用多尺度遥感测量小型北极湖中的水生巨的季节性量化

科学领域:

• 生态学
• 遥感技术
• 环境科学

背景情况:

• 小北极湖泊富含水生巨型植物,因为它们的浅度和海岸线与表面面积的比例很高.
• 量化巨型植物的丰富性对于理解它们作为潜在的湿地和碳汇的作用至关重要,但这很少发生.
• 遥感提供了一个有希望的,但未被充分利用的工具,用于评估这些湖泊中的巨型植物的丰富性和表观.

研究的目的:

• 通过遥感测试北极小湖的新生植物和浮叶植物的丰富性.
• 在总体,生长形式和属级别上量化水生巨,评估存在率和百分比覆盖率.
• 评估不同遥感数据 (Sentinel-1,Sentinel-2) 对于巨型植物绘制的有效性.

主要方法:

• 收集无人机图像,详细量化五个小湖中的巨型植物.
• 通过使用Sentinel-1,Sentinel-2和综合多传感器数据进行105平方公里的季节性估计,训练了随机梯度增强模型.
• 使用顺序分类回归方法来识别和量化水生植被.

主要成果:

• 多传感器模型在识别水生植被发生时达到39%至93%的准确性,并解释了26%至93%的覆盖范围变化.
• 在45个湖泊中,新生植物和浮叶植物占地面积的2%,总覆盖面积差异很大 (3-97%).
• 卫星2的多光谱数据超过了卫星1的SAR数据,检测到覆盖率高于1-5%;密集的植被被预测得很好,但稀疏的种群是具有挑战性的.

结论:

• 使用哨兵数据,在属层面上对水生巨进行季节性绘制是可行的,特别是使用多谱信息.
• 云层可能偶尔限制关键的被动传感器数据的可用性 (Sentinel-2).
• 由于海岸线的影响,在非常小的湖泊 (<0.25公) 中难以准确预测,并且难以检测稀疏的植被.