謝曉寧,王崇倡*,王 鋒
(1. 遼寧工程技術大學測繪與地理科學學院,遼寧 阜新 123000;2. 浙江省工程物探勘察設計院有限公司,浙江 杭州 310000)
濕地景觀具有豐富的生物多樣性,具備多種生態功能和價值,被譽為“自然之腎”[1-3]。盤錦市濕地在氣候調節、空氣凈化等方面發揮著不可或缺的作用[4]。隨著經濟的快速發展,盤錦市濕地的生態環境受到嚴重威脅,濕地面積不斷萎縮,環境保護功能顯著下降,濕地保護體系有待進一步完善[5]。目前,基于遙感影像的自動化高效濕地信息采集與監測已成為濕地研究中的熱點,如武晉雯[6]等利用MERSI 影像監測了盤錦市濕地植被的長勢;顧蕾[7]采用高分辨率航空影像監測了盤錦市濕地的地表覆蓋情況及其變化;李榮平[8]等分析了盤錦市濕地的氣候變化特征;還需對盤錦市濕地做進一步的自動化動態變化監測,以掌握盤錦市濕地的演變特征。
鑒于此,本文以盤錦市濕地為研究對象,利用遙感與GIS 技術對濕地進行信息提取,運用生態學和轉移矩陣模型分析了3 期濕地的動態變化過程、演變特征以及動態變化驅動力,以期為濕地的管理與保護提供參考依據。
盤錦市是馳名中外的濕地之都、生態家園。盤錦市雙臺河口濕地保護區是全國最大的濕地自然保護區,地處遼東灣遼河入海口處,地理坐標為40°39′~41°27′N、121°25′~123°31′E。盤錦市地勢地貌較平坦,整體呈北高南低趨勢;春季風大、降水少、氣候干燥,夏季氣候濕熱、降水集中,秋季多晴朗天氣、晝夜溫差大。研究區內天然濕地以沼澤、灘涂、河流為主,人工濕地以水田、池塘為主。
本文采用的數據包括Landsat遙感影像數據(表1)和統計數據。本文充分考慮了研究區自然地理條件和分布特征,選取8 月植物茂盛且云量較少的遙感影像,地表光譜特征反映明顯,有助于濕地植被信息的提取。本文對研究區影像進行了波段融合、輻射定標、幾何校正、圖像融合等預處理。

表1 盤錦市Landsat遙感影像信息
參照《濕地公約》和國家濕地分類標準,結合研究區濕地類型的分布特征等相關資料,本文將研究區分為濕地和非濕地,一級分類又分為自然濕地和人工濕地;二級分類主要包括河流、沼澤、灘涂、水庫等。考慮到部分要素對盤錦市濕地影響有限,且面積占比過小,因此將其綜合歸并到大類中進行綜合調整,本文建立的盤錦市濕地分類體系如表2所示。

表2 盤錦市濕地分類體系
決策樹模型是一種分層次的數據結構,主要應用于各類信息提取與識別的研究中。遙感影像分類研究的基本原理是根據知識規則,從原始影像中按層次提取并掩膜分離出每個地類,并作為一個樹節點,從而減少已分地類與待分地類混淆的情況,最終實現所有地類的分級提取[9-11]。
纓帽變換(K-T變換)常用于Landsat影像中除熱紅外波段外的6個波段數據中,其表達式為:
Y=RTX+B(1)
式中,X為原始數據的像元矢量;Y為變換后的像元矢量;R為變換矩陣;B為增益向量矩陣。
數據變換后的前3 個特征分量KT1、KT2、KT3分別代表亮度、綠度和濕度信息,用以反映地物的反射率特征、植被覆蓋特征和地面濕度特征效果[12]。
基于盤錦市濕地分類體系,本文采用決策樹分類方法,經過K-T 變換,得到典型地物的光譜曲線,如圖1 所示。利用形狀指數能很好地區分水體與其他區域,再將非水體區域劃分為植被與非植被區域,建筑用地、灘涂濕地和部分旱地等非植被區域在藍光波段上的值高于植被區域(沼澤濕地、水田濕地、旱地濕地)。綜合上述光譜特征區分水體、植被與非植被區域,再分別對這3 類區域進行細分,具體流程如圖2所示。

圖1 典型地物光譜特征與KT曲線

圖2 決策樹模型
1)水體信息提取。水體的二次分類可根據不同類型的水體空間特征(大小、形狀、位置)進行分類。河流呈長條形,通過形狀判別可區分河流。利用形狀和面積可區分水庫與坑塘,水庫的邊界較平坦光滑,且有一部分呈直線;而坑塘則為規則的四邊形,面積小于水庫。首先將提取的水體轉化為矢量多邊形;再手工修改,連接提取水體的斷點,對邊界進行圓滑,以提高分類精度。
2)植被信息提取。除水體外,研究區主要包括植被和非植被兩大地類。歸一化植被指數(NDVI)是指近紅外波段與可見光紅光之差與這兩個波段和的比值[13],能準確提取植被信息。

近紅外波段(TM4)對綠色植物濕地較敏感。由典型地物光譜曲線可知,只有植被在TM4上的波譜值大于TM3,而其他地類則相反。通過對研究區植被的濕度分量進行統計分析發現,水田的綠度分量(KT2)大于沼澤,且沼澤的濕度分量最低,據此可分離水田和沼澤。
3)非濕地信息提取。將水體和植被從數據中提取出來后,再將剩下的地類進行二次分類。通過光譜特征和空間分布特點可區分建筑用地與旱地,從而完成非濕地信息的分類提取。
4)灘涂信息提取。由于建筑物和灘涂的光譜特征非常相似,單從光譜特征的角度很難區分,而灘涂具有明顯的空間分布特征,研究區的灘涂主要分布在沿海以及河邊地區,據此并結合人工判讀,可精確提取灘涂信息。
景觀格局是景觀異質性的一種重要表現形式,反映多種生態過程在不同尺度上的作用結果[14]。本文選取斑塊密度、最大斑塊指數、Shannon 多樣性指數、Shannon 均勻度指數、散布與并列指數以及蔓延度指數來分析研究區濕地景觀格局的空間結構變化特征[15]。
2004 年、2010 年、2014 年各種濕地類型分布特征如圖3 所示,面積統計結果如表3 所示,可以看出,2004 年、2010 年、2014 年沼澤濕地面積分別為771.05 km2、625 km2和583.95 km2,面積在不斷萎縮;灘涂面積分別為166.74 km2、150.35 km2和201.06 km2,面積總體增加;河流面積分別為26.67 km2、22.39 km2和31.73 km2;水庫面積分別為43.15 km2、43.85 km2和33.79 km2;坑塘面積分別為86.48 km2、115.18 km2和143.2 km2,面積在不斷增加;水田面積分別為1 860.26 km2、1 917.82 km2和1 695.57 km2;建筑用地面積在不斷增加。

表3 盤錦市各類濕地面積統計

圖3 2004年、2010年、2014年3期濕地分布圖
本文基于新建立的盤錦市濕地分類系統,采用決策樹分類方法以及少量的人工干預提取了Landsat 遙感影像的濕地信息,取得了較理想的濕地信息提取結果:2004 年的總體精度為86.31%,Kappa 系數為0.84;2010 年的總體精度為83.52%,Kappa 系數為0.83;2014 年的總體精度為86.15%,Kappa 系數為0.823,精度滿足濕地監測需要。
各種類型濕地之間的相互轉換關系如表4、5所示,可以看出,2004年以來盤錦市濕地經歷了復雜的變化過程,但總體表現穩定,濕地演變特征主要表現為人工濕地向非濕地轉化;天然濕地中沼澤的面積呈逐年減少趨勢,2004—2014 年沼澤向建筑用地分別轉移了11.59 km2和6.42 km2,向旱地分別轉移了8.51 km2和52.81 km2,由于當地經濟的快速發展以及城市用地的不斷擴增,這種演變特征有持續傾向;灘涂濕地的面積逐漸增加,主要分布在沿海地區,隨著海洋資源的開發,呈向海洋延伸的趨勢;坑塘面積在近10 年里呈穩定增加趨勢,年平均增加幅度為1.5%;水田面積呈先增后減趨勢;河流濕地面積總體趨于穩定,面積大小與當年的降水量緊密相關。

表4 2004年與2010年的土地利用轉移矩陣/km2

表5 2010年與2014年的土地利用轉移矩陣/km2
研究區濕地景觀指數如表6 所示,可以看出,2004—2014 年盤錦市濕地的斑塊密度從18.35 個/km2增加到23.8 個/km2;最大斑塊指數急劇降低,從35.125%降至16.21%,表明濕地的破碎化程度在加深;Shannon多樣性指數先減后增;Shannon均勻度指數基本穩定,表明2004—2010年研究區受人類活動影響較小,而在2010—2014年隨著濕地景觀水平多樣化的提高,研究區受人類活動干擾影響較大,景觀呈現濕地類型結構多樣化以及斑塊分布均勻化的變化趨勢;散布與并列指數在2004—2010年基本未變,說明不同類型濕地在該時間段內連通性變化不大,而2010—2014 年該指數降低至36.31,說明該時間段內景觀的小斑塊數量增加,斑塊優勢度不斷降低,景觀破碎化程度升高,濕地景觀的連通性在下降。

表6 研究區濕地景觀指數
濕地具有較強的自我修復能力,但在外界因素的強烈干擾下,景觀系統結構不可避免的遭受破壞,進而導致濕地景觀格局發生變化。影響濕地景觀格局變化的主要因素分為自然因素和人為因素,自然因素主要包括氣候、地形地貌等變化,人為因素主要包括人類在工業和農業上的經濟活動。人為因素是造成盤錦市濕地景觀格局變化的主要原因。
盤錦市擁有豐富的礦產資源,GDP常位于遼寧省前列,而區域經濟發展給土地利用帶來了很大的影響。2004—2014年盤錦市經濟發展迅速,人口數量不斷增加(圖4),土地需求不斷增加,導致對濕地資源的過度開發利用。當原有的人工用地無法滿足需要時,城鎮的水田和坑塘濕地被大量占用。由景觀格局變化特征分析可知,2010—2014 年水田面積大幅減少,濕地向非濕地轉移,研究區內大量濕地被人工用地占用,導致區域內水田濕地大量減少,原有濕地景觀系統的生態平衡遭到破壞。

圖4 人口數量變化圖
本文以盤錦市濕地為研究對象,利用2004 年、2010年、2014年3期遙感影像進行動態監測分析。結果表明,2004—2014年濕地面積總體呈退化趨勢,主要表現為濕地向旱地轉移,坑塘面積增加幅度不大,水體面積基本保持不變,人工濕地面積增加是濕地面積減少的主要原因。盤錦市人口的增加以及工業領域的快速發展導致建筑用地面積不斷擴增,是濕地退化的主要因素。