利用Sentinel-2卫星影像通过分支算法识别加拿大大西洋沿岸光学复杂沿海水域的底部栖息地_DataSheet1

Sentinel-2卫星图像已成功用于绘制清澈水域中的沉水海草图，以及一系列水域中形成表层冠层的海藻栖息地图。我们研究了使用Sentinel-2遥感反射率对加拿大大西洋高优先级管理区域内光学复杂、温带水域中完全淹没的海草和海藻栖息地进行分类的能力。为此，我们根据潮汐高度、没有太阳反光和云层以及水的透明度，确定了2015年至2019年间可用的“最佳”Sentinel-2图像。使用完整的Sentinel-2图块，我们使用ACOLITE的暗光谱拟合方法对图像进行了大气校正。我们的分类目标是对植被的存在和缺失进行两级预测。使用从落下相机调查中获得的信息，首先使用基于归一化植被指数（NDVI）、红/绿比和蓝色波段的简单波段阈值对图像进行部分分类。建立了一个随机森林模型，对剩余区域进行分类，最大深度为10米，这是进行实地调查的最大深度。由此产生的栖息地图总体准确率为79%，预计将出现约231平方公里的植被栖息地（总面积345.15平方公里）。正如预期的那样，分类在以明亮的沙质裸露基质和密集的深色植被床为主的地区表现最佳。在以深色裸泥质基质为主的区域，其光谱与植被栖息地相似，在植被密度低且与其他基质混合的像素中，以及在受淡水输入影响的区域，分类效果较差。底部栖息地可检测到的最大深度在整个图像中也有所不同。利用免费提供的Sentinel-2卫星系列的高空间分辨率和重采样频率，提供了一个新的机会来生成大规模植被栖息地地图，并研究加拿大大西洋地区植被范围随时间的变化，提供必要的数据层，为监测和管理以大型植物为主的栖息地以及由此产生的生态系统功能和服务提供信息。