原始研究的文章

前面。环绕。科学。,13December 2022
秒。土地利用动态
卷10 - 2022 | https://doi.org/10.3389/fenvs.2022.1062954

合适的高山湿地的方法描述:黄河源区的一个例子,西藏高原

道阴 ¹,

冯… ^2、3、4*, www.雷竞技rebatfrontiersin.org

四海镇梁¹,

Guangjun王⁵*,

宁元 ¹, www.雷竞技rebatfrontiersin.org

Dezhao严⁶,

潘吴⁷,

果河旷⁴和

李婉¹

¹水资源与环境学院中国地质大学(北京),北京,中国
²河北省协同创新中心的水资源可持续利用和优化产业结构、水利与环境学院,河北地质大学,石家庄,中国
³河北省重点实验室水资源持续利用和发展,水资源和环境学院河北地质大学,石家庄,中国
⁴环境科学与工程学院,南方科技大学,深圳,中国
⁵土地科学技术学院中国地质大学(北京),北京,中国
⁶青藏高原研究所,中国科学院,北京,中国
⁷中国地质调查局武汉中心、武汉、中国

高山湿地是其中最重要的生态系统的三个河流源区,中国扮演着重要的角色在调节区域水文循环和碳循环。因此,湿地面积及其分布的湿地管理和科学研究具有重要意义。在我们的研究中,一个新的湿地分类模型,该模型基于地貌类型和结合面向对象和决策树分类模型(ODTC),并使用一个新的湿地分类系统准确地提取湿地分布在黄河源区(HAYR)青藏高原(QTP),中国。面向对象方法最初是用于图像分割成几个区域根据像素的相似性和纹理,然后提取湿地通过决策树构造基于地貌类型。湿地中提取的模型与其他七个常用方法,如支持向量机(SVM)和随机森林(RF),它证明了精度提高了10% - -20%。总体分类准确率为98.9%。根据我们的结果,HAYR的湿地面积是3142.3公里²研究的区域,占16.1%。沼泽湿地和湿地洪水分别占37.7%和16.7%。一个三维的地图区域显示,研究地区的高山湿地分布在湖泊、地下水溢出带山麓,inter-mountain汇水盆地。这一现象表明,水文地质环境影响高山湿地的起源和演化。这项工作提供了一种新的方法来研究高山湿地。

1介绍

湿地是由美国在1956年定义为低地由浅,临时或间歇性的水域(Forsberg 1992)。湿地的湿地定义包括沼泽地、泥炭地和水,人工或自然,包括地区的海水深度小于6米的低潮(Finlayson莫泽,1991;龚et al ., 2010)。湿地生态系统,而占世界陆地面积的1.5%,近一半的全球生态系统提供的服务。他们是世界上最富有成效的和有价值的生态系统(Costanza et al ., 1997;Zedler 2003)。湿地发挥关键作用在调节径流,减轻洪水灾害,改善水质量(Zhang et al ., 2011)。湿地还提供必要的许多植物和动物栖息地,维护生态稳定和保护生物多样性郭et al ., 2017;马达维et al ., 2018)。高山湿地是位于山林和以上和冰川,目前在世界大部分的山脉和被定义为小(1米²几平方公顷)和浅水体的特征至少季节性的地表水,和全球高山湿地通常经验较强的气候变化与低空湿地(Wissinger et al ., 2016;Zhang et al ., 2016;卡尔森et al ., 2020)。作为一种特殊类型的湿地,高山湿地发挥重要作用在植物和动物保护,环境气候调节和物质循环在青藏高原地区(赵et al ., 2014)。

中国的湿地地区主要分布在青藏高原(QTP)和东北地区,估计451084±2014公里²在2015年(毛et al ., 2020)。湿地面积在西藏、青海、内蒙古、黑龙江和新疆省占中国湿地总面积的53.7% (毛et al ., 2020)。QTP高山湿地被广泛开发,湿地在中国(占总数的13.99%盾和徐,2018)。近年来,气候变化将导致更严重的变暖在高海拔和纬度,因为全球变暖不一致的模式(埃利斯和罗什福尔,2006年)。QTP是最敏感和脆弱的地区之一,在强烈的气候变化的影响(雪et al ., 2014)。研究表明,气候变化的一个重要原因QTP湿地的退化(吴et al ., 2017)。气候变化主要影响湿地通过变量温度和降水(王R et al ., 2020)。在过去的40年里,大约10%的高山湿地QTP消失了(Zhang et al ., 2020)。根据政府间气候变化专门委员会第四次评估报告,雪等人的模拟表明,大约35.7%的湿地严重变暖将会在2080年消失的,即使在最乐观的情况下(雪et al ., 2014)。保护高山湿地,准确、可靠和快速的信息分布是一个重要的高山湿地保护的先决条件。

遥感技术已广泛应用于湿地调查和识别由于其覆盖面广的优势,方便实时信息采集和收集(Zhang et al ., 2021)。与低海拔地区相比,湿地监测和识别QTP是困难的和收集野外观察特别耗费时间。在大多数情况下,遥感是唯一可行的高山湿地监测和研究方法。先前的研究主要依赖于陆地卫星卫星传感器(海量存储系统(MSS)中,TM、ETM +和奥利)和现货图片湿地监测和土地覆盖映射(撒德牌et al ., 1995;李和贾,2008年;法et al ., 2016)。数家全球土地覆盖产品使用遥感图像映射湿地的分布,包括GlobalLand30 (2014年6月et al .,;陈et al ., 2015),FROM-GLC BUMODIS (fiedl的用于检查电子邮件地址et al ., 2002),GLCNMO 2013 (小林et al ., 2017)和DIS封面(Loveland et al ., 2000全球土地覆盖)和GLC2000 (2000) (Bartholome贝尔沃德,2005)。虽然这些数据集也被广泛使用,其准确性和质量不满意对许多应用程序(陈et al ., 2015),包括高山湿地的提取。许多研究人员(Iwao et al ., 2006;锣,2009;弗里茨et al ., 2010)强调了这些数据的缺陷,如明显低精度和低一致性在产品(陈et al ., 2015)。湿地的定义在许多数据产品是不确定的;例如,没有一个统一的标准定义的沼泽,沼泽和沼泽和湿地定义不科学(Mitra et al ., 2005;阴et al ., 2014)。湿地的多样性定义将湿地边界模糊,然后影响湿地的分类(王J et al ., 2020)。

使用最广泛的湿地分类算法包括传统的k - means,最小距离和最大似然(ML)方法(奥尔德里奇,1997)。先进的算法包括支持向量机(SVM) (议会和Vapnik, 1995),决策树(DT) (Breiman 2001)和随机森林(RF) (Breiman 2001)。然而,映射高山湿地提出的挑战由于特殊的地形条件,和常见的提取方法往往是不准确的。学者提取TM数据的中下游湿地Ngu河从1986年到2000年(黄et al ., 2005),总结了湿地的遥感数据的光谱特征在内蒙古西部,建立了解释指标(孟et al ., 2007)。李等人用TM数据提取黄河湿地通过主成分分析和决策树(李et al ., 2009)。李等人使用地球资源观测卫星8操作陆地成像仪(奥利)数据提取盖洛地区湿地,与支持向量机相比,射频和DT的方法,得出射频和DT高山湿地有更好的提取效果(李et al ., 2020)。这些研究大多是基于像素分类的基础上,依靠大量的地面样品(勇敢的,2015;梅et al ., 2015;毛et al ., 2020)。此外,大多数研究景观指标如形状和纹理指标用于湿地识别(Dronova 2015)。最近,湿地的研究已经进行了面向对象的图像分割方法,它可以描述一个图像作为一个均质对象,使用不同的决策规则,合理划分和提取湿地(Blaschke 2010;Dronova et al ., 2011;Dronova 2015;毛et al ., 2018 b;坎贝尔和王出版社,2019年版)。

本研究的主要目的是地图湿地黄河源区的八奥利(HAYR)和陆地卫星数据和开发一种提取方法适合高山湿地,基于面向对象和决策树耦合分析结合地形地貌。具体目标是:1)提高HAYR湿地区域的提取精度,b)现有湿地提取方法和已有的结果进行比较,c)验证HAYR湿地分布和地形之间的关系。

2研究区

研究区域(33°56′-35°25′N, 95°52 22′′-98°E)位于东北QTP,青海省,中国西南地区,在北部的巴Har山,跨越Maduo Qumalai县,总面积为2.1×10⁴公里²(图1)。的平均海拔高原面积大于4500 m。

图1

图1。研究区域的位置、地区利益(ROI)和现场确认点;LP:湖积平原;美联社:alluvial-proluvial平原;议员:山地平原。

它有一个半干旱大陆高山气候(罗et al ., 2018),年降水量的287.49 - -754.36毫米和年度−4°C的温度(田et al ., 2018;Zhang et al ., 2020700 - 900毫米),年度蒸发(段et al ., 2015)。在这个地区,80%以上的面积冻土,和一些零星的或孤立的多年冻土和季节性冻土(李et al ., 2016;罗et al ., 2018)。海拔高度和地形很大程度上决定厚度和冻土的热状态。永冻层的厚度和温度变得更厚和低海拔(罗et al ., 2018)。由于冻层充当semi-impermeable障碍,极大地限制了水从上部土层的排水,所以当表土层融化季节,突然暴雨发生和液态水往往被保留在地表附近,形成季节性湿地(Avis et al ., 2011)。这些湿地是高度依赖于降雨和有强烈的波动,所以他们并不包含在这次的分类。南部的高山草甸植被主要由HAYR和高山草原北部同行(罗et al ., 2020)。

研究区是由无数小湖泊和热岩溶池塘,这在很大程度上是在山谷或底部的开发黄河的主流,以及高山平原和沼泽草地(罗et al ., 2020)。高山地区的物种的多样性是保证湿地的存在。高山湿地生态系统生物多样性是重要的水和水库和代表一个关键QTP生态类型自然保护区(赵和他,2000年;一个2003)。

3数据和方法

3.1数据来源和处理

对于这一分析,我们依靠陆地卫星多光谱图像获取的八个奥利卫星,是来自美国地质调查局(USGS,下载https://www.usgs.gov/)卫星图像分析和图像分辨率是30米。总共三个场景的奥利图像路径从134年到135年,从35到36行需要覆盖整个HAYR的土地面积。QTP植被生长从6月到10月(段et al ., 2021),所以图像的7月至10月是首选,但云量导致找不到合适的图像在7月和8月。所选数据中列出表1。

表1

表1。陆地卫星的细节八奥利场景中使用的研究。

地球资源观测卫星8奥利拥有九个光谱波段图像空间分辨率为30米(Band1:沿海,二级:蓝色,Band3:绿色,四六级:红色,Band5:近红外光谱,Band6: SWIR1, Band7: SWIR2, Band9:卷)除了全色波段(Band8: Pan)在15米的空间分辨率。在湿地信息提取、遥感图像预处理通过几何校正、辐射校正、大气校正等,为了减少错误造成的地形、坡度角和方面,山的影子,等。所有处理都使用了5.3软件的环境。此外,ASTER GDEM数字高程数据空间分辨率为30米和扫描线覆盖整个研究区下载。坡层生成的DEM数据利用ArcGIS软件(版本10.8)。

3.2方法

面向对象和决策树分类方法在这项研究中准确地提取高山湿地相结合。首先,研究预处理图像区域分割生成均匀的景观对象。然后,图像光谱指数如归一化植被指数(NDVI)、归一化水指数(NDWI)计算。根据地貌类型,研究分为湖积平原,alluvial-proluvial平原和山地平原(图1)。湿地样本从湿地中提取的三个地区,和光谱参数的指数进行统计分析来确定阈值。在以下部分中描述的详细的处理步骤。

3.2.1由面向对象的信息提取方法

整个分类过程与特征提取模块进行ENVI5.3软件。所示的详细过程图2,首先确定地区湿地类型使用湿地公约和当地标准青海省DB63T 1746 - 2019为高山湿地遥感分类技术指导。区域土地覆盖类型分为六大类:河流和湖泊、沼泽湿地,湿地,洪水高植被覆盖地区,低植被覆盖区域,和裸露的土地。所示的详细信息表2。

图2

图2。ODTC的一般描述。(一)分类流程图;(B)分层决策树。归一化植被指数NDVI:;NDWI:归一化水指数;WI:湿润指数;NDMI:归一化水分指数。

表2

表2。湿地和土地覆盖类型类别见陆地卫星八奥利彩色合成(乐队7、5、3)和现场照片。

第二步是确定最合适的图像分割和合并规模水平的组合。每个图像被分割成几个小块对象相似的属性。每个对象代表像素范围内的组合有相同或相似的属性。大规模的分割产生更少的补丁,而是因为它结合了不同类型的特点,它导致大错误。沙石分割产生更多的补丁和也会导致一个大错误。特别重要的是选择一个合适的分割尺度,因为它直接影响分类的准确性。适当的分割尺度不同的地区和形象。在特征提取模块,有两种分割算法(边缘和强度)和两种合并算法(全λ快速调度和λ),可以选择。

在这项研究中,我们选择算法和边缘λ调度算法。我们应用一种试错的方法,进行许多实验结合分割和合并水平来确定最优规模。图3显示六个分割尺度从30到80。30导致过分割的分割水平(图3 b)。地面的过度分割对象会导致低不同图像之间的分离性对象,降低分类精度。分割尺度的80组不同的片段/对象到一个对象(图3 g)。这也意味着,后续无法正确进行信息提取。图3 d显示了最优分割尺度的结果(50)和合并水平(20),内部一致性高,清晰的边界轮廓和地面的对象显然是有区别的。

图3

图3。分割结果的对比在不同尺度根据陆地卫星八奥利;背景图像八奥利是一个陆地卫星图像复合从乐队7、5、3。(一)原始图像。(B)分割尺度:30。(C)分割尺度:40。(D)分割规模:50。(E)分割尺度:60。(F)分割规模:70。(G)分割规模:80。

为了更好地反映最优分割尺度分割的影响,我们选择分割图像代表区域分析(图4)。在图4一沼泽,高植被覆盖地区,低植被覆盖区域,显然,和湖泊也集中在一个对象(内部同质性高。图4 b显示淹没了湿地,裸露的土地,和低植被覆盖区域。图4 c显示高植被覆盖地区,低植被覆盖区域和沼泽。河流,淹没了湿地、沼泽和低植被覆盖区域主要是所示图4 d。总的来说,Landsat8具有良好的分割效果,最优分割尺度是50,合并范围是20。

图4

图4。根据陆地卫星图像分割的素描图代表地区八个奥利。红色的线条代表的对象边界。(一)沼泽,高植被覆盖区域,低植被覆盖区域,和湖泊;(B)淹没了湿地、裸地和低植被覆盖区域;(C)高植被覆盖地区,低植被覆盖区域和湿地;(D)河流,淹没了湿地、沼泽和低植被覆盖区域。

第三步是计算植被指数(表3)。然后,研究区被划分为湖积平原,alluvial-proluvial平原和山地平原根据海拔高度和地形特征。基于区域地形、地貌,我们提取采样点分别为多个地貌单元。根据统计结果,4265米和4300米的海拔是作为三种类型的地貌单元的边界。的光谱特征和地物特征三种类型的区域特性被采样,并根据提取阈值确定的结果。构建决策树分类的图像为例图5符合统计结果。的图5提出了分类规则的一个例子在一块美联社描述湿地。

表3

表3。图像目标识别湿地分类的特性列表。

图5

图5。分类规则的一个例子描述在一块湖积平原湿地。

第四步是使用其他分类方法,如支持向量机(SVM),决策树方法(DT)和随机森林方法(RF)比较,验证该方法的优点。分类方法应用采用默认参数值在5.3的环境。

3.2.2分类精度评估

使用混淆矩阵方法的分类结果进行评估。地区的利益(roi)被发现在图像通过目视判读和数字化,并用于计算分类精度。进一步评估分类结果的可靠性,现场调查和现场信息收集进行了研究区域2020年和2021年。分布的样本所示图1。在这项研究中,共有848个表面感兴趣区域选择样本来验证分类的准确性。

为了进一步验证分类精度,我们使用了一种新的综合指数之间的距离指数模拟和观测(DISO) (胡锦涛等人。,2019年;周et al ., 2021)比较每个分类的准确性。湿地的真正身份地位(这里注意= (a1, a2,…)]和模型模拟湿地分布结果(这里我们注意B = (b1, b2,…, bn)],我们有:

R = \frac{\sum_{我 = 0}^{n} ({一个}_{我} - \bar{一个}) (b_{我} - b)}{\sqrt{\sum_{我 = 0}^{n} {({一个}_{我} - \bar{一个})}^{2}} \sqrt{\sum_{我 = 0}^{n} {(b_{我} - b)}^{2}}} (1)

一个 E = \frac{1}{n} \sum_{0}^{n} (b_{我} - {一个}_{我}) (2)

R 米 年代 R = \sqrt{\frac{1}{n} \sum_{0}^{n} {(b_{我} - {一个}_{我})}^{2}} (3)

D 我 年代 O = \sqrt{{(R - R_{0})}^{2} + {(R B - R B_{0})}^{2} + {(N R 米 年代 E - N R 米 年代 E_{0})}^{2}} (4)

\begin{array}{c} R B = \frac{一个 E}{|\bar{一个}|} & N R 米 年代 E = \frac{R 米 年代 E}{|\bar{一个}|} \end{array} (5)

接待员:相关系数的强度和方向线性模拟和观测数据之间的联系;AE:绝对误差在测量任何持久偏差(积极的低估和高估负面的)从观测数据;RMSE:量化的均方根误差平均偏移振幅。

最好的性能得到最好的统计指标,如R = 1, AE = 0, NRMSE = 0 (周et al ., 2021)。然后DISO的形式:

D 我 年代 O = \sqrt{{(R - 1)}^{2} + R B^{2} + N R 米 年代 E^{2}} (6)

3.2.3湿地分布和地形

HAYR湿地地图结合ASTER GDEM ArcGIS10.8软件中的数据分析分布与当地的地形。

进一步展示湿地发展之间的关系和地形和水文地质条件,本研究分析了高程、坡度、岩性和湿地分布数据。边坡研究的区域被划分为九年级(表4),以及岩性,是叠加在湿地分布。

表4

表4。坡度。

4的结果

4.1评估的分类精度

土地覆盖分类的总体精度为98.9%,Kappa系数是0.98 (表5),证实本研究中采用的方法适用于提取HAYR湿地。详细的结果中可以看到土地覆盖分类图(图6)。为了进一步突出湿地的分布,图6洪水是简化为只显示沼泽,湿地,湖泊和河流,HAYR湿地分布地图是由(图7)。

表5

表5。的土地覆盖分类精度HAYR。

图6

图6。HAYR土地覆盖分类。

图7

图7。HAYR湿地空间分布。

4.2 HAYR湿地的面积和分布

HAYR的湿地面积约为3412.3公里²在2020年和由输入总结表6。湿地广泛分布在研究区有明显的空间异质性图7)。

表6

表6。统计在HAYR土地覆盖类型的区域。

沼泽湿地的面积占HAYR湿地总面积的37.7%。沼泽湿地一般都分布在湖的边缘池塘和山前冲积扇的地下水溢出区。在山区,地下水溢出区域和inter-mountain汇水盆地也容易发展沼泽湿地。洪水的湿地,湿地面积最小,主要是在东北和西北地区,约占16.7%的湿地。洪水地区湿地形成峡谷、河流等容易被洪水淹没由大气降水引起的。河流和湖泊,重要的水资源,广泛分布于HAYR,总面积约1556.5公里²。该地区两个最大的湖泊,湖Gyaring Ngoring湖,位于东北部。两个湖的存在中发挥着重要作用在HAYR湿地的形成和发展。

4.3现场验证

总共13场验证采样点收集在2021年(图1),12人正确分类结果的准确率达到了92.3%面向对象的决策树分类方法。11湿地样本包含在13场样本,其中10例正确分类准确率达到了90.9%。一个字段验证分类错误的样本点,它被证实为湿地,但分类结果表明,这是一个high-cover植被区。因为下雨在研究区实地调查前,和这一点是位于汇水盆地之间的山脉,这是有利于地下水收集和容易发展成一种季节性湿地,很容易产生错误,我们可以看到图8。

图8

图8。季节性降雨形成的湿地在流域地区。

所有14场验证样本收集2020年7月(图1)符合本研究的分类结果。因为选择的遥感图像从9月到2020年10月,这种方法的准确性在高山湿地提取和该方法的适用性在高山湿地提取进一步证实。

4.4地形和地质分析

为了更好地看到湿地的分布特征在研究区,湿地地图three-dimensionalized (图9)。大量湿地被发现是广泛分布在河流、湖流域北部和西部地区。在湖和沼泽湿地分布在南部阿尔卑斯高山地区和高山湿地主要位于山麓地区,地下水溢出带山麓冲积扇和高山盆地。HAYR湿地的分布和发展是密切相关的地形和水文地质条件。结合地形地貌的方法用于提取湿地研究中进一步证实。提出的方法可以起到至关重要的作用在高山湿地的研究。

图9

图9。3 d黄河湿地地图的来源。

关于湿地的分布,有强烈的差异在海拔高度、边坡和岩性。水体主要是4156米和4319米之间的美国手语。湿地主要是现在的4250米和4680米之间,而湿地面积大幅增加4450左右。洪水湿地主要是集中在4250米和4550米(图10)。湿地主要分布地区的斜率小于8°。这些地区地势低洼,有良好的排水条件。在湖泊和河流中,85%分布在区域的斜率小于2°。超过85%的洪水湿地和83%的沼泽湿地位于不到6°(斜坡的区域图11)。

图10

图10。海拔湿地的特点在黄河的源头。

图11

图11。湿地的斜率特征黄河的源头。

在研究区岩性类型有很多,可分为沉积岩、岩浆岩和第四纪松散沉积物(http://www.resdc.cn/)。超过95%的河流和湖泊,沼泽湿地的81%和89%的洪水湿地分布在第四纪松散沉积物区(图12)。

图12

图12。HAYR湿地的岩性特征。

5讨论

本研究使用30米从陆地卫星遥感数据空间分辨率8生产最详细的湿地HAYR的地图。映射结果基于湿地公约和青海省湿地分类标准和2年的实地采样。结果可用于高山湿地生态研究和高山湿地保护收集到的样本包括一个完整的范围的物种。由于研究位置的特殊性,有HAYR湿地的研究相对较少。此外,大多数研究表明高山湿地的一些误解。他们中的大多数分类高山草甸湿地,或大量涌入low-cover湿地植被区域,甚至只是将湿地分为湿地和水体。结果,提取高山湿地高估或低估。通(通et al ., 2014)分裂中国的三江源头地区湿地分为两类:马什和水体。张(Jiping et al ., 2011)在Damqu盆地划分湿地,长江源区,进入河流,湖泊和沼泽的。张(Zhang et al ., 2021)把珠穆朗玛峰地区湿地Pumqu盆地入河流、湖泊、沼泽和湿地。然而,张没有考虑山谷之间的排水区,洪水,只有识别和提取湿地周围的河流。本研究在一定程度上解决了这些研究的问题。

5.1与其他方法进行比较

的比较八分类方法的分类精度测试在这项研究中所示表7。我们比较了分类精度的ODTC七个常用的机器学习算法,如支持向量机、CNN和射频。ODTC的结果表明,该分类精度提高了10% -20%,这七个方法,和ODTC用户精度更高,生产者精度,总体精度和kappa系数。在湖区湿地提取效果,七种分类方法的准确性是相似的,但准确性很差alluvial-diluvial地区和山区。湖积平原的湿地是典型的,很容易区别于周围的植被,但在山区和high-cover湿地植被相互交错。SVM和RF是基于像素分类,像素包含多个对象信息。最大似然法和最小距离法可以准确地分类这些土地覆盖纯粹基于陆地卫星光谱特性。然而,像素分类使用这些传统方法不推荐,因为非常复杂的分类器缺乏复杂的光谱歧视特性(陆et al ., 2004)。我们使用DISO这些八个方法比较,结果表明,ODTC有最好的精度,而车精度很低,因为它不能识别山湿地。

表7

表7。湿地遥感分类的结果使用八个方法研究区域。

所示图13,车相对准确的提取在湖区湿地和河流,但在皮埃蒙特和高山湿地表现很差。射频具有良好的萃取效果山麓和高山湿地,但有一个大的错误在河流和湖泊湿地的提取,提取范围太大。最小距离法、最大似然法和Mahalanobis距离法都有大的错误,和高估湿地。上面的方法错误识别高山草甸湿地,而地下水溢出带山前冲积洪积扇被确定为低植被覆盖区域或裸露的土地。因此,这五种分类方法不适合高原地区。与前五个方法相比,NCC的准确性和支持向量机方法是相对较高的,Kappa系数和OA达到0.82%,88.1%和0.84 89.0%,分别。然而,仍然有一定数量的错误分类,识别遗漏的高山湿地,所以他们也不适合提取HAYR湿地。

图13

图13。8个分类方法的比较。

5.2与其他湿地地图

土地利用数据对中国和其他全球土地覆盖数据库,如ChinaCover (毛et al ., 2018 a)和相关(陈et al ., 2015),识别并提取湿地评估土地利用区域或使用类型。例如,在相关所有湿地分为一个类。尽管有分歧,CAS_wetlands (毛et al ., 2020)不单独湿地沼泽湿地和洪水。前者是由草植被密度高,而后者主要发展在山谷或河流的洪水易发地区,植被密度低。这些问题已经解决。

相应的源地区的黄河是提取自相关和CAS_wetlands,和我们相比之下,这项研究的结果(图14)。湿地面积、相关太小,存在一定程度的缺陷在阿尔卑斯高山地区的湿地和湿地周围河流(图14 b)。该湿地提取CAS_wetlands夸张,大面积的高植被是错误地认定为湿地;在湿地地下水溢出带前面的冲积扇不明确确定的产品(图14 c)。湿地的误分类的原因是高海拔寒冷地区的特异性是不考虑。此外,CAS_wetlands没有考虑地形和地貌因素和水文地质条件,因此湿地没有确定地下水溢出区域如山麓alluvial-proluvial风扇和inter-mountain汇水盆地。出于这个原因,CAS_wetlands不适合高海拔湿地映射。为了更好的比较,基于四个典型区域选择比较图14,见表8。

图14

图14。湿地地图黄河源区的从不同的数据集(一)。陆地卫星奥利彩色合成(乐队7、5、3)(B)相关湿地。(C)CAS_wetlands。(D)面向对象与决策树结合湿地提取结果(本研究)。

表8

表8。比较四个区域的提取结果由不同数据集HAYR(所示的正方形图8)。

可以欣赏表8,本研究中使用的方法可以准确地提取河流和湖泊湿地和湿地山麓。作为一个典型的河流源区,HAYR也是典型的高山湿地的湿地。因此,在这项研究中使用的高山湿地提取方法是适用于整个地区的三条河流地区甚至QTP来源。这个新的提取方法的高山湿地可以提高监测高山湿地全国和全球应该测试在未来工作。

6结论

在这项研究中,基于面向对象方法的湿地分类系统结合决策树和地形特征应用于陆地卫星八奥利图像映射HAYR的湿地。本研究取得了最精确的和最新的估计HAYR所有类型的湿地。2020年,HAYR的面积约为3412.3公里²,其中45.6%被湖和河湿地占领。在三种类型的湿地,沼泽湿地占地1286.6公里²,占湿地总面积的37.7%。他们分布在高山汇水盆地,周围山麓alluvial-proluvial风扇和湖,和分布大致沿着西北到东南方向,并可以被认为有一定的与地质构造的关系。尽管永久性湿地,准确的提取结果季节性湿地,河流和湖泊并不令人满意。由于大型季节性湿地变化的不确定性,本文中使用的方法不适合季节性湿地和模型需要更多的专业知识,需要仔细确定阈值。考虑到湿地的可持续保护和管理需要在高纬度地区,未来的工作将需要使用高分辨率遥感数据来改善季节性湿地的分类。

数据可用性声明

原始数据支持了本文的结论将由作者提供,没有过度的预订。

作者的贡献

YF SL导致研究的概念;泰SL进行实验;泰YF极大地推动了分析和手稿准备;泰吉瓦,LW, DY执行数据分析和写的手稿;XK和PW进行了分析与建设性的讨论。

资金

这项研究得到了国家自然科学基金(92047202,92047202,92047202,91125011),在中国科学院的战略重点研究项目(批准号XDA2010010306),中国地质调查局自2000年以来,中央大学的基础研究基金。

确认

作者非常感谢编辑和审稿人的宝贵的意见和建议使用他们的时间和精力来改善这个手稿。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

审稿人ZH型宣布与作者DY共享关系处理编辑器时审查。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用

奥尔德里奇,j . (1997)。RA费舍尔和最大似然1912 - 1922。统计科学。12 (3),162 - 176。