论文部分内容阅读
准确了解紫金山植被变化信息,包括变化的位置、面积及方向(植被的增多或减少)可以为景区管理和资源配置提供可靠的数据支持。高分辨率遥感影像的发展使变化检测更加精细化。本研究的主要目的是利用多时相跨传感器高分辨率遥感影像来定位和量化南京市紫金山植被变化情况,并分析主要驱动因素,为景区可持续经营提供有价值的参考。本文以2004年7月QuickBird影像、2009年6月Ikonos影像、2015年7月WorldView-2影像和2018年4月GF-2影像为数据源,首先进行影像融合以充分结合全色影像的高分辨率信息和多光谱影像的光谱信息,在影像融合的基础上利用NDVI(Normalized Difference Vegetation Index)差值法、多指标综合变化分析(Multi-index Integrated Change Analysis,MIICA)、主成分分析(Principal Component Analysis,PCA)法及光谱梯度差分法(Spectral Gradient Difference,SGD)四种基于像元的直接变化检测法,以ROC(Receiver Operating Characteristic)曲线法客观地确定变化阈值进行植被变化检测。并采用分层随机抽样进行精度验证,从而选择最佳检测方法进行面向对象的植被变化检测以减少检测结果的椒盐噪声。在面向对象的植被变化检测中,通过准确率(Precision,P)及查全率(Recall,R)确定的最佳分割尺度进行影像的分割,将分割影像作为输入数据,结合最佳基于像元的直接变化检测法进行面向对象的变化检测,并与基于像元的变化检测进行精度比较,从而选择最佳变化检测方法提取紫金山相应年份间植被变化信息。最后利用垂直不透水层指数(Perpendicular Impervious Index,PII)提取各年份影像不透水层,结合植被变化检测结果进行植被变化制图并计算变化面积、比例等定量参数,进而分析植被变化状况和主要驱动因素。结果表明:(1)在植被变化检测方法的比较上,MIICA在四种基于像元的直接变化检测方法中效果最佳,其总体精度和Kappa系数分别为0.884和0.804,因此被用于面向对象植被变化检测。而面向对象的MIICA总体精度和Kappa系数分别为0.902和0.836,要优于基于像元的MIICA,并在一定程度上减少了椒盐噪声对检测结果的影响。(2)在紫金山植被变化分析方面,2004-2009年植被增多比例较低(0.92%)而植被减少比例较高(2.16%)。造成植被变化的主要原因是旅游业发展的需求;2009-2015年,由于紫金山外围可开发利用土地面积已减少,加上环保绿化措施的增强,导致紫金山植被增多比例上升为1.36%,而减少比例下降为0.67%。尽管如此,仍然存在比较明显的建筑、道路的新增和扩张;2015-2018年,紫金山植被增多和减少的比例分别为0.92%和1.21%。这一时期植被变化情况相对稳定,并且受不透水层变化的影响下降。植被变化检测结果表明,尽管植被减少程度呈现下降的趋势,但植被转化为不透水层的区域仍然需要引起管理者重视。相关部门应该加强环保意识教育,加强对自然资源利用的多机构行政执法检查,规范建筑新增和扩张的审批环节,协调森林经营过程中的经济效益和生态效益。