顾及植被季相节律的滨海湿地类型动态变化研究

doi:10.13466/j.cnki.lyzygl.2017.02.011

林业资源管理 ›› 2017›› Issue (2): 58-64.doi: 10.13466/j.cnki.lyzygl.2017.02.011

顾及植被季相节律的滨海湿地类型动态变化研究

王海龙¹^,²(), 刘雪惠¹^,², 温小荣¹^,²(), 郜昌健¹^,², 佘光辉¹^,², 孟雪¹^,², 李赟¹^,²

^1. 南京林业大学南方现代林业协同创新中心,南京 210037
^2. 南京林业大学林学院,南京 210037

收稿日期:2016-12-07 修回日期:2017-04-19 出版日期:2017-04-28 发布日期:2020-10-10
通讯作者: 温小荣
作者简介:王海龙(1992-),男,安徽亳州人,在读硕士,主要研究方向:3S技术与森林资源动态监测。Email: 1224060531@qq.com
基金资助:
国家948计划项目(2013-4-63);南京林业大学科技创新基金项目(CX2011-24);江苏省林业三新工程(LYSX[2015]19);江苏高校优势学科建设工程自助项目(PAPD)

Dynnmic Changes of Coastal Wetland Types with Taking Seasonal Rhythms into Account

WANG Hailong¹^,²(), LIU Xuehui¹^,², WEN Xiaorong¹^,²(), GAO Changjian¹^,², SHE Guanghui¹^,², MENG Xue¹^,², LI Yun¹^,²

^1. South Modern Forestry Cooperative Research Center,Nanjing Forestry University,Nanjing 210037,China
^2. Forestry College of Nanjing Forestry University,Nanjing 210037,China

Received:2016-12-07 Revised:2017-04-19 Online:2017-04-28 Published:2020-10-10
Contact: WEN Xiaorong

摘要/Abstract

摘要：

基于盐城国家级珍禽自然保护区核心区2014年3个月份的Landsat 8遥感影像及其矢量数据,采用基于CART算法的决策树分类方法提取研究区芦苇、碱蓬、米草、鱼塘、浅滩、海域等湿地信息,并分析2014年植被变化情况。其中采用植被指数NDVI,RVI,DVI时间序列光谱分析曲线获得湿地植被类型窗口期,通过各植被指数、第一主成分分量、缨帽变换、原始波段(红外、近红外)、非监督分类影像等因子构建时序因子集。结果表明:1)3—12月份为植被分类窗口期,芦苇、碱蓬、米草区分度最大;2)CART算法的决策树分类方法对盐城湿地植被区分度较好,3个月份影像分类总体精度分别为99.88%,99.18%和97.61%,Kappa系数分别为0.99,0.99和0.97;3)2014年间,芦苇的面积从61.69km ²增长到63.08km ²,米草从38.01km ²增加到44.78km ²,碱蓬从26.37km ²锐减到19.63km ²。

关键词: 时间序列, 植被指数, 物候特征, CART 算法, 滨海湿地

Abstract:

Based on three months of Landsat8 remote sensing images and vector data of the core area of Yancheng national rare birds nature reserve and vector data in 2014,using CART-based decision tree classifier to extract phragmites,suaeda,spartina,fish ponds,mud flat,waters and wetlands information and then changes of vegetation are analyzed.Using vegetation index NDVI,RVI,DVI series spectrum curves to get a wetland vegetation type in the window period,through the vegetation index,the first principal component,tasseled Cap transformation,the original bands(red,near-infrared),unsupervised classification image,sequence subsets are built.Results showed that:1) The window period for vegetation classification is from March to December,phragmites,suaeda,Spartina discrimination of maximal order during this decision tree classification of remote sensing images for the data source can improve the accuracy of classification;2) CART-based decision tree classifier to Yancheng wetland vegetation and distinguish have good overall classification accuracy for 99.88%,99.18% and 97.61% and good Kappa coefficient for 0.99,0.99 and 0.97;3) In 2014,the area of phragmites grew from 61.69km ² to 63.08km ²and spartina from 38.01km ²to 44.78km ² while suaeda had fallen from 26.37km ²to 19.63km ².

Key words: time series, vegetation index, phenological characteristics, CART algorithm, coastal wetland

中图分类号:

王海龙, 刘雪惠, 温小荣, 郜昌健, 佘光辉, 孟雪, 李赟. 顾及植被季相节律的滨海湿地类型动态变化研究[J]. 林业资源管理, 2017,(2): 58-64.

WANG Hailong, LIU Xuehui, WEN Xiaorong, GAO Changjian, SHE Guanghui, MENG Xue, LI Yun. Dynnmic Changes of Coastal Wetland Types with Taking Seasonal Rhythms into Account[J]. FOREST RESOURCES WANAGEMENT, 2017,(2): 58-64.

图/表 10

表1

表2

图1

图2

图3

图4

图5

图6

表3

表4

参考文献 17

[1]	吕宪国, 刘红玉 . 湿地生态系统保护与管理[M]. 北京: 化学工业出版社, 2004: 6-11.
[2]	杨永兴 . 国际湿地科学研究的主要特点、进展与展望[J]. 地理科学进展, 2002,21(2):111-120. doi: 10.11820/dlkxjz.2002.02.003
[3]	刘红玉, 吕宪国, 张世奎 . 湿地景观变化过程与累积环境效应研究进展[J]. 地理科学进展, 2003,22(1):60-70. doi: 10.11820/dlkxjz.2003.01.008
[4]	王宪礼, 李秀珍 . 湿地的国内外研究进展[J]. 生态学杂志, 1997,16(1):58-62.
[5]	李建平, 张柏, 张泠 , 等. 湿地遥感监测研究现状与展望[J]. 地理科学进展, 2007,26(1):33-43. doi: 10.11820/dlkxjz.2007.01.004
[6]	Bronge L B, Naslund-landen Mark B. Wetland classification for Swedish CORINE Land Cover adopting a semi-automatic interactive approach[J]. Canadian Journal of Remote Sensing, 2002,28(2):139-155. doi: 10.5589/m02-011
[7]	James D H, Daniel L C, Maryhs S G, et al. Tidal wetland classification from Landsat imagery using an integrated pixel-based and object-based classification approach[C]// American Society for Photogrammetry and Remote Sensing,2006 Annual Conference,Reno,Nevada, 2006.
[8]	Sarch M T , BirkettC.Fishing and farming at Lake Chad:Responses to lake-level fluctuations[J]. Geographical Journal, 2000,166(2):156-172. doi: 10.1111/geoj.2000.166.issue-2
[9]	牟凤云, 韩葵 . 面向对象的遥感湿地植被分类与信息提取—以微山湖为例[J]. 安徽农业科学, 2012(12):7574-7576.
[10]	朱晓荣 . 基于决策树的洞庭湖湿地信息提取技术研究[D]. 北京:中国林业科学研院, 2012.
[11]	那晓东, 张树清, 李晓峰 . MODIS NDVI 时间序列在三江平原湿地植被信息提取中的应用[J]. 湿地科学, 2007,5(3):227-236.
[12]	赵萍, 傅云飞, 郑刘根 , 等. 基于分类回归树分析的遥感影像土地利用/覆被分类研究[J]. 遥感学报, 2005,9(6):708-716. doi: 10.11834/jrs.200506103
[13]	肖锦成, 欧维新, 符海月 . 基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类[J]. 生态学报, 2013,33(23):7496-7504. doi: 10.5846/stxb201206300916
[14]	丁晶晶, 王磊, 季永华 , 等. 江苏省盐城海岸带湿地景观格局变化研究[J]. 湿地科学, 2009,7(3):202-207.
[15]	王凯, 高媛赟, 温小荣 , 等. 近10年盐城国家级珍禽自然保护区核心区湿地动态变化分析[J]. 森林工程, 2015,31(1):17-21.
[16]	夏传福, 李静, 柳钦火 . 植被物候遥感监测研究进展[J]. 遥感学报, 2013,12(1):1-16.
[17]	李鑫川, 徐新刚, 王纪华 . 基于时间序列环境卫星影像的作物分类识别[J]. 农业工程学报, 2013,21(2):169-176.

卫星	影像获取时间	时间序列编号	影像编号
Landsat8	2014-01-27	0127	LC81190372014027LGN00
Landsat8	2014-03-16	0316	LC81190372014075LGN00
Landsat8	2014-12-13	1213	LC81190372014347LGN00

代码	湿地类型	划分技术标准
101	浅海水域	浅海湿地中,湿地底部机制由无机物质组成,植被覆盖度<30%的区域,多数情况下低潮时水深小于6m。包括海峡,海湾
104	岩石海岸	底部基质75%以上是岩石和砾石,包括岩石性沿海岛屿、海沿峭壁
106	淤泥质海滩	由淤泥质组成、植被覆盖度<30%的淤泥质海滩
107	潮间盐水沼泽	潮间带形成的、植被覆盖度≥30%的盐碱沼泽、盐水草地和海滩盐沼
109	河口水域	从近口段的潮区界(潮差为零)至口外河海滨段的淡水舌锋缘之间的永久性水域
110	三角洲/沙洲/沙岛	河口系统四周冲击的泥/沙滩、沙洲、沙岛(包括水下部分)植被覆盖度<30%

类别	2014年1月		2014年3月		2014年12月
类别	面积/km²	百分比/%	面积/km²	百分比/%	面积/km²	百分比/%
海域	61.03	26.82	79.51	34.94	52.71	23.17
浅滩	25.48	11.20	8.00	3.52	32.59	14.32
米草	38.01	16.71	54.27	23.85	44.78	19.68
碱蓬	26.37	11.59	14.09	6.19	19.63	8.63
芦苇	61.69	27.11	51.32	22.56	63.08	27.72
鱼塘	14.95	6.57	20.34	8.94	14.74	6.48

分类	2014年1月		2014年3月		2014年12月
分类	总体精度/%	卡帕系数	总体精度/%	卡帕系数	总体精度/%	卡帕系数
CART决策树法	99.88	0.99	99.18	0.99	97.61	0.97
最大似然法	99.38	0.99	98.92	0.99	96.78	0.95
最小距离法	97.28	0.96	87.04	0.84	94.80	0.94
马氏距离法	97.50	0.97	88.12	0.85	93.46	0.92

顾及植被季相节律的滨海湿地类型动态变化研究

Dynnmic Changes of Coastal Wetland Types with Taking Seasonal Rhythms into Account

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

[1]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[2]	黄迪, 任毅华, 杨守志. 察隅县针阔混交林乔木树种数量特征与空间分布格局[J]. 林业资源管理, 2022, 0(5): 118-128.
[3]	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.
[4]	杨丹, 李崇贵, 张家政. 基于深度学习的多时相GF-1影像林分类型分类研究[J]. 林业资源管理, 2022, 0(1): 142-149.
[5]	相莹莹. 2009—2018年京冀生态水源保护林区生态系统变化特征[J]. 林业资源管理, 2021, 0(6): 65-68.
[6]	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.
[7]	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, 0(2): 131-139.
[8]	邹全程, 徐健楠, 冯晓川, 慕晓炜, 胡彬, 刘海令, 孔凡利, 吴静. 多方法融合的森林景观与质量提升探究[J]. 林业资源管理, 2021, 0(2): 36-44.
[9]	段纪维, 钟九生, 江丽, 代仁丽, 何志远, 林双双, 何鑫. 基于哨兵2可见光波段的喀斯特地区植被提取方法[J]. 林业资源管理, 2020, 0(6): 143-152.
[10]	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.
[11]	林丽丽, 郝振帮, 戴姗霖, 杨柳青, 刘健, 余坤勇. 南方集体林区典型毛竹经营区林分质量遥感量化研究[J]. 林业资源管理, 2019, 0(6): 84-90.
[12]	卢献健, 黄俞惠, 晏红波, 周吕, 吴宸龙, 周斌, 罗乐. 基于GEE平台广西桉树快速提取研究[J]. 林业资源管理, 2019, 0(5): 52-60.
[13]	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.
[14]	任怡, 王海宾, 许等平. 基于Landsat 8影像的乔木林地上生物量估算[J]. 林业资源管理, 2018, 0(6): 38-44.
[15]	巴音德乐黑, 包翔, 周梅, 赵鹏武, 石亮, 郝良杰. 基于MODIS NDVI的大兴安岭北坡植被覆盖时空变化特征[J]. 林业资源管理, 2018, 0(6): 50-56.