香港中文大學太空與地球信息科學研究所城市與溼地遙感團隊 (UWRSG)(www.urbanwetlandrs.com)在林琿教授和張鴻生博士帶領下,近年來在香港特別行政區政府研究資助局(RGC)、國家自然科學基金(NSFC)和廣東省海洋遙感重點實驗室(LORS)等單位的支持下,應用光學和合成孔徑雷達(SAR)等多源遙感融合技術,開展了粵港澳大灣區的城市與紅樹林溼地遙感監測和評估的系列研究。
在紅樹林溼地遙感方面,團隊致力於融合多源多時相星載與機載高分辨遙感和野外考察資料,對紅樹林本地物種和外來物種進行識別,變化監測以及對紅樹林生物量的估算,從而支持全國紅樹林監測與保育工作。為此,團隊共開展和參與了多次紅樹林野外調查,研究區包括香港(米埔、大澳、鹿頸等),廣東省(深圳、徐聞)以及海南省(文昌、東寨港、三亞等)。在野外調查數據的支撐下,團隊展開了一系列紅樹林遙感監測研究,應用高解析度多源遙感數據,通過機器學習(如深度網絡、旋轉森林等)模型對多源遙感數據的光譜特徵、空間特徵、後向散射特徵和極化特徵進行自動分析學習,從而進行紅樹林種間分類、樹種多樣性調查,以及紅樹林地上生物量估算。在紅樹林種間分類的基礎上,我們對不同物種的長時間序列變化進行定量分析。例如,我們對香港米埔溼地過去25年不同種類紅樹林的斑塊化特徵的時空變化進行分析,最後進一步分析外來物種海桑和無瓣海桑的長時間變化特徵,從而更好地服務紅樹林保育工作。
目前,研究團隊開展了廣泛的國際和國內合作,致力於促進國內外紅樹林溼地的遙感監測工作的進程。例如,團隊成員是國際地理設計聯盟(IGC)綠色工作組和數字絲路國際計劃(DBAR)海岸帶工作組的成員。團隊還與清華大學、中國科學院南海海洋研究所等國內單位建立了長期的合作關係。此外,團隊成員多次在國際會議上獲得獎勵,包括第26屆Geoinformatcis最佳論文獎、第四期中歐龍計劃會議最佳海報獎和香港中文大學Dean’s List獎。
已發表相關論文
1) Luoma Wan, Hongsheng Zhang*, Guanghui Lin, and Hui Lin, A small-patched convolutional neural network for mangrove mapping at species level using high-resolution remote-sensing image. Annals of GIS. 2019, pp. 1-11, doi: 10.1080/19475683.2018.1564791
2) Hongsheng Zhang, Ting Wang, Mingfeng Liu, Mingming Jia, Hui Lin*, LM Chu and Adam Thomas Devlin. Potential of Combining Optical and Dual Polarimetric SAR Data for Improving Mangrove Species Discrimination Using Rotation Forest. Remote Sensing. 2018, 10(3), 467; doi: 10.3390/rs10030467
3) Mingfeng Liu, Hongsheng Zhang*, Guanghui Lin, Hui Lin and Danling Tang. Zonation and directional dynamics of mangrove forests derived from time-series satellite imagery in Mai Po, Hong Kong. Sustainability. 2018, 10(6), 1913; doi: 10.3390/su10061913.
4) Luoma Wan, Hongsheng Zhang*, Ting Wang, Gang Li, Hui Lin. Mangrove species discrimination from very high resolution imagery using Gaussian Markov Random Field model. Wetlands. 2018, 38(5): 861–874, doi: 10.1007/s13157-017-0925-1.
5) Ting Wang, Hongsheng Zhang, Hui Lin and Chaoyang Fang*. (2015). Textural–spectral feature-based species classification of mangroves in Mai Po Nature Reserve from Worldview-3 imagery. Remote Sensing, 8(1), 24, doi: 10.3390/rs8010024.