近20年太湖草型區水生植物遙感監測

王永敏

(上海勘測設計研究院有限公司，上海 200080)

0 引 言

湖泊是城市發展的重要有機組成部分之一[1]，能補充地下水、調節水循環，調節區域環境并反映其變化情況，對氣候也有所影響。太湖淡水資源豐富，跨越浙江和江蘇兩個經濟大省，對當地環境和經濟影響重大。大型水生植物能夠維持整個湖泊的生態平衡，使湖泊水質保持良好狀態，其分布情況會體現在遙感影像中[2]。因此，研究淺水湖泊中大型水生植物的面積、分布情況和變化對湖泊水質的分析和控制具有重要意義。

遙感技術的出現和其鮮明的優點，為水環境變化監測帶來了新的變革，使得投入較低花費實現大范圍水環境變化監測成為可能。如何將遙感技術合理、有效地應用到湖泊水環境變化監測中，并提高監測精度和效率，是研究的重點。

水生植物的光譜反射特征與陸生植物有一定相似之處，因此陸生植物分類和提取的技術和方法對于太湖水生植物遙感監測的實現具有一定的借鑒和指導意義。隨著人們對環境和生態保護意識的增強，國內外學者在水生植物遙感監測方面做了大量研究，也取得了一些成果。不同學者提出了對應于不同數據和地區的各種方法和研究成果，如：Valta-Hulkkonen[3]利用航拍照片數據資料，通過影像增強、主成分分析等方法，論證了利用水生植物的冠層大小、豐度和葉片形態等區分不同水生植物，從而實現水生植物分類的可行性，并對相關性進行了研究；Baker等利用Landsat ETM+遙感影像數據，通過決策樹分析的方法實現了美國加勒廷谷水生植物的分類[4]；張淵智、段洪濤等利用多元遙感數據進行研究，驗證了MERIS和MODIS數據用于太湖藻類提取的可行性[5]；李俊生等利用實測光譜和高光譜遙感數據，構建了適合浮葉植物、沉水植物、水華和水體的遙感指數并建立了它們的識別公式[6]。遙感技術為水生植物的監測提供了一種便捷的手段，在動態監測方面也有很多研究和發現，如Shapiro等利用Landsat TM和Landsat ETM+遙感影像，以波多黎各東部為研究區域，實現了1985～2000年水生植物的變化檢測[7]。

不同區域、不同季節遙感影像的獲取條件不同，而且不同水體的地物波譜特性也存在差異，因此許多地物指數和遙感分類方法的通用性并不好。以上這些研究大多是近海岸等水體透明度較高的區域，有些方法對太湖這種淺水湖且富營養化程度比較嚴重的水域并不適用，此外，目前有些針對太湖區域的研究并未構建一種可以實現水生植物自動監測的模型，但是這些研究成果為本文的研究打下了理論基礎，在方法和思路上具有很好的借鑒意義。針對現有植被指數對太湖草型區水生植物分類的局限性和不足之處，通過分析水生植物和湖水光譜特征，經過大量實驗，創建了適合夏季太湖草型區水生植物分類的NVWI指數，基于NVWI指數結合K-M分類法實現了近20年太湖草型區的水生植物遙感監測，研究發現：近20年中，沉水植物出現先減少后增加的變化趨勢，一直占比較大；浮葉植物在2004年前后有所增加，近十年不斷減少；挺水植物的變化規律不明顯，這與挺水植物受人為活動影響大有關。

1 研究區數據采集

1.1 研究區概況

太湖是我國五大淡水湖之一，位于30°55′40″N～31°32′58″N、119°52′32″E～120°36′10″E之間，太湖西側和西南側以丘陵和山地為主，東側為平原和水網。太湖一共分為8個湖區，經查閱資料發現，太湖中藍藻聚集區和大型水生植物生長聚集區相對獨立(圖1)。本文的研究區為圖1(b)中的紅色區域，在文中稱太湖草型區。

圖1 太湖湖區分布和研究區劃分

由圖2可以看出，2016年太湖草型區中沉水植物分布面積較大，挺水植物主要在東太湖沿岸和湖中島嶼沿線有分布，浮葉植物分布面積較少，僅在東太湖中出現了3片較小的聚集區。要說明的是，驗證數據中將圍網養殖區單獨區分出來，即圖2中的白色區域，但是實際情況是圍網區中水生植物分布較廣泛，尤其是沉水植物可以吸收水中礦物質，為魚蝦等提供養料和溶解氧，在圍網養殖區更是常見，所以下文在分類時未將圍網養殖區單獨劃分。

圖2 2016年夏季水生植物分布情況數據

1.2 研究區數據介紹

本文選用1995年、2000年、2004年、2008年、2010年、2014年和2016年夏季Landsat TM/ETM+/OLI多光譜遙感影像作為基礎影像資料，以2016年夏季的水生植物真實類群分布數據(圖2)作為驗證，分析近20年太湖草型區水生植物類群的時空變化。遙感影像從地理空間數據云和美國地質調查局USGS上下載獲取，驗證數據從水利部太湖流域管理局官方網站上獲取并結合其他歷史資料，繪制了2016年夏季水生植物分布情況圖。可以根據驗證數據選擇驗證樣本，對分類方法的有效性和分類結果的精度進行評價。

2 數據處理

2.1 K-M分類法

本文研究的時間跨度大，從1995年至2016年已有20多年，在這段時間中，太湖流域地物類別和分布等是否發生較大變化難以確定，因此，訓練樣本選取的準確性和代表性難以保證。為了減少人為誤差對分類結果的影響，本文采用非監督分類中的K-M分類法，根據經驗值確定類別初始中心數目進行聚類，初步分類后再經過分類后處理，獲得最終的分類結果圖。

K-M分類法又叫C-均值分類法，屬于非監督分類中的一種常用的分類方法，其基本思想是：通過迭代運算、按照最小二乘誤差原則移動各類的中心并確定新的類別中心，直到得到最好的聚類結果為止[8-9]。根據經驗值確定類別數C(C為一已知整數)后，K-M分類法的實現可以概括為以下4步：

(1)

(2)

2.2 精度評價

本文所用提取結果的精度評價指標主要有總體分類精度、用戶精度、制圖精度和Kappa系數，介紹和公式如下：

(1)總體分類精度

總體分類精度表示所分類結果與參考圖像中對應類別一致的概率，是具有概率意義的一個統計量，其表達式為：

(3)

(2)用戶精度(對于第i類)

用戶精度表示分類結果中任一隨機樣本所具有的類型與參考圖像上實際類型一致的概率，其表達式為：

UA=Xii/Xi+

(4)

(3)制圖精度

制圖精度表示參考圖像中任一隨機樣本的類型與分類圖像上同一地點的分類結果一致的概率，其表達式為：

PA=Xjj/X+j

(5)

(4)Kappa系數

Kappa系數是用來測定參考影像中所有類別和分類結果的整體吻合度或綜合精度的指標，其表達式為：

(6)

通常，Khat值大于0.80表示分類圖像和參考信息之間的吻合度或一致性很大，精度很高；Khat值在0.40～0.80之間表示分類圖像和參考信息之間的吻合度或一致性處于中等水平；Khat值小于0.40表示吻合度或一致性很差，說明精度較低。

3 結果與分析

草型區水生植物主要包括挺水植物、浮葉植物和沉水植物。太湖中常見的有菱、苦草、蘆葦、荷花等。通常情況下，水生植物生長越好的湖泊，水質越好，水體透明度越高，藍藻越少。在對原始遙感影像進行幾何精校正、輻射校正和大氣校正等預處理后，通過合適的植被指數進行增強處理，然后通過K-M分類法實現水生植物遙感監測。

3.1 植被指數構建

目前常見的植被指數有歸一化植被指數NDVI、比值植被指數RVI、差值植被指數DVI、歸一化差異綠度指數NDGI和增強植被指數EVI，通過植被指數對遙感影像進行處理可以增強植被與其他地物的對比度，進而提高分類精度。前述的幾種植被指數大多是以紅光和近紅外波段構建，也有用到藍光和綠光波段的，每一種植被指數都有各自的優缺點，適用于不同情況的植被提取。為探究不同植被指數對太湖草型區水生植物分類的效果，將2016年8月28日太湖草型區影像采用5種常見植被指數結合K-M分類法進行處理，將處理所得的結果與2016年夏季水生植物真實類群分布數據進行對比(圖3)。

圖3中，紅色圓圈標注部分為分類結果不夠準確的部分，可以看出：在挺水植物的識別上，采用5種指數所得的分類結果差別不大，均較理想，這可能是因為挺水植物的光譜特征與陸生植物類似，因此以上5種植被指數發揮了作用；在沉水植物的識別上，DVI指數和RVI指數并未提取出貢湖和東部沿岸區的沉水植物，NDVI指數將貢湖區域覆蓋度較高的沉水植物錯分為了浮葉植物，NDGI指數僅僅識別出了貢湖區域的沉水植物，相比而言，EVI指數對沉水植物識別效果較好，但是也不是很理想，可以明顯看出EVI指數沒有識別出東部沿岸區的沉水植物，并且將湖心區與東太湖交界處的湖水錯分為沉水植物；在浮葉植物的識別上，DVI指數、NDVI指數、EVI指數都獲得了較好的結果，見圖3中的紅色矩形標注區域，其他兩種植被指數效果欠佳。總體上，直接利用已有的植被指數結合K-M分類法幾乎無法獲得較理想的太湖草型區水生植物的分類結果，雖然對挺水植物識別效果較好，但是對沉水植物的識別存在較大局限性。因此，必須創建一種適合太湖草型區水生植物類群識別的植被指數。

圖3 不同植被指數下2016年夏季水生植物類群分布結果

分析圖3的結果，發現各個植被指數識別效果的差別主要表現在浮葉植物上，挺水植物效果均較好，沉水植物效果均較差，而對浮葉植物識別較好的3種指數分別為NDVI指數、DVI指數和EVI指數，以上3種植被指數的構建中均用到了近紅外與紅光波段的差值運算ρNIR-ρR。對沉水植物提取效果不佳的主要原因是沉水植物絕大部分生長在水下，其光譜反射率受湖水影響較大，因此如何兼顧水體，將成為提高沉水植物提取精度的切入點。水體的反射率主要在藍綠光波段，近紅外波段的反射率很低，幾乎接近于0，常見的水體指數也大多利用綠光波段和近紅外或者中紅外波段構建，基于以上分析，選擇綠光、紅光和近紅外波段作為太湖草型區水生植物的敏感波段，通過大量實驗，發現利用以上3個波段通過差值和比值運算，可以獲得比較理想的分類結果，本文中將該指數定義為NVWI指數，公式如下所示。

NVWI=(ρNIR-ρR)/(ρNIR-ρGreen)

(7)

式中，ρNIR表示近紅外波段的光譜反射率，ρR和ρGreen分別表示紅光和綠光波段的光譜反射率。

3.2 精度評價和驗證

利用本文構建的NVWI指數結合K-M分類法，對2016年8月28日太湖草型區Landsat影像進行水生植物分類，結果如圖4所示。將圖4與圖2對比，發現水生植物的識別效果整體上較好，結果圖中各種顏色斑塊聚集的形狀較規則的矩形區域即為圍網養殖區。

圖4 2016.8.28 NVWI指數結合K-M分類法結果圖

為進一步驗證該方法的有效性和精度，通過上文提到的4種精度指標對以上結果進行精度評價(表1)，圖5則比較直觀地展現了不同年份下各地物分類精度的對比情況。

表1 草型區水生植物類群遙感監測結果精度評價

由表1可以看出，2016年8月28日分類結果的總體精度達到了93.20%，Kappa系數達到了0.86。根據精度評價標準，可以判定2016年8月28日的分類結果和參考信息之間的吻合度或一致性很大，精度很高。若2016年排除浮葉植物后，總體精度可以達到97.01%，Kappa系數可以達到0.93。沉水植物和湖水的分類精度相對較高，接近90%；挺水植物提取精度較高，浮葉植物提取精度較低。

該指數對夏季太湖草型區水生植物分類效果好，不對時間普適性做相關研究。鑒于此，本文只用該方法探究近20年夏季太湖草型區水生植物的類群變化，對其他時段不做研究。

3.3 水生植物類群時空變化分析

利用本文創建的NVWI指數，結合K-M分類法，對1995年、2000年、2004年、2010年和2014年夏季太湖草型區水生植物類群進行自動識別。圖5為以上5年太湖草型區水生植物的分類結果，各種植物的解譯面積值如表2所示。結合2016年分類結果，對1995～2016年該區水生植物類群和分布進行分析，實現草型區水生植物遙感監測。

圖5 夏季太湖草型區水生植物分類結果

表2 太湖草型區水生植物解譯結果面積(km2)統計

由圖5結合圖4發現，近20年水生植物類群結構復雜度不斷降低，1995年夏季，貢湖南部和東太湖區域挺水植物、沉水植物和浮葉植物交錯分布，2000年和2004年東太湖以挺水植物和浮葉植物為主，沉水植物類群分布面積較小，到2014年和2016年東太湖區域則以挺水植物和沉水植物為主要優勢植物，忽略1995～2000年水生植物分布面積略有增加的小變化，整個草型區水生植物覆蓋總面積呈現減小的趨勢，1995年到2016年水生植物總面積減少近70 km，近年來略微有所增加，2010年前后達到近20年水生植物覆蓋區域的最小值。

單獨分析每種水生植物的變化趨勢，發現：

(1)沉水植物呈現先減少后增加的變化趨勢。沉水植物在整個草型區均勻分布，絕大多數年份沉水植物在水生植物總面積中占比最高，說明太湖草型區的優勢種為沉水植物。沉水植物面積減少比較明顯的為2000～2004年，這段時間圍網養殖區面積擴張較明顯，大量圍網養殖區的存在會導致水體富營養化程度加重，使得水體透明度降低，而渾濁的水體會使水體透光性變差，影響沉水植物的光合作用和正常的生命過程，2010～2016年，隨著政府和人們環境意識的增強，東太湖水環境有所改善，沉水植物面積開始增加。因此，水體富營養化是沉水植物類群面積變化的主要影響因素。

(2)浮葉植物呈現先增加后減少的變化趨勢。1995年浮葉植物主要分布在東太湖中部和貢湖南部部分區域，到2000～2004年，浮葉植物面積增加明顯，分布上以東太湖為主；2010～2016年浮葉植物不斷減少，水利部太湖流域管理局資料顯示2014年、2015年收割和打撈水生植物總量達到28和17萬噸，其中浮葉植物占很大比例，并且收割區域以東太湖和東西山之間區域為主，因此分析浮葉植物減少的主要原因為人為收割和打撈，當然也會受水環境變化的影響。

(3)挺水植物的變化規律不明顯，分布上主要集中在東太湖區域，以東太湖沿岸區域為主。1995年，東太湖湖區挺水植物面積較大，東太湖的東半部分優勢植物類群為挺水植物，并且在貢湖南部和東部沿岸區也有小面積的挺水植物分布，到2000年，貢湖南部和東太湖湖區的挺水植物不復存在，2004年挺水植物主要分布在東太湖湖區，2004～2010年之間挺水植物大量減少，2014年前后挺水植物有所增加，近十年，挺水植物主要分布在東太湖沿岸地帶。查閱資料發現挺水植物減少的主要原因是圍網養殖區的盲目擴張嚴重破壞了水生植物的生長環境，此外受人為收割的影響較大。

4 結 語

本文通過分析現有植被指數對太湖草型區植被遙感監測的不足，通過大量實驗，創建了NVWI指數。經過驗證，本研究創建的NVWI指數僅適用于夏季太湖草型區水生植物提取，普適性和通用性有待進一步驗證。

利用本文創建的NVWI指數，結合K-M分類法實現了1995～2016年太湖草型區水生植物遙感監測。分析各種地物所占比例的變化，發現湖水一直保持最大的比例，水生植物中沉水植物面積在絕大多數年份中占優勢。

綜合來看，近20年太湖草型區水生植物的類群結構和面積均發生了較大的變化，主要與人為因素有關，包括圍網養殖使水體富營養化程度的加重和人為收割、打撈等。水生植物對維持水環境健康穩定和修復惡化的水環境具有重要作用，應制定合理的開發方案，調節好水產養殖和水生植物的關系，在發展經濟的同時注意保護環境，做到人與自然和諧相處。