基于TM、ETM+遥感影像洞庭湖冬陆夏水洲滩变化信息提取研究

基于TM/ETM+遥感影像洞庭湖“冬陆夏水”洲滩变化信息提取研究龙芳摘要：利用TM/ETM+影像，提取1987,1998，2003年三个时段洞庭湖“冬陆夏水”洲滩。运用改进归一化差异水体指数（MNDWI）提取丰水期和枯水期的水体，得到相应年份的“冬陆夏水”洲滩，并对近15年的洲滩面积变化进行监督，分析发现，研究区的“冬陆夏水”洲滩面积一直在增加，且有泥滩地→苔草滩地→芦苇滩地的变化趋势，是潜在的钉螺孳生地。为进一步研究钉螺孳生地生态环境做前期工作。1引言日本血吸虫病是我国流行的一种重大传染病，日本血吸虫的唯一中间宿主是钉螺[1]，而洞庭湖区是其主要分布区之一。洞庭湖区的钉螺分布属于湖沼型，又称江湖洲滩型。已有大量的研究证明，湖沼型地区钉螺的孳生地水淹时间一般为3-8个月，呈现“冬陆夏水”的生态环境[2,3]。本研究根据湖沼地区钉螺孳生地“冬陆夏水”的特性，利用遥感和地理信息系统等技术自动提取三个时段洞庭湖区域“冬陆夏水”的洲滩，并对其面积变化进行监督，为进一步确定钉螺孳生地做前期工作。2研究区概况及数据源本次研究中的洞庭湖区所选取的是洞庭湖湖南省部分，包括岳阳、常德、益阳3个市辖区，临湘、沅江、汨罗、津市4个县级市，岳阳、华容、湘阴、南县、安乡、汉寿、澧县、临澧8个县，共计15个县市；介于北纬28.25°—29.95°，东经110.20°—113.75°之间。土地面积为2.576万km2，占湖南省总面积的12.2％；研究区总人口1171.86万（2008年底），占湖南省总人口的17.12％[4]。（图1）图1研究区范围Fig1Researchareas此次研究区范围比较广泛，基于调查精度、调查面积与数据收集难度和成本等方面的考虑，选用美国陆地卫星LandsatTM/ETM+影像作为遥感数据源。研究区跨越四个轨道，分别为123-39、123-40、124-39、124-40。洞庭湖的丰水期为6-9月，枯水期为12-3月，由于数据的可获得性，可操作性,无云和清晰度等问题，尽可能的搜集符合或临近年月份的影像。其丰水期和枯水期影像时相分别选取1987年12月与1991年7月；1998年12月与1998年8月；2003年1月与2000年7月（数据来源：）。其中123-40和124-40轨道上的影像对研究区的贡献率达到80％，主要的信息从这两景影像得到，因此认为该次研究搜集的四景数据能反应研究区相应年份的景观状况。搜集到的遥感影像数据如表1。表1遥感数据图幅号及时间TableRemotesensingimages年份（数据类型）季节（水情）图幅号-时间123-39123-40124-39124-401987-12(TM)枯水期2006-111987-121992-071987-111991-07(TM)丰水期1991-71991-071992-071991-071998-12(TM)枯水期2006-111998-021992-071998-121998-08(TM)丰水期2005-091998-041992-071998-082003-01(ETM+)枯水期2003-012003-012002-012002-112000-07(ETM+)丰水期2002-072000-062000-092000-07其他资料包括：2008年1:50000精校正影像，1:25000湖南省行政区界图，80年代、1995年、2000年土地利用现状图等。3数据预处理传感器在成像时会受到大气、地形、天气、系统等的影像，原始的遥感影像会存在着地理变形，影像图像信息提取的精度。因此，要对遥感影像进行预处理。这里主要是对遥感影像进行几何精校正与配准，影像的镶嵌和裁切。3.1遥感影像几何校正与配准选择四次多项式进行几何精校正，在影像上选取适当数量的控制点，控制点要均匀分布在整幅影像内，且要保证选点的质量。本次研究实际应用中控制点均在30点以上，地面控制点的精度误差控制在0.4个像元以内，并采用精度较高的立方卷积内插法（CubicConvolution）进行重采样，确保影像校正精度。3.2遥感影像的镶嵌于裁剪研究区范围跨越了4个轨道号上所拍摄的遥感影像，因此需要将每个时期的四幅影像进行拼接，然后根据研究区所在的15个县市的行政区域边界对拼接影像进行裁剪，得到我们所需的研究区范围。4确定“冬陆夏水”的区域洞庭湖区域的钉螺分布属于湖沼型，钉螺孳生地水淹时间一般为3-8个月[2]，呈现“冬陆夏水”的生态环境。“冬陆夏水”的范围即为丰水期和枯水期水域之差。洞庭湖区的丰水期为6-9月，枯水期为12-3月，本次研究选用了这几个月份之类的遥感影像。对获取“冬陆夏水”区域的关键是对水体信息的提取。目前，国内外对水体的提取已有大量的研究，提出了多种方法。主要分为单波段法和多波段法[5]。单波段法主要利用用水体在近红外波段的强吸收性以及植被和干土壤在此波长范围的强反射性特点，选用遥感数据的近红外波段选择阈值来提取水体[6]，但这种方法难以去除水体中杂有的阴影。多波段法利用多波段间的优势综合提取。如谱间分析法、比值法、决策树法和水体指数法等。谱间分析法和决策树法广泛应用，但通常比较复杂[7,8]。比值法利用比值计算快速提取水体信息，但无法彻底抑制与水体无关的背景信息。为解决这一问题，Mcfeeters提出了简单易行的归一化水体指数（NDWI）[9]，但此方法对城市范围内的水体提取不成功，且容易与建筑物混杂。在此基础上，徐涵秋提出了改进归一化差异水体指数（MNDWI：ModifiedNDWI），改善了这一问题[10]。该方法要求遥感影像有对应于TM5即中红外波段的信息，本次研究选用的TM/ETM+数据符合这一要求。计算公式：MNDWI=(Green-MIR)/(Green+MIR)(1)其中MIR为中红外波段，即TM/ETM+的第5波段；Green为绿光波段，即TM/ETM+的第2波段。4.1水体及阴影的提取应用改进水体指数（MNDWI）分别提取三个年份的丰水期和枯水期的MNDWI。利用ENVI中的波段运算模块实现。通过反复试验，确定MNDWI0时的区域为水体。对提取后的水体与原始影像进行人工对比判读，发现结果中有夹杂大量阴影，主要分布在山地部分，这是由于山体阴影的影响，使得近红外，中红外波长在阴坡面的反射能量特别低，造成了水体与阴影光谱特征相似。因此，去除山体阴影是提取水体信息的关键。4.2区分水体和山体阴影在本次研究中，阴影主要是由地形起伏造成的山体阴影，主要是在山地森林一带，阴影分布处多有植被覆盖，而水体一般无植被覆盖，因此可采用差异性植被指数（NDVI）得到由植被覆盖区域，进一步区分水体和阴影。计算公式为：NDVI=(NIR-R)/(NIR+R)(2)其中NIR为近红外波段，即TM/ETM+的第4波段；R为红光波段，即TM/ETM+的第3波段。通过光谱亮度统计，反复试验，确定区分阴影和水体的条件为NDVI-0.09。符合条件的为水体，否则就是阴影。由此得出枯水期和丰水期的水系（图2）。图2枯水期和丰水期水体提取Fig2WaterextractionoftheDryseasonandRainyseason4.3提取“冬陆夏水”区域在得到了水体之后，只要用丰水期减去枯水期的水体，就可以得到该年“冬陆夏水”的区域。其计算公式为：I=(MNDWIweta∩NDVIwetb)-(MNDWIarida∩NDVIaridb)0（3）式中I值为“真”的区域即为该年“冬陆夏水”区域。MNDWIwet表示根据式（1）计算的丰水期遥感影像的水体指数，MNDWIarid表示根据式（1）计算的枯水期的水体指数；NDVIwet和NDVIarid表示根据式（2）计算的丰水期和枯水期的植被覆盖指数；a、b为经验值。5三个时段“冬陆夏水”区域面积变化5.1计算“冬陆夏水”洲滩面积将提取的“冬陆夏水”区域在ARCGIS软件的支持下，转换为多边形，将多边形图与枯水期影像叠加显示，可发现其中夹杂一些小图斑，主要分布在水田部分。这是由于在丰水期水田大多蓄水，而在枯水期则多为旱地造成的影像。因此要对照遥感影像去除掉在水田部分的细小图斑，以免对结果造成影像。在ARCGIS中可自动计算每个多边形的面积，即为“冬陆夏水”的面积。在ARCGIS中对三个时段的“冬陆夏水”的面积做叠置分析，分别得出某一时段内减少和增加的区域面积。5.2对增加的区域监督分类为了区分1987-1998年和1998-2003年增加的“冬陆夏水”洲滩区域的地物类型，对其区域范围的遥感图像做监督分类。训练区的选择是依据相应年份的土地利用现状图和目视解译的方法，样本训练区要就有较好的代表性和独立性，通过对选取的样本作统计学方法的质量评价，结果见表2,3。表21998年12月影像试验样本之间的分离值Table2SeparatevalueamongtestsamplesofDecember1998泥滩地苔草滩地芦苇滩地泥滩地2.0001.9781.877苔草滩地2.0001.998芦苇滩地2.000表32003年1月影像试验样本之间的分离值Table3SeparatevalueamongtestsamplesofJanuary2003泥滩地苔草滩地芦苇滩地泥滩地2.0001.9551.813苔草滩地2.0001.832芦苇滩地2.000分离值大于等于1.8时符合分类要求，独立性较好，能够有效地区分。从表2,3可以看出，各类的分离值均大于1.8，因此能够被有效地区分。本次研究利用最大似然法对研究区进行监督分类。最大似然法（MaximumLikelihoodClassificationMLC）假定每个波段的每一类统计都均匀分布，并计算给定像元属于某一特定类别的似然度，有较好的统计特性分类[11]。分类结果如图3：图32003年分类图Fig3Classificationfigureof1998-2003对分类后的精度做评价，结果表明，1987-1998年增加区域总体分类精度为97.3693%，Kappa系数为0.9478；1998-2003年增加区域总体分类精度为99.7755%，Kappa系数为0.9955。错分误差、漏分误差、发生器精度和用户精度见表4,5。表41998年12月遥感图像分类方法精度评价（%）Table4AccuracyassessmentfortheclassificationmethodofDecember1998错分误差漏分误差发生器精度用户精度泥滩地0.084.1395.8799.92苔草滩地0.490.0599.9599.51芦苇滩地44.511.1298.8855.49表52003年1月遥感图像分类方法精度评价（%）Table5AccuracyassessmentfortheclassificationmethodofJanuary2003错分误差漏分误差发生器精度用户精度泥滩地0.030.2999.7199.97苔草滩地0.130.00100.0099.87芦苇滩地2.050.4299.5897.95可看出总体分类精度比较高，相比之下，芦苇滩地的错分误差较大。这是因为分类的遥感影像都是在冬季枯水期，芦苇已经被收割，在影像上与泥滩地色调相近，容易引起错分。可参考土地利用图和夏季丰水期的影像进行修改。6结果及讨论“冬陆夏水”区域在ARCGIS中计算“冬陆夏水”区域面积，可得到1987年为12.74万hm2，1998年为19.88万hm2，2003年为22.46万hm2（图4）。1987年到1998年近10间增加的“冬陆夏水”面积为9.03万hm2，减少的面积为1.30万hm2，总体来说增加了7.64万hm2。其中增加的部分50.77%为泥滩地，46.85%为苔草滩地，2.38%为芦苇滩地。1998年到2003年增加面积为3.64万hm2，减少的面积为1.05万，总体来说增加了2.59万hm2。其中57.32%为泥滩地，33.2%为苔草滩地，9.48%为芦苇滩地。从1987年