基于多时相遥感影像的滨海湿地监测方法研究

第３ｌ卷第３期　２０１３年９月　广西师范大学学报：自然科学版　

Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕａｎｇｘｉ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ　Ｖｏ１．３１　Ｎｏ．３　

Ｓｅｐｔ．２０１３　

基于多时相遥感影像的滨海湿地监测方法研究　慈慧　，郭朋辉　，秦勇ｈ　，杨慧　。　（１．中国矿业大学资源与地球科学学院，江苏徐州２２１１１６Ｉ２．煤层气资源及成藏过程教育部重点实验室，江苏徐州２２１１１６）　摘要：湿地的现状及其变化趋势对于湿地开发、利用、管理及保护政策的制定至关重要。以江苏省典型滨海　湿地为研究对象，利用２００２年５月和２００７年６月的Ｌａｎｄｓａｔ７　ＥＴＭ＋图像数据，在分析湿地特征及其遥感图　像表征的基础上，通过对湿地多光谱遥感图像特征向量的分析，对２００２年的影像进行基于知识规则的信息提　取，对２００７年的影像采用监督分类与非监督分类相结合的方法进行分类，两者都取得了较为理想的分类结　果，最后对分类后的两期影像分别采用分类后比较法和ＲＢ—ＮＤＶＩ—ＮＤＭＩ法进行滨海湿地的变化监测。经对　比发现，这两种方法得到的总体变化基本一致，都显示研究区的湿地面积正在减少，自然湿地退化较为严重，　且更多地转变为稻田和旱地。两种监测方法各有利弊，前者易受分类精度的影响，后者易受选取图像纹理特　征的影响。　关键词：江苏省滨海湿地；信息提取；变化监测；知识规则；多变量特征　中图分类号：ＴＰ７９　文献标识码：Ａ　文章编号：１００１—６６００（２０１３）０３—０１４４—０８　

０　引言　

湿地是水陆相互作用形成的特殊生态系统，是人类重要的生存环境和自然资源，也是自然界最富生物　多样性的生态景观之一。湿地经常位于深水系统和高地系统之间的边缘，受深水系统和陆地系统的共同影　响，是地表长期或季节性积水的景观类型［１］。湿地的物理特征决定了其在提供水源、调节径流、控制污染、　提供可利用的资源、调节气候、提供野生动物的栖息地、美化环境等方面具有重要的生态价值，它既是陆地　上的天然蓄水库，又是众多野生动植物资源，特别是珍稀水禽的繁殖和越冬地，可以给人类提供水和食物。　湿地与人类息息相关，是人类拥有的宝贵资源。近些年来，湿地的面积大量减少，这直接影响到生态平衡，　对人类的生产和生活都产生了一定的影响。　遥感图像分类是土地利用变化研究中至关重要的一个环节，也是土地利用变化信息提取的基础。如何　提高遥感图像的分类精度一直是遥感技术应用研究的热点之一，不少国内外学者进行了许多积极有益的　探索［２　］。目前，土地利用／覆盖遥感分类方法研究进展可概括为以下几个方面：多源、多时相遥感数据融合　分类方法；ＧＩＳ（地理信息系统）支持下的遥感分类方法；非参数型遥感分类方法。近几年来，人工神经网络　（ＡＮＮ）、智能技术、模糊数学、专家系统等不同于传统模式的非参数型分类方法逐步成熟，不断得以应　用［８－１３］。　对于湿地地区地物种类变化的监测与控制是一项必要的工作，但往往呈现出很多实践中的困难。首　先，变化监测的精度难以得到保证。因为这项工作要在不同时空尺度上进行，操作起来非常困难，并且湿地　的组成变化也很迅速，靠人力做实地考查几乎不可能实现对其变化的实时跟踪调查；其次，若要能够反映　出湿地变化的趋势和强度，需要进行很长时间的实地观测与考查，历时太长，而且需要大量的人力和物力　

收稿日期：２０１３—０４—２０　基金项目：国家自然科学青年基金资助项目（４１２０２２３７，４１００１２３０）；江苏高校优势学科建设工程资助项目；徐州市科技　项目（ＸＭ１２Ｂ０７３）；中国矿业大学课程建设与教学改革项目（２００１２２７）；中国矿业大学资源与地球科学学院　课程建设与教学改革项目　通信联系人：慈慧（１９８１一），女，辽宁丹东人，中国矿业大学讲师，博士。Ｅ—ｍａｉｌ：ｃｉ—ｈｕｉ＠１６３．ｃｏｍ　第３期　慈慧等：基于多时相遥感影像的滨海湿地监测方法研究　１４５　资源。多光谱、多时相遥感影像的引入大大改善了上述困难，并且节省了大量的时间和费用。本研究区采　用的影像均为夏季，这样可以最大程度地降低湿度对于分类的影响。近年来，应用多光谱、多时相卫星遥感　影像对各种变化进行识别和提取已成为遥感研究的热点之一，并形成了一些变化识别与检测的方法。　本次研究在湿地特征及遥感图像表征的基础上，通过对湿地多光谱遥感图像特征向量的分析，探索湿　地信息提取与变化监测的规则和方法，从而为湿地的保护与开发利用提供依据。　

１研究区概况及数据预处理　本研究的试验区为江苏省丹顶鹤保护区的核心区。这里潮间带滩涂发育广泛，滨海湿地类型丰富多　样，主要包括芦苇、米草、碱篷、养殖场、稻田等。本次研究应用２００２年５月２６日和２００７年６月１７日的江　苏滨海湿地Ｌａｎｄｓａｔ７　ＥＴＭ＋图像，研究区的地理位置如图ｌ所示。其中，所使用的波段是ＴＭＩ￣ＴＭ５及　ＴＭ７等６个波段。另外，还利用了海洋９０８海岸带调查数据。图１中线条为海洋９０８项目中海岸带调查路　线，圆点为调查中的取样点。　

取样点　路线　

１６０　

１４０　１２０　型１００　８０　磐　６Ｏ　

４Ｏ　２０　０　ＴＭｌ　ＴＭ２　ＴＭ３　ＴＭ４　ＴＭ５　ＴＭ７　

图１研究区位置图　图２　７类地物的光谱均值统计　Ｆｉｇ．１　Ｌｏｃａｔｉｏｎ　ｏｆ　ｓｔｕｄｙ　ａｒｅａ　Ｆｉｇ．２　Ｓｔａｔｉｓｔｉｃｓ　ｏｆ　ｓｐｅｃｔｒｕｍ　ｍｅａｎ　ａｂｏｕｔ　７　ｃｌａｓｓｅｓ　这两期影像分别进行了图像增强、几何校正和图幅裁剪操作。其中，２００２年的影像是已通过ＧＰＳ数　据点准确校正好的影像，２００７年的影像是以２００２年影像为参照基准进行几何校正的，校正后的均方误差　都小于半个像元。这使得后续的变化监测结果得到了初步的保证。　湿地分类是湿地科研、保护与管理的基础。但由于世界各地湿地类型复杂多样，不同研究者对湿地界　定范围、分类目的和出发点的不同，要制定一个完整而科学的定量分类指标和分类系统是比较困难的。目　前，湿地分类缺乏一个普遍公认的定义，湿地的分类也不统一。本研究中，将湿地分为自然湿地和人工湿地　两大类，采用的是海洋９０８的分类体系，结合研究区具体情况，建立包括米草、碱篷、芦苇、稻田、旱地、养殖　场及水体在内的分类体系，其中旱地为旱作用地，养殖场为用于养殖活动的场所，水体为海域及河流。　

２湿地信息提取研究方法　２．１基于知识规则的推理识别　２．１．１湿地光谱响应特征分析　本文采用基于知识规则的推理识别方法对２００２年的影像进行分类。图２为研究区内几种地物的光谱　曲线，从图中可以看出，研究区内７种地物的光谱曲线大致与标准地物的光谱曲线一致。米草和碱篷都属　于植物，其光谱曲线走向与植物大致吻合；芦苇的光谱曲线与水体的相似，因为其生长在水中，所以会表现　出水体的光谱特征，但它在ＴＭ４波段有一个明显的抬升，又表现出植物的光谱特征；稻田的反射率在　ＴＭ４和ＴＭ５波段明显高于其他三种植物，这是由于稻田属于人工种植的作物，其密度高于自然界中的植　被，所以它的反射率较高；水体和养殖场的光谱曲线也很相似，但在ＴＭ３波段水体的反射率高于养殖场　１４６　广西师范大学学报：自然科学版　第３１卷　的反射率，因为养殖场中存在一些藻类植物，会吸收部分可见光，导致养殖场在ＴＭ３波段的反射率会有　所下降；旱地的光谱曲线与土壤的曲线相近，只是在ＴＭ４波段呈现出一个低谷，这是由于湿地的土壤有　机质含量较高的原因。　２．１．２推理中利用的特征变量　本文先对原始影像进行非监督分类，采用ＩＳＯＤＡＴＡ（迭代自组织数据分析技术）聚类方法，最大迭代　次数设为２５，收敛阈值为０．９５。经聚类后发现，初始非监督分类后仍有较明显的分类误差，这说明原ＴＭ　影像６个波段组成的特征空间不足以将这些地物很好地区分。对于这些不足，本文探究了其他特征向量之　间的关系。如对原始ＴＭ影像做一系列的变换，比如Ｋ—Ｌ变换、Ｋ—Ｔ变换等；或者为了得到地物的某种属　性信息，如求出归一化植被指数（ＮＤＶＩ）、归一化水体指数（ＮＤＷＩ）等，通过这些特征进一步优化非监督分　类的结果，提高分类的精度。下面对所利用的特征变量做出简单的介绍：　①ＴＭ影像光谱分析　各种物体，由于其结构和组成成份不同，反射光谱特性也是不同的。多波段、多光谱遥感技术就是以各　种不同物体的反射率随波长的变化为主要依据的。通过适当的光谱段的选择和组合，可以有效地区分出各　种不同的地物。　，　基于上述理论基础，为了进一步区分非监督分类后的混淆像元，即可在ＴＭ影像上对混淆像元进行　采样，观察它们在６个波段上的光谱差异，以寻找分类的知识规则。　②纹理分析　纹理指遥感影像中目标地物内部色调有规则变化造成的影响结构，反映了图像的粗糙程度。在本次研　究中，单纯利用光谱特征难以区分某些地物类别时，纹理特征的引入将使对他们的区分成为可能。本次研　究采用统计参数法，通过计算像元与周围邻域内像元的方差来得到该像元的纹理特征值。利用经典的３×　３的窗口在原图像上计算每个像元和周围像元的方差。　⑧Ｋ—Ｌ变换　在本次研究中，发现米草中还混有行道树，而且二者的光谱特征等都很相似，因此有待于探索其他办　法来区分二者，于是考虑应用主成份分析的方法。先对原图进行Ｋ—Ｌ变化处理。之后，为了便于分析，对该　变换图像进行线性拉伸，拉伸后的Ｋ—Ｌ变换图像像元的ＤＮ值分布范围是Ｏ～２５５。　④Ｋ—Ｔ变换　在上述分类结果中，有很大一部分芦苇被分入养殖场一类。这部分芦苇因为较为稀疏，有的地方甚至　被水域所覆盖，所以它与养殖场相混淆。但它还属于植物，而养殖场相比之下更趋向于水体的特征，所以二　者在亮度、绿度或湿度上应该存在着一定程度上的差异，因此，本文选取Ｋ—Ｔ变换作为区分两者的方法。　⑤归一化差异水体指数　在可见光范围内，水体的反射率总体上比较低，不超过１０　，一般为４％～５　，并随着波长的增大逐　渐降低，到０．６处约２　～３　，过了０．７５，水体几乎成为全吸收体。因此，在近红外的遥感影像上，清澈的　水体呈黑色＿１　。　ＭｃｆｅｅｔｅｒｓＥｌｓ３利用水体在绿波段和近红外的显著反射差异，提出归一化差异水体指数ＮＤＷＩ。ＮＤＷＩ　被定义为近红外波段（ＮＩＲ）反射率与短波红外波段（ＳＷＩＲ）反射率之差除以二者之和。其公式如下：　ＮＤＷＩ一（Ｇｒｅｅｎ—ＮＩＲ）／（Ｇｒｅｅｎ＋ＮＩＲ），　（１）　式中，Ｇｒｅｅｎ代表绿光波段；ＮＩＲ代表近红外波段。在Ｌａｎｄｓａｔ　ＴＭ影像中，分别为２、４波段。由于水　体的反射从可见光到中红外波段逐渐减弱，在近红外和中红外波长范围内吸收性最强，几乎无反射，因此　用可见光波段和近红外波段的反差构成的ＮＤＷＩ可以突出影像中的水体信息。另外，由于植被在近红外　波段的反射率一般最强，因此采用绿光波段与近红外波段的比值可以最大程度地抑制植被的信息，从而达　到突出水体信息的目的。同时，在植被覆盖区，ＮＤＷＩ可以客观地体现地表植被水分信息，ＮＤＷＩ值越大，　植被水分含量越大。　２．２基于混合分类法的信息提取　传统的监督分类和非监督分类都是基于光谱分类的，按照某种规则将光谱相近的地物进行聚类。但是