利用Sentinel-2影像超分辨率重建的红树林冠层氮含量反演

氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R²val>0.579）均优于原始20 m的影像（R²val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R²val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R²val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R²cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。     

耦合WorldView-2和珠海一号影像的红树林物种分布

红树林物种遥感分类受影像分辨率、波段信息、分类策略、影像特征选择方法等因素影响。现有的红树林物种遥感分类研究大多关注于分类精度的比较,较少报道商业高分与国产高光谱卫星的结合在物种分类的应用。基于湛江高桥红树林保护区的高分（WorldView-2）和高光谱（珠海一号）卫星影像,本文旨在利用随机森林分类方法,比较不同特征选择算法（极端梯度提升（XGBoost）、极端随机树（ERT）、连续投影算法（SPA））和不同空间分辨率（WorldView-2影像从0.5 m的分辨率重采样为1 m、2 m、4 m、8 m、10 m）对红树林物种分类精度的影响,并耦合WorldView-2与珠海一号影像研究红树林物种空间分布格局及影响因素。每种空间分辨率的WorldView-2影像提取248个特征（52个光谱特征及196个纹理特征）,珠海一号影像提取117个光谱特征。结果表明,XGBoost方法优于ERT和SPA,在影像特征选择中具有巨大优势;与其他空间分辨率相比,2 m分辨率的WorldView-2影像具有更高的分类精度;耦合WorldView-2和珠海一号影像的分类精度（分辨率：2 m,总体精度：88.98%,kappa系数：0.846）高于单一的WorldView-2影像（分辨率：2 m,总体精度：83.47%,kappa系数：0.768）和珠海一号影像（分辨率：10 m,总体精度：78.50%,kappa系数：0.703）;另外,林窗、高程、离岸距离一定程度上影响红树林物种分布格局。本文表明WorldView-2与珠海一号高光谱影像的结合在景观及区域尺度上精确提取红树林物种信息具有巨大潜力,有利于红树林生物多样性保护及科学管理。     

无人机遥感与XGBoost的红树林物种分类

无人机遥感数据会衍生大量的光谱、纹理与结构特征,如何提取优势特征是提高红树林物种分类效率和精度的关键问题.针对深圳福田红树林自然保护区缓冲区获取的无人机高光谱影像和LiDAR点云数据,本研究旨在利用极端梯度提升算法(XGBoost)的“特征重要性”属性筛选出适合红树林物种分类的8类优势特征:基于无人机高光谱影像的单一特...