共查询到16条相似文献，搜索用时 406 毫秒
1.
珊瑚礁是海洋中最重要的生态系统之一, 近年来在全球气候变化和人为干扰加剧的影响下, 我国南海珊瑚礁总体处于快速退化状态。以海南西岛珊瑚礁为例, 基于Sentinel-2系列卫星10 m空间分辨率影像, 利用面向对象分类法(object-based image analysis, OBIA)对2017年12月~2018年3月和2021年12月两个时期的海南西岛珊瑚礁底质进行了识别分类, 并进行珊瑚礁面积变化分析。将2021年12月的分类结果与现场调查数据进行对比验证, 总分类精度和Kappa系数分别为83.3%和0.71。对比两个时期珊瑚礁底质分类结果表明, 西岛西侧珊瑚礁覆盖面积未出现明显变化, 东侧珊瑚礁显示恢复趋势。本文研究表明, 10 m地面分辨率卫星系列影像和面向对象的阈值分类方法可以对海南西岛珊瑚礁进行较为准确的识别和变化分析, 监测结果可为海南岛沿岸西岛等小型岛礁珊瑚保护及修复提供参考。 相似文献
2.
在海洋环境变化和人类活动的双重影响下,我国珊瑚礁白化现象日趋严重,珊瑚礁健康状况、珊瑚种群数量和丰富度呈逐年下降的趋势。本文基于2005-2007年QuickBird卫星影像、2011-2012年QuickBird/WorldView-2卫星影像和2016-2018年GF-1/2卫星影像等3期高分辨率遥感数据,以西沙永乐群岛羚羊礁、中建岛等14个岛礁为研究区（以下统称永乐群岛）,利用支持向量机（support vector machine,SVM）分类方法结合人机交互信息提取方法完成了3期永乐群岛的珊瑚礁底质类型分类,并通过珊瑚礁底质类型变化分析了永乐群岛珊瑚礁白化特征。主要结论包括：（1）提出了一种珊瑚礁白化程度分级的方法,将永乐群岛白化状况分为轻度、中度、重度和严重白化4个等级,通过分析发现在监测时段内14个岛礁中有13个发生了不同程度的白化,其中10个发生了重度白化（白化率20%以上）,1个严重白化（羚羊礁,白化率为33.36%）;（2）根据监测数据统计,上述珊瑚岛礁的白化主要是由珊瑚丛生区白化引起的,2005-2018年永乐群岛珊瑚丛生区白化面积占总的发生白化区域面积的70.55%;（3）14个岛礁中只有甘泉岛的活珊瑚覆盖在逐渐增加,活珊瑚覆盖面积由2006年5月10日的87.13 hm2增加到2018年3月7日的107.80 hm2。 相似文献
3.
本文以SPOT6 高空间分辨率遥感影像为数据源,通过植被覆盖度和地上生物量两个参数进行滩涂湿地入侵种互花米草植株高度的估算研究。结果表明,三沙湾滩涂湿地互花米草植株高度平均值为2.04 m,以1~2 m和2~3 m植株为主要分布高度,分布面积分别为6.83 km2和10.31 km2,占研究区互花米草总面积的33.83%和51.06%,小于1 m和大于3 m的互花米草仅占9.26%和5.84%。估算值与真实值之间的均方根误差为0.204,绝对误差为0.04~0.37 m。该方法是对高空间分辨率光学影像应用研究的重要尝试,其反演方法具有较好的可行性,可较为准确的获取滩涂湿地植株高度信息。 相似文献
4.
数据融合能够综合利用多源遥感数据优势,获取高空间分辨率和高测量精度的遥感影像,这对于近岸水体生态环境监测和灾害预警均具有重要意义。但目前使用的数据融合方法多是针对内陆水体或大洋水体的,其在近岸水体的适用性仍需进一步评估,因而本文开展了近岸水体遥感数据融合方法对比研究。本文以高空间分辨率的Sentinel-2 MSI影像和中等空间分辨率的Sentinel-3 OLCI影像为数据源,分别开展了基于小波变换（WTBF）、生物光学模型（BOBF）和混合像元分解（IUBF）三种方法的数据融合实验,并在此基础上借助现场实测Rrs数据与融合影像对应点的平均相对误差MRE、均方根误差RMSE、偏差bias和平均梯度对各种方法的融合数据质量和区域适用性进行了评估。结果表明：（1）OLCI的Rrs数据精度高于MSI。其中MSI在443 nm、560 nm和665 nm三个波段的MRE、RMSE均高于OLCI,表明MSI的Rrs精度相对OLCI较低;目视效果和平均梯度表明MSI的清晰度高于OLCI;（2）BOBF是三种方法中融合效果最佳的算法。WTBF和BOBF生成融合影像在三个波段的MRE、RMSE优于MSI。综合MRE、RMSE和bias来看,BOBF和WTBF所生成的影像Rrs准确性高于MSI,而IUBF生成的融合影像的MRE、RMSE和bias相对WTBF和BOBF较高,准确性较差;目视评价和平均梯度表征WTBF和BOBF生成影像的清晰度与MSI相近,BOBF清晰度高于WTBF,IUBF生成影像清晰度相对于OLCI有所提高但未达到MSI水平;（3）在Rrs更低的烟台近岸海域,BOBF生成的融合影像清晰度与MSI相当且Rrs准确性相对于MSI更高,BOBF在该海域具有良好的适用性。 相似文献
5.
近年来，在人为活动和自然因素的影响下，全球珊瑚礁面临着大规模退化问题，开展珊瑚礁监测研究对珊瑚礁生态系统评估、修复和保护工作具有重要作用。本文以西沙群岛北礁和华光礁为研究区，应用2015年高分二号（GF-2）和WorldView-2高空间分辨率卫星影像和现场调查数据，基于不同珊瑚礁地貌单元的空间位置特征，提出了融合地理空间认知（Geo-Spatial Cognition,GSC）的珊瑚礁地貌单元高分遥感分类方法。研究结果表明：针对因空间位置不同和底质组成高度近似导致珊瑚礁地貌单元漏分和错分的问题，本文提出的方法更能有效获取精准的珊瑚礁地貌单元信息。其中，融合地理空间认知的随机森林（Integrating Geo-Spatial Cognition-Random Forest,GSC-RF）方法展现出了最优的分类表现，在北礁和华光礁珊瑚礁地貌单元分类中总体精度分别为98.06%和91.93%,Kappa系数分别为0.98和0.91。相比于仅使用光谱信息的随机森林（Random Forest,RF）、多元逻辑回归（Multinomial Logistic Regression,MLR）和支... 相似文献
6.
空间分辨率对水深遥感反演的影响分析 总被引：2，自引：0，他引：2
遥感水深反演中空间分辨率的影响是一个重要的科学问题。本文使用东岛的QuickBird和WorldView-2多光谱影像及实测水深点进行实验研究,实验使用了原始空间分辨率（2.4/2m）以及4种降空间分辨率（4m,8m,16m和32m）的影像,使用相同的水深控制点开展水深遥感反演,并对水深反演结果使用相同的检查点进行精度验证。实验结果表明,随着空间分辨率由2.4/2m降低至4m,8m和16m,水深遥感反演的精度呈现出逐渐提高的趋势,进一步降低空间分辨率则会导致水深反演精度下降。当影像空间分辨率为16m时,水深反演结果误差最小且与实测水深值相关性最高,此时两景影像的水深反演平均相对误差分别21.2%和13.1%,相对于最大值分别降低了14.7%和2.9%;平均绝对误差分别为2.0m和1.4m,相对于最大值分别降低了1.0m和0.5m。本文研究结果为水深遥感反演研究与应用中遥感数据的选择提供了参考。 相似文献
7.
潟湖是重要的海岸湿地类型,具有丰富的自然资源和独特的生态功能。近几十年来,我国的海岸潟湖遭到了极大破坏,因此,开展我国海岸潟湖遥感监测与分析具有重要意义。本文根据1979年、1990年、2000年和2010年的4期共102景多时相遥感影像数据,利用遥感和地理信息系统等技术方法对我国大陆海岸潟湖进行了遥感监测,首次调查统计了我国大陆海岸潟湖的名称、数量、分布、岸线长度和面积信息,并对近31年来我国大陆海岸潟湖的变迁状况进行了分析。结果表明,1979年我国大陆海岸潟湖共计251个,近31年,共消失19个潟湖,其中辽宁省消失15个,广东省消失3个,广西壮族自治区消失1个;1979年我国大陆海岸潟湖岸线总长度为2 692.26km,总面积为1 092.805 5km2,至2010年我国大陆海岸潟湖岸线总长度共减少337.80km,潟湖总面积共减少204.103km2;31年间,我国大陆海岸潟湖的岸线长度和潟湖面积总体均处在持续减少的状态,各省(自治区)也基本符合该规律;1979-2010年间,我国大陆海岸潟湖大部分处在老年期,死亡期潟湖消失19个。 相似文献
8.
连云港海域的紫菜养殖遥感监测对于规划紫菜养殖空间分布具有重要意义。基于50m空间分辨率的海洋一号C卫星（HY-1C）海岸带成像仪（Coastal Zone Imager, CZI）数据,利用归一化植被指数(NDVI)和人工目视解译,获取了2018年10月-2020年4月连云港沿岸的紫菜养殖遥感监测面积,并分析了紫菜养殖的季节变化特征。结果显示,连云港紫菜养殖区主要分布于海州湾和连岛附近海域;养殖区自9月至次年5月在CZI图像上可见,紫菜养殖遥感监测面积呈先增加后减少的趋势,1-2月其遥感监测面积通常达到一个养殖周期的最大值,3月初面积迅速减少;基于CZI影像的2019年度遥感监测面积为123km2,2020年为160km2。建立HY-1C与哨兵二号(10m)、高分一号(16m)和Landsat-8(30m)监测结果的线性模型,以Google Earth影像目视解译的紫菜养殖区遥感面积作为真实值,并将哨兵二号监测值转换为真实值。换算成真实值的2020年度紫菜养殖区真实面积为94km2,较2015年度的42km2增长了一倍多。本研究展示,CZI可用于紫菜养殖区的业务化观测,本文同时建议,利用其1-2月份的多期遥感影像监测结果作为年度紫菜养殖区遥感监测面积的基准。 相似文献
9.
基于WorldView-2和GF-2遥感影像的赵述岛礁坪底质变化研究 总被引：1，自引：1，他引：0
以西沙群岛海域赵述岛礁坪为研究区域,应用2010年的WorldView-2和2015年的GF-2两期高分辨率卫星遥感影像数据,结合现场水下珊瑚礁照片和视频资料,建立了赵述岛礁坪底质类型遥感分类体系,分别构建了针对WorldView-2遥感影像和GF-2遥感影像的珊瑚礁底质分类决策树模型,并通过对两期遥感影像的底质类型提取结果的变化分析,完成了赵述岛礁坪退化区域的提取。结果表明:(1)WorldView-2影像的分类决策树具有91%的总体分类精度和0.89的Kappa系数,GF-2影像的分类决策树具有更高的分类精度;(2)6年期间研究区大约1/4的珊瑚礁分布区发生了退化;(3)最突出的自然变化是礁前区大面积的珊瑚丛生区转变成藻脊,结合相关资料认为东北季风、热带气旋和温度上升的综合影响是驱动因素;(4)赵述岛西侧的藻脊、珊瑚沉积区大面积转化为珊瑚砂和深水区域,原因是航道和码头的开发活动。研究分析了6年间赵述岛礁坪底质的退化状况,并分析原因,为珊瑚礁底质分类提供方法,并为西沙群岛的珊瑚礁监测和保护提供了有效资料和手段。 相似文献
10.
基于海洋一号C（HY-1C）卫星海岸带成像仪（CZI）遥感影像,提出了一种基于最优特征集的支持向量机海冰分类方法。分别提取CZI影像的光谱特征和纹理特征,采用基于距离可分性的判据进行特征选择,得到最优特征集,以最优特征集作为支持向量机分类器输入,分别对3期辽东湾海域CZI影像开展海冰分类实验和结果分析。结果表明:本文方法得到的海冰分类结果精度优于仅利用光谱特征或纹理特征的海冰分类精度;基于本文方法的3期影像的海冰分类精度均较高,2020年12月19日、2021年1月10日与2021年1月16日的海冰分类总体精度分别为93.67%、91.75%、84.89%,均在80%以上;利用海冰分类结果图估算海冰面积,发现3期辽东湾海冰面积依次增大,最大约为11 998.98 km2。 相似文献
11.
珊瑚礁生态系统是全球初级生产力最高的生态系统之一, 在维持海洋生物多样性、防浪固滩、资源供给等方面发挥着巨大作用。珊瑚礁遥感地貌分类体系是珊瑚礁保护、管理及可持续发展的必要基础, 但目前还未有结合珊瑚覆盖度进行分类的体系。本文基于WorldView-2高分辨率遥感影像, 以中国南海西沙群岛七连屿北部赵述岛和西沙洲所在礁盘作为研究区, 结合珊瑚覆盖度、区域地貌成分和水动力条件等指标, 建立了既适用于遥感监测又与珊瑚生存状况相关联的珊瑚礁地貌单元分类体系。同时, 利用面向对象的支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)分类方法进行珊瑚礁地貌单元的信息提取, 并对分类结果进行精度评价。结果表明, SVM和RF两种分类方法均能较好地提取出珊瑚礁地貌单元, 分类精度分别为87.59%和79.81%。针对分类过程中出现的错分、漏分问题, 结合珊瑚礁成因和分布规律对分类结果进行修正, 修正后分类提取的精度达到91.3%, Kappa系数为0.9041, 表明本文构建的珊瑚礁地貌单元分类体系在一定程度上能满足当前珊瑚岛礁信息提取的需要。 相似文献
12.
As elsewhere in Indonesia, local inhabitants in the Pangkajene and Kepulauan (PANGKEP) Regency, Spermonde Archipelago area and along the south-west coast of Sulawesi traditionally regard the coral reefs as their livelihood source. Since human activities as well as natural disturbances pose major threats to the coral reefs, these livelihoods may also be at risk. Currently, no comprehensive information on the status and condition of coral reefs in this area is available for this resource management. We determined the changes of coral reef habitat over a period of 20 years from 1994 to 2014 using a satellite Landsat multi-temporal image substantiated with in situ measurement data collected in 2014. The spectral value of coral reefs was extracted from multi-temporal Landsat imagery data, while the diffuse attenuation coefficient of water was obtained by using statistical analysis between the ratio of live coral cover and the spectral value of the visible bands. By using the unsupervised classification integrated with the data ground truth, it is stated that there has been a decline in live coral cover over a period of 20 years from 7716 ha in 1994 to 4236 ha in 2014, with a degradation rate of 174 ha/year. Based on the results, the ratio of the coral cover in the coral reef transects varied from the average of 24% for live corals to 96% for coral rubbles, implying the degraded status of coral reefs in the study area. 相似文献
13.
基于面向对象影像分析方法的我国西沙珊瑚礁地貌单元信息提取 总被引：4，自引：1，他引：3
珊瑚礁地貌单元的空间分布对于理解珊瑚礁生态系统的地质构造过程具有重要作用。然而,基于像素的影像分析方法往往获取不到较高精度的分类结果。本文基于面向对象的影像分析方法,利用Landsat 8卫星影像数据对我国西沙地区的珊瑚环礁进行了地貌单元的遥感信息提取。借鉴于美国千年珊瑚礁测绘项目的工作成果,本文首先针对研究区特点定义了十类珊瑚礁地貌单元类型。然后,基于对象的多层次关系特点,并综合利用对象的光谱、形状、上下文关系等特征,建立合适的分类规则集,获取了研究区较大尺度的珊瑚环礁地貌分区图,其分类精度普遍高于80%。虽然研究结果表明基于面向对象的影像分析方法可以有效的进行珊瑚礁遥感信息提取,但其规则集的可移植性仍需要今后的工作加以改善。 相似文献
14.
15.
珊瑚礁是海洋生态系统的重要组成部分,对保护海洋生物多样性以及维持海洋生态平衡具有重大意义。我国南海珊瑚岛礁自然资源丰富,准确、高效地提取珊瑚岛礁信息对南海岛礁监测、管理、规划与保护具有现实意义。本研究基于我国海洋一号C卫星（HY 1C）遥感数据,对西沙永乐群岛珊瑚礁信息进行了研究与分析,提出基于HY 1C遥感数据的珊瑚礁地貌分类体系。采用全卷积神经网络U Net模型,依次通过下采样、上采样操作提取西沙永乐环礁地貌特征,实现原始影像的像素级语义分割。结果表明：基于HY 1C数据建立的地貌分类体系对活珊瑚覆盖及珊瑚生长发育条件具有指示作用,提出的基于U Net模型的珊瑚岛礁地貌信息自动提取方法,能够为我国南海珊瑚岛礁生态系统的全自动、大范围监测和评价提供相应理论基础,在珊瑚礁生态管理与评价中发挥关键作用。精度验证结果表明：U Net模型可以有效提取珊瑚礁地貌信息,采用的地貌信息提取方法具备时空泛化能力,泛化精度高于80%。 相似文献
16.
Coral reefs are an sensitive-to-environment complex marine ecosystem. The ecosystem of corals is rich in biodiversity. Remote sensing offers a powerful tool for categorizing coral reefs and is the most cost-effective approach for the large-scale reef survey. The Dongsha Atoll, more than 300 km2 with an average depth of 10 m, is located at the northern continental margin of the South China Sea. It has been abused by destructive fishing during recent decades. Three satellite imageries (Quickbird2, ETM and SPOT5) are used to evaluate the capabilities of SPOT5 imagery to provide data that are useful for categorizing the current distribution of coral reefs therein. During the data processing, unsupervised classification functions are adopted for ETM and SPOT5 data, while the supervised classification method is used for Quickbird2. The classes are (or not) merged into coral reef, and then will be operated by vectorization, simplification, and topological analysis. There are 1 331 coral reefs larger than 100 m2 with a detection limit of 3×3 pixels at the multi-band data of Quickbird2, which is taken as the comparison baseline. The results extracted from SPOT5 and ETM images are less in number and area than those from the Quickbird2 image, whereas the results from SPOT5 data are better than those of ETM data at the silty lagoon due to its higher resolution. SPOT5 XS band 2 fails to distinguish the deep substrate inside the atoll compared with ETM data because of its poor penetration capability. Only SPOT XS band 1 cannot be used to differentiate coral reef from sand bottom. Merging the SPOT5 multi-bands data with the spatial resolution of SPOT5 pan-data and referring to ETM imagery are expected to provide an optimal satellite-based approach for mapping of coral reefs. 相似文献