英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

遥感与湿地生态：一个南非案例研究

摘要：遥感提供了一种经济高效的方法来识别和监测大面积和不同时刻的湿地。在这项研究中，我们的目的是提供有关的临时和永久孤立的开放水域湿地，通过标准技术和相对便宜的图像特征的生态相关信息。确定了西开普南非临时湿地和永久湿地的数量、表面积、最近距离和动态。利用监督分类中最大似然分类法对七个陆地卫星图像（1987～2002年间获得的）开放水域（湿地）进行了绘制。湿地的数量随着时间的推移而波动。大多数湿地在2000和2002冬季被发现，这可能与道路的建设有关。夏季获得的图像比冬季含有更少的湿地。从Landsat图片中发现的大部分湿地小于一公顷。在夏季，到最近的湿地的平均距离较大。与临时湿地相比，检测到的湿地较少，但规模更大。此外，对Envisat ASAR雷达图像(2005)上的非植被湿地分类进行了评价。由于雷达图像广泛的预处理要求，探测到的小湿地的数量比雷达图像（2002年6月获得）要低，可能是由于空间信息含量的恶化造成的。光学和雷达分类都可以评估潜在影响植物和动物元共生结构的湿地特征。然而，Envisat图像不如Landsat图像适合提取详细的生态信息，因为只有大型湿地才能被检测到。 这项研究表明，尽管地球资源卫星和环境卫星图像的分辨率相对较低，但通过相对便宜的图像和标准技术，可以为较大的湿地生成与生态相关的数据。 对于非常小的湿地的来说，需要高空间分辨率的光学或雷达图像。 这项研究体现了整合遥感和生态学的益处，从而促进了对孤立湿地的跨学科研究。

关键词：湿地监测，湿地分布和密度，湿地生态，陆地卫星，Envisat

1.引言

遥感技术和地理信息系统技术作为提供景观特征的大规模基本信息的有用工具，越来越受到人们的重视。它们被用于栖息地和物种的测绘、生物多样性的确定、土地变化的检测、保护区域的监测，以及GIS层的开发[2-8]。在许多情况下，遥感数据可以部分取代经常耗时和昂贵的地面调查[2,9]。由于长期数据的可用性[10-12]，也可以研究地球表面的变化检测。

遥感提供了一种有效的方法，可以在不同的时间点对湿地进行划分，并能提供有关湿地特征的有用信息[5,9,13,14]。基于各种遥感数据类型，描述了许多描述水体的方法[5,15]。湿地的划定涉及到最常使用航空照片和机载或卫星遥感数据[5,15]。在过去，从地图、航空摄影和卫星图像的硬拷贝中对湿地的视觉解读得到了广泛的应用[5,16]。目前，还使用数字图像处理[2]。基于计算机的湿地分类没有标准的方法[5,17]。Landsat、SPOT、AVHRR、IRS和radar系统是最常用的用于湿地探测的卫星传感器[5]。

在光学图像上，由于水具有特征光谱反射率，透明的开放水体相对容易被计算机辅助分类检测。最显著的特征是近红外波长和更远处的能量吸收[16]。水质、浊度和叶绿素含量等特征也可以用光学遥感技术来确定，但要评估的难度更大[16,18,19]。

与光学系统不同，雷达是一种主动传感装置。它向表面目标发射短波电磁辐射，并测量从该目标返回的能量响应[16]。信号的温度很大程度上取决于照明区域的粗糙度。一个非常光滑的表面，像一个开放的水体，反射信号远离雷达，导致非常微弱的响应[20]。相反地，在非常粗糙的表面，例如植被土壤，入射电磁信号会干扰并在各个方向上“散射”，包括雷达天线的方向[20]。这种物理行为意味着，通过阈值标准，可以很简单明了地区分光滑的开阔水面和粗糙的旱地表面。主动雷达传感器的另一个有前途的方面是它的独立的太阳能照明[20]。因此，图像可以日以继夜地获得。此外，微波信号的频率范围在220 MHz到40 GHz之间，不像光学信号那样被云层或烟雾所吸收。

尽管通过遥感来划定湿地的潜力，但湿地总体上并没有很好的特征，尤其是考虑到湿地的生态重要性和脆弱性。在世界范围内，由于小型水体经常被忽视，因此需要继续保持湿地的库存，因此许多库存都是不可靠的[15,22]。此外，在基本的临时和永久湿地生态中使用遥感，目前还不普遍，但具有很大的潜力。一些生物学家声称，通常由生态或进化研究覆盖的遥感和尺度的空间尺度不匹配，从而造成了感知问题[8]，限制了遥感技术在生物学研究中的应用。

本研究的目的在于指出，初级和相对廉价的图像和基本的遥感技术可以极大地提高对临时湿地和永久湿地特征的认识。在本研究中，利用监督分类方法，从7个陆地卫星图像中描述了西开普角地区的开放水域湿地。将Landsat图像的分类结果与Envisat图像进行了比较。在湿地生态学的范围内，研究和讨论了生态相关的特征(表面积、距离、动态、总数量、临时和永久湿地的比例)。对这一简单的遥感研究的有效性和局限性进行了评估，并将其作为生态研究的补充。

1. 材料和研究

2.1光学湿地检测

获取1987年1月9日（夏季），1990年10月16日（冬季），1999年6月3日（冬季），1999年12月4日（夏季），2000年7月31日（冬季），2001年2月24日（夏季）和2002年6月3日（冬季）的landsat和ETM 图像，从中分离出开放水域湿地。图片从全球土地覆盖设施(GLCF)网站下载或从美国地质调查组织(USGS)购买。该研究区位于南非西开普省的开普地区(南纬33度03分至33度52分)，西经17°57′至19°05′东。它属于地中海气候，在冬季有大量的降雨，夏季相对干燥[23]。

根据2004年和2005年的实地调查，在该地区收集了更大的(从0.32公顷开始)湿地的地面实况数据，并补充了来自南非主要调查和制图局的地形图信息。这些大型水体的大部分植被都位于边缘(个人观察)。第4波段显示了水体和其他陆地特征之间的强烈对比，它被用来定义至少25个针对每一种土地覆盖类型（淡水、海洋、山脉、两种植被、城市和沙丘）的训练地点。从这个数据库中随机抽取训练数据，而非选择的数据点(数据库的50%)作为验证数据用于精度分析。具有最佳光学视野的波段和带比是视觉上的选择，增强，并用于创建签名文件。比较了三种监督分类方法(最大似然法、最小距离法和费希尔法)。不需要的土地特征与淡水湿地(如河流、海洋和阴影)的相似或相近的反射率被掩盖，以确保对所有图像进行可靠的比较。通过数字高程模型(DEM)、太阳高程水平和图像采集时的太阳方位角来确定阴影在每个图像中的位置。

在验证数据上，计算了湿地分类的用户、生产者、总体精度以及Kappa协议(KIA)对湿地分类的索引。分类精度评估决定了分类像素与现实(ground truth)之间的对应程度(关于这些度量的更多信息，请参见[16])。所有的分析都采用了具有最高精度和最佳视觉效果的分类方法。在进一步的分析中，没有考虑到小于2个像素的湿地，因为由于对其他土地特征的干扰，不准确分类的可能性很高。最小可检测的湿地的表面积约为0.16公顷。所有分类和精度分析均在IDRISI Andes[24]中进行。

采用标准技术，确定了分类孤立的露天湿地的数量及其相应的表面积。在图像采集(Spearman Rank correlation, Statistica 7[25])前的三个、6个月和12个月之间，对检测到的湿地数量和累计降雨量之间的关系进行了分析。从每个湿地到最近的湿地的平均欧几里得距离，以及每个像素与最近的湿地之间的距离。通过一系列的图像处理，确定了2000-2001年临时和永久湿地的数量和表面积。为了揭示该地区的临时湿地，夏季的图像，通常只包含永久湿地，从冬季的图像中减去，包含了临时和永久的湿地。永久湿地的边缘通常在夏季干燥。为了防止这些边缘像素被误分类为单独的临时湿地，每一个永久湿地周围有85米(约3个像素)的缓冲区被临时的湿地划定掩蔽。2005年冬天的一项实地调查提供了研究区域中湿地数量的估计，这些湿地的面积比陆地卫星（约0.081公顷）的面积要小，也更大。这些分析在IDRISI Andes[24]和ArcGIS 9.2[26]中进行。

2.2湿地探测雷达

所使用的雷达图像是一个c波段(5.3 GHz) Envisat先进合成孔径雷达(ASAR) hh 极化图像，于2005年6月26日获得。在采集过程中使用的条带操作模式为I2，其特征在于入射角介于19.2°和26.7°之间。ASAR图像的空间分辨率为30 m，在方位角和距离方向上。然而，像素间距为12.5米，宽12.5米。

在第一个预处理阶段，原始的ASAR图像按照ESA[27]描述的方法进行校准。校准后，使用简单的二维线性回归多项式，将图像与2002年6月的Landsat卫星ETM 图像进行了共登记。地理坐标的RMSE为3.8像素，与地面的47.5 m相对应。此外，为了减少雷达数据固有的散斑噪声，采用了窗口大小为5times;5像素的增强霜过滤器[28-29]。最后一个预处理步骤是一个两级自底向上的区域合并分割，在eCognition 3.0[30]中执行。该算法需要三个输入参数:比例、颜色/形状权值、平滑度/紧度权值。尺度参数与结果段大小间接相关。在本研究中，分割是在两个等级层次上进行的。第一个粗级是由40个大尺度参数导出的。在这个层次上，片段能够完整地容纳非常大的对象。然而，许多像许多临时湿地这样的小物件，在单一的部分与旱地物体融合在一起。在第一个层次中，第二个分割级别是在更细的尺度基础上创建的，等于25。在该精确水平下，仍然有小的湿地。两个水平后将用于阈值分类标准的声明。在模拟雷达图像的试验和误差研究中，优化了其他参数。在本研究中，最优颜色/形状加权，它处理光谱信息与结果段形状的相对影响，等于0.9/0.1。这就产生了具有窄谱值的片段，其形状可能不规则。平滑度/紧凑性导致了结果段的锯齿状，也被设定为0.09 /0.1，允许片段构成特征的自然轮廓。

图像分割为湿地和旱地，采用简单阈值标准对区域内的段值和段形状指数进行划分。形状指数阈值的目标是不包括大型旱地物体，它们的背向散射值与开放水域相同，而湿地分类则有高度不规则的形状，如机场、沙丘区域和河流。在小尺度下，这样大的物体通常被几个相邻的区段所覆盖，而不是一个形状指数高的大的参差不齐的部分。因此，在大尺度上建立了形状阈值。另一方面，在小尺度上应用了段值的阈值，在这一层次上，大多数小的湿地是由各个部分组成的，它们的光谱信息内容被保留下来。通过迭代地提高阈值和计算起亚，对两个阈值进行了优化。段值的最优阈值为-15.38 dB，而最适当的shape-index阈值为2.2。这种形状指数与西开普省大部分湿地的自然形状一致，呈圆形或椭圆形，因此以一个小的指数为特征。然而，可能由道路施工造成的线性湿地特征可能会消失使用这种技术。然而，从分类输出中移除沙丘和机场被认为比在道路上保存一些线性湿地特征更重要。

2.3光学与雷达分类的比较

通过对2002年6月的陆地卫星图像进行分类的交叉分类表，比较了2005年6月的环境观测卫星图像的分类结果，因为2002年冬天的陆地卫星图像是最新的。由于研究区南部地势陡峭，严重阻碍了雷达图像的解释，所以只能在北部的一个主要平坦的子区域进行比较。在2002年(Landsat)和2005 (Envisat)图像采集之前的几个月里，降雨量的差异相对较小。2002年图像采集前3、6个月累计降雨量分别为127 mm和207 mm;2005年分别为196毫米和223毫米。据该地区的土地所有者说，湿地的位置在2002年至2005年期间没有发生大的变化。

1. 结论

3.1光学图像分类

最大似然分类方法对湿地检测具有最高的平均总体精度和用户的准确性，尽管与Fisher和最小距离方法的差异较小(表1)。Fisher分类法的生产精度和分类KIA比最大似然分类方法略高(表1)。最大似然法对湿地检测的准确性高，对所有7个Landsat图像的用户、生产和总体精度，以及对湿地检测的分类Kappa指数均高于0.91。

表1。以最大似然(MaxLike)分类的湿地的精度分析，最小距离(MinDist)和Fisher分类方法。平均值为所有分类图像

在夏季拍摄的照片显示，平均每公里的湿地面积(每公里0.09公里)比冬季(每公里0.23公里)。图1 .冬季湿地的数量随时间而波动。对于在夏季图像中检测到的湿地，在图像采集前3个月、6个月和12个月期间均未检测到累积降雨量(Spearman等级相关:p gt; 0.05)。类似的结果也解释了冬季图像。大多数湿地都在2002年冬季检测到，当时降雨量相对较高(图1)。分类图像的直观解释表明，在2000年和2002年的冬季图像中，许多湿地沿着公路的位置，到1999年的程度较低(分别是检测到的湿地的9%、7%和4%)。

一般来说，夏季和冬季的图像中都发现了许多小的和仅有的几个大型湿地(图2)。平均68%的夏季湿地和79%的冬季湿地面积小于1公顷。在冬季发现的湿地比夏季多(图2)。2005年冬季的地面调查显示，研究区约73%的湿地(大部分是临时的)无法被探测到，因为它们比陆地卫星图像(0.081 ha)的分辨率要小。在该领域观察到的湿地中又有15%覆盖了大约一个像素的区域。由于错误分类的可能性很高，他们被排除在这项研究之外。因此，在研究区中只有大约12%的湿地可以通过陆地卫星分类来检测。

图1.每公里划定的湿地数目。太阳符号表示夏天拍摄的照片。菱形表示在图像获取日期(mm /年)之前超过12个月的降雨量的累积量。

图2.在夏天和冬天，发现了属于不同大小类的湿地的一小部分，这是标准偏差的表现。

每个湿地之间的平均距离和最近的邻近湿地在夏天是763m(标准差:126m)，在冬天是441m(标准差:114m)。每个像素平均欧氏距离最近的湿地在夏季图像(平均4305)和冬天图像(平均1748米),呈现在图

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24412]，资料为PDF文档或Word文档，PDF文档可免费转换为Word