Global Vision Media Focus
Компания в общей сложности 15 раз появлялась в эфире CCTV, а ее охват через партийные СМИ, центральные СМИ и местные официальные СМИ составил 50 миллионов человек.
Как гиперспектральные спутники «проникают» сквозь разнообразие растительности? — Гибридное разложение пикселей: технология для идентификации нескольких типов растительности по одному пикселю.
Вопрос: Как можно количественно оценить эффективность экологической реставрации?
Традиционные исследования видового разнообразия основаны на наземных пробных площадках, которые ограничены трудозатратами, транспортом и условиями местности, что затрудняет охват больших площадей. Хотя соответствующие технические спецификации Министерства экологии и окружающей среды разработали методы оценки разнообразия, этот показатель долгое время отсутствовал в практических комплексных оценках из-за сложности получения данных наземных наблюдений. Нам необходима технология, которая позволит «видеть» разнообразие растительности с воздуха.
Почему гиперспектральный?
Спутники дистанционного зондирования можно разделить на три категории в зависимости от их спектрального разрешения: широкополосные спутники высокого разрешения (например, GF-2, с 4 полосами и разрешением на поверхности 1 м), многоспектральные спутники (например, Sentinel-2, с 13 полосами и разрешением на поверхности 10-20 м) и гиперспектральные спутники (например, XG005, с 72 последовательными узкими полосами и разрешением на поверхности 40 м). Чем больше полос, тем выше спектральное разрешение и тем тоньше можно зафиксировать различия в типах растительности.
Ключевая проблема заключается в «смешанных пикселях»: масштаб пикселя в 40 м намного превышает ширину кроны одного растения, и один пиксель часто содержит спектральные сигналы от нескольких типов растительности. Хотя спутники высокого разрешения обеспечивают высокое пространственное разрешение, они обычно имеют только четыре широких полосы, что затрудняет различение видов деревьев со схожими цветами и формами, подобно рассматриванию черно-белой фотографии. В отличие от них, гиперспектральные спутники с их 72 узкими полосами действуют как «призма», разлагая смешанный сигнал на составляющие от каждого компонента на основе его спектральных характеристик — это ключ к пониманию структуры смешанных пикселей.Гибридное разложение пикселей«Основа технологии».
Технические принципы и процессы
Весь технический процесс состоит из четырех основных этапов:
Шаг 1: Определить «сколько типов растительности существует» (оценка виртуальных размеров).
Алгоритм HFC использовался для автоматического определения количества независимых источников сигналов растительности на изображениях посредством статистической проверки гипотез. В этом анализе было автоматически идентифицировано семь конечных элементов, представляющих семь различных типов или состояний растительности в районе гор Циньлин.
Шаг 2: Извлечение информации о том, «как выглядит каждый тип растительности» (извлечение конечных элементов).
С помощью алгоритма VCA (анализ вершинных компонентов) из миллионов пикселей были автоматически идентифицированы семь наиболее чистых спектральных характеристик. Эти характеристики могут соответствовать различным типам растительности, таким как вечнозеленые хвойные леса, лиственные широколиственные леса, кустарниковые заросли, смешанные леса и сельскохозяйственные угодья.
Шаг 3: Рассчитайте "сколько каждого вида".Инверсия изобилия）
Для каждого пикселя численность каждого компонента рассчитывается с использованием алгоритма FCLS (Fully Constrained Least Squares). Ограничение заключается в том, что все значения численности неотрицательны и в сумме равны 1, что обеспечивает разумный физический смысл. В результате получаются семь карт распределения численности, каждая из которых представляет пространственную плотность распределения определенного типа растительности.
Рисунок 1.Пространственное распределение численности 7 компонентов растительности (каждый пиксель разложен на несколько компонентов).
Шаг 4: Рассчитайте индекс разнообразия.
Обилие видов в каждом пикселе рассматривается как «видовой состав», и рассчитывается классический индекс разнообразия — индекс Шеннона-Винера (который объединяет видовое богатство и равномерность распределения видов).Индекс Симпсона(Вероятность случайного выбора двух особей, принадлежащих к разным типам), видовое богатство (количество эффективных конечных членов) и равномерность (сбалансированность распределения). Наконец, выполняется взвешенное объединение для получения комплексного индекса биоразнообразия BDI (0-1, более высокое значение означает лучшее разнообразие).
Сравнение возможностей спутников высокого разрешения/многоспектральных спутников
Основные преимущества: спутники высокого разрешения подходят для обнаружения изменений растительного покрова, а многоспектральные спутники могут получать показатели жизнеспособности растительности, такие как NDVI, но ни один из них не может определить состав типов растительности внутри пикселя на спектральном уровне. Технология гиперспектрального разложения восполняет этот пробел — она предоставляет количественную информацию о разнообразии растительности на субпиксельном уровне, которая в настоящее время недоступна для других типов спутников дистанционного зондирования.
Основные выводы
Анализ территории площадью приблизительно 6400 км² (около 4 миллионов эффективных пикселей растительности) во внутренней части горного региона показывает следующее:
1. Общее разнообразие от умеренного до высокого.Среднее значение BDI составляет 0,568, и большинство пикселей состоят из смеси трех типов растительности (на их долю приходится 65,5%), что отражает неоднородность растительности в регионе.
2. «Зеленый» не равен «разнообразию».Корреляция между индексом биоразнообразия (BDI) и индексом жизнеспособности растительности (NDVI) оказалась лишь слабой (r=0,369), что свидетельствует о том, что территории с обильным растительным покровом не обязательно богаты видами (например, чистые хвойные леса имеют высокий NDVI, но низкое биоразнообразие). Это подтверждает уникальную ценность метода дезактивации.
Рисунок 2.Матрица коэффициентов корреляции Пирсона показателей разнообразия
Рисунок 3.Карта распределения индекса растительности NDVI
Рисунок 4.Пространственное распределение составного индекса биоразнообразия (BDI) – зеленым цветом обозначены области с высоким биоразнообразием.
3. Четко прослеживается закономерность градиента высоты.：КомбинацияДанные ЦМР SRTMРазнообразие значительно уменьшается с высотой (r=-0,623), демонстрируя трехступенчатую закономерность.
Низкая высота (Смешанный лиственный широколиственный и вечнозеленый лес, индекс биоразнообразия BDI = 0,65–0,75, обладающий наивысшим видовым разнообразием;
Средняя высота (1000-1800 м)Переходная зона: биоразнообразие быстро сокращается, в то время как доля хвойных лесов увеличивается;
Высокогорье (>1800 м)Чистые хвойные леса, в которых преобладают пихта и секвойя, имеют индекс биоразнообразия (BDI) от 0,13 до 0,21 и низкое, но стабильное биоразнообразие.
Рисунок 5.Распределение ЦМР в исследуемой области
Рисунок 6.Тенденции изменения показателей разнообразия в зависимости от высотного градиента
Рисунок 7.Отрицательная корреляция между индексом массы тела (BDI) и высотой над уровнем моря (r=-0,623).
Значение и перспективы
Гиперспектральное разложение смешанных пикселей открыло совершенно новый путь для мониторинга разнообразия растительности на больших территориях. По сравнению с традиционными квадратными обследованиями, оно обладает широким охватом (одна сцена может покрывать тысячи квадратных километров) и высокой оперативностью (анализ может быть завершен за несколько часов); по сравнению с высокоразрешающими и мультиспектральными спутниками, оно обладает уникальной способностью различать состав растительности по спектральному измерению и может напрямую предоставлять количественные показатели разнообразия, а не просто косвенную информацию о «зелености».
В будущем объединение многовременных данных позволит отслеживать разнообразные межгодовые динамические изменения, а проверка наземных квадратов даст возможность создать [систему/механизм].Спектральное разнообразиеКоличественная взаимосвязь между биоразнообразием и видовым разнообразием. Ожидается, что этот метод восполнит давний пробел в национальной оценке экологической функции, заключающийся в отсутствии показателей «разнообразия», и обеспечит объективную и воспроизводимую техническую поддержку для количественной оценки эффективности экологического управления.