shù)沒有識別出東部沿岸區(qū)的沉水植物，并且將湖心區(qū)與東太湖交界處的湖水錯分為沉水植物；在浮葉植物的識別上，DVI指數(shù)、NDVI指數(shù)、EVI指數(shù)都獲得了較好的結(jié)果，見圖3中的紅色矩形標(biāo)注區(qū)域，其他兩種植被指數(shù)效果欠佳。總體上，直接利用已有的植被指數(shù)結(jié)合K-M分類法幾乎無法獲得較理想的太湖草型區(qū)水生植物的分類結(jié)果，雖然對挺水植物識別效果較好，但是對沉水植物的識別存在較大局限性。因此，必須創(chuàng)建一種適合太湖草型區(qū)水生植物類群識別的植被指數(shù)。

圖3 不同植被指數(shù)下2016年夏季水生植物類群分布結(jié)果

分析圖3的結(jié)果，發(fā)現(xiàn)各個植被指數(shù)識別效果的差別主要表現(xiàn)在浮葉植物上，挺水植物效果均較好，沉水植物效果均較差，而對浮葉植物識別較好的3種指數(shù)分別為NDVI指數(shù)、DVI指數(shù)和EVI指數(shù)，以上3種植被指數(shù)的構(gòu)建中均用到了近紅外與紅光波段的差值運(yùn)算ρNIR-ρR。對沉水植物提取效果不佳的主要原因是沉水植物絕大部分生長在水下，其光譜反射率受湖水影響較大，因此如何兼顧水體，將成為提高沉水植物提取精度的切入點。水體的反射率主要在藍(lán)綠光波段，近紅外波段的反射率很低，幾乎接近于0，常見的水體指數(shù)也大多利用綠光波段和近紅外或者中紅外波段構(gòu)建，基于以上分析，選擇綠光、紅光和近紅外波段作為太湖草型區(qū)水生植物的敏感波段，通過大量實驗，發(fā)現(xiàn)利用以上3個波段通過差值和比值運(yùn)算，可以獲得比較理想的分類結(jié)果，本文中將該指數(shù)定義為NVWI指數(shù)，公式如下所示。

NVWI=(ρNIR-ρR)/(ρNIR-ρGreen)

(7)

式中，ρNIR表示近紅外波段的光譜反射率，ρR和ρGreen分別表示紅光和綠光波段的光譜反射率。

3.2 精度評價和驗證

利用本文構(gòu)建的NVWI指數(shù)結(jié)合K-M分類法，對2016年8月28日太湖草型區(qū)Landsat影像進(jìn)行水生植物分類，結(jié)果如圖4所示。將圖4與圖2對比，發(fā)現(xiàn)水生植物的識別效果整體上較好，結(jié)果圖中各種顏色斑塊聚集的形狀較規(guī)則的矩形區(qū)域即為圍網(wǎng)養(yǎng)殖區(qū)。

圖4 2016.8.28 NVWI指數(shù)結(jié)合K-M分類法結(jié)果圖

為進(jìn)一步驗證該方法的有效性和精度，通過上文提到的4種精度指標(biāo)對以上結(jié)果進(jìn)行精度評價(表1)，圖5則比較直觀地展現(xiàn)了不同年份下各地物分類精度的對比情況。

表1 草型區(qū)水生植物類群遙感監(jiān)測結(jié)果精度評價

由表1可以看出，2016年8月28日分類結(jié)果的總體精度達(dá)到了93.20%，Kappa系數(shù)達(dá)到了0.86。根據(jù)精度評價標(biāo)準(zhǔn)，可以判定2016年8月28日的分類結(jié)果和參考信息之間的吻合度或一致性很大，精度很高。若2016年排除浮葉植物后，總體精度可以達(dá)到97.01%，Kappa系數(shù)可以達(dá)到0.93。沉水植物和湖水的分類精度相對較高，接近90%；挺水植物提取精度較高，浮葉植物提取精度較低。

該指數(shù)對夏季太湖草型區(qū)水生植物分類效果好，不對時間普適性做相關(guān)研究。鑒于此，本文只用該方法探究近20年夏季太湖草型區(qū)水生植物的類群變化，對其他時段不做研究。

3.3 水生植物類群時空變化分析

利用本文創(chuàng)建的NVWI指數(shù)，結(jié)合K-M分類法，對1995年、2000年、2004年、2010年和2014年夏季太湖草型區(qū)水生植物類群進(jìn)行自動識別。圖5為以上5年太湖草型區(qū)水生植物的分類結(jié)果，各種植物的解譯面積值如表2所示。結(jié)合2016年分類結(jié)果，對1995～2016年該區(qū)水生植物類群和分布進(jìn)行分析，實現(xiàn)草型區(qū)水生植物遙感監(jiān)測。

圖5 夏季太湖草型區(qū)水生植物分類結(jié)果

表2 太湖草型區(qū)水生植物解譯結(jié)果面積(km2)統(tǒng)計

由圖5結(jié)合圖4發(fā)現(xiàn)，近20年水生植物類群結(jié)構(gòu)復(fù)雜度不斷降低，1995年夏季，貢湖南部和東太湖區(qū)域挺水植物、沉水植物和浮葉植物交錯分布，2000年和2004年東太湖以挺水植物和浮葉植物為主，沉水植物類群分布面積較小，到2014年和2016年東太湖區(qū)域則以挺水植物和沉水植物為主要優(yōu)勢植物，忽略1995～2000年水生植物分布面積略有增加的小變化，整個草型區(qū)水生植物覆蓋總面積呈現(xiàn)減小的趨勢，1995年到2016年水生植物總面積減少近70 km，近年來略微有所增加，2010年前后達(dá)到近20年水生植物覆蓋區(qū)域的最小值。

單獨(dú)分析每種水生植物的變化趨勢，發(fā)現(xiàn)：

(1)沉水植物呈現(xiàn)先減少后增加的變化趨勢。沉水植物在整個草型區(qū)均勻分布，絕大多數(shù)年份沉水植物在水生植物總面積中占比最高，說明太湖草型區(qū)的優(yōu)勢種為沉水植物。沉水植物面積減少比較明顯的為2000～2004年，這段時間圍網(wǎng)養(yǎng)殖區(qū)面積擴(kuò)張較明顯，大量圍網(wǎng)養(yǎng)殖區(qū)的存在會導(dǎo)致水體富營養(yǎng)化程度加重，使得水體透明度降低，而渾濁的水體會使水體透光性變差，影響沉水植物的光合作用和正常的生命過程，2010～2016年，隨著政府和人們環(huán)境意識的增強(qiáng)，東太湖水環(huán)境有所改善，沉水植物面積開始增加。因此，水體富營養(yǎng)化是沉水植物類群面積變化的主要影響因素。

(2)浮葉植物呈現(xiàn)先增加后減少的變化趨勢。1995年浮葉植物主要分布在東太湖中部和貢湖南部部分區(qū)域，到2000～2004年，浮葉植物面積增加明顯，分布上以東太湖為主；2010～2016年浮葉植物不斷減少，水利部太湖流域管理局資料顯示2014年、2015年收割和打撈水生植物總量達(dá)到28和17萬噸，其中浮葉植物占很大比例，并且收割區(qū)域以東太湖和東西山之間區(qū)域為主，因此分析浮葉植物減少的主要原因為人為收割和打撈，當(dāng)然也會受水環(huán)境變化的影響。

(3)挺水植物的變化規(guī)律不明顯，分布上主要集中在東太湖區(qū)域，以東太湖沿岸區(qū)域為主。1995年，東太湖湖區(qū)挺水植物面積較大，東太湖的東半部分優(yōu)勢植物類群為挺水植物，并且在貢湖南部和東部沿岸區(qū)也有小面積的挺水植物分布，到2000年，貢湖南部和東太湖湖區(qū)的挺水植物不復(fù)存在，2004年挺水植物主要分布在東太湖湖區(qū)，2004～2010年之間挺水植物大量減少，2014年前后挺水植物有所增加，近十年，挺水植物主要分布在東太湖沿岸地帶。查閱資料發(fā)現(xiàn)挺水植物減少的主要原因是圍網(wǎng)養(yǎng)殖區(qū)的盲目擴(kuò)張嚴(yán)重破壞了水生植物的生長環(huán)境，此外受人為收割的影響較大。

4 結(jié) 語

本文通過分析現(xiàn)有植被指數(shù)對太湖草型區(qū)植被遙感監(jiān)測的不足，通過大量實驗，創(chuàng)建了NVWI指數(shù)。經(jīng)過驗證，本研究創(chuàng)建的NVWI指數(shù)僅適用于夏季太湖草型區(qū)水生植物提取，普適性和通用性有待進(jìn)一步驗證。

利用本文創(chuàng)建的NVWI指數(shù)，結(jié)合K-M分類法實現(xiàn)了1995～2016年太湖草型區(qū)水生植物遙感監(jiān)測。分析各種地物所占比例的變化，發(fā)現(xiàn)湖水一直保持最大的比例，水生植物中沉水植物面積在絕大多數(shù)年份中占優(yōu)勢。

綜合來看，近20年太湖草型區(qū)水生植物的類群結(jié)構(gòu)和面積均發(fā)生了較大的變化，主要與人為因素有關(guān)，包括圍網(wǎng)養(yǎng)殖使水體富營養(yǎng)化程度的加重和人為收割、打撈等。水生植物對維持水環(huán)境健康穩(wěn)定和修復(fù)惡化的水環(huán)境具有重要作用，應(yīng)制定合理的開發(fā)方案，調(diào)節(jié)好水產(chǎn)養(yǎng)殖和水生植物的關(guān)系，在發(fā)展經(jīng)濟(jì)的同時注意保護(hù)環(huán)境，做到人與自然和諧相處。