时序遥感影像滇池凤眼莲时空动态变化分析

蒋明，郭云开，2，朱佳明，2，刘海洋，2

(1.长沙理工大学 交通运输工程学院，长沙 410014；2.长沙理工大学 测绘遥感应用技术研究所，长沙 410076)

0 引言

凤眼莲(eichhornia crassipes)属雨久花科、凤眼莲属，俗名水葫芦[1]，被认为是世界上危害最为严重的十大恶性杂草之一[2]。它生命力顽强，即便是河水干涸，种子存活力仍可以保持15—20年[3]。在我国国家环保总局2003年公布的首批16种外来入侵物种名单中，水生植物凤眼莲就名列其中[4]。我国政府每年投资数百亿元用于治理并打捞凤眼莲[5]。云南省作为受到凤眼莲入侵危害最为严重的六省市之一，其中最严重最为引人注目的是昆明市滇池。滇池是昆明市的“母亲湖”，它的水体水质恶劣，富营养化严重，被国务院列为重点治理的“三湖三河”之一[6-7]。

目前，国内外对于入侵物种凤眼莲的监测研究较少。Albright等人对非洲维多利亚湖泊地区1994—2001年间凤眼莲的分布及扩散情况进行了研究[8]；Idawo C等人利用遥感数据对肯尼亚维南湾的凤眼莲进行了监测和制图研究[9]；Verma等利用卫星遥感系统研究了印度班加罗尔城北部6条河流中凤眼莲种群覆被的变化[10]。高雷对上海的凤眼莲种群的分布现状进行了调查研究[11]；章莹等对凤眼莲入侵现状的遥感监测研究进展进行了介绍[12]。然而，目前暂未有学者用遥感手段对国内凤眼莲进行连续长时间序列时空动态监测研究。

传统的入侵物种凤眼莲监测主要基于野外调查，并综合历史资料建立扩散模型，进行动态模拟和预测预报。本文利用2000—2017年长时间序列的Landsat ETM+和少量Landsat OLI 遥感影像数据，采用影像拼接技术，利用监督分类方法，估算滇池凤眼莲的面积，提取近18年来其空间分布上的年际变化特征，对滇池凤眼莲近18年的时空变化进行分析，较传统方法更具经济性，较大量的滇池凤眼莲2011—2013年人工控养期间的监测研究更具动态性、现势性。本文以期为滇池如何监测和控制凤眼莲提供理论依据，同时为国内外其他湖泊凤眼莲研究、监测提供理论和方法借鉴。

1 研究区域概况

选取滇池作为研究区。滇池位于云南省昆明市西南端，地理坐标为102°29′E～103°1′E，24°29′N～25°28′N，是中国西南地区最大的湖泊，也是中国第六大淡水湖。滇池呈南北向分布，湖体形状略呈弓形，弓背向东(图1)。滇池湖泊面积约300 km2，入湖河渠二十余条，北面海埂大坝将其隔为南北两区，中间仅有一航道相通，南部为滇池主体称外海，面积约290 km2，风浪较大，水质劣V类，中度富营养化；北部支体称草海，面积约10 km2，水面平稳，水质劣 V类，为滇池污染最严重的水域，重度富营养化，富营养化的水体使凤眼莲在滇池外海和草海疯狂生长，过去情况严重时几乎可以覆盖全部的水面。

图1 滇池区域影像

2 数据和方法

2.1 数据来源

数据主要选用2000—2017年长时间序列Landsat ETM+遥感影像，辅助数据为少量Landsat OLI遥感影像，每年选用一景可以覆盖全部滇池水域的影像，影像成像日期集中，均成像于凤眼莲生长期后期11月份，影像云覆盖少，成像清晰，所有影像数据下载自USGS(https：//earthexplorer.usgs.gov/)。

2.2 研究方法

遥感技术具有宏观、动态和低成本等特点，既可以满足大范围凤眼莲监测的需要还可以进行动态监测[13]。遥感时间序列具有季节性、多尺度性、时空自相关性、高维度和数据量巨大等特点，持续变化的检测是当前遥感时间序列影像变化检测的主要问题与类型，它可在面向土地利用/覆盖类型相对缓慢的变化检测中发挥重要作用[14-15]。本文探讨的利用遥感时间序列影像和遥感监督分类方法动态监测滇池入侵物种凤眼莲的技术路线如图2所示。本文仅研究凤眼莲，因此这里只定义凤眼莲、水面和其他三类训练样本，接着在缨帽变换和假彩色增强以及研究区高分辨率影像的基础上目视解译创建出感兴趣区，下一步确定最佳的分类器，执行监督分类，对分类结果进行评价，对错分和漏分的像元进行剔除更正。研究中使用的数据处理平台主要有ENVI 5.3和ArcGIS 10.2。

1)图像增强。对预处理后的影像进行图像增强处理。经过缨帽变换后，滇池主要植物种类微囊藻、红线草、微齿眼子菜在前3个数据轴即亮度、绿度和湿度轴上均有较大的差别，在绿度轴上表现尤为明显。这为影像中凤眼莲群落的解译分类提供了一定的精度保证[16]。归一化植被指数NDVI是植物生长状态和群落盖度的最佳指示因子，与群落盖度呈线性相关。NDVI值越大，表示有植被覆盖且植被覆盖度越大[17-18]。不同的波段合成显示可以增强不同地物，通过实验，4波段与2波段相关性较小，为了让凤眼莲与背景形成很大的反差，加入植被指数NDVI作为第3波段。本研究对融合裁剪后的所有影像进行4、3、2假彩色增强处理(4波段为NIR波段，2波段为Green波段)。

图2 技术路线图

2)影像拼接。连续长时间序列时空动态监测研究会遇到单一数据源未覆盖整体研究区、云层遮盖部分观测区等问题，而影像拼接可以解决这些问题。以2015年影像数据为例，滇池区域2015年11月的Landsat ETM+数据存在少量云遮盖研究区问题，对2015年数据应用影像拼接技术，即利用2015年11月的Landsat ETM+和Landsat OLI数据拼接后的影像监测滇池凤眼莲。2015年滇池凤眼莲提取影像拼接技术应用示意图和应用前、后结果对比如图3和图4所示。

3)实地观测验证。本文选取2013年和2017年进行凤眼莲提取实地验证，实地验证观测时间为与当年遥感影像“星地同步”时间前后的11月份10—14日和11月份13—16日。调查主要采取沿湖踏查的方式，目测凤眼莲在滇池内各区域的面积和空间分布。然后，结合部分高分辨率影像资料，计算滇池内总的凤眼莲覆盖面积和统计种群位置。2013年和2017年实地踏查得出滇池当年凤眼莲估算面积分别为633.4 hm2和727.8 hm2，2013年凤眼莲空间分布主要位于滇池外海西北部和草海中部，2017年主要位于滇池外海北部和草海北部。

注：图中绿线、黄线分别为拼接边界线、滇池范围线。图3 2015年影像拼接(ETM+波段组合顺序为432，OLI为543)

注：图中四边形边框为突出拼接前后凤眼莲提取变化。图4 2015年拼接前、后凤眼莲提取结果对比

3 结果与分析

通过采用影像拼接技术和监督分类方法解译分析滇池2000—2017年长时间序列遥感影像，并结合部分高分辨率影像资料，得出近18年来的滇池凤眼莲覆盖面积(表1)和其空间分布的的年际动态变化(图5)。

表1 凤眼莲提取面积

图5 凤眼莲空间分布位置变化

由表1可得，本文2013年凤眼莲提取面积为实地观测验证凤眼莲估算面积的81.4%，2017年凤眼莲提取面积与实地观测验证凤眼莲估算面积存在9.0%的偏差。从图5可以看出，2013和2017年凤眼莲空间分布与实地观测验证大致相符；2000—2017年中，滇池凤眼莲空间分布呈现分散-集中-再分散的变化，其主要分布在滇池沿岸地区，特别是滇池外海北部区域。滇池出现凤眼莲空间分布集中的现象是由于规模化控养凤眼莲的影响，出现再分散的情况可能是因为控养凤眼莲的围网年久失修，导致凤眼莲逃逸。

3.1 凤眼莲提取面积逐年迭代统计值分析

本文采用最大值、最小值、极差、平均值、标准差5种统计特征因子对凤眼莲提取面积进行逐年迭代统计和分析。由表1和图6可知，凤眼莲提取面积从2000—2012年整体处于波动变化，2012年以后整体变化处于平缓。由表2和图6可知，凤眼莲提取面积逐年迭代统计值中：最大值和极差从2000—2006年不断增大，2006年达到最大，此后不再变化；最小值从2000—2005年不断减小，2005年达到最小，此后不再变化；平均值从2000—2006年处于波动变化，2006年以后处于平稳变化；标准差从2000—2006年不断增大，2006年达到最大，此后缓慢变小。此外，5种统计特征因子在2006年的增长率值都达到了最大，并且与其他年份的统计特征因子增长率值相比均相差较大。

表2 凤眼莲提取面积逐年迭代统计值 hm2

图6 凤眼莲面积变化及其逐年迭代统计值变化

综合以上分析可得，2000—2017年中，滇池凤眼莲覆盖面积前期2000—2011年整体呈现波动性变化，后期2012—2017年整体变化趋于平缓，期间2006年滇池凤眼莲覆盖面积出现陡然上升变化，说明2006年滇池凤眼莲覆盖面积发生了剧烈变化，表明预防凤眼莲失控后肆虐生长刻不容缓，同时也说明了动态监测滇池入侵物种凤眼莲的重要性。从2012年开始，凤眼莲提取面积整体变化趋于平缓，这是由于从2011年开始，在滇池人工控制性种养凤眼莲减缓了其凤眼莲覆盖面积的变化趋势。

3.2 凤眼莲覆盖区域NDVI统计值分析

归一化植被指数(NDVI)是反映土地覆盖植被状况的一种重要的遥感指标。本文采用平均值、标准差2种统计特征因子对凤眼莲提取面积区域的NDVI值进行逐年统计和分析。从图7可以看出，凤眼莲提取面积区域的NDVI值逐年统计值中：平均值从2000—2017年整体变化较小，标准差从2000—2006年处于波动变化，2006年以后处于平稳变化。此外，2种统计特征因子在2006年的增长率值都达到了最大，并且与其他年份的统计特征因子增长率值相比均差别较大。

图7 凤眼莲覆盖区域NDVI统计值变化

综合以上分析可得，2000—2017年中，滇池凤眼莲生长状态和群落盖度大致相似；2006年，NDVI值标准差增长率值达到最大，出现陡然上升变化，说明2006年滇池凤眼莲植被状况发生了显著变化。

4 结束语

连续长时间序列遥感影像监测可以动态分析滇池凤眼莲时空变化，基于时间序列的统计特性的变化检测方法可以发现异常变化的发生及其发生的时刻。本文通过研究，得出以下结论：2013年、2017年凤眼莲提取面积精度分别达到了81.4%和91%，2年监测的凤眼莲空间分布与实际大致相符。2000—2017年中，滇池凤眼莲覆盖面积由前期2000—2011年整体波动性变化到后期2012—2017年整体平缓变化发展，其中2006年波动较大，空间分布呈现分散-集中-再分散的变化，其主要分布在滇池沿岸地区，特别是滇池外海北部区域。2000—2017年中，滇池凤眼莲生长状态和群落盖度大致相似，但是，2006年滇池凤眼莲植被状况发生了显著变化。本研究分析了滇池凤眼莲年际的动态变化，下一步可以研究其月际的动态变化。