湖泊湿地是具有多种生态功能的生态系统,对人类和生态环境可持续发展至关重要。由于环境恶化,湿地面积正不断萎缩,对湿地进行保护和恢复迫在眉睫。利用遥感技术提取湿地空间分布信息,实施动态地监测湖泊湿地时空演变,能为湿地保护和决策提供重要数据支持。常用遥感影像湿地信息提取方法少有兼顾光谱与空间信息,难以保证湿地提取的准确性和可靠性。本文在利用遥感影像光谱特征时融入深度学习算法,构建空谱联合估计模型对湿地信息进行提取,获取不同时期湖泊湿地信息专题图分析湖泊湿地时空变化。主要包括:(1)构建基于深度学习的湿地识别模型。引入深度学习算法,建立多尺度卷积神经网络湿地识别模型,制作湿地样本,对基于深度卷积神经网络的湿地识别模型进行学习训练。(2)研究湿地提取空谱联合估计模型。运用深度学习卷积神经网络模型,与归一化差分水体指数和湿度分量相结合,综合考虑湿地空间特征和光谱特征,搭建空谱联合估计模型,对湿地进行提取。(3)将目前常用湿地提取方法与基于深度学习的湿地提取方法对比分析。采用最小距离法、最大似然法、决策树分类法、面向对象法、支持向量机法等与本文方法进行对比分析实验,评定精度,验证基于深度学习的湿地提取方法的可行性和准确性。(4)湖泊湿地时空演变特征研究。本文以鄱阳湖为例,分析湖泊湿地时间空间变化。运用景观生态学方法对2000年、2005年、2010年、2015年鄱阳湖湿地信息进行分析,利用景观格局指数定量分析湿地变化过程,研究其变化趋势,探寻湿地变化规律,为湿地保护和恢复决策提供数据支持,并提出相应保护建议。
