基于多源多特征遥感数据的南美洲10米空间分辨率湿地制图

近年来,全球湿地退化的速度不断加快.有关湿地地理分布和类别的制图产品对于湿地的保护和管理至关重要.尽管南美洲是世界第四大洲,但湿地制图的相关研究较少,目前还没有可靠的南美洲湿地地图能够准确反应南美洲湿地空间分布和湿地类别状况.为了解决这一问题,我们利用Sentinel-1、Sentinel-2和SRTM数字高程模型数据,开发了一种样本采集方法和一种包含光学特征、极化特征和形状特征等多源特征的湿地绘图方法,并基于谷歌地球引擎(GEE)平台制作了10米分辨率的南美洲湿地地图.我们的一级湿地分类结果包括六个湿地子类别,总体精度为96.24%,卡帕系数为0.8649;二级水体分类结果中包括五个子类别,总体精度为97.23%,卡帕系数为0.9368.总体制图结果显示,南美洲现有湿地总面积约为173.7万km^(2),占陆地总面积的6.8%.在十类湿地中,浅海水域的面积最大(960527.4km^(2)),水产养殖池塘的面积最小为1513.6km^(2),木本沼泽的面积位居第二(306240.1km^(2)).巴西、阿根廷、委内瑞拉、玻利维亚和哥伦比亚的湿地面积最大,其中巴西和哥伦比亚的湿地类别最为多样.本产品可作为后续监测、管理和保护南美湿地的基准数据.

时序Sentinel-1和Sentinel-2数据支持下的鄱阳湖湿地草本植物群落制图分类

植被是湿地的核心,易受人类活动和气候变化的影响,湿地植物群落分类与制图可以为湿地生态监测与评估提供科学数据支撑。本研究以鄱阳湖国家级湿地自然保护区为研究区,基于2019年月度Sentinel-1和Sentinel-2时序数据,通过提取影像的水体指数和植被指数、红边指数、纹理特征、光谱特征、雷达极化数据5类,共计240个特征指标,使用随机森林、支持向量机和深度神经网络算法进行分类,探寻一套湿地植被分类最优的特征组合和分类方案。(1)光学数据在湿地分类与制图提取中明显优于雷达数据,雷达数据可以在光学数据不足时,作为光学数据的补充。(2)对时序Sentinel-2的各特征变量进行重要性筛选,有助于提高分类精度,优选时间段主要分布在1月、5月、8月、9月、10月和12月份;(2)当对5组特征变量单独分类时,分类精度排序为红边指数组>水体—植被指数组>光谱特征组>雷达极化数据组>纹理特征组;(3)对比组合变量和单独特征变量,组合变量不一定有助于提高分类效果,分类精度排序为:红边指数分类组>水体—植被指数分类组>组合分类组,其中,红边指数组随机森林分类总体精度达0.81,Kappa系数为0.76;(4)对比3种分类方法,分类精度排序为:深度神经网络>随机森林>支持向量机,其中,深度学习方法并没有太大幅度的提高分类精度,相对随机森林算法仅仅提高了2%。故深度神经网络和随机森林算法都可以作为优选算法。本研究给出的分类方案是,使用Sentinel-2和Sentinel-1多时序数据对湿地植被进行精细化分类,时段选择建议1月、5月、8月、9月、10月和12月份的卫星数据更优,特征变量可选红边指数组或者水体—植被指数组产品,分类方法可根据需求选择深度神经网络或随机森林对湿地植物群落进行分类,可得出较优的分类结果。这个分类方案可以有效的提升鄱阳湖湿地植被制图精度,并为决策部门提供科学的技术方案。

湿地遥感制图研究现状与展望

遥感技术是现有进行湿地制图的最有效的方法之一,但是由于湿地本身类别多样且地物构成复杂,使得遥感制图任务十分具有挑战性。随着遥感大数据时代的到来,湿地遥感制图将进入高分辨率、智能化和精细化制图的新时代。论文回顾了湿地的遥感观测机理,并介绍了常用的遥感数据源,尤其是近些年发展的高分辨率和高光谱卫星数据。系统阐述了当前大数据和人工智能理论发展衍生的智能化遥感图像解译算法及其在湿地制图中的应用。分析现有的不同尺度下湿地遥感的典型应用,其总体上呈现的发展趋势如下:在数据方面,由中低分辨率发展到高分辨率遥感;在模型方面,从传统模型驱动发展到数据驱动方法;在应用方面,从单一的湿地范围制图到精细的湿地亚类及其内部地物识别。面对日益严峻的湿地保护形势,复杂多样的景观特性使湿地遥感制图的进一步发展面临困境。本文展望了遥感大数据时代下数据驱动的湿地制图研究趋势,具体包括:湿地遥感大数据融合与挖掘、湿地知识引导的新一代人工智能湿地监测、全球湿地遥感制图,以共同推动未来湿地遥感制图与监测向全球尺度、更高频次、更高分辨率、更细粒度的方向发展。

中国湿地初步遥感制图及相关地理特征分析

以1999～2002年累积的597幅Landsat ETM+遥感影像为数据源,采用人工目视解译为主,同时结合全国高程、土壤、土地利用和Google Earth数据,对全国9ha以上的水面、沼泽等湿地进行了初步遥感制图.在此基础上,利用1km分辨率的全国地形高程数据,1:100万土壤数据、植被数据和1:400万的气候区划数据对湿地分布进行了相关地理特征分析.本次湿地遥感制图得到全国湿地总面积为359478km2,其中内陆湿地占339353km2,非农田人工湿地占2786km2,滨海湿地面积为17609km2.与我国先期的湿地调查统计数据对比,表明除由于制图标准和调查规范不一致引起的差异外,本次制图结果较可信,且更客观、快速和经济.与相关的土地利用数据、沼泽湿地、海涂资源和《中国沼泽志》记录的沼泽等数据的对比表明,专门针对湿地的制图和定期变化监测十分必要.分析表明全国湿地主要分布在海拔<600和2600～5000m的区域,93%的湿地分布在3o以内的坡度.湿地中,除水面外,淋溶土、水成土和半水成土占了35.33%.全国湿地土壤碳储量大约为3.67Pg.全国湿地主要分布在中温带和高寒气候区、湿润区,湿地分布更多地与年干燥度有关.湿地内的主要植被类型包括草甸(23.95%)、草原(11.18%)和栽培植被(22.39%)等,沼泽植被仅占湿地面积的4.59%.

中国1990和2000基准年湿地变化遥感

分别收集1990年前后和2000年前后的美国陆地卫星资料,完成了相应时期的中国全国湿地分布遥感制图.两期制图结果相比较显示,除水稻田人工湿地之外,中国的其他湿地总面积从1990基准年的355208km2下降到2000基准年的304849km2.10年间中国湿地丧失面积约为50360km2,丧失了14%.其中内陆湿地面积由318326km2减少到257922km2,减少19%;滨海湿地由14335km2减少到12015km2,减少16%;而除水稻田以外的人工湿地增加了55%,达到34911km2.湿地丧失的主要省区为黑龙江省、内蒙古自治区和吉林省.三省区天然湿地损失逾57000余平方公里.大部分丧失的天然湿地被转化为农牧用地.新增12000余平方公里的人工湿地,以渔业养殖和水库为主.在新疆、西藏和青海新增近13000余平方公里的湿地,可能由气候变暖造成冰川积雪融化所致.中国湿地减少主要是人为因素所致.

大型国际重要湿地边界及遥感分类数据集(2001、2013)

湿地是全球最具生物多样性和生产力最高的生态系统之一。本数据集依据拉姆萨尔湿地公约网站及保护区等其他辅助资料,对照Google Earth、天地图等高分辨率遥感影像,确定了全球100处大型(面积大于20万hm^2)国际重要湿地的边界。以2001年和2013年Terra/Aqua卫星MODIS传感器250 m空间分辨率16天合成的MOD13Q1产品为数据基础,对归一化植被指数(NDVI)进行滤波和时间序列重建,采用支持向量机方法(SVM)对其进行分类和制图,得到2001年和2013年全球100处国际重要湿地的遥感分类数据集。与高分辨率遥感影像和文献资料等数据比较,湿地遥感分类数据集能够揭示气候波动与人类活动双重影响下国际重要湿地内湿地的时空变化特征;与基于单期遥感数据的湿地监测相比,更具有优势。该数据集可以为湿地保护与管理和全球环境变化研究等提供参考。本数据集共包含3个文件,由.kmz和.shp两种格式存储,压缩后数据量为102 MB。