结合多源专题数据和目视解译的大区域密集湿地样本数据生产

样本数据是开展湿地制图的研究基础之一,对于数据生产和精度验证具有重要作用。针对湿地生态系统类型多样,大区域的全湿地类型样本生产困难的问题,本研究提出了一种准确、高效的大区域密集湿地样本生产框架。该框架主要包括两部分：首先,基于已有的湿地数据产品,使用规则筛选的方法直接生产稳定的湿地样本点,能够得到河流、湖泊、水库、滨海木本沼泽（红树林）、滩涂的5种湿地类型样本点;其次,基于多源专题数据进行规则筛选,生产潜在湿地样本点,并利用Google Earth Engine大数据云平台、Google Earth平台和Collect Earth平台进行目视解译,以确定潜在湿地样本点的类型属性。本文开展大洲尺度的全湿地类型样本生产,结果表明：本研究共生产了150688个湿地样本点,其中内陆湿地样本点为121412个,滨海湿地样本点为11563个,人工湿地样本点为17693个。13种湿地类型中,湖泊样本点占比最大（39.22%）,潟湖样本点占比最小（0.19%）。本文生产了稳定、高质量的湿地样本点,样本数量充足,空间分布合理,能够为湿地分类器的训练和分类结果精度验证提供可靠的数据基础。     

基于多特征指标和层次聚类分析的河源区范围自动划分方法研究

河源区边界是重要的国家基础地理信息之一,但除长江、黄河等大江大河外的我国大部分其他中小流域仍缺乏确切的河源区边界信息,需要科学划定河源区边界以支持流域水生态保护相关政策的规划与实施。对此,本文在确立河源区划分原则、明确划分依据的基础上,提出了基于多特征指标和层次聚类分析法的河源区边界划定方法。以沁河流域为研究案例,首先利用均值变点分析法计算沁河流域子流域提取的最佳汇流累积量分位数阈值为0.15%,再基于子流域的多特征指标运用层次聚类分析法最终确定河源区范围边界,并将该方法应用于长江、黄河流域进行验证分析。结果表明：① 基于多特征指标和层次聚类分析提取的沁河流域河源区范围处于河底比降法、水文站点方法得到的源区范围面积之间;② 该方法在长江、黄河流域河源区划分结果的交并比分别达到85.40%和79.99%,侧面验证了本文方法进行河源区边界划分的合理性与适用性。基于多特征指标和层次聚类分析的河源区边界自动划分方法可以简捷高效地识别缺乏明确河源区边界信息的流域河源区范围,为我国河源区生态安全屏障识别、水资源保护相关政策的规划和实施提供科学支撑。     

基于LBV变换的GF-2影像水体提取方法

针对GF-2影像波段较少、不利于构建水体指数的问题,提出了基于LBV变换的水体提取方法。通过GF-2影像的LBV变换及其归一化,得到了物理意义明确的L、B、V变换分量;利用这三个分量计算特征分量BL、BV,构建完整水体提取方案,对阿克塞县的小苏干湖和石嘴山市某一段黄河进行水体提取。实验结果表明,相比于NIR、NDWI算法,本文算法能够更好地将水体与土壤、植被、建筑物等地物区分开来,在正确率、误提率、漏提率方面总体优于NIR、NDWI算法,提取过程简单,具有较好的应用价值。     

基于随机森林算法和知识规则的国际湿地城市精细湿地分类——以常德市为例

获取精细湿地资源信息对国际湿地城市湿地修复保护、管理利用以及区域可持续发展至关重要，目前面向国际湿地城市的湿地精细分类研究较为缺乏，尤其是针对湿地中水体的详细类别划分较少。本研究以全球典型国际湿地城市常德市为案例研究区，基于Google Earth Engine (GEE)云计算平台和2020年Sentinel-1/2时序遥感影像以及地形数据，首先采用最小冗余最大相关算法和递归梯度提升树算法进行湿地分类特征集优选，进而构建集成基于像元的随机森林和面向对象的知识规则决策模型的城市湿地精细分类智能模型，以实现常德市湿地资源精细分类。结果表明：(1)湿地分类特征优选前后特征数由63减少为16，总体精度下降0.9%，其中旱期的水体指数、植被频率和建成区指数的特征重要性较大，特征优选可以减少特征数据信息冗余、提高分类效率；(2)常德市湿地精细分类结果包括河流、湖泊、水库、养殖池/坑塘、运河/水渠、泥滩地、草滩地和芦苇湿地8种湿地类型，总体精度达91.53%,Kappa系数为0.89，可以满足国际湿地城市精细湿地分类的需求；(3)常德市湿地主要分布在东部西洞庭湖平原区域，呈现出东多西少的空间格局。...