全球陆表水体空间格局与波动初步分析

陆表水体是人类生存和发展的最重要资源之一,也是全球水循环主要组成部分之一.全面地掌握陆表水体的空间分布、持续地测定其动态变化,是全球生态环境健康诊断的一项重要工作.根据30 m分辨率全球地表覆盖数据产品(Global Land 30)中的两期陆表水体数据产品(Global Land 30-water 2000和Global Land 30-water 2010),利用MODIS时间序列数据对其进行时相订正,通过水域面积、水域率及其空间变异系数的指标,按全球、经纬度、大洲及气候区等不同层次分析了陆表水体及空间分布格局和时间波动.遥感监测结果显示,全球陆表水体总面积达367.67×104 km2,占全球陆表面积的2.73%.陆表水体空间分布极为不均,主要集中于北半球的中高纬度地区和热带地区.对比2000与2010年两期的水域面积差异,总体波动不大,但是区域差异较明显.Global Land 30-water产品及统计数据为分析全球陆表水体空间分布格局、揭示其地域差异、研究时空波动规律以及诊断生态环境健康提供了重要基础数据.     

遥感影像云检测网络泛化性能研究：以DeepLabv3+为例

近年来,深度学习算法得到了长足的发展,并开始应用于云检测。但是深度神经网络模型参数众多,依赖大量训练样本,因此理解其泛化性能对于深度学习在不同遥感影像的实际应用具有重要的参考价值。本文以深度语义分割算法DeepLabv3+为例,以一组广泛使用的云标记数据集"L8 Biome"为验证数据,探讨该算法用于云检测时在不同的地表景观、空间分辨率和光谱波段组合的遥感影像上的泛化性能。云标记数据集"L8Biome"包含96景具有全球代表性的Landsat 8 OLI影像及相应的人工云掩膜,被广泛用于测试云和云阴影检测算法性能。首先,利用Landsat 8 OLI云标记数据集"L8 Biome",构建不同类型景观、不同空间分辨率、不同波段组合的训练影像集和测试影像集;其次基于不同训练样本集和测试集,评估了DeepLabv3+算法在不同情况下的云检测精度,并与Fmask算法作对比分析。研究结果表明:(1)使用全混合景观类型的训练集训练出来的云检测网络在总体检测精度(92.81%)与稳定度(标准差12.08%)上都优于使用单一景观类型的训练集训练得到的云检测网络,也优于Fmask的总体精度(88.75%)与稳定度(标准差17.34%),说明在构建深度学习算法的训练集时,应该尽可能包含多类型的地表景观;(2)将全混合景观训练集中剔除一类景观的样本(冰/雪景观除外)构建的"混合-1"训练集与全混合景观训练集训练的DeepLabv3+网络的云检测精度也相差不大,说明现有训练样本集已具备较强的景观泛化能力;(3)基于30 m空间分辨率的全混合景观训练样本集训练得到的DeepLabv3+云检测网络在不同分辨率(30 m、60 m、120 m、240 m)的测试集上云检测精度差异不大,都取得较好的效果,说明DeepLabv3+能够泛化应用于不同空间分辨率的遥感影像,相反Fmask直接应用于低分辨率影像时精度明显下降;(4) DeepLabv3+能充分自适应不同波段的信息用于云检测,总体来说更多的光谱波段输入能够提高DeepLabv3+的云检测的精度和稳定度,其中短波红外波段对于DeepLabv3+区分冰/雪与云具有重要价值,而热红外波段对DeepLabv3+云检测网络的性能提升很微小。以上结果说明利用现有数据集"L8 Biome"训练的DeepLabv3+云检测网络能够适用于多种类型的遥感影像,并优于Fmask算法。     

基于探地雷达的树木根径估算模型及根生物量估算新方法

根系是植物的重要组成部分,根系研究对于植物、土壤以及生态系统研究的重要意义不容忽视.植物根系的传统探测方法不仅耗时费力而且会破坏根系原生环境.因此寻求一种无损性的植物根系探测技术尤为重要.探地雷达作为一种无损性探测方法,在根系参数估算方面具有巨大潜力.利用探地雷达2GHz频率天线在根径估测方面的优势,提出一个可实际应用的粗根生物量估算新方法,即：首先通过采集少量的根样本测得平均根密度;通过探地雷达野外测量实验建立基于探地雷达波形信号的根径估测模型对根径进行估测;基于根圆柱体（短根）或长锥体（长根）假设,通过估测的根径计算出根体积;最后利用根密度和根体积计算得到根生物量.得到主要结论如下：（1）直径大于0.5cm的粗根密度相对稳定;（2）从2GHz频率天线的探测数据中提取出的波形参数ΔT与根的深度无关,据此可建立精度较高的根径估测模型;（3）基于根密度和根体积可直接估算粗根生物量,无论粗短根或粗长根,新方法均能达到较高估算精度.上述结果验证了所建立的GPR根径估测模型和根生物量估算方法的合理性和有效性.     

基于Landsat7 ETM+全色数据纹理和结构信息复合的城市建筑信息提取

提出了利用主成分分析方法有效地复合纹理和结构信息，从Landsat7 ETM^*全色数据中直接提取区域尺度的城市建筑信息的新方法，并在此基础上评估了Landsat7 ETM^ 全色数据和SPOT全色数据在城市建筑信息提取上的相互替代性。     

新疆古尔班通古特地区的土壤结皮及其保护

生物土壤结皮对于荒漠地区生态环境、土壤形成、防沙固沙等起到积极作用,因此对其进行保护和研究在中国北方荒漠化地区具有重要意义。在阐述生物土壤结皮的生态功能、性质及主要干扰因子的基础上,考虑到其特殊性质及主要的聚集分布区域和受到的潜在干扰,建议在中国新疆古尔班通古特沙漠地区建立生物土壤结皮国家级自然保护区,并提出了拟设立自然保护区的具体区域及相应的建议和措施,以促进生物土壤结皮和荒漠生态系统的研究和荒漠化地区生态环境的恢复与重建。     

非线性破坏准则对主动土压力的影响

本文采用非线性破坏准则分析和确定了刚性挡土墙主动土压力大小和滑动面位置。首先应用“切线法”引入了变量 和 ,然后运用迭代法计算得出对应于不同潜在滑动面上的 和 值,再运用广义库仑土压力理论求解主动土压力大小。其中对应于最大主动土压力的滑动面即为最危险滑动面,此时的所求即为主动土压力。通过与采用线性Mohr－Coulomb破坏准则下的研究结果比较得出,采用非线性破坏准则确定刚性挡土墙主动土压力更加符合实际工程,结果更加准确,而采用线性Mohr－Coulomb破坏准则计算的主动土压力结果偏小,在实际工程设计中偏于不安全。     

江淮流域夏季持续性强降水的低频特征分析

利用1979-2009年夏季(6-8月)中国气象观测站点逐日降水资料、NCEP/NCAR的再分析资料以及向外长波辐射资料等,选取低频降水事件来表征江淮流域夏季持续性强降水,然后分析其基本特征及伴随的低频大气环流形势,利用位相合成的方法对该低频信号的来源和传播特征进行研究.结果表明:江淮流域夏季持续性强降水在6-7月份发生次数较多;在持续性强降水期间,江淮流域低层受低频气旋控制,南海至菲律宾海一带则是很强的低频反气旋,该低频反气旋西侧,向北的低频水汽输送将水汽不断送至江淮流域形成辐合;与持续性强降水相关联的850 hPa上的低频信号,来源于黄河河套地区低频振荡的东南向传播和西北太平洋上空低频振荡的西北向传播;在高层,当持续性强降水发生时,江淮流域的西北侧(37.5°N,80 ～100°E)附近为强烈的低频气旋式环流,紧邻该环流的西北侧,则是一个低频反气旋,两者同南海—菲律宾海一带的低频反气旋构成了一个西北—东南向的低频波列;西太平洋副热带高压和南亚高压在持续性强降水期间表现出了显著的相向而行、相背而去的特征.     

高空间分辨率遥感影像多尺度分割优化组合算法

高空间分辨率遥感影像能够充分地描述地表覆盖空间异质性,可用于提取地面目标物。然而高空间分辨率在像元尺度的目标提取时易产生"椒盐效应"问题,面向对象的小尺度影像分割也受此效应影响;而大尺度的影像分割造成较小目标的遗漏。本文提出了一种针对高空间分辨率遥感影像的多尺度分割优化组合算法MOCA(Multi-scale-segmentation Optimal Composition Algorithm),基于后验概率信息熵指标选择影像中每个地面目标的最优分割尺度并集成组合,获得高空间分辨率遥感影像的多尺度分割优化组合结果。本文使用F指标和BCI(Bidirectional Consistency Index)两种指标评估地面目标物提取精度,并将MOCA与同类多尺度分割方法进行比较。实验结果表明,本文提出的MOCA算法可实现多个分割尺度的最优组合,并获得较高的地面目标物提取精度。     

基于Geo Eye-1立体像对影像提取建筑物高度的方法研究

在城市规划、公共管理、防灾减灾和导航等领域,高精度的城市建筑物三维信息发挥着重要作用。传统的建筑物高度信息获取方法具有成本较高、精度较低、时效性差的缺点。随着亚米级的高空间分辨率遥感卫星的发展和普及,基于遥感卫星立体像对数据反演建筑物高度信息的方法受到广泛关注。基于Geo Eye-1卫星数据,本文提出了一种自动化程度较高的建筑物高度信息提取方法。首先,利用有理函数模型对Geo Eye-1立体像对数据进行几何校正,生成数字表面模型;然后,基于多窗口滤波方法,在无须辅助数据的情况下,利用数字表面模型生成数字高程模型,通过叠置分析提取建筑物的高度信息;最后,根据建筑物轮廓数据绘制研究区建筑的高度分布图。研究结果表明,该方法在多种地表类型上提取出建筑物的高度信息具有较高的精度,具有操作简单、处理速度快等特点。