遼河河口濕地動態(tài)變化監(jiān)測與分析

高 翔，袁希平，甘淑，2*

（1.昆明理工大學(xué)國土資源工程學(xué)院，云南昆明 650093；2.云南省高校高原山區(qū)空間信息測繪技術(shù)應(yīng)用工程研究中心，云南 昆明 650093；3.滇西應(yīng)用技術(shù)大學(xué)，云南 大理 671000）

0 引言

濕地是地球生態(tài)系統(tǒng)重要的組成部分，被譽為“地球之腎”。它在凈化污染、涵養(yǎng)水源、調(diào)節(jié)氣候方面有著重要的意義[1]。濕地屬于水、陸生生態(tài)系統(tǒng)之間的過渡帶區(qū)域[2]。環(huán)境方面，濕地可以有效地減少洪水的危害，阻止土壤沙漠化，保護海岸不受海浪侵蝕。經(jīng)濟方面除了濕地中的各種動植物帶來的經(jīng)濟效益，在旅游方面也能提供很高的收益。由于人類對自然的不斷開發(fā)，濕地在全球范圍內(nèi)呈現(xiàn)出退化和消失的趨勢[3]。保護濕地成為一個十分重要的任務(wù)。

早期濕地監(jiān)測多采用濕地考察，但由于濕地較為復(fù)雜的環(huán)境，采取實地觀測等常規(guī)方法對濕地水體進行監(jiān)測難度巨大，容易出現(xiàn)遺漏。隨著科技的發(fā)展，衛(wèi)星遙感作為一門新的檢測技術(shù)出現(xiàn)在大眾視野當(dāng)中[4]。遙感衛(wèi)星成像技術(shù)的出現(xiàn)為人類在短時間內(nèi)大幅度異地動態(tài)管理和研究地球上的資源提供了一個全新的自動化手段[5]。

國外近些年利用衛(wèi)星遙感做了大量的濕地研究，Beeri 等[6]利用陸地衛(wèi)星對美國密蘇里州沼澤濕地水體在不同季節(jié)年份變化進行了研究；Whyte 等[7]利用Sentinel-1和Sentinel-2 衛(wèi)星數(shù)據(jù)，建立一種新的基于對象的圖像分析方法來繪制濕地區(qū)域圖像；Moser L[8]利用2000 年到2012 年的MODIS 影像，通過緯度閾值梯度法來監(jiān)測西非半干旱地區(qū)的濕地水體的動態(tài)變化；Kayastha[9]利用1985 年到2009 年的陸地衛(wèi)星數(shù)據(jù)繪制了美國弗吉尼亞州北部濕地生態(tài)系統(tǒng)的變化圖，通過計算Z-分數(shù)方法來推導(dǎo)變化閾值。通過變化圖驗證，該方法能夠檢測出濕地的細微變化，我國該方面起步較晚。任玉環(huán)等[10]利用環(huán)境與災(zāi)害監(jiān)測預(yù)報小衛(wèi)星（HJ-1）提取了濱海濕地的分布情況；張文燕[11]利用多源影像，通過決策樹和特征知識結(jié)合的面向?qū)ο蠓诸惣夹g(shù)對閩江下游濕地進行了研究；劉源[12]通過多源影像對嫩江源區(qū)南甕河濕地分布及面積轉(zhuǎn)移進行了監(jiān)測；徐振田[13]利用CA-Markov 模型對黃河三角洲濕地變化進行了預(yù)測；游佩佩[14]采用機器學(xué)習(xí)算法，利用多源影像數(shù)據(jù)結(jié)合實地數(shù)據(jù)，對鹽城濱海濕地進行了分類研究。

遼河河口濕地是我國最大的蘆葦濱海濕地，濕地內(nèi)部擁有亞洲第一大蘆葦蕩。在河口處翅堿蓬（又名堿蓬草）相連成片，形成奇觀“紅海灘”。近些年由于環(huán)境變化以及人類活動，對濕地造成了一定破壞。濕地受損不但影響當(dāng)?shù)氐纳锒鄻有?，“紅海灘”作為景觀，對旅游觀光產(chǎn)業(yè)也造成了一定影響。通過對濕地內(nèi)部水體及其中的主要植被蘆葦和翅堿蓬面積進行監(jiān)測，有助于了解濕地的變化情況，便于當(dāng)?shù)赜嘘P(guān)部門做出相應(yīng)政策與調(diào)整。

1 研究區(qū)與研究數(shù)據(jù)

1.1 研究區(qū)概況

遼河河口濕地位于遼東灣北部，遼寧省盤錦市與營口市交界處，坐標(biāo)40°45′～41°10′N，121°30′～122°00′E，生態(tài)類型以蘆葦濕地、翅堿蓬濕地、河流灘涂以及海域為主[15]。遼河攜帶大量上游帶來的泥沙沉積物，在此處流入渤海。在遼河與渤海潮汐的相互作用下，形成世界上保存最完好、濕地類型最多、濕地最完整的生態(tài)系統(tǒng)[16]。圖1 為遼河河口濕地的遙感影像。

圖1 遼河河口濕地Landsat 8 遙感影像

1.2 研究數(shù)據(jù)選取

由于每年的7 月份后遼河地區(qū)進入雨季，有一定幾率出現(xiàn)洪水災(zāi)害，為了避免洪水與潮汐對濕地水體及翅堿蓬帶來的影響，選取5 月末到6 月初的Landsat 8 遙感數(shù)據(jù)作為數(shù)據(jù)源。圖2 為受到潮汐影響下同年不同月份遙感圖像對比。可以明顯看出沿海部分受到潮汐影響，翅堿蓬被大面積淹沒。

圖2 2018 年6 月與10 月遙感圖像對比

2 研究路線及方法

2.1 數(shù)據(jù)預(yù)處理

在ENVI 5.3 中對原始影像數(shù)據(jù)進行輻射校正，大氣校正處理，進行裁剪，得到遼河三角洲濕地區(qū)域的遙感影像圖。圖3 為預(yù)處理結(jié)果圖。

圖3 預(yù)處理結(jié)果圖

2.2 水與蘆葦提取

水提取方面選擇改進的歸一化差異水體指數(shù)（MNDWI）。MNDWI 是根據(jù)水體在中紅外波段反射率依然較低而土壤建筑在該波段反射率較高的差異，從而突出水體。計算公式如下：

Green、MIR 分別為綠光波段、中紅外波段。蘆葦采用歸一化植被指數(shù)（NDVI）進行提取，NDVI 原理是根據(jù)葉綠素在紅光波段的色素吸收率和植被在近紅外波段的反射率高的特點進行計算。公式為：

NIR、R 分別為近紅外波段、紅光波段。提取蘆葦時對研究區(qū)影像進行二次裁剪，得到包含蘆葦田范圍的遙感圖像。圖4 為葦田裁剪圖像。將根據(jù)指數(shù)提取得到的水體與蘆葦結(jié)果圖進行二值化，導(dǎo)入ArcGIS 中轉(zhuǎn)換為矢量圖，通過疊加對應(yīng)二值化圖，進行目視解譯刪除多余部分，留下水體與蘆葦區(qū)域。

圖4 葦場影像圖

2.3 翅堿蓬提取

翅堿蓬通過監(jiān)督分類中的Para（平行六面體）、Min D（最小距離）、Mah D（馬氏距離）、Max Like（最大似然）、Net（神經(jīng)網(wǎng)絡(luò)）、SVM（支持向量機）進行提取，表1 為六種監(jiān)督分類方法原理。

表1 六種監(jiān)督分類方法原理說明

對結(jié)果采用Majorit/Minority、Clump、Sieve 三種分類后處理方法，結(jié)合谷歌地球高精度影像數(shù)據(jù)與實地勘測，通過建立地表真實地物興趣點的方法，利用混淆矩陣對后處理結(jié)果精度進行評價，選出最佳的提取結(jié)果。圖5 為2014 年5 月Max Like 的三種分類后處理結(jié)果。

圖5 Max Like 方法的三種后處理結(jié)果

3 結(jié)果與分析

3.1 提取結(jié)果

根據(jù)ArcGIS 中的幾何計算功能統(tǒng)計出三種地物的面積數(shù)值，制作出地物面積變化情況，見表2。圖6為水體、蘆葦田、翅堿蓬在2014 年、2016 年、2017 年、2019 年、2020 年5 月提取結(jié)果圖。圖7 為根據(jù)表2 做出三者的面積變化折線圖。從中可以得出水體在2019年面積最大，2014 年最??；蘆葦2016 年面積最大，2020 年面積最??；翅堿蓬2014 年面積最大，2020 年面積最小。其中2014 年到2017 年翅堿蓬的變化趨勢與溫廣玥[17]所得出的翅堿蓬面積變化基本相同，面積也近似。

圖6 五年數(shù)據(jù)提取結(jié)果

圖7 三種地物五年面積變化圖

表2 三種地物面積變化表

3.2 變化分析

濕地三類地物變化的原因，要結(jié)合自然環(huán)境與人類活動進行分析。水體方面，從自然環(huán)境看，通過收集到的盤錦氣象站降水?dāng)?shù)據(jù)，做出四年5 月份降水變化折線圖。變化圖如圖8 所示。

圖8 降水量月變化折線圖

結(jié)合水體變化折線圖與降水年月折線圖可以看出降水與水體面積變化之間無明顯關(guān)聯(lián)。人類活動方面，圖9 為濕地沿海地區(qū)水體面積變化遙感影像圖。2015 年修建了兩個人工養(yǎng)魚池，2016 年其中一個已經(jīng)投入使用。結(jié)合降水變化數(shù)據(jù)，可知：2016 年5 月與2014 年5 月相比，因修建的養(yǎng)魚池其中一個投入使用，降水量較2014 年5 月有所增加，水體面積增長5.6 平方千米。2017 年5 月降雨量減少，但由于另一個養(yǎng)魚池投入使用，加上濕地內(nèi)部由于降雨減少，蘆葦生長較慢，部分地表水漏出，水體面積增加3.1 平方千米。2019 年5 月降雨增加，使部分在2017 年5 月干涸的水體得到補充，但由于蘆葦生長較2017 年5 月偏多，使部分裸露地表水消失?？傮w上水體面積只略微增加0.2 平方千米。因此，得出結(jié)論，水體變化是降雨量變化與人類活動共同影響的結(jié)果。

圖9 三年沿海地區(qū)影像圖

蘆葦田面積變化原因，從自然環(huán)境方面看，葦田面積變化折線圖結(jié)合降水變化折線圖，能夠發(fā)現(xiàn)葦田變化趨勢與降雨量變化趨勢相一致。2016 年5 月降雨相比2014 年5 月增多，葦田在2016 年5 月的面積增長13.1 平方千米。2017 年5 月降雨相比2016 年5 月減少，葦田面積較2016 年5 月減少85.3 平方千米。2019 年5 月降雨多于2017 年5月，葦田面積也相比2017 年5 月面積增加20.8 平方千米。人類活動方面由于遼寧省盤錦市當(dāng)?shù)卣畬竦夭扇×恕巴烁€葦”的政策，部分耕地被退還為葦田，圖10 可以看出部分耕地變成了葦田。但由于變化面積較小，不足以對葦田整體面積變化產(chǎn)生巨大影響。可以得到結(jié)論：“退耕還葦”雖然會改變?nèi)斕锏拿娣e變化，但降雨量是影響葦田面積變化的主要原因，兩者具有一定的正相關(guān)性。

圖10 耕地轉(zhuǎn)化圖

從降水量看，可以看出降水量變化趨勢與翅堿蓬面積變化趨勢并不一致，說明翅堿蓬面積變化與降水沒有明顯相關(guān)性。人為活動方面，根據(jù)盤錦市興安站的水質(zhì)報告得到2014 年、2016 年、2019 年、2020 年5月水質(zhì)質(zhì)量數(shù)據(jù)。水質(zhì)信息如下：2014 年5 月水質(zhì)1類2 類3 類水占21%、4 類5 類占79%。2016 年5 月水質(zhì)4 類69.2%、5 類15.4%、劣5 類15.4%、無1、2、3類。2019 年5 月水質(zhì)3 類30%、4 類40%、5 類10%、劣5 類20%。2020 年5 月水質(zhì)3 類14.3%、4 類64.3%、5類14.3%、劣5 類7.1%。

通過水質(zhì)變化趨勢可以得出翅堿蓬面積變化趨勢與其有一定負向關(guān)聯(lián)性。2016 年5 月水質(zhì)質(zhì)量較2014年5 月有所降低，翅堿蓬2016 年5 月面積較2014 年5 月減少24.4 平方千米。2020 年5 月水質(zhì)質(zhì)量低于2019 年5月，2020 年5 月翅堿蓬面積較2019 年5 月減少11.3 平方千米。其他人類活動影響方面，圖11 為沿海地區(qū)影像圖，由于沿海地區(qū)人工養(yǎng)魚池的修建，對附近區(qū)域的生態(tài)環(huán)境造成了影響，使原本在其中生長的翅堿蓬面積減小，但受影響的翅堿蓬區(qū)域的面積較小。

圖11 人工建筑對翅堿蓬面積影響

通過上述圖表可以得到以下結(jié)論：翅堿蓬面積變化與降水量無明顯關(guān)聯(lián)，與水質(zhì)有一定聯(lián)系。水體質(zhì)量降低，翅堿蓬面積減小。人工建筑對翅堿蓬面積也有一定負相關(guān)影響，但不是主要因素。

4 總結(jié)與討論

根據(jù)提取結(jié)果數(shù)據(jù)，結(jié)合降水量數(shù)據(jù)與水質(zhì)數(shù)據(jù)可以得出：濕地內(nèi)水體面積變化是降雨量與人類活動共同影響的結(jié)果。降水量與葦田面積變化有一定正相關(guān)性，是影響葦田面積的主要因素，人類活動是次要因素。翅堿蓬面積變化與水質(zhì)和人工建設(shè)活動有關(guān)。水質(zhì)為主要因素，與翅堿蓬面積變化呈一定負相關(guān)性，水質(zhì)較差時，翅堿蓬面積較小，人工建設(shè)為次要因素。雖然通過分析降雨量與水質(zhì)數(shù)據(jù)，并結(jié)合遙感影像圖地物變化得出了濕地水體、葦田、翅堿蓬面積變化的原因，但仍有一些不足之處。首先年份較少，時間跨度只有7年，植被變化并不十分明顯；水體與葦田提取依賴于指數(shù)提取精度；對影響翅堿蓬面積變化的水中物質(zhì)類別分析也較少。下一步采用分類精度更高的方法來提取目標(biāo)地物，加入更多因素并增加研究年限跨度，對葦田、翅堿蓬面積變化原因進行更加全面的分析。