基于决策树方法的蒙古高原土地覆盖遥感分类——以蒙古国中央省为例

蒙古高原包括蒙古全部、俄罗斯南部和中国北部部分地区。蒙古高原的土地利用/覆盖格局与变化,对揭示该区域乃至整个东北亚地区的资源、环境和生态特征,促进该区域可持续发展具有重要的现实和科学意义。本文以在蒙古国中央省及其所含首都乌兰巴托市为研究区,利用空间分辨率为30 m的TM影像,采取QUEST(Quick Unbiased and Efficient Statistical Tree)决策树方法,通过图像目视解译,获取了研究区2010年土地覆盖分类数据。结果显示,草地占据研究区总面积的70.88%,其次是森林占14.83%、裸地占10.73%、农田占2.98%、水体占0.31%、建筑用地占0.27%、湿地占0.02%。通过野外实地采集的139个GPS验证点进行精度评价发现,一级土地覆盖类型的总体精度可达72.66%。针对草地的二级分类的总体精度有较明显下降,其主要是由于中蒙科学家对于草地类型分类体系的差异所造成的典型草地和荒漠草地的混分。     

MODIS和GLOBCOVER全球土地覆盖数据集对比分析——以黑龙江流域为例

 随着全球气候变化的日益加剧,全球变化研究对全球土地覆盖数据的需要也越来越迫切。目前全球土地覆盖数据产品主要包括由欧洲和美国生产的5类数据产品,其中,美国波士顿大学生产的全球土地覆盖数据产品(即MODIS数据集)和欧洲空间局通过全球合作生产的全球土地覆盖数据产品(即Globcover数据集)具有较好的实效性,应用越来越广泛。由于数据来源、分类系统和分类方法不同,两个数据集在土地覆盖类型的数量和空间分布上有明显的差异。本研究从数据使用者的角度,对比了MODIS和Globcover数据集在黑龙江流域上数量和空间分布的差异,并采用LANDSAT TM/ETM+影像随机采样和野外照片验证两种方式对两个数据集的分类精度进行了验证。结果表明,在黑龙江流域,两个数据集数量和空间分布差异较大。在数量上,两个数据集一级土地覆盖类型均以森林和农田为主,草地次之,但二级土地覆盖类型差异较大。在空间上,二级类空间一致性区域和一级类空间一致性的区域分别仅占流域的22.5%和53.6%。两个数据集精度均不高,一级土地覆盖类型精度约为60%,Globcover数据较MODIS数据破碎化明显,整体精度略低于MODIS数据集,不同的二级土地覆盖类型精度不同。考虑到黑龙江流域的代表性,我们认为Globcover数据集和MODIS数据集可满足较低要求的土地覆盖分析需求。本研究为全球气候变化研究选择合适的数据集提供了基础。     

中国海岸带土地利用遥感制图及精度评价

土地利用遥感制图结果是支撑全球气候变化和区域可持续发展等领域科学研究不可或缺的重要基础数据,而制图精度方面的评价信息则决定土地利用遥感制图结果的完整性、可靠性、可用性、可控性和可传播性。本文概述2000、2005、2010和2015年多时相中国海岸带土地利用遥感制图的数据源和技术方法,针对2010年和2015年制图结果,基于Google Earth高分影像通过目视判读获得精度评价所需的参考数据,进而建立混淆矩阵并评估制图的精度。结果表明：① 2010和2015年中国海岸带土地利用遥感制图结果的总体精度分别为95.15%和93.98%,Kappa系数分别为0.9357和0.9229,表明2个时相遥感制图结果的精度总体较好;② 中国海岸带土地利用遥感制图结果的精度水平存在较为显著的区域差异,2010年时相江苏沿海区域的精度最高,2015年时相津冀沿海区域、上海市、海南省和台湾省的精度均比较高,2个时相均以福建省沿海区域的精度最低;③ 中国海岸带土地利用遥感制图结果的精度水平存在显著的类型差异,总体上,耕地、林地、草地和滨海湿地的分类精度较高,而建设用地、内陆水体和人工咸水湿地的分类精度则相对较低,未利用土地则是错分最严重的类型;④ 耕地与林地之间、建设用地与草地之间相互误分比较显著,内陆水体容易被错分为耕地、林地和建设用地,人工咸水湿地容易被误分为耕地和建设用地,未利用土地容易被误分为耕地,这些都是未来时期数据持续更新过程中应该重视的问题。本文有望为海岸带土地利用变化遥感监测和科学研究提供必要的支持。     

蒙古国30米分辨率土地覆盖产品研制与空间格局分析

作为蒙古高原的重要组成单元,蒙古国的土地覆盖格局与变化对于东北亚的资源、环境、生态及可持续发展具有重要意义。针对本区域缺乏高精度、现势性的土地覆盖数据产品的问题,本研究利用Landsat TM影像,采用面向对象的分类方法开展蒙古国土地覆盖遥感数据产品研制与分析。首先针对蒙古国景观格局特征,自主研究了适宜于蒙古国的土地覆盖分类体系,基于面向对象的遥感解译技术方法研究了蒙古国自然地物和人工地物要素的提取算法规则与阈值,建立了一套完整的面向蒙古国的土地覆盖遥感解译技术方案,在分景解译基础上获取了蒙古国2010年土地覆盖分类产品。经验证,数据集一级类分类精度为92.34%,二级类分类精度为80.24%。蒙古国土地覆盖类型以裸地、草地、森林为主,其中裸地的面积最大,占总面积的48.64%,其分布比较集中连片,主要分布在蒙古国南部和西部;草地面积次之,占总面积的42.85%,其分布具有明显的地域性,主要集中在蒙古国北部湿润地区和河流附近;林地最少,占总面积的6.63%,以蒙古国北部及西北部高山地区为主要生长区域。整体上蒙古国土地覆盖空间格局呈现明显的区域差异与地类过渡性,从南向北依次为裸地、荒漠草地、典型草地、森林类型,其中荒漠草地在中部形成一条明显的分界条带。     

鄱阳湖地区土地覆盖空间分布格局与景观特征分析

 鄱阳湖是我国第一大淡水湖,具有洪水调蓄、水源涵养等重要生态服务功能。掌握鄱阳湖地区土地覆盖的空间分布格局和规律,对于评价其环境保护和生态服务功能具有重要作用。本文利用环境卫星影像、2005年鄱阳湖地区土地覆盖数据,经遥感解译分析获取了鄱阳湖地区2010年土地覆盖现状数据及其空间分布格局图。研究表明:(1)采用2010年的环境星影像结合2005年土地覆盖数据,人工目视解译得到的2010年土地覆盖数据的精度为80.4%。(2)景观生态学、GIS及统计学的思想和方法可以为土地覆盖空间特征的定量分析提供技术支持。文中采用的斑块面积指数、斑块形状指数、不同土地覆盖类型的邻接指数,从不同角度反映了鄱阳湖地区土地覆盖的空间分布格局及景观特征。(3)景观指数能定量说明土地覆盖景观的形状、大小、数量和空间组合,能反映景观的生态环境特点、人类活动及社会经济状况。面积特征指数显示研究区农村聚落的离散度及破碎度最高;斑块形状指数反映出研究区水体形状趋于规则化,其受到人类的"围湖造田,围湖造地"及防洪工程建设的干扰。(4)不同土地覆盖类型的邻接指数能定量说明相邻类型在物质交换、结构与功能的相互影响及土地资源形成机制、演替过程等。水田与常绿阔叶林的邻接关系反映了人类"毁林开荒"活动对林地与水田演替关系的影响;水田与农村聚落的邻接关系,表明研究区耕地保护的重点是城镇及农村周边耕地的保护;城镇建设用地的邻接关系表明了人类生活所需的生活条件,为"移民建镇"工程提供了科学依据。分析认为:鄱阳湖地区是以耕地为主的农业区,并且有丰富的水资源及森林资源,但今后要重视农村土地的集约化利用、水资源保护、耕地资源保护和自然资源的合理开发利用。     

河南省GlobeLand30数据精度评价及对比分析

全球地表覆盖数据在气候变化研究、地理国情监测、生态环境保护等方面发挥着重要作用,2014年中国国家基础地理信息中心推出了全球最高30 m分辨率的地表覆盖遥感制图数据产品GlobeLand30。本文以2010年1:10万中国土地利用数据为参考,采用空间统计、面积一致性以及误差矩阵等分析方法,对河南省GlobeLand30、GlobCover2009、MCD12Q1数据进行精度评价和对比分析研究,结果表明：① 3种地表覆盖数据对河南省土地构成的描述基本一致,即以耕地、林地为主,草地、水体和人造地表为辅,但分类土地面积存在大小不同的差异;② GlobeLand30的总体精度和Kappa系数最高,MCD12Q1次之,GlobCover2009最低。3种数据中耕地和林地的精度均较高,草地的精度较差,GlobeLand30中水体和人造地表的生产者精度远高于其他2种数据,使用者精度相差不大;③ 地表覆盖数据与参考数据在空间上存在类型混淆情况,混淆主要发生于林地、草地、水体、人造地表与耕地之间,GlobeLand30的混淆程度要低于其他2种数据。     

山西省土地覆盖时空变化特征及其驱动因子分析

以遥感与GIS为技术支撑,对山西省20世纪80年代到2005年的土地覆盖进行了动态监测,并分析了土地覆盖的变化特征及其驱动因子;监测表明,山西省土地覆盖时空变化特征:(1)变化数量:城镇建设用地和农村聚落面积增加显著,草地有所增加;旱地和水浇地减少明显,森林和河湖滩地略有减少。(2)变化速度:城镇建设用地增速迅猛,沼泽和农村聚落面积增速较快;河湖滩地减少速度最快,其次,是旱地和水浇地减少速度较快。(3)空间转换:以农田和聚落之间的转换为主,另外城镇建设用地的增加包括其扩展融入的农村聚落等;典型草地的增加主要来自旱地;灌丛减少主要是转变成典型草地,其次是转变成灌丛草地;河湖滩地减少主要是变为内陆水体,再是转变成水浇地。驱动力分析表明,区域自然因素相对稳定,对土地覆盖变化的影响较小,人口、经济、农业结构调整、政策和交通等是山西省土地覆盖变化的主要驱动力。山西省土地覆盖变化的总体特征与区域经济发展、产业布局及其工业化、城市化演变的特征基本一致。     

基于框架数据控制的全国土地覆盖遥感制图研究

土地覆盖研究是全球变化的一个重要内容。本文针对中国土地覆盖实际情况,从遥感制图角度和陆地生态系统观点出发,建立了一种基于陆地生态系统特点的土地覆盖遥感分类体系。充分利用目视解译的精确性和自动分类的快速性,在高精度目视解译数据提供的基本覆盖类型及其位置、边界的控制下,以250m分辨率的2005年MODIS植被指数产品为遥感分类信息源,获取主要类型的详细分类信息,并结合人机交互判读分析与相关资料等的综合运用,实现2005年全国土地覆盖遥感制图。对比实地调查结果的精度分析表明:土地覆盖制图的类型分类准确,基本上反映了各地区的土地覆盖特点和分布趋势,图斑格局与影像地理特征基本吻合,全国土地覆盖制图总体准确率为91%,各类型准确率也达89%以上。     

基于小流域抽样单元的中国FROM-GLC30数据精度评价

土地覆盖数据是全球环境变化相关研究和应用的重要数据基础,在诸多领域中被广泛运用。FROM-GLC30 2017数据是最新的全球高分辨率（30 m）公开土地覆盖数据集之一。土地覆盖数据集的精度是其在不同领域应用中的重要问题。本研究旨在探讨FROM-GLC30 2017数据集精度在全国范围内的空间分布,并比较不同土地覆盖类型精度的区域差异。本研究以亚米级高分辨率遥感影像为基础,对布设在中国范围内的6434个小流域抽样单元进行了人工目视解译,获得了土地覆盖参考数据。通过野外实地调查验证了参考数据,在此基础上对FROM-GLC30 2017数据集进行了精度评价。研究结果表明： ① FROM-GLC30 2017数据集中各土地覆盖类型的面积比例基本符合我国的实际情况;② 数据集在中国的总体精度为75.39%,在7大地理分区中,华东地区的总体精度最高,华南地区的总体精度最低;③ 在7种土地覆盖类型中,裸地、森林以及农田的精度相对较高,灌丛的精度最低。研究结果可为大区域土地覆盖数据精度评价研究提供理论支持,促进公开土地覆盖数据集的有效应用。     

尼泊尔土地覆被遥感制图及其空间格局分析

尼泊尔作为兴都库什-喜马拉雅区域的重要组成部分,是一个从平原到山地再到高原的典型过渡地带,具有多样且复杂的土地覆被类型。开展尼泊尔国家尺度的土地覆被研究,对该国的国土资源管理、生态环境保护具有重要的科学和实践意义,同时也能为中国倡导的“一带一路”国际区域经济合作战略提供基础数据保障。本文选用Landsat TM影像为数据源,基于面向对象与决策树相结合的土地覆被遥感制图方法,生产了尼泊尔全境2010年土地覆被产品（NepalCover-2010）,该产品包括8个一级类和32个二级类。同时,本文基于Google Earth高分辨率影像获取验证样本开展了NepalCover-2010产品的精度验证工作,并进一步分析了该国土地覆被类型的数量结构特征和空间格局特征与地形、气象要素间的关系。研究结果表明：① NepalCover-2010产品一级类总体分类精度达94.83%,Kappa系数为0.94;二级类的总体分类精度达87.17%,Kappa系数为0.85,能够准确地反映尼泊尔土地覆被类型的空间分布格局,是同类土地覆被产品中精度最好的。② 林地是尼泊尔最主要的土地覆被类型,其面积约占尼泊尔国土面积的41%。耕地次之,其面积占比约为25%,其中水田和旱地的面积分布比例约为2:3。③ 地形和气象要素对尼泊尔的土地覆被类型空间分布格局具有显著影响,自南向北随着地势的抬升,各土地覆被类型出现顺序表现出水田、常绿阔叶林、旱地、常绿阔叶灌木林、常绿针叶林、草原、稀疏植被和冰川/永久积雪的垂直地带性特征。     

多分辨率遥感土地覆被数据质量综合评价——以湖南省桃源县为例

评价土地覆被数据质量是正确、合理使用数据的前提和保障,有助于遥感制图方法的改进。本文以1：10万土地利用数据为参考数据,选取2010年RapidEye_5 m、FROM_GLC（30 m）、MODIS_V005（500 m）,以及2009年GlobCover 2009（300 m）土地覆被数据,以湖南省桃源县为例对4种不同分辨率的遥感土地覆被数据质量,引入窗口的分类类别统计方法,进行了综合评价,并分析了其误差和空间分布。结果表明：（1）RapidEye_5 m数据总体精度最高,MODIS_V005和FROM_GLC次之,GlobCover 2009数据相对最低。高分辨率土地覆被数据对于居民地、交通用地、水体等精细地物分类较好,具有一定优越性,各数据在一级类上的面积相关性和一致性总体高于二级类;（2）各数据在建筑用地和其他未利用地类型上的生产者精度均较低,FROM_GLC和MODIS_V005数据,在灌木草地上的空间一致性较差,4种数据在以耕地为主的平坦地区空间一致性较好,混淆主要发生在灌木草地、乔木林地和耕地之间;（3）随着土地覆被数据分辨率的提高,分出较多地物类型数的面积比例也随之增加,较高分辨率的RapidEye_5 m和FROM_GLC分出的类别数集中在7-16种较高水平上,低分辨率数据集中在1-5种较低水平上,在丘陵山区差异显著,而高分辨率数据对地物区分更好,集中于11-16种地物。     

四川草原MODIS数据的产草量估算

四川草原是我国5大牧区之一,其可利用的天然草地占全省草原总面积的85%,准确掌握草原产草量信息对草原管理和当地经济发展具有重要意义。本研究利用2011年7月MODIS不同分辨率(250m、500m、1km)NDVI、EVI产品和同期地面调查数据(共181个采样点),对四川草原4种主要草地类型(即高寒草甸草地、高寒灌木草地、高寒沼泽草地和山地疏林草地)产草量鲜重分类型建立估产模型。研究发现,NDVI对该地区4种主要草地类型产草量的拟合效果普遍优于EVI;相对于500m和1km的遥感数据,250m的遥感数据拟合效果较好;分草地类型建立模型的效果优于对全体样本建立模型;该地区除高寒沼泽草地用幂函数模型拟合效果较好外,其余均用指数模型进行建模效果较好;对该地区各草地类型建立的最优估产模型,精度均在70%以上,回归判定系数R2在0.75以上;利用最优模型对2011年四川省草原进行估产,总体估产精度约为90%。     

人口区划及其在人口空间化中的GIS分析应用——以山东省为例

对基于土地利用/土地覆盖类型的人口空间化方法,进行人口区划的GIS分析应用是一有效技术途径。本文在全国一级区划基础上,通过数理统计分析提取二级区划各影响因子,建立二级区划指标,进而利用空间分析技术进行人口空间化的二级分区。同时以农村居民地、城镇居民地和耕地数据建立人口空间化模型,在GIS的支持下实现山东省2000年人口统计数据空间化。并通过对比基于一级人口区划和二级人口区划的人口空间化数据,选取郯城县进行结果精度检验。验证结果表明二级人口区划后的人口空间化数据在数值精度和空间精度上都有明显提高。     

黑河流域中游地区作物种植结构的遥感提取

及时、准确地获取农作物种植结构对区域水资源管理与作物产量估测等具有重要意义。随着对通过遥感手段获得作物种植结构的深入研究,如何优选遥感数据和分类器成为需要重点考虑的关键问题。针对黑河流域中游地区的作物分布与种植特点,提出一种基于多时相遥感影像与多分类器组合的作物种植结构提取方法。利用2018年18景16 m分辨率的GF-1 WFV影像,构建NDVI时间序列。根据NDVI时间序列表征的作物季相节律和物候变化规律特点,采用分层的策略,首先解译一级土地覆被类型,再解译二级土地覆被类型。一级土地覆被类型解译中,使用决策树分类方法先将NDVI特殊且易提取的水体进行解译,再使用面向对象分类方法通过分区将需借助NDVI纹理信息提取的建设用地进行解译,最后使用随机森林分类方法解译耕地、林地、草地、裸地和湿地。在对耕地的进一步分类中,使用决策树分类方法首先将具有特殊物候规律且易于区分的苜蓿类别解译出来,再将与其他类别物候差异较大的小麦解译,最后将物候相似的玉米、蔬菜及其他解译。黑河流域中游研究区内一级土地覆被分类总体精度为97.24%,卡帕系数为0.96;作物种植结构解译总体精度为86.58%,卡帕系数为0.80。此外,还分析了影响黑河流域中游研究区解译精度的4个因素：对土地覆被类别的定义、混合像元、影像分割时基础影像的选择以及分类方法的选择。通过对不同分类方法的比较发现,与仅使用最大似然分类方法、支持向量机分类方法或随机森林分类方法相比,本文提出方法的解译结果更好,解译精度更高。     

多源30 m分辨率土地覆被数据在蒙古高原的一致性分析和精度评价

蒙古高原土地覆被的变化表征着区域内生态环境的变化,许多环境问题的研究依赖于准确的土地覆被信息。因此,评估当前全球土地覆被数据在区域尺度上的准确性非常重要。本文以蒙古高原为研究区,从构成相似性、类型混淆程度、空间一致性、绝对精度4个方面,分析了GlobeLand30、GLC_FCS30和FROM_GLC 3种30m高分辨率全球土地覆被数据的一致性和准确性。结果表明：① 3种土地覆被数据都显示,草地和裸地是蒙古高原的主要土地覆被类型,任意2种数据的面积序列相关系数都优于0.95;② 3种土地覆被数据中完全一致的区域占蒙古高原总面积的61.87%,主要集中在土地表面异质性低的区域;③ GLC_FCS30数据的总体精度（78.33%）最高,GlobeLand30数据的总体精度（76.85%）次之,FROM_GLC数据的总体精度（75.86%）最低;林地、草地、水体和裸地在3种土地覆被数据中的精度较高（75%以上）,灌丛、湿地等地类的精度较低（50%以下）。因此,对蒙古高原土地覆被进行全要素研究时,可以综合考虑选择总体精度最高的GLC_FCS30数据。对特定地类研究的用户,可参考3种土地覆被数据的分类精度有针对性的进行选择。本文可为蒙古高原相关研究选择合适的土地覆被数据提供参考。     

1990-2010年中国土地覆盖时空变化特征

本文基于CG-LTDR土地覆盖数据产品,利用GIS空间统计等方法分析了中国1990-2010年土地覆盖的变化特点。与参考数据的比较检验表明,CG-LTDR土地覆盖数据在中国具有与其他同类数据相当甚至更高的分类精度。经逐年的长时间地表覆盖数据分析发现,由于受气候与人为因素影响,土地覆盖类型有明显的年际变化波动,尤其是云南-内蒙一线的干旱区与湿润区的过渡带。1990-2010年中国的林地和荒漠呈增加趋势,而草地和耕地呈减少趋势。利用5年的合成数据分析其年际变化,结果显示1990-2000年土地覆盖类型变化大,2000-2010年的变化较为平缓。在几种主要覆盖类型中,林地增加最明显,这主要与东南地区大部分耕地、西南和东北地区大面积草地转变为林地有关,但也有部分省份由于树木砍伐和农耕区扩张导致林地面积减小。耕地面积占比最高,其减少趋势主要与耕地变为林地和草地有关。南部的耕地减少最明显,北部略有增加,新增耕地的重心从东南向北转移。林地的增加趋势与耕地的减少趋势主要与全国大范围的退耕还林工程和生态保护政策有关。草地主要分布在生态脆弱区,其面积减少最显著,在西南及东北部分地区主要是草地变为林地,在内蒙中东部-陕西北部一线发生草地与耕地相互转换,而在内蒙北部-青藏高原一线有草地与荒漠的互相转换,在土地覆盖类型交错区,其利用类型容易发生改变。荒漠主要分布于西北地区,由于受到草地退化等因素影响,荒漠化趋势在进一步加剧。     

基于伪纯像元的精度评价策略及其应用

土地覆被是地球科学研究中的重要参量,评价土地覆被数据的制图精度是保障数据合理使用的前提。本文提出了一种基于伪纯像元的精度评价策略（伪纯像元策略）,即当低空间分辨率栅格窗口内对应的高空间分辨率数据中优势类别（面积最大的地类）的占比高于伪纯像元纯度阈值（代表像元纯度,取值范围：35%~100%,步长为5%）时,以此栅格窗口为基准生成土地覆被类型为优势类别的伪纯像元用于精度评价。以澜沧江-湄公河（澜湄）流域为试验区,选择GlobeLand30为参考数据,并基于混淆矩阵精度评价方法对比分析了伪纯像元策略与重采样法（最近邻法和众数法）在CCI-LC（300 m）和MCD12Q1（500 m） 2套全球土地覆被数据精度评价中的差异。结果表明：① 伪纯像元策略在35%~100%纯度阈值下对CCI-LC和MCD12Q1在澜湄流域评价的精度分别为72.76%~55.26%和71.44%~45.41%,比重采样法评价的单一精度（众数法：71.21%和70.54%、最近邻法：71.48和69.87%）能更好地反映像元纯度对土地覆被数据精度的影响;② CCI-LC的总体精度高于MCD12Q1,且2套数据的精度差随纯度阈值的增大而增加,CCI-LC和MCD12Q1在35%、100%纯度阈值下的精度差分别为1.32%和9.85%;③ 2套数据中耕地、有林地、草地和水体的分类精度均相对较高,而灌木林地（精度接近0）和裸地的分类精度均较低;④ 2套数据与GlobeLand30的空间不一致区域多出现在土地覆被类型高度异质化的混合像元区域,且随纯度阈值的增大,评价样本栅格更趋均质,混合像元对评价精度的影响也会递减。伪纯像元精度评价策略适用于跨空间分辨率土地覆被数据的精度对比,为评价全球土地覆被产品在区域尺度的适用性及适用范围提供了新的检验策略。     

基于光学与雷达影像变化检测的2020年鄱阳湖洪灾评估与分析

利用遥感对地观测技术对2020年夏季鄱阳湖地区发生的洪水灾情进行评估和分析,分别选取Landsat 8卫星4月和 Sentinel-1A雷达卫星7月的影像作为洪水发生前、后的影像,利用遥感专题信息提取、随机森林分类和变化检测技术揭示洪水淹没范围,以及被淹没的主要土地覆盖类型面积,同时结合水文气象和地形数据进行灾情和受灾原因分析。研究结果表明,鄱阳湖2020年洪灾的淹没面积为1961.95 km2,共造成区内110.83 km2建筑用地、760.54 km2耕地、71.59 km2林地、992.02 km2草地和26.97 km2裸地被淹,其中尤以鄱阳县受灾最为严重,其总受灾面积达到514 km2,其次为新建区与余干县,分别达到了330 km2和310 km2。持续2个月的强降雨使得鄱阳湖流域的水位超过了其1998年特大洪水的水位,加上长江水倒灌,湖区地势北高南低,积水不能及时排出,圩堤决口等诸多水文气象和地形因素造成了此次鄱阳湖的特大洪灾。     

基于高分辨率卫星遥感技术的风化层厚度制图方法

区域尺度风化层厚度是制约民用和军事地质工程施工、陆域军事交通能力重要因素之一。传统方法通常都需要大量的野外踏勘和实地采样,效率较低,在人迹罕至、人不能至的地区无法完成。因此,利用高分辨率遥感技术开展区域尺度风化层厚度制图研究具有非常重要的意义。在野外调查的基础上,利用国产高分二号卫星数据,采用人机交互目视解译方法获取研究区岩性、土地覆盖类型分布图,并基于ASTER GDEM数据获取地形地貌图像;然后,以坡度、岩性、土地覆盖类型为影响因子,基于云模型理论和方法综合评估获取研究区的风化层厚度图,制图结果与野外验证数据吻合度较好,精度可达81.69%。      

面向对象的森林植被图像识别分类方法

 森林植被信息提取是遥感影像分类中的难点,仅利用光谱信息难以提取森林植被的类型,本文以门头沟区森林植被占主要土地覆被类型为研究对象,选择HJ-1影像面向对象提取不同地物信息。由于研究区地形复杂,采用多尺度分割方法,对不同地物设置不同分割参数,实现不同地物分层提取。根据光谱、纹理及几何等特征选择合适的特征参数,构建隶属度函数,逐级提取研究区的土地覆被类型,并与传统的最大似然法进行对比。结果表明:面向对象的分类方法在门头沟区森林植被二级信息提取的精度为83%,与传统方法相比有了较大的提高。