王明昊（1997—），男，本科，研究方向:环境遥感；白万晟（1998—），男，本科，研究方向:环境遥感；

刘松涛（1998—），男，本科，研究方向:环境遥感。

湿地、森林与海洋一起并称为全球三大生态系统，其中，湿地植被是湿地生态系统的主要组成部分。湿地植被是湿地生态系统中能量的固定者和有机营养物质的最初生产者，是最重要的营养级，能综合反映湿地的生境特征，并在湿地水分、物质、能量循环中起重要作用［1-2］。湿地植被的动态变化能够反映湿地的生态环境变化，被认为是一个反映生态环境变化的敏感指示器，已成为研究热点，其中植被分类是进行植被覆盖状况和动态变化规律研究的基础［3］。遥感技术具有宏观、同步、动态的优势，可以应用于大规模、大尺度的湿地植被调查中［4-7］。潮滩湿地处于海陆交汇的特殊地带，土壤背景受潮汐影响，变化非常复杂，可达性差，利用遥感进行植被分类较难。

1 研究区概况与数据源

1.1 研究区概况

崇明岛地处长江口，是中国第三大岛，也是中国最大的河口冲积岛和最大的沙岛。其成陆已有1 300多年，全岛面积为1 269.1 km2，海拔为3.5～4.5 m。全岛地势平坦，土地肥沃，林木茂盛，物产富饶。

1.2 数据源

使用Landsat-8与Sentinel-2A于2017年4个季度的4幅光学遥感影像以及Sentinel-1A于2017年成像的9幅微波遥感影像。

2 研究方法与技术路线

2.1 预处理

2.1.1 光学数据预处理。对光学数据进行预处理时，使用多时相的Landsat-8、ESA影像数据作为数据源，根据改进的归一化差异水体指数（MNDWI），修正土壤调节指数（MSAVI），如式（1）、式（2）所示，然后对不同植被的反射率进行决策树分类。

式中，GRE EN为绿光波段；SWIR为短波红外波段；NIR为近红外波段；R为红光波段。

2.1.2 微波数据预处理。下载2017年2—10月的图像，为后续的微波与光学结合分类做准备。首先对微波遥感图像进行预处理。优先进行去噪处理，对所有去噪方法进行对比后，发现Frost方法进行3×3区域去噪能得到最少噪声点的图像。然后进行辐射定标，最后进行地理编码。在完成图像裁剪后，获取纹理特征，但是由于合成孔径雷达的图像多由亮点与暗点形成，所以只有均值（mean）有参考价值。然后，根据式（3）获得后向散射强度DB值。

式中，DN为遥感影像的像元亮度值；a为某常数。

2.2 决策树分类及设计

用去年光学的图像以及ROI作为参考，确定微波图像上的植被分布区域和非植被分布区域，包含五类：互花米草、芦苇、海三菱藨草、光滩、水体。对2017年2—10月影像进行统计分析，得到VV、VH极化的曲线图。根据得到的光谱曲线，结合均值信息进行单时相分类，粗略观察每个月的植被生长信息。根据单时相分类图像和后向散射强度曲线，采用决策树分类法实现多时相分类［8-10］。在图像上根据控制点获取精准的ROI，作为样本，完成精度评价。

2.2.1 光学数据决策树设计。首先根据MSAVI植被指数在图像上区分出植被与非植被［11-13］。非植被包含建筑、水体、光滩等，由于崇明东滩人工建筑非常少，本次研究没有考虑人工建筑的影响。然后使用归一化差异水体指数（MNDWI）对水体和光滩进行分类，在5月的图像中，团结沙部分没有受到潮汐的影响，光滩和水体较容易区分；而在9月与2月，由于受到潮汐的影响，所以再次通过植被指数MSAVI、反射率进行区分。植被主要包含三种，即芦苇、互花米草和海三棱藨草。未知植被为当这三种植被被潮汐淹没后无法区分时的称呼。通过地物的反射率以及波段组合选择恰当的ROI区域。通过统计光谱信息得到植被在不同波段上的光谱信息，可知植被在各个波段的均值以及标准差，可通过计算置信区间来完成决策树分类。置信区间（A）的计算公式为：

式中，n为置信区间的常数，比如，对于95%的置信区间，n=1.96；mean为均值；stdev为标准差计算地物的反射率的范围。

2.2.2 微波数据决策树设计。非植被包含建筑、水体、光滩等，崇明东滩人工建筑非常少，本次研究没有考虑人工建筑的影响。在Sentinel-1A影像中，无论极化方式是VV还是VH，水体的DB值相对于其他值较小，较容易区分。从DB值来看，光滩在分类过程中甚至会出现高于植被的情况，是由于涨潮和退潮。

2.2.2.1 单时相决策树。对于单时相影像图，便于区分植被的只有2—4月，5—10月三种植被都不便于区分。单时相影像即使是能区分，分类精度也很差。

上一篇：本科基础课光学课程思政教学改革探索
下一篇：没有了