近20年太湖草型区水生植物遥感监测

王永敏

(上海勘测设计研究院有限公司，上海 200080)

0 引 言

湖泊是城市发展的重要有机组成部分之一[1]，能补充地下水、调节水循环，调节区域环境并反映其变化情况，对气候也有所影响。太湖淡水资源丰富，跨越浙江和江苏两个经济大省，对当地环境和经济影响重大。大型水生植物能够维持整个湖泊的生态平衡，使湖泊水质保持良好状态，其分布情况会体现在遥感影像中[2]。因此，研究浅水湖泊中大型水生植物的面积、分布情况和变化对湖泊水质的分析和控制具有重要意义。

遥感技术的出现和其鲜明的优点，为水环境变化监测带来了新的变革，使得投入较低花费实现大范围水环境变化监测成为可能。如何将遥感技术合理、有效地应用到湖泊水环境变化监测中，并提高监测精度和效率，是研究的重点。

水生植物的光谱反射特征与陆生植物有一定相似之处，因此陆生植物分类和提取的技术和方法对于太湖水生植物遥感监测的实现具有一定的借鉴和指导意义。随着人们对环境和生态保护意识的增强，国内外学者在水生植物遥感监测方面做了大量研究，也取得了一些成果。不同学者提出了对应于不同数据和地区的各种方法和研究成果，如：Valta-Hulkkonen[3]利用航拍照片数据资料，通过影像增强、主成分分析等方法，论证了利用水生植物的冠层大小、丰度和叶片形态等区分不同水生植物，从而实现水生植物分类的可行性，并对相关性进行了研究；Baker等利用Landsat ETM+遥感影像数据，通过决策树分析的方法实现了美国加勒廷谷水生植物的分类[4]；张渊智、段洪涛等利用多元遥感数据进行研究，验证了MERIS和MODIS数据用于太湖藻类提取的可行性[5]；李俊生等利用实测光谱和高光谱遥感数据，构建了适合浮叶植物、沉水植物、水华和水体的遥感指数并建立了它们的识别公式[6]。遥感技术为水生植物的监测提供了一种便捷的手段，在动态监测方面也有很多研究和发现，如Shapiro等利用Landsat TM和Landsat ETM+遥感影像，以波多黎各东部为研究区域，实现了1985～2000年水生植物的变化检测[7]。

不同区域、不同季节遥感影像的获取条件不同，而且不同水体的地物波谱特性也存在差异，因此许多地物指数和遥感分类方法的通用性并不好。以上这些研究大多是近海岸等水体透明度较高的区域，有些方法对太湖这种浅水湖且富营养化程度比较严重的水域并不适用，此外，目前有些针对太湖区域的研究并未构建一种可以实现水生植物自动监测的模型，但是这些研究成果为本文的研究打下了理论基础，在方法和思路上具有很好的借鉴意义。针对现有植被指数对太湖草型区水生植物分类的局限性和不足之处，通过分析水生植物和湖水光谱特征，经过大量实验，创建了适合夏季太湖草型区水生植物分类的NVWI指数，基于NVWI指数结合K-M分类法实现了近20年太湖草型区的水生植物遥感监测，研究发现：近20年中，沉水植物出现先减少后增加的变化趋势，一直占比较大；浮叶植物在2004年前后有所增加，近十年不断减少；挺水植物的变化规律不明显，这与挺水植物受人为活动影响大有关。

1 研究区数据采集

1.1 研究区概况

太湖是我国五大淡水湖之一，位于30°55′40″N～31°32′58″N、119°52′32″E～120°36′10″E之间，太湖西侧和西南侧以丘陵和山地为主，东侧为平原和水网。太湖一共分为8个湖区，经查阅资料发现，太湖中蓝藻聚集区和大型水生植物生长聚集区相对独立(图1)。本文的研究区为图1(b)中的红色区域，在文中称太湖草型区。

图1 太湖湖区分布和研究区划分

由图2可以看出，2016年太湖草型区中沉水植物分布面积较大，挺水植物主要在东太湖沿岸和湖中岛屿沿线有分布，浮叶植物分布面积较少，仅在东太湖中出现了3片较小的聚集区。要说明的是，验证数据中将围网养殖区单独区分出来，即图2中的白色区域，但是实际情况是围网区中水生植物分布较广泛，尤其是沉水植物可以吸收水中矿物质，为鱼虾等提供养料和溶解氧，在围网养殖区更是常见，所以下文在分类时未将围网养殖区单独划分。

图2 2016年夏季水生植物分布情况数据

1.2 研究区数据介绍

本文选用1995年、2000年、2004年、2008年、2010年、2014年和2016年夏季Landsat TM/ETM+/OLI多光谱遥感影像作为基础影像资料，以2016年夏季的水生植物真实类群分布数据(图2)作为验证，分析近20年太湖草型区水生植物类群的时空变化。遥感影像从地理空间数据云和美国地质调查局USGS上下载获取，验证数据从水利部太湖流域管理局官方网站上获取并结合其他历史资料，绘制了2016年夏季水生植物分布情况图。可以根据验证数据选择验证样本，对分类方法的有效性和分类结果的精度进行评价。

2 数据处理

2.1 K-M分类法

本文研究的时间跨度大，从1995年至2016年已有20多年，在这段时间中，太湖流域地物类别和分布等是否发生较大变化难以确定，因此，训练样本选取的准确性和代表性难以保证。为了减少人为误差对分类结果的影响，本文采用非监督分类中的K-M分类法，根据经验值确定类别初始中心数目进行聚类，初步分类后再经过分类后处理，获得最终的分类结果图。

K-M分类法又叫C-均值分类法，属于非监督分类中的一种常用的分类方法，其基本思想是：通过迭代运算、按照最小二乘误差原则移动各类的中心并确定新的类别中心，直到得到最好的聚类结果为止[8-9]。根据经验值确定类别数C(C为一已知整数)后，K-M分类法的实现可以概括为以下4步：

(1)

(2)

2.2 精度评价

本文所用提取结果的精度评价指标主要有总体分类精度、用户精度、制图精度和Kappa系数，介绍和公式如下：

(1)总体分类精度

总体分类精度表示所分类结果与参考图像中对应类别一致的概率，是具有概率意义的一个统计量，其表达式为：

(3)

(2)用户精度(对于第i类)

用户精度表示分类结果中任一随机样本所具有的类型与参考图像上实际类型一致的概率，其表达式为：

UA=Xii/Xi+

(4)

(3)制图精度

制图精度表示参考图像中任一随机样本的类型与分类图像上同一地点的分类结果一致的概率，其表达式为：

PA=Xjj/X+j

(5)

(4)Kappa系数

Kappa系数是用来测定参考影像中所有类别和分类结果的整体吻合度或综合精度的指标，其表达式为：

(6)

通常，Khat值大于0.80表示分类图像和参考信息之间的吻合度或一致性很大，精度很高；Khat值在0.40～0.80之间表示分类图像和参考信息之间的吻合度或一致性处于中等水平；Khat值小于0.40表示吻合度或一致性很差，说明精度较低。

3 结果与分析

草型区水生植物主要包括挺水植物、浮叶植物和沉水植物。太湖中常见的有菱、苦草、芦苇、荷花等。通常情况下，水生植物生长越好的湖泊，水质越好，水体透明度越高，蓝藻越少。在对原始遥感影像进行几何精校正、辐射校正和大气校正等预处理后，通过合适的植被指数进行增强处理，然后通过K-M分类法实现水生植物遥感监测。

3.1 植被指数构建

目前常见的植被指数有归一化植被指数NDVI、比值植被指数RVI、差值植被指数DVI、归一化差异绿度指数NDGI和增强植被指数EVI，通过植被指数对遥感影像进行处理可以增强植被与其他地物的对比度，进而提高分类精度。前述的几种植被指数大多是以红光和近红外波段构建，也有用到蓝光和绿光波段的，每一种植被指数都有各自的优缺点，适用于不同情况的植被提取。为探究不同植被指数对太湖草型区水生植物分类的效果，将2016年8月28日太湖草型区影像采用5种常见植被指数结合K-M分类法进行处理，将处理所得的结果与2016年夏季水生植物真实类群分布数据进行对比(图3)。

图3中，红色圆圈标注部分为分类结果不够准确的部分，可以看出：在挺水植物的识别上，采用5种指数所得的分类结果差别不大，均较理想，这可能是因为挺水植物的光谱特征与陆生植物类似，因此以上5种植被指数发挥了作用；在沉水植物的识别上，DVI指数和RVI指数并未提取出贡湖和东部沿岸区的沉水植物，NDVI指数将贡湖区域覆盖度较高的沉水植物错分为了浮叶植物，NDGI指数仅仅识别出了贡湖区域的沉水植物，相比而言，EVI指数对沉水植物识别效果较好，但是也不是很理想，可以明显看出EVI指数没有识别出东部沿岸区的沉水植物，并且将湖心区与东太湖交界处的湖水错分为沉水植物；在浮叶植物的识别上，DVI指数、NDVI指数、EVI指数都获得了较好的结果，见图3中的红色矩形标注区域，其他两种植被指数效果欠佳。总体上，直接利用已有的植被指数结合K-M分类法几乎无法获得较理想的太湖草型区水生植物的分类结果，虽然对挺水植物识别效果较好，但是对沉水植物的识别存在较大局限性。因此，必须创建一种适合太湖草型区水生植物类群识别的植被指数。

图3 不同植被指数下2016年夏季水生植物类群分布结果

分析图3的结果，发现各个植被指数识别效果的差别主要表现在浮叶植物上，挺水植物效果均较好，沉水植物效果均较差，而对浮叶植物识别较好的3种指数分别为NDVI指数、DVI指数和EVI指数，以上3种植被指数的构建中均用到了近红外与红光波段的差值运算ρNIR-ρR。对沉水植物提取效果不佳的主要原因是沉水植物绝大部分生长在水下，其光谱反射率受湖水影响较大，因此如何兼顾水体，将成为提高沉水植物提取精度的切入点。水体的反射率主要在蓝绿光波段，近红外波段的反射率很低，几乎接近于0，常见的水体指数也大多利用绿光波段和近红外或者中红外波段构建，基于以上分析，选择绿光、红光和近红外波段作为太湖草型区水生植物的敏感波段，通过大量实验，发现利用以上3个波段通过差值和比值运算，可以获得比较理想的分类结果，本文中将该指数定义为NVWI指数，公式如下所示。

NVWI=(ρNIR-ρR)/(ρNIR-ρGreen)

(7)

式中，ρNIR表示近红外波段的光谱反射率，ρR和ρGreen分别表示红光和绿光波段的光谱反射率。

3.2 精度评价和验证

利用本文构建的NVWI指数结合K-M分类法，对2016年8月28日太湖草型区Landsat影像进行水生植物分类，结果如图4所示。将图4与图2对比，发现水生植物的识别效果整体上较好，结果图中各种颜色斑块聚集的形状较规则的矩形区域即为围网养殖区。

图4 2016.8.28 NVWI指数结合K-M分类法结果图

为进一步验证该方法的有效性和精度，通过上文提到的4种精度指标对以上结果进行精度评价(表1)，图5则比较直观地展现了不同年份下各地物分类精度的对比情况。

表1 草型区水生植物类群遥感监测结果精度评价

由表1可以看出，2016年8月28日分类结果的总体精度达到了93.20%，Kappa系数达到了0.86。根据精度评价标准，可以判定2016年8月28日的分类结果和参考信息之间的吻合度或一致性很大，精度很高。若2016年排除浮叶植物后，总体精度可以达到97.01%，Kappa系数可以达到0.93。沉水植物和湖水的分类精度相对较高，接近90%；挺水植物提取精度较高，浮叶植物提取精度较低。

该指数对夏季太湖草型区水生植物分类效果好，不对时间普适性做相关研究。鉴于此，本文只用该方法探究近20年夏季太湖草型区水生植物的类群变化，对其他时段不做研究。

3.3 水生植物类群时空变化分析

利用本文创建的NVWI指数，结合K-M分类法，对1995年、2000年、2004年、2010年和2014年夏季太湖草型区水生植物类群进行自动识别。图5为以上5年太湖草型区水生植物的分类结果，各种植物的解译面积值如表2所示。结合2016年分类结果，对1995～2016年该区水生植物类群和分布进行分析，实现草型区水生植物遥感监测。

图5 夏季太湖草型区水生植物分类结果

表2 太湖草型区水生植物解译结果面积(km2)统计

由图5结合图4发现，近20年水生植物类群结构复杂度不断降低，1995年夏季，贡湖南部和东太湖区域挺水植物、沉水植物和浮叶植物交错分布，2000年和2004年东太湖以挺水植物和浮叶植物为主，沉水植物类群分布面积较小，到2014年和2016年东太湖区域则以挺水植物和沉水植物为主要优势植物，忽略1995～2000年水生植物分布面积略有增加的小变化，整个草型区水生植物覆盖总面积呈现减小的趋势，1995年到2016年水生植物总面积减少近70 km，近年来略微有所增加，2010年前后达到近20年水生植物覆盖区域的最小值。

单独分析每种水生植物的变化趋势，发现：

(1)沉水植物呈现先减少后增加的变化趋势。沉水植物在整个草型区均匀分布，绝大多数年份沉水植物在水生植物总面积中占比最高，说明太湖草型区的优势种为沉水植物。沉水植物面积减少比较明显的为2000～2004年，这段时间围网养殖区面积扩张较明显，大量围网养殖区的存在会导致水体富营养化程度加重，使得水体透明度降低，而浑浊的水体会使水体透光性变差，影响沉水植物的光合作用和正常的生命过程，2010～2016年，随着政府和人们环境意识的增强，东太湖水环境有所改善，沉水植物面积开始增加。因此，水体富营养化是沉水植物类群面积变化的主要影响因素。

(2)浮叶植物呈现先增加后减少的变化趋势。1995年浮叶植物主要分布在东太湖中部和贡湖南部部分区域，到2000～2004年，浮叶植物面积增加明显，分布上以东太湖为主；2010～2016年浮叶植物不断减少，水利部太湖流域管理局资料显示2014年、2015年收割和打捞水生植物总量达到28和17万吨，其中浮叶植物占很大比例，并且收割区域以东太湖和东西山之间区域为主，因此分析浮叶植物减少的主要原因为人为收割和打捞，当然也会受水环境变化的影响。

(3)挺水植物的变化规律不明显，分布上主要集中在东太湖区域，以东太湖沿岸区域为主。1995年，东太湖湖区挺水植物面积较大，东太湖的东半部分优势植物类群为挺水植物，并且在贡湖南部和东部沿岸区也有小面积的挺水植物分布，到2000年，贡湖南部和东太湖湖区的挺水植物不复存在，2004年挺水植物主要分布在东太湖湖区，2004～2010年之间挺水植物大量减少，2014年前后挺水植物有所增加，近十年，挺水植物主要分布在东太湖沿岸地带。查阅资料发现挺水植物减少的主要原因是围网养殖区的盲目扩张严重破坏了水生植物的生长环境，此外受人为收割的影响较大。

4 结 语

本文通过分析现有植被指数对太湖草型区植被遥感监测的不足，通过大量实验，创建了NVWI指数。经过验证，本研究创建的NVWI指数仅适用于夏季太湖草型区水生植物提取，普适性和通用性有待进一步验证。

利用本文创建的NVWI指数，结合K-M分类法实现了1995～2016年太湖草型区水生植物遥感监测。分析各种地物所占比例的变化，发现湖水一直保持最大的比例，水生植物中沉水植物面积在绝大多数年份中占优势。

综合来看，近20年太湖草型区水生植物的类群结构和面积均发生了较大的变化，主要与人为因素有关，包括围网养殖使水体富营养化程度的加重和人为收割、打捞等。水生植物对维持水环境健康稳定和修复恶化的水环境具有重要作用，应制定合理的开发方案，调节好水产养殖和水生植物的关系，在发展经济的同时注意保护环境，做到人与自然和谐相处。