Reply on RC1
Creators
- 1. Beijing Institute of Big Data Research
- 2. University of Chinese Academy of Sciences
- 3. Aerospace Information Research Institute
- 4. Chinese Academy of Sciences
Description
Wetlands, often called the "kidneys of the earth", play an important role in maintaining ecological balance, conserving water resources, replenishing groundwater, and controlling soil erosion. Wetland mapping is very challenging because of its complicated temporal dynamics and large spatial and spectral heterogeneity. An accurate global 30-m wetland dataset that can simultaneously cover inland and coastal zones is lacking. This study proposes a novel method for wetland mapping by combining an automatic sample extraction method, multisource existing products, time-series satellite images, and a stratified classification strategy. This approach allowed for the generation of the first global 30-m wetland map with a fine classification system (GWL_FCS30), including four inland wetland sub-categories (swamp, marsh, flooded flat, and saline) and three coastal wetland sub-categories (mangrove, salt marsh, and tidal flats), which was developed using Google Earth Engine platform. We first combined existing multi-sourced global wetland products, expert knowledge, training sample refinement rules, and visual interpretation to generate a large and geographically distributed wetland training samples. Second, we integrated the time-series Landsat reflectance products and Sentinel-1 SAR imagery to generate water-level and phenological information to capture the complicated temporal dynamics and spectral heterogeneity of wetlands. Third, we applied a stratified classification strategy and the local adaptive random forest classification models to produce the wetland dataset with a fine classification system at each 5°×5° geographical tile in 2020. Lastly, the GWL_FCS30, mosaicked by 961 5°×5° regional wetland maps, was validated using 18,701 validation samples, which achieved an overall accuracy of 87.7 % and a kappa coefficient of 0.810. The cross-comparisons with other global wetland products demonstrated that the GWL_FCS30 dataset performed better in capturing the spatial patterns of wetlands and had significant advantages over the diversity of wetland subcategories. The statistical analysis showed that the global wetland area reached 3.57 million km2, including 3.10 million km2 of inland wetlands and 0.47 million km2 of coastal wetlands, approximately 62.3 % of which were distributed poleward of 40° N. Therefore, we can conclude that the proposed method is suitable for large-area wetland mapping and that the GWL_FCS30 dataset is an accurate wetland mapping product that has the potential to provide vital support for wetland management. The GWL_FCS30 dataset in 2020 is freely available at https://doi.org/10.5281/zenodo.6575731 (Liu et al. 2022).
Translated Descriptions
Translated Description (Arabic)
تلعب الأراضي الرطبة، التي تسمى غالبًا "كلى الأرض"، دورًا مهمًا في الحفاظ على التوازن البيئي، والحفاظ على موارد المياه، وتجديد المياه الجوفية، والتحكم في تآكل التربة. يمثل رسم خرائط الأراضي الرطبة تحديًا كبيرًا بسبب ديناميكياتها الزمنية المعقدة وعدم التجانس المكاني والطيفي الكبير. لا توجد مجموعة بيانات عالمية دقيقة للأراضي الرطبة بطول 30 مترًا يمكن أن تغطي المناطق الداخلية والساحلية في وقت واحد. تقترح هذه الدراسة طريقة جديدة لرسم خرائط الأراضي الرطبة من خلال الجمع بين طريقة استخراج العينات التلقائية والمنتجات الحالية متعددة المصادر وصور الأقمار الصناعية ذات السلاسل الزمنية واستراتيجية التصنيف الطبقي. سمح هذا النهج بإنشاء أول خريطة عالمية للأراضي الرطبة بطول 30 مترًا مع نظام تصنيف دقيق (GWL_FCS30)، بما في ذلك أربع فئات فرعية للأراضي الرطبة الداخلية (المستنقعات والمستنقعات والمسطحات المغمورة بالمياه والمالحة) وثلاث فئات فرعية للأراضي الرطبة الساحلية (أشجار المانغروف والمستنقعات المالحة ومسطحات المد والجزر)، والتي تم تطويرها باستخدام منصة Google Earth Engine. قمنا أولاً بدمج منتجات الأراضي الرطبة العالمية الحالية متعددة المصادر، ومعرفة الخبراء، وقواعد صقل عينات التدريب، والتفسير المرئي لتوليد عينات تدريب كبيرة وموزعة جغرافياً للأراضي الرطبة. ثانيًا، قمنا بدمج منتجات انعكاس لاندسات ذات السلاسل الزمنية وصور Sentinel -1 SAR لتوليد معلومات عن مستوى المياه والمعلومات الفينولوجية لالتقاط الديناميكيات الزمنية المعقدة وعدم التجانس الطيفي للأراضي الرطبة. ثالثًا، طبقنا استراتيجية تصنيف طبقية ونماذج تصنيف الغابات العشوائية التكيفية المحلية لإنتاج مجموعة بيانات الأراضي الرطبة بنظام تصنيف دقيق في كل بلاطة جغرافية 5درجات×5درجات في عام 2020. أخيرًا، تم التحقق من صحة GWL_FCS30، التي تم تفكيكها بواسطة خرائط الأراضي الرطبة الإقليمية 961 5درجة×5درجة، باستخدام 18701 عينة تحقق، والتي حققت دقة إجمالية قدرها 87.7 ٪ ومعامل كابا 0.810. أظهرت المقارنات المتقاطعة مع منتجات الأراضي الرطبة العالمية الأخرى أن مجموعة بيانات GWL_FCS30 كان أداؤها أفضل في التقاط الأنماط المكانية للأراضي الرطبة وكان لها مزايا كبيرة على تنوع الفئات الفرعية للأراضي الرطبة. أظهر التحليل الإحصائي أن مساحة الأراضي الرطبة العالمية بلغت 3.57 مليون كيلومتر مربع، بما في ذلك 3.10 مليون كيلومتر مربع من الأراضي الرطبة الداخلية و 0.47 مليون كيلومتر مربع من الأراضي الرطبة الساحلية، تم توزيع ما يقرب من 62.3 ٪ منها نحو القطب 40درجة شمالاً. لذلك، يمكننا أن نستنتج أن الطريقة المقترحة مناسبة لرسم خرائط الأراضي الرطبة ذات المساحات الكبيرة وأن مجموعة بيانات GWL_FCS30 هي منتج دقيق لرسم خرائط الأراضي الرطبة لديه القدرة على توفير الدعم الحيوي لإدارة الأراضي الرطبة. مجموعة بيانات GWL_FCS30 في عام 2020 متاحة مجانًا على https://doi.org/10.5281/zenodo.6575731 (ليو وآخرون. 2022).Translated Description (French)
Les zones humides, souvent appelées les « reins de la terre », jouent un rôle important dans le maintien de l'équilibre écologique, la conservation des ressources en eau, la reconstitution des eaux souterraines et le contrôle de l'érosion des sols. La cartographie des zones humides est très difficile en raison de sa dynamique temporelle compliquée et de sa grande hétérogénéité spatiale et spectrale. Il manque un ensemble de données mondiales précises sur les zones humides de 30 m pouvant couvrir simultanément les zones intérieures et côtières. Cette étude propose une nouvelle méthode de cartographie des zones humides en combinant une méthode d'extraction automatique d'échantillons, des produits existants multisources, des images satellites de séries temporelles et une stratégie de classification stratifiée. Cette approche a permis la génération de la première carte mondiale des zones humides de 30 m avec un système de classification fine (GWL_FCS30), comprenant quatre sous-catégories de zones humides intérieures (marais, marais, marécage inondé et salin) et trois sous-catégories de zones humides côtières (mangrove, marais salé et marécages), qui ont été développées à l'aide de la plate-forme Google Earth Engine. Nous avons d'abord combiné les produits de zones humides mondiaux multi-sources existants, les connaissances d'experts, les règles d'affinement des échantillons de formation et l'interprétation visuelle pour générer des échantillons de formation de zones humides importants et répartis géographiquement. Deuxièmement, nous avons intégré les produits de réflectance Landsat de la série temporelle et l'imagerie SAR Sentinel-1 pour générer des informations sur le niveau d'eau et phénologiques afin de capturer la dynamique temporelle complexe et l'hétérogénéité spectrale des zones humides. Troisièmement, nous avons appliqué une stratégie de classification stratifiée et les modèles locaux de classification forestière aléatoire adaptative pour produire l'ensemble de données sur les zones humides avec un système de classification fin à chaque tuile géographique de 5°×5° en 2020. Enfin, le GWL_FCS30, mosaïqué par 961 cartes de zones humides régionales 5°×5°, a été validé à l'aide de 18 701 échantillons de validation, qui ont atteint une précision globale de 87,7 % et un coefficient kappa de 0,810. Les comparaisons croisées avec d'autres produits de zones humides mondiales ont démontré que l'ensemble de données GWL_FCS30 permettait de mieux saisir les schémas spatiaux des zones humides et présentait des avantages significatifs par rapport à la diversité des sous-catégories de zones humides. L'analyse statistique a montré que la zone humide mondiale a atteint 3,57 millions de km2, dont 3,10 millions de km2 de zones humides intérieures et 0,47 million de km2 de zones humides côtières, dont environ 62,3 % ont été distribués vers les pôles de 40° N. Par conséquent, nous pouvons conclure que la méthode proposée est appropriée pour la cartographie des zones humides de grande superficie et que l'ensemble de données GWL_FCS30 est un produit de cartographie des zones humides précis qui a le potentiel de fournir un soutien vital pour la gestion des zones humides. L'ensemble de données GWL_FCS30 en 2020 est disponible gratuitement sur https://doi.org/10.5281/zenodo.6575731 (Liu et al. 2022).Translated Description (Spanish)
Los humedales, a menudo llamados los "riñones de la tierra", desempeñan un papel importante en el mantenimiento del equilibrio ecológico, la conservación de los recursos hídricos, la reposición de las aguas subterráneas y el control de la erosión del suelo. El mapeo de humedales es muy desafiante debido a su complicada dinámica temporal y su gran heterogeneidad espacial y espectral. Falta un conjunto de datos de humedales global preciso de 30 m que pueda cubrir simultáneamente las zonas interiores y costeras. Este estudio propone un método novedoso para el mapeo de humedales mediante la combinación de un método automático de extracción de muestras, productos existentes de múltiples fuentes, imágenes satelitales de series de tiempo y una estrategia de clasificación estratificada. Este enfoque permitió la generación del primer mapa global de humedales de 30 m con un sistema de clasificación fina (GWL_FCS30), que incluye cuatro subcategorías de humedales continentales (pantanos, marismas, llanuras inundadas y salinas) y tres subcategorías de humedales costeros (manglares, marismas y marismas), que se desarrolló utilizando la plataforma Google Earth Engine. Primero combinamos los productos de humedales globales de múltiples fuentes existentes, el conocimiento de expertos, las reglas de refinamiento de muestras de capacitación y la interpretación visual para generar muestras de capacitación de humedales grandes y distribuidas geográficamente. En segundo lugar, integramos los productos de reflectancia Landsat de series temporales y las imágenes SAR Sentinel-1 para generar información fenológica y del nivel del agua para capturar la complicada dinámica temporal y la heterogeneidad espectral de los humedales. En tercer lugar, aplicamos una estrategia de clasificación estratificada y los modelos de clasificación de bosques aleatorios adaptativos locales para producir el conjunto de datos de humedales con un sistema de clasificación fina en cada mosaico geográfico de 5°×5° en 2020. Por último, el GWL_FCS30, mosaicado por 961 mapas regionales de humedales de 5°×5°, se validó utilizando 18,701 muestras de validación, que lograron una precisión general del 87.7% y un coeficiente kappa de 0.810. Las comparaciones cruzadas con otros productos de humedales globales demostraron que el conjunto de datos GWL_FCS30 se desempeñó mejor en la captura de los patrones espaciales de los humedales y tuvo ventajas significativas sobre la diversidad de subcategorías de humedales. El análisis estadístico mostró que el área global de humedales alcanzó 3.57 millones de km2, incluidos 3.10 millones de km2 de humedales continentales y 0.47 millones de km2 de humedales costeros, aproximadamente el 62.3% de los cuales se distribuyeron hacia los polos de 40° N. Por lo tanto, podemos concluir que el método propuesto es adecuado para el mapeo de humedales de gran área y que el conjunto de datos GWL_FCS30 es un producto de mapeo de humedales preciso que tiene el potencial de proporcionar un apoyo vital para el manejo de humedales. El conjunto de datos GWL_FCS30 en 2020 está disponible gratuitamente en https://doi.org/10.5281/zenodo.6575731 (Liu et al. 2022).Files
essd-2022-180.pdf.pdf
Files
(3.0 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:fd6857633b6c7987339950b04031cddb
|
3.0 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- الرد على RC1
- Translated title (French)
- Réponse sur RC1
- Translated title (Spanish)
- Responder en RC1
Identifiers
- Other
- https://openalex.org/W4309691299
- DOI
- 10.5194/essd-2022-180-ac1