基于Landsat影像的鄱阳湖地物覆盖遥感监测与预测

王宇彤 官云兰 袁晨鑫

(1. 东华理工大学 测绘工程学院, 江西 南昌 330013; 2. 流域生态与地理环境监测国家测绘地理信息局重点实验中心, 江西 南昌 330013; 3. 中陕核工业集团测绘院有限公司, 陕西 西安 710000)

0 引言

湿地生态系统是我们生活的整个地球生物圈的重要组成部分,是地球上生产力最高的生态系统之一[1]。鄱阳湖湿地在我国湿地系统中占据了极其重要的部分。鄱阳湖湿地是一个内陆型湿地,湖泊、永久性河流、时令湖和永久性淡水草本沼泽、泡沼等组成了鄱阳湖整个湿地结构。近年来,自然变化原因与人为因素相结合使得鄱阳湖湿地地区的生态发生了明显改变,年平均水位与逐月平均水位均有显著变化,并且这个变化在汛后伏秋季节越发突出,枯水期到来的更早些许,持续时间也有所延长[2],如任其继续发展,生态环境一旦破坏,带来的影响是难以逆转的。自从1992年中国加入了《湿地公约》以来,政府以及国内湿地相关的科研部门对湿地保护工作的重视日益提高[3],鄱阳湖湿地的变化也引起了有关政府的关注与重视。

遥感技术的持续发展使得近几年利用遥感技术开展湿地分类与监测研究成为湿地分类与监测的重要途径。国内外许多学者在遥感技术运用于湿地监测上做了许多工作。常伟纲等[4]利用2009—2017年的Landsat ETM+和OLI影像对大沽河口湿地变化进行监测;DRIBAULT等[5]利用GeoEye-1高分影像对加拿大拉格兰德河流域进行了植被分类;赵子飞等[6]利用海岸带高光谱成像仪影像对黄河口湿地中湿地典型植被进行分类提取。许多学者对鄱阳湖进行遥感监测且得到了一定的研究成果。李成梁[7]利用Landsat、GF1、HJ卫星数据分析环鄱阳湖湿地特征,监测分析不同季相的湿地分布及动态变化情况和环湖区水稻田湿地的分布及面积转移变化情况;TANG等[8]利用鄱阳湖地区1995、2005和2014年Landsat影像对土地利用变化对栖息地的影响进行分析;翟俊等[9]将2013—2018年MODIS植被指数产品与高分1号和高分2号数据相结合,监测与分析了鄱阳湖岸线及周边湿地变化情况。

CA-Markov模型是将元胞自动机(Cellular Automata，CA)和马尔可夫链(Markov)相结合,其同时具备马尔科夫模型可以进行长期预测的优点以及元胞自动机可以模拟复杂系统空间变化的能力,克服了传统土地演变模拟存在的缺陷,在分析和模拟土地利用变化方面取得了良好的效果。因此,该模型被国内外学者广泛运用。刘煜等[10]以2010和2015年的连云港市土地利用现状图作为基础数据,运用CA-Markov模型预测2020年的土地利用状况;王丽霞等[11]计算陕西省 2000、2005、2010和2015年度的植被覆盖度,利用CA-Markov模型预测2020年归一化植被指数(Normalized Difference Vegetation Index,NDVI)的空间分布状况;Mondal等[12]对印度Kamrup Metropolita地区未来土地利用和土地覆盖变化的过程进行了预测,并对CA-Markov进程的有效性进行了审查;GASHAW等[13]分析了埃塞俄比亚蓝尼罗河流域安达萨流域在1958—2015年期间土地利用的变化,并利用CA-Markov模型预测了2030—2045年的变化情况。

基于此,本文使用2015—2020年鄱阳湖1月的Landsat影像数据作为本次研究的基础数据,对影像数据进行预处理与影像分类,通过分类结果对鄱阳湖枯水期地物覆盖变化进行分析;然后利用CA-Markov模型预测2021年鄱阳湖同时期地物覆盖情况。

1 研究区概述

鄱阳湖是长江中下游南岸、江西省西北部的一个淡水湖生态湿地,地理位置为115°47′～116°45′E,28°22′～29°45′N,江西省境内的多条河流流经鄱阳湖调蓄后流入长江,以鄱阳湖为汇集中心,构成了一个的完整辐聚水系[14]。鄱阳湖是季节性淡水湖,每年的4月开始进入丰水期直至9月,从10月开始便是鄱阳湖的枯水期,持续到次年3月结束,周而复始,随季节更替,为迁徙而来的候鸟提供良好的栖息地。

2 数据与研究方法

2.1 数据来源与预处理

由于1月为鄱阳湖枯水期中段,相较于初期及末期易受降水情况影响的情况,选择1月研究区影像进行研究可以较好地体现研究区枯水期的生态环境变化情况。文中采用OLI_TIRS传感器获取的鄱阳湖湿地研究区1月Landsat8陆地成像仪(Operational Land Imager，OLI)影像作为研究对象,在地理空间数据云(http:∥www.gscloud.cn/)下载得到。选用研究时间内云量较低的卫星影像,以便处理与后期的分类。用于检验地物分类精确度的哨兵2号数据从美国地质勘探局(United States Geological Survey，USGS)官网(https:∥glovis.usgs.gov/app)下载。鄱阳湖水域范围矢量边界数据利用中国科学院资源环境科学数据中心(https:∥www.resdc.cn)下载的“中国一级河流空间分布数据集”,通过ArcGIS软件依据鄱阳湖地理位置裁剪编辑获得。

首先对数据进行预处理。经过辐射定标与大气校正后,利用鄱阳湖矢量边界数据,对处理后数据图像进行影像裁剪,得到鄱阳湖区域各个时间段的精确湿地影像;在此基础上对预处理后的影像进行分类。

2.2 湿地地物分类

通过查阅已有的文献资料[15],结合鄱阳湖湿地实际生态环境情况,建立湿地地物类型解译标志。对影像进行目视解译,建立水体、裸露洲滩、沙地、草地4种地物类型解译标志。

采用支持向量机法对预处理后的影像数据进行分类处理,在ENVI5.3软件中,通过监督分类工具实现。选择径向基核函数(Radial Basis Function),再利用Majority分析的方法进行小斑块去除,使原始分类图像更加平滑,获得最终分类图。

影像分类后,需要对分类结果进行精度评定。本次选择混淆矩阵进行精度评定,其中包括总体分类精度、错分误差、漏分误差、制图精度、用户精度和Kappa系数几项评价指标。

以2016年分类影像为例,其评价结果如表1所示。4种地物类型的总体分类精度为99.93%，Kappa系数为0.998 8。

表1 2016年影像分类精度 单位：%

其余监测时期影像分类精度评定均与2016年分类精度相近,达到分类精度要求。

图1(a)～(f)分别为2015、2016、2017、2018、2019与2020年的湿地地物分类结果。

图1 六期影像湿地地物分类结果

如分类结果所示,鄱阳湖地区枯水期水体分布主要位于北部与东部,南部少量分布;裸露洲滩多位于中部及南部,水位下降时,北部水下的滩涂裸露在外;沙地主要分布在中部,北部与东部有零星分布;草地多分布在南部地区,水体面积减少时,中部部分地区被植被草地所覆盖。

广东省对实行最严格水资源管理制度“三条红线”控制目标的设定，充分考虑广东服务业发达、第三产业用水比重大、城镇化程度高等省情，提出了2011—2015年广东省水资源管理控制指标共分为3大项9个指标，比国家考核适当增加了工业和生活用水量、万元GDP用水量、城镇供水水源地水质达标率等5个考核指标，在工作任务上力求做到“跳起来、摸得着”。

鄱阳湖水体面积大小与三峡工程有着密不可分的联系[16],2008年三峡水库开始试验性蓄水,当三峡工程运行时,处于下游的鄱阳湖的水位则会随着三峡水库水位的升高而降低,导致水体的面积大幅减少;而2016与2019年同时期水体面积增大也与降水量较多有关[2]。

2.3 基于CA-Markov模型的土地利用预测

CA-Markov模型是将马尔可夫链(Markov)和元胞自动机(CA)相结合的模型,是一个基于土地利用转移概率矩阵及土地利用适宜性图集,来预测未来土地利用变化趋势。本文利用IDRIS软件中CA-Markov模块实现土地利用预测。

选择Markov生成的条件概率矩阵作为适宜性图集。为了预测2021年数据,将转移矩阵的时间步距设置为1年,预测年限设置为1年,这样就可以以2020年的土地覆盖情况为初始图层,利用2019—2020年不同地物覆盖类型面积转移矩阵,以及2020年的土地适宜性图集,预测2021年的土地利用现状图。面积转移矩阵表示的是原土地覆盖类别转变成其他土地覆盖类别的面积,概率矩阵表示的是原土地覆盖类别转变成其他土地覆盖类别的概率。

首先利用2020年土地覆盖情况预测与实际结果对比对预测模型进行精度检验。通过CA-Markov,采用5×5的滤波器,以2019年土地覆盖情况作为初始图层,利用 2018—2019年不同地物覆盖类型面积转移概率矩阵,以及2019年的土地适宜性图集,预测2020年的地物覆盖变化情况。

2018—2019年土地覆盖类别面积转移矩阵和概率矩阵如表2～3所示。

表2 2018—2019年土地覆盖类别面积转移矩阵 单位:km2

表3 2018—2019年鄱阳湖土地覆盖类别概率转移矩阵 单位:%

表4列出了2020年的预测结果与分类后统计所得实际结果。

表4 湿地地物面积统计 单位:km2

利用Kappa系数验证预测的精度,其是一种衡量评估值之间一致性的重要指标,K指Kappa系数,公式为

K=(po-pc)÷(1-pc)

(1)

(2)

有5个级别来表示一致性的程度[7]:0～0.2为极低的一致性;0.21～0.4为一般的一致性;0.41～0.6为中等的一致性;0.61～0.8为高度的一致性;0.81～1为几乎完全一致。此次计算Kappa系数值为0.809 5,表现出高度一致性,说明该模型可以进行预测2021年地物覆盖情况。预测的2021年地物覆盖情况如图2所示,面积见表6。

表6 湿地地物占比统计 单位:%

图2 2021年鄱阳湖地物覆盖分布情况(预测)

表5～6、图3为统计出的鄱阳湖湿地每年地物面积、占比与变化情况。

表5 湿地地物面积统计 单位:km2

图3 鄱阳湖地物覆盖变化情况(含预测)

如图3、表6～7显示,水体面积在2019年较大,其余年份均保持在500 km2上下波动;裸露出来的洲滩面积占比最大,在2015—2016年快速下降,除2018年面积较大外,2016年后保持1 200 km2上下波动;草地面积与裸露洲滩面积成反比,在2015年与2018年间较小,其余年间草地面积均保持在350 km2上下波动;沙地面积常年保持60 km2上下波动。根据监测时期内研究区地物覆盖面积变化规律,预计2021年水体面积与裸露洲滩面积会表现下降趋势,但下降速度较为缓慢,草地面积则表现缓慢上升趋势,沙地面积不会有较大变化。

3 结束语

湿地对于整个生物圈的重要性不言而喻,它的作用是无法估量的。本文使用2015—2020年鄱阳湖湿地1月枯水期共6期Landsat数据,通过遥感影像预处理与分类,对鄱阳湖近年枯水期地物覆盖情况进行监测,利用CA-Markov模型对2021年鄱阳湖枯水期地物覆盖变化情况进行预测,通过对实验结果的分析可得出以下结论:

(1)在所研究的6年间,鄱阳湖区域枯水期的水体面积较为稳定,仅2019年同时期水体面积略有所增大,1月枯水期的鄱阳湖区域大面积被裸露洲滩所覆盖,以裸露洲滩为主,草地多由裸露出水面的洲滩所演化而来,分布也较为广泛,集中在鄱阳湖南部与中部区域,近年来较多裸露洲滩持续演化为草地。沙地所占面积最小,常年保持一定面积波动,主要分布在中部的松门山岛北部和鄱阳湖北部与长江相接的入江水道两侧南侧。所得地物覆盖分布及变化趋势与已有研究结果相符。

(2)选择CA-Markov模型对2020年地物覆盖情况进行预测,与2020年实际地物覆盖情况进行预测精度计算,从预测的精度结果来看,预测数据比较符合鄱阳湖区域实际的地物覆盖情况,体现了CA-Markov模型在时空模拟方面具有突出的准确性和高效性。

(3)基于CA-Markov,以2020年土地覆盖情况作为初始图层预测2021年土地覆盖情况,根据预测影像与统计结果获得2021年土地覆盖变化,以现状发展,鄱阳湖1月同期枯水期水体面积会持续下降,更多的水底滩涂裸露在外,但较多裸露洲滩转化为草地,草地面积将会持续上升,沙地面积稍有下降,分布地区未见过多变化。

(4)气候变化、城镇化建设、水利设施建设、围湖种田等自然与人工的影响因素都会对鄱阳湖的生态环境演化产生不同程度上的影响。湿地地物类型的转化反应出了鄱阳湖区域生态环境的变化,其中,水体面积的变化是可以在最明显的程度上反应出鄱阳湖受这些因素影响的情况。

本次实验的样本选择是根据目视解译结果进行判断的,存在无法避免的误差,接下来的进一步研究需要收集研究区实测数据,提高分类精度并对分类精度进行验证;在模拟过程中,初始设定的元胞大小为默认数据,没有论证设定元胞大小的设定是否会对模拟精度有影响,设定不同的元胞大小与不同研究区的适配性有待进一步研究。