ent--><
以下文章来源于遥感学报 ，作者贾明明 等
主题词
双时相、滨海盐沼
遥感识别、迭代样本优化
遥感学报NRSB
海岸盐沼植被是生长在潮水作用区的禾本、草本和低矮灌木形式的耐盐植物群落，在促淤消浪、提供栖息地、固碳等方面发挥着重要的生态服务功能。卫星遥感技术以其大范围、可重复、低成本等优势，被广泛应用于海岸盐沼植被监测中。应用物候信息和各种黑箱算法，海岸盐沼植被分布制图的准确性得到提升。但当前基于双时相影像的研究存在以下问题：1）双时相影像构建效率低；2）依赖后处理而非从源头减少误分类；3）未揭示已训练黑箱模型隐含的知识。
中国科学院东北地理与农业生态研究所研究员、《遥感学报》副主编王宗明团队针对海岸盐沼植被遥感识别问题，提出了基于双时相影像和样本迭代策略的一套新方法，发表论文“Toward a better understanding of coastal salt marsh mapping: A case from China using dual-temporal images”。在迭代样本优化方法（ISPRS Journal of Photogrammetry and Remote Sensing，2022）、黑箱模型解析IMMA方法（ISPRS Journal of Photogrammetry and Remote Sensing，2023）研究基础上，通过纬度梯度下的生长季公约数（枯黄季公约数）高效构建双时相影像，通过迭代样本提升分类效果以减少误分类，通过决策规则逼近已训练黑箱模型。
研究背景
海岸盐沼植被是一类禾本、草本和低矮灌木植物群落，由生长在相似海岸带环境下的不同科属植物构成。由于不同科属植物差异、纬度和气候因素导致的同种植物表型差异、潮水变化、人类活动扰动等因素，且海岸区域广泛存在植被与水信号的混合现象，海岸盐沼植被的遥感识别具有挑战性。
双时相影像能够捕捉生长季和枯黄季的盐沼植被信息，但现有方法依赖于先验的物候曲线、或者依赖于手动分配的样本点以合成双时相影像，在大尺度区域应用的效率较低。这些方法广泛使用了机器学习或深度学习方法，但盐沼植被与水稻等土地覆被的混淆问题仍旧突出。同时，这些已训练模型仅用于像元判断，现有可解释机器学习方法多关注于特征重要性层面，对于其蕴含的决策知识无法有效解析。
针对上述问题，本研究构建了一套研究思路。在纬度梯度下，使用南端和北端区域的生长季公约数（枯黄季公约数）或可实现双时相影像的高效构建；通过细致的分类体系、迭代优化的样本，或可实现误分类像元的有效抑制；通过从已训练随机森林模型中重构最优决策规则，或可实现隐式知识的等效提取。
研究思路
图1 双时相影像高效构建方法图示
根据上述研究思路，提出了新的海岸盐沼植被识别方法，具体为：
（1）以夜间温度为代理，根据纬度梯度下南端和北端区域的公约数和现有物候研究结果，确定了生长季和枯黄季的起止时间。
（2）参照现有海岸盐沼植被遥感提取研究，在分类体系中增加水田、水边非盐沼植被等类别。
（3）通过样本迭代，在融入典型误分类斑块的基础上，同步增加海岸盐沼植被样本，从而提高分类准确性。
（4）将已训练随机森林模型展开，按照特征出现频率，重构并优化特征、关系和阈值的组合，得到最优决策规则。
（5）解析纬度梯度下不同物种构成的区域最优决策规则，探测物种构成、纬度梯度因素对分类的影像，解析双时相海岸盐沼植被识别潜在机理。
这一方法不仅实现了海岸盐沼植被的高效识别，还深入解析了物种构成和纬度梯度对分类方法的影响，给出了双时相海岸盐沼植被识别的潜在机理，为后续相关方法的研发和改进提供了理论基础。
研究贡献
应用上述方法，以Sentinel-1/2影像和高程数据，实现了2020年中国海岸盐沼植被分布提取。经样本验证，数据总体精度为92.5%。相较于已有数据，本数据强调了具有相似生态功能的人工管理滨海湿地，解决了最新公布数据中江芏缺失的问题，并剔除了误分类为盐沼植被的新种植红树林斑块。
解析针对整个研究区的已训练随机森林模型，得到仅由4个特征组成的决策规则：B8senescence/B4senescence < 2.06 & B4green/B8green < 0.78 & B12green/B11green < 0.72 & elevation < 2.13。根据纬度梯度下不同物种组成的案例区域，抽取各区域的最优决策规则并推广应用到其他区域，发现：盐沼植被中的芦苇与水田误分类的主要因素，而纬度梯度的影响相对物种组成更小。
针对双时相影像识别海岸盐沼植被分布的潜在机理，进一步解析决策规则的各组成部分的作用。发现：枯黄季B8senescence/B4senescence < 2.06 对包含盐沼植被的高含水率土地覆被响应(Fig. 2a)，生长季B4green/B8green < 0.78 对包含盐沼植被的低含水率土地覆被响应(Fig. 2b)，二者的交集已有效包含盐沼植被。剩余部分决策规则分别作用于去除不透水面和水体。可以推测，双时相影像下盐沼植被冠层导致的水信号变化或是其遥感识别的潜在机理。
图2 海岸盐沼植被遥感识别模型的等效决策规则及其各组成部分的作用
本研究构建了一套海岸盐沼植被遥感提取方法，在此基础上分析了物种组合和纬度梯度因素的影响，解析了双时相影像下盐沼植被遥感识别的潜在机理。本研究在双时相影像高效构建、误分类像元抑制与机理分析、随机森林模型知识抽取方面具有重要贡献，可以为滨海土地覆被识别提供方法借鉴和理论支撑。
作者简介
第一作者：赵传朋，中国科学院东北地理与农业生态研究所特别研究助理，研究方向为滨海湿地遥感。
E-mail: zhaochuanpeng@iga.ac.cn
通讯作者：贾明明，中国科学院东北地理与农业生态研究所副研究员、《遥感学报》编委，研究方向为滨海湿地植物群落遥感分类机理，滨海湿地植物生理生态参数遥感反演等。
E-mail: jiamingming@iga.ac.cn
共同作者：王宗明，中国科学院东北地理与农业生态研究所研究员、《遥感学报》副主编，研究领域为湿地生态环境遥感。
E-mail:zongmingwang@iga.ac.cn
研究团队：中国科学院东北地理与农业生态研究所地理景观遥感学科组，包括张柏、王宗明、毛德华、任春颖研究员，贾明明副研究员，甄佳宁助理研究员，赵传朋、相恒星、张蓉、任永星特别研究助理，以及20多位博士、硕士研究生和项目聘用人员。主要研究方向有湿地植被制图，湿地植被定量遥感，湿地生态环境遥感评估，以及森林生态系统遥感和农田生态系统遥感等。
��� 论文信息
题目：Toward a better understanding of coastal salt marsh mapping: a case from China using dual-temporal images
发表期刊：Remote Sensing of Environment
论文链接：
https://authors.elsevier.com/c/1hFHn7qzS-Pqk
相关论文
陈高，钟才荣，李明玉，余洲，刘心雨，贾明明.2022.1990年—2020年广西北仑河口红树林扰动研究.遥感学报，26（6）：1112-1120 DOI：10.11834/jrs.20221579.
程丽娜，钟才荣，李晓燕，贾明明，王宗明，毛德华.2022.Sentinel-2密集时间序列数据和Google Earth Engine的潮间带湿地快速自动分类.遥感学报，26（2）：348-357 DOI：10.11834/jrs.20211311.
付波霖，邓良超，张丽，覃娇玲，刘曼，贾明明，何宏昌，邓腾芳，高二涛，范冬林.2022.联合星载高光谱影像和堆栈集成学习回归算法的红树林冠层叶绿素含量遥感反演.遥感学报，26（6）：1182-1205 DOI：10.11834/jrs.20211374.
本文转载自微信公众号遥感学报
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
