联合卫星和无人机遥感的红树林-盐沼生态交错带监测
生态交错带是生态实体（例如生态系统、群落等）之间在特定尺度下的过渡地带，是全球变化敏感区、生物多样性出现区以及边缘效应表达区。互花米草（Spartina alterniflora）是中国沿海滩涂湿地的主要入侵物种之一，其在热带和亚热带海岸与本地物种红树林竞争生长，形成大范围的红树林-盐沼生态交错带（mangrove-salt marsh ecotone）。该生态交错带是研究景观格局与生态过程、监测全球气候变化的重要区域，但是其特有的动态性、过渡性和空间异质性给遥感监测带来挑战。
虽然中低空间分辨率卫星影像在盐沼、红树林的识别上可能存在混合像元等隐患，但由于数据获取免费、方便，且有大量历史存档数据等优点，仍被广泛应用于盐沼、红树林的遥感监测中。学者们多使用稀疏时相 Landsat 和 CBERS 遥感影像开展区域性的盐沼或红树林监测。欧洲 Sentinel-2A/B 卫星的出现丰富了高时间分辨率、中等空间分辨率影像数据，其较高的空间分辨率、时间分辨率和光谱分辨率使其成为区域或全球滨海盐沼或红树林识别和监测的理想卫星遥感数据源。而随着对地观测技术的不断进步，高空间分辨率遥感数据被学者们越来越多地应用于盐沼、红树林的监测。但高空间分辨率卫星和有人机遥感均有受云和天气的影响大，无法获取云下影像等缺陷，难以满足实时监测的需要。无人机作为卫星、有人机的补充，具有成本低、灵活机动、不受云遮档影响等优势，已被广泛应用于森林、草原、农田、湿地等生态系统的观测。
密集时序遥感数据因其能提供丰富的季节变异信息，在湿地植被物候监测、森林、草原制图等方面有广泛应用。虽然无人机通过密集观测能有效获取植被物候信息，但单纯依赖无人机遥感的物候信息提取方式费时费力、成本高、难以大范围推广。学者们已使用密集时序卫星数据研究植被的物候期，并以此分析较好观测时间窗口（time window），辅助植被的精细分类。
本研究以互花米草入侵红树林生态系统显著的广西丹兜海为研究区，联合密集时序 Sentinel-2A/B卫星数据和高空间分辨率无人机数据，基于卫星数据获取红树林-盐沼生态交错带的较好观测时间窗口，指导无人机数据采集时间，充分发挥密集时序卫星数据高时间分辨率和无人机数据高空间分辨率的优势，开展红树林-盐沼生态交错带的红树林和盐沼高精度制图，为红树林生态系统的保护和修复、外来入侵种互花米草的管控和清理提供高效精准的数据支撑和方法参考。
1 材料与方法
1.1 研究区概况
丹兜海位于广西北海市合浦县东南部沙田半岛的西侧（图1），西邻铁山港，南入北部湾，东临英罗湾，属亚热带湿润气候。该区域分布着发育良好、结构典型、连片保存完整的天然红树林。 1979年合浦县科学技术委员会与南京大学合作，在山口镇山角海滩引种0.67hm2互花米草，互花米草随着时间推移呈暴发性增长，形成典型的红树林-盐沼生态交错带。值得一提的是，目前丹兜海的盐沼植物类型主要是互花米草。
1.2 数据来源和预处理
本研究使用2019—2021年丹兜海区域Sentinel-2A/B卫星L2A级数据研究当地红树林、滨海盐沼的观测时间。Sentinel-2A/B卫星是欧洲空间局哥白尼计划系列卫星的第二个组成部分，Sentinel-2A卫星于2015年发射，Sentinel-2B卫星于2017年发射。双星组网，在赤道地区的重访周期是5天。其主要载荷为多光谱成像仪，采用推扫模式，有13个波段，光谱范围在400～2400 nm之间，涵盖了可见光、近红外和短波红外，其中红、绿、蓝和近红外波段空间分辨率为10m，红边波段和短波红外波段空间分辨率为20m。考虑华南地区是我国晴天日数较少而阴天日数较多的地区，使用卫星数据提供的厚云和卷云的掩膜产品，进行初步的云剔除处理。2019—2021年，项目组每月分别收集丹兜海区域Sentinel-2A卫星影像3景、Sentinel-2B卫星影像3景。
使用大疆精灵四RTK无人机在研究区选择小范围典型红树林-盐沼生态交错带采集高空间分辨率无人机正射影像数据。依据调查区域规划航线，设置航向重叠度为 70%，旁向重叠度为 70%，航高为50m。采集原始数据后，进行正射影像生产，其步骤包括将无人机数据导入大疆智图软件，空中三角测量处理，生成数字表面模型和数字正射影像。
开展现场调查，联合GPS RTK和无人机拍照等方式获得分类验证和训练样本以及植被物候特征分析的样本：对于调查人员可达区，使用GPS RTK记录各类植被的经纬度范围（保证有足够数量面积大于10 m×10 m的植被样本）；对于人类不可达区，使用大疆精灵四RTK无人机获取现场验证照片并与研究区2021年12月的 Sentinel-2A/B 卫星影像对照，获取各类植被样本范围矢量。本研究将研究区主要地物类型划分为红树林、盐沼、海水、建筑和光滩。各个地物类型的样本矢量数量见表1，分布图见图1。
表 1 研究中不同地物类型的样本信息
1.3 方法
1.3.1 基于密集时序 Sentinel-2A/B 卫星影像
考虑海岸带区域红树林和盐沼的卫星数据受云、潮汐等影响较大，基于2019—2021年研究区Sentinel-2A/B 卫星数据和红树林、盐沼样本范围矢量数据获取研究区红树林和盐沼的植被卫星光谱数据集后，需进一步开展质量控制。由于卫星数据提供的厚云和卷云掩膜产品存在错分或漏分的情况，而涨潮会部分淹没红树林和盐沼继而影响其光谱特征值，需对植被卫星光谱数据集进行人工确认，剔除云以及潮汐的干扰。归一化植被指数（normalized difference vegetation index，NDVI）能反映植被绿度、光合作用强度、活力状态以及季相变化特征，常被用于植被物候特征的研究。本研究使用NDVI剔除云和潮汐干扰造成的噪声。
NDVI计算公式如下：
NDVI = (ρN −ρR)/(ρN +ρR) （1）
式（1）中：ρN为近红外波段反射率，ρR为红波段反射率。
综合统计分析2019—2021年红树林和盐沼数据集发现，受云、云阴影或潮汐干扰的红树林和盐沼的 NDVI 值比无云时露出光滩的红树林和盐沼的NDVI 值要低。本研究计算植被卫星光谱数据集中每个植被样本在不同成像时间的 NDVI 值并获取该植被样本范围内在该成像时间的 NDVI 平均值，剔除红树林 NDVI 平均值低于0.5，盐沼NDVI平均值低于0.3的样本数据，构成不受云、云阴影或潮汐干扰的带时间属性的植被卫星光谱数据集。
使用时间序列谐波分析法（harmonic analysis of time series，HANTS）辅助红树林-盐沼生态交错带的红树林、滨海盐沼较好观测时间的评估。卫星数据采集和处理过程中，受到太阳高度角、观测角度、云、水汽、气溶胶等因素的影响，这些因素出现的随机性使得时间序列数据的变化不规则，继而造成NDVI时间序列曲线的季节变化趋势不明显，使用HANTS重构红树林、盐沼NDVI时间序列数据，分析两者的物候特征差异，继而获得红树林、盐沼较好观测时间。HANTS的核心算法是傅里叶变换和最小二乘法拟合，即把时间波谱数据分解成许多不同频率的正弦曲线和余弦曲线，从中选取若干个能够反映时间序列特征的曲线进行叠加，以达到时间序列数据的重建目的。该方法可去除噪声干扰点，而且其输入数据可以是不等时间间隔的数据。
1.3.2 分类方法
基于卫星影像的红树林、盐沼的提取方法参考了董迪等的方法。其分类方法为随机森林分类算法，待生成决策树数目设为100，分裂节点数目设为全部特征平方根。这里使用的纹理特征采用半径为5窗口内NDVI的标准差；光谱特征包括红、绿、蓝、近红外共4个波段的反射率、两个植被指数和3个水体指数（图2）。其中，植被指数为 NDVI 和增强型植被指数（enhance vegetation index，EVI）；水体指数为地表水分指数（land surface water index，LSWI）、归一化水体指数（normalized difference water index，NDWI）以及改进的归一化差异水体指数（ modified normalized difference water index，mNDWI），具体计算公式如下：
EVI = 2.5×(ρN−ρR)/( ρN+6ρR −7.5ρB +1) （2）
LSWI = (ρN −ρS)/(ρN +ρS) （3）
NDWI = (ρG −ρN)/( ρG+ρN) （4）
mNDWI = ( ρG−ρS)/( ρG+ρS) （5）
式（2）至（5）中：为近红外波段反射率，为红波段反射率，为蓝波段反射率，为短波红外反射率，为绿波段反射率。
进一步地，参考Dong等提到的多时相卫星影像数据能显著提高盐沼、红树林的提取精度，本研究收集研究区较好观测时间成像的卫星影像，并使用随机森林分类算法提取红树林、盐沼等地物，基于研究区矢量获取研究区地物分类图。
基于无人机正射影像的红树林、盐沼的提取方法主要使用面向对象的随机森林分类算法。面向对象分类法不同于基于像元分类方法，其处理单元是由多个同质像元构成的对象，能有效利用影像的光谱、纹理、形状等信息，能在很大程度克服基于像元分类方法导致的椒盐噪声问题，已被广泛用于基于无人机影像的典型生态系统遥感提取。本研究使用多尺度分割方法对无人机影像进行分割。经过多次对比试验，选择较好的输入参数，蓝波段、绿波段和红波段的权重设为 1，形状因子设为 0.1，紧致度因子设为0.5，尺度参数设为550。使用随机森林分类法对分割后的对象进行分类，分类对象的特征包括蓝波段、绿波段和红波段反射率的平均值和标准差、形状指数。
为评价基于无人机影像的红树林、盐沼遥感监测精度，使用对比法分析本研究提取的盐沼、红树林范围的精度。将基于高空间分辨率无人机影像目视解译提取的红树林、盐沼图斑作为验证数据，对比本研究使用面向对象的随机森林分类算法提取的红树林、盐沼图斑的面积以及重叠区面积。
2 结果与讨论
2.1 观测时间
基于2019—2021年密集时序 Sentinel-2A/B 卫星影像和 HANTS 方法重构获得的研究区红树林、盐沼的NDVI时间序列数据[图3（a）]。盐沼NDVI值随季节表现出明显的物候变化，而红树林NDVI值随季节变化不明显。基于红树林和盐沼NDVI值的差值可知，盐沼和红树林的光谱信号在冬季差异较大、夏季差异较小[图3（b）]。另外，考虑到光滩的NDVI值一般接近0，因此盐沼和光滩的光谱信号在夏季差异较大，冬季差异较小。红树林-盐沼生态交错带遥感监测的误差来源主要是红树林、盐沼、光滩的混分，而盐沼的光谱特征更易与红树林混淆，因此，本研究区的较好观测时间为冬季，较好观测时间组合是冬季和夏季的组合。
2.2 红树林和盐沼精细制图
使用随机森林分类算法分别对2021年夏季成像的卫星数据[图4（a）]、冬季成像的卫星数据[图4（b）]以及联合夏季和冬季成像的卫星数据进行红树林和盐沼的提取。如图5（a）所示，单独基于夏季成像的卫星影像的分类结果中，部分红树林被混分为盐沼，部分光滩和植被受到云遮档的影响而被误分为建筑。单独基于冬季成像的卫星影像的分类结果中，红树林和盐沼混分的情况被抑制[图5（b）]。但是，2021年12月3日卫星影像成像时的潮位比2021年7月26日卫星影像成像时的潮位更低（图4），部分光滩的底播养殖区的光谱与盐沼的光谱相似，部分光滩被误分为盐沼。联合冬季和夏季成像的卫星影像的分类结果显示 [图5（c）]，红树和盐沼“同物异谱，异物同谱”的问题受到抑制，光滩上底播养殖区域被误分为盐沼的问题被解决，且云遮档对分类结果的影响被大大降低。考虑到2021年7月26日成像的影像受云遮档的影响较大，对联合冬季和夏季成像的卫星影像的分类结果的云遮档部分进行修正，得到丹兜海基于2021年双时相卫星数据提取的红树林和盐沼分布图（图6）。
2021年12月2日 ， 获取研究区覆盖范围为13.66 hm2面积，空间分辨率为1.5cm的无人机真彩色正射影像（图1显示了无人机遥感数据采集的区域）。基于2021年较好观测时间获取的研究区无人机正射影像，使用面向对象的随机森林分类方法提取红树林和盐沼的面积分别为1.93 hm2 和4.68hm2（图7）。与使用目视解译方法提取的结果相比，本方法获取的红树林图斑总面积的误差为 13.87%，总体重叠率为 90.02%；盐沼图斑总面积的误差为 9.40%，总体重叠率为 73.24%，证实了本方法获取的红树林和盐沼分布结果的可靠性。如图7所示，更高空间分辨率的无人机数据能有效地区分盐沼、红树林和光滩；而 Sentinel-2A/B 卫星影像受限于空间分辨率，盐沼与光滩、盐沼与单棵红树植物之间存在严重的混淆。
2.3 讨论
本研究在丹兜海红树林-盐沼生态交错带的较好观测时间的结论与Liu等、Dong等、Tian 等[、Zhang等学者在我国南方海岸带区域的研究结论有较好的一致性，且可推广用于广西红树林-盐沼生态交错带的监测。虽然基于重构的红树林、盐沼NDVI 时间序列数据可估算两种植被的关键物候期，但本研究未将较好观测时间的估算准确到天，原因主要是：①本研究的主要目的是获取红树林-盐沼生态交错带内地物光谱差异较大的时间窗口作为后续无人机数据采集以及多时相卫星影像地物分类影像数据选择的指示信息，而卫星受限于重访周期、光学成像易受潮汐涨水、云遮档、云影等因素影响，无人机航拍受大风、暴雨等极端天气的限制，精确到季节的时间窗口有利于较大程度地利用有效的无人机和卫星遥感数据；②前人的研究表明盐沼所处的温盐环境、地形以及多年生植物的寿命均是影响盐沼植物物候特征的重要因素，空间位置接近且种类一致的盐沼植物的返青期可能相差半个月的时间，这些因素使得基于卫星影像提取的植被关键物候期存在一定的不确定性，而本研究选择只精确到季节的时间窗口，能降低这种不确定性对后续无人机数据采集和卫星影像分类的影响。双时相卫星影像是指植被生长期和植被衰落期成像的卫星影像，已经被Tian等、Zhang等以及Zhao等学者用于盐沼的高精度制图。Zhao等选择4—11月作为植被生长期，12月至翌年3月作为植被衰落期，且取得较高的分类精度，而本研究精确到季节的较好观测时间窗口能在强化海岸带植被物候差异的同时保证在潮汐和云遮档等因素影响下获取足够数量的有效遥感影像数据，从而提高盐沼和红树林的分类精度。本研究的结果也证实了基于双时相卫星影像在生态交错带植被分类精度方面比基于单时相卫星影像的植被分类精度有优势，且在一定程度上能减少云遮档对分类结果的影响。本研究的生态交错带植被的较好观测时间分析方法还可应用在森林、草原等复杂场景的植物遥感监测、物候特征差异较大的湿地植被分类等多种场景中。
丹兜海 2021 年红树林和盐沼分布状况（图6）与前人在该区域提取的红树林和盐沼分布有较好的一致性。 2021 年丹兜海盐沼面积473.86hm2，与2019年相比，盐沼面积有一定程度的增长，因此该区域互花米草的治理仍需重视。基于无人机影像提取的盐沼的总体重叠率低于红树林的总体重叠率，主要是由于红树林多呈连片分布而部分盐沼呈破碎斑块分布在红树林周边，面向对象的随机森林分类方法的处理单元为对象，多尺度分割法不可避免地将部分盐沼和红树林分割成同一对象，造成部分盐沼被直接分类为红树林。本研究还尝试了多个尺度参数，但仍存在部分盐沼与红树林分割为同一对象的问题，考虑到深度学习在近年来被广泛应用于地表遥感监测，后续计划研究不同的深度学习算法在红树林-盐沼生态交错带的高精度制图。
对比无人机和卫星影像的制图结果发现，基于厘米级空间分辨率可见光无人机数据的红树林、盐沼提取精度明显优于基于十米级空间分辨率的多光谱Sentinel-2A/B卫星数据的提取精度，可见空间分辨率是局部区域生态交错带高精度遥感制图的重要影响因素。2022年，国家林业和草原局、自然资源部、生态环境部、水利部、农业农村部联合发布《互花米草防治专项行动计划（2022—2025 年）》，旨在有效遏制互花米草扩散态势，全面防控互花米草危害，确保滨海湿地生态安全。而我国华南沿海红树林-盐沼生态交错带分布普遍，亟待联合密集时序卫星辅助更高空间分辨率无人机遥感技术实现红树林-盐沼生态交错带的高精度植被监测。
3 结论
本研究联合卫星和无人机遥感数据开展红树林-盐沼生态交错带监测研究，得到以下结论：
（1）密集时序Sentinel-2A/B卫星影像和HANTS重构的红树林、盐沼的NDVI时间序列数据能较好地反映生态交错带植被的物候变化和差异。广西红树林-盐沼生态交错带的较好观测时间为冬季，较好观测时间组合是冬季和夏季的组合。
（2）基于较好观测时间组合的多时相卫星数据进行红树林和盐沼的提取能显著抑制海岸带地物“同物异谱，异物同谱”带来的地物错分和漏分，以及卫星影像云遮档降低地物分类精度等问题。与拥有更多光谱波段的Sentienl-2A/B卫星数据相比，更高空间分辨率的可见光无人机数据在区分红树林、盐沼、光滩上有显著优势，未来亟待联合密集时序卫星和更高空间分辨率无人机遥感数据对我国华南红树林-盐沼生态交错带开展高精度植被监测，为我国红树林保护修复和互花米草治理提供基础数据和技术支撑。
来源：联合卫星和无人机遥感的红树林-盐沼生态交错带监测—以广西丹兜海为例：董迪，黄华梅，高晴，张胜鹏，李亢，魏征，孙玉超；应用海洋学学报，2025年2月第44卷第1期