2000-2020年广东省珠海淇澳岛红树林空间分布数据集.pdf

农业大数据学报 2023,5(2):9-15 Journal of Agricultural Big Data DOI:10.19788/j.issn.2096-6369.230203 收稿日期：2023-05-10 基金项目：广东石油化工学院人才引进项目（No.2019rc098），广东石油化工学院目标问题导向教学创新与实践项目（No.701-234660）作者简介：蔡惠娜，本科，研究方向：RS，GIS，环境生态；E-mail：。通信作者：王瑞源，博士，副教授，研究方向：RS，GIS，环境生态；E-mail:。2000-2020 年广东省珠海淇澳岛红树林空间分布数据集 蔡惠娜，王瑞源*广东石油化工学院理学院，广东 茂名 525000 摘要：红树林分布于热带和亚热带海岸潮间带，对全球碳循环具有重要指标作用，为生态和生态经济发展提供服务价值。但随着人类活动的发展和自然环境的恶化，红树林资源出现急剧减少。文章采用 2000 年、2005 年、2010 年 Landsat 和 2015年、2020 年 Sentinel-2 影像，通过决策树分类与面向对象的分类方法，并结合实地踏勘调查，提取各年份红树林空间分布及面积，产出 20002020 年淇澳岛红树林空间分布数据集。文章数据集可解析红树林的空间动态演变，可为淇澳岛红树林动态变化规律、生态环境质量评价等科学研究提供重要参考；为红树林湿地的保护、恢复和管理提供决策支持；以及为珠海市和广东省环境监测提供基础数据支持。关键词：红树林；遥感数据；空间分布；淇澳岛；面向对象分类 引用格式：蔡惠娜,王瑞源.2000-2020 年广东省珠海淇澳岛红树林空间分布数据集J.农业大数据学报,2023,5(2):9-15.CAI HuiNa,WANG Ruei-Yuan.A Dataset on Spatial Distribution of Mangroves in Qiao Island,Zhuhai,Guangdong Province from 2000 to 2020 J.Journal of Agricultural Big Data,2023,5(2):9-15.A Dataset on Spatial Distribution of Mangroves in Qiao Island,Zhuhai,Guangdong Province from 2000 to 2020 CAI HuiNa,WANG Ruei-Yuan*College of Science,Guangdong University of Petrochemical Technology(GDUPT),Maoming 525000,Guangdong,China Abstract:Mangroves are distributed in the tropical and subtropical coastal intertidal zones,playing a critical role in the global carbon cycle and providing service value for ecological and ecological economic development.But with the development of human activities and the deterioration of the natural environment,mangrove resources have sharply decreased.Using Landsat images of 2000,2005,and 2010,and Sentinel-2 images of 2015 and 2020,through decision tree classification and object-oriented classification methods,combined with field surveys,the study extracts the spatial distribution and area of mangroves each year,and produces the spatial distribution dataset of mangroves in Qiao Island from 2000 to 2020.The article dataset can analyze the spatial dynamic evolution of mangroves,providing important references for scientific research such as the dynamic changes of mangroves on Qiao Island and the evaluation of ecological environment quality;providing decision-making support for the protection,restoration,and management of mangrove wetlands;and providing basic data support for environmental monitoring in Zhuhai and 10 农 业 大 数 据 学 报 第5卷 Guangdong Province.Key words:mangrove;remote sensing data;spatial distribution;Qiao Island;object-oriented classification 数据库（集）基本信息汇总表 数据库（集）名称数据库（集）名称 2000-2020 年广东省珠海淇澳岛红树林空间分布数据集年广东省珠海淇澳岛红树林空间分布数据集 数据作者及分工数据作者及分工 蔡惠娜，数据处理、论文撰写；王瑞源，数据校对、论文指导与修改 通信作者及邮箱通信作者及邮箱 王瑞源，E-mail: 数据时间范围数据时间范围 20002020 年（2000、2005、2010、2015、2020 年）空间分布空间分布 淇澳岛（11336001134000E，222330222700 N）空间分辨率空间分辨率 30m（2000、2005、2010 年）和 10 m（2015、2020 年）数据量数据量 1.94 M 数据格式数据格式*.dbf,*.prj,*.sbn,*.sbx,*.shp,*.shx（矢量数据）*.tfw,*.tif.aum.xml,*.tif.over,*.tif.vat.dbf,*.tif（栅格数据）数据服务系统网址数据服务系统网址 https:/ DOI:10.57760/sciencedb.agriculture.00006；CSTR:17058.11.sciencedb.agriculture.00006 基金项目基金项目 广东石油化工学院人才引进项目(No.2019rc098)广东石油化工学院目标问题导向教学创新与实践项目(No.701-234660)数据库（集）组成数据库（集）组成（a）2000 年红树林面积文件：86.5 KB（b）2005 年红树林面积文件：120 KB（c）2010 年红树林面积文件：124 KB（d）2015 年红树林面积文件：759 KB（e）2020 年红树林面积文件：900KB 1 引言 红树林分布于热带和亚热带海岸潮间带，是常年遭受海水周期性淹没的潮滩湿地木本植被群落，兼具海洋和陆地特性的复杂生态系统1-2。红树林在一定程度上可以调节全球环境和气候变化，特别是在防风消浪、护堤护岸、净化近海水质和保护生物多样性等方面生态功能显著3。同时，红树林湿地对维持全球碳循环平衡具有重要作用4。但其也是高敏感、易脆弱的生态区域，容易受到自然和人类活动的影响。近年来，随着滨海经济和城市化的快速发展，人类活动不断侵占和砍伐红树林。此外，受气候变暖、水污染严重和互花米草入侵物种等多重影响5-6，红树林资源急剧减少。淇澳岛位于广东省珠海市东北部（1133600 1134000E，222330222700 N），是粤港澳大湾区生态走廊中心。岛屿面积约 23.8 km2,是珠江口伶仃洋群岛中最大的岛屿。红树林面积约 7 km2,是全国红树林连片面积最大、最早开展人工恢复红树林工程、全国少有的紧靠城市中心区的区域之一7。红树林群系结构较为简单，群落外貌起伏较大8。由于红树林大多生长在潮间带高盐的极端环境，难以开展野外调查。而遥感技术更新快、覆盖广、准确性较高等优势，是分析红树林的分布和动态变化等空间信息的有效手段9。目前，大多数研究是从宏观尺度进行分析，从全球层面进行红树林制图，获取的年份主要为某单一年度的数据，例如 GIRI C 等人基于全球土地调查和Landsat 数据绘制 2000 年全球红树林数据集10；BUNTING P 等人基于多源遥感数据采用自动化方法生成 2010 年全球红树林数据集11。从国家层面分析，CHEN B等人基于Landsat 7/8和Sentinel-1A影像采用Google Earth Engine 云计算平台生成 2015 年中国红树林数据集12。而关于微观尺度长时间系列红树林研究较少，且目前该区域尚缺乏长时序的红树林动态空间分布的数据。因此，本研究基于多源遥感数据，利用多时相 Landsat 和 Sentinel-2 数据，使用 ENVI5.3 和 SNAP 软件经过掩膜提取、大气校正、波段融合等预处理，并结合野外踏勘和目视解译，采用决策树分类与面向对象的分类方法，研究 20002020 年淇澳岛红树林空间分布数据集。以期为分析该地区红树林的空间分布及动态变化提供帮助，同时为珠海市与粤港澳大湾区保护、修复和管理红树林生态系统相关决策提供数据参第 2 期 蔡惠娜等：2000-2020 年广东省珠海淇澳岛红树林空间分布数据集 11 考；此外，也为构建全国红树林大数据管理系统提供基础数据。2 数据采集与处理方法 2.1 数据采集 20002020 年淇澳岛红树林空间分布数据集是基于多时相的 Landsat 和 Sentinel-2 影像生成。分别由2000 年 Landsat-7 影像、2005 和 2010 年 Landsat-5 影像生成，共 3 幅。2015 和 2020 年采用 Sentinel-2 影像生成，共 2 幅。该数据全部从美国地质勘探局(USGS，United States Geological Survey)网 站(http:/www.usgs.gov)下载获取，具体遥感数据信息如表 1 所示。此外，为了进一步验证 Landsat 和 Sentinel-2 影像 的训练样本，本研究于 2022 年 4 月和 2023 年 1 月前往珠海市淇澳岛红树林保护区进行踏勘，获取野外采样点 5 个，调查红树林种类以及空间分布格局，进一步明确淇澳岛地物类型以及红树林范围，具体采样点信息如图 1 所示。2.2 数据处理 获取的 Landsat-5 和 Landsat-7 为 L2SP 产品，已经过地形校正、几何校正、辐射定标和大气校正等预处理，因此本研究使用 ENVI5.3 软件对该区域进行掩膜提取、波段组合和影像融合。其中，Landsat-5 影像包括 7 个波段，band1-band5 和 band7 的空间分辨率均为 30 m，band6 的空间分辨率为 120 m；Landsat-7 影像包括 8 个波段，band1-band5 和 band7 的空间分辨率 表 1 影像基本信息 Table 1 Basic information of remote sensing images 序号序号 卫星卫星 传感器传感器 条带号条带号/行号行号 分辨率分辨率(m)成像日期成像日期 1 Landsat-7 ETM 122/044 30 2000.11.01 2 Landsat-5 TM 122/044 30 2005.10.22 3 Landsat-5 TM 122/044 30 2010.03.26 4 Sentinel-2 MSI T49QGE 10 2015.10.23 5 Sentinel-2 MSI T49QGE 10 2020.10.26 图 1 淇澳岛踏勘采样样本点 Fig.1 Sampling points of mangrove survey in Qiao Island 12 农 业 大 数 据 学 报 第5卷 均为 30 m，band6 的空间分辨率为 60 m，band8 的空间分辨率为 15 m。同时，获取的 Sentinel-2 为 L1C 产品，亦已经过几何校正和地形校正，达到亚像素精度。因此，本研究通过 SNAP 软件中的插件工具 Sen2Cor（版本02.10.01）进行大气校正（将大气顶部反射率转换为冠层顶部反射率）和辐射校正得到 L2A 数据，该数据包括12个波段。通过SNAP软件选取波段（band2，band3，band4，band8），利用最近邻法重新采样到空间分辨率为 10 m，然后在 ENVI5.3 软件中进行波段合并。为了让多时相影像在空间参考上具有一致性，本文将 5 期数据进行波段组合得到假彩色，并以该假彩色合成影像为基准进行后续处理。对红树林进行监督分类的具体操作如下：针对上述所有影像进行波段指数估算（Band Index，BI）,使用 ENVI5.3 软件进行归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index，NDWI)计算。NDVI=（NIR-RED）/（NIR+RED）（1）NDWI=（Green-NIR）/（Green+NIR）（2）上式（1）（2）中：NIR、RED和Green分别对应Sentinel-2影像的近红外波段 B8、红波段 B4 和绿波段 B3；Landsat-5 和 Landsat-7 影像的近红外波段 B4、红波段B3 和绿波段 B2。NDWI 对提取影像中的水体信息具有较好的效果，本研究通过计算 NDWI，采用合适阈值，利用决策树分类工具提取淇澳岛瞬间水边线，并将水边线范围作为之后红树林提取时的掩膜范围。另外，NDVI能较好的反映植被的生长范围和生理状况，通过NDVI 计算，采用和上述同样的操作流程，提取矢量范围作为淇澳岛植被范围提取的参考和验证。其次，进行监督分类样本数据的选取，将研究区地物类型分为红树林、陆生植被、水体和其他四种，其中，将除了红树林以外的陆地植被归为陆生植被；将湖泊、水塘等归为水体；将裸地、建筑用地和道路等归为其他。为了提高样本选择精度，通过 SAS Planet软件下载 20 级分辨率为 0.5 m 的 Google 影像，将Google 影像与遥感影像进行叠加，在 ArcGIS10.2 软件中选择样本，目视解译并多次测试，确定红树林、陆生植被、水体和其他的验证样本数量各 20 个，训练样本数量各 40 个，验证样本和训练样本比例约为 1/2（图 2）。通过反复调试训练样本，并与验证样本数据进行精度验证，直至红树林分类精度满足要求。最后，将确定的训练样本导入 ENVI5.3 软件中，采用面向对象分类方法，因为面向对象的分类方法，图 2 淇澳岛各地类样本数据 Fig.2 Sample data of Qiao Island 第 2 期 蔡惠娜等：2000-2020 年广东省珠海淇澳岛红树林空间分布数据集 13 对于全色态加多波段的融合影像而言，可以增加影像纹理，在一定程度上可以提升分类精度13，从而获得较好的红树林和非红树林的分类效果，将分类结果图像导入 ArcGIS10.2 软件，单独提取红树林部分。综合上述方法，提取和生成 2000 年、2005 年、2010 年、2015 年和 2020 年共 5 期红树林空间分布数据集。3 数据样本描述 3.1 数据集信息 数据集从 3 期 Landsat 影像和 2 期 Sentinel-2 影像(栅格)提取共 5 期不同年份的红树林空间分布面积(矢量)，文件夹分别命名为 2000、2005、2010、2015、2020，每个文件夹为相应年份红树林面积提取的结果，定名原则为“x（年份）_mangrove.shp”。每期数据 6个矢量文件和 5 个栅格文件，其中矢量数据分别为：*.dbf,*.prj,*.sbn,*.sbx,*.shp,*.shx。其含义 dbf 为属性数据存储文件；prj 为空间坐标投影文件；sbx 和 sbx为地理数据索引文件；shp 为矢量数据主文档；shx 为空 间 数 据 索 引 文 件。栅 格 数 据 分 别 为：*.tfw,*.tif.aum.xml,*.tif.over,*.tif.vat.dbf,*.tif。其含义 tfw为文本文件；tif.aum.xml 为栅格辅助文件；tif.over 为栅格金字塔文件；tif.vat.dbf 为文件栅格属性表；tif为栅格主文件，数据集具体信息见表 2。表 2 淇澳岛 2000-2020 年红树林空间分布数据集信息 Table 2 Mangrove spatial distribution dataset information of Qiao Island from 2000 to 2020 序号序号 名称名称 大小大小 1 2000_mangrove 86.5 KB 2 2005_mangrove 120 KB 3 2010_mangrove 124 KB 4 2015_mangrove 759 KB 5 2020_mangrove 900KB 3.2 数据样本 使用 ArcGIS10.2 软件打开本数据集，可以呈现20002020 年共 5 期各时段的红树林空间分布图，也可用不同时段数据分析红树林面积动态演变。例如：图 3 展示淇澳岛 20002020 年红树林面积变化图，20 年间红树林增加 6.36 km2，主要分布在该区域西部和北部潮间过渡带，并呈现不断向海洋延伸的趋势；减少 1.22 km2，主要分布于水田和湖泊处，可能是由于水田农业和养殖业发展造成的。由此可见，该 20 年间红树林空间分布数据集可为分析其变化原因提供基础数据。图 4 展示 2020 年的红树林空间分布图，计算可得总面积为 7.47 km2，与淇澳岛2020 年对外公布面积大致相同，说明该数据具有一定的可信度。图 3 2000-2020 年红树林空间分布变化 Fig.3 Mangrove spatial changes from 2000 to 2020 图 4 2020 年红树林空间分布 Fig.4 Spatial distribution of mangroves in 2020 14 农 业 大 数 据 学 报 第5卷 4 数据质量控制与验证 本研究通过总体精度（Overall accuracy，OA）和 Kappa 系数来衡量影像分类精度。OA 表示每一个像素正确分类的概率，可以直接反映分类正确的比例。Kappa 系数基于混淆矩阵计运算，是检验模拟结果与实际分类结果一致性的重要指标。Kappa 系数最低允许判别精度为 0.714，取值范围 01，具体范围与精度划分见表 315。Kappa 系数越大精度高，说明分类结果与参考数据越一致。首先，使用 ArcGIS10.2 软件将Google 影像与遥感影像进行叠加，并进行样本训练，采用面向对象方法分类，将其分为红树林和非红树林（陆生植被、水体、其他）。其次，参考目视解译的验证点和/或踏勘采样点数据进行验证，最后分别评价2000 年、2005 年、2010 年 Landsat 和 2015 年、2020年 Sentinel-2 共 5 期影像分类结果，分类效果较好，具体精度见表 4。表 3 Kappa 系数与对应分类精度 Table 3 Kappa coefficient and corresponding classification accuracy Kappa 系数系数 分类精度分类精度 0.00-0.20 较差 0.00-0.20 差 0.20-0.40 正常 0.40-0.60 好 0.60-0.80 较好 0.80-1.00 非常好 表 4 影像分类结果精度评价 Table 4 Accuracy evaluation of image classification results 年份年份 卫星卫星 OA(%)Kappa 2000 Landsat-7 81%0.79 2005 Landsat-5 80%0.82 2010 Landsat-5 85%0.83 2015 Sentinel-2 92%0.90 2020 Sentinel-2 93%0.91 5 数据价值与使用建议 文章数据集是一套较为全面的珠海淇澳岛 20 年 红树林空间分布数据产品，较为完整地展示淇澳岛自然保护区内红树林的空间变化情况，可以直接在基础的地理信息系统软件中打开，例如 ArcGIS、ENVI 等，也可以根据需要转变格式并在其他软件打开。在技术价值方面，文章数据采用踏勘调查以及 Google 影像与遥感影像叠加目视解译确定验证样本，计算 NDWI 和NDVI 并通过决策树分类法获取该区域水陆及植被范围，最后采用面向对象分类方法进行分类并提取红树林面积，该方法以期为相似研究提供技术参考。在应用价值方面，文章数据可以通过计算，从而获得 20002020 年期间该区域红树林的面积。此外，还可以利用空间叠加等方法，分析淇澳岛各时期红树林空间分布状况，以及评价其动态变化。可用于珠海市和广东省生态环境监测，也可作为科学研究的重要参考数据，包括淇澳岛红树林动态变化规律分析、生态环境质量评价、红树林湿地的保护、恢复和管理等等多方面的应用。数据作者分工职责 蔡惠娜，女，本科，广东人，研究方向为 RS和 GIS 环境生态相关研究。本研究主要工作：实地踏勘确定采样点、遥感数据收集与处理，红树林面积提取，数据集生产以及论文的撰写。王瑞源，男，博士，台湾人，研究方向为 RS和 GIS 环境生态相关研究。本研究主要工作：红树林遥感提取方案设计，数据校对与质量控制，论文的修改。参考文献 1 王文卿,王瑁.中国红树林M.北京:科学出版社,2007:5 Wang W Q,Wang M.Mangrove forests of China M.Beijing:Science Press,2007:5.(in Chinese)2 Glaser M.Interrelations between mangrove ecosystem,local economy and social sustainability in Caete Estuary,North Brazil J.Wetlands Ecology and Management,2003,11(4):265272.3 丁冬静,廖宝文,管伟,等.东寨港红树林自然保护区滨海湿地生态系统服务价值评估J.生态科学,2016,35(6):182190.Ding D J,Liao B W,Guan W,et al.Evaluation on service value of coastal wetland ecosystem in Dongzhai harbor mangrove nature reserve J.Ecological Science,2016,35(6):182190.(in Chinese)4 Song S S,Ding Y L,Li W,et al.Mangrove reforestation provides 第 2 期 蔡惠娜等：2000-2020 年广东省珠海淇澳岛红树林空间分布数据集 15 greater blue carbon benefit than afforestation for mitigating global climate change J.Nature Communications,2023,14(1):1-11.5 但新球,廖宝文,吴照柏,等.中国红树林湿地资源、保护现状和主要威胁J.生态环境学报,2016,25(7):1237-1243.Dan X Q,Liao B W,Wu Z B,et al.Resources,conservation status and main threats of mangrove wetlands in China J.Ecology and Environmental Sciences,2016,25(7):1237-1243.(in Chinese)6 Pranchai A,Jenke M,Berger U.Well-intentioned,but poorly implemented:debris from coastal bamboo fences triggered mangrove decline in Thailand J.Marine Pollution Bulletin,2019,146:900-907.7 唐焕丽,刘凯,朱远辉,等.基于 WorldView-2 数据和支持向量机的红树林群落分类研究J.中山大学学报(自然科学版),2015,54(4):102-111.Tang H L,Liu K,Zhu Y H,et al.Mangrove community classification based on World View-2 image and SVM method J.Acta Scientiarum Naturalium Universitatis Sunyatseni,2015,54(4):102-111.(in Chinese)8 邱霓,徐颂军,邱彭华,等.珠海淇澳岛红树林群落分布与景观格局J.林业科学,2019,55(1):1-10.Qiu N,Xu S J,Qiu P H,et al.Community distribution and landscape pattern of the mangrove on the Qiao Island，Zhuhai J.Scientia Silvae Sinicae,2019,55(1):1-10.(in Chinese)9 Giri C.Observation and monitoring of mangrove forests using remote sensing:opportunities and challenges J.Remote Sensing,2016,8(9):783.10 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):154159.11 Bunting P,Rosenqvist A,Lucas R,et al.The global mangrove watcha new 2010 global baseline of mangrove extent J.Remote Sensing,2018,10(10):1669.12 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 Journal of Photogrammetry and Remote Sensing,2017,131:104-120.13 孔令婷,杨英宝,章勇.基于不同分辨率遥感影像的分类方法对比研究J.测绘与空间地理信息,2015,38(3):40-43.Kong L T,Yang Y B,Zhang Y.Study on classification methods based on different resolution remote sensing image J.Geomatics&Spatial Information Technology,2015,38(3):40-43.(in Chinese)14 Lucas I F J,Frans J M,Wel V D.Accuracy assessment of satellite derived land-cover data:A review J.Photogrammetric Engineering and Remote Sensing,1994,60(4):410-432.15 Landis J R,Koch G G.The measurement of observer agreement for categorical data J.Biometrics,1977,33(1):159-174.