《Remote Sensing》：Delineating the Distribution Outline of Populus euphratica in the Mainstream Area of the Tarim River Using Multi-Source Thematic Classification Data
编辑推荐：
本研究提出了一种融合形态学操作（Morphological Operations）与点密度分析（kd-tree）的多源数据优化方法，通过alpha-shape算法（α=0.02/0.006）分层识别胡杨（Populus euphratica）高/低密度分布区边界，结合高斯滤波（Gaussian filtering）与等距扩展技术有效消除锯齿现象与孔洞，构建了自动化胡杨矢量分布制图技术框架，为荒漠植被科学管理提供新范式。
研究背景与意义
胡杨（Populus euphratica）作为荒漠生态系统的关键建群种，在维持 oasis 生态系统稳定性方面具有不可替代的作用，被誉为绿洲保护的"天然屏障"。然而，由于胡杨分布区环境恶劣、空间离散度高且稀疏林比例大，传统人工勾绘方法难以实现其分布范围的精准界定。尽管遥感技术为植被制图提供了新途径，但现有方法在矢量数据自动化生成方面仍存在精度不足、依赖单一数据源、空间信息利用不充分等局限。本研究以塔里木河干流区为案例，探索基于多源专题分类数据的胡杨分布轮廓自动提取技术，旨在提升荒漠植被矢量制图的自动化水平与精度。
研究方法与技术路线
研究采用层次化技术框架（图2），核心流程包括四个阶段：
多源数据协同优化
首先利用耕地专题数据（Qiu et al. 发布）通过形态学闭运算（闭运算内核：膨胀25像素/腐蚀29像素）提取农田防护林分布范围，进而对原始胡杨分类栅格数据（Zou et al. 基于Sentinel-1/2影像生成，精度96%）进行掩膜处理，消除26.04%的误分类像元。随后采用19×19核进行碎斑过滤，并将栅格数据转换为UTM投影（EPSG:32644）的矢量点集。
密度驱动的异常点剔除
基于kd-tree算法计算500米半径内点密度，移除密度最低的5%离散点（图5）。测试表明该比例能有效保留连通斑块同时减少边缘干扰。
分层边界识别机制
针对胡杨密度异质性特点，创新性提出分层alpha-shape算法：
- •
高密度区：随机抽取20%点集，设置α=0.02生成密集分布多边形（HDPS）
- •
低密度区：从原有点集剔除HDPS覆盖点后，采用α=0.006识别稀疏区轮廓（LDPS）
参数测试表明（表1），α=0.02时可覆盖80%胡杨点且边界紧凑性最佳（图6）。
形态学精细化处理
通过高斯滤波（σ=3）实现边界平滑（图9-10），较样条函数与Chaikin算法更能抑制"锯齿现象"；采用等距扩展（HDPS外扩50米/LDPS外扩100米）使相邻多边形孔洞数量减少64.2%（图11-12）；最后填充面积<1km2的内部孔洞，完成空间融合。
结果与验证
数据优化效果显著
闭运算有效捕捉农田防护林空间特征（图4），掩膜后胡杨分类纯度显著提升（图3）。密度剔除策略精准定位沙漠边缘的孤立点，避免轮廓过度膨胀。
分层识别优势凸显
α参数的双层设置成功刻画不同密度区的分布形态：HDPS呈现沿河连续带状分布（图7），LDPS覆盖洪泛区与沙漠过渡带。最终成果清晰展示胡杨在河岸区（A）、洪泛区（B）及沙漠区（C）的分布轮廓（图13）。
精度验证与空间分异
50个验证样本的MIoU达79.65%，IoU中位数80.45（图14）。精度呈现空间分异：河岸密集区最高（IoU>90%），胡杨-柽柳混生区因误分类精度较低，沙漠稀疏区受10米分辨率限制精度中等。
讨论与展望
技术创新价值
本研究通过多源数据互补、密度分层识别与形态学优化三重技术突破，实现胡杨分布轮廓从"人工判读"到"智能生成"的跨越。特别值得关注的是，alpha-shape算法参数α与分布密度的关联性为其他荒漠植被制图提供了可迁移的建模思路。
局限与改进方向
当前框架仍存在参数依赖性强（如形态学内核、α值、σ值需经验调试）、缺乏量化评估指标等不足。未来可探索基于分布特征的自适应参数优化算法，并建立结合几何形态特征的客观评价体系。
结论
本研究成功构建了融合多源遥感数据的胡杨分布轮廓自动提取技术框架，证实了：（1）耕地数据形态学处理能有效提升原始分类精度；（2）密度分层策略克服了异质性分布对边界识别的干扰；（3）高斯滤波与等距扩展组合优化了矢量几何形态。该研究为荒漠植被可持续管理提供了高精度空间数据支撑，对推动干旱区生态安全评估具有重要实践意义。
