遥感技术与应用2023，Vol.38Issue(5) ：1192-1202.DOI:10.11873/j.issn.1004-0323.2023.5.1192

基于Sentinel-2影像的南四湖菹草群落遥感提取研究

Remote Sensing Extraction of Potamogeton crispus L.in Nansi Lake based on Sentinel-2

姜杰 于泉洲 牛振国 梁春玲 高玉国 张玲 张宏立
遥感技术与应用2023，Vol.38Issue(5) ：1192-1202.DOI:10.11873/j.issn.1004-0323.2023.5.1192
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于Sentinel-2影像的南四湖菹草群落遥感提取研究

Remote Sensing Extraction of Potamogeton crispus L.in Nansi Lake based on Sentinel-2

姜杰 1于泉洲 2牛振国 3梁春玲 4高玉国 5张玲 6张宏立2
扫码查看

作者信息

  • 1. 聊城大学地理与环境学院,山东聊城 252059;河南大学地理与环境学院,河南开封 475004
  • 2. 聊城大学地理与环境学院,山东聊城 252059
  • 3. 中国科学院空天信息创新研究院遥感科学国家重点实验室,北京 100094
  • 4. 商丘师范学院测绘与规划学院,河南商丘 476000
  • 5. 济宁市南四湖自然保护区服务中心,山东济宁 272019
  • 6. 济宁市港航事业发展中心任城港航服务站,山东济宁 272072
  • 折叠

摘要

基于Sentinel-2遥感数据,选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法,对2021年5月初南四湖沉水植被(菹草群落)进行提取研究,利用同期实测的南四湖菹草群落面积和分布数据对3种方法的提取精度进行分析,结合菹草植被覆盖度分析3种方法对菹草的提取能力.结果表明:①不同方法提取的南四湖菹草群落总面积存在明显差异.监督分类和随机森林方法提取的2021年南四湖菹草群落面积均在100 km2以下,分别为98.97 km2和75.92 km2,基于时序NDVI的方法提取面积为207.44 km2,最接近实地调查的菹草面积.②无论是全湖还是核心区,监督分类和随机森林法的提取精度均75％左右,平均相对误差(MRE)在0.5左右,平均误差在20～30 km2左右,而基于时序NDVI的方法精度在90％以上,MRE和MEarea也最低.③对比植被覆盖度发现,监督分类和随机森林方法只能提取到近湖岸的植被覆盖度较高的菹草,对湖心区覆盖度较低的菹草提取效果差,而时序NDVI的方法对低植被覆盖度菹草群落更敏感,是菹草遥感提取的有效方法.本研究对于创新沉水植被遥感提取方法和指导湖泊生态环境遥感监测具有一定的参考价值.

关键词

南四湖/植被覆盖度/遥感提取/菹草群落/Sentinel-2

Key words

Nansi Lake/Fractional vegetation cover/Remote sensing extraction/Potamogeton crispus L.com-munity/Sentinel-2

引用本文复制引用

基金项目

国家自然科学基金(31800367)

山东省自然科学基金(ZR2023MD129)

河南省高等学校青年骨干教师培养计划(2021GGJS134)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
参考文献量17
段落导航相关论文