基于ETM+遥感图像的漓江水系生态环境变化分析

2012-04-29王海云刘德富张成成廖涛谭飞帆

湖北农业科学 2012年6期

王海云刘德富张成成廖涛谭飞帆

摘要：运用卫星遥感技术对漓江水系生态环境条件进行解译，综合分析了林地、植被、土壤为主要类型的生态环境现状，应用ＥＲＤＡＳ 9.2软件对４个年份的影像进行监督分类，计算归一化植被指数（ＮＤＶＩ）。结果表明，２００0—２００８年林地面积、裸地面积、水体面积分别增长１９．６３％、－15.85％和２４7．21％，漓江流域的生态环境条件有所改善。

关键词：漓江水系；生态环境；遥感解译

中图分类号：Ｘ１７１．１文献标识码：Ａ文章编号：0439－８114（２０12）06－1112-03

ＥＴＭ+ ＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅ BａｓｅｄｏｎＷａｔｅｒＥｃｏｌｏｇｉｃａｌＥｎｖｉｒｏｎｍｅｎｔＣｈａｎｇｅ

ｉｎＬｉｊｉａｎｇ

ＷＡＮＧＨａｉ－ｙｕｎ，ＬＩＵＤｅ－ｆｕ，ＺＨＡＮＧＣｈｅｎg－ｃｈｅｎg，ＬＩＡＯＴａｏ，ＴＡＮ Fei-fan

（Ｅｎｖｉｒｏｎｍｅｎｔａｎｄ Wａｔｅｒ Cｏｎｓｅｒｖａｎｃｙ Cｏｌｌｅｇｅ，ＴｈｒｅｅＧｏｒｇｅｓＵｎｉｖｅｒｓｉｔｙ，Ｙｉｃｈａｎｇ４４３００２，Ｈｕｂｅｉ，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈrough the ｕｓｅｏｆｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙ，ｔｈｅｃｏｎｄｉｔｉｏｎｓｏｆｅｃｏｌｏｇｉｃａｌｅｎｖｉｒｏｎｍｅｎｔ of Lijiang river were explained，ａｃｏｍｐｒｅｈｅｎｓｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅｆｏｒｅｓｔ，ｖｅｇｅｔａｔｉｏｎ，ｓｏｉｌｅｃｏｌｏｇｉｃａｌｅｎｖｉｒｏｎｍｅｎｔｆｏｒｔｈｅｍａｉｎｔｙｐｅｓｏｆｓｉｔｕａｔｉｏｎ was proceeded， and the software ERDAS 9.2 was used to supervise and classify the images of 4 years， and ｔｏｃａｌｃｕｌａｔｅｔｈｅ nｏｒｍａｌｉｚｅｄ dｉｆｆｅｒｅｎｃｅ vｅｇｅｔａｔｉｏｎ iｎｄｅｘ（ＮＤＶＩ）. Results showed that forest area， bare land area and water area increased 19.63%， -15.85% and 247.21% respectively，ｉｎｄｉｃａｔｉｎｇｔｈａｔｎｅａｒｌｙ８ｙｅａｒｓ，Ｌｉｊｉａｎｇ rｉｖｅｒｈａｓｉｍｐｒｏｖｅｄｔｈｅｅｃｏｌｏｇｉｃａｌｅｎｖｉｒｏｎｍｅｎｔｃｏｎｄｉｔｉｏｎｓｃｈａｎｇｅ．

Ｋｅｙｗｏｒｄｓ：Ｌｉｊｉａｎｇ river；ｅｃｏ－ｅｎｖｉｒｏｎｍｅｎｔ；ｒｅｍｏｔｅｓｅｎｓｉｎｇ

生态环境面广范围大，同时具有相当丰富的内涵，利用不同时相的卫星数据监测区域生态环境变化，是国内外常用的一种研究方法［１，２］。目前应用较多的解译方法是：分别独立进行两个时相图像的目视解译，用同一种分类方法分别对两个不同时相的卫星图像进行多光谱分类；用其他图像模式识别方法分别对两个时相图像进行识别，最终将两个不同时相的数据分类统计分析。但存在着目视解译的主观性和图像模式物体识别区分难的问题。

漓江属珠江水系桂江支流的上游，是桂江的一部分，发源于广西壮族自治区兴安县西北部的越城岭主峰猫儿山，与相邻河流的分水岭都是由高山大岭组成，界线分明，东以海洋山与湘江相隔，西以天平山架桥岭与洛清江相隔。总体由北向南，流经兴安、灵川、桂林市区、临桂、阳朔、荔浦、平乐等６个县１个市区，全长２１４ｋｍ，流域面积１２２８５ｋｍ２，其间有小东江、桃花江、宁远河、南溪河、相思江等支流汇入。漓江流域地理坐标为东经１０９°４５′—１１０°５６′、北纬２４°３８′—２５°５５′（图１）。采用２００0—２００８年卫星遥感数据，对漓江水系生态环境变化进行了解译，应用ＥＲＤＡＳ 9.2软件对影像进行监督分类，通过计算归一化指数（ＮＤＶＩ），有效提高了生態环境数据的定量化水平，取得了良好的解译效果。

１研究方法

获取２００0—２００８年ＥＴＭ+影像，采用ＥＲＤＡＳ 9.2软件进行数据处理［３－５］，包括进行辐射和几何校正、假彩色合成、影像分割、分类统计解译、变化转移矩阵精度评价。其技术路线见图２。

２遥感数据来源与处理

卫星遥感数据来源于国际科学数据服务平台（ｄａｔａｍｉｒｒｏｒ．ｃｓｄｂ．ｃｎ），包括２０００１０３０、２００２０１０５、２００５１２１５、２００８０５１３４个年份的ＥＴＭ＋遥感图像。

２．１假彩色合成

假彩色合成可以综合增强显示３个波段的遥感影像特征，结合区内植被、土壤和相关环境因子的光谱特性，确定了以Ｒ（ＴＭ５）＋Ｇ（ＴＭ４）＋Ｂ（ＴＭ３）为显示反映研究区状况的最佳增强处理方案。利用ＥＲＤＡＳ９．２软件分别导入各年份３、４、５波段的ＴＩＦＦ图像，进行波段合成，生成各年份３个波段的假彩色图像。

２．２几何、辐射校正

遥感数据均由中国科学院数据中心进行过几何、辐射校正，属于几何、辐射校正后的产品。

２．３影像分割

经ＥＲＤＡＳ 9.2软件进行影像分割后生成的假彩色图像如图３。由图３可知，研究区内各种不同类型的土地区域的界线明显，红色区域为地表水体（漓江及其支流），粉红色区域为没有植被覆盖的裸露区，绿色及紫色区域均为植被覆盖的平原和山地。

３土地类型分类

３．１分类方法

用被确认样本类别的像元去识别其他未知类别像元实现监督分类。经ＥＲＤＡＳ 9.2软件执行监督分类后生成的图像见图４。

３．２分类后处理

对上述分类结果进行邻域分析（Ｎｅｉｇｈｂｏｒｈｏｏｄ），邻域范围采用３×３的矩阵区域，分析函数采用Ｍａｊｏｒｉｔｙ算法（多数值，邻域范围内出现最多的像元值），对处理后的分类结果进行合并处理，得到４个年份土地利用/覆盖分类图（图５）。

３．３分类精度评估

采用误差矩阵法构成一个ｒ×ｒ矩阵（ｒ是类型数），矩阵的元素表示了抽样中被分到某一类而经过检验的像元数。分类精度主要指标有生产者精度、用户精度、总体精度、错分误差、漏分误差和Ｋａｐｐａ系数。使用ＥＲＤＡＳ 9.2软件运行精度评估矩阵，２０００年精度评价随机点数设置为１５０，其余年份设置为１００，得到４个年份的分类精度评价结果如表１、表２。

３．４土地利用变化

对４个年份影像数据反映的各种土地利用类型的面积分别进行统计，得到研究区内２０００—２００８年不同土地类型面积如表３。

３．５植被指数

植被指数是利用卫星探测数据的线性或非线性组合来反映植被的存在、数量、质量、状态及时空分布特点的指数。ＮＤＶＩ能反映出植物冠层的背景影响，依据ＥＲＤＡＳ 9.2中ＮＤＶＩ计算模型，计算归一化植被指数（ＮＤＶＩ），－１≤ＮＤＶＩ≤１，负值表示地面覆盖为云、水、雪等，０表示有岩石或裸土等，ＮＩＲ和Ｒ近似相等；正值表示有植被覆盖，且随覆盖度增大而增大。将４个年份原始图像的3、4、5波段进行合成，并结合对应的ＡＯＩ，对图像进行切割，得到４个年份研究区的植被指数图像如图６。４个年份研究区的归一化植被指数（ＮＤＶＩ）的最小值、最大值及平均值见表4。

由于归一化植被指数（ＮＤＶＩ）随植被覆盖度的增大而增大，因此可用ＮＤＶＩ的平均值间接反映植被覆盖度的平均值，而各年份ＮＤＶＩ平均值的变化情况也间接反映各年份植被覆盖度的变化情况。ＮＤＶＩ平均值变化２０００－２００２年为－６９．１８％，２００２－２００５年为１７５．５１％，２００５－２００８年为45．93％。

４结论

１）利用２００0—２００８年ＥＴＭ+影像，进行辐射和几何校正、假彩色合成、影像分割，采用ＥＲＤＡＳ 9.2软件进行数据分析处理、分类统计解译、变化转移矩阵精度评价，较客观地对漓江水系区域生态环境变化进行了解译。

２）２０００—２００８年，林地面积、裸地面积、水体面积分别增长１９．６３％、－１５．８５％和２４７．２１％，漓江流域的生态环境条件有所改善［6］。

参考文献：

［１］ＹＡＮＧＳＴ，ＬＥＩＴ，ＷＡＮＧＢ．ＴｈｅｒｅｓｅａｒｃｈｏｎｔｈｅｅｃｏｌｏｇｉｃａｌｆｅａｔｕｒｅｏｆｔｈｅｒｍａｌｒａｄｉａｎｔｉｎＧｕｉｙａｎｇ，Ｃｈｉｎａｕｓｉｎｇｒｅｍｏｔｅｓｅｎｓｉｎｇ［Ａ］．ＩＥＥＥ．２００４ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇＳｙｍｐｏｓｉｕｍＰｒｏｃｅｅｄｉｎｇｓ［Ｃ］．ＮｅｗＹｏｒｋ：ＩＥＥＥ，２００４．３１６１－３１６４．

［２］ＷＩＥＮＳＪ，ＳＵＴＴＥＲＲ，ANDERSON M， et al．Ｓｅｌｅｃｔｉｎｇａｎｄｃｏｎｓｅｒｖｉｎｇｌａｎｄｓｆｏｒｂｉｏｄｉｖｅｒｓｉｔｙ：Ｔｈｅｒｏｌｅｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇ［J］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００９，１１３：１３７０－１３８１．

［３］辛海強，闻辉，张昱．ＥＲＤＡＳ软件在森林资源分类工作中应用［Ｊ］．测绘科学，２００３，２８（２）：３９－４１．

［４］黄瑞，黄华明，张防修，等．基于ｓｋｅｔｃｈｕｐ及ｅｒｄａｓ软件实现土地利用三维监测［Ｊ］．安徽农业科学，２０１０，３８（２２）：１１８１７－１１８１８．

［５］王岩，杨爱玲，刘秀娟．基于ＥＲＤＡＳ软件遥感正射影像图的制作［Ｊ］．测绘与空间地理信息，２００７，３０（５）：１０４－１０５，１０９．

［６］丁美青，陈松岭，郭云开．基于遥感的土地复垦植被覆盖度评价［Ｊ］．中国土地科学，２００９，２３（１１）：７２－７５．