基于中分辨率影像湿地离散水体提取研究

摘要 首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类，以选出最佳的分类模型;然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征，并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集，利用选出的最佳分类模型对特征集进行离散水体提取，对其精度检验结果进行对比。结果表明，对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度，Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3，总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4，总体精度从94.75%提高到98.25%。综合可知，Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上，对于离散水体信息提取具有积极效果。

关键词 湿地;离散水体;空间自相关;纹理特征;灰度共生矩阵;中分辨率影像

中图分类号 TP79  文献标识码 A  文章编号 0517-6611（2022）11-0050-06

doi：10.3969/j.issn.0517-6611.2022.11.014

开放科学（资源服务）标识码（OSID）：

Research on the Extraction of Discrete Water Body in Wetland Based on Medium-resolution Image—Taking Altay Kekesu Wetland in Xinjiang as an Example

Elhamjan·Anwar1，2，KONG Cui-cui1，2，MA Li-gang1，2 et al

（1. Key Laboratory of Oasis Ecology， Ministry of Education， Urumqi，Xinjiang 830046;2. College of Resources and Environmental Sciences， Xinjiang University， Urumqi，Xinjiang 830046）

Abstract Firstly，multi-spectral images of Landsat8 OLI and GF-1 WFV satellites were used to classify the discrete water bodies in Altay Kekesu Wetland in Xinjiang respectively by support vector machine model and maximum likelihood model， so as to select the best classification model. Then， the gray level co-occurrence matrix texture feature， Getis index feature and Moran'I index feature were extracted from Landsat8 OLI and GF-1 WFV images， respectively，and corresponding multispectral images were combined seven kinds of combinations， including the original multispectral image feature set.The selected best classification model was used to extract discrete water bodies from the feature sets， and the accuracy test results were compared.The results showed that the multi-spectral images of Landsat8 OLI and GF-1 WFV satellites could significantly improve the classification accuracy by introducing Getis index feature and grayscale co-existing matrix texture feature at the same time， which made the Kappa coefficient of Landsat8 OLI image increase from 0.815 7 to 0.922 3， and the overall accuracy increase from 94.25% to 97.50%. The Kappa coefficient of GF-1 WFV image was increased from 0.832 6 to 0.932 4， and the overall accuracy was increased from 94.75% to 98.25%. It can be concluded that both Getis index and grayscale symbiosis matrix were introduced into multi-spectral images as new characteristic bands at the same time， which had a positive effect on information extraction of discrete water bodies.

Key words Wetland;Discrete water bodies;Spatial autocorrelation;Texture features;Gray level co-occurrence matrix;Medium-resolution imagery

湿地是水文状况的调节者，是某种独特植物区系和动物区系赖以存活的生境，具有重大经济价值、文化价值和科学价值，一旦完全丧失将不可逆[1]。近年来，由于人类开发和气候变化的双重影响，引起了生物多样性锐减，水土流失、土壤沙化等一系列生态环境问题，湿地退化成为全球性现象[2-3]。

新疆维吾尔自治区位于我国西部边陲，受温带大陆性干旱气候控制，当地降水量较少，且存在季节性的特点。相对其他地区湿地，干旱区湿地对气候变化和人类活动的响应更为敏感，极易受到当地工农业用水和生活用水的影响[4]。中上游地区工农业用水的增加使得湿地面积退化相当严重。据估算，新疆的典型湿地如艾比湖湿地、博斯腾湖湿地，在过去30年缩减了10%～20%[5-7]。为了改善和恢复退化的湿地，当地政府采用了一系列生态补水的工程，目前已取得了较好的成果，其中以漓漫灌溉为手段的输水性工程发挥了最突出作用。漓漫灌溉指的是为保护和恢复河谷和湿地生态系统，根据流域内河谷和湿地生态系统需水要求及生态分区，利用水库群生态调度，人为营造流域内河流洪峰，通过生态水利工程调控水流量，在生态系统最缺水季节，精细化地对河流和湿地生态系统补水的方式[8]。不同于大水漫灌，漓漫灌溉主要目的是用最少的水资源发挥最大的生态价值。当前，漓漫灌溉在新疆尤其是在阿勒泰地区已实施多年，在生态系统保护与恢复中的作用显著。但是，该生态水利工程实施时，由于水域离散造成输水面积扩散，较难实时动态监测漓漫灌溉的补水区域，它的工程效果难以准确评估。

遥感手段在干旱区水体流域监测、湿地面积动态监测等方面已有很多的研究，主要涉及技术以可见光遥感和微波遥感为主[9]。在研究尺度方面也已经有了大量探索，如单个湖泊或湿地尺度、流域尺度和区域尺度[10]。然而，目前针对干旱区湿地的离散水域，尤其是实施“漓漫灌溉”水利工程影响的水域的提取研究还十分欠缺。这是因为在干旱区离散水域，低空间分辨率影像在提取水体信息时误差较大，高空间分辨率遥感影像覆盖范围小、费用昂贵，且时间分辨率也难以保证漓漫灌溉水利工程实施前后的全程监测与评估。因此，研究合适的方法针对干旱区流域尺度离散水体进行监测评估十分迫切。此外，对于进行生态补水湿地而言，漓漫灌溉前后水体分布差异较大，在进行遥感监测时，对于分类模型的精度也会有相应的要求。

中分辨率遥感影像有幅宽较广、时间序列较长的优点[11]，但是它对离散水域水体面积的提取精度还与分类模型有关。目前针对遥感影像信息提取的模型种类繁多，如支持向量机（support vector machine，SVM）、人工神经网络（artificial neural network，ANN）、最大似然分类（maximum likelihood classification，MLC）等，但是针对不同的问题，各模型都有各自的优缺点。Landsat8 OLI影像数据和国产高分影像是当前在提取水域面积时最常用的中分辨率卫星影像[12]。这是因为国产高分GF-1 WFV1相机可以获取16 m多光谱彩色图像（蓝、绿、红、近红外4个波段），同时成像的幅宽可达200 km左右，它实现了高空间分辨率和高时间分辨率的完美结合;加上它具有重放周期短的特点，可以连续对水域水体面积进行实时监测。Landsat8 OLI影像包含了9个波段，且避免了水汽吸收特征，其全色影像范围较窄，这加大了在全色波段上对植被和非植被的区分度，其幅宽为180 km左右[13]。但目前很少有学者研究过国产GF-1 和Landsat8 OLI中分辨率影像在离散水域水体面积提取方面的适用性。因此，笔者以新疆阿勒泰科克苏湿地为例，利用不同特征组合提高中分辨率影像离散水体信息提取精度，比较Landsat8 OLI数据与国产高分影像在离散水体信息提取方面的差异性，分析漓漫灌溉不同时间段模型提取精度的差异性，以期为干旱区湿地动态监测提供借鉴。

1 资料与方法

1.1 研究区概况

阿勒泰科克苏湿地是新疆北部荒漠中面积最大的沼泽湿地，位于新疆维吾尔自治区阿勒泰市境内，地理位置是 87°09′12″～87°34′59″E、47°28′31″～47°40′09″N（图1）。在2017年被列为国家级湿地自然保护区，保护对象为湿地生态系统。保护区当地属于温带大陆性气候，年平均气温4.0 ℃，极端最高气温39.5 ℃，极端最低气温-46.7 ℃;≥5 ℃的年积温为3 087.4 ℃·d;≥10 ℃的年积温为2 794.7 ℃·d，年平均日照时数2 825～2 960 h;年均降水量为113 mm，最大年降水量为181 mm，最小年降水量为94 mm[14]。科克苏湿地属干旱区，日照时间长，年均蒸发量超2 000 mm。受周边工农业用水量增加的影响，导致科克苏湿地的主要水量补给来源即克兰河水量逐年递减，生态系统受到严重威胁。为保护科克苏湿地生态系统，从2013年开始，在额尔齐斯河流域开发工程建设管理局主持下，当地对湿地及其连同河流进行了人工“漓漫淹灌”的大型水利生态工程，即每年按照流域内生态需求量，在5月下旬之后不定期利用水库群进行淹灌，淹灌时长少则14 d，多则30 d。

1.2 试验数据源及精度评价

每年的5月底至6月初为科克苏湿地的首次漓漫灌溉时间，持续7～14 d。为了分析对比模型分类精度以及改进法的适用性，该研究从地理空间数据云和陆地观测卫星数据服务平台上下载了2017年淹灌前期和淹灌期间各一景的Landsat8 OLI数据与国产高分GF-1 WFV影像。数据的预处理包括几何校正和辐射校正。在目视分析的基础上，该试验设定的分类地物只分为两类，即水体和非水体。由于试验区中的植被、裸地、耕地等非水体地物都不是该试验的主要研究对象，因此被统一归为非水体一类。在此基础上，对同一景影像选择统一的训练样本，并使用ERDAS软件中误差矩阵的方法对精度进行验证[15]。具体做法为：对每类地物随机生成200个验证点，通过产生误差矩阵来实现分类精度检验，之后以得到的Kappa系数和总体精度作为检验依据;最终影像的水体识别能力，通过对分类结果进行目视判别和精度检验等方法综合验证。