热带海洋学报

作者：张程飞, 任广波, 吴培强, 胡亚斌, 马毅, 阎宇, 张菁锐

单位：1.山东科技大学测绘与空间信息学院, 山东 青岛 266590；2.自然资源部第一海洋研究所, 山东 青岛 266061；3.国家卫星海洋应用中心, 北京 100081；4.中国石油大学(华东)海洋与空间信息学院, 山东 青岛 266580

关键词：红树林,种间分类,多光谱,全极化SAR,XGBoost,

基金：国家自然科学基金项目(42106179); 自然资源卫星遥感业务支持服务体系项目(121168000000190033); 高分海洋资源环境遥感信息处理与业务应用示范系统(二期)项目(41-Y30F07-9001-20/22)

合理的红树种间组成结构是有效发挥红树林湿地生态价值的前提, 明确的红树林种间分布信息是开展红树林生态系统治理和规划工作的有效依据。针对海南八门湾红树林湿地, 基于高分三号(GF-3)全极化合成孔径雷达(synthetic aperture radar, SAR)和高分六号(GF-6)多光谱遥感数据, 本文提取了35个红树林遥感特征, 利用极端梯度提升树(eXtreme gradient boosting, XGBoost)算法开展了特征重要性排序、特征筛选和红树林种间分类实验, 将其与传统的支持向量机(support vector machine, SVM)、随机森林(random forest, RF)机器学习算法进行精度比较, 并基于XGBoost算法进行了3种特征组合方式(优选特征、多光谱特征、全极化SAR特征)的分类精度比较, 旨在探索XGBoost对红树林种间分类的适用性和光学与全极化SAR数据对红树林种间分类的能力。结果表明: 1) 识别红树林种类的优势特征依次为多光谱的光谱波段、极化分解参数、光谱植被指数, 且仅利用前8个优选特征(绿光波段反射率G、蓝光波段反射率B、Yamaguchi面散射分量Ys、近红外波段反射率NIR、增强型植被指数EVI、比值植被指数RVI、归一化植被指数NDVI、Freeman面散射分量Fs)即可达到较高分类精度。2) 对于八门湾红树林湿地, XGBoost算法的红树种间分类总体精度最高, 为86.16%, 卡帕系数为0.836, 比SVM和RF算法高3% ~ 8%; 优选特征的红树林种间分类精度比单独的多光谱特征或全极化SAR特征高10% ~ 12%。3) 八门湾红树林总面积约为797.58hm2, 共有白骨壤、海莲、红海榄、杯萼海桑、角果木、榄李、木榄、正红树、海漆9种优势真红树, 杯萼海桑和木榄的面积较大, 分别占全部红树林面积的45.46%、21.21%。

来源：2023年第2期

《热带海洋学报》期刊编辑部

查看热带海洋学报杂志2023年第2期