2013–2022 年福建漳江口互花米草分布无人机遥感数据集

2024-01-11黄敏敏张宜辉周泽友朱旭东

中国科学数据(中英文网络版) 2023年4期

关键词：互花射影红树林

黄敏敏，张宜辉,3，周泽友，朱旭东,3＊

1.厦门大学，滨海湿地生态系统教育部重点实验室，福建厦门 361102

2.厦门大学，环境与生态学院，福建厦门 361102

3.厦门大学，近海海洋环境科学国家重点实验室，福建厦门 361102

4.福建省环境保护设计院有限公司，福州 350025

引言

红树林和盐沼是重要的滨海蓝碳生态系统[1]，在分布有红树林-盐沼交错区的滨海湿地，两者往往存在较强的竞争关系[2]。互花米草自从引进我国后，在沿海的大部分区域快速蔓延，已经入侵了红树林的栖息地，因此近年来，互花米草入侵与红树林保护随之成为研究的热门课题[3-4]。在没有人为干预的情况下，互花米草繁殖能力强，在滨海湿地长势旺盛，展现出对环境的极强适应性，加之缺乏天敌干扰，与红树林存在竞争关系，对滨海湿地的生态平衡产生威胁，因而研究互花米草的时空演替规律对红树林保护与恢复具有重要意义。

滨海湿地环境复杂，开展野外调研存在难度，而遥感技术可以快速有效地获取现场植被信息。目前广泛使用的遥感卫星数据，如Sentinel、Landsat 数据，虽然具有长时序优势[5]，可利用光谱特征进行指数计算，在大尺度的植被监测上具有无法取代的地位[6-8]，但难以满足在小区域、样方尺度上的植被群落演替研究。例如，中国科学院东北地理与农业生态研究所基于1990–2015 年多时相Landsat数据集，提取出中国沿海的互花米草空间分布，制作了30 m 分辨率的中国互花米草空间分布数据集[9-10]。该卫星数据集在区域尺度互花米草入侵研究中具有独特的优势，但因其空间分辨率较低，无法准确获得样方尺度的互花米草扩张信息，如互花米草入侵早期的小斑块扩张速率、红树林-互花米草交错区的植被演替细节等。

与Sentinel、Landsat 等卫星遥感影像相比，无人机遥感的优势在于其拥有高分辨率，可以更加快速、及时、经济地监测地表动态，并且能够有效避免云雾干扰，近距离观察地物及其时空变化[11]。同时，由于滨海湿地区域常有潮汐现象，无人机也可按潮水涨落情况灵活飞行，数据质量可控。

本数据集包括数字正射影像图（DOM）与基于DOM 分类提取出的互花米草空间分布数据。DOM在空间上覆盖了福建漳江口湿地红树林-互花米草交错区，时间范围是2013–2022 年，空间分辨率为20 cm。分类提取出的互花米草空间分布数据显示了互花米草的分布位置、范围及扩张趋势。本数据集可用作红树林-互花米草交错区植被演替研究的基础数据。本文从数据收集、处理方法、样本描述、数据质量、数据价值等方面对数据集进行了说明。

1 数据采集和处理方法

1.1 研究区概况

研究区位于中国福建省漳州市漳江口红树林国家级自然保护区内（117°24′07″E – 117°30′00″E，23°53′45″N – 23°56′00″N）的漳江口入海处，属亚热带季风气候，夏热冬温，所在海域的潮汐属于不规则半日潮。研究区拥有中国北回归线以北生长最好的红树林天然群落，主要类型有秋茄、白骨壤、桐花树、木榄等。2013–2022 年期间，互花米草也是此潮间带的主要物种，与红树林形成竞争关系。

图1 福建漳江口红树林-盐沼交错区湿地空间位置Figure 1 Spatial location of mangrove-S.alterniflora ecotone within Zhangjiang Estuary, Fujian Province

1.2 数据采集方法

无人机正射影像数据集是通过每年定期进行无人机航拍，获取研究区域内的多时相可见光影像，包含红光、绿光、蓝光波段。航拍前查询了当地的限飞高度以及合适的起飞点。每一次无人机航拍通过筛选天气、风力、潮汐等条件，主要是在多云、低潮、风力较小的条件下，对规划好的研究区域进行航拍。飞行时间从2013 年持续到2022 年（无人机和相机参数见表1）。

表1 不同年份使用的无人机和相机参数Table 1 Drone and camera parameters in different years

2013 年航线参数设置飞行高度：100 m；航向重叠率10%，旁向重叠率12%。2014–2015 年航线参数设置飞行高度：140 m；航向重叠率50%，旁向重叠率16%。2016–2022 年航线参数设置飞行高度：200 m；航向重叠率80%，旁向重叠率60%。飞行结束后对航拍照片进行检查，确保无漏拍情况。

1.3 数据处理方法

2016–2022 年拍摄的照片通过Photoscan 软件（Agisoft LLC, St.Petersburg, Russia）利用动态结构摄影三维重建技术进行拼接处理，数据采集与处理流程如图2 所示。2013–2015 年数据由于相片重叠率低，则通过Photoshop 软件进行人工拼接获得研究区拼接影像。由于十年中使用的无人机型号存在差异，分辨率也存在差异，因此将生成的十景覆盖整个研究区的高分辨率拼接影像重采样为20 cm 分辨率。所有拼接影像均在ArcGIS 10.2（ESRI, Inc., Redlands, California, USA）中先进行最大似然法分类，获取无人机正射影像分类数据，为栅格分类数据。将栅格分类数据转换成矢量数据，提取出互花米草空间分布矢量数据，再辅以人工数字化纠正，最终存储为互花米草空间分布栅格数据，可统计得到互花米草面积的十年变化数据。

图2 数据采集与处理流程图Figure 2 The flowchart of data acquisition and processing

2 数据样本描述

本数据集包括2013–2022 年的无人机正射影像及提取的互花米草空间分布数据，数据格式均为TIF，每年的正射影像数据存放在“DOM”文件夹中，总共10 景，数据总量1.7GB；提取的互花米草空间分布数据存放在“Spartina alternifloradata”文件夹中，总共10 景，数据总量10.7MB。

正射影像数据命名方式为：“年月-DOM”，其中飞行器带有网络RTK 定位服务则命名为：“年月-DOM-RTK”，如2022 年6 月的正射影像命名为：“202206-DOM-RTK.tif”。互花米草空间分布数据命名方式为：“年月-classified”。正射影像与互花米草空间分布数据分辨率均为20 cm，坐标系统均为WGS84/UTM zone 50N。不同年份使用的飞行器不同，在定位精度上稍有偏差。数据概况如图3 所示。

图3 2013–2022 年遥感影像数据示意图Figure 3 Remote sensing image data from 2013 to 2022

3 数据质量控制与评估

本数据集的质量控制主要包括三方面：（1）无人机航拍结束后，检查影像质量、影像范围是否覆盖整个研究区；（2）正射影像色彩校正；（3）早期影像范围补充，如2013 年影像未覆盖整个研究区，用可获得的最相近日期的谷歌地球影像进行补充。

评估结果如下：（1）无人机影像质量满足要求，每年的数据都不存在漏拍情况；（2）影像色彩经过校正后，除水面反光之外影像色彩均衡；（3）所有影像的研究区均保持一致。

在研究区中对地物进行分类，提取出互花米草这一类别，统计十年互花米草面积变化，结果表明近十年来互花米草面积增长迅速，从独立的圆状独立斑块发展成带状、块状的草丛（图4、图5）。从时间序列无人机影像可以清楚地看出，在红树林-盐沼交错区域，互花米草入侵到林外光滩后，在互花米草独立斑块迅速扩大的同时红树林也往外扩散，形成了红树林与互花米草共生的潮间带湿地（图6）。

图4 2013–2022 年互花米草时空分布格局Figure 4 The spatial and temporal distribution of S.alterniflora from 2013 to 2022

图5 2013–2022 年互花米草面积变化Figure 5 Annual changes in the area of S.alterniflora from 2013 to 2022

图6 研究区景观与典型区互花米草演变序列Figure 6 Landscape of study area and spatial evolution of S.alterniflora of a typical area

4 数据价值

高精度的长时序遥感影像数据产品对植被演替细节研究极其重要。本研究区为红树林-互花米草交错区，自2013 年起，对互花米草进行长时序的高精度监测，生产了高分辨率的无人机正射遥感影像数据集，可以获取较为完整的无人为干预下的互花米草自然扩张状况（如互花米草在早期扩张阶段时独立斑块直径扩张速率[12]、绿度、面积变化等），也可获取红树林在互花米草入侵下的生长情况（如面积、数量、树冠周长、树冠面积变化等）。本数据集在滨海湿地植被监测[13]、红树林监测[14]、生物量反演[15-16]、地物分类[17]等领域也具有应用价值，同时也可与卫星数据互补，作为卫星数据的验证数据，弥补卫星数据的不足。