新疆地区鸟类和哺乳动物丰富度与环境因子的空间格局与关系

干旱区生态系统极易受到气候及土地利用变化的影响,其生物多样性格局及其形成机制是重要的生态学问题。基于新疆地区鸟类及哺乳动物物种多样性数据,结合气候、地形和长时间序列的植被遥感参数产品FAPAR数据等,主要在不同的土地利用类型及海拔带上采用单因子相关分析方法探讨了物种丰富度格局的形成机制。总体来说,不同生境类型中,植被遥感参数因子(DHI、NDVI等)与两种类群物种丰富度分布的相关性强于与气候因子(温度、降水)的相关性。具体而言,植被遥感参数因子中,基于FAPAR的生境指数因子与丰富度的相关性大于基于植被指数的因子(DHI_cumNDVI_cumEVI_cum);气候因子中,在草地生境或者较低的海拔上,年均降水因子对于丰富度分布的解释力强于年均温度因子。这表明在新疆地区,影响鸟类与哺乳类动物物种丰富度分布的主导理论是生境异质性假说与环境稳定性假说,其解释力在多种生境内均强于生产力与环境热量。     

基于RS与GIS技术的泸定县植被空间分布分析

以四川省泸定县为分析研究区域,综合运用遥感图像处理技术与GIS空间分析技术,用ETM+遥感影像获取归一化植被指数(NDVI)信息并反演植被覆盖度,用地形图等高线生成数字高程模型(DEM)并提取地形因子。借助叠合分析法,讨论植被覆盖度与海拔高度、坡度、坡度变率、坡向、坡向变率5种地形因子的空间关系,得到泸定县关于地形因子的各等级植被空间分布特征。分析对地植物学中高山峡谷地区植被的地形格局分布规律研究与生态环境的评价与改良都具有重要的参考价值。     

基于"3S"的梵净山自然保护区植被分布探讨

利用“3S”技术对梵净山国家自然保护区森林植被类型的空间分布进行分析,并为森林植被的监测与管理提供依据,更好地对各个区域(核心区、缓冲区、影响区)危害因子进行监控,从而有效地对其森林植被进行有效的保护。     

基于MODIS数据的长株潭地区城市热岛时空分析

基于MODIS影像,采用分裂窗算法反演的地表温度对长株潭地区城市热岛空间分布与季相变化特征、影响因子进行定量研究。结果表明,长株潭地区春季和夏季存在明显的城市热岛效应,而冬季和秋季城市热岛并不明显;地表覆盖类型对城市热岛的影响十分明显,长株潭地区春、夏、秋季植被绿地状况与城市热岛呈现明显负相关分布,其中以夏季最为明显,夏季地表温度与NDVI相关系数的平方R2达到0.8193,即植被覆盖对城市地表温度的影响显著。因此,城市植被的分布与季节变化影响着城市热岛的强度与时空分布,揭示出植被绿地对降低城市热岛效应具有重要的作用,大范围的绿地建设能有效降低城市热岛效应。     

宁夏不同植被类型归一化指数与气象因子分析

针对植被动态对气候变化响应的问题,提出了从小尺度范围研究植被指数与气象因子的相关性,采用2000—2010年MODIS归一化植被指数数据集和宁夏10个气象站2000—2010年逐月气象资料,分析了气象站点周围10km缓冲区内不同植被类型NDVI与气象因子的相关性。结果表明:2000—2010年宁夏不同植被类型NDVI均呈上升趋势;极端最低气温、最高气温、平均气温、平均相对湿度以及日照时数对宁夏地区植被的生长有明显的滞后效应;植被NDVI与极端最低气温的相关性系数最大,其次是平均气温;不同植被类型的NDVI与极端最高气温、极端最低气温以及平均气温的相关性由南向北呈现波动性增长,与降水量的相关性由南向北呈现明显的减小趋势;且耕地NDVI与各气象因子的相关性最大。     

济南市中心城区地表热环境时空变化分析

针对目前众多学者主要针对夏季热环境进行研究,分析方法相对单一,且融合地理探测器等多种方法针对不同季节相关分析研究相对较少的问题,该文基于2017-2018年Landsat8遥感数据,反演济南市中心城区四季的地表温度,综合运用景观格局指数法和剖面法分析不同季节热环境空间分布变化;利用相关性分析方法和地理探测器模型针对地表遥感指标和热环境进行相关性和影响力研究.结果表明:济南市中心城区除冬季,地表温度分布东高西低,与 自然地表、工业生产、人口活动等区位要素关联密切;气温骤降与骤增导致温度斑块割裂、聚合;水体、水汽与建筑的交互作用对春、夏、秋季的城市热环境影响最大,水体与不透水面(交互因子:0.392 952)对冬季热环境交互影响最大;城市热环境的空间分异特征受多因子影响,其中植被与水体(交互因子:0.379 927)、植被与水汽(交互因子:0.380 707)协同降温效应最优,建筑与植被(交互因子:0.278 922)协同保温效应最优.     

利用PRO4SAIL与支持向量机回归的组合模型反演植被等效水厚度

为监测路域植被生态环境,利用遥感影像和辐射传输模型物理基础实现了对植被冠层等效水厚度（EWT）的估测。提出了利用PRO4SAIL与支持向量机回归的组合模型对等效水厚度进行反演的方法。选取Landsat7 ETM+影像,结合实测数据探索验证了PRO4SAIL与支持向量机回归的组合模型的植被参数反演的实用性和准确性。研究表明,该组合模型具有较好的预测能力,反演得到的等效水厚度含量精度较高,为支持向量机模型应用于遥感影像反演植被参数提高了有力支撑。     

基于知识库和空间信息耦合模型的北川县震后土壤侵蚀分析

基于土壤水力侵蚀分级标准,考虑地震造成的特殊土壤侵蚀类型,构建了地震重灾区土壤侵蚀强度分级知识库;综合利用RS和GIS技术,结合专家知识判断,快速提取了四川省北川县土地利用、地面坡度、植被盖度、特殊侵蚀类型等土壤侵蚀因子空间信息;基于EcoHAT系统中的知识库和空间信息耦合型土壤侵蚀模型,快速完成了北川县震后土壤侵蚀强度的判定与分析.结果表明,地震使北川县土壤侵蚀加剧,相比2000年全国土壤侵蚀遥感调查成果,震后土壤侵蚀面积增加了275.13km2,增长量为23.83%;特殊侵蚀类型面积占北川县面积的2.48%;林地土壤侵蚀面积最大,占总侵蚀面积的一半以上;耕地土壤侵蚀比例为98.95%;坡度是北川县土壤侵蚀的主要贡献因子,植被则是主要控制因子,坡耕地治理是今后北川县土壤侵蚀控制的重点.     

考虑植被覆盖因子的地形辐射校正模型

针对传统的地形辐射校正模型无法适用复杂地表覆盖类型而导致的校正精度较低的问题,该文提出了一种考虑像元植被覆盖因子的模型。山区遥感影像像元大部分为植被与岩石、裸土的混合像元,针对混合像元中岩石、裸土部分应用太阳-地表-传感器模型,而对于植被覆盖区则采用考虑植被垂直生长特性的太阳-树冠-传感器模型,两模型用像元植被覆盖因子拟合为新的太阳-植被覆盖因子-传感器模型。利用覆盖江西实验区的Landsat-8陆地成像仪影像和数字高程模型数据进行了校正比对分析,结果表明该方法可有效地消除地形起伏对辐射亮度的影响。     

利用辐射传输模型和随机森林回归反演LAI

针对辐射传输模型与查找表结合反演叶面积指数的方法存在反演工作量大且反演速度缓慢的问题,提出利用辐射传输模型和随机森林组合模型对路域植被叶面积指数进行估算的方法。该模型定义一种辐射传输模型和随机森林回归模型结合反演叶面积指数的方法。以研究区实测高光谱数据和模拟光谱数据为数据源,在相关性分析和敏感性分析的基础上,选取适宜作为反演因子的植被指数,而后进行随机森林算法回归,反演得到预测叶面积指数。结果表明:基于辐射传输模型和随机森林算法反演的路域植被叶面积指数与实测结果一致,准确及时的反映路域植被叶面积指数信息,可以较好地应用在路域环境植被参数反演中。     

综合非光谱信息的荒漠化土地CART分类

用遥感手段对荒漠化进行监测是当前荒漠化研究的热点问题,传统的荒漠化遥感信息自动提取方法是基于光谱特征的图像分割,受多种因素的影响,分类精度的提高遇到瓶颈,因此基于知识的分类方法应运而生。CART是一种非参数化的分类与回归方法,在用于遥感影像自动分类时,可以方便地应用多源知识,提高分类精度。本文在分析了CART方法原理的基础上,针对荒漠化地区各种地物的特点,将包括地物光谱知识、纹理知识、植被盖度等在内的多种知识融入CART模型,克服了单纯利用光谱特征进行分类的不足,取得了85.94%的精度。     

Land cover classification of finer resolution remote sensing data integrating temporal features from time series coarser resolution data

Land cover classification of finer resolution remote sensing data is always difficult to acquire high-frequency time series data which contains temporal features for improving classification accuracy. This paper proposed a method of land cover classification with finer resolution remote sensing data integrating temporal features extracted from time series coarser resolution data. The coarser resolution vegetation index data is first fused with finer resolution data to obtain time series finer resolution data. Temporal features are extracted from the fused data and added to improve classification accuracy. The result indicates that temporal features extracted from coarser resolution data have significant effect on improving classification accuracy of finer resolution data, especially for vegetation types. The overall classification accuracy is significantly improved approximately 4% from 90.4% to 94.6% and 89.0% to 93.7% for using Landsat 8 and Landsat 5 data, respectively. The user and producer accuracies for all land cover types have been improved.     

An Automated Approach for Land Cover Classification Based on a Fuzzy Supervised Learning Framework

This paper proposes an automatic framework for land cover classification. In majority of published work by various researchers so far, most of the methods need manually mark the label of land cover types. In the proposed framework, all the information, like land cover types and their features, is defined as prior knowledge achieved from land use maps, topographic data, texture data, vegetation’s growth cycle and field data. The land cover classification is treated as an automatically supervised learning procedure, which can be divided into automatic sample selection and fuzzy supervised classification. Once a series of features were extracted from multi-source datasets, spectral matching method is used to determine the degrees of membership of auto-selected pixels, which indicates the probability of the pixel to be distinguished as a specific land cover type. In order to make full use of this probability, a fuzzy support vector machine (SVM) classification method is used to handle samples with membership degrees. This method is applied to Landsat Thematic Mapper (TM) data of two areas located in Northern China. The automatic classification results are compared with visual interpretation. Experimental results show that the proposed method classifies the remote sensing data with a competitive and stable accuracy, and demonstrate that an objective land cover classification result is achievable by combining several advanced machine learning methods.     

从高光谱遥感影像提取植被信息

遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行了提取,参考光谱使用ASD光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究,针对影响光谱辐射仪采集的主要因素采取了相应的措施,并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息,经过与实地调查资料比较并计算总体精度和kappa系数,计算结果达到预期精度。最后将分类结果转换为矢量图,经过投影转换为大地坐标后制作出北衙植被分布图。     

基于GIS的中国东北植被综合分类研究

ＮＯＡＡ／ＡＶＨＲＲ由于运行周期短、覆盖范围大、成本低、波段宽等特点,目前正越来越广泛地受到人们的普遍关注。在大尺度、中尺度植被遥感上,ＮＯＡＡ／ＡＶＨＲＲ具有陆地卫星无法比拟的优势,但在另一方面,ＮＯＡＡＡＶＨＲＲ也存在分辨率低、数据变形较大和几何畸变较严重等问题。这样,在应用ＮＯＡＡＡＶＨＲＲ数据进行大区域植被制图时,植被分类的精度仍待提高。本文从理论上探讨了将地理信息系统提供的地理数据与遥感数据复合的可行性;尝试在ＧＩＳ环境下,将气温、降水、高程３个影响区域植被覆盖的主要指标,按一定的地面网格系统和数学模式进行量化,生成数字地学影像,并使之与经过优化、压缩处理的ＮＯＡＡＡＶＨＲＲ数据进行复合,对复合后的综合影像进行监督分类。分类结果显示,与传统的应用最大似然分类方法对单一遥感图像分类相比,该综合分类方法分类精度提高了１８．３％,该研究方法改变了遥感影像的单一信息结构;丰富了图像的信息含量;完成了地理数据的数字传输、处理、存储及影像化显示。     

Mapping dominant vegetation communities at Meili Snow Mountain,Yunnan Province,China using satellite imagery and plant community data

Mapping dominant vegetation communities is important work for vegetation scientists. It is very difficult to map dominant vegetation communities using multispectral remote sensing data only, especially in mountain areas. However plant community data contain useful information about the relationships between plant communities and their environment. In this paper, plant community data are linked with remote sensing to map vegetation communities. The Bayesian soft classifier was used to produce posterior probability images for each class. These images were used to calculate the prior probabilities. One hundred and eighty plant plots at Meili Snow Mountain, Yunnan Province, China were used to characterize the vegetation distribution for each class along altitude gradients. Then, the frequencies were used to modify the prior probabilities of each class. After stratification in a vegetation part and a non-vegetation part, a maximum-likelihood classification with equal prior probabilities was conducted, yielding an overall accuracy of 82.1% and a kappa accuracy of 0.797. Maximum-likelihood classification with modified prior probabilities in the vegetation part, conducted with a conventional maximum-likelihood classification for the non-vegetation part, yielded an overall accuracy of 87.7%, and a kappa accuracy of 0.861.     

高分二号遥感影像提取冬小麦空间分布

精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE(Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.6%。实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势。WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。     

利用Sentinel-2A多光谱成像仪与Landsat8陆地成像仪影像进行普陀山岛植被分类效果比较

卫星遥感技术可用于海岛资源调查。Sentinel-2A与Landsat 8两颗卫星都可免费提供空间分辨率较高的多光谱遥感影像，在海岛调查中的应用潜力较大。本文以浙江舟山普陀山岛为例开展了针对这两种影像在海岛植被分类中的应用效果的研究，分别利用Sentinel-2A多光谱成像仪（MSI）和Landsat 8陆地成像仪（OLI）影像基于最大似然法分类获得了该岛阔叶林、针阔混交林、针叶林、灌丛、草丛等植被及其他地物的分布情况，并进行了精度检验，结果表明MSI的总体分类精度略高于OLI。