好文推荐丨基于多源高分辨率遥感数据的互花米草早期入侵斑块精准识别：以黄河三角洲为例

原创柯樱海遥感学报 2021-09-20

收录于话题 #专辑丨好文推荐 32个内容

图片来源于网络

近年来，互花米草入侵严重威胁我国滨海湿地生态系统安全及可持续发展，其防控防治成为滨海湿地保护与生态恢复亟待解决的问题。互花米草治理的关键在于早期入侵斑块的监测与控制。

首都师范大学柯樱海课题组近期发表论文《Monitoring early stage invasion of exotic Spartina alterniflora using deep learning super-resolution techniques based on multisource high-resolution satellite imagery: A case study in the Yellow River Delta, China》，基于多源高分辨率卫星影像数据，提出集成深度学习超分辨率重建与面向对象分类的方法框架，首次实现互花米草早期入侵斑块的识别与动态监测。

主题词

入侵植物，互花米草，高分辨率卫星影像，深度学习，超分辨率重建

研究背景

联合国于2019年发布的《生物多样性和生态系统服务全球评估报告》指出，外来物种入侵已成为过去50年对全球生态系统产生重要影响的5大因素之一。自1979年引入到中国以来，互花米草在我国沿海迅速扩张，造成滨海湿地生态系统严重退化。研究表明，互花米草防控的关键在于早期入侵斑块的控制。遥感作为大范围、长时序的观测手段，已广泛应用于互花米草扩张监测。

然而，已有研究主要依赖于中分辨率卫星影像，对早期入侵斑块的识别能力不足。亚米级卫星影像有助于识别细小斑块，但滨海湿地多云多雨、潮汐淹没频繁，单一平台影像很难满足多年动态监测需要。

以黄河三角洲为例，2012年9月20日的WorldView-2影像是近几年来唯一一幅获取于生长期低潮位时的亚米级无云影像。多平台高分辨率卫星影像又面临分辨率不统一，斑块识别能力不一致的问题。针对这一问题，本文以黄河三角洲为研究区，研究了利用多平台高分辨率卫星影像进行互花米草早期入侵斑块识别与动态监测的方法。

研究区

黄河三角洲湿地是我国温带最年轻、最广阔、最完整的新生湿地生态系统，在维护生物多样性和调节气候等方面发挥着不可替代的重要作用。1990年互花米草引种至黄河三角洲，于近十余年迅速生长蔓延，造成原生湿地植被严重退化，对鸟类生物多样性构成严重威胁。2017年，黄河三角洲湿地被列为我国湿地保护与修复的重点区域。目前，互花米草的快速入侵是黄河三角洲生态系统退化的最主要因素，如何有效控制其快速扩张是湿地恢复需要迫切解决的问题。

图1 研究区位置示意图

数据

2012-2019年WorldView-2、SPOT-6、GF-1、GF-2、GF-6影像

2019年获取的互花米草斑块实测数据

研究方法

首先，利用深度学习模型，将各平台卫星影像进行不同放大倍率的超分辨率重建，生成分辨率为0.5 m的影像。本文选取了两种代表性超分辨率重建模型：Super-Resolution Convolutional Neural Networks (SRCNN)和Fast Super-Resolution Convolutional Neural Networks (FSRCNN)，模型由3629 张自然图像进行训练。然后，基于重建后的影像，利用逐步演化分析图像分割和面向对象阈值分类的方法，实现互花米草细小斑块的识别和提取。

为评价深度学习模型的有效性，本文分别从重建影像的光谱质量、空间细节以及互花米草提取精度方面，比较了FSRCNN、SRCNN以及常用的双三次插值方法。选取最优模型，对多平台影像进行重建，完成对3个典型研究区2012-2019年互花米草细小斑块识别与动态监测分析。

图2 研究方法框架

图3 FSRCNN网络模型结构

研究结果

相比传统的双三次插值模型，FSRCNN和SRCNN在光谱信息保持和空间细节增强方面的能力更强。相比SRCNN，由FSRCNN超分重建的影像对于互花米草新生细小斑块（<50 m²）的识别能力更好。野外实地验证表明，由FSRCNN重建影像提取的互花米草斑块周长与实测周长吻合度高（MAPE<23%）。

图 4 FSRCNN重建前后GF-6影像提取互花米草斑块周长与实测值对比

由上述结果，选择FSRCNN对SPOT-6、GF-1/2/6影像进行超分辨率重建，并进行互花米草斑块提取。通过3个典型研究区2012-2019年互花米草扩张动态分析，表明2012-2015年互花米草斑块处于快速扩张期，2016-2019年较为缓慢，斑块的融合速度快于新生速度；潮沟附近斑块的扩张速度显著快于远离潮沟区，潮滩高程越高，斑块扩张速度越慢。

图5 三个典型研究区互花米草斑块总面积、斑块数量、斑块面积最大、最小值以及斑块扩张强度

主要贡献

首次将卫星影像应用于植物入侵早期的动态监测中，研究成果将对互花米草科学防治防控发挥积极作用。

提出利用深度学习超分辨率重建的方法，将不同平台卫星影像进行分辨率一致化处理，为长时序多源高分辨率遥感数据协同实现湿地精细观测提供了新的方法。

论文题目

Monitoring early stage invasion of exotic Spartina alterniflora using deep learning super-resolution techniques based on multisource high-resolution satellite imagery: A case study in the Yellow River Delta, China

作者

Mengmeng Chen，Yinghai Ke，Junhong Bai，Peng Li， Mingyuan Lyu，Zhaoning Gong，Demin Zhou

发表期刊

International Journal of Applied Earth Observation and Geoinformation

全文论文链接

https://doi.org/10.1016/j.jag.2020.102180

第一作者简介

陈盟盟，首都师范大学资源环境与旅游学院硕士研究生。研究方向为湿地遥感。

E-mail: chenmm_fighting@163.com

通信作者简介

柯樱海，博士，首都师范大学资源环境与旅游学院副教授。研究方向为生态水文遥感等。

E-mail：yke@cnu.edu.cn