基于GEE平台的Sentinel-2内陆复杂湖泊藻华信息提取

本文基于Sentinel-2遥感影像协同Google Earth Engine平台,以10 m的空间分辨率提取内陆复杂湖泊乌梁素海黄苔藻华分布信息,提出一个可操作的藻华遥感监测方法。利用基于像素的随机森林模型提取乌梁素海准确的黄苔藻华信息分布图,通过定性和定量相结合的精度评估方法,验证了该方法的稳定性和适用性。结果表明:(1)利用Sentinel-2遥感影像可以获得更精细的藻华信息分布,可以实现频繁且精确的藻华制图。(2)分类的总体精度为91.82%,kappa系数为0.91。本文提出的方法有利于研究区藻华暴发预警和生态环境科学管理。

黄河流域典型内陆湖泊水生植被类群与藻华遥感监测

【目的】构建并选取适于监测黄河流域典型内陆湖泊(乌梁素海)复杂水环境的挺水植被、沉水植被和漂浮藻类的光谱指标,构建决策树分类模型以实现乌梁素海长时间序列的水生植被类群与藻华监测。【方法】基于实测光谱数据,通过光谱特征分析,提取出改进的归一化土壤指数(MNDSI)进行水生植被类群、黄苔藻华和水体外类型的剔除,利用光谱水体指数(NDWI)提取开阔水体,基于改进增强型植被指数(AEVI)提取挺水植被,利用改进的漂浮藻类光谱指数(MFAI)区分黄苔藻华与沉水植被。在此基础上,构建决策树分类模型对1986—2018年乌梁素海的水生植被类群和藻华进行遥感监测,分析其时空分布特征和变化趋势。【结果】通过实测数据和GF-2 PMS人工视觉解译进行精度验证,分类总体精度均大于90%,表明本研究所提出的方法可有效区分水生植被与黄苔藻华,可用于乌梁素海植被类群和藻华变化特征分析及藻华暴发事件监测。【结论】1986—2018年,挺水植被类群呈缓慢增长趋势。沉水植被类群1986—2013年呈减少趋势,2013年后呈快速增长趋势。黄苔藻华无明显变化趋势,但具有一定的暴发性。