多源遥感数据辅助下鄱阳湖天然湿地植被分类方法研究

The key point in high accuracy wetland mapping is wetland vegetation classification. The feature of the herbaceous wetland vegetation is hard to describe, Low mapping accuracy and less categories were the main trouble in the studies of herbaceous wetland classification under the high-dynamic hydrological variation condition. One suit of wetland vegetation classification scheme based on multi-sensor and multi-temporal satellite images will be developed in this project. Based on the characteristics of optical and radar satellite images on the new generation of the middle to high resolution Sentinel X-series,Wetland vegetation Index is developed from Sentinel 2A data and dual-pol SAR feature extraction model is studied from Sentinel 1A data. Feature extraction for the wetland remote sensing products from the Multi-sensor images, such as Wetland vegetation index, Leaf area index, back scatter coefficients, Shannon Entropy and scattering scheme will be studied to describe the different wetland vegetation.On the support of multi-temporal satellite images, the seasonal and annual variation rules of the remote sensing product mentioned above will be investigate to analysis the difference between the multidimensional products to get the best remote sensing products and the best date to do classification. Establish one suit of wetland classification scheme which is a combination of adaptive images to fit for the requirement of high accuracy wetland classification under the high-dynamic hydrological context. The project will be a good theoretical and data support to the wetland mapping and spatial-temporal analysis of the wetlands.

湿地高精度制图关键在于湿地植被群落精细分类。针对受高动态水文变化影响的草型湿地植被群落特征难以描述，植被制图精度不高、可分类别较少的问题，提出一套基于多源\多时相遥感数据的鄱阳湖湿地植被群落遥感分类组合方案。利用不同植被的类型在光谱、结构、物候及生境特征上的差异，针对新一代中高分辨率Sentinel系列光学与雷达卫星特点，研究湿地植被指数模型和双极化雷达特征提取模型；提取湿地植被指数、叶面积指数、后向散射系数、香农熵及散射机制特征等遥感数据产品；在多源长时序遥感数据的支持下，探讨多源遥感产品季际或年际变化规律；分析多源多时相特征产品之间的差异，获取最佳分类特征和分类时段，建立多维特征组合方案；通过随机森林的分类算法对特征组合方案进行分类及精度评价，构建一套适合于高动态水文变化湿地植被群落研究的最佳遥感分类组合方案。本研究拟为高精度湿地植被制图及湿地时空动态分析提供理论方法。

湿地高精度制图关键在于湿地植被群落精细分类。本项目针对受高动态水文变化影响的草型湿地植被群落特征难以描述，植被制图精度不高、可分类别较少的问题，提出一套基于多源\多时相遥感数据的鄱阳湖湿地植被群落遥感分类组合方案。项目以鄱阳湖国家级自然保护区湿地以及鄱阳湖南矶山湿地国家级自然保护区为研究区，以苔草虉草、南荻芦苇、菰、蓼草四类植被群落为研究对象，基于长时序Sentinel-1雷达以及Sentinel-2光学数据源，利用不同植被的类型在光谱、结构、物候及生境特征上的差异，生成2017-2019年度湿地植被指数、红边指数、后向散射系数及散射机制特征等遥感数据产品并研究其变化特征；同时，基于时序特征探索支持向量机、深度学习及随机森林等分类方法对研究区内的湿地植被群落特征进行分类。基于光学与雷达数据源生成不同的特征变量以为不同的试验方案为评判标准对研究区内的湿地特征信息进行重要性排序并分类，生成了一套适合于草型湿地植被群落的提取的遥感分类方案。实验结果表明：就不同特征对是湿地植被信息提取的重要性排序而言，植被指数>红边指数>光谱指数>雷达数据，且9，10，11月份的特征变量数据对分类结果贡献更大，分类总体精度达到82.6%。在分类方案上，本研究针对鄱阳湖湿地植被群落分类提供了一套适合于高动态水文变化湿地植被群落研究的最佳遥感分类组合方案。在植被群落分类产品上，生成2017-2019年鄱阳湖保护区以及南矶山保护区的湿地植被群落分布专题图产品，并研究了17-19年湿地植被群落的变化规律，探究了植被群落对水文因素的响应程度，为鄱阳湖之地生态平衡的研究合保护提供了重要的参考依据。