基于LandTrendr算法海南东寨港红树林扰动研究_于森.pdf

第 卷，第 期自 然 资 源 遥 感，年 月 ，：引用格式：于森，贾明明，陈高，等 基于 算法海南东寨港红树林扰动研究 自然资源遥感，（）：（，（）：）基于 算法海南东寨港红树林扰动研究于 森，贾明明，陈 高，鲁莹莹，李 毅，张博淳，路春燕，李慧颖（吉林建筑大学测绘与勘查工程学院，长春；中国科学院东北地理与农业生态研究所湿地生态与环境重点实验室，长春；长春新区北湖英才学校，长春；福建农林大学计算机与信息学院，福州；青岛理工大学环境与市政工程学院，青岛）摘要：随着我国社会经济的快速发展和对自然资源需求的日益增加，自然保护区面临的压力越来越重。在对于红树林扰动和恢复的监测当中，应用时间序列分析法对其进行遥感研究还处于起步阶段，并且时间序列算法本身都十分复杂。文章基于谷歌地球引擎（，）云平台的 时间分割算法和 影像时序数据，研究了东寨港红树林自然保护区 年期间红树林的扰动情况。研究结果表明：年间，共有 的红树林发生了扰动，其中 年保护区内红树林扰动面积最大，为 ；年间，轻微扰动和中度扰动所占比例较大，分别为 和 ，严重扰动所占比例最少，只有 ；红树林变化像元的总体识别精度为 ，对扰动年份检测的总体精度为，系数为 。本研究基于 算法解析了 间东寨港保护区内红树林发生扰动的年份和面积，结合实际情况分析了导致扰动的因素，认为人类活动是红树林扰动的主要原因，自然因素（如病虫害和极端天气等）是导致扰动的次要原因。研究结果能够为红树林保护区的管理提供科学依据和决策参考。关键词：东寨港；红树林；谷歌地球引擎（，）；中图法分类号：文献标志码：文章编号：（）收稿日期：；修订日期：基金项目：国家自然科学基金项目“基于 密集时序数据和云平台的红树林扰动与恢复研究”（编号：）、“遥感大数据支持下的中国湿地逐年动态信息智能提取研究”（编号：）、“集成多时相无人机高光谱和 数据与面向对象深度学习的红树林树种分类研究”（编号：）、中国科学院青年创新促进会项目“中国滨海生态系统遥感”（编号：）和吉林省科技发展计划项目（编号：）共同资助。第一作者：于 森（），男，本科，研究方向为滨海湿地遥感。：。通信作者：贾明明（），女，副研究员，研究方向为滨海湿地遥感。：。引言红树林是生长在热带、亚热带海岸潮间带或河流入海口的湿地木本植物群落，生产力极高，具有高光合率、高呼吸率、高归还率的特点，是地球上生产力最高的生态系统之一。作为适应陆地与海洋过渡带的一种特殊森林类型，红树林能够在沉积过程中封存埋藏大量有机碳，对于全球环境变化和生态平衡发挥着重要的作用。红树林具有重要的生态和社会价值，在防风消浪、造陆护堤、净化水质、维护物种栖息地和生物多样性上起着重要作用，同时又为人类创造了巨大的经济和社会效益，例如：药业和工业等，。近半个世纪以来，红树林资源受人类活动和自然因素的干扰其面积在日益缩减，近半数红树林消失。如何快速、准确地监测红树林的扰动和恢复，准确评估红树林生态系统，对保护区制定合理的保护、管理政策有着重大意义。由于红树林生长环境特殊，传统的地面调查很难满足红树林扰动监测的需求，遥感技术因具有尺度大、范围广等独特的优势，成为国内外红树林监测和管理的重要技术之一。其中，系列卫星以其长持续时间（年发射至今）和较为适中的空间分辨率，在植被和土地覆盖变化等遥感资源监测中有着及其重要的地位。时间序列分析方法应用于多期影像的联合分析中，是对时间序列进行特征提取和分析，监测生态系统长期变化的方法。目前，已有众多学者提出了多种基于遥感时序变化检测的方法。等提出将时间序列迭代分解为趋势项和季节项的变化检测算法；等基于光谱曲线的时间序列分割思想提出 算法；等通过阈值判断是否第 期于 森，等：基于 算法海南东寨港红树林扰动研究存在突变点提出连续监测方法和模型。然而，时间序列分析方法在对于红树林的扰动监测研究上的应用并不普遍。少有案例对红树林进行检测分 析。等利 用 影 像 数 据，对 年间印度尼西亚塔纳凯克岛的红树林进行分析，研究表明，受居民过度开发利用、水产养殖等人为因素的影响，红树林面积大幅减少；等利用 遥感影像对坦桑尼亚 多 海岸红树林 间的分布变化进行了研究。传统的时间序列遥感监测研究中数据处理和算法本身相当复杂耗时，遥感大数据云计算平台为此提供了新的解决思路。谷歌地球引擎（，）是一个可以处理地理信息大数据的云计算平台。它为用户提供了大量可公开下载的地球数据的同时可以在线进行可视化计算分析处理。算法在 上的实现，不仅减少了构建时序堆栈过程中对图像处理的成本，同时解决了交互式数据语言（，）本身繁重的数据处理等问题，计算更加方便快捷。利用云平台优势的 算法为研究密集时间序列的红树林扰动提供了新机遇。东寨港红树林保护区内的红树林是全国成片面积最大、种类多、保护最完整的红树林，对维持生态系统平衡等方面有着重要作用。因此，本文选取海南东寨港国家级自然保护区作为研究区，在 平台和 算法的支持下，对其进行变化检测分析，追踪近 来保护区内的红树林扰动，探明东寨港红树林扰动发生的时间和空间，分析扰动原因，以此为红树林保护区的保护和管理提供科学依据和数据支撑。研究区及其数据源 研究区概况东寨港国家级自然保护区地处海南省东北部，地理坐标 ，如图 所示。该保护区地处热带边缘，平均气温为 ，年降水量为 ，属于热带季风海洋性气候。东寨港由于地震内陷成海，整体呈漏斗状。海岸线蜿蜒曲折，海湾开阔，滩面平缓，红树林分布在整个海岸浅滩上。保护区内有大量的红树林物种，面积达 ，其中有红榄李、水椰、海南海桑和拟海桑等大量珍贵树种，具有极高的保护价值，有“海上森林公园”的美誉。保护区为许多水禽提供了重要迁徙停歇地。东寨港记录在内的鱼类、蟹类和虾类共 余种，是生物多样性的宝库。图 东寨港保护区地理位置 数据获取与处理利用 平台调用 年研究区所有的 地表反射率数据构建时间序列影像集数据集。为了尽量减少因物候变化带来的检测干扰，研究区选用的影像时间为每年的 月。由于 传感器在扫描方式、辐射分辨率、波段光谱范围等方面相较于 传感器得到优化，为了尽可能降低传感器不同所带来的误差，通过统计协调函数优化了 和 传感器数据之间的时间连续性。然后再用质量评估波段 对图像进行掩模处理。最后利用多维中值方法，构建研究区近 的时间序列影像集。利用的红树林生长范围数据集来自贾明明等的 数据集。该数据集包含了 年中国红树林空间分布数据。该数据集是基于面向对象的方法生成的，对于不同潮汐下红树林受到的影响运用不同的解译方法，最终精度达，适合本文研究需求。本研究从 数据集中提取东寨港 年的红树林分布数据，对这些数据进行合并融合等分析，取并集作为本研究的具体研究区（图），最后通过 软件处理 平台的结果栅格图得到保护区红树林的扰动面积和扰动事件等。图 东寨港保护区红树林生长区域示意图 自 然 资 源 遥 感 年 研究方法 算法 是基于轨迹的光谱 时间分割算法，主要用于检测 中等空间分辨率卫星图像的时间序列中的变化，并生成基本上没有年际信号噪声的基于轨迹的光谱时间序列数据。通过对光谱时间轨迹的提取，该算法既可以识别植被等短期的突变也可以检测长期的变化，被认为是检测长时间序列动态变化的最佳算法之一。算法是从影像中逐像素获取单个波段和指标的变化轨迹，并通过一个过程来识别分离光谱轨迹中持久变化或稳定性时期的断点，并记录发生变化的年份。它可以从太阳角度、物候和大气条件变化产生的短期噪声中将长时间的信号分离出来。这些断点，将像元的光谱轨迹表示为有一系列顶点分割的直线段，并且可以总结光谱在每个分段变化的属性，这些属性可以快速地查询变化特征，如何时发生变化、扰动幅度等。还可以查询到相邻阶段的信息，例如，某一像元受到扰动之前的像元时间序列轨迹。该算法能够检测指数序列突变、渐进和恢复趋势。算法包括以下几个过程：去除噪声引起的峰值、基于回归方法识别潜在顶点、采用顶点之间进行点对点相连或利用 个分割点之间做回归的方式进行拟合，最后通过去除最弱的断点来简化模型与挑选最佳模型（图）。算法中共包含 个参数，等对参数选择导致的结果变化进行了详尽的描述。具体参数变化为：参数控制噪声，和 参数控制分割点的识别和剔除，基于标准 统计的 值作为指标，通过该 值可以对比不同 参数下的拟合结果等。根据以往研究经验，本文在参数选择上采用默认值进行设置（表）。图 变化检测算法的概念示意图 表 的参数设置 参数参数描述数值 最大分割段数 去除峰值的阈值基于初始回归函数的潜在顶点可以超过的顶点数 是否阻止 后恢复的情况 如果某个分割段的恢复率大于该值的倒数，则该舍弃分割段 回归分析中 检验的，超过该值的话，则认为该像元没有发生变化 最佳比例模型，如果超过该值，则被选中 进行拟合中需要的最少观测个数 算法分割指数由于不同的监测指数对扰动类型和程度的识别能力不同，对其响应能力也有所差异。选取归一化植被指数（，）、归一化湿度指数（，）、归一化燃烧比指数（，）种指数对红树林扰动的敏感性进行比较（图）。（）（）（）（）（）（）图 不同指数对红树林扰动监测轨迹曲线示意图 第 期于 森，等：基于 算法海南东寨港红树林扰动研究 是反映植被生长状态和植被覆盖度的最佳指数之一，相较于其他指数对于红树林的扰动反映也较为敏感。它是反映生态环境的重要指标之一，也是目前使用最为广泛的指数之一。通常被用在森林砍伐监测当中，通常被用在监测森林火灾当中。因此，选取 作为海南东寨港保护区的红树林扰动监测指数，探测红树林扰动，其计算公式为：（）（），（）式中 和分别为近红外波段和红光波段的反射率值。红树林扰动等级划分为进一步分析该区域内的扰动幅度，在保护区内红树林发生扰动的区域中随机选取若干样本，提取时间序列轨迹曲线。如图 所示，对于红树林扰动过程中，将没有明显变化且变化幅度较小的 曲线视为轻微扰动；曲线有适中变化且变化幅度中等的 曲线视为中度扰动；曲线有严重变化且变化幅度较大的 曲线视为严重扰动。图 不同扰动等级示意图 精度验证评价本研究基于混淆矩阵来评估红树林扰动准确性。评价指标包括用户精度、生产者精度、总体分类精度和 系数。混淆矩阵是通过将每个实测像元的位置和分类图像的位置相比较计算的。总体分类精度是被正确分类的像元数占总像元数的百分比。系数是一种评价分类结果的指标，用于一致性检验。一般来说，系数值介于，之间，值越高表示精度越高。通过参考文献等收集红树林扰动相关信息，在保护区内选择了 个样点，其中包括 个表示变化的样点和 个表示没有变化的样点。对于每个样点，结合高空间分辨率的谷歌地球（）软件进行人工目视判断，记录样本点是否发生变化，变化发生的时间。利用 个验证样点生成混淆矩阵，评估研究精度。结果与分析 精度评价基于 个验证样本点生成的混淆矩阵如表 所示。扰动的总体精度为 ，稳定像元和变化像元的生产者精度和用户精度均在 以上，系数为 。对于变化年份的评估，表 给出了红树林扰动年份精度评估。从表 中可得，用户精度除 年和 年稍低外，其他年份均高于。生产者精度除 年为 以外，其他年份均高于，变化年份检测的总体精度为。表 红树林扰动精度评估 类别变化像元稳定像元像元总数用户精度 变化像元 个稳定像元 个像元总数 个生产者精度 表 红树林扰动年份精度评估 （）年份生产者精度用户精度年份生产者精度用户精度年份生产者精度用户精度 年 年 年 年 年 年 年 年 年 年 年 年 年 年 年 红树林扰动的时空分布 年东寨港保护区红树林扰动的时空分布如图 所示。分析结果表明，发生的扰动区域主要集中在罗豆区和塔市区周围，三江区也有部分扰动。年间，共有 红树林发生了扰动（表）。其中，年相较于其他年份扰动面积最大，为 ，年和 年扰动面积次之，分别为 和 。年扰动面积最小，为 。世纪 年代，由于海南省大力发展水产养殖业经济，导致红树林生态系统受到了很大的伤害，养殖水面的面积大幅上升，红树林湿地面积大幅减少。自 年发现有部分红树植物死亡，到 年团水虱爆发，团水虱对红树林的危害程度逐步加深，直到 年仍然没有得到好转，同时 年台风“威马逊”又侵袭了东寨港红树林，导致