基于FSDAF模型的红树林月尺度动态变化监测

【目的】红树林是一种生长在海陆过渡地带的特殊珍稀木本植物群落,具有较高的经济价值,同时还能提供多种生态服务功能。然而,由于自然和人为干扰的双重影响,使红树林资源受到严重威胁,红树林资源保护工作迫在眉睫。红树林空间分布的准确获取及动态变化监测是红树林科学保护工作顺利开展的前提。目前光学卫星影像仍是大区域研究最常用的遥感数据源,但由于红树林所处海陆过渡地带多云雨,而常用中高分辨率光学卫星影像则受云雨影响较大,导致不易获取连续的高质量影像数据,致使现有变化监测频率多为年际变化,监测结果难以为红树林资源保护提供及时有效的数据支撑。【方法】时空融合模型通过将低空间分辨率影像与高空间分辨率影像融合从而预测某一时期影像,为基于离散光学影像重建连续高质量光学影像提供了可能,而FSDAF模型作为常用的时空融合模型,不仅模型所需影像数量较少,且对异质性较高区域有较强适用性。因此,本研究拟采用FSDAF模型,将Sentinel-2、Landsat-8与MODIS进行融合,从而构建以月为时间尺度的连续时间序列影像,并采用优选特征的面向对象随机森林分类方法提取月尺度时间序列红树林空间分布,进而实现红树林资源月尺度动态变化监测。【结果】基于FSDAF模型所得融合影像与原始影像高度相似,在无云区域两影像相关系数R^(2)为0.92,有云区域相对较低,R^(2)为0.73。同时,基于优选特征组合的面向对象随机森林分类方法能够实现红树林空间分布的精确提取,总体精度为96.84%,Kappa系数为0.88。基于月尺度时间序列红树林空间分布提取结果可知,2018年、2019年、2020年9—12月红树林面积分别增加了0.61、0.37和0.33 km^(2),而2018—2020年8—12月各月红树林面积分别增加了0.15、0.52、0.41、0.24、0.02 km^(2),由此可知2018—2020年不同月份红树林面积变化差异不同,最大差异为0.52 km^(2),而最小差异仅为0.02 km^(2)。【结论】1)基于FSDAF模型不仅可生成所需月份的影像数据,而且生成的融合影像与原始影像相关系数较高,可用于红树林月尺度动态变化监测。2)基于优选特征组合的面向对象随机森林分类方法能够实现红树林空间分布的精确提取。3)基于FSDAF模型生成的月尺度时序影像数据可实现红树林月尺度动态变化监测,提高了监测的时间频率,有利于发现红树林的变化并及时采取措施,可为红树林资源保护与恢复提供更加及时的数据支持。