2 第43卷第4期 水生态学杂志 2022年7月 鄱阳湖生态经济区的实际情况及现有研究资料（李 1材料与方法 禄康，2001：许凤娇等，2014)，同时考虑遥感影像解 1.1区域概况 译过程中的实际操作性，将鄱阳湖生态经济区土地 鄱阳湖生态经济区（图1）是江西省北部、长江 类型分为湿地和非湿地两大类。非湿地类型包括建 中下游地区的重要经济发展区域(11429'~117° 设用地、林地、草地和裸地，湿地类型分为天然湿地 42E、27°30'~30°06N),区域范围覆盖南昌、景德 和人工湿地，天然湿地又分为河流湿地、湖泊湿地 镇、鹰潭3市全部以及九江、新余、抚州、宜春、上饶、 沼泽湿地，而人工湿地则大致分为库塘、水田。最终 吉安的部分县（市区），共38个县（市区），总面积5.12 将研究区土地类型分为9类。 万km2,占全省国土面积约1/3，人口占全省50%左 本次研究湿地信息的提取采用eCognition面向 右，经济产值约占全省3/5。鄱阳湖生态经济区是我 对象的分析方法(Lobo et al,1996:Wang et al,2004), 国重要的生态功能保护区，也是全球重要生态区：该 eCognition与传统的基于单个像素对影像分类的方 地区属亚热带湿润性季风型气候，温暖湿润，降水丰 法不同，可充分利用某个对象的色调、形状、纹理、等 富，地形复杂多样，低山、丘陵分布广泛且大小河流 特征信息和不同对象之间的相关特征等类间信息进 和湖泊众多。在这种气候及特殊地形的影响下，鄱 行分析，大大提高了数据的自动识别精度：该方法的 阳湖地区水位落差大，因此形成了广阔的洲滩和沼 重点在于影像分割及分类特征提取两方面（陈金丽， 泽地带（谭志强等，2017）。 2009)。 1.3.1影像分割在对鄱阳湖生态经济区3期影像进 行分割时，要使分割后的斑块既不过于破碎，也不能 使斑块过大而造成类别间相互混淆、界限不清。在 进行不同分割尺度实验后，最终选用尺度为50的分 割方法对影像进行多尺度分割，采用的形状指数为 0.7,光谱紧致度为0.3。结果表明，在这一参数设置 下分割后的影像边界较为清晰，且内部同质性较好， 具有较大的可分性（图2）。 图1鄱阳湖生态经济区 Fig.1 Map of Poyang Lake Eco-economic Zone 1.2资料来源及处理 分尺度为3 尺度为同 本文采用的影像数据来源于地理空间数据云网 图2不同分割尺度下的影像效果比较 站(http:www.gscloud.cn),选用鄱阳湖生态经济区 Fig.2 Image segmentation results with different 30m分辨率1995年Landsat5:TM、2005年Landsat7 segmentation scales ETM及20l5年Landsat8OLI共3期遥感影像数据。 13.2特征空间建立本文选取研究区影像的光谱 覆盖全区域需要7景影像，条代号分别为120041、 特征(NDWI、NDVI、各波段均值、各波段标准差、亮 121039、121040、121041、122039、122040、122041。 度值等)、空间几何特征（面积、形状指数、矩形拟合 考虑到不同月份的水位差异及云量影响，在选取影 度、长宽比等)和空间关系特征（相邻关系、包围关系 像时，尽量选取同一月份的数据，但仍有部分月份数 等)建立特征空间，其中光谱特征中的NDVI为归一 据缺失，因此选取了云量最小的9-12月数据。遥感 化植被指数，NDWI为归一化水体指数，二者为根据 影像分类前，对影像的预处理包括辐射定标、大气校 公式输入的自定义特征（表1）。 正等：此外，人口密度、GDP等经济数据均来源于《江 按照距离可分性，在各个特征空间中计算所选 西统计年鉴》及各市区1995一2016年统计年鉴。 类别中每两类间的平均最小距离，通过比较这些平 1.3研究方法 均最小距离，选择其中最大的一个，也就是分离度最 在参照《湿地公约》及我国湿地分类，本文依据 大，那么该平均最小距离所代表的特征组合就是最第 43 卷 第 4 期 水 生 态 学 杂 志 2022 年 7 月 1 材料与方法 1.1 区域概况 鄱阳湖生态经济区（图 1）是江西省北部、长江 中下游地区的重要经济发展区域（114°29′~117° 42′E、27°30′~30°06′N），区域范围覆盖南昌、景德 镇、鹰潭 3 市全部以及九江、新余、抚州、宜春、上饶、 吉安的部分县(市区)，共 38 个县(市区)，总面积 5.12 万 km2，占全省国土面积约 1/3，人口占全省 50%左 右，经济产值约占全省3/5。鄱阳湖生态经济区是我 国重要的生态功能保护区，也是全球重要生态区；该 地区属亚热带湿润性季风型气候，温暖湿润，降水丰 富，地形复杂多样，低山、丘陵分布广泛且大小河流 和湖泊众多。在这种气候及特殊地形的影响下，鄱 阳湖地区水位落差大，因此形成了广阔的洲滩和沼 泽地带（谭志强等，2017）。 图1 鄱阳湖生态经济区 Fig.1 Map of Poyang Lake Eco-economic Zone 1.2 资料来源及处理 本文采用的影像数据来源于地理空间数据云网 站（http://www.gscloud.cn/），选用鄱阳湖生态经济区 30 m 分辨率 1995 年 Landsat5 TM、2005 年 Landsat7 ETM及2015年Landsat 8 OLI共3期遥感影像数据。 覆盖全区域需要 7 景影像，条代号分别为 120041、 121039、121040、121041、122039、122040、122041。 考虑到不同月份的水位差异及云量影响，在选取影 像时，尽量选取同一月份的数据，但仍有部分月份数 据缺失，因此选取了云量最小的9-12月数据。遥感 影像分类前，对影像的预处理包括辐射定标、大气校 正等；此外，人口密度、GDP等经济数据均来源于《江 西统计年鉴》及各市区1995—2016年统计年鉴。 1.3 研究方法 在参照《湿地公约》及我国湿地分类，本文依据 鄱阳湖生态经济区的实际情况及现有研究资料（李 禄康，2001；许凤娇等，2014），同时考虑遥感影像解 译过程中的实际操作性，将鄱阳湖生态经济区土地 类型分为湿地和非湿地两大类。非湿地类型包括建 设用地、林地、草地和裸地，湿地类型分为天然湿地 和人工湿地，天然湿地又分为河流湿地、湖泊湿地、 沼泽湿地，而人工湿地则大致分为库塘、水田。最终 将研究区土地类型分为9类。 本次研究湿地信息的提取采用 eCognition 面向 对象的分析方法（Lobo et al,1996；Wang et al,2004）， eCognition 与传统的基于单个像素对影像分类的方 法不同，可充分利用某个对象的色调、形状、纹理、等 特征信息和不同对象之间的相关特征等类间信息进 行分析，大大提高了数据的自动识别精度；该方法的 重点在于影像分割及分类特征提取两方面（陈金丽， 2009）。 1.3.1 影像分割 在对鄱阳湖生态经济区3期影像进 行分割时，要使分割后的斑块既不过于破碎，也不能 使斑块过大而造成类别间相互混淆、界限不清。在 进行不同分割尺度实验后，最终选用尺度为50的分 割方法对影像进行多尺度分割，采用的形状指数为 0.7，光谱紧致度为 0.3。结果表明，在这一参数设置 下分割后的影像边界较为清晰，且内部同质性较好， 具有较大的可分性（图2）。 图2 不同分割尺度下的影像效果比较 Fig.2 Image segmentation results with different segmentation scales 1.3.2 特征空间建立 本文选取研究区影像的光谱 特征（NDWI、NDVI、各波段均值、各波段标准差、亮 度值等）、空间几何特征（面积、形状指数、矩形拟合 度、长宽比等）和空间关系特征（相邻关系、包围关系 等）建立特征空间，其中光谱特征中的NDVI为归一 化植被指数，NDWI为归一化水体指数，二者为根据 公式输入的自定义特征（表1）。 按照距离可分性，在各个特征空间中计算所选 类别中每两类间的平均最小距离，通过比较这些平 均最小距离，选择其中最大的一个，也就是分离度最 大，那么该平均最小距离所代表的特征组合就是最 2