英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 外文参考文献（译文)
基于对象的塞内加尔红树林生态系统土地覆
盖变化的监测
Giulia Conchedda*, Laurent Durieuxsect; and Philippe Mayaux*
摘要
本文介绍了塞内加尔低卡萨马斯红树林生态系统基于面向对象技术的制图和双时相变检测的结果。该方法应用于1986年和2006年的SPOT影像。参考数据基于地面实况和高分辨率影像的目视判读。在红树林覆盖图的绘制中获得了很高的精度，但其他土地覆盖类别显示准确度较低。在多时相影像上执行用于变化检测分析的分割过程，然后使用标准最近邻分类器完成重采样的过程。由于潜在的水和潮汐影响，红树林生态系统的变化检测分析证明特别困难。不像世界上没有发现重要的退化趋势的大多数红树林生态系统，，并且1986和2006这两期影像记录了塞内加尔低卡萨马斯红树林生态系统的低动态性。这些信息让人们对先前的红树林退化的概念提出了质疑。该方法将进一步扩展到塞内加拉的另一个主要红树林生态系统萨赫勒，并应为国家提供更近期的红树林依据。
1 介绍
红树林湿地是受热带和亚热带沿海环境保护的森林覆盖的潮带间生态系统。红树林位于陆地和海洋生态系统的交界，具有广泛的生态系统功能，能够提供大量商品，如食品，木柴，木材，盐，单宁酸和药品。红树林沼泽具有捕获沉积物，循环养分，保护海岸线免受侵蚀和储存水源等功能。红树林还具有多方面的重要价值。分别为美学价值，历史价值和文化价值，被列为世界生物多样性的重点地区。据报道，世界范围内的红树林面积正在减少。文献1表明全球红树林面积减少到不足1500万公顷。换句话来说，自1980年以来减少约25％。转用于其他用途（主要是对虾养殖）。资源过度开采，管理失败，工业和农业不平衡发展是红树林生态系统栖息地丧失的主要原因。如污染或淡水分流等。
与这一全球情景不同，最近非洲西部沿海地区的实地调查已经在某种程度上缓和了对红树林湿地脆弱性及其不可逆转的退化的看法。
在世界的这一部分，与世界其他红树林地区相比，人类与环境的相互作用似乎更少。自20世纪80年代以来在这些地区开展的多学科研究表明，红树林湿地的退化更多地归因于所谓的萨赫勒干旱的影响，而不是广泛假设的红树林资源开采。因此，需要在红树林退化和土地覆盖变化的实际程度，以及这些生态系统的再生能力这些区域做进一步得研究。对这一任务，地球观测技术可以使用档案和最近卫星图像提供红树林土地覆盖长期变化的区域影像。本文的目标是提出面向对象的红树林影像和变化检测分析技术。许多影像类型，分辨率和处理技术已经经过实验的验证，并应用不同的精度结果进行红树林成图和分类。然而，在红树林生态系统的影像生成中，对面向对象的分类方法的研究较少。面向对象的分类方法具有在分类过程中结合空间邻域属性的优势。最近提出了用于森林变化检测和土地覆盖-土地利用分析的面向对象分类方法。因为变化检测可以通过分析结合先后时相影像的信息进行判断。对于红树林生态系统的特殊情况也是这样，其中潮水的存在增加了改变分析的难度。据我们所知，以前没有对红树林生态系统进行此类研究。在SPOT XS图像上使用面向对象方法的土地覆盖图和双时间变化检测分析是不可取的。并且给出了塞内加尔低卡萨马斯的结果。
变化检测和红树林动态分析是一个更广泛的研究项目，该项目研究了1986-
2006几十年间红树林生态系统的卫星图像，其种群特征和动态的关系和反馈。将通过空间统计方法对系统的原因和定量变化进行分析，以获得有关系统过程和对动态性的深入了解。研究重点是塞内加尔的主要红树林生态系统：萨赫勒和塞内加尔低卡萨马斯的河口。在此区域内，于2006年11月和12月在两个研究区域开展了实地工作。土地利用 - 土地覆盖数据已被记录，并实施实地考察进行地理参考。与此同时，分别在萨赫勒和塞内加尔低卡萨马斯的15个和25个社区进行了调查。用于收集有关红树林资源使用强度的信息、对变化的看法、对未来的期望还有渔业和农业数据。调查问卷采用回顾性方法，用遥感图像分析了相同区域的几十年影像（1986-2006）绘制人类红树林关系和变化的图像。
该项目的总体目标是更好地了解这些红树林生态系统中的人与环境关系，整合社会和生物物理的分析，了解和动态评估湿地的优势和劣势。
2 研究区域和数据集
- 研究区域
我们在塞内加尔的两个主要红树林湿地测试了实验方法：萨赫勒和塞内加尔低卡萨马斯的河口，后面的结果图呈现部分显示了测试的结果。低卡萨芒斯是卡萨芒斯河流域的下游部分。它宽约5100平方公里，覆盖着当地称为布朗斯的红树林流浪潮汐系统。河口大致位于北纬12°10#39;和13°03#39;之间，西经16°16#39;到16 50#39;之间。降雨梯度描述了两个研究区域的降雨数值，下雨天主要集中在六月和十月。卡萨马斯的年平均降雨量为1080毫米。自20世纪60年代后期以来，与萨赫勒干旱导致了有关的水资源短缺和降雨季节的减少，其后果是上游水盐度增加。干旱季节的高蒸发率与在地面上的裸露区域（局部称为单宁）有关。单宁有时会覆盖一层草本盐生植物或盐壳。
不像世界上大多数红树林湿地，这些红树林生长在淡水输入量低的系统中，主要受海水影响。红树林植被通常根据不断增加的盐度呈现梯度分布。由于硫含量高和海水影响占主导地位，这些红树林土壤易于酸化和盐化。
朵拉代表该地区的主要民族。他们传统上是农民，卡萨芒斯被认为是非洲稻米文明的摇篮之一。当地人民已经能够管理和控制水的盐度，以便在红树林中扩充湿地和水稻的种植。虽然红树林的特点是资源可多次使用，但过去20年来，专业渔业活动的作用越来越大，自动化船只，更高效的渔网和导航技术的发展以及渔业行业的经济吸引力都是促成这种转变的因素。干旱扩大了这一现象，导致了湿地面积的减小。湿地面积的减小还与改变农业系统（增加旱稻种植，果树种植和园艺）以及其他红树林产品（如牡蛎，盐和粘土）有关。
- 卫星图像和参考数据集
在SPOT 1和2 上进行土地覆盖制图和变化检测分析，空间分辨率为20m，时间跨度为20年（1986年5月和2006年3月）。参考文献[5]表明这是红树林测绘适合的空间分辨率。两个图像都是指旱季。在欧洲科学界欧洲委员会资助的优化获取科学SPOT基础设施（OASIS）计划内，可以免费获得SPOT图像。根据大量的文献研究和知识，确定了以下土地覆盖类别：红树林;盐泥滩;单宁; 草本作物; 草原和树木。土地利用/土地覆盖技术可以更好地解释分类，因为土地利用/土地覆盖技术对应于开阔的森林和果树林（腰果，芒果，棕榈树和许多在萨鲁姆和卡萨芒斯大量收获的野生果树）。
根据研究区域的在2006年11月和12月的野外活动期间收集的地面实况点，以及2006年网络上可用的2006年高分辨率图像的视觉检查点（2006 Google EarthTM）的各自参考数据集进行分类结果的验证。2004年2月JRC提供的ASTER Terra数据也可作为检查的参考点。因此，分类图的质量评估依据每个土地覆盖类别的至少200个参考点。变化检测结果的准确性评估根据参考文献14选择基于混淆矩阵的方法。为简化起见，变化检测过程和相应的转换矩阵仅限于红树林覆盖的区域，并确定了三个主要的变化类别：红树林的增加，减少和未改变的红树林覆盖。根据目视判读，确定了每个研究区域的50个独立点。低卡萨马斯的1986年2月的Landsat TM 5图像的数据也可用于目视判读变化检测的参考点。
3 方法
A 预处理
将经正射校正的Landsat ETM影像（2000年11月）作为基准影像，进行SPOT数据集图像的几何配准。应用最近邻重采样技术，使RMS误差始终低于1像素。
利用公式将SPOT原始DN值转换为大气反射率。
（1）
n - 光谱带的反射率;
-
在所考虑的光谱带中的辐射度，
E-该光谱带中的太阳的等效辐射度;
es-太阳角度，（考虑视图的日期和时间）
d-观察当天的太阳和地球的距离;
然后将1986年的数据集记录到2006年的图像中。在构建最终模型之前，为了最小化由于单个图像的采集中的五天之间引起的差异，在1986年的图像上进行了一个场景与另一个场景的线性回归。
B.分类过程
面向对象的分类方法需要两个基本步骤：分割和分类。图像分割是将图像划分为称为对象的空间连续和均匀区域。将目视判读和专家知识与基于像素的方法[15]的定量方面相结合，并依赖于模糊逻辑函数[16]。然后使用这种方法对对象进行分类。分割技术对于检测相应的高光谱对比非常有效，在红树林湿地中不同土地覆盖类型之间的进行快速分辨。此外，结合专家知识的分类方法可以很好地区分红树林生态系统中的特定特征，例如在我们的分析范围内可见的单宁（红树林环绕的裸露或草本区域）和泥滩。与基于像素的分类方法相比，面向对象分类方法的主要优点是能够很好地利用空间关系。使用商业软件专业化定义软件5进行分类和变化检测分析。分割表示迭代过程，以便在对象数量和表面特征的正确区分之间找到适当的平衡。实际上，系统对最小映射单元（MMU）有一定限制，它定义了一个对象的大小，该大小由其包含的像素数量计算[17]。因此，通过变化分析无法检测到小于最小映射单元的变化区域。首先进行较粗略的分割级别，然后利用光谱信息创建水陆掩模。如果对于更精细的对象使用该方法，这对于手动编辑来说会更困难，也更耗时。然后将使用目视判读的训练样本的最近邻居（NN）分类器和基于规则的分类方法。每个类别选择了50多个独立的对象。对所选样本的光谱特征进行视觉比较，以尽可能避免光谱重叠。易于提高评估相关性的能力，有利于对象特征之间的最近邻分类器对对象的选择。图1显示了分类过程中遵循的主要步骤：原始图像上较粗略的分割;利用最近邻法对水陆的更精细分割。
。
图l分类过程中遵循的主要步骤：原始图像上较粗略的分割级别;水陆掩膜;
最终分类的更精细的分类
C.变化检测
几种变化检测技术，如主成分分析，已在文献中得到发展和广泛讨论。相反，面向对象的变化检测方法的探索较少。分割过程在多时相合成图像（1986和2006）上进行，并通过在系统中输入1986和2006分类图作为主题图层。对选择训练样本使用基于规则的方法分类。来自分类地图准确性评估的信息表明了与一些土地覆盖类别（即单宁和草本作物）的光谱重叠的若干相关问题。因此，过渡的类别转化为红树林覆盖增加，减少和未修改的红树林覆盖。所有其他更改和没有更改类分组到一个类中。分类是多步骤过程的结果，其中包括减少样本冗余后的分类后处理，使用以前的分类来优化学习和手动编辑过程。使用上述方法对1986和2006分类进行分类后比较也用作参考。
4 结果
- 2006年土地覆盖分类图像
表1是SPOT 2006图像的土地覆盖分类的混淆矩阵，总体准确度和kappa值。总体精度为86％，kappa值为0.83。两个值对应于的分类过程的结果都很令人满意。红树林和树覆盖类具有最高的用户精度。有盐泥滩的红树林类会遇到遗漏等问题。这无疑是由于地面上两个特征之间的边界以及地面实况和图像采集之间的差异而造成的。草本植物，棕褐色和树木热带草种显示的结果不太准确。特别是与其他两类相比，草本作物发生了了遗漏问题。如前文所述，沿海区域的湿地水稻成为了卡萨芒斯的主要作物。因此，稻田和单宁反映了不同土地利用的覆盖类别具有相似的光谱特征。通过精细的纹理分析可以获得更准确的结果。计算红树林面积的数值约为79600公顷。根据从同一年的Landsat ETM影像，塞内加尔达喀尔中心生态技术中心（CSE）与国际自然和自然资源保护联盟（IUCN）于2002年合作开发的同一地区的测绘产品报告。报告指出红树林面积约75500公顷。 这表明4年内红树林覆盖率增加约5％。 图2显示低卡萨马斯土地覆盖分类比例为1：125000。
- 变化检测分析
图3显示了变化检测分析的结果。来自变化检测分析（未改变区域和新增区域）红树林覆盖面积比最新图像分类报告的数值约少5000公顷。增加和减少的数值是相同的，都接近5900公顷。可以对表2中的混淆误差矩阵做出很多评价。红树林覆盖中没有变化的类别显示了遗漏错误。红树林地区被错误分类为其他类别（主要是未改变的的盐泥平地类）。与此同时，该系统不能确定1986年红树林覆盖和红树林表面向积极的方面转变被高估。相反，红树林覆盖率减少的区域被更好地反映出来。正如预期的那样，由于水的存在，红树林中的地图变化检测特别困难。地图中的小斑块与潮汐影响区域相对应，难以分析两个日期之间的转变。尽管存在这些局限性，但本次实验的结果都准确的分析了研究区域变化大的区域。
1986年和2006年分类图像的简单分类后比较表明红树林有很小的积极趋势（1986年约为表面的5％）。在比较CSE-IUCN和我们的结果时，会得出相同的信息。然而，差异可能也是由于不同的光谱和空间分辨率以及获取的日期。本实验中采用的变化检测分析是一个简单的过程，可以通过更多的手动编辑来改善结果。
可以得出的主要信息是系统显示出低动态性，并且在这二十年中未检测到重大变化。
5 结论和未来前景
在SPOT图像上应用面向对象的分类方法，对塞内加尔主要红树林生态系统进行土地覆盖制图和变化检测，并在此提供了低卡萨马斯的结果。红树林测绘的分类过程非常成功。总体准确度为86％，kappa值为0.83。红树林覆盖面积为79500公顷，最近对同一地区的研究结
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[434939]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
