基于Sentinel-2的潮间红树林提取方法

doi:10.13474/j.cnki.11-2246.2020.0043

测绘通报 ›› 2020, Vol. 0 ›› Issue (2): 49-54.doi: 10.13474/j.cnki.11-2246.2020.0043

基于Sentinel-2的潮间红树林提取方法

徐芳^1,2,3, 张英^4,5, 翟亮^4,5, 刘佳^4,5, 谷祥辉⁶

1. 兰州交通大学测绘与地理信息学院, 甘肃兰州 730070;
2. 地理国情监测技术应用国家地方联合工程研究中心, 甘肃兰州 730070;
3. 甘肃省地理国情监测工程实验室, 甘肃兰州 730070;
4. 中国测绘科学研究院, 北京 100830;
5. 地球观测与时空信息科学自然资源部重点实验室, 北京 100830;
6. 山东科技大学测绘科学与工程学院, 山东青岛 266590

收稿日期:2019-09-09 出版日期:2020-02-25 发布日期:2020-03-04
通讯作者: 翟亮。E-mail:zhailiang@casm.ac.cn E-mail:zhailiang@casm.ac.cn
作者简介:徐芳(1992-),女,硕士生,主要研究方向为地理国情、遥感。E-mail:15708490892@163.com
基金资助:
国家自然科学基金（41701213）；中国测绘科学研究院基本科研业务费（7771728；7771820；AR1928；AR1931）；自然资源部地球观测与时空信息科学重点实验室开放基金（AR191902）；兰州交通大学优秀平台支持项目（201806）

Extraction method of intertidal mangrove by using Sentinel-2 images

XU Fang^1,2,3, ZHANG Ying^4,5, ZHAI Liang^4,5, LIU Jia^4,5, GU Xianghui⁶

1. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China;
2. National Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China;
3. Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China;
4. Chinese Academy of Surveying and Mapping, Beijing 100830, China;
5. Key Laboratory of Earth Observation and Geospatial Information Science of MENR, Beijing 100830, China;
6. College of Geomatics, Shandong University of Science and Technology, Qingdao 266590, China

Received:2019-09-09 Online:2020-02-25 Published:2020-03-04

摘要/Abstract

摘要： 位于潮间带的红树林可能在高潮时被海水淹没的特点，使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后，提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段，强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取，提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示，该方法提取红树林的用户精度达到93.98%，并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。

关键词: 红树林, 淹没, 提取, Sentinel-2影像, 归一化潮间红树林指数

Abstract: Mangroves located in intertidal zone may be submerged by sea water at high tide, which makes the traditional vegetation extraction methods are limited at mangrove information extraction. After comparing and analyzing the spectral characteristics of mangroves exposed, mangroves submerged at high tide level and seawater bodies, a method of extracting intertidal Mangroves by using normalized intertidal mangrove index (NIMI) is proposed in this paper. The index is normalized expressions for the composition of a red band strongly absorbed by vegetation and two red-edge bands as well as a near-infrared band strongly reflected by vegetation. The index is used to classify and extract mangroves from Jiulongjiang Estuary wetland in Longhai, Fujian Province. The results are compared with the results of visual verification of GF-2 and field investigation. The results shows that the user accuracy of this method reaches 93.98%, and is significantly better than that of using normalized water index (NDWI), normalized vegetation index (NDVI) and the results of random forest.

Key words: mangrove, submerge, extraction, Sentinel-2 image, normalized intertidal mangrove index

中图分类号:

P237

徐芳, 张英, 翟亮, 刘佳, 谷祥辉. 基于Sentinel-2的潮间红树林提取方法[J]. 测绘通报, 2020, 0(2): 49-54.

XU Fang, ZHANG Ying, ZHAI Liang, LIU Jia, GU Xianghui. Extraction method of intertidal mangrove by using Sentinel-2 images[J]. Bulletin of Surveying and Mapping, 2020, 0(2): 49-54.

参考文献

[1] DAHDOUH-GUEBAS F, JAYATISSA L P, INITTO D D, et al. How effective were mangroves as a defence against the recent tsunami?[J]. Current Biology, 2005,15(14):1337-1338..
[2] GIRI C, OCHIENG E, TIESZEN L L, et al. Status and distribution of mangrove forests of the world using earth observation satellite data[J].Global Ecology and Biogeography,2011,20(1):154-159.
[3] 吴培强,马毅,李晓敏,等.广东省红树林资源变化遥感监测[J].海洋学研究,2011,29(4):16-24.
[4] 廖宝文,张乔民.中国红树林的分布、面积和树种组成[J].湿地科学,2014,12(4):435-440.
[5] 蒋宇雯,周宁,周艳艳,等.城市黑臭水体遥感动态监测方法研究[J].测绘通报,2019(S1):98-104.
[6] 余莎莎,余洁,朱腾,等.一种改进的MCSM/H-PSO全极化SAR影像分类方法[J].测绘通报,2018(11):53-57.
[7] MUNYATI C. Optimising multiresolution segmentation:delineating savannah vegetation boundaries in the Kruger National Park, South Africa, using Sentinel 2 MSI imagery[J]. International Journal of Remote Sensing, 2018, 39(18):1-23.
[8] DEMURO M, CHISHOLM L. Assessment of hyperion for characterizing mangrove communities[C]//Proceedings of the AVIRIS2003 Workshop. Pasadena, California, USA:NASA Jet Propulsion Laboratory, 2003.
[9] 郭彦茹.清澜港红树林湿地土壤有机碳空间分布及碳储量遥感估算研究[D].北京:中国林业科学研究院,2014.
[10] 姚玲,刘高焕,刘庆生,等.利用影像分类分析黄河三角洲人工刺槐林健康[J].武汉大学学报(信息科学版),2010,35(7):863-867.
[11] 苏岫,耿杰,马晓瑞,等.基于多种植被指数信息与联合稀疏表示的红树林种类识别[J].海洋环境科学,2017,36(1):114-120.
[12] 张东水,从丽侠,全斌,等.基于光谱特征的漳江口红树林湿地遥感信息提取[C]//Proceedings of 2011 AASRI Conference on Artificial Intelligence and Industry Application(AASRI-AIIA 2011 V2).[S.l.]:智能信息技术应用学会,2011.
[13] 刘凯,龚辉,曹晶晶,等.基于多类型无人机数据的红树林遥感分类对比[J].热带地理,2019,39(4):492-501.
[14] 李想,刘凯,朱远辉,等.基于资源三号影像的红树林物种分类研究[J].遥感技术与应用,2018,33(2):360-369.
[15] 陈远丽,路春燕,刘金福,等.漳江口湿地变化的遥感监测[J].森林与环境学报,2019,39(1):61-69.
[16] 闫静,张彩云,骆炎民,等.福建九龙江口红树林变化的遥感监测[J].厦门大学学报(自然科学版),2012,51(3):426-433.
[17] 王孟欣.福建华安九龙江湿地公园保护与利用研究[J].林产工业,2019,46(4):61-64.
[18] 金亮,卢昌义,叶勇,等.九龙江口秋茄红树林湿地土壤呼吸速率的季节变化及其与环境因子的相关性[J].应用海洋学学报,2013,32(4):557-562.
[19] 李中元,吴炳方,张淼,等.利用物候差异与面向对象决策树提取油菜种植面积[J].地球信息科学学报,2019,21(5):720-730.
[20] ATZBERGER C,RICHTER K. Spatially constrained inversion of radiative transfer models for improved LAI mapping from future Sentinel-2imagery[J].Remote Sensing of Environment, 2012,120:208-218.
[21] NOVELLI A, AGUILAR M A, NEMMAOUI A, et al. Performance evaluation of object based greenhouse detection from Sentinel-2 MSI and Landsat 8 OLI data. A case study from Almería(Spain)[J].International Journal of Applied Earth Observation and Geoinformation,2016,52:403-411.
[22] MATTHEW H, HEATHER C, PABLO H, et al, 2009.the impacts of sea-level rise on the california coast[EB/OL].[2019-07-18]. http://pacinst.org/publication/the-impacts-of-sea-level-rise-on-thecalifornia-coast/.
[23] 张乔民,于红兵,陈欣树,等.红树林生长带与潮汐水位关系的研究[J].生态学报,1997,17(3):258-265.
[24] 许家琨,刘雁春,许希启,等.平均大潮高潮面的科学定位和现实描述[J].海洋测绘,2007,27(6):19-24.
[25] 林选跃. 福建沿海年平均海平面年际变化特征、预测及风险评估[D].青岛:中国海洋大学,2014.
[26] 王靖雯,牛振国.基于潮位校正的盐城滨海潮间带遥感监测及变化分析[J].海洋学报,2017,39(5):149-160.
[27] 郑阳,吴炳方,张淼.Sentinel-2数据的冬小麦地上干生物量估算及评价[J].遥感学报,2017,21(2):318-328.
[28] 高彦华,陈良富,周旭,等.估算混合植被叶绿素含量的理想波段分析[J].遥感学报,2009,13(4):623-630.

基于Sentinel-2的潮间红树林提取方法

Extraction method of intertidal mangrove by using Sentinel-2 images

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[2]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[3]	窦世卿, 郑贺刚, 徐勇, 陈治宇, 苗林林, 宋莹莹. 基于U-Net3+的高分遥感影像建筑物提取[J]. 测绘通报, 2022, 0(6): 40-44.
[4]	任月娟, 葛小三. 改进DeepLabV3+网络的遥感影像道路综合提取方法[J]. 测绘通报, 2022, 0(6): 55-61.
[5]	时梦杰, 陶庭叶, 高飞, 李江洋, 陈皓. 雾天环境下机器视觉的边坡监测方法[J]. 测绘通报, 2022, 0(6): 88-92.
[6]	任超, 邓诗琴, 高懋芳. 一种提取北部湾沿海地区水体信息的动态阈值方法[J]. 测绘通报, 2022, 0(5): 14-19,37.
[7]	王春霞, 张俊, 李屹旭, 范成成. 一种基于Landsat 8的多波段组合水体指数模型[J]. 测绘通报, 2022, 0(5): 20-25.
[8]	王仁军, 刘宝康, 杜玉娥, 张红丽, 于志远. 基于GF-6的可可西里典型湖泊水体面积提取方法研究[J]. 测绘通报, 2022, 0(5): 32-37.
[9]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.
[10]	兰峰, 张帆, 高云龙, 黄先锋. 顾及地物类别的倾斜摄影三维模型简化方法[J]. 测绘通报, 2022, 0(4): 44-50.
[11]	王雪, 梁珂, 隋立春, 钟棉卿, 朱剑锋. 膨胀卷积与金字塔表达的深度学习模型用于农村建筑物提取[J]. 测绘通报, 2022, 0(4): 61-65.
[12]	潘东峰, 杨超, 吴一同, 谭钿, 张德林. 利用TLS技术进行地铁隧道断面提取及变形监测分析[J]. 测绘通报, 2022, 0(4): 130-133.
[13]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[14]	李少先. 利用双向布料模拟的机载建筑物点云提取[J]. 测绘通报, 2022, 0(3): 148-151.
[15]	王珍, 张涛, 丁乐乐, 潘宇明, 史芙蓉. 融合高度和光谱信息的倾斜摄影数据建筑物自动提取[J]. 测绘通报, 2022, 0(2): 10-15.