基于遥感和GIS的江苏滨海地区湿地信息提取及动态变化分析

张 健，何祺胜，崔 同，师鹏飞，杨 涛

(1.太湖流域管理局 水文局，上海 200000；2.河海大学 a.地球科学与工程学院；b.水文水资源学院，南京 210098)

基于遥感和GIS的江苏滨海地区湿地信息提取及动态变化分析

张 健1，何祺胜2a，崔 同2b，师鹏飞2b，杨 涛2b

(1.太湖流域管理局 水文局，上海 200000；2.河海大学 a.地球科学与工程学院；b.水文水资源学院，南京 210098)

掌握湿地分布及动态变化特征能够为更好地保护湿地提供科学依据。以江苏省滨海湿地为研究对象，对研究区1992年、2002年、2012年3个时期的遥感数据进行处理，利用最大似然法分类提取湿地信息，研究滨海地区的湿地信息、动态变化并对驱动因子进行分析。结果表明：江苏滨海湿地总面积呈减少趋势，其中人工湿地所占比重增加了22.43%，自然湿地所占比重则相应减少，此外自然湿地呈现以獐茅、盐蒿群落大幅度减少以及米草先大范围扩散后相对稳定的趋势；在转移过程中，转入面积最高的是人工养殖塘，而转出率由光滩变成了浅海水域；滨海湿地变化驱动因素主要是人类活动影响。

江苏滨海地区；湿地；信息提取；动态变化；遥感; GIS; 驱动因子

1 研究背景

湿地处于水陆过渡交叉地带，是地球上最重要的3大生态系统之一[1-3]。它拥有自然界中最具生物多样性的生态系统，为人类生产、生活提供各种所需要的资源，具有多种生态功能和社会经济价值[4-7]。江苏滨海湿地是我国面积最大的滨海湿地，位于江苏省沿海的海陆交界、淡咸水交汇、海洋与陆地交互作用的区域，湿地面积约106万hm2，境内具有丰富、独特的景观类型，在维护我国鸟类、麋鹿等生物多样性方面具有重要意义[8-10]。然而，随着江苏沿海社会经济的迅速发展，人类活动加剧，滩涂围垦严重，滨海湿地出现了自然湿地面积不断减少、湿地生境逐步破碎以及生物多样性减少等问题。因此，为更好地保护和管理江苏滨海湿地，迫切需要诊断湿地系统的破坏及退化程度，识别湿地系统变化的主要驱动因素。准确及时地掌握湿地类型、分布以及变化等情况对湿地资源研究、合理开发利用以及保护湿地具有重要意义[11]。然而，传统的实地调查由于工作量大、调查困难等问题，存在明显不足。

近年来，遥感信息技术由于其监测范围广、速度快、成本低等优势，得到了快速发展，成为湿地监测中的重要手段。钟春棋等[12]利用TM影像提取了闽江河口湿地资源的空间信息，揭示了闽江河口湿地资源动态变化情况；李东颖等[13]基于RS数据采用层分类和决策树分类方法，提取了黄河三角洲不同时期的湿地信息并分析了动态变化。关于江苏滨海湿地方面，国内学者也已经开展了一些研究。朱叶飞等[14]基于RS与GIS技术对江苏海岸带湿地进行了分类；翟可等[15]利用盐城滨海湿地1975年、1991年、2002年和2006年4期遥感影像数据，研究了滨海湿地土地利用/覆盖变化及其转移过程；左平等[16]通过5个时期遥感数据分析了近40 a来的江苏盐城滨海湿地景观变化及驱动力。虽然对江苏滨海湿地的研究已有一定的成果，但是目前研究对滨海湿地植被分类不够细化，仅集中分析湿地土地利用变化，在驱动因子研究中主要是定性的描述，对滨海湿地动态监测以及驱动因子的研究仍存在不足。与此同时滨海湿地随时间处于连续不断的发展演变中，必须对其进行持续的研究。

本文在已有研究的基础上，利用江苏滨海地区1992年、2002年、2012年3期遥感影像数据，通过研究滨海湿地植被光谱及其生境特征，实现湿地植被的精细分类，并参考已有湿地分类系统，结合滨海湿地特点，建立较为细化的三级湿地系统分类体系以及湿地类型影像解译标志库，采用最大似然法提取湿地信息，基于不同时相的遥感数据对江苏滨海区湿地动态信息分类进行变化分析；在此基础上通过收集整理滨海地区1990年以来的自然、经济、社会等相关历史数据定量分析滨海湿地变化的主要驱动因子，旨在为江苏滨海地区的湿地生态系统建设提供科学依据。

2 研究区概况

江苏滨海地区位于江苏东部，地处长江、淮河和沂沭泗河流域最下游，经纬度在31°4l′N—35°07′N，119°06′E—121°56′E之间。该地区属北亚热带向暖温带过渡地带气候，以海洋性、季风性为气候特征，降水丰沛，年均降水量为895～1 000 mm，多年气温平均值为13～15 ℃。滨海地区涉及14个县级行政单位，面积为9 149 km2，海岸线长达954 km。受海水长期侵蚀的影响，湿地主要土壤类型为滨海盐土，主要植被类型为盐地碱蓬、芦苇和花米草。江苏滨海湿地是国际上重要的湿地之一，生物资源种类多样，特别是一些珍稀野生动物的重要栖息地。本文选取研究区面积约为3 158 km2，主要涉及响水县、滨海市、射阳、大丰以及东台5个县(市)。

3 数据与研究方法

3.1 数据来源及处理

据数据的可获取性，选择江苏滨海地区1992年10月20日、2002年9月22日的Landsat数据，2012年10月23日的HJ星数据作为遥感基础数据源。其他数据则主要来自盐城市1990—2012年统计年鉴，其中1991年、1994年、2001年3年缺失。通过对不同时期的遥感数据进行预处理，在分析Landsat及HJ遥感影像的典型地物波谱特征的基础上选择合适的波段组合，建立滨海湿地分类遥感解译标志，并结合野外实地调研资料，利用最大似然法对3期的遥感影像进行湿地信息提取及分类，统计不同时期的湿地面积，分析滨海湿地信息时空动态变化特征及驱动因素。具体技术路线见图1。

图1 技术路线Fig.1 Technical route

3.2 遥感数据的预处理

遥感数据的预处理主要包括几何校正、图像剪裁、波段组合等。

3.2.1 几何校正

为纠正各种因素造成的图像形变，如行列不均匀，地物形状不规则变化等，实现图像的几何整合，需要对影像进行几何校正。校正的具体过程为：①利用人工目视解译方法在图像上确定地面控制点；②采用多项式近似法对数据进行空间变换；③通过最邻近像元法对图像进行灰度值重采样。首先对2012年的HJ星CCD影像进行几何校正，完成校正后以它作为基准图像，人工选择均匀分布的30～35个地面控制点，采用二次多项数对控制点进行匹配处理，将1992年和2002年的影像配准到基准影像上，并保证各期影像校正的几何均方差控制在0.5个像元之内，从而统一滨海湿地不同时期的遥感影像空间坐标。

3.2.2 波段组合

遥感影像数据是一种包含信息丰富的多光谱数据，它具有准确识别不同地物的能力，但若不经过分析随便选择波段组合进行图像分类时，将影响分类结果。湿地信息包括植被、土壤以及水体等多种要素，为保证丰富的湿地图像信息，减少相关数据的互相干扰，选择较为合适的波段进行组合，对于滨海湿地提取解译具有重要的意义。由于Landsat波段的前4个和HJ星CCD影像波段(光谱范围0.43～0.90 μm)相吻合，通过对比不同的波段组合后，最终假彩色合成HJ星CCD影像数据的4，3，2波段。这样既可以保证信息湿地动态变化研究的一致性，又能够在解译时突显滨海湿地植被信息。合成影像中红色或者暗红色为植被，黑色或者深蓝色为水体，浅蓝色为海水，亮度较高的为裸地及光滩。同样，选取4，3，2波段对TM，ETM影像进行合成。

3.3 湿地信息提取

3.3.1 最大似然分类法

目前遥感图像信息的分类方法主要包括人工目视判读、计算机自动分类、半自动半人工分类等。本文采用监督分类方法中的最大似然法(Maximum Likelihood Classifier，MLC)进行分类。最大似然分类法精度高、误差小，是一种比较好的分类方法。其思想是以贝叶斯准则为基础，假定训练样本服从正态分布，通过判断训练样本中的像素隶属于各个类别的概率，比较从属各个类别概率大小，确定该特征点的归宿。根据既定的滨海湿地分类系统，确定待分区主要地物类型，然后选择训练区，在ENVI软件环境下对滨海湿地遥感影像执行最大似然法分类，生成湿地地物类型分类图。

表1 湿地景观分类系统及解译标志Table 1 Classification system and interpretation signs of wetland

3.3.2 分类后处理及精度评价

由于遥感图像分类具有一定的盲目性，会导致一些很小面积的零碎的图斑(孤立点、孔穴等) 出现在分类结果中。因此，合适的分类后处理方法，能够提高图像质量及分类精度。利用ENVI中的Assign Class Colors，Clump Classes，Combine Classes，Slieve Classes，Confusion Statistics依次进行统一分类颜色、小类别聚类、类别合并、过滤类别、精度评价等步骤。选择混淆矩阵法进行精度检验，精度评价指标主要包括总精度、Kappa系数等。其中，总体精度表示被正确分类的像元占总像元数的比重；在评价遥感图像精确问题时，Kappa系数越大，图像一致性越好。

3.4 湿地景观分类系统

湿地分类是湿地研究的基础，根据研究目的、内容和研究区域的差异性，湿地系统的分类有所不同。由于江苏滨海湿地景观分类与土地利用/覆被的紧密性，因此研究以湿地形成和人类活动影响因子为主导，参考湿地公约的湿地分类系统，综合考虑水文、植被、以及湿地开发利用等特点，构建能够反映江苏滨海湿地类型特征分布的分类系统。一级分类根据水文、地表土壤状况，将研究区域划分为自然湿地、人工湿地、非湿地3类。由于本文主要研究对象为湿地类别，因此对其进行细分，其中，将自然湿地类别的二级分类以海岸湿地景观的自然属性为依据划分为滩涂、沼泽、水域3类。而对非湿地类别根据土地利用现状进行粗分。三级分类则主要考虑滨海湿地植被类型分异、植被优势种群变化及土地利用现状，将沼泽湿地进一步分为芦苇滩、碱蓬滩、米草滩、獐茅滩4类。具体湿地分类系统及解译标志见表1。

4 结果与分析

4.1 湿地信息提取结果

图2为江苏滨海湿地景观类型在1992年、2002年和2012年的提取结果。由图2可知，光滩主要分布滨海地区中南部，随着时间推移存在大面积严重萎缩。碱蓬滩沿光滩分布，在研究期内光滩不断减少的过程中，碱蓬滩面积也在不断减少，到2012年只有少量碱蓬滩分布在滨海中部和下部地区。芦苇滩和獐茅滩也存在不同程度的萎缩，沼泽湿地中只有米草滩面积呈现出先快速增加再稳定的过程。水域面积中的河流和浅海类型则经历了一个先增大后减少的过程。在滨海地区社会经济的驱动下，水产养殖塘从1992年的零星分布逐渐发展成连续大面积分布。同时，随着养殖业的发展，人类活动加剧，滨海湿地出现了居民点和工矿建筑用地等土地利用类型。江苏滨海湿地中整体呈现出人工湿地的面积在逐年不断扩大、自然湿地面积逐渐减少的趋势。

图2 江苏滨海地区湿地1992年、2002年、2012年提取结果分布Fig.2 Extraction results of wetland in Jiangsu coastal area in 1992，2002，2012

为了进一步分析湿地转化特点，选取湿地退化较为严重的大丰港区域做进一步分析(图3)。如图3中红框所示，大丰港的土地利用类型由1992年的盐蒿及光滩转化为2002年的水产养殖塘，再转化为2012年的工矿用地。土地利用类型由自然湿地转变为人工湿地，进一步转化为非湿地。

4.2 湿地动态变化及转移特征分析

4.2.1 滨海地区湿地动态变化分析

滨海地区自然湿地、人工湿地、非湿地等各种土地类型的面积及比例变化能够直接反映滨海地区湿地变化总趋势及结构变化特征。本文分别统计1992年、2002年、2012年的土地利用/景观变化数据，结果如表2所示。 其中变化面积为2012年面积减去1992年面积。

表2 江苏滨海地区湿地景观变化面积Table 2 Area changes of wetland in Jiangsu coastal area

图4 江苏滨海地区湿地面积变化趋势Fig.4 Tendency of area change of wetland in Jiangsu coastal area

图4为江苏滨海地区湿地面积变化趋势。由表2、图4可知，米草滩的面积由1992年的20.24 km2增加到2002年的155.84 km2，增加7倍多，在而后的10 a面积相对稳定；光滩面积由1992年的699.3 km2缩减到2012年的336.83 km2，缩减比例达51.53%；芦苇滩面积由1992年的263.32 km2减少到2012年的134.52 km2；獐茅滩面积由1992年的157.14 km2减少到2012年的26.10 km2；碱蓬滩面积也急剧减少，由1992年的391.15 km2减少到2012年的81.54 km2。总的来说，滨海自然湿地景观的主要变化特征表现为以獐茅、盐蒿群落为代表的自然湿地的大幅度减少以及米草由引种到快速扩散再到稳定。与此相对应，人工湿地的面积却在大幅度增加，水产养殖塘面积由1992年的217.50 km2增加到2012年的851.85 km2；农田用地面积也呈现增加的趋势，由1992年的281.44 km2增加到2012年的472.64 km2。

总体而言，滨海湿地总面积呈现减少趋势(图5)，从1992年的2 877.06 km2减少到2012年的2 596.32 km2；在湿地组成比例方面，自然湿地占总湿地的比重呈大幅度下降趋势，由1992年的82.34%下降到2012年的59.91%；人工湿地所占比例由17.66%上升到40.09%。滨海湿地的景观类型呈现以自然湿地为主向自然湿地和人工湿地同等比例转变，并且在此过程中景观植被群落类型呈现逐渐减少的趋势。

图5 江苏滨海地区一级分类面积Fig.5 Areas of first grade classification in Jiangsu coastal area

表3 江苏滨海地区1992—2002年的景观转移矩阵Table 3 Transfer matrix of wetland areas in Jiangsu coastal area from 1992 to 2002

表4 江苏滨海地区2002—2012年的景观转移矩阵Table 4 Transfer matrix of wetland areas in Jiangsu coastal area from 2002 to 2012

4.2.2 滨海湿地转移特征分析

为进一步分析滨海湿地转移特征，利用ArcGIS对滨海地区1992年、2002年以及2012年的遥感影像分类结果进行空间叠加分析，得到研究区内各种类型面积的相互转移情况，见表3、表4。

从表3可以看出，在1992年到2002年间，转出面积最高的是光滩，转出面积为432.16 km2，主要转出类型为米草滩、浅海区域，转出面积分别为107.9，242.61 km2；转入率最高的是水产养殖塘，转入面积为442.86 km2，主要由碱蓬滩、芦苇滩、獐茅滩转化而来，它们分别占转入比例的27.3%，22.7%，25.9%。沈永明等[17]的研究报告表明由于围垦养殖，江苏沿海在1949—2004年间失去了茅草群落803.6 km2、盐蒿群落696.6 km2、芦苇群落405.4 km2。分析表4可知，在2002—2012年间，转入面积最大的仍是水产养殖塘，转入面积为221.25 km2，可见渔业仍是当地的主要经济产业；而转出面积最高的则由光滩变成了浅海水域，这是因为光滩一直是开发利用的对象，长期处于人工改造的影响中；此外滨海地区出现85.51 km2的工矿用地类型，主要由盐田和人工养殖塘转入。总的来说，20 a间随着滨海地区经济发展以及人类生产和生活需求增大，围垦面积增加，以米草滩、光滩面积为主的沼泽湿地以及盐田逐渐被改造成了水产养殖塘，水产养殖被改成农田，人类在这些土地利用方面的活动进一步增加了人工湿地、农田面积，并出现工矿用地土地类型。

4.3 湿地变化驱动因素分析

已有研究结果表明，湿地景观变化的原因可分为自然因素和人类因素2个方面。自然因素主要包括气温、降水等，人类因素主要包括人口、政策、经济等[18]。研究气候因素变化的特征和规律能有效地揭示湿地的变化特征。选用江苏盐城市1990年以来的统计数据，对盐城市1990—2012年气温和降水数据利用Kendall检验法进行趋势检验。结果表明江苏滨海地区1990—2000年平均气温为14.87 ℃，2001—2012年平均气温为14.91 ℃，Kendall检验中年平均气温U值为0.13，气温总体呈现微弱上升趋势。滨海地区气温升高增加了水面的蒸发，导致碱蓬滩、芦苇滩等湿地水面面积萎缩；与此同时，滨海湿地1990—2000年平均降水量为980 mm，2001—2012年平均降水量为975 mm，年平均降水U值为-0.39，年降水呈现微弱减少趋势。降水的减少导致湿地所在区域的地表、地下等水源补给减少，降低了水面水位。江苏滨海湿地滩涂的围垦及开发利用是人类干扰的主要模式，围垦的土地主要用于种植、水产养殖[19]。盐城市相关统计数据表明，随着盐城地区经济的快速发展和人口的不断增长，人工湿地、农田面积呈明显增加趋势，为满足需要自1992年到2012年盐城市增加耕地面积183 890 hm2，水产品产出量增加了79.57万t。

已有的研究通常定性描述人为干扰和自然因素对江苏滨海湿地变化的驱动作用，一般认为人为干扰是最主要的驱动因素[20]。本文在此基础上进行进一步定量研究，选取1992年、2002年、2012年的降雨、气温、人口、非农业人口、GDP、工业总产值、农业总产值、种植业、水产品、耕地面积与湿地面积进行相关分析(表5)，研究湿地变化的主要影响因素。

表5 湿地变化主要驱动因素的相关性分析Table 5 Correlation analysis of main driving factors of wetland change

表5表明，自然湿地与气温和降水的相关性都不高，相关系数分别为-0.368，0.393，而与耕地面积和水产品有较高的负相关性，相关系数分别为-0.987，-0.965。这与已有研究结果一致，认为江苏滨海湿地面积变化主要受到人为因素的驱动，即湿地面积变化主要是由于人类为缓解人口增长压力和经济发展需要，扩大人工养殖场，发展沿海养殖业，促使居民工矿用地的建设，占用湿地导致自然湿地面积急剧减少。而自然因素中降雨量的减少和气温的升高并不能导致当年湿地面积持续显著减少趋势，但是会在一定程度上加剧滨海地区湿地面积的萎缩。

5 结 论

本文参考已有的湿地分类系统，综合考虑江苏滨海湿地水文、土壤、生态及植被等要素，建立了滨海湿地景观三级分类系统及湿地类型影像解译标志库，提取了滨海湿地信息及湿地动态变化信息，并定量分析了湿地变化特征和驱动因素，研究结果表明：

(1) 江苏滨海湿地总面积2012年减少为2 596.32 km2，其中自然湿地减少了813.6 km2；滨海自然湿地景观的主要变化特征表现为以獐茅、盐蒿群落为代表的自然湿地的大幅度减少以及米草由引种到大范围扩散，与此相对应，在经济利益的驱动下，人工湿地的面积在大幅度增加，农业用地也一直在持续增加。

(2) 滨海湿地在1992到2002年转出、转入面积最高的分别是光滩和人工养殖塘；2002年到2012年，转出、转入面积最高的分别是浅海水域和人工养殖塘。

(3) 江苏滨海湿地变化主要受人为因素影响，其中湿地面积与耕地面积及水产养殖的负相关系数在0.9以上，而自然因素加剧了湿地面积萎缩。

因此，为防止滨海湿地的进一步恶化，应制定持续有效的管理措施保护滨海湿地生态系统，以实现滨海区经济、社会、生态效益的和谐发展。

[1] 徐守国，郭辉军，田 昆．湿地功能研究进展[J]．环境与可持续发展，2006，(5)：12-14．

[2] 崔丽娟，张曼胤，王义飞．湿地功能研究进展[J]．世界林业研究，2006，19(3)：18-21．

[3] 李青山，张华鹏，崔 勇，等．湿地功能研究进展[J]．科学技术与工程，2004，4(11)：972-976．[4] 玉苏普江·艾麦提，阿里木江·卡斯木，阿布都沙拉木·热合曼．基于RS和GIS的艾比湖湿地信息提取及面积动态分析[J]．水资源保护，2014，30(2)：57-61．[5] 李东东，乔玉良，张青海．基于遥感技术的珠海市湿地动态变化分析与研究[J]．气象与环境科学，2011，34(2)：14-19．

[6] 黄 薇，陈 进．长江流域湿地保留率研究[J]．长江科学院院报, 2007, 24(6) ：10-13.

[7] 郭 彬，江春波，杨 展．黄河口湿地健康评价[J]．长江科学院院报, 2010, 27(10) ：44-49.

[8] 王 磊，邢 玮，季永华，等．江苏海岸湿地研究进展概述[J]．江苏林业科技，2007，34(3)：52-54．

[9] 姚志刚，陈玉清，袁 芳，等．江苏省滨海湿地现状、问题及保护对策[J]．林业科技开发，2014，28(4)：10-14．

[10]王敬华，何大巍，张 策，等．江苏盐城滨海湿地研究进展[J]．湿地科学与管理，2011，7(3)：60-63．

[11]张 柏．遥感技术在中国湿地研究中的应用[J]．遥感技术与应用，1996，11(1)：67-71．

[12]钟春棋，郑彩红．基于TM影像的闽江口湿地信息提取及其动态变化研究[J]．国土资源遥感，2008，(1)：38-42．

[13]李东颖，杨文波，王 琳，等．基于RS数据的黄河三角洲湿地信息提取及湿地动态变化研究[J]．海洋湖沼通报，2012，(1)：100-109．

[14]朱叶飞，蔡则健．基于RS与GIS技术的江苏海岸带湿地分类[J]．江苏地质，2007，31(3)：236-241．

[15]翟 可，刘茂松，徐 驰，等．盐城滨海湿地的土地利用/覆盖变化[J]．生态学杂志，2009，28(6)：1081-1086．

[16]左 平，李 云，赵书河，等．1976年以来江苏盐城滨海湿地景观变化及驱动力分析[J]．海洋学报，2012，34(1)：101-108．

[17]沈永明，冯年华，周 勤，等．江苏沿海滩涂围垦现状及其对环境的影响[J]．海洋科学，2006，30(10)：39-43．

[18]李玲玲，宫辉力，赵文吉．1996—2006年北京湿地面积变化信息提取与驱动因子分析[J]．首都师范大学学报(自然科学版)，2008，29(3)：95-101．

[19]欧维新，杨桂山，于兴修，等．盐城海岸带土地利用变化的生态环境效应研究[J]．资源科学，2004，26(3)：76-83．

[20]杜培军，陈 宇，谭 琨．江苏滨海湿地土地利用/覆盖变化与地表温度响应遥感监测[J]．国土资源遥感，2014，26(2)：112-120．

(编辑：罗 娟)

Information Extraction and Dynamic Changes ofWetland in Jiangsu Coastal Area Based on RS and GIS

ZHANG Jian1, HE Qi-sheng2, CUI Tong3, SHI Peng-fei3, YANG Tao3

(1.Hydrology Bureau，Taihu River Basin Management Bureau，Shanghai 200000，China；2. School of Earth Sciences and Engineering，Hohai University，Nanjing 210098，China；3.College of Hydrology and Water Resources，Hohai University，Nanjing 210098，China)

Mastering the distribution and dynamic change characteristics of wetland could provide scientific basis for better protection of wetland. In this research we processed the remote sensing data of Jiangsu coastal wetlands in 1999, 2002, 2012 and employed maximum likelihood method to extract wetland information. On this basis we investigated the dynamic change of coastal wetland and analyzed the driving factors. Results showed that the total area of wetland in Jiangsu coastal area presented a declining trend. The proportion of artificial wetlands increased by 22.43%, and the proportion of natural wetlands decreased, accordingly. In addition, natural wetland presented a tendency that communities ofAeluropuslittoralisandArtemisiahalodendronreduced greatly, andSpartinaexperienced the process from widespread diffusion to relative stabilization. During the process of transfer, the biggest transfer-in area was artificial breeding pond, while the biggest transfer-out ratio changed from barren wetland to shallow waters. The main driving factor of coastal wetland change was the influence of human activities.

Jiangsu coastal area；wetland；information extraction；dynamic change；remote sensing; GIS(Geographic Information System); driving factors

2016-01-18；

2016-04-11

张 健(1963-)，男，安徽滁州人，高级工程师，主要从事水利信息化、水文水资源监测站网规划设计、建设管理工作，(电话)13816137585(电子信箱)zhangjiansdny@163.com。

10.11988/ckyyb.20160051

2017,34(4):144-150

X24

A

1001-5485(2017)04-0144-07