《Remote Sensing Applications: Society and Environment》：Assessing Coral Reef Changes through Supervised Classification and its Correlation with SST and Chlorophyll-A: A Remote Sensing Approach.
编辑推荐：
珊瑚礁生态监测中遥感与机器学习技术的综合应用研究，通过SVM算法实现高精度分类（准确率91.81%），结合时间序列分析揭示珊瑚礁与海表温度呈弱负相关（r=-0.270），与叶绿素浓度呈弱正相关（r=0.138-0.243），为生态保护提供数据支撑。
Arun Kumar Bhomi | Rabina Poudyal | Prawal Parajuli | Pradeep Kumar Upadhyay | Yubraj Kawar
尼泊尔加德满都大学地理信息工程系
摘要
本研究采用了一种多学科方法，结合遥感、机器学习和时间序列分析来监测珊瑚礁，并研究其与环境指标（特别是海表温度（SST）和叶绿素指数）之间的关系。通过对公开可获取的卫星图像（Landsat 8和Sentinel 2）应用监督分类算法，为研究区域制作了珊瑚/藻类分布图。在测试的分类器中，支持向量机（SVM）模型基于Allen珊瑚图谱中的参考样本显示出最高的验证性能，总体准确率为91.81%，Kappa系数为0.90，因此被选用于时间序列分析。时间序列分析与ARIMA建模相结合，用于分析SST的趋势并预测未来模式，从而为珊瑚生态系统的潜在环境影响提供了见解。研究结果发现珊瑚礁与SST之间存在弱负相关（r=-0.270），表明环境因素可能对珊瑚礁健康产生影响。此外，珊瑚礁与叶绿素-A浓度之间也存在弱正相关（r=0.138–0.243），表明珊瑚健康与营养水平或水质之间存在微妙但相关的联系。通过整合监督分类和时间序列分析，本研究评估了珊瑚礁的当前和过去状况。这些结果突显了遥感在监测珊瑚礁方面的关键作用，并为制定有效的保护策略提供了宝贵见解。通过在生物多样性丰富的地区使用开源数据集和先进的分析方法，本研究展示了低成本、高效监测珊瑚礁的有效性。总体而言，该研究加深了人们对珊瑚礁生态系统及其对环境压力响应的理解，有助于保护这些重要的水下栖息地。
章节摘录
引言
尽管珊瑚礁仅占世界海洋的一小部分，但它们对海洋生物多样性至关重要，为众多物种提供了栖息地（Pandolfi等人，2011年；Wang等人，2021年）。珊瑚礁由珊瑚构成，珊瑚会建造三维的碳酸钙骨架，支撑着极其多样的海洋生物，使其成为地球上最多样化和生产力最高的生态系统之一（Wang等人，2021年）。除了生态重要性外，珊瑚礁还……
方法论
本研究利用遥感、统计建模和时间序列分析来评估Meatil Mearang岛周围的珊瑚礁变化。处理了卫星图像和环境数据，用于栖息地分类、SST预测、叶绿素-a监测和相关性分析，以了解对珊瑚礁健康的影响。
结果
本节展示了研究结果，并对分类图、算法比较、时间序列图、SST预测和相关性进行了讨论。
局限性
本研究存在一些可能影响结果准确性和解释的局限性。首先，珊瑚数据依赖于二手资料而非现场测量，尽管报告的验证准确率为60–90%，但仍存在不确定性。未进行实地验证来确认基于卫星的分类结果，这可能导致珊瑚/藻类区域的误分类或高估/低估。其次，SST数据的空间分辨率为4公里……
结论
在本研究中，我们使用先进的遥感技术和统计模型对珊瑚礁进行了分类和监测。比较了三种机器学习算法（RF、SVM和CART）在从卫星图像中分类珊瑚礁方面的表现，其中SVM算法提供了最高的准确率，因此被选用于后续的时间序列分析。此外，1982年至2023年的每日海表温度数据被按月平均处理。进一步地，还应用了ARIMA模型……
作者贡献声明
Rabina Poudyal：撰写 – 审稿与编辑、初稿撰写、可视化、软件使用、资源整理、方法论构建、概念构思。
Arun Kumar Bhomi：撰写 – 审稿与编辑、初稿撰写、软件使用、资源整理、方法论构建、概念构思。
Yubraj Kawar：撰写 – 审稿与编辑、初稿撰写、软件使用、项目管理工作、概念构思。
Pradeep Kumar Upadhyay：撰写 – 审稿与编辑、初稿撰写、资源整理、项目管理工作。
未引用参考文献
Karim, 2013; Keighan等人，2023.
伦理声明
本研究未涉及任何人类参与者、动物或可识别的个人数据。所有数据均来自开源的、公开可访问的卫星数据库，包括Landsat、Sentinel和NOAA数据集。因此，无需伦理批准。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。
