利用Sentinel-2与无人机(UAV)数据绘制坦桑尼亚纸莎草(Cyperus papyrus)主导马拉(Mara)湿地的火烧动态

《Remote Sensing Applications: Society and Environment》:Mapping wetland fire dynamics with Sentinel-2 and UAV data in the papyrus-dominated Mara Wetland, Tanzania

【字体: 大 中 小 】 时间:2026年07月05日 来源:Remote Sensing Applications: Society and Environment 3.8

编辑推荐:

  撒哈拉以南非洲的湿地是重要的栖息地,支撑着水生和陆生生态系统服务,但受人类活动严重退化,其中纸莎草(Cyperus papyrus)主导湿地的焚烧虽是主要干扰却鲜见报道且难以实地监测。本研究利用无人机(UAV, Unmanned Aerial Vehicle)

  
撒哈拉以南非洲的湿地是重要的栖息地,支撑着水生和陆生生态系统服务,但受人类活动严重退化,其中纸莎草(Cyperus papyrus)主导湿地的焚烧虽是主要干扰却鲜见报道且难以实地监测。本研究利用无人机(UAV, Unmanned Aerial Vehicle)载高分辨率正射影像作为训练与验证样本,在Google Earth Engine(GEE)平台上训练随机森林(Random Forest)分类器对坦桑尼亚Mara湿地的Sentinel-2多光谱影像进行火烧迹地(burned areas)提取。采用分层随机抽样策略分别在目视解译UAV数据和Sentinel-2数据上进行广泛验证以证明该方法可迁移至相似生境与气候区的其他区域。以UAV数据为验证基准时火烧迹地的用户精度(user's accuracy)与生产者精度(producer's accuracy)分别为58%和94%,以Sentinel-2数据为验证基准时分别为74%和95%。对2016—2024年Sentinel-2影像进行分类后发现Mara湿地在旱季被大面积焚烧,火烧面积峰值超过湿地总面积的40%。该研究提出的方法可为Mara湿地及其他受焚烧威胁的湿地植被、生境与生态系统的管理与保护提供支持。
论文解读:利用Sentinel-2与无人机数据绘制坦桑尼亚纸莎草主导马拉湿地火烧动态
撒哈拉以南非洲的湿地提供淡水、食物及重要的生态调节功能,纸莎草(Cyperus papyrus)沼泽是该区域典型湿地类型。然而此类湿地面临围垦、过度放牧、过度收割及人为焚烧等压力。纸莎草湿地焚烧常用于获取木炭、捕鱼(特别是肺鱼 Protopterusspp.)、狩猎或促进再生长,但会造成生境破坏、生物多样性丧失、土壤有机质氧化、河岸侵蚀及湿地过滤能力下降。由于湿地偏远难达,传统地面监测困难,而现有全球火烧产品(如ESA Fire_CCI 250 m、MODIS 500 m、Copernicus Land Monitoring Service 300 m)空间分辨率过粗,严重低估小范围湿地火;此外湿地中火烧迹地与开阔水体的光谱混淆及纸莎草本快速再生使时相窗口要求高。Sentinel-2(S2,10 m可见光—近红外波段,5天重访)为此类研究提供了契机。此前少有研究针对纸莎草湿地火烧检测,且Landsat(30 m,16天)时空分辨率受限。因此研究人员开展了结合UAV高分辨率影像与Sentinel-2影像,利用随机森林机器学习方法提取并分析Mara湿地2016—2024年火烧动态的研究,成果发表于 Remote Sensing Applications: Society and Environment。
研究人员于2023年2月28日至3月4日使用senseFly eBee X搭载AeriaX RGB传感器获取Mara湿地8个区域UAV正射影像(空间分辨率7.15 cm,覆盖约40.20 km2)作为参考与验证数据。选取Google Earth Engine(GEE)中Harmonized Sentinel-2 MSI Level-2A_collection筛选2016年11月23日至2024年2月10日云量≤8%并经QA60波段进一步云掩膜的165景影像,裁剪至研究区(AOI, Area of Interest)。分类选用S2的B2(蓝)、B3(绿)、B4(红)、B8(近红外NIR)、B11(短波红外SWIR1)、B12(SWIR2)波段及计算所得归一化植被指数(NDVI, Normalized Difference Vegetation Index)与归一化火烧比(NBR, Normalized Burn Ratio, NBR=(B8-B12)/(B8+B12)),设定四类地物:火烧迹地(burned areas)、纸莎草沼泽(papyrus swamp)、开阔水体(open water)、耕地/高地(cultivated or uplands)。在GEE中以ee.Classifier.smileRandomForest(100棵决策树)进行监督分类,训练样本由UAV正射影像与最接近时相S2影像(2023年3月7日)目视勾绘35个多边形并提取像素值获得。验证采用分层随机采样(每类50点,共200点)进行四项测试:验证1——训练期S2分类图UAV调查区内以UAV目视解译为参照;验证2——同区以S2目视解译为参照;验证3——全AOI以S2目视解译为参照;验证4——独立日期S2影像(2019年2月26日)全AOI以S2目视解译为参照。对165景分类结果计算各期火烧面积、湿地面积(纸莎草+开阔水+火烧迹地)及火烧频率(各像元被分为火烧的次数/总影像数)。
4.1. Validation
总体精度(OA, Overall Accuracy)为87%—95%。火烧迹地在UAV参照验证(验证1)中用户精度(UA, User's Accuracy)58%、生产者精度(PA, Producer's Accuracy)94%,主要误差来源为火烧迹地与耕地/高地光谱混淆导致火烧高估(混合像元及窄河道/河岸误分),少量因UAV与S2时相差及再生长造成;以S2自身参照(验证2、3)UA提升至72%—74%,PA保持95%;跨时相验证(验证4)UA 85%、PA 98%,表明模型具时间迁移性。纸莎草沼泽、开阔水体各类精度均>88%。
4.2. Time series and frequency analysis
湿地面积(WA, Wetland Area)与火烧面积(BA, Burned Area)呈反相位关系:湿季WA扩大BA缩小,旱季WA收缩BA扩大。研究期内平均WA约352.2 km2(SD=25.6 km2),平均BA约33.6 km2(SD=19.3 km2),占WA均值11.7%(SD=7.2%)。最大BA出现在2022年8月19日,达112.08 km2,占当时WA的40.48%;最小BA为2021年5月21日7.21 km2(占WA 2.08%)。火烧频率图中最大归一化频率为0.413,平均0.085(STD=0.057),西南及东部边缘更易频繁过火,研究期内有11 km2区域过火频率≥20%。
讨论与结论
研究指出主要局限为火烧迹地与耕地/高地混淆(光谱相似)及UAV—S2时空失配引起的混合像元问题,但未引入静态水体掩膜以避免遗漏动态湿地火烧。与Kool等(2022)相比,本研究限定稳定纸莎草区使WA估算偏小。季节分析确认Mara湿地纸莎草主要在旱季末至旱季被焚烧,峰值在旱期末。尽管纸莎草再生快,大范围频繁焚烧可能引发有机土氧化、河岸侵蚀、沉积物截留能力下降、燃烧残留物污染及生物致死等负面效应。该方法与时间序列结果可辅助管理部门针对高频过火时段与区位进行干预。研究人员得出结论:(1) 基于UAV样本训练的随机森林模型可有效利用Sentinel-2影像提取纸莎草湿地火烧迹地,2016—2024年时间序列显示旱季火烧峰值超湿地面积40%;(2) 该方法及结果可支持Mara湿地及其他热带纸莎草湿地的监测、管理与保护。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号