基于GIS的天津市滨海新区耕地适宜性评价

耕地是人类赖以生存的基本资源和条件,耕地适宜性评价是耕地合理利用的重要基础,可为耕地的利用和管理提供科学依据。以天津市滨海新区为研究对象,以耕地适宜性评价理论为基础,运用遥感和GIS确定评价单元,结合滨海新区具体情况和数据的可获取性,选取土壤、地质及灌溉等3类共5个评价因子,构建指标评价体系,借助GIS和加权指数求和评价模型进行综合评价,将耕地适宜性评价结果划分了4个等级。评价结果表明:1—4级分别占评价单元总面积的5.65%,27.25%,44.42%和22.68%,全区耕地质量不容乐观;全区高度适宜耕种地区分布在太平镇、小王庄镇、中塘镇、空港经济区南部、胡家园街、新城镇、茶淀镇、大田镇、河西街和杨家泊镇一带;根据评价结果,对各级用地分别提出建议,对提高滨海新区整体耕地质量,实现耕地合理有效利用具有实用意义。     

Sentinel-2A卫星数据处理分析及在干旱河谷提取中的应用

哨兵2A(Sentinel-2A)作为一颗新型光学遥感卫星,具有大宽幅、多光谱、高时空分辨率与免费共享等优点,已广为光学遥感应用领域关注。选取欧空局提供的Sentinel-2A遥感卫星数据,以四川省黑水河流域部分区域为研究区,通过对Sentinel-2A数据参数、组织形式、产品等级与格式分析,利用SNAP软件中sen2cor处理模块将L1C级别数据转换成L2A级别数据,分别获取研究区气溶胶厚度分布图、水汽分布图、场景分类图及植被生物量因子数据图层;通过对生物物理量因子分析,利用研究区叶绿素含量生物量因子和数字高程模型,结合专家决策分类法提取出研究区内干旱河谷分布面积。研究结果表明,Sentinel-2A遥感卫星数据质量较好,丰富了遥感技术应用领域,其L2A级别数据将会对全球生态植被环境变化的监测与评价产生积极的应用价值。     

基于RSEI模型的生态环境质量评价研究

随着社会的不断发展,人们对自然生态环境质量越来越重视。本文主要利用遥感技术手段,以哈尔滨市延寿县为研究区,选取2019年的Sentinel-2A影像和Landsat-8影像,利用绿度、湿度、干度、温度等生态因子指标构建遥感生态指数(RSEI)模型,对延寿县生态环境状况进行综合评价。研究结果表明:延寿县RSEI空间分布的总体特征表现为中间差、周围好的地域特征,其东北和东南部RSEI值较高,中部RSEI值较低。     

基于Sentinel-2A时序谐波分析的山区林草资源遥感自动分类

文章提出了基于Sentinel-2A密集时序的山区林草资源自动分类方法。在GEE云计算平台支持下,首先基于Sentinel-2A影像计算年度NDVI密集时间序列;然后利用HANTS谐波分析对年度NDVI进行时序重构,获得年度完整的NDVI时序特征谱;在此基础上构建随机森林分类模型,通过特征计算和优选,完成影像分类和精度评价;并以大别山西麓麻城市为研究区开展了实验研究。实验结果表明:时序谐波分析方法能够有效地区分林草资源及森林亚类,时序谐波特征支持下Sentinel-2A密集时序林草资源遥感分类总体精度较高,相比传统多期分类、现有的全球30 m GLC_FCS30-2020分类产品,OA和Kappa均有了一定的提高。     

基于规则库的高分辨率遥感影像质量评价

针对高分辨率遥感影像质量评价缺少客观、全面、定量方法的问题,提出了一种基于规则库的高分辨率遥感影像质量评价方法,构建了灰度统计特征、纹理特征、影像清晰程度等3个指标项及综合质量评价模型,并采用12景高分辨率遥感影像进行了实验验证。结果表明,该方法可准确评价高分辨率遥感影像的质量,实现了高分辨率遥感影像质量评价的主客观一致性。     

神经网络支持下的Sentinel-2卫星影像自动云检测

为解决利用Sentinel-2卫星影像进行地物信息提取时云层遮挡造成的信息误判问题，提出了一种基于深度学习的遥感影像云区高精度分割方法。该方法通过预处理的遥感样本数据构建出一种深度神经网络模型，自动提取高层次影像特征；再将影像特征输入分类器，实现遥感影像的像素级分类，从而分割出云覆盖矩阵；最后将云覆盖矩阵转化为云二值图，结合感兴趣区矢量准确获取指定区域云检测结果。选取典型区域进行测试，结果表明：该方法检测精度较高，速度较快，且无须辅助信息与人工干预，可用于Sentinel-2卫星影像不规则区域自动云检测。     

基于遥感技术的黑土区耕地质量评价指标体系研究进展分析

黑土是公认的肥沃土壤，但我国黑土耕地质量由于连年耕种导致土质严重退化。黑土区耕地质量监测与评价是落实黑土保护的重要手段，准确快速地获取耕地质量信息也是国内外重点研究方向。遥感作为一种新方法，为大范围、短周期获取黑土区耕地质量信息提供可能。文中通过文献计量分析法，归纳整理了常用的耕地质量评价指标和耕地质量评价方法，分析了国内外遥感技术在耕地质量相关方面的研究现状，构建了基于遥感技术的耕地质量监测体系框架，从耕地质量指标定量反演方面，分别分析了遥感技术在土壤物理指标、土壤化学指标定量反演的研究现状，概述了基于遥感技术在地形特征、基础设施建设方面的信息提取方法与数据基础；从耕地质量间接监测方面，分析了基于植被特征指数的耕地质量间接监测的研究现状。针对研究现状中不足与问题，提出了思考与建议。     

基于RS和PRA的横山县耕地质量综合评价研究

为了解该县目前的耕地质量现状及其发展趋势,为当地的耕地资源保护提供参考撰写此文。采用PRA技术进行农户调查,得到农户普遍关注的耕地质量因素有坡度、灌溉条件、土壤质地、产量、肥料投入、作物长势、沙化和水蚀程度,将这些因素通过基于遥感数据的SVMI、MSAVI、SARP等指标反映出来,构建耕地质量评价指标体系;基于压力——状态——响应模型(PSR),借助地理信息系统(GIS)构建生产压力指数、耕地状态指数以及农户行为指数,从不同角度分别描述耕地质量,并进行耕地质量综合评价。结果显示,当地将近70%的耕地质量现状较差,并且其中大部分耕地面临巨大的退化危险;60%以上的耕地其社会经济条件和管理行为是不可持续的。最后,针对不同等级耕地提出了政策建议。     

融合多特征的城市不透水面覆盖率估算方法

高分辨率遥感技术的发展为准确估算城市区域精确不透水面信息提供了有效可靠的数据源。为了利用高分遥感影像精确估算不透水面信息,提出了一种基于多特征的城市不透水面覆盖率(Impervious Surface Percentage,ISP)遥感估算模型。该方法利用Sentinel-2光学遥感数据和珞珈一号夜间灯光遥感数据,从多个角度提取了反映不透水面信息的指数特征,基于多元回归分析方法构建了多因子不透水面覆盖率估算模型。以南京市为研究区对该方法进行了验证。结果表明,多因子不透水面覆盖率估算模型可以有效融合多种遥感信息,明显提高了城市ISP估算精度。     

基于Sentinel-1A与Sentinel-2A融合的土地利用/覆盖分类研究——以昆明市呈贡区为例

为提高土地利用/覆盖分类精度,本文以昆明市呈贡区为例,融合Sentinel-1A(S1A)与Sentinel-2A(S2A)遥感数据,采用支持向量机(SVM)的监督分类方法对土地利用/覆盖进行分类。对比分析了Sentinel-1A与Sentinel-2A数据在不同组合情况下所有分类结果的总体精度,结果表明:将Sentinel-1A的强度数据、纹理数据与添加植被指数的Sentinel-2A数据融合时分类精度相对较高,总体精度可达93.60%。采用雷达数据与光学数据融合的方法可以在一定程度上提升土地利用/覆盖分类精度。