海岸带红树林范围与种类识别精度的荟萃分析

沈小雪, 张志, 翟朝阳, 李瑞利?

北京大学深圳研究生院环境与能源学院, 深圳 518055

收稿日期:2021-01-04修回日期:2021-03-19出版日期:2022-01-20

基金资助:广东省海洋经济发展专项资金(粤自然资合[2020]059 号)和深圳市科技创新委员会自然科学基金重点项目JCYJ20200109140605948)资助

A Meta-Analysis of the Overall Accuracy of Extent andSpecies of the Coastal Mangroves

SHEN Xiaoxue, ZHANG Zhi, ZHAI Chaoyang, LI Ruili^?

School of Environment and Energy, Peking University Shenzhen Graduate School, Shenzhen 518055

Received:2021-01-04Revised:2021-03-19Published:2022-01-20

摘要/Abstract

摘要： 对2000年以来基于遥感数据的红树林范围与种类识别的研究结果进行荟萃分析, 阐明红树林范围和种类识别精度的现状, 分析遥感数据源、分类算法、地物类型和物种数对总体精度的影响。结果表明, 红树林范围识别的总体精度范围为55.7%~99.7%; 约66%的研究基于Landsat遥感数据开展, 且总体精度最高(75%~99.7%); 光学遥感与雷达数据融合可有效地提高范围识别的总体精度(>90%); 地物类型越简单(≤3种)或越复杂(≥6种), 范围识别的总体精度越高, 越稳定。红树植物种类识别的总体精度为 64%~98.6%; 空间分辨率越接近红树植物冠幅尺寸, 种类识别的总体精度越高; 在高空间分辨率遥感数据源中, 有短波红外波段的数据源种类识别总体精度高于无短波红外波段; 多源遥感数据融合和植物特征信息有助于提高种类识别的总体精度; 种类识别算法以监督机器学习算法中的支持向量机(SVM)、最大似然分类(MLC)和随机森林(RF)算法应用为最广, 总体精度更高; 随物种数增加, 种类识别总体精度因遥感数据源和分类算法而异。红树林范围和种类识别精度还有提升空间, 遥感数据源、分类算法、地物类型和物种数均会影响识别精度。

引用本文

沈小雪, 张志, 翟朝阳, 李瑞利. 海岸带红树林范围与种类识别精度的荟萃分析[J]. 北京大学学报自然科学版, 2022, 58(1): 135-146.
SHEN Xiaoxue, ZHANG Zhi, ZHAI Chaoyang, LI Ruili. A Meta-Analysis of the Overall Accuracy of Extent andSpecies of the Coastal Mangroves[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2022, 58(1): 135-146.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3708