杨永顺，钞振华，宣 勇，张晓明，赵旭东

（1.青海省环境监测中心站，青海 西宁810007；2.南通大学地理科学学院，江苏 南通226007；3.民政部国家减灾中心，北京100124）

湿地是一种特殊的自然综合体，具有多功能的独特生态系统，素有“地球之肾”之称［1］，不仅为人类生产、生活提供多种资源，在涵养水源、调节径流、蓄洪防旱、保护生物和遗传多样性等方面也有着不可替代的作用。在青藏高原地区，湿地研究是表生过程研究领域的薄弱环节［2］，研究湿地变化特征有助于研究青藏高原生态环境的演变［3－4］。因此，及时掌握湿地资源的变化具有重要意义，湿地研究的关键在于准确、定量地获取和分析湿地信息，而利用遥感技术快速有效地提取湿地信息的研究就显得尤为重要。

目前，基于遥感技术所发展的地物提取方法很多。杨存建和徐美［5］研究发现，陆地卫星TM影像对于 水体 信 息 具 有 “（TM2＋TM3）／（TM4＋TM5）＞2”的特性，从而与其他地物相区分。受归一化植被指数 （Normalized Difference of Vegetation Index，NDVI）的激发，Mc Feeters［6］发展了归一化水体指数方法（Normalized Difference of Water Index，NDWI），该方法可以抑制背景信息的干扰。但是在实际应用中尤其在城市区域，NDWI方法所提取的水体仍混有非水体信息。在分析NDWI的基础上，徐涵秋［7］对构成该指数的波长组合进行了修改，提出了改进的归一化差异水体指数（Modified NDWI）。刘旭拢等［8］通过对多种指数模型对比分析后，发现比值指数模型最适合于河网密布、鱼塘众多且人为干扰强烈区域水体信息的提取。程磊等［9］利用TM数据对各种水体识别方法在黄土高原的适用性进行了研究。越来越多的研究人员认为没有通用的水体信息提取方法［10－15］，提取特定区域的湿地信息应根据当地的实际情况进行方法优选比较。

青海省玛多县因湖泊众多而享有“千湖之县”的雅称，是黄河源头最大的水源涵养区，但近年来植被与湿地生态系统遭到破坏，水源涵养能力急剧减退，利用遥感监测湿地的变化研究已有很多报道［16－17］，但关于该区域湿地信息快速提取方法的比较研究较少。为此，本研究通过比较评价几种常用的湿地信息提取方法，旨在为及时、准确地分析玛多县高原湿地的动态变化提供科学依据。

1 数据及方法

1.1 研究区概况 典型研究区玛多县（33°50′～35°40′N，96°50′～99°20′E）位于青藏高原腹地，巴颜喀拉山北麓，阿尼马卿山以西的黄河谷地，全县总土地面积25 253 km2。玛多县地势自西北向东南倾斜，平均海拔4 500 m左右。玛多是黄河流经的第一个县，境内的鄂陵湖和扎陵湖是黄河上游最大的2个湖泊，也是整个三江源区最大的淡水湖。境内河流湖泊众多，发育着大量的沼泽湿地，为黄河源湿地研究的典型地区。

1.2 TM数据 水体对入射能量具有强吸收性，故在大部分遥感传感器的波长范围内呈现较弱的反射率，且随着波长的增加有进一步减弱的趋势。本研究从云层覆盖、物候季相考虑，选取玛多县2010年7月25日、8月14日、9月24日过境的三景Landsat TM影像，经拼接、裁剪得到时相大致统一的玛多地区TM影像图。表1中列举了TM波段特征，不同地物波谱响应曲线如图1所示。

表1 Landsat TM波段特征Table 1 Landsat TM band characteristics

图1 典型地物波谱响应曲线Fig.1 The response curve of spectrum to different surface features

1.3 研究方法 为了更好地评价不同方法，将地物仅分为湿地和非湿地（城镇、草地、道路及未利用地）两类。

1）谱间关系法：

杨存建和徐美［5］在对遥感TM影像水体信息提取的过程中发现水体具有“（TM2＋TM3）＞（TM4＋TM5）”的规律，同时发现水体、居民地阴影以及山体阴影都具有这个特性，但是三者的比值（TM2＋TM3）／（TM4＋TM5）却存在着较大的差异，所以辅以适合的阈值，可以将水体信息区别于其他所有的地物（式1）。该方法可以有效地将水体与居民地及山体阴影区分开来，是一种自动提取水体信息的有效、快捷的方法，适合于各种范围的水体信息自动提取。

2）归一化差异水体指数：

水体的反射从可见光到中红外波段逐渐减弱，在近红外和中红外波段的范围内吸收性最强，几乎无反射，因此用可见光波段和近红外波段的反差构成的NDWI可以突出影像中的水体信息。另外，由于植被在近红外波段的反射率一般最强，因此采用绿光波段与近红外波段的比值可以最大程度地抑制植被的信息，从而达到突出水体信息的目的。

3）修正归一化水体指数（Modified Normalized Difference Water Index，MNDWI）：

McFeeters［6］在构建 NDWI指数时，只考虑到了植被因素，却忽略了地表的另一个重要因素的影响——土壤／建筑物，由于后者在绿光和近红外波段的波谱反射率几乎与水体一致，即在绿光波段的反射率高于在近红外波段的反射率，并且有较大的反差，计算出来的比值与水体相近。很明显，用归一化水体指数提取出来的水体信息中含有较大的噪音，得不到满意的结果。在此基础上，徐涵秋［7］改进了归一化水体指数模型，其计算公式是：

MNDWI＝（Green－MIR）／（Green＋MIR）。 （3）式中，MIR为中红外波段，即波段TM5。此方法的提出主要解决了归一化水体指数中未考虑到土壤与建筑物对水体提取的影响。

4）非监督分类（Unsupervised Classification）：

非监督分类是计算机解译方法的一种，是利用图像数据本身能在特征测量空间中聚集成群的特点，先形成各个数据集，然后再核对这些数据集所代表的物体类别［18］。这种方法的优点就是事先不用对被研究区域的样本作调查了解，方便、快捷。

2 结果与讨论

2.1 玛多县湿地信息提取结果分析 利用谱间关系法、归一化差异水体指数法、修正归一化水体指数和非监督分类4种方法提取了玛多县湿地信息（图2）。结果基本上反映了玛多县的湿地空间分布状况，其中对鄂陵湖和扎陵湖以及水域面积较大的区域分类结果基本一致，但在水域面积较小且地形相对复杂的地区，4种分类方法的结果差异较大。谱间关系法和其他基于水体指数的分类方法都属于自动湿地信息提取方法，将研究区直接划分成湿地与非湿地，方便、快捷，但是如果研究区有云存在，将会对分类结果造成很大的误差。与谱间关系法和基于水体指数的分类方法相比，非监督分类可以有效地识别云盖，而且对地表水体细微变化的敏感性更强，分类结果表明非监督分类方法可以提取更丰富的水体信息，但是分类结果是否准确还需要进一步的验证。

图2 4种方法的湿地信息提取结果Fig.2 Wetland extracted by using Relation of spectrum，NDWI，MDDWI and Unsupervised classification

2.2 玛多县湿地信息提取结果验证 为了验证4种方法湿地分类准确度，选取适合玛多县湿地信息提取最优方法，借助玛多县1∶700 000地形图和相应区域实地采样数据，在Google Earth影像辅助的基础上，分别评价了4种方法湿地信息分类准确度。在扎陵湖、鄂陵湖、冬给错那湖、苦海等较大、显著湿地区域，玛多地区西南部、东北部海拔在4 500 m以上区域以及中部区域分别取100个湿地边界像元。采用总体分类准确度评价方法［19］，对分类结果进行比较验证（表2）。其中准确率表示信息提取方法所提取的湿地信息与实际地表信息相符的比率，误判率表示非湿地信息被划分为湿地和湿地信息被划分为非湿地信息的比率。

表2 湿地信息提取精度评价Table 2 Accuracy evaluation of wetland classification for the four methods %

结合湿地信息提取结果和提取精度评价，在扎陵湖、鄂陵湖等较大、显著湿地区域，由于周围地形和地物的影响相对较小，4种方法信息提取的准确度都比较高；在海拔高度4 500 m以上且地形复杂的地区，受地形及云的影响，信息提取效果较差，但MNDWI方法的分类准确度明显高于其他3种方法，仍达到86%。非监督分类方法效果最差，其次是谱间关系法；在中部地势较低区域，MNDWI方法不如NDWI方法的准确度高，但高于谱间关系法及非监督分类方法。由于利用了中红外波段替换近红外波段，在海拔较高、地形复杂区域，而且受到云的影响下，MNDWI精度高于NDWI方法。NDWI优于谱间关系法及非监督分类，精度在65%以上；受云和地形双重因素的影响，谱间关系法的精度差且将云覆盖区域划分为湿地信息；非监督分类法虽然很好地体现了云对湿地信息提取的影响，但地形的负面作用非常明显，提取的湿地信息误差很大。由于采用了归一化的比值运算，MNDWI影像易于消除地形差异的影响。总体来说，MNDWI方法是这几种湿地信息提取方法中分类结果最好的，且能很好地将云和地形对湿地信息提取的影响降到最低。

3 结论

地形复杂且地面观测信息有限是限制遥感技术在青藏高原地区快速准确提取湿地信息的瓶颈。本研究以湖泊众多、地物信息相对单一的玛多县地区为研究区，评价了4种常用的湿地信息提取方法，结果基本上反映了玛多县湿地的空间分布状况，对水域面积较大的区域分类结果比较一致，但在湿地面积较小、海拔高且地形相对复杂的地区，4种分类方法的结果差异较大。总体上说，MNDWI方法可以有效地减少云及地形的影响，能很好地提取湿地信息且准确率最高，比较适用于青藏高原湿地动态监测。但是受地形和云的影响，MNDWI提取的湿地信息仍有很大不确定性，需要进一步的验证。玛多湿地沼泽遍布、湖泊众多，水文条件复杂，很多湿地面积小于900 m2即TM的一个像元，且很多河流宽度小于30 m，这也是影响提取效果的主要原因。多源遥感数据的融合、波段优化等的应用应为玛多湿地信息提取准确度提高的主要考虑因素。

［1］ 国家林业局.中国湿地行动保护计划［M］.北京：中国林业出版社，2000.

［2］ 白军红，欧阳华，徐惠风，等.青藏高原湿地研究进展［J］.地理科学进展，2004，23（4）：1－9.

［3］ 陈宜瑜，吕宪国.湿地功能与湿地科学的研究方向［J］.湿地科学，2003（1）：7－11.

［4］ 李凤霞，常国刚，肖建设，等.黄河源区湿地变化与气候变化的关系研究［J］.自然资源学报，2009，24（4）：683－690.

［5］ 杨存建，徐美.遥感信息机理的水体提取方法的探讨［J］.地理研究，1998，17（增刊）：86－89.

［6］ McFeeters S K.The use of normalized difference water index in the delineation of open water features［J］.International Journal of Remote Sensing，1996，17（7）：1425－1432.

［7］ 徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究［J］.遥感学报，2005，9（5）：589－595.

［8］ 刘旭拢，钟凯文，陈志良，等.基于TM影像的珠江三角洲河道快速提取方法研究［J］.遥感技术与应用，2008，23（1）：57－61.

［9］ 程磊，徐宗学，左德鹏，等.基于Landsat TM 数据的黄土高原区水体识别方法研究［J］.北京师范大学学报（自然科学版），2010，46（3）：424－430.

［10］ 黄海波，赵萍，陈志英，等.ASTER遥感影像水体信息提取方法研究［J］.遥感技术与应用，2008，23（5）：525－528.

［11］ 于欢，张树清，李晓峰，等.基于TM影像的典型内陆淡水湿地水体提取研究［J］.遥感技术与应用，2008，13（3）：310－315.

［12］ Frazier P S，Page K J.Water body detection and delineation with Landsat TM data［J］.Photogrammetric Engineering and Remote Sensing，2000，66（12）：1461－1467.

［13］ Kloiber S M，Brezonik L，Bauer M E.Application of Landsat imagery to regional scale assessment of lake clarity［J］.Water Research，2002，36：4330－4340.

［14］ Ryu J H，Won J S，Min K D.Waterline extraction from Landsat TM data in a tidal flat：A case study in Gomso Bay［J］.Remote Sensing of Environment，2002，83（3）：442－456.

［15］ 董立新，王文科，孔金玲，等.黄河上游玛多县生态环境变化遥感监测及成因分析［J］.水土保持通报，2005，25（4）：68－72.

［16］ 吴素霞，常国刚，李凤霞，等.近年来黄河源头地区玛多县湖泊变化［J］.湖泊科学，2008，20（3）：364－368.

［17］ 江冲亚，李满春，刘永学.海岸带水体遥感信息全自动提取方法［J］.测绘学报，2011，40（3）：332－337.

［18］ 赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，2003.

［19］ 张晓明，杨永顺.遥感监测的土地利用／覆被数据质检流程研究［J］.青海环境，2010，20（2）：72－75.