東北地理所在基于遙感大數據和云平臺實現高空間分辨率、高精度中國濱海灘涂制圖工作中取得新進展
濱海灘涂是海陸交界的生態過渡帶，包括潮間帶泥灘、沙灘和海岸等無植被區域。濱海灘涂提供了多種生態系統服務功能，如碳匯、維持生物多樣性、控制污染、調節氣候等，并在調節區域資源平衡、改善環境質量及維持濱海地區生態安全等方面發揮重要作用。同時，濱海灘涂受到陸地和海洋環境的雙重影響和制約，是最為脆弱的濕地生態系統類型之一。近半個世紀以來，受到人類開發和氣候變化等因素的影響，中國濱海灘涂嚴重萎縮退化，國家和地方層面在制定管理政策的時候需要平衡濱海灘涂的保護和開發工作。快速、可靠、高精度的國家尺度灘涂分布圖是制定及實施海岸保護策略的重要依據。中國科學院東北地理所王宗明團隊利用哨兵-2號密集時間序列數據和Google Earth Engine（GEE）云平臺，研發了一種快速、高精度、魯棒性強、全自動的濱海灘涂提取方法，并繪制了最新的（2020年）至目前為止最高空間分辨率（10米）的全國濱海灘涂分布圖。
由于潮汐的周期性淹沒，濱海灘涂斑塊只在最低潮時期短暫全部裸露，因此，利用光學衛星圖像進行灘涂制圖最大的困難在于影像潮位的不確定性。在大尺度遙感制圖研究中，應用傳統的對照潮汐表查詢最低潮圖像的方法，費時、費力、周期長；而且傳統的數據源，如Landsat系列，重訪周期8-16天，加之濱海地區云雨天氣較多，很難保證短期內獲取最低潮的影像。為了克服這些困難，研究人員集成影像最大值合成算法（MSIC）和OTSU圖像自適應分割閾值算法（OA），提出了一種高效、高精度、高魯棒性的潮間帶灘涂自動提取方法，命名為MSIC-OA。該方法的基本思路為：（1）利用影像最大值合成算法合成全年最高潮和最低潮影像；（2）利用OTSU算法自動識別最大水面和最小水面，確定潮間帶；（3）利用OTSU算法自動去除低潮影像中潮間帶植被；（4）利用OTSU算法自動區分水體和灘涂，完成灘涂制圖。以后海灣為例，利用MSIC-OA算法進行灘涂自動提取的流程如圖1所示。
圖1. 基于Sentinel-2密集時間序列影像的MSIC-OA灘涂制圖流程（A），及每步的結果（a-f）。
研究人員以2019年1月1日到2020年6月30日的28,367景Sentinel-2密集時序數據為數據源，基于GEE云平臺應用MSIC-OA方法,進行全國濱海灘涂制圖，將繪制的地圖命名為China_Tidal Flat（CTF）。結果顯示，2020年中國濱海灘涂總面積為 858,784 ha，空間分布如圖2 所示，其中江蘇省濱海灘涂資源最為豐富。
圖2. 中國濱海灘涂空間分布及沿海各省份灘涂面積。
研究人員應用實地調查樣點生成的誤差矩陣和亞米級高分數據，對CTF進行精度驗證。結果顯示：（1）CTF的總體分類精度可達95%，F1分數為0.93；（2）繪制的灘涂斑塊與低潮亞米級高分數據的一致性極高，如圖3所示。
圖3.CTF與高分2號和Google Earth低潮影像對比。
該研究的方法和理論不僅適用于濱海灘涂的自動、精準遙感研究，對于其它涉水生態系統也有重要的借鑒價值。CTF提供了最新的、分辨率最高的中國濱海灘涂空間分布信息，可用于海岸帶保護與管理工作，并可以服務于聯合國可持續發展目標的評估。
本研究由東北地理所賈明明副研究員，王宗明研究員，毛德華副研究員，任春穎研究員，武漢大學王超副教授，羅德島大學王野喬教授共同完成，發表于Remote Sensing of Environment（IF=9.08）期刊，得到中國科學院戰略性先導科技專項（A 類）（XDA19040500）和中科院青年創新促進會人才項目等共同資助。
論文信息：
Mingming Jia, Zongming Wang*, Dehua Mao, Chunying Ren, Chao Wang, Yeqiao Wang*. Rapid, robust, and automated mapping of tidal flats in China using time series Sentinel-2 images and Google Earth Engine. Remote Sensing of Environment, 2021, 255: 112285. https://doi.org/10.1016/j.rse.2021.112285
附件下載：
吉公網安備22017302000214號
