文章信息
- 王俊杰, 刘珏, 石铁柱, 邬国锋
- WANG Junjie, LIU Jue, SHI Tiezhu, WU Guofeng
- 1990-2015年广西廉州湾红树林遥感动态监测
- Remotely dynamic monitoring of mangrove in Lianzhou Gulf, Guangxi during between 1990 and 2015
- 森林与环境学报,2016, 36(04): 455-460.
- Journal of Forest and Environment,2016, 36(04): 455-460.
- http://dx.doi.org/10.13324/j.cnki.jfcf.2016.04.012
-
文章历史
- 收稿日期: 2015-12-27
- 修回日期: 2016-01-25
2. 国营北海防护林场, 广西 北海 536000;
3. 武汉大学资源与环境科学学院, 湖北 武汉 430079
2. State-owned Beihai Protection Forest Farm, Beihai, Guangxi 536000, China;
3. School of Resource and Environmental Sciences, Wuhan University, Wuhan, Hubei 430079, China
红树林是生长在热带和亚热带海滩潮间带的木本植物群落[1]。红树林植株繁茂,传统野外调查工作量大、效率低,难以满足红树林资源实时监测的需求。近年来,凭借观察范围广、信息量大、更新时间短、空间分辨率高等显著优势,遥感技术已广泛用于红树林资源调查研究[2-3],为实时动态监测红树林状况提供重要的技术手段和方法。目前,研究者主要采用多光谱(如Landsat 、 SPOT 、 MODIS 、中巴资源卫星)和高分辨率(如IKONOS 、 QuickBird 、 WorldView 、资源三号卫星)遥感卫星影像监测红树林湿地动态、种间分类和景观格局动态等信息[2-6]。应用多时相遥感卫星影像可快速有效获取不同时期红树林空间分布信息,进而了解红树林湿地动态变异状况。红树林时空变异分析方法以面积[7]和景观格局变化(如斑块数、平均斑块面积、破碎化指数)[8]为主。但是,这类方法主要用于整体景观和斑块尺度的定量分析,不能实现像元尺度的时空变异分析。李天宏等[9]在红树林面积变化基础上,利用多时相信息二进制编码方法分析了深圳湾红树林在6个时期内的空间消长状况,获取了在像元尺度上的时空变异信息。目前,较少研究同时结合整体景观、像元和斑块尺度定量分析红树林的时空变异状况。
廉州湾是广西沿海重要的红树林分布区之一,近几十年来,廉州湾近海及沿岸的海水养殖业迅速发展,对当地的红树林造成一定威胁。文中旨在结合遥感与地理信息系统技术,采用多时相遥感卫星影像提取1990-2015年广西廉州湾红树林空间分布信息,从整体景观尺度(面积变化) 、像元尺度(多时相信息二进制编码)以及斑块尺度(景观指数与景观分布质心)定量分析红树林的时空变异特征,为实时动态监测当地红树林状况提供一种方法,并对当地红树林保护和管理提供必要的信息。
1 数据与方法 1.1 研究区概况研究区位于广西廉州湾,东经108°59′-109°10′,北纬21°33′-21°40′(图 1),地处北海市西北侧,是一个开敞型基岩侵蚀堆积湾。气候为亚热带海洋性季风气候,年平均气温22.4 ℃,年平均降雨量1 663 mm。近岸的南流江三角洲是广西最大的三角洲,三角洲向外堆积旺盛,外缘洲岛较多,存留大面积的红树林湿地,具有重要的物质生产、景观美学与环境生态功能。
1.2 数据与预处理利用5个不同时期的遥感卫星影像(图 2)提取1990-2015年广西廉州湾红树林空间分布信息:1990年12月5日Landsat-5影像(Path/Row:125/45,空间分辨率30 m) 、 1998年10月2日SPOT-4影像(Path/Row:307/276,空间分辨率20 m) 、 2004年10月12日SPOT-2影像(Path/Row:307/276,空间分辨率20 m) 、 2008年11月27日ALOS影像(Path/Row:119/3160,空间分辨率10 m)以及2015年4月14日Landsat-8影像(Path/Row:125/45,空间分辨率30 m)。
借助覆盖研究区1 : 50 000地形图,利用ERDAS软件对ALOS(2008年)影像进行几何精校正,以校正好的ALOS影像为基准,对其它4个时期的SPOT和Landsat影像分别进行几何配准。基于研究区地形及影像数据的分辨率,采用二元多项式校正方法,几何配准的均方根误差在0.5个像素之内(校正精度为98.5%),采用最近邻点法进行影像重采样(分辨率为30 m)。
由于红树林与陆地上的植被光谱信息相近,因此,在提取红树林信息之前,先利用人工勾绘海岸线的方法对近海与陆地部分进行分离,然后利用最大似然法对近海区域影像进行监督分类(红树林、滩涂、海水及其它地物4大类)。基于野外调查资料以及广西第2次湿地资源调查矢量图(2011年)随机选取100个点对红树林的分类结果进行精度评价,精度评价采用通用的混淆矩阵方法。
1.3 基于像元的多时相信息二进制编码采用多时相信息二进制编码方法[9]描述5个不同时期像元尺度上的红树林动态变化特征。一个字节有8位(Bit0至Bit7),Bit0 、 Bit1 、 Bit2 、 Bit3和Bit4分别代表一个像元在2015 、 2008 、 2004 、 1998和1990年覆盖有红树林,Bit5 、 Bit6和Bit7为空。对于5个时期的红树林空间分布图(空间分辨率均重采样至30 m),隶属于红树林的像元灰度值(Vi, j, i=0 、 1 、 2 、 3和4分别代表 2015 、 2008 、 2004 、 1998和1990年;j代表像元序号)设置为“1”,隶属于其它地物的像元灰度值为“0”,通过波段之间的数学计算(Vdyna, j=∑2iVi, j),得到各个像元(j)5个时相叠加之后的灰度值(Vdyna, j)。如果一个像元的灰度值为22(对应的二进制为“10110”),表明该像元在1990年有红树林覆盖,而在1998年红树林消失,在2004年和2008年又有红树林覆盖,而在2015年红树林消失。因此,统计多时相叠加影像图的灰度值分布,可以快速准确地得到红树林在不同时期的变化信息。
1.4 基于斑块的景观格局变化目前,反映景观格局变化的特征指数非常多,选取常用的斑块数、平均斑块面积、边界密度、平均斑块形状指数和破碎化指数对红树林景观格局变化进行分析,这些景观指数的计算方法及代表的意义详见文献[10]。另外,利用红树林景观质心变化反映红树林景观的空间变化,按照如下公式计算t年(t=1990 、 1998 、 2004 、 2008和2015)红树林景观分布质心坐标[11]
$ {{X}_{t}}=\frac{\sum{{{S}_{t,i}}{{X}_{t,i}}}}{\sum{{{X}_{t,i}}}},{{Y}_{t}}=\frac{\sum{{{S}_{t,i}}{{Y}_{t,i}}}}{\sum{{{Y}_{t,i}}}} $ | (1) |
式中:Xt和Yt分别表示t年红树林景观分布质心的经度和纬度坐标;St, i表示t年第i个斑块的面积;Xt, i和Yt, i分别表示t年第i个斑块的质心经度和纬度坐标。通过比较不同时期红树林的景观分布质心坐标,可得出红树林景观的时空变异特征。
2 结果与分析 2.1 红树林整体景观尺度时空变异特征通过目视解译和监督分类,得到1990-2015年5个不同时期的红树林空间分布信息(图 3),基于野外调查资料以及广西第2次湿地资源调查矢量图(2011年),1990 、 1998 、 2004 、 2008和2015年红树林的分类精度分别为86.7% 、 92.3% 、 91.5% 、 92.6%和93.1%,能够达到遥感解译的精度要求。5个时期的红树林面积分别为255.66 、 395.01 、 361.40 、 493.20和734.36 hm2,呈现“增长—下降—增长”特征。2015年红树林湿地面积是1990年的2.87倍,年均增长达4.31%。1990年的影像处于涨潮期,会掩盖部分红树林幼苗,因此通过影像得到的红树林面积小于真实值。2015年的影像处于退潮期,滩涂显露出海草,而海草与红树林具有类似的植被光谱特征,在光谱和空间分辨率不高的情况下,少量海草可能被归为红树林。
2.2 红树林像元尺度时空变异特征5个时相的红树林空间分布图(空间分辨率均重采样至30 m)叠加之后,灰度值为1 、 2 、 3 、 7 、 8 、 9 、 15 、 16以及31具有最多的像元数,图 4是对应灰度值的叠加影像假彩色合成图。灰度值为1(二进制编码为“00001”)表明只有2015年覆盖红树林的像元共3 097个(面积为278.73 hm2,一个像元对应的实际面积为30 m×30 m);灰度值为2(二进制编码为“00010”)表明只有2008年覆盖红树林的像元共604个(面积为54.36 hm2);灰度值为3(二进制编码为“00011”)表明2008-2015年都有红树林覆盖的面积为64.35 hm2(共715个像元);灰度值为7(二进制编码为“00111”)表明2004-2015年都有红树林覆盖的面积为66.78 hm2(共742个像元);灰度值为8(二进制编码为“01000”)表明只有1998年覆盖红树林的像元为816个(共73.44 hm2);灰度值为9(二进制编码为“01001”)表明1998年和2015年都有红树林覆盖的面积为59.85 hm2(共665个像元);灰度值为15(二进制编码为“01111”)表明1998-2015年都有红树林覆盖的面积为117.90 hm2(共1 310个像元);灰度值为16(二进制编码为“10000”)表明1990年有红树林覆盖而其他年份消失的面积为1 536个像元(共138.24 hm2),灰度值为31(二进制编码为“11111”)表明每个时期都有红树林覆盖的面积为48.96 hm2(共544个像元)。灰度值为1-16的像元数变化波动较大,而值为17-30的像元数几乎没有变化且数量较少,这说明1998-2015年间红树林呈消长分布,时空变异程度大。图 4显示1990年之后,位于西北部(西场镇)的红树林大面积消失(图例为16,红色部分),这可能是由于1990-1998年期间,大量红树林湿地被改造成养殖水塘,土地利用方式发生改变;2015年,东南部(党江镇)的红树林得到进一步扩张(图例为1,蓝色部分),这得益于当地政府对红树林的保护及人工种植。
2.3 红树林斑块尺度时空变异特征表 1显示1990-2015年红树林斑块数呈“增长—下降—增长”趋势,1990年斑块数为154,8 a后,斑块数增长了93.51%;1998-2004年,斑块数减少了34.56%,这与大范围的虾塘养殖、工程建设与围垦有关;随后4 a,斑块数平稳增长,2008-2015年斑块数大幅增长,2015年斑块数达560,是2008年的2.7倍,这得益于红树林的人工种植。李春干等[2]发现自然过程与人工造林活动是1960-2010年间广西北部湾红树林斑块数量增加的驱动因子。1990-2008年平均斑块面积和平均斑块形状指数呈增加趋势,说明其斑块越来越集中,斑块的形状趋于复杂化,景观整体结构趋于稳定,但2015年平均斑块面积和平均斑块形状指数分别急剧减少至1.31 hm2和1.20,说明这一时期斑块趋于分散,形状趋于简单,整体结构处于不稳定期。1998-2004年间,边界密度由0.127下降到0.110,破碎化指数由0.017略微下降至0.016,但整体来看,1990-2015年间边界密度和破碎化指数呈增长趋势。这说明近25 a来,廉州湾红树林斑块被边界分割的程度逐渐增强,景观破碎化程度不断加剧,主要原因与人工种植红树林有关,致使斑块数增加,其它原因可能是红树林保护区污染程度减轻,红树林在无人为破坏的情况下,能够依靠自身力量迅速成长,往外不断扩张,导致破碎化程度加剧。
年份 Year |
斑块数 Number of patch |
平均斑块面积 Mean patch area/hm2 |
边界密度 Perimeter density |
平均斑块形状指数 Mean shape index |
破碎化指数 Fragmentation index |
1990 | 154 | 1.66 | 0.094 | 1.23 | 0.011 |
1998 | 298 | 1.33 | 0.127 | 1.30 | 0.017 |
2004 | 195 | 1.85 | 0.110 | 1.32 | 0.016 |
2008 | 210 | 2.35 | 0.131 | 1.54 | 0.022 |
2015 | 560 | 1.31 | 0.133 | 1.20 | 0.032 |
表 2揭示了1990-2015年红树林景观分布质心坐标的变化。从表 2中可得出,1990-1998年分布质心向东偏移了1′46.9″,向南偏移了29.3″,整体上向东南方向偏移3 204.67 m;在1998年的基础上,2004年的分布质心向西北部偏移1 218.64 m;在2004年的基础上,2008年的分布质心坐标向北边偏移80 m;在2008年的基础上,2015年的分布质心向东南方向偏移915.14 m。近25 a来的红树林景观分布质心变化,在一定程度上揭示出红树林分布的空间演变轨迹,这与人类活动的介入紧密相关。
年份 Year |
东经 East longitude |
北纬 North latitude |
1990 | 109°3′45.5″ | 21°35′48.4″ |
1998 | 109°5′32.4″ | 21°35′19.1″ |
2004 | 109°4′51.0″ | 21°35′27.3″ |
2008 | 109°4′50.3″ | 21°35′29.8″ |
2015 | 109°5′19.3″ | 21°35′17.7″ |
通过多时相遥感卫星影像的整体景观、像元和斑块尺度的动态分析,能快速获取不同时期红树林空间分布和面积变化演变规律;整体景观尺度上,近25 a来红树林面积呈“增长—下降—增长”特征,主要得益于红树林的保护和管理力度的增强;像元尺度上,1998-2015年红树林空间分布呈消长分布,时空变异程度大,这种空间演变与土地利用方式的改变有关;斑块尺度上,近25 a来红树林斑块数不断增加,平均斑块面积减少,景观破碎化加剧,景观分布质心往研究区东南部偏移,变化的主要驱动因子与人工种植红树林和养殖鱼塘的增加有关。
总体而言,本研究与李春干等[2]的研究都表明广西廉州湾红树林的面积近25 a来呈现“增长—下降—增长”趋势,且斑块数呈增长趋势,为当地红树林湿地保护管理提供了一定科学依据。值得注意的是,使用的1990年影像成像时潮位较高,淹没了大部分低矮红树林,致使红树林面积出现一定误差,因此与李春干等[2]报道的面积有一定出入。解决方法之一是使用退潮之后、相同季节和相似空间分辨率的成像影像提取不同时期的红树林空间分布信息。多时相信息二进制编码方法要求各影像的空间分辨率以及像元的空间位置保持一致,但由于使用了4种类型的遥感卫星影像,在重采样的过程中可能会使少量像元位置不能保持一致,从而导致像元尺度上的红树林时空变异信息提取出现一定误差。另外,遥感卫星影像的空间分辨率及分类方法是影响红树林空间分布信息精确提取的重要因素,因此,未来研究可利用星载(如WorldView和资源三号卫星)[4]或无人机平台高分辨率遥感影像[12]提高红树林的提取精度,为精准的时空变异分析提供可靠的数据基础。
从整体景观、斑块和像元尺度综合分析红树林时空变异特征,对红树林的空间演变机理及变异的驱动因子分析具有重要参考价值,有助于红树林资源调查的科学安排以及红树林保护与管理。基于红树林空间分布图,设立红树林保护核心区以及缓冲区,减少养殖污水和工业污水对红树林健康的不利影响,一定程度上可促进红树林的生态恢复与科学管理。
[1] | 武锋, 郑松发, 陆钊华, 等. 珠海淇澳岛红树林的温湿效应与人体舒适度[J]. 森林与环境学报, 2015, 35(2): 159–164. |
[2] | 李春干, 代华兵. 1960-2010年广西红树林空间分布演变机制[J]. 生态学报, 2015, 35(18): 5992–6006. |
[3] | KUENZER C, BLUEMEL A, GEBHARDT S, et al. Remote sensing of mangrove ecosystems:a review[J]. Remote Sensing, 2011, 3(5): 878–928. |
[4] | 唐焕丽, 刘凯, 朱远辉, 等. 基于WorldView-2数据和支持向量机的红树林群落分类研究[J]. 中山大学学报(自然科学版), 2015, 54(4): 102–111. |
[5] | GIRI C, PENGRA B, ZHU Z L, et al. Monitoring mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from 1973 to 2000[J]. Estuarine, Coastal and Shelf Science, 2007, 73(1/2): 91–100. |
[6] | 张伟, 兰樟仁, 李峥, 等. 红树林卫星遥感影像快鸟数据预处理方法[J]. 福建林业科技, 2007, 33(4): 77–81. |
[7] | 贾明明. 1973-2013年中国红树林动态变化遥感分析[D].长春:中国科学院东北地理与农业生态研究所, 2014. |
[8] | 黄星, 辛琨, 李秀珍, 等. 基于斑块的东寨港红树林湿地景观格局变化及其驱动力[J]. 应用生态学报, 2015, 26(5): 1510–1518. |
[9] | 李天宏, 赵智杰, 韩鹏. 深圳河河口红树林变化的多时相遥感分析[J]. 遥感学报, 2002, 6(5): 364–369. |
[10] | 傅伯杰, 陈利顶, 马克明. 景观生态学原理及应用[M]. 北京: 科学出版社, 2001 . |
[11] | 丁圣彦, 梁国付. 近20年来河南沿黄湿地景观格局演化[J]. 地理学报, 2004, 59(5): 653–661. |
[12] | 冯家莉, 刘凯, 朱远辉, 等. 无人机遥感在红树林资源调查中的应用[J]. 热带地理, 2015, 35(1): 35–42. |