论文部分内容阅读
随着集约化农业的发展,农业景观中的非农生境逐渐减少或消失,景观趋向均质化,导致农田生态系统中生物多样性丧失。同时,人类为了自身利益,无节制的以不可持续的方式开发利用自然,土地资源开发利用强度日益增强,促使生物多样性丧失和生态系统退化的速度逐渐加快,“寂静田园”现象日渐浮现。粮食安全问题及不断增加的建设用地需求与生态用地之间的矛盾,要求我们需从恢复和提升农田生态系统服务功能的角度上,开展农田生态系统保护,恢复农田生态系统生物多样性。非农生境的植被结构对农田景观中的生物多样性产生重要影响,准确识别并获取非农生境的植被特征和空间位置信息,是农田生态系统生物多样性保护的前提。以往研究由于受到数据源和采样方法的限制,在小尺度上难以实现快速、高精度的提取非农生境的植被特征。一些研究表明,通过提高影像空间分辨率,从更加细致的角度表达植被特征信息,能够有效的增加生物多样性的估测能力。基于此,本文以下辽河平原为研究区,分别在沈北新区和昌图县选取两种不同格局的农业景观为研究对象。借助高分二号数据,采用面对对象的方法,使用e Cognition软件结合R语言进行景观类型的识别和分类,探讨了不同特征优选算法、不同分类器对分类结果的影响。基于最佳分类结果,结合无人机低空航拍影像,开展非农生境中的植被长势特征和植物多样性特征的评价和空间制图,得到如下结论:（1）利用多层尺度参数优选工具（ESP2）,能够有效实现高分二号影像分割尺度的优选。设置形状参数和紧致度参数权重为0.3、0.4时,得到T1、T2试验区最优分割尺度分别为342和282。（2）使用轻小型无人机获取的可见光影像,结合少量野外采集的实测数据,通过人机交互的方式能够实现林地景观中植物种类的鉴别与分类,补充野外采样的数量,满足模型建立的需求,同时弥补野外采样的限制和不足。（3）通过C5.0算法,能够有效实现分类特征优选,降低信息冗余。运用C5.0算法在T1、T2试验区的特征集中,分别优选出12和15个特征,相对最初的分类特征集减少了73和70,同时Kappa系数仍保持在较高水平,与importance函数优选特征分类结果相比仅降低了0.05和0.04。（4）建立面向对象的随机森林分类模型,在农业景观的分类中精度较好。在影像最优分割的基础上,使用优选特征集,进行地物信息提取与模型构建,将区内景观分为水田、水浇地、旱地、林地、草地、水域水面、城乡建设用地、公路用地、硬化道路、裸土地、阴影共11类,面向对象的随机森林分类模型具有更高的适用性,T1、T2试验区Kappa系数达到0.85和0.78,相同优选特征集下与支持向量机相比提高了0.54和0.05。（5）使用EVI估算植被覆盖度的结果具有更高的精度。EVI在使用近红外与光波段的基础上,引入了蓝波段增加了植被信息的表达,削弱了气溶胶和土壤背景的影响,弥补了NDVI在高覆盖度景观植被覆盖度的不足。EVI估测结果与实测数据之间的决定系数R2达到0.8415（P<0.01）,均方根误差RMSE为0.1034。（6）利用影像近红外波段的纹理特征对植物多样性进行估算的效果较好。植物多样性与影像近红外波段的纹理特征之间存在显著的相关性,草地景观中植物的Simpson优势度指数指数与协同性的相关性达到0.844（P=0.01）,二者之间的拟合程度最好,调整后的R2达到0.696。