東北地理所基于雙時相影像解析濱海鹽沼植被識別機理
海岸鹽沼植被是生長在潮水作用區的禾本、草本和低矮灌木形式的耐鹽植物群落，在促淤消浪、提供棲息地、固碳等方面發揮著重要的生態服務功能。衛星遙感技術以其大范圍、可重復、低成本等優勢，被廣泛應用于海岸鹽沼植被監測中。應用物候信息和各種黑箱算法，海岸鹽沼植被分布制圖的準確性得到提升。但當前基于雙時相影像的研究存在以下問題：1）雙時相影像構建效率低；2）依賴后處理而非從源頭減少誤分類；3）未揭示已訓練黑箱模型隱含的知識。
中國科學院東北地理所王宗明研究員團隊針對海岸鹽沼植被遙感識別問題，提出了基于雙時相影像和樣本迭代策略的一套新方法，在Remote Sensing of Environment上發表論文“Toward a better understanding of coastal salt marsh mapping: A case from China using dual-temporal images”。在迭代樣本優化方法（ISPRS Journal of Photogrammetry and Remote Sensing，2022）、黑箱模型解析IMMA方法（ISPRS Journal of Photogrammetry and Remote Sensing，2023）研究基礎上，通過緯度梯度下的生長季公約數（枯黃季公約數）高效構建雙時相影像，通過迭代樣本提升分類效果以減少誤分類，通過決策規則逼近已訓練黑箱模型。
應用上述方法，以Sentinel-1/2影像和高程數據，實現了2020年中國海岸鹽沼植被分布提取（圖1）。經樣本驗證，數據總體精度為92.5%。相較于已有數據，本數據強調了具有相似生態功能的人工管理濱海濕地，解決了最新公布數據中江芏缺失的問題，并剔除了誤分類為鹽沼植被的新種植紅樹林斑塊。
結果顯示，新方法可以高效構建生長季和枯黃季構成的雙時相影像、有效減少誤分類像元、等效逼近已訓練隨機森林模型。此外，本研究提供了一套總體精度92.5%的10米分辨率2020年海岸鹽沼植被分布數據，還構建了針對雙時相影像識別海岸鹽沼植被的潛在機理，即生長季的水信號被植被掩蓋、枯黃季植被枯萎后水信號得到增強。針對雙時相影像識別海岸鹽沼植被分布的潛在機理，進一步解析決策規則的各組成部分的作用。發現：枯黃季B8senescence/B4senescence < 2.06 對包含鹽沼植被的高含水率土地覆被響應，生長季B4green/B8green < 0.78 對包含鹽沼植被的低含水率土地覆被響應，二者的交集已有效包含鹽沼植被(圖2)。剩余部分決策規則分別作用于去除不透水面和水體。可以推測，雙時相影像下鹽沼植被冠層導致的水信號變化或是其遙感識別的潛在機理。
圖1 2020年中國海岸鹽沼植被分布
圖2 海岸鹽沼植被遙感識別模型的等效決策規則及其各組成部分的作用。
本研究構建了一套海岸鹽沼植被遙感提取方法，在此基礎上分析了物種組合和緯度梯度因素的影響，解析了雙時相影像下鹽沼植被遙感識別的潛在機理。本研究在雙時相影像高效構建、誤分類像元抑制與機理分析、隨機森林模型知識抽取方面具有重要貢獻，可以為濱海土地覆被識別提供方法借鑒和理論支撐。本研究由東北地理所趙傳朋特別研究助理、賈明明副研究員，王宗明研究員，毛德華研究員，羅德島大學王野喬教授共同完成，得到國家自然科學基金(No. 42201422)、中國博士后科學基金面上資助（(No. 2022M713132）、中國科學院青年創新促進會人才項目(No. 2021227)，東地所青年科學家小組項目（2022QNXZ03）共同資助。
論文標題
Toward a better understanding of coastal salt marsh mapping: a case from China using dual-temporal images
發表期刊
Remote Sensing of Environment
論文全文鏈接
附件下載：
吉公網安備22017302000214號
