時序遙感影像滇池鳳眼蓮時空動態變化分析

蔣明，郭云開，2，朱佳明，2，劉海洋，2

(1.長沙理工大學 交通運輸工程學院，長沙 410014；2.長沙理工大學 測繪遙感應用技術研究所，長沙 410076)

0 引言

鳳眼蓮(eichhornia crassipes)屬雨久花科、鳳眼蓮屬，俗名水葫蘆[1]，被認為是世界上危害最為嚴重的十大惡性雜草之一[2]。它生命力頑強，即便是河水干涸，種子存活力仍可以保持15—20年[3]。在我國國家環保總局2003年公布的首批16種外來入侵物種名單中，水生植物鳳眼蓮就名列其中[4]。我國政府每年投資數百億元用于治理并打撈鳳眼蓮[5]。云南省作為受到鳳眼蓮入侵危害最為嚴重的六省市之一，其中最嚴重最為引人注目的是昆明市滇池。滇池是昆明市的“母親湖”，它的水體水質惡劣，富營養化嚴重，被國務院列為重點治理的“三湖三河”之一[6-7]。

目前，國內外對于入侵物種鳳眼蓮的監測研究較少。Albright等人對非洲維多利亞湖泊地區1994—2001年間鳳眼蓮的分布及擴散情況進行了研究[8]；Idawo C等人利用遙感數據對肯尼亞維南灣的鳳眼蓮進行了監測和制圖研究[9]；Verma等利用衛星遙感系統研究了印度班加羅爾城北部6條河流中鳳眼蓮種群覆被的變化[10]。高雷對上海的鳳眼蓮種群的分布現狀進行了調查研究[11]；章瑩等對鳳眼蓮入侵現狀的遙感監測研究進展進行了介紹[12]。然而，目前暫未有學者用遙感手段對國內鳳眼蓮進行連續長時間序列時空動態監測研究。

傳統的入侵物種鳳眼蓮監測主要基于野外調查，并綜合歷史資料建立擴散模型，進行動態模擬和預測預報。本文利用2000—2017年長時間序列的Landsat ETM+和少量Landsat OLI 遙感影像數據，采用影像拼接技術，利用監督分類方法，估算滇池鳳眼蓮的面積，提取近18年來其空間分布上的年際變化特征，對滇池鳳眼蓮近18年的時空變化進行分析，較傳統方法更具經濟性，較大量的滇池鳳眼蓮2011—2013年人工控養期間的監測研究更具動態性、現勢性。本文以期為滇池如何監測和控制鳳眼蓮提供理論依據，同時為國內外其他湖泊鳳眼蓮研究、監測提供理論和方法借鑒。

1 研究區域概況

選取滇池作為研究區。滇池位于云南省昆明市西南端，地理坐標為102°29′E～103°1′E，24°29′N～25°28′N，是中國西南地區最大的湖泊，也是中國第六大淡水湖。滇池呈南北向分布，湖體形狀略呈弓形，弓背向東(圖1)。滇池湖泊面積約300 km2，入湖河渠二十余條，北面海埂大壩將其隔為南北兩區，中間僅有一航道相通，南部為滇池主體稱外海，面積約290 km2，風浪較大，水質劣V類，中度富營養化；北部支體稱草海，面積約10 km2，水面平穩，水質劣 V類，為滇池污染最嚴重的水域，重度富營養化，富營養化的水體使鳳眼蓮在滇池外海和草海瘋狂生長，過去情況嚴重時幾乎可以覆蓋全部的水面。

圖1 滇池區域影像

2 數據和方法

2.1 數據來源

數據主要選用2000—2017年長時間序列Landsat ETM+遙感影像，輔助數據為少量Landsat OLI遙感影像，每年選用一景可以覆蓋全部滇池水域的影像，影像成像日期集中，均成像于鳳眼蓮生長期后期11月份，影像云覆蓋少，成像清晰，所有影像數據下載自USGS(https：//earthexplorer.usgs.gov/)。

2.2 研究方法

遙感技術具有宏觀、動態和低成本等特點，既可以滿足大范圍鳳眼蓮監測的需要還可以進行動態監測[13]。遙感時間序列具有季節性、多尺度性、時空自相關性、高維度和數據量巨大等特點，持續變化的檢測是當前遙感時間序列影像變化檢測的主要問題與類型，它可在面向土地利用/覆蓋類型相對緩慢的變化檢測中發揮重要作用[14-15]。本文探討的利用遙感時間序列影像和遙感監督分類方法動態監測滇池入侵物種鳳眼蓮的技術路線如圖2所示。本文僅研究鳳眼蓮，因此這里只定義鳳眼蓮、水面和其他三類訓練樣本，接著在纓帽變換和假彩色增強以及研究區高分辨率影像的基礎上目視解譯創建出感興趣區，下一步確定最佳的分類器，執行監督分類，對分類結果進行評價，對錯分和漏分的像元進行剔除更正。研究中使用的數據處理平臺主要有ENVI 5.3和ArcGIS 10.2。

1)圖像增強。對預處理后的影像進行圖像增強處理。經過纓帽變換后，滇池主要植物種類微囊藻、紅線草、微齒眼子菜在前3個數據軸即亮度、綠度和濕度軸上均有較大的差別，在綠度軸上表現尤為明顯。這為影像中鳳眼蓮群落的解譯分類提供了一定的精度保證[16]。歸一化植被指數NDVI是植物生長狀態和群落蓋度的最佳指示因子，與群落蓋度呈線性相關。NDVI值越大，表示有植被覆蓋且植被覆蓋度越大[17-18]。不同的波段合成顯示可以增強不同地物，通過實驗，4波段與2波段相關性較小，為了讓鳳眼蓮與背景形成很大的反差，加入植被指數NDVI作為第3波段。本研究對融合裁剪后的所有影像進行4、3、2假彩色增強處理(4波段為NIR波段，2波段為Green波段)。

圖2 技術路線圖

2)影像拼接。連續長時間序列時空動態監測研究會遇到單一數據源未覆蓋整體研究區、云層遮蓋部分觀測區等問題，而影像拼接可以解決這些問題。以2015年影像數據為例，滇池區域2015年11月的Landsat ETM+數據存在少量云遮蓋研究區問題，對2015年數據應用影像拼接技術，即利用2015年11月的Landsat ETM+和Landsat OLI數據拼接后的影像監測滇池鳳眼蓮。2015年滇池鳳眼蓮提取影像拼接技術應用示意圖和應用前、后結果對比如圖3和圖4所示。

3)實地觀測驗證。本文選取2013年和2017年進行鳳眼蓮提取實地驗證，實地驗證觀測時間為與當年遙感影像“星地同步”時間前后的11月份10—14日和11月份13—16日。調查主要采取沿湖踏查的方式，目測鳳眼蓮在滇池內各區域的面積和空間分布。然后，結合部分高分辨率影像資料，計算滇池內總的鳳眼蓮覆蓋面積和統計種群位置。2013年和2017年實地踏查得出滇池當年鳳眼蓮估算面積分別為633.4 hm2和727.8 hm2，2013年鳳眼蓮空間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：圖中綠線、黃線分別為拼接邊界線、滇池范圍線。圖3 2015年影像拼接(ETM+波段組合順序為432，OLI為543)

注：圖中四邊形邊框為突出拼接前后鳳眼蓮提取變化。圖4 2015年拼接前、后鳳眼蓮提取結果對比

3 結果與分析

通過采用影像拼接技術和監督分類方法解譯分析滇池2000—2017年長時間序列遙感影像，并結合部分高分辨率影像資料，得出近18年來的滇池鳳眼蓮覆蓋面積(表1)和其空間分布的的年際動態變化(圖5)。

表1 鳳眼蓮提取面積

圖5 鳳眼蓮空間分布位置變化

由表1可得，本文2013年鳳眼蓮提取面積為實地觀測驗證鳳眼蓮估算面積的81.4%，2017年鳳眼蓮提取面積與實地觀測驗證鳳眼蓮估算面積存在9.0%的偏差。從圖5可以看出，2013和2017年鳳眼蓮空間分布與實地觀測驗證大致相符；2000—2017年中，滇池鳳眼蓮空間分布呈現分散-集中-再分散的變化，其主要分布在滇池沿岸地區，特別是滇池外海北部區域。滇池出現鳳眼蓮空間分布集中的現象是由于規模化控養鳳眼蓮的影響，出現再分散的情況可能是因為控養鳳眼蓮的圍網年久失修，導致鳳眼蓮逃逸。

3.1 鳳眼蓮提取面積逐年迭代統計值分析

本文采用最大值、最小值、極差、平均值、標準差5種統計特征因子對鳳眼蓮提取面積進行逐年迭代統計和分析。由表1和圖6可知，鳳眼蓮提取面積從2000—2012年整體處于波動變化，2012年以后整體變化處于平緩。由表2和圖6可知，鳳眼蓮提取面積逐年迭代統計值中：最大值和極差從2000—2006年不斷增大，2006年達到最大，此后不再變化；最小值從2000—2005年不斷減小，2005年達到最小，此后不再變化；平均值從2000—2006年處于波動變化，2006年以后處于平穩變化；標準差從2000—2006年不斷增大，2006年達到最大，此后緩慢變小。此外，5種統計特征因子在2006年的增長率值都達到了最大，并且與其他年份的統計特征因子增長率值相比均相差較大。

表2 鳳眼蓮提取面積逐年迭代統計值 hm2

圖6 鳳眼蓮面積變化及其逐年迭代統計值變化

綜合以上分析可得，2000—2017年中，滇池鳳眼蓮覆蓋面積前期2000—2011年整體呈現波動性變化，后期2012—2017年整體變化趨于平緩，期間2006年滇池鳳眼蓮覆蓋面積出現陡然上升變化，說明2006年滇池鳳眼蓮覆蓋面積發生了劇烈變化，表明預防鳳眼蓮失控后肆虐生長刻不容緩，同時也說明了動態監測滇池入侵物種鳳眼蓮的重要性。從2012年開始，鳳眼蓮提取面積整體變化趨于平緩，這是由于從2011年開始，在滇池人工控制性種養鳳眼蓮減緩了其鳳眼蓮覆蓋面積的變化趨勢。

3.2 鳳眼蓮覆蓋區域NDVI統計值分析

歸一化植被指數(NDVI)是反映土地覆蓋植被狀況的一種重要的遙感指標。本文采用平均值、標準差2種統計特征因子對鳳眼蓮提取面積區域的NDVI值進行逐年統計和分析。從圖7可以看出，鳳眼蓮提取面積區域的NDVI值逐年統計值中：平均值從2000—2017年整體變化較小，標準差從2000—2006年處于波動變化，2006年以后處于平穩變化。此外，2種統計特征因子在2006年的增長率值都達到了最大，并且與其他年份的統計特征因子增長率值相比均差別較大。

圖7 鳳眼蓮覆蓋區域NDVI統計值變化

綜合以上分析可得，2000—2017年中，滇池鳳眼蓮生長狀態和群落蓋度大致相似；2006年，NDVI值標準差增長率值達到最大，出現陡然上升變化，說明2006年滇池鳳眼蓮植被狀況發生了顯著變化。

4 結束語

連續長時間序列遙感影像監測可以動態分析滇池鳳眼蓮時空變化，基于時間序列的統計特性的變化檢測方法可以發現異常變化的發生及其發生的時刻。本文通過研究，得出以下結論：2013年、2017年鳳眼蓮提取面積精度分別達到了81.4%和91%，2年監測的鳳眼蓮空間分布與實際大致相符。2000—2017年中，滇池鳳眼蓮覆蓋面積由前期2000—2011年整體波動性變化到后期2012—2017年整體平緩變化發展，其中2006年波動較大，空間分布呈現分散-集中-再分散的變化，其主要分布在滇池沿岸地區，特別是滇池外海北部區域。2000—2017年中，滇池鳳眼蓮生長狀態和群落蓋度大致相似，但是，2006年滇池鳳眼蓮植被狀況發生了顯著變化。本研究分析了滇池鳳眼蓮年際的動態變化，下一步可以研究其月際的動態變化。