1、基于综合识别方法的河北白洋淀湿地提取研究 王凯霖 赵凯 李海涛 张宝匀 李文鹏 中国地质大学(北京)水资源与环境学院 中国地质环境监测院 中国地质科学院地球物理地球化学勘查研究所 摘 要： 湿地作为地球上宝贵的自然资源, 在维持自然生态平衡、改善生态环境、防治污染等方面具有极其重要的功能。基于 Landsat 8 OLI 遥感数据, 通过对比分析关于湿地和水体的不同提取方法及结果, 确定了适合于白洋淀淀区湿地和开阔水体的最佳提取方法, 并利用改进的指数方法和谱间关系法分别对淀区湿地和开阔水体进行了定量化提取。鉴于白洋淀淀区湿地主要包括开阔水体和芦苇区两部分, 将淀区内湿地和开阔水体进行几何拓扑
2、后, 得到淀区内芦苇区的范围。总结出一套适用于白洋淀湿地及其组成部分提取的综合方法, 为利用遥感技术在白洋淀淀区内提取湿地及相关信息提供了方法借鉴。关键词： 白洋淀湿地; 开阔水体; 芦苇; 改进指数方法; 综合方法; 作者简介：王凯霖, 男, 博士研究生, 1991 年出生, 水文地质学专业, 主要从事生态水文方面研究。Email:wangkl_。作者简介：赵凯, 男, 博士, 工程师, 1987 年出生, 地下水科学与工程专业, 主要从事水文地质调查与地下水监测方面研究工作。Email:。收稿日期：2017-06-21基金：中国地质调查局项目 (DD20160239) Study on W
3、etland Extraction Based on the Synthetic Identification Method in the Baiyangdian Wetland, Hebei ProvinceWANG Kailin ZHAO Kai LI Haitao ZHANG Baoyun LI Wenpeng School of Water Resources and Environment, China University of Geosciences; China Institute of Geo-Environmental Monitoring; Institute of Ge
4、ophysical and Geochemical Exploration, Chinese Academy of Geological Sciences; Abstract： As a valuable natural resource, wetland plays an important role on maintaining ecological balance, improving ecological environment, preventing and remedying pollution etc. Based on the remote sensing data of La
5、ndsat 8 OLI, the reasonable methods for extracting area information of wetlands and water bodies in the Baiyangdian Wetland were determined. The improved index method and spectral relationship method were used to quantitatively extract the area of wetlands and open water bodies respectively. Most of
6、 the Baiyangdian Wetland are covered by open water bodies and reeds. Therefore, the reed area can be determined by subtracting the area of open water bodies from that of wetlands. A synthetic method for extracting wetlands and related components in the Baiyangdian Wetland was summarized. It can prov
7、ide a reference for extracting area information of subjects in the Bai-yangdian Wetland by using remote sensing technique.Keyword： Baiyangdian Wetland; open water body; reed; improved index method; synthetic method; Received： 2017-06-210 引言湿地被誉为“地球之肾”, 在调节径流、蓄洪防旱、生态环境保护等方面起着不可替代的作用。为保护全球湿地以及湿地资源, 19
8、71 年, 湿地公约在伊朗拉姆萨尔签署1。其中, 湿地被定义为:天然的或人工的、永久或暂时的沼泽地、泥炭地及水域地带, 带有静止或流动的淡水、半咸水及咸水水体, 包含低潮时水深不超过 6 m 的海域。随着人类社会的不断发展, 人类活动不断加剧, 对湿地生态环境的影响也越来越大, 导致湿地及其所承载的生态环境不断恶化, 湿地面积不断萎缩。针对湿地出现的地质环境问题, 湿地研究者们开展了大量的研究工作, 而如何监测湿地面积的退化和演变就是其中一项重要的研究内容2-3。湿地具有从水体向陆地过渡转变的属性, 从空间区域来说, 监测难度较大。随着空间遥感技术的发展, 国内外学者提出了一些基于湿度分量的湿
9、地提取方法, 如缨帽变换提取湿度分量的 KT3方法4、基于 LBV 变换的提取方法5以及湿度分量与光谱特性相结合的 WI (Water Index) 方法6等。根据湿地的定义, 湿地中包括了多种组成, 如开阔水体、湿地植被区等。对于湿地中的开阔水体, 常见的水体提取方法是水体指数提取法, 主要包括归一化水体指数法 (Normalized Difference Water Index, NDWI) 7、改进的归一化水体指数法 (Modified Normalized Difference Water Index, MND-WI) 8、增强水体指数法 (Enhanced Water Index,
10、EWI) 9、修订型归一化水体指数法 (Revised Normalized Difference Water Index, RNDWI) 10和谱间关系法11以及其他的一些方法12-13。在不同地区, 地表水体情况不同, 各种识别方法的提取效果也有很大差距, 因此要结合实际情况来选取合适的提取方法。针对白洋淀湿地, 前人做了大量的研究工作。沈占锋等选用 NDWI 和 GNDWI (Gauss Normalized Difference Water Index, 高斯归一化水体指数) 方法协同计算, 对白洋淀湿地的水体信息进行提取, 提高了水体提取精度14。林皓波等利用 NDWI 指数方法对白
11、洋淀湿地信息进行了提取, 研究了湿地面积与水位的关系, 并利用生境破碎化指数评价了湿地的生态变化15。江波等采用监督分类和目视解译相结合的方法对白洋淀湿地土地覆盖类型进行解译, 分析了湿地土地类型在 19742011 年间的时空变化特征16。总结发现, 前人对于白洋淀湿地的研究主要集中在利用水体指数方法和监督分类法对白洋淀湿地或水体进行研究。而根据野外调查研究发现, 白洋淀湿地的芦苇等水生植被多生长在水深小于 1 m 的浅水区, 在适宜湿地提取的 35 月份, 淀内浅水区不仅有新生的水生植被, 而且水面铺有大量的干枯芦苇, 使得这部分区域相对纯水体在近红外波段有较高的反射率, NDWI 等指数
12、方法不能有效地进行提取。水体指数方法对开阔水体提取效果较好, 但相对于基于湿度分量的湿地提取方法, 在芦苇区会存在明显的漏提。因此可以利用基于湿度分量的方法和水体指数法在芦苇区的识别差异, 将湿地各类组成进一步的定量细化研究, 在对整个湿地提取的基础上, 利用水体指数法将开阔水体提取分离, 把芦苇区和开阔水体区分开。基于该思路, 本文对比多种湿地、水体提取方法之间的优缺点, 采用效果最佳的湿地、水体提取方法进行定量化提取, 将湿地分为开阔水体和芦苇区两大部分, 成功实现将开阔水体从湿地中分离出来, 提出了适合白洋淀湿地及其组成部分面积提取的有效综合方法, 为在后续研究中深入分析整个湿地面积的演
13、变趋势和定性分析湿地水量的变化情况等奠定基础。1 研究区概况白洋淀湿地位于华北平原中部, 是华北平原上最大的湖泊与湿地, 被誉为“华北之肾”。白洋淀湿地四周以堤为界, 淀区内纵横交错的 3 700 余条沟壕将全淀分割成 143 个大小不等又相互连通的淀泊 (图 1) 。白洋淀湿地是大清河河系中重要的蓄水枢纽, 承担着缓洪治涝和蓄水灌溉的重要任务, 同时对调节小气候、补充地下水和维护周边地区生态平衡都起着不可忽视的作用。白洋淀淀区的主要农作物为冬小麦和夏玉米, 以 5 月底为大致时间界限, 两种作物换季种植。湿地内有丰富的动植物资源, 沉水植物主要为各种藻类, 在浅水区生长着大量以芦苇为主的水生
14、植物, 其中, 芦苇在 3 月开始生长, 56 月长势最好, 植株高约 3 m。由于人为和自然两方面因素的影响, 淀区湿地面积不断被侵蚀, 白洋淀淀区近 30 年间经历了多次干涸。对白洋淀湿地及其组成的空间分布进行监测是白洋淀湿地变化过程及其影响因素研究中的一项重要内容。因此, 本文采用遥感技术对湿地及其组成的空间分布进行定量化提取, 进而达到湿地监测的目的。2 遥感数据本文采用的遥感数据为 Landsat 8 OLI 的 LIT 级数据, 成像时间为 2016 年 4月 18 日 (图 1) 。Landsat 8 OLI 数据包含 9 个波段, 具体各波段参数信息见表 1。采用 4 月份数据
15、的主要原因是:在夏季, 芦苇区植被茂盛, 完全遮盖住了下伏水体, 而且, 芦苇的光谱特性上与玉米地相似, 很难区分;而在 35 月份, 降水量较少, 湿地面积相对稳定, 农作物干扰小, 比较适宜湿地面积的提取。在进行提取之前, 分别对遥感数据进行了辐射校正和大气校正。图 1 白洋淀湿地 TM 影像图及验证区域 Fig.1TM remote sensing image of the Baiyangdian Wetland and verification area 下载原图表 1 Landsat OLI 数据各波段参数 Table 1 Parameters of each band of Lan
16、dsat OLI data 下载原表 3 湿地提取方法对比分析3.1 提取方法针对湿地提取, 主要采用了 4 种方法:基于湿度分量的 3 种传统提取方法 (LBV-B、KT 3、WI) 和 1 种改进的指数方法 (Modified KT 3, 简称 M-KT3) (表 2) 。表 2 湿地提取方法 Table 2 Different methods of wetland extraction 下载原表 (1) LBV-B 方法:LBV 变换能反映出 L、B 和 V 3 个重要的地物辐射特征量, 其中B 分量表示可见光到红外光辐射平衡, B 分量值越大, 与水体的光谱特性越相近。(2) KT3指
17、数方法:通过缨帽变换, 获得第三个波段 (湿度分量 KT3) , 根据不同地物在湿度分量上的光谱亮度值差异, 进行湿地提取。(3) WI 方法:WI 方法是基于湿度分量和光谱差异相结合的方法识别湿地范围。(4) 改进的指数方法 M-KT3:在用传统的 KT3指数方法提取时, 没有考虑其他地物湿度分量对湿地面积提取的干扰。4 月份, 冬小麦长势较好, 农田区域的地表湿度分量也相对较高, 芦苇区和农田的湿度分量很接近, 区分度较小, 容易相互混杂。图 2 为白洋淀湿地范围内开阔水体、农田和芦苇区 3 种典型地物在可见光各波段的反射率。根据图 2 显示, 4 月份芦苇长势还不是很旺盛, 受水体值的影
18、响, 农田和芦苇区在近红外波段的光谱特性有很大差异。图 2 研究区 3 种典型地物的波谱特征 Fig.2 Spectral signatures of three typical features in the study area 下载原图根据芦苇区和农田的波谱差异, 本文提出了一种改进的指数方法 (M-KT 3) :在湿度分量的基础上, 增加近红外波段的信息, 增大芦苇区和农田的区分度。M-KT3指数方法表达式为:式中:M-KT 3为重新构置的指数;N (KT 3) 为湿度分量 KT3归一化处理后的值;N (NIR) 为近红外波段反射率 NIR 归一化处理后的值, 所有变量无量纲。3.2
19、不同方法对比分析图 3 为利用表 2 中所列不同方法进行湿地提取后得出的结果。由于很难通过实际地面调查对湿地范围进行整体区分, 在本文研究中, 采用遥感影像目视解译结果作为验证数据, 对不同湿地提取方法的计算结果进行对比分析。白洋淀湿地整体面积较大, 且湿地破碎严重, 对整个研究区做目视解译工作量较大。因此, 本文仅选取局部代表性区域作为验证区域 (图 1 中的上方黑框区域) , 选取的验证区域湿地连续性好, 且地物组成与整个白洋淀湿地地物组成相似, 具有代表性。根据验证区目视解译结果与野外实际调查数据及同期高分辨率 Google 影像相互验证, 验证区湿地目视解译结果的精度是可靠的。从图 3
20、 中可以看出, 各种湿地提取方法均能将大部分的湿地范围提取出来。但是, 在一些局部地段, 各种方法的提取结果还存在较大差异。为了定量化对比各种湿地提取方法的提取精度, 本文采用 Kappa 系数进行评价17。表 3 为根据统计分析得到的不同提取方法的结果精度对比分析。表 3 各湿地提取方法的提取精度对比 Table 3 Accuracy of different extraction methods 下载原表 由表 3 可以看出, M-KT 3指数方法的提取精度最高, 总分类精度达到 96.5%, Kappa 系数为 0.93;传统的 KT3指数方法提取精度略低, 总分类精度为 94.7%,
21、Kappa 系数为 0.89, 说明在 4 月份农田作物长势不旺盛时, M-KT 3指数方法对农田和芦苇区有较好的区分;LBV 变换提取方法精度略低于 KT3指数提取方法, 但是精度差别不大;基于湿度分量和光谱差异组合的 WI 指数法相对其他几种方法提取效果较差一些, 因为湿度分量与各波段反射率的值的大小和区间都不相同。因此, 针对白洋淀湿地, M-KT 3指数方法的湿地提取效果最为理想。但需要注意的是, 在本文中采用的是 4 月份的遥感数据。如果针对夏季的遥感数据, 茂密的芦苇区和农田区域的湿度分量则很难区分开, 如要利用夏季遥感数据进行湿地范围提取则还有待于进一步研究。图 3 不同方法提取
22、的湿地面积 Fig.3 Wetland area extracted by different methods 下载原图4 水体提取方法对比分析4.1 提取方法针对开阔水体, 常见的水体指数提取方法有 6 种 (表 4) 。表 4 开阔水体提取指数方法 Table 4 Index methods for extracting area information of open water body 下载原表 4.2 不同提取方法对比分析与第 3.2 节类似, 在对比不同水体指数提取方法时, 选取白洋淀湿地范围一块具有代表性区域作为水体提取的验证区域 (图 1 中的下方黑框区域) 。该验证区域水体
23、连续, 且水体周围也分布着少量的不连续的芦苇区, 既能较好地代表研究区的湿地地物特性, 又方便目视解译划分水体, 已达到对比和验证的目的。图 4 为利用表 4 中所列不同水体指数方法进行水体提取后得出的结果。由图 4中可以看出, 各种方法对面积较大的开阔水体识别都比较好。但是, 在小水体和边界的识别方面存在一定差异。根据开阔水体目视解译结果, 利用 Kappa 系数对不同水体指数提取方法的结果精度进行定量化对比分析 (表 5) 。由表 5 可以看出, EWI、RNDWI 和谱间关系等水体指数方法的提取精度较好, 总精度均达到了 90%以上, Kappa 系数也均在 0.9 以上;NDWI 和
24、MNDWI 水体指数方法的提取精度稍微次之, Kappa 系数分别为 0.89 和 0.86。谱间关系法相对其他提取方法, 在水体提取选取阈值时, 受人为主观因素影响较小, 且提取精度较高。因此, 在后期研究中, 选择谱间关系法对开阔水体进行提取。图 4 不同方法提取的开阔水体面积 Fig.4 Open water area extracted by different methods 下载原图图 5 湿地各部分提取结果 Fig.5 Extraction result of every part of the wetland 下载原图表 5 各水体提取方法的提取精度 Table 5 Accur
25、acy of different water extraction methods 下载原表 5 白洋淀湿地综合提取根据第 3.2 节和第 4.2 节中的对比结果, 选择改进指数方法 (M-KT 3) 和谱间关系法分别进行白洋淀整体湿地和开阔水体的提取, 图 5 (a) 和图 5 (b) 分别为湿地和开阔水体的提取结果。在白洋淀湿地中, 组成主要包括开阔水体和芦苇区。在确定了湿地和开阔水体的范围后, 两者相减, 即能得到芦苇的分布范围, 如图 5 (c) 所示。根据提取结果进行统计, 白洋淀湿地的总面积约为 172.27 km, 其中, 开阔水体面积约为 78.27 km, 芦苇区面积约为 9
26、4.00 km。如图 5 中显示, 在白洋淀淀区范围内, 部分湿地的提取结果较为破碎。这是由于淀区内人类活动频繁、居民区扩建、填淀种植芦苇、建造景区和开垦土地等行为造成的。6 结论通过对比分析多种湿地和水体提取方法, 确定了适合于白洋淀淀区范围的湿地和水体提取的最佳方法。在白洋淀淀区范围, 适合于湿地的最佳提取方法为改进的指数方法 (M-KT 3) , 与目视解译结果对比, 总体分类精度和 Kappa 系数分别为 95.5%和 0.93;适合于水体的最佳提取方法为谱间关系法, 与目视解译结果对比, 总体分类精度和 Kappa 系数分别为 96.0%和 0.90。利用确定的湿地和水体最佳提取方法
27、, 对淀区范围内的湿地和开阔水体进行了定量化提取。根据提取结果统计, 白洋淀湿地的总面积约为 172.27 km, 开阔水体面积约为 78.27 km。在确定了淀区内湿地和开阔水体范围后, 得到淀区内的芦苇区面积为 94.00 km, 进而将白洋淀湿地的主要组成部分区分出来。通过本文研究, 总结了一套适合白洋淀湿地及其组成部分提取的综合方法, 即通过对比分析, 确定最佳湿地和水体提取方法, 并进行湿地和开阔水体信息提取, 最终将白洋淀淀区湿地范围及其主要组成部分进行了定量化圈定。该套综合提取方法不仅可以分析白洋淀湿地面积的演变过程, 也可以定性分析湿地水量的变化, 为后期开展白洋淀淀区范围的湿
28、地及其主要部分的演变过程研究等奠定了基础。参考文献1Office of International Standards and Legal Affairs, UNESCO.Convention on Wetlands of International Importance Especially as Waterfowl HabitatEB/OL. (1971-02-02) 2017-02-14.http:/portal.unesco.org/en/ev.php-URL_ID=15398&URL_DO=DO_TOPIC&URL_SECTION=201.html. 2金晓媚, 高萌萌, 柯珂, 等
29、.巴丹吉林沙漠湖泊遥感信息提取及动态变化趋势J.科技导报, 2014, 32 (8) :15-21. 3ASHRAF M, NAWAZ R.A comparison of change detection analyses using different band algebras for Baraila Wetland with Nasas multi-temporal Landsat DatasetJ.Journal of Geographic Information System, 2015, 7 (1) :1-19. 4李博伦, 遆超普, 颜晓元.Landsat 8 陆地成像仪影像的缨
30、帽变换推导J.测绘科学, 2016, 41 (4) :102-107. 5ZENG Z Y.A new method of data transformation for satellite images:I.Methodology and transformation equations for TM imagesJ.International Journal of Remote Sensing, 2007, 28 (18) :4095-4124. 6贾永红, 李芳芳.一种新的湿地信息遥感提取方法研究J.华中师范大学学报 (自然科学版) , 2007, 41 (4) :641-644. 7M
31、CFEETERS S K.The use of the Normalized Difference Water Index (NDWI) in the delineation of open water featuresJ.International Journal of Remote Sensing, 1996, 17 (7) :1425-1432. 8徐涵秋.利用改进的归一化差异水体指数 (MNDWI) 提取水体信息的研究J.遥感学报, 2005, 9 (5) :589-595. 9闫霈, 张友静, 张元.利用增强型水体指数 (EWI) 和 GIS 去噪音技术提取半干旱地区水系信息的研究J
32、.遥感信息, 2007, 7 (6) :62-67. 10曹荣龙, 李存军, 刘良云, 等.基于水体指数的密云水库面积提取及变化监测J.测绘科学, 2008, 33 (2) :158-160. 11周成虎, 骆剑承, 杨晓梅, 等.遥感影像地学理解与分析M.北京:科学出版社, 1999:68-86. 12ZHU C M, LUO J C, SHEN Z F, et al.Wetland mapping in the Balqash Lake Basin using multi-source remote sensing data and topographic features synergi
33、c retrievalJ.Procedia Environmental Sciences, 2011, 10 (part C) :2718-2724. 13CAMPOS J C, SILLERO N, BRITO J C.Normalized difference water indexes have dissimilar performances in detecting seasonal and permanent water in the Sahara-Sahel transition zoneJ.Journal of Hydrology, 2012, 464/465 (13) :438-446. 14沈占锋, 李均力, 于新菊.基于协同计算的白洋淀湿地时序水体信息提取J.地球信息科学学报, 2016, 18 (5) :690-698. 15林皓波, 吴新玲, 刘菲, 等.白洋淀湿地资源的遥感监测J.中南林业科技大学学报, 2012, 32 (4) :127-130. 16江波, 肖洋, 马文勇, 等.1974-2011 年白洋淀土地覆盖时空变化特征J.湿地科学与管理, 2016, 12 (1) :38-42. 17王军.Kappa 系数在一致性评价中的应用研究D.成都:四川大学, 2006:
