基于SNIC-CNN-SVM模型的京津风沙源二期工程区土地利用/土地覆盖遥感识别研究

作     者：李长龙 李增元 高志海 孙斌 王丝丝 LI Changlong;LI Zengyuan;GAO Zhihai;SUN Bin;WANG Sisi

作者机构：广州商学院信息技术与工程学院广州511363 中国林业科学研究院资源信息研究所北京100091 国家林业和草原局林业遥感与信息技术重点实验室北京100091 国家遥感中心北京100084 

出 版 物：《生态学报》 (Acta Ecologica Sinica)

年 卷 期：2022年第42卷第23期

页      面：9830-9842页

核心收录：

学科分类：0710[理学-生物学] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 0713[理学-生态学] 

基　　金：中国林业科学研究院院基金重点项目(CAFYBB2019ZB004) 国家高分重大科技专项(21-Y30B02-9001-19/22-3) 

主　　题：稀疏植被 京津风沙源治理二期工程区 SNIC-CNN-SVM模型 土地利用/土地覆盖 

摘      要：稀疏植被覆盖(草地、沙地、戈壁)演变能够直接表征区域生态环境和人类活动的动态影响变化。但由于大尺度稀疏植被区一般都具有地理跨度大,景观结构复杂多样,破碎化程度高,现有地表覆盖分类产品针对性不足等问题,使得该区域内林草沙的遥感提取难度较大,精度普遍偏低,直接制约生态效应评价模型的应用效果。因此,以典型大尺度稀疏植被区——京津风沙源治理二期工程区为研究区,研建了SNIC-CNN-SVM(SCS)模型,实现了大尺度稀疏植被区林草沙典型要素的信息自动提取和主要土地利用/土地覆盖类型识别。研究结果表明:1)引入惩罚性机制优化后的SNIC分割算法,有效提升了稀疏植被区与沙地区的边界区分度,有助于分类精度的提升;2)基于改进SNIC-CNN-SVM模型方案的研究区总体分类精度达89.41%,较优化前提高了11.17%,特别是乔、灌、草、沙地和戈壁的分类识别精度显著提升,表明该优化方案在以研究区为代表的稀疏植被区域分类中具有较好的应用效果和推广价值;3)分类结果显示,2020年工程区草地面积最大,占到了一半以上(51.52%),沙地占比11.96%,稀疏植被覆盖(草地、沙地、戈壁)区域占比68.68%,表明工程区处在林地-稀疏植被-沙地的过渡地带,生态环境保护压力与防沙治沙形势依然严峻;4)近20年来,乔灌草等植被增加面积约占工程区20.64%,主要由沙化土地转化,沙化土地减少面积约占工程区的4.58%,表明研究区植被状况不断改善,实施的各项生态工程作用显著,能够更有效地服务于多维度生态系统服务功能评价。该研究以期能够为京津风沙源二期工程区的生态系统演变规律研究及生态工程评价等工作提供重要科学支撑。