湿地变化监测中遥感技术的应用

摘 要：在ENVI环境下，应用遥感技术对铁岭莲花湖湿地1993年9月和2008年10月两个不同时期的TM 数据，通过穗帽变换，进行遥感数据分析，生成亮度、绿度和湿度3个变量。充分利用对莲花湖湿地的湿度影像进行非监督分类，辨别并分析湿地影像在两个时期所发生的变化，从而反映遥感在湿地变化监测中的应用。

关键词：遥感；穗帽变换；湿地

中图分类号：X171 文献标识码：A

目前，在自然地理监测研究中常用的数据有Landsat TM、SPOT、ASTER等卫星影像遥感。SPOT与ASTER影像虽然精度高，但前者价格昂贵，后者覆盖面小，且历史数据缺乏，影像数据难以形成完整的时间序列，在大多数地区不能用来进行对比分析，Landsat TM不但发射时间长，历史数据完整，而且覆盖面广，地面分辨率高，价格相对便宜，是土地利用覆盖变化研究中最常用的遥感影像之一。使用Landsat-5 TM数据，其重复周期为16d，每景影像覆盖面积为185km×185km，探测波段有7个。

这种数据的优点是具有较高的空间分辨率，在地物分类、城镇规划、自然灾害监测、病虫害监测、环境监测等很多问题上具有重要应用价值，7个波段的光谱信息不但丰富，并且适用于宏观判读和分析。要使用这种数据通常需要先对其进行变换等增强处理。穗帽变换是遥感数据变换的一种，该变换是指在多维光谱空间中，通过线性变换、光谱空间旋转使植被与土壤的光谱特征得以有效分离。目前，遥感技术的应用研究比较广泛，但在湿地缩减方面的研究比较少。本文提出了一种基于遥感数据的提取，应用穗帽变换的湿度波段对铁岭莲花湖湿地面积变化情况的应用研究，通过该研究可以有效区分湿地与其他类别地物。

1 研究区域概况和数据

莲花湖湿地属于沼泽湿地类型，原来三面环水，紧邻辽河、柴河、凡河，是3条河流的汇合地。铁岭莲花湖湿地位于铁岭市凡河新区，中心地理坐标为E123°43′，N42°16′。所属三级流域为柳河口以上。湿地面积888.31hm2。由于历史上盲目的农田开垦，以及未处理的城市污水大量排入，导致莲花湖湿地面积大幅削减，这引起了铁岭市相关部门的重视。莲花湖湿地于2006年12月成立辽宁莲花湖国家湿地公园，为辽宁唯一部级湿地公园。

通过人工湿地的建设，铁岭在全省率先实现了中心城市污水对辽河的零排放。而且，随着对莲花湖湿地公园规划进行扩充和丰富，铁岭还将新城区的水系和部分绿化工程纳入其中，如今整个新城区已是一座建在湿地上的城市，这在全国的城市中绝无仅有。

本文采用从Global Land Cover Facility下载的1993年9月和2008年10月成像的两景 Landsat-5 TM 数据，轨道号为 119/31。该影像共有 7个波段，分别为 TM1（450～520nm）、TM2 （520～600nm）、TM3 （630～690nm）、TM4（760～900nm）、TM5（1550～1750nm）、TM6（1040～1250nm）和 TM7（2080～2350nm）。TM6波段的分辨率为120m，其他波段分辨率都为30m。首先将各个单波段数据融合为多波段数据。为了定位研究区域，根据坐标划分出岭莲花湖地区，并对该原始数据进行剪裁等预处理工作。

2 遥感数据分析

对原始图像多波段影像进行处理，需要获取新的特征波段参与分类。获取新特征波段的方法包括主成分变换、植被指数变换、穗帽变换等。

本次数据分析使用穗帽变换获取新的特征波段，即亮度、绿度和湿度波段，进行研究区地物分类。穗帽变换不仅去除了原始影像各波段之间的冗余信息，而且使之后的结果变成了有重要物理意义的参数。一般前3个特征就包含了影像的绝大多数信息：变换后的第1分量表征土壤亮度，反映了土壤光谱信息；第2分量表征绿度，反映了植被光谱信息；第3分量表征地物的水分含量，反映了地物的湿度信息。一般情况下，我们主要根据的就是湿度信息。在ENVI环境下，可以进行多种影像变换操作。典型的有HSV、PC、MNF和TC等。这里我们利用ENVI进行TM影像穗帽（TC）变换。增强遥感数据后，将已经过预处理的1993年和2008年铁岭莲花湖地区遥感影像的多波段数据（band 1-5，band 7）分别打开。然后选择变换方法为穗帽变换。

2.1 遥感获取湿地信息的优势分析

首先，将从网站Global Land Cover Facility下载的Landsat-5 TM数据的各个波段进行融合等预处理操作，然后将得到研究区1993年和2008年两个不同时期的多波段数据。结果显示这两幅影像并没有表现出明显的地物变化情况，所以我们很难找到与湿地面积变化有关的一系列信息。

因此，需要变换方式来增强影像，使研究区的湿地特征突出显示。经过穗帽变换，分别加载1993年和2008年基于湿度波段的灰度影像，观察Cursor Location/Value 中的数据值，可以发现图片中央的水库数据值为较大正数，研究区以北的辽河流域数据值也为正数，而影像中一些其他地区的湿度数据值为负值。由此，可以说明穗帽变换后的第3波段为正值时表示该地区水分含量较大，属于湿地类型，而为负值的地区表示水分含量较小的其他类型地物。

将铁岭莲花湖地区穗帽变换之前的1993年和2008年TM多波段融合数据与经过穗帽变换之后的湿度波段影像进行比较，我们发现穗帽变换之后的影像能够清楚地反映与湿地有关的信息，水分含量被突出显示，湿地与其他类别地物的区别较大，这将十分有利于我们以后依据湿度波段进行分类处理。

1993年和2008年的两幅影像分别计算统计值，见表1。

表1 对2008年和1993年影像分别计算得出三个波段的统计值

统计结果显示，该统计基于3个特征波段：Band1亮度波段、Band2绿度波段、Band3湿度波段，分别统计了这3个波段数据的最小值、最大值和平均值。我们比较关注的是湿度波段，观察第3个波段对应的统计值，发现在该研究区点数相同的情况下，2008年的湿度平均值明显高于1993年。这说明2008年此区域范围内的湿地面积有所增加。

2.2 对湿度波段分类进行分析

将穗帽变换后的影像以湿度波段为依据进行非监督分类。通过观察，可发现水库、河流均被分为第4类，并用黄色表示，同时依图中的Cursor Location/Value 数据，当该数据值为正值时，表示的是水分含量较大的区域。从而我们得出：非监督分类得到的4个类别中，用第4类表示湿地，而其他3类表示水分含量较小的地物。这种分类结果能够清楚地表示湿地范围发生的变化，通过对影像的目视解译判读，就可以对水分含量的变化区域有一个整体上的认识。利用画图等工具，用不同的颜色表示不同类别，使研究结果更加清晰、易读。从影像的非监督分类结果中可以看到黄色类别的面积有明显增大，所以，我们认为2008年研究区域湿地面积有所增加。对经过非监督分类的1993年和2008年数据分别计算统计值，见表2。

表2 非监督分类结果的统计值

结果表明：湿地类别（第4类）在研究区内所占百分比有明显提高，而且主要由第3类地物转化变成的。根据TM数据和Google Earth上对该地区的判读，可以发现，第3类表示的地物最可能是农田，这说明政府对区域内农田的开垦加以治理，并将其改为湿地，从而大大改善了该区地的生态环境。

3 结语

利用湿地含水量较大这一特点，我们通过穗帽变换，对1993年和2008年的遥感数据进行分析，利用变换后的湿度波段影像分析该区域水分含量的变化情况，对铁岭莲花湖湿地进行非监督分类，并比较1993年与2008年该地区遥感影像发生的变化。结果表明遥感数据经过变换后，可以快速、准确地提取湿地信息，尤其在判读湿地与其他类型地物的影像时非常有效，从而比较出湿地面积的变化情况。根据湿度波段对遥感影像进行分类，可以清楚地反映湿地面积的变化，该结果与预期的结果比较一致。

本次实验利用TM多波段数据，经穗帽变换后，直接使用第3波段（湿度波段）进行非监督分类，研究铁岭莲花湖地区湿地面积变化情况，用简单易行的方法讨论了该地区湿地面积的变化情况。