1. 引言
天津市以湿地为特色,素有“九河下梢”、“七十二沽”的景观,但湿地同样在发生退化。天津市滨海新区的湿地生态系统退化严重,滨海地区大量滩涂湿地被围田占用,自然海岸线90%以上被占用,湿地破碎化、人工化程度很高 [1] 。为防止湿地的退化加剧并对其进行科学、合理的保护,必须进行湿地监测和动态变化分析。
随着3S技术的快速发展,基于遥感技术的湿地研究已经成为当前最有效、便捷的研究方法,并且已经获得了丰硕的研究成果。遥感技术以其探测范围大、信息量大、周期短、收集资料方便等特点成为探讨湿地动态变化的有力手段。
2. 湿地信息的提取
2.1. 数据来源
本文选取的遥感影像为2011年、2013年、2015年6月、7月获取的影像,获取时间分别为6月25日、7月24日、6月12日,获取时间相近,季节为夏季,植被生长较好,水体轮廓比较清晰,云量分别为1.5%、0.35%、0.43%。研究区影像清晰,云量较少,符合本文研究需要。其中2011年的数据为ETM+影像,2013年和2015年的数据选择OLI影像。
2.2. 建立湿地分类系统
建立科学的湿地分类系统是进行湿地遥感解译的基础,也是进行湿地研究的关键。根据《湿地公约》和对区域的研究,天津市滨海新区的湿地主要可划分为近海及近岸湿地、河流湿地、湖泊湿地、沼泽湿地和人工湿地。如表1。
![](Images/Table_Tmp.jpg)
Table 1. Wetland classification of Binhai new area, Tianjin
表1. 天津市滨海新区湿地分类
2.3. 图像预处理
对所获得的遥感影像数据进行辐射校正和地面控制点几何校正,并且通过DEM高程数据进行地形校正。由于Landsat-7 ETM+机载扫描行校正器(SLC)故障导致2003年5月31日之后获取的图像出现了数据条带丢失,严重影响了Landsat ETM遥感影像的使用。使用ENVI5.0软件中的Landsat Gapfill插件,使用插值方法修补缺失的条带部分。
因本文研究区域为天津市滨海新区,而所获取的遥感影像为固定的经纬度之间的影像,需要对影像进行裁切。本文使用ENVI5.0软件,以天津市滨海新区边界的矢量数据(shape)为基础,对所用影像数据进行裁切,包含了Landsat 7 ETM+和Landsat 8 OLI三期影像所有的波段。此处使用的遥感影像数据和矢量数据的投影系统必须一致,本文中采用的投影系统为西安1980坐标系。因滨海新区濒临渤海湾,区域内有大量的近海及近岸湿地,所以本文对使用的区域边界矢量数据进行了修改,使得其包含了一部分浅海水域,便于进行研究。
2.4. 图像处理
2.4.1. 利用最佳指数法的彩色合成
最佳指数法(OIF)其计算公式如下:
(1)
其中Si为i波段亮度的标准差,Rij为两个波段间的相关系数。理论上来说OIF指数最大的波段组合即为最佳波段组合,但还需根据实际情况进行判定,故应结合目视解译结果进行判定。利用ENVI软件中Basic Tools中的Compute Statistics功能进行计算,对于2011年的影像,可以统计出各波段的统计数据及其相关系数。然后在EXCEL软件中进行计算,根据不同波段组合,计算OIF后,根据OIF指数排序。计算结果表明,2、4、7波段组合最佳,且其波段特征符合本文研究需要。将7、4、2波段分别赋予红、绿、蓝进行彩色合成得到影像。对于OLI影像,因波段9为短红外波段主要用于云检测,因而本文不予考虑。OLI影像的7个波段进行彩色合成用上文所述的方法进行计算后,最佳组合为波段3、5、6。分别赋予6、5、3波段红、绿、蓝色进行彩色合成。彩色合成效果图见图1~图3。
![](//html.hanspub.org/file/9-2840173x10_hanspub.png)
Figure 1. False color image of remote sensing image in 2011
图1. 2011年遥感影像彩色合成影像
![](//html.hanspub.org/file/9-2840173x11_hanspub.png)
Figure 2. False color image of remote sensing image in 2013
图2. 2013年遥感影像彩色合成影像
![](//html.hanspub.org/file/9-2840173x12_hanspub.png)
Figure 3. False color image of remote sensing image in 2015
图3. 2015年遥感影像彩色合成影像
2.4.2. 基于Gram-Schmidt的图像融合
在ETM+与OLI遥感影像数据中,波段1至波段7为分辨率为30 m的多光谱影像,第8波段为分辨率为15 m的全色影像。本文主要使用基于Gram-Schmidt (以下简称为GS)的图像融合方法进行融合,GS融合方法的优点在于能保持融合前后图像波谱信息的一致性,保真程度很高。GS融合的具体方法流程如图4 [2] 。
2.4.3. 反差扩展法图像增强
反差扩展是通过拉伸或扩展图像的亮度分布,使其占满整个动态范围(0~255),从而达到扩大地物之间的亮度差异、分出更多的亮度等级的目的。本文使用的主要方法是直方图调整和直方图匹配。图像增强效果见图5、图6。
![](//html.hanspub.org/file/9-2840173x13_hanspub.png)
Figure 4. Gram-Schmidt fusion flowchart
图4. Gram-Schmidt融合流程图
![](//html.hanspub.org/file/9-2840173x14_hanspub.png)
Figure 5. Original remote sensing image
图5. 原始遥感影像示意图
2.5. 遥感图像解译
2.5.1. 建立解译标志
本文采用先总后分、先易后难、对比分析的原则,在充分分析天津市滨海新区的地形特征、研究其遥感影像后,建立了遥感影像解译标志。
2.5.2. 遥感影像解译
本文主要用最大似然监督法进行行湿地分类,并以人工目视解译作为辅助,对分类结果进行修改。
依据前文对天津滨海新区湿地类型的分析研究,在进行监督分类时,将土地利用类型划分为近海及近岸湿地、河流湿地、湖泊湿地、沼泽湿地、人工湿地、其他用地等6类。在已经进行处理的遥感影像的基础上,对上述6类对象分别选取了39、33、35、31、39、40个训练样本。利用Compute ROI Separability工具可计算各个类别间的统计距离,参数的值在0~2.0之间。本文进行监督分类后,河流湿地、湖泊湿地、近海及近岸湿地、人工湿地不能很好地区分出来,也存在小部分农田被划分至沼泽湿地的情况。因而需要以人工目视解译作为辅助,对监督分类的结果进行人工修改。
2.5.3. 解译结果评价
在解译的过程中,或多或少的存在一些误差。在监督分类过程中,误差主要存在于以下几个方面:河流面积存在误差;各类湿地分类不准确;农田及城市中一部分植被比较丰富的地区被误判为沼泽湿地。
因此,在监督分类完成后需要结合人工目视解译的判读,辅助以地形图等资料进行修改。通过人工目视解译对错误的分类进行修正,并修改其各自的属性。在解译过程中,因为滨海新区没有完全自然的湖泊湿地,所以本文把北大港古泻湖湿地的部分区域划分成湖泊湿地。此外,因近海及近岸湿地主要为浅海水域,不在滨海新区行政界线内,因此其面积主要由遥感影像裁切的形状及面积决定,会使研究结果产生一定误差。在室内解译完成后,对存在疑问的部分应进行野外验证来保证解译正确。
3. 天津市滨海新区湿地遥感动态分析
3.1. 滨海新区湿地类型及面积
天津市滨海新区湿地共分为5类,即近海及近岸湿地、河流湿地、湖泊湿地、沼泽湿地和人工湿地。对上文的分类结果进行统计后,得出2015年天津市滨海新区各个类型湿地分布比例图7:
![](//html.hanspub.org/file/9-2840173x15_hanspub.png)
Figure 6. Image enhancement remote sensing image
图6. 图像增强后遥感影像示意图
![](//html.hanspub.org/file/9-2840173x16_hanspub.png)
Figure 7. The proportion distribution of wetlands in the Binhai New Area of Tianjin in 2015
图7. 2015年天津市滨海新区各类型湿地所占比例分布图
3.2. 滨海新区湿地时空格局变化
根据上文的湿地分类结果,天津市滨海新区2011年、2013年、2015年各类型湿地面积统由以上统计数据可知,2011年至2015年间,滨海新区的湿地总面积由1814.56 km2减少到1719.40 km2,总体呈下降趋势,变化率为5.53%,总面积变化较小。但是,与人工湿地相比较,天然湿地的面积变化十分显著。天然湿地的面积由1175.53 km2变为1099.75 km2,减少了75.78 km2,占变化面积的79.63%;人工湿地面积同样减少,但变化较小,变化率为3.13%。
为更加清楚的展现出各类型湿地的变化,本文制作柱状图及折线图8、图9。
3.3. 滨海湿地变化驱动力浅析
湿地是一种以水为载体的特殊的土地利用类型,影响其面积变化的主要因素是自然因素和人为因素,其中自然因素主要有气候条件、地形地貌、水文变化等,人为因素主要包括经济、人口、国家政策等。很多研究均表明,人类活动的影响大于自然条件的影响 [3] 。接下来本文将从自然因素和人为因素两个方面进行阐述。
3.3.1. 自然因素
影响天津市滨海新区湿地面积变化的自然因素主要有气候条件、水文条件、季节变化、地形地貌等。
![](//html.hanspub.org/file/9-2840173x17_hanspub.png)
Figure 8. Changes of wetland area of each type of wetland in Binhai New District, Tianjin
图8. 天津市滨海新区各类型湿地面积变化柱状图
![](//html.hanspub.org/file/9-2840173x18_hanspub.png)
Figure 9. The proportion of different types of wetlands in Binhai New District, Tianjin
图9. 天津市滨海新区各类型湿地所占比例折线图
本文选用的影像数据是不同月份,但影像获取时间集中在6~7月,季节均为夏季,季节的影响应较小。在2011~2015年间,天津市滨海新区地形变化也较小,因而主要影响因素为气候条件,其中降雨量和气温是最直观的影响因素。本文收集了2011年、2013年和2015年天津市滨海新区年降雨量和年平均气温的数据(因滨海新区在2013年正式由塘沽区、汉沽区和大港区合并而成,所以此前的统计数据取用三个区的平均值),其变化见图10、图11 (数据来源:天津统计年鉴)。
由统计数据可以看出,滨海新区的湿地面积与降雨量、气温等气候条件有一定关系。降雨量和气温等气候因素会影响湿地的面积变化,但其影响是一个十分复杂的过程,不能一概而论,本文在此不作深入探讨。
3.3.2. 人为因素
滨海新区湿地的面积变化,人为原因是最主要的影响因素。滨海新区从1994年开始开发建设,目前仍处于高速发展之中,其开发和建设是区内湿地面积变化的主要原因。天津沿海地区建设了许多盐田及养殖场,天然湿地转变为人工湿地的现象十分严重。滨海新区的蓬勃发展必然会使居民点和工农业用地增多,天然湿地面积减少。而人为作用的影响令大量污水排入湿地,污染加剧,生物多样性下降,生态系统遭到了严重破坏。本文主要收集了人口和经济数据来进行变化分析图12、图13 (数据来源:天津统计年鉴)。
从以上两图中可以看出,滨海新区的常住人口和区县均呈不断上升的趋势,常住人口增加40余万人,区县生产总值增加3000余亿元,增长速度极快。人为因素对湿地面积变化负效应明显;虽然目前已经有一系列措施出台,但湿地保护和环境治理仍然任重而道远。
![](//html.hanspub.org/file/9-2840173x19_hanspub.png)
Figure 10. The annual rainfall changes of Binhai New District, Tianjin
图10. 天津市滨海新区年降雨量变化折线图
![](//html.hanspub.org/file/9-2840173x20_hanspub.png)
Figure 11. The annual mean temperature variation of Binhai New District, Tianjin
图11. 天津市滨海新区年平均气温变化折线图
![](//html.hanspub.org/file/9-2840173x21_hanspub.png)
Figure 12. Changing-line map of permanent population in Binhai New District, Tianjin
图12. 天津市滨海新区常住人口变化折线图
![](//html.hanspub.org/file/9-2840173x22_hanspub.png)
Figure 13. The change line chart of the GDP of Binhai New District, Tianjin
图13. 天津市滨海新区区县生产总值变化折线图
4. 结论
本文以天津市滨海新区为研究区,基于遥感技术,通过监督分类结合人工目视解译的方法提取了2011年、2013年、2015年天津市滨海新区湿地的信息,研究了其分布特点和变化规律,并简要分析了其变化的原因。总体而言,天津市滨海新区发展蓬勃,但伴随而来的是湿地减少,生态系统的破坏。滨海新区天然湿地面积减少、湿地退化的现状非常严重。