扎龍濕地景觀的遙感信息提取

才宇萱

（哈爾濱師范大學,哈爾濱 150000）

0 引 言

濕地是一種經過特殊演變而形成的自然綜合體[1]。濕地生態(tài)系統(tǒng)由于自然和人為的因素干擾，非常容易發(fā)生退化，十分脆弱，并且一旦遭到破壞，濕地的生態(tài)系統(tǒng)所受到的傷害往往是不可逆的。因此，中國十分重視對濕地的保護與監(jiān)督管理工作。

改革開放以來,國家科技發(fā)展規(guī)劃也對遙感領域的發(fā)展提出了詳盡的計劃[2]。近年來，景觀生態(tài)領域也越來越重視遙感技術的應用，遙感技術主要應用于一定地域范圍內景觀格局的研究[3]。

以孫毓為代表的研究人員收集了兩年內不同時相的遙感數(shù)據(jù)，由統(tǒng)計結果得出扎龍地區(qū)各類型土地資源比例發(fā)生改變的結論，并分析了其原因[4]。王延喬、高峻通過SGW-2001遙感圖像處理系統(tǒng)軟件高速獲取綠化遙感信息，建立較為全面的綠化管理數(shù)據(jù)庫[5]。

在國外，美歐等國外空間強國對遙感技術非常重視，為推進衛(wèi)星、航空與地面三者一體化進程和對地觀測體系的進一步發(fā)展，美歐等國發(fā)布了一系列的政策對其進行國家層面的支持，進而建立了多個系統(tǒng)，建立健全這些遙感技術系統(tǒng)的目的是進一步提高人類對地球系統(tǒng)的認知，以便日后高效的處理人類在未來發(fā)展時所面臨的各項挑戰(zhàn)和難關。

神經網絡模擬人體大腦神經接收、處理、分發(fā)電信號的方法，該方法目前已大面積用于遙感數(shù)據(jù)的分析和處理，所得出的其分類結果明顯優(yōu)于傳統(tǒng)的統(tǒng)計方法[6]。具有智能化自學能力、分析能力、聯(lián)想存儲功能以及高速尋找最優(yōu)解的能力，有效的運用神經網絡可以很好的提取扎龍濕地景觀的信息。

文章主要研究利用遙感技術的扎龍濕地景觀信息的提取辦法，結合扎龍濕地實際遙感數(shù)據(jù)，使用ENVI5.3對遙感影像進行預處理操作、并運用神經網絡的方法進行景觀信息的分類，實現(xiàn)扎龍濕地景觀的遙感信息的提取，確定扎龍濕地景觀分布情況。并利用ARCGIS軟件制作出相應的專題地圖以供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

扎 龍 濕 地 自 然 保 護 區(qū)（E123° 47′~124° 37′ ，N46° 52′~ 47° 32′）位于黑龍江省齊齊哈爾市東南30km處，橫跨二區(qū)四縣（富?？h、杜蒙縣、林甸縣、泰來縣），作為世界上最大的蘆葦濕地，該地的占地面積高達21萬hm。且該地的動植物資源十分豐富，動物資源以魚類、昆蟲類、鳥類為主，草本植物占植物類型中的絕大多數(shù)。該國家級自然保護區(qū)除保護濕地生態(tài)系統(tǒng)外，還重點保護包括鶴類在內的大型水生珍稀鳥類。

1.2 數(shù)據(jù)獲取與處理

文章在對扎龍濕地景觀信息進行提取時以影像空間分辨率為30m的2014年以及2020年7月的Landsat8OLI遙感影像為數(shù)據(jù)源。研究區(qū)在1幅影像之內，其條帶號為119，行編號為27，云量＜2%。首先對下載得到的原始影像進行預處理，并將扎龍濕地的原始邊界與處理后的圖像進行地理坐標系的統(tǒng)一，統(tǒng)一為WGS-84坐標系。使用ARCGIS軟件中的柵格處理工具利用原始邊界對處理后的圖像進行剪裁，得到遙感影像中扎龍濕地的圖幅范圍。

1.3 遙感影像分類方法

神經網絡模擬人體大腦神經接收、處理、分發(fā)電信號的方法，該方法目前已大面積用于遙感數(shù)據(jù)的分析和處理，所得出的其分類結果明顯優(yōu)于傳統(tǒng)的統(tǒng)計方法[7]。神經網絡遙感影像分類應根據(jù)實際需求的不同來做出不同的處理，首先要明確相應的分類類別，不同信息的分類類別應具有唯一性、兼容性以及可操作性[8]。文章采用現(xiàn)今世界上應用范圍最廣泛，使用頻率最頻繁的神經網絡之一——BP神經網絡。

對處理好的遙感影像進行訓練樣點的選取（ROI），將研究區(qū)分為六類：明水、有水濕地、無水濕地、農田、鹽堿地、草地。相同的土地類型在遙感影像上可能會有不同的影像特征，因此，可以建立同種地類的多個樣本（如對于存在不同影像特征的農田提取農田1、農田2、農田3的訓練樣本）。為了避免誤判錯分，明確地物類型，通過使用谷歌衛(wèi)星影像對照與目視解譯，獲取研究區(qū)內各種不同地表類型的訓練樣點，提取訓練樣本，得到各自的訓練數(shù)據(jù)，2014年以及2020年的遙感影像樣本提取數(shù)量，各地類樣本提取總數(shù)，見表1。

表1 各地類樣本提取總數(shù) 塊

可分離度是指“兩個相鄰色譜峰的分離程度，以兩個組分的保留值之差與其平均峰寬之比表示”，用以定量地描述混合物中具有相鄰色譜峰的兩個組分經過色譜柱分離后的情況[9]。2014年的樣本可分離度基本合格，均＞1.80，普遍在1.90以上；2020年訓練樣區(qū)整體分離度較高，可分離度均達到1.90以上，可分離度較好。在確保各樣本的可分離度合格后，利用神經網絡分類方法對整個扎龍濕地地表覆蓋類型進行分類，為了保證分類結果的準確性，使用同樣的地物分類再對遙感影像進行最大似然分類。對于最初的分類結果利用Subset Data from ROIs工具進行具體分析、裁剪，得到精確的分類后扎龍自然保護區(qū)剪裁范圍，然后使用Post Classification中的Combine classes工具對重復的土地類型（如將農田1、農田2、農田3統(tǒng)一合并為農田）進行合并，移除空類別，保存所得到的分類結果，使用ARCGIS軟件，制作扎龍濕地景觀類型分類圖。

2 結果與分析

2.1 分類精度驗證

遙感影像分類的重要過程之一是遙感解譯結果的精度驗證。如果不進行精度驗證，得到的分類結果很有可能是不可靠的。

對照谷歌地球選取精確的、對應年份的驗證點，利 用Post Classification中 的Confusion Matrix Using Ground Truth ROIs工具進行混淆矩陣分類方法，同時得到Kappa系數(shù)、混淆矩陣以及總分類精度，混淆矩陣反應各類別地物分類情況，對角線表示正確分類的像元數(shù)量，其他則表示錯分或漏分的像元數(shù)量。Kappa系數(shù)是對分類結果的總體評價介于0~1之間，值越大，分類結果正確率越高。兩種分類方法的精度差別，分類結果精度表，見表2。

表2 分類結果精度表

2.2 景觀分類結果對比

在神經網絡分類與最大似然分類后對扎龍濕地各地類面積分布進行統(tǒng)計，各地表類型兩年面積占比，見表3。

表3 各地表類型兩年面積占比

神經網絡的分類驗證精度較高于最大似然分類結果，因此，以神經網絡分類結果作為參考，分析扎龍濕地6a間各部分景觀的面積變化。可以看出，在6a間，扎龍自然保護區(qū)內草地面積增加明顯；明水、有水濕地面積略有增加；而農田、鹽堿地、以及無水濕地面積減少，其中無水濕地面積減退較多。

從分類結果上看，有水濕地分布在保護區(qū)中部，一般發(fā)育并分布在湖泊周圍，并且其分布由2014年的整齊、聚集，逐漸發(fā)展成了到2020年的分散、斑布。無水濕地和草地圍繞在有水濕地的外圍分布，距離水源較遠，農田則分塊散落在保護區(qū)邊緣。保護區(qū)內的有水濕地范圍增大，則說明該地區(qū)濕地保護發(fā)展情況較好，湖泊有增大趨勢；若有水濕地的范圍變小，而無水濕地范圍增加則說明保護區(qū)濕地狀況較差，正在逐漸減退，湖泊面積也在縮小。整個自然保護區(qū)在6a間不斷的演化，各個部分互相轉換，總體來說，濕地整體情況穩(wěn)中向好，但無水濕地稍有減退。

2.3 景觀變化原因分析

2.3.1 自然因素

位于黑龍江省松嫩平原西部的扎龍濕地，是典型的低位沼澤濕地，屬于寒溫帶大陸性季風氣候，多年平均降水量420mm,與全省平均降水量相比低約500mm，其中7月、8月、9月的降水量就約占到全年降水量的70%，且進入90年代以來氣侯變暖跡象明顯，蒸發(fā)量也隨之升高，有大旱大澇現(xiàn)象發(fā)生，且旱多澇少。降水不足不僅影響濕地的大氣降水，對于周圍地區(qū)進入濕地的地表徑流量也有很大的影響。與此同時，由于區(qū)域內整體降水量的減少，位于濕地上游地區(qū)的農業(yè)生產用水量也會進一步增加，這也會導致濕地所獲得的水資源減少[10]。

2.3.2 人類活動因素

1）人類活動導致用水需求增加。人類進行防洪、灌溉、生活用水等，都需要穩(wěn)定的水源，扎龍濕地的上游興建了許多水庫，人口的逐年增加導致了用水量的劇增，而生產生活用水需要的逐年增加導致各級水庫每年截流了大量本應直接進入扎龍濕地的水體，自然界降雨量減少、蒸發(fā)量增加的同時，進入扎龍濕地的地表水量越來越少[11]。

2）城市的興建對環(huán)境的影響。隨著中國城市化進程不斷加快以及人民生活水平的提高，濕地內部及周邊地區(qū)的道路和溝渠不斷增多[12]，濕地中的天然水文聯(lián)系由于興建的道路、溝渠等而被直接改變，濕地的水文模式被改變，濕地破碎化加重，濕地中的水生植被、魚類和各種珍稀水鳥都受到了嚴重影響。

3）濕地保護意識的覺醒。世界各國對于濕地的保護意識不斷加強，濕地保護已經成為每個國家的重點任務，2013年5月1日中國出臺了詳盡的保護政策——《濕地保護管理規(guī)定》。國家對濕地實行了對于未被污染和人為侵害的濕地重點保護、已被污染和破壞的濕地進行科學恢復、合理利用濕地資源、持續(xù)發(fā)展的方針。根據(jù)濕地的重要程度及其生態(tài)功能將其劃分為兩種濕地并積極開展教育宣傳活動，提高公眾濕地保護意識。

正是由于濕地生態(tài)系統(tǒng)保護意識的不斷增強，以及政府部門對于保護濕地的理念的不斷宣傳，對于減退的濕地，人類不斷努力，對當?shù)氐沫h(huán)境加以保護，并制定詳盡的措施來使?jié)竦嘏謴偷皆瓉淼臓顩r，提高生態(tài)環(huán)境質量，濕地的退化速度才得以減緩，甚至逐漸向從前恢復。

3 結論與討論

文章以2014年與2020年扎龍濕地遙感影像作為數(shù)據(jù)源，使用神經網絡的分類方法對扎龍濕地景觀的遙感信息進行提取，實踐表明：BP神經網絡方法分類精度高，靈活性好，能夠較好的解決“同譜異物”和“同物異譜”的問題，準確的識別地物信息，具有高度的自學習能力以及較高的容錯度。但BP神經網絡的分類收斂速度較慢，且具體參數(shù)的確定較為繁瑣，網絡模型的逼近和推廣能力與學習樣本的典型性密切相關，樣本依賴性高，這些問題仍需繼續(xù)深化研究。由此可見，BP神經網絡方法分類雖然在數(shù)據(jù)方面有很好的處理性，但在實際應用方面仍存在較多問題。

近年來，隨著世界各國濕地保護意識的不斷增強，中國對濕地的保護也十分看重，扎龍濕地的保護情況較為樂觀，但我們還需要繼續(xù)努力，爭取從源頭解決問題。為保證濕地的長期生態(tài)用水需求能夠得以滿足，政府部門應盡快建立健全扎龍濕地長效補水機制，保證濕地的供水來源；對于濕地內部的一些工程設施（如溝渠、廢棄道路、廢棄水利設施等），及時判斷其狀態(tài)，確定對其進行檢修、拆除、重建等處理方案，恢復濕地內部自然水文聯(lián)系；運用3S技術對保護區(qū)范圍濕地生態(tài)狀況進行監(jiān)測，對于會對濕地生態(tài)造成破壞的行為實時監(jiān)測并及時制止，將對濕地的破壞性行為扼殺在搖籃。