经过70余年的发展,世界气象组织(World Meteorological Organization,WMO)已构建起一个覆盖193个成员国的全球数据共享网络。该文从系统架构组成与管理规范标准2个维度系统分析WMO气象数据共享体系,重点阐述全球观测系统(global observing system, GOS)、全球电信系统(global telecommunication system,GTS)、WMO信息系统(WMO information system, WIS)以及全球数据处理和预报系统(global data-processing and forecasting system, GDPFS)4大核心组成部分的功能与协同机制。其中,GOS统筹陆地、海洋、飞机、卫星等多平台观测资源; GTS实现数据的实时收集与高效分发; WIS负责数据与产品的发现、获取与管理; GDPFS则面向用户提供多类型气候预报产品。通过制定统一的数据政策并构建完善的数据共享体系,WMO实现了在天气、气候、水文、大气成分、冰冻圈、海洋等多领域地球系统科学数据的全球协同共享。文章系统总结了WMO共享系统的建设成效,并探讨其在服务我国相关数据战略方面的具体需求,研究结果可为构建跨部门、综合性的地球观测数据共享体系提供参考。
国际耦合模式比较计划(Coupled Model Intercomparison Project,CMIP)第六阶段(CMIP6)作为支撑全球气候研究和联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)评估报告的重要科学计划,其数据规模已增长至PB级别,对数据管理与共享提出了更高要求。地球系统网格联盟(Earth System Grid Federation, ESGF)作为CMIP6官方指定的全球分布式数据基础设施,构建了一套覆盖数据全生命周期的软件体系,实现了从模式输出、质量控制、规范存储到全球分发的完整流程。该文系统介绍了ESGF的系统架构、节点组成与数据管理方法,重点阐述了其在CMIP6数据发布、元数据管理、版本控制、数据引用与服务质量监测等方面的关键机制。研究表明,ESGF在支持CMIP6数据全球共享中发挥了核心作用,我国也在其中积极参与并作出重要贡献; 尽管ESGF在网络性能和服务均衡性方面仍面临挑战,但其正在向集成在线分析与近数据计算的新一代服务平台演进,为地球系统科学数据共享提供更加高效和可持续的支撑。
土地覆盖分类体系是土地覆盖研究中的重要内容。该文总结了9种主要土地覆盖分类体系,展示了分类体系和相应数据产品,分析了体系之间的区别和联系,讨论了土地覆盖分类体系精细程度,以及分类体系、空间分辨率、空间覆盖范围的关系,讨论了分类体系之间的语义一致性。论文认为土地覆盖分类体系(land cover classification system,LCCS)和全球土地覆盖精细分辨率观测与监测数据(finer resolution observation and monitoring of global land cover,FROM-GLC)分类体系在精细化分类方面具有优势,高空间分辨率精细分类存在较大技术挑战和实现难度; 目前分类体系之间在逻辑关系、精细分类、名称定义、代码等多方面,存在明显的语义不一致现象; 最后总结指出全球土地覆盖分类研究存在全球化和区域化并存、分类更加精细、产品精度更高、时间间隔和空间分辨率更加细致的发展趋势,数据产品的语义不一致性还需改进,未来需在加强分类体系的兼容性、实现数据产品的共享互操作方面提出解决方案。
基于地表覆盖制图监测湿地变化是监督Ramsar公约缔约方履行公约的重要手段,但是当前制图产品数量众多,在时空特性、分类体系和质量上存在较大差异。该文旨在针对2015—2019年中国40处国际重要湿地开展制图产品间的一致性分析,为选择湿地制图、开展Ramsar保护区湿地监测提供参考。基于长时序地表覆盖制图产品CCI_LC,CGLS_LC和MCD12Q1,进行空间一致性和类别一致性的预处理,并基于湿地分类面积开展回归分析和制图产品的准确度及不确定度指标计算。结果表明产品之间湿地分类面积存在较大不一致性,面积大小差距平均在6~10倍,湿地分类结果准确度低且不确定度大,大部分区域使用者精度(user accuracy,UA)、生产者精度(producer accuracy,PA)和Kappa系数小于0.1,标准差大于均值。总体而言,3套地表覆盖产品尚未能支撑可信的国际重要湿地变化的监测工作。
地球观测组织在第十六届全会和部长级峰会上提出了构建“对地观测应用数字图书馆”的新目标,强调从“推动开放数据”向“推动开放科学”的深入,旨在完成数据、算法、文献、案例等知识资源的管理和共享,进一步推动地球观测在全球变化等领域的全面应用和知识服务。该文以此为研究背景,详细梳理了地球科学变量概念体系、地球观测卫星和载荷、观测和模拟数据产品以及学术文献开放知识库等地球观测数据资源。基于语义网和知识图谱相关的理论和技术,构建了包含地球科学变量、遥感卫星、观测载荷、观测和模拟数据集、期刊和学术文献共6类地球观测知识本体和实例。该研究的知识表达结果将有助于地球观测应用领域数据和知识的表达、管理和集成,有助于发现数据和知识的潜在关联,提高科研效率,促进科学发现。
北极海冰的快速变化对全球气候系统与极地生态环境产生深远影响。当前海冰研究高度依赖多源观测与数值模拟数据,然而传统“先下载、后分析”的数据处理模式在海量分布式数据场景下面临存储、计算与网络传输的严峻挑战。该文提出了一种基于云原生架构的在线协同分析框架,通过“计算近数据”的理念实现分布式环境数据的高效查询与跨节点协同处理。以第六阶段国际耦合模式比较计划产生的海冰模拟数据为例,系统分析了传统数据使用模式的瓶颈,设计了包含数据索引、任务管理、数据分析和Web界面的完整系统架构,并在清华大学、中国气象局和中国科学院等多机构成功部署。性能测试表明,该框架在处理分布式地学数据分析任务时,平均效率较传统模式提升13倍,且具备良好的亚线性扩展特性。研究结果为分布式地球科学数据的协同分析提供了可行方案,在线协同分析框架可为推动极地科学数据的开放协作提供有效的技术路径。
水体指数法因其简单高效,被广泛应用于监测识别地表水及其特征时空变化。随着较窄波段的多光谱传感器的发展,在各尺度水体监测中得到了广泛应用,但在大尺度水体监测中仍然存在水体指数在数据源发生变化时相近特征波段优选的问题。该文以归一化差值水体指数(normalized difference water index, NDWI )和改进的归一化差异水体指数(modified NDWI, MNDWI)为指导,基于谷歌地球引擎(Google Earth Engine,GEE)平台,利用基于Sentienl-2A/B多光谱传感器数据的绿波段和8个红波段构建水体指数,并应用大津算法(OSTU)对我国不同时间和空间范围内6个90 km×90 km研究样方进行水体识别提取。结果表明,在不同时间和空间范围内水体提取最优波段组合不同,对比以Sentienl-2A/B多光谱传感器数据构建的8个水体指数,B3和B11波段组合构建的水体指数结合OSTU算法在东北平原山区湖区、东部平原地区湖区、内蒙古高原湖区、云贵高原湖区、新疆地区湖区以及青藏高原湖区夏季都取得了相对最优的水体识别提取结果,且在春夏两季的总体精度(overall accuracy,OA)均高于90%,Kappa系数均大于0.9,说明B3和B11波段组合的水体指数也存在一定跨时间的适用性。该研究结果对于以水体提取监测为目标的传感器设计研发具有一定的参考,同时为基于较窄波段遥感数据水体监测提取应用的特征波段选择提供了参考。
建筑物提取的目的是从遥感图像中分割出建筑物像素,在城市规划、城市动态监测等应用中起着至关重要的作用。针对遥感建筑物提取时出现空洞、误检和漏检等问题,提出一种密集嵌套网络(densely nested network,DN-Net)。DN-Net中子网络结合改进残差卷积模块将遥感建筑物进行粗略轮廓提取; 为精准定位建筑物的位置,引入坐标注意力模块(coordinate attention module,CAM),有效减少误检现象; 为了解决遥感建筑物提取时出现空洞现象,采取级联卷积模块(cascade convolutional module,CCM),凭借不同的大小的卷积核提取更丰富的细节信息,从而精准提取遥感建筑物。选取WHU数据集进行了试验和精度评估,在WHU的验证集上,交并比和F1分数分别达到了89.20%和94.29%; 在测试集上,分别为89.85%和94.65%。结果表明: DN-Net显著提升建筑物提取精度,使得提取出的建筑物的边界更加完整和精细,表现出对不同大小建筑物的良好提取能力。
干涉雷达(interferometric synthetic aperture Radar,InSAR)技术以其全天候、全天时以及高空间分辨率的优势已在多个领域得到广泛应用,并展现出极强的适应性与实用价值。通过对甘肃省舟曲县2个典型滑坡区域的小基线集合成孔径雷达 (small baseline subset InSAR,SBAS-InSAR)监测结果以及卡尔曼滤波预测结果与全球导航卫星系统(Global Navigation Satelhite System,GNSS)监测数据进行对比,验证了SBAS-InSAR技术在滑坡变形监测中的可靠性和准确性。结果显示,SBAS-InSAR在滑坡变形监测中展现了高度的准确性和可信度。这一技术在地质灾害形变区域的显著优势有效补充了传统监测手段的不足,为舟曲县及其他地质灾害频发地区的灾害预警和管理提供了关键的技术支持和科学依据。
遥感图像的全色锐化是将全色图像(panchromatic images,PAN)与低空间分辨率的高光谱遥感图像(low spatial resolution hyperspectral images,LR-HSI)融合,生成高空间分辨率的高光谱遥感图像(high spatial resolution hyperspectral images,HR-HSI)。当前,基于深度学习的全色锐化方法逐渐成熟,但是依然存在一些不足,例如特征信息提取不够充分、信息融合缺乏指导、全色锐化阶段单一等,导致生成的HR-HSI图像空间和光谱信息不完善。针对以上问题,该文提出一种基于特征增强和三流Transformer的高光谱遥感图像全色锐化方法,采用双阶段实现全色锐化解决单阶段方法的不足。首先,采用特征增强模块与多尺度信息融合模块生成初步增强的高光谱遥感图像,特征增强模块主要从多个尺度上对HSI图像进行空间与光谱信息的增强,多尺度信息融合模块将增强后的HSI图像在不同尺度进行融合; 其次,采用Transformer中注意力思想,将初步增强的HSI,PAN以二者融合生成的图像作为3种特征流,通过线性层将其分别转换为Q、K、V,进而进行多头注意力计算,有效指导空间信息与光谱信息的提取与融合; 再次,利用增强的HSI图像与融合模块进一步提高图像质量,使生成的HR-HSI图像具有更加丰富的空间与光谱信息; 最后,在3个经典的高光谱数据集上进行了实验验证。实验结果表明,该文所提出的全色锐化方法在定量评价指标上优于传统方法和现有的深度学习方法,在定性结果上能够更好地保留高光谱图像的光谱信息和全色图像的空间信息,融合生成更加真实的HR-HSI图像。
植被分布信息是开展自然资源保护、生态系统健康评价的重要数据基础。山区地形起伏大、植被类型结构复杂,传统植被遥感分类基于二维影像进行制图,无法反映植被垂直结构和三维空间分布特征。为探索实景三维模型在植被精细分类与制图上的应用潜力,该文提出了一种融合光学影像与激光雷达(light detecting and ranging,LiDAR)数据的实景三维模型山地植被制图方法。选取广东内伶仃岛为研究区,利用无人机航测获取的实景三维模型、多光谱与LiDAR点云构建多源数据集,开展多源数据配准和特征提取; 进一步采用LightGBM算法实现植被精细分类并评估多源数据特征的分类性能; 最后,通过二维制图向三维模型的映射获得植被语义三维模型。结果表明,实景三维模型可以有效区分植被类型,其与多光谱、LiDAR数据的特征融合能更全面地描述山区地形与植被结构特性,二维分类总精度比仅使用单一数据提升4.28%~11.29%。基于实景三维模型的植被三维制图总精度达到92.06%,Kappa系数为0.89,能够真实直观地反映山地植被的立体层次分布规律,提高植被精细信息提取的准确性。研究验证了实景三维模型与多源数据的融合在自然资源监测中的巨大潜力,为区域植被精细化和立体化信息提取提供新的思路和方法。
针对目前基于深度学习的遥感图像变化检测方法中网络的多粒度性和分类性不高,且对参数敏感需要进行大量调参的问题,该文提出一种基于深度森林的遥感图像变化检测模型。首先采用基础变化检测方法获得初步结果,然后利用深度森林子网络多粒度扫描的特点和强大的数据分类能力对初步结果进行优化获得最终的变化检测结果。选取了多种常见的变化检测模型分别在LEVIR-CD数据集和SYSU-CD数据集上进行验证,并进行了损失函数对比、小样本实验和消融实验,结果表明所提方法在精度、F1得分和召回率等指标上相较于现有经典模型均有显著提高; 所提方法在小数据集上表现出良好的适应性,一定程度上缓解参数调优复杂度和其他深度学习子网络不适用于中小数据集的问题。
高质量监测点的空间密度及其干涉相位质量是时序合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)开展形变监测的重要指标,为了进一步提高InSAR技术在非城市区域的形变监测能力,使用双极化Sentinel-1数据,提出了一种顾及分布式散射体(distributed scatterer, DS)的极化时序InSAR技术方法。该方法根据分布式散射体的特点,并将振幅离差(dispersion of amplitude, DA)作为相位质量评价指标,使用不同方法分别对时序SAR数据的强度信息和相位信息进行极化优化处理,对所优化前后数据进行地表形变监测。以浙江省宁波市为例,采用40景双极化(VV-VH)Sentinel-1数据进行实验。结果表明,所提方法能够显著提高监测点的密度和干涉相位质量。与单极化相比,永久散射体(persistent scatterer, PS)数量提高了约20%,DS点数量提高了约57.5%,干涉图相位质量有明显提升,平均相干性能够提升15%以上,可以更加详细地反映区域形变状况。
针对遥感图像中不同地物特征信息提取所需上下文背景信息不同的问题,提出一种结合大核选择性卷积增强模块的特征点匹配新方法。该方法以ResNet34网络为基础,嵌入大核选择性卷积增强模块,动态实现不同目标地物的特征提取; 再利用稀疏邻域共识网络获得初始密集匹配,同时引入几何一致性和运动一致性约束完成匹配点的引导扩散得到匹配优化结果。该方法在Google Earth数据集上的正确点概率度量(percentage of correct keypoints,PCK)(α=0.05)精度可达0.89,相比SuperPoint,R2D2,NCNet,Sparse-NCNet,LoFTR以及Two-Stream网络分别提高了7.22%,5.95%,2.30%,4.71%,7.22%和9.88%,同时在Hpatches数据集上也表现出良好的泛化能力,证明本文方法具有一定有效性。
台阶是露天煤矿的重要地物之一,可以反映露天煤矿的生产状态,利用遥感影像提取台阶可以为煤矿生产监测和生态保护修复提供重要依据。该文构建了BenchSegNet深度学习模型,用于从Sentinel-2影像中提取露天煤矿台阶。研究结果表明,BenchSegNet继承了SegFormer强大的泛化性能和U-Net强大的细节信息提取能力,准确率达到97.69%。相较于SegFormer模型,BenchSegNet模型的精确率、召回率和F1分数分别提升了6.19百分点、4.09百分点和5.06百分点,相较于U-Net和ASPP-UNet这2种传统的卷积神经网络模型,3个指标均提升近10百分点,相较于随机森林和支持向量机这2种传统的机器学习算法,3种指标均提升近15百分点。可以看出,BenchSegNet深度学习模型具有较高的精度,同时Sentinel-2卫星具有全球覆盖、重访周期短、空间分辨率高的特点,因此结合Sentinel-2影像和BenchSegNet模型可以有效监测露天煤矿台阶的变化过程。
白鹤滩水电站库区地质灾害频发,而对白鹤滩水电站中心及下游区域监测研究较少。该文以Sentinel-1A升降轨合成孔径雷达(synthetic aperture Radar,SAR)影像为数据,采用通用大气校正在线服务(Generic Atmospheric Correction Online Service for InSAR, GACOS)辅助的小基线子集合成孔径雷达干涉(small baseline subset interferometric synthetic aperture Radar,SBAS-InSAR)方法对白鹤滩库区白石滩—野猪塘地段进行形变监测与滑坡隐患识别,利用小坡度区域升降轨形变进行交叉验证,分析研究区滑坡隐患空间分布特征及典型隐患点的运动特征,探讨地质灾害影响因子对于隐患点分布的影响。研究结果表明: 小坡度区域可用于升降轨形变交叉验证; 基于时序合成孔径雷达干涉(interferometric synthetic aperture Radar,InSAR)形变探测结果和Google Earth光学影像特征共确定出16处滑坡隐患,其中14处为缓慢发育型滑坡,2处为人类工程活动所引起的显著形变隐患; 联合升降轨数据不仅可以验证形变结果的可靠性,而且可以提高滑坡隐患识别效果。对典型隐患点的运动特征分析表明,隐患点的形变加速与季节性降雨具有一定相关性; 对研究区地灾影响因子的统计分析表明,隐患点的形成由多种因素共同作用,不同隐患的主导因素及影响度不同。
黄土高原是中国典型的气候敏感区和生态脆弱区。了解黄土高原不同气候干湿分区下植被动态变化时空特征及其潜在驱动因素,对推进区域生态环境保护与治理具有重要意义。该文基于2000—2022年黄土高原核归一化植被指数(kernel normalized difference vegetation index, kNDVI),利用变异系数和趋势分析方法研究了黄土高原不同气候干湿分区下被动态变化的时空格局,应用基于最优参数的地理探测器模型在空间尺度和分区效应下,准确、科学地定量识别了植被动态变化的驱动因子及驱动范围,并有效解决了空间异质性问题。研究结果表明: ①黄土高原kNDVI均值呈现西北低、东南高的空间分布格局,在植被动态变化上,黄土高原91.57%区域的植被变化呈现上升的趋势,其中气候半干旱区的上升趋势面积占比最高(60.41%); ②黄土高原区域内不同的驱动因子具有不同的最优离散方法和最优间隔断点,在最优分区效应下,低温高降雨量是植被生长的主要条件,且驱动因子的不同范围和类型对植被动态变化的空间分布具有不同的作用效应; ③最优参数地理探测器模型下,降雨量和土地利用类型是黄土高原最主要的驱动因子,其解释力达到了总解释力的65.45%,且两者的交互作用q值(0.69)均高于其他因子交互作用的q值。该研究有助于全面认识自然因素和人为因素影响下植被动态变化响应机制,为区域内生态可持续发展提供指导。
针对露天煤矿开采扰动周边生态环境的量化问题,该文以山西省平朔朔南矿区为研究区,基于压力-状态-响应模型(pressure-state-response,PSR)选取7类评价指标,通过组合赋权构建露天煤矿区遥感生态指数(remote sensing ecological index of open-pit coal mining area,OMRSEI),利用相关性分析和对比分析对OMRSEI进行有效性验证,并选用指数平滑法预测了研究区未来2个年份的生态环境演变趋势。结果表明: ①OMRSEI具有显著的空间相关性和有效性,是一种适用于露天煤矿区生态环境评价的遥感指标; ②研究区2013—2023年生态环境质量总体呈上升趋势,其中安太堡露天矿和安家岭露天矿排土场逐步修复,生态环境质量持续改善,东露天矿生态环境质量则呈现先下降后上升的趋势; ③预测结果表明2025—2027年研究区OMRSEI均值持续上升,生态环境质量持续提升。
为探究秦岭西安段生态系统服务的时空演变特征及其权衡/协同关系,基于InVEST模型,定量评估2003—2023年秦岭西安段的产水、土壤保持、碳储量以及粮食供给这4项生态系统服务的时空演变格局,并结合Spearman相关系数与地理加权回归(geographically weighted regression,GWR),识别与量化生态系统服务间的权衡/协同关系; 最后,分析土地利用变化对生态系统服务的影响。结果表明: ①产水量和土壤保持量总体呈现先迅速减少后缓慢增加的趋势,碳储量和粮食供给量表现为缓慢减少; ②产水与土壤保持、碳储量表现为协同关系,碳储量与土壤保持表现为协同关系,粮食供给与产水、土壤保持、碳储量均呈权衡关系; ③研究区林地与草地面积增加导致产水量减少,建设用地扩张与耕地资源流失直接引发研究区的碳储量降低,林地面积的增加有助于土壤保持。研究结果可为秦岭地区生态环境保护及可持续发展提供科学依据。
传统方法提取细小水体的效果差、精度低,难以满足实际需求,该文以洱海流域的吉林一号国产高分卫星影像为数据源,提出一种改进DeepLabV3plus的深度学习语义分割方法,将编码结构ResNet101替换成EfficientNet-B4,创新性地将二元交叉熵损失(binary cross-entropy loss,BCE Loss)和Dice Loss损失函数进行联合,筛选出了洱海流域精细提取水体的最优方法。结果表明: ①改进DeepLabV3plus模型较传统方法提取的水体边界效果更佳,更能准确识别主要水体,尤其在细小溪流的提取上表现优于传统方法; ②改进DeepLabV3plus模型在精确率(98.87%)、召回率(99.30%)和F1分数(99.08%)上均高于归一化差异水体指数(normalized difference water index,NDWI)和面向对象法; ③在细节对比中,改进的DeepLabV3plus能够有效抑制建筑物阴影、植被遮挡以及复杂地物的影响,提升了细小水体和复杂边缘区域的提取效果。此外,消融实验表明,联合损失函数与复合缩放策略的引入分别将平均交并比提升了0.62和3.07百分点,显著提高了模型的分割精度与对多尺度语义信息的提取能力。
森林城镇交界域指房屋与森林等自然植被相遇或相混合的区域。森林城镇交界域(wildland-urban interface,WUI)划分对火灾风险管理、森林资源开发利用、气候变化应对、社会经济可持续发展等都具有重要价值。目前森林城镇交界域划分方法多基于《美国联邦公报》的定义进行发展和细化,以建筑密度、植被覆盖度、建筑与植被的距离等指标为参量,可分为建筑密度优先、燃料等级优先、建筑植被缓冲区重合3类方法。该研究先对3类森林城镇交界域区域划分方法相关研究文献进行总结和对比,然后选择了多年来野火频发的加拿大艾伯塔省伍德布法罗市为试验区,利用微软加拿大建筑足迹数据、GLC_FCS30—2020土地覆盖数据和当地历史火点和火迹地数据,完成了3类方法结果对比。结果表明建筑密度优先方法划分结果与历史野火记录重合比例最高,但忽略了同样具有野火风险的低密度建筑; 燃料等级优先方法面积偏大,与历史野火记录重合比例较低,过于关注建筑周围的植被而忽略了建筑本身; 建筑植被缓冲区重合方法与历史野火记录重合比例最低,划分结果面积偏小,主要原因在于缓冲区距离设置较小。该研究揭示了现有方法的优势和局限性,有助于未来更科学合理地划分森林城镇交界域区域,为火灾风险应对和应急管理决策提供决策参考。
东北黑土区是我国重要的粮食主产区,结合第三次国土调查数据、遥感数据和数字高程模型(digital elevation model,DEM),探索耕地生态防护评价方法,有利于保障黑土区农业的可持续发展。文章以黑龙江省嫩江市为研究区,从耕地位置条件和周边生态用地状况2个方面,构建林地健康指数、耕地周边生态用地比例指数、最近林地距离、坡度和地形部位5个维度的指标,其中,基于遥感生态指数设计了改进的林地健康指数,综合评价嫩江市耕地生态防护状况。结果表明: 嫩江市耕地生态防护等级以中低等和中等为主,分别占耕地面积的34.21%和45.28%,高等耕地仅占耕地面积的2.11%,耕地生态防护水平有较大提升空间; 各单项指标中,耕地周边生态用地比例指数和林地健康指数较低,是导致研究区耕地生态防护偏低的主要原因。
东秦岭位于华北板块与扬子板块之间的秦岭造山带东段,是中国最大的Mo(钼)、Au(金)、W(钨)等多金属成矿带。蚀变在成矿过程中起到了关键作用,蚀变信息及分布特征是分析成矿机制的重要依据。为探索更高效的蚀变信息提取方法,该文以东秦岭河南省登封市为研究区,基于谷歌地球引擎(Google Earth Engine,GEE)平台,对Sentinel-2A和Landsat8 OLI数据进行了处理和分析,并将深度学习应用于蚀变信息提取中。为了提高蚀变信息的提取效率,首先用归一化植被指数(normalized difference vegetation index,NDVI)、改进归一化水体指数(modified normalized difference water index,MNDWI)和归一化建筑指数(normalized difference built-up index,NDBI)分别提取植被信息、水体信息和建筑物信息,采用阈值分割法生成二值图像对干扰信息进行掩模,并结合典型羟基矿物的光谱曲线,确定了提取羟基蚀变信息的波段; 然后,采用主成分分析法(principal component analysis,PCA)提取初始蚀变信息,并选择空间位置上重叠、信息集中且蚀变等级高的像素作为标签训练深度学习模型,通过融入多波段数据的卷积神经网络(convolutional neural networks,CNN)模型进一步挖掘遥感影像的潜在信息; 最后,结合目标区域线性构造图和矿化异常点,采集了对应位置的岩土样品,并进行X射线荧光光谱分析(X-ray fluorescence,XRF)和X射线衍射分析(X-ray diffraction,XRD),分析样品的主要成分,验证蚀变信息提取结果的可靠性。结果表明,与单独使用PCA方法相比,CNN模型提取的羟基蚀变信息更全面、清晰和易于分级。现场采样点样本均含有羟基蚀变矿物,如白云母、黑云母、绿泥石等,XRF和XRD实验室检测结果与CNN模型提取的羟基蚀变信息一致,验证了CNN深度学习模型提取羟基蚀变信息解译结果的可靠性和高效性。研究成果可为东秦岭地区的遥感找矿提供理论和技术依据。
南方丘陵山地带作为中国“三区四带”生态系统保护和修复重大工程分布地之一,具有世界同纬度带上面积最大、保存最完整的中亚热带森林生态系统,发挥着保障中国华南和西南地区生态安全的作用。该研究基于谷歌地球引擎平台,结合LandTrendr算法、J-M距离对研究区域扰动进行初步监测,并将随机森林应用于相关干扰输出,对1985—2022年间该区域的森林扰动进行了监测与分析。研究发现,1985—2022年森林干扰总面积为38 564.62 km2,其中武夷山森林(12 040.27 km2)>南岭山地森林(11 820.79 km2)>湘桂岩溶地区(8 228.97 km2)>南方丘陵山地带矿山(6 474.59 km2); 研究基于得到的1985—2022年间森林损失数据集,分析了南方丘陵山地带森林干扰时空变化特征,发现南方丘陵山地带的森林干扰在空间和时间上均表现出显著的特征。空间上,森林扰动具有明显的地理集聚特征; 时间上,4个生态修复工程的森林损失面积经历了多个阶段的变化,尽管关键转折点和年际变化规律相似,但由于森林资源、气候和经济条件的差异,损失面积的大小和变化趋势也存在差异。此外,林业政策的实施在一定程度上影响了森林损失的趋势。研究为南方丘陵山地带的森林生态系统管理等提供了科学依据和决策参考。
色林错作为西藏自治区第一大湖,近年来扩张趋势显著,对周边牧民活动、基础设施乃至生态环境均构成一定威胁。该文基于Landsat和GF系列光学卫星影像以及ERS-2,ICESat,CryoSat-2和ICESat-2等卫星测高数据,系统重建了1995—2023年间色林错湖泊面积、水位与水量变化的时间序列,通过Mann-Kendall趋势分析,划分湖泊面积变化的不同阶段并揭示各阶段的关键变化特征,并对淹没趋势及其影响进行初步判断。结果表明: ①在1995—2023年间,色林错水域面积增加了676.75 km2,年均扩张速率为24.17 km2/a; 水位上升了约13.32 m,年均上升速率为0.48 m/a; 水量增加了28.45 Gt,年均增长速率为1.02 Gt/a; ②1995—2023年间色林错可分为4个变化阶段,包括1995—2000年的波动增长期、2000—2011年的急速扩张期、2011—2017年的相对稳定期及2017—2023年的再次扩张期; ③波动增长期和急速扩张期的淹没区域主要集中在湖泊南北方向,相对平稳期淹没区无明显扩张,再次扩张期淹没区分布于湖泊东部; ④色林错水位持续上涨导致周边的淹没风险逐年提升,目前淹没高风险区主要集中在湖泊南岸,建议后续对湖南岸地区予以重点关注。
浙江省宁波地区地处华东沿海,境内地貌类型多样、地质环境复杂,受汛期影响易引发滑坡、崩塌、泥石流等地质灾害,开展宁波地区地表形变监测研究对地质灾害防治具有重要意义。该研究通过将干涉雷达(interferometric synthetic aperture radar, InSAR)、高分辨率光学影像、无人机激光雷达(light detection and ranging, LiDAR)等多种遥感手段相结合,对宁波地区开展综合遥感滑坡地质灾害监测,获得潜在地质灾害隐患点分布信息,并提取典型高风险坡体的灾害隐患点详细位置与坡体形态细节信息。该研究采用的永久散射体与分布式散射体联合构网的时序雷达干涉(combined-multi-temporal InSAR, CMT-InSAR)方法,有效增加了植被覆盖丘陵地貌条件下的高相干点密度,提高了形变监测的覆盖度和精准度。实验结果表明,宁波地区整体地表较为平稳,局部沿海区域因填海建设等活动导致地表形变较大,沉降速率超过-20 mm/a。在山区,高风险点位主要集中在奉化区、宁海县、余姚市和象山县,部分区域地表年均形变速率达到-20~-7 mm/a,且形变反演结果与野外实地考察情况一致。该研究为山区丘陵地貌的地质灾害早期识别与监测提供了一套高精度、多层次、长周期的监测手段。
随着城市化进程不断发展,城市局部热环境和小气候发生了不同程度的改变,导致发生地表城市热岛(surface urban heat island,SUHI)效应。该文利用ECOSTRESS数据,以天津市作为研究区,结合局地气候区(local climate zone,LCZ)探索了SUHI的日内变化特征以及各LCZ类型对于SUHI的昼夜贡献和梯度衰减差异。结果表明: ①天津市中心城区SUHI日内变化较大,于3: 00达到最小值0.14,于13: 00达到最大值3.56,昼夜SUHI均差1.59; ②在日尺度上,不同LCZ类型对SUHI的贡献存在较明显的类内间差异,总体来看,LCZ 1(紧凑型高层建筑)和LCZ 2(紧凑型中层建筑)的热差异指数(thermal difference index,TDI)为2.10和2.13,是主要的热源,LCZ A(繁密树木)和LCZ G(水体)的TDI是0.89和0.85,是主要的冷源,LCZ 7(轻质低层建筑)、LCZ A(繁密树木)和LCZ G(水体)昼夜冷热源角色发生了显著转变; ③天津市中心城区SUHI存在明显的梯度效应,SUHI强度与距市中心距离、建筑高度、建筑密度负相关,日间莫兰指数为0.70,夜间SUHI莫兰指数为0.84,夜间SUHI空间聚集效应强于日间,其梯度效应强于日间梯度效应。本研究为城市规划和可持续发展政策提供了新的理解视角,对于缓解城市热岛效应、提高城市的居住舒适性和可持续发展有借鉴意义。
