社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

ISPRS最新成果|中国科学院毛德华团队知识驱动机器学习,构建 2016–2024 全国10 米年度湿地数据集

GEE遥感训练营 • 5 月前 • 218 次点击  

论文摘要



及时、精准的湿地动态监测数据,是开展湿地保护规划、落实相关政策以及实现可持续发展目标的重要基础。然而,目前我国仍缺乏一套完整的长时序湿地数据集,全国范围高分辨率湿地变化数据的获取依旧面临巨大挑战。本文提出一种融合多源时序数据、结合先验知识驱动机器学习的湿地精细化制图优化框架。该方法引入湿地分布概率先验知识,对湿地潜在分布范围进行空间约束,不仅大幅提升计算效率,还能有效减少错分现象,并降低模型对训练样本的依赖。研究依托259 余万景哨兵系列卫星影像,研制出2016—2024 年全国 10 米分辨率年度湿地变化数据集,产品总体精度均值达 81.72%,区间为 80.55%~82.17%。监测结果显示:2016 至 2024 年,我国湿地总面积整体保持稳定,净增长幅度为 0.5%。其中,水体年际变化最为显著,变化面积达 1230 平方千米,整体面积增长 1.24%;沿海沼泽面积也略有增加。与之相反,沿海草本湿地面积缩减 620 平方千米,潮滩面积缩减 710 平方千米;内陆草本湿地小幅下降 0.11%,内陆沼泽面积则无明显变化。从区域来看,青藏高原与东北地区的湿地动态变化最为剧烈。这套高分辨率、年度更新的湿地数据集,可为湿地保护、生态修复与综合管理提供核心数据支撑,同时也将助力国内外开展相关评估工作,推动联合国可持续发展目标(SDGs)落地实现。

关键图表



图 1.2016—2024 年全国高质量哨兵卫星影像空间分布及典型湿地类型时序变化。子图 A、B 分别为哨兵一号、哨兵二号卫星有效观测数据总量空间分布;图 C 为六类典型湿地的近红外(NIR)时序曲线(a~f)。时序图中,蓝色散点为从哨兵二号影像提取的原始有效观测值,红色实线为采用 HANTS 算法重构后的平滑曲线。分区缩写说明:NEC—— 东北地区;MXP—— 内蒙古 - 新疆高原区;YER—— 黄河中下游地区;QTP—— 青藏高原;YGP—— 云贵高原;YAR—— 长江中下游地区;SSC—— 华南及东南地区。

图 2.基于先验知识的年度湿地动态制图整体技术流程。该框架首先利用哨兵一号 / 二号影像,结合湿地分布概率(时空先验知识)划定湿地潜在范围;再依托该先验信息提取最优静态与动态特征,输入面向对象随机森林分类器,最终生成年度湿地分布图。
图 3.基于分布概率划定湿地潜在范围的技术流程。综合哨兵一号 / 二号时序影像与数字高程模型(DEM)数据,计算水体出现频率(WOF)、植被出现频率(VOF)、历史最大湿度(HMW)三类关键生态水文指标;再通过像元级逻辑规则集,确定湿地潜在分布边界。
图 4.2016—2024 年湿地制图关键时序特征时空可视化。子图 A、B 依次为 2024 年原始假彩色合成影像,以及植被、水体出现频率空间分布图。局部放大图 a、b 为频率图中标记典型像元的归一化植被指数(NDVI)、归一化水体指数(NDWI)时序变化曲线;曲线上红色散点代表哨兵二号有效观测数据,曲线下方序列影像展示了不同时相下该像元的物候与水文动态特征。

图 5.湿地制图结果综合精度评估与对比。子图 A 为本研究成果与全球主流产品(动态世界数据集、欧空局全球地表覆盖数据集)的空间分布目视对比;子图 B 为与参考数据集的面积定量对比,实线代表线性拟合结果,阴影区域为 95% 置信区间;子图 C 展示不同生态分区总体精度、各类湿地用户精度的 2016—2024 年时序变化,误差棒表示标准差。湿地类型缩写:WB—— 水体;IS—— 内陆沼泽;IM—— 内陆草本湿地;CS—— 沿海沼泽;CM—— 沿海草本湿地;TF—— 潮滩。

图 6.2024 年全国湿地空间格局与统计结果。子图 A 为各类湿地空间分布(浅灰色底图为湿地潜在分布范围);子图 B、C 分别为各湿地类型总面积统计、不同生态分区内湿地类型构成统计;子图 D 为各生态分区湿地潜在面积占区域国土总面积的比例。

图 7.2016—2024 年中国湿地时空动态。子图 A、B 依次为湿地面积标准差、复合年均增长率(CAGR)空间分布;子图 C 为全国湿地总面积年际变化趋势,红色实线为线性拟合曲线;子图 D、E 分别为各类湿地归一化面积(取值 0~1)时序变化、不同生态分区湿地绝对面积时序变化。

图 8.四个典型区域湿地潜在范围的目视与光谱评价。子图 A 为哨兵二号原始假彩色合成影像;子图 B 为对应湿地潜在分布二值图;子图 C、D 分别为掩膜处理前后的 NDVI-NDWI 特征空间散点图。图中紫色散点为原始样本,绿色散点为筛选后样本,红色椭圆为表征样本分布离散程度的标准差椭圆。

图 9.2016—2024 年典型内陆热点区域湿地时空变化。子图 A 为江西九江鄱阳湖湿地年际变化,子图 B 为河南郑州常庄水库湿地变化。两组子图上方为逐年假彩色合成影像,下方为对应分类结果,直观展示水体与内陆草本湿地间的水文转换过程;浅灰色区域为非湿地区域。

图 10.2016—2024 年典型滨海热点区域湿地时空变化。子图 A 为山东东营黄河三角洲湿地年际变化,子图 B 为海南海口东寨港湿地变化。两组子图上方为逐年假彩色合成影像,下方为对应分类结果,直观展示沿海草本湿地、沿海沼泽与水体的形态演变及类型转换;浅灰色区域为非湿地区域。

版权声明

声明:本推文仅用于学习交流,不做其他任何目的。若有侵权,请联系微信号:GeeStudy_2020删除或修改!论文doi链接:https://doi.org/10.1016/j.isprsjprs.2026.05.001,点赞、收藏、关注!

更多阅读



JAG最新成果|武汉大学孟小亮团队提出SDFTransformer 实现光学与 SAR 影像高效融合分类

2026-05-30

JAG最新成果|浙江大学黄敬峰团队基于逐日 LTDR-NDVI 与二阶导数法的北半球中高纬度地区森林物候提取

2026-05-29

JAG最新成果|武汉大学周春霞团队:多源遥感融合三大深度学习模型,实现冰面湖全季节连续监测

2026-05-28

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/197161