论文部分内容阅读
红树林湿地是世界上最重要的土地资源之一。然而随着人类社会的发展,红树林的生态价值被人类建设现代化城市的需求所忽略,沿海地区的红树林数量在急剧。及时准确地掌握红树林湿地的空间格局,可以揭示红树林湿地变化的动因、机制和规律,为保护和修复红树林湿地生态系统提供有价值的帮助和科学依据。其中,红树林群落的精确分类是关键。遥感技术所具有的优势能克服红树林野外调查工作难以开展、工作量大、费用高等困难。红树林湿地调查监测中遥感技术已被广泛应用。本文以深圳红树林保护区为例,探讨使用Contourlet变换对雷达图像与多光谱图像进行融合后再进行红树林群落分类的方法,并将结果与使用小波变换、IHS变换、主成分变换等几种影像融合方法,和监督分类、非监督分类以及神经网络三种分类方法对红树林群落进行分类的结果进行对比分析,研究不同数据融合方法和图像分类方法在改善红树林群落分类中的效果,从而得出对红树林群落进行遥感分类的最佳方案,获取目前研究区内的红树林群落分布格局现状,为保护和修复红树林湿地生态系统提供有价值的帮助和科学依据。主要研究内容及结论如下:1.多源遥感数据融合是综合利用多种传感器信息的有效方法之一。本文研究表明,在进行SAR影像与多光谱影像的融合过程中,在融合方法的选择上非常重要,不同的融合算法计算出来的效果相差甚大。通过主观目视评价与客观指标评价相结合的方法,得到在该过程中,Contourlet变换作为一种较为先进的图像融合算法,其结果比本文采用的其他影像融合方法得到的结果都要出色,在保持原多光谱影像的光谱信息的同时,大大提高了影像所携带的信息量以及空间分辨率,改善了图像的目视效果,使其清晰度和纹理细节表现力得到了较大的提高。2.对比不同分类方法在红树林群落分类中的效果发现,应用神经网络分类法能获得比传统的监督分类和非监督分类法更好的分类效果。神经网络是一种建立在梯度下降的基础上的多层神经网络模型,相对于传统上只是根据像元的灰度值的不同而进行的地物识别的监督、非监督分类法,可以反映不同地物的空间信息,与传统分类方法相比较,能处理和分析复杂的空间分布遥感信息。3.将以上结论应用于深圳福田红树林自然保护区的红树林群落分类当中,得到研究区内红树林群落的数量结构特征与空间分布特征。结果表明:在数量结果方面,秋茄-桐花树群落是其最主要的优势群落,所占面积比重达到50%以上;秋茄是其优势种,所占面积比重达到75%以上;白骨壤群所占比例较轻;后来人工引种的海桑-无瓣海桑群落长势较好,所占面积比重已达15%以上。在空间分布方面,研究区内的红树林群落分类呈现明显的带状分布。在海滩最前缘接近低潮的地方,主要分布海桑与无瓣海桑群落;秋茄-桐花树群落则较为靠近堤岸边分布,自保护区西北角开始一直往东南都是占据大片面积,体现其优势群落的地位;在秋茄-桐花树群落中间及其与海桑-无瓣海桑群落之间,夹杂分布着零星条带状的秋茄与白骨壤群落。在空间配置特征上,从其景观指数特征角度看,福田红树林景观破碎化程度不高,各群落所占比例较为悬殊,优势种群的主导地位明显,且保护区内的红树林聚集程度很高,景观离散度低。在空间自相关特征上,各红树林群落间的空间相关性在不同方向上有较大差异,其中,红树林各群落在东北-西南方向具有较强空间相关性。