基于夜间灯光和地理国情数据模拟高精度人口分布

针对传统人口分布模拟存在空间分辨率低、忽略载体多维属性等问题,现有人口统计数据无法从空间精度上满足分析、管理和科研的实际需求,提出了一种融合夜间灯光遥感影像和地理国情数据的人口分布模拟方法.将夜间灯光遥感影像、建筑物和人口统计数据无缝融合,获取精细尺度人口分布信息,实现行政单元人口向房屋建筑物图斑单元的空间转换和精细模拟.以河北衡水市为试验区,基于县级人口空间分配,用乡镇人口验证,得出拟合优度为0.95,乡镇尺度人口平均相对误差为18.81％,73％的乡镇人口相对误差绝对值小于25％.模拟结果接近房屋建筑图斑尺度人口实际分布状况,呈现以地区中心城镇为中心阶梯状递减分布.研究结果可以应用于资源配置优化、人口流动监测和灾害应急决策等领域.     

河南省冬小麦快速遥感制图

在省域尺度上,冬小麦遥感识别中存在冬小麦物候不一致、地表环境复杂、数据处理复杂、遥感数据冗余、选择适当的分类样本困难、分类精度低等问题,而遥感数据云平台为解决这些问题提供了良好的数据基础和数据处理能力。以河南省为研究区,以谷歌地球引擎(Google Earth Engine)云平台为支撑,基于2015年和2002年前后年份河南省冬小麦识别关键期内的2296景Landsat遥感影像,采用NDVI重构增幅算法建立冬小麦大区域遥感快速制图模型,实现了2015年和2002年的河南省冬小麦分布制图。结果表明：2015年和2002年冬小麦种植面积分别为56 055.79 km²和47 296.11 km²,与统计数据比,精度达到97%;2002-2015年,河南省冬小麦种植分布存在明显变化,总体播种面积呈增加趋势,2015年比2002年增加8759.69 km²,增幅为18.52%。与传统计算机冬小麦制图方法相比,基于Google Earth Engine云平台的数据处理和制图效率均获得千倍以上的提升。     

关键生育期冬小麦和油菜遥感分类方法

农作物空间分布的遥感识别是地理学、生态学和农学等多学科研究的前沿和热点,多源遥感数据在其中发挥着重要的作用。本研究结合冬小麦和油菜的种植及生长特点,以安徽省合肥市为研究区域,利用ZY-3、Sentinel-2和GF-1等多源遥感影像数据,以高程、坡度等数据为辅助信息,结合以多尺度分割、最邻近法和阈值法等为主要步骤的面向对象的分类方法,提取研究区合肥市冬小麦和油菜种植的空间分布信息。结合来自于GVG农情采样系统和Google Earth高分辨率影像上获得的地面验证数据进行分类精度验证,计算得到分类结果的混淆矩阵,并根据混淆矩阵数据计算出分类的总体精度为94.43%,Kappa系数为0.914。结果表明,本研究提出的方法能够有效地区分在冬小麦和油菜的混种区域里两种作物种植区域的空间分布,且这种多种策略相结合的分类方法体系,能够适用于其它区域甚至是更加大尺度上的作物分类。     

基于GIS的我国三次产业结构空间变化研究

我国的经济社会数据主要以各种级别的行政单元为统计对象,这往往会掩盖行政区域的内部差异,当区域内部差异较大时,这些数据就无法真实反映区域的经济社会实际情况。利用地理信息技术与分析方法,本文给出了经济统计数据空间离散模型,分别计算得到了1995、2000、2005年三个年份的我国第一、二、三产业增加值的空间离散数据(公里格网数据),并由此计算得出1995-2000年、2000-2005年两个时段的中国三次产业空间结构变化空间数据。与传统的以行政区为对象的产业结构数据相比,产业结构空间数据能够更好地反映各地的产业结构变化情况,更详细地表达产业结构的空间差异,为区域产业政策的制定以及区域科学发展评价提供依据。     

Google Earth Engine支持下的江苏省夏收作物遥感提取

江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空间分布信息,但是耗时较长。随着地理大数据与云平台、云计算的发展,Google Earth Engine（GEE）作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。本文基于GEE,使用Sentinel-2数据快速提取了江苏省2017年冬小麦与冬油菜的空间分布。首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算了遥感指数、纹理特征、地形特征,并完成原始特征的构建与优化;最后,分别试验了朴素贝叶斯、支持向量机、分类回归树和随机森林4种分类器,比较了各分类器的分类精度,并提取了冬小麦与冬油菜的空间分布信息。得出以下结论：①GEE能够快速完成覆盖江苏省影像数据的去云、镶嵌、裁剪及特征构建等预处理,较本地处理具有明显优势;②J-M距离值位于前两位且大于1将特征数量从28个压缩到11个,有效压缩了原始特征空间;③光谱+纹理+地形特征组合训练,朴素贝叶斯、支持向量机、分类回归树、随机森林的平均验证精度分别为61%、87%、89%、92%。     

基于多源卫星遥感的暴雨灾情时空动态信息的提取

强暴雨淹没耕地形成灾害的同时,对耕地作物的生长也产生着极大的影响,而暴雨灾害对耕地作物生长的影响是一个渐变过程,需要由时空动态的观测进行监测。多源卫星遥感观测技术具有捕捉地面瞬间状态和刻画过程的优势。论文利用Terra/MODIS、Landsat和Sentinel卫星观测数据,挖掘多源卫星遥感观测数据,提出了一种利用NDVI变化的特征值进行灾情动态信息提取方法;并以2016年发生暴雨灾害的巢湖地区为实验区进行了方法的应用和讨论。结果表明,基于MODIS多时相NDVI变化结果提取的信息能够获得受灾害影响开始时期和持续时长等丰富的时空动态信息,根据这些信息可以统计得出大范围区域中受灾害影响的面积。另外,结合利用30 m和10 m的Landsat和Sentinel观测数据提取的水淹区,可为在暴雨致灾范围方面提供准确的参考信息。多源遥感作为评估灾情信息的依据之一,其获取的灾情动态信息能够为灾后耕地的恢复情况以及国家灾后损失评估和救助决策提供科学的数据依据。     

疟疾预测的遗传规划方法与应用——以安徽省县（市）疟疾发病率为例

疟疾是世界上最严重的一种寄生虫疾病,安徽省是典型的中纬度疟疾高发区域之一。本文以安徽省县级行政单元统计的疟疾发病率为例,从遥感监测数据中获取疟疾潜在驱动因素的数据,使用遗传规划方法建立遥感监测的环境因素与疟疾发病率之间的关系,从而预测疟疾发病率的空间分布,并分析预测结果、评价模型精度。结果表明,遗传规划方法预测的疟疾发病的精度（训练数据的预测R² = 0.558,检验数据R² = 0.429）较线性逐步回归方法的预测精度（训练数据的预测R² = 0.470,检验数据R² = 0.408）有所提高。遗传规划方法有利于提高预测疟疾发病率空间分布的精度。其为使用遥感监测数据预测疟疾的空间分布和变化的科学研究提供依据。     

重大自然灾害房屋倒塌程度高分辨率遥感识别方法:以舟曲特大泥石流灾害为例

重大自然灾害引起的房屋倒塌程度的快速制图,对灾害应急救援和灾后损失评估意义重大。针对目前利用高空间分辨率遥感数据开展房屋倒塌程度调查中存在的主要问题,如房屋倒塌分类标准不统一、解译标准缺乏等,在考虑人员和经济损失状况、灾害救助、恢复重建难度等方面的基础上,建立了高空间分辨率遥感数据支持下的重大自然灾害房屋倒塌程度的分类体系,分为未倒塌、轻度倒塌、中度倒塌、重度倒塌、完全倒塌5级。系统描述了房屋倒塌程度遥感解译规则,建立了遥感解译标志,并提出了一种基于瓦砾信息开展房屋倒塌程度的遥感识别方法。最后,以舟曲特大山洪泥石流灾害为例,开展了房屋倒塌程度遥感制图研究。结果表明,利用此方法,房屋倒塌程度识别精度达到92.73%,完全能够满足自然灾害应急救援和灾后损失评估的需求。该方法体系为重大自然灾害应急救援和灾后损失评估提供了科学支撑。      

中国陆地地貌基本形态类型定量提取与分析

中国陆地地貌基本形态类型由海拔和地势起伏度两个指标组合划分而成,其中海拔分4级,地势起伏度分7级,组合后的基本形态类型共25类。按照数字地貌分类体系,海拔和起伏度拥有全国普适性的分级指标,基于DEM数据可获得两指标的分级类型。试验表明,基于SRTM-DEM(水平分辨率90m,相当于1:25万比例尺)数据可得出全国普适性的采用单元为4km²,利用1:10万、1:400万等比例尺数据进行DEM试验,得出我国存在0.4、4、12、18、21km²五种不同规模的采样单元,并分别对应着不同的比例尺。因我国地貌复杂多样,仅利用DEM数据所获得的海拔和地势起伏度分级数据不能完全反映不同地域的地貌特征,故利用遥感等多源数据,综合多种信息获得的地貌类型,可很好地反映出我国的海拔4级分级特征和地势起伏度7级空间分布,进而获得全国陆地的25种基本形态类型的面积及空间分布格局。     

融合土地覆盖和土壤水分产品的近地表空气温度空间化方法

空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义。传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况。因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义。本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度（LST）数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R²接近0.85,RMSE为0.5℃。本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑。     

基于Google Earth Engine和NDVI时序差异指数的作物种植区提取

为提高农作物种植信息遥感监测的效率,扩展数据适用范围,本文提出了一种基于时间序列NDVI差异指数的作物种植区提取方法。随着海量遥感与云计算的发展,Google Earth Engine作为一个全球尺度地理空间分析云平台,弥补了单机计算耗时长的不足,为快速遥感分类带来了新机遇。基于Google Earth Engine平台,以河南省开封市杞县为研究区,以2019—2020年杞县地区多时相Sentinel-2影像为数据源,结合物候信息,根据不同作物在时间序列NDVI曲线上的差异构建NDVI时序差异指数,从而提取作物种植区,区分不同作物类型,并与其他方法进行了精度验证和对比。结果表明：① NDVI时序差异指数法以作物物候信息为基础,与GEE高性能的计算能力相结合,形成了作物种植信息快速提取框架,可以方便快捷地进行作物种植区提取,较本地处理具有明显优势;② 杞县冬小麦和大蒜种植区有明显的空间分异性,冬小麦种植区主要集中在研究区西北部以及南部的农村居民点周围,而杞县大蒜则由于产品流通需要,主要集中在研究区中部以及东北部,居民点较为密集,交通便利的城市周边;③ 与时间序列支持向量机法和最大似然法相比较, NDVI时序差异指数进行作物种植区提取的总体精度达到83.72%, Kappa系数为0.67,分别比最大似然法提高了10.02%和0.21,比支持向量机法提高了4.18%和0.09,表明该方法能更高效率,更高精度地提取作物种植信息,实现区域作物种植信息的高效准确监测。总体来看,该方法在一定程度上可拓展遥感数据在农业领域的应用范围,具有推广价值。     

基于面向对象的山东省冬小麦种植面积监测

利用遥感技术,使用eCognition软件的面向对象分类技术,对RAPIDEYE卫星影像进行分类识别,从而快速、准确的监测小麦种植面积,为冬小麦财政补贴提供数据和技术支持。以兖州市为例,行政区面积6.501 9万hm2,小麦监测面积3.1715万hm2,小麦面积监测精度达到了90.5%。     

STUDY ON THE INTERACTION BETWEEN NDVI PROFILE AND THE GROWING STATUS OF CROPS

Daily and ten-day Normalized Difference Vegetation Index(NDVI) of crops were retrieved from meteorological statellite NOAA AVHRR images ,The temporal variations of the NDVI were analyzed during the whole growing season,and thus the principle of the interaction between NDIV profile and the growing status of crops was discussed,As a case in point,the relationship between integral NDVI and winter wheat yield of Henan Province in 1999 had been analyzed.By putting integral NDVI values of 60 sample counties into the winter wheat yield-integral NDVI coordination,scattering map was plotted. It demonstrated that integral NDVI had a close relation with winter wheat yield.These relation could be described with linear,cubic polynomial ,and exponential regression,and the cubic polynomial regression was the best way,In general ,NDVI reflects growing status of green vegetation ,so crop monitoring and crop yield estimation could be realized by using remote sensing technique on the basis of time serial NDVI data together with agriculture calendars.     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

Regionalization for large area crop estimates by remote sensing

The crop estimates by remote sensing, developing quickly in recent decades, is a up-to-date technique. Regionalization for large area crop estimates by remote sensing, a special applied regionalization, is the foundation of crop estimates in a large area by remote sensing. According to the actual demands of wheat yield estimation by remote sensing and wheat agroclimatic demarcation of China, this paper first puts forward some principles upheld in this regionalization and analyses its main bases. Secondly, it works out the classificatory schemes about the optimum temporal for estimating wheat yield by remote sensing, information sources of space remote sensing and landuse structure in China. Finally, According to the regionalization indices, this study divides the wheat plantable region of China into 14 regions of crop yield estimates and 31 subregions of crop yield estimates.     

REGIONALIZATION FOR LARGE AREA CROP ESTIMATES BY REMOTE SENSING——A Case Study of Chinese Wheat

Ｔｈｅｃｒｏｐｅｓｔｉｍａｔｅｓｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇ,ｄｅｖｅｌｏｐｉｎｇｑｕｉｃｋｌｙｉｎｒｅｃｅｎｔｄｅｃａｄｅｓ,ｉｓａｕｐｔｏｄａｔｅｔｅｃｈｎｉｑｕｅ．Ｓｏｍｅｓｙｓｔｅｍｓｏｆｃｒｏｐｅｓｔｉｍａｔｅｓｂｙｒｅｍｏｔｅｓｅｎ...     

Regionalization for large area crop estimates by remote sensing

The crop estimates by remote sensing, developing quickly in recent decades, is a up-to-date technique. Regionalization for large area crop estimates by remote sensing, a special applied regionalization, is the foundation of crop estimates in a large area by remote sensing. According to the actual demands of wheat yield estimation by remote sensing and wheat agroclimatic demarcation of China, this paper first puts forward some principles upheld in this regionalization and analyses its main bases. Secondly, it works out the classificatory schemes about the optimum temporal for estimating wheat yield by remote sensing, information sources of space remote sensing and landuse structure in China. Finally, According to the regionalization indices, this study divides the wheat plantable region of China into 14 regions of crop yield estimates and 31 subregions of crop yield estimates.     

REMOTE SENSING BASED ESTIMATION SYSTEM FOR WINTER WHEAT YIELD IN NORTH CHINA PLAIN

1IN~IOXChinaisabigagriculturalcountrywithaverylargePOPulation.ChinesegovernmentattacheSgreatimportancetomdproduction.Anobviousapplicationofsatelliteremotesensing,withitsregularsynOPticcoverage,istOmonitoragriculturalpefforrnance.CropyieldestimationhaSbeenoneofthemainapplicationsofspaceremotesensingtechnologysincethelaunchingofhighrefutionsatellite-Landsat.Forgaininginformationofcropsproductionintime,StatePlanning~ssionsetupanationalkeyprojectduringtheeighthfiveyearplanPened(1991--1995)c…     

遥感技术在干热岩选区中的应用—以鲁东地区为例

当前,全球面临能源新技术的重大变革,发展清洁低碳能源成为新潮流。而干热岩作为一种清洁能源且具有巨大的开发潜力,更是受到了社会各界人士的广泛关注。就目前来说,干热岩的研究还处于起步阶段,在靶区确定上存在很大困难。文章通过Landsat8冬季的遥感影像数据,利用Envi5.3软件对其进行754波段假彩色合成,人工解译出线环形构造;采用大气校正法,结合当地气温,排除城镇建筑物的影响,反演出地表温度和利用遥感影像来提取羟基蚀变信息。并对解译结果进行分级。然后将研究区以30个市行政区为基本评价单元,利用已收集的山东省地热资料,航磁重力异常数据,结合专家打分法与层次分析法进行权重叠加,最后运用综合评价公式对评价单元打分,得分较高的即为干热岩开发适宜区。适宜区主要是日照市,较适宜区有招远市、栖霞市、诸城市、五莲县、莒南县、青岛市、即墨区,其他市区相比较不适宜。此次研究将对改善地方投资、带动地方资源利用发挥重要作用,对有效改善鲁东地区能源供应结构、促进经济社会可持续发展具有良好的社会效益。