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 天前 • 31 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