基于Sentinel-2影像的博斯騰湖蘆葦沼澤濕地信息提取與動態監測研究

阿卜杜熱合曼·吾斯曼,玉素甫江·如素力,2*,張旭輝,張 發

(1.新疆師范大學地理科學與旅游學院,新疆 烏魯木齊 830054;2.新疆干旱區湖泊環境與資源重點實驗室,新疆 烏魯木齊 830054)

引 言

作為對氣候變化最為敏感的類型之一,濕地生態系統具有較高的物質生產能力,在生物多樣性維護、調節氣候、糧食安全以及景觀美學等方面起重要作用[1]。蘆葦濕地是全世界分布面積較廣、抗逆性強的獨特生態系統,除具有珍稀鳥類保護、溫室氣體匯集與排放等典型生態功能之外,蘆葦(Phragmitesaustralis)和香蒲(TyphaorientalisPresl)等植被因其較高的生產及利用價值能夠為人類提供社會經濟資源[2-3]。在蘆葦濕地生態環境中,植被變化往往使濕地生產力、水資源、土壤以及動物棲息地等發生改變[4]。因此,了解蘆葦濕地植被資源動態變化規律,精確監測其覆被特征對濕地的保護與開發利用具有深遠的意義。

隨著遙感技術的快速發展,衛星遙感圖像因其獲取速度快、信息量豐富、覆蓋范圍廣和成本低等優勢,很好的解決了傳統調查研究工作中存在的困難和不確定性,從而為濕地資源變化監測提供許多便利[5]。當前,國內外學者通過遙感資料對濕地進行了大量的研究,如田艷林等[6]運用MODIS影像,依托野外實測數據實現了松嫩平原西部蘆葦濕地地上生物量的遙感估算;羅玲等[7]采用Landsat8 OLI影像,分別以松嫩平原查干湖濕地、遼河平原雙臺河口濕地和江平原七星河濕地為例,結合利用多種植被指數實現了典型蘆葦濕地植被光能利用率遙感反演;劉瑞清等[8]基于Sentinel-2遙感數據采用隨機森林算法進行鹽城濱海濕地植被分類,并且提出像元級SAVI時間序列及雙Logistic植被物候特征擬合重構模型,對濕地植被無物候特征信息的深入挖掘提供了技術支撐;Zhang等[9]對比分析了Sentinel-2A影像與Landsat8 OLI影像的地表反射率、NDVI指數等,這為濕地植被提取提供了一定的參考;Zhang等[10]利用Landsat TM影像結合先驗知識對濱海濕地植被進行分類,發現亞像元分解法分類提取的結果比通常的最大似然分類器方法(MLC)分類的結果更好,此結論對蘆葦濕地植被精細分類與信息提取具有一定的參考價值。由此可知,遙感技術在濕地監測中具有時間、空間、特征三種維度上的獨特優勢,具有巨大的應用潛力[11]。目前,我國濕地的相關研究主要集中在東部濱海地區,而在西部內陸湖泊流域濕地的研究仍存在不足,并且通過長時間尺度遙感數據,高精度提取內陸濕地類型、時空分布模擬、變化預測以及驅動力分析等方面的研究還相對缺乏。因此,有必要加強對西部干旱區濕地資源時空動態的進一步深入探究。

博斯騰湖是我國四大蘆葦生產基地之一,該區域蘆葦資源豐富,是主要的植被類型。此外,博斯騰湖還分布有少面積的香蒲、睡蓮(NymphaeatetragonaGeorgi)、荷花(Nelumbosp)等觀賞性植被,這在推動當地旅游業高質量發展中扮演著重要角色。當前,在全球化大背景下,及時準確地獲取該區域濕地植被的動態特征,有助于推動生態文明建設[12]。鑒于此,為了解博斯騰湖蘆葦沼澤濕地資源的動態變化特征,本研究基于Sentinel-2遙感影像和野外實測資料,利用最大似然分類法[13]提取研究區濕地的分布信息,并通過景觀指數和像元二分法[14]分析2017—2022年濕地植被覆蓋度的時空分布特征,旨在為當地濕地資源管理與可持續利用提供借鑒和參考。

1 研究區與數據

1.1 研究區概況

博斯騰湖蘆葦沼澤濕地地處新疆維吾爾自治區巴音郭楞蒙古自治州(86°17'～87°25'E,41°45'～42°14'N)境內,行政區劃包括和碩、焉耆和博湖三個縣,是新疆重要的旅游景區之一。該區域地勢南北高,東西低,氣候屬于中溫帶干旱氣候,年均降水量約為77 mm,年蒸發量可達到2 241.5 mm[15]。整個湖區主要分為大湖區和小湖區(圖1),大湖區為博斯騰湖,其東西長約為55 km,南北寬度約25 km,在2022年8月博斯騰湖西泵站前水位公布的數據顯示大湖水位約為1 047.03 m;小湖區位于博斯騰湖大湖區的西南部,也是博斯騰湖蘆葦沼澤濕地的主要部分,該區域蘆葦分布廣泛,密度相對較高,是主要的植被類型。當地蘆葦在生長旺盛期平均高度可達4～8 m,成熟期蘆葦產量可達到21萬噸,其收割面積可達到30萬畝[16]。博斯騰湖蘆葦沼澤濕地不僅能夠產生經濟效益,還是珍稀鳥類、魚類、昆蟲和其他動物繁殖的良好棲息地,在當地生物多樣性保護中發揮著重要作用。

圖1 研究區位置及實測樣點分布圖

1.2 數據來源

本研究選用2017—2022年Sentinel-2的12景圖像作為基礎數據,從歐空局(ESA)數據中心網站(https://scihub.copernicus.eu/dhus/#/home)免費獲取,影像投影為UTM Zone 45N/WGS 1984,標識號為T45TVG和T45TWG,成像時間分別為2017年8月2日、201年8月17日、2019年8月12日、2020年8月14日、2021年8月11日和2022年7月22日。在影像預處理過程中,首先利用ESA提供的SNAP(Sentinel Application Platform)軟件Sen2Cor插件(Sentinel to Correction)對所有的L1C影像進行大氣校正后自動生成L2A級數據文件,選擇文件中JP2格式10 m分辨率的Band 2(blue)、Band 3(green)、Band 4(red)和Band 8(nir)四個波段圖像,其次利用ENVI軟件的批量處理插件ENVI to TIFF將各波段JP2格式圖像轉換為TIFF格式圖像之后進行波段合成,最后再做影像拼接和裁剪。

野外數據獲取時間為2022年8月1日至8月4日,在巴音郭楞蒙古自治州博湖縣、和碩縣以及焉耆縣一帶開展了濕地植被的野外樣點數據采集工作,共獲得了57個樣點數據,樣點的空間分布見圖1?？紤]到研究區濕地植被主要分布在博斯騰湖西部,因此圍繞小湖區一帶進行數據采集,具體采集步驟為:首先將滿足地面被植被覆蓋面積大于10 m×10 m的區域作為樣地;其次用手持GPS記錄樣地經緯度坐標,此外,由于部分區域被水覆蓋,數據采集時可達性較差,因此應盡可能靠近具有代表性區域(如植被覆蓋、生長狀況和高度等)進行坐標記錄,以確定采樣點的最有效地理位置;最后將樣地內植被生長狀況、覆蓋度、密度、植株高度等信息進行詳細記錄,便于后續影像數據的特征提取與分析。

1.3 研究方法

1.3.1 濕地信息提取

以博斯騰湖蘆葦沼澤濕地為研究對象,利用2017—2022年Sentinel-2A衛星搭載的MSI(Multi-Spectral Instrument)多光譜成像儀10 m分辨率遙感圖像,基于遙感技術分析2017—2020年濕地的空間格局特征。為了較好的區分濕地中的植被和水體,本研究運用歸一化植被指數[17]、歸一化差異水體指數[18]和最大似然法分類[19]：

(1)

式中,NDVI為歸一化植被指數;BNIR和BRed分別為遙感影像近紅外波段和紅波段的反射率。

(2)

式中,NDWI為歸一化差異水體指數;BGreen和BNIR分別為遙感影像綠波段和近紅外波段的反射率。

本研究通過圖像的紋理、色調、亮度、形狀和結構等特征,結合野外采集數據、遙感圖像成像時間以及與目標地物之間的關系,采用基于像素的監督分類方法對博斯騰湖蘆葦沼澤濕地分類提取。以往的研究表明,最大似然監督分類器(Maximum Likelihood Classification,MLC)分類精度較好、穩定性高,因此被廣泛使用[20]。在分類過程中,首先要建立訓練樣本,樣本選取的參考依據來源于NDVI、NDWI等影像特征參數以及野外采樣點數據,雖然樣本數據經過人工目視判讀,但仍會存在一定的誤差,因此結合野外實測樣點數據進行樣本選擇可進一步提高樣本的準確性。本研究選取混淆矩陣(confusion matrix)報告中的總體分類精度和Kappa系數對影像分類結果進行精度評價[21]。

1.3.2 濕地植被景觀格局變化分析

對于濕地非連續的植被景觀格局變化而言,景觀格局指數有助于濃縮植被空間信息,從而能更好地理解其空間結構與分布特征[22]。本研究從景觀類型水平指數中選擇比較典型的斑塊數目(Number of Patches,NP)、斑塊密度(Patch Density,PD)、最大斑塊指數(Largest Patch Index,LPI)、聚集度指數(Aggregation Index,AI)和分離度指數(Landscape Division Index,DIVISION)等五種景觀指數,基于GIS和Fragstats軟件分析研究區濕地植被空間結構變化情況[23](表1)。

表1 景觀格局指數及其計算公式

1.3.3 濕地植被覆蓋度估算

在混合像元分解模型中,像元二分法穩定性強,具有較高的反演精度[24]。其與NDVI之間有顯著的線性相關關系,基本原理是假定影像中的像元只有由植被覆蓋和無植被覆蓋兩種區域所組成,如全植被覆蓋像元信息為NDVIveg,無植被覆蓋或者全裸地覆蓋像元信息為NDVIsoil,可得出估算植被覆蓋度公式為:

(3)

式中,Fc為濕地植被覆蓋度;NDVIsoil表示裸地的NDVI值,其取值接近于零;NDVIveg表示全植被覆蓋區域的NDVI值。需要注意的是,不同區域NDVIsoil和NDVIveg的值由于季節、光照強度、植被類型和土壤等植被生長環境條件的不同而存在差異,因此在影像中二者并不是一個固定值,而是根據區域實際情況選取置信度區間內最小和最大的NDVI值[25]。本研究結合當地濕地植被生長狀況以及多次試驗,分別選取NDVI置信區間1%和99%的值定為NDVIsoil和NDVIveg的值。

2 結果與分析

2.1 博斯騰湖蘆葦沼澤濕地分布提取

2.1.1 分類精度驗證

利用NDVI、NDWI指數計算得到的增強遙感圖像,可以把植被和水體很好的區別出來;通過影像的紋理、形狀、結構以及結合增強圖像的顯著特征建立解譯,最后運用監督分類中的最大似然法進行濕地植被和水域的分類并通過目視解譯進行修正,將分類結果采用總體分類精度和Kappa系數進行精度驗證(表2),結果發現:不同年份的遙感影像分類總體精度均大于80%,Kappa系數在0.77～0.81之間,總體上分類精度高、效果較好,這表明利用Sentinel-2遙感影像,采用最大似然分類方法提取博斯騰湖蘆葦沼澤濕地分布特征是可行的。

表2 分類精度驗證

2.1.2 濕地信息提取

2017—2022年期間,博斯騰湖蘆葦沼澤濕地平均面積約為159 248.07 hm2,其中植被面積約占濕地總面積的31.22%,水域面積占68.78%。從時間變化特征來看(圖2),不同時期濕地植被和水域面積存在一定的年際波動現象,其變化主要分為兩個階段:2017—2019年濕地面積擴增階段,總面積增加4 148.98 hm2,其中植被面積增加占26%,水域面積增加占74%;2019—2022年濕地面積減少階段,該區域濕地總面積共減少6 713.08 hm2,其中水域面積減少7 987.7 hm2,植被面積增加1 274.62 hm2?？傮w而言,研究區濕地植被面積呈現出增加的變化勢態,而水域面積在減少,這可能會對濕地植被正常發育或生長帶來一定的影響。

圖2 研究區濕地植被與水域面積隨時間的變化圖

從不同時期濕地植被與水域的空間分布特征來看(圖3),其分布有明顯的空間異質性,植被主要分布在研究區西部,水域主要分布在東部。2017—2022年在小湖區濕地植被的平均面積占濕地植被總面積的58.88%,大湖區水域面積占水域總面積的90.86%。研究時段內,植被面積在濕地總面積的29%～33.3%之間波動,在博斯騰湖西北部沼澤區域濕地植被面積有較明顯的擴增現象,其面積年均增長率為0.93%;研究區北部水域面積的年際波動相對較明顯,既有增加又有減少的變化特征,其面積年均增長率為-0.4%,在2020年研究區水域面積占比最大,占濕地總面積的71%,到2022年水域面積減少7.6×103hm2。

圖3 濕地植被與水域空間分布圖

2.2 濕地植被景觀格局指數分析

通過最大似然分類結果,提取濕地植被斑塊,然后運用Fragstats軟件計算不同時期濕地植被景觀格局指數,以此來衡量其在空間上的細碎化程度,結果見表3。

表3 2017—2022年濕地植被景觀指數

從斑塊數目的變化情況來看,在2019—2020年間研究區濕地植被的斑塊數目增長率約為46.5%,到2022年數目減少了5 573塊,下降率約為51%;斑塊密度由2017年的24.6塊/hm2減少至2022年的21.15塊/hm2,減少率為16.31%;研究時段內濕地植被最大斑塊指數下降0.29%,聚集度指數增加0.45%,分離度指數下降0.1%,說明植被斑塊出現了小幅度的破碎化現象,但總體上破碎化程度較小,斑塊連接程度較穩定?？偠灾?通過濕地植被不同景觀指數的結果可以看出,2017—2022年間研究區濕地植被景觀破碎化程度低,在空間上沒有明顯的細碎化現象,這表明該時段內濕地植被受外界環境的影響較小,生態系統整體上比較穩定。

2.3 濕地植被覆蓋度時空特征分析

植被覆蓋度(Fractional Vegetation Cover,FVC)能夠客觀地表達植被生長豐度和覆蓋變化狀況[26]?；贕IS技術估算研究區2017—2022年濕地植被覆蓋度,并根據植被的實際生長情況,對植被覆蓋度進行重分類,結合其面積的統計計算,最終得到研究區濕地植被覆蓋度的時空格局特征。

由濕地植被覆蓋度面積隨時間的變化特征來看(圖4),不同時期研究區的濕地植被覆蓋度具有一定的差異性。2017—2022年FVC高于0.6的區域占濕地植被總面積的83%以上,其中在2017年FVC大于0.6的區域面積可達到研究區濕地植被總面積的92.36%;FVC大于0.8的區域面積從2017年的69.33%縮小到2022年的56.4%;2017年FVC介于0.45～0.8的區域面積占植被總面積的27.89%,到2022年其面積增加10.5%;各時期FVC小于0.45的區域面積均小于植被總面積的6%,總體上研究區濕地植被覆蓋質量較高且變化相對穩定。

圖4 不同植被覆蓋度面積的年際變化圖

對2017—2022年間研究區濕地植被FVC空間分布格局進行分析(圖5),發現不同年份的濕地植被FVC分布具有一定的規律性:FVC高值區主要分布在研究區西部,低值區分布在博斯騰湖大湖區南部和東部。由圖可知,與2017年相比,2022年研究區西北部沼澤和小湖區東部FVC值存在下降現象,而東部區域FVC值有所提升。根據前人的相關研究[27-28],在濕地生態環境中,植被有一定的適宜生長或發育的水位,但是水位的急劇變化可能會導致其長勢退衰。由于研究區水域面積的減少,一些地區的水位可能會發生變化,這是研究區西北部和西南部濕地植被FVC下降的主要原因。然而,在研究區東部的荒漠地帶,植被FVC的提升可能是受新疆“暖濕化”氣候影響[29]。由“暖濕化”氣候導致荒漠地區降水量的增加,在一定程度上補充了荒漠區域植被生長所需要的水分,這有助于促進該地區植被的生長,從而使FVC提升。

圖5 研究區濕地植被覆蓋度空間分布格局

3 結論

本研究基于Sentinel-2影像數據和野外實測資料,采用最大似然分來法對2017—2022年博斯騰湖蘆葦沼澤濕地信息進行提取,在此基礎上,通過景觀格局指數、像元二分法分析了濕地植被景觀特征與覆蓋度的時空格局。結果表明:

(1)利用最大似然法提取各時期遙感影像時,分類總體精度均高于80%,分類精度高且效果良好,說明利用該方法提取研究區的濕地信息是接近實際的。

(2)2017—2022年博斯騰湖蘆葦沼澤濕地平均面積約為159 248.07 hm2,其中植被面積占31.22%,主要分布在小湖區,水域面積占68.78%,主要分布在大湖區,濕地植被總體面積在增加,面積年均增長率為0.93%,水域總體面積有所減少,其面積年均增長率為-0.4%。

(3)研究期間,濕地植被在空間上沒有明顯的細碎化現象,植被覆蓋度變化也相對較小,濕地植被生態系統整體上比較穩定,但研究區東部濕地植被覆蓋度有較明顯的年際波動。