排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
以海南省清澜港红树林省级自然保护区的3个片区为研究区,采用地理信息系统的综合分析方法,研究1987年以来7个时期的红树林变化过程。以1987年、1993年、1998年、2003年、2007年、2013年和2017年7个时期的Landsat卫星遥感数据为数据源,采用支持向量机分类结合野外调查的方法,提取海南省清澜港红树林省级自然保护区及其1 km缓冲区范围内的红树林信息;分别计算3个片区红树林面积变化率和景观指数变化,建立质心迁移模型,分析海南省清澜港红树林省级自然保护区中红树林的时空变化特征。研究结果表明,2017年,3个片区的红树林总面积为1 190.5 hm~2;1987以来7个时期研究区红树林面积整体上在减少,减少速率在减慢;与1987年相比,2003年,有510 hm~2的红树林消失,红树林面积的年变化为31.9 hm~2/a,年变化率为-2.3%,红树林减少的主要原因是其被开发成养殖水域;2003～2017年期间,红树林面积有缓慢增加的趋势;3个片区的红树林都遭到挖塘养殖、砍伐和破坏,使其质心向不同方向移动;整体上,该保护区红树林的斑块数量在增加,斑块密度增大,分离度指数大幅增加,而聚集度指数不断减少,表明保护区内红树林斑块在破碎化,斑块连接度不断减小,人类活动对红树林的负面影响越来越严重。 相似文献
2.
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
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Li DAR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征(光谱波段、植被指数和纹理特征:F1—F3)及其融合特征(F4)、基于Li DAR点云的单一特征(高度和强度特征:F5和F6)及其融合特征(F7)、高光谱影像与Li DAR点云的融合特征(F8);基于以上优势特征构建8个XGBoost分类模型。结果表明:综合物种分类精度及其制图结果,基于F8特征的模型分类性能最佳(总体精度为96.41%,莫兰指数为0.5520);基于单一数据源融合特征(总体精度,F4:96.74%;F7:90.64%)的分类性能优于基于单一特征(总体精度,F1—F3:90.31%、92.20%和91.96%;F5和F6:87.66%和81.99%);基于融合特征(F4、F7和F8)和纹理特征(F3)分类图的莫兰指数比基于单一特征(F1、F2、F5和F6)的更大。本文论证了无人机遥感数据和XGBoost方法在基于像元的红树林物种精准分类上具备可行性,可为红树林生态系统健康、保护与恢复的立体监测提供科学依据和技术支撑。 相似文献
3.
为了准确地识别红树林中的各种红树物种种群分布区,以广东湛江红树林国家级自然保护区核心区的高桥红树林区为研究区,采用决策树算法、随机森林算法、自适应提升算法、梯度提升决策树算法、极端梯度提升算法和轻量级梯度提升机算法,利用WorldView-2卫星的高分辨率影像数据,构建影像的原始光谱波段、原始光谱波段+植被指数、原始光谱波段+植被指数+纹理特征3种特征组合数据集,识别研究区红树林中的各种红树物种种群分布区,分析各种算法在红树物种识别中的适用性。研究结果表明,5种集成学习算法的分类结果都优于决策树算法,其中,轻量级梯度提升机算法分类结果的分类精度最高,基于WorldView-2影像的8个原始光谱波段+12种植被指数+28种纹理特征,轻量级梯度提升机算法分类结果的总体分类精度值为93.15%,其分配不一致性值为5.07%,数量不一致性值为1.78%;极端梯度提升算法和随机森林算法在红树物种识别中也具有良好的适用性。WorldView-2卫星影像是对红树林中各种红树物种进行遥感分类的理想数据源,其纹理特征能显著提高分类精度,轻量级梯度提升机算法在红树物种识别中具有很大的应用潜力。 相似文献
4.
监测和了解海岸线的动态变化对海岸带防护、海岸资源的合理开发和利用具有重要意义。本文以Landsat TM/OLI影像为数据源,通过Canny边缘检测算子提取1990年、2000年、2010年和2015年的海南岛海岸线,获取岸线长度以及陆地面积变化等信息,分析了海南岛25 a年来的海岸线时空变化特征。结果表明:1990—2015年海南岛海岸线总长度增加33.58 km,海岸线总体向海推进,沿岸陆地面积呈增加的趋势;岸线变迁主要集中在北岸和东岸,人工岸线长度增长显著,淤泥质岸线等自然岸线长度减少;海岸线变化主要受人为因素影响,海岸开发方式呈现出多样化,以围垦养殖、城镇建设和港口码头建设为主。 相似文献
5.
区域大地水准面的确定是GPS测量常需解决的问题。目前确定大地水准面的方法主要包括重力法、GPS水准几何法及组合法,其中组合法因其精度和可靠性都较高,常用于计算高精度区域大地水准面。高精度的大地水准面模型是组合法确定区域大地水准面的关键。在我国,EGM2008全球重力场模型精度和分辨率均高于此前的所有模型,研究基于该模型的组合法大地水准面精化具有重要的实践意义。笔者以吉林大学兴城教学实习基地物探实验区为例,基于实测重力数据、EGM2008重力场模型和GPS水准数据,采用组合法精化了区域大地水准面,比较了组合法大地水准面模型和无重力实测数据的几何法大地水准面模型的精度差异,分析了该方法在物探测量中的适用性。结果表明,实验区组合法大地水准面模型精度最高达到1.2 cm,并且误差分布区间较小,总体上精度和可靠性高于对比的几何方法,并且组合法和几何法获取的两种大地水准面模型均能满足大比例尺物探测量要求。EGM2008模型精度较高,故平坦地区使用组合法时,高密度的实测重力数据可能带来高频扰动,有可能降低EGM2008重力场模型本身的精度,所以重力数据采集过程中要顾及重力点的密度和空间分布。本文方法更适用于地形复杂的地区。 相似文献
6.
红树林物种遥感分类受影像分辨率、波段信息、分类策略、影像特征选择方法等因素影响。现有的红树林物种遥感分类研究大多关注于分类精度的比较,较少报道商业高分与国产高光谱卫星的结合在物种分类的应用。基于湛江高桥红树林保护区的高分（WorldView-2）和高光谱（珠海一号）卫星影像,本文旨在利用随机森林分类方法,比较不同特征选择算法（极端梯度提升（XGBoost）、极端随机树（ERT）、连续投影算法（SPA））和不同空间分辨率（WorldView-2影像从0.5 m的分辨率重采样为1 m、2 m、4 m、8 m、10 m）对红树林物种分类精度的影响,并耦合WorldView-2与珠海一号影像研究红树林物种空间分布格局及影响因素。每种空间分辨率的WorldView-2影像提取248个特征（52个光谱特征及196个纹理特征）,珠海一号影像提取117个光谱特征。结果表明,XGBoost方法优于ERT和SPA,在影像特征选择中具有巨大优势;与其他空间分辨率相比,2 m分辨率的WorldView-2影像具有更高的分类精度;耦合WorldView-2和珠海一号影像的分类精度（分辨率：2 m,总体精度：88.98%,kappa系数：0.846）高于单一的WorldView-2影像（分辨率：2 m,总体精度：83.47%,kappa系数：0.768）和珠海一号影像（分辨率：10 m,总体精度：78.50%,kappa系数：0.703）;另外,林窗、高程、离岸距离一定程度上影响红树林物种分布格局。本文表明WorldView-2与珠海一号高光谱影像的结合在景观及区域尺度上精确提取红树林物种信息具有巨大潜力,有利于红树林生物多样性保护及科学管理。 相似文献
7.
氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R2val>0.579）均优于原始20 m的影像（R2val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R2val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R2val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R2cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。 相似文献
1