关键词：
针叶林
遥感
云计算
浅层学习
深度学习
多源遥感影像
时空分析
摘要：
森林作为世界上最大的陆地生态系统,在维持和促进生态环境健康发展起着至关重要的作用,并有助于实现联合国的可持续发展目标（Sustainable Development Goals,SDGs）中的第15项。辽西北地区毗邻内蒙古科尔沁沙地,是三北防护林建设的重点地区之一。针叶树种是辽西北地区主要的造林树种,由于森林砍伐、病虫害、城市化等原因,针叶林出现了退化现象。基于此,迫切地需要对辽西北地区针叶林进行准确统计,并对其分布和变化进行驱动因素分析,从而为科学地制定森林可持续经营策略,促进针叶林的健康合理生长提供技术支撑,并进一步辅助政府决策。
遥感技术、大数据、云计算等新兴技术的发展,使得在大区域进行森林信息快速、准确地获取成为可能。然而,目前鲜有研究综合使用这些技术实现对辽西北半干旱地区针叶林的提取,该地区的针叶林分布等信息仍然未知。因此本文在遥感云计算平台Google Earth Engine（GEE）数据、算力支撑的情况下,尝试使用不同机器学习算法（浅层学习和深度学习）和可公开获取的中等分辨率多源遥感影像,对辽西北半干旱地区针叶林进行提取、时空分布和相应的驱动因素分析,本文的主要工作内容以及取得的研究成果总结如下:
（1）基于GEE遥感云计算平台,使用三种典型的浅层学习算法（SVM、RF和MLP）,结合Landsat-8 OLI、Sentinel-2 A/B和Gaofen-1三种公开的遥感影像的不同波段组合和构建出的光谱指数（NDVI、EVI、NDWI和MSAVI）,构建出的27种模型,用于辽西北地区针叶林提取。经实验发现:在算法方面,使用SVM对针叶林的提取准确率最高,其次是RF和MLP。SVM对空间几何信息更敏感,而RF和MLP对光谱信息更敏感。对于中等分辨率的遥感影像,针叶林的识别精度随着空间分辨率和光谱分辨率的提升而升高。光谱指数有助于提高针叶林的提取精度,使用Gaofen-1进行针叶林提取过程中,在添加光谱指数后整体精度提升达到了2.2%,Sentinel-2和Landsat-8 OLI的提取精度也分别提高了2.1%和1.3%。使用SVM结合带有光谱指数的Sentinel-2数据集对针叶林识别的准确率最高,总体精度达到了88.6%。
（2）通过将U2-Net深度学习模型部署在GEE中,并结合Landsat系列遥感影像来提取1985-2020年每隔5年（1985、1990、1995、2000、2005、2010、2015和2020年）的辽西北地区长时序针叶林。针对深度学习训练所需的样本难以获取的问题,基于（1）中的研究成果,使用SVM和带有光谱指数的Sentinel-2数据集,结合手工后处理,进行了训练样本的高效制作。将U2-Net模型与另外三种Unet变体（即Resnet50-Unet、Mobile-Unet和U-Net）在针叶林提取中的表现进行了比较。评估了U2-Net在Landsat-5 TM、Landsat-7 ETM+和Landsat-8 OLI遥感图像上提取不同年份针叶林的时间可迁移性。将所获得的针叶林分布结果与三种全球土地覆盖产品进行了比较。结果表明:基于结合GEE和U2-Net的针叶林提取方法具有较好的精度和速度,F1-score、OA、Precision、Recall和Kappa系数达到了95.4%、94.2%、96.6%、95.5%和0.94,优于其他三个Unet模型变体;利用特定时间采集的样本训练的模型可以用于预测不同年份、不同数据源上的针叶林分布,说明该方法具有较好的时间可迁移性;与三种公开的全球土地覆盖产品相比,本文所提取的针叶林精度相对较高。
（3）综合利用像素级浅层学习和对象级深度学习算法的优势,以光学遥感影像Landsat-8 OLI和雷达Sentinel-1影像为数据源,结合GEE平台的优势,提出了一种融合浅层学习算法（SVM和RF）和深度学习算法（U2-Net和Resnet-50）的辽西北地区针叶林提取方法——多分类器融合算法,结果表明:应用多分类器融合和多源遥感影像（Landsat-8 OLI和Sentinel-1）融合的方法对于辽西北地区针叶林制图是可靠的,F1-score、Precision、Recall、OA和Kappa系数分别为97.1%、96.3%、98%、97.6%和0.96,优于使用任何一个单个分类器的提取结果;与单独使用Landsat-8 OLI相比,联合使用Landsat-8 OLI与Sentinel-1能够提升针叶林提取的精度,F1-score、Precision、Recall、OA和Kappa系数分别提高了0.9%、1.3%、0.7%、1.1%和0.8%;使用此种方法提取的辽西北地区针叶林总面积为6013.67 km2,占研究区总面积的9.59%。
（
欢迎来到三峡大学图书馆！
