基于GEE的三江平原湿地覆盖变化及驱动力分析

王奎博 唐永强 安硕 齐钊 梁栋

摘  要：三江平原是我国重要的内陆湿地分布区，开展湿地资源监测对湿地管理保护及可持续发展具有重要意义。基于GEE云平台对三江平原2010年、2020年湿地覆盖类型进行了遥感调查和驱动力分析：对Landsat系列多景影像进行了快速预处理，建立了契合研究区域的湿地分类体系，采用了以光谱特征和指数特征作为输入变量的随机森林算法，开展了三江平原近十年的湿地动态监测，并分析了其动态变化的驱动力。三江平原十年间湿地恢复显著，自然和社会多种因素驱动湿地恢复。

关键词：GEE;三江平原;湿地资源;遥感监测;驱动力分析

中图分类号：TP39     文献标识码：A文章编号：2096-4706（2021）23-0051-04

Analysis of Wetland Cover Change and Driving Force in Sanjiang Plain Based on GEE

WANG Kuibo1， TANG Yongqiang2， AN Shuo2， QI Zhao2， LIANG Dong2

（1.College of Geodesy and Geomatics， Shandong University of Science and Technology， Qingdao  266590， China; 2.School of Marine Technology and Geomatics， Jiangsu Ocean University， Lianyungang  222005， China）

Abstract： Sanjiang Plain is an important inland wetland distribution area in China. It is significant to carry out wetland resources monitoring for wetland management and conservation and sustainable development. Remote sensing surveys and driving force analysis of wetland cover types in the Sanjiang Plain in 2010 and 2020 are conducted based on the GEE cloud platform. The Landsat series multi scene images are quickly preprocessed， the wetland classification system suitable for the study area is established， the random forest algorithm with spectral characteristics and exponential characteristics as input variables is adopted， the dynamic monitoring of wetland in Sanjiang Plain in recent ten years is carried out， and the driving force of its dynamic change is analyzed. The wetland restoration in Sanjiang Plain has been remarkable in the past ten years. Many natural and social factors drive the wetland restoration.

Keywords： GEE; Sanjiang plain; wetland resources; remote sensing monitoring; driving force analysis

0  引  言

湿地是陆地与水域连通和过渡的区域，在气候调节、水资源存储、维持生物多样性等方面具有不可替代的作用[1]，研究湿地变化特征及其驱动因素，对湿地资源管理和保护以及国家生态建设具有重要意义。

三江平原是中国最大的淡水沼泽湿地集中分布区，在温带沼泽湿地生态系统中具有典型性和代表性[2]。人类活动曾导致三江平原湿地面积迅速减少[3]，进而出现一系列生态问题。遥感技术快速发展为湿地科学管理和保护提供高效监测手段，目前对三江平原的监测研究主要侧重于整体的土地变化，一级地类湿地资源的变化研究，人类活动对湿地变化的影响[4-7]。对三江平原湿地的研究仍存在以下不足：（1）研究中湿地二级类研究较少，无法具体反映国家实行湿地保护政策后的保护效果;（2）研究中采用的數据来源和分辨率不同，对湿地覆盖变化的干扰性较大;（3）传统的数据获取与处理方法，分类速度与精度不能兼顾，效率较低。

GEE（Google Earth Engine）是目前先进的海量地理信息存储、运算、分析平台，计算效率高，可以快速实现大范围、长时间序列的湿地动态监测[8]。

本文基于GEE平台，选取2010年和2020年丰水期遥感影像，快速预处理后采用随机森林算法结合特征指数模型，获得三江平原湿地二级分类结果，最后结合十年间的气象和社会经济数据，分析三江平原湿地变化的驱动因素，为湿地管理部门提供数据和技术支持。

1  研究区概况与数据

1.1  研究区概况

三江平原地处黑龙江省东北部，位于北纬45°01′05″～ 48°27′56″，东经130°13′01″～135°05′26″，地势平坦，整体上呈现西南高东北低的态势，北部及中部大面积区域为平原，季节性冻土分布广泛。气候为温带湿润、半湿润大陆性季风气候。全年平均气温1.4～4.3 ℃，多年平均降水量550～650 mm，主要集中在5—9月植被生长季节[9]，是沼泽湿地发育的主要时期。湿地资源丰富，主要分布于松花江、乌苏里江和黑龙江沿岸及其支流七星河、浓江、嘟噜河、别拉洪河、挠力河、穆棱河等流域地区，如图1所示。

1.2  基于GEE云平台的数据获取与处理

GEE平台是由Google云计算驱动提供的全球尺度地理空间信息数据及处理的服务平台，海量地理空间数据可以实现高效运算，实现多尺度、长时间序列的地学研究及其分析和可视化。与传统遥感影像数据获取与处理模式相比，GEE平台能够节省大量的数据查找和下载时间，同时提供了去云、阴影和辐射校正等算法接口，可快速完成影像预处理操作。

为避免研究区雨云干扰，本文选取2010年Ladnsat5影像和2020年Ladnsat8影像。其中2010年选取6月初到9月底的数据集，共75景影像。2020年选取5月初到9月底的数据集，共122景影像，合成高质量影像。该时间段湿地特征明显，植被生长茂盛，水资源丰富，各地类间区分度大。利用simpleComposite算法模块进行预处理和去云，中值合成后裁剪得到研究区TOA（Top of Atmosphere Reflectance）影像。

2  分类方法

2.1  湿地分类体系

根据《湿地公约》和《第三次全国土地调查技术规程》中湿地分类与《全国湿地资源调查与监测技术规程（试行）2010）》的分类体系，结合研究区实际情况，最终将三江平原湿地划分成5个一级类和10个二级类，其中，二级类包括草本沼泽、木本沼泽、河流、水库、湖泊、库塘、水田。非湿地划分为旱地、人工表面、林地，定义如表1所示。

2.2  随机森林算法

在随机森林（Random Forest， RF）中，N棵决策树中得分最多的类别为最终输出[10]，算法的随机性能够有效避免过拟合和抗噪声。面对大数据集和高维特征时，不需要进行降维处理，就能够评估各个特征在分类问题上的重要性，其计算速率快，准确度高，性能稳定，广泛应用于遥感地表覆被分类研究[11]。

在分类实验中，选择合适的特征及特征组合能够提高分类精度。本文选择的输入特征变量的光谱特征来自TOA影像，指数特征为归一化植被指数（Normalized Difference Vegetation Index， NDVI，有助于植被提取）、归一化水体指数（Normalized Difference Water Index， NDWI，能够增强水体目标识别）、混合水体指数（Combined Index of NDVI and MIR for Water Body Identification， CIWI，能够增强水体、人工表面和植被间差异）[12]。

NDVI=（LNIR-LRED）/（LNIR+LRED）      （1）

NDVI=（LGREEN-LNIR）/（LGREEN+LNIR）

CIWI=（NDVI+NIR）（3）

其中，NIR代表近红外波段，RED为红波段，GREEN为绿波段。参考同期谷歌地球高清影像选择典型性纯净样本，基于GEE平台选取各类别样本点。其中草本沼泽共427个样本点、人工表面248个、林地278个、旱地384个、木本沼泽319个、河流222个、湖泊236个、库塘124个、水库92个、水田155个。两期所有地类共2 485个样本点。

分类时，随机选取70%样本作为训练样本构建决策树，从输入特征中选取Mtry（输入特征变量的平方根）个特征，根据基尼系数进行分裂测试并找到最优特征。在经过上述训练、建树的Ntree次重复后，最终建成含有Ntree棵分类树的随机森林。根据反复实验，Ntree设置为300最佳。将剩余30%样本作为验证，2010和2020年分类结果混淆矩阵计算的精度分别为85.27%、86.29%，Kappa系数为0.857、0.809。

3  结果与分析

3.1  湿地信息空间分布

2010和2020年的三江平原湿地二级地类分布如图2所示。三江平原湿地主要集中在黑龙江、松花江、乌苏里江、七星河、饶力河附近流域，以及黑龙江东北流域的岛屿、湿地保护区和水库湖泊附近。总体上非湿地面积减少，湿地面积增加。其中沼泽湿地面积增加最大，人工湿地次之，河流和湖泊湿地的面积增加最少。

经空间统计，2010—2020年间，湿地面积由11 001.85 km2增加到12 768.52 km2，而沼泽湿地面积从7 565.96 km2增加到8 999.71 km2。其中草本沼泽面积占湿地总面积一半以上，由2010年的5 838.05 km2增加到2020的6 714.58 km2，主要分布在黑龍江东北部岛屿及其两岸附近，松花江和乌苏里江流域，七星河和饶力河附近和湿地保护区;木本沼泽面积由2010年的1 727.90 km2增加到2020年的2 285.13 km2，主要分布在乌苏里江上游乌苏镇和青阳岛及其附近岛屿和松花江依兰县下游部分，以及乌苏里江下游和水库附近。河流湿地面积增加不大，由1 623.18 km2增加到1 708.37 km2，主要由降水量增加引起河流水位上升、河道变宽。人工湿地面积由548.89 km2增加到754.17 km2，主要由三江平原东北部临江镇地区旱地转换而来，该地区毗邻黑龙江，水资源充足，易于积水和水稻田种植。湖泊湿地的面积相对稳定，面积保持1 300 km2左右，水资源集中在大、小兴凯湖。

3.2  驱动力分析

本文从自然因素、政策因素和人口经济因素方面分析近十年三江平原湿地变化驱动力。

自然因素：查阅分析黑龙江省统计局和国家青藏高原科学数据中心气温和降水数据：2010—2020年间，三江平原年平均温度和降水量呈上升趋势。降水量的增加有利于冻土消融和水资源流通，河流水量提高促进了沿岸植被生长，为湿地形成提供有利条件。三江平原东北部地势平坦，水资源易于积累，降水量的增加促进了该地带沼泽湿地快速发育。

政策因素：自1992年来，中国加入国际湿地公约以及制定印发各种湿地保护规划文件，三江平原湿地保护强度与日俱增，湿地管理和保护体系不断完善[13]。湿地开垦有效遏制，退耕还湿工作深入。通过限制旅游业和餐饮业，对破碎和生态功能下降的湿地进行修复等环境整治工作，湿地生态功能恢复，保护效果显著。

人口经济因素：由黑龙江省历年统计年鉴数据可知，2010至2020年人口数量减少16.84%，共计646.3万人。其中乡村人口减少603.78万人，城镇人口比重上升9.95個百分点，人口结构变动。在此期间，粮食的产量持续上升，省人均年收入大大提升，从2010年收入13 856元上升为24 902元。旱地的亩产量提升和消费结构向高质量转变降低了农民的开垦欲望，使得湿地开垦得到有效遏制，为湿地的恢复奠定了社会基础。

4  结  论

本文通过GEE平台，利用随机森林与特征指数模型结合的方法开展了三江平原2010—2020年湿地的动态变化研究，两期分类结果精度均在85%以上。十年间三江平原湿地面积增加1 766.67 km2，湿地保护成果明显。驱动力分析表明：气温和降水量升高，政策和人口经济因素为湿地恢复创造了条件。自然条件向好和有力的举措直接保护了湿地;而人口和经济结构变动降低了农民对耕地的依赖性，从而间接保护了湿地。

本文通过研究三江平原湿地的动态变化和驱动因子，对湿地管理部门完善湿地保护机制和管理体系、维持湿地生态稳定和生态建设具有积极意义。

参考文献：

[1] 宫宁，牛振国，齐伟等.中国湿地变化的驱动力分析 [J].遥感学报，2016.20（2）：172-183.

[2] 王宗明，宋开山，刘殿伟等.1954～2005年三江平原沼泽湿地农田化过程研究 [J].湿地科学，2009，7（3）：208-217.

[3] 相恒星.三江平原湿地保护生态成效遥感评估 [D].延吉：延边大学，2018.

[4] 张有智，吴黎.三江平原湿地动态变化及驱动力分析 [J].黑龙江农业科学，2010（12）：151-154.

[5] 杨春霞，郑华，欧阳志云.三江平原土地利用变化、效应与驱动力 [J].环境保护科学，2020，46（5）：99-104.

[6] 胡畔，王宗明，李春景.三江平原国际重要湿地保护有效性遥感评价 [J].延边大学农学学报，2017.39（02）：1-8+22.

[7] 李梦圆，陈小敏，肖巧玲，等.近30年来三江平原耕地面积变化分析 [J].环境与发展，2020，32（11）：179-181.

[8] 戴芹，刘士彬，刘巍.基于GEE云平台和多源数据的土地覆盖智能分类算法对比研究 [J].地理与地理信息科学，2020，36（6）：26-31.

[9] 谢静.基于多季相遥感信息的三江平原湿地信息提取 [D].吉林：中国科学院研究生院（东北地理与农业生态研究所），2013.

[10] 刘家福，李林峰，任春颍，等.基于特征优选的随机森林模型的黄河口滨海湿地信息提取研究 [J].湿地科学，2018，16（2）：97-105.

[11] 付甜梦，张丽，陈博文等.基于GEE平台的海岛地表覆盖提取及变化监测——以苏拉威西岛为例 [J].遥感技术与应用，2021，36（1）：55-64.

[12] 凌成星，张怀清，林辉.利用混合水体指数模型（CIWI）提取滨海湿地水体的信息 [J].长江流域资源与环境，2010，19（2）：152-157.

[13] 孙大振.黑龙江省三江平原湿地的退化及保护对策 [J].科学技术创新，2019（18）：146-147.

作者简介：王奎博（1997—），男，汉族，山东烟台人，硕士研究生在读，主要研究方向：遥感生态评价。