高异质性滨海湿地盐沼植被环境响应机理与优化分类方法研究

Salt marsh vegetation is an important part of the coastal wetland ecosystem. Multi-source remotely sensed high-resolution images based salt marsh vegetation classification has become a current research trend. The spatial distributions and multi-source imaging characteristics of salt marsh vegetation are closely related to their own growing environments. However, almost none of the recent classification researches have paid attention to the above property of salt marsh vegetation, and thereby they are hard to obtain satisfactory classification results. On the basis of depth analysis of environmental responsive mechanism and multi-source imaging characteristics of salt marsh vegetation, this project intends to develop a novel optimized classification method, by introducing the gravitational search algorithm (GSA), for salt marsh vegetation in coastal wetland with high heterogeneous surface environment. The main work of this project includes: (1) Systematically analyze the environment responsive mechanism, establish the transformation relationship between the optical/polarization imaging characteristics of the salt marsh vegetation, and then present the stratified model of the salt marsh vegetation; (2) For different layers, extract the multi-source features of salt marsh vegetation firstly and then establish the stratified feature optimization model of salt marsh vegetation based on GSA; (3) Design classification algorithm for the salt marsh vegetation in each layer and finally output the fined classification results of salt marsh vegetation. The project not only has important application value to the assessment of coastal wetlands ecological environment, but also has important scientific significance for intelligent process of multi-source remote sensing images.

盐沼植被是滨海湿地生态系统重要的组成部分，利用多源高分遥感数据对其进行分类已成为当前的研究趋势。盐沼植被的空间分布规律及多源成像特性与其生长环境密切相关，现有的研究很少关注这一特性，导致分类效果不佳。本项目拟引入引力智能优化算法（GSA），在深入分析盐沼植被环境响应机理与多源成像特点的基础上，建立一套针对盐沼植被的优化分类方法。主要包括以下研究内容：（1）通过系统研究盐沼植被的环境响应机理，构建盐沼植被光学/极化特性向环境因子的转化关系，建立盐沼植被的分层模型；（2）针对不同的分层，提取盐沼植被的多源遥感特征，并利用GSA算法对其进行优化，建立盐沼植被的分层优化表达模型；（3）对不同分层的盐沼植被设计分类算法，实现盐沼植被的精细分类。本项目不仅对滨海湿地生态环境评估具有重要的应用价值，对多源遥感影像的智能化处理也具有重要的科学意义。

盐沼植被的空间分布及遥感成像特性与其下垫面水盐等环境条件密切相关。本课题以盐沼植被的环境响应特性为切入点，引入智能优化算法，通过建立分层模型，发展了针对不同层的多源特征选择和分类器优化方法，建立了盐沼植被精细分类的新思路和新方法。新方法有效消除了空间异质性地表环境对分类不确定性的影响，突破了遥感分类方法在盐沼植被应用中的瓶颈，对滨海湿地盐沼植被的分类管理工作具有重要的现实意义。.具体来说，按照项目计划书的要求，本项目主要取得了如下研究成果：.（1）研究了盐沼植被遥感成像特性向环境因子的转换机制，构建了盐沼植被的分层模型。该转换机制将土壤光谱反射率、盐分指数、植被指数与土壤含水量及含盐量进行耦合，通过筛选环境敏感特征，建立了土壤含水量、含盐量反演方法。进而，通过样本数据分析了不同盐沼植被的高适生区，构建了分层模型，为其精细识别奠定了基础。.（2）设计了智能优化算法与影像特征空间的映射模型，将引力智能优化算法成功应用遥感特征降维与优化领域。该方法在探索不同类型盐沼植被多源成像特性的基础上，建立了影像特征空间与优化算法参数空间的映射模型，以信息量和分类精度为准则设计目标函数，实现了对互补特征的提取，构建了盐沼植被的多源数据描述方法。.（3）研究了不同分类算法及优化算法的参数模型及收敛机理，建立了优化算法与分类模型的映射模型，提出了面向不同分类器的智能优化分类方法。新方法能够根据数据分布特点，自适应的调整分类器参数，有效避免了经验参数对分类精度的限制。.联合以上三方面的研究成果，本项目最终建立了一套针对高异质滨海盐沼植被的优化分类算法。作为遥感信息领域一个重要的基础性研究，本项目不仅对滨海湿地生态系统管理与保护具有重要价值，对遥感复杂场景的智能化解译也具有重要的科学意义。