基于SPOT5的红树林遥感分类*

doi:10.11978/j.issn.1009-5470.2012.06.020

热带海洋学报 ›› 2012, Vol. 31 ›› Issue (6): 128-134.doi: 10.11978/j.issn.1009-5470.2012.06.020cstr: 32234.14.j.issn.1009-5470.2012.06.020

• 海洋遥感 • 上一篇

基于SPOT5的红树林遥感分类*

苏岫1, 赵冬至1, 王祥1,2, 钟才荣3

1. 国家海洋环境监测中心, 辽宁大连 116023; 2. 大连海事大学, 辽宁大连 116026; 3.东寨港国家级自然保护区管理局, 海南海口 571129

收稿日期:2013-02-06 修回日期:2012-05-22 出版日期:2012-12-01 发布日期:2013-02-06
通讯作者: 赵冬至。E-mail: dzzhao@nmemc.gov.cn。*感谢海南东寨港国家级自然保护区管理局李诗川助理工程师在论文写作过程中给予的巨大帮助。
作者简介:作者简介：苏岫(1984—), 女, 辽宁省辽阳市人, 助理研究员, 硕士研究生, 毕业于辽宁师范大学城市与环境学院, 主要从事于海域使用动态和海洋生态环境遥感方面的研究。
基金资助:
基金项目：“908”专项(908-01-WY01)

Remote sensing classification of mangrove based on SPOT5 image

SU Xiu1, ZHAO Dong-zhi1, WANG Xiang1,2, ZHONG Cai-rong3

1. National Marine Environmental Monitoring Center, Dalian 116023, China; 2. Dalian Maritime University, Dalian 116023, China; 3. Hainan Dongzhaigang National Mangrove Reserve Board, Haikou 571129, China

Received:2013-02-06 Revised:2012-05-22 Online:2012-12-01 Published:2013-02-06

摘要/Abstract

摘要： 以海南岛东寨港国家级红树林自然保护区为例, 实地测量了红树林等地物光谱, 获取了较为准确的红树林的光谱特征; 在采用最大似然分类法提纯红树林信息基础上, 结合不同红树种类的光谱特征及植被指数差异, 选定可分性阈值, 建立决策树分类规则, 对SPOT5图像进行种间分类, 并检验其分类精度。结果显示, 各红树种类的使用精度都达到80%以上, 且总体精度达到90%以上, 为红树林生态系统业务化遥感监测奠定基础。

关键词: SPOT5卫星影像, 红树林, 光谱特征, 遥感分类

Abstract: Taking the Dongzhaigang National Mangrove Reserve in Hainan Island as example, we executed field measurements to obtain mangrove spectral data. On the basis of maximum likelihood classification purification mangrove information, combining with different kinds of mangrove spectral features and vegetation index difference, selected separability threshold, we established decision-making tree classification rule of SPOT5 images based on images between classifications, and tested its classification accuracy. Classification result shows that accuracy for each mangrove type reached 80% and the total accuracy added up to 90%. This research offers a foundation for operational remote sensing monitoring of mangrove ecosystem.

Key words: SPOT5 satellite image, mangrove, spectral feature, remote sensing classification

中图分类号:

TP75

苏岫赵冬至王祥, 钟才荣. 基于SPOT5的红树林遥感分类*[J]. 热带海洋学报, 2012, 31(6): 128-134.

SU Xiu, ZHAO Dong-zhi, WANG Xiang, ZHONG Cai-rong. Remote sensing classification of mangrove based on SPOT5 image[J]. Journal of Tropical Oceanography, 2012, 31(6): 128-134.

参考文献

[1] 范航清. 红树林——海岸环保卫士[M]. 广西: 广西科技出版社, 2000: 5.
[2] 张乔民, 隋淑珍. 中国红树林湿地资源及其保护[J]. 自然资源学报, 2001, 16(1): 28-36.
[3] 李春干. 红树林遥感成图研究综述[J]. 中南林业调查规划, 2002, 21(4): 52-58.
[4] 腾骏华, 刘宇, 顾德宇. 红树林智能遥感分类方法研究[J]. 台湾海峡, 2000, 16(3): 331-338.
[5] GREEN E P, CLARK C D, MUMBY P J, et al. Remote sensing techniques for mangrove mapping[J]. International Journal of Remote Sensing, 1998, 19(5): 935-956.
[6] GAO J. A hybrid method toward accurate mapping of mangroves in a marginal habitat from SPOT multispectral data[J]. International Journal of Remote Sensing, 1998, 19(10): 1887-1899.
[7] LIU ZHI GANG, LI JING, LIM BL, et al. Object-based Classification for Mangrove with VHR Remotely Sensed Image[J]. Proc SPIE, 2007, 6752(3): 83-87.
[8] SATAPATHY D R, KRUPADAM R J, KUMAR L P, et al. The application of satellite data for the quantification of mangrove loss and coastal management in the Godavari estuary, east coast of India[J]. Environmental Monitoring and Assessment, 2007, 134(1-3): 453-469.
[9] LE WANG, WAYNE P S, PENG GONG, et al. Integration of object-based and pixel-based classification for mapping mangroves with IKONOS imagery[J]. International Journal of Remote Sensing, 2004, 25(24): 5655-5668.
[10] KANNIAH K D, WAI N S, ALVIN L M S, et al. Linear mixture modeling applied to IKONOS data for mangrove mapping[C]. Ha Noi (VN): Asian Conference on Remote Sensing (ACRS2005), 2005: 7-16.
[11] DAHDOUH-GUEBAS F, HIEL E V, CHEN J C W, et al. Qualitative distinction of congeneric and introgressive mangrove species in mixed patchy forest assemblages using high spatial resolution remotely sensed imagery (IKONOS)[J]. Systematics and biodiversity, 2004, 2(2): 113-119.
[12] NEUKERMANS G, DANDOUH-GUEBAS F, KAIRO J G, et al. Mangrove species and stand mapping in Gazi Bay (Kenya) using Quickbird satellite imagery[J]. Spatial Science, 2008, 53(1): 75-86.
[13] LE WANG, WAYNE P S, PENG GONG, et al. Comparison of IKONOS and QuickBird images for mapping mangrove species on the Caribbean coast of Panama[J]. Remote Sensing of Environment, 2004, 91(3-4): 432-440.
[14] EVERITT J H, YANG CHENGHAI, SRIHARAN S, et al. using high resolution satellite imagery to map black mangrove on the Texas Gulf coast[J]. Journal of Coastal Research, 2008 24(6): 1582-1586.
[15] 谢瑞虹, 周兆德. 海南岛红树植物群系类型及其特征 [J].海南大学学报: 自然科学版, 2008, 26(3): 81-85.
[16] 于祥, 赵冬至, 张丰收. 红树林的高光谱分析[J]. 滨州学校学报, 2006, 22(6): 53-56.
[17] 浦瑞良, 宫鹏. 高光谱遥感及其应用[M]. 北京: 高等教育出版社, 2000: 153.
[18] 郑伟, 曾志远. 遥感图像大气校正方法综述[J]. 遥感信息, 2004(4): 66-70．
[19] 陈忠. 高分辨率遥感图像分类技术研究[D]. 北京: 中国科学院遥感应用研究所, 2006: 21.
[20] 陈文, 史金成. 决策树分类技术研究[J]. 福建电脑, 2005(8): 5-6.
[21] 李爽, 张二勋. 基于决策树的遥感影像分类方法研究[J].地域研究与开发, 2003, 22(1): 17-21.
[22] HANSEN M, DUBAYAH R, DEFRIES R. Classification trees, An alternative to traditional land cover classifiers international[J]. Journal of Remote Sensing, 1996, 17: 1075-1081.
[23] 李德仁, 王树良, 李德毅, 等. 论空间数据挖掘和知识发现的理论与方法[J]. 武汉大学学报: 信息科学版, 2002, 27(3): 221-233.
[24] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003: 372-373.
[25] 翁强. 红树植物光谱特征和红树植物的遥感图像分类研究[D]. 厦门: 厦门大学, 2006: 61.
[26] 史培军, 陈晋, 潘耀忠. 深圳市土地利用变化机制分析[J].地理学报, 2000, 55(2): 47-50, 151-160.

基于SPOT5的红树林遥感分类*

Remote sensing classification of mangrove based on SPOT5 image

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	吴鸿博, 罗锋, 陈治澎, 朱飞, 曾靖伟, 张弛, 李瑞杰. 红树林生态重建效果预测研究新模式[J]. 热带海洋学报, 2024, 43(4): 86-97.
[2]	郑法, 黄福林, 陈泽恒, 丁伟品. 基于LUCC和景观格局变化的广西山口红树林湿地动态研究[J]. 热带海洋学报, 2024, 43(4): 165-173.
[3]	周治刚, 岳文, 李辉权, 林阳阳. 树种类型和潮滩高程对广东湛江高桥红树林碳储量的影响[J]. 热带海洋学报, 2024, 43(2): 108-120.
[4]	申键, 简焯锴, 欧阳雪敏, 艾彬. 结合潮位校正的雷州半岛红树林湿地动态变迁遥感监测[J]. 热带海洋学报, 2024, 43(1): 137-153.
[5]	耿婉璐, 邢永泽, 张秋丰, 管卫兵. 广西北海红树林宜林滩涂大型底栖动物群落结构特征[J]. 热带海洋学报, 2024, 43(1): 107-115.
[6]	董俊德, 黄小芳, 龙爱民, 王友绍, 凌娟, 杨清松. 红树林固氮微生物及其生态功能研究进展[J]. 热带海洋学报, 2023, 42(4): 1-11.
[7]	梁寒峭, 陈文凤, 范益铠, 朱子冬, 马国需, 陈德力, 田婧. 红树林来源曲霉属和木霉属内生真菌次生代谢产物及活性研究进展[J]. 热带海洋学报, 2023, 42(4): 12-24.
[8]	张程飞, 任广波, 吴培强, 胡亚斌, 马毅, 阎宇, 张菁锐. 基于高分光学与全极化SAR的海南八门湾红树林种间分类方法[J]. 热带海洋学报, 2023, 42(2): 153-168.
[9]	周月月, 王友绍. 广东沿海红树林区水质变化特征与富营养状态评估[J]. 热带海洋学报, 2022, 41(6): 1-11.
[10]	吴伟志, 赵志霞, 杨升, 梁立成, 陈秋夏, 卢翔, 刘星, 张小伟. 浙江省红树林分布和造林成效分析[J]. 热带海洋学报, 2022, 41(6): 67-74.
[11]	郝露露, 柯明思, 朱奕秀, 许燕敏, 张颖, 郑春芳. 低温胁迫下红榄李(Lumnitzera littorea)DEAD-box RNA解旋酶基因的表达分析[J]. 热带海洋学报, 2022, 41(6): 44-55.
[12]	李华薇, 徐向荣. 中国典型红树林沉积物中多溴联苯醚和替代型溴系阻燃剂污染特征[J]. 热带海洋学报, 2022, 41(1): 117-130.
[13]	戴志军, 周晓妍, 王杰, 胡宝清. 红树林潮滩沉积动力研究进展与展望[J]. 热带海洋学报, 2021, 40(3): 69-75.
[14]	王友绍. 全球气候变化对红树林生态系统的影响、挑战与机遇[J]. 热带海洋学报, 2021, 40(3): 1-14.
[15]	董迪, 曾纪胜, 魏征, 严金辉. 联合星载光学和SAR影像的漳江口红树林与互花米草遥感监测[J]. 热带海洋学报, 2020, 39(2): 107-117.