使用 Sentinel 1/2 图像进行跨境 (伊尔蒂什河) 盆地大规模湿地绘制的弱监督的自动分类方法
Kaiyue Luo1, Alim Samat2, Tim Van de Voorde3
1State Key Laboratory of Ecological Safety and Sustainable Development in Arid Lands, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, 830011, China; College of Geography and Remote Sensing Science, Xinjiang University, Urumqi, 830017, China.
Journal of environmental management
|March 18, 2025
概括
这项研究引入了使用卫星数据的自动湿地绘制方法,揭示了2017-2023年在伊尔蒂什河流域有1743.92平方公里的湿地损失.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 生态生态学 生态生态学
背景情况:
- 湿地是生物多样性和环境稳定的重要生态系统.
- 监测湿地变化对于保护至关重要,特别是在跨境盆地.
- 伊尔蒂什河流域面临着需要有效监测的生态动态.
研究的目的:
- 开发和验证一种新的自动分类方法,用于绘制和检测湿地变化.
- 评估2017年至2023年伊尔蒂什河流域湿地的时空动态.
- 为湿地保护和管理战略提供见解.
主要方法:
- 使用谷歌地球引擎 (GEE) 来处理哨兵-1和哨兵-2卫星数据.
- 综合无监督分类,样本转移技术和面向对象的随机森林 (OORF) 算法.
- 优化了18个功能,包括光谱指数,现象学和纹理参数用于分类.
主要成果:
- 实现了高分类准确度 (总体96.96%,样本98.1%),具有强大的用户和制造商准确度 (>88%).
- 创建了伊尔蒂什河流域的高分辨率湿地分布图.
- 在2017年至2023年间检测到显著的湿地波动,其中净损失约为1,743.92平方公里.
结论:
- 开发的自动分类方法对于大规模的湿地监测是有效的.
- 伊尔蒂什河流域的湿地损失严重,迫切需要采取保护措施.
- 该研究提供了有价值的数据和方法,以支持知情的环境管理.
