湿地被誉为“地球之肾”，在维持生态平衡方面具有重要作用。针对湿地资源进行科学精准监测，及时掌握其时空变化状况，对建设文明生态、促进社会和谐发展具有重要的理论和现实意义^[1]。

遥感技术手段已被广泛应用于湿地资源调查研究，已经成为湿地研究的有力手段^[2]。在遥感影像湿地信息提取方面，有关学者做了大量的研究工作，提取算法主要包括监督分类、决策树分类、人工神经元网络分类、支持向量机以及复合分类法等^[3]。谢静等^[4]将监督分类与决策树分类结合起来，对完达山以北三江平原的湿地进行了分类；张猛等^[5]以洞庭湖流域为研究区，利用时间序列MODIS数据，对大范围湿地信息遥感提取方法进行了研究；张磊等^[6]以黄河三角洲湿地为研究区域，基于Sentinel-2数据生成的光谱特征、植被指数和水体指数、红边指数、纹理特征，采用随机森林算法对研究区内的湿地信息进行了提取。由于湿地通常位于地势低洼地带，与其他用地类型相比具有较为明显的高程差异，有关学者结合数字高程模型（digital elevation model, DEM）数据对湿地相关类型进行了信息提取^[7-9]。研究结果表明，DEM数据参与后，有利于湿地与其他用地类型的区分，可以有效提高湿地信息提取的准确度。但是这些研究绝大多数是基于中低分辨率DEM数据的湿地分类研究，针对高空间分辨率DEM数据的湿地自然边界提取研究仍然较少。

地理国情普查数据提供了地表的自然地理要素和人文地理要素信息，湿地资源调查数据具有湿地类型等先验信息，可以辅助湿地信息的提取。因此，本文结合Landsat 8数据、高分二号数据、激光雷达（light detection and ranging, LiDAR）数据插值生成的高空间分辨率DEM数据、地理国情普查数据、第二次全国湿地资源调查数据，探讨了利用多源数据提取内陆盐沼湿地自然边界的方法，并分析了不同高空间分辨率的DEM数据对内陆盐沼湿地自然边界定位精度的影响。

本文的研究区为宁夏回族自治区吴忠市盐池县的碱滩湿地和二道梁湿地（37°04′N~38°10′N, 106°30′E~107°40′E），研究区位置如图 1所示。其中，图 1(a)、图 1(b)的高分辨率影像选择的是内陆盐沼湿地与周边地物区分最为明显的341（即红、近红外、蓝）波段进行显示。实验数据包括以下内容：①Landsat 8影像，用于确定最佳时相；②高分二号影像；③地理国情普查数据；④第二次全国湿地资源调查数据；⑤LiDAR点云数据。

图 1(Fig.1)

图 1 研究区位置 Fig.1 Location of the Study Area

数据预处理步骤如下：①对选定的高分二号影像进行正射校正，消除因地形等因素产生的影像畸变；②进行影像融合，提高影像的空间分辨率；③将所有数据转换到同一空间坐标系；④对LiDAR点云数据进行插值，得到空间分辨率为5.0 m、2.5 m、1.0 m的DEM数据，分析不同高分辨率DEM数据对内陆盐沼湿地信息提取的影响。

内陆盐沼湿地边界提取的技术流程如图 2所示。其中，最佳时相高分辨率影像是指内陆盐沼湿地边界特征最为明显的高分辨率影像。首先利用地理国情普查数据、最佳时相高分辨率影像、DEM数据等数据进行多尺度叠置分割，剔除道路与建筑物；然后进行特征提取与特征选择；再利用最邻近分类法提取实验区范围的内陆盐沼湿地斑块；最后将内陆盐沼湿地斑块与湿地资源调查数据进行空间相交，剔除无包含且不相交的图斑，得到最终的湿地边界。

图 2(Fig.2)

图 2 内陆盐沼湿地自然边界提取流程图 Fig.2 Flow Chart of Inland Salt Marsh Natural Boundary Extraction

1）最佳时相。在不同季节和气候条件下，内陆盐沼的含水量、植被覆盖度、含盐量会不断发生变化。寻找内陆盐沼与周围地物区别明显的遥感影像，有利于精确提取内陆盐沼湿地边界，因此确定最佳时相是十分重要的。本文对一年多期的Land‐sat 8影像与湿地资源调查数据进行叠置分析，通过目视对比选取内陆盐沼与周边地物区分最明显的时相，以此作为参考选取高分辨率影像的最佳时相。叠置分析发现，2015年9月，遥感影像中的内陆盐沼与周边地物区别最明显，为湿地信息提取的最佳时相，因此，本文最终选取2015年9月24日的高分二号影像作为数据源，用于后续的特征提取和湿地信息提取。

2）特征提取。实验区范围内的地物种类主要包括内陆盐沼、草地、裸地等。湿地多具有地势低洼，含有积水、植被的特征，因此本文选取的特征有地形位置指数（topographic position index, TPI）、DEM、坡度、归一化水体指数（normalized difference water index, NDWI）、归一化植被指数（normalized difference vegetation index, NDVI）和穗帽变换四分量特征。除此之外，选取的特征还包括4个波段的均值特征、标准差特征、贡献率特征以及色相、强度、饱和度特征。其中，TPI计算公式如下：

式中，Z_c表示单元像素的高程值；FocalMean (Z_i)表示单元像素周围邻域平均高程。一般来说，TPI的值接近0，代表该区域处于平坦地带；TPI > 0代表该区域是高凸地带；TPI < 0则代表该区域是低洼地带。

3）特征选择。特征选择是指依据某种评价指标，从原始特征集中选择出能够满足分类需求的最优特征子集。特征选择的优劣极大地影响着分类器的性能。本文采用优化后的分离阈值（improved separability and thresholds, ISEaTh）算法^[10]对提取的特征进行特征选择。该算法综合考虑了类间距离、类内距离以及特征间的相关性，在面向对象信息提取实验中具有很好的表现。本文综合考虑两个实验区中湿地与植被、湿地与裸地在各特征上的可分性，并进行特征去相关操作，得到用于最邻近分类的分类特征，具体包括NDVI、非此类指标均值、色相、NDWI、近红外波段贡献率、绿度植被指数均值、近红外波段均值、数字高程模型均值、土壤亮度指数均值。

根据图 2所示的流程图，对图 1中的两个实验区分别进行内陆盐沼湿地自然边界的提取，结果如图 3所示。图 3(a)和图 3(b)为二维显示结果，图 3中标注为①、②、③、④、⑤的为局部典型区域的三维显示结果。参考边界是对空间分辨率1 m的DEM数据与高分二号融合影像生成的三维模型进行人工解译，并经过实地检核校正后生成的。本文以参考边界为标准，对算法提取边界进行定性和定量分析。

图 3(Fig.3)

图 3 内陆盐沼湿地自然边界提取结果 Fig.3 Natural Boundary Extraction Results of Inland Salt Marsh

分析图 3(a)、图 3(b)两个实验区典型区域的三维显示结果，可以得出如下结论：

1）在无DEM数据参与提取的结果中，图 3中①、②、③、④处虚检了部分湿度较大的草地或裸地，⑤处漏检了部分湿度较小的湿地。

2）在5.0 m DEM数据参与提取的结果中，与无DEM数据提取的结果相比，②、③、④处虚检的部分得到大幅改善，⑤处漏检的部分得到小幅改善，①处提取结果相近。

3）在2.5 m DEM数据参与提取的结果中，与5.0 m DEM数据提取结果相比，①、③处虚检的部分得到大幅改善，⑤处漏检的部分得到小幅改善，②、④处提取结果相近。

4）在1.0 m DEM数据参与提取的结果中，与2.5 m DEM数据提取的结果相比，②处虚检的部分得到小幅改善，①、③、④、⑤处提取结果相近。

可以发现，对于光谱特征不明显的湿地边界区域，无DEM数据参与提取会出现明显的虚检和漏检情况，而DEM数据参与提取后，虚检和漏检情况得到明显改善，且DEM数据空间分辨率越高，改善效果越为显著。

本文对无DEM数据参与、不同高空间分辨率DEM数据参与提取的内陆盐沼湿地自然边界进行定量精度评价，评价指标包括算法提取的边界与参考边界的最大偏移量、平均偏移量和偏移距离中误差，结果如表 1所示。

表 1(Tab.1)

表 1 内陆盐沼湿地边界提取精度评价/m Tab.1 Accuracy Evaluation of Boundary Extraction of Inland Salt Marsh/m

表 1 内陆盐沼湿地边界提取精度评价/m Tab.1 Accuracy Evaluation of Boundary Extraction of Inland Salt Marsh/m 实验区 DEM数据分辨率 边界重合程度评价指标 最大偏移量 平均偏移量 偏移距离中误差 碱滩湿地 无DEM数据参与 67.21 5.73 7.56 5.0 55.55 5.64 7.06 2.5 40.01 4.53 5.25 1.0 33.25 4.19 4.36 二道梁湿地 无DEM数据参与 33.32 5.32 6.02 5.0 32.42 4.72 5.08 2.5 28.70 4.63 5.37 1.0 27.82 4.46 4.69

DEM数据参与内陆盐沼边界提取后，实验区两块湿地的最大偏移量、平均偏移量、偏移距离中误差都有所下降，且DEM数据空间分辨率越高，下降效果越显著。结果表明，参与提取的DEM数据精度越高，湿地自然边界定位精度越高，与定性分析得到的结果一致。原因是高空间分辨率DEM数据具有丰富的地形信息，参与湿地边界提取可有效减少湿地与裸地、草地等的错分现象，且随着DEM数据空间分辨率的提高，湿地与裸地、草地等的地形细节信息越丰富，区分效果越为显著，越有利于湿地信息的提取，提高湿地自然边界的定位精度。

本文提出了一种结合高分辨率影像数据、高空间分辨率DEM数据、湿地资源调查数据等多源数据提取内陆盐沼湿地自然边界的方法。首先利用地理国情普查数据剔除道路、建筑物等人工地物；然后根据实验区湿地特点提取DEM、TPI、NDWI等相关特征，并利用ISEaTh算法进行特征选择；最后运用最邻近分类法获得内陆盐沼湿地的自然边界。结果表明，相对于DEM数据未参与提取的内陆盐沼自然边界，DEM数据参与提取可以有效减少内陆盐沼边界处湿地与非湿地地类的错分现象，提高其边界定位精度，且DEM数据空间分辨率越高，提升效果越显著。该方法已被成功应用到宁夏回族自治区湿地自然边界确定项目生产实践中。