【摘 要】
：
潮间带湿地具有重要的生态和经济价值,但受到全球变化影响,发生大面积退化甚至丧失.掌握潮间带湿地的时空分布特征,对海岸带资源的科学管理具有重要意义.由于受到多云多雨天气和潮汐动态淹没的影响,单时相遥感数据难以获取完整的潮间带湿地信息.因此,本研究开发了一种基于时序遥感指数的潮间带湿地分类算法,并以福建省亚热带海岸带为例,基于Google Earth Engine (GEE)云平台,利用2017年-2019年Landsat 8时序影像数据,提取潮间带光滩、高潮滩植被和低潮滩植被3种典型湿地类型,分类结果总体精
【机 构】
：
福州大学卫星空间信息技术综合应用国家地方联合工程研究中心空间数据挖掘与信息共享教育部重点实验室,福州 350108
论文部分内容阅读
潮间带湿地具有重要的生态和经济价值,但受到全球变化影响,发生大面积退化甚至丧失.掌握潮间带湿地的时空分布特征,对海岸带资源的科学管理具有重要意义.由于受到多云多雨天气和潮汐动态淹没的影响,单时相遥感数据难以获取完整的潮间带湿地信息.因此,本研究开发了一种基于时序遥感指数的潮间带湿地分类算法,并以福建省亚热带海岸带为例,基于Google Earth Engine (GEE)云平台,利用2017年-2019年Landsat 8时序影像数据,提取潮间带光滩、高潮滩植被和低潮滩植被3种典型湿地类型,分类结果总体精度97.47％,Kappa系数0.96.该算法有效降低了亚热带海岸带地区多云多雨天气和潮汐动态过程对光学遥感技术应用的影响.结果 显示福建省潮间带湿地主要分布在河口与海湾处,且自北向南呈下降趋势,高潮滩植被集中分布在南部泉州湾、九龙江口、漳江口,闽北分布较少.将本研究结果与国内外同类数据集进行比较,显示出一定的优势.该方法为大尺度潮间带湿地的高精度智能分类提供了可能,为海岸带资源的可持续管理利用及区域的高质量发展提供数据基础.
其他文献
随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能.本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE(Pixel Information Expert)-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快
卫星遥感是人类观测地球的主要途径,随着遥感技术商业化,全球商业遥感卫星数量快速增长,涌现出许多高分辨率遥感卫星和全球遥感星座,使用卫星对地球进行更全面、更精确、更实时的监测成为可能,但目前卫星遥感数据获取存在重复、盲目、不及时,与用户需求脱节、大量数据闲置等一系列问题,缺乏一个有效的平台和应用模式,搭起卫星数据提供商和用户之间的桥梁.本文基于只需对变化信息进行定向监测和更新即可实现对地表实时监测这一前提出发,提出了一套卫星遥感和互联网结合的地球实时变化监测在线服务云平台,平台通过以用户感兴趣区域的自动变化
潮间带湿地是滨海湿地的重要组成部分,具有维持生物多样性、促进碳汇等重要生态功能.及时、准确地掌握潮间带湿地现状是实现潮间带湿地可持续管理目标的基础.先前的潮间带湿地分类研究依赖于训练样本、人工设定阈值或后处理等,本研究基于GEE (Google Earth Engine)平台开发一种自动、快速、高精度的潮间带湿地分类方法.该方法首先构建高质量密集时序Sentinel-2影像堆栈;然后,分析不同潮间带湿地的遥感特征,基于最大光谱指数合成算法(MSIC)和大津算法(Otsu)建立多层自动决策树分类模型.应用该