基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.     

广西湿地植被分类系统

较为系统地分析了广西主要的湿地植被类型及其分类系统.依据中国湿地植被的分类原则和分类系统,结合广西湿地植被的生境特征和群落学特征,将广西湿地植被划分为5个植被型组、12个植被型、7个植被亚型、144个群系.     

基于多时相无人机遥感影像优化河口湿地景观分类

河口湿地具有丰富的生物多样性和高度异质化的景观格局。针对河口湿地景观的复杂性,采用传统的基于单幅遥感影像的分类方法并不能得到较好的分类结果。本研究采用多时相无人机遥感影像参与分类,以优化河口湿地景观自动分类结果。选择天目湖上游平桥河河口湿地为研究区,选取4个季节的无人机影像为基础数据源,采用面向对象与决策树相结合的分类方法,针对不同季节组合的影像进行分类。结果表明:采用多时相无人机影像能显著提升分类效果,且参与分类的时相越多,效果越好;单季影像中,春季是最适合进行景观分类的季节,分类总体精度为62.7%,Kappa系数为0.59;当4个季节获取的影像同时参与分类时,分类总体精度为91.7%,Kappa系数为0.90;参与分类的时相光谱特征差异越大,分类效果提升越明显。本研究可为河口湿地景观分类提供技术支持,并提出了一种利用可见光无人机遥感影像进行湿地景观分类的新思路。     

基于TM卫星影像数据的北京市植被变化及其原因分析

植被覆盖变化是全球变化研究的重要内容之一,由于NDVI与植被的分布密度呈线性相关,是指示大尺度植被覆盖的良好指标,因此在宏观植被盖度的估算中常被应用.利用1987年9月26日和2009年9月22日的Landsat TM卫星影像,以NDVI为桥梁,分别计算了北京市域的植被盖度和大于0.1的NDVI差值指数,北京市域与不同生态区域两个尺度对其植被变化情况进行了量化分析,结果表明,2009年与1987年相比,北京市极低覆盖度、中覆盖度和高覆盖度植被的面积均有所减少,其所占全市土地面积的比例从1987年到2009年分别降低了5.15％和0.54％和0.03％;而低覆盖度和极高覆盖度植被的面积比例则分别增加了5.71％和0.01％.大于0.1的植被差值指数统计结果显示,全市域植被质量以改善为主,全市植被发生改善变化的土地面积共919302.3 hm2,其中发生轻微改善的比例为28.31％,中度改善的为41.33％,极度改善的面积为30.36％;全市植被发生退化变化的面积326931.12 hm2,其中发生中度退化、轻微退化和极度退化的面积分别占到了退化变化土地面积的41.98％、43.20％和14.82％.从不同区域的植被差值指数看,植被发生退化变化最明显的区域为燕山山区北部、五环以内和五至六环间区域,这几个区域退化变化的植被面积占相应区域的面积比例分别达到了30.25％、58.17％和47.38％,而且均以严重退化与中度退化为主,两者合计的面积比例分别为15.79％、44.72％和34.19％.而发生退化变化面积比例最小的区域为太行山区和延庆盆地,其退化面积占该区域植被面积的比例分别为13.35％和17.02％,且退化程度均以轻微退化和中度退化为主,其面积比例介于5％-8％之间.从植被变化的驱动力看,目前还看不出北京这种植被变化结果与气候变化之间的直接关联.北京市植被变化的驱动力主要还是人为因素.这包括了区域性的大环境绿化生态工程建设(包括山区与平原区),城市绿化市政工程建设、平原区农业结构调整、新农村生态环境建设,以及由于降水而导致的山区河岸带变化等.其中河流水面变化对河岸带植被变化的影响范围在多年平均水面线外0-150 m范围内,0-100 m范围为受影响较大的区域.     

基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类

高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。本研究使用ETM 遥感数据,借助Matlab神经网络工具箱,构建了基于BP神经网络的滨海湿地覆被分类模型,并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。本研究选择3、4、7、8波段作为输入层变量,单隐藏层设为10个节点,输出层变量对应待划分的8种覆被类型,构建三层式BP神经网络滨海湿地覆被分类模型。结果显示,BP分类总精度为85.91%,Kappa系数为0.8328,与最小距离法和极大似然法的分类总精度相比,分别提高了7.99%和6.08%,Kappa系数也相比提高。研究结果表明,BP神经网络分类法是一种较为有效的湿地遥感影像分类技术,能够提高分类精度。     

滩涂湿地入侵种互花米草植被覆盖度的高空间分辨率遥感估算

互花米草是沿海滩涂生态系统的重要入侵物种,其分布状况和覆盖度是湿地生态研究的重要参数和基础。以宁德三沙湾(三都澳)滩涂湿地为研究区,以SPOT6 6 m空间分辨率卫星影像为数据源,对互花米草分布和植被覆盖度进行研究,并与同期10 cm空间分辨率无人机影像进行比较验证。结果表明,影像覆盖区域内互花米草总面积为20.19 km~2,其中蕉城区互花米草分布较广,面积为9.63 km~2,占研究区互花米草总面积的47.70%。互花米草植被覆盖度整体上以40%-60%和60%-80%的中、高覆盖度分布为主,其分布面积分别为5.44 km~2和4.95 km~2,占互花米草总分布面积的26.92%和24.52%,而40%以下的低覆盖度和80%以上较高覆盖度分布相对较少。SPOT6遥感影像估算得到的互花米草植被覆盖度具有较好的精度,与无人机影像值之间的均方根误差RMSE为0.117,线性回归决定系数R~2为0.918,可用于滩涂湿地植被覆盖度分析。     

叶冠尺度野鸭湖湿地植物群落含水量的高光谱估算模型

利用高光谱遥感技术定量估测野鸭湖湿地植被含水量,对于监测和诊断野鸭湖湿地植被的生理状况及生长趋势具有重要意义,也能够为高光谱遥感影像在野鸭湖湿地植被含水量诊断中的实际应用提供理论依据和技术支持.采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植被冠层和叶片的光谱,并测定了对应的含水量.以上述实测数据为基础,首先以芦苇为例初步探明了不同含水量水平下典型湿地植被冠层和叶片光谱反射率的响应模式,然后采用相关性及单变量线性与非线性拟合分析技术,从冠层和叶片两种层次,对不同尺度下的含水量与“三边”参数及高光谱植被指数进行了分析拟合,并采用交叉检验中的3K-CV方法对估算模型进行了测试和检验,确立了不同尺度下野鸭湖湿地植被含水量的定量监测模型.结果表明:(1)随着含水量水平的增加,芦苇冠层与叶片光谱在可见光波段(350-760 nm)和红外波段(760-2500 nm)的反射率均呈逐渐降低趋势.(2)不同尺度含水量与选取的光谱特征参数整体上相关性较强,与“三边”参数基本上都呈极显著相关,相关系数最大达到0.906;与高光谱指数全部呈极显著相关,相关系数最小为0.455,最大达到0.919,并通过选取不同尺度上相关性最佳的光谱特征参数,分别基于“三边”参数和高光谱植被指数构建了不同尺度下的含水量估算模型.其中,冠层尺度下,黄边面积(SDy)与SRWI( Simple Ratio Water Index)的估算效果最好,估算模型分别为y=-9.462x2 -2.671x+0.608和y=0.219e1.010x;叶片尺度下,红边面积(SDr)与WI( Water Index)的估算效果最好,估算模型分别为y=0.562x+0.376和y=2.028x2 -0.476x-1.009.通过3K-CV的交叉验证,不同尺度下的含水量估算模型均取得了较为理想的预测精度,预测精度的最小值为94.92％,最大值为97.06％,表明估测模型具有较高的可靠性与普适性.(3)高光谱植被指数与含水量拟合方程的拟合度相对高于“三边”参数与之建立方程的拟合度,说明多波段组合的光谱特征参数更适合含水量的判别.     

基于Sentinel–2影像特征优化的于桥水库水生植被提取

水生植被分布情况、结构和演变趋势对湿地生态环境变具有重要的指示意义和科学研究价值。基于Sentinel-2遥感数据,综合应用光谱信息、水体植被指数、最佳指数法(Optimal Index Factory,OIF)计算的纹理特征,结合随机森林分类法,构建特征优化后的随机森林水生植被提取模型,对于桥水库进行水生植被提取。结果显示:该方法能有效的提取出水生植被,总体精度为93.22%,Kappa系数为0.91。进一步与最大似然和支持向量机(SVM)方法进行对比分析,结果表明本算法的总体精度分别提高了19.96%、8.53%, Kappa系数分别提高了0.25、0.11。基于水生植被全年提取结果,分析了于桥水库的水生植被年内变化,发现于桥水库水生植被在五月份最繁盛,随后逐渐消减,直至十月份基本消亡。实验表明:特征优化后的随机森林分类法在Sentinel-2影像水生植被提取中具有较好的适用性。     

湿地植被对北京地区蜻蜓生态分布的影响

蜻蜓目（Odonata）昆虫是半变态类（Hemimetabola）昆虫,它的一生经过卵、若虫和成虫3个阶段。和其他水生昆虫一样,蜻蜓目昆虫是淡水生物群落的重要组成部分,对淡水生态系统起到重要作用。蜻蜓目昆虫在其生活史中,取食、交配等活动离不开水生植物和水域附近的植被。为了研究蜻蜓栖息生境中的湿地植被特征对蜻蜓生态分布影响,对北京地区不同湿地类型的17块样地中296个样方分布的蜻蜓种类、多度以及湿地植被的特征和植物多样性进行调查,记录到蜻蜓6科26属36种,维管植物40科99属150种。应用TWINSPAN对蜻蜓种类和样地进行双向聚类分析,所有样地被划分成为四组。同时,将植被特征因子和湿地植物的多样性视为影响蜻蜓数量及分布的因子进行CCA分析。结果表明：湿地植物的丰富度与植物群落结构的完整性是影响蜻蜓分布的主要因素;各湿地植被特征因子对于蜻蜓生态分布的影响不一,依贡献率由大及小依次为浮水植物层盖度、湿生植物盖度、G1eason丰富度指数、沉水植物层盖度、G-F多样性指数、挺水植物层盖度。并且首次应用G-F多样性指数分析湿地植物的多样性。对于蜻蜓栖息地的保护、城市中对于湿地的兴建和改造也提出了相关保护建议。     

汾河河口湿地植被数量分类与排序

在群落样方调查基础上,采用双向指示种分析（TWINSPAN）和除趋势对应分析（DCA）对汾河入河口湿地植被群落进行了数量分类和排序。TWINSPAN将78个样方分为18个群丛,并论述了各群丛的群落学特征。DCA排序结果反映了植物群落类型与环境梯度水分之间的关系,表明影响群丛分布格局的主导生态因子为土壤水分。     

基于Landsat TM的热带精细地物信息提取的模型与方法——以海南岛为例

应用遥感技术进行精细地物信息提取是研究生态系统结构、过程和功能的重要手段之一。由于热带地区生态系统复杂,为精细地物信息提取带来很大的不确定性,极易产生"同物异谱"、"同谱异物"的现象。研究以地处热带地区的海南岛精细地物遥感信息提取为例,在综合分析典型地物光谱特征、空间分布、斑块形状等基础上,构建和优化了水陆指数WLI(Water and Land differing Index)、乔灌草指数GSI(Grass and Shrub differing Index)、旱地-沙地指数SSI(Field and Sand differing Index),并结合新型通用植被指数VIUPD(Vegetation Index of the Universal Pattern Decomposition Method)及DEM(Digital Elevation Model)等多源数据,提出基于决策树的面向对象遥感信息提取方法。该方法首先确定要提取的对象,明确对象类别与对象隶属关系,然后逐层逐项的提取天然林、橡胶林、浆纸林等地物信息。结果表明,综合提取的精度达88%,相比传统的监督分类方法精度(66%)提高22个百分点,精度明显提高。     

基于遥感的湿地景观格局季相分析

以中国东北地区三江平原北部为研究区域,利用2012年多季相遥感影像作为数据源,结合野外调查数据,应用面向对象的分类方法,根据影像的物候、时相等特征,提取不同月份的湿地信息,进行景观格局季相分析。结果表明:(1)研究区湿地面积、类型格局在同一年不同季节不同月份会有不同幅度的变化,总体呈现缓增骤减的态势。湿地主要分布在低洼地区,主要湿地类型为草本沼泽,其次为河流,其他湿地占总面积比例较小。(2)研究区各阶段湿地都有转化,主要发生在湿地和非湿地之间,多数表现在草本沼泽和草地之间的转化。(3)湿地分布和湿地转化面积主要集中在低海拔区域和低坡度区域,其中海拔100 m和坡度5°以下范围内的湿地分布面积和湿地转化面积占湿地总面积及湿地转化面积的绝大部分。(4)年内季节性湿地转化与降水、温度和湿地植被物候关系密切。     

多源空间数据融合的城市人居环境监测模型与应用研究

人居环境监测作为城市人居环境建设与管理实践提升的基本,是目前人居环境研究落地的重点。传统的城市人居环境监测在数据更新速度、精度等方面存在不足,难以满足精细化管理需求。提出利用遥感数据与互联网的兴趣点POI(Point of interest)数据结合,建立人居环境监测模型。模型主要有两个关键环节,一是构建自动化提取建筑物算法,该算法通过建立地物特征集,以POI点对应样本为种子,利用全局最优和区域生长算法,自动提取城市建筑物,再利用全局最优算法确定其他地类的阈值;二是人居环境指标计算,将建筑物、绿地、水体信息提取结果与POI数据结合,利用密度类与距离类空间分析算法,分别计算自然、社会经济类指标。基于上述模型,利用2018年4月的北京二号遥感影像和POI点数据在北京市回龙观社区进行实验验证,结果显示:信息提取结果中,总体精度超过95%,Kappa系数超过92%,提取效率提高2.3倍,表明信息提取精度高且可信,适合工程化应用。计算回龙观社区人居环境监测指标,分析结果认为,社区内自然类指标差异不大,但缺乏水体生态系统,生物多样性不够丰富,社区内的商业比较繁华,但是学校和医疗不充足,尤其是缺乏大型公立医院。综上,通过人居环境监测模型研究和应用分析,将遥感数据和互联网数据结合应用于人居环境质量监测有效提高了精度和速度,有利于业务化,服务政府管理。     

基于水文平衡的湿地退化驱动因子定量研究

作为地球上最为重要的生态系统类型之一,湿地与森林、海洋并称为地球三大生态系统。但是,近年来湿地生态系统退化速度远大于其他类型生态系统,开展湿地退化的定量评估分析研究对于湿地生态系统的保护和恢复具有重要意义。选择北京城市湿地为研究对象,利用卫星遥感数据分别提取得到1991年和2007年的湿地面积,基于湿地水量平衡理论和湿地水文方程方法,定量评估分析了导致湿地退化的原因和不同驱动因子的贡献率。结果表明:(1)与1991年相比,2007年北京湿地减少约6275.31 hm2,约占1991年北京湿地总面积的24.46%。显著退化区域主要发生在野鸭湖湿地和密云水库湿地,分别减少了约1377.69 hm2和4654.50 hm2。(2)引起湿地退化的自然驱动因子中,以降水减少、入境地表水减少和蒸发量增加为主,驱动湿地退化的贡献率分别为39.22%、14.05%和11.85%。引起湿地退化的人为驱动因子中,以城市扩展为主,驱动湿地退化的贡献率为3.42%,而技术进步所采取的节水措施等有利于湿地保护,贡献率为25.55%。     

基于多光谱影像的森林树种识别及其空间尺度响应

当前,不同空间分辨率卫星影像对森林类型识别结果中普遍存在的尺度效应,而且纹理参量对不同尺度下树种识别精度的影响仍缺乏广泛认知.本研究以中国东北旺业甸林场为研究区,采用观测时相同步、地理坐标匹配的GF-1 PMS、GF-2 PMS、GF-1 WFV,以及Landsat-8 OLI卫星传感器数据组成空间尺度观测序列(1、2、4、8、16、30 m),并结合支持向量机(SVM)模型,探讨了区域内5种优势树种遥感识别结果的尺度变化规律及其纹理特征参数的影响,同时检验了基于尺度上推转换影像的树种识别结果差异.结果表明: 影像空间分辨率对区域树种识别结果具有显著影响,其中,研究区森林树种识别的最佳影像分辨率为4 m,当分辨率降低至30 m时,树种识别结果最差.在1～8 m影像分辨率范围内,增加纹理信息能够显著提高不同优势树种的识别精度,使总分类精度提升了2.0%～3.6%,但纹理信息对16～30 m影像的识别结果没有显著影响.与真实尺度卫星影像相比,基于升尺度转换影像的树种识别结果及其尺度响应特征存在显著差异,表明在面向多个空间尺度的遥感观测和应用研究中,需要采用真实分辨率影像以确保结果的准确性.     

基于多尺度遥感影像分割方法的湿地生态廊道设计

从生物多样性保护的角度,采用多尺度遥感影像分割方法中的人为干扰度模型,计算分割阈值确定湿地生态廊道的宽度,并结合聚类分析法分类的8种人为干扰类型,对建三江地区廊道结构设计进行了研究。结果表明,廊道分割阈值设为20%,非湿地背景噪声为9.43%,湿地生态廊道最佳宽度为1298m。8种人为干扰度中聚类c1、c2、c3和c4类型是受人为干扰较弱的区域,主要分布在浓江、乌苏里江、三江和洪河保护区原始生态环境区域,将其分别设定为核心区、实验区、边缘区、缓冲区4种类型。廊道核心区中的沼泽类型占75%,总体精度高达93.7%,实验区沼泽占72.2%,精度达到75.8%,边缘与缓冲区起到边缘护栏的作用,缓冲区宽度为945m,本研究为湿地生态廊道的建设与修复提供了可靠、科学的参考依据。     

基于TM的渤海海岸带1988～2000年生态环境变化

海岸带作为海陆之间的过渡地带,是全球生态环境最为复杂和特殊之处。研究海岸带土地利用变化对于了解该区域生态环境演变具有重要意义。利用1988和2000年的Landsat-TM数据,在GIS技术支持下,通过一系列空间分析,得到渤海海岸带土地利用/土地覆盖变化,结合社会经济统计资料分析该区域生态环境的动态变化情况及其驱动因素。结果表明,1988~2000年,由于渤海海岸带社会经济的快速发展,海岸带土地利用格局发生了巨大的变化。耕地大面积减少,城乡工矿用地、养殖池塘、盐田急剧扩张;林地、湿地等具有重要生态价值的土地类型面积显著下降。表明强烈的人类活动已经使自然生态系统受到破坏,渤海海岸带生态环境质量总体上呈现下降趋势。     

基于多源遥感数据的植物物种分类与识别: 研究进展与展望

物种分类与识别是生物多样性监测的基础, 明确物种的类别及其分布是解决几乎所有生态学问题的前提。为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题, 本文对2000年以来该领域的研究进行了总结分析, 发现: 当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原; 使用最多的遥感数据是机载高光谱数据, 而激光雷达作为补充数据, 通过单木分割及提供单木的三维垂直结构信息, 显著提高了分类精度; 支持向量机和随机森林作为应用最广的非参数分类算法, 平均分类精度达80%; 随着计算机技术及机器学习领域的不断成熟, 人工神经网络在物种识别领域得以迅速发展。基于此, 本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结, 并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度。     

基于多源遥感数据的生态保护修复项目区监测方法评述

回顾了山水林田湖草生态保护修复项目的实施背景,针对生态保护修复项目监测监管范围广、技术难等问题,强调了基于多源遥感数据开展项目遥感监测的重要性与必要性。从监测指标拟定、遥感地物信息提取、多源遥感数据融合、动态变化检测等方面评述了基于多源遥感数据的生态保护修复项目区监测方法,包括基于中高空间分辨率遥感数据的地物信息提取、融合机器学习的非线性混合像元分析、基于混合像元分析的时空融合等。在总结技术和工作推进方面的优势、局限基础上,提出要结合实际工作,持续优化国土空间生态保护修复监测指标;充分挖掘遥感数据解析的相关算法潜力,提升地物信息提取和混合像元分析的精度;加强时空融合算法与变化检测方法的研究探索,加强相关方法的实践应用;以“山水林田湖草生态保护修复工程试点”项目为平台,建立稳定的国土空间生态保护修复遥感监测运行机制,加强科技创新,形成技术标准,指导工作开展。