|
近日，厦门大学近海海洋环境科学国家重点实验室、环境与生态学院海岸带城市化与区域生态环境变化研究组（CoUREC）在Remote Sensing of Environment期刊上发表了题为“Sub-continental-scale mapping of tidal wetland composition for East Asia: A novel algorithm integrating satellite tide-level and phenological features”的研究成果。
8 q0 A6 X( P, S0 W0 V7 p8 N( Z$ y) G该研究解决了海岸带光学遥感受到潮汐波动和频繁云覆盖影响的难题，提出了融合潮汐动态和植被物候特征的多类别潮滩湿地遥感提取方法，并将该方法应用于东亚区域得到了首张10米分辨率次洲际尺度潮滩湿地分类图（含红树林、盐沼与光滩） 研究背景
5 _7 F/ n" ], x5 R9 r7 [" k- y潮滩湿地是地球上生产力最高、生物多样性最丰富的生态系统之一，具有重要的生态功能与价值。然而，受到气候变化和人为扰动的影响，潮滩湿地组分会发生显著变化，导致本地物种栖息生境的破坏，进而削弱湿地的生态服务价值。遥感技术手段可以对大尺度潮滩湿地组分进行监测，为湿地保护提供数据支撑。但由于潮汐的波动性与频繁的云干扰，光学遥感卫星难以捕捉到清晰无云的低潮影像来进行潮滩湿地提取，从而造成湿地范围的错估。另一方面，潮滩湿地与陆地景观具有高度的光谱相似性，即使获取到无云低潮影像，也难以进行准确区分。 研究亮点
2 C* z( B+ Z* ?+ |' ~/ y针对上述问题，CoUREC研究组基于多时相卫星数据，提出一种融合潮汐特征和物候特征的新分类算法（MTWM-TP）。该算法利用潮滩湿地易受潮汐影响的特点来放大潮间带与陆地景观的光谱差异，并进一步依据植被绿度物候特征来区分常绿的红树林和有绿度季节性变化的盐沼。通过影像合成得到无云高低潮以及生长季和衰落季图像，MTWM-TP算法显著提升了潮滩湿地分类精度，大幅优于不使用潮汐或物候特征的分类方法。进一步的敏感性测试表明，即使在小规模的训练样本下MTWM-TP也可实现较高精度。MTWM-TP算法可在Google Earth Engine 云计算平台中全程实现，示例代码为：https://code.earthengine.google. ... 892dca149a189176a5.
$ j/ d9 f" Q0 c6 k, t+ g& v
; V8 f5 F6 H F7 \: |) ^) V! f; F图1 MTWM-TP算法总体流程
图2 多潮位图像合成 研究结果 将MTWM-TP算法应用于东亚范围，该研究提取了中国大陆、朝鲜和韩国2020年10米空间分辨率的潮滩湿地分布数据，总体精度达到97.02%。结果表明，研究区内2020年潮滩湿地面积为1,308,241公顷，其中89.12%为光滩，9.39%为盐沼，1.49%为红树林。中国大陆潮滩湿地分布面积为949,393公顷，其中红树林面积为19,510.5公顷，盐沼为109,850.7公顷，光滩为820,031.8公顷。该数据目前已开放共享，下载网址为：https://figshare.com/articles/dataset/Fujian_zip/14331785。
图3 东亚潮滩湿地分布典型区域 研究团队 CoUREC研究组博士生张振为论文第一作者，李杨帆教授（www.52ocean.cn）为通讯作者，南京师范大学海洋科学与工程学院徐南博士以及研究组李艺副教授为共同作者。该研究得到了国家自然科学基金项目（41976208）、科技基础资源调查专项项目课题(2017FY100701)等经费支持。 论文来源 Zhang, Z., Xu, N., Li, Y.F.*, Li, Y., 2022. Sub-continental-scale mapping of tidal wetland composition for East Asia: A novel algorithm integrating satellite tide-level and phenological features. Remote Sensing of Environment. 269, 112799. www.52ocean.cn 论文链接 https://www.sciencedirect.com/science/article/abs/pii/S0034425721005198 本文来源：厦门大学近海海洋环境科学国家重点实验室 O( L0 I1 z# D1 N! X7 |
| 
