基于Sentinel-2影像的博斯腾湖芦苇沼泽湿地信息提取与动态监测研究

2023-09-11阿卜杜热合曼吾斯曼玉素甫江如素力张旭辉

海洋湖沼通报 2023年4期

阿卜杜热合曼·吾斯曼,玉素甫江·如素力,2*,张旭辉,张发

(1.新疆师范大学地理科学与旅游学院,新疆乌鲁木齐 830054;2.新疆干旱区湖泊环境与资源重点实验室,新疆乌鲁木齐 830054)

引言

作为对气候变化最为敏感的类型之一,湿地生态系统具有较高的物质生产能力,在生物多样性维护、调节气候、粮食安全以及景观美学等方面起重要作用[1]。芦苇湿地是全世界分布面积较广、抗逆性强的独特生态系统,除具有珍稀鸟类保护、温室气体汇集与排放等典型生态功能之外,芦苇(Phragmitesaustralis)和香蒲(TyphaorientalisPresl)等植被因其较高的生产及利用价值能够为人类提供社会经济资源[2-3]。在芦苇湿地生态环境中,植被变化往往使湿地生产力、水资源、土壤以及动物栖息地等发生改变[4]。因此,了解芦苇湿地植被资源动态变化规律,精确监测其覆被特征对湿地的保护与开发利用具有深远的意义。

随着遥感技术的快速发展,卫星遥感图像因其获取速度快、信息量丰富、覆盖范围广和成本低等优势,很好的解决了传统调查研究工作中存在的困难和不确定性,从而为湿地资源变化监测提供许多便利[5]。当前,国内外学者通过遥感资料对湿地进行了大量的研究,如田艳林等[6]运用MODIS影像,依托野外实测数据实现了松嫩平原西部芦苇湿地地上生物量的遥感估算;罗玲等[7]采用Landsat8 OLI影像,分别以松嫩平原查干湖湿地、辽河平原双台河口湿地和江平原七星河湿地为例,结合利用多种植被指数实现了典型芦苇湿地植被光能利用率遥感反演;刘瑞清等[8]基于Sentinel-2遥感数据采用随机森林算法进行盐城滨海湿地植被分类,并且提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,对湿地植被无物候特征信息的深入挖掘提供了技术支撑;Zhang等[9]对比分析了Sentinel-2A影像与Landsat8 OLI影像的地表反射率、NDVI指数等,这为湿地植被提取提供了一定的参考;Zhang等[10]利用Landsat TM影像结合先验知识对滨海湿地植被进行分类,发现亚像元分解法分类提取的结果比通常的最大似然分类器方法(MLC)分类的结果更好,此结论对芦苇湿地植被精细分类与信息提取具有一定的参考价值。由此可知,遥感技术在湿地监测中具有时间、空间、特征三种维度上的独特优势,具有巨大的应用潜力[11]。目前,我国湿地的相关研究主要集中在东部滨海地区,而在西部内陆湖泊流域湿地的研究仍存在不足,并且通过长时间尺度遥感数据,高精度提取内陆湿地类型、时空分布模拟、变化预测以及驱动力分析等方面的研究还相对缺乏。因此,有必要加强对西部干旱区湿地资源时空动态的进一步深入探究。

博斯腾湖是我国四大芦苇生产基地之一,该区域芦苇资源丰富,是主要的植被类型。此外,博斯腾湖还分布有少面积的香蒲、睡莲(NymphaeatetragonaGeorgi)、荷花(Nelumbosp)等观赏性植被,这在推动当地旅游业高质量发展中扮演着重要角色。当前,在全球化大背景下,及时准确地获取该区域湿地植被的动态特征,有助于推动生态文明建设[12]。鉴于此,为了解博斯腾湖芦苇沼泽湿地资源的动态变化特征,本研究基于Sentinel-2遥感影像和野外实测资料,利用最大似然分类法[13]提取研究区湿地的分布信息,并通过景观指数和像元二分法[14]分析2017—2022年湿地植被覆盖度的时空分布特征,旨在为当地湿地资源管理与可持续利用提供借鉴和参考。

1 研究区与数据

1.1 研究区概况

博斯腾湖芦苇沼泽湿地地处新疆维吾尔自治区巴音郭楞蒙古自治州(86°17'～87°25'E,41°45'～42°14'N)境内,行政区划包括和硕、焉耆和博湖三个县,是新疆重要的旅游景区之一。该区域地势南北高,东西低,气候属于中温带干旱气候,年均降水量约为77 mm,年蒸发量可达到2 241.5 mm[15]。整个湖区主要分为大湖区和小湖区(图1),大湖区为博斯腾湖,其东西长约为55 km,南北宽度约25 km,在2022年8月博斯腾湖西泵站前水位公布的数据显示大湖水位约为1 047.03 m;小湖区位于博斯腾湖大湖区的西南部,也是博斯腾湖芦苇沼泽湿地的主要部分,该区域芦苇分布广泛,密度相对较高,是主要的植被类型。当地芦苇在生长旺盛期平均高度可达4～8 m,成熟期芦苇产量可达到21万吨,其收割面积可达到30万亩[16]。博斯腾湖芦苇沼泽湿地不仅能够产生经济效益,还是珍稀鸟类、鱼类、昆虫和其他动物繁殖的良好栖息地,在当地生物多样性保护中发挥着重要作用。

图1 研究区位置及实测样点分布图

1.2 数据来源

本研究选用2017—2022年Sentinel-2的12景图像作为基础数据,从欧空局(ESA)数据中心网站(https://scihub.copernicus.eu/dhus/#/home)免费获取,影像投影为UTM Zone 45N/WGS 1984,标识号为T45TVG和T45TWG,成像时间分别为2017年8月2日、201年8月17日、2019年8月12日、2020年8月14日、2021年8月11日和2022年7月22日。在影像预处理过程中,首先利用ESA提供的SNAP(Sentinel Application Platform)软件Sen2Cor插件(Sentinel to Correction)对所有的L1C影像进行大气校正后自动生成L2A级数据文件,选择文件中JP2格式10 m分辨率的Band 2(blue)、Band 3(green)、Band 4(red)和Band 8(nir)四个波段图像,其次利用ENVI软件的批量处理插件ENVI to TIFF将各波段JP2格式图像转换为TIFF格式图像之后进行波段合成,最后再做影像拼接和裁剪。

野外数据获取时间为2022年8月1日至8月4日,在巴音郭楞蒙古自治州博湖县、和硕县以及焉耆县一带开展了湿地植被的野外样点数据采集工作,共获得了57个样点数据,样点的空间分布见图1。考虑到研究区湿地植被主要分布在博斯腾湖西部,因此围绕小湖区一带进行数据采集,具体采集步骤为:首先将满足地面被植被覆盖面积大于10 m×10 m的区域作为样地;其次用手持GPS记录样地经纬度坐标,此外,由于部分区域被水覆盖,数据采集时可达性较差,因此应尽可能靠近具有代表性区域(如植被覆盖、生长状况和高度等)进行坐标记录,以确定采样点的最有效地理位置;最后将样地内植被生长状况、覆盖度、密度、植株高度等信息进行详细记录,便于后续影像数据的特征提取与分析。

1.3 研究方法

1.3.1 湿地信息提取

以博斯腾湖芦苇沼泽湿地为研究对象,利用2017—2022年Sentinel-2A卫星搭载的MSI(Multi-Spectral Instrument)多光谱成像仪10 m分辨率遥感图像,基于遥感技术分析2017—2020年湿地的空间格局特征。为了较好的区分湿地中的植被和水体,本研究运用归一化植被指数[17]、归一化差异水体指数[18]和最大似然法分类[19]：

(1)

式中,NDVI为归一化植被指数;BNIR和BRed分别为遥感影像近红外波段和红波段的反射率。

(2)

式中,NDWI为归一化差异水体指数;BGreen和BNIR分别为遥感影像绿波段和近红外波段的反射率。

本研究通过图像的纹理、色调、亮度、形状和结构等特征,结合野外采集数据、遥感图像成像时间以及与目标地物之间的关系,采用基于像素的监督分类方法对博斯腾湖芦苇沼泽湿地分类提取。以往的研究表明,最大似然监督分类器(Maximum Likelihood Classification,MLC)分类精度较好、稳定性高,因此被广泛使用[20]。在分类过程中,首先要建立训练样本,样本选取的参考依据来源于NDVI、NDWI等影像特征参数以及野外采样点数据,虽然样本数据经过人工目视判读,但仍会存在一定的误差,因此结合野外实测样点数据进行样本选择可进一步提高样本的准确性。本研究选取混淆矩阵(confusion matrix)报告中的总体分类精度和Kappa系数对影像分类结果进行精度评价[21]。

1.3.2 湿地植被景观格局变化分析

对于湿地非连续的植被景观格局变化而言,景观格局指数有助于浓缩植被空间信息,从而能更好地理解其空间结构与分布特征[22]。本研究从景观类型水平指数中选择比较典型的斑块数目(Number of Patches,NP)、斑块密度(Patch Density,PD)、最大斑块指数(Largest Patch Index,LPI)、聚集度指数(Aggregation Index,AI)和分离度指数(Landscape Division Index,DIVISION)等五种景观指数,基于GIS和Fragstats软件分析研究区湿地植被空间结构变化情况[23](表1)。

表1 景观格局指数及其计算公式

1.3.3 湿地植被覆盖度估算

在混合像元分解模型中,像元二分法稳定性强,具有较高的反演精度[24]。其与NDVI之间有显著的线性相关关系,基本原理是假定影像中的像元只有由植被覆盖和无植被覆盖两种区域所组成,如全植被覆盖像元信息为NDVIveg,无植被覆盖或者全裸地覆盖像元信息为NDVIsoil,可得出估算植被覆盖度公式为:

(3)

式中,Fc为湿地植被覆盖度;NDVIsoil表示裸地的NDVI值,其取值接近于零;NDVIveg表示全植被覆盖区域的NDVI值。需要注意的是,不同区域NDVIsoil和NDVIveg的值由于季节、光照强度、植被类型和土壤等植被生长环境条件的不同而存在差异,因此在影像中二者并不是一个固定值,而是根据区域实际情况选取置信度区间内最小和最大的NDVI值[25]。本研究结合当地湿地植被生长状况以及多次试验,分别选取NDVI置信区间1%和99%的值定为NDVIsoil和NDVIveg的值。

2 结果与分析

2.1 博斯腾湖芦苇沼泽湿地分布提取

2.1.1 分类精度验证

利用NDVI、NDWI指数计算得到的增强遥感图像,可以把植被和水体很好的区别出来;通过影像的纹理、形状、结构以及结合增强图像的显著特征建立解译,最后运用监督分类中的最大似然法进行湿地植被和水域的分类并通过目视解译进行修正,将分类结果采用总体分类精度和Kappa系数进行精度验证(表2),结果发现:不同年份的遥感影像分类总体精度均大于80%,Kappa系数在0.77～0.81之间,总体上分类精度高、效果较好,这表明利用Sentinel-2遥感影像,采用最大似然分类方法提取博斯腾湖芦苇沼泽湿地分布特征是可行的。

表2 分类精度验证

2.1.2 湿地信息提取

2017—2022年期间,博斯腾湖芦苇沼泽湿地平均面积约为159 248.07 hm2,其中植被面积约占湿地总面积的31.22%,水域面积占68.78%。从时间变化特征来看(图2),不同时期湿地植被和水域面积存在一定的年际波动现象,其变化主要分为两个阶段:2017—2019年湿地面积扩增阶段,总面积增加4 148.98 hm2,其中植被面积增加占26%,水域面积增加占74%;2019—2022年湿地面积减少阶段,该区域湿地总面积共减少6 713.08 hm2,其中水域面积减少7 987.7 hm2,植被面积增加1 274.62 hm2。总体而言,研究区湿地植被面积呈现出增加的变化势态,而水域面积在减少,这可能会对湿地植被正常发育或生长带来一定的影响。

图2 研究区湿地植被与水域面积随时间的变化图

从不同时期湿地植被与水域的空间分布特征来看(图3),其分布有明显的空间异质性,植被主要分布在研究区西部,水域主要分布在东部。2017—2022年在小湖区湿地植被的平均面积占湿地植被总面积的58.88%,大湖区水域面积占水域总面积的90.86%。研究时段内,植被面积在湿地总面积的29%～33.3%之间波动,在博斯腾湖西北部沼泽区域湿地植被面积有较明显的扩增现象,其面积年均增长率为0.93%;研究区北部水域面积的年际波动相对较明显,既有增加又有减少的变化特征,其面积年均增长率为-0.4%,在2020年研究区水域面积占比最大,占湿地总面积的71%,到2022年水域面积减少7.6×103hm2。

图3 湿地植被与水域空间分布图

2.2 湿地植被景观格局指数分析

通过最大似然分类结果,提取湿地植被斑块,然后运用Fragstats软件计算不同时期湿地植被景观格局指数,以此来衡量其在空间上的细碎化程度,结果见表3。

表3 2017—2022年湿地植被景观指数

从斑块数目的变化情况来看,在2019—2020年间研究区湿地植被的斑块数目增长率约为46.5%,到2022年数目减少了5 573块,下降率约为51%;斑块密度由2017年的24.6块/hm2减少至2022年的21.15块/hm2,减少率为16.31%;研究时段内湿地植被最大斑块指数下降0.29%,聚集度指数增加0.45%,分离度指数下降0.1%,说明植被斑块出现了小幅度的破碎化现象,但总体上破碎化程度较小,斑块连接程度较稳定。总而言之,通过湿地植被不同景观指数的结果可以看出,2017—2022年间研究区湿地植被景观破碎化程度低,在空间上没有明显的细碎化现象,这表明该时段内湿地植被受外界环境的影响较小,生态系统整体上比较稳定。

2.3 湿地植被覆盖度时空特征分析

植被覆盖度(Fractional Vegetation Cover,FVC)能够客观地表达植被生长丰度和覆盖变化状况[26]。基于GIS技术估算研究区2017—2022年湿地植被覆盖度,并根据植被的实际生长情况,对植被覆盖度进行重分类,结合其面积的统计计算,最终得到研究区湿地植被覆盖度的时空格局特征。

由湿地植被覆盖度面积随时间的变化特征来看(图4),不同时期研究区的湿地植被覆盖度具有一定的差异性。2017—2022年FVC高于0.6的区域占湿地植被总面积的83%以上,其中在2017年FVC大于0.6的区域面积可达到研究区湿地植被总面积的92.36%;FVC大于0.8的区域面积从2017年的69.33%缩小到2022年的56.4%;2017年FVC介于0.45～0.8的区域面积占植被总面积的27.89%,到2022年其面积增加10.5%;各时期FVC小于0.45的区域面积均小于植被总面积的6%,总体上研究区湿地植被覆盖质量较高且变化相对稳定。

图4 不同植被覆盖度面积的年际变化图

对2017—2022年间研究区湿地植被FVC空间分布格局进行分析(图5),发现不同年份的湿地植被FVC分布具有一定的规律性:FVC高值区主要分布在研究区西部,低值区分布在博斯腾湖大湖区南部和东部。由图可知,与2017年相比,2022年研究区西北部沼泽和小湖区东部FVC值存在下降现象,而东部区域FVC值有所提升。根据前人的相关研究[27-28],在湿地生态环境中,植被有一定的适宜生长或发育的水位,但是水位的急剧变化可能会导致其长势退衰。由于研究区水域面积的减少,一些地区的水位可能会发生变化,这是研究区西北部和西南部湿地植被FVC下降的主要原因。然而,在研究区东部的荒漠地带,植被FVC的提升可能是受新疆“暖湿化”气候影响[29]。由“暖湿化”气候导致荒漠地区降水量的增加,在一定程度上补充了荒漠区域植被生长所需要的水分,这有助于促进该地区植被的生长,从而使FVC提升。