生態(tài)交錯(cuò)帶是生態(tài)實(shí)體（例如生態(tài)系統(tǒng)、群落等）之間在特定尺度下的過渡地帶，是全球變化敏感區(qū)、生物多樣性出現(xiàn)區(qū)以及邊緣效應(yīng)表達(dá)區(qū)?；セ撞荩⊿partina alterniflora）是中國沿海灘涂濕地的主要入侵物種之一，其在熱帶和亞熱帶海岸與本地物種紅樹林競爭生長，形成大范圍的紅樹林-鹽沼生態(tài)交錯(cuò)帶（mangrove-salt marsh ecotone）。該生態(tài)交錯(cuò)帶是研究景觀格局與生態(tài)過程、監(jiān)測全球氣候變化的重要區(qū)域，但是其特有的動(dòng)態(tài)性、過渡性和空間異質(zhì)性給遙感監(jiān)測帶來挑戰(zhàn)。

雖然中低空間分辨率衛(wèi)星影像在鹽沼、紅樹林的識(shí)別上可能存在混合像元等隱患，但由于數(shù)據(jù)獲取免費(fèi)、方便，且有大量歷史存檔數(shù)據(jù)等優(yōu)點(diǎn)，仍被廣泛應(yīng)用于鹽沼、紅樹林的遙感監(jiān)測中。學(xué)者們多使用稀疏時(shí)相 Landsat 和 CBERS 遙感影像開展區(qū)域性的鹽沼或紅樹林監(jiān)測。歐洲 Sentinel-2A/B 衛(wèi)星的出現(xiàn)豐富了高時(shí)間分辨率、中等空間分辨率影像數(shù)據(jù)，其較高的空間分辨率、時(shí)間分辨率和光譜分辨率使其成為區(qū)域或全球?yàn)I海鹽沼或紅樹林識(shí)別和監(jiān)測的理想衛(wèi)星遙感數(shù)據(jù)源。而隨著對(duì)地觀測技術(shù)的不斷進(jìn)步，高空間分辨率遙感數(shù)據(jù)被學(xué)者們越來越多地應(yīng)用于鹽沼、紅樹林的監(jiān)測。但高空間分辨率衛(wèi)星和有人機(jī)遙感均有受云和天氣的影響大，無法獲取云下影像等缺陷，難以滿足實(shí)時(shí)監(jiān)測的需要。無人機(jī)作為衛(wèi)星、有人機(jī)的補(bǔ)充，具有成本低、靈活機(jī)動(dòng)、不受云遮檔影響等優(yōu)勢，已被廣泛應(yīng)用于森林、草原、農(nóng)田、濕地等生態(tài)系統(tǒng)的觀測。

密集時(shí)序遙感數(shù)據(jù)因其能提供豐富的季節(jié)變異信息，在濕地植被物候監(jiān)測、森林、草原制圖等方面有廣泛應(yīng)用。雖然無人機(jī)通過密集觀測能有效獲取植被物候信息，但單純依賴無人機(jī)遙感的物候信息提取方式費(fèi)時(shí)費(fèi)力、成本高、難以大范圍推廣。學(xué)者們已使用密集時(shí)序衛(wèi)星數(shù)據(jù)研究植被的物候期，并以此分析較好觀測時(shí)間窗口（time window），輔助植被的精細(xì)分類。

本研究以互花米草入侵紅樹林生態(tài)系統(tǒng)顯著的廣西丹兜海為研究區(qū)，聯(lián)合密集時(shí)序 Sentinel-2A/B衛(wèi)星數(shù)據(jù)和高空間分辨率無人機(jī)數(shù)據(jù)，基于衛(wèi)星數(shù)據(jù)獲取紅樹林-鹽沼生態(tài)交錯(cuò)帶的較好觀測時(shí)間窗口，指導(dǎo)無人機(jī)數(shù)據(jù)采集時(shí)間，充分發(fā)揮密集時(shí)序衛(wèi)星數(shù)據(jù)高時(shí)間分辨率和無人機(jī)數(shù)據(jù)高空間分辨率的優(yōu)勢，開展紅樹林-鹽沼生態(tài)交錯(cuò)帶的紅樹林和鹽沼高精度制圖，為紅樹林生態(tài)系統(tǒng)的保護(hù)和修復(fù)、外來入侵種互花米草的管控和清理提供高效精準(zhǔn)的數(shù)據(jù)支撐和方法參考。

1 材料與方法

1.1 研究區(qū)概況

丹兜海位于廣西北海市合浦縣東南部沙田半島的西側(cè)（圖1），西鄰鐵山港，南入北部灣，東臨英羅灣，屬亞熱帶濕潤氣候。該區(qū)域分布著發(fā)育良好、結(jié)構(gòu)典型、連片保存完整的天然紅樹林。 1979年合浦縣科學(xué)技術(shù)委員會(huì)與南京大學(xué)合作，在山口鎮(zhèn)山角海灘引種0.67hm2互花米草，互花米草隨著時(shí)間推移呈暴發(fā)性增長，形成典型的紅樹林-鹽沼生態(tài)交錯(cuò)帶。值得一提的是，目前丹兜海的鹽沼植物類型主要是互花米草。

1.2 數(shù)據(jù)來源和預(yù)處理

本研究使用2019—2021年丹兜海區(qū)域Sentinel-2A/B衛(wèi)星L2A級(jí)數(shù)據(jù)研究當(dāng)?shù)丶t樹林、濱海鹽沼的觀測時(shí)間。Sentinel-2A/B衛(wèi)星是歐洲空間局哥白尼計(jì)劃系列衛(wèi)星的第二個(gè)組成部分，Sentinel-2A衛(wèi)星于2015年發(fā)射，Sentinel-2B衛(wèi)星于2017年發(fā)射。雙星組網(wǎng)，在赤道地區(qū)的重訪周期是5天。其主要載荷為多光譜成像儀，采用推掃模式，有13個(gè)波段，光譜范圍在400～2400 nm之間，涵蓋了可見光、近紅外和短波紅外，其中紅、綠、藍(lán)和近紅外波段空間分辨率為10m，紅邊波段和短波紅外波段空間分辨率為20m?？紤]華南地區(qū)是我國晴天日數(shù)較少而陰天日數(shù)較多的地區(qū)，使用衛(wèi)星數(shù)據(jù)提供的厚云和卷云的掩膜產(chǎn)品，進(jìn)行初步的云剔除處理。2019—2021年，項(xiàng)目組每月分別收集丹兜海區(qū)域Sentinel-2A衛(wèi)星影像3景、Sentinel-2B衛(wèi)星影像3景。

使用大疆精靈四RTK無人機(jī)在研究區(qū)選擇小范圍典型紅樹林-鹽沼生態(tài)交錯(cuò)帶采集高空間分辨率無人機(jī)正射影像數(shù)據(jù)。依據(jù)調(diào)查區(qū)域規(guī)劃航線，設(shè)置航向重疊度為 70%，旁向重疊度為 70%，航高為50m。采集原始數(shù)據(jù)后，進(jìn)行正射影像生產(chǎn)，其步驟包括將無人機(jī)數(shù)據(jù)導(dǎo)入大疆智圖軟件，空中三角測量處理，生成數(shù)字表面模型和數(shù)字正射影像。

開展現(xiàn)場調(diào)查，聯(lián)合GPS RTK和無人機(jī)拍照等方式獲得分類驗(yàn)證和訓(xùn)練樣本以及植被物候特征分析的樣本：對(duì)于調(diào)查人員可達(dá)區(qū)，使用GPS RTK記錄各類植被的經(jīng)緯度范圍（保證有足夠數(shù)量面積大于10 m×10 m的植被樣本）；對(duì)于人類不可達(dá)區(qū)，使用大疆精靈四RTK無人機(jī)獲取現(xiàn)場驗(yàn)證照片并與研究區(qū)2021年12月的 Sentinel-2A/B 衛(wèi)星影像對(duì)照，獲取各類植被樣本范圍矢量。本研究將研究區(qū)主要地物類型劃分為紅樹林、鹽沼、海水、建筑和光灘。各個(gè)地物類型的樣本矢量數(shù)量見表1，分布圖見圖1。

表 1 研究中不同地物類型的樣本信息

1.3 方法

1.3.1 基于密集時(shí)序 Sentinel-2A/B 衛(wèi)星影像

考慮海岸帶區(qū)域紅樹林和鹽沼的衛(wèi)星數(shù)據(jù)受云、潮汐等影響較大，基于2019—2021年研究區(qū)Sentinel-2A/B 衛(wèi)星數(shù)據(jù)和紅樹林、鹽沼樣本范圍矢量數(shù)據(jù)獲取研究區(qū)紅樹林和鹽沼的植被衛(wèi)星光譜數(shù)據(jù)集后，需進(jìn)一步開展質(zhì)量控制。由于衛(wèi)星數(shù)據(jù)提供的厚云和卷云掩膜產(chǎn)品存在錯(cuò)分或漏分的情況，而漲潮會(huì)部分淹沒紅樹林和鹽沼繼而影響其光譜特征值，需對(duì)植被衛(wèi)星光譜數(shù)據(jù)集進(jìn)行人工確認(rèn)，剔除云以及潮汐的干擾。歸一化植被指數(shù)（normalized difference vegetation index，NDVI）能反映植被綠度、光合作用強(qiáng)度、活力狀態(tài)以及季相變化特征，常被用于植被物候特征的研究。本研究使用NDVI剔除云和潮汐干擾造成的噪聲。

NDVI計(jì)算公式如下：

NDVI = (ρ_N ?ρ_R)/(ρN +ρR)           （1）

式（1）中：ρN為近紅外波段反射率，ρR為紅波段反射率。

綜合統(tǒng)計(jì)分析2019—2021年紅樹林和鹽沼數(shù)據(jù)集發(fā)現(xiàn)，受云、云陰影或潮汐干擾的紅樹林和鹽沼的 NDVI 值比無云時(shí)露出光灘的紅樹林和鹽沼的NDVI 值要低。本研究計(jì)算植被衛(wèi)星光譜數(shù)據(jù)集中每個(gè)植被樣本在不同成像時(shí)間的 NDVI 值并獲取該植被樣本范圍內(nèi)在該成像時(shí)間的 NDVI 平均值，剔除紅樹林 NDVI 平均值低于0.5，鹽沼NDVI平均值低于0.3的樣本數(shù)據(jù)，構(gòu)成不受云、云陰影或潮汐干擾的帶時(shí)間屬性的植被衛(wèi)星光譜數(shù)據(jù)集。

使用時(shí)間序列諧波分析法（harmonic analysis of time series，HANTS）輔助紅樹林-鹽沼生態(tài)交錯(cuò)帶的紅樹林、濱海鹽沼較好觀測時(shí)間的評(píng)估。衛(wèi)星數(shù)據(jù)采集和處理過程中，受到太陽高度角、觀測角度、云、水汽、氣溶膠等因素的影響，這些因素出現(xiàn)的隨機(jī)性使得時(shí)間序列數(shù)據(jù)的變化不規(guī)則，繼而造成NDVI時(shí)間序列曲線的季節(jié)變化趨勢不明顯，使用HANTS重構(gòu)紅樹林、鹽沼NDVI時(shí)間序列數(shù)據(jù)，分析兩者的物候特征差異，繼而獲得紅樹林、鹽沼較好觀測時(shí)間。HANTS的核心算法是傅里葉變換和最小二乘法擬合，即把時(shí)間波譜數(shù)據(jù)分解成許多不同頻率的正弦曲線和余弦曲線，從中選取若干個(gè)能夠反映時(shí)間序列特征的曲線進(jìn)行疊加，以達(dá)到時(shí)間序列數(shù)據(jù)的重建目的。該方法可去除噪聲干擾點(diǎn)，而且其輸入數(shù)據(jù)可以是不等時(shí)間間隔的數(shù)據(jù)。

1.3.2 分類方法

基于衛(wèi)星影像的紅樹林、鹽沼的提取方法參考了董迪等的方法。其分類方法為隨機(jī)森林分類算法，待生成決策樹數(shù)目設(shè)為100，分裂節(jié)點(diǎn)數(shù)目設(shè)為全部特征平方根。這里使用的紋理特征采用半徑為5窗口內(nèi)NDVI的標(biāo)準(zhǔn)差；光譜特征包括紅、綠、藍(lán)、近紅外共4個(gè)波段的反射率、兩個(gè)植被指數(shù)和3個(gè)水體指數(shù)（圖2）。其中，植被指數(shù)為 NDVI 和增強(qiáng)型植被指數(shù)（enhance vegetation index，EVI）；水體指數(shù)為地表水分指數(shù)（land surface water index，LSWI）、歸一化水體指數(shù)（normalized difference water index，NDWI）以及改進(jìn)的歸一化差異水體指數(shù)（ modified normalized difference water index，mNDWI），具體計(jì)算公式如下：

EVI = 2.5×(ρN?ρR)/( ρN+6ρR ?7.5ρ_B +1)     （2）

LSWI = (ρ_N ?ρS)/(ρN +ρS)        （3）

NDWI = (ρ_G ?ρN)/( ρ_G+ρ_N)       （4）

mNDWI = ( ρ_G?ρ_S)/( ρG+ρS)       （5）

式（2）至（5）中：為近紅外波段反射率，為紅波段反射率，為藍(lán)波段反射率，為短波紅外反射率，為綠波段反射率。

進(jìn)一步地，參考Dong等提到的多時(shí)相衛(wèi)星影像數(shù)據(jù)能顯著提高鹽沼、紅樹林的提取精度，本研究收集研究區(qū)較好觀測時(shí)間成像的衛(wèi)星影像，并使用隨機(jī)森林分類算法提取紅樹林、鹽沼等地物，基于研究區(qū)矢量獲取研究區(qū)地物分類圖。

基于無人機(jī)正射影像的紅樹林、鹽沼的提取方法主要使用面向?qū)ο蟮碾S機(jī)森林分類算法。面向?qū)ο蠓诸惙ú煌诨谙裨诸惙椒ǎ涮幚韱卧怯啥鄠€(gè)同質(zhì)像元構(gòu)成的對(duì)象，能有效利用影像的光譜、紋理、形狀等信息，能在很大程度克服基于像元分類方法導(dǎo)致的椒鹽噪聲問題，已被廣泛用于基于無人機(jī)影像的典型生態(tài)系統(tǒng)遙感提取。本研究使用多尺度分割方法對(duì)無人機(jī)影像進(jìn)行分割。經(jīng)過多次對(duì)比試驗(yàn)，選擇較好的輸入?yún)?shù)，藍(lán)波段、綠波段和紅波段的權(quán)重設(shè)為 1，形狀因子設(shè)為 0.1，緊致度因子設(shè)為0.5，尺度參數(shù)設(shè)為550。使用隨機(jī)森林分類法對(duì)分割后的對(duì)象進(jìn)行分類，分類對(duì)象的特征包括藍(lán)波段、綠波段和紅波段反射率的平均值和標(biāo)準(zhǔn)差、形狀指數(shù)。

為評(píng)價(jià)基于無人機(jī)影像的紅樹林、鹽沼遙感監(jiān)測精度，使用對(duì)比法分析本研究提取的鹽沼、紅樹林范圍的精度。將基于高空間分辨率無人機(jī)影像目視解譯提取的紅樹林、鹽沼圖斑作為驗(yàn)證數(shù)據(jù)，對(duì)比本研究使用面向?qū)ο蟮碾S機(jī)森林分類算法提取的紅樹林、鹽沼圖斑的面積以及重疊區(qū)面積。

2 結(jié)果與討論

2.1  觀測時(shí)間

基于2019—2021年密集時(shí)序 Sentinel-2A/B 衛(wèi)星影像和 HANTS 方法重構(gòu)獲得的研究區(qū)紅樹林、鹽沼的NDVI時(shí)間序列數(shù)據(jù)[圖3（a）]。鹽沼NDVI值隨季節(jié)表現(xiàn)出明顯的物候變化，而紅樹林NDVI值隨季節(jié)變化不明顯。基于紅樹林和鹽沼NDVI值的差值可知，鹽沼和紅樹林的光譜信號(hào)在冬季差異較大、夏季差異較小[圖3（b）]。另外，考慮到光灘的NDVI值一般接近0，因此鹽沼和光灘的光譜信號(hào)在夏季差異較大，冬季差異較小。紅樹林-鹽沼生態(tài)交錯(cuò)帶遙感監(jiān)測的誤差來源主要是紅樹林、鹽沼、光灘的混分，而鹽沼的光譜特征更易與紅樹林混淆，因此，本研究區(qū)的較好觀測時(shí)間為冬季，較好觀測時(shí)間組合是冬季和夏季的組合。

2.2 紅樹林和鹽沼精細(xì)制圖

使用隨機(jī)森林分類算法分別對(duì)2021年夏季成像的衛(wèi)星數(shù)據(jù)[圖4（a）]、冬季成像的衛(wèi)星數(shù)據(jù)[圖4（b）]以及聯(lián)合夏季和冬季成像的衛(wèi)星數(shù)據(jù)進(jìn)行紅樹林和鹽沼的提取。如圖5（a）所示，單獨(dú)基于夏季成像的衛(wèi)星影像的分類結(jié)果中，部分紅樹林被混分為鹽沼，部分光灘和植被受到云遮檔的影響而被誤分為建筑。單獨(dú)基于冬季成像的衛(wèi)星影像的分類結(jié)果中，紅樹林和鹽沼混分的情況被抑制[圖5（b）]。但是，2021年12月3日衛(wèi)星影像成像時(shí)的潮位比2021年7月26日衛(wèi)星影像成像時(shí)的潮位更低（圖4），部分光灘的底播養(yǎng)殖區(qū)的光譜與鹽沼的光譜相似，部分光灘被誤分為鹽沼。聯(lián)合冬季和夏季成像的衛(wèi)星影像的分類結(jié)果顯示 [圖5（c）]，紅樹和鹽沼“同物異譜，異物同譜”的問題受到抑制，光灘上底播養(yǎng)殖區(qū)域被誤分為鹽沼的問題被解決，且云遮檔對(duì)分類結(jié)果的影響被大大降低?？紤]到2021年7月26日成像的影像受云遮檔的影響較大，對(duì)聯(lián)合冬季和夏季成像的衛(wèi)星影像的分類結(jié)果的云遮檔部分進(jìn)行修正，得到丹兜?；?021年雙時(shí)相衛(wèi)星數(shù)據(jù)提取的紅樹林和鹽沼分布圖（圖6）。

2021年12月2日 ， 獲取研究區(qū)覆蓋范圍為13.66 hm2面積，空間分辨率為1.5cm的無人機(jī)真彩色正射影像（圖1顯示了無人機(jī)遙感數(shù)據(jù)采集的區(qū)域）?；?021年較好觀測時(shí)間獲取的研究區(qū)無人機(jī)正射影像，使用面向?qū)ο蟮碾S機(jī)森林分類方法提取紅樹林和鹽沼的面積分別為1.93 hm2 和4.68hm2（圖7）。與使用目視解譯方法提取的結(jié)果相比，本方法獲取的紅樹林圖斑總面積的誤差為 13.87%，總體重疊率為 90.02%；鹽沼圖斑總面積的誤差為 9.40%，總體重疊率為 73.24%，證實(shí)了本方法獲取的紅樹林和鹽沼分布結(jié)果的可靠性。如圖7所示，更高空間分辨率的無人機(jī)數(shù)據(jù)能有效地區(qū)分鹽沼、紅樹林和光灘；而 Sentinel-2A/B 衛(wèi)星影像受限于空間分辨率，鹽沼與光灘、鹽沼與單棵紅樹植物之間存在嚴(yán)重的混淆。

2.3 討論

本研究在丹兜海紅樹林-鹽沼生態(tài)交錯(cuò)帶的較好觀測時(shí)間的結(jié)論與Liu等、Dong等、Tian 等[、Zhang等學(xué)者在我國南方海岸帶區(qū)域的研究結(jié)論有較好的一致性，且可推廣用于廣西紅樹林-鹽沼生態(tài)交錯(cuò)帶的監(jiān)測。雖然基于重構(gòu)的紅樹林、鹽沼NDVI 時(shí)間序列數(shù)據(jù)可估算兩種植被的關(guān)鍵物候期，但本研究未將較好觀測時(shí)間的估算準(zhǔn)確到天，原因主要是：①本研究的主要目的是獲取紅樹林-鹽沼生態(tài)交錯(cuò)帶內(nèi)地物光譜差異較大的時(shí)間窗口作為后續(xù)無人機(jī)數(shù)據(jù)采集以及多時(shí)相衛(wèi)星影像地物分類影像數(shù)據(jù)選擇的指示信息，而衛(wèi)星受限于重訪周期、光學(xué)成像易受潮汐漲水、云遮檔、云影等因素影響，無人機(jī)航拍受大風(fēng)、暴雨等極端天氣的限制，精確到季節(jié)的時(shí)間窗口有利于較大程度地利用有效的無人機(jī)和衛(wèi)星遙感數(shù)據(jù)；②前人的研究表明鹽沼所處的溫鹽環(huán)境、地形以及多年生植物的壽命均是影響鹽沼植物物候特征的重要因素，空間位置接近且種類一致的鹽沼植物的返青期可能相差半個(gè)月的時(shí)間，這些因素使得基于衛(wèi)星影像提取的植被關(guān)鍵物候期存在一定的不確定性，而本研究選擇只精確到季節(jié)的時(shí)間窗口，能降低這種不確定性對(duì)后續(xù)無人機(jī)數(shù)據(jù)采集和衛(wèi)星影像分類的影響。雙時(shí)相衛(wèi)星影像是指植被生長期和植被衰落期成像的衛(wèi)星影像，已經(jīng)被Tian等、Zhang等以及Zhao等學(xué)者用于鹽沼的高精度制圖。Zhao等選擇4—11月作為植被生長期，12月至翌年3月作為植被衰落期，且取得較高的分類精度，而本研究精確到季節(jié)的較好觀測時(shí)間窗口能在強(qiáng)化海岸帶植被物候差異的同時(shí)保證在潮汐和云遮檔等因素影響下獲取足夠數(shù)量的有效遙感影像數(shù)據(jù)，從而提高鹽沼和紅樹林的分類精度。本研究的結(jié)果也證實(shí)了基于雙時(shí)相衛(wèi)星影像在生態(tài)交錯(cuò)帶植被分類精度方面比基于單時(shí)相衛(wèi)星影像的植被分類精度有優(yōu)勢，且在一定程度上能減少云遮檔對(duì)分類結(jié)果的影響。本研究的生態(tài)交錯(cuò)帶植被的較好觀測時(shí)間分析方法還可應(yīng)用在森林、草原等復(fù)雜場景的植物遙感監(jiān)測、物候特征差異較大的濕地植被分類等多種場景中。

丹兜海 2021 年紅樹林和鹽沼分布狀況（圖6）與前人在該區(qū)域提取的紅樹林和鹽沼分布有較好的一致性。 2021 年丹兜海鹽沼面積473.86hm2，與2019年相比，鹽沼面積有一定程度的增長，因此該區(qū)域互花米草的治理仍需重視?；跓o人機(jī)影像提取的鹽沼的總體重疊率低于紅樹林的總體重疊率，主要是由于紅樹林多呈連片分布而部分鹽沼呈破碎斑塊分布在紅樹林周邊，面向?qū)ο蟮碾S機(jī)森林分類方法的處理單元為對(duì)象，多尺度分割法不可避免地將部分鹽沼和紅樹林分割成同一對(duì)象，造成部分鹽沼被直接分類為紅樹林。本研究還嘗試了多個(gè)尺度參數(shù)，但仍存在部分鹽沼與紅樹林分割為同一對(duì)象的問題，考慮到深度學(xué)習(xí)在近年來被廣泛應(yīng)用于地表遙感監(jiān)測，后續(xù)計(jì)劃研究不同的深度學(xué)習(xí)算法在紅樹林-鹽沼生態(tài)交錯(cuò)帶的高精度制圖。

對(duì)比無人機(jī)和衛(wèi)星影像的制圖結(jié)果發(fā)現(xiàn)，基于厘米級(jí)空間分辨率可見光無人機(jī)數(shù)據(jù)的紅樹林、鹽沼提取精度明顯優(yōu)于基于十米級(jí)空間分辨率的多光譜Sentinel-2A/B衛(wèi)星數(shù)據(jù)的提取精度，可見空間分辨率是局部區(qū)域生態(tài)交錯(cuò)帶高精度遙感制圖的重要影響因素。2022年，國家林業(yè)和草原局、自然資源部、生態(tài)環(huán)境部、水利部、農(nóng)業(yè)農(nóng)村部聯(lián)合發(fā)布《互花米草防治專項(xiàng)行動(dòng)計(jì)劃（2022—2025 年）》，旨在有效遏制互花米草擴(kuò)散態(tài)勢，全面防控互花米草危害，確保濱海濕地生態(tài)安全。而我國華南沿海紅樹林-鹽沼生態(tài)交錯(cuò)帶分布普遍，亟待聯(lián)合密集時(shí)序衛(wèi)星輔助更高空間分辨率無人機(jī)遙感技術(shù)實(shí)現(xiàn)紅樹林-鹽沼生態(tài)交錯(cuò)帶的高精度植被監(jiān)測。

3 結(jié)論

本研究聯(lián)合衛(wèi)星和無人機(jī)遙感數(shù)據(jù)開展紅樹林-鹽沼生態(tài)交錯(cuò)帶監(jiān)測研究，得到以下結(jié)論：

（1）密集時(shí)序Sentinel-2A/B衛(wèi)星影像和HANTS重構(gòu)的紅樹林、鹽沼的NDVI時(shí)間序列數(shù)據(jù)能較好地反映生態(tài)交錯(cuò)帶植被的物候變化和差異。廣西紅樹林-鹽沼生態(tài)交錯(cuò)帶的較好觀測時(shí)間為冬季，較好觀測時(shí)間組合是冬季和夏季的組合。

（2）基于較好觀測時(shí)間組合的多時(shí)相衛(wèi)星數(shù)據(jù)進(jìn)行紅樹林和鹽沼的提取能顯著抑制海岸帶地物“同物異譜，異物同譜”帶來的地物錯(cuò)分和漏分，以及衛(wèi)星影像云遮檔降低地物分類精度等問題。與擁有更多光譜波段的Sentienl-2A/B衛(wèi)星數(shù)據(jù)相比，更高空間分辨率的可見光無人機(jī)數(shù)據(jù)在區(qū)分紅樹林、鹽沼、光灘上有顯著優(yōu)勢，未來亟待聯(lián)合密集時(shí)序衛(wèi)星和更高空間分辨率無人機(jī)遙感數(shù)據(jù)對(duì)我國華南紅樹林-鹽沼生態(tài)交錯(cuò)帶開展高精度植被監(jiān)測，為我國紅樹林保護(hù)修復(fù)和互花米草治理提供基礎(chǔ)數(shù)據(jù)和技術(shù)支撐。

來源：聯(lián)合衛(wèi)星和無人機(jī)遙感的紅樹林-鹽沼生態(tài)交錯(cuò)帶監(jiān)測—以廣西丹兜海為例：董迪，黃華梅，高晴，張勝鵬，李亢，魏征，孫玉超；應(yīng)用海洋學(xué)學(xué)報(bào)，2025年2月第44卷第1期