東北地理所研發(fā)了基于物候特征的紅樹(shù)林植物群落分類(lèi)方法
快速、準(zhǔn)確地紅樹(shù)林植物群落分類(lèi)與制圖是研究紅樹(shù)林濕地生態(tài)功能和價(jià)值、紅樹(shù)林濕地對(duì)氣候變化和人類(lèi)活動(dòng)的響應(yīng)等問(wèn)題的基礎(chǔ)，也是紅樹(shù)林濕地保育和管理的重要依據(jù)。在過(guò)去的40余年中，紅樹(shù)林遙感監(jiān)測(cè)技術(shù)雖然在理論及應(yīng)用研究方面都有長(zhǎng)足進(jìn)步，但由于紅樹(shù)林植物群落空間分布錯(cuò)綜復(fù)雜，斑塊零散細(xì)碎，已有的研究大多基于高分或高光譜的商用衛(wèi)星數(shù)據(jù)，不能滿(mǎn)足紅樹(shù)林生態(tài)系統(tǒng)業(yè)務(wù)化精細(xì)管理的需求。為解決這一問(wèn)題，中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所地理景觀(guān)遙感學(xué)科組的研究人員首次發(fā)現(xiàn)常綠的紅樹(shù)林植物，其不同群落的物候生長(zhǎng)曲線(xiàn)存在差異。利用這些差異，首先，建立基于高時(shí)間密度哨兵-2號(hào)衛(wèi)星影像的不同群落植物物候生長(zhǎng)曲線(xiàn)；然后，應(yīng)用隨機(jī)森林機(jī)器學(xué)習(xí)算法對(duì)物候數(shù)據(jù)進(jìn)行紅樹(shù)林群落自動(dòng)分類(lèi)方法。這一研究為使用開(kāi)源數(shù)據(jù)進(jìn)行紅樹(shù)林及其它植物群落精細(xì)制圖和管理的研究奠定了理論和技術(shù)基礎(chǔ)。
研究人員以福建漳江口紅樹(shù)林國(guó)家級(jí)自然保護(hù)區(qū)為實(shí)驗(yàn)區(qū)，基于實(shí)地考察和無(wú)人機(jī)低空航拍的方法獲得用于遙感影像分類(lèi)的紅樹(shù)林植物群落訓(xùn)練樣本和驗(yàn)證樣本。基于Google Earth Engine云平臺(tái)收集2017-2018年研究區(qū)所有影像，共收集199個(gè)時(shí)相，計(jì)算每個(gè)時(shí)相的歸一化植被指數(shù)（NDVI），建立初步的紅樹(shù)林植被群落物候曲線(xiàn)（圖1A），然后利用時(shí)間序列諧波分析法（HANTs）對(duì)初始的物候曲線(xiàn)進(jìn)行濾波和插值，形成穩(wěn)定的時(shí)間序列NDVI曲線(xiàn)（圖1A），代表植被群落的生長(zhǎng)曲線(xiàn)（物候曲線(xiàn)，圖1B）。最后，應(yīng)用GEE云平臺(tái)和隨機(jī)森林算法，進(jìn)行紅樹(shù)林群落分類(lèi)，形成漳江口紅樹(shù)林自然保護(hù)區(qū)內(nèi)紅樹(shù)林植物群落分布圖，如圖2所示，紅樹(shù)林群落的總體分類(lèi)精度達(dá)到84%。
圖1. 建立高質(zhì)量紅樹(shù)林植物群落物候曲線(xiàn)（A）及幾種紅樹(shù)林群落物候曲線(xiàn)（B）
圖2. 漳江口紅樹(shù)林自然保護(hù)區(qū)內(nèi)紅樹(shù)林植物群落分布圖
為分析基于物候曲線(xiàn)進(jìn)行紅樹(shù)林植物群落分類(lèi)的原理，研究人員對(duì)物候生長(zhǎng)曲線(xiàn)的各個(gè)節(jié)點(diǎn)進(jìn)行了特征貢獻(xiàn)率定量研究，發(fā)現(xiàn)每年的冬末春初遙感圖像是區(qū)分不同植物群落的最佳影像。交叉驗(yàn)證的結(jié)果顯示，僅用1-4月份的NDVI值就可將研究區(qū)內(nèi)的紅樹(shù)林植物群落分類(lèi)精度提高至83%，如圖3所示。在漳江口保護(hù)區(qū)內(nèi)，基于物候特征和隨機(jī)森林分類(lèi)算法的紅樹(shù)林植物群落分類(lèi)雖然取得了較好的精度，但是這種方法應(yīng)用于群落更為復(fù)雜的區(qū)域，例如，海南清瀾港（紅樹(shù)林群落類(lèi)型20余種），仍有一些列不確定性，需要進(jìn)一步研究和驗(yàn)證。
圖3. 紅樹(shù)林植物群落分類(lèi)精度交叉驗(yàn)證
該研究首次發(fā)現(xiàn)常綠的紅樹(shù)林其不同植物群落的物候生長(zhǎng)曲線(xiàn)有差異，并利用這種差異進(jìn)行了群落種類(lèi)的遙感制圖。以往的紅樹(shù)林群落制圖往往依賴(lài)于亞米級(jí)分辨率的遙感數(shù)據(jù)，或者光譜分辨率在10nm以下的高光譜數(shù)據(jù)，然而，這些數(shù)據(jù)存在價(jià)格高、獲取途徑不穩(wěn)定、無(wú)法滿(mǎn)足長(zhǎng)時(shí)間、近實(shí)時(shí)監(jiān)測(cè)的需求。本研究使用的哨兵2號(hào)衛(wèi)星影像，不僅能夠滿(mǎn)足群落分類(lèi)的空間分辨率要求，其重訪(fǎng)周期短的優(yōu)勢(shì)，使得基于物候的紅樹(shù)林植物群落分類(lèi)研究得以實(shí)現(xiàn)。本研究的方法和理論不僅適用于紅樹(shù)林生態(tài)系統(tǒng)的精準(zhǔn)遙感研究，對(duì)于其它植物群落的精準(zhǔn)遙感研究也有重要的借鑒價(jià)值。
本研究由東北地理所副研究員賈明明、碩士研究生張蓉、任永星、聞馨、青島理工大學(xué)李慧穎講師共同完成，發(fā)表于Remote Sensing期刊，得到國(guó)家自然科學(xué)基金青年基金（41601470）和中科院青年創(chuàng)新促進(jìn)會(huì)人才項(xiàng)目（2017277，2012178），以及國(guó)家科技基礎(chǔ)資源調(diào)查專(zhuān)項(xiàng)課題(2017FY100706)等共同資助。
論文信息： Li H., Jia, M.*, Zhang, R., Ren, Y., Wen, X., 2019.Incorporating the Plant Phenological Trajectory into Mangrove Species Mapping with Dense Time Series Sentinel-2 Imagery and the Google Earth Engine Platform. Remote Sensing, 11, 2479, doi:10.3390/rs11212479
附件下載：
吉公網(wǎng)安備22017302000214號(hào)
