基于UAV LiDAR和Sentinel-2时间序列影像的红树林结构参数反演研究

The accurate acquisition of mangrove structural information can provide information for the decision-making of effective management of mangrove resources and is significant for scientific protection of mangrove resources. However, most the existing studies focus on mangrove structural parameters retrieval on regional scale and without considering the effects of tidal submergence and scale mismatch between field sampling data and remote sensing data on the results. Furthermore, there are few studies on individual tree scale. Therefore, the existing results are difficult to meet the data requirement of mangrove scientific protection. To solve the above problem, this project focuses on the following three aspects: 1) The individual tree structural parameters are extracted based on the high-density LiDAR data acquired with the UAV LiDAR system. 2) The high-precision extraction of mangrove spatial distribution is achieved by correcting the effect of tidal inundation with Sentinel-2 time series images and other auxiliary data. 3) Based on UAV LiDAR data, the scale effect of spatial sampling is researched and the spatial sampling of mangrove sampling data and Sentinel-2 time series data is matched without difference. The regional structural parameters retrieval models are constructed with different time series images and the influence of time series on the results is explored. Then the regional extrapolation of the model is carried out to realize the seamless extraction of mangrove structural parameters. The implementation of the project can not only promote the research progress of mangrove structural parameters retrieval on individual tree scale and regional scale in China, but also provide high-precision foundation data for the scientific protection of mangrove resources.

红树林结构参数的准确获取能为红树林资源有效管理提供决策依据，对红树林资源科学保护工作的顺利开展具有重要意义。然而现有红树林遥感研究多侧重区域尺度，且未充分考虑潮汐淹没及野外采样数据与遥感数据尺度不匹配的影响，而且针对单木尺度的研究较少，难以满足红树林科学保护工作的数据需求。基于此，本项目拟从以下三个方面入手：1）基于UAV LiDAR系统采集高密度LiDAR数据，实现红树林单木结构参数提取；2）基于Sentinel-2时间序列影像及其他辅助数据校正潮汐淹没影响，实现红树林空间分布精确提取；3）基于UAV LiDAR数据实现红树林采样数据与Sentinel-2影像数据空间尺度的无差异匹配，构建时间序列红树林结构参数反演模型，并对模型进行区域外推，实现结构参数区域无缝提取。本项目的顺利实施不仅能推动我国单木及区域尺度红树林结构参数反演研究进展，而且能为红树林科学保护提供高精度基础数据。

红树林结构参数的准确获取能为红树林资源有效管理提供决策依据，对红树林资源科学保护工作的顺利开展具有重要意义。然而现阶段针对单木尺度结构参数提取的研究相对较少，且在区域尺度未充分考虑潮汐淹没对空间分布提取的影响，同时也未考虑拼接影像间时间差异对提取结果产生的影响及样本数据与遥感数据空间尺度不匹配等问题，难以满足红树林科学保护工作的数据需求。基于此，本项目主要开展了以下三方面研究：（1）基于UAV LiDAR采集的高密度点云数据，实现红树林单木分割、树种识别及单木结构参数提取；（2）基于高潮位影像及一景时间最近的可用低潮位影像，提出一种新的植被指数，即潮间带红树林识别指数，用于潮汐周期淹没下红树林空间分布提取；基于时间序列重构方法重构完整连续时间序列影像，实现我国同一月份红树林空间分布提取及长时间序列红树林空间分布动态变化监测，不仅有效避免了区域拼接影像间的时间差异对结果产生的影响，而且为因受云雨影响导致可用高质量影像数据不足提供了一种解决方案；（3）基于UAV LiDAR数据提取高空间分辨率红树林结构参数，并对其进行与Sentinel-2影像分辨率相同的空间尺度采样，从而构建最优红树林区域结构参数反演模型，进而实现大区域红树林结构参数提取。本研究结果一方面可为其他遥感数据提供验证数据；另一方面，也可为红树林资源有效管理及科学保护提供基础数据，从而有针对性的实现红树林资源的科学保护与恢复。

内容获取失败，请点击重试