基於1987–2017年Landsat數據的海南島紅樹林變化數據集
| 基於1987–2017年Landsat數據的海南島紅樹林變化數據集 作者：廖靜娟 甄佳寧 2019年5月7日 |
 廖靜娟, 甄佳寧. 基於1987–2017年Landsat數據的海南島紅樹林變化數據集[J/OL]. 中國科學數據, 2019, 4(2). (2019-04-16). DOI: 10.11922/csdata.2018.0072.zh. |
摘要&關鍵詞[編輯]
摘要：紅樹林分布在熱帶–亞熱帶地區的海岸帶濕地，具有重要的生態及生態經濟服務價值。本研究利用1987年、1993年、1998年、2003年、2007年、2013年、2017年共計7期Landsat TM/OLI數據，採用支持向量機分類方法，並結合野外調查資料，獲取了1987–2017年海南島紅樹林變化數據集。本數據集可用於紅樹林時空變化分析，以及紅樹林濕地生態系統恢復、保護和管理的決策支持，為海南省生態環境監管提供基礎數據支持。
關鍵詞：海南島；紅樹林；Landsat影像；變化監測
Abstract & Keywords[編輯]
Abstract: Distributed in the coastal wetlands of tropical and subtropical regions throughout the world, mangrove forests provide important ecological and eco-economical services such as coastal erosion prevention, water purification, nursery habitats for marine fish and shrimp breeding, provision of building materials and medicinal ingredients, and tourist attraction. A dataset of mangrove forests changes from 1987 to 2017 in Hainan Island was developed using Landsat TM/OLI images obtained in 1987, 1993, 1998, 2003, 2007, 2013 and 2017. This dataset was compiled through a support vector machine (SVM) classification method based on ground survey data. It can be used to understand the status and dynamics of mangrove forests, and to support decision-making concerning the restoration, protection and management of mangrove wetland ecosystem. Further, the dataset provides basic data for ecological environment monitoring in Hainan Province.
Keywords: Hainan Island; mangrove forests; Landsat image; change monitoring
數據庫（集）基本信息簡介[編輯]
| 數據庫（集）名稱 | 基於1987–2017年Landsat數據的海南島紅樹林變化數據集 |
| 數據作者 | 廖靜娟，甄佳寧 |
| 數據通信作者 | 廖靜娟（liaojj@radi.ac.cn） |
| 數據時間範圍 | 1987–2017年 |
| 地理區域 | 海南島 |
| 空間分辨率 | 30 m |
| 數據量 | 4.12 MB |
| 數據格式 | *.dbf, *.prj, *.shp, *.shx |
| 數據服務系統網址 | http://www.sciencedb.cn/dataSet/handle/677 |
| 基金項目 | 海南省重大科技計劃項目（ZDKJ2016021）；國家發展和改革委員會促進大數據發展重大工程（2016-999999-65-01-000696-01）。 |
| 數據庫（集）組成 | 本數據集由7個海南島不同紅樹林分布地點子數據集組成，分別命名為東寨港、清瀾港、馬裊港、花場灣、新盈港、洋浦港和東方。每個地點子數據集包括7期由Landsat影像提取的紅樹林分布面積組成。每期數據包括*.dbf, *.prj, *.shp, *.shx 4個文件，示例如下：dongzhaigang1987_mangrove.dbf為東寨港1987年矢量數據dBASE表文件；dongzhaigang1987_mangrove.prj為東寨港1987年矢量數據坐標投影文件；dongzhaigang1987_mangrove.shp為東寨港1987年矢量數據主文件；dongzhaigang1987_mangrove.shx為東寨港1987年矢量數據索引文件。 |
Dataset Profile[編輯]
| Title | A dataset of mangrove forests changes in Hainan Island based on Landsat data during 1987–2017 |
| Data corresponding author | Liao Jingjuan (liaojj@radi.ac.cn) |
| Data authors | Liao Jingjuan, Zhen Jianing |
| Time range | 1987–2017 |
| Geographical scope | Hainan Island |
| Spatial resolution | 30 m |
| Data volume | 4.12 MB |
| Data format | *.dbf, *.prj, *.shp, *.shx |
| Data service system | <http://www.sciencedb.cn/dataSet/handle/677> |
| Sources of funding | Major Science and Technology Program of Hainan Province (ZDKJ2016021); Major Project to Promote Development of Big Data from National Development and Reform Commission (2016-999999-65-01-000696-01). |
| Dataset composition | This dataset consists of seven subsets corresponding to seven different mangrove distribution sites in Hainan Island, including Dongzhaigang, Qinglangang, Maliaogang, Huachangwan, Xinyinggang, Yangpugang and Dongfang. Each subset includes mangrove area data of seven phases extracted from Landsat images during 1987-2017. Data of each phase includes four types of files, namely, DBF, PRJ, SHP, and SHX. |
引 言[編輯]
紅樹林（Mangrove）是分布在熱帶和亞熱帶地區海岸潮間帶，以紅樹植物為主的常綠灌木或喬木組成的潮灘濕地木本植被群落，具有獨特的海陸過渡特性，是海岸帶具有重要的生態、經濟、景觀價值的濕地生態系統[1][2][3]。紅樹林對全球環境及氣候變化具有重要的指示作用，在維持海岸生物多樣性、保護海岸帶環境、防風固堤、護灘促淤、淨化海岸水環境、保護農田村莊等方面發揮着不可替代的作用[4][5][6][7][8][9]。同時，紅樹林也是比較敏感和脆弱的生態系統，容易受自然和人類活動的影響。近半個世紀以來，由於社會經濟的迅猛發展和沿海經濟區的開發，人類不斷侵占和砍伐紅樹林。水文條件的改變、氣候變化和水域污染等原因致使紅樹林資源急劇減少，全球36%的紅樹林在1995–2005年期間消失，其破壞和消失的速率大於熱帶雨林和其他內陸森林[10][11][12][13][14]。
在中國，紅樹林主要分布在大陸南部和東南部海岸帶，以及海南島和台灣西部海岸帶，岸線長度約為14000 km。其中，海南島的紅樹林濕地資源豐富，分布廣泛。在海南島東北部、南部、西部和東部均有分布，且擁有中國絕大部分紅樹林品種，群繫結構複雜，屬典型的東方群系。
紅樹林由於生長在高鹽、高溫、極潮和泥沙淤積的極端環境，開展人工野外調查極其不易。因此，利用遙感方法是較為有利的手段。許多研究表明，遙感方法能夠快速、準確地獲取紅樹林的分布和動態變化信息[15][16][17][18][19][20]，這些研究主要從全球或國家尺度進行紅樹林的製圖研究，獲取的數據集多數為某一年度或某個時間段的數據，如Spalding等和Giri等生成的全球2000年的紅樹林數據集[21][22]，以及Hamilton和Casey生成的2000–2012年全球紅樹林數據集[23]。最近，Chen等人也利用時間序列的陸地衛星和哨兵數據進行了中國區域紅樹林製圖，生成了2015年中國紅樹林數據集[24]。海南島近年來經濟發展較快，人類活動和自然等因素對海岸帶的影響較大，從而引起紅樹林發生較大變化。但目前該地區尚缺乏長時間系列的紅樹林動態變化的數據，為此，我們利用多時相Landsat數據，採用支持向量機分類方法，並結合野外調查，獲取了1987–2017年間海南島紅樹林變化數據集，為海南省紅樹林濕地生態系統的恢復、保護和管理提供數據支持和決策參考。
1 數據採集和處理方法[編輯]
1.1 數據採集[編輯]
1987–2017年間海南島紅樹林變化數據集主要是基於多時相的Landsat影像生成。使用的Landsat影像共39景，全部從美國地質調查局的地球資源觀測與科學（USGS/EROS）中心網站（http://www.usgs.gov）下载获取，其中包括1987年、1993年、1998年、2003年和2007年的Landsat TM影像共29景，2013年和2017年的Landsat OLI影像10景。表1列出了這些遙感數據的相關信息。
表1 研究中使用的Landsat影像信息
| 傳感器 | 條帶號/行號 | 成像日期 | 成像時間 |
| TM5 | 123/46 | 1987.06.22 | 10:23:48 |
| TM5 | 123/46 | 1987.09.10 | 10:23:48 |
| TM5 | 124/46 | 1987.05.12 | 10:29:00 |
| TM5 | 123/47 | 1987.09.10 | 10:26:13 |
| TM5 | 124/47 | 1987.12.22 | 10:34:19 |
| TM5 | 125/47 | 1988.06.06 | 10:42:22 |
| TM5 | 123/46 | 1993.04.03 | 10:21:19 |
| TM5 | 124/46 | 1993.06.13 | 10:27:47 |
| TM5 | 123/47 | 1993.04.03 | 10:21:43 |
| TM5 | 124/47 | 1993.01.04 | 10:27:10 |
| TM5 | 125/47 | 1993.10.10 | 10:34:04 |
| TM5 | 123/46 | 1998.08.23 | 10:37:38 |
| TM5 | 123/46 | 1998.10.26 | 10:37:38 |
| TM5 | 124/46 | 1998.04.24 | 10:42:22 |
| TM5 | 123/47 | 1998.08.23 | 10:38:03 |
| TM5 | 124/47 | 1998.10.17 | 10:44:29 |
| TM5 | 125/47 | 1998.10.24 | 10:50:42 |
| TM5 | 123/46 | 2003.06.02 | 10:34:37 |
| TM5 | 123/46 | 2003.09.10 | 10:34:37 |
| TM7 | 124/46 | 2003.05.16 | 10:53:58 |
| TM5 | 123/47 | 2003.06.02 | 10:35:01 |
| TM5 | 124/47 | 2004.12.20 | 10:51:27 |
| TM5 | 125/47 | 2003.04.13 | 10:46:23 |
| TM5 | 123/46 | 2007.07.15 | 10:52:45 |
| TM5 | 124/46 | 2007.04.01 | 11:00:08 |
| TM5 | 123/47 | 2007.07.15 | 10:53:09 |
| TM5 | 124/47 | 2007.07.06 | 10:59:24 |
| TM5 | 125/47 | 2007.04.24 | 11:06:34 |
| OLI | 123/46 | 2013.12.06 | 11:00:42 |
| OLI | 124/46 | 2013.05.19 | 11:07:17 |
| OLI | 123/47 | 2013.12.06 | 11:01:06 |
| OLI | 124/47 | 2013.10.26 | 11:07:25 |
| OLI | 125/47 | 2013.08.30 | 11:13:54 |
| OLI | 123/46 | 2017.04.21 | 10:58:29 |
| OLI | 124/46 | 2017.08.02 | 11:05:14 |
| OLI | 123/47 | 2017.04.21 | 10:58:53 |
| OLI | 123/47 | 2018.04.08 | 10:58:53 |
| OLI | 124/47 | 2016.03.08 | 11:05:32 |
| OLI | 125/47 | 2017.09.10 | 11:11:57 |
同時，為了驗證多時相Landsat影像提取的數據集，還收集了15景2015年的高分2號（GF-2）數據，該數據從中國高分辨對地觀測系統海南數據與應用中心下載獲取，空間分辨率分別為1 m和4 m的全色和多光譜數據。此外，分別於2016年12月、2017年3月和2018年1月前往海南島對紅樹林濕地種類、物種分布、生長狀況和環境要素進行野外調查，共獲取野外調查樣點386個，其中紅樹林濕地樣點152個，其他土地利用覆蓋樣點234個。每個樣點包括了GPS獲取的經緯度坐標、植被類型及土地利用狀況等信息。這些樣點將用於Landsat影像提取的紅樹林範圍和地表類型分類的驗證。
1.2 數據處理[編輯]
下載的Landsat影像已經過幾何糾正，故我們使用ENVI5.3軟件對Landsat影像進行輻射定標和大氣校正。利用ENVI軟件中的FLAASH大氣校正模塊對Landsat影像進行大氣校正。為了保證多時相數據分析在空間參考上的一致性，利用2017年的Landsat OLI影像的短波紅外、近紅外和紅光波段進行波段組合得到的假彩色合成影像，以該假彩色合成影像為基準，對其他6個時相的圖像進行配准，配准後的圖像之間的平均均方誤差小於0.5個像元。同時，對GF-2影像進行正射校正、輻射定標、幾何糾正、多光譜與全色波段融合處理，其中採用ERDAS IMAGE 2014軟件提供的刪減法（Subtractive Resolution Merge）進行圖像融合，並在融合之前先利用銳化濾波器對全色圖像先進行銳化處理，然後以4∶1比例對GF-2的多光譜和全色圖像進行融合，生成空間分辨率為1 m的GF-2融合影像。
根據海南紅樹林保護區的邊界對GF-2融合影像進行裁剪，利用ENVI軟件提供的支持向量機分類方法對裁剪後的影像進行分類，得到紅樹林和其他地表覆蓋類型的分類結果。然後根據海南紅樹林分布特點、野外調查數據和Google Earth影像，人工修正紅樹林提取有誤差的斑塊邊界，得到2015年海南紅樹林的最終分類結果。同樣利用支持向量機分類器對圖像質量較好的2017年Landsat OLI影像進行分類，並利用2015年GF-2影像的分類結果和Google Earth影像對分類後結果進行人工修正，得到分類精度較高的2017年分類結果數據。然後以這期分類結果，逐期提取其他時相的紅樹林和其他土地利用覆蓋信息，最後得到1987年、1993年、1998年、2003年、2007年、2013年和2017年的7期分類結果，依據這7期分類結果，生成7期紅樹林變化數據集。
2 數據樣本描述[編輯]
2.1 數據集信息[編輯]
利用1987年、1993年、1998年、2003年、2007年、2013年和2017年7期Landsat影像分類提取得到的7期海南島主要地區紅樹林變化數據集包括了海南島東寨港國家級自然保護區、清瀾港省級自然保護區、花場灣、馬裊港、新盈港、洋浦港和東方7個地區的紅樹林變化，各地區分布如圖1所示。整個數據集有7個文件夾構成，每個文件夾以上述7個地區命名，除清瀾港由會文、鋪前和冠南3個片區組成，包括3個下一級文件夾外，其餘6個地區均由一個文件夾組成，每個文件夾下分別為7期紅樹林提取的結果組成，文件格式為shp，命名規則為「地名+年_mangrove.shp」。數據集詳細信息如下表2。
圖1 海南島紅樹林自然保護區位置和分布圖（a）新英灣；（b）東寨港；（c）新盈港；（d）花場灣；（e）東方；（f）馬裊港；（g）清瀾港
表2 海南島1987–2017年紅樹林變化數據集信息
| 序號 | 名稱 | 文件數量和大小 | |
| 1 | 東寨港 | 28個文件，1.24 MB | |
| 2 | 清瀾港 | 會文 | 28個文件，725 KB |
| 鋪前 | 28個文件，376 KB | ||
| 冠南 | 28個文件，210 KB | ||
| 3 | 馬裊港 | 28個文件，232 KB | |
| 4 | 花場灣 | 28個文件，372 KB | |
| 5 | 新盈港 | 28個文件，344 KB | |
| 6 | 洋浦港 | 28個文件，566 KB | |
| 7 | 東方 | 28個文件，113 KB | |
2.2 數據樣本[編輯]
將數據集在ArcGIS軟件中打開，可以得到各個時期的紅樹林分布面積圖，也可用不同時期的數據製作紅樹林面積變化圖。圖2和圖3分別展示了東寨港1987年的紅樹林面積分布圖和1987–2017年紅樹林面積變化圖。
圖2 東寨港1987年紅樹林分布圖
圖3 東寨港1987 –2017年紅樹林面積變化
3 數據質量控制和評估[編輯]
在本文研究中，利用Kappa係數和混淆矩陣來評價圖像分類精度。首先，利用ArcGIS軟件的生態地理採樣設計工具（Biogeography Branch’s Sampling Design Tool）在8個重點紅樹林分布區域隨機生成採樣點，然後以這些採樣點為中心，建立半徑為9 m的圓形緩衝區。以圓形緩衝區為基礎，採用ArcGIS軟件建立圓形緩衝區的外接方形多邊形。然後，參照Google Earth影像和野外驗證點修改這些多邊形屬性，將其分為紅樹林和非紅樹林，並在比較稀疏的區域增加適量多邊形，最後利用這些多邊形驗證點評價紅樹林的提取精度。分別評價了GF-2和2017年Landsat影像分類結果。其中用於評價GF-2分類結果的驗證點數量為607個，包括紅樹林驗證點354個，非紅樹林研製點253個。得到GF-2分類總精度為99.0%，Kappa係數為0.98。
以GF-2分類結果為基礎，採用上述方法隨機生成300個紅樹林驗證多邊形，然後再以保護區（除去紅樹林範圍）為基礎隨機生成350個非紅樹林驗證多邊形，對2017年Landsat分類結果進行評價。得到2017年Landsat影像分類總精度為98.8%，Kappa係數為0.98。具體評價結果見表3。
表3 GF-2和2017年Landsat影像分類結果精度評價
| GF-2影像 | Landsat影像(2017) | ||||||||||
| OA/ (%) | Kappa | MF | N-MF | OA/ (%) | Kappa | MF | N-MF | ||||
| PA/ (%) | UA/ (%) | PA/ (%) | UA/ (%) | PA/ (%) | UA/ (%) | PA/ (%) | UA/ (%) | ||||
| 99.0 | 0.98 | 98.9 | 99.4 | 99.2 | 98.4 | 98.8 | 0.98 | 98.3 | 99.0 | 99.1 | 98.6 |
註：OA為總體分類精度；PA為生產精度；UA為用戶精度；MF為紅樹林；N-MF為非紅樹林。
4 數據使用方法和建議[編輯]
本數據集是一套比較完整的海南島近30 a紅樹林變化數據產品，集中顯示了海南島主要紅樹林保護區的紅樹林信息。數據可以在常用的地理信息系統軟件（如ArcGIS、MapGIS、MapInfo等）中直接打開使用，也可通過這些軟件平台將數據轉換成其他交換格式後使用。通過對不同時期數據的統計，可以得到各個區域在1987–2017年間紅樹林面積變化的信息；也可通過空間疊加分析方式，得到不同時期各區域紅樹林變化的空間分布特徵。本數據集可服務於海南省生態環境監管業務，也可作為關鍵基礎數據用於科學研究，包括分析海南島紅樹林動態變化規律、生態環境質量評估和紅樹林濕地保護、恢復和管理等。
致 謝[編輯]
感謝項目組在開展野外觀測過程中海南省相關行業部門和單位的支持和配合，感謝美國地質調查局地球資源觀測與科學中心（USGS/EROS）提供Landsat影像數據。
參考文獻[編輯]
- ↑ GIRI C. Observation and monitoring of mangrove forests using remote sensing: opportunities and challenges[J]. Remote Sensing, 2016, 8(9): 783.
- ↑ 林鵬. 中國紅樹林生態系[M]. 北京: 科學出版社, 1997.
- ↑ 張喬民, 張葉春. 華南紅樹林海岸生物地貌過程研究[J]. 第四紀研究, 1997, 17(4): 344-353.
- ↑ DONATO D C, KAUFFMAN J B, MURDIYARSO D, et al. Mangroves among the most carbon-rich forests in tropics[J]. Nature Geoscience, 2011, 4(5): 293-297.
- ↑ ALONGI D M. Mangrove forests: resilience, protection from tsunamis, and responses to global climate change[J]. Estuarine Coastal Shelf Science, 2008, 76(1): 1-13.
- ↑ MUMBY P J. Connectivity of reef fish between mangroves and coral reefs: Algorithms for the design of reserves at seascape scales[J]. Biological Conservation, 2006, 128(2): 215-222.
- ↑ GLASER M. Interrelations between mangrove ecosystem, local economy and social sustainability in Caeté Estuary, North Brazil[J]. Wetlands and Management, 2003, 11(4): 265-272.
- ↑ 林鵬. 中國紅樹林研究進展[J]. 廈門大學學報(自然科學版), 2001, 40(2): 592-603.
- ↑ LUGO A E, SNEDAKER S C. The ecology of mangroves[J]. Annual Review of Ecology & Systematics, 1974, 5: 39-64.
- ↑ GIRI C, ZHU Z, TIESZEN L L, et al. Mangrove forest distributions and dynamics (1975–2005) of the tsunami‐affected region of Asia[J]. Journal of Biogeography, 2008, 35(3): 519-528.
- ↑ DUKE N C, MEYNECKE J O, DITTMANN S, et al. A world without mangroves? [J]. Science, 2007, 317(5834): 41.
- ↑ ALONGI, DANIEL M. Present state and future of the world's mangrove forests[J]. Environmental Conservation, 2002, 29(3): 331-349.
- ↑ VALIELA I. Mangrove forests: One of the world's threatened major tropical environments[J]. BioScience, 2001, 51(10): 807-815.
- ↑ BLASCO F, AIZPURU M, GERS C. Depletion of the mangroves of Continental Asia[J]. Wetlands Ecology & Management, 2001, 9(3):255-266.
- ↑ RAKOTOMAVO A, FROMARD F. Dynamics of mangrove forests in the Mangoky River delta, Madagascar, under the influence natural and human factors[J]. Forest Ecology & Management, 2010, 259(6): 1161-1169.
- ↑ LONG J, NAPTON D, GIRI C, et al. A mapping and monitoring assessment of the Philippines' mangrove forests from 1990 to 2010[J]. Journal of Coastal Research, 2013, 30(2): 260-271.
- ↑ KIRUI K B, KAIRO J G, BOSIRE J, et al. Mapping of mangrove forest land cover change the Kenya coastline using Landsat imagery[J]. Ocean & Coastal Management, 2013, 83(10): 19-24.
- ↑ GIRI C, LONG J, ABBAS S, et al. Distribution and dynamics of mangrove forests of South Asia[J]. Journal of Environmental Management, 2015, 148: 101-111.
- ↑ GIRI C, OCHIENG E, TIESZEN L L, et al. Status and distribution of mangrove forests of the world using earth observation satellite data[J]. Global Ecology & Biogeography, 2011, 20(1): 154-159.
- ↑ ABDEL-HAMID A, DUBOVYK O, ELMAGD I A, et al. Mapping mangroves extents on the Red Sea coastline in Egypt using polarimetric SAR and high resolution optical remote sensing data[J]. Sustainability, 2018, 10(3): 646.
- ↑ GIRI C, OCHIENG E, TIESZEN L L, et al. Status and distribution of mangrove forests of the world using earth observation satellite data[J]. Global Ecology Biogeography,2011, 20: 154–159.
- ↑ SPALDING M, KAINUMA M, COLLINS L. World atlas of mangroves[M]. London, UK: Earthscan, 2010.
- ↑ HAMILTON S E, CASEY D. Creation of a high spatio-temporal resolution global database of continuous mangrove forest cover for the 21 st century (CGMFC-21)[J]. Global Ecology Biogeography, 2016, 25: 729-738.
- ↑ CHEN B, XIAO X, LI X, et al. A mangrove forest map of China in 2015: Analysis of time series Landsat 7/8 and Sentinel-1A imagery in Google Earth Engine cloud computing platform[J]. ISPRS J. Photogrammetry and Remote Sensing, 2017, 131: 104-120.
數據引用格式[編輯]
廖靜娟, 甄佳寧. 基於1987–2017年Landsat數據的海南島紅樹林變化數據集[DB/OL]. Science Data Bank, 2018. (2018-11-09). DOI: 10.11922/sciencedb.677.
