Page 121 - 2024年第55卷第2期

植被浓密和稀疏，而是长时间尺度上各个位置生长植被的可能性。文献［１９］已表明，在湿润地区滩地
上某个位置植被频率越高，该位置往往对应高覆盖度，反之则只能存在稀疏的先锋植物。但相比于文献［ １９］
直接统计植被频次比例的算法，本文方法采用影像的代表时段作为加权因子对频次进行修正，改进后
的方法考虑了亚热带多云多雨天气导致的遥感影像时间间隔不均匀的特点，具有更好的适用性。
３．４ 植被分区以及临界淹没频率的确定 国内外学者针对滩地覆被状态已提出多种分类方法，如邓帆
等 ［３０］ 将洞庭湖滩地划分为泥滩地、草滩地、芦苇滩地和林滩地，Ｌｉａｎｇ等 ［１８］ 将鄱阳湖划分为泥滩和四
种植被带，Ｂｅｎｊａｎｋａｒ等 ［５］ 、Ａｕｂｌｅ等 ［３１］ 综合考虑滩地高程和植被性质将其划分为光滩区、先锋植被
区、草本和禾本植被区、木本植被区等。考虑到植被频率和覆盖度虽不完全等价，但二者在长时间尺
度上有一定关联 ［１９］ ，因而吸收前人研究思路，将滩地划分为高频次植被覆盖区、中频次植被覆盖区、
过渡区和不适宜区 ４类。高频次覆盖区淹没频率低，以乔木、灌木或高杆植物为主，光学遥感显示常
年有植被覆盖；中频次覆盖区有一定淹没率，以草本和禾本植物为主，光学遥感显示大多数时间有植
被覆盖；过渡区受周期性水位涨落影响，多生长先锋植物，光学遥感显示为植被与泥滩混合区；不适
宜区出现植物几率极低，认为是近似光滩。这 ４类区域在植被频率 ＶＦ的分 布 图 上对 应 阈 值 ＣＶＦ、
１
ＣＶＦ、ＣＶＦ，据此可将所有像元划分为 ４类，对应植被出现频率为高、中、低、极低 ４个等级。
３
２
为确定滩地上各分区对应的淹没频率阈值，需确定植被频率 － 淹没频率之间的关系。具体过程如
下：（１）在研究区域内，确定每个像元的淹没频率和植被频率，以空间坐标（ｘ，ｙ）为索引，将其存储
到两个数组 ＦＦ（ｘ，ｙ）、ＶＦ（ｘ，ｙ）中；（２）将 ０～１００％的淹没率按 １％为步长划分为 １００个区间，根
据各像元 ＦＦ值将像 元 分配 至各区 间，形 成 １００组 数 据，各 组 数 据 的 ＦＦ均 值 为 ＭＦＦ，ＶＦ均 值 为
ｄ
ＭＶＦ；（３）采用 Ｌｏｇｉｓｔｉｃ曲线对 ＭＦＦ － ＭＶＦ数据进行拟合，方程形式为 ｙ ＝ ａ ＋ （ｂ?（１ ＋ （ｘ?ｃ））），其中
ａ、ｂ、ｃ、ｄ均为常数，ａ是纵向偏移量，ｂ是曲线的上限，ｃ是中心位置，ｄ是曲线的斜率；（４）将
植被频率的突变点 ＣＶＦ、ＣＶＦ、ＣＶＦ对应到 Ｌｏｇｉｓｔｉｃ曲线上，即可查得对应的淹没频率阈值 ＣＦＦ、
３
１
２
１
ＣＦＦ、ＣＦＦ。
２ ３
之所以使用 Ｌｏｇｉｓｔｉｃ曲线对 ＭＦＦ－ＭＶＦ数据进行拟合，是因其可以很好地描述生物种群的增长和
扩散过程，在生态学领域中得到广泛使用 ［３２ － ３３］ 。在河漫滩植被生长增殖过程中，高淹没频率会限制植
被扩张范围和生长数量，淹没频率与植被频率之间的负相关关系也可以通过 Ｌｏｇｉｓｔｉｃ方程加以量化。

４ 结果分析与讨论

４．１ 影像处理结果 遥感影像的处理针对所有可用的单幅影像逐次开展。以 １９９５年 ２月 ２７日突起洲
影像为例，按照影像处理步骤，分别生成识别水体的 ＭＮＤＷＩ灰度影像和识别植被的 ＮＤＶＩ影像，再
使用 ＯＴＳＵ算法分别获取最优分割阈值，最后生成淹没和覆被二值化的栅格数据，组合后形成分类图
用以进行精度评价，其结果如图 ３，混淆矩阵见表 ２。
表 ２中的验证样本基于 Ｌａｎｄｓａｔ卫星的 ＲＧＢ真彩色合成影像，结合 １９９５年 ２月 ２７日地物分布特
征目视解译判定验证像素点 ５５５２个，其中光滩 １１７５个、植被 １５９３个、水体 ２７８４个，均匀分布在研
究区内。分类结果显示，光滩错分较多，植被和水体错分较少。光滩错分较多的原因是其作为水体和
植被的中间带与两类地物均有交叠，其误差是光滩与两类地物单独分类误差的累积。水体和植被的生
产者精度和用户精度均达较高水平，一方面是在进行水体和滩地的分类时选用了较为可靠和稳定的光
谱指数增大了地物可分离度；另一方面是通过划定合适的研究区域和水体掩膜的方式保证了较少的地
物特征，减少了错分和误分的误差。同时，采用水体掩膜后 ＮＤＶＩ影像和 ＯＴＳＵ算法的结合，可以较
好地识别植被范围，不受季节和植被物候影响，即使处于枯期的枯黄植被也可以准确辨识，参见图 ３。
表 ２结果显示，该景影像总体分类精度达 ９９．３％，Ｋａｐｐａ系数为 ０．９９。与此类似，选取研究历时内不
同时段影像进行精度评价，其总体精度均在 ９０％以上，表明本文分类结果和目视验证数据间具有良好
的一致性。

— ２ ４ ３ —