خلاصه
کلید واژه ها:
تشخیص تغییر ؛ پویایی بلند مدت ؛ حفاظت ; مرمت ؛ ALOS PALSAR
۱٫ معرفی
۲٫ مواد و روشها
۲٫۱٫ منطقه مطالعه
۲٫۲٫ داده ها
۲٫۲٫۱٫ تصاویر رادار دیافراگم مصنوعی (SAR).
موزاییک باند L SAR آژانس اکتشافات هوافضای ژاپن (JAXA) از ماهواره ژاپنی منابع زمین ۱ (JERS-1) برای سال ۱۹۹۶ از JAXA دانلود شد (JAXA EORC mosaic: http://www.eorc.jaxa.jp/ALOS/en/ موزاییکهای سالانه palsar_fnf/fnf_index.htm و ALOS PALSAR/PALSAR-2 برای سالهای ۲۰۰۷، ۲۰۱۰ و ۲۰۱۸ از موتور Google Earth (GEE) با وضوح فضایی ۲۵ متر بهدست آمدند. یک فیلتر Lee برای فیلتر کردن نوارها از تصاویر SAR برای کاهش اثرات لکه [ ۱۷ ] استفاده شد.]. داده ها به صورت عدد دیجیتال بود و با استفاده از رابطه (۱)، با ضریب کالیبراسیون (CF) 83- برای ALOS PALSAR/PALSAR-2 و ۸۴٫۶۶- برای JERS-1 به ضریب پراکندگی پس پراکندگی سیگما تبدیل شد. برای امکان ادغام با دادههای Landsat و دادههای مدل رقومی ارتفاع (DEM)، دادههای حاصل از ALOS PALSAR/PALSAR-2 و JERS-1 با استفاده از درونیابی نزدیکترین همسایه در GEE به وضوح پیکسل ۳۰ متر نمونهبرداری شدند.
۲٫۲٫۲٫ تصاویر لندست
۲٫۲٫۳٫ داده های زمینی-حقیقت
۲٫۲٫۴٫ داده های دیگر
۲٫۳٫ روش شناسی
۲٫۳٫۱٫ طبقه بندی پایه حرا
۲٫۳٫۲٫ تشخیص تغییر حرا از ۱۹۸۵ تا ۲۰۱۸
۲٫۳٫۳٫ ارزیابی کمی دینامیک حرا
۳٫ نتایج
۳٫۱٫ نقشه پایه حرا
۳٫۲٫ تغییر منطقه حرا از ۱۹۸۵ تا ۲۰۱۸
۳٫۳٫ نتایج کمی دینامیک حرا
۴٫ بحث
۴٫۱٫ مزایا در دینامیک حرا حاصل
۴٫۲٫ منابع بالقوه عدم قطعیت در دینامیک حرا حاصل
۴٫۳٫ نیروهای محرکه احتمالی مانگرو دینامیک
۵٫ نتیجه گیری ها
ضمیمه الف. دقت ارزیابی پس از طبقه بندی
منابع
- ناگلکرکن، آی. وان در ولده، جی. گوریسن، ام. مایجر، جی. وانت هوف، تی. دن هارتوگ، سی. اهمیت حرا، بستر علفهای دریایی و صخرههای مرجانی کمعمق بهعنوان مهدکودک برای ماهیهای مهم صخرههای مرجانی، با استفاده از تکنیک سرشماری بصری. استوار. ساحل. Shelf Sci. ۲۰۰۰ ، ۵۱ ، ۳۱-۴۴٫ [ Google Scholar ] [ CrossRef ]
- Arkema، KK; گوانل، جی. وروتس، جی. چوب، SA; گوری، ا. راکلشائوس، ام. کاریوا، پ. لاکایو، ام. نقره، JM زیستگاه های ساحلی از مردم و دارایی ها در برابر افزایش سطح دریا و طوفان محافظت می کنند. نات. صعود چانگ. ۲۰۱۳ ، ۳ ، ۹۱۳-۹۱۸٫ [ Google Scholar ] [ CrossRef ]
- دوارته، سی ام. لوسادا، آی جی; هندریکس، IE; مزارسه، من. Marbà، N. نقش جوامع گیاهی ساحلی برای کاهش تغییرات آب و هوا و سازگاری. نات. صعود چانگ. ۲۰۱۳ ، ۳ ، ۹۶۱-۹۶۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- موری، BC; پندلتون، ال. جنکینز، WA; Sifleet، S. پرداخت های سبز برای کربن آبی: مشوق های اقتصادی برای حفاظت از زیستگاه های ساحلی در معرض تهدید. ۲۰۱۱٫ در دسترس آنلاین: https://nicholasinstitute.duke.edu/environment/publications/naturalresources/blue-carbon-report (در ۶ ژوئیه ۲۰۲۰ قابل دسترسی است).
- همیلتون، SE; کیسی، دی. ایجاد یک پایگاه داده جهانی با وضوح مکانی-زمانی بالا از پوشش جنگلی مانگرو پیوسته برای قرن بیست و یکم (CGMFC-21). گلوب. Ecol. Biogeogr. ۲۰۱۶ ، ۲۵ ، ۷۲۹-۷۳۸٫ [ Google Scholar ] [ CrossRef ]
- اسپالدینگ، ام. بلاسکو، ای. Field, C. World Mangrove Alias ; انجمن بین المللی برای اکوسیستم های حرا: اوکیناوا، ژاپن، ۱۹۹۷٫ [ Google Scholar ]
- وو، جی. ژانگ، اچ. پان، ی. کراوز-جنسن، دی. او، ز. فن، دبلیو. شیائو، ایکس. چانگ، آی. ماربا، ن. سرانو، او. فرصت ها برای استراتژی های کربن آبی در چین. ساحل اقیانوس. مدیریت ۲۰۲۰ , ۱۹۴ , ۱۰۵۲۴۱٫ [ Google Scholar ] [ CrossRef ]
- لی، ایکس. یو، ایکس. هو، ایکس. لیو، ی. لی، اچ. ژو، ی. شیا، اس. لیو، ی. دوان، اچ. وانگ، ی. ارزیابی خدمات اکوسیستم تالاب در ذخایر طبیعی ملی در مناطق ساحلی چین. پایداری ۲۰۲۰ ، ۱۲ ، ۳۱۳۱٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- سلام.؛ Zhang، M. مطالعه در مورد از دست دادن تالاب و دلایل آن در چین. چانه. Geogr. علمی ۲۰۰۱ ، ۱۱ ، ۲۴۱-۲۴۵٫ [ Google Scholar ] [ CrossRef ]
- اسپالدینگ، ام. کاینوما، ام. کالینز، L. اطلس جهانی حرا ; Earthscan: لندن، بریتانیا، ۲۰۱۰٫ [ Google Scholar ]
- گیری، سی. اوچینگ، ای. Tieszen, LL; زو، ز. سینگ، آ. لاولند، تی. ماسک، جی. دوک، ن. وضعیت و توزیع جنگلهای حرا جهان با استفاده از دادههای ماهوارهای رصد زمین. گلوب. Ecol. Biogeogr. ۲۰۱۱ ، ۲۰ ، ۱۵۴-۱۵۹٫ [ Google Scholar ] [ CrossRef ]
- وو، پی. ژانگ، جی. ممکن است.؛ لی، ایکس. نظارت و تجزیه و تحلیل سنجش از راه دور تغییرات منابع حرا در چین در ۲۰ سال گذشته. Adv. مارس Sci. ۲۰۱۳ ، ۳۱ ، ۴۰۶-۴۱۴، (به زبان چینی با چکیده انگلیسی). [ Google Scholar ]
- جیا، م. وانگ، ز. لی، ال. آهنگ، ک. رن، سی. لیو، بی. Mao, D. نقشه برداری از حرا چین بر اساس طبقه بندی شی گرا از تصاویر Landsat. Wetlands ۲۰۱۴ , ۳۴ , ۲۷۷-۲۸۳٫ [ Google Scholar ] [ CrossRef ]
- چن، بی. شیائو، ایکس. لی، ایکس. پان، ال. دوغتی، ر. ما، جی. دونگ، جی. Qin، Y.; ژائو، بی. Wu, Z. نقشه جنگل حرا چین در سال ۲۰۱۵: تجزیه و تحلیل تصاویر سری های زمانی Landsat 7/8 و Sentinel-1A در پلت فرم محاسبات ابری موتور Google Earth. ISPRS J. Photogramm. Remote Sens. ۲۰۱۷ , ۱۳۱ . [ Google Scholar ] [ CrossRef ]
- هو، ال. لی، دبلیو. Xu، B. نظارت بر تغییر جنگل حرا در چین از سال ۱۹۹۰ تا ۲۰۱۵ با استفاده از معیارهای تغییرپذیری طیفی-زمانی مشتق شده از Landsat. بین المللی J. Appl. زمین Obs. Geoinf. ۲۰۱۸ ، ۷۳ ، ۸۸-۹۸٫ [ Google Scholar ] [ CrossRef ]
- جیا، م. وانگ، ز. ژانگ، ی. مائو، دی. وانگ، سی. نظارت بر تلفات و بازیابی جنگلهای حرا در طول ۴۲ سال: دستاوردهای حفاظت از حرا در چین. بین المللی J. Appl. زمین Obs. Geoinf. ۲۰۱۸ ، ۷۳ ، ۵۳۵-۵۴۵٫ [ Google Scholar ] [ CrossRef ]
- لی، جی.اس. بهبود تصویر دیجیتال و فیلتر نویز با استفاده از آمار محلی. IEEE Trans. الگوی مقعدی ماخ هوشمند ۱۹۸۰ ، ۱۶۵-۱۶۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Tucker، CJ Red و ترکیبات خطی مادون قرمز عکاسی برای نظارت بر پوشش گیاهی. سنسور از راه دور محیط. ۱۹۷۸ ، ۸ ، ۱۲۷-۱۵۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- گائو، B.-C. NDWI – یک شاخص تفاوت نرمال شده آب برای سنجش از راه دور آب مایع گیاهی از فضا. سنسور از راه دور محیط. ۱۹۹۶ ، ۵۸ ، ۲۵۷-۲۶۶٫ [ Google Scholar ] [ CrossRef ]
- ژو، ی. شیائو، ایکس. Qin، Y.; دونگ، جی. ژانگ، جی. کو، دبلیو. جین، سی. وانگ، جی. Li, X. نقشه برداری از منطقه کاشت برنج شالیزاری در مناطق همزیست تالاب برنج از طریق تجزیه و تحلیل تصاویر Landsat 8 OLI و MODIS. بین المللی J. Appl. زمین Obs. Geoinf. ۲۰۱۶ ، ۴۶ ، ۱-۱۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Xu، H. اصلاح شاخص آب تفاوت نرمال شده (NDWI) برای افزایش ویژگی های آب باز در تصاویر سنجش از راه دور. بین المللی J. Remote Sens. ۲۰۰۶ ، ۲۷ ، ۳۰۲۵-۳۰۳۳٫ [ Google Scholar ] [ CrossRef ]
- Huete، AR یک شاخص پوشش گیاهی با خاک (SAVI). سنجش از دور محیط زیست سنسور از راه دور محیط. ۱۹۸۸ ، ۲۵ ، ۲۹۵-۳۰۹٫ [ Google Scholar ] [ CrossRef ]
- بروزون، ال. Prieto، DF تجزیه و تحلیل خودکار تصویر تفاوت برای تشخیص تغییرات بدون نظارت. IEEE Trans. Geosci. Remote Sens. ۲۰۰۰ , ۳۸ , ۱۱۷۱-۱۱۸۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- دینگل رابرتسون، ال. کینگ، دی جی مقایسه طبقهبندی مبتنی بر پیکسل و شی در نگاشت تغییر پوشش زمین. بین المللی J. Remote Sens. ۲۰۱۱ ، ۳۲ ، ۱۵۰۵-۱۵۲۹٫ [ Google Scholar ] [ CrossRef ]
- توماس، ن. بانتینگ، پ. لوکاس، آر. هاردی، ا. روزنکویست، ا. فاتویینبو، تی. نقشه برداری میزان و تغییر حرا: یک رویکرد قابل اجرا در سطح جهانی. Remote Sens. ۲۰۱۸ , ۱۰ , ۱۴۶۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Macleod، RD; Congalton، RG مقایسه کمی الگوریتمهای تشخیص تغییر برای نظارت بر علف مارماهی از دادههای سنجش از راه دور. فتوگرام مهندس Remote Sens. ۱۹۹۸ , ۶۴ , ۲۰۷-۲۱۶٫ [ Google Scholar ]
- تیم RStudio. RStudio: توسعه یکپارچه برای R. RStudio . PBC: بوستون، MA، ایالات متحده آمریکا، ۲۰۱۹٫ [ Google Scholar ]
- چن، ال. وانگ، دبلیو. ژانگ، ی. لین، جی. پیشرفتهای اخیر در حفاظت، مرمت و تحقیق حرا در چین. J. Plant Ecol. ۲۰۰۹ ، ۲ ، ۴۵-۵۴٫ [ Google Scholar ] [ CrossRef ]
- دونگ، جی. شیائو، ایکس. منارگوئز، MA; ژانگ، جی. Qin، Y.; تاو، دی. بیرادار، سی. Moore III، B. نقشه برداری از منطقه کاشت برنج شالیزاری در شمال شرقی آسیا با تصاویر Landsat 8، الگوریتم مبتنی بر فنولوژی و موتور Google Earth. سنسور از راه دور محیط. ۲۰۱۶ ، ۱۸۵ ، ۱۴۲-۱۵۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- برگزار شد، ا. تایس هرست، سی. لیمبرنر، ال. ویلیامز، ن. نقشه برداری با وضوح بالا از اکوسیستم های حرا استوایی با استفاده از سنجش از دور ابرطیفی و راداری. بین المللی J. Remote Sens. ۲۰۰۳ , ۲۴ , ۲۷۳۹-۲۷۵۹٫ [ Google Scholar ] [ CrossRef ]
- رمزی، EW; نلسون، GA؛ Sapkota، SK طبقه بندی منابع ساحلی با ادغام تصاویر نوری و راداری و عکاسی مادون قرمز رنگی. مرداب های نمکی حرا ۱۹۹۸ ، ۲ ، ۱۰۹-۱۱۹٫ [ Google Scholar ] [ CrossRef ]
- فام، تی دی; یوکویا، ن. Bui، DT; یوشینو، ک. Friess، DA رویکردهای سنجش از دور برای نظارت بر گونههای حرا، ساختار و زیست توده: فرصتها و چالشها Remote Sens. ۲۰۱۹ ، ۱۱ ، ۲۳۰٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- هوانگ، ایکس. پنگ، ایکس. کیو، جی. وضعیت چن، اس. حرا و چشم انداز توسعه در استان ژجیانگ جنوبی. جی. ژجیانگ برای. Coll. ۲۰۰۹ ، ۲۶ ، ۴۲۷-۴۳۳، (به زبان چینی با چکیده انگلیسی). [ Google Scholar ]
- وانگ، آ. چن، جی. جینگ، سی. بله، جی. وو، جی. هوانگ، ز. ژو، سی. نظارت بر تهاجم Spartina alterniflora از سال ۱۹۹۳ تا ۲۰۱۴ با داده های ماهواره ای Landsat TM و SPOT 6 در خلیج Yueqing، چین. PLoS ONE ۲۰۱۵ ، ۱۰ ، e0135538. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وانگ، ال. جیا، م. یین، دی. تیان، جی. مروری بر سنجش از دور برای جنگلهای حرا: ۱۹۵۶-۲۰۱۸٫ سنسور از راه دور محیط. ۲۰۱۹ ، ۲۳۱ ، ۱۱۱۲۲۳٫ [ Google Scholar ] [ CrossRef ]
- جیا، م. لیو، ام. وانگ، ز. مائو، دی. رن، سی. Cui، H. ارزیابی اثربخشی حفاظت در حرا: مقایسه مبتنی بر سنجش از دور برای دو منطقه حفاظتشده مجاور در شنژن و هنگ کنگ، چین. Remote Sens. ۲۰۱۶ , ۸ , ۶۲۷٫ [ Google Scholar ] [ CrossRef ][ Green Version ]
- سانگسوم، وی. کودسین، دبلیو. ریچی، RJ; Huete، A. فنولوژی حرا و محرک های زیست محیطی مشتق شده از سنجش از دور در جنوب تایلند. Remote Sens. ۲۰۱۹ , ۱۱ , ۹۵۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- لیو، ام. ژانگ، اچ. لین، جی. لین، اچ. تانگ، دی. پهنه بندی و پویایی جهت جنگل های حرا برگرفته از تصاویر ماهواره ای سری زمانی در مای پو، هنگ کنگ. پایداری ۲۰۱۸ ، ۱۰ ، ۱۹۱۳٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
بدون دیدگاه