在“双碳”背景下,开展遥感生态评价与监测分析对于及时掌握生态状况、制定科学合理的生态保护政策具有重要作用。早期遥感生态评价指标单一、过程复杂。遥感生态指数(remote sensing ecological index, RSEI)实现了生态评价效率的提高,得到广泛应用。为深入理解RSEI,文章阐述了该指数的产生背景,介绍了RSEI的计算方法及研究现状,归纳了指数存在的问题及区域适应性调整措施,并对RSEI主要应用方向,即区域生态评价和区域生态变化监测进一步分析,最后指出,未来RSEI虽有广阔发展空间,却仍需围绕影像时空尺度、存储和批处理能力、模型自适应、智能化等方面进行研究。

对江河湖泊等水体目标的空间分布、时序变化进行及时、准确的检测和统计具有十分重要的意义和应用价值,已成为当前遥感地表观测研究的重要热点。传统水体提取方法依靠经验设计的指数模型进行水体阈值分割或分类,易受到植被、建筑物等地物的阴影以及水体自身泥沙含量、盐碱浓度等理化特性变化的影响,难以在不同时空尺度环境下保持鲁棒性。随着海量多源、多分辨率的遥感图像的快速获取,深度学习算法在水体提取方面的优势逐渐凸显并被国内外学者广泛关注。得益于深度神经网络模型强大的学习能力和灵活的卷积结构设计方案,研究人员陆续提出了各种模型和学习策略用以提高水体提取的鲁棒性和精度,但目前缺少对该类研究进展的全面综述和问题剖析。因此,文章对近年来国内外发表的相关研究成果进行总结,重点归纳不同算法在遥感图像水体提取方面的优缺点及存在的问题,并对基于深度学习的遥感图像水体提取方法研究的发展提出了建议和展望。

植被光学厚度(vegetation optical depth,VOD)为一种基于微波的植被含水量和生物量估算方法。与光学遥感相比,卫星VOD对大气扰动的敏感性较低,可测量植被不同方面的特征和信息,为全球植被监测提供了一个独立和互补的数据源,已经被广泛用于研究全球气候和环境变化对植被的影响。了解目前VOD在全球植被动态监测的应用研究进展,对其进一步发展和深入应用非常重要。鉴于此,文章首先重点介绍了被动微波和主动微波反演VOD的主要方法,对比分析不同传感器VOD产品的主要特点; 然后,从植被特征监测(如植被含水量、生物量)、碳平衡分析、干旱监测、物候分析等方面总结当前VOD在植被动态监测应用方面的研究进展; 最后,探讨了VOD产品的优缺点和改进方法,进一步展望了VOD技术在植被动态监测中的应用前景。

为客观获取矿山环境基础数据,采取遥感数据与多源数据相结合、计算机自动信息提取与人机交互解译相结合、室内综合研究与实地调查相结合的技术路线,开展了全国废弃露天开采矿山的采矿损毁土地、生态修复土地监测。2022年遥感监测查明: 全国废弃露天矿山采矿用地面积约82.74万hm²,占全国陆域面积的0.86‰,主要分布在内蒙古自治区、新疆维吾尔自治区、河北省、山东省、黑龙江省等省(自治区)。其中,采矿损毁土地面积约50.74万hm²,生态修复面积约32.00万hm²,生态修复率38.68%。废弃露天矿山采矿用地占用基本农田2.63万hm²,占总面积的3.18%; 位于生态红线内的全国废弃矿山露天采矿用地面积8.09万hm²,占总面积的9.77%。全国与第三次全国国土调查(采矿用地)吻合的废弃矿山露天采矿用地面积累计30.13万hm²,占总面积的36.42%。初步分析了全国废弃矿山露天采矿用地情况、废弃矿山采矿用地占用基本农田情况、生态红线内的废弃矿山采矿用地情况、废弃矿山环境恢复治理土地等遥感工作现状及存在问题,提出对策建议。

掌握黄河流域植被生长的时空变化特征及其影响因素,对生态环境的保护和发展有重要意义。然而,现有的研究缺少对黄河流域内最新时段不同植被类型时空特征分析及其与影响因子间关系的研究。为此,基于2000—2020年获取的MODIS NDVI时间序列遥感数据,利用趋势分析、相关分析、偏相关分析和残差分析法,挖掘黄河流域不同植被类型时空特征,厘清在年尺度和月尺度上受气温和降水的影响机制,同时探究人类活动对不同植被类型时空特征的影响。结果表明: ①2000—2020年黄河流域不同植被NDVI总体均呈上升趋势,其中以耕地和林地的增长尤为突出; 然而不同植被类型NDVI增长趋势随着海拔的升高呈现出不同的下降特征。②21 a来各植被类型在大部分区域呈现改善,但少部分区域呈现出退化,主要集中在草地和耕地区域。各植被类型未来变化趋势呈反持续性的区域占比较大。③气温和降水对黄河流域各植被的生长表现出促进作用,但各植被对降水的响应高于气温,并且其响应存在明显的时滞性,其中草地和灌木的生长对降水和气温的响应更为敏感。④人类活动对黄河流域的整体植被起到积极作用,但在草地和耕地类型中存在部分消极影响,应在未来规划中引起重视。2000—2020年黄河流域大部分植被呈改善状态,但部分草地和耕地呈退化趋势,应对典型退化区域进行保护。研究结果可为黄河流域内生态环境建设和经济发展提供科学数据和理论支撑。

内陆地表水体包括江河、湖泊、水库等,是人类和生态系统的重要淡水资源,其监测、管控具有重要意义。光学遥感技术为地表水资源监测提供了极大便利,是内陆地表水体提取与动态监测的重要手段。文章从水体提取的基本原理、遥感数据源、提取方法和存在问题与展望4个方面进行评述。水体在遥感影像上具有独特的特征,通过遥感手段能够精确、科学、有效地提取内陆地表水体; 多种遥感数据源可用于水体提取; 光学遥感水体提取方法可分为阈值法、分类器方法、面向对象方法、深度学习方法和其他方法,不同的方法有不同的优缺点和适用条件,根据研究区情况,合理选择多源数据、结合多种方法往往能够提高水体提取的精度; 基于光学遥感的水体提取目前仍然存在一些问题,例如遥感数据时空分辨率的制衡、水体特征的挖掘、水体模型的泛化能力以及精度评价标准的统一性等。

滑坡快速识别检测可以满足滑坡灾害的高时效性要求,对灾害损失评估和灾后救援具有重要意义。研究提出一种基于深度学习的滑坡自动提取方法提高滑坡检测的精度。该方法使用目标区遥感影像、数字高程模型数据和面向对象多特征变化向量分析法(robust change vector analysis,RCVA)提取的变化特征作为模型输入,设计结合密集上采样和非对称卷积的U-Net模型提高滑坡识别精度。以四川省汶川地区作为研究区,设计试验测试了不同数据组合和不同方法得到的像素级滑坡分割精度,结果表明该研究提出的改进的U-Net模型可以取得更好的分割结果。

内陆水体作为生态系统中不可替代的资源,在气候变化、区域水循环等诸多方面起着至关重要的作用。科学准确地监测水体分布与动态变化,对维持生态系统平衡、人类可持续发展、水旱灾害预警等方面具有重要意义。然而,目前针对内陆水体的研究多以静态监测为主,对于高分辨率水体动态变化监测研究仍较为匮乏。因此,研究依托Google Earth Engine(GEE) 云计算平台,以2020年的Sentinel-2地表反射率数据为数据源,进行10 m空间分辨率水体动态变化监测研究。首先,研究基于典型地表覆盖类型在Sentinel-2不同波段及水体指数中的表现特征,选取最优的水体监测特征; 其次,研究结合先验水体产品提出一种水体训练数据集的自动提取方法,来获取高置信度水体训练样本; 再次,依据D-S (Dempster-Shafer)证据理论模型将光谱角距离与欧式距离相融合,并结合所提取的最优监测特征提出一种SA-ED (spectral angle-Euclidean distance)水体动态监测模型; 最后,以河南省为例对算法的稳定性进行测试。结果表明,本研究所提SA-ED模型能够有效对水体的动态变化进行监测,基于SA-ED算法对河南省内水体的整体监测精度达到97.03%,对于稳定性水体用户精度和生产者精度分别为95.85%和95.17%,季节性水体的用户精度和生产者精度分别为96.21%和93.82%。研究成果可为精细分辨率的水体动态变化监测提供新的借鉴与思路。

积雪是表征地表冰冻圈的重要因子,也是重要的天气、水文现象的参数。借助遥感技术对积雪形态及变化进行长时序、大范围监测,在全球气候变化研究、水文水资源调查和地质灾害预防等领域有重要作用。经过数十年的发展,国内外积雪遥感监测技术领域取得了很大进展,积雪遥感监测产品种类不断丰富,积雪反演的算法也在不断改进。文章对现有应用比较广泛的积雪产品按照积雪范围产品、积雪覆盖率产品和雪深/雪水当量产品3类进行归纳总结,梳理当前典型积雪范围及覆盖率产品和雪深/雪水当量产品的业务化遥感反演算法。文章指出,随着国内外高时间和空间分辨率传感器的不断出现,在光学和微波新数据源、新技术支持下,研究人员逐渐针对区域特点优化积雪反演算法,使得反演精度不断提高,为未来积雪遥感监测产品的不断改进提供更多支持。

多标签遥感图像分类是遥感分析领域的基础研究任务之一,解析给定的遥感图像并识别其中的类别语义,可以为下游计算机视觉任务提供重要的技术基础; 由于遥感图像空间分辨率不断提升,众多遥感对象以不同规模、颜色、形状分布于图像的各个区域,为遥感图像多标签分类任务带来了严峻挑战。该文聚焦于遥感领域的多标签图像分类研究,对该问题的前沿研究进展进行总结分析。首先,阐述多标签遥感图像分类任务的问题定义,并对该研究问题中常用的多标签图像数据集和模型评估指标进行归纳介绍; 进而,对该领域的前沿进展进行系统性的介绍,深入剖析多标签遥感图像分类过程中的2个关键任务——遥感图像特征提取和标签特征提取; 最后,针对遥感图像特性,分析了该任务当前存在的挑战和问题,并对未来研究方向进行展望。

煤层气是一种自生自储式非常规清洁能源,它赋存于煤层及其围岩中。传统勘查方法费时费力,而遥感技术提供了煤层气富集区快速勘查的新途径。煤层气富集区遥感勘查的基本原理是基于典型地物波谱特征与富集区烃微渗漏导致的地表物体异常波谱特征,包括岩矿蚀变、植被异常和热异常等波谱特征的对比,结合煤田地质、地震、大地电磁等物探方法获取的数据,进行多源信息提取与综合分析,逐步查明煤层气富集区分布范围与含气特性。文章综述了煤层气富集区烃类物质渗漏与地表岩矿波谱和植被波谱异常的响应机制,以及基于地表岩矿波谱与植被波谱参数反演的多种方法与地物波谱异常反演在煤层气潜在富集区的勘查应用; 阐述了含煤层气地层导致地表热异常的不同解释与提高地表温度反演准确率的主要方法与应用。未来,遥感与煤田地质数据、地震探测和大地电磁探测相结合,开展立体多元信息分析与信息提取,将成为实现煤层气富集区低成本快速勘查的主要途径。

高分辨率遥感图像在拍摄过程中包含了丰富的数据信息,使得目标与背景之间的差异减小,导致在检测目标时精度达不到所需要求,降低了目标检测的性能。基于YOLO深度学习算法,结合端到端坐标注意力(coordinate attention, CA)和轻量级网络模块GhostConv设计了一种轻量级网络模型GC-YOLOv5。CA沿水平和垂直方向分别对每个通道进行编码,使得注意力机制模块能够同时捕获具有精确位置信息的远程空间交互,并帮助网络更准确地定位感兴趣的目标。使用GhostConv模块代替原有的普通卷积模块(convolutional-batchnormal-SiLu,CBS),降低特征通道融合过程中的参数数量,减小最优模型的大小。使用公开的NWPU-VHR-10数据集进行了实验并在RSOD数据集上验证了模型的稳健性。结果表明,在NWPU-VHR-10数据集上的检测精度达到了96.5%,召回率达到了96.4%,mAP达到了97.7%。在RSOD数据集上也取得较好的效果。

林火是对森林生态造成影响的最主要干扰因素之一,探究林火时空变化规律及森林恢复具有一定的社会学和生态学意义。大兴安岭拥有我国面积最大的原始林区,也是林火频繁发生的重点区域。本研究使用MODIS火烧迹地、土地覆盖以及总初级生产力(gross primary productivity,GPP)时间序列产品对大兴安岭2002—2021年火烧迹地分布信息进行提取,并对火后森林恢复情况进行统计。结果表明: 2002—2021年间,大兴安岭森林地区火灾次数整体呈下降趋势,但火烧迹地面积呈现波动性变化,其中2003年无论是过火面积还是火灾频率都为最高,2008年次之,2019年过火面积最小; 林火主要集中在春秋两季,3月过火面积和过火次数都为最高,9月的过火次数较高; 同时林火在空间上由东北向西南呈不均匀分布,主要集中在黑龙江大兴安岭地区和内蒙古呼伦贝尔市,且内蒙古地区的林火面积远远大于黑龙江地区。对过火地区的林种分析可知,阔叶林的过火区域最大,其次是混交林,最后是针叶林。通过对过火区域的GPP时间序列分析得出,一般灾后第一年GPP数值恢复最快,但需要近7 a时间才能完全恢复到过火前的生长水平,且不同森林类型在灾后恢复速度存在明显差异,阔叶林地恢复速度较快,其次是针叶林,之后是混交林。了解林火的时空分布能够为布置和调整防火、灭火力量提供数据支撑,灾后森林的恢复研究可为森林重建和持续发展提供科学依据。

城市生态环境质量的监测和评价对于城市可持续发展具有重要意义。为评价我国近海发达城市近年来生态环境质量,该文以南京市为例,基于2021年Sentinel-2A遥感影像,利用绿色空间、蓝色空间、建筑及不透水地表面构建了一种新的遥感绿色指数(remote sensing green index,RSGI)模型,并初次将模型应用于南京市的生态环境质量评价。首先,对南京市Sentinel-2A遥感影像进行神经网络监督分类,构建RSGI,用于评价南京市各区的生态环境质量; 其次,运用皮尔逊相关系数分析了RSGI与城市各生态要素之间的相关性; 最后运用聚合层次聚类分析法分析了南京市各区之间的相似程度。结果表明: 南京市生态环境质量呈现出中间低四周高的结构,其中六合区RSGI值最高(0.86),秦淮区最低(0.38),相差0.48; RSGI与绿色空间密度呈现0.01级别正相关趋势,与人口密度、建筑密度、不透水地表面密度呈现0.01级别负相关趋势; 南京市11个区在城市生态要素方面以70%相似度为阈值可划分为4个集合,第一集合为秦淮区、鼓楼区和建邺区,第二集合为雨花台区和栖霞区,第三集合为玄武区和高淳区,第四集合由其他4个区组成。研究结果可为南京市未来城市规划与可持续发展提供科学依据。

湖泊是陆地生态系统的一个重要的组成部分,湖泊水域的变化对环境和人类的生产活动都有着重大的影响。鄱阳湖作为中国第一大淡水湖,近年来多次出现洪旱灾害现象,因此对鄱阳湖进行动态监测意义重大。文章以2000—2021年鄱阳湖175期Landsat影像作为数据源,对比分析了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)、自动水体提取指数(automated water extraction index,AWEI)、谱间关系法(spectrum photometric method,SPM)这4种水体提取方法,优选最适宜鄱阳湖的水体提取模型; 利用175期面积数据分析了鄱阳湖2000—2021年面积的年际变化趋势,分析年内季节变化特征,同时结合2009—2013年和2017—2018年同时期的50组水位数据,建立面积-水位关系模型。结果表明: ①AWEI模型提取水体精度优于其他3种,该文最终选用AWEI进行鄱阳湖水体提取; ②鄱阳湖面积存在明显的季节性变化,且丰水季面积年际波动大,枯水季较平缓; ③棠荫水位站湖泊面积-水位分段线性模型为最佳模型,从而可以根据鄱阳湖区域的实时水位观测值对水体覆盖面积进行预测,以弥补云雨天气时利用可见光遥感手段难以监测到湖泊水体淹没情况的不足。

土壤盐渍化是导致土壤肥力下降、生产力衰退、植被覆盖减少以及作物产量降低的重要原因之一。光学遥感监测技术具有宏观、及时、动态和低成本等优点,对于实现土壤盐渍化的动态监测具有重要意义。然而,目前少有对多尺度遥感数据、多类型遥感特征参量以及反演模型进行系统性梳理和总结的综述研究。为此,该文首先对光学遥感数据源进行了梳理,并总结了目前盐渍土监测相关研究中使用的遥感数据来源与尺度平台,将多源遥感数据分为卫星、航空和地面3种不同平台; 其次,整理了目前主流的建模特征参量以及统计回归和机器学习2类经典的反演方法,并分析了各方法的研究现状; 最后,对遥感数据源间的融合进行了探讨,比较了各建模方法的优缺点,并结合当前研究热点,展望了将数据同化与深度学习应用于土壤盐渍化监测研究的前景。

在有路导航日臻成熟的背景下,该文结合车辆在复杂非结构化环境下对导航服务的需求,提出了无路导航这一多学科交叉研究方向。首先,介绍了有路导航的发展及无路导航的需求场景,基于车辆通过性的4个具体方面,提出了从有路导航走向无路导航过程中的科学问题,包括地理-地质通行要素精细化遥感探测、无路区域软地面土壤参数遥感获取、天候变化对地面特性的定量影响机理,阐明了无路导航的研究导向; 然后,归纳了车辆通过性计算与表征技术、无路区域数字路网构建技术、无路导航智能路径规划技术等关键技术,提出了“无路区域有路化”的技术途径与无路区域数字路网的概念,构建了无路导航技术体系; 最后,结合无路导航相关技术的实践,展现了其应用潜力。无路导航的研究将进一步丰富导航的内涵,拓宽导航应用边界。

针对广西地区作物种类多、蔗区调查复杂度高,以及因天气多变导致的卫星遥感图像获取困难等问题,该文提出了一种基于Sentienl-2影像的语义分割改进算法用于自动识别甘蔗种植区域,并在多时相的Sentinel-2和Landsat8影像数据基础上,提出了一种代表性光谱特征提取方法构建甘蔗产量预测模型。首先在轻量级网络BiseNetV2中加入了高效通道注意力模块(efficient channel attention, ECA),构建了ECA-BiseNetV2模型识别蔗田的种植区域; 然后从识别到的甘蔗种植区域中提取不同时期的多种植被指数,利用线性回归模型将Landsat8植被指数转化为Sentinel-2植被指数,以减小Sentinel-2和Landsat8的数据差异; 接着对各蔗区、各生长周期内的植被指数时间序列数据进行三次曲线拟合,提取最大值作为代表性光谱特征; 最后使用了多种机器学习算法构建产量预测模型。结果表明,所提出模型总体精度达91.54%,甘蔗查准率达95.57%; 基于植被指数拟合最大值构建的决策树模型的测试集R²为0.792,比采用实际最大值构建的相应模型(R²=0.759)提升了4.3%。该方法可有效解决因天气问题导致的甘蔗关键生长期遥感图像缺失而难以准确构建产量预测模型的问题,展示出较强的应用性。

地表温度是区域和全球尺度地表过程的重要参数,通过热红外遥感可获取区域或全球尺度的地表温度的时空信息。然而,受到热红外传感器硬件特性以及热红外电磁波无法穿透云层的限制,目前无法获取兼顾高时空分辨率的地表温度。该研究提出了一种重建全天候100 m空间分辨率的逐小时地表温度的方法。方法主要包含3个步骤: ①在传统温度年循环模型的基础上,重建中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)4时刻的云下地表温度; ②借助于温度的日变化趋势估计地表温度的日变化曲线,获取逐小时的地表温度; ③以光谱指数作为回归因子,利用极端梯度提升树对逐小时地表温度进行空间降尺度。研究结果表明,提出的重构方法可以获取时空连续的地表温度产品,提高了地表温度的空间分辨率,提供了更丰富的纹理信息。通过美国地表辐射观测网络(surface radiation budget network,SURFRAD)站点数据对逐时100 m尺度的地表温度进行验证,结果表明逐小时重建的地表温度与站点实测值的变化趋势大致相同,全天候逐小时地表温度重建方法精度较高,R²为0.95,均方根误差(root mean squared error,RMSE)为3.75 K,偏差(bias)为0.75 K。

植被是生态环境变化的指示器,分析植被物候的时空变化特征及其影响因素对分析陆地生态系统的碳、水和能量平衡具有重要意义。该文利用MOD13Q1 EVI数据集,采用D-L拟合法和动态阈值法提取了北京市2001—2020年植被生长季开始期(start of season,SOS)、植被生长季长度(growing season length,GSL)和植被生长季结束期(end of season,EOS)。通过构建城乡梯度带,分析了北京市城乡区域植被物候的时空变化特征。利用回归分析和趋势分析方法探讨了植被物候参数对气温、降水、日照、风速等气候因子以及城市热岛强度和城市化影响因子的响应。研究表明: 2001—2020年间北京市植被物候呈现出SOS提前、GSL延长和EOS推迟的趋势。林地和灌木的SOS比草地早,EOS较草地晚,说明木本植物生长季开始期早,结束期晚。通过分析气候因子与物候之间的关系发现气温、降水、日照和风速都对北京市植被物候有一定的影响,其中SOS对日照的变化最为敏感,EOS对风速的变化最为敏感。植被物候沿城区—郊区—农村方向呈现明显的梯度变化,城区SOS比农村平均提前12.2 d、EOS平均推迟18.9 d。城市夜晚热岛强度与SOS在城乡梯度带上具有显著相关性(p<0.01),SOS,GSL和EOS与人口密度、城市建成区面积、地均GDP均存在显著相关关系(p<0.01),说明城市化发展对北京市SOS提前、GSL延长和EOS推迟具有重要作用。

2022年8月18日凌晨,青海省西宁市大通回族土族自治县发生山洪灾害,导致26人死亡、5人失联,这是典型的小溪小河发生灾害造成多人伤亡事件。降雨叠加是此次山洪灾害的直接原因,前期连续降雨使土壤含水量达到或接近饱和,2022年8月17日晚超历史记录局地短时强降雨难以通过土壤下渗或被植被截留,形成山洪灾害。综合分析遥感数据、数字高程模型、现场数据和媒体数据发现,山洪区具有汇水面大、河谷狭窄、相对高差大、河道较浅、障碍物多等特征,造成山洪势能大、运动距离长、局地雍水外溢严重,致使沟道两侧部分房屋、农田、道路等被冲毁。全球变化背景下,西北干旱区、青藏高原等山洪低风险区降水量显著增加,局地短时强降水时有发生,小溪小河发生山洪甚至特大山洪风险形势日益严峻,如再次遭遇强降雨灾区存在山洪灾害复发风险。

快速、准确地估算农田土壤有机碳含量并对其进行空间分布制图,有利于土壤精细化管理和智慧农业的发展。该文以青海湟水流域3个典型农田区为例,在研究区内同步采集296个土壤样品和相应的野外原位光谱,使用无人机搭载高光谱相机进行影像获取,并对土壤样品进行室内光谱采集和有机碳含量测定。对光谱反射率进行7种不同形式的变换,通过相关性分析从中筛选出主要特征波段,利用多元线性回归、偏最小二乘回归和随机森林3种方法分别对室内光谱、野外原位光谱和无人机光谱进行建模,对比各模型的精度。用光谱直接转换法对无人机光谱进行校正,使用校正后的无人机光谱最优模型进行建模,模型代入无人机高光谱影像进行有机碳含量制图,最后对满足制图精度要求的农田区进行分析和讨论。结果表明: ①除对无人机高光谱进行对数变换后的多元线性回归不能估算有机碳外(相对分析误差为1.375),实验室光谱、野外原位光谱及无人机高光谱的原始光谱及所有转换方法均能对有机碳进行估算,决定系数R²为0.562~0.942,均方根误差为1.713~5.211,相对分析误差为1.445~4.182; ②在所有光谱变换方法中,多元散射校正+一阶微分变换与有机碳含量的相关性最高,特征波段分别为429~449 nm, 498~527 nm, 830~861 nm和869 nm; ③在所有建模结果中,随机森林模型精度最高,其次为偏最小二乘模型,多元线性回归模型精度最低,校正后的无人机光谱建模精度均有所提高; ④3个农田区的反演精度均满足制图要求,R²均在0.88以上。其中,A农田区有机碳含量均值最高,为28.88 g·kg^-1,整体空间分布均匀; B农田区均值为13.52 g·kg^-1,整体分布呈现出较强的空间差异性; C农田区有机碳含量均值最低,为8.54 g·kg^-1,高值和低值的分化明显。本研究可为无人机高光谱遥感技术应用于田间尺度的土壤有机碳含量估算和数字制图提供参考。

青海省地质勘查工作区位于典型的高原荒漠区,地形切割大、植被覆盖率低、基岩出露面积广、地表调查难度大。为研究卫星高光谱数据在柴北缘荒漠区蚀变矿物填图及找矿中的应用,基于高光谱分辨率的国产遥感卫星资源一号(ZY-1)02D数据,通过精细的辐射定标、大气校正、数据修复与正射校正等处理后,获得青海省柴北缘赛坝沟等荒漠地区的高光谱遥感影像; 经过详细的野外调查采样并使用FieldSpec Pro FR光谱仪进行波谱测试,构建了研究区包含绿泥石化等12种主要矿物蚀变的标准实验室光谱数据集; 最后开展了研究区蚀变矿物提取及找矿研究。结果发现,研究区的蚀变矿物主要有绿帘石、绿泥石、钠长石、绢云母、硅化、高岭土、碳酸盐、褐铁矿、阳起石、蛇纹石、赤铁矿、黄铁矿和孔雀石等13类,蚀变信息分布与地层、侵入岩岩性及韧性剪切构造密切相关。通过对赛坝沟等典型矿床的蚀变特征研究发现,孔雀石化、褐铁矿化、黄铁矿化、绢云母化、硅化等蚀变信息与成矿关系十分密切,具有重要的找矿指示意义; 部分钾长石化、绿泥石化、绿帘石化、钠长石化也与成矿作用有一定的关系,可作为找矿参考信息。最终,通过上述方法,结合配套开展的1:2.5万地球化学测量成果,在托莫尔日特地区发现了铜金矿化点1处。因此,高光谱蚀变矿物填图在我国自然条件恶劣的西部荒漠地区能够弥补传统地质调查和矿产勘查手段的局限性,可用于快速了解区域地质背景、成矿地质条件,进而提取矿物光谱信息等,为地质找矿工作提供大范围的丰富、精细的信息,具有广泛的应用前景。

利用遥感热红外和多光谱数据,分析与温泉相关的遥感解译构造,温泉出露在“*”“入”字形构造交汇部位。“*”字形构造条件更优。深入剖析与温泉相关的遥感特征,提出地表温度、羟基异常、土壤湿度、水系和高程等遥感因子。采用基于GIS的数学地质统计预测方法——证据权法、找矿信息量法和特征因子法,分析与温泉相关的地质、遥感和物探因子进行数学地质统计及预测,综合分析圈定57处地热有利区,其中A类8处、B类18处、C类31处,8个A类地热有利区中均含包已知地热点,B类有利区内打出一处51.6℃温泉,预测结果可信度较高。该方法体系可为地热预测提供新思路。

高光谱技术已成为沿海湿地监测的主要手段,但传统高光谱分类方法通常存在特征提取不充分、同物异谱和场景碎片化等问题。针对这些问题,该文将Transformer用于高光谱分类,提出一种新的分类方法。该方法基于视觉自注意力模型(Vision Transformer,ViT),利用Non-local技术学习全局空间特征,扩大感受野解决提取判别特征不足的问题; 同时,通过自适应跨层残差连接加强层间信息交换,解决信息损失的问题。选取NC16和NC13黄河三角洲湿地数据集作为实验数据,并将提出的方法与支持向量机(support vector machine,SVM)、一维卷积神经网络(one dimensional convolution neural network,1DCNN)、上下文深度卷积神经网络(contextual deep convolution neural network,CDCNN)、光谱空间残差网络(spectral-spatial residual network,SSRN)、混合光谱网络(hybrid spectral network,HybridSN)和ViT进行比较分析。结果表明,所提方法的总体精度(overall accuracy,OA)、平均精度(average accuracy,AA)和Kappa系数均有显著提高,OA分别达到96.24%和73.84%,AA分别达到83.42%和74.87%,Kappa分别达到94.80%和68.94%。

树冠体积是地表生态监测研究的关键因子,激光点云可精细描述单木空间形态,为树冠体积提取提供了数据基础,但现有的激光点云单木树冠提取方法存在参数敏感、自动化程度不高等不足。文章在分析单木三维空间形态结构的基础上,提出了一种基于地基激光点云数据的单木树冠体积提取球坐标积分法。首先,根据激光点云高程分布特性,采用可视高程阈值分割得到树冠点; 然后,将激光点云投影至三维球坐标空间并进行四棱锥形微元分割; 最后,利用三维球坐标积分确定树冠体积。选择6种不同类型的单木激光点云数据进行试验,结果表明: 文章方法能较好地顾及树冠形态、点云密度等因素,单木树冠体积提取绝对误差绝对值最大值为2.33 m³,相对误差最大值为3.40%,相比已有方法具有树冠提取精度高、稳定性好的优势。该研究对激光点云林木参数提取具有重要的参考价值。

云南省物种资源丰富但生态系统十分脆弱,生态环境脆弱性保护与植被覆盖联系紧密。为此,该文采用2000—2022年MOD13Q1数据集的归一化植被指数(normalized difference vegetation index, NDVI),利用最大值合成法(maximum value composite, MVC)、Theil-Sen中位数趋势分析、Mann-Kendall显著性检验方法动态监测植被的时空格局变化。利用相关分析方法探讨植被对地形地貌、气候变化及土地覆被等影响因素的响应。研究表明: 2000—2022年,云南省整体植被覆盖度较高,年均NDVI值在0.74~0.90之间,呈波动上升趋势,其中增加趋势的面积占91.17%,滇东北增长速率最快; 植被覆盖在地域上存在差异,滇东南、滇西南的植被覆盖高于滇西北、滇中、滇东北; 在海拔3 900 m以下,云南省NDVI值比较稳定,3 900 m以上随海拔升高而NDVI值呈减少趋势; 坡度<3°时,NDVI值最低,随着坡度增加,NDVI值先增加后降低; 平面坡向的NDVI值最低,除平面坡向外,其余坡向对植被生长影响较小; 2000—2022年,滇中、滇东南、滇东北的植被覆盖与降水呈正相关,表明降水有利于植被生长; 而滇西南、滇西北与降水呈负相关。全区及各区域的植被覆盖与气温呈正相关,表明气温有利于植被生长。研究结果可为加强云南省生态环境建设和生态管理提供科学依据。

湘北常澧山地-丘陵地区地理地质环境复杂,滑坡地质灾害点多、面广、零散、频发,是造成人员伤亡和经济损失最主要的地质灾害类型。InSAR、光学遥感、LiDAR、GIS多源遥感综合技术,是目前可行性高、精度良好的滑坡地灾隐患识别和监测技术方法,能够满足宏观大范围、时效性等要求。该文基于InSAR形变速率数据、多光谱影像和DEM数据对湖南常澧地区的滑坡地灾隐患进行了识别和提取: 首先用2种决策树分类方法对多光谱图像进行了土地利用分类,以便于观察研究区的用地类别及分布情况; 然后运用DEM数据提取了高程、坡度、坡向、起伏度和曲率等5项地形地貌因子对研究区进行了滑坡危险性评价; 再基于SBAS-InSAR技术对研究区进行地表时序微形变测量; 最后在GIS系统内综合危险性评价结果和形变速率对研究区滑坡隐患进行提取和圈定,并基于CART决策树分类结果和研究区水系分布情况,对研究区内除圈定的滑坡隐患点以外的形变速率大于-0.01 m/a的区域进行了危险性推断。本次研究在植被覆盖区和裸露区识别出了数处隐蔽性高、规模小的滑坡隐患,并圈定了滑坡隐患的空间分布范围,面积0.126 km²,证明了技术方法的有效性,具有一定的实践应用价值。

滨海湿地的遥感分类研究对于滨海湿地的保护和规划具有重要意义。为此,以黄河三角洲作为研究区,采用2019年3—10月获取的8景Landsat8 OIL作为数据源,使用GEE(Google Earth Engine)云平台,根据影像的不同特征构建了7种不同的分类方案; 然后,使用随机森林分类器对不同特征集合进行分类,并选择其中分类效果最好的用于绘制黄河三角洲地区的湿地类别图。其中8,9月份数据由于受到云的污染导致质量差,使用增强型自适应反射率时空融合模型(enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)算法对有云区域进行填补处理。结果表明: ①ESTARFM时空融合模型生成的预测影像与真实影像波段表现出较好的相关性,其 R 值均能达到 0.73 以上, 说明重构的影像可以用于本研究; ②使用随机森林算法对研究区地物类型进行分类,其中方案7通过特征优选,分类结果总体精度达92.28%,Kappa系数达0.91,分类结果与湿地实况相吻合,比常规方案分类精度更高。研究结果有助于了解和掌握该区域湿地不同类型的空间分布特征,可为区域生态环境的保护和规划提供科学依据。

山体滑坡会导致生命和财产损失,获取完整的滑坡空间分布图及对易发区域的准确判定有利于指导生产、生活和生态空间优化。在滑坡调查过程中,茂密的植被覆盖使滑坡调查难度加大,机载激光雷达(light detection and ranging,LiDAR)技术的穿透能力使真实地形特征得以呈现,从而实现植被茂密区滑坡识别。该文通过仿地飞行获取研究区LiDAR点云数据,基于点云数据得到数字高程模型(digital elevation model,DEM),在山体阴影分析、彩色增强显示及三维场景模拟基础上,识别出区域内已有滑坡的位置与规模,经野外核实,滑坡解译精度为86.4%。针对滑坡易发区评价问题,以现有滑坡为样本,首次采用遥感分类思维开展滑坡易发区划定,采用小区域内与滑坡发育有关的高程、坡度和地表起伏度组合成影像,以支持向量机为分类方法,判定出滑坡易发区域,经滑坡检验样本分析,滑坡识别精度为81.91%。研究表明: 基于高精度的LiDAR数据及其视觉增强后的图像能识别小型滑坡,采用支持向量机分类法可以准确确定滑坡易发区,为下一步三生空间规划与优化提供依据。

2023年4月1日,我国第一组L波段差分干涉SAR卫星(L-band differential interferometric SAR satellite,L-SAR)开始向自然资源领域试推送干涉SAR数据。为验证L-SAR卫星在高植被覆盖区、地形复杂区、长时间基线下的相干性及形变监测应用效果,选取秦巴山地东段安康区域开展滑坡隐患识别。利用L-SAR数据获取研究区形变信息,结合高分辨率光学影像经综合遥感识别,解译研究区内滑坡隐患7处,经野外调查验证,滑坡隐患区域变形迹象与InSAR监测结果一致。研究表明: L-SAR卫星干涉成像能力较强,成像质量高,形变监测效果较好,能够满足高植被覆盖区形变监测需求; 在植被覆盖高的山区,通过L波段SAR数据的DInSAR技术,结合高分辨率光学影像解译的综合遥感识别技术可实现滑坡隐患识别。

负氧离子浓度和PM_2.5质量浓度是衡量空气新鲜和清洁程度的重要指标。文章利用2018—2022年福建气象部门50个负氧离子观测站资料,以及基于卫星遥感反演的气溶胶、植被指数、地表亮温等生态环境参数,并融合Cubist机器学习方法建立负氧离子浓度和PM_2.5质量浓度估算模型,在此基础上提出综合考量负氧离子浓度和PM_2.5质量浓度来建立空气清新指数,并采用统计学上数据序列频率的四分位数结合负氧离子的时空变化特征对空气清新指数进行分级,最后实现对区域空气清新度的精细化网格监测。结果表明: 负氧离子浓度估算训练模型拟合优度为0.838,测试模型拟合优度为0.526; PM_2.5质量浓度估算训练模型拟合优度为0.968,测试模型拟合优度为0.867。基于气象、遥感和机器学习算法的空气清新指数监测结果与实际情况相符。

在大量且复杂的遥感影像中提取建筑物信息是遥感智能应用的重要研究内容之一。针对复杂环境下的遥感影像建筑物提取不精准及小型建筑物易被忽略等问题,文章提出了一种基于混合注意力机制和Deeplabv3+的遥感影像语义分割算法——SC-deep网络。该网络采用编码-解码结构,利用主干残差注意力网络提取深层特征和浅层特征,通过空洞空间金字塔池化模块和通道空间注意力模块聚合遥感影像的空间和通道信息权重,有效利用了遥感影像建筑物的多尺度信息,从而减少影像细节在训练中的损失。实验结果表明,所提方法在Aerial imagery dataset数据集上的分割结果均优于其他主流分割网络,能够有效识别并提取复杂建筑物边缘和小型建筑物,表现出更优异的建筑物提取性能。

阴影法能以较低的成本测量大范围的城市建筑物高度,但其中的阴影长度测量方法在复杂阴影场景中存在测量效率低、精度差、鲁棒性低等问题。对此,该文提出了一种复杂建筑阴影测量方法。该方法首先通过渔网法和多种约束条件相结合实现对阴影的测量与划分; 其次,统计所有划分区域的阴影长度值,利用四分位法和双向逼近策略确定阴影最优值; 然后,综合评估所有区域最优值确定阴影长度; 最后,利用立体交会的建筑高度对应用该阴影测量方法计算的建筑物高度进行验证。结果表明: 该方法计算建筑物高度有90.6%以上绝对误差在0~5 m之间。因此可以得出该文方法计算的阴影长度有着较高的精度,能够满足不同种类的复杂阴影测量,提高了阴影法反演建筑物高度的精度,为城市建筑物高度的反演提供新的技术支撑。

近年来目标检测成为计算机视觉技术的重要分支,广泛应用于医学、军事、城轨等领域,随着卫星和遥感技术的进步,其获取的图像蕴含着丰富的信息,因此对这些图像中目标自动检测和理解变得至关重要。但是遥感影像中目标方向随意、密集等,传统目标检测方法容易导致漏检错检,针对此问题,该文提出多卷积核特征组合自适应区域生成网络(multi-convolution kernel feature combination adaptive region proposal network,MFCARPN)算法进行多方向检测,该算法引入多个不同卷积核提取特征,可以根据目标的差异性自适应地学习每个卷积核特征的权重参数,得到和目标更加匹配的特征图,同时通过结合目标原始特征使分类回归模型参数可以依据目标之间的差异性动态变化,提高区域生成网络(region proposal network,RPN)自适应能力。实验表明其在DOTA标准数据集的平均精度均值(mean average precision,mAP)达到75.52%,相较于GV算法提高0.5个百分点,由此证明了该算法的有效性。

评估区域生境质量对维护区域生物多样性、提升人类福祉、促进区域可持续发展具有重要意义。为此,该文基于2000年、2010年、2020年3期土地利用数据,运用InVEST模型和生境质量指数法对长三角生态绿色一体化示范区的生境质量进行分析,并探讨了区域生境质量与土地利用之间的关系,结果表明: ①2000—2020年间,研究区生境质量等级为中等,生境质量指数呈现降低的趋势,生境退化程度逐渐减小; 就区县而言,2000—2010年,两区一县均呈退化趋势; 2010—2020年,青浦区、嘉善县生境质量得到改善,而吴江区生境仍然处于退化的状态; ②2000—2020年间,研究区生境中等级的主要地类为耕地和草地,生境质量优的地类主要为分布在北部和中部的水域和湿地,差、较差等级主要分布在研究区建设用地; ③研究区生境质量与土地利用结构存在较强的关联性,土地利用变化剧烈的地区,生境质量变化越显著。研究结果可为研究区域的生物多样性保护以及土地利用管理提供参考。

非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)和变化向量分析法(change vector analysis,CVA)在高分辨率遥感影像变化检测中,会因不同地物的变化幅度有显著差异,而在单一阈值下无法保证较高的检测精度。为此,文章在后验概率空间变化向量分析(change vector analysis in posterior probability space,CVAPS)的框架下,提出了一种基于模糊C均值聚类(fuzzy C-means, FCM)和简单贝叶斯网络(simple Bayesian network,SBN)的NSCT变化检测方法(FCM-SBN-CVAPS-NSCT)。该方法首先将FCM与SBN耦合,计算出后验概率变化强度图; 之后,通过NSCT将后验概率变化强度图分解为不同尺度和方向的子图,通过保留高频子图中的细节并消除噪声,优化了重构后的后验概率变化强度图,实现了后验概率空间下的多尺度、多方向的变化检测,最终提高了变化检测的精度。实验结果表明,所提方法在3个研究区中得到的Kappa系数比FCM-SBN-CVAPS分别高出了0.100 9,0.056 6和0.067 4,具有一定的优越性。

我国高光谱遥感技术的快速发展为开展大区域地物分类应用提供了充分保障。然而,如何在小样本下充分利用高光谱自身的空谱信息实现高精度的分类成为挑战。该文通过构建3D卷积自编码网络,以混合像元分解物理约束对模型进行引导,从而实现在准确估计端元丰度的同时获得对规则化的高光谱空谱特征的有效表达,结合支持向量机分类器实现在小样本条件下的高光谱分类。实验中,采用包括监督分类方法在内的多种传统高光谱图谱特征提取及分类方法进行对比验证,并对比了不同模型在不同采样率下的分类性能表现。实验结果表明,所提出的高光谱分类方法具有明显的精度优势,其中平均交并比(mean intersection over union,mIoU)达到0.829,相对于传统分类方法精度有明显提升; 在1/200采样率下mIoU值依然能接近0.8,优于同类方法,证实了该文方法在小样本条件下依然具有较好的鲁棒性,为解决小样本下高光谱分类问题提供了技术参考。

合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,可为大范围洪涝淹没监测提供数据支撑。受SAR影像重访周期等限制,仅利用单一来源的SAR影像数据,难以满足洪灾救援与决策支持对高时效性洪涝淹没动态监测数据的需求。联合多源时序SAR数据进行洪涝淹没动态监测,具有重要的实用价值。然而,不同传感器获取的SAR影像存在较大的时空异质性,难以进行直接比较。此外,以往研究通常利用单像素或局部空间邻域特征提取洪涝淹没范围,忽略了洪涝前后时空非局部特征的使用。为此,该文首先提出了基于后向散射特征的多源SAR数据特征空间对齐方法,然后引入渐进非局部理论提取洪灾前后的差异信息并生成洪涝淹没图,最后对时间序列洪涝淹没图进行逻辑运算得到洪涝淹没动态监测结果。该研究以2023年8月涿州市洪涝灾害为例,利用Sentinel-1、高分三号(GF-3)和涪城一号获取的5幅多源SAR数据,对该文方法进行了实验验证。结果表明: ①与7种常用的洪涝监测方法相比,该文方法具有最优的性能,在验证集Ⅰ上Kappa系数和F1分数分别为0.85和0.88; ②根据涿州洪涝淹没动态监测结果显示,主城区洪水至8月3日基本退去,之后水位逐渐下降,淹没区向下游白沟河方向转移。

高分辨率遥感技术对构造微地貌精细结构的识别能力大大地提高了活动断层调查的效率。该文在系统总结活动断裂遥感影像标志的基础上,综合利用Landsat8和GF-2这2种影像数据,采用宏观地貌到微地貌的遥感解译方法,结合前人研究成果和野外实地考察,对川西毛垭坝地区的活动断裂进行了分析与研究。研究表明,除义敦—理塘断裂带以外,研究区还发育数条呈近EW向具正断裂性质的活动断裂。综合区域地质背景分析认为,在印度板块与欧亚板块的强烈碰撞挤压背景下,青藏高原东南缘地壳物质不断横向挤出,发育了右旋走滑的巴塘断裂和左旋走滑的理塘断裂2组共轭断裂。在2者的共同控制作用下,研究区正处于局部伸展阶段,并发育了近EW向的断裂构造,这些断裂控制了大毛垭坝、小毛垭坝以及北侧的措普盆地的发展与演化。

由于复杂背景变换和建筑物形状多样化等因素影响,从高分辨率遥感图像中准确提取建筑物信息面临着挑战。该文提出了一种融合混合注意力机制与多尺度特征增强的高分辨率建筑物语义分割网络(building mining net,BMNet)。首先,编码器部分使用VGG-16作为主干网络来提取特征,得到4层特征表示; 然后设计解码器用于解决多尺度信息中高层特征的细节信息丢失问题,引入了混合通道注意力和空间注意力的串联注意力机制(series attention module,SAM),增强高层特征的表示能力; 同时,设计了一种渐进式特征增强的建筑物信息挖掘模块(building mining module,BMM),进一步提高建筑物分割的准确性。BMM把上采样后的特征映射、经过SAM处理的特征映射以及初始预测结果作为输入,获取背景噪声信息,并利用所设计的上下文信息探索模块滤除背景信息,在经过多次BMM处理后得到最佳预测结果。对比实验结果表明: BMNet在武汉大学建筑数据集上精度和交并比分别优于U-net 4.6%和4.8%,在马萨诸塞州建筑数据集和Inria航空图像标注数据集上精度和交并比分别优于U-net 7.9%,8.9%和6.7%,11.0%,验证了所提模型的有效性以及实用性。

遥感图像全色锐化是提取多光谱图像的光谱信息和全色图像的结构信息,将其融合成高分辨率多光谱遥感图像的过程。然而,高分辨率多光谱图像会存在光谱或结构信息的缺失问题。为了优化这一问题,该文提出一种基于多深度神经网络的遥感图像全色锐化算法,该算法有结构保护和光谱保护2个模块。结构保护模块使用滤波操作,提取全色图像和多光谱图像的高频信息,然后采用多深度神经网络提取图像的多尺度信息,从而提高模型的空间信息提取能力,减小过拟合的风险; 光谱保护模块通过跳跃连接将上采样的多光谱图像与结构保护模块相连接,以保护图像的光谱信息。为了验证新模型的有效性,在相同实验条件下,将所提方法与多种遥感图像全色锐化算法进行比较,并从主观视觉效果和客观评价2个方面进行评估。实验结果表明,所提方法能够改善当前算法存在的结构信息缺失现象,更好地保护多光谱图像的光谱信息以及全色图像的结构信息。

准确的水体提取对水资源保护、城市规划等方面具有重要的意义。然而,在遥感影像中,由于地物众多、环境复杂且不同水体可能具有不同形态、尺度及光谱特征,水体难免会与其他地物产生类内异质性及类间相似性。现有方法未充分探索边界线索以及未充分利用不同层之间的语义相关性及多尺度表达,导致从遥感影像中准确提取水体仍然是一项挑战性任务。针对这些问题,本文提出了一种边界引导与跨尺度信息交互网络(boundary guidance and cross-scale information interaction network,BGCIINet)用于遥感影像水体提取。首先,本文首次结合Sobel算子提出了一个边界引导(boundary guidance,BG)模块,该模块可以有效捕获低层次特征中的边界线索并高效嵌入解码器为其提供丰富的边界知识; 其次,为了加强网络多尺度表达能力,促进层与层之间的信息交流,提出了一个跨尺度信息交互(cross-scale information interaction,CII)模块。在2个数据集上进行了广泛实验,结果表明: 本文方法优于其他4种先进方法,在面对挑战性的场景时具有更丰富的边界细节及完整度,能够更好地应用于遥感影像水体提取并为后续研究提供方法借鉴。

利用遥感手段进行花岗伟晶岩型锂矿的识别是锂矿找矿勘查中的重要方法之一。为提高深度学习语义分割方法在花岗伟晶岩这一特殊场景中的信息提取精度,文章对经典U-Net网络进行了改进。在编码部分卷积单元层中加入批量归一化模块,使用ReLU6激活函数代替ReLU激活函数,同时构建复合损失函数,以提高运算效率,减少训练过程中的精度损失。使用国产GF-2花岗伟晶岩型锂矿影像制作数据集进行实验,结果表明,改进U-Net模型对GF-2影像研究区内花岗伟晶岩信息的识别效果较好,相比原始U-Net网络、基于VGG主干网络的U-Net模型、基于MobileNetV3主干网络的U-Net模型以及传统随机森林模型,平均交并比分别提高了14.69,0.95,5.08和35.34百分点,F₁-score分别提高了18.38,1.02,5.7和54.59百分点,实现了低植被覆盖区域遥感影像中含矿花岗伟晶岩信息的高精度自动化提取。

语义分割模型在高分辨率遥感影像中表现良好的关键是训练集和测试集之间域的高度一致。然而,不同数据集之间存在域偏差,包括地理位置、传感器成像方式和天气条件的差异,导致在一个数据集上训练的模型在另一个数据集上预测时准确性会显著下降。域自适应是解决上述问题的有效策略,该文从域自适应模型的角度,基于对抗学习方法提出了一种用于高分辨率遥感图像语义分割任务的无监督域自适应框架。该框架对全局域对齐模块和局部域对齐模块分别融入熵值加权注意力和逐类别域特征聚合机制,缓解源域和目标域之间的域偏差; 此外,引入了对象上下文表征(object context representation, OCR)模块和空洞空间金字塔池化(atrous spatial pyramid pooling, ASPP)模块,以充分利用影像中的空间级和对象级上下文信息,并提出了OCR/ASPP双分类器组合策略,以提高分割精度和准确性。实验结果表明,该方法在公开的2个数据集中实现了优越的跨域分割性能,并超过了同类型的其他方法。

采用高空间分辨率遥感数据,可以迅速查明我国矿山地质环境现状,成果客观、准确。通过对比河北省169个区县市2020年和2021年遥感影像,解译识别出疑似矿山损毁土地图斑728个。2021年河北省矿山环境新增恢复治理面积为1 305.51 hm²,矿山新增土地损毁面积为932.13 hm²,矿山环境恢复治理净增长面积为373.38 hm²,整体上实现了边开采边治理。在初步分析河北省矿山环境现状与目前存在主要问题的基础上,为下一步矿山恢复治理工作提出了对策建议。研究结果可为河北省矿山地质环境管理和矿山复绿行动效果评估等提供基础数据和技术支撑。

叙永—古蔺高速公路(叙古高速)位于四川盆地南缘,线路周边地质条件复杂,其安全运营受到地质灾害威胁,因此,叙古高速沿线地质灾害的识别分析具有十分重要的意义。合成孔径雷达干涉测量(interferometric synthe-tic aperture Radar,InSAR)技术具有全天时全天候、覆盖范围大和毫米级地表形变监测的优势,在广域滑坡识别监测中发挥了重要作用。基于此,采用小基线集(small baseline subset,SBAS)InSAR技术对2017年2月—2020年9月Sentinel-1升降轨数据集进行处理分析,获取叙古高速沿线地表形变速率,共探测到包括集美滑坡等在内的18处滑坡体,分析发现滑坡形变主要与人为活动相关。结果同时表明,升降轨数据结合有助于更准确地识别灾害点分布。随着数据的积累与技术的不断发展,InSAR技术可以在地质灾害防治中发挥越来越重要的作用。

为进行伊犁河谷矿山地质环境评价分析与生态恢复治理对策研究,该文基于遥感影像提取的伊犁河谷矿山开发状况与矿山地质环境遥感调查结果,结合多源地质资料、人文数据和气象资料,运用层次分析法,构建层次结构模型,对伊犁河谷矿山环境进行了分析评价。结果显示,伊犁谷地严重区分布较为集中,占伊犁河谷总面积的4.61%; 较严重区与一般严重区呈现连片分布,且互为交叉,界线不太分明; 一般严重区主要分布在极高山区、中高山区及低山丘陵区; 无影响区主要分布在伊犁河谷中部冲积平原区和昭苏盆地平原区。生态承载力高的地区主要集中在中部,除去昭苏县和特克斯县的南部、尼勒克县的东部边缘地带与霍尔果斯的北部地区,其他地区生态承载力相对比较高。研究结果可为伊犁河谷生态环境可持续发展及矿山资源的合理开发提供基础数据和技术支撑,亦可为干旱半干旱区矿山地质环境监测评价提供范例。

该文基于“暴露度-敏感性-适应性”(vulnerabiliy-scoping-diagram,VSD)模型构建生态脆弱性评价指标体系,利用层次分析-主成分熵权法对康定市2011—2019年共3期数据进行生态脆弱性动态评价,通过时空变化特征分析、空间相关性分析、驱动力分析揭示其时空分异特征以及驱动机制,以期为康定市生态环境的修复、保护和可持续发展提供建议。结果表明:①在整个研究期间脆弱性以潜在脆弱和微度脆弱面积增加、重度脆弱面积减少为主要的变化趋势,整体属于中度脆弱,生态环境变化趋势向好,且具有西部、东南部高-高聚集,中部及东北部低-低聚集的空间分布特征; ②康定市生态脆弱性空间分布特征由内外多种因素共同作用决定,其中植被状况、生物丰贫程度、水土保持条件、气象等自然驱动力起到主导作用。

干旱是影响农业生产最大的自然灾害之一,开发综合干旱指数对于评估干旱具有现实意义。该文耦合XGBoost算法降尺度后的土壤水分和降水Z指数数据,在空间上以重庆市行政区县边界分区,时间上以旬为单位分段,基于Copula函数构建千米尺度网格化的综合干旱指数(meteorology-agriculture composite standardized dranght index,CSDI_M-A),评估干旱的时空特征。结果表明,降尺度提高了遥感产品的空间连续性,为后续构建千米尺度的CSDI_M-A提供支持; 广义极值分布和t位置尺度分布分别适用于拟合重庆市大多数区县土壤水分和降水变量数据分布,Frank-copula函数适用于拟合旬尺度下二元变量的联合分布; 基于土壤墒情数据验证构建的CSDI_M-A比降水Z指数能更好地反映干旱信息,基于各区县得到CSDI_M-A的空间分布与实际旱情资料相符,说明所构建的CSDI_M-A可为干旱评估提供参考。