基于遙感影像的上荊江典型洲灘植被適宜區分布特征研究

袁景耀，孫昭華，李芷晴，周煒興，陳 立

(武漢大學 水資源工程與調度全國重點實驗室，湖北 武漢 430072)

1 研究背景

河漫灘植被具有凈化水質、防沖促淤、穩固岸灘和提供棲息地等多種功能，基于這些功能的生態護岸或護灘技術在河道(航道)整治中得到了越來越多的應用，然而生態型整治工程實施后常出現“青黃帶”分界現象[1-2]，某個高程以下植被覆蓋度和生物量明顯低于預期[3]。在國外一些建壩河流上，曾出現洪水頻次被削減之后河漫灘植被向低處擴張的現象，導致灘地阻力增大、河道行洪能力降低[4]，一些研究還試圖通過水庫調控下泄流量來防止這種不利發展趨勢[5]。在我國長江中下游，上游建壩后大洪水削減是否會導致大量洲灘植被孳生以及是否可通過水庫調控以避免該種局面，也是備受關注的問題。由此可見，厘清河漫灘上適宜植被發育和維持的條件，對于河流生態修復與調控具有重要意義。

河湖濱岸帶植被之所以呈條帶狀或斑塊狀分布，是由于受基質粒徑、營養條件、淹沒歷時和頻率以及植被種類等多種因素的綜合影響[6-9]，其中起決定作用的是淹沒歷時和頻率。目前有不少研究針對湖泊濕地建立了淹沒頻率與植被豐度之間的響應關系[7，10-13]，但針對河濱濕地的研究還較少。相比于湖濱濕地，由于沖積河道狹長而不規則，其洲灘或岸灘具有兩方面特殊性：一是輸沙動力沿河寬分布極不均勻，地形與基質組成既有明顯橫向梯度，又呈現一定空間隨機性；二是水位漲落幅度更大，來流的年際、年內變化會驅使灘地的淹沒時機、頻次和歷時具有強烈的時間隨機性。對一些河流的研究表明，即使灘地植被受多種隨機因素影響，但其總體分布格局仍由淹沒頻率和歷時所主導。然而這些研究多基于碎片化的實地調查，其樣本數量少，僅能形成較為定性的認識[14-16]。還有一些研究嘗試建立植被演替數學模型來定量描述水文特征與植被分布之間的關系[5，17]，但由于岸灘植被需經歷數年至數十年時間才可演替至穩定[5]，此類模型需大量觀測數據以確定經驗參數，若參數不合理則模型難以應用。由此可見，河漫灘植被生長適宜區在長時間尺度上是否具有較強穩定性，以及穩定適宜區對應于何種臨界淹沒條件，仍需結合長系列觀測資料深入探討。

遙感技術在地表性狀監測方面具有時空覆蓋范圍大的突出優勢，已被廣泛運用于河、湖及海濱濕地淹沒狀態與覆被分布的相關研究中[5，8，13，17-20]。例如智超等[19]提出了一種基于時序遙感指數的潮間帶濕地分類算法，利用長時段內各像元狀態頻率來消除潮汐、天氣、植被物候等動態過程對單時序影像的影響。谷娟等[13]利用長時序MODIS衛星遙感影像得到了鄱陽湖濕地退水期的淹沒頻率和最大植被豐度，并基于空間網格分析了植被對淹沒頻率的響應關系。這些研究充分利用了長時序遙感影像的優勢，但主要聚焦在大尺度的海濱、湖濱濕地，其干擾因素的隨機性弱于天然河流。也有少量研究基于天然河流的特點對遙感影像統計分析提出了改進，如Dong等[20]認為計算河漫灘淹沒頻率時不宜簡單統計影像頻次，而應結合河流水文特性對影像數據賦予時段保證率的權重，從而使得淹沒頻率更為合理。上述研究為基于長時序遙感影像的河漫灘淹沒頻率和植被分布特征分析提供了思路和方法，但由于不同自然帶及不同類型河流之間差異較大，仍有兩方面工作亟待開展：一是結合更多河流實例對這些方法實施檢驗或改進；二是集成和使用這些方法來量化植被適宜區的臨界條件。

長江中下游河道寬度達1 km以上，沿程許多位置存在平面尺度達102～103m量級的高大江心洲，這些洲灘在數年至數十年時間尺度上具有較強的穩定性，為遙感影像的使用提供了前提。尤其是在三峽建庫前的天然情況下，長江中下游來水來沙較為穩定，河道長期處于準平衡狀態[21]，植被分布格局對環境因素保持了較好適應性，這些為長時間尺度上宏觀規律的分析提供了良好條件。本文選取上荊江河段內典型江心洲灘為對象，將長時序歷史遙感影像和實測水文資料相結合來計算洲灘淹沒頻率和植被出現頻率，在此基礎上分析植被適宜區分布特點并確定洲灘植被生長的臨界淹沒頻率，為河道治理和生態修復提供科學依據。

2 研究對象與資料

2.1 研究對象概況上荊江地處亞熱帶季風區，年均氣溫14～22℃，無霜期268 d，適于植被生長。該河段來流汛枯分明，年內最大水位變幅超15 m，河道中的放寬段具有大片周期出露的灘地。從河床基質來看，該河段內江口以上為卵石夾沙河床，而其下游為沙質河床。本文選取關洲和突起洲分別作為卵石夾沙和純沙質洲灘的典型代表，二者分別位于枝城水文站和沙市水文站下游(圖1)，洲灘形態在三峽建庫前長期保持相對穩定。

圖1 研究區域概況

由2003年3月施測的河道地形來看，關洲具有南高北低、東高西低的地勢特點。以枝城站年內最枯的2月份平均水位35 m為基準，關洲灘體東西長4.5 km、南北寬1.5 km，總灘地面積約4.9 km2，其中低于40 m的低灘面積為3.4 km2，占比70%，40～45 m的灘地面積為1.3 km2，占比26%，僅有洲尾少部分高灘位于平灘水位45 m以上，面積0.2 km2，占比4%。據實地調查[14，16，22]，關洲頭部及北部為裸露礫卵石夾沙，中部低灘斑塊狀分布有狗牙根、牛鞭草、蘆葦、南荻等天然植被，高灘則分布有灌木、喬木。突起洲南北長9 km，寬約4 km，地勢南高北低，西高東低。以沙市站2月份平均水位30 m為基準，總灘地面積約11.4 km2，其中低于平灘水位40 m的中低灘面積為8.2 km2，占比72%；40 m以上的高灘面積為3.2 km2，僅占比28%。據調查[22]，突起洲植被優勢種以菊科為主，其次為禾本科和豆科，低灘分布有蘆葦、蒲棒等禾本科植物，高灘極少淹沒，因此被墾種苗木、花卉等經濟作物?？傮w來看，兩個江心洲部分高灘雖被開發利用，但中低灘受人類活動干擾相對較小，具備植被自然演替條件。

2.2 數據資料研究時段為三峽建庫前的1986—2002年，該時期內葛洲壩樞紐建成運行曾導致上荊江枯水河槽略有下切，但中洪水河槽基本處于準平衡狀態[21]，汛期水位流量關系較穩定。因此，采用枝城、沙市兩站日均水位系列反映兩個江心洲附近水文特征，資料來源為水文年鑒。本文中的水位和高程統一采用黃海85基面。

研究基于Google Earth Engine(GEE)云平臺(https：//earthengine.google.com)，選取1986—2002年的Landsat 5/7 Level 2 SR產品數據，包含經過幾何校正、輻射定標以及大氣校正等預處理的地表反射率數據，時間分辨率為16 d，空間分辨率為30 m，掃描帶寬為185 km。影像包含可見光、近紅外至短波紅外的8個光譜波段，詳見表1。其中關洲區域所在行列號為124039和125039，突起洲區域的圖幅行列號為124039。

表1 Landsat 5 TM/Landsat 7 ETM+ 影像波段參數

獲取的地表反射率數據需進行篩選、裁剪、去云處理。首先通過篩選去除了云量超過5%的所有影像，然后再分別將兩個江心洲灘的低灘沿寬度方向外延300～400 m，沿水流方向上下延伸1.5～3.0 km作為邊界(如圖1)，在GEE平臺上傳關洲、突起洲的矢量邊界進行裁剪，最后使用QA波段去除云、陰影等觀測質量較差的像素，目視判別保證研究區域內影像無缺損及條帶。經篩選和處理后，獲取關洲區域271景可用影像，其中Landsat5、7影像數量分別為218景、53景；獲取突起洲區域153景可用影像，其中Landsat5、7影像數量分別為123景、30景?；谝陨嫌跋駭祿?，得到關洲區域的像元(30 m×30 m)總數為11 923個，突起洲區域像元總數為20 379個。

3 研究方法

本文的總體研究思路是基于所獲取的17 a影像數據，分別計算長時段內各洲灘區域內各像元的淹沒頻率和植被頻率，從而建立二者之間響應關系，并從中尋求植被適宜區的淹沒頻率臨界條件。具體工作流程見圖2，其中包括4個模塊：(1)影像處理；(2)淹沒頻率計算；(3)植被頻率計算；(4)臨界淹沒頻率確定。以下對各模塊做出說明。

圖2 洲灘植被生長適宜區及臨界條件的分析流程

3.1 影像處理

3.1.1 遙感光譜指數計算 水體光譜指數MNDWI常被用以提取水體信息[23]，歸一化植被指數NDVI被廣泛應用于植被監測[24]，它們的計算式分別為：

(1)

(2)

式中：ρGREEN為綠光波段；ρSWIR為短波紅外波段；ρRED為紅光波段；ρNIR為紅外波段。通過上述光譜指數計算將獲取的多光譜影像轉換成單波段的MNDWI和NDVI灰度影像。為提高植被識別精度，避免復雜地物環境下圖像噪聲的干擾，還對NDVI灰度影像進行了水體掩膜處理[25]，從而生成了不含水體的NDVI灰度影像。

3.1.2 基于OTSU算法的影像二值化 對于MNDWI和NDVI灰度影像，需對各單幅影像中的水體、非水體和植被、非植被區域進行劃分，對此本文采用OTSU算法[26]。

該方法的原理是：假定某個灰度值t，以該值將圖像中的像素分為前景和背景兩類；計算出前景像素點數占整幅圖像的比例ω0，其平均灰度為μ0，背景像素點數占整幅圖像的比例為ω1，平均灰度為μ1，則類間方差為σ2=ω0ω1(μ0-μ1)2；遍歷所有t值，σ2取最大時的t值即為最優分割閾值。OTSU算法能夠基于各幅圖像的灰度特性自動確定閾值，可以快速高效地進行圖像分割，已被廣泛用于湖泊、河流等水陸邊界的提取[25，27-29]，尤其在多時相圖像分割時與單一閾值相比優勢明顯。本文利用長時序MNDWI/NDVI影像集，逐幅對影像實施了二值化，其中0為非水體(非植被)，1為水體(植被)，并分別構建出淹沒和覆被兩大時序數據集。

2.1.3 精度評價 為全面衡量OTSU算法的分類精度和可靠性，使用混淆矩陣計算總體精度OA(Overall Accuracy)、用戶精度UA(User Accuracy)、生產者精度PA(Producer Accuracy)、Kappa系數[28]4個指標對分類結果的精度進行定量評價，各指標定義如下：

(3)

(4)

(5)

(6)

式中：T為真實的總驗證點個數；TP(True Positive)為將正類預測為正類數的個數；FN(False Negative)為將正類預測為負類數的個數；FP(False Positive)為將負類預測為正類數的個數；TN(True Negative)為將負類預測為負類數的個數。OA用以衡量整體分類準確性，UA和PA則關注特定類別的分類準確性，而Kappa系數用以衡量分類模型預測結果和實際結果之間的一致性。

3.2 淹沒頻率計算淹沒頻率的計算對象為像元，該指標反映像元被水體淹沒歷時占總研究歷時的比例，傳統上直接用淹沒次數占總觀測次數的比例來表征。但受影像重訪周期、云層遮蔽等因素影響，時序數據可能間隔不均勻，各圖像所代表的時長會存在差異，用傳統方法計算淹沒頻率會導致較大誤差。水文數據具有的系統、連續的特點，Dong等[20]試圖將水文數據融入淹沒頻率計算中以彌補傳統方法的不足，但其提出的流量保證率修正法物理涵義較為模糊。本文提出一種新的淹沒頻率計算方法，其特點是既考慮水文數據與遙感數據的融合，又嚴格遵循淹沒頻率的定義。

以上計算中隱含了兩個假定：(1)洲灘形態變幅較小，淹沒狀態轉換主要由水位變化主導；(2)相同水位級的淹沒范圍相同?，F實中，長江中游江心洲灘的中高灘年際變化甚小，即便存在低灘部分變形較明顯的個例年份，也已通過淹沒可能性FPk指標從時段平均角度進行了概化。此外，Wen等[29]曾基于遙感影像統計長江中下游140個洲灘，發現0.5 m水位變幅引起的江心洲面積變化僅約0.1 km2。因此，以上兩個假定都近似成立。相比于文獻[20]的方法，本文方法考慮了長時期內各水位級持續時間，且保留了淹沒頻率的原始定義(淹沒歷時與總歷時的比例關系)，更適用于長時序遙感數據分析。

3.3 植被頻率計算單幅影像的植被光譜指數受影像質量、物候季節等動態因素的疊加影響而具有一定隨機性。為能夠從宏觀上反映長時期平均的植被分布狀況，同時又不使計算過分復雜，本文借鑒智超等[19]的思路，基于研究區域內所有可用影像計算每個像元在長時序內出現植被的頻率。

3.4 植被分區以及臨界淹沒頻率的確定國內外學者針對灘地覆被狀態已提出多種分類方法，如鄧帆等[30]將洞庭湖灘地劃分為泥灘地、草灘地、蘆葦灘地和林灘地，Liang等[18]將鄱陽湖劃分為泥灘和四種植被帶，Benjankar等[5]、Auble等[31]綜合考慮灘地高程和植被性質將其劃分為光灘區、先鋒植被區、草本和禾本植被區、木本植被區等?？紤]到植被頻率和覆蓋度雖不完全等價，但二者在長時間尺度上有一定關聯[19]，因而吸收前人研究思路，將灘地劃分為高頻次植被覆蓋區、中頻次植被覆蓋區、過渡區和不適宜區4類。高頻次覆蓋區淹沒頻率低，以喬木、灌木或高桿植物為主，光學遙感顯示常年有植被覆蓋；中頻次覆蓋區有一定淹沒率，以草本和禾本植物為主，光學遙感顯示大多數時間有植被覆蓋；過渡區受周期性水位漲落影響，多生長先鋒植物，光學遙感顯示為植被與泥灘混合區；不適宜區出現植物幾率極低，認為是近似光灘。這4類區域在植被頻率VF的分布圖上對應閾值CVF1、CVF2、CVF3，據此可將所有像元劃分為4類，對應植被出現頻率為高、中、低、極低4個等級。

為確定灘地上各分區對應的淹沒頻率閾值，需確定植被頻率-淹沒頻率之間的關系。具體過程如下：(1)在研究區域內，確定每個像元的淹沒頻率和植被頻率，以空間坐標(x，y)為索引，將其存儲到兩個數組FF(x，y)、VF(x，y)中；(2)將0～100%的淹沒率按1%為步長劃分為100個區間，根據各像元FF值將像元分配至各區間，形成100組數據，各組數據的FF均值為MFF，VF均值為MVF；(3)采用Logistic曲線對MFF-MVF數據進行擬合，方程形式為y=a+(b/(1+(x/c)d))，其中a、b、c、d均為常數，a是縱向偏移量，b是曲線的上限，c是中心位置，d是曲線的斜率；(4)將植被頻率的突變點CVF1、CVF2、CVF3對應到Logistic曲線上，即可查得對應的淹沒頻率閾值CFF1、CFF2、CFF3。

之所以使用Logistic曲線對MFF-MVF數據進行擬合，是因其可以很好地描述生物種群的增長和擴散過程，在生態學領域中得到廣泛使用[32-33]。在河漫灘植被生長增殖過程中，高淹沒頻率會限制植被擴張范圍和生長數量，淹沒頻率與植被頻率之間的負相關關系也可以通過Logistic方程加以量化。

4 結果分析與討論

4.1 影像處理結果遙感影像的處理針對所有可用的單幅影像逐次開展。以1995年2月27日突起洲影像為例，按照影像處理步驟，分別生成識別水體的MNDWI灰度影像和識別植被的NDVI影像，再使用OTSU算法分別獲取最優分割閾值，最后生成淹沒和覆被二值化的柵格數據，組合后形成分類圖用以進行精度評價，其結果如圖3，混淆矩陣見表2。

表2 混淆矩陣精度評價

圖3 突起洲水體和植被信息提取結果(1995年2月27日)

表2中的驗證樣本基于Landsat衛星的RGB真彩色合成影像，結合1995年2月27日地物分布特征目視解譯判定驗證像素點5552個，其中光灘1175個、植被1593個、水體2784個，均勻分布在研究區內。分類結果顯示，光灘錯分較多，植被和水體錯分較少。光灘錯分較多的原因是其作為水體和植被的中間帶與兩類地物均有交疊，其誤差是光灘與兩類地物單獨分類誤差的累積。水體和植被的生產者精度和用戶精度均達較高水平，一方面是在進行水體和灘地的分類時選用了較為可靠和穩定的光譜指數增大了地物可分離度；另一方面是通過劃定合適的研究區域和水體掩膜的方式保證了較少的地物特征，減少了錯分和誤分的誤差。同時，采用水體掩膜后NDVI影像和OTSU算法的結合，可以較好地識別植被范圍，不受季節和植被物候影響，即使處于枯期的枯黃植被也可以準確辨識，參見圖3。表2結果顯示，該景影像總體分類精度達99.3%，Kappa系數為0.99。與此類似，選取研究歷時內不同時段影像進行精度評價，其總體精度均在90%以上，表明本文分類結果和目視驗證數據間具有良好的一致性。

4.2 淹沒頻率結果與分析

4.2.1 長歷時內水位及影像的分布特征 圖4中顯示了1986—2002年枝城和沙市兩站的水位頻率特征，由圖可見，兩站的水位頻率分布都呈微弱的雙峰型，中枯水歷時長。具體來看，枝城站低于年均水位的天數占51%，高于汛期平均水位的天數占28%，高于平灘水位的天數僅占4.5%；沙市站低于年均水位的天數占50.5%，高于汛期平均水位的天數占29%，高于平灘水位的天數僅占4.3%。以上述特征水位作為高、中、低灘的劃分標準，說明低于年均水位的低灘區域年均淹沒歷時超過184 d，處于汛期平均水位以上的中灘淹沒歷時短于106 d，而平灘水位以上的高灘淹沒歷時短于17 d。

圖4 1986—2002年枝城站和沙市站水位頻率

圖5顯示了各水位級下可用影像數量分布情況。由圖可見，水位低于平灘時期的影像數量占比高達98%。經統計，圖5中關洲區域的影像在各水位級內平均為6幅，最小和最大值分別為1幅和12幅；突起洲區域的影像在各水位級內平均為10幅，最小和最大值分別為1幅和18幅。除高水期影像數量較少外，在絕大多數水位期的影像數量分布相對均勻，具備進行淹沒頻率計算的條件。

圖5 1986—2002年關洲和突起洲可用遙感影像對應水位級分布

4.2.2 淹沒頻率特征分析 分別計算關洲區域11 923個像元和突起洲區域20 379個像元的長歷時淹沒頻率，從而得出淹沒頻率柵格數據。在此基礎上，分區間統計了各淹沒頻率下的面積占比直方圖以及平面分布圖，如圖6、圖7所示?？紤]到誤差等原因，圖中將淹沒頻率大于95%視為水體。

圖6 關洲淹沒頻率特征(1986—2002年)

圖7 突起洲淹沒頻率特征(1986—2002年)

在一定水文條件下，洲灘上各級淹沒頻率的像元占比由地形特點決定。由圖6(a)可見，關洲的各級淹沒頻率面積占比分布并不均勻，可劃分為0～5%、5%～20%、20%～50%、50%～95%四級區間。統計各級區間像元所占面積分別為0.22、0.28、2.85和1.53 km2，占95%頻率以下灘地面積4.88 km2的4.5%、5.7%、58.4%和31.4%，可見關洲灘面以淹沒頻率高于20%的中高淹沒區為主。以上4級淹沒區間的像元空間分布見圖6(b)，這與關洲灘面的地勢特點相一致。

根據圖7(a)中突起洲灘面的各級淹沒頻率面積占比，可大致劃分為0～5%、5%～50%、50%～95%三個頻率區間，各區間像元所占面積分別為2.51、2.80和5.76 km2，分別占95%頻率以下灘地面積11.1 km2的22.7%、25.3%，52.0%，可見突起洲的高、中、低淹沒區占比均較大。以上3級淹沒區間的像元空間分布見圖7(b)，與突起洲高灘位于中部、中低灘位于兩側及頭部的地形特點相吻合。需指出，圖7(b)是基于多幅影像平均的結果，相較于圖3中單次影像識別，兩側低灘外源范圍較大。這是由于受汛枯期以及年際間主流擺動影響，突起洲存在低灘調整與左右緣交替消長的現象[34]，呈現出低灘范圍偏大。

綜合來看，在水位頻率特征較為相似的情況下(圖4)，兩個洲灘的淹沒頻率直方圖呈現出不同特點(圖6(a)，圖7(a))，其根本原因是洲灘類型和地形差異所致。關洲為卵石夾沙洲灘，大部分灘面由貼河床運動的推移質塑造，普遍高程較低、淹沒率較高，只有尾部存在純細沙塑造的高灘；而突起洲由懸浮于水體中輸移的細沙塑造，更易生成高灘，圖7(b)比圖6(b)顯得低淹沒頻率的區域比例更大。

4.3 植被頻率結果與分析

4.3.1 長歷時內影像的季節分布特征 植被生長狀況與季節有關，利用遙感影像反演植被頻率時，需考慮影像的季節分布，若影像不能相對均勻地分布在植被生長的各周期，將會導致頻率計算誤差?；诤Y選后的影像，統計了1986—2002年各月份的影像數量如圖8所示，由圖可見，兩個洲灘區域的影像數量在各月份分布相對均勻，汛期稍多于枯期，影像的時間分布具備進行植被頻率計算的條件。

圖8 可用遙感影像在各月份的數量分布(1986—2002年)

4.3.2 植被頻率特征分析 按照前文所述方法，分別計算得到了關洲和突起洲區域的多年平均植被頻率柵格數據，并分區間統計繪制了各植被頻率像元的面積占比直方圖以及平面分布圖，如圖9、圖10所示。圖中將植被頻率小于5%的區域視為光灘。

圖9 關洲植被頻率特征(1986—2002年)

圖10 突起洲植被頻率特征(1986—2002年)

對關洲區域的統計表明，植被頻率大于5%的非光灘區域為0.88 km2，僅占了圖6中非水體區域的18%。由圖9(a)可見，植被頻率直方圖具有兩頭高、中間低的特點，植被頻率分布在20%～85%之間較為零散稀疏，說明該區域植被有著明顯空間梯度特征，在小于20%和大于85%的區間較為集中，說明該區域植被處于相對穩定的狀態。在5%～20%、20%～85%和85%～100%的3個頻率區間內，各級像元面積分別為0.33、0.34和0.21 km2，占比分別為37.2%、39.2%、23.6%，對應的平面分布見圖9(b)。與圖6(b)對比可見，植被頻率大于85%的區域基本對應的是淹沒頻率小于5%的區域，二者僅差0.01 km2；20%～85%植被頻率區對應5%～20%淹沒頻率區，二者面積相差0.06 km2；淹沒頻率大于20%區域中僅有很小部分會出現植被且出現頻率小于20%。

對突起洲區域的統計表明，植被頻率大于5%的非光灘區域為5.91 km2，占圖7中非水體面積的53.2%，說明一半以上的灘地像元有植被存在的可能性。由圖10(a)中的頻率直方圖來看，各級頻率內像元占比同樣具有兩頭高、中間低的特點，可劃分為5%～15%、15%～80%和80%～100%三個頻率區間，各區間內像元面積分別為1.79、1.85和2.27 km2，占比為30.2%、31.3%、38.5%，可見植被頻率大于80%的區域占了較大比重。三個區間內像元的平面分布見圖10(b)，將其與圖7(b)相比較可見，植被頻率大于80%的區域基本與淹沒頻率小于5%的高灘區域重合，二者相差0.24 km2；植被頻率為15%～80%的區域小于淹沒頻率為5%～50%的區域，而植被頻率小于15%的區域遠小于淹沒頻率大于50%的高淹沒區面積。由于植被概率會隨淹沒概率增加而減小，且低灘像元不具備植被生長所需的穩定地形條件，因此出現植被概率甚小。

對比關洲和突起洲的植被頻率特征可見(圖9(a)、圖10(a))，兩者都有低、高頻率區像元相對集中，而中等頻率區像元較為分散的規律。由于中等頻率區植被對水位變動較為敏感，植被密度具有明顯的空間梯度，而在不適宜植被生長的低灘區以及植被生長較穩定的高灘區，植被密度空間差異較小?？傊?，卵石夾沙型的關洲與沙質型的突起洲共同存在15%～20%和80%～85%的兩個植被頻率臨界值區間。

4.4 植被頻率對淹沒頻率的響應關系分析

4.4.1 植被頻率對淹沒頻率的響應關系特征 根據各像元的植被頻率VF和淹沒頻率FF，繪制兩個洲灘所有像元的VF-FF散點分布如圖11(a)所示。由圖可見，散點分布具有一定隨機性，但也呈現了聚集狀的倒“S”型分布，并在5%≤FF≤30%區間內VF急劇下降。為進一步反映VF的頻率特征，在圖11(b)中對VF分級并繪制各級FF下的VF核密度分布，由圖可見：在小于10%淹沒頻率區間內植被頻率分布呈正偏態，其峰值大于80%；在10%～20%淹沒頻率區間內，植被頻率隨機性增強，但仍具有明顯峰值，且峰值大于50%；當淹沒頻率大于20%后，淹沒頻率主峰值迅速下移至10%以下。以上特征說明，每級淹沒頻率下的植被頻率核密度曲線具有顯著峰值，數據集中趨勢明顯，淹沒頻率是植被頻率變化的主要影響因素，而兩個洲灘區域各個淹沒頻率區間內曲線峰值的位置近似性，說明兩個洲灘的VF-FF之間具有共性的響應關系。圖11(b)反映出植被頻率在淹沒頻率大于20%之后急劇衰減的特點，與洞庭湖、鄱陽湖區等其他區域已有認識[7，12，35]是一致的。顯然，植被頻率分布的主導因素是水文特征而非洲灘類型、基質組成等其他因素，圖11中反映的規律雖然基于兩個洲灘，但具有一定普適性。

圖11 兩個洲灘的FF-VF關系

需注意的是，圖11中各級淹沒頻率下植被頻率都顯示出隨機性，說明其他因素也會對植被頻率產生影響。具體而言，關洲位于沙卵石河段，灘面低平且穩定，僅尾部存在上覆黏性顆粒的沙質高灘，高灘與低灘之間地形坡度大，該特點導致淹沒頻率大于20%后植被頻率發生“斷崖式”下降(圖11(b))。突起洲位于純沙質河段，由低灘至高灘地形平滑過渡，植被頻率的隨機性要大于關洲。

4.4.2 植被適宜區的臨界淹沒頻率分析 為了能夠在長時間尺度的平均意義上建立植被頻率-淹沒頻率之間的函數關系，按照3.4節中的方法分別對兩個洲灘區域計算了100組MFF-MVF數據點并以Logistic曲線進行擬合，擬合參數見表3，擬合效果見圖12(a)。由表3可見，兩個洲灘的擬合決定系數R2都在0.98以上。由圖12(a)可見，實測散點都分布在95%預測帶之內。由于Logistic型關系在兩個洲灘區域普遍適用，因而將其MFF-MVF數據合并后統一實施曲線擬合，結果如表3和圖12(b)所示，可見曲線擬合的決定系數仍達0.97，并且兩個洲灘各自的擬合曲線都處于統一曲線的95%預測帶內。該結果說明，兩個洲灘上MFF-MVF之間響應關系可用統一的Logistic曲線描述。出現這種共性規律的原因有：(1)上荊江范圍內氣候、植被種類及生長特性相似；(2)河段內水文特性相似，造床流量相近，高灘淹沒頻率相近[21]；(3)研究時段內河道處于準平衡狀態，年際間洲灘變形甚小且多為短歷時的復歸性波動，而可以生長植被的灘面區域基本為細沙質，級配處于0.05～0.5 mm的極窄范圍，并且年際間低灘變形、灘面基質條件差異等隨機因素的影響又進一步被長時期平均所消除。

表3 Logistic曲線擬合結果

圖12 洲灘的MFF-MVF曲線擬合及植被分區臨界值確定

根據圖12(b)中的Logistic曲線可以確定適宜植被生長的臨界淹沒頻率。由圖9(a)、圖10(a)設定植被頻率閾值CVF1=80%、CVF2=50%、CVF3=20%，其中CVF1與CVF3分別對應頭尾兩個突變點，CVF2對應中部區間的中點。根據這三個閾值從圖12(b)可查出植被頻率為高、中、低、極低之間的臨界淹沒頻率分別為CFF1=4.8%、CFF2=11.8%、CFF3=25.2%，這些臨界值的含義是：在多年平均意義上，年均淹沒天數小于18 d、43 d和92 d的像元區域出現植被的頻率分別為大于80%、50%和20%，而淹沒天數大于92 d的區域植被頻率急劇衰減至20%甚至10%以下，已不適宜植被生長。與圖4相比可見，92 d略短于汛期平均水位以上的年均天數106 d，說明汛期平均水位以下不適宜植被生長。

4.5 研究結果在工程實踐中的意義生態護坡、護岸技術在長江中下游河道和航道整治工程中已得到較多應用，這些工程規劃設計階段需要根據河道地形和水文條件，確定出適宜植物生長的區域。當前一些生態護岸工程實施后出現個別區域植被存活率低的現象，其原因在于適宜植被生長的條件選取不夠合理。本文根據多年平均植被頻率提出的高頻次覆蓋區、中頻次覆蓋區、過渡區和不適宜區劃分閾值，可為生態護岸工程規劃設計提供參考：岸坡植物的種植應避免布置在不適宜區，而應盡量布置在過渡區以上(年淹沒天數小于43 d)。此外實際工程中可根據這些臨界值對濱岸帶地形實施適當改造，通過局部地形調整使其淹沒頻率大于或小于以上臨界值，從而滿足生態治理需求。

三峽水庫運行后，由于長江中下游大洪水被削減，灘地淹沒頻率降低[36]，河漫灘植被可能通過自然演替而發生面積擴張，但這種擴張將達到何種程度或范圍，尚缺乏定量判據[35]。本文的研究表明，水文條件變化之后，一些區域的植被概率增大，原本的中頻次覆蓋區變為高頻次覆蓋區，過渡區變為中頻次覆蓋區；植被過渡區向原本的不適宜區擴張。這些變化均可以通過本文提出的臨界閾值加以估計，因而本文成果為新穩定狀態的估計提供了判據。以突起洲為例對該問題略作說明：三峽建庫后可引起植被變化主要因素包括來流頻率變化和洲灘形態調整，考慮到2013—2015年實施的荊江河段航道整治工程對突起洲形態影響較大，分別采用2003年和2016年實測地形代表三峽建庫前、后的洲灘形態，根據1986—2002年以及2003—2020年沙市站流量累積頻率曲線可得出CFF1、CFF2、CFF3對應的臨界流量值，假定建庫前后水位流量關系不變，將各臨界流量換算為水位后，可以得到兩個時期的植被生長適宜區分布(圖13)。由圖13可見，雖然三峽建庫歷時尚短，植被與變化環境條件并未達到完全適應的新平衡態，但依據圖12中臨界值估算的植被擴張范圍與實際影像基本吻合。

圖13 三峽建庫后突起洲植被分布估算分區與實際影像

需指出的是，圖12(a)中的MFF-MVF響應曲線是河段內兩個典型洲灘的平均值，且代表長時期平均狀態，因而圖12(b)中得到的臨界閾值能夠為宏觀研究提供參考。但對于某個具體洲灘，由于具體的植被種類、地形地勢、基質條件等因素，實際的臨界閾值與圖中所示可能存在小幅偏差(圖13)。若要對洲灘植被實施更精細描述，顯然還需結合實地調查等手段對影響因素進一步細化。

5 結論

利用Landsat遙感影像提取了1986—2002年荊江河段兩個典型洲灘區域的長時序淹水范圍和植被覆蓋范圍，基于水文數據與影像數據相結合的方法計算了灘面上不同位置的多年平均淹沒頻率和植被頻率，從宏觀角度分析了植被頻率對淹沒頻率的響應規律，進而劃分了植被生長的適宜區并提出了對應的淹沒率臨界條件，得到以下主要結論：

(1)雖然卵石夾沙型和沙質型洲灘的形態、基質組成和淹沒率特征存在差異，但兩類洲灘灘面的植被頻率分布存在類似性，在植被頻率小于20%和大于80%的區域內，各頻率級對應灘面占比均較大，在植被頻率20%～80%之間各頻率級對應灘面占比較小，較為分散，空間異質性較大。

(2)兩類洲灘植被頻率分布在各淹沒頻率區間內具有相似性，在小于10%淹沒頻率區間內植被頻率分布呈正偏態，其峰值大于80%；在10%～20%淹沒頻率區間內，植被頻率隨機性增強，但仍具有明顯峰值，且峰值大于50%；當淹沒頻率大于20%后，淹沒頻率主峰值迅速下移至10%以下。根據這些特征，可將灘面區域劃分為高頻次植被覆蓋區、中頻次植被覆蓋區、過渡區和不適宜區，各區之間的臨界植被頻率分別為80%、50%、20%。

(3)雖然同等淹沒頻率下的植被頻率具有一定隨機性，但淹沒頻率是植被頻率的主導因素。在宏觀的平均意義上，兩類洲灘上的淹沒頻率-植被頻率關系均符合Logistic曲線。根據該曲線，可得到高頻次植被覆蓋區、中頻次植被覆蓋區、過渡區和不適宜區對應的淹沒頻率分別為小于4.8%、4.8%～11.8%、11.8%～25.2%和大于25.2%。

本文采用的方法考慮了天然河流水位變幅大且隨機性強的水文特點，將時序水位數據和遙感影像有機結合，有助于提高淹沒頻率的計算精度，在其他河流也具推廣價值。本文的研究思路和結果可為生態護岸規劃設計和三峽建庫后洲灘植被演替趨勢預測及調控提供參考。