王延飞,温小荣,周 蔚
(南京林业大学森林资源与环境学院,南京210037)
江苏盐城湿地珍禽国家级保护区是当今世界上最大的野生丹顶鹤越冬地。近年来,随着保护区实验区及部分缓冲区的开发,这些地域的原生栖息环境被破坏,保护区中丹顶鹤的栖息范围逐渐向核心区靠拢。目前,每年全区60%~90%的丹顶鹤在保护区核心区越冬栖息,对保护区核心区的监管保护显得尤为重要。
江苏盐城湿地珍禽国家级保护区核心区由隶属射阳县和大丰市的滩涂组成。它位于中国海岸线中段、苏北平原东部,西以“建国堤”向东100m为界,东临黄海,面积为218.89km2。核心区是典型的淤泥质平原原生湿地[1],丹顶鹤越冬栖息的原生生境保存完整。
该地区处于暖温带与亚热带之间的过渡区,气候温和,年平均气温13.7~14.6℃,无霜期210~224d,降雨量980~1 070mm,日光辐射量为116.2~121Kcal/cm2[2]。核心区西部的旱地、沼泽地以及河岸分布有大片芦苇,中部主要为碱蓬群落,东部沿海滩面则生长有大片米草,大量的草滩有利于悬浮物质堆积,为丹顶鹤提供丰富的食物。由于黄河流域携带大量泥沙入海,并通过黄海和东海两大海域潮汐交汇作用,使得大量泥沙在盐城中南部沿海地区沉积,造成了保护区海岸每年以40~100m的速度向东淤涨岸。这部分淤涨区域可为丹顶鹤提供新的栖息地。
本次研究收集了江苏盐城湿地珍禽国家级保护区核心区2002年2月LANDSAT卫星TM数据、2010年12月ALOS数据,1∶10 000地形图,历年保护区丹顶鹤分布数据以及2010核心区植被分布的调查数据。
(1)为了增强遥感分类的准确性和图像像元亮度值之间的可比性,在对影像进行分类比较、差值运算和植被指数提取前对遥感数据进行几何校正、辐射校正、去云去阴影、直方图匹配等处理[3-5],这将很大程度上提高各遥感分类、差值运算和植被指数提的精确度。
(2)使用最大似然分类法分别对2002年和2010年的遥感影像进行监督分类,得到保护区核心区各地类及植被分布面积,对比两期分类结果得出各指标动态变化情况。
(3)对2002年和2010年前后两期遥感影像的作差值图像运算,提取两期影像地物属性变异部分,通过对比判读得出变化部分所属地类。
(4)对2002年和2010年前后两期遥感影像进行植被指数提取,对提取的两期植被指数作差值运算,通过对比判读得出变化部分所属地类。
(5)通过对比分类图像、直接差值分布图像、NDVI差值图像及RVI差值图像结果得到核心区地类及植被分布的动态变化情况。
选择监督分类中常用的分类精度较高的最大似然分类结果作为分析保护区核心区地类及植被分布变化的依据。最大似然分类结果如图1和图2所示。
图1 2002年最大似然分类结果图Fig.1 Results of maximum likelihood classification in 2002
由前后两期的分类结果提取各分类面积,得到核心区地类和植被的分布变化情况如图3所示。
由图3可以看出:
首先,从2002至2010年,保护区核心区海域所占比例下降了10%(即滩涂面积增加了10%),进一步证明了该地区为典型淤涨型海岸,新增加的滩涂可为丹顶鹤提供新生栖息地,扩大丹顶鹤在核心区的活动范围。
图2 2010年最大似然分类结果图Fig.2 Results of maximum likelihood classification in 2010
图3 2002、2010年核心区地类及植被分布变化Fig.3 Land type and vegetation distribution in core area from 2002 to 2010
其次,核心区主要有3种植被分布,分别为芦苇、碱蓬和米草。近年来,米草群落分布所占比例由6.8%增加到21.7%,增加幅度较大;碱蓬群落分布所占比例由17.0%减少为4.2%,这说明了米草有很强的扩张能力。已有研究表明米草在湿地滩涂上形成纯种群落以后,会抑制其它植被的生长,也使鱼类、贝类在密集的草滩中活动困难,难以生存[6],这会在很大程度上减少丹顶鹤的食物来源。以上事实说明,米草在保护区核心区的大量增加需要引起相关部门的重视,尽快采取有效措施对其进行控制。
最后,从前后两期影像来看,保护区核心区从2002年至2010年除有部分养殖区外,没有其他人为活动。这说明,核心区的保护工作到了相关部门的重视,保持了其淤泥质平原原生湿地的特征,这对于野生丹顶鹤的保护具有十分重要的意义。
将经过校正的两幅遥感影像进行像元级算数差值运算,可以得到前后两期影像的差值图像。差值图像可以显示出两期影像中地物的主要变化部分,以此作为地物属性变异的检测方法,称之为图像差异法[7-8]。
以A、B分别表示前后两期影像数据,则对差值影像C有:
式中:k表示广义上的任意波段数据,C中包含了不同波段影像的变化信息。
在ERDAS9.2中以2010年影像对2002年影像作差值运算得到差值图像,如图4所示。
图4 2010年与2002年影像差值图像Fig.4 Images difference between 2002 and 2010
由图4观察可知,两期遥感影像的主要差异部分已经被提出,将该差值图像与2002年和2010年两幅原遥感影像进行比较可得,保护区中部深黑色部分为碱蓬分布区转变为芦苇和米草分布区,图像中沿海颜色较黑部分为水面向米草滩地变化部分,其余大部分白色区域为未变化部分。另外,由于本研究所用遥感影像数据中,部分芦苇分布稀疏区域与米草分布区的辐射差别较小,因而两种植被之间分布的变化情况未能准确的反应在差值图像上。
通常,对前后两期遥感图像直接进行像元级差值运算容易造成大量噪声信息 (如图4中的海域部分),且由于地物的同物异谱及同谱异物现象的存在,使用图像差值法提取地物差异信息有不可避免的误提和漏提现象。
植被指数是指利用植被反射波谱特性来检测地面植被生长和分布的一种指标。植被指数法即通过对前后两期遥感影像的植被指数进行提取后作差值运算,得到研究区域植被的变化情况的一种研究方法。
2 .4 .1 归一化植被指数
归一化植被指数 (Normalized Difference Vegetation Index,NDVI)是能反映植被覆盖状况的一种遥感指标,定义为近红外通道与可见光通道反射率之差与之和的商[7-8]。归一化植被指数的运算公式如下:
式中:IR为遥感影像中的近红外波段,R为红外波段。
通过提取2002年及2010年两期遥感影像的NDVI,然后对前后两期影像的NDVI图像作几何差值运算,得到研究区植被覆盖信息有变化的部分。2002年与2010年两期影像的NDVI图像及其差值图像如图5所示。
图5 2002年NDVI、2010年NDVI及其差值图像Fig.5 NDVI in 2002,NDVI in 2010 and their difference image
两期遥感影像的NDVI差值图像中灰度值较高部分,是后期为植被覆盖,植被指数较高,而前期不为植被覆盖,植被指数较低的区域。也就是说,两幅影像的差值图像中亮度较高的区域为水面或光滩转变为植被指数较高的米草分布区,次亮部分为植被指数较低的碱蓬分布区转变为米草和芦苇分布区。
2.4.2 比值植被指数
比值植被指数 (Ratio Vegetation Index,RVI)又称绿度,定义为近红外通道与可见光通道反射率之比[7-10]。比值植被指数的运算公式如下:
式中:IR为遥感多波段图像中的近红外波段;R为红外波段。
通过提取2002年及2010年两期遥感影像的RVI,然后对前后两期影像的RVI图像作几何差值运算,得到研究区植被覆盖信息有变化的区域。2002年与2010年两期遥感影像的RVI图像及其差值图像如图6所示。
图6 2002年RVI、2010年RVI及其差值图像Fig.6 RVI in 2002,RVI in 2010 and their difference image
两期遥感影像的RVI差值图像中灰度值较高部分,是后期为植被覆盖,植被指数较高,而前期不为植被覆盖,植被指数较低的区域。即两幅影像的差值图像中亮度较高的区域为水面或光滩转变为植被指数较高的米草分布区,次亮部分为植被指数较低的碱蓬分布区转变为米草和芦苇分布区。
通过比较两种差值植被指数法的结果,二者得到的核心区植被分布变化情况一致。与NDVI指数相比,RVI指数对植被信息更为敏感,RVI图像的灰度差别更明显。
通过对两期遥感影像进行有监分类、图像差值、NDVI图像差值及RVI图像差值提取,研究区植被覆被信息及其动态变化情况,比较四种不同处理方法得到的结果,可以发现这几种方法都能较为准确地得到研究区植被覆被的动态变化情况。其中,先对遥感影像进行植被指数提取,然后对提取的两期植被指数图像作差值运算来提取研究区植被覆被动态变化的方法更为精确。
结合对2002年和2010年影像的遥感分类图像、直接差值图像、NDVI差值图像及RVI差值图像四种处理方法得到的结果可以发现:保护区核心区为典型淤涨型海岸,2002年至2010年新增滩涂面积约占保护区核心区面积的10%,新淤涨滩涂多为米草群落侵占,这也是保护区核心区近年来最主要的变化;保护区核心区米草群落覆盖面积较大幅度增加,碱蓬群落分布明显减少,西部靠近海堤的碱蓬群落为芦苇所代替,东部靠近滩涂的碱蓬群落为米草群落所侵占;2002年至今保护区核心区人为干扰较小,境内基本为原生湿地,生态系统基本实现自我更新,地类变化较为缓慢,有利于丹顶鹤的保护。
特别需要提出的是,米草为我国早期引入的侵入性物种之一,有极强的入侵和扩张能力。保护区核心区的米草覆盖面积逐年增加,可能会影响当地的生态平衡,不利于丹顶鹤的保护,需对其加强人为控制。
[1]Wang K.National Nature Reserves in China(2nd Volume)[M].Hefei:Anhui Science and Technology Press,2003.
[2]江苏省海岸带和海涂资源综合考察队.江苏省海岸带和海涂资源(综合考察报告)[M].北京:海洋出版社,1986.
[3]党安荣,王晓栋,陈晓峰,等.ERDAS IMAGINE遥感图像处理方法[M].北京:清华大学出版社,2003.
[4]阮建武,刑立新.遥感数字图像的大气辐射校正应用研究[J].遥感技术与应用,2004,19(3):206 -208.
[5]张鹏强,余旭初,刘 智,等.多时相遥感图像相对辐射校正[J].遥感学报,2006,10(3):339 -344.
[6]陈中义,李 博,陈家宽.米草属植物入侵的生态后果及管理对策[J].生物多样性,2004,12(2)(2):280 -289.
[7]汤国安,张友顺.遥感数字图像处理[M].北京:科学出版社,2004.
[8]梅安新.遥感导论[M].北京:高等教育出版社,2003.
[9]付小勇,杨建祥,谭 靖.基于统计的遥感图像分类方法[J].林业调查规划,2005,30(6):20 -22.
[10]杨晓松.基于SPOTS遥感影像的样地判读[J].林业调查规划,2005,30(2):6 -10.