没有合适的资源?快使用搜索试试~ 我知道了~
利用叶绿素a浓度反演精细提取红树植物生长区域.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 118 浏览量
2022-11-29
17:40:54
上传
评论
收藏 4.18MB DOCX 举报
温馨提示
试读
27页
利用叶绿素a浓度反演精细提取红树植物生长区域.docx
资源推荐
资源详情
资源评论
红树林是一种位于热带、亚热带海岸潮间带上部
[1]
,长期受到潮汐淹浸,以红树植物
为主要植被的常绿灌木和小乔木群落。它主要生长在陆地和海洋相接壤的滩涂浅滩,不仅
对海岸生态起到了重要的保护作用,也是陆地与海洋连接的独特生态系统
[2]
。中国广东省
湛江市沿岸滩涂辽阔,生长着大批量的红树植物。据统计,1990 年湛江市有红树植物面积
7 242 hm
2
,人造待成林 25.6 hm
2
,天然更新红树植物 509.4 hm
2
,另有适宜生长区 9
688.6 hm
2[3]
。对红树植物资源的不合理利用和开发,导致红树植物面积大幅度减少。
1991—2011 年间,湛江市红树植物面积逐年减少
[4]
,因此,正确把握红树植物资源现状,
全面详细地了解红树植物分布面积、组成结构等,可为进一步研究红树植物、增进治理监
督提供科学凭据。
遥感手段具备探测规模广、所需时间短、受地物局限性少、获得的信息数据量多等优
点
[5]
,近年来已被普遍地应用于湿地环境调查和变化监测。国内外对红树植物资源和群落
生态环境已经做过不少遥感监测方面的研究工作,文献[6]综合了多种遥感数据实现红树林
结构特征的提取,文献[7]针对红树植物的遥感发展史,撰写了 1956—2018 年的红树林遥
感研究综述。目前,尽管关于红树植物的研究不少,但对红树植物水域生态系统的研究较
少,如红树植物水环境的叶绿素循环等,这些研究不仅对探索红树植物生长区域的生态环
境及其特性意义重大,还可为红树植物资源的维护及其开发利用提供重要的参考依据。
本文根据 2017-04 的高分一号(Gaofen-1,GF-1)卫星影像,对湛江市通明海湾沿
岸红树植物生长区域和其周围水环境叶绿素 a 进行识别提取,并将野外调查数据与遥感影
像结果进行结合,比较红树植物与周围水环境叶绿素 a 的变化规律,提出了一种利用叶绿
素 a 浓度变化精细提取红树植物生长区域的方法。
1. 研究数据与方法
1.1 研究数据
通明海湾位处湛江市区东南方向,有国家级红树林自然保护区,海水污染程度较低,
滩涂淤泥质土壤肥沃,沿海潮间带分布着大量红树植物,是中国连片面积最大的红树植物
基地,本文研究区覆盖整个通明海湾沿岸。
本文采用 GF-1 卫星多光谱和全色数据进行解译分析。由于研究区域遥感影像易受天
气、云覆盖和轨道影响,使用 2017-04-01 获取的多光谱和全色数据,对影像进行辐射定
标、大气校正、正射校正等处理(见图 1),使用色彩标准化空间变换法对影像进行融
合,融合前后波谱一致
[8]
,使其成为一幅具有 2 m 分辨率的多光谱影像。
图 2 红树植物调查区域与海水采集区域
Figure 2. Mangrove Plants Survey Area and SeawaterSampling Area
下载: 全尺寸图片 幻灯片
1.2 研究方法
1)选用植被指数和面向对象分类
[9]
相结合进行目标信息的提取。考虑到红树植物生长
的特征属性,根据水体和非水体的波谱差异,采用水体指数在影像中获取水陆边界线,利
用面向对象分类和植被指数,结合红树植物光谱、形状等属性,在红树植物适宜生长区内
提取红树植物分布信息
[10]
。
2)根据卫星数据特点以及通明海湾水质反演技术要求,对研究区域进行裁剪,除去
陆地信息,基于波段比值建立实测叶绿素 a 浓度和遥感影像间的数学模型,随后将模型应
用于通明海湾水体区域,反演出整个通明海湾区域的叶绿素 a 浓度分布。
3)将提取出来的红树植物生长分布区域和叶绿素 a 浓度分布信息相结合,探究红树
植物水环境的叶绿素 a 质量浓度的变化,根据浓度变化判断是否对红树植物生长区域的提
取起推进作用,确立二者之间关系。
2. 红树植物生长区域提取
2.1 红树植物生长区域提取流程
本文对红树植物生长范围提取使用了面向对象法与植被指数法这两种常用的红树植物
提取方法,将二者提取的结果进行混合取并集,合并两种方法提取出来的红树植物生长区
域,达到提取红树植物生长区域的最大化(见图 3)。
图 3 红树植物信息提取流程图
Figure 3. Information Extraction Process of Mangrove Plants
下载: 全尺寸图片 幻灯片
2.2 面向对象的尺度分割
面向对象分类方法是聚合相邻像元为对象用来提取目标信息,运用高光谱数据的空
间、纹理和光谱信息来区划和归类处理,对高精度的分类结果或者矢量进行输出
[11]
。相较
于依据像元归类具有更好的完整性,能克服传统的黑白噪声现象,同时能有效削弱“同物异
谱”和“异物同谱”对精度的影响。首要步骤是影像的分割,得到光谱区域和空间区域属性都
相同的“同质均一”的单元。在分割的过程中,对象内的同质属性应该到达最大化,不同属
性也应该到达最大化。
本文对影像进行多次尺度分割,基于影像的灰度特征来计算多个灰度阈值,将影像中
的每个像素的灰度值与阈值进行比较,依据比较结果分到合适的类别中。将卫星影像拆分
为可按阈值分割的 3 色灰度数据。使用红(red,R)、绿(green,G)、蓝(blue,B)
3 通道分别计算其单通道灰度数据,避免出现混插(见图 4)。
图 4 R、G、B 3 通道拆分计算灰度数据
Figure 4. R, G, B Three Channels Were Split to Calculate Grayscale Data
下载: 全尺寸图片 幻灯片
将所得的 3 组 R、G、B 灰度数据结合为一组整体灰度数据,为了量化影像的灰度变
化情况,对影像进行了像元对比度分区运算:
剩余26页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3543
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功