基于无人机采样和来自Landsat数据的季节性现象学,追踪盐沼植被的空间和时间演变

科学领域:

• 生态监测 生态监测
• 遥感是一种远程传感.
• 地理空间分析是什么?

背景情况:

• 盐沼是生态上至关重要的,但面临着退化.
• 有效监测植被分布和物种组成对于盐沼保护至关重要.
• 需要长期数据来了解盐沼动态,并为保护策略提供信息.

研究的目的:

• 为黄河三角洲 (YRD) 开发一个高精度的盐地图框架.
• 整合无人机 (UAV) 数据,机器学习和季节性现象特征,以改善盐沼监测.
• 评估盐沼地区的变化和入侵物种随着时间的推移的扩张.

主要方法:

• 集成无人机数据,以进行高效的采样.
• 利用来自Landsat数据的季节性现象特征来增强物种差异化.
• 采用机器学习算法,随机森林在植被分类中达到最高准确度 (89%).
• 从1991年到2022年分析了盐沼地区变化和入侵物种分布.

主要成果:

• 随机森林算法表现出卓越的性能,特别是在混合植被区域.
• 秋季的现象特征被确定为植被类型的关键歧视因素.
• 在YRD的盐沼地区出现了最初的下降,随后稳定和扩张,到2022年达到259.15平方公里.
• 侵入性物种Spartina alterniflora在2009年之后 (61.4平方公里) 显著扩大,然后在2021年被根除.

结论:

• 无人机和季节性现象数据的综合框架为长期盐沼监测提供了可扩展和高精度的方法.
• 这项研究为盐沼保护,入侵物种管理和生态系统恢复工作提供了宝贵的工具和见解.
• 该研究强调了将现象学数据纳入复杂生态系统中准确的植被分类的重要性.