Sentinel-2A红边波段对湖滨带植被分类能力的评估

doi:10.13466/j.cnki.lyzygl.2021.02.018

林业资源管理 ›› 2021›› Issue (2): 131-139.doi: 10.13466/j.cnki.lyzygl.2021.02.018

Sentinel-2A红边波段对湖滨带植被分类能力的评估

濮毅涵¹(), 张栋²^,³, 徐丹丹¹^,⁴, 栾兆擎¹^,⁴

1.南京林业大学生物与环境学院,南京 210037
2.中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京 210008
3.中国科学院大学,北京 100049
4.南京林业大学南方现代林业协同创新中心,南京 210037

收稿日期:2021-01-13 修回日期:2021-03-25 出版日期:2021-04-28 发布日期:2021-06-03
作者简介:濮毅涵(1997-),男,江苏苏州人,在读硕士,主要从事林业遥感方面的研究工作。Email: pyh1997@njfu.edu.cn
基金资助:
江苏省农业科技自主创新资金项目(CX182026);国家自然科学基金项目(41471078);国家自然科学基金项目(41871097)

Evaluation of Red Edge of Sentinel-2A in Vegetation Classification of Lakeside Zone

PU Yihan¹(), ZHANG Dong²^,³, XU Dandan¹^,⁴, LUAN Zhaoqing¹^,⁴

1. College of Biology and the Environment,Nanjing Forestry University,Nanjing 210037,China
2. State Key Laboratory of Lake Science and Environment,Nanjing Institute of Geography and Limnology,Chinese Academy of Sciences,Nanjing 210008,China
3. University of Chinese Academy of Sciences,Beijing 100049,China
4. Co-Innovation Center for Sustainable Forestry in Southern China,Nanjing Forestry University,Nanjing 210037,China

Received:2021-01-13 Revised:2021-03-25 Online:2021-04-28 Published:2021-06-03

摘要/Abstract

摘要：

Sentinel-2A影像凭借其较高的空间分辨率和时间序列连续等优点被广泛应用于植被生长监测领域,其红边区域窄波段的设置保证其可精确捕获植被的光谱红边特征,为高植被覆盖区域的植被群落分类提供了可能性。以太湖竺山湾湖滨带区域的植被缓冲带为研究对象,通过构建植被红边斜率计算模型,统计不同植被群落红边斜率的年内变化趋势,评价红边斜率在湖滨带植被群落分类中的效果,辅以基于归一化植被指数的分类结果、不同分类方式下各植被群落间可分性的定量统计作为验证。研究结果显示,植被红边斜率在湖滨带植被群落分类中应用效果较佳,且在植被高覆盖时期优势更为明显。通过研究分析,可以认为Sentinel-2A的光谱红边斜率特征在植被群落分类中具有较好的应用能力。

关键词: Sentinel-2A, 湖滨带, 植被分类, 红边斜率, 归一化植被指数

Abstract:

Sentinel-2A image has been widely used in the vegetation growth monitoring field thanks to the advantages of high spatial resolution and continuous times series.Its special settings of the red edge bands ensure it can accurately capture the vegetation red edge features,which can avoid the influence of chlorophyll saturation effect and make it possible for the vegetation classification of high vegetation coverage.This study makes the classification of vegetation community in the lakeside of Taihu lake based on existing knowledge and builds a vegetation red edge slope calculation model to calculate the variation of slope of red edge in 2017.Finally,the results of classification based on normalized vegetation index and quantitative statistics on the separability of different vegetation communities under different classification methods are used as verification.The results show that the slope of the red edge of vegetation has a better effect on the classification of vegetation community in the lakeside zone,and has a more obvious advantage in the period of high vegetation cover.Therefore,it can be concluded that the red edge slope feature of sentinel-2A has a good application in the classification of vegetation community.

Key words: Sentinel-2A, lakeside zone, vegetation classification, slope of red edge, NDVI

中图分类号:

濮毅涵, 张栋, 徐丹丹, 栾兆擎. Sentinel-2A红边波段对湖滨带植被分类能力的评估[J]. 林业资源管理, 2021,(2): 131-139.

PU Yihan, ZHANG Dong, XU Dandan, LUAN Zhaoqing. Evaluation of Red Edge of Sentinel-2A in Vegetation Classification of Lakeside Zone[J]. FOREST RESOURCES WANAGEMENT, 2021,(2): 131-139.

图/表 12

图1

表1

图2

表2

图3

图4

图5

图6

图7

图8

图9

图10

参考文献 28

[1]	颜昌宙, 金相灿, 赵景柱, 等. 湖滨带的功能及其管理[J]. 生态环境, 2005(2):294-298.
[2]	王文杰, 张建辉, 李雪. 遥感在生态与环境监测中的主要应用领域[J]. 中国环境监测, 1999(6):48-51.
[3]	潘蔷, 吴桐, 李明纯, 等. 遥感在植被监测中的应用[J]. 林业科技情报, 2016,48(2):44-46.
[4]	刘佳, 王利民, 杨福刚, 等. 红边与短波红外谱段的玉米大豆识别能力研究[J]. 中国农学通报, 2018,34(35):120-129.
[5]	杨超, 邬国锋, 李清泉, 等. 植被遥感分类方法研究进展[J]. 地理与地理信息科学, 2018,34(4):24-32.
[6]	Clevers J G P W, Gitelson A A. Remote estimation of crop and grass chlorophyll and nitrogen content using red-edge bands on Sentinel-2 and-3[J]. International Journal of Applied Earth Observation and Geoinformation, 2013,23:344-351. doi: 10.1016/j.jag.2012.10.008
[7]	浦瑞良, 宫鹏. 高光谱遥感及其应用[M]. 北京: 高等教育出版社, 2003: 254.
[8]	Schuster C, Forster M, Kleinschmit B. Testing the red edge channel for improving land-use classifications based on high-resolution multi-spectral satellite data[J]. International Journal of Remote Sensing, 2012,33(17/18):5583-5599. doi: 10.1080/01431161.2012.666812
[9]	陈兵, 韩焕勇, 王方永, 等. 利用光谱红边参数监测黄萎病棉叶叶绿素和氮素含量[J]. 作物学报, 2013,39(2):319-329.
[10]	Horler D N H, Dockray M, Barber J. The red edge of plant leaf reflectance[J]. International Journal of Remote Sensing, 1983,4(2):273-288. doi: 10.1080/01431168308948546
[11]	Filella I, Penuelas J. The red edge position and shape as indicators of plant chlorophyll content,biomass and hydric status[J]. International journal of remote sensing, 2007,15(7):1459-1470. doi: 10.1080/01431169408954177
[12]	郑利娟. 基于高分一/六号卫星影像特征的农作物分类研究[D]. 北京: 中国科学院大学(中国科学院遥感与数字地球研究所), 2017.
[13]	张卫春, 刘洪斌, 武伟. 基于随机森林和Sentinel-2影像数据的低山丘陵区土地利用分类——以重庆市江津区李市镇为例[J]. 长江流域资源与环境, 2019,28(6):1334-1343.
[14]	Sibanda M, Mutanga O, Rouget M. Testing the capabilities of the new WorldView-3 space-borne sensor's red-edge spectral band in discriminating and mapping complex grassland management treatments[J]. International Journal of Remote Sensing, 2017,38(1/2):1-22.
[15]	浦瑞良, 宫鹏. 森林生物化学与CASI高光谱分辨率遥感数据的相关分析[J]. 遥感学报, 1997(2):115-123.
[16]	方灿莹, 王琳, 徐涵秋. 不同植被红边指数在城市草地健康判别中的对比研究[J]. 地球信息科学学报, 2017,19(10):1382-1392. doi: 10.3724/SP.J.1047.2017.01382
[17]	毕恺艺, 牛铮, 黄妮, 等. 基于Sentinel-2A时序数据和面向对象决策树方法的植被识别[J]. 地理与地理信息科学, 2017,33(5):16-20.
[18]	郭文婷, 张晓丽. 基于Sentinel-2时序多特征的植被分类[J]. 浙江农林大学学报, 2019,36(5):849-856.
[19]	汪政辉, 辛存林, 孙喆, 等. Sentinel-2数据的小型湖泊水生植被类群自动提取方法——以翠屏湖为例[J]. 遥感信息, 2019,34(5):132-141.
[20]	朱晓成, 吴永波, 余昱莹, 等. 太湖乔木林河岸植被缓冲带截留氮素效率[J]. 浙江农林大学学报, 2019,36(3):565-572.
[21]	周子尧, 吴永波, 余昱莹, 等. 河岸杨树人工林缓冲带对径流水中磷素截留效果的研究[J]. 南京林业大学学报:自然科学版, 2019,43(2):100-106.
[22]	王秋光. 太湖竺山湾植被缓冲带对地表径流的净化效果[D]. 哈尔滨: 东北林业大学, 2014.
[23]	方红亮, 田庆久. 高光谱遥感在植被监测中的研究综述[J]. 遥感技术与应用, 1998(1):65-72.
[24]	李晓兵, 王瑛, 李克让. NDVI对降水季节性和年际变化的敏感性[J]. 地理学报, 2000(S1):82-89. doi: 10.11821/xb2000S1013
[25]	杨胜天, 刘昌明, 孙睿. 近20年来黄河流域植被覆盖变化分析[J]. 地理学报, 2002(6):679-684.
[26]	郭铌. 植被指数及其研究进展[J]. 干旱气象, 2003(4):71-75.
[27]	莫康乐, 陈立欣, 周洁, 等. 永定河沿河沙地杨树人工林蒸腾耗水特征及其环境响应[J]. 生态学报, 2014,34(20):5812-5822.
[28]	王丹碧, 余华, 凌子然, 等. 落羽杉与墨西哥落羽杉3个杂交后代品系的生长和杂种优势分析[J]. 植物资源与环境学报, 2017,26(1):55-62.

月份	捕获日期	月份	捕获日期
1	20170129	8	20170827
2	20170228	9	20170916
4	20170419	10	20181001
5	20170529	11	20171105
6	20170608	12	20171205

波段	分辨率/m	中心波长/nm	波段宽/nm
红波段B4	10	665	30
红边波段B5	20	705	15
红边波段B6	20	740	15
红边波段B7	20	783	20
近红外波段B8	10	842	115
红边波段B8A	20	865	20

Sentinel-2A红边波段对湖滨带植被分类能力的评估

Evaluation of Red Edge of Sentinel-2A in Vegetation Classification of Lakeside Zone

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 28

相关文章 13

编辑推荐

Metrics

本文评价

[1]	龙植豪, 罗鹏, 许等平, 李振, 代华兵. Sentinel-2A红边波段森林蓄积量反演研究[J]. 林业资源管理, 2022, 0(2): 126-134.
[2]	林双双, 钟九生, 何鑫, 江丽, 段纪维, 代仁丽, 何志远. 光谱信息支持下城区林地信息提取方法[J]. 林业资源管理, 2021, 0(3): 96-100.
[3]	闫平, 徐健楠, 菊花, 浩仁塔本, 郭丰毅, 慕晓炜, 阮超越. 云南三江并流地区树轮宽度指数与NDVI关系研究[J]. 林业资源管理, 2019, 0(6): 42-48.
[4]	许新惠, 刘坚, 周星宇. 基于RS/GIS技术支持下的植被分类及其覆盖度研究——以昆明市为例[J]. 林业资源管理, 2019, 0(3): 86-93.
[5]	轩俊伟, 盛建东. 2001—2017年新疆玛纳斯河流域植被NDVI时空变化特征[J]. 林业资源管理, 2018, 0(6): 30-37.
[6]	谭莹, 徐军, 毛华英. 平原绿化工程建设下的归一化植被指数动态变化分析——以浙江省海宁市为例[J]. 林业资源管理, 2017, 0(6): 84-88.
[7]	刘旭升, 孙涛. 近10年我国荒漠化地区植被长势变化分析[J]. 林业资源管理, 2017, 0(3): 31-34.
[8]	赵晶, 周耀治, 邓兴耀. 西北干旱区植被覆盖时空动态特征[J]. 林业资源管理, 2017, 0(1): 118-126.
[9]	李培先, 郑江华, 刘萍. 2000—2014年乌鲁木齐市植被覆盖度时空变化分析[J]. 林业资源管理, 2016, 0(4): 88-95.
[10]	邸富宏. 基于MODIS的近10年来汾河上游植被动态变化监测[J]. 林业资源管理, 2015, 0(4): 109-114.
[11]	赵串串, 于杰. 青海省黄南地区灌木林遥感生物量模型研究[J]. 林业资源管理, 2015, 0(3): 65-69.
[12]	薛亚东, 杨燕琼. 基于遥感的广州市林分光合有效辐射分析研究[J]. 林业资源管理, 2010, 0(3): 115-119.
[13]	王雪, 周荣, 崔志新, 黄文龙. 深圳城市绿地空间分布遥感分析[J]. 林业资源管理, 2009, 0(3): 110-112.