東北地理所在基于遙感大數(shù)據(jù)和云平臺(tái)實(shí)現(xiàn)高空間分辨率、高精度中國濱海灘涂制圖工作中取得新進(jìn)展
濱海灘涂是海陸交界的生態(tài)過渡帶，包括潮間帶泥灘、沙灘和海岸等無植被區(qū)域。濱海灘涂提供了多種生態(tài)系統(tǒng)服務(wù)功能，如碳匯、維持生物多樣性、控制污染、調(diào)節(jié)氣候等，并在調(diào)節(jié)區(qū)域資源平衡、改善環(huán)境質(zhì)量及維持濱海地區(qū)生態(tài)安全等方面發(fā)揮重要作用。同時(shí)，濱海灘涂受到陸地和海洋環(huán)境的雙重影響和制約，是最為脆弱的濕地生態(tài)系統(tǒng)類型之一。近半個(gè)世紀(jì)以來，受到人類開發(fā)和氣候變化等因素的影響，中國濱海灘涂嚴(yán)重萎縮退化，國家和地方層面在制定管理政策的時(shí)候需要平衡濱海灘涂的保護(hù)和開發(fā)工作。快速、可靠、高精度的國家尺度灘涂分布圖是制定及實(shí)施海岸保護(hù)策略的重要依據(jù)。中國科學(xué)院東北地理所王宗明團(tuán)隊(duì)利用哨兵-2號(hào)密集時(shí)間序列數(shù)據(jù)和Google Earth Engine（GEE）云平臺(tái)，研發(fā)了一種快速、高精度、魯棒性強(qiáng)、全自動(dòng)的濱海灘涂提取方法，并繪制了最新的（2020年）至目前為止最高空間分辨率（10米）的全國濱海灘涂分布圖。
由于潮汐的周期性淹沒，濱海灘涂斑塊只在最低潮時(shí)期短暫全部裸露，因此，利用光學(xué)衛(wèi)星圖像進(jìn)行灘涂制圖最大的困難在于影像潮位的不確定性。在大尺度遙感制圖研究中，應(yīng)用傳統(tǒng)的對照潮汐表查詢最低潮圖像的方法，費(fèi)時(shí)、費(fèi)力、周期長；而且傳統(tǒng)的數(shù)據(jù)源，如Landsat系列，重訪周期8-16天，加之濱海地區(qū)云雨天氣較多，很難保證短期內(nèi)獲取最低潮的影像。為了克服這些困難，研究人員集成影像最大值合成算法（MSIC）和OTSU圖像自適應(yīng)分割閾值算法（OA），提出了一種高效、高精度、高魯棒性的潮間帶灘涂自動(dòng)提取方法，命名為MSIC-OA。該方法的基本思路為：（1）利用影像最大值合成算法合成全年最高潮和最低潮影像；（2）利用OTSU算法自動(dòng)識(shí)別最大水面和最小水面，確定潮間帶；（3）利用OTSU算法自動(dòng)去除低潮影像中潮間帶植被；（4）利用OTSU算法自動(dòng)區(qū)分水體和灘涂，完成灘涂制圖。以后海灣為例，利用MSIC-OA算法進(jìn)行灘涂自動(dòng)提取的流程如圖1所示。
圖1. 基于Sentinel-2密集時(shí)間序列影像的MSIC-OA灘涂制圖流程（A），及每步的結(jié)果（a-f）。
研究人員以2019年1月1日到2020年6月30日的28,367景Sentinel-2密集時(shí)序數(shù)據(jù)為數(shù)據(jù)源，基于GEE云平臺(tái)應(yīng)用MSIC-OA方法,進(jìn)行全國濱海灘涂制圖，將繪制的地圖命名為China_Tidal Flat（CTF）。結(jié)果顯示，2020年中國濱海灘涂總面積為 858,784 ha，空間分布如圖2 所示，其中江蘇省濱海灘涂資源最為豐富。
圖2. 中國濱海灘涂空間分布及沿海各省份灘涂面積。
研究人員應(yīng)用實(shí)地調(diào)查樣點(diǎn)生成的誤差矩陣和亞米級(jí)高分?jǐn)?shù)據(jù)，對CTF進(jìn)行精度驗(yàn)證。結(jié)果顯示：（1）CTF的總體分類精度可達(dá)95%，F(xiàn)1分?jǐn)?shù)為0.93；（2）繪制的灘涂斑塊與低潮亞米級(jí)高分?jǐn)?shù)據(jù)的一致性極高，如圖3所示。
圖3.CTF與高分2號(hào)和Google Earth低潮影像對比。
該研究的方法和理論不僅適用于濱海灘涂的自動(dòng)、精準(zhǔn)遙感研究，對于其它涉水生態(tài)系統(tǒng)也有重要的借鑒價(jià)值。CTF提供了最新的、分辨率最高的中國濱海灘涂空間分布信息，可用于海岸帶保護(hù)與管理工作，并可以服務(wù)于聯(lián)合國可持續(xù)發(fā)展目標(biāo)的評估。
本研究由東北地理所賈明明副研究員，王宗明研究員，毛德華副研究員，任春穎研究員，武漢大學(xué)王超副教授，羅德島大學(xué)王野喬教授共同完成，發(fā)表于Remote Sensing of Environment（IF=9.08）期刊，得到中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)（A 類）（XDA19040500）和中科院青年創(chuàng)新促進(jìn)會(huì)人才項(xiàng)目等共同資助。
論文信息：
Mingming Jia, Zongming Wang*, Dehua Mao, Chunying Ren, Chao Wang, Yeqiao Wang*. Rapid, robust, and automated mapping of tidal flats in China using time series Sentinel-2 images and Google Earth Engine. Remote Sensing of Environment, 2021, 255: 112285. https://doi.org/10.1016/j.rse.2021.112285
附件下載：
吉公網(wǎng)安備22017302000214號(hào)
