当前世界环境

介绍

红树林的动植物在自然界中是非常活跃的，并构成各种各样的生命形式的常绿类型。摘要克里须那三角洲红树林以部分沉水植物种类为主，这些种类在分类上无亲缘关系，并由一组耐盐物种组成，分布于潮间带河口地区、庇护海岸线和溪流。

来自海龟筑巢地的红树林，通过捕获碎片帮助土壤形成。哥达瓦里三角洲的红树林是由克里希纳河冲刷下来的有机土壤的丰富储藏地。来自适当生态系统的巨大动物群为鱼类、海洋无脊椎动物、鸟类和软体动物提供了庇护所。

克里希纳红树生长在河口、海岸泥滩和海岸地区的泻湖。这些盐生植物保护着沿海地区免受海啸、风暴和洋流等自然灾害的侵袭。除此之外，红树林在维持水质、充当天然过滤器和为水生生物提供健康的栖息地方面发挥着重要作用。

印度主要的红树林湿地位于东海岸，而它主要分布在西海岸的古吉拉特邦。从北部的桑德尔班斯到最南端的穆特贝红树林，东岸潮幅、淡水入流量和周期均呈下降趋势。相应的，红树林湿地的物种多样性和面积也从北向南减少，表明淡水流入和潮汐幅度对红树林湿地的健康和财富的影响。安得拉邦的地理面积为276000平方公里。其中面积63770平方公里。Km位于森林之下，占地理面积的23%。63770平方。公里的森林只有582平方公里。公里位于红树林之下，占该州森林总面积的0.9%。安得拉邦的地理优势在于，大部分向东流动的河流都位于邦的中心地带，从西、东高止山脉和德干高原向海岸输送了丰富的沉积物。流经该州的大、中、小河流大约有40条。Out of these, the most important rivers are (1)The Godavari (2)The Krishna (3) The Pennar and (4)The Vamsadhara. The majority of the mangroves are present in the estuaries of these rivers. The Godavari mangroves are located in the Godavari estuary in the East Godavari district. Krishna mangroves are located in the Krishna estuary of Krishna and Guntur districts. Apart from these estuaries, mangroves are also found in small patches in the coasts of Visakhapatnam, West Godavari, Guntur and Prakasam districts.

克里希纳红树林在15º42ʹ- 15º55ʹN和80º42ʹ- 81º01ʹE之间遍布克里希纳和冈图尔地区。在目前的区系统计中，共记录到戈达瓦里和克里希纳红树林地区20科27属35种。

尽管安得拉邦有广阔的红树林栖息地，但由于气候变化，在过去几十年里，红树林的数量每天都在减少。拟议研究区内红树林的耗竭被确定为农业活动、水产养殖和土壤侵蚀的侵蚀。

利用多光谱数据对红树林进行研究，在物种水平上未能发展或理解植物群落的扰动和生态过程及其时空分布。其中，高光谱遥感在显示植被的物种水平组成和物理化学状态方面具有很大的潜力。

Hyperion数据E0-1-ALI数据采集于05-Dec2000用于成像光谱。建立了一个用于植物物种制图的光谱库，以生成高光谱数据分类的标准协调协议。按照种间和种内变异性的分类标准，按照种间和种内变异性的分类标准进行分类。本文利用Envi软件对兰基瓦尼迪巴红树林保护区进行了实例研究。

研究区域

克利须那三角洲海岸平原的红树林包括7个保护区森林，总面积达19,481公顷。其中1974公顷。被茂密的红树林覆盖。Lankivanidibba的红树林在陆地地区有一个稀疏的红树林，随着我们向海的方向移动，变得更厚，由于远离浓密的红树林，很难对红树林的物种进行分类，因此尝试使用高光谱图像[5]进行分类。图1显示了研究区的主要地图。

植被相当茂密。已记录的物种有白骨龙骨(Avicennia marina)、山茱萸(a.o officinalis)、石榴木(Xylocarpus granatum)、沉香树(Excoecaria agallocha)、十andra Ceriops decichora、Rhizophora apiculata和Bruguiera cylindrical。在这个射频中发现了很大的退化区域。附近的村庄如Molagunta、Kottapalem、Patur、Nakshatranagar和Lankivanidibba都注意到了人类学压力。这里的土壤是粘土。在某些地区，拟人入侵率很高。

图1:显示位置地图研究区 点击这里查看图

方法

在751公顷的研究区域使用手持式光谱仪进行光谱特征的野外数据采集，在不同的空间位置采集同一植物的特征，以避免混淆和检查物种之间的相似性。所收集光谱特征的植物种类，如表1所示。

预处理

利用地形图为基础的GIS对VSGS卫星数据进行了校正。确保几何校正数据受到辐射校正工具的影响，输出交错为带序，反射率为100尺度因子的校正类型。经过校准的亥伯龙数据经过快速大气校正，以消除任何大气误差。生成的映射被保存为Lankevanidibba_atm，如图2所示。

图2显示了Hyperion图像的子集 点击这里查看图

端元选择的分类

数据维度减少经历过，其中可以考虑没有任何数据的具有窄带宽度的频带的数量以及具有噪声因子的数据。这有利于连续的电磁谱。主要成分分析技术是减少带中的统计程序。输入带中具有更大范围的特征值是三角形的直角的斜边，并且使用重采样方法分离。图3显示了eIgen值。

图3：显示特征值 点击这里查看图

利用图像的光谱表面覆盖，由场光谱辐射测量法生成的值分配光谱特征，通过连续投影极端像素绘制出n维散射图并记录下来。采用最小噪声分数技术对具有不同噪声水平的数据集进行分离滤波。这种技术在应用标准主成分变换之前很难选择截止点，因此被推荐使用。图4是根据数字创建的，其中端元光谱被转录为光谱签名。这些端点成员的子集用于对图像的不同类别进行分类。

图4:显示了不同类的提取 点击这里查看图

为了训练算法，我们选择了表示像素。在260个训练像元上使用了来自实地测试区的MNF波段组成和数据。

结果与讨论

通过去除Hyperion数据中的坏波段和坏柱进行大气校正后，进行空间子集和光谱子集提取研究区域。光谱角映射工具被用于终端成员类的集合。为了提高从数据点填充中提取的最终成员类的准确性，这增加了图像像素的限制和组成。使用像素纯度指数(PPI)来识别研究区域中占主导地位的均匀像素，作为端元提取和划分类的解决方案。图4显示了不同物种的光谱特征。为了确保合适的终端成员类别，收集光谱特征，并使用分光光度计进行验证。

表1:显示不同类别的百分比

图5:显示研究区域的地理信息系统分类地图 点击这里查看图

作为SAM分类器的结果，已经进行了高度的分类，并绘制了不同类别的物种。图5演示了组合的分类输出。分类结果表明，10.83%的红树林区域以阿维森纳为主，结果是基于高光谱子集图像。杜克[8]所描述的以这些物种为主的红树林对潮汐淹没水平、盐度、变率和温度条件表现出显著的适应能力，Ceriops所依赖的比例非常低，与Avicennia物种密切相关。表中显示了使用SAM分类器确定为类的物种。

承认

作者愿意向我的指南发表衷心感谢M. Chandra Sekhar博士，教授（退休），Jntu Hyderabad，以及对M. Anji Reddy Garu博士的感激性，为他友好的支持和启发到高光谱遥控器的知识传感。

的利益冲突

作者之间没有任何利益冲突。

资金来源

作者(s)没有获得研究、作者身份和/或发表本文的财政支持。

参考

1. Roshanak Darvishzadeh(2008)基于统计和物理模型的植被参数高光谱遥感。
2. R. Ramasubramanian(2006)哥达瓦里红树林——通过遥感方法分析。
   CrossRef
3. Sridhar Vadlapudi博士(2009)利用遥感识别和量化红树林变化——印度安得拉邦Kakinada湾附近的一个案例研究。
4. GIS和遥感用于红树林测绘和监测(2019年)，作者Hamdan Omar。
5. 印度红树林湿地图集由M. S. Swaminathan研究基金会提供。
6. 马科斯吉姆朝向标准植物物种光谱库协议（2015年）。
7. 欧达姆，E.P.(1971)《生态学基础》。
8. 杜克等人(2007)。一个没有红树林的世界。
   CrossRef