利用航空摄影、基于对象的图像分析和深度学习监测区域尺度河口栖息地及威胁：意义深远的生态探索

《Wetlands》：Monitoring Estuarine Habitats and Threats at a Regional Scale Using Aerial Photography, Object-Based Image Analysis and Deep Learning

为解决河口大型植物（如 seagrass、mangrove、saltmarsh 等）面临人类干扰威胁，且其空间分布及变化缺乏有效监测的问题，研究人员开展了利用航空摄影、对象 - 基于图像分析（OBIA）和深度学习监测河口栖息地及威胁的研究。结果显示该方法准确率超 90%，能有效识别多种栖息地和干扰。这对保护河口生态系统意义重大。

　　河口，作为地球上独特而重要的生态区域，孕育着丰富多样的生物。其中，河口大型植物（包括海草（seagrass）、红树林（mangrove）和盐沼（saltmarsh）等）更是扮演着生态基石的角色。它们不仅为众多生物提供栖息地，还在沉积物稳定、营养循环、海岸保护和碳固存等方面发挥关键作用。然而，随着人类活动的加剧，河口生态系统正面临前所未有的挑战。沿海开发、土地开垦、水质下降等人类干扰，严重威胁着河口大型植物的生存，导致其面积减少、生态功能受损。同时，气候变化带来的海平面上升、风暴频率和强度增加等问题，也进一步加剧了这些栖息地的脆弱性。因此，准确了解河口大型植物的空间分布、面临的威胁以及这些因素随时间的变化，对于有效保护和管理河口生态系统至关重要。

为了应对这些挑战，新南威尔士州初级产业和区域发展部（New South Wales Department of Primary Industries and Regional Development）的研究人员 Greg J. West、Peter T. Gibson 和 Tim M. Glasby 开展了一项具有重要意义的研究。他们利用高分辨率航空影像结合基于对象的图像分析（Object - Based Image Analysis，OBIA）和深度学习技术，对澳大利亚新南威尔士州河口的生态变化进行监测，并为威胁管理提供依据。该研究成果发表在《Wetlands》杂志上，为河口生态系统保护提供了新的思路和方法。

在研究方法上，研究人员主要运用了以下关键技术：一是采用高分辨率（<0.3 m 像素分辨率）的标准 3 波段 RGB 航空影像，通过固定翼飞机获取影像数据，严格控制影像采集时间、环境条件等，确保数据质量；二是运用基于对象的图像分析技术（OBIA），在 Trimble eCognition Developer 10 软件环境中，通过多分辨率分割等方法对图像进行初步处理和分析；三是利用卷积神经网络（Convolutional Neural Networks，CNN）对红树林和盐沼进行半自动化映射，提高分类和映射的准确性。

研究结果如下：

1. 精度评估：通过将最终绘制的栖息地与 640 个独立的实地参考点进行比较，评估栖息地分类的准确性。结果显示，所有绘制栖息地的总体准确率为 93%，几乎所有单个栖息地类别的用户和生产者准确率均达到或超过 90%。其中，海草地图的高精度得益于严格的图像采集标准，但混合 Posidonia/Zostera 海草类别的准确率最低（72%），红树林和盐沼栖息地的准确率最高。
2. 栖息地和干扰的范围：研究人员对新南威尔士州 135 个河口的河口大型植物进行了绘图，其中 46 个采用了新的绘图技术。结果表明，海草存在于 106 个河口，红树林存在于 86 个河口，盐沼存在于 111 个河口。同时，研究还发现许多人工结构（如码头、浮筒等）对海草造成了威胁，大量的船只停泊也对海草造成了损害，此外，越野车辆对盐沼、多种因素对红树林的损害也较为严重。

研究结论和讨论部分指出，该研究的栖息地绘图方法非常适合量化斑块状或狭窄边缘栖息地范围的变化，能够有效减少人工数字化的主观性，提高绘图效率和准确性。同时，研究数据已被用于多种研究和管理决策，如识别影响海草草甸面积变化和破碎化的干扰因素、评估多种干扰对海草的累积影响、模拟未来海平面上升对红树林和盐沼分布的影响等。然而，该研究也存在一定的局限性，如严格的图像采集要求可能会受到气候变化的影响，水的透明度仍是绘制海草的限制因素，且无法识别红树林树冠下的栖息地。尽管如此，该研究为河口生态系统的保护和管理提供了重要的科学依据，有助于制定更有效的保护策略，保护这些关键的河口栖息地。未来，随着技术的不断发展，如 CNN 模型的进一步优化和新兴工具的应用，有望进一步提高河口栖息地监测的效率和准确性，为河口生态系统的保护和管理提供更有力的支持。