近日，我校地理科学与旅游文化学院孙超讲师、李加林教授创新发展了一套基于遥感影像时间序列植被物候特征的滨海湿地植被精细分类方法。相关成果以“Plant species classification in salt marshes using phenological parameters derived from Sentinel-2 pixel-differential time-series”为题，在国际地理信息科学与遥感领域顶级期刊《Remote Sensing of Environment》上发表论文，该期刊影响因子为9.085。
盐沼处于陆地和海洋的过渡带，是地球上价值最高也是最为脆弱的生态系统。近年来，气候变化和人类活动加剧了盐沼植被的演替和消亡，深刻影响着盐沼生态系统的稳定性。时间序列遥感日益成为滨海湿地监测的重要手段，但由于海岸带云雨天气频发、潮位波动变化，盐沼植被群落组成复杂、光谱相似度高，盐沼植被时间序列遥感监测存在时空观测尺度难以兼顾的瓶颈。
该研究基于高时空分辨率的Sentinel-2影像时间序列，创新发展了一套完整的滨海湿地植被精细分类方法。该方法首先生成云掩膜数据，从每个时期影像中剔除被云和云阴影覆盖的像元；其次定义潮汐滤波器，滤除每个时期影像中被海水掩膜的植被像元，逐像元构建观测分布不同的时间序列；再次，拟合物候趋势，提取关键植被物候参数作为分类特征，消除时间序列观测分布差异造成的分类特征难以统一问题；最后，构建随机森林分类器，结合野外调研数据采用监督分类方式，生成盐沼植被分类图。以我国黄河三角洲、江苏沿海和长江口为典型研究区，该分类方法平均精度可达81.5%，且有效规避了不同时期影像分类精度的不确定性，有望进一步扩展应用在大范围盐沼植被年际动态监测中。
地理科学与旅游文化学院孙超讲师和李加林教授分别为该论文的第一和第二作者。此外，南京大学地理与海洋科学学院刘永学教授也对上述方法的整体架构提出了宝贵意见。该研究工作获得国家自然科学基金重点基金、国家自然科学基金青年基金、宁波市“泛3315”创新人才等项目支持。
论文链接：//www.sciencedirect.com/science/article/pii/S0034425721000389?via%3Dihub
遥感影像时间序列植被物候特征的滨海湿地植被精细分类总体框架