基于多源遥感与多视图集成学习的中国橡胶林时空动态监测

Rubber planting benefits the regional economic development, but causes a series of severe ecological and environmental problems. The spatial distribution and dynamics of rubber plantations are the basic knowledge for solving the problems. The rapid expansion period of rubber plantations in China is from 1990 to 2015 and its spatial temporal change rule is still uncertain. Multi-source remote sensing is an efficient technology to rapidly inverse the expansion history, and multi-view ensemble learning is able to extract accurate spatial-temporal information by constructing different views based on different features of remote sensing data. So, this study plans to explore the spatial-temporal dynamics of rubber plantations in China based on multi-view ensemble learning, multi-source remotely sensed imagery (such as PALSAR, Landsat and MODIS), characteristics of rubber plantations in northern edge tropics, and characteristics that rubber growth process is strictly controlled by water and heats. This study aims to discover the spatial-temporal changes rule and driving forces of rubber plantations of China between 1990 and 2015. This study focuses on three aspects: (1)presenting a mapping method for potential planting extent of rubber plantations by integrating PALSAR and MODIS land surface temperature (LST) data; (2)developing an algorithm to extract accurate distribution extent and areas of rubber plantations based on phenology, remote sensing technology, and multi-view ensemble learning; (3)spatial-temporal dynamics monitoring of rubber plantations, and analysis of the key change drivers. This research will provide important scientific basic knowledge for balancing the relationship of rubber planting and environment protection, global carbon cycle, regional land use policy-making, and realizing green development in tropics.

橡胶种植带动了热带地区经济发展,同时也引起了一系列严重的生态环境问题。橡胶林时空变化规律是解决该问题的关键知识。1990至2015年是橡胶林在中国的快速扩张期,而该时期的时空变化规律尚不明确。多源遥感技术是快速反演这段时空扩张历史的有效方法,而多视图集成学习能够通过为多源遥感构建不同的特征视图实现遥感信息的准确提取。因此,研究拟采用多视图集成学习方法,基于多源遥感数据,结合热带北缘地区橡胶林的物候特征,及其生长过程受严格水热条件控制的特点,实现橡胶林的时空动态监测。主要研究内容:(1)研究基于PALSAR与MODIS LST的橡胶林潜在分布范围的快速识别方法；(2)提出基于物候与多视图集成学习的橡胶林分布遥感提取算法；(3)揭示1990至2015年间中国橡胶林时空变化动态规律及驱动力。研究将为平衡橡胶种植与环境保护间的关系、全球碳循环、土地利用政策制订、实现绿色发展等提供基础知识。

中国橡胶林的时空扩张动态规律及驱动力是制定区域经济社会发展和生态环境保护政策的重要基础知识。然而，这些变化规律及驱动力尚不完全明确。海量的长时间的多源遥感数据客观记录了中国橡胶林的扩张过程。如何从这些海量遥感数据中获取中国橡胶林的扩张信息成为当前的一个热点问题。人工智能技术的不断进步为解决这一问题提供了新途径。多视图集成学习技术是人工智能领域的重要研究方向。它能够从多个维度智能识别目标对象，为复杂热带环境中的中国橡胶林时空分布信息识别和提取提供了新方法。项目围绕基于PALSAR与MODIS LST的橡胶林潜在分布范围的快速识别方法，基于物候与多视图集成学习的橡胶林分布遥感提取算法，以及1990至2015年间中国橡胶林时空扩张动态规律及驱动力三个方面开展研究。研究以云南、海南和广东3个中国天然橡胶主产区作为研究区域，构建了橡胶林遥感数据处理和空间分布信息提取的系列算法和模型，完成了多期橡胶林分布制图，进行了时空动态及驱动力分析。具体有以下成果：分析了不同集成分类器在遥感影像分类中的差异性规律；构建了基于物候特征和多分类系统的橡胶林识别算法；提出了基于Sentinel-1A与Landsat 8 OLI遥感影像融合的橡胶林识别算法；发展了基于PALSAR和Landsat的橡胶林中的茶园掩膜图层提取算法；提出了综合雷达数据和地表温度数据的橡胶种植适宜区提取方法；发现小波变换是Landsat全色与多光谱波段融合的最佳方法；掌握了橡胶林和天然林在Sentinel-1A极化数据时间序列特征；揭示了1990-2018年西双版纳橡胶林面积和景观格局时空变化规律；构建了基于投票策略的集成学习分类器的雷州半岛、广东阳江的橡胶林提取模型；完成了雷州半岛和广东阳江橡胶林多期制图并揭示了其时空变化规律以及地形分布规律；揭示了近三十年海南岛橡胶林时空分布、地形分布变化规律及其驱动力；基于多源遥感数据分析并揭示了海南岛2007—2018年森林时空变化规律。研究将为平衡橡胶种植与环境保护间的关系、全球碳循环、土地利用政策制订、实现绿色发展等提供基础知识。