基于遙感與GIS的中國湖泊形態分析

劉蕾， 臧淑英， 邵田田， 魏錦宏， 宋開山

(1.中國科學院東北地理與農業生態研究所，長春 130102；2.哈爾濱師范大學黑龍江省普通高等學校地理環境遙感監測重點實驗室，哈爾濱 150025; 3.黑龍江第三測繪工程院， 哈爾濱 150025)

基于遙感與GIS的中國湖泊形態分析

劉蕾1,2,3， 臧淑英2， 邵田田1， 魏錦宏1， 宋開山1

(1.中國科學院東北地理與農業生態研究所，長春 130102；2.哈爾濱師范大學黑龍江省普通高等學校地理環境遙感監測重點實驗室，哈爾濱 150025; 3.黑龍江第三測繪工程院， 哈爾濱 150025)

基于2010年Landsat TM/ETM數據，結合Google Earth影像和其他資料，采用面向對象的分類方法，以30 m的分割尺度對圖像進行分割，并通過比值指數、歸一化差值水體指數及譜間關系等指數來提取水體信息，將水體分為河渠、湖泊及水庫坑塘3類，并對分類結果進行精度驗證，最終得到中國湖泊空間分布信息；以此為基礎，計算出反映湖泊形態的景觀指數(如形狀指數、近圓形指數及分維數等)，并結合湖泊的面積和湖泊岸線長度來說明湖泊的基本狀況及其形狀的復雜程度。結果表明：利用面向對象分類方法可以得到較高的分類精度，3種類型水體分類的總精度為93%，湖泊分類精度達到90%以上；在中國內陸，面積大于1.0 km2的自然湖泊2 477個，總面積約77 934.72 km2；在5個湖區中，青藏高原湖區的湖泊面積最大，占湖泊總面積的54.34%，其形狀指數和分維數均值為最小，湖泊形態比較簡單；東部平原湖區降雨充沛，水系發達，其形狀指數和分維數均值最大，湖泊岸線更加曲折，形態復雜多變；通過分析得出，形狀指數與分維數有明顯的相關性(R2= 0.95)，湖泊岸線分維數值越高，其形狀指數越大，岸線越復雜。

湖泊形態；形狀指數；分維數；湖區；遙感

0 引言

湖泊是陸地上水圈的重要組成部分，同時與自然界中的水分循環關系密切。湖泊空間分布情況在一定程度上反映了內陸水資源的存儲和利用情況[1]。它的波動或變化也體現了氣候變化和人類活動等對水體循環、物質遷移以及生態系統變化的影響。湖泊的形態特征變化是在多種因素作用下形成的，過程比較復雜。在湖泊的發展過程中，其形態也不斷變化[2]。因此，分析湖泊形態特征，不僅對研究湖泊水文、湖泊中物質的輸入輸出以及湖泊理化性質變化有重要意義，同時也可以為開發、利用和保護湖泊資源提供理論依據。

目前對湖泊形態的研究最主要集中在面積動態變化和湖泊岸線形態這2方面。有學者對典型湖泊動態變化及其成因進行了分析[3-6]；還有學者應用分形理論對湖泊岸線變化進行分析，描述了湖泊岸線的動態變化，分別計算了湖泊岸線發育系數和湖泊岸線分維數，用以表明湖泊形態的動態變化[7-8]；還有部分學者研究了湖泊的面積及湖岸線長度，并準確特征化了這2個物理性質，研究了影響湖泊岸線變化的環境因素及人為因素，分析了湖泊岸線變化與湖泊生物的關系[9]；此外還有一些研究通過計算湖泊形態指數與水質的關系，分析湖泊形態對湖泊水質的影響[10-11]。這些研究大都針對某一地區典型湖泊，很少進行大范圍不同區域湖泊形態特征的定量研究及對比分析。

衛星遙感具有覆蓋范圍廣、監測頻次高、人力和物力成本低等優勢，為大范圍水體實時動態監測提供基礎。本文結合遙感影像數據，利用面向對象分類方法提取中國湖泊空間分布信息。基于GIS技術計算反映湖泊形態的景觀指數，對比不同區域湖泊形態指數間的關系，分析中國不同地區湖泊形態上的差異。為定量刻畫內陸水體的形態特征提供參考，對分析湖泊中物質能量的流動有指導意義。

1 數據與方法

1.1 湖泊信息提取

使用的數據主要以空間分辨率為30 m的Landsat TM/ETM為主，圖像時相是2010年，盡量選擇春、秋季節的圖像。每景圖像平均云量盡量小于10%，個別地方受云量影響較大，不能獲得規定季節圖像的，則選用2011或2009年的合適數據。根據該規則，在美國地質調查局的地球資源觀測與科學(USGS/EROS)中心共獲取了覆蓋中國的Landsat TM和ETM圖像545景。

基于面向對象分類方法，利用多尺度分割得到影像對象，并建立對象主要的層次結構特征，計算獲得對象幾何、光譜及拓撲特征等。利用對象特征來建立分類規則，再根據不同對象間信息相互傳遞與合并完成影像分類，可以有效地克服基于像元層次的不足[12]。多尺度分割是從一個像元開始，依據影像的異質性采取從下到上區域合并的方法得到對象，是內部優化的過程[13]。影像的異質性則是通過對象形狀及光譜的差異來確定的，形狀異質性由緊湊度及光滑度來衡量。設置較大的分割尺度，就有較多像元被合并，最后得到較大面積對象；分割尺度越小，對象面積就越小，越有利于小面積的地物提取[14]。

確立解譯影像的地物類型，即分類系統。可以采用其他現有的分類系統，也可以根據自己研究的具體對象來規劃分類系統。本文主要研究湖泊形態的變化，因此先提取水體，然后劃分為3類：河渠、湖泊及水庫坑塘。根據影像的紋理特征、光譜特征、形狀、密度、大小、空間分布及色調等信息建立以面向對象分類方法的解譯標志。本文主要選擇了TM5(R)4(G)3(B)和TM4(R)3(G)2(B)波段合成，綜合進行遙感解譯。該波段組合對水的反應比較強烈，有利于分辨不同類型水體信息。表1為各類型在TM圖像上較為明顯的解譯標志。

表1 TM遙感影像解譯標志Tab.1 Signs of classification on TM remote sensing imageries

應用面向對象eCongition8.64分類軟件對TM圖像進行多分辨率分割，經過反復實驗，確定分割中輸入的參數，即尺度(scale)為30，形狀(shape)為0.1，光滑度(smoothness)為0.5，緊湊度(compactness)為0.5。根據水體的光譜特征，利用歸一化差值水體指數(normalized difference index，NDWI)(TM2-TM4)/(TM2+TM4)、波段比值TM4/TM2及譜間關系(TM2+TM3)>(TM4+TM5)等指數[15-18]。分類過程中，用以上2個或者多個指數結合其他波段信息和空間信息構建隸屬函數，更好地提取水體信息[19-20]。根據提取對象的長寬比和面積等信息，區分湖泊、河渠及水庫坑塘。在完成解譯基礎上，對錯分或者漏分的對象進行手工編輯。此外，對由于陰影的影響而無法區分的水體，則用手工分類方法將其區分出來[21]。

由于覆蓋研究區的是多景TM圖像，因此對于每一景圖像的分類結果，需要進行拼接和檢查拓撲關系等。在eCognition8.64軟件中完成解譯工作，導出矢量文件。在ArcGIS中對每種類型進行編碼，并對結果進行拼接及拓撲檢查，得到水體分類結果，從中提取最終的湖泊空間分布信息。

1.2 精度評價

精度評價是遙感圖像分類的重要步驟[22]。目前，最常用的精度評價方法是誤差矩陣統計法。在Google Earth上隨機選擇驗證樣本，樣本均勻分布，并確定其類型。一共選擇了300個樣本檢驗圖像的解譯結果，以評價解譯精度[23]。

1.3 景觀指數計算

景觀指數可以對景觀格局信息高度綜合，定量反映其空間配置和組成結構等特征[24]。基于遙感與GIS技術，利用中國湖泊分布信息計算景觀指數，分析中國湖泊形態特征。

1)湖泊面積(area，A)是計算其他指數的基礎。對湖泊作為聚集地的物種數量、豐富度及食物鏈等有制約作用。區域大小間的差異可以反映營養，種類和能量等信息的差別。

2)湖泊周長(perimeter，P)是計算得到其他指數的基礎。

3)近圓形指數(related circumscribing circle，RCC)表示湖泊形狀的指數，是與湖泊面積及其最小外接圓面積的比較值有關。其數值越大，表示湖泊越顯狹長。其計算公式為

(1)

式中：A為湖泊面積；AS為湖泊最小外接圓的面積。

4)形狀指數(shape index，SI)是將湖泊形狀與相同面積的圓比較的值，即湖泊的緊湊度，有時也稱岸線的發育系數(shoreline development index，SDI)。它代表了湖泊岸線的不規則性。岸線越不規則，其湖泊岸線越曲折多變，岸線的發育系數越大，越有利于種植水生植物及養殖魚類的開發。岸線的發育系數能夠把其岸線長度與輸入的營養物質聯系起來，是描述湖泊岸線范圍的形態指數。在區分不同湖泊和評價湖泊的沿岸帶重要程度等方面運用廣泛[9]。其計算公式為

(2)

式中P為湖泊周長。

5)分維數(fractal dimension，FD)是表明湖泊形態復雜程度的指數[25]。分形維數在[1，2]范圍內，其值越接近1，湖泊的相似性越強，形狀也越整齊，幾何形態越簡單，說明有較大的干擾；相反，分形維數越趨于2，湖泊的相似性越差，形狀越不規則，幾何形態越為復雜，說明有較小的干擾。分維數FD計算公式為

(3)

1.4 中國湖泊分區

結合自然環境和地理區域等特征，將中國分成5個湖泊區[26]：①青藏高原湖區(包括西藏和青海)；②蒙新高原湖區(包括新疆、內蒙古、寧夏、甘肅、陜西及山西)；③云貴高原湖區(包括四川、云南及貴州)；④東北平原與山地湖區(包括吉林、黑龍江、遼寧及內蒙古東四盟)；⑤東部平原湖區(湖南、湖北、江西、重慶、河南、安徽、江蘇、山東、上海、河北、天津、北京、浙江、香港、臺灣、澳門、廣東、福建、海南及廣西)。5個湖區突出了我國地貌和氣候特點，同時也反映了湖泊的區域特點。結合5大湖區的區域特征，便于分析中國湖泊形態的分布特點。

2 結果與分析

2.1 分類精度

根據精度評價，得到3種類型水體分類結果(表2)。3種類型水體的分類精度都較高，總精度為93.00%，Kappa為0.89。由于影像時相等問題，

表2 分類精度評價Tab.2 Classification accuracy assessment

分類過程中會出現錯分、漏分誤差，自動提取后已經進行了人工修改。湖泊提取的用戶和制圖精度也達到90%以上。能夠較精確地反映中國湖泊的分布情況。

2.2 數量與面積

中國湖泊面積大于1.0 km2天然湖泊共2 477個，總面積77 934.72 km2，約占全國土地面積的0.8%，分別分布在我國的五大湖區，如圖1所示。

圖1 中國湖泊分布(湖泊面積>1 km2)

其中大于1 000 km2的大型湖泊有8個(平均2 065.84 km2/個)，青海湖為我國面積最大的湖泊；面積在[1,10] km2之間的湖泊1 785個(平均3.11 km2/個)；(10,50] km2的湖泊436個(平均22.85 km2/個)；(50,100] km2的湖泊108個(平均69.60 km2/個)；(100,500] km2的湖泊123個(平均208.22 km2/個)；(500,1 000] km2的湖泊17個(平均750.70 km2/個)；湖泊的面積和數量并不成正比關系(圖2)。

圖2 不同級別湖泊面積和數量對比Fig.2 Contrast of different level of lake

在5個湖區中，青藏高原湖區擁有湖泊面積和數量最多，累積面積42 357.96 km2，共有1 056個，分別占全國湖泊總面積及數量的54.35%和42.63%，其中大于10 km2的湖泊374個，累積面積40 095.26 km2。其次是東部平原湖泊區，累積面積19 054.93 km2，共有759個，占其總面積及數量的24.45%和30.64%，其中大于10 km2的湖泊170個，累積面積17 231.07 km2。蒙新高原湖泊區湖泊共255個，總面積8 513.54 km2，大于10 km2的68個，面積7 943.09 km2。東北平原和山地湖區湖泊共348個，總面積6 674.86 km2，大于10 km2的61個，面積5 892.73 km2。云貴高原湖泊區的數量最少，僅59個，累積1 333.43 km2，其中大于10 km2的19個，面積1 219.02 km2(表3)。

表3 五大湖區湖泊面積和數量對比Tab.3 Statistics of lake area and number in five lake districts

2.3 分布特點

由于自然地理環境的影響，我國5個湖區出現了不同的湖泊空間分布特征[27]。從濕熱多雨的南部到寒冷干燥的北部，從東部沿海地區到高海拔的青藏高原地區，都分布著湖泊，甚至在干旱少雨的沙漠地區也有部分湖泊，湖泊呈不均勻的空間分布特征(圖1)。青藏高原與東部平原湖區湖泊總面積為61 412.89 km2，共有1 815個湖泊，占全國湖泊總面積及數量的78.80%和73.27%。2個湖區的湖泊分布最集中，為東西2大湖群。蒙新高原、東北平原與山地、云貴高原湖區僅有662個湖泊，總面積16 521.83 km2。尤其是云貴高原湖區，是我國湖區中湖泊的面積最小、數量最少的湖區。

2.4 湖泊形態特征

根據景觀指數公式(1)—(3)，計算湖泊的形態指數(近圓形指數、形狀指數、分維數)，得到湖泊形態的分布情況(圖3)。

圖3 中國湖泊近圓形指數(上)、形狀指數(中)及分維數(下)分布Fig.3 Distribution of related circumscribing circle(above),shape index(middle) and fractal dimension(below) in China

統計對比5個湖區湖泊形態指數的差異(圖4)。

圖4 五大湖區各形態指數箱型圖

Fig.4 Box-whisker plots of each morphological index in five lake districts

部分面積較大湖泊(如青海湖和太湖等)的近圓形指數相對較小，這些湖泊在形態上更接近圓形。在中國2 477個湖泊中，近圓形指數小于0.6的湖泊共有882個，占35.61%，這些湖泊形態上基本趨近于圓形。東北平原湖區近圓形指數小于0.6的湖泊占該區湖泊總數的48.28%，蒙新湖區44.71%，青藏高原湖區41%，形態上接近圓形的湖泊相對較多；而云貴高原湖區和東部平原湖區近圓形指數小于0.6的湖泊相對較少，僅分別占28.81%和19.76%。

形狀指數和分維數表明了湖泊岸線的復雜程度，青藏高原湖區湖泊形狀指數小于3.77的湖泊數量占該區湖泊總數的96.02%，分維數小于1.11的湖泊數占69.89%，湖泊形態上多表現為簡單。而東部平原湖區湖泊形狀指數小于3.77的湖泊數量占該區湖泊總數的65.35%，分維數小于1.11的湖泊數占27.4%，與青藏高原區相差較大，該區湖泊形態更加復雜多變。青藏高原湖區基本上屬于內流區，在干旱半干旱的氣候條件下，湖泊多為封閉的咸水湖或者鹽湖。其形狀指數均值為2.24，分維數均值為1.09，相對其他湖區最小，該區湖泊在形態上比較簡單。而東部平原湖區處于亞洲季風氣候區，屬于外流區，降水較充沛，湖泊表現為外流淡水湖。其形狀指數均值為3.77，分維數均值為1.14。隨著岸線分維數值的增加，湖泊岸線越曲折，幾何形態也越復雜。東部平原湖區水系比較發達，也造成其湖泊形態復雜多變。而蒙新湖區、東北湖區及云貴湖區湖泊形態差異并不明顯。

將湖泊的形狀指數和分維數進行指數擬合(圖5)，二者高度相關(R2=0.95)，表明湖泊的形狀指數與分維數有明顯的相關性。湖泊形狀指數越大，湖泊岸線分形維數越高，岸線越復雜多變，湖泊沿岸帶的物種多樣性越高。湖泊形態越復雜，其相應沿岸的面積也較大，與其他地物類型的接觸面也越大，湖泊中物質能量流動越頻繁，可以支持更大的湖泊初級生產能力的增長[5]。

圖5 形狀指數與分維數關系Fig.5 Relationship of shape index and fractal dimension

3 結論

本文將遙感與GIS手段相結合，突破了以往湖泊形態研究的困難，能夠更加有效快速地提取地物信息，來定量分析大范圍區域內的湖泊形態特征。結果表明：

1)基于面向對象分類方法，得到水體分類精度較高，3種類型水體分類總精度為93.00%，其中湖泊分類精度達90%以上。

2)湖泊空間分布不均勻。5個湖區中，擁有湖泊面積最大和數量最多的湖區均是青藏高原湖區，其次是東部平原湖區，而云貴高原湖區的湖泊數量最少和面積最小。

3)湖泊形態特征表現出明顯的區域特點。擁有湖泊最多的青藏高原和東部平原2大湖區，湖泊形態上表現出不同趨勢，青藏高原湖區湖泊形態相對簡單，湖泊岸線平滑，而東部平原湖區臨海，河流水系發達，湖泊岸線更加曲折。

4)湖泊的分維數與形狀指數相關性較高(R2= 0.95)，湖泊岸線分維數值越高，形狀指數越大，岸線越復雜。湖泊形態越復雜，與沿岸帶的接觸范圍越大，營養物質來源越多，湖泊中物質能量的流動也越頻繁，湖水較肥沃，湖中生物更豐富。

5)本文的相關研究成果將為進一步深入分析湖泊中物質能量的輸入輸出及湖泊的營養狀況提供理論依據，并為湖泊形態變化監測提供技術支持。

[1] 中國環境科學研究院.湖泊生態安全調查與評估[M].北京:科學出版社,2012:1-19. Chinese Research Academy of Environmental Sciences.Investigation and Evaluation of Lake Ecological Security[M].Beijing:Science Press,2012:1-19.

[2] 霍雨.鄱陽湖形態特征及其對流域水沙變化響應研究[D].南京:南京大學,2011. Huo Y.Poyang Lake Morphological Characteristics and Its Response to Runoff and Sediment of Poyang Lake Basin[D].Nanjing:Nanjing University,2011.

[3] 閆強,廖靜娟,沈國狀.近40年烏蘭烏拉湖變化的遙感分析與水文模型模擬[J].國土資源遙感,2014,26(1):152-157.doi:10.6046/gtzyyg.2014.01.26. Yan Q,Liao J J,Shen G Z.Remote sensing analysis and simulation of change of Ulan UI Lake in the past 40 years[J].Remote Sensing for Land and Resources,2014,26(1):152-157.doi:10.6046/gtzyyg.2014.01.26.

[4] 紀鵬,郭華東,張露.近20年西昆侖地區冰川動態變化遙感研究[J].國土資源遙感,2013,25(1):93-98.doi:10.6046/gtzyyg.2013.01.17. Ji P,Guo H D,Zhang L.Remote sensing study of glacier dynamic change in West Kunlun Mountains in the past 20 years[J].Remote Sensing for Land and Resources,2013,25(1):93-98.doi:10.6046/gtzyyg.2013.01.17.

[5] 黃衛東,廖靜娟,沈國狀.近40年西藏那曲南部湖泊變化及其成因探討[J].國土資源遙感,2012,24(3):122-128.doi:10.6046/gtzyyg.2012.03.22. Huang W D,Liao J J,Shen G Z.Lake change in past 40 years in the southern Nagqu District of Tibet and analysis of its driving forces[J].Remote Sensing for Land and Resources,2012,24(3):122-128.doi:10.6046/gtzyyg.2012.03.22.

[6] 曾光,高會軍,朱剛.近32年塔里木盆地與準噶爾盆地濕地演化遙感分析[J].國土資源遙感,2013,25(3):118-123.doi:10.6046/gtzyyg.2013.03.20. Zeng G,Gao H J,Zhu G.Analysis of wetlands evolution process between Tarim Basin and Junggar Basin in the past 32 years[J].Remote Sensing for Land and Resources,2013,25(3):118-123.doi:10.6046/gtzyyg.2013.03.20.

[7] 李新國,江南,王紅娟,等.近30年來太湖流域湖泊岸線形態動態變化[J].湖泊科學,2005,17(4):294-298. Li X G,Jiang N,Wang H J,et al.Dynamic changes of lake shorelines morphology in the Taihu Basin during the past 30 years[J].Journal of Lake Sciences,2005,17(4):294-298.

[8] 王紅娟,姜加虎,李新國.岱海湖泊岸線形態變化研究[J].長江流域資源與環境,2006,15(5):674-677. Wang H J,Jiang J H,Li X G.Study on changes of lake shoreline morphology in Daihai Lake[J].Resources and Environment in the Yangtze Basin,2006,15(5):674-677.

[9] 潘文斌,黎道豐,唐濤,等.湖泊岸線分形特征及其生態學意義[J].生態學報,2003,23(12):2728-2735. Pan W B,Li D F,Tang T,et al.The fractal character of lake shoreline and its ecological implication[J].Acta Ecologica Sinica,2003,23(12):2728-2735.

[10]Moses S A,Janaki L,Joseph S,et al.Influence of lake morphology on water quality[J].Environmental Monitoring and Assessment,2011,182(1/4):443-454.

[11]Thierfelder T.The morphology of landscape elements as predictors of water quality in glacial/boreal lakes[J].Journal of Hydrology,1998,207(3/4):189-203.

[12]陳云浩,馮通,史培軍,等.基于面向對象和規則的遙感影像分類研究[J].武漢大學學報:信息科學版,2006,31(4):317-320. Chen Y H,Feng T,Shi P J,et al.Classification of remote sensing image based on object oriented and class rules[J].Geomatics and Information Science of Wuhan University,2006,31(4):317-320.[13]林川,宮兆寧,趙文吉.基于中分辨率TM數據的濕地水生植被提取[J].生態學報,2010,30(23):6460-6469. Lin C,Gong Z N,Zhao W J.The extraction of wetland hydrophytes types based on medium resolution TM data[J].Acta Ecologica Sinica,2010,30(23):6460-6469.

[14]沈金祥,楊遼,陳曦,等.面向對象的山區湖泊信息自動提取方法[J].國土資源遙感,2012,24(3):84-91.doi:10.6046/gtzyyg.2012.03.16. Shen J X,Yang L,Chen X,et al.A method for object-oriented automatic extraction of lakes in the mountain area from remote sensing image[J].Remote Sensing for Land and Resources,2012,24(3):84-91.doi:10.6046/gtzyyg.2012.03.16.

[15]McFeeters S K.The use of normalized difference water index(NDWI) in the delineation of open water features[J].International Journal of Remote Sensing,1996,17(7):1425-1432.

[16]Jiang Z L,Qi J G,Su S L,et al.Water body delineation using index composition and HIS transformation[J].International Journal of Remote Sensing,2012,33(11):3402-3421.

[17]Xu H Q.Modification of normalized difference water index(NDWI)to enhance open water features in remotely sensed imagery[J].International Journal of Remote Sensing,2006,27(14):3025-3033.

[18]Verpoorter C,Kutser T,Tranvik L.Automated mapping of water bodies using Landsat multispectral data[J].Limnology and Oceanography:Methods,2012,10(12):1037-1050.

[19]Feyisa G L,Meilby H,Fensholt R,et al.Automated water extraction index:A new technique for surface water mapping using Landsat imagery[J].Remote Sensing of Environment,2014,140:23-35.

[20]Sheng Y W,Shan C A,Smith L C.Automated image registration for hydrologic change detection in the lake-rich arctic[J].IEEE Geoscience and Remote Sensing Letters,2008,5(3):414-418.

[21]宋開山,劉蕾,呂冬梅,等.基于Landsat-TM和MODIS的非洲水體分布格局研究[J].熱帶地理,2014,34(3):302-307. Song K S,Liu L,Lü D M,et al.Distribution pattern of African surface water based on Landsat-TM and MODIS imagery[J].Tropical Geography,2014,34(3):302-307.

[22]劉蕾,臧淑英,那曉東,等.兼容光學雷達影像及地形輔助數據的扎龍濕地遙感分類[J].地理與地理信息科學,2013,29(1):36-40. Liu L,Zang S Y,Na X D,et al.Wetland mapping in the Zhalong natural reserve using optical and Radar remotely sensed data and ancillary topographical data[J].Geography and Geo-Information Science,2013,29(1):36-40.

[23]Stehman S V.Estimating the Kappa coefficient and its variance under stratified random Sampling[J].Photogrammetric Engineering and Remote Sensing,1999,62(4):401-407.

[24]傅伯杰,陳利頂.景觀多樣性的類型及其生態意義[J].地理學報,1996,51(5):454-462. Fu B J,Chen L D.Landscape diversity types and their ecological significance[J].Acta Geographica Sinica,1996,51(5):454-462.

[25]鄔建國.景觀生態學——格局、過程、尺度與等級[M].北京:高等教育出版社,2000. Wu J G.Landscape Ecology:Pattern,Process,Scale and Level[M].Beijing:Higher Education Press,2000.

[26]王蘇民,竇鴻身.中國湖泊志[M].北京:科學出版社,1998. Wang S M,Dou H S.The Lakes of China[M].Beijing:Science Press,1998.

[27]馬榮華,楊桂山,段洪濤,等.中國湖泊的數量、面積與空間分布[J].中國科學:地球科學,2011,41(3):394-401. Ma R H,Yang G S,Duan H T,et al.China’s lakes at present:Number,area and spatial distribution[J].Science China Earth Sciences,2011,54(2):283-289.

(責任編輯：邢宇)

Characterization of lake morphology in China using remote sensing and GIS

LIU Lei1,2,3, ZANG Shuying2, SHAO Tiantian1, WEI Jinhong1, SONG Kaishan1

(1.NortheastInstituteofGeographyandAgroecology,ChineseAcademyofSciences,Changchun130102,China; 2.CollegeofHeilongjiangProvince,KeyLaboratoryofRemoteSensingMonitoringofGeographicEnvironment,HarbinNormalUniversity,Harbin150025,China; 3.TheThirdSurveyingandMappingEngineeringInstituteofHeilongjiang,Harbin150025,China)

Based on 2010 Landsat TM/ETM+satellite remote sensing imagery data and referring to Google Earth imageries and other historical documents, the authors used object-oriented classification method to extract inland water bodies across China. The authors set imagery segmentation scale at 30 m, and extracted water bodies with ratio index， Normalized Difference Water Index (NDWI) and spectral relation. There are three types of water, i.e., rivers, lakes, and reservoirs. Finally, the spatial distribution of lakes in China was obtained. Using ArcGIS software package, lake area, shoreline length, shape index (SI), related circumscribing circle (RCC), fractal dimension (FD) and other landscape indices, the authors conducted calculation, and divided China into five lake districts according to previous researches. The differences of lake morphology were comparatively analyzed in the five lake districts. The results show that the object-oriented classification method has better classification accuracy. The overall accuracy of the three types of water is 93%, and the classification accuracy of the lake is over 90%. Statistically, the number of lakes with area greater than 1.0 km2is 2 477, totaling 77 934.72 km2. The Qinghai-Tibet Plateau Lake District (QTPLD) has the largest lake area, accounting for 54.34% of the total lake area in China. The averages of SI and FD are the minimum, thus the lake morphology is simple in the QTPLD. However, the rainfall is abundant and the water system is well developed in Eastern Plain Lake District (EPLD). Its averages of SI and FD are the maximum among all the sub-lake regions. The lake shoreline is more zigzag, and hence the lake morphology is more complex in the EPLD. In addition, SI and FD have significant correlation (R2= 0.95). The higher the FD of the lake, the greater the observed SI.

lake morphology; shape index; fractal dimension; lake district; remote sensing

2014-04-17；

2014-08-18

國家自然科學基金項目“松嫩平原LUCC對湖沼濕地生態系統的影響及調控機理研究”(編號：41030743)資助。

10.6046/gtzyyg.2015.03.16

劉蕾，臧淑英，邵田田，等.基于遙感與GIS的中國湖泊形態分析[J].國土資源遙感，2015，27(3):92-98.(Liu L,Zang S Y,Shao T T,et al.Characterization of lake morphology in China using remote sensing and GIS[J].Remote Sensing for Land and Resources,2015,27(3):92-98.)

TP 79

A

1001-070X(2015)03-0092-07

劉蕾(1989-)，女，碩士研究生，主要研究方向為遙感與生態環境。Email: liulei19890105@163.com。

宋開山(1974-)，男，研究員，主要研究方向為水環境遙感。Email: songks@neigae.ac.cn。