Précédent|Prochain

Identification des modes de gestion de la plante envahissante Spartina alterniflora et surveillance dynamique basée sur les images temporelles Sentinel-2 et Landsat 8

  • role： First author第一作者
  • Affiliation：

    State Key Laboratory Cultivation Base of Urban Environment Process and Simulation, Beijing 100048, China

    Beijing Laboratory of Water Resources Security, Beijing 100048, China

    College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

  • Email：2230902139@cnu.edu.cn
  • Introduction：戚炜淳，研究方向为湿地变化检测，生态水文遥感应用。E-mail： 2230902139@cnu.edu.cn
QI Weichun123,  
  • role： Corresponding author通信作者
  • Affiliation：

    State Key Laboratory Cultivation Base of Urban Environment Process and Simulation, Beijing 100048, China

    Beijing Laboratory of Water Resources Security, Beijing 100048, China

    College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

  • Email：yke@cnu.edu.cn
  • Introduction：柯樱海，研究方向为多源遥感数据融合、人工智能及数据挖掘方法，生态水文遥感应用。E-mail： yke@cnu.edu.cn
KE Yinghai123*,  
  • Affiliation：

    State Key Laboratory Cultivation Base of Urban Environment Process and Simulation, Beijing 100048, China

    Beijing Laboratory of Water Resources Security, Beijing 100048, China

    College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

LI Jinyuan123,  
  • Affiliation：

    State Key Laboratory Cultivation Base of Urban Environment Process and Simulation, Beijing 100048, China

    Beijing Laboratory of Water Resources Security, Beijing 100048, China

    College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

MIN Yukui123,  
  • Affiliation：

    State Key Laboratory Cultivation Base of Urban Environment Process and Simulation, Beijing 100048, China

    Beijing Laboratory of Water Resources Security, Beijing 100048, China

    College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

ZHUO Zhaojun123,  
  • Affiliation：

    State Key Laboratory Cultivation Base of Urban Environment Process and Simulation, Beijing 100048, China

    Beijing Laboratory of Water Resources Security, Beijing 100048, China

    College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

WU Xin123,  
  • Affiliation：

    College of Harbour and Coastal Engineering, Jimei University, Xiamen 361021, China

LI Peng4

résumé

La gestion de la plante envahissante Spartina alterniflora est un élément important de la protection et de la restauration écologique des zones humides côtières. Actuellement, plusieurs provinces côtières mettent en œuvre des projets de gestion de Spartina alterniflora, par des méthodes de suppression physique et chimique; la première est rapide mais sujette à récidive, la seconde est peu coûteuse mais présente des impacts environnementaux potentiels négatifs. La surveillance en temps opportun de la dynamique de suppression de Spartina alterniflora et l'identification des méthodes de suppression sont cruciales pour l'évaluation de l'efficacité des projets et des impacts environnementaux. Cette étude porte sur la zone de distribution de Spartina alterniflora dans les zones humides côtières de Zhejiang et Shanghai, et propose une méthode d'identification de l'état de suppression et du mode de gestion (non supprimé/ suppression physique/ suppression chimique) basée sur des images satellitaires optiques temporelles Sentinel-2 et Landsat 8, ainsi que l'extraction de la date de suppression physique. D'abord, les images Sentinel-2 MSI et Landsat 8 OLI sont fusionnées pour constituer un ensemble de données d'indices spectrales temporelles, suivi par l'utilisation d'une fenêtre glissante et d'une méthode discriminante basée sur des règles pour identifier la période d'impact de la gestion et déterminer l'état de suppression; ensuite, la méthode de la forêt aléatoire est utilisée pour classifier le mode de gestion, aboutissant à trois catégories : non supprimé, suppression physique et suppression chimique, avec identification supplémentaire de la date de suppression physique. Les résultats montrent une haute précision de classification de l'état et du mode de suppression, avec une précision globale de 98,8% et un coefficient Kappa de 0,979; l'erreur absolue moyenne de la détection de la date de suppression physique est de 3,91 jours avec une précision de 93,67%. En 2023, les taux de suppression de Spartina alterniflora à Shanghai et dans le Zhejiang étaient respectivement de 4,2% et 62,7%. La méthode proposée pour l'identification des modes de gestion et la surveillance dynamique offre une référence importante pour la prise de décision dans la gestion des zones humides côtières.

mots-clés

Télédétection optique; invasion des espèces; analyse de séries temporelles; restauration des zones humides; dynamique de la végétation

References

  1. 1.
    Ai S Y, Li J L, Tian P, Ni M J, He X M and Zhang H T. 2023. Vegetation characteristics and habitat analysis of migratory birds in the southern Hangzhou Bay wetland based on Sentinel-2A imagery. Marine Science Bulletin, 42(1): 92-101
  2. 2.
    Cao X, Chen J, Matsushita B and Imura H. 2010. Developing a MODIS-based index to discriminate dead fuel from photosynthetic vegetation and soil background in the Asian steppe area. International Journal of Remote Sensing, 31(6): 1589-1604
  3. 3.
    Chang H and Zuo P. 2025. Review of research on Spartina alterniflora in coastal wetlands based on unmanned aerial vehicle (UAV). National Remote Sensing Bulletin, 29(5): 1074-1088
  4. 4.
    Chen H F, Yang L P and Wu Q S. 2023. Enhancing land cover mapping and monitoring: an interactive and explainable machine learning approach using Google Earth Engine. Remote Sensing, 15(18): 4585
  5. 5.
    Han X R, Wang Y M, Ke Y H, Liu T Q and Zhou D M. 2022. Phenological heterogeneities of invasive Spartina alterniflora salt marshes revealed by high-spatial-resolution satellite imagery. Ecological Indicators, 144: 109492
  6. 6.
    Li H Y, Mao D H, Wang Z M, Huang X, Li L and Jia M M. 2022. Invasion of Spartina alterniflora in the coastal zone of mainland China: control achievements from 2015 to 2020 towards the Sustainable Development Goals. Journal of Environmental Management, 323: 116242
  7. 7.
    Liu M Y, Mao D H, Wang Z M, Li L, Man W D, Jia M M, Ren C Y and Zhang Y Z. 2018. Rapid invasion of Spartina alterniflora in the coastal zone of mainland China: new observations from Landsat OLI images. Remote Sensing, 10(12): 1933
  8. 8.
    Mao D H, Liu M Y, Wang Z M, Li L, Man W D, Jia M M and Zhang Y Z. 2019. Rapid invasion of Spartina alterniflora in the coastal zone of mainland China: spatiotemporal patterns and human prevention. Sensors, 19(10): 2308
  9. 9.
    Min Y K, Cui L Y, Li J Y, Han Y, Zhuo Z J, Yin X L, Zhou D M and Ke Y H. 2023. Detection of large-scale Spartina alterniflora removal in coastal wetlands based on Sentinel-2 and Landsat 8 imagery on Google Earth Engine. International Journal of Applied Earth Observation and Geoinformation, 125: 103567
  10. 10.
    Min Y K, Ke Y H, Han Y, Yin X L and Zhou D M. 2023. Dynamic monitoring of invasive Spartina alterniflora clearance via fusion of Sentinel-2 and GF-1 time series images. National Remote Sensing Bulletin, 27(6): 1467-1479
  11. 11.
    Pelletier F, Cardille J A, Wulder M A, White J C and Hermosilla T. 2024. Inter- and intra-year forest change detection and monitoring of aboveground biomass dynamics using Sentinel-2 and Landsat. Remote Sensing of Environment, 301: 113931
  12. 12.
    Qiao P Y. 2019. Study on Mechanical and Chemical Control of Invasive Plant Spartina alterniflora in Yellow River Delta. Hohhot: Inner Mongolia University
  13. 13.
    Ren G B, Wang J J, Wang A D, Wang J B, Zhu Y L, Wu P Q, Ma Y and Zhang J. 2019. Monitoring the invasion of smooth cordgrass Spartina alterniflora within the modern Yellow River Delta using remote sensing. Journal of Coastal Research, 90(sp1): 135-145
  14. 14.
    Shanghai Municipal People’s Government. 2023. Shanghai Special Action Plan for the Prevention and Control of Spartina Alterniflora (2023-2025)[Z/OL]. [2024-10-11]
  15. 15.
    Shao Y L, Chen S, Yang D, Qian A G, Li J F, Wen Y, Tang H, Jiang Y C, Sun Y M and Tang K X. 2023. Distribution characteristics and main control measures of Spartina alterniflora in mainland China. Ocean Development and Management, (3): 97-105
  16. 16.
    Tang X J, Bratley K H, Cho K J, Bullock E L, Olofsson P, and Woodcock C E. 2023. Near real-time monitoring of tropical forest disturbance by fusion of Landsat, Sentinel-2, and Sentinel-1 data. Remote Sensing of Environment, 294: 113626.
  17. 17.
    Tian J Y, Wang L, Yin D M, Li X J, Diao C Y, Gong H L, Shi C, Menenti M, Ge Y, Nie S, Ou Y, Song X N and Liu X M. 2020. Development of spectral-phenological features for deep learning to understand Spartina alterniflora invasion. Remote Sensing of Environment, 242: 111745
  18. 18.
    Wang X X, Xiao X M, Xu X, Zou Z H, Chen B Q, Qin Y W, Zhang X, Dong J W, Liu D Y, Pan L H and Li B. 2021. Rebound in China’s coastal wetlands following conservation and restoration. Nature Sustainability, 4(12): 1076-1083
  19. 19.
    Xie B H and Han G X. 2023. Control of invasive plant Spartina alterniflora: concept, technology and practice. Bulletin of Chinese Academy of Sciences, 38(12): 1924-1938
  20. 20.
    Xu G W, Zhuo R Z, Cao H and Li X G. 1989. Annual changes of biomass of Spartina alterniflora and the relationships between biomass and tidal land habits. Chinese Journal of Plant Ecology, 13(3): 230-235
  21. 21.
    Xu R L, Zhao S Q and Ke Y H. 2021. A simple phenology-based vegetation index for mapping invasive Spartina alterniflora using Google Earth Engine. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 14: 190-201
  22. 22.
    Zhang H K, Roy D P, Yan L, Li Z B, Huang H Y, Vermote E, Skakun S and Roger J C. 2018. Characterization of Sentinel-2A and Landsat-8 top of atmosphere, surface, and nadir BRDF adjusted reflectance and NDVI differences. Remote Sensing of Environment, 215: 482-494
  23. 23.
    Zhang X, Xiao X M, Wang X X, Xu X, Chen B Q, Wang J, Ma J, Zhao B and Li B. 2020. Quantifying expansion and removal of Spartina alterniflora on Chongming island, China, using time series Landsat images during 1995—2018. Remote Sensing of Environment, 247: 111916
  24. 24.
    Zheng J H, Sun C, Lin Y, Li L and Liu Y C. 2023. Classification of salt marsh vegetation based on pixel-level time series from Landsat images. National Remote Sensing Bulletin, 27(6): 1400-1413
  25. 25.
    Zuo P, Zhao S H, Liu C A, Wang C H and Liang Y B. 2012. Distribution of Spartina spp. along China’s coast. Ecological Engineering, 40: 160-166

Lire l'article complet

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website