绘制盐沼植被图的混合方法-文献阅读

Introduction
       盐沼和环境受到人为和自然力量的影响，如沙子沉积、飓风和风暴驱动的过度冲刷、盐雾、地表水变化、土地利用和城市化、气候变化和海平面上升（SLR）（Leonardi, et al., 2016; Watson et al, 2017; Thorne et al., 2018，是不断变化的。绘制盐沼图和跟踪变化是一直挑战资源管理者的重要任务之一。遥感已被应用为绘制和分析盐沼变化的主要数据来源之一（Campbell and Wang, 2019）。盐沼地监测和绘图的挑战包括了解驱动因素和变化后果之间的关系；确定盐沼地的现状和变化趋势；确定潮汐变化对盐沼地植被绘图的影响；了解盐沼地变化的历史以及对应对海平面上升SLR的决策进行迁移和恢复力分析。随着遥感科学和技术的快速发展，盐沼测绘和变化分析正朝着更精细的空间和光谱分辨率以及更好的实地数据支持方向发展。所报道的研究经常在影像分类和分析中引入新开发和改进的算法和方法（Mui等人，2015；Sun等人，2016；Hird等人，2017；Campbell和Wang，2018；Watson等人，2018）。越来越多的辅助数据和地理空间数据可以提供一套更大的环境变量，用于描述景观（Gross等人，2009；Kennedy等人，2009）。从实际考虑，尽管对改进的传感器和数据质量有了更多的接触和了解，但如何将现有或以前的研究工作中的数据纳入其中，并将多源地理空间数据整合到新的制图和变化分析过程中，始终是一个挑战。为了有效地完成变化分析，有必要应用一种测绘方法，使其能更快、更准确地产生结果，并与以前的测绘工作和现有数据保持一致。常规测绘工作应作为发现变化区域的一种方式，例如，由于各种人为导致或自然力量的影响，关键的盐沼植被或群落正在消失。及时发现这种情况，意味着缓解和恢复差异或只是记录损失（Wang等人，2007）。本章介绍了一种混合方法，该方法涉及多源数据，包括Landsat-8 Operational Land Imagers (OLI)、来自NOAA海岸变化分析计划（C-CAP）数据的带有河口植被类别的土地覆盖数据，以及作为参考的精细空间分辨率地理空间数据。图像处理包括基于对象的影像分析（OBIA）、分层影像分类、视觉解释，以及从OBIA生成的盐沼区中进行人工选择。本章的目的是介绍用于盐沼植被测绘的混合方法。它并不打算为所确定的区域制作参考地图。

Method
       本章以纽约长岛的泻湖和河口环境中的盐沼植被为例（图31.1）。研究区域内包括牙买加湾、大南湾和火岛国家海岸，都毗邻纽约市。使用极高分辨率（VHR）Worldview-2卫星数据对牙买加湾和火岛国家海岸的盐沼和变化进行了测绘（Campbell等，2017；Campbell and Wang，2019）。所得信息为本章盐沼植被测绘中这种混合方法的介绍提供了见解和参考。

图31.1（a）2018年7月获取的Landsat OLI伪彩色图像显示（RGB中的5、6、4波段），显示了纽约长岛海岸线上的牙买加湾和大南湾的位置；（b）牙买加湾的盐曲草（S．patens）的现场（2016年10月拍摄）；（c）牙买加湾的光滑脐带草（S. alterniflora）的现场（2015年8月拍摄）；（d）2012年10月在火岛国家海岸被飓风桑迪破坏的现场（2016年5月拍摄）。
        这种方法将2010年NOAA的C-CAP土地覆盖数据中的河口类别，即河口新兴湿地和河口灌丛/灌木湿地，作为第一阶段的数据。2018年7月10日和7月19日获取的无云Landsat OLI图像被用作第二阶段的数据。为了保持分类的一致性，我们调整了第一阶段地图所使用的分类方案。为了本研究的兴趣，我们将与盐沼有关的类别分组并重新命名为一个单一类别。由于该方法专注于盐沼植被，它排除了第一阶段分类方案中定义的其他土地覆盖类别。
        这种混合方法的工作流程涉及OBIA使用软件eCognition Developer 8.64（Definiens，2011）进行的分割过程。对2018年OLI图像数据进行处理，以产生基于盐沼地块的光谱相似性的分割。大量的研究已经实证证明，OBIA方法可以克服传统的逐像素方法的盐碱地效应问题（Blaschke，2010；Mao等人，2018）。有许多分割程序，但本研究中使用的多分辨率分割是最流行和最重要的分割算法（Jia等人，2018；Mao等人，2018）。它是一种区域增长的影像分割算法，将单个像素与它们最相似的相邻像素合并，直到达到对象内部的异质性的阈值（Benz等人，2004；Elmqvist等人，2008）。在eCognition软件中定义了三个标准来约束像素增长算法，即尺度、形状/颜色和紧凑/平滑度（Duro等人，2012）。在本研究中，形状/颜色和紧凑度/平滑度的配对值代表了形状和盐沼信息之间以及物体边界的紧凑度和平滑度之间的权重。一般来说，颜色信息的权重高于形状；紧凑度和平滑度的权重相同。当一个生长区域的大小超过尺度参数定义的阈值时，合并过程就会停止（Li and Shao, 2014）。经过测试分割参数的 "试错 "过程，影像对象和盐沼特征之间可以达到满意的匹配。
        分层数字图像分类技术被用来从OLI影像数据中提取盐沼植被的大致区域，以第一阶段的数据作为参考。这种方法需要现有地图的支持，它定义了盐沼的大致边界。分层分类有助于减少一些常见的陆地植被类型之间相似的光谱特征造成的错误。12位数水文单位的分水岭边界数据集（HUC-12）多边形边界被用来定义一般研究区域，然后从NOAA C-CAP 2010地图的河口湿地类别中提取盐沼类别。然后，我们通过处理过的OLI图像（即第二阶段的数据）中的分割对象进行视觉识别和人工选择。为了识别和验证目的，我们参考了谷歌地球的精细分辨率影像。第一阶段的地图作为一个主题层被参考，从OLI图像中获得的相应的盐沼植被分割对象被检查。手动选择与第一阶段地图一致和不一致的盐沼植被分割对象的变化，以修改更新的轮廓和确定。
       通过目测，当比例、形状/颜色和紧凑/平滑度参数分别设置为150、0.1/0.9和0.5/0.5时，影像对象和盐沼特征之间达到了满意的匹配。图31.2和31.3显示了盐沼植被的分类结果。其中，图31.2说明了在2018年OLI图像上人工识别和划定OBIA区段得出的结果，以2010年NOAA C-CAP土地覆盖数据定义的两个河口类，即河口水生湿地和河口灌丛/灌木湿地为准则。人工划定对C-CAP盐沼的相关类别进行了微调，并根据2018年OLI数据进行了修改。在此过程中，对2010年C-CAP数据的一些更新和委托和遗漏的错误进行了纠正。这被认为是2018年研究地点的盐沼图的更新。图31.3说明了火岛国家海岸的一个部分的图的更新，该部分的屏障岛在2012年10月29日被飓风桑迪冲破。这个被超级风暴破坏的部分影响了大南湾的盐沼，因为它原先是由屏障岛保护的。混合方法用2018年的OLI绘制了盐沼植被图，以更新2010年的C-CAP盐沼区域，并提供更新的数据供飓风过后的变化分析和管理实践参考。

 图31.2 (a)2018年7月Landsat OLI图像显示为RGB=Band 4、5、3的纽约长岛海岸线上的盐沼植被分布；(b)2018年大南湾西段的盐沼植被分布；(c)2018年火岛国家海岸段的盐沼植被分布；(d)2018年7月Landsat OLI图像的分割结果，150、0。 1和0.5分别表示比例尺、形状和紧凑度的值。

 图31.3 (a)2010年火岛国家海岸沿线的盐沼植被分布，2010年7月的Landsat OLI图像显示为RGB=Band 3、4和2；(b)2018年火岛国家海岸飓风桑迪断裂区沿线的盐沼植被分布，2018年7月的Landsat OLI图像显示为RGB=Band 4、5和3。

Conclusion
       监测盐沼植被的动态是保护沿海和屏障岛屿生境的一个重要组成部分。为了有效地完成这项任务，有必要采取一种混合测绘协议，可以更快、更准确地产生结果，并与以前和现有的测绘工作保持一致。应及时进行盐沼测绘，以此来发现由于各种人为干扰和自然力量（如风暴潮、飓风影响和海平面上升）而导致关键群落消失的问题区域。
      基于对象的分割确定了在OLI图像采集时研究区域内的盐沼生境。2010年的C-CAP河口湿地类别提供了参考数据。该过程通过更新的遥感图像对盐沼绘图进行微调。变化的像素和分割块可以被标记为新的类别，而未变化的像素和分割块可以保持不变。多光谱OLI数据具有与C-CAP参考数据相同的空间分辨率，对更新新获得的遥感图像和C-CAP数据之间的盐沼变化有效。
      随着遥感技术的快速变化，一个实用的盐沼植被测绘协议应能灵活处理来自变化中的传感器的数据，比如更精细的空间分辨率和光谱能力。这种混合方法的优点包括，它重视现有的海岸土地覆盖制图工作，保持分类方案的一致性，满足更新特定海岸段盐沼地图的目标，并且对变化分析和管理有效。这种混合方法适用于未来的测绘反响。这对海岸管理实践特别有帮助。
       该方法要求已有GIS格式的基线数据，作为指导该过程的第一阶段参考。来自现有制图活动的可信地理空间数据可以用作第一阶段的参考。另一方面，这种方法可能不适合绘制没有现有盐沼植被或土地覆盖地图的区域，这些区域的河口类别在主题和空间分辨率所需的详细程度上可用。