滨海植物的海岸带减灾特性研究综述          下载免费PDF全文

张小霞  林鹏智 《海洋通报》2023,(5)

滨海植物广泛分布于海岸带，形成了红树林、盐沼及海草床等湿地系统，具有重要的生态价值和海岸带减灾作用。不同滨海植物的结构和刚柔特性不同，植物群密度及其分布的海洋水动力环境也有差异，因而具有不同的海岸带减灾特性。前人就不同植物类型的海岸带减灾特性开展了丰富的理论研究，本文系统地整理了滨海植物的海岸带减灾事例，从现场观测、水槽试验、数值模拟和理论模型等方面概述了植物群的消浪、阻流、促淤、防冲等相关研究成果，介绍了滨海植物海岸带减灾功能的一般评价方法，分析了各方面研究的不足及后续发展方向。  相似文献   

基于Sentinel-2 MSI影像与面向对象相结合的红树林树种精细化分类方法研究          下载免费PDF全文

赵阳  田震  李尉尉  薛志泳  朱建华 《海洋通报》2023,(3):352-360

红树林是最典型的滨海生态系统之一，红树林种间类型的精确识别对于红树林生态系统保护、修复及碳储量评估具有重要意义。遥感是开展红树林种间类型识别的有效手段，但传统的遥感红树林分类方法多是基于像元开展的，分类结果“椒盐”现象严重且精度还有很大提升空间。因此，本研究以东寨港红树林保护区为例，基于Sentinel-2 MSI影像，在传统遥感分类方法的基础上引入图像分割技术，分别构建了面向对象的支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）分类法，并在此基础上对各模型的分类精度和适用性进行了分析。模型对比结果表明：（1）图像分割技术的引入能有效改善分类结果的“椒盐”现象，提升红树林种间类型的识别精度，基于像元使用SVM和RF分类算法总体分类精度分别可达78.82%(Kappa=0.75)和82.94%(Kappa=0.82)，面向对象的SVM和RF模型分类总体精度分别可达81.5%(Kappa=0.78)和92.67%(Kappa=0.88)，相较于以像元为分类对象的模型而言，后者精度分别提高了2.68%和7.43%;(2)从4个模...  相似文献   

无人机遥感与XGBoost的红树林物种分类   总被引：3，自引：0，他引：3  

徐逸  甄佳宁  蒋侠朋  王俊杰 《遥感学报》2021,25(3):737-752

无人机遥感数据会衍生大量的光谱、纹理与结构特征,如何提取优势特征是提高红树林物种分类效率和精度的关键问题.针对深圳福田红树林自然保护区缓冲区获取的无人机高光谱影像和LiDAR点云数据,本研究旨在利用极端梯度提升算法(XGBoost)的“特征重要性”属性筛选出适合红树林物种分类的8类优势特征:基于无人机高光谱影像的单一特...  相似文献