遥感应用已经成为众多行业必不可少的工作支撑,各国遥感系统发展风起云涌,可信遥感信息支持执法应用成为用户新的要求。针对地球观测组织在2019年堪培拉部长级峰会上提出的面向数字经济推动由开放数据向开放科学的转变,分析了地球观测系统需要研究新的互操作模式来指导知识枢纽建设,适应数字经济对于数据质量的要求,提升科学决策支撑能力。遥感信息独特优势吸引了国际数字技术大企业的关注和参与,讨论了新一代数字技术支持下遥感图像处理新的技术路线,依据遥感科学的概念顾及获取到信息整体链条进行全参数处理,通过构建检验、认证质量保证体系实现定量遥感、可信遥感。进一步分析了开放科学目标下全球综合地球观测系统建设需要在实现数据质量和结果复现下,运用云计算和大数据等技术整链条式处理信息,建立遥感系统之间新的互操作,实现各国用户执法应用的可信支持。
自主创新能力的提高,关键在人才,核心在教育。为了培养“定量遥感”领域高素质的创新人才,2020年北京大学第十七届“定量遥感”暑期课程班结合听课学员关注的定量遥感前沿问题,举办了研究生线上学术讨论。学术讨论针对“定量遥感”理论、方法技术和应用中广泛关注的学术问题,举办了4场学术讨论,分别讨论了辐射传输机理、高光谱遥感混合像元分解、植被荧光遥感和无人机定量遥感应用与服务等4个方向的前沿进展。其中,“辐射传输机理”学术讨论主要从麦克斯韦方程组出发,讨论了用微观物理学阐释辐射传输理论的进展状况以及目前存在的局限性; “高光谱遥感混合像元分解”学术讨论主要聚焦在端元变异性研究的2个方面,即针对同一端元类别内的光谱变异性和不同端元类别之间的光谱相似性的讨论,深入探讨了高光谱遥感混合像元如何消除解混误差的理论与方法; “植被荧光遥感”学术讨论主要讨论了日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)遥感的应用进展,SIF从叶片内激发到传感器接收的过程及其作用机理,重点针对其中5个主要问题进行了深入讨论; “无人机定量遥感应用与服务”学术讨论围绕无人机定量遥感和应用服务等问题开展了深入讨论,普遍认为无人机定量遥感应用与服务在未来具有广阔前景。每场学术讨论由一名研究生作主题发言,参加人员围绕该主题申请发言,展开讨论与质疑,并就相关进展阐述个人观点或补充相关研究进展信息,主持人作总结发言。学术讨论通过bilibili网站在线直播,吸引了众多感兴趣的研究生和其他人员参与,拓展了定量遥感知识的传播,深化了对讨论问题的认识。
城市地下空间的开发利用引发的区域地面沉降是威胁京津冀城市群安全的重大灾害隐患。文章简要回顾了合成孔径雷达干涉测量(interferometric synthetic aperture Radar,InSAR)技术的发展历史,系统总结了重力恢复和气候实验(gravity recovery and climate experiment,GRACE)卫星在地下水储量应用方面取得的进展,阐述了制约沉降的多种因素最终归为地下空间多元场的思想。综合分析后认为,在南水北调-地下水开采相互作用的新水情背景下,InSAR和GRACE技术结合是研究地下空间演化对地面沉降影响的全新手段; 结合InSAR-GRACE技术,重新发现区域水循环规律,量化多元场对沉降演化的贡献,提出地下空间演化的地表响应研究框架,揭示地面沉降响应模式的形成机理,从而建立面向地下空间安全的新兴风险防控预警机制,实现对区域的科学调控。
作物种子作为种植业最基本、最原始的生产资料,选择出高质量的种子直接决定着农业生产的经济效益和生产效益。高光谱成像技术出现于20世纪80年代,具有无损、快速成像以及“图谱合一”等特点。运用高光谱成像技术在作物种子方面的研究,前人主要集中于作物种子的品种鉴别、活力检测和种子品质检测等方面。在前人的研究基础上进行深化总结凝炼可知,高光谱成像在作物种子品种鉴别研究主要应用数据处理模型包括偏最小二乘法(partial least squares,PLS)、 Ada-Boost算法、极限学习机(extreme learning machine,ELM)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和人工神经网络(artificial neural network,ANN)等。综上所述,本研究旨在为各种类型的作物种子研究提供最佳的光谱范围、样本种类、降噪方法、特征波段提取和模型建立等方面的依据,且对未来研究的方向提供了建议。
时空融合影像能够满足大范围、高精度、快速变化的地表覆被监测需求,已被广泛应用于环境、水文及农情监测等多个领域。基于不同类型的遥感数据,提出一种基于粒子群优化(particle swarm optimization,PSO)和线性混合像元分解技术的遥感影像融合方法。首先,通过统计不同端元反射率变化范围将PSO方法应用于端元反射率求解过程中; 然后,综合考虑高低空间分辨率影像之间的端元反射率差异及时空权重实现遥感影像融合; 最后,与现有方法进行对比验证。结果表明,所提方法能够有效提高遥感影像的融合精度。以近红外、红光和绿光波段遥感影像为例,使用该方法得到的预测影像的均方根误差和空间结构相似指数均优于增强型的时空融合模型(enhanced spatial and temporal data fusion model,ESTDFM)方法,因此,该方法对地表覆被变化监测与研究具有实用意义。
目前的高光谱影像分类算法多仅考虑光谱信息,为发挥高光谱影像空间信息和峰值密度聚类算法在划分遥感影像地物的优势,提出融合超像元与峰值密度特征的影像分类方法。充分利用超像元分割技术在高光谱影像空间信息和光谱信息,将高光谱影像分为超像元; 之后提取超像元灰度值作为峰值密度分类的重要特征; 然后筛选峰值密度最高的光谱作为整幅影像的光谱簇,视像元和超像元作为分类的基本单位; 进而分别获取像元、超像元与光谱簇间的差异,得到隶属度关系; 最后结合隶属度完成影像分类。通过实验验证,该方法在确保分类精度最高的条件下,较其他方法耗时相对较少,满足高光谱影像信息提取和分析的要求。
遥感图像在矿区生态修复、地质灾害监测与防治等方面发挥了重要作用,但由于矿区环境复杂,导致获取的遥感图像存在噪声,在很大程度上影响了后续的图像解译与分析。为此,融合图像边缘检测与噪声抑制思路,提出了一种基于提升小波阈值(lifting wavelet thresholding,LWT)与改进Prewitt算子边缘检测(improved edge dectction of Prewitt operator,IEDPO)的矿区遥感图像去噪算法(LWT-IEDPO)。首先,对原始遥感图像进行提升小波变换,在保留低频小波子带不作处理的情况下,设计了一种双参数阈值函数模型对高频子带进行自适应噪声抑制,经过小波逆变换获得初步去噪后的遥感图像; 其次,为有效增强滤波后图像的细节信息,将经典Prewitt算子的检测模板扩展到0°,30°,60°,90°,120°和150°这6个方向,并设计了相应的检测结果融合规则,提出了改进的Prewitt算子来提取图像边缘轮廓,获得轮廓图像和非轮廓图像; 然后,为了进一步改善视觉效果,针对非轮廓图像采用改进的Pal-King模糊算法提升对比度; 最后,将增强后的非轮廓图像和轮廓图像进行叠加,实现对遥感图像的高清晰度复原。在MATLAB平台上,将所提出的遥感图像处理方法与经典硬阈值、软阈值模型以及2种已有的改进小波阈值算法进行对比,并引入峰值信噪比(peak signal to noise ratio, PSNR)和边缘保持指数(edge protection index, EPI)对各算法的噪声抑制性能进行定量分析和比较。研究表明所提方法能够有效实现遥感图像去噪,其总体性能优于其余4种算法。
随着“智慧城市”概念的提出,遥感目标检测逐渐成为城镇的规划、建设和维护的重要方式。为了表征不同城市的差异化遥感特征,解决模型在不同尺度物体上泛化能力不均的问题,提出了一种基于混合分离卷积的金字塔架构搜索方法。首先,分析了遥感图像数据集的空间分布特征; 然后,针对其特点构建多感受野混合卷积的搜索空间,进而训练其子网络内的权重; 同时借助强化学习算法针对收敛的损失值序列,循环搜索特征提取单元的数量和结构; 最终,当架构奖励函数稳定时,固定相应的架构参数和权重矩阵,从而在测试数据上可以自适应融合图像的跨尺度信息,提高同类目标在不同分辨率下的定位精度。该方法搜索出的网络在DIOR遥感数据集上的平均准确率为78.6%,比CornerNet高6百分点,比Cascade R-CNN高1.6百分点,其中小物体准确率比Cascade R-CNN高2.1百分点,并证实了多尺度架构搜索在遥感目标检测的优化能力。
交通标志的检测与识别是智能驾驶导航系统的重要组成部分,但传统方法的处理过程由于精度低、时间复杂度高以及鲁棒性差等缺点,不能满足当前智能驾驶的需求。为此,提出了一种基于Mask R-CNN的无人机影像路面交通标志检测与识别方法。首先,制作了一套高质量的无人机影像路面交通标志数据集; 然后,根据统计的200个标记路标特征,对Mask R-CNN中区域候选网络(region proposal network,RPN)结构的锚框宽高比及初始参数进行了改进,使其更好地应用于无人机影像路标场景; 最后,采用精确度-召回率(precision-recall,PR)曲线和平均精度值(mean average precision,mAP)进行精度评价。实验结果表明,锚框宽高比为1∶1,1∶2,1∶3时效果更好; 该方法得到的识别结果平均检测精度为98.33%,高于Faster R-CNN和YOLOv3方法,具有较好的有效性。
冷却塔排放容易造成大气污染,利用高分辨率遥感影像对冷却塔进行检测,可以为废气排放治理提供决策数据。针对传统算法在高分辨率遥感影像目标检测中检测精度不高、检测速度慢等问题,采用无采样机制改进RetinaNet目标检测框架从而提取冷却塔。首先,将数据集标注为工作中的冷却塔和非工作中的冷却塔; 然后,根据数据集中目标类别数、训练中正样本的比例等特点对分类子网络最后一层的偏置项进行初始化并确定类别自适应阈值,此外,通过回归损失来设置分类损失的调整比例以避免损失函数被众多负样本所支配; 最后,采用ResNet50提取图像特征,利用特征金字塔网络(feature pyramid networks,FPN)模块生成多尺度卷积特征金字塔,对每层特征进行检测框回归以及类别置信度计算。实验结果表明: 对于高分辨率遥感影像冷却塔目标检测,该算法相比原始RetinaNet模型在保证检测速度的同时提高了检测精度,证明算法的有效性。
为准确分割出高分辨率遥感图像中的建筑地物,提出一种基于Unet网络多任务学习的建筑地物语义分割方法。首先,根据遥感图像建筑地物真值图生成边界距离图,并将该遥感图像及其真值图共同作为Unet网络的输入; 然后,在基于ResNet网络构建的Unet网络末端加入建筑地物预测层与边界距离预测层,搭建多任务网络; 最后,定义多任务网络的损失函数,并使用Adam优化算法训练该网络。在Inria航空遥感图像建筑地物标注数据集上进行实验,结果表明,与全卷积网络结合多层感知器方法相比,VGG16网络、VGG16+边界预测、ResNet50和本文方法的交并比值分别提升5.15,6.94,6.41和7.86百分点,准确度分别提升至94.71%,95.39%,95.30%和96.10%,可实现高精度的建筑地物提取。
利用高分辨率卫星遥感影像提取建成区边界对于城市扩张监测和城市发展规划具有重要意义。为获取高精度高空间分辨率的建成区数据,本研究通过归一化建筑指数(normalized difference built-up index,NDBI)加人工目视解译方法构建城市建成区遥感影像数据集,分别采用传统机器学习方法和包括PSPNet在内的4种深度学习语义分割网络对Sentinel-2影像进行建成区提取,训练结果表明PSPNet网络对于建成区的提取具有最高的精度(训练集交并集比(intersection over umion,IOU)为79.5%)。提出Overlapsize方法对PSPNet的提取结果进行优化,进一步提高了建成区提取准确率,该方法在训练集上的IOU达到80.5%,在测试集上的IOU达到了83.1%,利用PSPNet + Overlapsize提取建成区的方法相较于传统机器学习方法具有实际应用意义。
通过遥感影像对城市建筑物进行变化检测,可以全面掌握城市建筑物的规划实施情况,辅助城市管理部门及时发现并依法查处各类违章建筑。提出了一种融合Unet网络和IR-MAD的城市建筑物变化检测方法,首先,分别使用加权小型Unet网络和IR-MAD检测遥感影像中的疑似变化像素; 然后,基于投票的方式融合疑似变化像素检测结果,确定变化像素; 接着通过形态学操作去除斑点噪声、填充变化区域内部孔洞等来优化变化像素区域; 最后,基于建筑物阴影特性去除非建筑物的变化区域,从而得到建筑物变化检测结果。实验表明,该方法比仅使用Unet网络或IR-MAD可更准确地检测出遥感影像中的建筑物变化。
水稻是中国种植面积最广泛的粮食作物之一,适时、准确的水稻识别与监测对于国家粮食安全和农用地空间格局演变具有重要意义。基于水稻物候关键期的多时相Sentinel-2A光谱数据、植被指数、植被丰度以及基于Landsat8反演得到的地表温度(land surface temperature,LST),采用卷积神经网络(convolutional neural network,CNN)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)算法对高异质化的长株潭核心区的水稻进行了提取,并得到了对应的水稻填图。研究结果显示,利用多时相多源遥感数据通过CNN算法能够有效提取高异质化程度区域的水稻信息,水稻分类总体精度(overall accuracy,OA)和Kappa系数分别达到了92%与0.90以上。该文提出的基于CNN的水稻信息识别方法,能够为改善与提高异质化程度较高区域水稻信息提取的精度提供行之有效的技术与途径。
为了得到合适的遥感数据来获取植物的生长信息从而对农作物种植类型进行识别,以安徽省滁州市全椒县为研究区,选择SAR(GF-3)数据和光学遥感数据作为数据源,将SAR数据与光学数据进行融合,并把SAR数据分类结果、光学数据分类结果与融合后的数据结果进行对比分析,从而对农作物种植类型识别进行研究。通过分类结果数据对比三者数据发现,在农作物识别中,SAR数据能够很好地辅助光学影像用于农作物种植类型; SAR数据与光学遥感数据的融合对研究区的农作物有很好的识别效果。
小麦是密植型作物,每亩地的播种量近20 kg,冬小麦植株密度的高低会直接影响最终产量,因此,实时监测小麦植株密度是保证小麦产量的重要途径。目前,获取小麦植株密度的主要方式是以人工测量为主,费时、费力。本文利用大疆悟2无人机(unmanned aerial vehicle,UAV)搭载禅思X4S相机,分架次获取小麦种植区的高分辨率可见光影像,基于无人机影像提取小麦覆盖度,并建立小麦覆盖度与植株密度之间的关系,从而实现基于UAV影像的小麦植株密度的快速获取。实验表明: ①利用改进的HSI颜色模型提取小麦覆盖度比传统目视估测、人工计数等分类方法提高了提取精度及效率,克服了不同架次无人机影像的光照条件差异以及阴影的影响; ②苗期、越冬期和返青期小麦覆盖度与植株密度之间都具有较高的相关性,其中,基于无人机影像提取的覆盖度与小麦植株密度的相关系数R2在3个生育期分别为0.737 9,0.898 1和0.897 6。利用牛腾雨村样本对关系模型的验证结果显示,基于所建立的关系模型的反演结果与实测值之间也具有较好的相关性,R2达到了0.919 8。
针对传统基于遥感影像数据提取网箱信息中存在的精度低、“异物同谱”、“椒盐”噪声等问题。基于高分二号卫星(Gaofen-2 satellite,GF-2)数据,提出了一种改进的双支网络模型网箱信息提取方法。该模型在空间编码路径上利用密集连接块提取网箱的空间特征信息,在全局编码路径上利用全局平均池化快速获得网箱的全局上下文信息,最终通过特征融合来丰富网箱空间细节特征信息和深层判别特征信息,提高了网箱的提取精度。本文方法在精确率、交并比(intersection over union,IOU)和F1分数这3个评价指标上分别取得了87.37%,72.56%和82.47%的得分,与精度最高的传统方法相比分别提高了7.82,4.12和4.64百分点,与经典的深度学习模型相比较在IOU和F1上也取得了8.43和8.69百分点的提高。实验表明,这一方法能很好地满足海水网箱养殖区的提取工作,此方法可以为近海海水网箱养殖业的监管和调控提供技术支持。
21世纪以来,太湖地区蓝藻的爆发严重影响了当地水资源的开发与利用。以太湖蓝藻为研究对象,以快速提取含蓝藻水体为目标,基于Landsat8影像对比分析了非蓝藻水体与含蓝藻水体光谱反射特征。含蓝藻水体在近红外波段表现出强反射率特征,而在蓝光、绿光、红光、短波红外波段的反射特征与非蓝藻水体一致,据此提出了一种提取含蓝藻水体信息的方法——双红外水体指数(double infrared band water index, DIBWI)。基于太湖地区2014年和2017年的Landsat8影像,与归一化差异水体指数(normalized difference water index, NDWI)、改进的归一化差异水体指数(modified normalized difference water index, MNDWI)、新型水体指数(new water index, NWI)、多波段水体指数(multi-band water index, MBWI)和水体指数2015(water index 2015, WI2015)这5种水体指数提取结果进行了对比分析,并利用2013年、2016年和2018年3期数据进行验证。结果表明,DIBWI能够较完整地提取含蓝藻水体信息,有效消除蓝藻影响并能抑制背景地物,总体精度达到98%以上,Kappa系数大于0.95,可以为太湖地区水资源保护、合理开发利用提供技术支撑。
基于暗像元算法反演的气溶胶光学厚度(aerosol optical depht,AOD)产品已被广泛应用于近地面PM2.5浓度估算,但该算法不能有效反演高反射率地表的AOD值。为此,本研究通过构建包含气象因子的随机森林模型来估算缺失的AOD值,并在此基础上,结合AOD、气象、植被覆盖度和道路密度等参数构建第二层随机森林模型,以估算长江三角洲和珠江三角洲地区的近地面PM2.5浓度。研究结果表明,由随机森林模型反演的AOD值与MODIS AOD值高度相关(R2=0.94); 且模型反演的PM2.5浓度与地面实测值之间的R2高达0.97,均方根误差仅为5.57 μg/m 3。据此获得的PM2.5浓度空间分布显示,PM2.5年均浓度的高值区域主要分布在地表高程较低的江苏省(≥40 μg/m3)。研究表明,本研究所构建的包含AOD和其他辅助变量的2层随机森林模型可有效获取近地面PM2.5浓度的空间分布。
降水的季节性时空分布研究对东北地区的生态保护和农业生产有重要意义。基于植被指数、地形因子与降水的相关性,采用深度学习模型,对2009—2018年10 a间平均1,4,7,10月TRMM_3B43产品降尺度至0.01°(约1 km),使用站点实测数据进行精度校正,并填补TRMM未覆盖的50°N以上地区。结果表明,该模型效果优于随机森林,可有效获得各季节较高空间分辨率与精度的研究区域降水分布,校正后全局决定系数R2介于0.881~0.952之间,均方根误差介于1.222~13.11 mm之间,平均相对误差介于7.425%~28.41%之间,其中4月和10月份拟合度较好,1月和7月份相对稍差。
随着城市化进程的不断加快,城市范围不断扩展,快速、准确掌握建设用地的变化对于城市的可持续发展至关重要。合成孔径雷达(synthetic aperture Radar,SAR)影像由于不受天气影响可以及时获取对地观测影像,使得基于SAR时间序列的建设用地扩展监测成为可能。SAR时间序列在发生建设用地扩展过程中存在2种时间序列形态结构,本文命名为“Z”形结构和“V”形结构,针对以往研究中只考虑“Z”形结构未考虑“V”形结构的情况,本研究提出一种基于时间序列自适应分段的建设用地扩展监测方法。对原始时间序列进行自适应分段,使用分段平均值作为特征值,最后使用决策树提取建设用地扩展区域。经验证,方法的正确率为89.60%,完整率为92.73%。研究表明: 本文提出的方法能有效地监测建设用地扩展,相对于动态时间弯曲(dynamic time warping,DTW)方法,正确率提高1.80百分点,完整率提高1.27百分点; 常州市新北区在2015—2019年间,建设用地共增加557.96 hm2,主要扩展方向为南和东南方向。
朝鲜主要城市建设用地在广域时空尺度上的变化研究几乎处于空白,为弥补这一空白,基于长时间序列的Landsat TM/ETM+/OLI数据,采用面向对象的支持向量机(support vector machine,SVM)分类方法,提取1990—2018年间朝鲜6个主要城市的建设用地,并结合景观格局指数以及年增长与年增长率定量分析建设用地变化。研究结果表明,基于面向对象的SVM方法能够有效提取建设用地,平均总精度高于90%,Kappa系数在0.87以上。1990—2018年之间,各个城市的面积扩张达到1.2~1.4倍,且处于持续增长。平壤的年增长达到了1.15 km2,是6个主要城市中增长最多的,而元山的增长率波动幅度较小,最近时期内咸兴的年增长率最大,其值达到2.74%。朝鲜6个主要城市的扩张都集中于地势平坦之处且主城区沿河(海)分布,扩张模式为填充式和飞跃式2种; 总体来看,其城市化进程处于上升期。本研究为朝鲜的生态环境保护和新型城镇扩张奠定基础,同时为朝鲜的相关科学研究提供参考。
长株潭城市群是长江中游经济带重要组成部分,研究利用DMSP/OLS夜间灯光数据提取长株潭城市群1993—2013年建成区空间分布,采用空间扩张分析、标准差椭圆法、重心变动、景观格局指数、空间自相关等方法,定量分析20 a间长株潭城市群建成区空间演变时空特征,以期为长株潭城市群未来城镇空间发展提供决策依据。结果表明: 1993—2013年间长株潭城市群灯光总量呈现出长株潭3市相对密集,而周边5市相对稀疏的核心—边缘结构; 城市群各城市中心城区以面状发展模式为主,不规则圈层向外扩张。长株潭城市群向心力表现为“离散—向心”增强的趋势,建成区重心由长沙市岳麓区转移至望城区。长株潭城市群建成区分布不断集中,一体化程度不断提升; 建成区斑块数量减少,形状复杂程度降低,建成区由“斑块数量增长”到“斑块规模扩张”。长株潭城市群建成区空间分布呈现集聚特征,空间集聚热点区主要集中在长株潭3市市辖区以及外围的长沙县、望城县、湘潭县、韶山市、醴陵市、宁乡市、湘阴市和汨罗市,而冷点区为沅江市、南县。
为了减小利用夜间灯光影像估算城市电力消费量时的误差,需要考虑样本地区的发展状况,在估算之前对样本进行分类。选取2015年中国大陆263个地级市的NPP-VIIRS夜间灯光数据对城市电力消费量进行估算。提出了基于灯光结构而非传统统计数据的K-Means城市分类算法。利用该方法将样本分为5类并估算电力消费量,与其他分类方法的估算结果相比可知: 该方法估算值的平均相对误差和均方根误差分别为32.02%和57.04,较不分类时分别减小25和3.39百分点; 估算中的高精度城市比例为53.99%,较不分类时增加了13.59百分点,且为所有方法中的最高比例; 相较不分类时的估算结果,有152个城市的估算误差有所降低。该方法性能与其他分类方法的最优性能相似。
工业作为影响城市热环境的重要机制之一,准确检测出引起热异常的工厂,分析工业热异常对局域热环境的影响力度,对科学规划工业建设、改善城市热环境具有重要意义。基于不同季节的Landsat8数据,采用辐射传输方程法反演地表温度,对比在热场变异指数基础上以不同分级方式进行热异常检测的方法,并依据较高精度的检测结果进行局域热环境效应分析。结果表明: 四级法更适合工业热异常检测研究; 工厂生产规模与其对应热异常斑块面积呈正比关系,工厂生产规模面积每增加5.8 km2,热异常斑块面积平均增加0.18 km2; 工业热异常对局域建设用地和非建设用地均有热环境效应,对建设用地的增温作用随着距离越远作用越小,对1 km范围内的非建设用地增温作用明显。研究成果可为工业热异常检测、分析工业热异常对局域环境效应提供参考。
为及时了解雅砻江中上游流域生态环境脆弱性动态变化和未来发展规律,研究选取高程、坡度和土地利用类型等9项指标,将遥感和地理信息系统技术与层次分析-主成分熵权模型相结合,对其2000—2018年间生态环境脆弱性进行动态评价,并引入CA-Markov模型对2021年的发展状况进行模拟预测。主要成果如下: ①该地区生态环境整体呈现出由北向南脆弱程度逐渐降低的分布变化; ②脆弱性栅格比例呈现微度、轻度、潜在、中度和重度逐渐降低的变化形态; ③预测精度验证表明,CA-Markov模型适用于该地区生态环境脆弱性的预测且准确性较高; ④区域脆弱性综合指数分别为2.539 2,2.501 6,2.485 6,2.460 7和2.436 6,2021年的值预测为2.428 5,表明区域整体生态环境质量得到提升且发展良好。研究揭示了该地区生态环境脆弱性动态变化的规律和未来发展状况,能作为该地区生态环境保护措施制定的理论参考。
城镇化进程引发一系列环境问题,对区域可持续发展有一定制约作用,利用多源遥感技术能以快速、准确、客观定量的优势揭示区域生态环境质量的现状,对监测区域生态环境质量有非常重要的意义。基于天宫二号宽波段成像仪及Landsat8 OLI-TIR数据,采用主成分分析法,构建遥感生态指数(remote sensing based ecological index,RSEI)用于监测与评价我国西北干旱绿洲城镇生态环境现状,并探讨天宫二号宽波段成像仪数据在生态环境监测中的应用。结果表明: 在当地生态环境起正向作用的指标是湿度(WET)、绿度(normalized difference vegetation index,NDVI),负向作用的是干度(normalized difference built-up index,NDBI)及热度(land surfce temperatune,LST),其中绿度(NDVI)对生态环境影响较大。2018年博湖县RSEI差等级[0,0.2)主要分布在城镇用地及北部未利用地; 较差等级[0.2,0.4)主要分布在山体及沙地,受到平均气温较高,蒸发量较大,日照时较长等自然因素影响; 湿地、耕地生态环境在良[0.6,0.8)和优等级[0.8,1.0]之间,说明该区域生态环境质量较好。根据生态环境质量空间分异特征,2018年研究区生态环境质量具有一定的内在联系,趋于集群的现象。该研究可为当地生态环境保护提供一定的科学依据。
开展国土绿化行动、建设并筑牢生态安全屏障是我国建设生态文明的重要举措之一。当前,长春经济圈西北部地区生态问题相对较为突出,已成为区域生态安全的短板所在。以该区域为研究区,基于其生态本底特征和主要生态问题,构建了包含区域生态屏障因子的景观生态风险定量评价方法,研究结果表明: ①研究区生态屏障建设的关键区域包括景观生态风险相对较高地区和生态屏障建设相对薄弱地区2类; ②高风险区和较高风险区主要分布在农安县中部等地区,分别占研究区总面积的1.25%和1.74%; ③生态屏障建设相对薄弱地区是引入生态屏障因子后景观生态风险提高的区域,主要分布于长岭县与农安县交界地带,约占总面积的1/4。综合问题导向和目标导向,从加强景观生态风险管控、推进薄弱地区生态建设2方面分别提出了具有针对性的生态安全屏障建设策略,助推长春经济圈高质量、可持续发展。研究可为区域生态屏障建设研究和相关生态规划提供较为可行的思路,并为国土空间格局优化提供有益的参考。
为掌握中国东海2003—2018年间海表温度(sea surface temperature,SST)变化规律,分析SST变化与气候异常现象之间的联系,利用遥感数据监测东海16 a来SST时空演化特征。以2003—2018年MODIS SST产品为数据源,先通过最邻近点值替代法对数据进行修复,并用实测数据进行精度验证,利用最小二乘法、皮尔逊相关系数分析SST变化趋势,通过互相关分析研究海表温度异常(sea surface temperature anomaly,SSTA )与南方涛动指数(southern oscillation index,SOI)的相关性。结果表明: ①2003—2018年东海SST总体呈上升趋势,夏季升温趋势更加明显,长江口海域升温速度可达0.042 ℃/a以上; ②东海SST呈SE—NW分布,同纬度地区的大陆附近SST通常比其东部海域低,但4—9月杭州湾海域SST比其东部要高; ③SOI与滞后其15个月内的东海SSTA基本不相关,但与滞后其21~39个月的东海SSTA呈较强负相关,相关系数超过-0.2。研究结果可为掌握气候变化规律、预测极端天气提供参考依据。
农耕区土地覆被信息是土地资源管理与规划的基础,在合理开发土地资源,调整土地利用结构以及土地动态监测等方面起着重要作用。由于农耕区土地类型复杂并且具有高异质性的特点,土地覆被信息提取的精度一直面临着挑战。因此,以Sentinel-2A/B多光谱遥感数据作为数据源,首先构建归一化植被指数(normalized difference vegetation index, NDVI)时序数据集和缨帽-湿度分量(tasseled cap wetness, TCW)时序数据集; 其次,利用J-M (Jeffries-Matusita)距离对地物进行可分离性分析和挑选出NDVI和TCW最佳时序数据组合; 最后,结合随机森林(random forest, RF)、支持向量机(support vector machine, SVM)、最大似然分类(maximum likelihood classification, MLC)3种分类算法以及利用单时相遥感数据对农耕区典型地物进行分类研究。研究结果表明: 基于时间序列数据结合随机森林分类算法取得了较高的分类精度,其总体分类精度达到88.87%,Kappa系数达到0.855 7,与利用单时相影像数据分类结果的精度相比分别提高了10.05百分点和0.209 3,这充分说明利用时序数据结合RF分类算法在农耕地区能够有效提高典型地物的分类精度。
基于“简译”图像处理软件,利用北京二号卫星遥感数据,采用“面向对象+深度学习”的方式,在河南省信阳市浉河区约200 km2试验区对林地、水稻田、茶园、水体、建设用地等进行了智能化信息提取和准确的自动化分类。林地、茶园和水稻田采用比值植被指数,结合边界指数阈值特征值实时筛选等方法进行智能化分类,水体采用绿光波段与近红外波段的归一化比值指数进行智能化提取,建设用地利用第1波段的标准差作为特征值进行提取。试验区各地类信息智能化提取结果经实地调查验证准确率达90%以上,相较传统人工方法工作效率提高了19倍。实验研究表明,“简译”图像处理软件技术方法可靠,解译精度高,效果事半功倍,社会经济效益显著,在自然资源及环境智能化遥感解译中有比较好的推广应用价值。
传统泥石流遥感调查方法主要是正射航空摄影,其获取数据精度和维度存在局限性,无人机倾斜摄影技术可同时从垂直、倾斜等不同的角度采集影像,获取地面物体更为完整准确的信息,建立的三维模型更直观,可为地质灾害调查提供新的技术手段。以史家营曹家坊泥石流沟为例,开展了基于无人机倾斜摄影测量的泥石流灾害特征识别分析。通过倾斜摄影可以获取泥石流沟高精度三维模型和纹理细节,真实反映实际地表顶面及侧面高分辨率信息,较准确获取泥石流物源分布情况及物源方量的估算,数据可用于泥石流一次最大冲出量的计算。该方法能够对泥石流地质灾害调查、现状评估提供更有力的数据支撑,充分发挥遥感技术在泥石流灾害调查、评价中的效能。
