首页
 
当前位置:首页>首页>学术研究
东北地理所湿地遥感团队发布湿地分布重要数据集
      湿地是世界上最具生产力的生态系统之一,在水文调节、水源涵养、生物多样性保育等方面发挥着不可替代的作用。然而,气候变化和人类活动双重胁迫导致湿地大面积损失和功能退化,生态系统服务能力下降。湿地空间分布信息是湿地科学保护与修复、湿地生态服务功能评估等管理决策制定和研究所需的重要基础数据。当前,国家尺度上精准的湿地空间分布数据的缺乏,在一定程度上限制了我国湿地科学研究的进展。近期,东北地理所湿地遥感团队将研发的多个国家尺度湿地分布数据集在国家地球系统科学数据中心免费共享,旨在为国内外自然资源管理、生态环境保护等领域管理决策提供参考依据,支撑大尺度候鸟栖息地评估、碳库/汇估算等相关科学研究。 
 
  (1)中国500m潜在湿地分布数据集 
 
  潜在湿地表征湿地的潜在分布区域,其分布模拟不仅能够为中国乃至全球湿地资源保护、管理和修复提供重要的科学基础,也能为大尺度遥感湿地制图提供重要的参考依据。研究团队从湿地定义和湿地形成发育角度出发,筛选并构建了涵盖水文、土壤、植被和地形四方面因子、由30个指标组成的潜在湿地分布模拟指标体系,并基于47093个湿地分布样本点,对比分析了随机森林(Random forest)、支持向量机 (Support vector machine)、极端梯度提升(XGBoost)三种机器学习算法,完成了中国潜在湿地分布概率制图,进一步依据最优模型结果,解析了中国潜在湿地分布的空间特征(图1)。基于RF算法的潜在湿地分布模拟结果显示,中国潜在湿地面积共有33.27万平方公里。
                                 
                                                                图1 中国潜在湿地分布空间格局 
 
  (2)东亚10 m分辨率湿地空间分布数据集(2021) 
 
  实时、精准的湿地类型分布数据集是湿地生态系统精细管理和研究的重要基础,在遥感大数据和云计算平台(Google Earth Engine)的支持下,研究团队研发了一种集成随机森林机器学习算法和层次决策树分类算法的“两段式”的大尺度湿地分类框架方法。利用多源参考数据和21万多景Sentinel-1/2时间序列遥感影像,完成了东亚地区首套10米空间分辨率、多类型(3大类、12小类)的湿地空间分布图(EA_Wetlands,2021),精度达88%以上。 
 
  2021年东亚地区的湿地总面积为 48.18万 km2. 主要分布在中国东北地区和青藏高原地区(占比41.02%)。东亚地区的湿地类型以内陆湿地为主(68.26%),其次为滨海湿地(17.31%)和人工湿地(14.43%)。在12个湿地二级类型中,内陆草本沼泽所占比例最高(29.67%),其次是湖泊(20.98%),滨海木本沼泽所占比例最低(0.07%)。在东亚地区各个国家中,中国的湿地面积所占比例最大(88.97%),其次为蒙古国(3.57%)。韩国的湿地面积占国土面积的比例最大(10.43%)。
                                 
                                                           图2 2021年东亚地区湿地空间分布特征 
 
  数据集由毛德华、相恒星、王铭和王宗明等生产,在国家地球系统科学数据中心网站注册后,即可免费下载使用。 
 
  获取地址如下: 
 
  https://www.geodata.cn/data/datadetails.html?dataguid=120446754150036 
 
  http://northeast.geodata.cn/data/datadetails.html?dataguid=58876863818267&docid=0 
 
  欢迎下载使用。联系人:毛德华,maodehua@iga.ac.cn 
 
  关联论文信息: 
 
  [1] Xiang, H.X., Xi, Y.B., Mao, D.H.*, Xu, T.Y., Wang, M., Yu, F.D., Feng, K.D., Wang, Z.M., 2023. Modeling potential wetland distributions in China based on geographic big data and machine learning algorithms. International Journal of Digital Earth, 16(1): 3706-3724.  
 
  [2] Xiang, H.X., Xi, Y.B., Mao, D.H.*, Mahdianpari, M, Zhang, J., Wang, M., Jia, M.M., Yu, F.D., Wang, Z.M., 2023. Mapping potential wetlands by a new framework method using random forest algorithm and big earth Earth data:A case study in China's Yangtze River Basin. Global Ecology and Conservation, 42:e02397. 
 
  [3] Wang, M., Mao, D.H.*, Wang, Y.Q., Xiao, X.M., Xiang, H.X., Feng, K.D., Luo, L., Jia, M.M., Song, K.S., Wang, Z.M., 2023. Wetland mapping in East Asia by two-stage object-based Random Forest and hierarchical decision tree algorithms on Sentinel-1/2 images. Remote Sensing of Environment, 297: 113793.