基于哨兵影像特征分析和样本迁移的黑龙江流域沼泽湿地提取与时空变化研究

摘要

作为全球三大生态系统之一，湿地在维持区域的生态平衡和可持续发展方面有着举足轻重的作用。近年来，由于被不合理地开垦与改造、环境污染、水资源过度利用等原因，导致湿地不断地退化和消失。采用科学高效的方法进行湿地监测是湿地生态学领域的研究热点和难点。遥感技术是进行湿地监测的重要手段，但是传统的影像数据处理方式在大尺度湿地监测方面效率低下，哨兵影像这一新数据源和新特征的应用尚待挖掘。　　本研究以湿地资源丰富和变化剧烈的中国境内黑龙江流域为研究区域，针对目前Sentinel-2红边波段以及Sentinel-1雷达波段对湿地信息提取的作用尚待挖掘，在众多特征中对湿地信息提取有利的特征鲜有提及等问题，基于Google Earth Engine（GEE）云平台，采用Sentinel-2、Sentinel-1以及Landsat5TM卫星影像，利用随机森林算法对2018年和1988年中国境内黑龙江流域沼泽湿地信息进行提取。设计多种实验方案研究了红边波段和雷达波段对湿地信息提取的作用，利用JM距离寻找最佳特征。分析了沼泽湿地时空变化，并结合气象数据和社会经济数据对沼泽湿地变化驱动力进行分析。本研究的主要创新和结论如下：　　（1）Sentinel-2的红边特征和Sentinel-1的雷达特征能够提升沼泽湿地分类精度。红边特征、雷达特征分别使沼泽的制图精度提高了7.56%、5.04%，用户精度分别提高了5.01%、5.39%。利用JM距离对特征进行优化，在分类精度最大的同时将特征维数从28降至21，就沼泽同其他类型的分离度而言，红边特征>其他光学特征>地形特征>雷达特征。经过随机森林调参后2018年总体精度达到91.54%，Kappa系数为0.90，沼泽制图精度和用户精度分别为88.79%和88.30%。　　（2）利用2018年训练样本点迁移至1988年，在样本总量减少了12.5%的情况下分类总体精度达到81.38%，样本迁移取得了很好的效果。利用JM距离进行优化后特征数从14降低至10，经过随机森林调参后1988年总体精度达到81.38%，Kappa系数为0.78，沼泽制图精度和用户精度分别为80.79%和78.14%。　　（3）1988-2018年，黑龙江流域沼泽湿地面积减少了14.67%。2018年，沼泽湿地面积为113618.88km2，相比1988年减少了19539.23km2。从空间分布上看，沼泽面积减少最严重的区域分布在黑龙江流域东部。按子流域统计，减少最严重的流域分别是佳木斯以下、穆棱河口以下、穆棱河口以上子流域，减少率分别为55.78%、54.24,%、47.76%。　　（4）黑龙江流域沼泽湿地面积的社会经济因素影响要大于气候因素影响。相关性分析显示社会经济因素与沼泽湿地面积的相关性大于0.8，而气候因素的相关性则为0.1左右。农作物种植，特别是水田种植面积增加占用湿地是湿地面积减少的主要原因，1988-2018年全流域水田面积增加了14170.79km2。1988-2018年，佳木斯以下、穆棱河口以上、穆棱河口以下水田面积共增加了6645.91km2，占整个流域水田增加面积的46.89%。沼泽湿地转变为水田是黑龙江流域东部沼泽面积萎缩的直接原因。20世纪90年代中期黑龙江省开垦“荒地”的决策失误加速了这一过程。

目录

声明

变量注释表

1. 绪 论

1.1 研究背景与意义（Background and Significance）

1.2 国内外研究进展（Research Status at Home and Abroad）

1.3 研究内容、技术路线和创新点（Research Content, Technical Route and Innovation）

1.4 论文的组织结构（Organization Structure of the Paper）

2. 研究区概况与数据准备

2.1 研究区概况（Overview of the Study Area）

2.2 影像数据与预处理（Image Data and Preprocessing）

2.3 专题数据与预处理（Thematic Data and Preprocessing）

2.4 本章小结（Conclusions）

3. 湿地的影像特征选择与分析

3.1 湿地分类体系构建（Construction of Wetland Classification System）

3.2 湿地分类样本采集（Wetland Classification Sample Collection）

3.3 光学影像特征分析（Optical Image Feature Analysis）

3.4 雷达影像特征与分析（Radar Image Characteristics and Analysis）

3.5 本章小结（Conclusions）

4. 基于GEE的沼泽湿地随机森林分类

4.1 融合哨兵1号和哨兵2号特征的2018年沼泽湿地提取（2018 Swamp Wetland Extraction Combining Features of Sentinel 1 and Sentinel 2）

4.2 利用样本特征迁移和Landsat 5的1988年沼泽湿地提取（1988 Swamp Wetland Extraction Using Sample Features Migration and Landsat 5）

4.3 本章小结（Conclusions）

5. 湿地时空变化及驱动力分析

5.1 湿地时空变化分析（Analysis of the Spatiotemporal Changes of Wetlands）

5.2 湿地变迁驱动因子分析（Analysis of Wetland Driving Factors）

5.3 本章小结（Conclusions）

6. 总结与展望

6.1 主要结论（Main Conclusion）

6.2 不足与展望（Deficiencies and Outlook）

参考文献

作者简历

致谢

学位论文数据集