中巴资源卫星在红树林遥感调查中的应用研究

利用资源卫星信息提取技术，探讨中巴资源卫星(CBERS-1 CCD)数据在红树林资源调查中的应用能力。由于红树林群落间光谱特征的近似性和数据本身光谱信息的限制，给分类信息提取带来了困难。将红树林植被分布区与陆地植被分开，结合实地调查结果准确选取各群落训练区，采用神经网络分类法分类，获得了精度较高的分类结果。在此基础上，对主要群落的空间分布特征进行了简要分析。     

红树林遥感智能分类方法研究

利用ＧＩＳ信息中的红树林地域分布规律作向导，充分利用械树林区的光谱信息进行红树林植被信息提取。在对比研究常规的红树林图象自理方法的基础上，提出了适用于红树林植被信息遥感监测的智能分类方法。     

遥感影像的海岸带信息提取——以赣榆县海头镇为例

以赣榆县海头镇海岸带为研究区域,详细分析了利用研究区遥感影像制作908专项工作底图和利用影像底图进行海岸带线性特征以及植被信息提取,阐述了遥感技术在遥感制图中的应用,并对遥感技术在江苏海岸带信息提取方面的方法进行了讨论.     

基于集成学习的海岸带变化检测方法研究

随着我国自主研发卫星组网的不断完善,利用遥感变化检测技术进行海岸带变化检测成为海岸带监测的重要手段。针对沿海地区的变化信息提取,文章首先利用多特征构建差异影像,在此基础上采用两种集成学习方式:随机森林（Random Forest）和极端梯度提升（XGBoost）,进行试验区的变化检测,并与传统的机器学习SVM、经典的变化检测方法CVA和IR-MAD进行对比,结果表明集成学习进行变化信息提取效率远超其余方式,且XGBoost在变化信息提取精度方面具有一定优势。研究成果对海岸带及海域使用开展自动化变化监测和海岸带监督管理具有重要意义。     

SVM和ANN在多光谱遥感影像分类中的比较研究

首先利用支持向量机(SVM)和人工神经网络(ANN)对Landsat 8 OLI多光谱影像进行基于光谱信息的土地利用监督分类;然后,对多波段进行主成分变换,提取第一主成分的主要纹理信息,与光谱信息一起进行融合光谱和纹理信息的SVM和ANN影像监督分类。对比分析发现:对中原地区,SVM是Landsat 8多光谱遥感影像分类的较优方法,尤其适用于农业用地信息提取;光谱分类即可达到较高精度,纹理信息对提高分类精度的作用十分有限。     

基于航空高光谱数据的近岸水体信息提取

近岸水体与人类生产、生活密切相关,航空高光谱遥感以其高分辨率、灵活等优点在环境监测中颇具潜力,尤其是在近岸水色、海岸带环境的实时监测中更具优势。基于与中国海监南海航空支队合作开展的航空高光谱遥感飞行实验资料,以湛江东海岛陆海区域为例,开展该海域水体遥感信息提取及分类研究。以不同地物遥感反射率信息为特征,通过光谱信息直方图进行了该海域水体信息提取方法探索。研究结果表明,湛江港及近海水体与陆地在近红外区域有较大区分度,直方图统计获得的最佳分离阈值可以很好地提取水体信息,但在水陆交界区域提取精度较低。在近红909.7 nm处,遥感反射率分割阈值为10.27%,水体提取精度为84%,kappa系数为0.686 2。     

基于HY-1C卫星CZI数据的红树林长势遥感监测

红树林是一种以耐盐的红树植物为主体的潮滩湿地林生物群落,其生长状态对于海岸带具有重要意义,利用遥感技术对红树林进行监测已成为目前主要手段之一。本文以广西北海山口红树林为例,利用HY-1C卫星的海岸带成像仪数据,结合其纹理参数,提取红树林信息,并对红树林植被指数进行分析。结果表明:2018年10月至11月间,红树林的RVI值均大于1,其中部分区域大于5;红树林的NDVI值的变化处于0~0.01之间,NDVI均值都大于0.5;红树林的EVI指数值主要集中在0.2~0.7之间。不同的植被指数计算结果均表明山口红树林长势良好。     

我国生物海岸修复现状及展望

介绍了我国生物海岸的分布现状,总结出以柽柳为代表的灌木群落、以芦苇为代表的草本群落、以红树林为代表的常绿灌木与乔木群落以及珊瑚礁是我国海岸带四类典型生物群落。生物海岸的生态、旅游、渔牧和科研价值极高,但从20世纪50年代起,由于对生物海岸的价值认识不足,我国生物海岸被大量破坏,主要破坏原因可归纳为:1)土地功能转换式开发引起的红树林和草本岸线破坏;2)过度采挖及环境恶化引起的珊瑚礁破坏;3)土壤盐碱化引起的柽柳群落退化。从20世纪80年代至今,一系列海岸带保护与生态修复的举措陆续实施,减缓了我国海岸带生态加速破坏的态势,较好地保护和修复了我国生物海岸,其中最重要的举措包括:1)设立生物海岸湿地公园和自然保护区;2)建立健全生物海岸保护相关法律体系;3)开展典型生物海岸相关研究与修复技术探索;4)推进并实施"十三五"海洋规划中三大海洋重点工程。为了解我国海岸带生态修复的现状,于2017-2018年期间,分别在山东日照、潍坊,上海,广东汕头、汕尾以及徐闻进行了实地调研和测量,调研结果表明:在政策支持下,调研地区的生物海岸得到了很好的保护和修复,推进我国海岸带生态修复步入快速发展阶段。基于调研成果,指出我国在海岸带生态修复中应特别重视的一些问题。     

深圳市海岸带土地利用遥感监测方法探索

随着遥感对地观测技术的发展,卫星遥感在海岸带动态监测中占据愈来愈重要的地位,探索海岸带遥感监测的最佳方法,对今后的海岸带监测工作有重要的意义。文章从数据源、信息提取方法、监测频率这3个维度出发,选择深圳市两个典型的海岸带区域(人类活动频繁区域和人类活动稀少区域)作为研究区,针对两种海岸带区域寻求其海岸带土地利用遥感监测的最佳方法。研究结果表明:对于人类活动频繁区域(深圳湾北岸),数据源最好选择高分辨率ZY-3卫星影像,土地利用信息提取方法选择支持向量机分类,监测周期1~2年为最佳;对于人类活动稀少区域(大鹏湾东岸),数据源则可以选择分辨率较低的Landsat 8卫星影像,土地利用信息提取方法依然以支持向量机分类方法为最佳,监测周期则为5年。     

海岸带地物特征的遥感信息提取方法

本文探讨了海岸带资源环境调查和沿海风暴潮预警系统中如何运用遥感图像地学分析方法进行遥感影像的信息提取。并结合实例，介绍了遥感技术中的信息提取过程，包括海域、滩涂、海堤和陆域水体的信息提取。     

基于CU-Net模型的红树林自动识别方法研究——以广东省珠海市淇澳岛为例

红树林对维护生物多样性以及生态平衡等具有重要意义。因此,高效、精确地提取红树林植被信息以及实时对其进行监测十分必要。本文提出了一种高分辨率遥感影像红树林像素级精确提取的深度学习方法。针对红树林遥感分类精度不高的问题,通过强化图像中心信息,弱化边缘信息的方法引入CLoss损失函数,添加Dropout、Batch Normalization层构建了适用于红树林识别的CU-Net模型,采用滑动重叠拼接方法构建了新的预测模型,有效解决了预测结果边缘信息不足以及有拼接痕迹的问题。将本文方法的识别结果与U-Net、SegNet、DenseNet模型的预测结果以及传统的SVM、RF方法进行对比,结果表明,本文模型相较于其他深度学习模型泛化能力更强,识别效果更好,在两个测试区域的平均总体精度、平均交并比分别达到了94.43%、88.12%,平均F1-分数在红树林和普通树木的精度分别达到了95.96%、90.49%,精度明显高于传统的SVM、RF方法,也高于其他几种神经网络方法,验证了该模型在红树林识别领域的有效性,可为高分辨率遥感红树林识别领域提供一条新的思路。     

Remote Sensing of Mangrove Change Along the Tanzania Coast

This article contributes to the understanding of the changes in distribution and total area of mangrove forests along the mainland Tanzania coast over the past decade. Mangroves are recognized as critical coastal habitat requiring protection and special attention. The Tanzania coastline forms a suitable habitat for establishment of mangrove forests. Mangrove forests are distributed from Tanga in the north to Mtwara in the south covering approximately 109,593 hectares from 1988-1990 and about 108,138 hectares in 2000. The largest continuous mangrove stands are found in the districts of Rufiji, Kilwa, Tanga-Muheza, and Mtwara. Comparison of data between these two time periods shows that the geographic coverage of mangroves has no dramatic change in the past decade. The Tanzania Mangrove Management Project and other closely related programs and efforts pertaining to mangrove conservation contribute to direct restoration and natural regeneration of mangroves. This study documents the changes of mangroves and demonstrates that remote sensing and GIS offer important data and tools in the advancement of coastal resource management and ecosystem monitoring. Application of geographic information technologies is critical for improved coastal resources management and decision making for sustainable development in Tanzania.     

Remote Sensing of Mangrove Change Along the Tanzania Coast

This article contributes to the understanding of the changes in distribution and total area of mangrove forests along the mainland Tanzania coast over the past decade. Mangroves are recognized as critical coastal habitat requiring protection and special attention. The Tanzania coastline forms a suitable habitat for establishment of mangrove forests. Mangrove forests are distributed from Tanga in the north to Mtwara in the south covering approximately 109,593 hectares from 1988-1990 and about 108,138 hectares in 2000. The largest continuous mangrove stands are found in the districts of Rufiji, Kilwa, Tanga-Muheza, and Mtwara. Comparison of data between these two time periods shows that the geographic coverage of mangroves has no dramatic change in the past decade. The Tanzania Mangrove Management Project and other closely related programs and efforts pertaining to mangrove conservation contribute to direct restoration and natural regeneration of mangroves. This study documents the changes of mangroves and demonstrates that remote sensing and GIS offer important data and tools in the advancement of coastal resource management and ecosystem monitoring. Application of geographic information technologies is critical for improved coastal resources management and decision making for sustainable development in Tanzania.     

基于HY-1C CZI影像光谱指数重构数据MNF变换的红树林提取

本文基于广西山口国家红树林生态自然保护区的HY-1C卫星的海岸带成像仪(Coastal Zone Imager，CZI)影像，分析了红树林与一般陆地植被的光谱特征及其光谱指数的相关性，采用归一化差值植被指数(Normalized Difference Vegetation Index，NDVI)、归一化差异水分指数(Normalized Difference Water Index，NDWI)、大气阻抗植被指数(Atmospheric Impedance Vegetation Index，ARVI)及利用CZI波段构建的光谱斜率比(CZI Visible Spectrum Slope Ratio，CVSSR)4个指数替代CZI原始波段形成重构数据，基于重构数据的最小噪声分离变换(Minimum Noise Fraction Rotation，MNF)结果分量，建立决策树并实现了红树林信息的自动提取。研究结果表明:结合本文所选光谱指数重构数据及MNF变换方法，能够有效增强CZI影像上红树林与一般陆地植被的光谱差异，基于MNF变换分量建立的决策树可有效提取红树林信息，经与专家解译结果比对，本文方法面积准确率达90%以上；经随机样本点验证，总体检测精度为88%。     

基于ZY-3遥感影像的不同地貌水边线提取方法

水边线的精确提取对于沿海地区的经济开发和海域的使用管理具有重要意义。以雷州半岛东北部为研究区域,利用2017年资源三号(ZY-3)卫星数据为数据源,基于不同海岸地貌特征为划分依据,运用阈值分割法、神经元网络分类法和面向对象法对多光谱数据的人工海岸、砂质海岸、淤泥质海岸和红树林海岸进行水边线提取。通过目视解译提取融合图像的海岸线为基线,将提取的水边线与基线进行定性、定量分析。研究结果表明,对于人工岸线,神经元网络分类法最优,均方根误差为6.4m;对于砂质岸线,阈值分割法最优,均方根误差为5.4m;对于淤泥质及红树林岸线,面向对象法最优,均方根误差分别为23.3m和15.2m。该研究对于不同岸线的提取具有重要的借鉴和指导意义。     

Topographical Mapping of a Bare Tidal Flat Outside a Mangrove Area based on the Waterline Method and an Iterative Hydrodynamic Model: A Case Study of Yingluo Bay,South China

A change in the elevation of bare tidal flats outside a mangrove area is an indispensable factor for the sustainable development of mangroves. Waterline extraction, as an effective and economical tool used in reconstructing the terrain of an intertidal zone, has been widely applied to open-coast tidal flats by constructing a digital elevation model (DEM). However, mangrove wetlands are usually located in wave-sheltered sites, such as estuaries and bays that have narrow tidal channels flanked by tidal flats. Changes in water level are affected by the dry-wet processes of complex landforms caused by tides. This article takes as a study case the area of Yingluo Bay, which covers the core region of the Zhanjiang and Shankou National Mangrove National Nature Reserve in southwestern China. Waterline extraction based on seventeen multisource and multispectral satellite images obtained from December 2014 to April 2015, combining the finite-volume coastal ocean model (FVCOM) hydrodynamic model in an iterative process, was used to generate a topographical map of the bare tidal flat outside the mangrove area in Yingluo Bay. The quality of the iterative DEMs was evaluated via six transects of a ground-based survey using Real - time kinematic (RKT) GPS in May 2015. The mean absolute error (MAE) and root mean square error (RMSE) of the DEM decreased with an increase in the number of iterations. In this study, the DEM in the third iteration was used as the final output because the difference from the previous iterative DEM satisfied an inversion-stopping criterion. The MAE and RMSE of the final DEM with the measured data were 0.072 and 0.09?m, respectively, without considering small tidal creeks. The method used in this study can be an effective and highly precise approach for detecting and reconstructing the historical terrain of a bare tidal flat outside a mangrove area. This work also has great importance regarding intertidal resource management and the sustainable development of mangroves facing the vulnerable coastal ecological environment.     

基于谷歌地球引擎平台的海上养殖信息提取方法研究——以福建省平潭县为例

海上养殖业对粮食安全有着至关重要的作用。然而,海上养殖的无序扩张和开发,阻碍了海上交通,同时也造成了海洋环境问题。为及时、准确地获取海上养殖信息,满足海岸带调查以及推进海上养殖规范化、科学化,提出一种基于谷歌地球引擎(Google Earth Engine, GEE)平台实现长时间序列下海上养殖区信息快速提取的方法。本研究构建了一个基于随机森林分类的海上养殖区信息提取模型,该模型综合利用了Sentinel 1卫星SAR影像数据的VV和VH极化波段,以及Sentinel 2卫星的多光谱影像数据。此外,模型还融合了4个用于增强养殖区特征的指数,以提高养殖区域信息提取的准确性和效率。这种方法的应用旨在优化海上养殖区的识别过程,通过精确分析和利用不同数据源的互补优势,展现了〖JP2〗遥感技术在海洋养殖监测领域的巨大潜力。本研究对2017—2021年平潭县海上养殖区域进行判定与提取,实验结果表明,以养殖密度较低,养殖特征不明显为特征的海上养殖区,基于GEE平台的海上养殖区信息提取方法精度在90%以上,表明在复杂水体背景下对养殖区快速识别取得较好的效果,可为海上养殖科学规划与规范化管理提供有效的参考依据。