基于广义相加模型的东南沿海叶绿素a浓度的多重影响与季节差异

叶绿素a浓度可以评估海水富营养化状况,对沿海叶绿素a浓度影响因素的研究在海洋环境保护方面具有重要意义。而现有研究多关注自然因素对沿海叶绿素a浓度的影响,忽视了人为因素的作用。因此实验以夜间灯光遥感数据表征人类活动强度,根据夜间灯光亮度和沿海叶绿素a浓度间的关系将东南沿海的城市分为3个类型,并同时结合海表温度、风速、太阳辐射、降水等自然因素,通过广义相加模型(GAM)分析不同季节下3类城市中人为和自然等多重因素对沿海叶绿素a浓度的影响。结果表明:在北海、汕头等类型Ⅰ城市中自然因素主导叶绿素a浓度的变化,春季的主导因素为风速,夏、秋、冬季为海表温度;而人类活动对叶绿素a浓度的影响较小且没有显著的影响关系。珠海、东莞等类型Ⅱ城市的叶绿素a浓度受自然因素主导,春、秋、冬季的主导因素为风速,夏季为海表温度;而人类活动在夏、秋季对沿海叶绿素a浓度有较大的促进作用。深圳、香港地区等类型Ⅲ城市中人为因素主导叶绿素a浓度的变化,春、夏、秋季人类活动对叶绿素a浓度的影响最大且为负相关,冬季海表温度对叶绿素a浓度的影响最大。

基于光学与SAR因子的森林生物量多元回归估算——以福建省为例

基于福建省Landsat-8 OLI影像,利用混合像元分解模型从实测样地数据中筛选出"纯净"的植被像元,并将筛选出的样地分为针叶林、阔叶林和混交林3种植被类型,依次提取3种不同植被类型"纯净"植被像元的树高、林龄、坡度属性信息以及对应的光学NDVI、RVI植被因子和合成孔径雷达(SAR)HH、HV极化后向散射因子,分别构成不同植被类型的"含光学特征多元因子"(NDVI、RVI、树高、林龄、坡度)和"含SAR特征多元因子"(HH、HV、树高、林龄、坡度),开展对比研究。采用含光学特征的多元因子回归模型先估测不同植被类型的森林叶生物量,然后根据叶生物量与地上生物量的关系间接估测森林地上生物量。同时,采用含SAR特征的多元因子回归模型直接估测森林的地上生物量。最后,对比分析这两组多元回归模型的估测精度。结果表明:不同植被类型的含光学特征多元回归模型的验证精度(针叶林:R^2为0.483,RMSE为29.522 t/hm^2;阔叶林:R^2为0.470,RMSE为21.632 t/hm^2;混交林:R^2为0.351,RSME为25.253 t/hm^2)比含SAR特征多元回归模型的验证精度(针叶林:R^2为0.319,RMSE为28.352 t/hm^2;阔叶林:R^2为0.353,RMSE为18.991t/hm^2;混交林:R^2为0.281,RMSE为26.637 t/hm^2)略高,说明在福建省森林生物量估算中采用含光学特征的多元回归模型(先估测叶生物量进而间接估测地上生物量)比利用含SAR特征的多元回归模型(直接估测地上生物量)更具优势。

GEE平台下结合滤波算法和植被物候特征的互花米草遥感提取最优时间窗口确定

互花米草的快速入侵严重影响湿地生态系统平衡。因此,精确监测互花米草扩张的时空动态变化过程具有重要意义。尽管现有基于植被物候特征的互花米草遥感提取方法,避免了光谱特征相似性引起的分类误差,但受到云和潮汐的严重影响,难以获取大尺度湿地植被提取特征信息。本文提出一种结合最大值合成法和Savitzky-Golay(S-G)滤波算法提取互花米草关键物候特征,减弱大尺度云和潮汐对时序遥感信号特征的影响,精准重构符合植被生长趋势的NDVI时间序列数据。通过获取关键物候特征,确定互花米草提取的最优时间窗口,基于Google Earth Engine(GEE)平台精准获取互花米草空间分布状况并分析典型地区的互花米草空间分布特征。研究结果显示,生长季初期(6—7月)为互花米草提取的最优时间窗口,该时期总体分类精度为89.81%,Kappa系数为0.88,相比其他时期的总体分类精度提高10.09%,Kappa系数提高0.11。互花米草提取结果表明,2020年福建省互花米草入侵面积总计100.78 km2,主要分布在宁德、福州、泉州以及漳州等地。其中,宁德市互花米草分布面积最广,共计38.08 km2,占全省互花米草分布总面积的37.79%。福建沿岸的互花米草在空间分布上呈现多种地理特征,在半封闭型海湾和河口地区的沿岸附近主要以连续的条带或片状斑块分布,而在低潮位区域则多是零星斑块。本文研究成果能为互花米草扩散的长时期、大范围空间监测提供可行性方案,为湿地植被精准提取提供技术支撑,为实现海岸带资源的高质量可持续利用提供数据基础。