三峡水库香溪河支流水域温室气体排放通量观测

开展对香溪河支流水体的温室气体排放观测,有助于增加对三峡水库支流温室气体排放情况的了解以及水华对温室气体排放的影响.研究采用静态箱-气相色谱法,于2009年10月至2010年10月先后11次开展对香溪河支流水体3种温室气体(二氧化碳、甲烷、氧化亚氮)排放强度的观测,结果表明:观测期间香溪河支流的二氧化碳平均排放通量约为76.52 mg/(m2·h),排放强度与水体中叶绿素a浓度呈显著负相关,支流水华期间,二氧化碳排放通量小于0,表现为对大气中二氧化碳的吸收;支流甲烷平均排放通量约为0.244 9 mg/(m2·h);氧化亚氮平均排放水平约为0.011 7 mg/(m2·h).通过将甲烷平均排放水平与三峡水库其它区域开展的研究结果进行对比表明:三峡水库的甲烷排放水平很低,明显不同于已有基于国外水库平均排放水平对三峡水库全区甲烷排放的估算结果.     

高分辨率影像城市绿地快速提取技术与应用

高分辨率遥感影像是城市绿地信息快速提取的主要数据源 ,文中以多尺度影像分割与面向对象影像分析方法为主要技术 ,利用样本多边形对象的成员函数建立训练区 ,自动提取大庆市城市绿地覆盖信息 ,达到清查城市绿地的目的。该方法信息获取周期短、精度高、成本低 ,实现了城市绿地信息精确获取与快速更新。     

农作物单产预测的运行化方法

提出了适于运行化农作物单产预测的方法。即以农作物单产区划为基础 ,通过搜集不同地区不同作物的单产预测模型 ,分析每个模型的空间适用范围 ,并从模型参数等角度筛选模型 ,然后利用这些模型进行气象站点的作物单产预测 ,并以NDVI分布图为参考数据将点上的单产数据空间外推到区域尺度。借助耕地分布估计区域水平的农作物单产。最后以 2 0 0 3年冬小麦为例 ,进行了全国 10个省的冬小麦平均单产估算 ,花费了较少的人力和时间 ,符合运行化遥感估产要求     

流域遥感方法与实践

未来流域一体化管理模式下,要求数据、信息和知识在管理者、科学家、工程技术人员和所有利益相关方之间自由流通。其中,流域尺度数据获取、信息提炼和知识抽象是基础。卫星遥感技术因其大范围、综合性、动态性对地观测能力,为实现这一管理方式的改变提供了新的技术手段。过去的应用中,受相对稀缺的卫星影像数据和复杂应用方法的限制,出现了常规应用相对较少,应急使用较多;行业管理部门应用较少,专业研究机构使用较多;简单实用的方法较少,需要做复杂处理和调试的方法居多;数据瓶颈依然存在等问题,严重限制了遥感技术在流域管理中的深化应用。2007年中国科学院知识创新工程重大项目“海河流域治理工程生态环境效应遥感监测与评估”课题的立项,为服务于流域综合管理的遥感应用方法研究提供了实验基础。项目执行过程中,随着遥感技术在流域下垫面监测、水循环要素反演及生态环境效应评估等方面的研究日益深入,流域遥感方法论及应用范畴逐渐清晰,使得从整个课题的角度对取得的成果进行归纳总结成为可能。本文在分析流域管理发展趋势和流域遥感应用现状的基础上,介绍了项目的立项背景及在流域遥感蒸散发估算方法、水资源监测方法与农业水管理应用和生态环境变化监测与分析等方面的取得的研究成果,指出了未来流域遥感发展的趋势和任务。     

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%。     

基于多层神经网络与Sentinel-2数据的大豆种植区识别方法

大豆作为全球最重要的油料作物,是中国进口的大宗农产品,对其种植区的精准识别是决策制定、种植结构调整基础,对国家粮食安全有重要意义。本文利用Sentinel-2作为数据源,利用多层神经网络方法与对大豆进行提取,并与随机森林、决策树、支持向量机等机器学习进行对比,发现F1-Socre指标显示多层神经网络的分类精度最高,为93.53%,其次为随机森林、支持向量机、决策树。将神经网络分类结果与SLIC面向对象分割聚合之后,结果既忽略了同一地块的微小差别,又区分出了不同地块的作物差异,很好的体现了大豆的分布。Sentinel-2数据是进行大尺度大豆种植监测的绝佳数据源,大豆与玉米等其他作物在第二个红边波段的反射率有较为明显的差异。多层神经网络方法在图像分类任务中表现出色,结合图像分割算法精度可达到95.51%,可以满足大豆种植面积监测的需求。     

近40年来白洋淀湿地土地覆被变化分析

白洋淀是华北平原上现存最大的天然湖泊,是典型的内陆湿地。最近40年,白洋淀湿地出现了水面萎缩、生态功能急剧退化、生物多样性减小和水体污染严重等生态环境问题。本文利用1964年CORONA侦察卫星影像、1974年和1983年Landsat MSS影像和2002年ETM+影像,对白洋淀湿地的土地覆被变化及其驱动力做了详细分析。结果表明,湿地面积呈减少趋势:1964年为407.3km2,2002年缩减到274.63km²。湿地水面起伏变化大,1964年水面较宽,为346.75km²;到1974的10年间,减少到94.65km²,1983年和2002年水面继续变窄,水面面积分别为67.27km²和46.86km²。引起湿地土地覆被变化的原因包括降雨量的减少、蒸发量的增大、城市发展用水增大、不合理土地利用开发和上游水库、引水工程修筑等。     

南水北调中线水源区植被覆盖度遥感监测分析

南水北调中线工程是我国大规模跨流域调水工程的一部分,开展该区域植被覆盖度变化的研究与分析,对于保护该区域的生态环境及水质具有重要意义。该文以2000年和2009年两期遥感图像为本底数据,利用基于NDVI的像元二分模型对南水北调中线水源区的植被覆盖度进行了估算,并分析了该区植被覆盖度的时空变化特征。结果表明:2000年该水源区植被覆盖度的平均值为67.5%,2009年的平均值达到72%,植被覆盖度总体呈增长趋势;植被覆盖度增幅的空间特征表现为水源区中部地区高,东西部地区相对较低;在不同植被类型中,落叶针叶林的覆盖度平均值增幅最大,草地覆盖度增幅最小;位于水源区的大多数县(市)的植被覆盖度在近十年来都有不同程度的增加,其中柞水县的植被覆盖度平均值增长幅度最大,这与国家实施退耕还林、封山育林、基本农田建设等政策有关。     

流域遥感:内涵与挑战

遥感在流域综合管理与流域科学研究中得到广泛应用并发挥着不可替代的作用。重点阐述了流域遥感的内涵、进展与面临的挑战，系统总结了相关的流域遥感数据产品。流域遥感研究流域下垫面、水循环、水资源、水灾害、流域生态的遥感解析能力并提供相关的遥感数据产品。流域遥感数据产品正逐步成为不断更新的公共产品和服务，满足了流域管理监测信息及时性、完整性、连续性和高精度的要求。流域遥感与云计算的结合，可降低流域遥感数据产品生成的技术瓶颈；与云服务结合，可降低流域遥感数据产品的应用难度和成本，将是流域遥感走向实用的主流方向，从而为流域综合管理提供全方位的信息支撑。     

区域作物生长过程的遥感提取方法

提出利用时序NDVI数据提取作物生长过程方法。遥感数据在采集过程中受云、大气因子的影响 ,以及混合像元问题 ,造成时序植被指数值变得没有规律 ,对比性不强。采用基于最小二次方拟合的谐函数分析方法 ,依据作物轮作规律和生长周期性特征 ,用主要频率的正弦、余弦谐函数重建时序图像 ,去除了影像中云污染的影响。以中国的旱地为例 ,考虑到像元内旱地对NDVI值的贡献率 ,计算区域内旱地像元加权平均值来反映其作物生长过程。同时与区域所有像元的平均值、旱地平均值等统计方法的结果进行对比分析 ,表明区域内旱地的加权平均值能够削弱旱地比例和地域间的差异 ,突出耕地上作物的生长过程特征。通过与地面实测数据分析 ,平滑前后的作物生长过程与叶面积指数相关性增加 5 %— 11% ,采用区域加权平均的方法得到的作物生长过程 ,比旱地平均和NDVI平均的结果与叶面积指数的相关性增加 14 %— 17%。