红树林遥感专栏
红树林作为独特的海陆过渡湿地，具有极高的生态系统服务价值，其保护和管理工作关乎人类福祉。多尺度、全方位的红树林生理生态信息是制定科学的红树林管理政策的基础。自20世纪50年代以来，遥感技术逐渐被应用于红树林监测。近年来，随着遥感大数据和云平台的发展，遥感技术已经成为红树林生态系统监测的重要手段。中国红树林面积仅为世界红树林总面积的0.1%，但在Web of Science中检索mangrove和remote sensing两个关键词，截止到2021年1月，中国区的发文量189篇，排在全球第二位。可见中国红树林遥感得到了业内学者的极大关注。本专栏集结了红树林遥感领域9篇最新研究成果，欢迎大家浏览下载引用。
主题关键词： 红树林无人机 物候
- 论文汇编
中国红树林制图的遥感时空概率阈值方法
摘要：红树林作为热带和亚热带海岸带上特有的森林群落，具有独特的生态功能以及重大的社会、经济价值。中国红树林经历了反复的破坏与保护，遥感监测手段可以为实施大规模的红树林生态系统保护和恢复行动提供科学技术支撑。本研究依托Google Earth Engine平台提出一种时空概率阈值法对中国红树林范围进行提取。研究选取2015年516景Landsat 8数据，首先使用非监督分类法进行水陆分离，其次通过生成缓冲区确定红树林潜在生长区，然后协同多种指数与光谱信息构建多特征决策树提取红树林粗略的生长范围，最后基于长时序的红树林粗略范围数据计算红树林生长概率，并通过实验确定概率阈值对红树林进行精细提取。通过实验对比发现时空概率阈值法的红树林生产者精度达90.36%，且能较好地提取幼小、分散的红树林。研究得到了2015年中国红树林分布结果，全国红树林面积为21932 ha，广西和广东两省红树林面积占中国红树林总面积的73.22%，为中国红树林主要分布区域。关键词：遥感;Google Earth Engine;Landsat;红树林;长时序;CMRI2619|5112|4<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04粤港澳大湾区红树林长时间序列遥感监测
摘要：随着遥感数据量的爆发式增长，对变化过程分析的精细化要求与本地算力不足之间的矛盾日益突出。GEE（Google Earth Engine）地理云平台的出现，解决了用户算力紧张的行业痛点。本文以粤港澳大湾区为研究区，在GEE的支持下，构建1987年—2020年年度湿地分类数据集，分析大湾区红树林的时间阶段性特征和空间扩张过程，结合连续长历时分析对变化时间点的准确识别，揭示了保护区设立与滩涂造林等工程在红树林保护与修复中的积极成效。主要结论有：（1）截止到2020年，大湾区共有红树林2174 ha，81%的红树林集中在深圳湾、淇澳岛和镇海湾；（2）大湾区的红树林经历了由平稳发展（1987年—2003年）到快速增长（2003年—2020年）的变化过程，其主要增量来源于镇海湾（40%）和淇澳岛（28%）；（3）淇澳岛和镇海湾的红树林仍处于快速增长期，但淇澳岛增速最快，从2002年至今面积翻了30倍，深圳湾则在早期的快速增长（1987年—2009年）后进入平稳期（2009年—2020年）；（4）由于保护区设立时间较早，深圳湾成为大湾区唯一一个形成稳定核心区的红树林分布区，镇海湾虽然拥有最大的红树林面积，但林道狭窄，景观破碎，生态系统反而更加脆弱；（5）设立自然保护区和滩涂造林都对红树林面积增长起到了积极作用。本研究为大湾区海岸带湿地生态系统保护与修复提供科学的证据支持，对沿海生态屏障建设具有一定的指导作用。关键词：遥感;红树林;连续长历时;Google Earth Engine;粤港澳大湾区;时空信息挖掘;空间扩张过程3766|5737|28<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-041990年—2020年广西北仑河口红树林扰动研究
摘要：监测国家级自然保护区内红树林的扰动，可为滨海湿地生态系统的管理和保护提供数据支撑和决策支持。本研究使用谷歌云平台GEE（Google Earth Engine）建立Landsat长时间序列卫星数据集，结合LandTrendr算法研究了广西北仑河口红树林自然保护区1990年—2020年红树林的扰动情况。结果表明：（1）1990年—2020年，共有45.94 ha的红树林发生了扰动，其中2001年保护区内红树林扰动面积最大，为12.91 ha；（2）1990年—2020年，轻微扰动和中度扰动所占比例较大，分别为57.5%和29.17%，严重扰动所占比例最少，只有13.33%；（3）红树林变化像元的总体识别精度达到88.56%，对扰动年份检测的总体精度达到87%，Kappa系数为0.76。本研究基于LandTrendr算法解析了30年间北仑河口保护区内红树林发生扰动的年份、频率和面积，结合实际情况分析了导致扰动的因素，认为人类活动是北仑河口红树林扰动的次要原因，自然因素，如虫灾，台风等是导致扰动的主要原因。本研究的结论和方法可为红树林保护区管理处制定科学合理的保护和恢复政策提供重要的决策支持。关键词：遥感;红树林;保护区;谷歌地球引擎GEE（Google Earth Engine）;LandTrendr算法2319|3040|8<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04融合Landsat 8与Sentinel-2数据的红树林物候信息提取与分类
摘要：科学准确地监测红树林是保护海陆过渡性生态系统的基础和前提，但红树林分布于潮间带，难以进行大规模人工监测。遥感技术能够对红树林进行长时间、大面积监测，但已有研究尚存不足。一方面，红树林分布于热带、亚热带区域，受到天气条件限制难以获得长时间覆盖的有效光学遥感数据；另一方面，红树林极易与其他陆生植被混淆，仅利用多波段数据的光谱信息难以精确识别。本文以恒河三角洲孙德尔本斯地区为例，基于谷歌地球引擎GEE（Google Earth Engine）获取2016年全年的Landsat 8 OLI和Sentinel-2 MSI数据，利用物候信息进行红树林提取研究。首先，基于最小二乘回归构建两个传感器在相同指数之间的关系，重建时间序列数据，之后根据可分性判据选取增强型植被指数EVI（Enhanced Vegetation Index）和陆地表面水分指数LSWI（Land Surface Water Index）。其次，对两个指数的时间序列数据进行Savitzky-Golay滤波处理，并分别提取生长期始期等13种物候信息。最后，将两个指数的物候信息进行特征级联，采用随机森林RF（Random Forest）方法进行分类，提取研究区红树林范围。实验结果表明：Landsat 8 OLI和Sentinel-2 MSI数据融合可有效提升时间序列质量，与基于单一传感器数据的分类结果相比，总体精度提高1.58%；物候信息可以显著增强红树林与其他植被的可分性，与直接使用时间序列数据的分类结果相比，总体精度提高1.92%；同时考虑EVI和LSWI指数可极大地提升分类效果，与采用单一指数相比，总体精度分别提高14.11%和9.69%。因此，本文通过数据融合、物候信息提取和指数特征级联可以更好地提取红树林，总体精度达到91.02%，Kappa系数为0.892。研究验证了物候信息在红树林遥感监测中的应用潜力，提出的方法对科学准确地监测全球或区域红树林具有一定参考价值。关键词：遥感;红树林;数据融合;物候信息;时间序列数据;GEE;随机森林3816|4174|21<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04钦江河口潮滩红树林群落空间分布
摘要：红树林群落是热带亚热带河口有特色的生态系统，在消浪促淤及存储碳方面具有重要价值。但受到全球海平面上升与人为干扰影响，红树林生境受到破坏，群落结构脆弱。基于此，本文以现场校核的无人机正射影像为数据源，结合历史遥感影像、钦江河口水体盐度与潮滩沉积物采样分析，研究钦江河口潮滩红树林群落空间分布格局及主控要素。结果表明：（1）潮滩分布的红树植物主要有桐花树、无瓣海桑等，其中桐花树为绝对优势种的“纯红树植物”群落，自河口向沿感潮河段逐渐发展成“红树植物—半红树植物”群落与“红树植物—半红树植物—非红树植物”的混合植物群落。（2）桐花树是钦江河口红树林向海发育的前沿先锋树种，二年生桐花树苗分布最前沿高程低于当地海平面0.11 m，当年胎生苗分布最前沿高程为当地海平面以下0.37 m；桐花树也是钦江感潮段上溯分布极限的树种，当年胎生苗上溯分布极限为距河口10.18 km。（3）潮位与盐度是控制红树林群落在钦江河口分布的主要因子，沉积物粒径的粗细影响红树植物生长与发育。研究成果可为热带山区型河口潮滩红树林保护与红树林生态修复工程提供重要理论和技术指导。关键词：遥感;红树林群落;分布极限;无人机正射影像;河口潮滩;钦江河口2051|2283|8<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04耦合WorldView-2和珠海一号影像的红树林物种分布
摘要：红树林物种遥感分类受影像分辨率、波段信息、分类策略、影像特征选择方法等因素影响。现有的红树林物种遥感分类研究大多关注于分类精度的比较，较少报道商业高分与国产高光谱卫星的结合在物种分类的应用。基于湛江高桥红树林保护区的高分（WorldView-2）和高光谱（珠海一号）卫星影像，本文旨在利用随机森林分类方法，比较不同特征选择算法（极端梯度提升（XGBoost）、极端随机树（ERT）、连续投影算法（SPA））和不同空间分辨率（WorldView-2影像从0.5 m的分辨率重采样为1 m、2 m、4 m、8 m、10 m）对红树林物种分类精度的影响，并耦合WorldView-2与珠海一号影像研究红树林物种空间分布格局及影响因素。每种空间分辨率的WorldView-2影像提取248个特征（52个光谱特征及196个纹理特征），珠海一号影像提取117个光谱特征。结果表明，XGBoost方法优于ERT和SPA，在影像特征选择中具有巨大优势；与其他空间分辨率相比，2 m分辨率的WorldView-2影像具有更高的分类精度；耦合WorldView-2和珠海一号影像的分类精度（分辨率：2 m，总体精度：88.98%，kappa系数：0.846）高于单一的WorldView-2影像（分辨率：2 m，总体精度：83.47%，kappa系数：0.768）和珠海一号影像（分辨率：10 m，总体精度：78.50%，kappa系数：0.703）；另外，林窗、高程、离岸距离一定程度上影响红树林物种分布格局。本文表明WorldView-2与珠海一号高光谱影像的结合在景观及区域尺度上精确提取红树林物种信息具有巨大潜力，有利于红树林生物多样性保护及科学管理。关键词：遥感;红树林;WorldView-2影像;珠海一号影像;物种分类;极端梯度提升;极端随机树;连续投影算法2039|3756|12<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04无人机多光谱和LiDAR的红树林精细识别与生物量估算
摘要：红树林是生长在热带和亚热带海岸潮间带、受到海水周期性浸淹的木本植物群落，被公认为是海陆边缘重要的蓝色碳汇，但由于其地处海岸带区域，受人类开发利用活动的影响严重。本文选择广西茅尾海红树林保护区为研究区，以无人机多光谱和激光雷达影像为数据源，利用支持向量机分类方法对红树林优势种类进行分类；提出了单木分层分区距离判别聚类分割方法，准确提取了红树林的单木结构信息；估算了研究区红树林地上生物量。得出以下结论：（1）综合利用无人机多光谱和激光雷达数据，对研究区红树林种间类型识别总体精度可达90.69%；（2）基于分层分区距离判别聚类方法能够较好的提取红树林单木结构特征，树高的提取精度优于冠幅；（3）构建了红树林高度、冠幅与地上生物量回归模型，其中桐花树生物量回归模型的决定系数R²最高，达0.83；（4）研究区内红树林地上生物量主要分布范围为1.24—3.6 kg/m2，其中无瓣海桑最高，老鼠簕最低。关键词：遥感;红树林;无人机;多光谱;激光雷达;树种分类;地上生物量4213|6658|16<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04联合星载高光谱影像和堆栈集成学习回归算法的红树林冠层叶绿素含量遥感反演
摘要：红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量，是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集，综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选；分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型，探明北部湾红树林CCC的最佳遥感反演模型，验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异，评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理，从高维度OHS数据集选取了8个特征变量，其中RSI（12，17）、DSI（12，18）和NDSI（6，12）组合植被指数对红树林CCC反演精度的贡献率较高；（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999，RMSE=0.963 μg/cm2）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm2），明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm2）；（3）在最优堆栈集成学习回归模型下，OHS数据反演红树林CCC的精度（R2=0.761，RMSE=16.738 μg/cm2）高于Sentinel-2A影像（R2=0.615，RMSE=20.701 μg/cm2）；（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R2=0.356，RMSE=49.419 μg/cm2）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度，并得到了最优特征变量；OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高，是估算红树林CCC的最优反演模型；OHS和Sentinel-2A数据都能有效反演红树林CCC（R2均大于0.61），而OHS数据的估算精度更高（R2大于0.75）；SNAP-SL2P算法不能有效反演红树林CCC（R2小于0.4），且对红树林CCC数值存在系统性低估。关键词：红树林;冠层叶绿素含量;珠海一号高光谱卫星;堆栈集成学习回归算法;特征降维;遥感反演1906|3692|12<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04利用Sentinel-2影像超分辨率重建的红树林冠层氮含量反演
摘要：氮素是植被整个生命周期的必要元素，红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区，本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建；然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数，采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合，进而构建CNC反演的核岭回归（KRR）模型；最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性，且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12），与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R2val>0.579）均优于原始20 m的影像（R2val=0.504）；基于Sen2Res算法重建影像构建的反演模型拟合精度（R2val=0.630，RMSE_val=5.133，RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R2val=0.640，RMSE_val=5.064，RE_val=0.179）基本相当，前者模型验证精度（R2cv=0.497，RMSE_cv=5.985，RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度，基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力，能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。关键词：遥感;红树林;冠层氮素含量;Sentinel-2;影像重建;SVM-RFE;KRR2365|1701|11<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2022-08-04
