湿地位于陆地和水域的过渡地带,是水陆相互作用形成的独特生态系统,具有调蓄洪水、净化水质和调节气候等功能,被誉为“地球之肾”. 然而,近百年来,人类活动加剧了湿地资源的流失和景观格局的变化. 20世纪以来,全球64%~71%的湿地资源流失[1]. 受城市化的影响,位于城市边缘的城市湿地面临着更大的威胁. 各国政府和学者认识到湿地对人类生存和发展的重要性,逐渐加强了对湿地的监测和保护,建立了湿地资源动态数据库[2],湿地动态变化检测成为全球变化检测的重要内容. 利用多时相遥感数据估算不同时期的湿地面积分布、构建湿地景观格局是湿地变化检测的重要手段[3-4]. 过去几十年里,大量的遥感传感器被用于湿地研究,在湿地土地利用/覆被制图、湿地植被分类、湿地碳循环及气候响应以及湿地生物多样性等研究领域取得了一系列成果. 美国Landsat系列多光谱扫描仪(MSS)、专题制图仪(TM)、增强的专题制图仪(ETM+)、陆地成像仪(OLI)[4-6]和法国SPOT系列[7-8]是主要的卫星传感器,常被用于湿地制图和面积变化动态检测. 近年来,随着遥感传感器的发展,湿地研究的精度不断提高,IKONOS、Worldview等包含更丰富的湿地地物纹理和几何拓扑信息的高分辨率遥感影像的应用,有效提高了湿地遥感的分类精度[9-10]. 此外,雷达具有全天候工作优势且具有一定的穿透力,ALOS-PALSAR、ERS-1 (European Remote Sensing)和RadarSAT等雷达数据常被用于湿地土壤湿度变化检测和湿地生物量估算研究[11-12]. 湿地遥感制图方法由目视解译和面向像素的监督分类发展为基于高分辨率遥感影像的面向对象的湿地地物信息提取[13-14]. 然而,高空间分辨率的商业卫星是近20 a才发展起来的,利用中低分辨率商业卫星对湿地资源的追溯也多基于20世纪80年代以来的Landsat系列卫星影像. 美国20世纪六七十年代的分辨率达1.83 m的CORONA KH-4B间谍卫星影像自1995年解密后用于科学研究,填补了早期高分辨率遥感影像数据的空白[15],为重建50 a前的湿地景观格局提供了可能.
西溪湿地位于杭州市西部,属河流兼沼泽型湿地,在千余年人类渔耕经济作用下逐渐演变成次生湿地[16],同时具有城市湿地和农耕湿地的特征. 由于民国以来西溪一带农村经济的发展与人口的增长,尤其是20世纪50年代后西溪地域多个乡镇的建立与工厂企业的发展[17-18],西溪湿地不断被蚕食,湿地水质恶化,生态功能下降,原有的湿地景观受到极大破坏. 随着杭州西湖西进战略和西溪湿地综合保护工程的实施[18],西溪湿地受到保护性开发,2009年建成我国首个国家湿地公园. 余敏杰等[19]利用1991年、1999年和2004年的3期Landsat TM影像研究西溪湿地15 a来的景观格局变化. 刘甲红等[9]利用IKONOS(2000年)、QuickBird(2007年)和WorldView 2(2012年)的高分辨率遥感影像,通过目视解译方法分析2007—2012年湿地变化机制的驱动力. 本研究利用美国20世纪六七十年代的CORONA KH-4B间谍卫星影像,通过面向对象分类方法进行西溪湿地分类,分析其分类精度及适用性,重建近50 a前的杭州西溪湿地景观格局,并结合近期Worldview 2影像与高分1号影像的分类与景观指数统计结果,研究近50 a来西溪湿地景观格局变化.
1 数据与方法 1.1 数据如表1所示,本研究使用的数据包括1969年CORONA KH-4B卫星影像、2011年Worldview 2影像、2015年高分1号影像以及2016年Google Earth影像,其中CORONA影像、Worldview 2影像和高分1号影像用于分类和景观格局分析,Google Earth影像用于图像配准. 单景CORONA KH-4B影像地面覆盖面积约为217 km×16 km,采取的是全景摄影,存在全景变形,且只有1个全色波段. 相对于Worldview 2和高分1号等商业高分辨率卫星影像,该影像的几何校正与后期处理存在一定困难[20]. 使用的CORONA KH-4B影像任务号是DS1108-1070,覆盖整个杭州地区. 根据西溪湿地1969年的分布范围,在CORONA KH-4B影像与高分1号影像上截取东经120°0′49.00″~120°8′11.95″,北纬30°15′21.14″~30°18′27.44″作为研究区,面积为5 907.45 ha(1 ha=10 000 m2). 2009年西溪湿地三期工程建成开放后,西溪湿地范围已经减缩至西溪湿地国家公园,为分析西溪湿地核心区域(国家公园区域)的景观格局变化,以西溪湿地国家公园边界作为研究区范围,在CORONA KH-4B影像与Worldview 2影像上截取东经120°2′17.17″~120°5′14.86″,北纬30°15′19.42″~30°17′1.26″作为核心区域研究区,面积为1 090.85 ha.
使用2016年的Google Earth影像作为基准影像进行几何纠正. 由于和CORONA KH-4B影像之间存在较大时间差,地物变化很大,地面控制点的选取较为困难. 选择研究区内受到保护而未发生明显变化地物,如古桥梁、古建筑等,同时结合手动选取与自动预测方法选取控制点,将各地面控制点的RMS值控制为小于1.0.
使用ENVI FX工具分别对CORONA KH-4B影像、Worldview 2影像与高分1号影像进行面向对象分类. 另外,对CORONA KH-4B影像采用面向像素的监督分类方法以对比分类精度. CORONA KH-4B影像仅具1个全色波段,使用基于规则的分类方法难以获得较好的分类效果,因此选择基于样本的面向对象地物分类方法. 首先进行图像分割及融合,考虑到研究区的湿地特征,分割过程中首先保证河道及池塘的边界正确,以此为基础在最大程度上检测各类地物边界. 经过多次试验,采用基于边缘的算法,确定在分割尺度与归并尺度分别为40%和20%时,分割较合理. 选择样本时尽量选择具空间特征的样本,避免选择由于分割导致的碎斑,从而尽可能避免提取到错误的类别信息. 采用K邻近分类器对影像进行分类,经过试验,确定K=7时分类结果较好. 对高分1号影像进行融合操作后得到分辨率为2 m的多光谱波段,并对Worldview 2影像与高分1号影像使用基于规则的面向对象分类方法[21-22]进行分类,分类效果较好. CORONA KH-4B影像、Worldview 2影像与高分1号影像的分类类别均为6个,分别为河流、池塘、道路、耕地、建筑、植被. 分类完成后,产生较多碎斑,为提高地物的空间连续性和分类准确性,采取手动修改、类别集群及主要分析等分类后处理手段完善分类结果,其中CORONA KH-4B影像分类后处理操作的面积占总面积的5.58%,高分1号影像为1.87%,Worldview 2 影像为3.65%.
1.3 景观格局指数基于处理完毕的CORONA KH-4B影像、Worldview 2影像与高分1号影像的分类图,使用Fragstats 4.2软件进行景观格局分析. 如表2所示,从斑块类型与景观两个水平上,共选择12个景观指数进行景观格局分析[23]. 表中:i, k为斑块类型;j为某一斑块类型的斑块;m为斑块类型数(包括景观边界中的斑块类型);ni为i类斑块总数;i=1, ···, m;j=1, ···, n;k=1, ···, m;sij为斑块类型i中斑块j的面积;pi为斑块类型i在整个景观中的面积比重;S为景观总面积;lik为位于斑块类型i与斑块类型k之间的边缘总长度(包括涉及斑块类型i的景观边界线和背景);Li 为斑块类型i总边缘长度;minei为ei的最小可能值;gik为基于双倍法的斑块类型i和斑块类型k之间的节点数.
分别采用基于样本的面向对象方法与面向像素监督分类最小距离法,对CORONA KH-4B影像分类. 面向对象方法分类结果(如图1(a)所示)的总体分类精度为79.60%,Kappa系数为0.69,混淆矩阵如表3所示. 面向像素分类结果的总体分类精度为69.80%,Kappa系数为0.51,混淆矩阵如表4所示.
相对于面向像素方法,面向对象分类方法对于河流、池塘有更高的分类精度,在面向像素分类结果中被大量错分为耕地的池塘,在面向对象分类结果中与耕地有较好的区分度;2种方法在植被和耕地的分类中效果都较好,面向对象方法略有优势;2种方法中道路和建筑的分类效果相对差些,但由于建筑少面积小,可能存在一定随机性. 整体而言,面向像素监督分类方法的分类总精度不足70%,Kappa系数只有0.51,远低于面向对象分类方法,且对于关键地物池塘和河流的分类效果较差. 虽然CORONA影像的分类结果与高分1号影像面向对象分类结果(如图1(b)所示,分类总精度为86.91%,Kappa系数为0.82)以及Worldview 2影像面对对象分类结果(如图2(a)所示,分类总精度为86.09%,Kappa系数为0.82)相比有一定差距,但CORONA影像有着时间上的优势以及早期高分辨率的优势,采用基于样本的面向对象分类方法可取得较好的分类效果,弥补早期数据的空白,能够满足研究所需.
根据CORONA影像的分类结果,进行景观指数计算,斑块类型水平的景观指数计算结果如表5所示.
3.1.1 面积特征根据斑块类型面积(CA)与某斑块类型面积占景观面积比(PLAND)两个景观指数的1969年统计结果,丰度最高的是耕地景观要素,其斑块类型面积为3 809 ha,占1969年研究区总面积的54.3%;其次为池塘与植被,分别占研究区总面积的10.3%和10.0%;丰度最小的是建筑与道路景观要素,分别占2.5%与0.2%. 可见,1969年西溪湿地呈现出耕地景观要素与池塘、河流等湿地景观要素共存的格局,同时极低的建筑与道路丰度与当时杭州城西尚未城市化的情况相符.
根据1969年斑块面积标准差(PSSD),6种景观要素类型可分为2级:耕地景观要素为第一级,PSSD指数远大于其余景观要素类型;其余景观要素类型为第二级. 耕地景观要素极高的PSSD指数,反映不同耕地斑块之间面积差异巨大,即研究区中存在连通度极高、大面积分布的耕地,同时存在面积很小、零星分布的耕地. 结合分类图,前者分布在研究区北部,后者分布在自然湿地之中,被池塘、植被与建筑分割成面积较小的斑块. 其余景观要素类型的不同斑块之间面积差异不大,分布较为均匀.
3.1.2 边界特征总边缘长度(TE)与边缘密度(ED)反映各斑块类型的边界特征. 一般来说,边缘密度越大说明斑块外形较不规则、破碎度较高,且内外物质能量交流较频繁;而较小的边缘密度说明斑块具较为规则的几何外形. 据统计结果,1969年6种景观要素类型边缘密度由高至低分别为:耕地、植被、建筑、池塘、河流、道路. 耕地的边缘密度最高,主要是受到分布在研究区中部、南部的耕地斑块影响,这部分耕地在自然湿地中开发,受到较大的空间上的限制,因此破碎度高且形状不规则. 池塘的边缘密度偏小,说明其形状较规则,结合分类图目视解译,池塘多为矩形,可能受较大的人为干扰影响. 河流与道路较低的边缘密度,是由其条带状分布的形状特征导致的.
3.1.3 形状特征景观形状指数(LSI)反映各斑块类型形状的不规则程度. 据统计结果,1969年LSI指数从大至小分别为建筑、植被、耕地、池塘、道路、河流. 建筑景观要素在分类结果中呈面积很小的斑块分布,受影像分辨率影响,不规则边界造成LSI指数计算结果较大,在一定程度上反映1969年西溪湿地内的农居点无规则零星分布的特点. 植被和耕地较高的LSI指数,说明其分布具有半自然性质. 池塘、道路、河流较低的LSI指数,反映其经人为改造后呈现出类矩形或带状等较规则的形状.
3.2 景观水平根据CORONA影像的分类结果,景观水平指数计算结果如表6所示.
3.2.1 混合状况使用蔓延度(CONTAG)及散布与并列指标(IJI)2个景观指数对研究区景观破碎度与聚集度进行分析. 前者衡量不同斑块类型的团聚程度及延展趋势,后者衡量不同斑块类型混合分布的规律性. 据1969年统计结果,景观的CONTAG指数为63.95%,蔓延度较高,这主要来源于人为干扰下具良好蔓延性的耕地景观要素对整体的贡献,同时说明各类景观要素的混合程度相对较差,土地利用分割尚不细致. 景观的IJI指数为69.91%,结合斑块尺度水平的IJI值,说明1969年整个研究区各类景观要素的混合是相对无规律的. 从斑块类型角度考虑,耕地的IJI值最大,这是由于耕地面积很大,其边缘与各类景观要素的接触概率较为均等. 植被的IJI值最小,这是由于研究区中植被往往临水生存,植被斑块边缘与河流、池塘斑块的接触概率相对其他类型的斑块较大.
综上所述,1969年研究区中各类景观要素的混合程度相对较差,同时各景观要素类型的混合不具明显规律性,仍处于相对自然的混合状态. 可以认为,1969年研究区已经受到一定程度的人为干扰,该干扰主要表现在大片耕地的垦植,但该人工改造仍处于初步阶段,尚未形成密集细化的土地利用分割.
3.2.2 多样性使用Shannon’s多样性指数(SHDI)、斑块丰富度密度(PRD)、Shannon’s均匀度指数(SHEI)对研究区景观多样性进行分析. 总体而言,1969年研究区景观多样性较低,反映区内景观要素类型相对单一的面貌. 另外,在均匀度上,除研究区北部分布的大片耕地之外,其余景观要素的分布是比较均匀的.
3.3 小结根据一系列斑块类型水平与景观水平的景观指数统计,重建1969年西溪湿地的景观格局. 从景观水平来看,1969年研究区呈耕地与自然湿地并存的面貌,耕地是研究区内面积最大且连通性最高的景观要素;自然湿地要素在面积上仅次于耕地,但在耕地扩展的影响下表现出较高的破碎度;城市化尚未开始,仅有少量居民点零星分布;景观异质性程度一般,多样性处于相对较低的水准;人为干扰程度一般,主要干扰形式为农业耕作.
从斑块类型水平看,耕地占区域总面积的一半以上,是处于绝对优势的景观要素,在研究区北部呈大面积连通的耕地斑块分布,在研究区中部及南部破碎化程度较高且形状不规则. 池塘与植被景观要素均占区域总面积的10%左右,是自然湿地的重要构成部分;主要分布在研究区中部及南部,但较为破碎、斑块面积普遍较小、缺乏大型廊道;形状上池塘多呈规则矩形,而植被的外形多不规则. 河流景观要素占区域总面积的6.9%,与池塘一同构成自然湿地水体景观;空间上主要呈稀疏的网格状,沟通池塘;形状上呈条带状. 建筑景观要素仅占区域总面积的2.5%,空间上呈点状较均匀地分布在整个研究区内;面积上均呈小面积的斑块,不同斑块的面积相近,未出现连通度高的片状建筑物;形状较为不规则,缺少整体规划. 道路景观要素仅占区域总面积的0.2%,研究区北部的一条东西向道路,是唯一的较规则的道路,其余皆为分布在耕地与湿地中排列杂乱且不具连续性的道路.
4 近50 a西溪湿地景观格局演变选择2015年的高分1号影像作为时间端点,进行面向对象分类(如图1(b)所示)及景观格局分析(如表5、6所示),对比20世纪六七十年代的西溪湿地与现今该区域的景观格局差异,分析近50 a来西溪湿地景观格局的演变及其驱动力. 杭州西溪湿地国家公园于2009年建成开放,选择西溪湿地国家公园范围的CORONA KH-4B影像和Worldview 2影像进行分类(如图2所示)及景观格局分析(如表7、8所示),对比现西溪湿地核心区域(国家公园范围)景观格局在50 a间发生的变化.
经过近50 a的城市发展,20世纪六七十年代的西溪湿地景观结构发生显著改变. 原本占绝对优势的耕地景观要素几乎完全被城市建筑要素取代;除出于城市绿化目的人工栽种的植被景观要素与主要河流外,1969年湿地研究区内的池塘、河流与植被等湿地景观要素则被大幅度压缩至现今的西溪湿地核心区域内.
西溪湿地核心区域的景观格局在基本保持原有面貌的情况下发生了一定变化. 湿地内部原有的耕地景观基本消失,目前西溪湿地核心区域主要由植被、池塘、河流3种湿地景观要素组成,建筑与道路小片状分散分布. 植被丰度显著提高,破碎度降低,出现连通性较好的大型植被斑块. 池塘的丰度降低,斑块破碎度略有降低,形状规则程度提升,但斑块面积普遍仍较小,缺乏大型连通斑块. 河流呈稀疏网格状分布,主要河道未发生明显变化,但湿地内部连通各个分散池塘的河道有一定增加. 西溪湿地公园景观多样性明显提升,而均匀度有所下降.
近50 a来西溪湿地景观格局演变的主要驱动力是杭州城西建设与西溪湿地综合保护工程的实施. 城市建设从根本上改变了20世纪六七十年代西溪湿地原有的空间分布格局,并使湿地内优势景观要素发生改变. 湿地综合保护工程与湿地国家公园的建立,在城市扩大的进程下保留住了一部分湿地,同时大范围改造、重构了湿地内部[18]. 原存河道的改造连通、人工水体的建成、观赏植物的栽种、建筑道路的修建等,使西溪湿地内部景观格局发生变化.
结合前人对西溪湿地20世纪80年代景观格局的恢复工作[24]和西溪湿地Landsat 5-TM影像(1985年、1998年)、Google Earth影像(2006年、2010年、2016年)的监督分类及目视解译工作,2009年西溪湿地国家公园的建成主要使西溪湿地的景观格局发生丰度、破碎度及多样性等方面的变化. 在丰度上,耕地、水体、植被景观要素的丰度从1969年至2009年呈持续下降趋势,其中耕地面积的减小速率远高于湿地;建筑、道路景观要素的丰度快速增长,在90年代建筑取代耕地成为绝对优势景观. 2009年后,湿地综合保护工程的实施使水体与植被丰度略有回升,建筑丰度较为稳定,耕地不断减少至完全消失. 在破碎度上,2009年前,耕地、水体与植被的破碎度均呈增大趋势,其中耕地的破碎度增幅最大;建筑与道路的破碎度自1969年至1984年有较大下降,而后保持相对稳定[24]. 2009年之后,耕地破碎度不断上升,建筑的破碎度相对稳定,植被、水体破碎度有所降低. 在景观多样性上,1969年至今整体呈上升而后保持稳定的趋势,说明湿地景观整体结构受人类影响而更加均衡. 人为干扰程度自1969年以来不断增强,主要形式由农业开发向城市建设转变.
5 结 论CORONA KH-4B 影像填补了20世纪六七十年代高分辨率影像的空白. 基于样本的面向对象分类方法能够满足CORONA KH-4B影像分类要求,实现50 a前的湿地景观重建. 西溪湿地1969年景观格局主要呈耕地景观要素与池塘、河流等湿地景观要素共存的格局. 耕地景观要素总体上连通性较高,主要呈大面积斑块分布在研究区北部;池塘、河流等湿地景观要素与耕地、植被交错分布,表现出较高的破碎度. 人为干扰程度一般,主要为农业开发,仅有少量居民点零星分布. 近50 a来,西溪湿地景观格局发生巨大变化,在杭州城西建设与西溪湿地综合保护工程两大驱动力下,区内优势景观要素由耕地变为城市建筑,湿地内部景观格局在基本保持原有面貌的情况下发生一定变化,如耕地消失、植被水体连通度增高、道路建筑修建等.
[1] |
DAVIDSON N C. How much wetland has the world lost? long-term and recent trends in global wetland area[J]. Marine and Freshwater Research, 2014, 65(10): 936-941. |
[2] |
YAN F, LIU X, CHEN J, et al. China’s wetland databases based on remote sensing technology[J]. Chinese Geographical Science, 2017, 27(3): 374-388. DOI:10.1007/s11769-017-0872-z |
[3] |
ZHANG F, KUNG H T, JOHNSON V. Assessment of land-cover/land-use change and landscape patterns in the two national nature reserves of Ebinur lake Watershed, Xinjiang, China[J]. Sustainability, 2017, 9(5): 724. DOI:10.3390/su9050724 |
[4] |
ZHENG X J, SUN P, ZHU W H, et al. Landscape dynamics and driving forces of wetlands in the Tumen River Basin of China over the past 50 years[J]. Landscape and Ecological Engineering, 2017, 13(2): 237-250. DOI:10.1007/s11355-016-0304-8 |
[5] |
方中祥, 李国庆, 冯龙, 等. 胶州湾湿地景观格局变化特征[J]. 湿地科学, 2016, 14(2): 276-281. FANG Zhong-xiang, LI Guo-qing, FENG Long, et al. Characteristics of landscape pattern change of wetlands in Jiaozhou Bay[J]. Wetland Science, 2016, 14(2): 276-281. |
[6] |
路春燕, 王宗明, 刘明月, 等. 松嫩平原西部湿地自然保护区保护有效性遥感分析[J]. 中国环境科学, 2015, 35(2): 599-609. LU Chun-yan, WANG Zong-ming, LIU Ming-yue, et al. Analysis of conservation effectiveness of wetland protected areas based on remote sensing in West Songnen Plain[J]. China Environmental Science, 2015, 35(2): 599-609. |
[7] |
刘志锋, 朱卫红, 南颖, 等. 基于Corona和Spot-5影像的图们江下游敬信湿地变化研究[J]. 湿地科学, 2009, 7(3): 237-242. LIU Zhi-feng, ZHU Wei-hong, NAN Ying, et al. Change of Jingxin Wetland in the lower reaches of Tumen River based on Corona and Spot-5 images[J]. Wetland Science, 2009, 7(3): 237-242. |
[8] |
LI N, XIE G D, ZHOU D M, et al. Remote sensing classification of Marsh Wetland with different resolution images[J]. Journal of Resources and Ecology, 2016, 7(2): 107-114. DOI:10.5814/j.issn.1674-764x.2016.02.005 |
[9] |
刘甲红, 李炆炆, 来周翔, 等. 近十年来西溪湿地变化机制的驱动力分析[J]. 杭州师范大学学报: 自然科学版, 2015(3): 269-275. LIU Jia-hong, LI Wen-wen, LAI Zhou-xiang, et al. The changing driving force of Xixi Wetland during the last decade[J]. Journal of Hangzhou Normal University: Natural Sciences Edition, 2015(3): 269-275. |
[10] |
LANE C, LIU H, AUTREY B, et al. Improved wetland classification using eight-band high resolution satellite imagery and a Hybrid approach[J]. Remote Sensing, 2014, 6(12): 12187-12216. DOI:10.3390/rs61212187 |
[11] |
WILUSZ D C, ZAITCHIK B F, ANDERSON M C, et al. Monthly flooded area classification using low resolution SAR imagery in the Sudd wetland from 2007 to 2011[J]. Remote Sensing of Environment, 2017, 194: 205-218. DOI:10.1016/j.rse.2017.03.005 |
[12] |
HUANG C, YE X, DENG C, et al. Mapping above-ground biomass by integrating optical and SAR imagery: a case study of Xixi National Wetland Park, China[J]. Remote Sensing, 2016, 8(8): 647. DOI:10.3390/rs8080647 |
[13] |
ROBERTSON L D, KING D J, DAVIES C. Object-based image analysis of optical and radar variables for wetland evaluatio[J]. International Journal of Remote Sensing, 2015, 36(23): 5811-5841. DOI:10.1080/01431161.2015.1109727 |
[14] |
FU B, WANG Y, CAMPBELL A, et al. Comparison of object-based and pixel-based Random Forest algorithm for wetland vegetation mapping using high spatial resolution GF-1 and SAR data[J]. Ecological Indicators, 2017, 73: 105-117. DOI:10.1016/j.ecolind.2016.09.029 |
[15] |
陈宁华, 汪新, 杨树锋. 基于CORONA影像的浅层地层信息定量提取[J]. 浙江大学学报: 工学版, 2007, 41(4): 662-667. CHEN Ning-hua, WANG Xin, YANG Shu-feng. Quantitative extraction of shallow stratum information based on CORONA imagery[J]. Journal of Zhejiang University: Engineering Science, 2007, 41(4): 662-667. |
[16] |
单金发. 西溪的水[M]. 杭州: 杭州出版社, 2012: 1–10, 141–151.
|
[17] |
赵福莲, 钱明锵. 西溪[M]. 杭州: 杭州出版社, 2004: 18–20.
|
[18] |
林正秋. 杭州西溪湿地史[M]. 杭州: 浙江古籍出版社, 2013: 128–154. http://www.bookask.com/book/427681.html
|
[19] |
余敏杰, 吴建军, 徐建明, 等. 近15年来杭州西溪湿地景观格局变化研究[J]. 科技通报, 2007, 23(3): 320-325. YU Min-jie, WU Jian-jun, XU Jian-ming, et al. Studies on the changes of landscape patterns of Hangzhou Xixi Wetland in 15 years[J]. Bulletin of Science and Technology, 2007, 23(3): 320-325. DOI:10.3969/j.issn.1001-7119.2007.03.004 |
[20] |
陈宁华. 基于CORONA影像的构造定量分析[D]. 杭州: 浙江大学, 2008: 28–43. CHEN Ning-hua. Quantitative structural analysis based on Corona imagery [D]. Hangzhou: Zhejiang University, 2008: 28-43. http://cdmd.cnki.com.cn/article/cdmd-10335-2009024773.htm |
[21] |
陈晨, 陈静欣, 李向前, 等. 面向对象的高分辨率影像水体信息提取研究[J]. 人民黄河, 2013, 35(9): 68-70. CHEN Chen, CHEN Jin-xin, LI Xiang-qian, et al. Study on water body information extraction from high resolution remote sensing image based on object-oriented method[J]. Yellow River, 2013, 35(9): 68-70. DOI:10.3969/j.issn.1000-1379.2013.09.022 |
[22] |
罗丽娟, 陈文惠, 江春梅. 利用规则对Worldview-2影像进行地物信息提取研究[J]. 亚热带资源与环境学报, 2015, 10(2): 77-83. LUO Li-juan, CHEN Wen-hui, JIANG Chun-mei. Ground objects extraction from Worldview-2 images with rules[J]. Journal of Subtropical Resources and Environment, 2015, 10(2): 77-83. DOI:10.3969/j.issn.1673-7105.2015.02.011 |
[23] |
郑新奇, 付梅臣, 姚慧, 等. 景观格局空间分析技术及其应用[M]. 北京: 科学出版社, 2010: 58–144.
|
[24] |
戎良. 杭州西溪湿地景观格局研究分析[D]. 杭州: 浙江大学, 2007: 43–74. RONG Liang. A study of Xixi Wetland landscape pattern in Hangzhou [D]. Hangzhou: Zhejiang University, 2007: 43–74. http://cdmd.cnki.com.cn/Article/CDMD-10335-2007099055.htm |