１引言

海濱濕地是指發(fā)育在海岸帶附近并且受海陸交互作用的濕地，是陸地生態(tài)系統(tǒng)和海洋生態(tài)系統(tǒng)的交錯(cuò)過渡地帶，廣泛分布于沿海海陸交界、淡咸水交匯地帶，是一個(gè)高度動(dòng)態(tài)和復(fù)雜的生態(tài)系統(tǒng)［１］。江蘇鹽城海濱濕地屬于典型的淤泥質(zhì)海岸濕地類型，由于海岸的不斷淤長，海濱濕地植物覆被類型比較豐富多樣，景觀格局處于不斷演變之中［２］。遙感技術(shù)是獲取地表覆蓋信息的有效技術(shù)手段，目前廣泛用于濕地研究中并取得了顯著的成果［３－５］。采用何種方法對濕地遙感信息進(jìn)行有效提取，以達(dá)到理想精度要求，一直是濕地遙感研究的重要內(nèi)容。目前，濕地遙感信息提取中難度最大的是對濕地植物覆被類型的有效識(shí)別，其方法研究成為濕地遙感信息提取的難點(diǎn)與熱點(diǎn)［３－５］。而針對不同的遙感數(shù)據(jù)源，學(xué)者們采取的方法各異。如于歡等［６］選取ＡＬＯＳ遙感影像為數(shù)據(jù)源，通過對其波段的光譜及紋理特征進(jìn)行分析，采用非監(jiān)督、監(jiān)督及面向?qū)ο蠓诸惙椒ǎ瑢θ皆瓭竦匦畔⑦M(jìn)行提取。那曉東等［７］以Ｌａｎｄｓａｔ衛(wèi)星影像為數(shù)據(jù)源，利用回歸樹集中挖掘分類規(guī)則對濕地類型進(jìn)行分類研究。牛明香等［８］利用ＴＭ數(shù)據(jù)，提出了單紅外閾值法和改進(jìn)的監(jiān)督分類相結(jié)合方法對濕地進(jìn)行分類。從目前的研究進(jìn)展來看，濕地遙感分類研究采用的數(shù)據(jù)源大部分都是ＴＭ、ＳＰＯＴ等影像，而利用ＡＬＯＳ數(shù)據(jù)的研究并不多。

本文針對江蘇海濱濕地的時(shí)空分布特征，選擇ＡＬＯＳ影像為數(shù)據(jù)源，其原因是保護(hù)區(qū)核心區(qū)面積較小，空間分辨率較高的ＡＬＯＳ影像更適合，而不選用波段與之相似的Ｌａｎｄｓａｔ衛(wèi)星數(shù)據(jù)。另外，相比于分辨率相同的ＳＰＯＴ等影像，ＡＬＯＳ影像在圖像紋理特征方面，如反映地物類別空間特征的差異性和紋理信息的豐富程度均比ＳＰＯＴ５等影像強(qiáng)，并且小圖斑的面積精度也優(yōu)于ＳＰＯＴ等影像［９］；從時(shí)間選擇來看，由于１１月份海濱濕地的鹽蒿呈現(xiàn)紅色，與其他濕地植被類型的色差比較明顯，是濕地遙感信息提取的較好時(shí)機(jī)。而選用的ＡＬＯＳ數(shù)據(jù)在２００６年１１月９日恰好在海濱濕地過境，故采用分辨率高、性能好、價(jià)格低的秋季ＡＬＯＳ影像作為本次研究的數(shù)據(jù)源最為合適。

為此，針對海濱濕地植物覆被類型遙感信息分類難度大，以及濕地植物覆被類型之間的生態(tài)交錯(cuò)帶信息難以正確識(shí)別的問題，綜合考慮光譜信息、空間信息并附加知識(shí)規(guī)則和ＧＩＳ規(guī)則，對海濱濕地進(jìn)行遙感分類方法研究，為海濱濕地研究提供重要的科學(xué)支撐。

２研究區(qū)概況

江蘇鹽城國家級(jí)珍禽自然保護(hù)區(qū)核心區(qū)是目前殘留的典型淤泥質(zhì)海濱濕地代表，具有豐富多樣的濕地類型。該區(qū)域位于新洋港和斗龍港出海河之間［１０］，地理位置位于３３°２５′０″～３３°４２′４０″Ｎ，１２０°２６′４０″～１２０°４４′４０″Ｅ，面積為２０３．５７ｋｍ２，基本保持自然景觀狀態(tài)。濕地植物覆被類型包括蘆葦群落、大米草群落、鹽蒿群落等［１１］。研究區(qū)位置如圖１所示。

３數(shù)據(jù)源

采用的數(shù)據(jù)為ＡＬＯＳ數(shù)據(jù)，重訪周期為４６ｄ，衛(wèi)星軌道為太陽同步。ＡＶＮＩＲ－２傳感器可以接收４個(gè)波段的數(shù)據(jù)，分別為藍(lán)波段（０．４２～０．５０μｍ）、綠波段（０．５２～０．６０μｍ）、紅波段（０．６１～０．６９μｍ）、近紅外波段（０．７６～０．８９μｍ）。多光譜分辨率１０ｍ，全色波段空間分辨率２．５ｍ。為了更準(zhǔn)確地提取信息，還采用了其他相關(guān)輔助資料，包括１∶４０００００江蘇省海岸土地利用圖以及野外調(diào)查時(shí)３８個(gè)點(diǎn)ＧＰＳ數(shù)據(jù)。

３．１數(shù)據(jù)預(yù)處理

本文采用ＥＮＶＩ下的ＦＬＡＡＳＨ模塊對ＡＬＯＳ影像進(jìn)行大氣校正。ＦＬＡＡＳＨ是基于ＭＯＤＴ－ＲＡＮ４大氣校正模塊，可以從多光譜遙感影像中復(fù)原地物的地表反射率，是多光譜能量影像反射率反演的首選大氣校正模型［１２］。影像幾何校正通常選取圖像上有定位識(shí)別明顯的標(biāo)志，如道路交叉點(diǎn)、河流岔口等ＧＰＳ記錄點(diǎn)為控制點(diǎn)。采用二次多項(xiàng)式變換和最鄰近像元重采樣的方法對原始影像進(jìn)行幾何糾正，ＲＭＳ小于０．５個(gè)像元。

３．２濕地分類系統(tǒng)的建立

根據(jù)研究區(qū)濕地類型的特征，綜合考慮遙感影像數(shù)據(jù)的可解譯性，建立濕地土地利用／覆被分類系統(tǒng)，見表１。

４對ＡＬＯＳ影像的非監(jiān)督分類

針對本研究區(qū)特點(diǎn)，海岸帶地物在遙感影像上的光譜比較復(fù)雜。選擇的訓(xùn)練區(qū)不可能包括所有的光譜類型，也就是說有一部分像元會(huì)出現(xiàn)漏分的現(xiàn)象。所以本文采用人機(jī)交互的非監(jiān)督分類方法，算法是重復(fù)自組織數(shù)據(jù)分析技術(shù)（ＩＳＯＤＡＴＡ）。

４．１分類的過程及結(jié)果

海岸帶地物的波譜相關(guān)性較大，也就是“同物異譜”和“異物同譜”的情況比較多。鑒于這種情況，使用非監(jiān)督分類時(shí)，一般設(shè)置分類的數(shù)目比最終分類數(shù)量多３～４倍，再進(jìn)行合并，防止錯(cuò)分漏分，以提高分類精度。本次研究初始分類數(shù)定為３０類，輸出分類圖像后再對３０類地物進(jìn)行合并，找到最佳的合并方案，然后再對其進(jìn)行重新合并。把原始影像和分類的結(jié)果進(jìn)行對比，并且參考１∶４０００００江蘇海岸土地利用數(shù)據(jù)，對３０類地物進(jìn)行同類合并刪減。合并時(shí)盡量遵循以下規(guī)則，盡可能地把地物歸為：養(yǎng)殖塘、河流、蘆葦、鹽蒿、米草和光灘６類。利用上述規(guī)則，在ＥＮＶＩ中對非監(jiān)督分類的圖像進(jìn)行重新歸類，結(jié)果如圖２所示。

４．２分類精度檢驗(yàn)

精度檢驗(yàn)是遙感分類的必備工作，通過精度分析可以清楚地發(fā)現(xiàn)哪些類別的分類精度還有待提高，從而改進(jìn)分類模式，修改分類結(jié)果，提高分類精度。根據(jù)所選擇的樣本，大致為１５０個(gè)樣本點(diǎn)，其中包括野外調(diào)查時(shí)３８個(gè)點(diǎn)ＧＰＳ數(shù)據(jù)，每類樣本至少２０個(gè)，在ＥＮＶＩ４．７軟件的分類后處理中選擇混淆矩陣法通過地表真實(shí)感興趣區(qū)進(jìn)行精度檢驗(yàn)。經(jīng)檢驗(yàn)，總體分類精度為７８．８７８６％，Ｋａｐｐａ系數(shù)為０．７４１５，具體參數(shù)見表２。