1、遥感在红树林监测研究的进展,目 录,红树林简介,红树林（Mangrove）指生长在热带、亚热带低能海岸潮间带上部，受周期性潮水浸淹，以红树植物为主体的常绿灌木或乔木组成的潮滩湿地木本生物群落,红树林简介,红树林（Mangrove）指生长在热带、亚热带低能海岸潮间带上部，受周期性潮水浸淹，以红树植物为主体的常绿灌木或乔木组成的潮滩湿地木本生物群落,特殊的根系,不同的红树植物有各种各样庞大的、奇形怪状的根系，其主要的作用是：一、稳固地将植株固着于潮间带；二、获取并传输更多的氧气,特殊的根系,对于人类而言，红树林最重要的作用是保堤护岸，减缓风暴潮的危害。这个作用在2004年底的印度洋海啸期间已经得到
2、了深刻的验证。在中国东南沿海，虽没有海啸的威胁，但红树林在每年十余次的台风中起了重要的防灾减灾作用。,防风固堤红树林是渔船的天然港湾,生态多样性,红树林既是湿地又是森林，同时具有沼泽湿地植物、沙漠植物和热带雨林植物的特征，因而红树林是至今世界上少数几个物种最多样化的生态系之一，生物资源量非常丰富。,生态多样性,红树林既是湿地又是森林，同时具有沼泽湿地植物、沙漠植物和热带雨林植物的特征，因而红树林是至今世界上少数几个物种最多样化的生态系之一，生物资源量非常丰富。,全国总量,据 2001 年国家林业局组织的“全国红树林资源调查”结果显示，我国红树林各地类总面积 82757.2 公顷（不含港、澳、台
3、地区）。其中：现有红树林面积 22024.9公顷，占总面积的 26.6%；未成林面积 1884.1 公顷，占 2.3%；宜林地面积 58848.2公顷，占 71.1%。经过几年的保护与恢复工作，红树林面积得到有效的增长。据各省最新统计，全国现有红树林各地类总面积 90634.7 公顷。其中：现有红树林面积为22652.3 公顷，占总面积的 25.1%；未成林面积为 2326 公顷，占总面积的 2.6%；宜林地为 65656.5 公顷，占总面积的 72.3%（国家林业局等，2005）。 全国各地类红树林面积增长对比见下表：（单位: hm2 ）,分布情况,红树林在我国主要分布在北纬 1812300
4、9，东经 1080312200E，分布于海南、广东、广西、福建、浙江及台湾、香港和澳门等8省区，总面积22680.9公顷。 1980 年至今研究区共有红树林自然保护区 34 个，包括 7 个国家级自然保护区（其中 6 个为国际重要湿地）；福田红树林鸟类自然保护区；7 个省级自然保护区，分别为：海南清澜省级自然保护区，福建九龙江口红树林自然保护区，福建泉州湾河口湿地省级自然保护区，广东珠海淇澳-担秆岛自然保护区，广东南万红树林自然保护区，广西钦州茅尾海红树林自然保护区，台湾淡水河口红树林自然保护区；以及 20 个县市级自然保护区。研究区范围及红树林保护区地理位置如下图所示。,分布情况,目 录,遥
5、感在红树林监测研究,遥感在红树林监测研究,由于地理气候原因，如涨落潮等因素导致的红树林湿地实地调查难，周期长，工作量大，时效性差等问题，已使得常规方法不适用于监测红树林湿地。 遥感技术具有覆盖面积大,数据更新周期短、空间分辨率高、手段多样和精度高等特点。目前，遥感技术已经成为国内外红树林湿地生态研究的主要技术之一。,世界范围内红树林遥感的监测发展,欧美发达国家因技术领先，在利用遥感技术对红树林湿地进行调查与评估等方面的研究起步稍早。 第一阶段：1979 年 Lorenzo 等利用 Landsat MSS 数据监测了菲律宾三宝颜市红树林湿地的退化情况，第一个将遥感技术应用于红树林湿地动态变化监测
6、中。1980 年世界粮农组织（FAO）利用遥感技术估算了尼日利亚的红树林面积，开启了应用遥感技术进行红树林湿地面积、分布、动态、制图等领域研究的大门。受限于遥感数据粗糙的空间分辨率，当时的遥感技术主要应用于红树林与非红树林的区分。 第二阶段：上世纪 90 年代，遥感数据的种类不断丰富，空间分辨率和光谱分辨率不断提高，红树林遥感监测逐渐由整体动态监测向种群分布监测方向发展。 第三阶段：进入 21 世纪以来，米级乃至厘米级高分辨率数据、SAR 雷达数据和高光谱数据的应用进一步提高了遥感图像信息的含量。红树林遥感监测逐渐向生态系统参数及综合信息监测的方向发展，比如，估算红树林生物量分层结构、树高、冠
7、幅、病虫害等。,16,中国对红树林遥感的监测发展,国内红树林遥感监测始于上个世纪 90 年代，并从 2007 年开始呈显著上升的趋势。 第一阶段：国内首次将遥感技术应用于红树林湿地调查是在 90 年代初的海南岛红树林湿地资源调查，早期在厦门西港、海南岛清澜港等地也进行了红树林湿地的卫星遥感测绘。李天宏等以深圳河河口地区 6 个时相的 Landsat TM/ETM+图像分析出该地区 10 多年来红树林面积及空间分布的变化。王胤等收集部分历史资料、3 个时相段红树林的遥感图像监测和实地样方调查的方法，研究了海南省东寨港红树林湿地的面积变化。陈凌云等采用 5 个时相的遥感数据研究了 19552004
8、 年近 50 年间广西红树林在空间分布和面积的动态变化，并分析其演变原因。,17,中国对红树林遥感的监测发展,第二阶段：近些年来，福建洛阳江口，广东湛江，深圳福田，海南东寨港，甚至整个东南沿海的红树林湿地都有相关的卫星遥感成图研究。现状：虽然国内学者近年来在红树林分类、动态等方面取得了一定的成果，但相比国际红树林湿地遥感监测进程，国内在遥感监测红树林湿地群落结构、灾情灾害、综合信息等方面的研究还很鲜见。 现状：虽然国内学者近年来在红树林分类、动态等方面取得了一定的成果，但相比国际红树林湿地遥感监测进程，国内在遥感监测红树林湿地群落结构、灾情灾害、综合信息等方面的研究还很鲜见。,红树林湿地遥感分
9、类方法,分类后比较法,目视解译优点：方便灵活。缺点：处理结果与处理水平有较大的关系。,监督分类优点：可预先确定类别，训练样本易受控制，并可通过检验训练样本，提高分类精度。缺点：主观因素较强，训练样本的选取和评估需大量时间，且只能识别训练样本中所定义的类别。,非监督分类优点：无需对分类地区有较多的了解，人为误差少，输入的初始参数较少。缺点：结果需大量分析及后处理。,专家分类优点：克服单纯依靠光谱信息分类精度不高的缺点，改善了分类精度。缺点：因区域性和地段性限制，较难产生通用的方法。,分类后比较法,目视解译法,采用的遥感数据为 ALOS PRISM PAN(2.5m)/AVNIR-2 XS(10m
10、)，接收日期分别为 2007 年 10月24日(丹兜海)和2008年1月24日(沙井)。辅助数据为沙井海湾的2007年5月低空无人机真彩色图像，空间分辨率约为0.36 m。以110 000全色正射航空图像为参考图像，进行几何精校正。采用目视解译方法剪除图像中的陆地部分，还通过植被指数方法剪除沙井海湾的大部分水体。（李春干等：红树林空间分布信息遥感提取方法）,分类后比较法,监督分类法,利用监督分类方法提取的实验区地物信息如图4所示。分类精度检验结果表明，丹兜海海湾的总体分类精度达到了96.0%(表2)，Kappa系数为0.943 9；少量的分类错误主要是将红树林、光滩错分为互花米草滩涂。沙井海湾
11、监督分类的总体分类精度为92.7%，Kappa系数为0.878 4。（李春干等：红树林空间分布信息遥感提取方法）,分类后比较法,非监督分类法,图5显示，在丹兜海海湾，当分为10群组时，得到的红树林范围略大，而分为20群组和40群组时，其红树林范围十分接近。图6显示，沙井海湾的非监督分类结果很不理想。（李春干等：红树林空间分布信息遥感提取方法）,分类后比较法,专家决策分类法,神经网络,优点：具有较好的容错能力，尤其是它的非线性特性，更能体现遥感信息中复杂的关系，利于多源信息的复合。,缺点：属于黑箱系统，机理分析困难，需要先训练再使用，训练失败的可能性较大。,神经网络,神经网络分析方法引入到红树林
12、植被分类中,发现其分类结果在很大程度上符合红树林植被分类要求,明显地反映红树林群落的地域分布,即由海洋向陆地呈现出明显的带状分布特性。结果说明,神经网络分类方法,在红树林植被细分上体现出较大的优势。,利用自组织特征映射模型S(OM（TeuvoKhonoen，1981）按照红树林图象上6个波段的光谱特性的灰度变化,进行自适应过程的学习训练,最后获得红树林植被的分类结果。（红树林遥感智能分类方法研究，滕骏华）,波段组合,波段比值优点：运算简单，速度快。缺点：不能获取变化的类型，其变化掩膜的产生较困难。,植被指数优点：对不同时相植被覆盖情况的变化敏感。缺点：不能很好地发现其他类型的变化。,波段组合,
13、波段比值,波段组合,对于红树林茂密、滩涂裸露的丹兜海海湾区域采用4种植被指数提取地物信息得到的结果十分接近，以比值植被指数得到的结果的精度略高。 但对于滩涂与稀疏红树林、水体与淹没且稀疏、低矮红树林的植被指数十分接近，变化区间基本一致，因此难以分离。（李春干等：红树林空间分布信息遥感提取方法）,植被指数,多时相线性变换,主成分分析优点：由于数据降维的作用、评价方法的模式化，相对辐射校正处理较少，可以明显地减少数据量。缺点：不能获取变化的类型，需要严格的几何纠正，对遥感系统影响因素和环境影响因素要求较高。,变化向量优点：能够利用所有波段所包含的信息，且能够确定各种变化本质所具有的物理意义。缺点：
14、对遥感数据质量要求较高，需进行严格的图像辐射校正，变化类型判断难度较大。,多时相线性变换,多时相线性变换,发展趋势,通过遥感技术对红树林的监测工作的进行，人们可以更充分的了解红树林的分布面积、位置、健康状况、组成结构和动态变化等,遥感技术具有很好的发展前景。其发展趋势主要有以下两个方面：一、数据获取方面 提高传感器的性能指标，提高空间分辨率，有利于红树林分布范围、面积等生态特征指标的确定；发展高光谱技术,提高光谱分辨率和标准光谱的获取,有利于进行红树林的种类区分，更准确获取红树林的分布状况、健康状况与发展趋势。二、数据处理方面 在常规的统计分析模型上,融合一定的地学分析、不确定分析和智能分析技术，使数理统计分析技术与系统论、控制论、信息论、决策论和人工智能等理论与技术相融合，建立新的遥感图像解译模型,有利于提高遥感技术的探测精度。,谢谢观看！,
