基于高分辨率遥感的珊瑚礁地貌单元体系构建和分类方法—以8波段Worldview-2影像为例

珊瑚礁生态系统是全球初级生产力最高的生态系统之一, 在维持海洋生物多样性、防浪固滩、资源供给等方面发挥着巨大作用。珊瑚礁遥感地貌分类体系是珊瑚礁保护、管理及可持续发展的必要基础, 但目前还未有结合珊瑚覆盖度进行分类的体系。本文基于WorldView-2高分辨率遥感影像, 以中国南海西沙群岛七连屿北部赵述岛和西沙洲所在礁盘作为研究区, 结合珊瑚覆盖度、区域地貌成分和水动力条件等指标, 建立了既适用于遥感监测又与珊瑚生存状况相关联的珊瑚礁地貌单元分类体系。同时, 利用面向对象的支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)分类方法进行珊瑚礁地貌单元的信息提取, 并对分类结果进行精度评价。结果表明, SVM和RF两种分类方法均能较好地提取出珊瑚礁地貌单元, 分类精度分别为87.59%和79.81%。针对分类过程中出现的错分、漏分问题, 结合珊瑚礁成因和分布规律对分类结果进行修正, 修正后分类提取的精度达到91.3%, Kappa系数为0.9041, 表明本文构建的珊瑚礁地貌单元分类体系在一定程度上能满足当前珊瑚岛礁信息提取的需要。     

基于面向对象影像分析方法的我国西沙珊瑚礁地貌单元信息提取

珊瑚礁地貌单元的空间分布对于理解珊瑚礁生态系统的地质构造过程具有重要作用。然而,基于像素的影像分析方法往往获取不到较高精度的分类结果。本文基于面向对象的影像分析方法,利用Landsat 8卫星影像数据对我国西沙地区的珊瑚环礁进行了地貌单元的遥感信息提取。借鉴于美国千年珊瑚礁测绘项目的工作成果,本文首先针对研究区特点定义了十类珊瑚礁地貌单元类型。然后,基于对象的多层次关系特点,并综合利用对象的光谱、形状、上下文关系等特征,建立合适的分类规则集,获取了研究区较大尺度的珊瑚环礁地貌分区图,其分类精度普遍高于80%。虽然研究结果表明基于面向对象的影像分析方法可以有效的进行珊瑚礁遥感信息提取,但其规则集的可移植性仍需要今后的工作加以改善。     

一种融合纹理特征与NDVI的随机森林海冰精细分类方法

海冰的精准分类对于掌握海冰生长发育状况,保障航海安全等具有重要意义。由于受数据源和分类方法等影响,使得海冰分类精度提高受限。本文面向高空间分辨率的光学遥感影像,提出了一种融合纹理特征和归一化差分植被指数（NDVI）的海冰精准分类方法,运用随机森林分类器构建海冰分类方法。以青岛胶州湾为实验区,高分二号（GF-2）为实验数据,进行了海冰类型提取,并与其他分类方法进行对比。结果显示:针对GF-2高分辨率光学遥感数据,融合纹理特征和NDVI的随机森林方法,相比于传统的随机森林、支持向量机、自动决策树和融合纹理特征的最大似然分类方法,总体分类精度分别提高13.70%、11.60%、19.22%、29.37%。Kappa系数分别提高0.16、0.13、0.22、0.44。相比于融合纹理特征和归一化水指数（NDWI）的随机森林方法,总体分类精度提高了9.67%,Kappa系数提高了0.09。这表明本文构建的海冰分类方法可有效提高海冰分类精度,为海冰的精确分类提供了一种有效的技术手段。     

基于多时相多光谱遥感影像的珊瑚礁面积估算方法研究

准确计算珊瑚礁的面积是评估其资源、环境效应的基础,但我国迄今对南海珊瑚礁的面积估算仍缺乏共识,缺少可靠的估算方法是导致这一现象的重要原因。针对这一问题,本文以西沙群岛羚羊礁为例,提出了一种利用多时相多光谱遥感影像低成本半自动化估算珊瑚礁面积的方法。首先快速目视确定地貌带分界线的粗略位置,然后利用基于梯度向量场的主动轮廓线模型（Gradient Vector Flow-Snake, GVF-Snake）实现这些分界线位置的自动精化,最后将不同时相的瞬时分界线转换为面要素进行多时相的融合,从而得到珊瑚礁的面积。基于53景Sentinel-2 多光谱成像仪（MSI）影像的实验表明,羚羊礁的总面积为17.22 km2（Landsat 8 陆地成像仪（OLI）用于方法稳定性的验证,得到的羚羊礁面积为17.29 km2）,其中礁前斜坡、礁坪?潟湖坡、潟湖的面积分别为1.76 km2、10.29 km2、5.17 km2。该数值与实测数据具有较好的一致性。具体地,该方法获得的地貌带分界点与实测水深所指示分界点的位置偏差能控制在0.2～4.9 m的范围内（不超过0.5个像素）,珊瑚礁最外轮廓线与30 m等深线的位置偏差亦在1个像素大小内（5.7～9.5 m）,而估算面积与高分辨率WorldView-2影像解译得到的面积差异为0.02%。同时,该方法获得的珊瑚礁边界线的完整度、正确度、提取质量精度能够由单时相平均的60%、64%和54%分别提高至84%、83%和72%。此外,该方法能够减小基于不同遥感数据源的珊瑚礁面积估算结果的差异,即6景以上的多时相Sentinel-2 MSI和Landsat 8 OLI影像提取的珊瑚礁面积标准差分别不超过0.01 km2和0.05 km2,仅相当于珊瑚礁总面积的0.2%和0.5%。总而言之,该方法能够用低成本的10 m分辨率Sentinel-2 MSI和30 m分辨率Landsat 8 OLI影像获得接近1.8 m分辨率WorldView-2影像的面积估算精度,且具有良好的稳定性和可靠性。     

基于深度学习的西沙永乐群岛珊瑚礁遥感信息提取

珊瑚礁是海洋生态系统的重要组成部分,对保护海洋生物多样性以及维持海洋生态平衡具有重大意义。我国南海珊瑚岛礁自然资源丰富,准确、高效地提取珊瑚岛礁信息对南海岛礁监测、管理、规划与保护具有现实意义。本研究基于我国海洋一号C卫星（HY 1C）遥感数据,对西沙永乐群岛珊瑚礁信息进行了研究与分析,提出基于HY 1C遥感数据的珊瑚礁地貌分类体系。采用全卷积神经网络U Net模型,依次通过下采样、上采样操作提取西沙永乐环礁地貌特征,实现原始影像的像素级语义分割。结果表明：基于HY 1C数据建立的地貌分类体系对活珊瑚覆盖及珊瑚生长发育条件具有指示作用,提出的基于U Net模型的珊瑚岛礁地貌信息自动提取方法,能够为我国南海珊瑚岛礁生态系统的全自动、大范围监测和评价提供相应理论基础,在珊瑚礁生态管理与评价中发挥关键作用。精度验证结果表明：U Net模型可以有效提取珊瑚礁地貌信息,采用的地貌信息提取方法具备时空泛化能力,泛化精度高于80%。     

南沙群岛珊瑚礁动力地貌特征

南沙群岛受季风、台风和波浪的影响，珊瑚礁体呈ＮＥ－ＳＷ向椭圆形态，西南礁坪宽于东北礁坪。位于不同波能带内的珊瑚礁体发育了与之相适应的动力地貌单元。礁前斜坡高波能带地形陡峭，向风坡礁脊一槽沟系发育。外礁坪消耗大量波能，广泛覆盖生物碎屑，珊瑚生长稀疏。内礁坪宽广平坦，珊瑚生长良好。外礁坪堆积许多大礁块，尤以东北礁坪为甚。在湖低波能带，通常东坡缓于百坡，湖盆一般浪静流缓，为生物碎屑堆积区。     

南沙群岛珊瑚礁动力地貌特征

南沙群岛受季风、台风和波浪的影响，珊瑚礁体呈ＮＥ－ＳＷ向椭圆形态，西南礁坪宽于东北礁坪。位于不同波能带内的珊瑚礁体发育了与之相适应的动力地貌单元。礁前斜坡高波能带地形陡峭，向风坡礁脊－槽沟系发育。外礁坪消耗大量波能，广泛覆盖生物碎屑，珊瑚生长稀疏。内礁坪宽广平坦，珊瑚生长良好。外礁坪堆积许多大礁块，尤以东北礁坪为甚。在Ｘｉ湖低波能带，通常东坡缓于西坡，湖盆一般浪静流缓，为生物碎屑堆积区。     

基于Sentinel-2 MSI影像与面向对象相结合的红树林树种精细化分类方法研究

红树林是最典型的滨海生态系统之一，红树林种间类型的精确识别对于红树林生态系统保护、修复及碳储量评估具有重要意义。遥感是开展红树林种间类型识别的有效手段，但传统的遥感红树林分类方法多是基于像元开展的，分类结果“椒盐”现象严重且精度还有很大提升空间。因此，本研究以东寨港红树林保护区为例，基于Sentinel-2 MSI影像，在传统遥感分类方法的基础上引入图像分割技术，分别构建了面向对象的支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）分类法，并在此基础上对各模型的分类精度和适用性进行了分析。模型对比结果表明：（1）图像分割技术的引入能有效改善分类结果的“椒盐”现象，提升红树林种间类型的识别精度，基于像元使用SVM和RF分类算法总体分类精度分别可达78.82%(Kappa=0.75)和82.94%(Kappa=0.82)，面向对象的SVM和RF模型分类总体精度分别可达81.5%(Kappa=0.78)和92.67%(Kappa=0.88)，相较于以像元为分类对象的模型而言，后者精度分别提高了2.68%和7.43%;(2)从4个模...     

基于Sentinel-2卫星影像的海南西岛珊瑚礁识别和变化分析

珊瑚礁是海洋中最重要的生态系统之一, 近年来在全球气候变化和人为干扰加剧的影响下, 我国南海珊瑚礁总体处于快速退化状态。以海南西岛珊瑚礁为例, 基于Sentinel-2系列卫星10 m空间分辨率影像, 利用面向对象分类法(object-based image analysis, OBIA)对2017年12月~2018年3月和2021年12月两个时期的海南西岛珊瑚礁底质进行了识别分类, 并进行珊瑚礁面积变化分析。将2021年12月的分类结果与现场调查数据进行对比验证, 总分类精度和Kappa系数分别为83.3%和0.71。对比两个时期珊瑚礁底质分类结果表明, 西岛西侧珊瑚礁覆盖面积未出现明显变化, 东侧珊瑚礁显示恢复趋势。本文研究表明, 10 m地面分辨率卫星系列影像和面向对象的阈值分类方法可以对海南西岛珊瑚礁进行较为准确的识别和变化分析, 监测结果可为海南岛沿岸西岛等小型岛礁珊瑚保护及修复提供参考。     

基于空谱融合与AlexNet算法的滨海湿地植被分类研究

为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。     

南海珊瑚岛礁地貌遥感识别研究

南海珊瑚岛礁总体处于退化状态,卫星遥感可以实现珊瑚礁区底质演变的监测.本文以西沙群岛海域赵述岛为研究区域,以Landsat-8卫星遥感影像为研究数据,对浅海地貌变化进行遥感分析.将影像进行水深校正和波段组合,使用最大似然法进行珊瑚礁地貌分类,可以清晰的识别灰沙岛、礁坪、礁前坡、泻湖坡、暗滩和海面六种地貌类型,以Worl...     

基于WorldView-2和GF-2遥感影像的赵述岛礁坪底质变化研究

以西沙群岛海域赵述岛礁坪为研究区域,应用2010年的WorldView-2和2015年的GF-2两期高分辨率卫星遥感影像数据,结合现场水下珊瑚礁照片和视频资料,建立了赵述岛礁坪底质类型遥感分类体系,分别构建了针对WorldView-2遥感影像和GF-2遥感影像的珊瑚礁底质分类决策树模型,并通过对两期遥感影像的底质类型提取结果的变化分析,完成了赵述岛礁坪退化区域的提取。结果表明:(1)WorldView-2影像的分类决策树具有91%的总体分类精度和0.89的Kappa系数,GF-2影像的分类决策树具有更高的分类精度;(2)6年期间研究区大约1/4的珊瑚礁分布区发生了退化;(3)最突出的自然变化是礁前区大面积的珊瑚丛生区转变成藻脊,结合相关资料认为东北季风、热带气旋和温度上升的综合影响是驱动因素;(4)赵述岛西侧的藻脊、珊瑚沉积区大面积转化为珊瑚砂和深水区域,原因是航道和码头的开发活动。研究分析了6年间赵述岛礁坪底质的退化状况,并分析原因,为珊瑚礁底质分类提供方法,并为西沙群岛的珊瑚礁监测和保护提供了有效资料和手段。     

霞浦核电基地海洋生物放射性本底水平及辐射剂量评价

为掌握霞浦核电基地海洋生物的放射性本底水平,在其周边50 km范围内采集5类9种海洋生物样品,测量其中的天然放射性核素238U、232Th、226Ra、40K,以及人工放射性核素137Cs、134Cs、90Sr、58Co、60Co、54Mn、110mAg、65Zn的活度浓度并进行辐射剂量评价。结果显示,所有样品中134Cs、58Co、60Co、54Mn、110mAg、65Zn的活度浓度均低于最小可探测活度浓度,238U、232Th、226Ra、40K、137Cs和90Sr的平均活度浓度分别为(0.48±0.48)、(0.86±1.20)、(0.27±0.34)、(74.3±43.0)、(0.023±0.019)、(0.242±0.167) Bq/kg,处于我国食品天然放射性本底水平内。当地公众由于食入海产品所致年有效剂量为55.1 μSv/a,其中137Cs、90Sr所致剂量分别为0.021、0.49 μSv/a;海洋生物所受辐射剂量为0.048~0.276 μSv/h。〖JP2〗当地公众及海洋生物所受辐射剂量均远低于国家标准限值或国际推荐控制值。本次调查为霞浦核电厂运行前海洋生物放射性本底建立了基线数据,并提出了今后海洋生物监测的重点核素,除137Cs、134Cs、90Sr、58Co、60Co、54Mn、110mAg、65Zn,还应增加对3H、14C、131I的监测。     

基于底质类型变化监测的2005—2018年西沙永乐群岛珊瑚礁白化分析

在海洋环境变化和人类活动的双重影响下,我国珊瑚礁白化现象日趋严重,珊瑚礁健康状况、珊瑚种群数量和丰富度呈逐年下降的趋势。本文基于2005-2007年QuickBird卫星影像、2011-2012年QuickBird/WorldView-2卫星影像和2016-2018年GF-1/2卫星影像等3期高分辨率遥感数据,以西沙永乐群岛羚羊礁、中建岛等14个岛礁为研究区（以下统称永乐群岛）,利用支持向量机（support vector machine,SVM）分类方法结合人机交互信息提取方法完成了3期永乐群岛的珊瑚礁底质类型分类,并通过珊瑚礁底质类型变化分析了永乐群岛珊瑚礁白化特征。主要结论包括：（1）提出了一种珊瑚礁白化程度分级的方法,将永乐群岛白化状况分为轻度、中度、重度和严重白化4个等级,通过分析发现在监测时段内14个岛礁中有13个发生了不同程度的白化,其中10个发生了重度白化（白化率20%以上）,1个严重白化（羚羊礁,白化率为33.36%）;（2）根据监测数据统计,上述珊瑚岛礁的白化主要是由珊瑚丛生区白化引起的,2005-2018年永乐群岛珊瑚丛生区白化面积占总的发生白化区域面积的70.55%;（3）14个岛礁中只有甘泉岛的活珊瑚覆盖在逐渐增加,活珊瑚覆盖面积由2006年5月10日的87.13 hm²增加到2018年3月7日的107.80 hm²。     

Analysis on coral reefs mapping using SPOT5 data at the Dongsha Atoll

Coral reefs are an sensitive-to-environment complex marine ecosystem. The ecosystem of corals is rich in biodiversity. Remote sensing offers a powerful tool for categorizing coral reefs and is the most cost-effective approach for the large-scale reef survey. The Dongsha Atoll, more than 300 km2 with an average depth of 10 m, is located at the northern continental margin of the South China Sea. It has been abused by destructive fishing during recent decades. Three satellite imageries (Quickbird2, ETM and SPOT5) are used to evaluate the capabilities of SPOT5 imagery to provide data that are useful for categorizing the current distribution of coral reefs therein. During the data processing, unsupervised classification functions are adopted for ETM and SPOT5 data, while the supervised classification method is used for Quickbird2. The classes are (or not) merged into coral reef, and then will be operated by vectorization, simplification, and topological analysis. There are 1 331 coral reefs larger than 100 m2 with a detection limit of 3×3 pixels at the multi-band data of Quickbird2, which is taken as the comparison baseline. The results extracted from SPOT5 and ETM images are less in number and area than those from the Quickbird2 image, whereas the results from SPOT5 data are better than those of ETM data at the silty lagoon due to its higher resolution. SPOT5 XS band 2 fails to distinguish the deep substrate inside the atoll compared with ETM data because of its poor penetration capability. Only SPOT XS band 1 cannot be used to differentiate coral reef from sand bottom. Merging the SPOT5 multi-bands data with the spatial resolution of SPOT5 pan-data and referring to ETM imagery are expected to provide an optimal satellite-based approach for mapping of coral reefs.