论文部分内容阅读
红树林是生长在热带和亚热带低能海岸潮间带上,受到周期性潮水浸没,以红树植物为主体的常绿灌木或乔木组成的植物群落。红树林湿地是世界上生产力和碳密度最高的生态系统之一,同时具有防风固岸、净化海水、为海洋动植物提供栖息地和美学欣赏等广泛的生态服务价值。尽管红树林具有重要的生态和经济价值,但是全球红树林面积在近一个世纪以来出现锐减,中国也不例外。鉴于红树林的经济与生态重要性及其快速减少的现实,加强红树林监测和评估它们的生物物理状况,以应对红树林生态系统退化,既有理论探索的必要性,又有现实需要的迫切性。当前,红树林观测研究都集中在单一尺度、某一具体研究区内进行,尚未形成系统、规范的红树林多尺度观测方法。红树林种间分类也一直是遥感领域的挑战。另外,受红树林中野外采样困难的限制,红树林结构和功能参数估算研究大多局限于小范围内进行。本文结合无人机激光雷达（UAV-LiDAR）和卫星遥感数据,提出了一种红树林多尺度观测方法,并以中国红树林群落结构最复杂的地区——海南岛,作为实证研究区。在海南岛上,本文建立了区域、保护区和局部三个尺度的观测体系和方法。具体观测内容有:红树林范围、树种空间分布、树高和地表生物量（AGB）。区域是指某一个较大的地区,如省域或岛屿;保护区是指一个具体的国家级或省级自然保护区;局部是指自然保护区内局部地段或某一小片红树林。本文主要结论如下:（1）基于全球开放获取的Sentinel-2数据,本文提出的面向对象和面向像素相结合方法成功获得区域尺度红树林空间分布图。海南岛红树林范围总体识别精度为98.00%,Kappa系数0.96。2018年海南岛红树林总面积为3697.02 ha,分布在9个临海市县,其中68.82%的红树林位于海南岛东北部,3个临海市县（昌江县、乐东县、万宁市）已无明显红树林分布。（2）基于Sentinel-2数据,使用面向对象和机器学习结合的方法基本能准确识别出红树植物树种空间分布。在以东寨港国家级自然保护区作为保护区尺度研究区时,10 m的Sentinel-2和15 m的Landsat-8影像总体分类精度分别为70.95%和68.57%,而0.5 m的商业卫星Pléiades-1影像能获得更高的红树林种间分类精度（78.57%）。尽管Sentinel-2数据上总体分类精度一般,但是大部分点、线、面状红树林能被准确的识别、区分出来。（3）在局部尺度,以UAV-LiDAR和World View-2结合的方法,对红树林进行了单木水平种间分类;提出的单木AGB反推方法则首次成功得到单木水平的地表生物量估算图。本文以群落结构复杂的清澜港省级自然保护区核心区作为局部尺度研究区,发现:单木水平总体分类精度为86.08%,Kappa系数为0.83,高于大多数红树林种间分类的精度（～80%）;单木水平AGB估算精度R2为0.49,RMSE为48.42 Mg ha-1;单木水平树种分类图和AGB图粒度细,信息丰富,更有利于精细化、差异化红树林管理。（4）局部尺度的单木分割结果显示,空间位置匹配上的单木分割精度为87.43%,而单木数量上的单木分割精度为51.11%。海莲群落单木分割结果最准确,而海漆、榄李和海桑属等红树存在较明显的欠分割偏差。当胸径<10 cm时,更容易出现欠分割和偏差较大的情况;而当胸径>10 cm,单木分割更准确。单木分割精度与群落复杂度存在一定的负相关性,即当群落越复杂时,分割精度越低。（5）基于“点-线-面”框架,采用野外样方数据、UAV-LiDAR条带点云和Sentinel-2影像,本文提出的尺度上推方法成功估算出海南岛红树林地表生物量和树高。在海南岛区域尺度,新构建的G～LiDAR～S2AGB生物量模型表现优于传统G～S2AGB模型(R2:0.62 vs 0.52,RMSE:50.36 Mg ha-1 vs 56.63 Mg ha-1);新构建的LiDAR～S2H高度模型表现也较好,R2为0.67,RMSE为1.90 m。海南岛红树林平均高度为6.99 m±2.14 m,总地表生物量为474,199.31 Mg,地表生物量密度为128.27Mg ha-1±45.87 Mg ha-1,高红树植物和地表生物量热点主要分布东寨港南部和清澜港。海南岛红树林平均树高和AGB高于中国其他地区红树林的平均树高和AGB,低于世界红树林的平均值。与传统红树林地表生物量反演方法相比,本文新构建的G～LiDAR～S2AGB模型可以减少约39%的野外采样工作量。在使用UAV-LiDAR采样方法估算红树林地表生物量时,仅需要采集研究区约1%的红树林点云数据。随着无人机操作的简便化和LiDAR传感器价格的降低,该方法为大尺度红树林林业参数估算提供一种新的途径。（6）RFE和NRFE方法都可以有效的从高维、高相关特征空间中筛选出重要特征,两者筛选的特征在建模精度上相差不大（<2%）。对于红树林种间分类、树高和地表生物量估算,光谱波段的重要性为:红色边缘>短波红外>近红外>其他可见光波段。高空间分辨率影像的纹理有助于红树林种间分类,而中空间分辨率影像上纹理特征无法达到需要的分类效果。在预测红树林地表生物量上,冠层厚度指数、描述冠层顶部和底部特征的指数是最有效的LiDAR指数。（7）另外本文成功构建了海南岛红树林多尺度观测数据库,定义了各尺度观测所需要的数据、命名规则、空间参考和数据格式,数据主要包括多源遥感数据、野外采样数据和相关地理空间数据。本文主要创新点如下:（1）本文结合UAV-LiDAR和卫星遥感数据,成功构建了红树林多尺度观测体系,形成区域、保护区、局部三个尺度的观测方法。（2）定义了一种新的“点-线-面”框架,基于该框架、野外样方、UAV-LiDAR条带点云和Sentinel-2影像,提出了一种新的尺度上推方法用于红树林结构和功能参数估算,定量评估了该方法在减少野外采样工作量上的效率,并首次绘制了10m分辨率的海南岛红树林树高和地表生物量图。（3）结合UAV-LiDAR和World View-2/3数据,对红树林进行了单木水平种间分类,提出的“单木AGB反推方法”则首次成功得到单木水平的地表生物量估算图。（4）使用随机森林递归式特征选择方法,从高维、高相关特征空间中筛选出重要的多光谱指数和LiDAR指数,并分析了不同树种间固有特征差异及其在多光谱和LiDAR指数上如何表征。