比较用于海洋保护区精确底栖生境分类的遥感方法

《Regenerative Therapy》:Comparing Remote Sensing Approaches for Precision Benthic Habitat Classification in Marine Protected Areas

【字体: 大 中 小 】 时间:2026年01月06日 来源:Regenerative Therapy 3.5

编辑推荐:

  底栖栖息地分类研究比较了OBIA与GEE在Tapanuli Tengah海洋保护区中的应用,OBIA在精度(81.82%)和Kappa系数(0.7634)上显著优于GEE(54.55%,0.3879),适用于精细化管理,而GEE适合大范围监测,建议两者结合使用。

  
Zulham Apandy Harahap|Dietriech G. Bengen|I Wayan Nurjaya|Syamsul Bahri Agus|Yuli Naulita
印度尼西亚IPB大学海洋科学与技术系

摘要

底栖生境,包括活珊瑚、死珊瑚、海草、沙子和碎石,对海洋生物多样性和生态系统稳定性至关重要。准确绘制这些生境的地图有助于有效的保护和管理,特别是在海洋保护区(MPAs)内。本研究旨在评估和比较基于对象的图像分析(OBIA)和Google Earth Engine(GEE)这两种遥感方法在印度尼西亚Tapanuli Tengah海洋保护区对底栖生境进行分类的效果。通过使用支持向量机(SVM)算法,分别应用OBIA和GEE对卫星图像进行分类,并分析了每种方法的空间精度和区域划分能力。
OBIA采用基于对象的分割方法,在识别复杂生境方面表现出高精度,成功分类了1,075,077平方米的活珊瑚、1,387,993平方米的死珊瑚和439,444平方米的碎石。其总体准确率为81.82%,Kappa系数为0.7634,显示出其在详细生境制图中的适用性。相比之下,GEE基于像素的方法能够快速进行大规模分类,但生境边界较为模糊,分别识别出1,571,983平方米的活珊瑚和307,732平方米的海草,总体准确率为54.55%,Kappa系数为0.3879。
这些结果表明,OBIA适用于需要精确空间细节的保护规划,而GEE则更适用于大规模评估。结合使用这两种方法可以最大化各自的优势,既实现精细的生境划分,又能进行高效的大规模监测。本研究展示了多方法遥感技术在底栖生境制图中的价值,为海洋保护区的可持续管理提供了关键数据。

引言

底栖生境是海洋生态系统的重要组成部分,对维持水生环境的生态稳定性和生物多样性至关重要。对于许多海洋生物(如珊瑚礁、海草床和不同鱼类)来说,它们提供了庇护所、食物和保护(Torn等人,2017年;Airoldi和Beck,2007年;Butler等人,2020年)。然而,污染、不受控制的人类活动以及气候变化等问题目前正威胁着底栖生境,可能对其生物多样性和生态服务造成损害(Tillin等人,2008年)。因此,保护工作和水域可持续管理的首要步骤是正确识别和绘制底栖生态系统的地图(Misiuk和Brown,2024年)。
海洋保护区预计将在保护生物多样性方面发挥重要作用,通过创建安全的生境减少人类干扰,从而促进物种种群的恢复(Gaines等人,2010年;Halpern等人,2010年;Carr等人,2019年),并维护对环境健康和人类福祉至关重要的生态系统服务(Leenhardt等人,2015年)。2020年,印度尼西亚在多个地区设立了137个海洋保护区(MPAs),由海洋事务和渔业部及环境与林业部管理,总面积约为2380万公顷。作为全球保护计划的一部分,印度尼西亚计划到2030年将这一比例扩大到30%,以加强生物多样性保护并支持可持续的海洋资源管理(Oktivana,2023年)。
遥感技术的进步为底栖生态系统的测绘和识别带来了新的可能性。其中最有效的方法之一是使用Google Earth Engine(GEE),这是一个基于云的计算平台,能够快速高效地分析和处理大规模卫星图像数据(Ahmed等人,2021年)。Google Earth Engine提供了丰富的全球数据集,包括Sentinel-2和Landsat卫星的图像,可用于绘制和跟踪底栖生境的时间变化(Poursanidis等人,2024年)。
此外,基于对象的图像分析(OBIA)技术已成为卫星图像分析中用于绘制底栖生境的流行方法。OBIA通过考虑图像中对象的形状、纹理和光谱特性来进行图像分类,而不仅仅是依赖单个像素值。这使得能够更精确地识别底栖特征,因为该方法可以区分具有相似光谱特征但物理结构不同的生境类型(Hartoni等人,2022年;Roelfsema等人,2018年)。
本研究希望通过利用GEE处理Sentinel-2卫星图像的大规模数据的优势,以及OBIA根据形态特征识别对象的能力,开发出更加精确和全面的底栖生境地图(Wicaksono等人,2021年;Blaschke等人,2014年)。通过这种整合,研究旨在提高制图过程的效率和准确性。
此外,本研究特别关注海洋保护区(MPAs)内的禁捕区,因为这些区域在保护海洋生物多样性方面起着关键作用。这些区域对于保护生物多样性、减轻人类活动(如过度捕捞和污染)的影响以及提高生态系统在环境变化面前的韧性至关重要。
本研究不仅有助于海洋环境的保护和管理工作,还有助于开发更有效的制图方法(Araujo等人,2023年)。通过这种制图产生的数据可以为优先保护生境的决策、设计减少对底栖生态系统潜在损害的缓解策略以及可持续管理海洋资源提供依据。

研究地点

研究地点位于Tapanuli Tengah海域,根据印度尼西亚海洋事务和渔业部2020年第87号法令,该地区被指定为保护区,涵盖了北苏门答腊省Tapanuli Tengah及其周边水域(图1)。
该法令将Tapanuli Tengah海域划分为三个不同的区域:禁捕区、限制使用区

底栖生境分布

本研究对比分析了两种用于分类和绘制底栖生境空间分布的方法:Google Earth Engine(GEE)平台上的基于像素的方法和基于对象的图像分析技术。尽管这两种方法都使用支持向量机(SVM)算法进行分类,但在应用于卫星图像时的数据处理方法存在显著差异。
底栖生境分类

提高海洋保护区的分类准确性

本研究比较了基于对象的图像分析(OBIA)和Google Earth Engine(GEE)在Tapanuli Tengah海洋保护区禁捕区内对底栖生境进行分类的效果。这两种方法都使用了支持向量机(SVM)算法;然而,在分类准确性、空间分割以及对特定生境复杂性的适应能力方面存在显著差异,尤其是在处理高度破碎的底质时

结论

本研究展示了基于对象的图像分析(OBIA)和Google Earth Engine(GEE)在Tapanuli Tengah海洋保护区对底栖生境进行分类时的相对优势和局限性。利用支持向量机(SVM)算法,这两种方法分别用于分类研究地点观察到的主要底栖生境类型:活珊瑚、死珊瑚、海草、沙子和碎石。每种方法在准确性和面积方面都表现出各自的优势

未引用参考文献

(印度尼西亚海洋事务和渔业部(2020年)

CRediT作者贡献声明

Zulham Apandy Harahap:撰写——初稿撰写、可视化、验证、资源获取、方法设计、调查、数据分析、概念构建。Bengen Dietriech Geoffrey:撰写——审阅与编辑、可视化、验证、监督、数据分析、概念构建。Yuli Naulita:撰写——审阅与编辑、监督、概念构建。I Wayan Nurjaya:撰写——审阅与编辑、监督、概念构建。Syamsul Bahri Agus:撰写——审阅与编辑、监督

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:Zulham Apandy Harahap表示获得了印度尼西亚教育金融服务中心(PUSLAPDIK)的财务支持;Zulham Apandy Harahap还表示获得了印度尼西亚教育基金(LPDP Indonesia)的财务支持。如果还有其他作者,他们声明没有已知的财务利益或个人

致谢

我们衷心感谢印度尼西亚教育金融服务中心(PUSLAPDIK)和印度尼西亚教育基金(LPDP Indonesia)提供的支持,这些支持使得本研究得以完成。同时,我们也感谢国家航空航天研究所(LAPAN)提供的卫星数据和技术资源,这对本研究至关重要。最后,我们感谢所有帮助完成这项研究的个人和机构的贡献。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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