珠江口地区近30年海岸线与红树林湿地遥感动态监测

对珠江口地区4个时期的遥感影像和地理地形资料进行综合分析.研究表明,该区海岸线和红树林湿地的时空分布发生了很大的变化,总体上看,全区海岸线大多处于向海推进状态,但不同岸段呈现不同的特点:深圳岸段和澳门岸段有两个快速推进期,珠海岸段只有一个快速推进期,香港地区(新界和大屿山)海岸线变动不大.红树林湿地总面积趋于减少,截至2006年,除淇澳岛、深圳河口、镇海湾、黄茅海地区还有大片的红树林外,其他地区的红树林已基本消失.     

双台河口国际重要湿地芦苇地上生物量遥感估算

基于多时相的Landsat8 OLI卫星遥感数据,采用面向对象的分类方法,提取双台河口国际重要湿地芦苇分布信息。通过对归一化植被指数(normalized difference vegetation index,NDVI)等6个植被指数与野外实测芦苇地上生物量数据间的统计分析,比较不同植被指数对芦苇地上生物量的敏感性,构建双台河口国际重要湿地芦苇地上生物量遥感反演模型;应用该模型对芦苇地上生物量进行遥感反演以及空间格局分析。结果表明:双台河口国际重要湿地芦苇分布面积为4.39×104hm2,约占该研究区总面积32.96%;选取的6个植被指数均与芦苇地上生物量显著相关(p0.05),其中,以NDVI为变量的幂指数形式的估算模型为芦苇地上生物量遥感估算最优模型,模拟精度为79%,决策系数为0.76;双台河口国际重要湿地芦苇地上生物量呈东高西低和北高南低的分布格局,其平均地上生物量为4 785.5 g/m2,总地上生物量为2.06×106t;本研究结果可为双台河口国际重要湿地生态系统管理和生物多样性保护提供数据支持与科学指导。     

基于面向对象的大珠三角红树林动态变化分析

研究采用Landsat多时相影像和面向对象的遥感图像分类方法,获得1980年、1990年、2000年、2010年及2015年大珠三角沿海地区红树林与周边景观类型的空间分布及其面积信息,分析大珠三角地区红树林动态变化及其驱动因素。结果表明:1) 1980年、1990年、2000年、2010年及2015年大珠三角地区红树林的面积分别为5 280.07、2 870.63、1 374.24、1 961.71、2 831.56 hm~2,35年间红树林面积减少46.37%,年均减少1.32%; 2)大珠三角红树林主要分布在珠海市和江门市; 3)红树林主要转化为水面、农田、内陆森林及养殖池,围海造田及滩涂养殖是大珠三角地区红树林减少的主要原因。基于多时相遥感数据监测分析红树林的时空动态变化,为大珠三角红树林的保护和管理工作提供重要的数据支撑和决策依据。     

珠海市湿地景观格局演变及其驱动力分析

湿地生态系统是全球三大生态系统之一,为地球上20％的已知物种提供了生存环境,享有"地球之肾"的美誉.然而,在城市快速发展的时代背景下,湿地生态系统遭遇了重大威胁.以珠海市生态系统为研究对象,基于2016-2019年10 m分辨率的Sentinel-2遥感影像,解译得到珠海市湿地景观空间分布格局;再利用ArcGIS空间分析方法和Fragstats计算其景观格局指数,并分析了珠海市湿地景观格局变化及其驱动因素.结果表明:①水库、坑塘是珠海市湿地景观中的优势景观地类,其中坑塘、湖泊、沼泽湿地的破碎度在加剧,空间连通性较差,河流、红树林地的聚集度相对较好;②2016-2019年珠海市湿地面积逐年减少,减少总量达到1656.66 hm2,其中面积减少最多的为坑塘水面和沼泽湿地,面积增加最多的为红树林地湿地;③坑塘、沼泽湿地的减少主要转移为非湿地,而非湿地转移为湿地的现象相对较少;④导致珠海市湿地景观减少的主要因素是经济的飞速发展,人口扩张和渔业发展也给湿地带来了威胁.     

近40年来伶仃洋海岸线与红树林遥感调查与演变分析

通过对1978—2014年的5期遥感影像和地理地形资料的综合分析研究,结合实地调查验证,得出了伶仃洋海岸线和红树林湿地时空分布演变的趋势。总体而言,海岸线的总长度逐年增加,其中人工海岸线长度也是逐年增加的,2014年人工海岸线长度占总岸线长度的73.3%。全区岸线主要为向海推进海岸,东、西两岸海岸线的推进又各有特点。红树林湿地的时空分布发生了巨大变化,其总面积整体上在减少,但2003—2014年间由于红树林保护力度的增加,红树林湿地面积有所回升。海岸线变迁和红树林湿地演变主要受人为因素的影响,如筑堤围垸、围海造地、建设用地增加等。研究获得的成果数据为红树林湿地的生态保护和修复提供了重要的决策数据。     

中国东部重要经济区带湿地遥感调查与演变分析

利用多时相遥感数据对中国东部重要经济区带近140万km2的湿地资源进行了调查与监测.结果表明:我国中东部地区湿地类型多,面积大,但分布不均;近30～40 a间湿地总面积逐年减少,表现在潮间淤泥海滩(泥滩)、红树林和沼泽湿地大幅度缩减;人工围垦和水利工程建设等人类活动加速了中国东部重要经济区带湿地的破坏程度;调查区湿地面积的缩小和湿地景观破碎化的加重,导致湿地功能不断下降,生态环境进一步恶化.     

多时相MODIS指数提取东北三省水稻种植面积

为准确提取水稻面积,以东北为研究区域,采用多时相16d合成MODIS增强型植被指数数据和8d合成MODIS地表反射率数据提取水稻种植分布。选取水稻代表样点利用IDL编程提取物候曲线,利用归一化植被指数(NDVI)将水稻与其他明显地类区分,然后建立水稻增强型植被指数(EVI)、地表水体指数(LSWI)之间的相关关系,结合最新2015年土地利用数据提取东北三省2015年水稻种植面积。同时运用运筹学理论建立省级尺度水稻判别条件最优化模型,分析其在空间分布上的差异性和相关性,并将结果与统计年鉴进行对比分析,分析表明MODIS数据适合大区域省级范围水稻面积的提取,精度可达90%以上。由此得出,MODIS数据在省级尺度提取水稻种植面积上有着较大的优势。     

胶州湾湿地时空演化遥感分析与质量评价

胶州湾湿地是山东半岛面积最大的河口海湾型湿地,对于完善青岛城市生态功能具有重要意义。通过对胶州湾区域2003,2007和2011年3个时相SPOT-5卫星遥感数据的解译,得到相应年份的分类后影像,在此基础上计算各个地物类型的面积,得到胶州湾湿地核心区、实验区和缓冲区的面积变化图表以及相应区域地物类型的组成架构和质量评价系数。分析结果表明:胶州湾湿地的面积变化与质量变化并不一致,其湿地面积呈下降趋势,湿地质量在2003~2007年呈现下降趋势,而在2007~2011年却有所回升,这是由人为因素和自然因素共同影响导致的,其中人为因素占主导。     

利用无人机高光谱影像的红树林群落物种分类

近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。     

基于资源三号的雷州半岛红树林种间分类研究

利用遥感技术对区域尺度红树林进行种间分类在红树林资源调查、合理利用与保护方面具有重要意义。基于资源三号高空间分辨率影像的光谱特征、植被指数、纹理特征、形状参数等信息,结合无人机实地采集的样本点,采用面向对象结合决策树和支持向量机的方法对红树林进行区域提取和种间分类。首次得到了广东省湛江红树林国家级自然保护区红树林物种分布图,并分析了其空间分布格局。结果表明:2014年保护区内现存红树林面积为5 949. 3 hm~2,低于当前大部分文献报道的结果;红树林在廉江市(1 556. 0 hm~2)、雷州市(1 466. 1 hm~2)、湛江市辖区(1 168. 0 hm~2)、遂溪县(734. 7 hm~2)、徐闻县(479. 8 hm~2)、吴川市(544. 7 hm~2)均有分布。各地红树林皆呈现由海向陆的地带性物种分布格局:天然林区由低潮位向高潮位优势种依次为白骨壤、桐花树、秋茄、红海榄和木榄;外来红树植物无瓣海桑在引种区主要邻白骨壤陆缘一侧分布。各优势种在雷州半岛分布面积比例依次为白骨壤(41. 9%)、无瓣海桑(23. 4%)、桐花树(20. 9%)、秋茄(5. 4%)、红海榄(4. 8%)和木榄(3. 6%)。这一结果表明,雷州市和湛江市辖区无瓣海桑人工林种植取得了很好的成效,但其入侵和扩张风险需要深入研究。     

基于CLUE-S模型的深圳海岸带土地利用变化模拟

以深圳海岸带为研究区,基于1996、2005、2011年遥感影像得到研究区土地利用历史数据,选取自然、社会统计数据作为驱动因素,利用CLUE-S模型分别从不同时间尺度和空间尺度对研究区2005、2011年的土地利用分布予以模拟,并对模拟结果分别从类别和景观水平予以精度评价。从类别水平角度,选择ROC曲线对各地类的Logistic回归拟合精度进行评价;从景观水平角度,选取Kappa指数对模拟效果予以评估,以验证所选驱动因子的合理性。结果表明:在研究区范围内,CLUE-S模型的类别精度随着空间分辨率的改变而有所差异,100 m分辨率为本研究模拟的最佳尺度,各地类的ROC值均高于0.7;随着模拟时间的缩短模拟精度有所增加;东海岸由于受到人类影响较小,模拟效果整体相对较好。总体而言,CLUE-S模型适用于研究区土地利用模拟,所选驱动力因子能够对研究区土地利用变化予以较好的解释。     

Use of Principal Component Analysis (PCA) of Remote Sensing Images in Wetland Change Detection on the Kafue Flats,Zambia

Abstract

The paper describes the use of Principal Component Analysis (PCA) of remote sensing images as a method of change detection for the Kafue Flats, an inland wetland system in southern Zambia. The wetland is under human and natural pressures but is also an important wildlife habitat. A combination of Landsat MSS and TM images were used. The images used were from 24 September 1984 (MSS), 3 September 1988 (MSS), 12 September 1991 (TM) and 20 September 1994 (TM). They were geometrically co‐registered and, in the process, the 80m resolution MSS images were resampled to 30m using nearest neighbour resampling. Preliminary PCA revealed that for the MSS images most of the data variance was in near infrared reflectance while for the TM images it was in mid and thermal infrared bands. Holding sensor type constant, separate inter‐band correlation analysis for each image could indicate whether the wetland was drier or wetter on one date versus another. The 1994 image was made the reference image and equivalent green, red and near infrared bands from the other images were radiometrically normalised with those on the reference image. All the bands, three from each date, were then merged into a twelve‐band image on which PCA for change detection was undertaken. A colour composite of eigen images from the resulting principal components was used in change detection. Hydrological data, indicating long‐term reduced inflow of water into the wetland due to human regulation, help explain some of the wetland change detected. Compared to a classification comparison approach to change detection for this area, PCA was found to be very useful in indicating where change had occurred, though interpretation of the changes was difficult without reference to the input images. The methodology appears to have potential use in habitat monitoring for this wetland area.     

基于RS技术的20年来厦门城市热岛格局变化研究

应用IB算法反演厦门市地表温度,整合1996—2013年Landsat-5和Landsat-8卫星影像数据,定量分析厦门市城市热岛的时空变化。结果表明,近20年来厦门市建成区空间分布发生了巨大的变化,热岛的时空演变和建成区的密集度分布基本吻合。     

Timing of erosion and satellite data: A multi-resolution approach to soil erosion risk mapping

Erosion reduces soil productivity and causes negative downstream impacts. Erosion processes occur on areas with erodible soils and sloping terrain when high-intensity rainfall coincides with limited vegetation cover. Timing of erosion events has implications on the selection of satellite imagery, used to describe spatial patterns of protective vegetation cover. This study proposes a method for erosion risk mapping with multi-temporal and multi-resolution satellite data. The specific objectives of the study are: (1) to determine when during the year erosion risk is highest using coarse-resolution data, and (2) to assess the optimal timing of available medium-resolution images to spatially represent vegetation cover during the high erosion risk period. Analyses were performed for a 100-km² pasture area in the Brazilian Cerrados. The first objective was studied by qualitatively comparing three-hourly TRMM rainfall estimates with MODIS NDVI time series for one full year (August 2002–August 2003). November and December were identified as the months with highest erosion risk. The second objective was examined with a time series of six available ASTER images acquired in the same year. Persistent cloud cover limited image acquisition during high erosion risk periods. For each ASTER image the NDVI was calculated and classified into five equally sized classes. Low NDVI was related to high erosion risk and vice versa. A DEM was used to set approximately flat zones to very low erosion risk. The six resulting risk maps were compared with erosion features, visually interpreted from a fine-resolution QuickBird image. Results from the October ASTER image gave highest accuracy (84%), showing that erosion risk mapping in the Brazilian Cerrados can best be performed with images acquired shortly before the first erosion events. The presented approach that uses coarse-resolution temporal data for determining erosion periods and medium-resolution data for effective erosion risk mapping is fast and straightforward. It shows good potential for successful application in other areas with high spatial and temporal variability of vegetation cover.     

Comparison of UAV and WorldView-2 imagery for mapping leaf area index of mangrove forest

Unmanned Aerial Vehicle (UAV) remote sensing has opened the door to new sources of data to effectively characterize vegetation metrics at very high spatial resolution and at flexible revisit frequencies. Successful estimation of the leaf area index (LAI) in precision agriculture with a UAV image has been reported in several studies. However, in most forests, the challenges associated with the interference from a complex background and a variety of vegetation species have hindered research using UAV images. To the best of our knowledge, very few studies have mapped the forest LAI with a UAV image. In addition, the drawbacks and advantages of estimating the forest LAI with UAV and satellite images at high spatial resolution remain a knowledge gap in existing literature. Therefore, this paper aims to map LAI in a mangrove forest with a complex background and a variety of vegetation species using a UAV image and compare it with a WorldView-2 image (WV2).In this study, three representative NDVIs, average NDVI (AvNDVI), vegetated specific NDVI (VsNDVI), and scaled NDVI (ScNDVI), were acquired with UAV and WV2 to predict the plot level (10 × 10 m) LAI. The results showed that AvNDVI achieved the highest accuracy for WV2 (R² = 0.778, RMSE = 0.424), whereas ScNDVI obtained the optimal accuracy for UAV (R² = 0.817, RMSE = 0.423). In addition, an overall comparison results of the WV2 and UAV derived LAIs indicated that UAV obtained a better accuracy than WV2 in the plots that were covered with homogeneous mangrove species or in the low LAI plots, which was because UAV can effectively eliminate the influence from the background and the vegetation species owing to its high spatial resolution. However, WV2 obtained a slightly higher accuracy than UAV in the plots covered with a variety of mangrove species, which was because the UAV sensor provides a negative spectral response function(SRF) than WV2 in terms of the mangrove LAI estimation.     

红树林湿地植被生物量的雷达遥感估算

根据雷达后向散射系数建立了红树林湿地植被生物量的估算模型,并运用遗传算法确定其中非线性模型的最优参数.对比分析表明,雷达后向散射系数模型比NDVI模型在植被生物量估算中有更高的精度.使用NDVI指数有可能导致某些植被类型的生物量估算出现较大的误差.这是因为一些具有密集冠层的草本植被（例如互花米草等）有比红树林高得多的NDVI值.而雷达遥感所具有的侧视特点及一定的穿透能力能有效地获取植被的垂直信息,大大减低植被生物量估算的误差.     

基于时间序列统计特性的森林变化监测

森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。     

MODIS NDVI和AVHRR NDVI 对草原植被变化监测差异

以草地作为研究载体,对比分析草原植被AVHRR NDVI和MODIS NDVI两种NDVI序列的年内、年际变化特征,讨论两种NDVI序列对降水量、平均气温和水汽压3种气候因子的响应差异,为合理选择NDVI序列对植被进行监测研究提供参考。结果表明：(1)两种NDVI序列所反映的草原植被年内变化趋势相似,但MODIS NDVI对各类草原的区分度优于AVHRR NDVI;(2)两种NDVI序列所反映的2000年—2003年草原植被年际变化差异明显。较之于MODIS NDVI,AVHRR NDVI变化趋势分类图表现出更强的植被改善趋势,植被改善面积在AVHRR NDVI变化趋势分类图中占94.25%,在MODIS NDVI中为83.33%;两种NDVI变化趋势分类图反映的植被变化趋势吻合度为52.88%。(3)两种NDVI序列与水汽压、降水量相关性差异显著。MODIS NDVI与各站点平均气温的相关系数均大于GIMMS NDVI;而MODIS NDVI与水汽压的相关系数83%(10个站点)小于GIMMS NDVI,与降水量的相关系数67%(8个站点)小于GIMMS NDVI。     

综合多特征的Landsat 8时序遥感图像棉花分类方法

传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究。综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简。分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81%,棉花提取精度达87.4%,与仅利用NDVI时间序列相比,精度分别提高5.53%和5.05%;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66%,棉花分类精度达92.73%,与初始分类特征提取结果相比,棉花分类精度提高5.33%。基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度。